پایان نامه بهبود کارایی نمایندگی ها به نحوی که به کمک این راهکارها نمایندگی های

تحلیل پوششی داده ها

پیشینه تحلیل پوششی داده ها به موضوع رساله دکتری رودز با راهنمایی استادش کوپر بر می گردد. که به کمک آن عملکرد مدارس دولتی آمریکا را مورد بررسی قرار دادند. تحلیل پوششی داده ها روشی است برای اندازه گیری کارایی واحد های تصمیم گیریDMU  های همگن. در واقعDEA  رویکردی برای شناخت شیوه های بهتر سنجش کارایی DMU  ها، با وجود ورودی ها و خروجی های چندگانه است. در حقیقت این روش نه تنها امتیازات کارایی را برای واحدهای ناکارا تعیین می کند، بلکه برای آن واحدهایی که بر مرز کارایی قرار دارند نیز طرح های کارایی را ارائه می نماید(صفری ،۱۳۹۱ص ۱۹).

تحلیل پوششی داده ها یک روش برنامه ریزی ریاضی و یک ابزار مفید در مدیریت است که کارایی نسبی گروهی از واحدهای تصمیم گیری با ورودی ها و خروجی های مشابه را اندازه گیری می کند. این روش همه DMU هایی را که از عملکرد ضعیف برخوردارند، شناسایی می کند و نشان می دهد که هریک از ورودی ها و خروجی ها به چه میزان باید تغییر کنند تا واحدهایی که دارای عملکرد ضعیف می باشند، به سمت واحدهای دارای عملکرد قوی، حرکت نمایند(Fortuna, 2000). تحلیل پوششی داده ها یک روش غیرپارامتریک بوده که به کمک برنامه ریزی ریاضی برای واحدهای تصمیم گیری، مرز کارایی را مشخص می کند. مرز کارایی با ترکیبی از واحدهای کارا بدست می آید. در روشهای پارامتریک باید یک معادله مشخص(معادله رگرسیون، تابع تولید و…) وجود داشته باشد که در قالب آن متغیرهای مستقل و وابسته با یکدیگر ارتباط داشته باشند، در حالی که روش  DEA نیازی به فرم ریاضی خاصی  ندارد. کارایی بدست آمده از این روش، کارایی نسبی می باشد. هر واحدی که بر روی مرز کارایی قرار داشته باشد، کارا و در غیراینصورت ناکارا است. پس از اجرای مدل های DEA مجموعه ای تحت عنوان مجموعه مرجع[۱]ارائه می شود. در این مجموعه مشخص می شود که هر واحد ناکارا برای رسیدن به مرز کارایی باید با کدامیک از واحدهای کارا مقایسه شود(Chaes et al, 1984).

۲-۴- مدل های اصلی تحلیل پوششی داده ها

DEA  از جمله تکنیک هایی است که علاوه بر سنجش و ارزیابی کارایی و عملکرد راه های افزایش آنها را نیز به طور تفکیکی با استفاده از نسبت ستاده به داده برای هر سطح جداگانه پیشنهاد می کند و نحوه افزایش بهره وری را در تمام سطوح ارائه می دهد. تحلیل پوششی داده ها، تکنیک برنامه ریزی خطی است که مدیر می تواند با استفاده از آن از بهترین واحد تصمیم گیری DMU برای دیگر واحدها الگوبرداری نماید. شکل(۲-۱) برای هر DMU  ورودی و خروجی نشان داده شده است.

شکل( ۲-۱) شمای کلی ورودی Xiها و خروجی Yi ها در مدل DEA

مدل کلی برنامه ریزی  خطی DEA به صورت مدل (۲-۱) است(Cooper et al, 2002):

پارامترها شامل  و  و متغیرهای تصمیم شامل  و  بوده که متغیرهایی غیر منفی می باشند.

i : تعداد ورودی ها

r : تعداد خروجی ها

j : تعداد واحدهای تصمیم گیرنده

: مقدار ورودی iام در واحد jام

: مقدارخروجی rام درواحد jام

: وزن ورودی iام

: وزن خروجی rام

مدل (۲-۱)

واحد تصمیم گیری تحت بررسی را واحد صفر می نامند. یعنی اینکه می خواهیم کارایی واحد صفر را با کارایی واحدهای دیگر مقایسه کنیم.

مدل های اصلی  DEA به دو نوع مدل CCR و BCC تقسیم می شوند. هر کدام از این مدل ها را می توان با استفاده از دو رویه ورودی محور[۲] و خروجی محور[۳]، بررسی کرد. مدل های ورودی محور، مدل هایی هستند که با ثابت نگه داشتن خروجی ها، ورودی ها کاهش می یابند. مدل های خروجی محور، مدل هایی هستند که با ثابت نگه داشتن ورودی ها، خروجی ها افزایش می یابند. هرکدام از این دو رویه را نیز می توان از دو طریق حل نمود. مدل اولیه که معمولا به صورت حداکثرسازی است به مدل مضربی معروف می باشد. مدل ثانویه هم که معمولا به صورت حداقل سازی است به مدل پوششی معروف می باشد(Yinsheny, 2000).

۲-۴-۱- مدل CCR

این مدل اولین بار توسط چارنز، کوپر و رودز در سال ۱۹۷۸ پیشنهاد شد که نام آن از حروف اول اسامی آنها اقتباس شده است. مدل CCR از نوع مدل های بازده ثابت نسبت به مقیاس هستند که اگر ورودی ها به یک نسبتی تغییر یابند، خروجی ها هم به همان نسبت تغییر می کنند(Fukuyama, 2000).

هدف در این مدل اندازه گیری و مقایسه کارایی نسبی واحدهای سازمانی که دارای چندین ورودی و خروجی مشابه هستند، می باشد.

[۱] -Reference Set

[۲] – Input-oriented

[۳] – Output-oriented

فروش فایل متن کامل این پایان نامه با فرمت ورد در این لینک