قيمت گذاري كاهشي محصولات فساد پذير در شرايط وابستگي تقاضا به قيمت و موجودي در معرض نمايش

Markdown Pricing of Perishable Products with Demand Dependence on Inventory Level and Selling Price

در اين مقاله براي دستيابي به حداكثر سود حاصل از فروش محصولات فسادپذير سياست كاهش قيمت يا تخفيف به كار گرفته شده است. به دليل اينكه محصولات فسادپذير پس از يك بازه زماني دچار افت كيفيت شده و فساد در آنها شكل مي‌گيرد ، بنابراين نزد مشتري از جذابيت لازم برخوردار نيستند و تقاضا براي خريد اين محصولات كاهش مي يابد، با سياست كاهش قيمت مي توان تقاضا را افزايش داد همچنين با بالارفتن ميزان فروش، ضايعات نيز كاهش خواهد يافت و كاهش هزينه خواهيم داشت ؛بنابراين سود كل افزايش خواهد يافت. حال مسأله اينست كه اگر تخفيف در زمان مناسب و مقدار بهينه ارائه نشود به هدف رسيدن به حداكثر سود نخواهيم رسيد. لذا، در اين مقاله به دنبال تعيين زمان بهينه تخفيف و مقدار بهينه تخفيف هستيم با هدف ماكزيمم كردن سود كل بنگاه مفروضات اين مقاله تابع تقاضا وابسته به دو عامل قيمت فروش و موجودي در معرض نمايش، سطح موجودي نهايي غير صفر و نرخ فساد ثابت مي باشد. پس از حل مدل از رويكرد دقيق و مثال عددي، مثال با استفاده از الگوريتم ژنتيك، الگوريتم تبريد شبيه‌سازي‌شده حل شده و نتايج مقايسه شد و سپس تحليل حساسيت پارامترهاي اصلي سيستم انجام گرديد.

In this article,A markdown pricing strategy has been used to achieve the maximum profit from the sale of perishable products. Because perishable products after a period of time and corruption is formed, so they are not attractive to the customers and the demand for these products decreases. Demand can be increased with a markdown pricing strategy. Also, as sales increase, waste will decrease and so, wastage cost will diminish. Therefore, total profit will increase. The problem is that if the discount is not provided at the right time and in the optimal amount, we will not reach the goal of achieving maximum profit. So, in this article, we seek to determine the optimal discount time and the optimal discount amount with the aim of maximizing the total profit of the firm. In this article, the demand function depends on two factors: the selling price and the displayed stocks, final inventory level is non-zero and the deterioration rate is fixed. After solving the model from the exact approach and numerical example, the example was solved using Genetic Algorithm, Simulated Annealing Algorithm and the results were compared, then sensitivity analysis of the key system parameters is carried out.