بهینه‌سازی یکپارچه قیمت، سیاست‌های وارانتی پایه و تمدید وارانتی با در نظر گرفتن محصولات از وارانتی خارج‌شده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

2 استادیار، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

3 استاد، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

چکیده

امروزه تولیدکنندگان از وارانتی به‌عنوان یک ابزار تبلیغاتی مهم جهت افزایش سهم بازار استفاده می‌کنند. ارائه محصول به بازار با وارانتی طولانی‌تر گرچه باعث جذب بیشتر مشتریان می‌شود، ولی هزینه‌های تولیدکننده را افزایش می‌دهد. در دنیای واقعی، تولیدکنندگان پس از اتمام وارانتی پایه، امکانی برای خریداران فراهم می‌کنند که با پرداخت مبلغی مشخص، بتوانند وارانتی خود را برای مدت‌زمانی معین تمدید نمایند. بدین ترتیب محصولاتی که وارانتی خود را تمدید نمی‌کنند به‌عنوان محصولات از وارانتی خارج‌شده، منبع اصلی سودآوری تولیدکننده از فروش قطعات یدکی محسوب می‌شوند. در این تحقیق مدلی جدید ارائه‌شده است که به تولیدکننده کمک می‌نماید در جهت افزایش سود و با در نظر گرفتن سطح رضایت مشتری و اثر فروش قطعات یدکی به محصولات از وارانتی خارج‌شده، مواردی نظیر قیمت‌گذاری محصول اصلی، طول دوره وارانتی پایه، طول دوره تمدید وارانتی، قیمت تمدید وارانتی را مورد بهینه‌سازی قرار دهد. برای حل مدل از الگوریتم ازدحام ذرات توسعه‌یافته و الگوریتم لیگ ورزشی استفاده‌شده است. با توجه به اینکه شرکت گلدیران در ایران به‌عنوان نماینده خدمات پس از فروش شرکت LG  برای محصولات تحت این برند امکان تمدید وارانتی پایه را فراهم نموده است، مدل ارائه‌شده با داده‌های مربوط به محصولLED  مورد حل قرارگرفته است. نتایج نشان می‌دهد که شرکت گلدیران با تغییر مقادیر طول دوره وارانتی پایه و تمدید وارانتی با توجه به چرخه عمر محصول و مدت‌زمان برنامه‌ریزی می‌تواند به افزایش حاشیه سود تولیدکننده کمک نماید درصورتی‌که هم‌اکنون این شرکت برای تمامی محصولات خود طول دوره وارانتی و تمدید وارانتی را ثابت در نظر می‌گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Integrated Price Optimization, Basic Warranty Policies and Warranty Renewal Taking into Account Products out of Warranty

نویسندگان [English]

  • Mohsen Afsahi 1
  • Ali Husseinzadeh Kashan 2
  • Bakhtiar Ostadi 2
  • Seyed Hessameddin Zegordi 3
1 PhD student, Faculty of Industrial and Systems Engineering, Tarbiat Modares University, Tehran, Iran
2 Assistant Professor, Faculty of Industrial and Systems Engineering, Tarbiat Modares University, Tehran, Iran.
3 Professor, Faculty of Industrial and Systems Engineering, Tarbiat Modares University, Tehran, Iran.
چکیده [English]

Today, manufacturers use warranty as an important advertising tool to increase market share. Offering the product to the market with a longer warranty, although attracting more customers, increases the manufacturer's costs. In the real world, manufacturers can provide buyers with an option to renew their warranty for a specified period of time after the end of the basic warranty period. Thus, products that do not renew their warranty as products out of warranty are the main source of profitability of the manufacturer from the sale of spare parts. In this research, a new model is presented that helps the manufacturer to increase profits and considering the level of customer satisfaction and the effect of selling spare parts to products out of warranty, such as pricing of the main product, length of basic warranty period, length of warranty renewal period. Optimize the price of the warranty extension. The developed particle swarm algorithm and the sports league algorithm have been used to solve the model. Due to the fact that Goldiran Company in Iran, as the after-sales service representative of LG, has provided the possibility of extending the basic warranty for products under this brand, the proposed model has been solved with data related to the LED product. The results show that Goldiran Company can help increase the producer profit margin by changing the values of the basic warranty period and extending the warranty according to the product life cycle and planning time, while now the company has fixed the warranty period and extended warranty period for all its products. is considered.

