کنترل موجودی کالاهای فسادپذیر مبتنی بر فضای قفسه و اثر تغییرات نماکالا همراه با تعهد حداقل خرید کالا

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

2 استادیار، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

3 دانشیار، گروه مهندسی صنایع، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

چکیده

هدف: بهره‌وری در صنعت خرده‌فروشی، به افزایش سود ناشی از خریدوفروش کالا و کنترل موجودی وابسته است. ارائه و حل یک مدل ریاضی به‌منظور کنترل موجودی متناسب با فضای صنعت، در راستای کمینه‌کردن هزینه‌های موجودی و به‌دست‌آوردن مقدار بهینه سفارش ضروری است. توجه به فضای قفسه برای کنترل موجودی کالاهای فسادپذیر، بدون در نظر گرفتن فضای انبار، در این صنعت امر مرسومی است که در مطالعات قبلی کمتر به آن پرداخته ‌شده است. اهمیت این موضوع، در کنار توجه به فروش کالای پُرسودتر و عقد قرارداد حداقل تعهد خرید کالا با تأمین‌کنندگان، به‌نحوی ‌که هزینه کل دوره سفارش‌گذاری بهینه شود، هدف این پژوهش است.
روش: در این پژوهش با مطالعه جامع ادبیات موضوع، پارامترهای مؤثر مدل از طریق روش کتابخانه‌ای تعیین و با توجه به کمبود‌های شناسایی ‌شده، مدلی برای کنترل موجودی با محدودیت‌های جدید ارائه شده است. در فرایند حل مسئله، برای به‌دست‌آوردن جواب بهینه، از الگوریتم بهینه‌سازی ازدحام ذرات به‌کمک نرم‌افزار متلب و برای پیش‌بینی تقاضا، از سری زمانی در نرم‌افزار مینی‌تب استفاده ‌شده است.
یافته‌ها: مدل ارائه‌شده به لحاظ نزدیکی به فضای صنعت، اهمیت کاربردی دارد. نتایج عددی حاصل از حل و تحلیل مدل، بیانگر این موضوع است که تغییر مناسب در نمای کالا و عقد قرارداد حداقل تعهد خرید کالا با تأمین‌کنندگان، باعث کاهش هزینه دوره برنامه‌ریزی می‌شود؛ اما استفاده از هر دو با یکدیگر، همواره نتیجه مطلوبی ایجاد نمی‌کند، در صورت داشتن قرارداد حداقل تعهد خرید کالا با تأمین‌کننده و ایجاد تغییرات در تعداد نمای کالا، نیاز است که روی مقدار تعهد بازنگری شود.
نتیجه‌گیری: در این پژوهش به بررسی مطلوبیت حاصل از تأثیر تغییر در نمای کالا بر میزان تقاضا و اثر آن بر میزان سفارش همراه با تعهد حداقل خرید کالا پرداخته ‌شده است. به‌منظور کاهش هزینه، مقدار سفارش متناسب با محدودیت‌های فضای قفسه در نظر گرفته ‌شده است. یافته‌های به‌دست‌آمده نشان می‌دهد که روش‌های به‌کار رفته در جهت بهبود فروش و کاهش هزینه، می‌تواند مطلوبیت لازم را در مقادیر سود و هزینه برای خرده‌فروشان ایجاد کند.

کلیدواژه‌ها


عنوان مقاله [English]

Inventory Control of Perishables based on Shelf Space and Effects of Face Changes of Products with Total Minimum Commitment

نویسندگان [English]

  • Hamid Riazi 1
  • Mahmood Doroodian 2
  • Behrouz Afshar-Nadjafi 3
1 Ph.D. Candidate, Department of Industrial Engineering, Qazvin Brach, Islamic Azad University, Qazvin, Iran.
2 Assistant Prof., Department of Industrial Engineering, Qazvin Brach, Islamic Azad University, Qazvin, Iran.
3 Associate Prof., Department of Industrial Engineering, Qazvin Brach, Islamic Azad University, Qazvin, Iran.
چکیده [English]

