ارائه مدلی استوار برای قیمت‌گذاری پویا و مقایسه آن با قیمت‌گذاری ایستا در زنجیره‌های تامین چندسطحی با رویکرد تئوری بازی‌ها

هدف: طراحی شبکه زنجیره تامین چند سطحی با هدف مدیریت کارای جریان محصولات، یکی از موضوعات مهم در مدیریت زنجیره تامین است. تعیین قیمت محصولات که می‌تواند تحت تاثیر عوامل متفاوتی همچون عدم‌قطعیت محیطی باشد، تاثیر بسزایی بر تصمیم استراتژیک طراحی شبکه زنجیره تامین خواهد داشت. بیشتر تحقیقات انجام‌شده در خصوص قیمت‌گذاری پویا، مربوط به زنجیره‌های تامین دوسطحی بوده‌اند و به تاثیر تبلیغات در زنجیره تامین پرداخته‌اند. در این پژوهش تلاش می‌شود که سطوح زنجیره تامین، به سه سطح ارتقا یابد و متغیرهای تبلیغات و موجودی انبار و همچنین، مسئله قیمت‌گذاری در زنجیره تامین بررسی خواهند شد. پس هدف کلی، بررسی هماهنگی زنجیره تامین با سه متغیر مرتبط با تبلیغات، موجودی انبار و مقایسه قیمت‌گذاری ایستا و پویاست (با توجه به رشد سریع تجارت الکترونیک، قیمت‌گذاری پویا، فعالیت قدرتمندی برای افزایش سود در زنجیره تامین است که کمتر به این مسئله پرداخته شده است)، زنجیره تامین در این پژوهش سه سطح را شامل می‌شود: تولیدکننده، تامین‌کننده، خرده‌فروش. همچنین منابع زیادی از جمله چن و همکارانش (2018) اشاره کرده‌اند که در بسیاری از کسب‌وکارهای نوآورانه، از قیمت‌گذاری پویا استفاده می‌شود و 60 درصد از مدیران توسعه بازار در سراسر دنیا با روش‌های قیمت‌گذاری پویا آشنایی دارند و 35 درصد از مدیرعاملان و مدیران کسب‌وکار قصد دارند که در سه سال آینده، کلیه مدل‌های قیمت‌گذاری خود را مبتنی روش‌های قیمت‌گذاری پویا طراحی کنند. در پژوهش حاضر نیز هدف ارائه مدلی استوار برای قیمت‌گذاری پویا و مقایسه آن با قیمت‌گذاری ایستا در زنجیره‌های تامین چندسطحی با رویکرد تئوری بازی‌ها است.روش: پژوهش حاضر از نوع کاربردی است. برای بررسی افق برنامه‌ریزی، استفاده از قیمت‌گذاری پویا، در برخی از بازیگران در یک سطح از زنجیره از مفهوم قیمت‌گذاری پویا و استفاده دیگران در همان سطح از قیمت‌گذاری ایستا و با در نظر گرفتن تقاضا به‌صورت غیرقطعی (استوار)، در نظر گرفتن مدل‌های تخفیف‌محور و در نهایت استفاده از بازی استکلبرگ برای بررسی هسته بازی و نقطه تعادل نش، در دستور کار قرار گرفت. مدل بهینه‌‏سازی استوار را مالوی و همکارانش ارائه کرده‌اند. در حالت کلی، پیامد هر خرده‌فروش حاصل تفاضل درآمدهای وی از هزینه‌های اوست. در چنین شرایطی، خرده‌فروش با هزینه‌های سفارش، هزینه‌های نگهداری و همچنین، هزینه‌های بازاریابی صرف شده برای هر محصول مواجه است. از سوی دیگر، حاشیه سود هر خرده‌فروش حاصل تفاضل قیمت پرداخت شده به تولیدکننده، برای خرید انبوه از قیمت فروش به مشتری است. شایان ذکر است که با توجه به اینکه محصول نهایی هر تولیدکننده، فقط برای یک خرده‌فروش ارسال می‌شود، تعداد تولیدکنندگان و خرده‌فروشان برابر است. به‌منظور تجزیه‌وتحلیل داده‌ها، از الگوریتم ژنتیک و بهینه‌سازی تجمع ذرات و نرم‌افزار متلب استفاده شد. ابتدا مدل در حالت ایستا و سپس در حالت پویا با نرم‌افزار گمز تجزیه‌وتحلیل و در نهایت، نتایج دو روش قیمت‌گذاری با یکدیگر مقایسه شد.