مریم دانشمندمهر

زمینه تحلیل پوششی داده ها در حوزه علوم داده و تجزیه وتحلیل آن ها قرار می گیرد. هدف اصلی این تحلیل، بررسی و تحلیل جوانب مختلف و متنوع داده ها در یک مجموعه داده است. تحلیل پوششی برای شناخت بهتر داده ها، شفافیت بیشتر و فهم عمیق تر از الگوها، روابط و خصوصیات داده ها به کار می رود. هدف اصلی تحلیل پوششی داده ها، کشف اطلاعات پنهان و ناشناخته در داده ها و استخراج دانش از آن ها است. با استفاده از روش های تحلیل پوششی، می توان مشاهده و شناخت الگوها، روابط، اختلاف ها و تغییرات در داده ها را انجام داد و به ارائه دیدگاه های جدید و بالقوه مفید در مورد داده ها و فرآیندهای مربوط به آن ها پرداخت. از این رو، در این مقاله با استفاده از فرآیند شبیه سازی بوت استرپ برای بالا بردن دقت کارایی برآورده شده استفاده شده است. برای این منظور امتیاز کارایی کلی و مرحله ای به طور جداگانه برای هر یک از واحدها از طریق مقادیر شبیه سازی شده برای ورودی ها و خروجی ها تعیین می شوند؛ لذا، مهم ترین نوآوری این تحقیق ارائه چارچوبی برای تعیین امتیاز کارایی واحدهایی که به طور شبکه ای در ارتباط هستند با استفاده از تحلیل پوششی داده های بوت استرپ شده است.  برای نشان دادن روش پیشنهادی، یک مورد مطالعاتی واقعی در شبکه زنجیره تأمین رب گوجه فرنگی در نظر گرفته شده است. بر طبق نتایج، دقت روش بکار گرفته شده نشان داده شده است.  

اثر شلاق چرمی که در زنجیره اتفاق می افتد، منجر به ناکارآمدی هایی همچون موجودی اضافی و سفارشات عقب افتاده در طول زنجیره می گردد. انجام پیش بینی مناسب می تواند تا حدود زیادی این مشکلات را مرتفع سازد. با توجه به اینکه زنجیره تأمین دارای سطوح مختلفی می باشد، لازم است پیش بینی در هر سطحی از زنجیره انجام شود. این مقاله به بررسی مسأله ترکیب بهینه پیش بینی جهت کاهش اثر شلاق چرمی در زنجیره تأمین چهار سطحی می پردازد. برای این منظور یک زنجیره تأمین چهار سطحی در نظر گرفته شده است که در هر یک از سطوح آن، یکی از روش-های میانگین متحرک، هموارسازی نمایی، رگرسیون خطی و شبکه عصبی مصنوعی پرسپترون چند لایه را برای پیش بینی مورد استفاده قرار می-دهد. برای این منظور نخست نسبت به شبیه سازی زنجیره تأمین مورد نظر اقدام و سپس نتایج با استفاده از روش تحلیل واریانس مورد آزمون قرار گرفته اند. از بین ترکیبات، دو ترکیب روش های پیش بینی با کمترین اثر شلاق چرمی بدست آمده است. میانگین متحرک، شبکه عصبی، هموارسازی نمایی و رگرسیون خطی به ترتیب برای سطح های خرده فروش، عمده فروش، تولید کننده و تامین کننده به عنوان یک جواب و دیگری به شکل میانگین متحرک، هموار سازی نمایی، شبکه عصبی و رگرسیون خطی با همان ترتیب سطوح یاد شده در زنجیره تامین می باشند و ترکیبات دیگر از مطلوبیت کمتری برخوردارند.