Managing Product-Reusability Under Supply Disruptions
Notice bibliographique
Résumé
We analyze product reusability, executed through refurbishment, amid supply disruptions. Consumers trade in used units, which can later be refurbished and sold. Using a three-period model, we determine the optimal reusability level, trade-in and refurbishment policies, trade-in fee, and the prices of new and refurbished units. Our analysis provides a useful framework to understand the interaction between a firm's choice of product reusability and the possibility of supply disruptions. First, we establish a threshold refurbishment policy: the firm refurbishes more as reusability increases but avoids refurbishment at low reusability. When both consumer valuation of used units and supply disruption probability are high, the firm builds a safety-stock of traded-in units, which it refrains from refurbishing when there is no supply disruption, unless the product reusability level is sufficiently high. Second, we find that it benefits to increase product reusability as the supply disruption risk increases until a certain threshold. Beyond this threshold, it is advantageous for the firm to reduce reusability and save on design costs to be profitable, contrary to popular belief. Our numerical examples reveal that the firm reduces reusability when production cost is high due to narrow margins. Finally, we demonstrate that the firm shares the benefits of higher product reusability with its consumers through higher trade-in fees and lower refurbished unit prices. This results in a “Pareto-efficient” win for the firm, its trade-in customers, and purchasers of refurbished units. Thus, our analysis offers insights for product designers on how supply disruption influences reusability choices in products.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 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 ».