Abstract:
حراج معکوس آنلاین یکی از رویکردهای تأمین کالا و مواد موردنیاز بر بستر اینترنت میباشد که در آن خریدار، یک یا چند فروشنده را بر اساس پیشنهادهای آنها انتخاب مینماید. در این مقاله یک چهارچوب جدید برای فرایند حراج معکوس آنلاین ارائهشده است که هر دو سوی فرایند تأمین (خریدار و فروشنده) را در نظر میگیرد. فرایند حراج پیشنهادی یک حراج معکوس آنلاین چند شاخصهی نیمهبسته چند دورهای میباشد. در این فرایند یک بازار ساز آنلاین، با پیشبینی تابع امتیازدهی خریدار، فرایند پیشنهاددهی فروشندگان را تسهیل مینماید. در این حالت، علاوه بر پنهان بودن تابع امتیازدهی فروشنده، اطلاعاتی جهت بهبود پیشنهاددهی در اختیار فروشندگان قرار میگیرد. برازش تابع امتیازدهی توسط یک شبکه عصبی پرسپترون چندلایه در نظر گرفتهشده است. همچنین روشهای امتیازدهی خریدار بهصورت جمعی، ضربی و ریسکگریز تعریفشده است. در این چهارچوب، فروشندگان در هر دور با استفاده از یک مدل بهینهسازی، پیشنهادهای خود را بهبود میبخشند. با شبیهسازی فرایند حراج، چهارچوب پیشنهادی در مقایسه با یک حراج باز با درنظرگرفتن معیارهای امتیاز فروشندگان، سود فروشندگان و تعداد دور حراج، مورد ارزیابی قرار گرفته است. نتایج شبیهسازی نشان میدهد که در مدل پیشنهادی علاوه بر عدم افشای اطلاعات امتیازدهی خریدار، تفاوت معناداری در معیارهای ارزیابی با مدل حراج باز وجود ندارد.
One of the new approaches to purchasing and procuring goods and materials in the supply
chain is the use of reverse auction. With the rapid and ever-expanding development of
information technology and the Internet around the world, the use of Internet platforms for
this type of procure has also been taken into account and has created online reverse auction
method. In this paper, a new framework for the online reverse auction process is provided
that takes both sides of the procurement process (buyer and seller). The proposed auction
process is a multi-attribute semi-sealed multi-round online reverse auction. In this process,
an online market-maker, with the prediction of the buyer scoring function, facilitates the
seller's bidding process. To fit the function, a multi-layer perceptron neural network model
is used. In this case, in addition to hiding the seller's scoring function, information is
provided to sellers to improve the bid. Also, the methods of scoring by the buyer are
defined Additive, Multiplicative and risk aversion, which is based on the theory of
perspective. Within this framework, sellers improve their bids in each round using an
optimization model. By simulating the auction process, the proposed framework was
evaluated in comparison with an open auction, taking into account seller scoring criteria,
seller profits, and number of auction rounds.
Machine summary:
در مـدل پیشنهادی، تعیین بهترین گزینه ی خرید توسط خریدار در یـک فراینـد چنـد دوره ای حـراج معکوس آنلاین چند شاخصه نیمه بسته ( Multi-Round Multi-Attribute Semi-Sealed Online reverse auction) با درنظرگـرفتن هـر دو سـمت تـراکنش (خریـدار و فروشـنده ) صـورت میپذیرد.
تفاوت عمده ی این پژوهش با سایر پژوهش های مشابه حـراج معکـوس چنـد شاخصـه نظیـر ( Mouhoub ;٢٠١٥ ,Hassini &Mansouri ;٢٠١٦ ,ksalanKo &Karakaya ;٢٠١١ ,Cheng & Ghavamifar, 2016; Ray, Jenamani, & Mohapatra, 2011; Teich, Wallenius, Wallenius, ٢٠٠٦ ,Zaitsev &) که بر ارائه ی مکانیسم افشای اطلاعـات تمرکـز نمـوده انـد، حضـور مـؤثر فراهم کننده ی خدمات آنلاین حراج معکوس (برای مثال یک شرکت که در سـایت اینترنتـی خود فرایند حراج را برگزار میکند) ، به عنوان واسطی جهت بهبود فرآیند حـراج ، بـا ارائـه ی پیش بینیهایی از تابع مطلوبیت یا امتیازدهی خریدار و همچنـین تعریـف مـدل بهینـه سـازی چندهدفه پیشنهاددهی متفاوت برای خریدار میباشد.
برخی از پژوهش ها مدل هایی هـم بـرای بهینـه سـازی انتخـاب خریـدار و پیشـنهادهای فروشنده ارائـه نمـوده انـد ( ;٢٠١٨ ,Tong &Hu, Wang, Li, ;١٩٩٣ ,Che ;٢٠٠٣ ,Wein &Beil Karakaya & Köksalan, 2011; Parkes & Kalagnanam, 2005; Perrone, Roma, & Nigro, ٢٠١٧ ,Huang &Xu ;٢٠١٠) درحالیکه در برخـی از پـژوهش هـا نظیـر ( & ,Liu, Zhang, Qi Wang, 2020; Narasimhan, Talluri, & Mahapatra, 2008; Saroop, Sehgal, & Ravikumar, ٢٠١٤ ,Huang &Yang, Liao, ;٢٠١٩ ,Zhou &Wang, Qu, Goh, Wahab, ;٢٠٠٧)، تنها سـمت خریدار موردتوجه واقع شده است .