بررسي مدل موجودي و قيمت گذاري براي محصولات فساد پذير با تقاضاي وابسته به قيمت

Review the inventory and pricing model for corrupt products with price-dependent demand

در مدل هاي موجود مبتني بر EOQ معمول، براي محصولات فسادپذيرفرض مي شود كه نرخ تقاضا و هزينه نگهداري مقادير ثابت دارند و هزينه خريد نيز برابر با اندازه سفارش، مي باشد. با اين حال، در كاربردهاي واقعي، نرخ تقاضا براي يك آيتم خاص مي تواند توسط بسياري از متغيرها مانند فصلي بودن، قيمت فروش و در دسترس بودن تحت تأثير قرار گيرد. علاوه بر اين، هزينه نگهداري واحد تمايل دارد كه براي دوره هاي ذخيره سازي طولاني، زيادتر باشد. علاوه بر اين، هزينه خريد واحد به دليل تخفيف هاي مقداري به طور كلي براي اندازه هاي سفارش هاي بزرگ كمتر است. هدف اين مقاله اين است كه به طور همزمان تغييرات نرخ تقاضا، هزينه نگهداري واحد و هزينه خريد واحد را در نظر بگيريم. يك مدل موجودي با نرخ تقاضاي وابسته به قيمت فروش، هزينه نگهداري وابسته به زمان ذخيره سازي و هزينه خريد وابسته به ميزان سفارش بر اساس تخفيف هاي مقدار تمام واحد ارائه شده است. در اين مقاله يك مدل رياضي ساخته شده و روشي براي تعيين جواب بهينه براي آن طراحي شده است، همچنين يك مثال عددي حل شده است و براي بررسي اثر پارامترهاي مختلف در جواب بهينه، تحليل حساسيت انجام شده است.

In existing models based on the usual EOQ, for corrosive products, the demand and maintenance rates are constant and the purchase price is as large as the order. However, in actual applications, the demand for a particular item can be affected by many variables, such as seasonality, sales prices, and availability. In addition, unit maintenance costs tend to be higher for longer storage periods. Additionally, the unit purchase cost is lower due to some discounts in general for large order sizes. The purpose of this paper is to simultaneously consider changes in the rate of demand, unit maintenance cost and unit purchase cost. An inventory model with a demand-driven sales price, storage-dependent storage and purchase-based purchase costs are based on the order quantity based on the amount of discounts for all units. A mathematical model is constructed and a method for determining the optimal answer for it is designed. A numerical example has been solved. Sensitivity analysis has been done to investigate the effect of different parameters on the optimal answer.