دانلود پایان نامه

1-1-       روش تحلیل پوششی داده­ها

روش تحلیل پوششی داده­ها را می­توان به عنوان یکی از روشهای ناپارامتری معرفی نمود که در این روش با استفاده از تکنیک­های برنامه­ریزی ریاضی به ارزیابی واحدهای موردنظر پرداخته خواهد شد.

تحلیل پوششی داده ها یکی از رویکردهای علمی است که با بکارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد.تحلیل پوششی داده ها ، تکنیکی نا پارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده می باشد.کارایی نشان می دهد که یک سازمان تا چه میزان از ورودی های خود را به طور بهینه در جهت تولید خروجی ها استفاده کرده است و به عبارتی نشان دهنده « صحیح انجام دادن کار» است.به این معنی که از حداقل ورودی ها حداکثر محصول برداشت شود.

در مدل های DEA ، اگر واحد های تصمیم گیرنده تحت ارزیابی دارای یک ورودی و یک خروجی باشند در این صورت واحدی که نسبت خروجی به ورودی آن بیشترین مقدار را داشته باشد دارای عملکرد بهتری نسبت به واحدهای دیگر است.به عبارت دیگر نسبت به آنها کارا است.اما چنانچه این واحدها دارای چند ورودی و چند خروجی باشند ، با تعیین ارزش برای ورودی ها و خروجی ها که در اینجا با”وزن” معرفی شده است ، می توانیم آنها را به یک واحد تبدیل نموده و در نتیجه واحدی که نسبت مجموع وزن دار شده خروجی به مجموع وزن دار شده ورودی های آن بیشتر باشد ، دارای عملکرد بهتری نسبت به واحدهای دیگر است.در این فصل با بیان روش ها و اصول حاکم بر DEA ، به تعیین ارزش ورودی ها و خروجی ها می پردازیم.

در سال های اخیر در اغلب کشور های جهان برای ارزیابی عملکرد نهادها و دیگر فعالیت های رایج در زمینه های مختلف، کاربرد های متفاوتی از تحلیل پوششی داده  های (DEA) دیده شده است. علت مقبولیت گسترده تر روش DEA نسبت به سایر روش ها، امکان بررسی روابط پیچیده و اغلب نا معلوم بین چندیدن ورودی و چندین خروجی (معمولا اندازه پذیر) است که در این فعالیت ها وجود دارد. فعالیت هایی نظیرتعمیر و نگهداری در پایگاه های هوا پیمایی آمریکا مستقر در نواحی جغرافیایی متفاوت، یا نیرو های پلیس در انگلستان و ولز، همچنین عملکرد شعب بانک ها در قبرس و کانادا و کارایی دانشگاه ها در آموزش و پژوهش در آمریکا، انگلستان و فرانسه، مثال هایی از این دست هستند. این نوع کاربرد ها به ارزیابی عملکرد های شهر ها، مناطق و شهر ها با انواع مختلف ورودی از قبیل هزینه های “اجتماعی” ، شبکه های ایمنی و انواع خروجی از قبیل ابعاد مختلف کیفیت زندگی قابل گسترش هستند.

DEA همچنین امکان نگرش جدید به فعالیت هایی را هم که قبلا به روش های دیگر ارزیابی شده اند فراهم کرده است. برای مثال امکان محک زنی با استفاده از DEA به شناسایی منابع ناکارایی در شرکت های خیلی سود آورر، شرکت های که به خاطر نگرش سود آوری به عنوان محک شناخته می شدند، منجر شده است. مطالعه کارایی سازمان هایی با شکل حقوقی متفاوت، همانند شرکت های “سهامی بیمه” در مقابل تعاونی، به کمک DEA نشان داده است که مطالعات قبلی قادر به ارزیابی توان بالقوه تفاوت های شکلی  آنها نبودند. همچنین استفاده از DEA لزوم بازنگری مطالعات کارایی قبلی را که پیش و پس از ادغام فعالیت ها انجام گرفته و در بانک ها به اجرا گذاشته شده، نشان می دهد.

مطالعه شکل سازمانی شرکت های بیمه که در بالا ذکر شد می تواند نه تنها برای به دست آوردن نتایج جدید به کار گرفته شود، بلکه روش های جدید بهره برداری از داده ها را که DEA در اختیار ما قرار داده نیز ارائه می نماید. به منظور مطالعه کارایی این شکل های سازمانی البته ضروری است که دیگر منابع ناکارایی را از مشاهدات حذف کنیم. به جز در مواردی که بخواهیم فرض کنیم چنین ناکارایی هایی وجود ندارند.