Objective: Increasing sales profits and inventory control leads to productivity in the retailing industry. To minimize inventory costs and reach an optimal order quantity, it is essential to develop a mathematical model for inventory control that is suited to industries. It is a common practice in the retailing industry to consider the shelf space for storing perishable products without taking the warehouse space into account. This study intends to address the issue and touch upon selling high-profit products and signing total minimum commitment contracts with suppliers in order to optimize total costs in the order time.
Methods: Reviewing the literature comprehensively, the authors could identify the effective parameters of the model through desk research. On the basis of the defects found, a model was proposed for inventory control considering the new limitations. The particle swarm optimization algorithm was used in MATLAB in order to reach an optimal response in the problem-solving process and a time series analysis was performed by Minitab for demand forecasting.
Results: The proposed model can have applied implications for the industry. The results from the numerical analyses of the model revealed that an effective change in product face and a total minimum commitment contract with suppliers reduce the costs during the planning period. However, using both of them doesn’t always deliver favorable results. When a total minimum commitment contract is signed with the supplier and a change is made in the product face, it is necessary to reconsider the extent of commitment.
Conclusion: This study addressed the utility obtained from the effects of product face changes on the number of demands and number of orders together with total minimum commitment. The quantity of orders was considered according to the shelf space limitations in order to lower the costs. Results showed that the methods adopted to boost sales and lower costs can be profitable for retailers.

کلیدواژه‌ها [English]

  • Retail
  • Stock control
  • Product face
  • Shelf space
  • Total minimum commitment
باقری، محسن؛ مرادی، امیر (1399). کنترل موجودی کالاهای فسادپذیر با در ‌نظر گرفتن هزینه‌های موجودی و بازرسی و وجود خطا در بازرسی کالا. مدیریت صنعتی، 12(2)، 236- 248.
حاجیان، سیما؛ افشار کاظمی، محمدعلی؛ سید حسینی، سید محمد و طلوعی اشلقی، عباس (1398). ارائه مدل چندهدفه برای مسئله مکان‌یابی ـ مسیریابی ـ موجودی در شبکه زنجیره تأمین حلقه بسته سبز چنددوره‌ای و چندمحصولی برای کالاهای فاسدشدنی. مدیریت صنعتی، 11(1)، 83 – 110.
قضاوی، الهه (1392). ارائه یک چارچوب بهینه‌سازی برای برنامه‌ریزی فضای قفسه‌ها در سطح خرده‌فروشی با توجه به اثر ناحیه. پایان‏نامه کارشناسی ارشد. دانشکده فنی مهندسی. دانشگاه یزد
محمدی بیدهندی، هادی (1387). جزوه درس برنامه‌ریزی و کنترل تولید و موجودی‌ها. گروه مهندسی صنایع. دانشگاه آزاد اسلامی واحد تهران جنوب.
ملک محمدی، مهرداد؛ نصراللهی، مهدی و الوندی، محسن. (1397). کنترل موجودی در سیستم‎های چند کالایی با تقاضای احتمالی توسط الگوریتم ازدحام ذرات (مطالعه موردی: شرکت نوین قطعه کاسپین). مدیریت صنعتی، 10(1)، 121- 138.
 
