تحلیل پوششی داده ها(DEA)

امروزه اهمیت ارزیابی عملکرد و آگاهی از میزان کارائی و بررسی و سنجش آن جهت بهبود عملکرد و نهایتاً حفظ و ادامه حیات سازمان با توجه به شرائط متغیر محیطی، پیچیدگی تکنولوژی، کمبود منابع، رقابت شدید، تنوع خدمات و سرعت بالای تبادل اطلاعات و ارتباطات ضرورتی اجتناب‌ناپذیر است. علی‌رغم ضرورت و اهمیت ارزیابی عملکرد و محاسبه کارائی، برنولاک مدیر مؤسسه بهره‌وری کانادا مدعی است که «بیشتر مدیران معانی واقعی بهره‌وری و کارایی را نمی‌دانند و مطلع نیستند که این مفاهیم تا چه حد برای سازمان آن‌ها حیاتی است. همچنین آن‌ها نمی‌دانند که چقدر می‌توانند بهره‌وری و کارایی خود را بهبود داده، چگونه آن‌ها را مورد سنجش قرار داده، تجزیه و تحلیل کنند و یا چه عواملی بر آن‌ها تأثیرگذارند.»

روش تحلیل پوششی داده‌ها (DEA) یکی از روش‌های ناپارامتریک است. بحث تحلیل پوششی داده‌ها با تز دکتری «ادوارد روز» تحت راهنمایی «کوپر و چارنز» شروع شد که پیشرفت تحصیلی دانش‌آموزان مدارس آمریکا را در سال ۱۹۷۸ مورد ارزیابی قرار داده بودند. نتایج این مطالعه منجر به چاپ اولین مقاله درباره معرفی عمومی DEA در سال ۱۹۷۸ گردید. آن‌ها در مقاله مذکور که به CCR معروف گردیده، برای تعمیم روش دو ورودی و یک خروجی آقای فارل از بهینه‌سازی به روش برنامه‌ریزی ریاضی استفاده نمودند تا بتوانند کارائی سیستم‌هایی با ورودی‌های چندگانه و خروجی‌های چندگانه را اندازه‌گیری کنند. طبق تعریف ارائه شده از سوی آقایان چارنز، کوپر و رودز DEA عبارتست از «یک مدل برنامه‌ریزی ریاضی که برای داده‌های مشاهده شده نسبت‌های فرین مانند تابع تولید یا مرز کارائی را به صورت تجربی تخمین می‌زند». در سپتامبر ۱۹۸۴ آقایان بنکر و چارنز و کوپر در مقاله‌ای تحت عنوان:

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0“Some Models for Estimating Technical and Scale Inefficiencies in DEA”

مفاهیم و مدل‌های DEA را با مفاهیم جدیدی توسعه دادند که حاصل آن نیز مدل BCC است. این مدل برای اندازه‌گیری و تعیین کارائی واحدها و همچنین جهت اصلاح ورودی‌ها و خروجی‌ها برای بالا بردن اندازه‌ی کارائی و با در نظر گرفتن بازده به مقیاس متغیر مورد استفاده قرار می‌گیرد. در سال ۱۹۸۵ چارنز و همکارانش «مدل جمعی» را به عنوان یکی دیگر از مدل‌های اساسی در DEA مطرح ساختند.

همچنین چارنز و همکارانش در همین سال به منظور ثبت تغییرات کارائی در طول زمان تکنیکی را تحت عنوان «تحلیل پنجره‌ای» مطرح کردند. تکنیک دیگری نیز برای اولین بار توسط فیر و همکاران در سال ۱۹۸۹ و ۱۹۹۴ با استفاده از مدل DEA شعاعی ورودی و خروجی‌گرا برای محاسبه شاخص مالمکوئیست به کار بردند. اگرچه مدل شعاعی پیشنهاد شده دارای کمبودهایی مانند فقدان متغیرهای کمکی می‌باشد، برای غلبه بر این کمبودها شاخص مالمکوئیست با استفاده از مدل‌های غیر شعاعی همانند SBM می‌توان محاسبه کرد. در سال ۱۹۸۸ «بیسنت» و در سال ۱۹۹۱ «چانگ و گوه»تحقیقاتی روی داده‌های حقیقی انجام دادند. در سال‌های ۱۹۹۳ و ۱۹۹۴ «علی و سیفورد» اقدام به اصلاح مدل CCR کردند.

از زمان اولین مطالعه توسط چارنز، کوپر و رودز تاکنون بیش از هزاران مقاله در زمینه ادبیات تحلیل پوششی داده‌ها منتشر شده است. چنین رشد سریعی خود دلیل بر کاربردی بودن و قدرت بالای روش‌های DEA می‌باشد. هم اکنون DEA در بسیاری از مراکز تحقیقاتی که در نقاط مختلف جهان قرار دارند، منشأ ایده‌ها و پیشرفت‌های جدید شده است، به طوری که محققان زیادی به این نکته رسیده‌اند که DEA یک روش عالی برای مدل‌سازی فرآیندهای عملیاتی است و ماهیت تجربی و نداشتن مفروضات دست و پاگیر سبب استفاده وسیع آن در تخمین کارائی برای بخش‌های غیرانتفاعی، خصوصی و حتی دولتی شده است.

