مزایای روش تحلیل پوششی داده ها:
- روش تحلیل پوششی داده های تصادفی بر خلاف روش رایج ارزیابی عملکرد روشی آینده نگر است و براساس آن می توان در خصوص عملکرد آتی شرکت پیش بینی هایی انجام داد.
- روش تحلیل پوششی داده های تصادفی ورودی ها و خروجی های شرکت را در ارزیابی عملکرد آنها ملحوظ می نماید بر خلاف روش رایج ارزیابی عملکرد که تنها بر خروجی های شرکت در ارزیابی عملکرد آنان متمرکز است.
- از نتایج روش تحلیل پوششی داده های تصادفی می توان در برنامه ریزی بهبود عملکرد استفاده نمود این در حالی است که به دلیل تمرکز روش رایج ارزیابی بر خروجی های شرکت و نیز تحت کنترل نبودن اکثر خروجی ها امکان برنامه ریزی برای بهبود عملکرد اکثر شرکت ها با استفاده از افزایش خروجی ها وجود ندارد.
- روش تحلیل پوششی داده های تصادفی برخلاف روش رایج ارزیابی عملکرد براستانداردهای عملکرد در خصوص هر یک از خروجی های شرکت استوار نیست و بنابراین نیاز به تغییر و بازنگری مداوم در این استانداردها نیست.
۲-۲-۱۰- ویژگیهای تحلیل پوششی داده ها:
تحلیل پوششی داده ها دارای ویژگیهای منحصر به فردی است که آنرا از سایر مدلهای کلاسیک و پارامتریک اندازه گیری کارایی متمایز می سازد. اهم این ویژگیها عبارتند از:
- ارزیابی واقع بینانه
- ارزیابی همزمان مجموعه عوامل
- عدم نیاز به وزنهای از قبل تعیین شده
- جبرانی بودن
- ارزیابی با گرایش مرزی به جای گرایشهای مرکزی
- تصویر کردن بهترین وضعیت عملکردی به جای وضعیت مطلوب
۲-۲-۱۱- قابلیتهای کاربردی تحلیل پوششی داده ها
قابلیتهای اساسی این روش عبارتند از:
- رتبه بندی واحدهای تصمیم گیری
- ارائه واحدهای نشانه و راه کارهای بهبود عملکرد
- ارائه واحدهای با بیشترین مقیاس بهره وری (Most Productive scale size) و تخمین بازده به مقیاس(Retu to scale)
- ارائه راهکارهای توسعه ای شامل انبساط و انقباظ واحدها
- تعیین پیشرفت و پسرفت تکتیکی واحدها
- تعیین تراکم در نهاده ها
- تخصیص بهینه منابع
- تعیین پتانسیل های عملکردی
- ارزیابی پویای کارایی (فتحی هفشجانی، ۱۳۸۱)
۲-۲-۱۲- رتبه بندى واحدهاى کارا
تحلیل پوششی داده ها واحدهای تحت بررسی را به دو گروه واحدهای کارا و غیر کارا تقسیم می کند. واحدهای کارا واحدهایی هستند که امتیاز کارایی آنها برابر با یک است. واحدهای غیر کارا با کسب امتیاز کارایی قابل رتبه بندی هستند، اما واحدهایی که امتیاز کارایی آنها برابر یک می باشد با استفاده از مدل های کلاسیک تحلیل پوششی داده ها قابل رتبه بندی نیستند.
در روش تحلیل پوششی داده ها روش های مختلفی برای تعیین رتبه بنگاه های کارا ارایه شده پیترسون، مدل q است مانند روش اندرسون رتبه بندی کارایی متقاطع و مدل محرابیان، علیرضایی و جهانشاهلو (MAJ).
متن فوق بخش هایی از این پایان نامه بود
برای دیدن جزئیات بیشتر ، خرید و دانلود آنی فایل متن کامل با فرمت ورد می توانید به لینک زیر مراجعه نمایید:
