پایاننامه برای دریافت درجه کارشناسی ارشد “M.Sc”
مهندسی صنایع-مهندسی صنایع
تابستان 1392
چکیده :
در ﻋﺼﺮ ﺣﺎﺿﺮ ﮐﻤﺘﺮ ﺷﺮﮐﺘﯽ را ﻣﯽﺗﻮان ﯾﺎﻓﺖ ﮐﻪ ﻣﻨﺤﺼﺮا ﺑﻪ ﺗﻮﻟﯿﺪ ﯾﮏ ﻣﺤﺼﻮل ﺑﭙﺮدازد. دﻟﯿﻞ اﯾﻦ ﻣﺴﺎﻟﻪ ﮔﻮﻧﺎﮔﻮﻧﯽ ﻣﺸﺘﺮﯾﺎن در ﺑﺎزار اﺳﺖ و ﺷﺮﮐﺖ ﺑﺮای اﯾﻦﮐﻪ ﺑﺘﻮاﻧﺪ ﺳﻬﻢ ﺑﯿﺸﺘﺮی از ﺑﺎزار را ﺑﻪدﺳﺖ آورد، ﻧﯿﺎزﻣﻨﺪ اﯾﻦ اﺳﺖ ﮐﻪ ﺳﻠﯿﻘﻪ ﺑﯿﺸﺘﺮی از ﻣﺸﺘﺮﯾﺎن ﺧﻮد را در ﻧﻈﺮ ﺑﮕﯿﺮد. ﺑﺮای رﺳﯿﺪن ﺑﻪ اﯾﻦ ﻫﺪف ﺑﻨﮕﺎهﻫﺎ ﺑﻪ ﺗﻮﻟﯿﺪ و ﻋﺮﺿﻪ ﻣﺤﺼﻮﻻت ﭼﻨﺪﺗﺎﯾﯽ روی آورده اﻧﺪ. ﯾﻌﻨﯽ ﻣﺤﺼﻮﻻﺗﯽ ﮐﻪ ﺗﻘﺎﺿﺎی آنﻫﺎ ﺗﻨﻬﺎ ﺑﻪ ﻗﯿﻤﺖ ﺧﻮد ﻣﺤﺼﻮل واﺑﺴﺘﻪ ﻧﯿﺴﺖ و ﺑﻪ ﻗﯿﻤﺖ ﻣﺤﺼﻮﻻت دﯾﮕﺮ ﻧﯿﺰ ﺑﺴﺘﮕﯽ دارد و ﯾﺎ از ﻣﻨﺒﻊ ﻣﺸﺘﺮک ﺟﻬﺖ ﺗﻮﻟﯿﺪ ﯾﺎ ﺗﻮزﯾﻊ اﺳﺘﻔﺎده ﻣﯽﮐﻨﻨﺪ. ﺟﻨﺒﻪ دﯾﮕﺮی ﮐﻪ در ﻣﺴﺎﻟﻪ ﻗﯿﻤﺖﮔﺬاری ﺑﺎﯾﺪ ﻣﻮرد ﺗﻮﺟﻪ ﻗﺮار ﺑﮕﯿﺮد اﯾﻦ اﺳﺖ ﮐﻪ ﺑﺮ ﺧﻼف ﮔﺬﺷﺘﻪ ﮐﻪﺗﺼﻤﯿﻤﺎت ﻣﻮﺟﻮدی و ﻗﯿﻤﺖﮔﺬاری ﺑﻪ ﺻﻮرت ﻣﺠﺰا اﺗﺨﺎذ ﻣﯽﺷﺪ، ﺑﻪ دﻟﯿﻞ ﺗﺎﺛﯿﺮ ﻣﺘﻘﺎﺑﻠﯽ ﮐﻪ اﯾﻦ ﺗﺼﻤﯿﻤﺎت ﺑﺮﯾﮑﺪﯾﮕﺮ و در ﻧﺘﯿﺠﻪ ﺑﺮ ﺳﻮد ﮐﻞ ﺑﻨﮕﺎه دارﻧﺪ، ﺗﻔﮑﯿﮏ ﻗﯿﻤﺖ و ﻣﻮﺟﻮدی اﻣﮑﺎن ﭘﺬﯾﺮ ﻧﯿﺴﺖ و در ﻧﻈﺮ ﮔﺮﻓﺘﻦﺗﻮام اﯾﻦ دو ﻣﺴﺎﻟﻪ ﻣﻮﺟﺐ ﻣﯽﺷﻮد ﺗﺎ ﺗﺼﻤﯿﻢﮔﯿﺮﻧﺪه در ﺷﺮاﯾﻄﯽ ﻧﺰدﯾﮏ ﺑﻪ دﻧﯿﺎی واﻗﻌﯽ ﺗﺼﻤﯿﻢ درﺳﺖ را ﮐﻪﻣﻨﺠﺮ ﺑﻪ دﺳﺖ ﯾﺎﺑﯽ ﺑﻪ ﺳﻮد ﺑﯿﺸﯿﻨﻪ ﻣﯽﮔﺮدد اﺗﺨﺎذ ﻧﻤﺎﯾﺪ. از ﺳﻮی دﯾﮕﺮ در ﻣﺴﺎﻟﻪ ﻗﯿﻤﺖﮔﺬاری ﯾﮑﯽ از ﻋﻮاﻣﻠﯽﮐﻪ ﻧﻘﺶ ﺑﺴﯿﺎر ﻣﻬﻤﯽ در ﺑﯿﺸﯿﻨﻪ ﮐﺮدن ﺳﻮد دارد، ﻋﺎﻣﻞ ﺗﻘﺎﺿﺎ اﺳﺖ. ﻣﺴﺎﻟﻪای ﮐﻪ در اﯾﻦ راﺑﻄﻪ ﺑﺎﯾﺪ ﻣﻮردﺗﻮﺟﻪ ﻗﺮار ﺑﮕﯿﺮد اﯾﻦ اﺳﺖ ﮐﻪ در ﺑﺴﯿﺎری ﻣﻮارد ﺑﻨﮕﺎهﻫﺎ اﻃﻼﻋﺎﺗﯽ در ﻣﻮرد ﻓﺮوش ﻣﺤﺼﻮل در دورهﻫﺎی ﻗﺒﻞ اطلاعات چندانی در دسترس ﻧﺪارﻧﺪ. ﺑﻨﺎﺑﺮاﯾﻦ ﭘﯿﺶﺑﯿﻨﯽ ﺑﺎزار و در ﻧﺘﯿﺠﻪ ﺗﺨﻤﯿﻦ ﺗﻘﺎﺿﺎ ﻧﯿﺰ ﺑﺮاﯾﺸﺎن اﻣﮑﺎنﭘﺬﯾﺮ ﻧﯿﺴﺖ(ﻣﺜﻼ ﺑﻪ دﻟﯿﻞ ﺟﺪﯾﺪﺑﻮدن ﻣﺤﺼﻮل). ﺑﺎ در ﻧﻈﺮ ﮔﺮﻓﺘﻦ اﻫﻤﯿﺖ ﻣﻮارد ﻓﻮق و ﺟﻬﺖ ﭘﺮ ﮐﺮدن ﺧﻼء ﻣﻮﺟﻮد درادﺑﯿﺎت ﻗﯿﻤﺖﮔﺬاری و ﮐﻨﺘﺮل ﻣﻮﺟﻮدی ﻣﺤﺼﻮﻻت ﭼﻨﺪﺗﺎﯾﯽ در اﯾﻦ ﺗﺤﻘﯿﻖ یک ﻣﺪل اراﺋﻪ ﻣﯽﺷﻮد: ﻗﯿﻤﺖﮔﺬاری و ﮐﻨﺘﺮل ﻣﻮﺟﻮدی ﺑﻪ ﺻﻮرت ﺗﻮام ﺑﺎ ﺗﻘﺎﺿﺎی واﺑﺴﺘﻪ ﺑﻪ ﻗﯿﻤﺖ و هزینه تبلیغات بازار با محدودیت ظرفیت انبار .
