تعیین کارایی واحدهای تصمیم گیرنده با استفاده از تکنیک تحلیل پوششی داده ها درحضور عامل های عملکردی دو نقشی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
تحلیل پوششی داده ها رویکردی مبتنی بر برنامه ریزیِ ریاضی، برای ارزیابیِ نسبیِ واحدهای تصمیم گیرنده ای است که مانند سیستم های تولیدیِ مشابه و متمایزی در نظر گرفته می شوند. در این رویکرد، عملکرد هر واحد در قالب عملیاتِ تبدیل منابع (ورودی ها) به محصولات (خروجی ها)، توصیف می گردد. در مدل های سنتیِ تحلیلِ پوششیِ داده ها، فرض بر این است که نقشِ هر عاملِ عملکردی (به عنوان ورودی یا خروجی) مشخص است، اما در برخی از مسائل دنیایِ واقعی، ممکن است یک یا چند عامل، با توجه به ماهیتِ ارزیابی و یا نگرشِ تصمیم گیرندگان، به عنوان عوامل دونقشی معرفی شوند. این عوامل می توانند نقش ورودی، خروجی و یا حتی نقش بی اثر در ارزیابیِ عملکرد واحدها ایفا کنند. در مقاله ی حاضر دو مدل جدید برنامه ریزی خطی مبتنی بر مفاهیم انحراف در شرط کارایی و اوزان مشترک، برای تعیین وضعیت عوامل دونقشی و سپس محاسبه ی کاراییِ واحدهای تصمیم گیرنده ارائه می شود. مزایای اصلیِ مدل های پیشنهادی کاهش چشمگیر محاسبات و تعداد دفعات حل مدل و همچنین دخالت دادن همه ی واحدهای تصمیم گیرنده جهت تعیین نقشِ یک باره ی عامل ها جهت ارزیابی واحدهای تصمیم گیرنده است. به منظور بررسی عملکرد مدل های پیشنهادی، از داده های مربوط به ارزیابیِ هیجده تأمین کننده در حضور دو ورودی، سه خروجی و دو عامل دونقشی استفاده شده است. نتایج به دست آمده، نشان داد که در مقایسه با مدل های دیگر، مدل های پیشنهادی هم ازنظر محاسباتی به صرفه تر بوده و هم تعیین نقش و ارزیابی واحدها به کمک وزن های به دست آمده از این مدل ها، انتظارات موردنظر تصمیم گیرندگان را بهتر و منطقی تر برآورده می کنند.Determining the efficiency of decision-making units using the technique of data envelopment analysis in the presence of dual-role performance factors
Data Envelopment Analysis (DEA) is an approach based on mathematical programming for the relative evaluation of decision-making units treated as similar yet distinct production systems. In this approach, the performance of each unit is characterized by describing the transformation of specific inputs into specific outputs. Traditional DEA models assume that the role of each performance factor is clearly defined. However, in some real-world problems, certain factors might be identified as dual-role factors depending on the evaluation nature or the decision-makers' perspective. These factors can play the role of both input and output, or even be considered neutral in assessing the units' performance. In the current paper, to determine the status of dual-role factors and calculate the efficiency of DMUs, two new linear programming models, based on the concept of deviation in the efficiency constraint and a common set of weights, are suggested. The main advantages of the proposed models are significantly reducing the computations and iterations required to solve the model, and involving all DMUs to determine the role of factors. To assess the performance of the proposed models, a data set for the evaluation of eighteen suppliers in the presence of two inputs, three outputs, and two dual-role factors has been employed. The obtained results showed that, compared to other models, the proposed models are computationally more efficient, and the role determination and evaluation of the units, based on the obtained weights from these models, are better aligned with the expectations of decision-makers
تبلیغات
