مدیریت استراتژیک هوشمند

مدیریت استراتژیک هوشمند

طراحی مدل پشتیبانی از تصمیم قیمت‌گذاری محصولات شرکت‌های تولید انبوه در شرایط شبه انحصاری با استفاده از روش‌های داده‌کاوی

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
مهدی جهانگیری 1
علی محمد احمدوند 2
محسن احمدوند 3
1 دانشجو دکتری مهندسی صنایع گرایش سیستم های کلان، دانشکده مهندسی صنایع، دانشگاه غیر انتفاعی ایوانکی، ایوانکی، ایران.
2 استاد، گروه مهندسی صنایع، دانشگاه غیرانتفاعی ایوانکی، ایوانکی، ایران.
3 استادیار، گروه مدیریت صنعتی و کارآفرینی، دانشگاه شاهد، تهران، ایران.
10.87453/bumara.2026.372301.4714
چکیده
در صنایع تولید انبوه فعال در بازارهای شبه‌انحصاری، نبود داده‌های قیمتی شفاف، نوسانات هزینه‌ها و محدودیت رقابت، فرایند قیمت‌گذاری محصولات را با پیچیدگی‌های جدی مواجه می‌کند. این پژوهش با هدف ارائه یک مدل پشتیبان تصمیم‌گیری قیمت‌گذاری، رویکردی ترکیبی مبتنی بر داده‌کاوی و تحلیل کیفی را به‌کار گرفته است. داده‌های کمّی شامل ۱۳۶٬۵۹۰ رکورد تولیدی از انبار داده شرکت‌های تولید انبوه بوده و در بخش کیفی نیز از مصاحبه با ۱۵ خبره صنعت برای شناسایی ویژگی‌های مؤثر بر قیمت‌گذاری استفاده شده است. در بخش کمّی، پس از تحلیل توصیفی و همبستگی، سه الگوریتم خوشه‌بندی K-Means، DBSCAN و خوشه‌بندی سلسله‌مراتبی ارزیابی شد که K-Means با امتیاز سیلوئت 0.65 بهترین عملکرد را داشته و چهار خوشه متمایز محصول را شناسایی کرد. سپس قواعد انجمنی با استفاده از الگوریتم‌های Apriori و FP-Growth استخراج شد تا الگوهای پنهان میان ویژگی‌های تولید و رفتارهای هزینه‌ای آشکار شود. برای اعتبارسنجی یافته‌ها، مصاحبه‌های تکمیلی با ۱۰ خبره انجام شد که منجر به تأیید خوشه‌ها و انتخاب استراتژی‌های مناسب قیمت‌گذاری شامل ارزش‌محور، نفوذی، سفارشی و مبتنی بر هزینه گردید. در نهایت، مدل جامع پشتیبان تصمیم‌گیری قیمت‌گذاری با اتکا بر ترکیب تحلیل داده‌محور و قضاوت خبرگان تدوین شد. نتایج نشان می‌دهد این رویکرد می‌تواند الگوهای نهفته داده‌های تولیدی را آشکار کرده و مبنایی عملی برای قیمت‌گذاری در شرایط پیچیده و محدودیت رقابتی فراهم سازد.
کلیدواژه‌ها
داده‌کاوی
خوشه‌بندی
قواعد انجمنی
قیمت‌گذاری
بازار شبه‌انحصاری
صنایع تولید انبوه
تصمیم‌گیری مدیریتی

موضوعات

عنوان مقاله English

Designing a Pricing Decision Support Model for Mass Production Companies in Quasi-Monopoly Conditions Using Data Mining Methods

نویسندگان English

Mehdi Jahangiri 1
Ali Mohammad Ahmadvand 2
Mohsen Ahmadvand 3
1 PhD Student in Industrial Engineering (Macro Systems), Faculty of Industrial Engineering, Universuty of Eyvanekey, Eyvanekey, Iran.
2 Professor, Department of Industrial Engineering, Universuty of Eyvanekey, Eyvanekey, Iran.
3 Assistant Professor,Department of Industrial and Entrepreneurship, Shahed University, Tehran, Iran.
چکیده English

In mass production industries operating in quasi-monopoly markets, the lack of transparent price data, cost fluctuations, and limited competition make the pricing process of products seriously complex. This study aims to provide a pricing decision support model, and uses a combined approach based on data mining and qualitative analysis. The quantitative data includes 136,590 production records from the data warehouse of mass production companies, and in the qualitative part, interviews with 15 industry experts were used to identify the characteristics affecting pricing. In the quantitative part, after descriptive and correlation analysis, three clustering algorithms, K-Means, DBSCAN, and hierarchical clustering, were evaluated, with K-Means performing best with a silhouette score of 0.65 and identifying four distinct product clusters. Then, association rules were extracted using Apriori and FP-Growth algorithms to reveal hidden patterns between production characteristics and cost behaviors. To validate the findings, supplementary interviews were conducted with 10 experts, which led to the confirmation of clusters and the selection of appropriate pricing strategies including value-based, penetration, custom, and cost-based. Finally, a comprehensive pricing decision support model was developed based on a combination of data-driven analysis and expert judgment. The results show that this approach can reveal hidden patterns in production data and provide a practical basis for pricing in complex and competitively constrained conditions.