در این تحقیق تابع طراحی شده ضمن بیشینه سازی سود کل ، مقادیر تولید و هزینه بازاریابی به ازای کالا و همچنین قیمت تولید را نیز محاسبه کرده است . به علت غیر خطی بودن و قطعیت مدل با توجه به اشاره مقاله پایه جوابها با افزایش حجم مسئله به سمت نشدنی شدن پیش می رود که با توجه به مثال عددی مورد استفاده و حل نرم افزار لینگو ، جواب های حاصله در شرایط متفاوت اغلب بهینه محلی بدست آمده است . در این مسئله به تحلیل 5 عامل که 3 مورد وابسته به تابع تقاضاست و دو مورد دیگر در مورد تعداد کالا و تعداد دوره می باشد پرداخته شده است . نتایج نشان داد که مهمترین عامل بر روی سود تاثیر تبلیغات بازار بوده و همچنین قیمت نیز یکی از عوامل تاثیر گذار بر روی فضای جواب است .
واژگان کلیدی : قیمت گذاری پویا – کنترل موجودی – کالاهای چند محصولی –مدیریت درآمد – بازاریابی
فصل اول
مقدمه و کلیات
مقدمه و کلیات
1- مقدمه :
تعیین سیاست کنترل موجودی مناسب وقیمت فروش بهینه برای کالاهای مختلف همواره یکی از موضوعات اصلی تحقیقات علمی و صنعتی به شمار می آید . در محیط بسیار پویای بازار امروز، همگام با تغییرات محصول، بازار و رقابت در طول زمان، استراتژی های بازاریابی شرکت نیز باید تغییر کنند. زمان نقش بسیار مهمی در ارتباط بین موجودی و تقاضا دارد .چرخه عمر محصول، می تواند بیانگر تغییراتی باشد که شرکت در مسیر حرکت محصول در چرخه عمر خود، اعمال می کند. استراتژی های قیمت گذاری نیز باید با سایر استراتژی های شرکت هماهنگ باشند. مدیران باید بدانند چگونه قیمت مناسب را تعیین کنند. موضوع اصلی مسائل مدیریت موجودی ، بهینه یابی مقدار سفارش اقتصادی یا تعیین اندازه دسته تولید با توجه به ظرفیت ها و محدودیت هاو به منظور کمینه کردن کل هزینه های مرتبط با سفارش، خرید، نگهداری و تحویل و یا بیشینه کردن کل سود مرتبط با سیستم مدیریت وکنترل موجودی می باشد. مسائلی از قبیل میزان و زمان سفارشات مواد اولیه یا قطعات نیمه ساخته، تعیین نوع سیستم کنترل موجودی، تعیین ظرفیت انواع انبارها و برنامه ریزی برای تحویل به موقع و اقتصادی سفارشات در این بحث قرار دارند در همین راستا مدل مقدار اقتصادی سفارش(EOQ) و مدل مقدار اقتصادی تولید(EPQ) به طور وسیعی برای تعیین اندازه ی دسته ی سفارش و یا تولید در سیستم های مدیریت و کنترل موجودی به کار می رود. سودآوری حاصله از هرگونه عملیات انجام شده توسط شرکت چه در شرایط بحرانی و چه در شرایط عادی متاثر از تصمیمات استراتژی قیمت گذاری ، کنترل موجودی و تولید است . در گذشته بنگاه ها از سیاست قیمت گذاری ایستا در تعیین قیمت برای محصولاتشان استفاده می کردند ، دلیل استفاده از این قیمت گذاری عدم دسترسی به اطلاعات مورد نیاز در زمینه بازار و نیاز مشتریان بود ، اما امروزه با پیشرفت تکنولوژی موجب شده است که دسترسی به اطلاعات مشتریان و غلبه بر پیچیدگی های تصمیم گیری ناشی از شرایط بازار بسیار راحت تر شود و رویکردهای بسیار مناسبی برای تعیین قیمت به صورت پویا به وجود آید ، روشن است که این شیوه از قیمت گذاری هم از جهت به روز بودن قیمت ها و هم از لحاظ راهکارهایی برای مقابله با شرایط نا مطمئن تصمیم گیری ، از اهمیت زیادی برخوردار است . سیاستهای اتخاذی ایستا که به طور معمول اجرا می شوند در مقایسه با سیاستهای پویا بسیار ناچیز هستند ، که در هر کدام از سیاست های یاد شده به صورت جداگانه نرخ قیمت و تولید در زمان های اضافی تنظیم و تهیه می شود . در واقع تقاضا به طور خاص و همچنین دیگر پارامترهای سیستم به طور مجزا در تایم های اضافی نمو پیدا می کنند . امروزه کانال های زیاد و مختلف توزیع از قبیل اینترنت به توزیع کنندگان این اجازه را می دهد که در زمانهای مختلف به خصوص در زمان های اتمام دوره ها قیمت ها را تغییر دهند تا بتوانند حداکثر سود را از اجرای استراتژی پویا بدست آورند . استراتژی پویا به طور خاص نیاز دارد که در طول افق زمانی تولید و برنامه ریزی نرخ تولید و قیمت به طور مداوم در تمام زمانها جهت حداکثر سازی سود خالص تعیین و مشخص شود و این در حالی است که ما نیازمند پیروی از بعضی از محدودیت ها از قبیل محدودیت ظرفیت تولید و ظرفیت موجودی در دسترس هستیم که بعلاوه هزینه های نگهداری موجودی و هزینه های تولید نیز به حساب ما افزوده خواهد شد . بعلاوه زمانی که شرکت دست به تولید محصولات چندگانه به صورت همزمان می زند ، تصمیمات اتخاذی جدید می بایست جهت تخصیص ظرفیت برای محصولات تولیدی جدید در طول پروسه تولید انجام پذیرد . محققان اغلب مسائل عدم قطعیت را زمانی مطرح می کنند که پارامترهای مدل تعیین شده باشند . نادیده گرفتن عدم قطعیت ممکن است بازده مورد نیاز و فایده لازم را در استراتژی نداشته باشد اگر و تنها اگر ارزش کسب شده در مورد پارامترهای مدل با میزان تخمینی مدل متفاوت باشد . در واقع ، این استراتژی ممکن است مطلوبیتی کمتر از حد مورد نیاز داشته باشد و همچنین ممکن است به سمت نشدنی شدن پیش رود اگر از محدودیت های موجود تخطی شود . بنابراین بسیار با اهمیت است که راهی طراحی شود که به گونه ای عدم قطعیت در سیستم جا داده شود تا جایی که جا برای پیشنهاد دادن جوابهای شدنی بدون اتخاذ فرض های غیر واقعی وجود داشته باشد ولی در صورت در نظر گرفتن