Abstract:
هدف: مدیریت زنجیره تأمین نوعی مدیریت سازمانی مدرن است که جریان اطلاعات، جریان سرمایه و مشارکتهای تجاری را در زنجیره تأمین سازماندهی و برنامهریزی میکند و به اطلاعات کامل تجاری و بازار نیاز دارد (کویین و همکاران، 2012)؛ با این حال، هزینه بهدستآوردن شرکتهای زنجیره تأمین و اطلاعات محصول با روشهای سنتی، بسیار سنگین است. فناوری اطلاعات نیرویی را برای شرکتها فراهم میکند تا مدیریت زنجیره تأمین را پیادهسازی کنند و زنجیره تأمین را بهراحتی به اشتراک بگذارند. همه شرکتها در زنجیره تأمین، میتوانند از طریق مدیریت اطلاعات ارزش ایجاد کنند (شاواکی و همکاران، 2023). استفاده از رویکردهای هوشمند برای پیشبینی قیمت و میزان تقاضا، عملکرد تحویل تأمینکننده، دقت پیشبینی تقاضا، افزایش دقت برنامهریزی کارخانه و پیشبینی تقاضا برای محصولات جدید را بهبود میدهد و باعث میشود که ریسک تأمینکننده، هزینه حملونقل، هزینههای موجودی و عملیات و زمان پاسخگویی کاهش یابد (تیرکلایی و همکاران، 2021). در مدیریت زنجیره تأمین، پیشبینی دقیق تقاضا که از قیمت تبعیت میکند، موضوعی حیاتی است که میتواند هزینه موجودی را کاهش دهد و سطح خدمات مطلوب را بهدست آورد (زوقاق و همکاران، 2020). رویکردهای هوشمند قیمتگذاری در زنجیره تأمین، به شرکتهای زنجیره تأمین کمک میکند تا با توجه به دانش بهدستآمده، کیفیت نحوه ارائه محصول خود را در مدیریت زنجیره تأمین تطبیق دهند (کوتسیوپولوس و همکاران، 2021). در صنعت فولاد و مدیریت زنجیره تأمین، شناسایی و مدلسازی نوسانهای بازار فولاد بسیار مهم است. با توجه به زنجیره عمودی در این صنعت و تعامل مابین بازیکنان این صنعت، از نظریه بازی برای مدلسازی قیمت بهینه بهره برده شده است. از طرفی با توجه به اینکه برای رسیدن به تعادل، به تعامل بازیکنان و تکرار بازی نیاز است، از مدلهای شبکه عصبی برای تکرار بازی استفاده شده است. در ادامه با توجه به شرایط خاص کشور در خصوص تحریمهای شدید در صنعت فلزات، متغیر تحریم بهعنوان عامل تعدیل در مدلسازی قیمت این صنعت در نظر گرفته شده است.
روش: پژوهش حاضر از نظر هدف کاربردی است. بازه زمانی پژوهش برای پیشبینی قیمت فولاد و محاسبه شاخص تحریم، دادههای فصلی سالهای 2011 تا 2020 بوده است. نرمافزار استفادهشده در این پژوهش، نرمافزار متلب است.
یافتهها: برای پیشبینی قیمت فولاد، از سه شبکه عصبی بیزین، بردارهای پشتیبان و پاد انتشار گراسبرگ بهره گرفته شد. نتایج بیانگر این واقعیت است که مدل پاد انتشار گراسبرگ، در پیشبینی قیمت فولاد دقت بیشتری دارد. در ادامه، قیمت پیشبینیشده وارد فرایند نظریه بازیها شد و نقطه تعادل نش مدل تعیین شد. با توجه به شرایط خاص کشور، متغیر تحریم در مدل نظریه بازیها وارد شد. نتایج نشان داد که حضور تحریمها در مدل، باعث افزایش قیمتها و کاهش تولید در صنعت فولاد شده است. با توجه به اینکه در پژوهش حاضر، تغییرات قیمت ناشی از تغییرات عرضه و تقاضا، در حضور تحریمها بررسی شد، بهعلت کاهش عرضه و افزایش سطح تحریم، سطح قیمتها با رشد فزایندهای نسبت به تغییرات عرضه مواجه شد؛ در نتیجه میتوان گفت که فولاد یک نهاده کمکشش است. این امر موجب میشود که هر گونه اخلال در زنجیره تأمین فولاد، افزایش شدید قیمت این کالا و تلاطم در بازار آن را در پی داشته باشد. در نتیجه، این امر حساسیت مدیریت زنجیره تأمین در محصول فولاد را دوچندان میکند. بر این اساس، لازم است که از دیدگاهی سیستمی و پویا در سیاستهای تنظیم بازار، سیاستهای تأمین مواد اولیه و حملونقل، انبارداری و... بهرهگیری شود. باید توجه شود که استفاده از رویکردهای هوشمند و یادگیری ماشینی، در راستای هماهنگسازی این امور نقش بسزایی را ایفا میکند.
