动态学习与遗忘过程对医疗设备全服务维修定价合约优化建模的影响
应用统计
2022-04-13 v1
摘要
为提升原始设备制造商(OEMs)在 full-service (FS，全服务)与 on-call service (OS，随叫随到服务)共存市场中的盈利能力与客户服务管理，本文拓展考虑动态学习与遗忘效应的FS维修合约定价优化建模。在考虑维护实践中自主学习的同时，本研究还分析了工作场所中诱导学习与遗忘过程如何影响FS与OS组合中FS合约的定价优化模型。基于某医疗行业真实数据的数值分析证明，此处讨论的增强FS定价模型具两大优势：(1)可显著提升维修效率；(2)相较于原FS模型与单一OS维护，可助OEM获得更优利润。敏感性分析表明，若内部故障率上升，优化FS价格渐增直至最大值，且OEM盈利性总体上升；若诱导学习频率提高，最优FS价格在短期下行后回升，OEM盈利性保持稳定。
引用
@article{arxiv.2204.05552,
title = {The Effects of Dynamic Learning and the Forgetting Process on an Optimizing Modelling for Full-Service Repair Pricing Contracts for Medical Devices},
author = {Aiping Jiang and Lin Li and Xuemin Xu and David Y. C. Huang},
journal= {arXiv preprint arXiv:2204.05552},
year = {2022}
}