قطعیت برای داده های موجود جوابها از بهینگی کلی دور و به سمت بهینگی محلی و شدنی بودن پیش می رود . در این پژوهش به بررسی بازارهای انحصاری با تولیدات مختلف در جایی که هدف های فروش چندگانه برای پتانسیل خریداران یکسان موجود است پرداخته می شود . در بعضی از تنظیمات موجود ، قیمت تولیدات هر شرکت متاثر از تقاضای موجود برای تولیدات آن شرکت خواهد بود . به عبارت دیگر تقاضا به عنوان یک پارامتر و عامل موثر بر تولیدات شرکت در نظر گرفته می شود به گونه ای که قیمت آن تنها در درون شرکت اعمال می شود . همچنین مسئله ای که امروزه در مسائل مدیریت درآمد بسیار مورد توجه قرار گرفته است بررسی همزمان قیمت و موجودی به عنوان پایه مدیریت درآمد است ، علت این امر ناشی از رقابت روز افزون در بازارهای تجاری و نیز تنوع سلیقه مشتریان است بنابراین بنگاه باید جهت کسب بیشترین سهم بازار و نیز پاسخگویی به نیاز متنوع مشتریان قادر به هماهنگ کردن تصمیمات مربوط به قیمت و موجودی به طور همزمان باشد توضیحات ارائه شده بیانگر این مسئله است که تعیین قیمت و موجودی بهینه برای کالاها یکی از مهمترین اهداف بنگاه ها می باشد از سوی دیگر از میان کالاهای مختلفی که در بازار موجود است کالاهای چند تایی [1] از اهمیت خاصی برخوردار است اهمیت این موضوع از آنجا ناشی می شود که در این نوع از کالاها تقاضای هر محصول تنها به قیمت خود آن محصول وابسته نیست بلکه به قیمت سایر محصولات نیز بستگی دارد . بنابراین تعیین قیمت و موجودی بهینه برای این نوع کالاها با توجه به شرایط خاص آنها اهمیت بسیاری دارد . به طور کل این پژوهش به بررسی توام مسئله قیمت گذاری و کنترل موجودی به صورت پویا برای چند کالایی ها به صورت پیشرو با در نظر گرفتن تقاضای قطعی و وابسته به قیمت فروش و هزینه بازاریابی و در شرایط عدم ظرفیت موجود می باشد .
1-1- کنترل موجودی :
کنترل موجودی عبارتست از ، کلیه سیاست ها و تصمیماتی که به واسطه آنها میزان اقتصادی سفارش و نیز زمان بهینه سفارش دهی ، جهت بیشینه کردن در آمد بنگاه تعیین می گردد
1-1-1-تعریف موجودی:
بطور کلی موجودی عبارتست از کالا یا متاعی که برای مدتی بخواهد نگهداری شود ولی به اختصار میتوان گفت که عبارتست از:اجناس، مصالح، مواد، قطعات که در امر تولید و فروش و اداره صنعت مورد استفاده قرار می گیرد، موجودی ها قسمتی از دارائیهای مؤسسه بشمار می آیند و شامل تمام دارائیهاست.
1-1-2-فعالیت مربوط به موجودی را میتوان در دو بخش بررسی نمود:
1)مدیریت موجودی ها 2)کنترل موجودی ها
1-1-3- مدیریت موجودی ها:
عبارتست از تدوین سیاست ها و روش و ارائه خط مشی اداره امور موجودی های واحدهای صنعتی، در مدیریت موجودی ها مدیریت کارخانه دخالت مستقیم دارد و تعیین کننده خط مشی ها است.
1-1-4- انواع مدلهای کنترل موجودی:
1)مدل های کنترل موجودی در شرایط اطمینان [2] مثل مدل E.O.Q
2)مدل های کنترل موجودی در حالت ریسک
3)مدل کنترل موجودی در شرایط عدم اطمینان
4)مدل برنامه ریزی و کنترل [3]
5)مدل موجودی صفر [4]
1-2- روند تکامل سیستم مدیریت تولید و موجودی:
مدیریت تولید و موجودی روند تکاملی خود را جدا از هم دنبال کردند. مدیریت تولید در ابتدایی ترین شکل خود، یکی از چندین وظیفه ای بود که سرپرستان خطوط تولید در کارخانه های کوچک، در پایان قرن نوزدهم و آغاز قرن بیستم، بر عهده داشتند. سفارش مواد اولیه، تنظیم سطح نیروی کار، تنظیم نرخ تولید، سرعت بخشی به کارها و کنترل سطح خدمت دهی به مشتری، همه و همه از وظایف سرپرستان تولید بود. همچنان که با گذشت زمان حجم کار بیشتر شد، یک منشی وظیفه نگهداری و ثبت داده های مربوط به موجودی ها، زمان های تولید و سفارش های تولید را به عهده گرفت. این منشی به خاطر ماهیت کارش از یک سو با قسمت فروض جهت هماهنگی در مورد ساخت سفارش ها و از سویی دیگر با قسمت خرید برای سفارش دادن مواد و قطعات اولیه، دائما در ارتباط بود. به تدریج نقش این منشی در سازمان به یک پیگیری کننده سفارش ها تبدیل شد. شاید بتوان گفت این منشی اولین تبلور سیستم مدیریت و کنترل تولید در شرکت ها بود. در اواسط قرن بیستم و در سال های پایانی جنگ جهانی دوم، نقش این پیگیری کننده برای دیگر افراد سازمان مترادف بود با بخران و فشار و عقب ماندگی در تحویل سفارش ها. به همین دلیل هنری کایرز در کارخانه کشتی سازی خود به نقش این پیگیری کننده، نام سرعت دهنده داد و از آن پس در طول دهه پنجاه کلمه " سرعت بخشی " در کتاب ها و مقالات برای تعریف مدیریت و کنترل تولید به کار رفت. در واقع وقتی مشتری بعد از سفارش دادن به شرکت، سفارش خود را به موقع دریافت نمی کرد و در مورد تاخیر در تحویل از شرکت سوال می کرد، این سرعت دهنده وظیفه داشت یک برچسب فوری بر روی قطعات مربوط به سفارش آن مشتری نصب کند تا ضرورت تعجیل در تولید آن را به متصدیان تولدی یادآور شود.
مدیریت و کنترل موجودی روند تکامل علمی تری داشته است. دیدگاه مقدار سفارش اقتصادی در اوایل قرن بیستم مطرح شد و رویکرد آماری برای تعیین نقطه سفارش در سال 1934 توسط ویلسون ارائه شد اما این رویکردها در شرایط رکود اقتصادی آن زمان چندان مورد توجه شرکت ها واقع نشد.
دو سیستم عمده در این زمینه عبارتند از: 1) سیستم سفارش ثابت، 2) سیستم دوره ثابت.
در سیستم سفارش ثابت با رسیدن سطح موجودی موجودی انبار به یک سطح از قبل تعیین شده به نام نقطه سفارش مجدد دستور انجام یک سفارش صادر می شود. به علاوه حجم یا مقدار سفارش همواره یکسان است. در ساده ترین شکل این سیستم، مقدار هربار سفارش ثابت است؛ در حالی که زمان انجام سفارش مجدد با توجه به میزان تخلیه یا کاهش سطح موجودی انبار تغییر می کند. مهمترین مزیت این سیستم سهولت کاربرد آن است. از سوی دیگر، این سیستم می تواند مشکلات اجرایی متعددی داشته باشد. مثلا اگر موسسه محصولات مختلفی را از یک عرضه کننده واحد خریداری کند، کاربرد دقیق این سیستم می تواند منجر به زیان های فرصتی از نظر تخفیف های کلی و هزینه های حمل و نقل شود. به همین ترتیب، اگر موجودی لزوما باید در محل های متفاوت ذخیره شود، ویژگی خودکار بودن سیستم سفارش ثابت از بین می رود.
در سیستم دوره ثابت سفارش که بعضا آن را سیستم سفارش دوره ای یا سیستم دور سفارش نیز می نامند زمان بین هربار سفارش ثابت می ماند (مثلا دوره بازنگری چهار ماهه)، در حالی که مقدار سفارش با توجه به تقاضای مورد انتظار در طول دوره بازنگری بعدی تغییر می کند. در پایان هر دوره بازنگری، اقلا موجودی بازرسی می شود و دستور سفارش جدید به نحوی صادر می شود که سطح موجودی تا حد معینی افزایش یابد.
مهمترین ویژگی این سیستم سازگاری آن با اعمال کنترل های دقیق تر در مورد اقلام گران قیمت است. کاربرد این سیستم در مواردی مطلوب است که موسسه با برنامه حمل و نقل ثابت عرضه کنندگان روبروست یا اقلام گوناگون متعددی در هر دوره از یک عرضه کننده خریداری می شود. عمده ترین جنبه منفی این سیستم ناشی از ضرورت تعیین دوره های سفارش مختلف، مقادیر سفارش متفاوت و تنظیم ذخیره اطمینان های گوناگون در یک سازمان چند محصولی است که دارای توزیع های متفاوت تقاضا، هزینه های حمل مختلف و مسائل گوناگون دیگر برای اقلام متعدد انباری است.
البته گونه های متعددی از این دو سیستم وجود دارند. عملا در هنگام طراحی یک سیستم مدیریت و کنترل تولید و موجودی، طراحان میتوانند با توجه به ماهیت عملیات موسسه، تقاضا برای اقلام مختلف و سایر عوامل مرتبط با کنترل اقتصادی انبار از عناصر و ویژگی های همه سیستم ها استفاده کنند.
1-3-قیمت گذاری:
عبارتست از تعیین قیمت برای کالاهای مختلف در طول دوره های زمانی مختلف و با توجه به شرایط مجودی بازار به منظور حداکثر کردن سود بنگاه .
(قیمتگذاری) از مفاهیم پایه در علم اقتصاد و بخصوص بازاریابی است. آگاهی از اصول، روشها، هدفها، چالشها و راهکارهای آن بویژه به منظور استفاده از این مفاهیم در ارائه خدمات اطلاعرسانی و دسترسی به اطلاعات، اهمیت اساسی دارد.
مفهوم قیمت و قیمتگذاری از موضوعات با اهمیت در اقتصاد و بازاریابی است که آگاهی از ابعاد آن برای تمام کسانی که به تولید یک محصول یا ارائه خدمتی خاص میپردازند، ضروری است. عنصر «قیمت» یکی از عوامل مؤثر بر حفظ و جذب مشتریان و جلب رضایت خاطر آنان و در واقع وجهی است که برای کالا یا خدمتی خاص هزینه میشود. قیمتگذاری به زبان ساده، یعنی تعیین قیمت برای کالا یا خدمتی خاص (عزیزی[5]، ۱۳۸۱، ص ۳۸). مفهوم قیمت از عناصر اصلی آمیخته بازاریابی و در واقع یکی از چهار رکن بازاریابی است. سه رکن دیگر شامل «محصول»، «فعالیتهای تشویقی و ترغیبی» و «مکان یا کانال توزیع»، میشود، که به آنها «آمیخته بازاریابی» میگویند (علیزاده[6]، ۱۳۸۵، ص ۱۱۴). قیمتگذاری یک هنر است و تصمیمهای قیمتگذاری منعکس کنندترکیبی از بصیرت، تجارب گذشته و تجزیه و تحلیلهای پیچیده می باشد. قیمت گذاری هرگز در خلأ انجام نمیگیرد، بلکه بیشتر یک فرایند پویا و چند وجهی است. این عمل، علاوه بر انعکاس هدفهای سازمانی، عنصری از راهبرد بازاریابی نیز هست. تعیین قیمت مناسب می تواند به یک جریان پایدار درآمد، منجر گردد، در مقابل، قیمتگذاری خیلی پایین ممکن است کسب و کار ایجاد کند، ولی هزینهها را پوشش نخواهد داد (فانگ[7]، 2003، ص ۱۰۳). برای تعیین قیمت، هیچ گونه راه حل ثابت و فرمول سحرآمیزی وجود ندارد. عوامل مختلفی در این زمینه دخالت دارند. قیمتگذاری فرایندی مداوم و پیوسته است. این تداوم ناشی از تغییرات محیطی و عدم ثبات شرایط بازار است که جرح و تعدیل قیمت را ضروری می سازد.
در جوامعی که اقتصادی پویا دارند، روابط مشخصی بین عرضه، تقاضا و قیمت وجود دارد. عرضه و تقاضا مفاهیم نزدیک قیمت گذاری اند که بر روی هم سه عنصر پایه اقتصاد را تشکیل میدهند. در اقتصاد و تجارت آزاد، اقتصاد تابعی از سازوکارهای عرضه و تقاضا در جامعه است. به عبارت دیگر، چنانچه گردش محصولات و خدمات رونق بیشتری داشته باشد، اقتصاد رونق میگیرد و برعکس. میزان کالای تولید شده در بازار و میزان خرید آن، قیمت را مشخص میکند. در واقع، نقطه تلاقی بین عرضه و تقاضا در اقتصاد، «قیمت» است. به عبارت دیگر، «قیمت» در نقطهای تعیین می شود که فروشنده آمادگی دارد در مقابل دریافت وجهی کالای خود را عرضه کند و در مقابل خریداری در آن نقطه، حاضر میشود هزینه مربوط را بپردازد (فرجپهلو[8]، ۱۳۸۵).
1-4- مسائل قیمت گذاری پویا و کنترل موجودی:
1- اثرات پویای داخلی
2- عدم قطعیت در تقاضا
3 - رقابت میان تولید کننده ها
4- جداناپذیری متغیرهای تصمیم(قیمت ها و تصمیمات تولید بیشتر مواقع به هم پیوسته هستند).