نتیجهگیری: با توجه به اینکه در پژوهش حاضر از رویکرد استکلبرگ استفاده شده است، نتایج بهترتیب ورود بازیکنان به بازی، بر تعادل نش حساس است. تدوین قوانین و مقررات نظارت ورود به بازار در این صنعت باید بررسی شود؛ زیرا صنعت فولاد جزء صنایعی است که هزینههای ورود و خروج سنگینی دارد. با توجه به نتایج پژوهش، بایستی نظارت بر ورود و خروج بازیکنان در این صنعت، در کانون توجه سیاستگذاران و مدیران این صنعت قرار گیرد و تلاش شود که قواعد بازی و استانداردهایی برای فعالان این بازار تدوین شود.
Purpose: In the steel industry and value chain management; Identifying and modeling fluctuations in this market is very important. Considering the vertical chain in this industry and the interaction between players in this industry, we will use game theory to model the optimal price. On the other hand, taking into account that in order to reach the balance, the interaction of the players and repetition of the game is needed, the help of neural network models was used to repeat the game. In the following, according to the specific conditions of the country that is facing severe sanctions in the metal industry, the sanctions variable will be considered as an adjustment factor in the price modeling of this industry.Methodology: The research method is practical in terms of purpose. The research period of seasonal data is from 2011 to 2020 and the software used is MATLAB software.Findings: Based on the explanations, a composite model based on artificial neural networks and game theory was presented .The estimation of the research models has been done using MATLAB and Eviews software. In this model, a neural network is used to learn the effect of steel producers' decisions in determining the level of steel supply on its price. Then the trained neural network is used to create an outcome function for a game model between manufacturers and retailers. The presented model is used to determine the best decision in the amount of steel production to determine the optimal price. Three Bayesian neural networks, support vectors and Grossberg's anti-diffusion were used to predict the price of steel. The results show the fact that the Grossberg anti-diffusion model is more accurate in predicting steel prices. Next, the predicted price entered the game theory process and the Nash equilibrium point of the model was determined. The introduction of sanctions into the game theory will cause changes in production and prices in the steel industry market, and it is expected to affect the Nash equilibrium obtained from the gameResult: Considering the importance of price and time decisions in a two-channel supply chain, in this research, using the two-stage optimization technique and the Stackelberg game, the optimal decisions for price and production in a decentralized supply chain were investigated In the following, according to the specific conditions of the country, the sanctions variable was included in the game theory model. The results show the fact that the presence of sanctions in the model has increased prices and reduced production in the steel industry. In this research, for the first time, we took into account the issue of sanctions in the steel market modeling and investigated the role of this factor in changes in the price and quantity of production in the steel industry.
Machine summary:
Ghavamifar, Makui & Taleizadeh 2.
Abapour, Mohammadi-Ivatloo & Hagh 2.
Rezvani, Amoozad Mahdiraji, Abbasian & Mehregan 7.
De Boer,Steeman,Van Bargen 3.
در جمع بندي پيشينه تحقيق مي توان بيان داشت ؛ نوآوري پژوهش حاضر نسبت به تحقيقات مورد بررسـي ، هيبريـد نمودن رويکردهاي نظريه بازي و شبکه هاي عصبي با لحاظ تعديل قرار دادن متغير تحريم ها جهت بومي سـازي مـدل بـا توجه به شرايط کشور در بازار فولاد است .
Bousqaoui, Slimani & Achchab 2.
Punia, Singh & Madaan 3.
Mocanu, Nguyen, Gibescu & Kling 4.
Charmchi,Ifaei,Yoo 5.
Pricing Decisions in Dual-Channel supply chain including monopolistic manufacture and duoplistic retailers: A game-theoretic approach.
An improved demand forecasting model using deep learning approach and proposed decision integration strategy for the supply chain.
Managing a dual-channel supply chain under price and delivery-time dependent stochastic demand.
Presentation of the competitive model of multilateral sales in supply chains and its analysis using game theory, 10th International Industrial Engineering Conference, Tehran.
Modeling and analyzing pricing and inventory problem in a closed-loop supply chain with return policy and multiple manufacturers and multiple sales channels using game theory.
Joint decision on product greenness strategies and pricing in a dual-channel supply chain : A robust possibilistic approach.
Optimal pricing decisions in a fuzzy dual-channel supply chain.
Pricing decisions in a dual-channel green supply chain with product customization.
Pricing decision of a manufacturer in a dual-channel supply chain with asymmetric information.