Coordinating Inventory Control and Pricing Strategies Under Batch Ordering
Notice bibliographique
Résumé
In this paper we investigate joint pricing and inventory control problems in a finite-horizon, single-product, periodic-review setting with certain/uncertain supply capacities. The demands in different periods are random variables whose distributions depend on the posted price exhibiting the additive form. The order quantity in each period is required to be of integral multiples of a given specific batch size (denoted by Q). Inventory replenishment incurs a linear ordering cost. Referred to as the cost-rate function, the sum of holding and backorder costs can either be convex or quasi-convex. The objective is to determine a joint ordering and pricing decision that can maximize the total expected profit over the planning horizon. We first consider the case in which the cost-rate function is convex and show that the modified (r, Q) list-price policy is optimal for the system with certain and limited capacities, a special case of which is the (r, Q) list-price policy when capacities become unlimited. As supply capacities become random, the optimal policy follows a new structure wherein the optimal order-up-to level and posted price must be coordinated to make the optimal safety stock level follow the (r, Q) policy. We further consider the case of a quasi-convex cost-rate function, which may arise when a service level constraint is used as a surrogate for the shortage cost. We demonstrate that the (r, Q) list-price policy is optimal for the system without supply capacity constraints. In addition, extensions to several other models are discussed. The enabling technique is based on the notion of Q-jump convexity and its variants.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».