در حالت هایی که پارامترها و متغیرهای تصمیم در زمان تغییر می کنند، سطح موجودی متغیر است که در واقع وضعیت کنونی سیستم را نشان می دهد. این امر باعث می شود وضعیت کنونی سیستم از وضعیت اولیه سیستم نتیجه شود که این باعث می شود حل مسأله با در نظر گرفتن کل افق زمان امکان پذیر شود(رویکرد حل مسأله نزدیک بین در نظر گرفته نمی شود). این نکته که تصمیمی در یک زمان خاص روی حالت های سیستم تأثیر می گذارد، خیلی مهم است. به طور مثال اگر تقاضا در طول زمان صعودی باشد و حجم تولید نیز کم باشد، ممکن است راه حل بهینه بکار بردن نرخ تولید بالا باشد حتی اگر منجر به ذخیره سازی موجودی به دلیل کم بودن تقاضا شود تا باعث برآورده کردن تقاضاهای بیشتر در دوره های بعدی بدون افزایش قیمت شود. برعکس حالت قبل باعث افزایش قیمت نیز می تواند شود. در نتیجه رویکرد پویا در چنین مسائلی باعث حل بهینه می شود. برای مدل کردن سیستم های پویا، بعضی از محققان زمان را گسسته می گیرند. نقص و عیب این حالت اثر گذاری اندازه مراحل روی تصمیم گیری است که برای نتیجه گیری بهتر می بایست دقت بیشتری به خرج دهیم. ولی وقتی زمان را پیوسته در نظر می گیریم، موجودی در یک جریان پیوسته مورد نظر قرار می گیرد و دیگر احتیاج به فرض تصمیم گیری در نقاط گسسته نداریم. این گونه مدل های جریان پیوسته باعث بوجود آوردن یک ابزار دقیق برای درک بهتر سیستم در زمانی است که اثرات دینامیک نقش مهمی دارند. کاربرد این رویکرد در مسائلی نظیر مسیریابی، ارتباطات، صف، زنجیره تأمین و مسائل حمل و نقل به وفور دیده می شود. تحقیقات اخیر اثبات کرده است که این مدل ها در کاربردهای زنجیره تأمین بخاطر بوجود آوردن زمان بندی خوب، سیاست تولید و موجودی خوب در شرایط مختلف زیاد شده است. بهرحال، وقتی که تقاضا وابسته به قیمت است این مدل سازی باعث غیرخطی شدن مسأله می شود که خود باعث پیچیده شدن حل مسأله می گردد.
1-5- کالاهای چندتایی :
کالاهایی که تقاضای آنها یا از طریق همبستگی تقاضا و یا از طریق اشتراک منابع به یکدیگر ارتباط دارد . ( طولاری[9] ، 2005 )
1-6- انواع روش های متداول در مسائل موجودی و قیمت گذاری :
روش های متداول در مسائل موجودی و قیمت گذاری را می توان به سه دسته ی زیر تقسیم کرد:
1- روش های مربوط به ساختار مسئله
چندهدفه کردن مسئله (پراکیس[10] ، 2010)
معرفی توابع هدف جدید برای مسائل (ژیائولینگ ژیانگ [11]، 2011)
2- روش های مربوط به روش حل
ارائه رو شهای ابتکاری برای مسائل با ابعاد بزرگ و غیر قطعی(گودمن ، 2006 )
3- روش های در ساختار مسئله و روش حل
همانطور که مطرح شد تاکنون هیچ یک از تحقیقاتی که در زمینه مدیریت درآمد و قیمت گذاری پویا انجام گرفته است، تاثیر تعیین روش های گوناگون تبلیغات و تعیین قیمت محصولات را بر یکدیگر مورد بررسی قرار نداده است. در مقالات ارائه شده، عمدتا تقاضا و قیمتی که مشتریان حاضرند برای محصول بپردازند، ثابت فرض شده است. در بهترین حالت می توان فرض کرد که نویسنده مقالات، روش های تبلیغات را به صورت از پیش تعیین شده در نظر گرفته اند. در این حالت، تقاضا و تابع توزیع تجمعی قیمت رزرو محصولات، با توجه به تبلیغات تعیین شده، اما مقدار ثابتی دارد.
ABSTRACT:
This research the problem of maximizing the benefit through joint dynamic pricing and inventory control considering the fact that how many multiproducts will be produced and how much the cost of the product and the price of advertisement will be, and also develops a model to implement the benefit in the real world, with limitation of time horizon and capacity, As a result of some latest researches and information according to the lack of historical research on this study, we consider that the certain demand dependency on the market expendither and product cost as a dynamo is the basic concept of research. The dynamic pricing and inventory control problem base on daynamic system formulated by using close loop model, which is solved by the Lingo software and its efficiency proved by a numerical example in this case. As a result, a sensevity analysis applied for the achived numerical solution by Lingo and quadratic and linier equation has been fitted to predict the selected parameter.
Keywords: dynamic pricing, inventory control, multiproduct, Revenue management, Marketing.
6- فهرست منابع فارسی:
اینانلو، علیرضا، شوندی، حسن ،1389، مدل های قیمت گذاری چند محصولی با روابط متقابل بین محصولات و عدم قطعیت تقاضا ، دانشگاه صنعتی شریف.
فرج پهلو، عبدالحسین ،1385، قیمت گذاری منابع و خدمات اطلاعاتی فصلنامه علمی پژوهشی دوره 7 شماره 2.
عزیزی، شهریار ،1381، قیمت گذاری رویکردها و فرآیندها ، تدبیر شماره 127آبان ص 42.
علیزاده ، حمید ،1385، بررسی کاربرد اصول بازاریابی محصولات و خدمات ، فصلنامه شماره 1577،جلد 9 ص 109.
7- فهرست منابع لاتین :
[1]E. Adida. Dynamic Pricing and Inventory Control with no Backorder under Uncertainty and Competition. PhD dissertation, Massachusetts Institute of Technology, Operations Research Center, June 2006.
[2] E. Adida and G. Perakis. A robust optimization approach to dynamic pricing and inventory control with no backorders. Mathematical Programming Special Issue on Robust Optimization,2005.
[3] D. Bertsimas and A. Thiele. A robust optimization approach to supply chain management. Operations Research, 54(1), 2006.
[4] Bag, S., Chakraborty, D., & Roy, A. R. (2009). A production inventory model with fuzzy random demand and with flexibility and reliability considerations.Computers & Industrial Engineering, 56, 411–416.
[5] E. J. Anderson and A. B. Philpott. A continuous-time network simplex algorithm. Networks,19:395{425, 1989}.
[6] Esmaeili, M., & Zeephongsekul, P. (2010). Seller–buyer models of supply chain management with an asymmetric information structure. International Journal of Production Economics, 123, 146–154.
[7] D. Bertsimas and S. de Boer. Dynamic pricing and inventory control for multiple products. Journal of Revenue and Pricing Management, 3(4):303{319, January 2005.
[8] D. Bertsimas and I. Ch. Paschalidis. Probabilistic service level guarantees in make-to-stock manufacturing systems. Operations Research, 49(1):119{133, 2001.
[9] D. Bertsimas and S. Patterson. The traffic flow management rerouting problem in air traffic control: A dynamic network flow approach. Transportation Science, 34(3):239{255, 2000.
[10] S. Biller, L. M. A. Chan, D. Simchi-Levi, and J. Swann. Dynamic pricing and the direct- to-customer model in the automotive industry. Electronic Commerce Research, 5(2):309{334, April 2005.
[11] G. Bitran and R. Caldentey. An overview of pricing models and revenue management. Manufacturing and Service Operations Management, 5(3):203{229, 2003.
[12] L. M. A. Chan, Z. J. M. Shen, D. Simchi-Levi, and J. L. Swann. Coordination of pricing and inventory decisions: A survey and classifcation. In D. Simchi-Levi, S. D. Wu, and Z. J. M.Shen, editors, Handbook of Quantitative Supply Chain Analysis: Modeling in the E-Business Era, International Series on Operations Research and Management Science, chapter 9, pages 335{392. Kluwer Academic Publishers, 2004.
