طراحی مدل تخصیص منابع به منظور کاهش خروجی های نامطلوب بر اساس روش تحلیل پوششی- قسمت ۴ | ... | |
۲-۲-بخش اول: مبانی نظری
برای دانلود متن کامل پایان نامه به سایت tinoz.ir مراجعه کنید.
در این روش واحد اندازه گیری حساس نیست و نهادهها میتوانند دارای واحدهای مختلفی می باشند. روش DEA یک روش مدیریتی است که کارایی واحدها را به طور نسبی اندازه گیری می کند و راهکارهای مدیریتی ارائه می دهد. در حالتی که واحد اقتصادی دارای چند نهاده در فرایند ایجاد ستاده باشد، روش برنامه ریزی خطی، به راحتی می تواند ترکیب بهینه ستاده ونهاده را برای یک واحد کارا تعیین می کند. به مقایسه واحدها با یکدیگر می پردازد و از ایده آل گرایی محض به دور است. بیش از سایر روشها، قابلیت تعمیم پذیری و گسترش دارد و به کارگیری آن در یک واحد برای یک موضوع، می تواند زمینه را برای کارهای بعدی نیز فراهم کند. این روش فقط کارایی را مشخص می کند و نقطه ضعف سایر سیستمهای اندازه گیری را که نوعی مطلق گرایی را دنبال می کنند، ندارد و کارا بودن در این الگو یک کمیت دست یافتنی است. این روش، قابلیت بسیار بالایی در رتبه بندی کامل واحدهای تصمیمگیرنده مورد مطالعه را فراهم می آورد و الگوهایی مثل اندرسون-پترسون وجود دارند که می توانند بنگاه های کارا را نیز رتبه بندی کنند و کاراترین بنگاه را از میان بنگاه های کارا برگزینند(خواجوی و همکاران ، ۱۳۸۴). ۲-۲-۳-توانمندی های روش DEA:
۲-تابع تولید تابع تولید در تحلیل پوششی دادهها از قبل تعیین نمیشود، بلکه براساس وضعیت واحدهای تصمیم گیرنده یک چند وجهی بیکران به عنوان تابع تولید ایجاد میشود.
۳-مبتنی بودن برLP مدلهای اساسی تحلیل پوششی دادهها، مدلهای ریاضی هستند و به سادگی توسط نرم افزارهای حل مساله قابل حل هستند. مدلهای اساسی تحلیل پوششی دادهها همیشه شدنی بوده و جواب بهینه به دست میآید.
۴-کنترل بازده به مقیاس مدل ابتدایی تحلیل پوششی دادهها(CCR) دارای فرض بازده به مقیاس ثابت است. پس از آن مدل(BCC)با فرض بازده به مقیاس متغیر ایجاد شد. مدلهای با بازده به مقیاسهای کاهشی و افزایشی نیز بوجود آمدهاند. همچنین مطالعاتی در زمینه مدلهای با بازده به مقیاس ترکیبی نیز انجام شده است. بنابراین در حالتهایی که بازده به مقیاس جامعه ی واحدهای تصمیم گیرنده به درستی مشخص نیست، به راحتی میتوان مساله را با بازده به مقیاسهای مختلف حل کرد و نتایج را مورد بررسی قرار داد. از سوی دیگر درباره تعیین بازده به مقیاس هر کدام از واحدهای تصمیم گیرنده مطالعات بسیاری در مقالات منتشر شده تحلیل پوششی دادهها وجود دارد.
۵-محدودیت اوزان در مدلهای اساسی تحلیل پوششی دادهها، وزنهای هر کدام از عوامل ورودی و خروجی قابلیت انعطاف بالایی دارند. بخش بزرگی از مطالعات تئوریک تحلیل پوششی دادهها بر کنترل وزنهای عوامل متمرکز شده است.روشهای مختلفی برای کنترل وزنها ارائه شده است، از جمله تعیین کران بالا و کران پایین برای اوزان و تعیین کران برای نسبتها. محدودیت اوزان یکی از مهمترین مباحث مطرح شده در تحلیل پوششی دادهها است و میتوان از طریق کنترل وزنها اطلاعات متخصصین را با مدلهای تحلیل پوششی دادهها تلفیق کرد.
۶-ورودی و خروجی غیر قابل کنترل در مسائل واقعی با حالتهایی مواجه میشویم که برخی از عوامل تحت کنترل واحدهای تصمیم گیرنده نیستند، اما در ارزیابی کارایی واحدها لحاظ میشوند، مانند شرایط آب و هوایی، وضعیت قرار گیری در محیط شهری یا روستایی، قرار گرفتن در بخشهای تجاری یا مسکونی شهر و قدمت تاسیس. در مدلهای تحلیل پوششی دادهها امکان در نظر گرفتن وضعیت ورودی یا خروجی از لحاظ قابل کنترل بودن وجود دارد.
۷-ماهیت ورودی یا خروجی بخش بزرگی از مدلهای تحلیل پوششی دادهها دارای دو حالت با ماهیتهای ورودی یا خروجی هستند به این معنی که میتوان تعیین کرد که کارایی واحد تصمیم گیرنده براساس شرایط ورودیها یا خروجیها ارزیابی شود. دسته دیگری از مدلهای تحلیل پوششی دادهها نیز وجود دارند که در آنها ماهیت ورودی یا خروجی وجود نداشته و هر دو به طور توامان در نظر گرفته میشود. در تعدادی از مدلهای تحلیل پوششی دادهها امکان تعیین مسیر ارزیابی ترکیبی از ورودیها و خروجیها وجود دارد.
