@article { author = {Afsahi, Mohsen and Hosseinzadeh Kashan, Ali and Ostadi, Bakhtiar}, title = {Introduce a New Simulation-Based Optimization Model to Integrate Decisions about Products under Warranty and Out of Warranty}, journal = {Journal of Quality Engineering and Management}, volume = {8}, number = {4}, pages = {310-326}, year = {2019}, publisher = {Parsian Quality and Productivity Research}, issn = {2322-1305}, eissn = {}, doi = {}, abstract = {In today's competitive market, many products are sold under the basic warranty, and in order to increase profit margins and customer satisfaction after the end of the basic warranty, manufacturers offer warranty extensions to customers at a specific price and time. In this research, the aim is to maximize the producer profit by determining the optimal values of product price, length of basic warranty period, length of warranty renewal, repair level in incomplete repair and amount of spare parts (for demand of products under basic warranty, warranty extension and out of warranty). . In order to better model the real situation, it is assumed that the product can be repaired with three types of minimum, incomplete and complete repairs at the time of failure, and the percentage of products that are repaired each time is also considered as a decision variable. have became. The product reliability function is modeled at the time of incomplete repair with the Kijima virtual life model approach. The problem-solving approach is based on the simulation-based optimization approach in three stages. In the first stage, decision variables such as product price, basic warranty period, warranty renewal period, warranty renewal price, repair level and the probability of what kind of repair each product It is determined by a meta-heuristic algorithm. Then, using Monte Carlo simulation, the number of products that have purchased the warranty extension and the number of product failures is calculated, and finally, the production of spare parts is optimized using a dynamic programming algorithm. This model has also been analyzed for LG vacuum cleaner product and Goldiran after-sales service. }, keywords = {Basic Warranty,warranty extension,pricing,Simulation-based optimization,incomplete repair,products out of warranty. }, title_fa = {ارائه یک مدل نوین بهینه‌سازی مبتنی بر شبیه‌سازی جهت یکپارچه‌سازی تصمیمات مربوط به محصولات تحت وارانتی و از وارانتی خارج‌شده}, abstract_fa = {در بازار رقابتی امروز، بسیاری از محصولات تحت وارانتی پایه به فروش می­رسند و تولیدکنندگان به‌منظور افزایش حاشیه سود و رضایت مشتریان بعد از اتمام وارانتی پایه، تولیدکنندگان تمدید وارانتی را با قیمت و زمانی مشخص به مشتریان ارائه می‌کنند. در این تحقیق هدف بیشینه‌سازی سود تولیدکننده با تعیین مقادیر بهینه قیمت محصول، طول دوره وارانتی پایه، طول تمدید وارانتی، سطح تعمیر در تعمیر ناقص و میزان تولید قطعات یدکی (برای تقاضای محصولات تحت وارانتی پایه، تمدید وارانتی و از وارانتی خارج‌شده) است. برای مدل‌سازی هر چه‌بهتر شرایط واقعی، فرض بر این است که محصول با سه نوع تعمیر کمینه، ناقص و کامل در زمان خرابی می‌تواند مورد تعمیر قرار گیرد و درصد محصولاتی که هر بار تحت هر تعمیر قرار می‌گیرند نیز به‌عنوان متغیر تصمیم لحاظ شده‌اند. تابع پایایی محصول در زمان اعمال تعمیر ناقص با  رویکرد مدل عمر مجازی کیجیما مورد مدل‌سازی قرار است. رویکرد حل مسئله بر مبنای رویکرد بهینه‌سازی مبتنی بر شبیه‌سازی در سه مرحله صورت گرفته است در مرحله اول متغیرهای تصمیم نظیر قیمت محصول، طول دوره وارانتی پایه، طول دوره تمدید وارانتی، قیمت تمدید وارانتی، سطح تعمیر و احتمال اینکه هر محصول چه نوع تعمیری بر آن صورت گیرد با الگوریتم فرا ابتکاری تعیین می‌شود. سپس با استفاده از شبیه‌سازی مونت‌کارلو تعداد محصولاتی که تمدید وارانتی و تعداد خرابی محصولات را خریداری نموده‌اند محاسبه و در انتها با استفاده از الگوریتم برنامه‌ریزی پویا تولید قطعات یدکی مورد بهینه‌سازی قرار می‌گیرد. این مدل نیز برای محصول جاروبرقی با برند ال‌جی و خدمات پس از فروش گلدیران مورد حل و تحلیل قرارگرفته است.}, keywords_fa = {وارانتی پایه,تمدید وارانتی,قیمت‌گذاری,بهینه‌سازی مبتنی بر شبیه‌سازی,تعمیر ناقص,محصولات از وارانتی خارج‌شده}, url = {https://www.pqprc.ir/article_91965.html}, eprint = {https://www.pqprc.ir/article_91965_f820c34533cc5b2504d05a9090036784.pdf} }