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

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 تامین 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. یکی از چالش‌هایی که صنعت فولاد با آن رو به رو می‌باشد، اداره و مدیریت زنجیره تامین می‌باشد. در صنعت فولاد و مدیریت زنجیره تامین، 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 تامین 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.

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

the main problem in the steel industry and value chain management is identifying and modeling fluctuations in this market. considering the vertical chain in this industry and the interaction between players, we will use game theory to model the optimal price. on the other hand, considering that to achieve equilibrium, player interaction, and game repetition are needed, deep learning models were used to repeat the game.the research method is quantitative, descriptive in terms of philosophy, positivism, in terms of nature, and applied in terms of results. the data collection method is the library. the research period is seasonal data from 2011 to 2020 and the software used is matlab software.this research presents a hybrid model based on deep learning networks and game theory to help steel industry activists determine the optimal price level and production. to predict the price of steel, cnn, lst, and rnn algorithms were used in deep mode.the results show the fact that by moving from the cornot game to the stackelberg game and from the stackelberg game to the collusion game in the supply chain, it increases the price and production in the steel industry. the exclusivity of the steel market in iran assures the producers that the price will not decrease with the increase in supply.