این پایان نامه با موضوع ارزیابی عملکرد، به خصوص ارزیابی فعالیت های سازمان هایی مانند شرکت های تجاری، موسسات دولتی، بیمارستان ها، مراکز آموزشی و غیره مرتبط است. در تحلیل های عادی و رایج، چنین ارزیابی هایی به روش های مختلف انجام می شود. برای مثال، هزینه هر واحد، سود هر واحد، رضایت مشتری از هر واحد و غیره را می توان در نظر گرفت، که با نسبتی مشابه زیر اندازه گیری می شود:

این یک روش رایج در اندازه گیری کارایی است. در اندازه گیری “بهره وری” نیز از یک نسبت برای ارزیابی عملکرد نیروی انسانی یا نیروی کار، استفاده می شود “خروجی یک ساعت کار کارگر” یا “خروجی یک ساعت نیروی کار استخدامی” یا میزان فروش یا سود و یا دیگر اندازه های خروجی مثال هایی هستند که در صورت کسر قرار داد می گیرند. چنین اندازه هایی گاهی “اندازه بهره وری جزئی” نامیده می شوند. به این طریق تمایل داریم تا آن هارا از “اندازه بهره وری کل” متمایز کنیم، زیرا در این حالت می خواهیم نسبتی از خروجی به ورود ی را به دست آوریم که در برگیرنده همه خروجی ها و همه ورودی ها باشد. حرکت از بهره وری جزئی بسوی بهره وری کل به کمک ترکیب تمام خروجی ها و ورودی ها و به دست آوردن تنها یک نسبت کمک می کند تا از ارتباط دادن منافع به یک عامل (یا یک خروجی) در حالی که سایر ورودی ها (یا خروجی ها) نیز دخالت دارند، اجتناب کنیم. برای مثال، بهبود در خروجی ناشی از افزایش سرمایه گذاری یا بهبود مدیریت ممکن است به اشتباه به نیروی انسانی (وقتی روش یک خروجی به یک ورودی استفاده می شود) نسبت داده شود، حتی اگر عملکرد نیروی انسانی در دوره مورد نظر بدتر نیز شده باشد.

DEA،  از روش برنامه ریزی ریاضی استفاده می کند که می تواند تعداد زیادی متغیر روابط (قیود) را به کار گیرد و محدودیت هایی وجود دارد که لازم است به آنها نیز پرداخته شود. بعضی از این مشکلات در طی بررسی دقیق تر تحلیل پوششی داده ها (DEA) بررسی خواهند شد. روش نسبتا جدید به کار گرفته شده در تحلیل پوششی داده ها، بر خلاف روش های معمول شاخص عددی، به معرفی وزن های از قبل تعیین شده برای عوامل خروجی و ورودی نیاز ندارد. همچنین نیازمند توصیف توابع به شیوه ای که در روش رگرسیون آماری رایج است نیز نیست.

همچنین DEA ، محدودیت کم بودن تعداد زیادی ورودی و خروجی موجود در سایر روش هارا ندارد. سادگی در محاسبه و ارزیابی و عدم محدودیت در انتخاب عوامل امکان پرداختن به مسائل پیچیده تر موجود در حوزه های مدیریتی و سیاست گذاری را فراهم می سازد. به علاوه تئوری قوی برنامه ریزی ریاضی امکان تحلیل و تفسیر بهتر را ایجاد می کند. قابل توجه است که قسمت عمده نیاز های محاسباتی این روش تا کنون در کاربرد های اولیه DEA بسط و گسترش داده شده است. به علاوه اغلب آن ها در نرم افزار های تجاری موجود لحاظ گردیده است.

DEA  فرصت هایی نیز برای همکاری بین تحلیل گران و تصمیم سازان فراهم می کند که شامل همکاری در انتخاب ورودی ها و خروجی ها مورد استفاده و انتخاب انواع شرط-جزا که باید به آن پرداخته شود است. چنین همکاری به محک زنی رفتار رقبا و شناسایی رقبای بالقوه که ممکن است تحت سناریوهایی در نظر گرفته شوند می انجامد.

 

 

  • حالت یک خروجی و یک ورودی

مطالعه DEA و کاربردهای آن با بررسی یک مثال ساده شامل یک خروجی و یک ورودی به کمک رابطه (1-1) آغاز می کنیم. فرض کنید 8 شعبه یک فروشگاه با عناوین A تا H به شرح جدول 3-1 باشند.

جدول ‏31: حالت یک خروجی و یک ورودی

شعبه              A       B       C       D       E       F       G       H

کارکنان           2       3       3       4       5       5       6       8

فروش            1       3       2       3       4       2       3       5

کارکنان/فروش  0/5    1       0/667         0/75  /8      0/4    0/5    0/625

 

تعداد کارکنان و میزان فروش هر شعبه فروشگاه (بر حسب 100000 ریال) در ستون مربوطه داده شده است. سطر آخر جدول 1-1 نسبت فروش به هر یک کارمند–مقیاسی از بهره وری–که اغلب به وسیله مدیران و تحلیل گران سرمایه گذاری استفاده می شود – را نشان می دهد. همان گونه که در ذیل رابطه (1-1) گفته شد در حالت عمومی تر می توان آن را به عنوان کارایی در نظر گرفت. بنابراین با این شاخص B کارآمدترین شعبه است و F در پایین ترین رده کارایی قرار دارد.

اجازه دهید این اطلاعات را به صورت نمودار شکل 3-1 نمایش دهیم که در آن تعداد کارمندان، محور افقی و میزان فروش، محور عمودی را نشان می دهد. شیب خط واصل بین هر نقطه و مبدأ متناظر با نسبت فروش به تعداد کارمندان است و بیشترین شیب مربوط به خط واصل بین نقطه B و مبدأ است. این خط “مرز کارا” نامیده می شود. توجه کنید که این خط از حداقل یک نقطه می گذرد و سایر نقاط در رو یا زیر آن قرار می گیرند. نام تحلیل پوششی داده ها، یعنی DEA، از این خاصیت گرفته شده است، زیرا در اصطلاح ریاضی چنین مرزی این نقاط را پوشش می دهد.

دانلود پایان نامه