References
Adam, A., Jensen, J. D., Sommer, I., & Hansen, G. L. (2017). Does shelf space management intervention have an effect on calorie turnover at supermarkets? Journal of Retailing and Consumer Services, 34, 311-318.
Anderson, E. E. & Amato, H. N. (1974). A mathematical model for simultaneously determining the optimal brand-collection and display-area allocation. Operations Research, 22(1), 13-21.
Bagheri, M., Moradi, A. (2020). An Inventory Control Model for Deteriorating Items with Inventory and Inspection Costs Considering Errors in Inspection. Industrial Management Journal, 12(2), 236-248. (in Persian)
Bassok, Y., & Anupindi, R. (2008). Analysis of supply contracts with commitments and flexibility. Naval Research Logistics (NRL), 55(5), 459-477.
Beed, R. S., Sarkar, A., Sinha, R., & Dasgupta, D. (2020). A Study of the Effect of the Parameters for Optimizing Profit Using Simulated Annealing to Solve Shelf Space Allocation Problem.
Bianchi-Aguiar, T., Silva, E., Guimarães, L., Carravilla, M. A., Oliveira, J. F., Amaral, J. G., Liz, J., & Lapela, S. (2016). Using analytics to enhance a food retailer’s shelf-space management. Interfaces, 46(5), 424-444.
Bultez, A., & Naert, P. (1988). SH. ARP: Shelf allocation for retailers' profit. Marketing science, 7(3), 211-231.
Caglar Gencosman, B., & Begen, M.A. (2022). Exact optimization and decomposition approaches for shelf space allocation. European Journal of Operational Research, 299(2), 432-447.
Chen, F. Y., & Krass, D. (2001). Analysis of supply contracts with minimum total order quantity commitments and non-stationary demands. European Journal of Operational Research, 131(2), 309-323.
Corstjens, M., & Doyle, P. (1981). A model for optimizing retail space allocations. Management Science, 27(7), 822-833.
Corstjens, M., & Doyle, P. (1983). A dynamic model for strategically allocating retail space. Journal of the Operational Research Society, 34(10), 943-951.
Coskun, M. E. (2012). Shelf Space Allocation: A Critical Review and a Model with Price Changes and Adjustable Shelf Heights. Thesis for Master of Applied Science,  Mcmaster University,  Hamilton, Ontario, Canada.
Curhan, R. C. (1972). The relationship between shelf space and unit sales in supermarkets. Journal of Marketing Research, 9(4), 406-412.
Curhan, R.C. (1973). Shelf space allocation and profit maximization in mass retailing. Journal of Marketing, 37(3), 54-60.
Czerniachowska, K., & Lutosławski, K. (2021). Dynamic programming approach for solving the retail shelf-space allocation problem. Procedia Computer Science, 192, 4320-4329.
Desmet, P. & Renaudin, V. (1998). Estimation of product category sales responsiveness to allocated shelf space. International Journal of Research in Marketing, 15(5), 443-457.
Doyle, P., & Gidengil, B. Z. (1977). Review of In-Store Experiments. Journal of Retailing, 53(2), 47-62.
Dreze, X., Hoch, S. J., & Purk, M. E. (1994). Shelf management and space elasticity. Journal of Retailing, 70(4), 301-326.
Edirisinghe, G., & Munson, C.L. (2022). Strategic Rearrangement of Retail Shelf Space Allocations: Using Data Insights to Encourage Impulse Buying. Available at SSRN.
Eisend, M. (2014). Shelf space elasticity: A meta-analysis. Journal of Retailing, 90(2), 168-181.
Fazel, F., Fischer, K. P., & Gilbert, E. W. (1998). JIT purchasing vs. EOQ with a price discount: An analytical comparison of inventory costs. International Journal of Production Economics, 54(1), 101-109.
Flamand, T., Ghoniem, A., Haouari, M., & Maddah, B. (2018). Integrated assortment planning and store-wide shelf space allocation: An optimization-based approach. Omega, 81, 134-149.
Frontoni, E., Marinelli, F., Rosetti, R., & Zingaretti, P. (2017). Shelf space re-allocation for out of stock reduction. Computers & Industrial Engineering, 106, 32-40.
Gecili, H., & Parikh, P.J. (2022). Joint shelf design and shelf space allocation problem for retailers. Omega, 111, 102634.
Gong, X., Chen, Y., & Yuan, Q. (2022). Coordinating inventory and pricing decisions under total minimum commitment contracts. Production and Operations Management, 31(2), 511-528.
Hajian, S., Afshar Kazemi, M., Seyed Hosseini, S., Toloie, A. (2019). Developing a Multi-Objective Model for Locating-Routing-Inventory Problem in a Multi-Period and Multi-Product Green Closed-Loop Supply Chain Network for Perishable Products. Industrial Management Journal, 11(1), 83-110. (in Persian)