یافته‌ها: در مقاله حاضر با ایجاد یک تابع تقاضای تصادفی بر مبنای الگوریتم‌های ژنتیک و بهینه‌سازی ذرات، دو مدل احتمالی تک‌دوره‌ای در یک فضای رقابتی ارائه می‌شود. در مدل نخست، خرده‌فروشان فقط نقش واسطه‌ای دارند و برای قیمت‌گذاری یا مقدار بهینه سفارش تصمیم نمی‌گیرند. در مدل یادشده، فرض بر این است که خرده‌فروشان تقاضا را دقیقاً و به همان میزانی که هست از مشتریان به تامین‌کنندگان انتقال دهند. تامین‌کنندگان برمبنای میزان تولید خود با کمبود و مازاد عرضه روبه‌رو می‌شوند. هدف این مدل، تعیین مقدار بهینه و مطلوب تولید و همچنین، قیمت برای هر تامین‌کننده است. علاوه‌بر این، در این مدل هزینه‌های مسیریابی به‌روش تقریبی وارد مدل شده است. نتایج محاسبات حاکی از آن است که تقریب ارائه‌شده بسیار دقیق است و نقطه تعادل را در زمان بسیار کمتری نسبت به مدل اصلی ارزیابی می‌کند. در مدل دوم، فرض بر این است که خرده‌فروشان با توجه به تعداد سفارش‌هایی که ارسال می‌کنند، متحمل هزینه‌های کمبود یا نگهداری می‌شوند. در این مدل نیز تامین‌کنندگان قیمت نهایی را تعیین می‌کنند و هدف خرده‌فروشان، تعیین مقدار بهینه سفارش است. در این مدل، فرض بر این است که تولید تامین‌کنندگان سفارشی شده و هزینه‌های موجودی، فقط برای خرده‌فروشان لحاظ می‌شود. موضوع مهمی که در رابطه با این مدل انجام شده، توجه به قیمت‌گذاری پویاست که همواره در مباحث مطرح‌شده در حوزه تئوری پویایی زنجیره تامین، اهمیت و البته پیچیدگی زیادی دارد.نتیجه‌گیری: نتایج از کارایی معنادار ترکیبی ارائه‌شده، برای حل مدل طراحی شبکه زنجیره تامین چند سطحی با قیمت‌گذاری پویا و ایستا حکایت دارد. تحلیل حساسیت سود تولیدکننده نشان داد که تغییرات باعث خواهد شد که افزایش در مبنای بازار یک تولیدکننده، به افزایش سود برای هر دو تولیدکننده منجر شود. نمودار تغییر در سود تولیدکننده نسبت به تغییر در هزینه‌ها، نشان داد که کاهش در هزینه تولید، به افزایش سود برای تولیدکننده منجر می‌شود، این در حالی است که سود تولیدکننده بعدی، در این شرایط کاهش می‌یابد. سود تامین‌کننده نیز همانند سود تولیدکننده با افزایش مبنای بازار افزایش می‌یابد. افزایش مبنای بازار همچنین سبب می‌شود که سود تامین‌کننده از بابت همکاری با تولیدکننده‌ها افزایش یابد. این افزایش سود، از دو طریق مختلف اتفاق می‌افتد. افزایش سود به جهت افزایش قیمت خرده‌فروش: هرچند قیمت عمده‌فروشی، به‌خاطر افزایش مبنای بازار و در نتیجه افزایش تقاضا افزایش می‌یابد، از طرفی، به‌خاطر افزایش در سطح خدمات به‌منظور ایجاد تعادل در بازی، تامین‌کننده با نسبت بیشتری قادر به افزایش قیمت خرده‌فروشی است. در نتیجه مقدار عبارت pi-wi افزایش می‌یابد. افزایش سود به جهت افزایش حجم فروش: به‌طور مسلم افزایش مبنای بازار، روی میزان فروش تاثیر بسزایی دارد و باعث افزایش آن می‌شود. سود تامین‌کننده نیز تابعی صعودی از حجم فروش است.