کلیدواژه‌ها English

Data mining
clustering
association rules
pricing
quasi-monopoly market
mass production industries
managerial decision making
عبدالله‌زاده، م.، و زارع، م. (۱۳۹۹). مقاله پژوهشی در حوزه اقتصاد صنعتی.
عرب‌مازار، ا.، و گلمرادی، م. (۱۳۸۹). پژوهشی در زمینه ساختار بازار و رقابت.
عسکریان، م.، سرلاب، ع.، و اصغرپور، م. (۱۳۹۹). تحلیل اقتصادی بازار و رقابت.
بارفروشی، م.، شیخ‌الاسلامی، ع.، لطیفی، م.، و حسینی، ع. (۱۳۹۷). بررسی ساختار بازار در صنایع.
بیورانی، ع.، علی‌نژاد ساروکلائی، م.، و جانمردی، ح. (۱۳۹۲). مطالعه‌ای درباره رفتار بازار و رقابت.
پیرایی، ک.، و پسندیده، ع. (۱۳۸۱). اقتصاد صنعتی و ساختار بازار.
توکلی، م.، فیروزه، م.، کریمی، ع.، و همکاران. (۱۳۹۳). تحلیل اقتصادی در صنایع تولیدی.
خداداد کاشی، ف.، نورانی آزاد، م.، اسحاقی گرجی، ا.، کیانی هژبر، ا.، و نورانی آزاد، م. (۱۳۹۳). بررسی ساختار رقابتی بازار.
خسروی، م.، و اسلاملوئیان، ک. (۱۳۹۵). تحلیل رقابت در بازارهای صنعتی.
دائی‌کریم‌زاده، م.، شریفی رنانی، ح.، رضائی، م.، و میرفتاح، م. (۱۳۹۴). تحلیل رفتار قیمت در بازار.
دهمرده، ن.، و کسایی، م. (۱۳۹۰). بررسی رقابت و ساختار بازار.
دهقانپور، م.، دهموبد، م.، و فطرس، م. (۱۳۹۱). مطالعه اقتصادی بازارهای صنعتی.
دهقانی، م. (۱۳۹۳). تحلیل بازار در اقتصاد صنعتی.
راسخی، س.، و نظری قوجق، م. (۱۳۹۹). تحلیل رقابت در صنایع.
رهبری گنجه، م.، و مصطفوی، ع. (۱۳۹۶). بررسی ساختار بازار و رقابت صنعتی.
رهنمای قراملکی، ع.، صادقی، م.، رنج‌پور، م.، و متفکرآزاد، ع. (۱۳۹۱). تحلیل رقابت و ساختار بازار.
زارع بیدکی، م.، صادقی سفیدمزگی، م.، درزی لاریجانی، ا.، و شیروانی بروجنی، ع. (۱۳۹۶). تحلیل ساختار بازار در اقتصاد ایران.
زارع، م.، چیذری، ا.، و نعمتی، ا. (۱۳۸۹). تحلیل اقتصادی بازارهای رقابتی.
صالحی صدقیانی، ج. (۱۳۸۶). اقتصاد صنعتی.
شیرازی، م. (۱۳۹۸). تحلیل بازار و ساختار رقابت.
شهیکی‌تاش، م.، کیانی هژبر، ا.، و نورانی آزاد، م. (۱۳۹۳). بررسی رفتار بنگاه‌ها در بازار.
غضنفری، م.، و بدیعی، ع. (۱۳۹۶). تحلیل ساختار بازار و رقابت.
قجری، م.، و خیرخواه، م. (۱۳۹۷). تحلیل اقتصادی رقابت در صنایع.
کاظمی، م.، و بابائی، م. (۱۳۹۲). بررسی رقابت در بازارهای صنعتی.
گزارش بانک مرکزی جمهوری اسلامی ایران. (۱۴۰۳). گزارش اقتصادی سالانه. بانک مرکزی جمهوری اسلامی ایران.
ملکی، م.، و امامی، م. (۱۳۹۳). تحلیل رقابت در صنایع تولیدی.
نبی، م.، و تاش، م. (۱۳۹۰). بررسی ساختار بازار و رقابت.
نشاط، م.، انواری رستمی، ع.، علی‌حیدری بیوکی، م.، و خادمی زارع، م. (۱۳۹۰). تحلیل رفتار بنگاه در بازار.
نیکو، م.، محمدی، م.، و بیک‌زاد، م. (۱۳۸۹). بررسی ساختار بازار در اقتصاد ایران.
حسین‌زاده، م.، دهقانی، م.، عامری، م.، و شهیکی‌تاش، م. (۱۳۹۳). تحلیل رقابت و ساختار بازار.
Bromley, P., & Stone, M. (2024). Institutional perspectives on market competition.
Carlton, D. W., & Perloff, J. M. (2015). Modern industrial organization (4th ed.). Pearson.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP‑DM 1.0: Step‑by‑step data mining guide. SPSS.
Chen, X., & Wang, Y. (2023). Market competition and pricing strategies.
Cohen, W. M., Nelson, R. R., & Walsh, J. P. (2012). Innovation and knowledge management.
Dockner, E., & Jørgensen, S. (1988). Optimal pricing strategies in dynamic models.
Dyne, V., & Li, Q. (2022). Data‑driven pricing strategies in digital markets.
Eff, E. A., & Chang, H. (2021). Market competition and price optimization.
Fayyad, U. M., Piatetsky‑Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery: An overview. In Advances in knowledge discovery and data mining (pp. 1–34). AAAI Press.
Gao, Y., & Hu, X. (2020). Market structure and pricing decisions.
