ارائه مدل هوشمند تعيين قيمت فولاد با رويكرد ‌‌‌‌‌تركيبي نظريه بازي‌ها و الگوريتم‌هاي ‌‌‌يادگيري ماشين

هدف: مديريت زنجيره تأمين نوعي مديريت سازماني مدرن است كه جريان اطلاعات، جريان سرمايه و مشاركت‌هاي تجاري را در زنجيره تأمين سازمان‌دهي و برنامه‌ريزي مي‌كند و به اطلاعات كامل تجاري و بازار نياز دارد (كويين و همكاران، 2012)؛ با اين حال، هزينه به‌دست‌آوردن شركت‌هاي زنجيره تأمين و اطلاعات محصول با روش‌هاي سنتي، بسيار سنگين است. فناوري اطلاعات نيرويي را براي شركت‌ها فراهم مي‌كند تا مديريت زنجيره تأمين را پياده‌سازي كنند و زنجيره تأمين را به‌راحتي به اشتراك بگذارند. همه شركت‌ها در زنجيره تأمين، مي‌توانند از طريق مديريت اطلاعات ارزش ايجاد كنند (حسين نياشاواكي و همكاران، 2023). استفاده از رويكردهاي هوشمند براي پيش‌بيني قيمت و ميزان تقاضا، عملكرد تحويل تأمين‌كننده، دقت پيش‌بيني تقاضا، افزايش دقت برنامه‌ريزي كارخانه و پيش‌بيني تقاضا براي محصولات جديد را بهبود مي‌دهد و باعث مي‌شود كه ريسك تأمين‌كننده، هزينه حمل‌ونقل، هزينه‌هاي موجودي و عمليات و زمان پاسخ‌گويي كاهش يابد (تيركلايي و همكاران، 2021). در مديريت زنجيره تأمين، پيش‌بيني دقيق تقاضا كه از قيمت تبعيت مي‌كند، موضوعي حياتي است كه مي‌تواند هزينه موجودي را كاهش دهد و سطح خدمات مطلوب را به‌دست آورد (زوقاق و همكاران، 2020). رويكردهاي هوشمند قيمت‌گذاري در زنجيره تأمين، به شركت‌هاي زنجيره تأمين كمك مي‌كند تا با توجه به دانش به‌دست‌آمده، كيفيت نحوه ارائه محصول خود را در مديريت زنجيره تأمين تطبيق دهند (كوتسيوپولوس و همكاران، 2021). در صنعت فولاد و مديريت زنجيره تأمين، شناسايي و مدل‏سازي نوسان‌هاي بازار فولاد بسيار مهم است. با توجه به زنجيره عمودي در اين صنعت و تعامل مابين بازيكنان اين صنعت، از نظريه ‌بازي‌ براي مدل‏سازي قيمت بهينه بهره برده شده است. از طرفي با توجه به اينكه براي رسيدن به تعادل، به تعامل بازيكنان و تكرار بازي نياز است، از مدل‌هاي شبكه عصبي براي تكرار بازي استفاده شده است. در ادامه با توجه به شرايط خاص كشور در خصوص تحريم‌هاي شديد در صنعت فلزات، متغير تحريم به‌عنوان عامل تعديل در مدل‏سازي قيمت اين صنعت در نظر گرفته شده است. روش: پژوهش حاضر از نظر هدف كاربردي است. بازه زماني پژوهش براي پيش‌بيني قيمت فولاد و محاسبه شاخص تحريم، داده‌هاي فصلي سال‌هاي 2011 تا 2020 بوده است. نرم‌افزار استفاده‌شده در اين پژوهش، نرم‌افزار متلب است. يافته‌ها: براي پيش‌بيني قيمت فولاد، از سه شبكه عصبي بيزين، بردارهاي پشتيبان و پاد انتشار گراسبرگ بهره گرفته شد. نتايج بيانگر اين واقعيت است كه مدل پاد انتشار گراسبرگ، در پيش‌بيني قيمت فولاد دقت بيشتري دارد. در ادامه، قيمت پيش‌بيني‌شده وارد فرايند نظريه بازي‌ها شد و نقطه تعادل نش مدل تعيين شد. با توجه به شرايط خاص كشور، متغير تحريم در مدل نظريه بازي‌ها وارد شد. نتايج نشان داد كه حضور تحريم‌ها در مدل، باعث افزايش قيمت‌ها و كاهش توليد در صنعت فولاد شده است. با توجه به اينكه در پژوهش حاضر، تغييرات قيمت ناشي از تغييرات عرضه و تقاضا، در حضور تحريم‌ها بررسي شد، به‌علت كاهش عرضه و افزايش سطح تحريم، سطح قيمت‌ها با رشد فزاينده‌اي نسبت به تغييرات عرضه مواجه شد؛ در نتيجه مي‌توان گفت كه فولاد يك نهاده كم‌كشش است. اين امر موجب مي‌شود كه هر گونه اخلال در زنجيره تأمين فولاد، افزايش شديد قيمت اين كالا و تلاطم در بازار آن را در پي داشته باشد. در نتيجه، اين امر حساسيت مديريت زنجيره تأمين در محصول فولاد را دوچندان مي‌كند. بر اين اساس، لازم است كه از ديدگاهي سيستمي ‌و پويا در سياست‌هاي تنظيم بازار، سياست‌هاي تأمين مواد اوليه و حمل‌ونقل، انبارداري و... بهره‌گيري شود. بايد توجه شود كه استفاده از رويكردهاي هوشمند و يادگيري ماشيني، در راستاي هماهنگ‌سازي اين امور نقش بسزايي را ايفا مي‌كند. نتيجه‌گيري: با توجه به اينكه در پژوهش حاضر از رويكرد استكلبرگ استفاده شده است، نتايج به‌ترتيب ورود بازيكنان به بازي، بر تعادل نش حساس است. تدوين قوانين و مقررات نظارت ورود به بازار در اين صنعت بايد بررسي شود؛ زيرا صنعت فولاد جزء صنايعي است كه هزينه‌هاي ورود و خروج سنگيني دارد. با توجه به نتايج پژوهش، بايستي نظارت بر ورود و خروج بازيكنان در اين صنعت، در كانون توجه سياست‌گذاران و مديران اين صنعت قرار گيرد و تلاش شود كه قواعد بازي و استانداردهايي براي فعالان اين بازار تدوين شود.