فصلنامه انجمن علوم مدیریت ایران

فصلنامه انجمن علوم مدیریت ایران

رویکردی نوین به مدلسازی زنجیره تامین صنعت فولاد (هیبرید مدل های یادگیری عمیق و نظریه بازی ها )

نوع مقاله : مقاله استخراج شده از پایان نامه

نویسندگان
مینا کاظمیان 1
محمدعلی افشار کاظمی 2
کیامرث فتحی هفشجانی 3
محمد رضا معتدل 4
1 دانشجوی دکترای تخصصی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران
2 دانشیار، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی ، تهران، ایران
3 استادیار، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
4 استادیار ،دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکزی ، تهران، ایران
100/jiams.2025.8815.7711
چکیده
مسئله اصلی که در صنعت فولاد و مدیریت زنجیره ارزش وجود دارد؛ شناسایی و مدل‌سازی نوسانات در این بازار است. با توجه به زنجیره عمودی در این صنعت و تعامل مابین بازیکنان این صنعت از نظریه‌بازی‌ها جهت مدل‌سازی قیمت بهینه بهره خواهیم برد. از طرفی با توجه به اینکه برای رسیدن به تعادل نیاز به تعامل بازیکنان و تکرار بازی هست از مدل‌های یادگیری عمیق جهت تکرار بازی کمک گرفته شد.تحقیق حاضر از نظر مخاطب، ﮐﺎرﺑﺮدی، از نظر هدف، توصیفی و از نظر زمانی در رسته تحقیقات مقطعی قرار دارد. داده‌های مورد استفاده در پژوهش حاضر در بازه زمانی 2011 تا 2020 تهیه و توسط نرم افزار متلب تحلیل شده است.
در این تحقیق یک مدل ترکیبی بر اساس شبکه‌های یادگیری عمیق و تئوری بازی‌ها ارائه شده است تا بتواند در تعیین سطح قیمت و تولید بهینه به فعالان صنعت فولاد کمک کند. جهت پیش‌بینی قیمت فولاد از سه الگوریتم‌های CNN، LST، RNN در حالت عمیق بهره گرفته شد.
نتایج بیانگر این واقعیت است که با حرکت از سمت بازی کورنو به سمت بازی استکلبرگ و از بازی استکلبرگ به سمت بازی تبانی در زنجیره تأمین موجب افزایش قیمت و تولید در صنعت فولاد می‌گردد، به عبارتی با افزایش سطح تبانی در بازار فولاد میزان محصول بیش‌تری در بازار عرضه شده و همزمان سطح قیمت محصول نیز افزایش خواهد یافت؛ انحصاری بودن بازار فولاد در ایران این اطمینان را به تولید کنندگان می‌دهد که با افزایش عرضه قیمت کاهش نیابد.
کلیدواژه‌ها
یادگیری عمیق
صنعت فولاد
قیمت بهینه
نظریه بازی‌ها

عنوان مقاله English

A new approach to supply chain modeling of the steel industry (Hybrid of deep learning models and game theory)

نویسندگان English

mina kazemian 1
Mohamad Ali Afshar Kazemi 2
kiamars fathi hafshejani 3
Mohammadreza Motadel 4
1 Ph.D. student, Faculty of Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 Associate Professor, Faculty of Management, Islamic Azad University Central Tehran
3 Assistant Professor, Faculty of Management, Islamic Azad University South Tehran Branch, Tehran, Iran
4 Assistant Professor, Faculty of Management, Islamic Azad University Central Tehran Branch, Tehran, Iran
چکیده English

یکی از چالش‌هایی که صنعت فولاد با آن رو به رو می‌باشد، اداره و مدیریت زنجیره تأمین می‌باشد. در صنعت فولاد و مدیریت زنجیره تأمین، شناسایی و مدل‌سازی نوسانات بازار فولاد بسیار با اهمیت است. با توجه به زنجیره عمودی در این صنعت و تعامل مابین بازیکنان این صنعت از نظریه‌بازی‌ جهت مدل‌سازی قیمت بهینه بهره گرفته شده است. از طرفی با توجه به اینکه برای رسیدن به تعادل نیاز به تعامل بازیکنان و تکرار بازی دارد از مدل‌های یادگیری عمیق جهت تکرار بازی استفاده شد.
روش تحقیق از نظر هدف کاربردی می‌باشد. بازه زمانی تحقیق داده‌های فصلی 2011 تا 2020 و نرم افزار مورد استفاده نرم افزار متلب می‌باشد.
در این تحقیق یک مدل ترکیبی بر اساس شبکه‌های یادگیری عمیق و تئوری بازی‌ها ارائه شده است تا بتواند در تعیین سطح قیمت و تولید بهینه به فعالان صنعت فولاد کمک کند. جهت پیش‌بینی قیمت فولاد از سه الگوریتم‌های CNN، LST، RNN در حالت عمیق بهره گرفته شد.
نتایج بیانگر این واقعیت است که با حرکت از سمت بازی کورنو به سمت بازی استکلبرگ و از بازی استکلبرگ به سمت بازی تبانی در زنجیره تأمین موجب افزایش قیمت و تولید در صنعت فولاد می‌گردد، به عبارتی با افزایش سطح تبانی در بازار فولاد میزان محصول بیش‌تری در بازار عرضه شده و همزمان سطح قیمت محصول نیز افزایش خواهد یافت؛ انحصاری بودن بازار فولاد در ایران این اطمینان را به تولید کنندگان می‌دهد که با افزایش عرضه قیمت کاهش نیابد.

کلیدواژه‌ها English

Deep learning
steel industry
optimal price
game theory