Optimal pricing and donation policy for fresh goods
Notice bibliographique
Résumé
This paper studies a socially responsible food-retailer’s operational planning problem for a continuously deteriorating inventory over two periods with the consideration of donation and quality-sensitive customers. Each year, millions of tonnes of food are wasted causing economic, environmental, and social misfortunes, while at the same time millions are undernourished. Besides expired items, edible foods are often deliberately disposed of to attract quality-sensitive consumers. We address this issue by presenting an optimization model that incorporates a retailer’s corporate social responsibility act, in the form of charitable donations, and makes use of the internet of things (IoT)-enabled condition tracking technologies to accurately estimate the effective (true) quality of the goods and its impacts on consumer demand. We formulate a quality-dependent newsvendor problem (QDNP) to determine the stocking quantity and the regular price of the goods at the beginning of the selling season, and the second-period price and donation policy at the end of the first period. The optimal donation policy at the end of the first period depends on the quality (time to expiration), on-hand inventory, and donation reward. Moreover, for a given inventory level, expected food waste is always greater in the absence of donations. QDNP outperforms the no-donation model, particularly when the uncertainty is high and/or the length of the second period is short. Interestingly, the two models react to an increase in uncertainty oppositely: QDNP orders more to alleviate future shortages, whereas, no-donation policy orders less to avoid future disposal costs at the end of the selling season.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».