Han, X., Yu, Y., & Hu, G. (2019). A dynamic newsvendor problem with goodwill-dependent demands and minimum commitment. Omega, 89, 242-256.
Hansen, P., & Heinsbroek, H. (1979). Product selection and space allocation in supermarkets. European Journal of Operational Research, 3(6), 474-484.
Hariga, M. A., Al-Ahmari, A., & Mohamed, A.-R. A. (2007). A joint optimisation model for inventory replenishment, product assortment, shelf space and display area allocation decisions. European Journal of Operational Research, 181(1), 239-251.
Hübner, A., & Schaal, K. (2017). An integrated assortment and shelf-space optimization model with demand substitution and space-elasticity effects. European Journal of Operational Research, 261(1), 302-316.
Hwang, H., Choi, B., & Lee, M.-J. (2005). A model for shelf space allocation and inventory control considering location and inventory level effects on demand. International Journal of Production Economics, 97(2), 185-195.
Irion, J., Lu, J.-C., Al-Khayyal, F., & Tsao, Y.-C. (2012). A piecewise linearization framework for retail shelf space management models. European Journal of Operational Research, 222(1), 122-136.
Kopalle, P. K. (2010) Modeling retail phenomena. Journal of Retailing, 86(2), 117.
Lotfi, M., & Torabi, S. A. (2011). A fuzzy goal programming approach for mid-term assortment planning in supermarkets. European Journal of Operational Research, 213(2), 430-441.
Malekmohamadi, M., Nasrollahi, M., Alvandi, M. (2018). Inventory Control in multi-item Systems with Probable Demand Using Particle Swarm Algorithm (Case study: Novin Ghate Caspian Company). Industrial Management Journal, 10(1), 121-138. (in Persian)
Mohammadi Bidhandi, H. (2008). Booklet for the planning and control of production and inventories. Department of Industrial Engineering. South Tehran branch, Islamic Azad University. (in Persian)
Murray, C. C., Talukdar, D., & Gosavi, A. (2010). Joint optimization of product price, display orientation and shelf-space allocation in retail category management. Journal of Retailing, 86(2), 125-136.
Rabbani, M., Salmanzadeh-Meydani, N., Farshbaf-Geranmayeh, A., & Fadakar-Gabalou, V. (2018). Profit maximizing through 3D shelf space allocation of 2D display orientation items with variable heights of the shelves. Opsearch, 55(2), 337-360.
Robinson, L. W., & Gavirneni, S. (2019). Retailer order commitments improve distribution supply chain performance. Operations Research Letters, 47(4), 281-287.
Schaal, K., & Hübner, A. (2018). When does cross-space elasticity matter in shelf-space planning? A decision analytics approach. Omega, 80, 135-152.
Tsai, C.-Y., & Huang, S.-H. (2015). A data mining approach to optimise shelf space allocation in consideration of customer purchase and moving behaviours. International Journal of Production Research, 53(3), 850-866.
Urban, T. L. (1998). An inventory-theoretic approach to product assortment and shelf-space allocation. Journal of Retailing, 74(1), 15-35.
Vainio, T. (2018). Modeling space elasticity of demand to support retail replenishment planning. Available in: https://sal.aalto.fi/publications/pdf-files/tvai18_public.pdf
Vincent, F. Y., Maglasang, R., & Tsao, Y.-C. (2018). Shelf space allocation problem under carbon tax and emission trading policies. Journal of Cleaner Production, 196, 438-451.
Wang, T., Gong, X., & Zhou, S. X. (2017). Dynamic inventory management with total minimum order commitments and two supply options. Operations Research, 65(5), 1285- 1302.
Xiao, Y., & Yang, S. (2017). The retail chain design for perishable food: The case of price strategy and shelf space allocation. Sustainability, 9(1), 12.
Yang, M.-H. (2001). An efficient algorithm to allocate shelf space. European Journal of Operational Research, 131(1), 107-118.
Yang, M.-H., & Chen, W.-C. (1999). A study on shelf space allocation and management. International Journal of Production Economics, 60, 309-317.
Zhao, J., Zhou, Y.-W., & Wahab, M. (2016). Joint optimization models for shelf display and inventory control considering the impact of spatial relationship on demand. European Journal of Operational Research, 255(3), 797-808.
Zufryden, F. S. (1986). A dynamic programming approach for product selection and supermarket shelf-space allocation. Journal of the Operational Research Society, 37(4), 413-422.