کلیدواژه‌ها [English]

  • Basic Warranty
  • Extended warranty
  • dynamic pricing
  • Combined optimization
[1] J. Chu and P. K. Chintagunta, “An Empirical Test of Warranty Theories in the U.S. Computer Server and Automobile Markets,” J. Mark., vol. 75, no. 2, pp. 75–92, Mar. 2011.
[2] D. N. . Murthy and I. Djamaludin, “New product warranty: A literature review,” Int. J. Prod. Econ., vol. 79, no. 3, pp. 231–260, Oct. 2002.
[3] D. K. Manna, S. Pal, and S. Sinha, “A use-rate based failure model for two-dimensional warranty,” Comput. Ind. Eng., vol. 52, no. 2, pp. 229–240, Mar. 2007.
[4] Y. Lam and P. Kwok Wai Lam, “An extended warranty policy with options open to consumers,” Eur. J. Oper. Res., vol. 131, no. 3, pp. 514–529, Jun. 2001.
[5] T. I. Matis, R. Jayaraman, and A. Rangan, “Optimal price and pro rata decisions for combined warranty policies with different repair options,” IIE Trans. (Institute Ind. Eng., 2008.
[6] C. Su and J. Shen, “Analysis of extended warranty policies with different repair options,” Eng. Fail. Anal., vol. 25, pp. 49–62, Oct. 2012.
[7] S. Marshall, R. Arnold, S. Chukova, and Y. Hayakawa, “Warranty cost analysis: Increasing warranty repair times,” Appl. Stoch. Model. Bus. Ind., vol. 34, no. 4, pp. 544–561, Jul. 2018.
[8] M. N. Darghouth, D. Ait-kadi, and A. Chelbi, “Joint optimization of design, warranty and price for products sold with maintenance service contracts,” Reliab. Eng. Syst. Saf., vol. 165, pp. 197–208, Sep. 2017.
[9] D. N. P. Murthy and W. R. Blischke, “Product warranty management — III: A review of mathematical models,” Eur. J. Oper. Res., vol. 63, no. 1, pp. 1–34, Nov. 1992.
[10] D. N. . Murthy, O. Solem, and T. Roren, “Product warranty logistics: Issues and challenges,” Eur. J. Oper. Res., vol. 156, no. 1, pp. 110–126, Jul. 2004.
[11] T. S. Glickman and P. D. Berger, “Optimal Price and Protection Period Decisions for a Product Under Warranty,” Manage. Sci., vol. 22, no. 12, pp. 1381–1390, Aug. 1976.
[12] M. A. J. Menezes and I. S. Currim, “An approach for determination of warranty length,” Int. J. Res. Mark., vol. 9, no. 2, pp. 177–195, May 1992.
[13] P.-C. Lin and L.-Y. Shue, “Application of optimal control theory to product pricing and warranty with free replacement under the influence of basic lifetime distributions,” Comput. Ind. Eng., vol. 48, no. 1, pp. 69–82, Jan. 2005.
[14] C.-C. Wu, P.-C. Lin, and C.-Y. Chou, “Determination of price and warranty length for a normal lifetime distributed product,” Int. J. Prod. Econ., vol. 102, no. 1, pp. 95–107, Jul. 2006.
[15] B. Kim and S. Park, “Optimal pricing, EOL (end of life) warranty, and spare parts manufacturing strategy amid product transition,” Eur. J. Oper. Res., vol. 188, no. 3, pp. 723–745, Aug. 2008.
[16] P.-C. Lin, J. Wang, and S.-S. Chin, “Dynamic optimisation of price, warranty length and production rate,” Int. J. Syst. Sci., vol. 40, no. 4, pp. 411–420, Apr. 2009.
[17] X. Chen, L. Li, and M. Zhou, “Manufacturer’s pricing strategy for supply chain with warranty period-dependent demand,” Omega, vol. 40, no. 6, pp. 807–816, Dec. 2012.
[18] M. Afsahi, A. Husseinzadeh Kashan, and B. Ostadi, “Optimizing under and out of warranty products’ decisions in the finite planning horizon,” Sharif Univ. Technol., vol. 0, no. 0, Aug. 2018.
[19] V. Padmanabhan, “U sage H eterogeneity and E xtended W arranties,” J. Econ. Manag. Strateg., vol. 4, no. 1, pp. 33–53, Mar. 1995.
[20] J. C. Hartman and K. Laksana, “Designing and pricing menus of extended warranty contracts,” Nav. Res. Logist., vol. 56, no. 3, pp. 199–214, Apr. 2009.
[21] A. Husseinzadeh Kashan, “An efficient algorithm for constrained global optimization and application to mechanical engineering design: League championship algorithm (LCA),” Comput. Des., vol. 43, no. 12, pp. 1769–1792, Dec. 2011.
[22] A. H. Kashan and B. Karimi, “A new algorithm for constrained optimization inspired by the sport league championships,” in IEEE Congress on Evolutionary Computation, 2010, pp. 1–8.
[23] J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proceedings of ICNN’95 - International Conference on Neural Networks, vol. 4, pp. 1942–1948.
[24] R. Eberhart and J. Kennedy, “A new optimizer using particle swarm theory,” in MHS’95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science, pp. 39–43.
[25] S. Khan, M. Kamran, O. U. Rehman, L. Liu, and S. Yang, “A modified PSO algorithm with dynamic parameters for solving complex engineering design problem,” Int. J. Comput. Math., vol. 95, no. 11, pp. 2308–2329, Nov. 2018.