تعیین مدل سیاست‌ زمان بهینه وارانتی برای محصولات باحالت‌های خرابی متعدد با در نظر گرفتن توزیع آمیخته در طول دوره وارانتی

هدف:  این پژوهش با هدف بهینه‌سازی دوره‌های وارانتی در محصولات پیچیده، نقش وارانتی را در حفظ مشتریان و مدیریت هزینه‌ها بررسی می‌کند. مدل پیشنهادی با استفاده از توزیع آماری آمیخته، خرابی‌های جزیی و اساسی را هم‌زمان مدل‌سازی کرده و به دنبال حداقل‌سازی هزینه چرخه‌عمر محصول در کنار حفظ رضایت مشتری است.روش‌شناسی پژوهش: مدل ریاضی تحقیق شامل تعریف هزینه‌های چرخه‌عمر، تعیین تابع هدف برای حداقل‌سازی هزینه‌ها و محاسبه دوره بهینه وارانتی است. داده‌ها از طریق مثال عددی و تحلیل حساسیت اعتبارسنجی شده و حل مدل با نرم‌افزار  maple 2024 انجام شده است.یافته‌ها: دوره بهینه وارانتی بین 3.5 تا 4.5 واحد زمانی تعیین شد و مدل نسبت به روش‌های مرسوم %23 کاهش هزینه ایجاد کرد. تحلیل حساسیت نشان داد تغییرات در احتمال خرابی و نرخ خرابی، تاثیر مستقیم بر طول دوره بهینه دارند.اصالت/ارزش‌افزوده علمی: استفاده از توزیع آماری آمیخته برای مدل‌سازی هم‌زمان خرابی‌ها، رویکردی نوآورانه و واقع‌گرایانه ارایه می‌دهد. این مدل ابزاری کاربردی برای تنظیم سیاست‌های وارانتی و کاهش هزینه‌های چرخه‌عمر است و زمینه توسعه آن با در نظر گرفتن خرابی‌های وابسته و داده‌های واقعی وجود دارد.

determining the optimal time policy model for the products with multiple failure states by considering mixture distributio

purpose: this study aims to optimize warranty periods for complex products by examining the role of warranties in customer retention and cost management. the proposed model uses a mixed statistical distribution to simultaneously model minor and major failures, seeking to minimize the product’s life-cycle cost while maintaining customer satisfaction.methodology: the mathematical model defines life-cycle costs, establishes an objective function to minimize total costs, and determines the optimal warranty period. a numerical example and sensitivity analysis are used for validation, and the model is solved using maple 2024.findings: the optimal warranty period was identified between 3.5 and 4.5 time units, and the model achieved a 23% cost reduction compared to conventional methods. sensitivity analysis showed that changes in failure probability and failure rate have a direct impact on the optimal warranty length.originality/value: the use of a mixed statistical distribution to simultaneously model different failure types offers an innovative and more realistic approach. this model provides a practical tool for adjusting warranty policies and reducing life-cycle costs, with potential for further development by incorporating dependent failures and real-world data.