Geri Dön

Stokastik talep altında kalıcı indirim eniyilemesi

Markdown optimization under stochastic demand

PDF İndir

  1. Tez No: 315411
  2. Yazar: ÖZLEM COŞGUN
  3. Danışmanlar: PROF. DR. CENGİZ KAHRAMAN, YRD. DOÇ. DR. UFUK KULA
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, İstatistik, Industrial and Industrial Engineering, Engineering Sciences, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 160

Özet

Bu çalısmada, Türkiye'de 250'den fazla mağazaya sahip bir giyim perakende zincirindekarsılasılan kalıcı indirim eniyileme probemi ele alınmıstır. Her ürün rassal talebe sahipolduğundan ve ürünler arasındaki ikame etkisinden dolayı bir ürünün indirim politikasıdiğer ürünlerin satıslarını etkilemektedir. Bu yüzden çapraz fiyat esnekliğine sahipürünlerin optimal indirim politikalarına karar verirken herbirinin kararı birliktedüsünülmelidir.Öncelikle satıs verileri kullanılarak ürün satıslarının etkileri ikame ve zaman etkisiolmak üzere ayrıstırılmıstır. Her ürünün talebi MNL modeli ile tahmin edilmis, dahasonra bu indirim eniyileme problemi bir Markov Karar Süreci problemi olarak elealınmıstır. Problemimizde durum uzayı çok büyük olduğundan ve bu tarz problemleripolitika yineleme ve değer yineleme gibi geleneksel yöntemlerle çözmek imkansızolduğundan Ödüllü Öğrenme algoritmaları kullanılmıstır. Durum uzayı çok boyutluolduğundan ve tüm durumların öğrenilmesi çok fazla iterasyon gerektireceğinden değerfonksiyonlarını tahmin etmek için kümeleme ve fonksiyon uydurma yaklasımlarıkullanılmıstır. Sonuçta ürünlerin yaklasık indirim politikaları bulunmus, fiyattankaynaklanan ikame ve zamanın ürünlerin indirim politikaları üzerinde ne gibi etkileriolduğu hakkında görüsler elde edilmistir.

Özet (Çeviri)

We consider the markdown optimization problem faced by the leading apperal retailchain in Turkey, with over 250 stores. The retailer faces a random demand for eachproduct, and because of substitution among products the markdown policy of oneproduct affects the sales of other products. Therefore, markdown policies for productgroups having a significant crossprice elasticity among each other should be jointlydetermined.In this study, we first use point of sales data to decompose observed product sales intotwo components: substitution effect, and time effect by using MNL model. Then, weformulate the markdown optimization problem as an MDP. Since the state space of theproblem makes it impossible to solve it by classical methods such as value and policyiteration, we use Reinforcement Learning algorithms as viable ways to solve MDPs forstochastic inventory management. Since the state space is multidimensional and moststates encountered will never have been experienced exactly before, we constructaggregation and function fitting approximations for value function approximation to geta markdown policy for the products and provide insights on the behavior of how pricebasedsubstitution and time affects markdown of each product and resulting markdownpolicy.

Benzer Tezler

  1. Tez No

    827860

    Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Tez No

    323830

    Stokastik talep altında telekomünikasyon ağlarındaki aracı firmalara yönelik kar en büyüklemesi problemi

    Profit maximization problem for intermediaries in telecommunication networks under stochastic demand

    HASAN HÜSEYİN TURAN

    Doktora

    Türkçe

    Türkçe

    2012

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET NAHİT SERARSLAN

  3. Tez No

    159989

    Optimal dinamik (R, s, S) politikaları kullanılarak durağan olmayan stokastik talep altında envanter planlaması

    Optimal dynamic (R, s, S) policies for inventory planning with non-stationary stochastic demand

    AYŞEGÜL TAŞ

    Doktora

    Türkçe

    Türkçe

    2005

    İşletmeHacettepe Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ÜLKÜ ŞİŞİK

  4. Tez No

    269390

    Inventory management through vendor managed inventory in a supply chain with stochastic demand

    Bir tedarik zinciri için stokastik talep altında tedarikçi kontrolü ile envanter yönetimi

    HÜRDOĞAN GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Bölümü

    YRD. DOÇ. DR. SEÇİL SAVAŞANERİL

    YRD. DOÇ. DR. ZEYNEP PELİN BAYINDIR

  5. Tez No

    262459

    Perakende tedarik zinciri envanter sistemlerinin talep belirsizliği altında yönetimine ilişkin sorunlar ve çözüm önerileri

    Başlık çevirisi yok

    SEDAT BELBAĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    İşletmeHacettepe Üniversitesi

    İşletme Bölümü

    PROF. DR. ARMAĞAN TARIM

    YRD. DOÇ. DR. AYŞEGÜL TAŞ

Geri Dön