یک روش ابتکاری در توسعه‌ی ساختارهای شبکه‌ای دو مرحله‌ای

الموضوعات :

رضا احمدزاده ¹ ( دانشجوی دکتری، گروه ریاضی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران )
سهراب کردرستمی ² ( استاد، گروه ریاضی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران )
علیرضا امیرتیموری ³ ( استاد، گروه ریاضی کاربردی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران )

تاريخ الإرسال : 04 الأحد , شعبان, 1438 تاريخ التأكيد : 24 الثلاثاء , شوال, 1438 تاريخ الإصدار : 03 الإثنين , صفر, 1439

الکلمات المفتاحية: DEA network, Two-stage structures, Heuristic method, Efficiency decomposition,

ملخص المقالة :

تحلیل پوششی داده­ها (DEA) یک روش غیر پارامتری برای اندازه­گیری عملکرد نسبی واحدهای تصمیم­گیرنده می­باشد. در مدل­های متداول و مرسوم DEA هریک از واحدهای تصمیم­گیرنده به­عنوان یک جعبه­ی سیاه در نظر گرفته می شوند که با دریافت تعدادی ورودی، تعدادی خروجی را تولید می­کنند و ساختار درونی آنها نادیده گرفته می­شود. در سال­های اخیر بخش وسیعی از مطالعات صورت گرفته در این زمینه توجه خود را به DMUهایی با ساختارهای درونی شبکه­ای معطوف نموده­اند و ضمن دسته­بندی و معرفی برخی از ساختارهای شبکه­ای مدل­هایی را برای ارزیابی کارایی آنها ارائه کرده­اند. هدف اصلی در این مقاله توسعه­ی یک مدل جدید به منظور ارزیابی کارایی یک ساختار شبکه­ای دو مرحله­ای برای اندازه­گیری عملکرد واحدهای تصمیم­گیرنده (DMUs) می­باشد. علاوه براین در این مقاله کار لی و همکارانش در سال 2012 را با بهبود روش جستجوی ابتکاری برای تخمین جواب­های بهینه­ی مدل­های متمرکز غیرخطی بسط می­دهیم. به منظور ارزیابی مدل پیشنهادی در این مطالعه، روش اصلاح شده را رویفرایند R&D منطقه­ای مربوط به 30 منطقه در سطح یک استان در کشور چین مورد بررسی قرار می­دهیم. نتایج و مقایسه­ها نشان می­دهند که روش پیشنهاد شده روشی کاراست و پیچیدگی محاسباتی بسیار کمتری نسبت به روش­های دیگر دارد.

المصادر:

 

[1] Charnes, A., W.W. Cooper, and E. Rhodes, Measuring the efficiency of decision making units. European journal of operational research, 1978. 2(6): p. 429-444.

 

[2] Chen, P.-C., Measurement of technical efficiency in farrow-to-finish swine production using multi-activity network data envelopment analysis: evidence from Taiwan. Journal of productivity analysis, 2012. 38(3): p. 319-331.

 

[3] Halkos, G.E., N.G. Tzeremes, and S.A. Kourtzidis, A unified classification of two-stage DEA models. Surveys in operations research and management science, 2014. 19(1): p. 1-16.

 

[4] Tone, K. and M. Tsutsui, Dynamic DEA with network structure: A slacks-based measure approach. Omega, 2014. 42(1): p. 124-131.

 

[5] Galagedera, D.U., et al., Modeling leakage in two-stage DEA models: An application to US mutual fund families. Omega, 2016. 61: p. 62-77.

 

[6] Cook, W.D., L. Liang, and J. Zhu, Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega, 2010. 38(6): p. 423-430.

 

[7] Charnes, A., et al., Two phase data envelopment analysis approaches to policy evaluation and management of army recruiting activities: Tradeoffs between joint services and army advertising. 1986, Center for Cybernetic Studies. University of Texas-Austin Austin, Tex, USA.

 

[8] Kao, C. and S.-N. Hwang, Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. European Journal of Operational Research, 2008. 185(1): p. 418-429.

 

[9] Liang, L., et al., DEA models for supply chain efficiency evaluation. Annals of Operations Research, 2006. 145(1): p. 35-49.

 

[10] Li, Y., et al., DEA models for extended two-stage network structures. Omega, 2012. 40(5): p. 611-618.

 

[11] Zhong W, Yuan W, Li SX, Huang ZM. The performance evaluation of regional R&D investments in China: an application of DEA based on the first official China economic census data. Omega 2011.39:447–55.