ارزیابی کارایی مؤلفه ای با ورودیها و خروجیهای مشترک کاربردی از تحلیل پوششی داده ها

الموضوعات :

Seyed Esmail Najafi ¹ , Elham Shafaghi ² , Faigh Zaheri ³

1 - Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 - M.A in Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
3 - Department of Industrial Engineering, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran

تاريخ الإرسال : 23 الأربعاء , ربيع الثاني, 1439 تاريخ التأكيد : 23 الأربعاء , ربيع الثاني, 1439 تاريخ الإصدار : 08 الجمعة , صفر, 1434

الکلمات المفتاحية: ارزیابی عملکرد, تحلیل پوششی داده ها, کارایی موّلفه ای,

ملخص المقالة :

تکنیک تحلیل پوششی داده ها بر اساس برنامه ریزی ریاضی بناشده است و در محاسبه کارایی نسبی واحد های تصمیم گیرنده متجانس بکار می رود. کارایی نسبی هر واحد تصمیم گیرنده تابعی از ورودیها و خروجیهای آن واحد است. اما در برخی ازموقعیتهای واقعی دیده می شود که واحد تحت ارزیابی خود چند کارمتفاوت انجام می دهدیا به چندموّلفه متفاوت تقسیم می شود. در چنینموقعیتهایی ورودیهابین موّلغه های واحدتقسیم شده و هر کدام ازموّلفه ها خود دارای خروجی مختص به خود می باشند. در این موارد بابه کار بردن مدلهای استاندارد. میزان ناکارا یی موّلغه ها را نمی توانیم تحلیل کنیم. از این رو ارزیابی کارایی موّلفه ای با مدلسازی خاص خود مطرح می گردد که به آن می گویند. در این مقاله به ارزیابی واحد نگهداری و تعمیرات شرکت شاسی ساز از مجموعه گروه پهمن در ۴ دوره ۶ ماهه بااستفاده ازتحلیلپوششی داده هاارزیابی گردید. در آن از شاخصهای خروجی نظیر تفاده شده است. همچنین در این مدل عواملی همچون نیروی انسانی هزینه ها و نوآوری به عنوان ورودی درکارایی هر کدام ازموّلفه های واحد و نیز کارایی تجمعی مورد بررسی قرارگرفته اند.پس از مدلسازی و ارزیابی میزان ناکارابی هر یک از موّلفه ها مشخص و تجزیه و تحلیل گردید است.

المصادر:

Charnes, A., Cooper WW, & Rhodes, E. (1978). Measuring the efficiency of decision
making units. European Journal of the Operational Research, 2,429–44.
2. Wade, Cook, Moez Hababou, Hanse J. H., Tuenter. (2000). Multi component Efficiency
Measurement and Shared Inputs in Data Envelopment Analysis: An Application to Sales
and Service Performance in Bank Branches. Journal of Productivity Analysis, 14, 209–
224 
3. Charnes, A. Clarke, C., Cooper, W.W., Golany, B. (1985). A development study of DEA
in measuring the effect of maintenance units in the U.S. Air Force. Annals of Operations
Research, 2, 95–112.
4. Wade D. Cook a, Rodney H. Green. (2004). Multi component efficiency measurement and
core business identification in multi plant firms: A DEA model. European Journal of
Operational Research 157. 540–551.
5. Cook, Wade D., Moez Hababou, & Hans J. H. Tuenter. (1999). Multi component
efficiency measurement and shared inputs in data envelopment analysis: An application to
sales and service performance in bank branches. Research program (york university
(Toronto, ont.). schulich school of business; no.99-09. North York, Ont.: York University
Schulich School of Business.
6. R. Fare, S. Grosskopf. (1996). Productivity and intermediate products: a frontier approach
. Computational Economics. 50 (1). 65–70.
7. Hajshirmohammadi, Ali .(2004). Total Productive Maintenance. Esfahan .Arkan
publication. Fourth edition, 234 (Translated in Persian).
8. Hosseini, M. (2002). Total Productive Maintenance .industrial management organization.
Publication. Fifth edition, 305.
9. G.R. Jahanshahloo a, A.R. Amirteimoori b,S. Kordrostami. (2004). Multi-component
performance, progress and regress measurement and shared inputs and outputs in DEA for
panel data. Mathematics and Computation, 151, 1–16

_||_

Charnes, A., Cooper WW, & Rhodes, E. (1978). Measuring the efficiency of decision
making units. European Journal of the Operational Research, 2,429–44.
2. Wade, Cook, Moez Hababou, Hanse J. H., Tuenter. (2000). Multi component Efficiency
Measurement and Shared Inputs in Data Envelopment Analysis: An Application to Sales
and Service Performance in Bank Branches. Journal of Productivity Analysis, 14, 209–
224 
3. Charnes, A. Clarke, C., Cooper, W.W., Golany, B. (1985). A development study of DEA
in measuring the effect of maintenance units in the U.S. Air Force. Annals of Operations
Research, 2, 95–112.
4. Wade D. Cook a, Rodney H. Green. (2004). Multi component efficiency measurement and
core business identification in multi plant firms: A DEA model. European Journal of
Operational Research 157. 540–551.
5. Cook, Wade D., Moez Hababou, & Hans J. H. Tuenter. (1999). Multi component
efficiency measurement and shared inputs in data envelopment analysis: An application to
sales and service performance in bank branches. Research program (york university
(Toronto, ont.). schulich school of business; no.99-09. North York, Ont.: York University
Schulich School of Business.
6. R. Fare, S. Grosskopf. (1996). Productivity and intermediate products: a frontier approach
. Computational Economics. 50 (1). 65–70.
7. Hajshirmohammadi, Ali .(2004). Total Productive Maintenance. Esfahan .Arkan
publication. Fourth edition, 234 (Translated in Persian).
8. Hosseini, M. (2002). Total Productive Maintenance .industrial management organization.
Publication. Fifth edition, 305.
9. G.R. Jahanshahloo a, A.R. Amirteimoori b,S. Kordrostami. (2004). Multi-component
performance, progress and regress measurement and shared inputs and outputs in DEA for
panel data. Mathematics and Computation, 151, 1–16