Han, J., Kamber, M., & Pei, J. (2011). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Haessner, E., Haessner, C., & McMurtrey, M. (2023). Dynamic pricing models in digital markets.
Heins, M., & Johnson, P. (2009). Strategic pricing and market competition.
Huang, Y., & Wong, K. (2019). Data analytics for pricing optimization.
IspatGuru. (2023). Pricing strategies in manufacturing industries. https://www.ispatguru.com
Jantek, R., & Kearney, A. (2007). Market structure and pricing behavior.
Kano, N. (2011). Product quality and market competitiveness.
Kern, A., & Formoso, C. (2006). Knowledge discovery in industrial processes.
Kim, S., & Lee, J. (2018). Data analytics and market competition.
Knight, F. H. (2002). Risk, uncertainty and profit. University of Chicago Press.
Levin, Y., McGill, J., & Nediak, M. (2008). Dynamic pricing in revenue management.
Li, M. (2016). Big data analytics in pricing strategy.
Li, X., & Guan, Y. (2017). Competitive pricing strategies in digital markets.
Liu, Q., & Fisher, M. (2004). Dynamic pricing models in competitive markets.
Lu, X. (2011). Data‑driven pricing models.
Lu, X., et al. (2020). Dynamic pricing and machine learning approaches.
Miller, R., & Clauson, K. (2016). Pricing strategies and competition.
Møllgaard, H. P., & Overgaard, P. B. (2001). Market competition and pricing.
Mousavi, S., et al. (2022). Machine learning applications in pricing analytics.
MRPeasy. (2024). Manufacturing resource planning and pricing optimization. https://www.mrpeasy.com
Nagle, T. T., & Müller, G. (2018). The strategy and tactics of pricing (6th ed.). Routledge.
Orella, M., et al. (2019). Data‑driven pricing models.
Park, J., & Lee, H. (2008). Competitive pricing in technology markets.
Pepall, L., Richards, D., & Norman, G. (2014). Industrial organization: Contemporary theory and practice. Wiley.
Phillips, R. (2021). Pricing and revenue optimization. Stanford University Press.
Pin‑Han, H., & Hui, L. (2013). Market structure and competition analysis.
Qin, Z. (2010). Data mining techniques for business intelligence.
Qoblex. (2025). Pricing optimization software overview. https://www.qoblex.com
SAP. (2023). Pricing management in enterprise systems. https://www.sap.com
SafetyCulture. (2025). Production planning and process optimization. https://www.safetyculture.com
Schuh, G., Frank, M., Stich, V., & Leiting, T. (2021). Digital pricing strategies in manufacturing.
Schuler, R. (1977). Pricing strategies in competitive markets.
Siemens Software. (2023). Digital manufacturing and price optimization tools. https://www.sw.siemens.com
Tirole, J. (1988). The theory of industrial organization. MIT Press.
Usuga Cadavid, J. P., et al. (2020). Data analytics for industrial decision‑making.
Wang, H. (2005). Competitive strategies in industrial markets.
Wang, Y., & Chen, X. (2009). Dynamic pricing models in competitive industries.
Wu, X., Kumar, V., Ross Quinlan, J., Ghosh, J., Yang, Q., Motoda, H., … Steinberg, D. (2013). Top 10 algorithms in data mining. Knowledge and Information Systems, 14(1), 1–37.
Yang, K. (2008). Market structure and price competition.
Yang, L., et al. (2024). Artificial intelligence and dynamic pricing strategies.
Ye, X., et al. (2018). Machine learning approaches in pricing.
Zhang, Y. (2013). Data mining applications in pricing analytics.
Zhou, L., & Wang, J. (2010). Market competition and pricing behavior.
مدیریت استراتژیک هوشمند

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 21 اردیبهشت 1405