[13] L. M. A. Chan, D. Simchi-Levi, and J. L. Swann. Dynamic pricing strategies for manufac-turing with stochastic demand and discretionary sales. Manufacturing and Service Operations Management, 2005.
[14] X. Chen and D. Simchi-Levi. Coordinating inventory control and pricing strategies with random demand and fixed ordering cost: The infinite horizon case. Operations Research, 52(6):887{896, 2004.37
[15] X. Chen and D. Simchi-Levi. Coordinating inventory control and pricing strategies with random demand and fixed ordering cost: The infinite horizon case. Mathematics of Operations Research, 29(3):698{723, 2004.
[16] Fathollah Bayati, M., Rasti Barzoki, M., & Hejazi, S. R. (2011). A joint lot-sizing and marketing model with reworks, scraps and imperfect products. International Journal of Industrial Engineering Computations, 2, 395–408.
[17] F. H. Clarke. Necessary conditions in optimal control: a new approach. Mathematical Pro-gramming, 97:71{89, 2003.
[18] F. H. Clarke, J. B. Hiriart-Urruty, and Y. S. Ledyaev. On global optimality conditions for nonlinear optimal control problems. Journal of Global optimization, 13:109{122, 1998.
[19] F. H. Clarke, Y. S. Ledyaev, and J. B. Hiriart-Urruty. Global optimality in the calculus of variations. Nonlinear Analysis, Theory, Methods & Applications, 18(7):1187{1192, 1997.
[20] Khan, M., Jaber, M. Y., & Bonney, M. (2011a). An economic order quantity (EOQ) for items with imperfect quality and inspection errors. international Journal of Production Economics, 133(1), 113–118.
[21] J. Eliashberg and R. Steinberg. Marketing-production decisions in an industrial channel of distribution. Management Science, 33(8):981{1000, 1987.
[22] W. Elmaghraby and P. Keskinocak. Dynamic pricing: Research overview, current practices and future directions. Management Science, 49:1287{1309, 2003.
[23] Z. Chen, Y. Yang, Optimality of (s, S, p) policy in a general inventory-pricing model with uniform demands, Oper. Res. Lett. 38 (4) (2010) 256–260.
[24] A. Federgruen and A. Heching. Combined pricing and inventory control under uncertainty.Operations Research, 47:454{475, 1999.
[25] G. Feichtinger and R. Hartl. Optimal pricing and production in an inventory model. European Journal of Operations Research, 19:45{56, 1985.
[26] L. Fleischer and J. Sethuraman. Approximately optimal control of fluid networks. In Pro-ceedings of the fourteenth annual ACM-SIAM symposium on Discrete algorithms, Baltimore,Maryland, 2003.
[27] C. Gaimon. Simultaneous and dynamic price, production, inventory and capacity decisions.European Journal of Operations Research, 35:426{441, 1988.
[28] W. Huh, G. Janakiraman, (s, S) optimality in joint inventory-pricing control:an alternate approach, Oper. Res. 56 (3) (2008) 783–790.
[29] G. Gallego and G. van Ryzin. A multiproduct dynamic pricing problem and its applications to network yield management. Operations Research, 45(1):24{41, 1997.
[30] S. M. Gilbert. Coordination of pricing and multiple-period production across multiple constant priced goods. Management Science, 6(12):1602{1616, 2000.
[31] A. Kocabiyikoglu, I. Popescu, An elasticity approach on the newsvendor with price sensitive demand, Oper. Res. 59 (2) (2011) 301–312.
[32] Z. Pang, Optimality of base-stock list-price policies in lost-sales inventory
models with non-stationary demand, Working Paper, Lancaster University,
Lancaster, UK, 2010.
[33] S. Jorgensen and P. M. Kort. Optimal pricing and inventory policies: Centralized and decen-tralized decision making. European Journal of Operations Research, 138:578{600, 2002.
[34] S. Jorgensen, P. M. Kort, and G. Zaccour. Production, inventory, and pricing under cost and demand learning elects. European Journal of Operations Research, 117:382{395, 1999.
[35] S. Kachani and G. Perakis. A fluid model of dynamic pricing and inventory management for make-to-stock manufacturing systems. Working paper, Operations Research Center, Mas-sachusetts Institute of Technology, 2002.
[36] S. Kachani and G. Perakis. Applications of Fluid modeling in distribution systems. In Anna Nagurney, editor, Innovations in Financial and Economic Networks, chapter 10, pages 214{236. Edward Elgar Publishing, 2003.
[37] Y. Song, S. Ray, T. Boyaci, Optimal dynamic joint inventory-pricing control for multiplicative demand with fixed order costs and lost sales, Oper. Res. 57 (1) (2009) 245–250.
[38] A. J. Kleywegt. An optimal control problem of dynamic pricing. Research report, Georgia Tech, 2001.
[39] K. R. Kumar, A. P. S. Loomba, and G. C. Hadjinicola. Marketing-production coordination in channels of distribution. European Journal of Operations Research, 126:189{217, 2000.
[40] J. Laurent-Varin and F. Bonnans. An interior point algorithm for optimal control problems.Talk at fifth International Conference on Launcher technology, Madrid, Spain, 2003.
[41] Huh W, Janakiraman G (2008) (s, S) optimality in joint inventory-pricing control: an alternate approach. Oper Res 56:783–79070.
[42] Song Y, Ray S, Boyaci T (2009) Optimal dynamic joint inventory-pricing control for multiplicative demand with fixed order costs and lost sales. Oper Res 57:245–250.
[43] Veinott A, Wagner H (1965) Computing opimtal (s, S) inventory policies. Manag Sci 11:525–552 Wei Y, Chen Y (2009) Joint determination of inventory replenishment and sales effort with uncertain market responses. Int J Prod Econ. doi:10.1016/j.ijpe.2009.11.011
[44] C. Maglaras. Revenue management for a multi-class single-server queue via a fluid model analysis. Operations Research, 2005.
[45] C. Maglaras and J. Meissner. Dynamic pricing strategies for multi-product revenue manage- ment problems. Manufacturing and Service Operations Management, 2005.
[46] Esmaeili M, Abad PL, Aryanezhad MB (2009) Seller–buyer relationship when end demand is sensitive to price and promotion.Asia-Pac J Oper Res (in press).
[47] Esmaeili M, Aryanezhad MB, Zeephongsekul P (2009) Agame theory approach in seller-buyer supply chain. Eur J Oper Res 195:442–448.
[48] I. Ch. Paschalidis and Y. Liu. Pricing in multiservice loss networks: Static pricing, asymp- stotic optimality, and demand susbtitution efects. IEEE/ACM Transactions On Networking, 10(3):425{438, 2002.
[49] D. Pekelman. Simultaneous price-production decisions. Operations Research, 22:788{794, 1973.
[50] Esmaeili M, Zeephongsekul P, Aryanezhad MB (2007) Joint pricing and lot sizing models with discount: a geometric programming approach. ANZIAM J 49.
[51] S. P. Sethi and G. L. Thompson. Optimal Control Theory. Applications to Management Science and Economics. Kluwer Academic Publishers, Boston, 2000.
[52] G. L. Thompson, S. P. Sethi, and J.-T. Teng. Strong planning and forecats horizons for a model with simultaneous price and production decisions. European Journal of Operations Research,16:387{388, 1984.
