Sunuyu indir
Sunum yükleniyor. Lütfen bekleyiniz
1
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 YAEM 2010
2
İçerik Giriş Literatür Problem Tanımı Model Çözüm Yöntemi
Yaklaşık Değer Yineleme Yöntemi Ödüllü Öğrenme Analizler Sonuç YAEM 2010
3
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 YAEM 2010
4
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 YAEM 2010
5
Giriş Kalıcı indirim eniyilemesi den dolayı zor bir problemdir.
Talep belirsizliği Talepte zamana bağlı değişim Ürünler arası ilişkiler den dolayı zor bir problemdir. YAEM 2010
6
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. YAEM 2010
7
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) YAEM 2010
8
Problem Tanımı Aralarında ikame ve tamamlayıcı etkiler olan ürünlerin kalıcı indirim politikalarının belirlenmesi Ürün talepleri ürün fiyatlarına ve zamana bağlı olarak değişken YAEM 2010
9
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 YAEM 2010
10
Model Amaç:Toplam sezon karının beklenen değerini en büyükleyen kalıcı indirim politikası π*’yi bulmaktır: YAEM 2010
11
Model St durumunda alınabilecek olurlu kararlar kümesi : 01.07.2010
YAEM 2010
12
Model Sistemin durumu:
St durumunda verilen optimal fiyat kararı, bu durumun değerini maksimize eden fiyat kararıdır: YAEM 2010
13
Model Geçiş fonksiyonu Talep fonksiyonu YAEM 2010
14
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 YAEM 2010
15
Boyut Problemi Dinamik Programlama Tüm modele ihtiyaç vardır
gidilecek olağan durumlar onlardan sağlanacak getiriler geçiş olasılıkları YAEM 2010
16
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. YAEM 2010
17
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. YAEM 2010
18
YDY Algoritması YAEM 2010
19
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. YAEM 2010
20
Sarsa Algoritması Politika yineleme yöntemi
Durum-değer fonksiyonu yerine karar-değer (action-value) fonksiyonu YAEM 2010
21
Sarsa Algoritması YAEM 2010
22
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 YAEM 2010
23
Analizler Durum 1: Birinci ürün ikinci ürünün ikamesi ise 01.07.2010
YAEM 2010
24
Analizler ~20%-25% hata YAEM 2010
25
Analizler Durum 2: İkinci ürün birinci ürünün ikamesi ise 01.07.2010
YAEM 2010
26
Analizler ~2%-18% hata YAEM 2010
27
Analizler Durum 3: Her iki ürün birbirinin ikamesi 01.07.2010
YAEM 2010
28
Analizler ~1%-25% hata YAEM 2010
29
Analizler Durum 4: İkame etkisinin olmadığı durum
* Gelirlerde düşüş gözlenmekte YAEM 2010
30
Analizler Durum 5: Her iki ürünün birbirine ikame olduğu durumda, zaman etkisinin olmadığı durum YAEM 2010
31
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. YAEM 2010
32
Teşekkürler… YAEM 2010
Benzer bir sunumlar
