Bir Hazır Giyim Perakende Zincirinde Rassal Talep Altında Kalıcı İndirim Politikalarının Belirlenmesi Özlem Coşgun1, Ufuk Kula2, Ayhan Demiriz2 1 İstanbul Kültür Üniveristesi 2 Sakarya Üniversitesi 01.07.2010 YAEM 2010

İçerik Giriş Literatür Problem Tanımı Model Çözüm Yöntemi Yaklaşık Değer Yineleme Yöntemi Ödüllü Öğrenme Analizler Sonuç 01.07.2010 YAEM 2010

Giriş Perakende sektöründe gelir yönetimi uygulamalarında talebi yönlendirmek için kullanılan temel araç fiyat kontrolüdür. Sezon sonu ürünleri kısa satış periyodlarına, fiyata bağlı belirsiz talep dağılım fonksiyonlarına dönem sonunda da çok az hurda değerine sahiptirler. Hazır giyimde de satış mevsimleri kısalmakta 01.07.2010 YAEM 2010

Giriş Dönem sonu stoklarını en azlayarak geliri en büyüklemeye yönelik önemli araçlardan biri Kalıcı indirim (markdown) en iyilemesi ürünlerin fiyatının zaman içinde ya sabit tutulması ya da azaltılması 01.07.2010 YAEM 2010

Giriş Kalıcı indirim eniyilemesi den dolayı zor bir problemdir. Talep belirsizliği Talepte zamana bağlı değişim Ürünler arası ilişkiler den dolayı zor bir problemdir. 01.07.2010 YAEM 2010

Giriş Literatürde yer alan kalıcı indirim eniyilemesi ile ilgili çalışmalarda Ürün taleplerinin birbirinden bağımsız olduğu varsayılmakta Ürün talepleri arasındaki fiyata bağlı tamamlayıcı ve ikame etkileri göz ardı edilmektedir. 01.07.2010 YAEM 2010

Literatür Taraması Fiyatlandırma – Lazear (1986) Rajan ve diğerleri (1992), Smith ve Achabal (1998) Tek ürün, tek mağaza, deterministik talep En iyi envanter düzeyleri ve fiyat politikalarına karar verilmiş, Bitran ve diğerleri(1998) Tek ürün, deterministik talep, çok mağaza ile çalışıldığında boyut problemi  sezgisel yöntem Mantrala ve Rao (2001) Rassal talep, tek ürün Stokastik dinamik programlama Gelir yönetimi literatüründe birden fazla ürünün ele alındığı çalışmalar, üretimde ya da ürün tesliminde aynı kaynağı kullanan ürünleri incelemektedir. Gallego ve van Ryzin (1997), Maglaras ve Meissner (2006) 01.07.2010 YAEM 2010

Problem Tanımı Aralarında ikame ve tamamlayıcı etkiler olan ürünlerin kalıcı indirim politikalarının belirlenmesi Ürün talepleri ürün fiyatlarına ve zamana bağlı olarak değişken 01.07.2010 YAEM 2010

Model Kalıcı indirim en iyileme problemi MDP olarak formüle edilmiştir. Girdiler: 2 ürün 10 haftalık periyod 3 indirim oranı (10%, 30%, 50%) Başlangıç stokları: Birinci ürün = 5000 adet İkinci ürün = 2000 adet Başlangıç fiyatları: Birinci ürün = 30 TL/adet İkinci ürün = 20 TL/ adet 01.07.2010 YAEM 2010

Model Amaç:Toplam sezon karının beklenen değerini en büyükleyen kalıcı indirim politikası π*’yi bulmaktır: 01.07.2010 YAEM 2010

Model St durumunda alınabilecek olurlu kararlar kümesi : 01.07.2010 YAEM 2010

Model Sistemin durumu: St durumunda verilen optimal fiyat kararı, bu durumun değerini maksimize eden fiyat kararıdır: 01.07.2010 YAEM 2010