[53] Rojas C, Peterson EB (2008) Demand for differentiated products: price and advertising evidence from the U.S. beer market. Int J Ind Organ 26(1):288–307
[54] G. van Ryzin and J. McGill. Revenue management without forecasting or optimization: An adaptive algorithm for determining seat protection levels. Management Science, 41:144{162,1995.
[55] C. A. Yano and S. M. Gilbert. Coordinated pricing and production/procurement decisions: A review. In A. K. Chakravarty and J. Eliashberg, editors, Managing Business Interfaces: Marketing, Engineering, and Manufacturing Perspectives, International Series in Quantitative
Marketing, chapter 3, pages 65{104. Kluwer Academic Publishers, Boston, 2003.
[56] Yue J, Austin J, Wang MC, Huang Z (2006) Coordination of cooperative advertising in a two-level supply chain when manufacturer offers discount. Eur J Oper Res 168(1):65–85
[57] P. L. Abad. Determining optimal selling price and lot size when the supply (rest of title?). Decision Sciences, 19(3):622—634, 1988.
[58] P. L. Abad. Optimal pricing and lot-sizing under conditions of perishability and partial backordering. Management Science, 42(8):1093—1104, 1996.
[59] P. L. Abad. Optimal pricing and lot-sizing under conditions of perishability, finite production and partial backordering and lost sale. Eur J of Operational Research, in preparation, 2002.
[60] J. Eliashberg and R. Steinberg. Marketing-production joint decision
making. In J. Eliashberg and J.D. Lilien, editors, Management Science in Marketing, Handbooks in Operations Research and Management Science. Elsevier Science, North Holland, 1991.
[61] W. Elmaghraby, A. Gulcu, and P. Keskinocak. Optimal markdown
pricing in the presence of rational customers. Working Paper, Georgia Institute of Technology, 2002.
[62] W. Elmaghraby and P. Keskinocak. Dynamic pricing: Research
overview, current practices and future directions. Working Paper,Georgia Tech, 2002.
[63] A. Federgruen and A. Heching. Combined pricing and inventory
control under uncertainty. Operations Research, 47(3):454—475,1999.
[64] A. Federgruen and A. Heching. Multilocation combined pricing
and inventory control. Manufacturing and Service Operations Management, 4(4):275—295, 2002.
[65] G Feichtinger and R. Hartl. Optimal pricing and production in an inventory model. Eur. J of Operational Research, 19(1):45—56,1985.
[66] Cachon, G., R. Swinney. 2009. Purchasing, pricing, and quick response in the presence of strategic consumers. Management Science 55(3) 497–511.
[67] Elmaghraby, W., A. G¨ulc¨u, P. Keskinocak. 2008. Designing optimal preannounced markdowns in the presence of rational customers with multiunit demands. Manufacturing and Service OperationsManagement 10(1) 126–148.
[68] Gallego, G., S. Kou, R. Phillips. 2008. Revenue management of callable products. Management Science 54(3) 550–564.
[69] Y. Y. Feng and B. C. Xiao. A continuous-time yield management
model with multiple prices and reversible price changes. Management
Science, 46(5):644—657, 2000.
[70]Y. Y. Feng and B. C. Xiao. Optimal policies of yield management
with multiple predetermined prices. Operations Research,48(2):332—343, 2000.
[71] Y. Y. Feng and B. C. Xiao. Revenue management with two market
segments and reserved capacity for priority customers. Advances in Applied Probability, 32(3):800—823, 2000.
[72] Gallego, G., C. Stefanescu. 2009. Upgrades, upsells and pricing in revenue management. Working Paper, Columbia University.
[73] C. Gaimon. Simultaneous and dynamic price, production, inventory
and capacity decisions. Eur J of Operations Research, 35(3):426—441, 1988.
[74] G. Gallego and G. Van Ryzin. Optimal dynamic pricing of inventories
with stochastic demand over finite horizons. Management Science, 40(8):999—1020, 1994.
[75] G. Gallego and G. Van Ryzin. A multiproduct dynamic pricing
problem and its applications to network yield management. Operations
Research, 45(1):24—41, 1997.
[76] S. M. Gilbert. Coordination of pricing and multi-period production
for constant priced goods. European Journal of Operational Research, 114(2):330—337, 1999.
[77] S. M. Gilbert. Coordination of pricing and multiple-period production
across multiple constant priced goods. Management Science,46(12):16021616, 2000.
[78] Gayon, J., S. Benjaafar, F. de Vericourt. 2009. Using imperfect advance demand information in production-inventory systems with multiple customer classes. Manufacturing and Service Operations Management 11(1) 128–143.
[79] Gupta, D., L. Wang. 2007. Capacity management for contract manufacturing. Operations Research 55(2) 367–377.
[80] G. A. Hay. Production, price and inventory theory. The American
Economic Review, 60(4):531—536, 1970.
[81] Liu, Q., G. van Ryzin. 2008. Strategic capacity rationing to induce early purchases. Management Science 54(6) 1115–1131.
[82] Wang, H., H. Yan. 2009. Inventory management for customers with alternative lead times. Production & Operations Management 18(6) 705–720.
[83] Wang, H., H. Yan, S. Sethi. 2010. Inventory models with alternative delivery lead times, demand backlogging and priority rules. Working Paper, The Chinese University of Hong Kong.
[84] S. Jorgensen, P. M. Kort, and G. Zaccour. Production, inventory,
and pricing under cost and demand learning effects. Eur J of Operational Research, 117:382—395, 1999.
[85] S. Kachani and G. Perakis. A fluid model of dynamic pricing and
inventory management for make-to-stock manufacturing systems.Working Paper, MIT, 2002.
[86] P. Keskinocak and S. Tayur. Due date management policies. In Supply Chain Analysis in the eBusiness Era. Kluwer, 2002.
[87] D. Kim and W. J. Lee. Optimal coordination strategies for production
and marketing decisions. Operations Research Letters, 22:4147, 1998.
[88] Yang, C.Te, Quyang, L.Y., WU H.Han, “Retailers Optimal Pricing and Ordering Policies for Non- Instantaneous Deteriorating Items with Price-
Dependent Demand and Partial backlogging”,Mathematical Problems in Engineering, Vol. 2009
[88] L. Li and S. Whang. Game theory models in operations management
and information systems. In K. Chatterjee and W. Samuelson, editors, Game Theory and Business Applications. Kluwer Academic Publishers, Boston, 2001.
[89] L. D. Li and Y. S. Lee. Pricing and delivery-time performance in
a competitive environment. Management Science, 40(5):633—646,1994.
[90] L. J. Maccini. The interrelationship between price and output decisions and investments. Journal of Monetary Economics, pages 41—65, 1984.
[91] J. I. McGill and G. J. van Ryzin. Revenue management: Research
overview and prospects. Transportation Science, 33(2):233—256,1999.
[92] H. Mendelson and S. Whang. Optimal incentive-compatible priority
pricing for the m/m/1 queue. Operations Research, 38:870—883,1990.
[93] R. A. Meyer. Risk-efficient monopoly pricing for multiproduct
firms. Quarterly Journal of Economics, 90(3):461—474, 1976.
[94] M. Parlar and Z. K. Weng. Vertical coordination of pricing and production decisions to hedge against horizontal price competition.Working Paper, University of Wisconsin, 2000.
[95] B. P. Pashigian. Demand uncertainty and sales: A study of fashion
and markdown pricing. The American Economic Review, 78(5):936—953, 1988.