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0

انجام تحلیل پنجره(Window Analysis) ارزیابی کارایی طی زمان

۱- ارزیابی در طی زمان

رویکرد تحلیل پوششی داده‌ها در شرایط ثابت به کار برده می‌شود، به این معنی که اثر تغییرات زمان را نادیده می‌گیرد. این امر می‌تواند به نظر گمراه‌کننده باشد، زیرا تغییر شرایط در طی زمان می‌تواند به سمت استفاده بیشتر از منابع برای تولید نتایج مطلوب گرایش داشته باشد. در واقع در DEA مدل‌های ناپارامتریکی برای سنجش کارایی در طی زمان وجود دارد. از جمله این مدل‌ها می‌توان تکنیک تحلیل پنجره را نام برد.انجام تحلیل پنجره(Window Analysis) ارزیابی کارایی طی زمان, dea

2- تحلیل پنجره

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0

روش تحلیل پنجره متحرک عمل می­کند و برای یافتن روندهای عملکرد یک واحد در طول زمان مفید می­باشد. با هر واحد در یک دوره متفاوت، مانند یک واحد مستقل رفتار می­شود. در این صورت، عملکرد یک واحد در یک دوره خاص در مقابل عملکرد خود آن واحد در سایر دوره­ها، علاوه بر عملکرد سایر واحدها مورد ارزیابی قرار می­گیرد. این وضعیت باعث افزایش تعداد دوره­های مورد بررسی در تحلیل می­شود که در هنگام مطالعه نمونه­هایی در اندازه کوچک مفید می­باشد. تغییر عرض پنجره، یعنی تعداد دوره­های زمانی، نشان­دهنده تأمین طیفی از تحلیل­های هم­زمان، که تنها شامل مشاهدات یک دوره زمانی به تحلیل­های مقطعی که شامل مشاهداتی از تمام دوره­های مورد مطالعه است، می­باشد.

یک تحلیل پنجره­ای “واقعی” با یک عرض پنجره جایی میان یک و همه دوره­های مورد مطالعه افقی (ارزیابی یک واحد در طول زمان)، می­تواند به عنوان مورد خاصی از یک تحلیل متوالی مشاهده شود. با این وجود در تحلیل متوالی فرض می­شود آنچه در گذشته عملی بوده است، عملی باقی خواهد ماند و بنابراین تمام مشاهدات قبلی را شامل می­شود. اما مسئله فوق در مورد تحلیل پنجره­ای که فقط مشاهداتی را در نظر می­گیرد که در محدوده تعداد خاصی از دوره­های زمانی (یعنی یک پنجره) بوده و به واسطه آن تعداد مشاهدات در هر تحلیل ثابت باقی می­ماند، صادق نمی­باشد. با پنجره تعریف شده، مشاهدات در آن پنچره در یک رفتار بین زمانی انگاشته می­شود و بنابراین به عنوان یک تحلیل بین زمانی مقطعی مورد تحلیل قرار می­گیرد. قابل ذکر است از آنجایی که تمامی واحدها در یک پنچره نسبت به همدیگر اندازه­گیری می­شوند، این روش به طور ضمنی فرض می­کند که هیچ تغییر تکنیکی در هر کدام از پنجره­ها وجود ندارد. این مطلب یک مسئله کلی در تحلیل پنجره DEA است، حتی این مسئله زمانی حادتر است که تحلیل پنجره DEA همراه با روش شاخص مالمکوئیست که جهت تخمین تغییرات تکنیکی مورد استفاده قرار می­گیرد، به کار گرفته می­شود. با کاهش عرض پنجره این مشکل کاهش می­یابد و جهت اعتبار بخشیدن به تحلیل پنجره­ای، عرض پنجره باید طوری انتخاب شود که چشم­پوشی از تغییرات تکنیکی منطقی باشد.

با امکان­پذیر ساختن ترکیب مشاهدات در سری­های زمانی و مقطعی تا حدودی مشکل ناکافی بودن مشاهدات را در ارزیابی­های زمانی برطرف می­کند. این تکنیک بر اساس میانگین

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0

انجام مدل تحلیل شبکه ای تحلیل پوششی داده ها

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0

به کمک تحلیل پوششی داده ها می توان کارایی واحدهای مختلف را ارزیابی نمود. برخی از واحدهای تصمیم گیرنده از چندین بخش یا مرحله تشکیل شده اند که یک شبکه از زیرفرآیندها را ایجاد می کنند. برای ارزیابی کارایی این نوع از واحدها از روش های تحلیل پوششی داده های شبکه ای استفاده می شود. در مدل شبکه ای، خروجی بعضی از واحد ها، ورودی واحد های دیگر است بنابراین در این حالت نمی توان از مدل های قدیمی تحلیل پوششی داده ها برای سنجش کارایی نسبی واحد تصمیم گیرنده استفاده کرد. در تصویر فوق تفاوت بین مدل های قبلی و مدل شبکه ای به خوبی نمایش داده شده است.

از خروجی های تحلیل شبکه ای موارد زیر حاصل می شود:

·         محاسبه کارایی هر واحد در هر بخش

·         محاسبه کارایی کل هر واحد

·         محاسبه حداقل، حداکثر و میانگین کل کارایی در هر بخش

·         محاسبه مقدار بهینه ورودی و خروجی های واسطه ای برای واحد های ناکارا

·         محاسبه مقدار بهینه ورودی و خروجی های آزاد برای واحد های ناکارا

azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
09367292276
09367292276
[e-mail]
azsoftir.com
0