providing a robust dynamic pricing model and comparing it with static pricing in multi-level supply chains using a game theory approach

objective designing a multi-level supply chain network with efficient product flow management is an important issue in supply chain management. determining the price of products, which can be affected by different factors such as environmental uncertainty, will have a significant impact on the strategic decision of designing the supply chain network. in recent research on dynamic pricing, the majority focused on two-level supply chains, exploring the impact of advertising on the supply chain. in this study, the levels of the supply chain are upgraded to three levels, and the advertising and inventory variables as well as the pricing issue in the supply chain are investigated. hence, the overarching objective is to scrutinize the coordination of a supply chain involving three variables: advertising, warehouse inventory, and a comparison between static and dynamic pricing. given the accelerated expansion of e-commerce, dynamic pricing emerges as a potent strategy for profit augmentation within the supply chain, an aspect that has received comparatively less attention. the supply chain in this research includes three levels: producer, supplier, and retailer. in addition, many sources, including chen et al, 2018, have indicated that dynamic pricing is being used in many innovative businesses, that 60% of market development managers around the world are familiar with dynamic pricing methods, and that 35% of ceos and business managers plan to base all their pricing models on dynamic pricing methods in the next three years. this research initially aims to provide a stable model for dynamic pricing and compare it with static pricing in multi-level supply chains using a game theory approach. secondly, it examines the theoretical foundations, thirdly, the research methodology is presented, and fourthly, the discussion and conclusions are discussed. methodsthe present research falls under the category of applied research. it considers discount-oriented models to examine the planning horizon, the use of dynamic pricing in some actors at one level of the chain from the concept of dynamic pricing, and the use of static pricing by others at the same level and considering the demand in a non-deterministic (stable) manner. finally, the use of stackelberg’s game is presented to examine the core of the game and the nash equilibrium point. the robust optimization model is presented by malloy et al. initially, the model introduces symbols: x as the vector of design variables, and y as the vector of control variables. parameters a, b, and c are coefficient parameters, while b and e are parameter vectors. values for a and b are predetermined, and b, c, and e involve uncertainty. a particular understanding of the parameter is called scenario uncertainty, which is assigned the symbol s, and its probability is specified by ps. k retailers operate in the supply chain, and each retailer supplies the desired product from only one manufacturer. in general, the outcome for each retailer is the disparity between their income and expenses. in such a situation, the retailer faces ordering, holding, and marketing costs for each product. the profit margin of each retailer is the difference between the price paid to the manufacturer for the bulk purchase and the selling price to the customer. it is worth noting that considering that the final product of each manufacturer is sent to only one retailer, the number of manufacturers and retailers is equal. for data analysis, a genetic algorithm, particle accumulation optimization, and matlab software were employed. initially, the model underwent analysis in static mode, followed by dynamic mode analysis using games software. ultimately, the outcomes of the two pricing methods were compared. resultsthis article introduces the development of a stochastic demand function utilizing genetic algorithms and particle optimization. it presents two distinct single-period models designed for a competitive environment. in the first model, retailers have only an intermediary role and do not decide on pricing or optimal order quantity. in the mentioned model, it is assumed that retailers transfer the demand exactly and to the same extent as it is from the customers to the suppliers. based on the amount of their production, suppliers face shortages and excess supply. the purpose of this model is to determine the optimal and desirable amount of production as well as the price for each supplier. in addition, routing costs are approximated. the results indicate that the presented approximation is very accurate and evaluates the equilibrium point in much less time than the original model. in the second model, retailers are assumed to incur shortage or maintenance costs according to the number of orders they send. here, the suppliers determine the final price, and the goal of the retailers is to determine the optimal amount of the order. in this model, it is assumed that suppliers’ production is customized, and inventory costs are considered only for retailers. a noteworthy aspect of this model is the emphasis on dynamic pricing—an inherently crucial and intricate element within the domain of supply chain dynamics theory conclusionthe results underscore the substantial efficacy of the proposed combination in addressing the multi-level supply chain network design model with both dynamic and static pricing. the sensitivity analysis of the manufacturer’s profit showed that the changes indicating an increase in the market base of a manufacturer will lead to an increase in profit for both manufacturers. the graph of the change in the producer’s profit compared to the change in the costs showed that a decrease in the production cost leads to an increase in the profit for the producer, while the profit of the next producer decreases in these conditions. like the producer’s profit, the distributor’s profit also increases with the market base. expanding the market base not only leads to an increase in the distributor’s profit through collaboration with producers but also occurs through two distinct mechanisms. firstly, there’s a profit increase due to raising retailer prices. although wholesale prices increase with the expanded market base and heightened demand, the distributor, to maintain balance, can elevate retail prices at a higher ratio. consequently, the value of the pi-wi term increases. secondly, there’s a profit increase resulting from boosting sales volume. the distributor’s profit is positively influenced by the increase in sales volume, thereby reinforcing the overall financial outcome.