[96] D. Pekelman. Simultaneous price-production decisions. Operations
Research, 22:788—794, 1974.
[97] N. C. Petruzzi and M. Dada. Dynamic pricing and inventory control
with learning. Naval Research Logistics, 49(3):303—325, 2002.
[98] D. Rosenberg. Optimal price-inventory decisions - profit vs roii.
Iie Transactions, 23(1):17—22, 1991.
[99] M. D. Smith, J. Bailey, and E. Brynjolfsson. Understanding digital
markets. In E. Brynjolfsson and B. Kahin, editors, Understanding the Digital Economy. MIT Press, 1999.
[100] S. A. Smith and D. D. Achabal. Clearance pricing and inventory
policies for retail chains. Management Science, 44(3):285—300, 1998.
[101] K. C. So and J. S. Song. Price, delivery time guarantees and capacity selection. European Journal of Operational Research,111(1):28—49, 1998.
[102] A. G. Sogomonian and C. S. Tang. A modeling framework for
coordinating promotion and production decisions within a firm.Management Science, 39(2):191—203, 1993.
1998.
[103] L. J. Thomas. Price-production decisions with deterministic demand.
Management Science, 16(11):747—750, 1970.
[104] L. J. Thomas. Price and production decisions with random demand.
Operations Research, 22:513—518, 1974.
[105] G. L. Thompson, S. P. Sethi, and Teng. J. T. Strong planning
and forecast horizons for a model with simultaneous price and production decisions. Eur J of Operational Research, 16:378—388, 1984.
[106] J. A. Van Mieghem. Price and service discrimination in queuing systems: Incentive compatibility of gc mu scheduling. Management Science, 6(9):1249—1267, 2000.
[107] J. A. Van Mieghem and M. Dada. Price versus production postponement: Capacity and competition. Management Science,45(12):1631—1649, 1999.
[108] Z. K. Weng and M. Parlar. Price-incentive and stocking decisions
for seasonal products: A dynamic programming model. Working Paper, University of Wisconsin, 2000.
[109] K. Zhu and U. W. Thonemann. Coordination of pricing and inventory
control across products. Working Paper, Stanford University,2002.
[110] P. Zipkin. Foundations of Inventory Management. McGraw-Hill
Companies, Inc., 2000
[111]Xiaoying LIANG, Lijun MA, Houmin YAN, Inventory control and pricing with alternative lead times, 6(3): 429–442 DOI 10.1007/s11460-011-0167-6, China 2011.
[112] A real-time decision rule for an inventory system with committed service time and emergency orders European Journal of Operational research, Volume 215, Issue 1, 16 November 2011, Pages 70-79 Shuo Huang, Sven Axsäter, Yifan Dou, Jian Chen.
[113]Dynamic inventory and pricing policy in a capacitated stochastic inventory system with fixed ordering cost, Chao, X.a ,Yang, B.b ,Xu, Y.b a Department of Industrial and Operations Engineering, University of Michigan, Ann Arbor, MI 48109, United States b School of Management, Fudan University, Shanghai, China 2011 Elsevier B.V. All rights reserved
[114] Xiaoying Liang and Houmin Yan, Inventory Models with Delivery Upgrade, Department of Systems engineering and Engineering management,The Chinese University of Hong Kong, Shatin, Hong Kong February 27, 2010
[115]Wang, H., H. Yan, S. Sethi. 2010. Inventory models with alternative delivery lead times, demand backlogging and priority rules. Working Paper, The Chinese University of Hong Kong
[116] Huh, W., G. Janakiraman. 2010. On the optimal policy structure in serial inventory systems with lost sales.Oper. Res. 58(2) 481-491
[117]Dynamic pricing and inventory control with nonparametric demand learning, Chung, B.D.a ,Li, J.b ,Yao, T.a ,a Harold and Inge Marcus Department of Industrial and Manufacturing Engineering, Pennsylvania State University, University Park, PA 16802, United States b Department of Applied and Computational Mathematics and Statistics, University of Notre Dame, Notre Dame, IN 46556, United States, International Journal of Services Operations and Informatics,Volume 6, Issue 3, July 2011, Pages 259-271, 2011 Inderscience Enterprises Ltd
[118]Liang X, Yan H. Inventory models with delivery upgrade. Working Paper. Hong Kong: The Chinese niversity of Hong Kong, 2010. http://ssrn.com/abstract=1560264.
[119]Dynamic Inventory-Pricing Control in a Continuous Review System with Batch Ordering and Random Leadtimes Zhan Pang ,Department of Management Science, Lancaster University Management School Lancaster, LA1 4YX, United Kingdom, z.pang@lancaster.ac.uk ,Frank Y. Chen Department of Systems Engineering and Engineering Management The Chinese University of Hong Kong, Shatin, N.T., Hong Kong, yhchen@se.cuhk.edu.hk, March 2009; Revised December 2009, July 2010.
[120]J. Gayon, S. Benjaafar, and F. de Vericourt. Using imperfect advance demand information in production-inventory systems with multiple customer classes. Manufacturing and Service Operations Management, 11(1):128-143, 2009.
[121]D. Gupta and L. Wang. Capacity management for contract manufacturing.Operations Research, 55(2):367-377, 2007.
[122]Q. Liu and G. van Ryzin. Strategic capacity rationing to induce early purchases. Management Science, 54(6):1115—1131, 2008.C. Maglaras and J. Meissner. Dynamic pricing strategies for multiproduct revenue management problems. Manufacturing and Service Operations Management, 8(2): 136-148, 2006.
[123]J. Van Mieghem. Capacity management, investment, and hedging: Review and recent developments. Manufacturing & Service Operations Management, 5(4):269-302, 2003.
[124]I. Karaesmen and G. van Ryzin. Overbooking with substitutable inventory classes. Operations Research, 52(1):83-104, 2004.
[125]I. Popescu and Y. Wu. Dynamic pricing strategies with reference effects. Operations Research, 55(3):413-429, 2007.
[126]J. Qiang. Private communication, 2009. Toyota China. M. Richtel. A sea of unwanted imports. New York Times, http://www.nytimes.com/2008/ll/19/business/economy/19ports.html?_r=2, 2008.
[127]H. Wang and H. Yan. Inventory management for customers with lternative lead times. Production & Operations Management, 18(6):705-720, 2009.
[128]Z. Xue and J-S. Song. Demand management and inventory control for substitutable products. Working Paper, Duke Univeristy,2008.
[129]K. Zhu and U. W. Thonemann. Coordinating the pricing andinventory-control decisions across products. Naval Research Logistics, 56(2):175-190, 2009.
[130]HSIEH,T.P.,DYE,C.OYANG,L.Y.,optimal lot size for an item with partial backlogging rate when demand is simulated by inventory above a certain stock level,vol.51,2010
[131] Dye, C.Y., “Joint Pricing and Ordering Policy for a Deteriorating Inventory with Partial Backlogging”,Omega, Vol. 35, 2007, pp. 184–189.
[132] Yang, C.Te, Quyang, L.Y., WU H.Han, “Retailers Optimal Pricing and Ordering Policies for Non-Instantaneous Deteriorating Items with Price-Dependent Demand and Partial backlogging”,Mathematical problems in Engineering, Vol. 2009,2009.
[133] So, K.C., 2000. Price and time competition for service delivery. Manufacturing and Service Operations Management 2 (4),392–409.