کاربرد نظریه بازی در بهینه‌سازی مسئله حمل‌ونقل سبز چندسطحی با ذینفعان چند‌گانه

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

دوره 17، شماره 61، آبان 1401، صفحه 198-215   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/imj.2022.1961617.1780

نویسندگان

محمود درویش صفت¹؛ جواد رضاییان^{* 2}؛ محمد مهدی پورپاشا³

¹دانشجوی دکتری مدیریت صنعتی گرایش تولید و عملیات، دانشکده مدیریت دانشگاه آزاد اسلامی واحد فیروزکوه، ایران

²دانشیار، عضو هیأت علمی دانشگاه علوم و فنون مازندران، بابل، ایران

³استادیار، عضو هیأت علمی دانشگاه آزاد اسلامی واحد چالوس، ایران

چکیده

تئوری بازی حوزه ای از ریاضیات کاربردی است و به مطالعه رفتار راهبردی یعنی شرایطی که مطلوبیت هرعامل، به انتخاب خود و بازیگران دیگر همبستگی دارد می پردازد. زندگی روزمره ما، مثال هایی بیشمار از چنین وضعیتی دارد. هدف از انجام این تحقیق مدل سازی و حل مسله حمل و نقل سبز چند سطحی و ذینفعان متعدد به کمک تئوری بازی با مطرح کردن سناریو های مختلف به نحوی که کلیه ذینفعان حاضر در بازی به حدکثر منافع خود دست یابند می باشد. لذا یک مدل جامع چند سطحی زنجیره تأمین متشکل از چند ذینفع همزمان، در نظر گرفته شده است، در مرحله اول با توجه به فاکتور های حمل و نقل و توزیع محصول بین اعضای زنجیره، مدل بهینه جهت دستیابی به کمترین هزینه در سطوح مختلف شامل، کمترین هزینه های خرید و تولید، نگهداری، کمبود و انبار همچنین کمینه سازی میزان دی اکسید کربن تولید شده در مراحل مختلف تولید و حمل برای طرفین بدست می آوریم، در ادامه رقابتی در چهار چوب یک بازی جهت انتخاب حالتی بهینه بین ذینفعان زنجیره تامین ارائه خواهد شد تا بهترین تصمیم در شرایط یک بازی مشارکتی با در نظر گرفتن سناریو های مختلف اتخاذ گردد. در این راستا از نرم افزار اکسل و گمز جهت مدل سازی و حل مثال عددی مطرح شده استفاده شد و نتایج بدست آمده برتری مقادیر بهینه مدل تئوری بازی را تایید کرد.

کلیدواژه‌ها

حمل و نقل سبز چند سطحی؛ ذینفعان چند گانه؛ نظریه بازی

مراجع

1. Araghi, N. (2017). Optimizing decision-making in the multi-level supply chain with a game theory approach, Business Management PHD Thesis, Faculty of Management and Economics, University of Scientific Research, Tehran. (In Persian)
2. Asghari, N., Eshaghi Gorji, M. & Abounoori, E. (2019). Modeling budget distribution in Iran using game theory, Quarterly Journal of Modeling of Econometrics, 2,133-153. (In Persian)
3. Chakraborty, P., & Poddar, M. (2020). Role of Multiple Stakeholders in Value Co-creation and Effects on Medical Tourism. Jindal Journal of Business Research, 9(1), 18-26.
4. Nur, F. (2020). Developing models and algorithms to design a robust inland waterway transportation network under uncertainty. Mississippi State University.
5. Gao, J., & You, F. (2019). A stochastic game theoretic framework for decentralized optimization of multi-stakeholder supply chains under uncertainty. Computers & Chemical Engineering, 122, 31-46.
6. Gholami, M. (2020). A mathematical model for designing supply chain network considering production and transportation planning for production time dependent products, Industrial Management Master Thesis, Ghiasuddin Jamshid Kashani University, Faculty of Industry and Management. (In Persian)
7. Huang, Y., & Huang, G. Q. (2012). Integrated supplier selection, pricing and inventory decisions in a multi-level supply chain. In Decision-Making for Supply Chain Integration(pp. 47-62). Springer, London.
8. Jafari-Nodoushan, A., Fakhrzad, M. B., & Maleki, H. (2022). Optimization of the green supply chain management considering uncertainty in consequence of risk (Case Study: Golsam company). Journal of Industrial and Systems Engineering, 14(2), 322-340.
9. Kannan, D. (2018). Role of multiple stakeholders and the critical success factor theory for the sustainable supplier selection process. International Journal of Production Economics, 195, 391-418.
10. Lima, C., Relvas, S., & Barbosa-Póvoa, A. P. F. (2016). Downstream oil supply chain management: A critical review and future directions. Computers & Chemical Engineering, 92, 78-92.
11. Mahmoudi, R. (2019). Designing a sustainable urban transportation network using data envelopment analysis and game theory, Industrial Engineering PHD Thesis, Isfahan University of Technology, Faculty of Industrial and Systems Engineering. (In Persian)
12. Masheli A. & Mohamaditabar, D. (2017). Selecting suppliers with a collaborative game theory approach considering capacity constraints and sending items simultaneously, Journal of Industrial Engineering Research in Production Systems, no 10. (In Persian)
13. Salimi, P. & Edalatpanah, SA. (2020). Supplier selection using fuzzy AHP method and D-numbers, Journal of fuzzy Extension and Applications, 1-14. 10. 22105/jfea.2020.248437.1007.
14. Babu, S., & Mohan, U. (2018). An integrated approach to evaluating sustainability in supply chains using evolutionary game theory. Computers & operations research, 89, 269-283.
15. Gao, J., & You, F. (2019). A stochastic game theoretic framework for decentralized optimization of multi-stakeholder supply chains under uncertainty. Computers & Chemical Engineering, 122, 31-46.
16. Liu, Z., Qian, Q., Hu, B., Shang, W. L., Li, L., Zhao, Y., ... & Han, C. (2022). Government regulation to promote coordinated emission reduction among enterprises in the green supply chain based on evolutionary game analysis. Resources, Conservation and Recycling, 182, 106290.
17. Zimmer, K., Fröhling, M., & Schultmann, F. (2016). Sustainable supplier management–a review of models supporting sustainable supplier selection, monitoring and development. International journal of production research, 54(5), 1412-1442.