۸-دادههای غیر قطعی در مطالعات انجام شده درباره تحلیل پوششی دادهها، روشهایی برای استفاده از دادههای غیر قطعی ایجاد شده است. دادههای غیر قطعی به صورت دادههای بازهای و نسبی در نظر گرفته میشوند.بر این اساس مدلهای تحلیل پوششی دادههای غیر قطعی ایجاد شدهاند. اهمیت دادههای غیر قطعی به این دلیل است که در بسیاری از مسائل واقعی، دادههای موجود به صورت غیر قطعی (به عنوان مثال بازهای و یا با خطا) وجود دارند. با ایجاد تغییرات نظری در مدلهای تحلیل پوششی دادهها میتوان چنین دادههایی را استفاده کرده و نتایج ارزیابی کارایی را به دست آورد.
۹-داده های مرتب در مطالعات عملی تحلیل پوششی دادهها، با مسائلی مواجه میشویم که برخی از عوامل دارای ترتیب هستند. به عنوان مثال یکی از ورودیهای واحدها باید نوعی ترتیب را در بین واحدها ایجاد کند. برای حل چنین مسائلی روشهایی در تحلیل پوششی دادهها ایجاد شدهاست(خواجوی و همکاران ، ۱۳۸۴).
کارایی دلیل اساسی ایجاد نظریه تحلیل پوششی دادهها ارزیابی کارایی واحدهای تصمیم گیرنده است. به دلیل آنکه در تحلیل پوششی دادهها کارایی تکنیکی مورد ارزیابی قرار میگیرد و فرضهای محدودی برای تعریف واحدهای تصمیم گیرنده وجود دارد، امکان ارزیابی انواع مختلفی از واحدهای تصمیم گیرنده وجود دارد. به همین دلیل در بخشهایی از جامعه که روشهای اقتصادی توان ارائه نتایج قابل پذیرش را ندارند، امکان استفاده از تحلیل پوششی دادهها برای ارزیابی واحدها وجود دارد.
رتبه بندی با روشها و مدلهای تحلیل پوششی دادهها امکان رتبه بندی واحدهای تصمیم گیرنده وجود دارد. در کتبی که از تحلیل پوششی دادهها چاپ شده است، مجموعه ای از این روش های رتبه بندی معرفی شده اند.
تعیین مرجع از میان واحدهای تصمیم گیرنده در تحلیل پوششی دادهها، در زمان محاسبه کارایی واحدهای تصمیم گیرنده، برای هر یک از واحدهای ناکارا تعدادی از واحدهای کارا به عنوان مرجع معرفی شده و برای هر کدام از آن ها ضریبی برای مشخص کردن میزان تاثیر گذاری آن ها تعیین میشود. بنابراین مراجع واحدهای ناکارا از میان همان مجموعه واحدهای تصمیم گیرنده انتخاب میشوند.این قابلیت به دلیل ناپارامتریک بودن تحلیل پوششی دادهها ایجاد شده است.
تعیین مقادیر مطلوب ورودیها و خروجیها بر اساس مراجع تعیین شده برای هر یک از واحدهای تصمیم گیرنده و با توجه به قابل کنترل بودن یا نبودن شاخصها، مقدار مطلوب هر یک از ورودیها و خروجیهای واحدهای ناکارا تعیین میشود. بنابراین امکان هدفگذاری شاخصها به روشی علمی و مبتنی بر واقعیتهای مجموعه امکان تولید وجود دارد.
تعیین مقادیر مطلوب شاخصهای واحد جدید با بهره گرفتن از تحلیل پوششی دادههای معکوس میتوان با در نظر گرفتن وضعیت موجود واحدهای تصمیم گیرنده، مقادیر مطلوب ورودیها و خروجیهای یک واحد تصمیم گیرنده جدید را برای دست یابی به کارایی مورد نظر تعیین کرد(خواجوی و همکاران ، ۱۳۸۴).
چون یک تکنیک ریاضی و عددی محض است از این رو خطاهای اندازه گیری ممکن است تغییرات عمده ای در نتایج به همراه داشته باشد از این رو می بایست پس از شناسایی واحد کارا به کنترل مجدد داده ها و ستاده ها اقدام و از صحت آن اطمینان حاصل نمود. این روش صرفاً یک روش ریاضی و بر اساس برنامه ریزی خطی است و توانایی مقایسه متغیرهای کیفی واحدهای تصمیم گیرنده را ندارد. اگر تنها یکی از داده ها و ستاده های واحدهای تصمیمگیرنده تغییر کند، تغییرات اساسی در درجه کارایی واحدهای تصمیمگیرنده پیش خواهد آمد. توافق کلی در مورد انتخاب داده ها و ستاده ها در این روش وجود ندارد(خواجوی و همکاران ، ۱۳۸۴). ۲-۲-۶-تعریف کارایی نسبی در تحلیل پوششی داده ها شکل شماره۲-۱ : واحد تصمیمگیرنده
[چهارشنبه 1400-01-25] [ 02:42:00 ب.ظ ]
لینک ثابت
|