Model Geçiş fonksiyonu Talep fonksiyonu 01.07.2010 YAEM 2010

Boyut Problemi Örnek: 4 ürün Başlangıç stokları 10,000 adet Karar kümesindeki karar sayısı 5 ise durum sayısı = 10,0004 * 54 =50,0004 adet durum olur 01.07.2010 YAEM 2010

Boyut Problemi Dinamik Programlama Tüm modele ihtiyaç vardır gidilecek olağan durumlar onlardan sağlanacak getiriler geçiş olasılıkları 01.07.2010 YAEM 2010

Çözüm Yöntemi Ödüllü öğrenme (Reinforcement Learning) Yaklaşık Dinamik Programlama Politika Yineleme Yöntemlerinden olan Sarsa algoritması kullanılmıştır. Yaklaşık Değer Yineleme Yöntemi Değer Yineleme Yöntemi  Bu yaklaşımlarla klasik dinamik programlamada karşımıza çıkan problemler ortadan kalkmıştır. 01.07.2010 YAEM 2010

Yaklaşık Değer Yineleme (YDY) Yöntemi Simülasyon tabanlı dinamik programlama Temeli Bellman denklemine dayanır Temel prensip, değer fonksiyonu V ’nin yerine yaklaşık değer fonksiyonu ’nin kullanılmasıdır. 01.07.2010 YAEM 2010

YDY Algoritması 01.07.2010 YAEM 2010

Ödüllü Öğrenme Deneysel bir öğrenme metodu RL sistemler o anda deneme yanılma yöntemiyle öğrenirler, ortamın modelini oluştururlar ve bu modeli daha sonra planlama için kullanırlar. Her bir zaman diliminde öğrenici o anki durumunu (state) değerlendirerek bir karar (action) seçer ve ortamdan aldığı geri beslemeyi (reward) sisteme uygular. Amaç herhangi bir durumda en iyi davranışı seçebilecek duruma gelerek daha önceden belirlenmiş olan bir performans ölçütünü optimize etmektir. 01.07.2010 YAEM 2010

Sarsa Algoritması Politika yineleme yöntemi Durum-değer fonksiyonu yerine karar-değer (action-value) fonksiyonu 01.07.2010 YAEM 2010

Sarsa Algoritması 01.07.2010 YAEM 2010

Problem Boyut probleminden dolayı tüm durumlar ziyaret edilemeyebilir Çok iterasyon gerektirir Çok fazla süre gerektirir Çözüm: Bütünleştirme Yöntemi (aggregation) Her bütünleşik kümeye ait bir ortalama değer 01.07.2010 YAEM 2010

Analizler Durum 1: Birinci ürün ikinci ürünün ikamesi ise 01.07.2010 YAEM 2010

Analizler ~20%-25% hata 01.07.2010 YAEM 2010

Analizler Durum 2: İkinci ürün birinci ürünün ikamesi ise 01.07.2010 YAEM 2010

Analizler ~2%-18% hata 01.07.2010 YAEM 2010

Analizler Durum 3: Her iki ürün birbirinin ikamesi 01.07.2010 YAEM 2010

Analizler ~1%-25% hata 01.07.2010 YAEM 2010

Analizler Durum 4: İkame etkisinin olmadığı durum * Gelirlerde düşüş gözlenmekte 01.07.2010 YAEM 2010

Analizler Durum 5: Her iki ürünün birbirine ikame olduğu durumda, zaman etkisinin olmadığı durum 01.07.2010 YAEM 2010

Sonuçlar Aralarında ikame etkisi bulunan ürünlerin kalıcı indirim politikaları İkame ve zaman parametrelerinin ürünlerin politika ve gelirleri üzerindeki etkiler incelendi. Boyut probleminin olduğu büyük problemlerde Yaklaşık Dinamik Programlama metodlarının etkin olduğu görülmüştür. 01.07.2010 YAEM 2010

Teşekkürler… 01.07.2010 YAEM 2010