The Geometric programming in Joint Production and Marketing Planning
محل انتشار: چهارمین کنفرانس ملی مهندسی صنایع
سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,944
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IIEC04_057
تاریخ نمایه سازی: 7 مهر 1385
چکیده مقاله:
Considering the decision making in two separated parts, production and marketing causes reducing the efficiency of a firm and/or contrast in the way of doing what a company should do. With respect to relationship between production and market ,an integration or coordination model for production planning and marketing in order to maximize the benefit of a producing company will be offered. Production cost is a exponential function of production volume and demand is a exponential function of price and marketing expenditure and discount with elasticity coefficients. Considering the form of demand and cost ,the offering model is a signomial geometric programming. The constraint of model is the demand as the upper bound of the production volume. Using the Geometric programming for solving the problem, the optimizing amount of price , marketing expenditure, production lot size, production volume and discount. for each product will be determined. Then the numerical example, the upper and lower bound of objective function, sensitivity analysis and the effects of underestimation and overestimation amount will be told and at the end of paper, the conclusion and the suggestions are offered.
کلیدواژه ها:
Convex programming ، Geometric programming (GP) ، The signomial and posynomial geometric programming (Signomial and Posynomial GP) ، Joint manufacturing-marketing decisions ، Optimization
نویسندگان
Mohammad Saeidi Mehrabad
Associate Professor
Mir-Bahador Aryanezhad
Professor
Maryam Esmaeili
The Student of Phd in Social & Economical Systems, IUST
Mehdi Abbasi
Assistant Professor of Shiraz Azad University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :