• الصفحة الرئيسية
  • ارزیابی کارایی شرکت های هواپیمایی با هدف کاهش پتانسیل گرمایش جهانی با روش تحلیل پوششی داده های دومرحله ای استوار با خروجی نامطلوب

شارک

عنوان URL للمقالة


رقم المقالة : JGM-2310-1195 (R1) زيارة : 159 الصفحة: 91 - 117

نوع المخطوط: ابحاث

ارزیابی کارایی شرکت های هواپیمایی با هدف کاهش پتانسیل گرمایش جهانی با روش تحلیل پوششی داده های دومرحله ای استوار با خروجی نامطلوب

الموضوعات :

فرهاد سنچولی 1 , فرهاد حسین زاده لطفی 2 , سیداسماعیل نجفی 3 , فرزاد موحدی سبحانی 4

1 - گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه ریاضی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4 - گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

تاريخ الإرسال : 25 الثلاثاء , ربيع الأول, 1445 تاريخ التأكيد : 22 الأحد , شعبان, 1445 تاريخ الإصدار : 14 الأربعاء , ذو القعدة, 1445

الکلمات المفتاحية: خطوط هواپیمایی, کارایی عملیاتی, تحلیل پوششی داده های دومرحله ای استوار, پتانسیل گرمایش جهانی,

ملخص المقالة :

صنعت هوانوردی در سراسر جهان با سرعتی بالا در حال رشد است و از ابتدای تولد این صنعت، کارایی شرکت های هواپیمایی مورد توجه بوده است. با این حال، با وجود افزایش درآمد آن، صنعت هوانوردی در چند سال گذشته در تخریب محیط زیست موثر بوده است. لذا این صنعت به شرکت هایی نیاز دارد که ضمن افزایش درآمد خود، تاثیر بر محیط زیست را کاهش دهند.یک مدل تحلیل پوششی داده های استوار دومرحله ای با برای ارزیابی عملکرد شرکت های هواپیمایی با توجه به ساختار داخلی آن ها با هدف افزایش درآمد نهایی سیستم و کاهش خروجی نامطلوب میزان پتانسیل گرمایش جهانی و عدم قطعیت در در پتانسیل گرمایش ارائه شده است. این مقاله بر ارزیابی کارایی 11 شرکت هواپیمایی در طی سال های 2010 الی 2019 متمرکز شده است. از طریق این مدل‌های، نتیجه گرفته شد که اکثر خطوط هوایی ایالات متحده، به طور نسبی کارا بوده و میانگین امتیاز کارایی کل آن ها بالای 0.8 می باشد. تنها دو شرکت Spirit و Allegiant دارای میانگین کارایی کل پایین تری می باشند. از سوی دیگر تمامی شرکت ها در مرحله اول نسبتا کارا و دارای میانگین امتیاز کارایی بالای 0.8 و به جز دو شرکت Spirit و Allegiant، در بخش پرواز نیز کارا و دارای میانگین تقریبا بالاتر از 0.9 هستند. عملکرد کلی شرکت ها بیشتر متاثر از عملکرد بخش پرواز آن ها می باشد.

المصادر:
نص كامل:


Untitled        

                             Journal of Green Management, Vol.4, No.1, May 2024, pp 91-117.                                                     

 

Evaluating the Efficiency of Airline Companies with the Goal of Reducing the Potential for Global Warming Using a Robust Two-Stage Data Envelopment Analysis Method with Unfavorable Output

Farhad Sanchooli 1, Seyed Ismail Najafi 2ã, Farhad Hosseinzadeh Lotfi 3, Farzad Movahedi Sobhani 4

 

1- Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

    E-mail: fsanchooli@gmail.com

2- Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

    (Corresponding Author) E-mail: najafi1515@yahoo.com

3- Department of Mathematics, Science and Research Branch, Islamic Azad University, Tehran, Iran.

    E-mail: farhad@hosseinzadeh.ir

4- Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

    E-mail: f-movahedi@srbiau.ac.ir

 

Article Info

Abstract

Article type:

Research Article

 

Article history:

Received:

2023/10/10

Acceptance:

2024/03/03

Published online:

2024/05/22

 

Key words:

Airlines, 

Operational Efficiency, Robust Two-Stage Data Envelopment Analysis, Global Warming Potential.

The aviation industry is expanding rapidly around the world, and the efficiency of airlines has been of interest since the industry's inception. Nonetheless, despite increased revenue, the aviation industry has contributed to environmental degradation in recent years. As a result, this industry requires businesses that reduce their environmental impact while increasing their profits. With this topic in mind, a two-stage robust data envelopment analysis model with unfavorable output is presented to evaluate the performance of airline companies according to their internal structure with the aim of increasing the final revenue of the system and reducing the unfavorable output of global warming potential and uncertainty in the warming potential. The purpose of this article is to assess the efficiency of 11 airlines during the years 2010 to 2019. Through these models, it was concluded that most of the United States airlines are relatively efficient and their average overall efficiency score is above 0.8. Only two companies, Spirit and Allegiant, have a lower average total efficiency. On the other hand, all the companies in the first stage are relatively efficient and have an average efficiency score above 0.8, and except for the two companies Spirit and Allegiant, they are also efficient in the flight sector and have an average above 0.9. The overall performance of companies is more affected by the performance of their flight department.

Cite this article: Sanchooli, F., Najafi, S., Hosseinzadeh Lotfi, F., & Movahedi Sobhani, F. (2024).    Evaluating the Efficiency of Airline Companies with the Goal of Reducing the Potential for Global Warming Using a Robust Two-Stage Data Envelopment Analysis Method with Unfavorable Output .Green Management, 4(1), 91-117.

 

Publisher: Islamic Azad University, Aliabad Katoul Branch.                                                                                      ISSN: 2821-0050

 

 

 

 

ارزیابی کارایی شرکت‌های هواپیمایی با هدف کاهش پتانسیل گرمایش جهانی با روش تحلیل پوششی

 داده‌های دومرحله‌ای استوار با خروجی نامطلوب

فرهاد سنچولی 1، سیداسماعیل نجفی 2* ، فرهاد حسین‌زاده لطفی 3 ، فرزاد موحدی سبحانی 4

 

1- گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. رایانامه : fsanchooli@gmail.com

2- گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. (نویسنده مسئول) رایانامه: najafi1515@yahoo.com

3- گروه ریاضی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. رایانامه: farhad@hosseinzadeh.ir

4- گروه مهندسی صنایع، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. رایانامه : f-movahedi@srbiau.ac.ir

 

اطلاعات مقاله

چکیده  

نوع مقاله:

مقاله پژوهشی

 

تاریخ دریافت:

 18/07/1402

تاریخ پذیرش:

 13/12/1402

تاریخ انتشار:

02/03/1403

 

کلمات کلیدی:

خطوط هواپیمایی، 

کارایی عملیاتی، 

تحلیل پوششی داده های 

دومرحله ای استوار، 

پتانسیل گرمایش جهانی.

صنعت هوانوردی در سراسر جهان با سرعتی بالا در حال رشد است و از ابتدای تولد این صنعت، کارایی         شرکت های هواپیمایی مورد توجه بوده است. با این حال، با وجود افزایش درآمد آن، صنعت هوانوردی در چند سال گذشته در تخریب محیط زیست موثر بوده است. لذا این صنعت به شرکت هایی نیاز دارد که ضمن افزایش درآمد خود، تاثیر بر محیط زیست را کاهش دهند.یک مدل تحلیل پوششی داده های استوار دومرحله ای با  برای ارزیابی عملکرد شرکت های هواپیمایی با توجه به ساختار داخلی آن ها با هدف افزایش درآمد نهایی سیستم و کاهش خروجی نامطلوب میزان پتانسیل گرمایش جهانی و عدم قطعیت در در پتانسیل گرمایش ارائه شده است. این مقاله بر ارزیابی کارایی 11 شرکت هواپیمایی در طی سال های 2010 الی 2019 متمرکز شده است. از طریق این مدل‌های، نتیجه گرفته شد که اکثر خطوط هوایی ایالات متحده، به طور نسبی کارا بوده و میانگین امتیاز کارایی کل آن ها بالای 0.8 می باشد. تنها دو شرکت اسپیریت  و آلیجنت  دارای میانگین کارایی کل پایین تری می باشند. از سوی دیگر تمامی شرکت ها در مرحله اول نسبتا کارا و دارای میانگین امتیاز کارایی بالای 0.8 و به جز دو شرکت اسپیریت و آلیجنت ، در بخش پرواز نیز کارا و دارای میانگین تقریبا بالاتر از 0.9 هستند. عملکرد کلی شرکت ها بیشتر متاثر از عملکرد بخش پرواز آن ها می باشد.

استناد: سنچولی، فرهاد؛ نجفی، سیداسماعیل؛ موحدی سبحانی، فرزاد، و حسین‌زاده لطفی ، فرهاد (1403). ارزیابی کارایی شرکت‌های هواپیمایی با هدف کاهش پتانسیل گرمایش جهانی با روش تحلیل پوششی داده‌های دومرحله‌ای استوار با خروجی نامطلوب. مدیریت سبز، 4(1)، 91-117.

 

ناشر: دانشگاه آزاد اسلامی واحد علی آباد کتول.                           شاپا الکترونیکی: 0050-2821

 

 

مقدمه

صنعت هوانوردی با بهبود استانداردهای زندگی و افزایش تجارت اقتصادی بین مناطق به سرعت توسعه یافته است. انتظار می­رود گردش مالی جهانی مسافر از 8.68 تریلیون در سال 2019 به 20 تریلیون در سال 2050 افزایش یابد و سالانه 3 درصد رشد کند در حالی­که تقاضای محموله­های هوایی بین‌المللی در سال 2019 حدود 9.6 درصد افزایش یافته است. اما موضوع انتشار کربن هوانوردی توجه جامعه را بیشتر و بیشتر به خود جلب کرده است. صنعت حمل و نقل یک صنعت انرژی­بر در سطح جهان است، که بیش از هر بخش دیگری، به جز صنایع شیمیایی، گازهای گلخانه­ای منتشر می­کند. این در حالی است که مصرف انرژی در صنعت هوانوردی سالانه 6 درصد افزایش می­یابد. با افزایش مصرف انرژی، آلودگی زیست محیطی نیز افزایش یافته است. داده‌های منتشر شده توسط انجمن بین‌المللی حمل‌ونقل هوایی1 (IATA) نشان می‌دهد که انتشار کربن در بخش صنعت هواپیمایی 2.4 درصد از کل 37.5 میلیارد تن در سال 2018 را تشکیل می‌دهد که باعث تخریب محیط‌زیست شده است. براساس پیش‌بینی سازمان بین‌المللی هوانوردی غیرنظامی2 (ICAO)، انتشار کربن هوانوردی در سال 2050، 4 تا 6 برابر سال 2010 خواهد بود. برای کاهش این وضعیت، بسیاری از استراتژی‌های دستورالعمل‌های بین‌المللی اجرا شده‌اند(لی و همکاران، 2022).

حمل و نقل هوایی معمولاً از خدمات مسافری و باری تشکیل شده است. حمل و نقل مسافر بخش بزرگی از اکثر شرکت­ها را تشکیل    می­دهد و درآمد آن بسیار بیشتر از درآمد حمل و نقل محموله است. با این حال، صنعت حمل و نقل هوایی سالانه 70 میلیارد دلار ارزش اقتصادی تولید می­کند که حدود 15 درصد از کل تجارت صنعت حمل و نقل هوایی را تشکیل می­دهد. محموله هوایی 1.5 تا 2 برابر سریع­تر از تولید ناخالص داخلی رشد می­کند حتی سریع­تر از حمل و نقل هوایی مسافر. براساس گزارش IATA، درآمد حمل و نقل بار صنعت بین­المللی هوانوردی در سال 2020 روند رو به رشدی را نشان داده است و با وجود آ­ن­ که تحت تأثیر بیماری کووید-19 قرار گرفته، نسبت به سال 2019 افزایش 15 درصدی داشته است به­طوری­که بسیاری از خطوط هوایی برای افزایش درآمد، کابین مسافر خود را به کابین بار تغییر داده­اند مانند خطوط هوایی یونایتد و لوفت­هانزا. علاوه بر این، داده‌های تجربی ثابت می‌کنند که محموله هوایی به طور معناداری و مثبت با تولید ناخالص داخلی ملی همبستگی دارد و محموله هوایی سالانه تقریباً 57 میلیون شغل در سراسر جهان ایجاد می‌کند. بنابراین، حمل و نقل هوایی به یک شاخص مهم برای تعیین وضعیت یک شرکت با توسعه سریع آن تبدیل می­شود. در نتیجه بررسی آن ضروری است. حدود 55 درصد از اقلام حمل و نقل هوایی در هواپیماهای مسافربری قرار می­گیرند، بنابراین سیستم­های مسافری و باری در عملیات روزانه مخلوط می­شوند(چانگ و همکاران، 2013).

حمل­ونقل مسافر و بار اقلام اصلی درآمد این کسب­وکار هستند، هرچند مجموع درآمد مسافر و بار سهم قابل توجهی از کل درآمد شرکت­ها را تشکیل می­دهد اما مجموع این دو برابر 100درصد نیست. خطوط هوایی دارای زیرسیستم­های درآمدزای دیگری مانند کسب­وکار اجاره هواپیما، خدمات تبلیغاتی و خدمات نگهداری ناوگان هستند. با این حال، این زیرسیستم­ها نسبت درآمد کمی دارند و منبع درآمد اولیه شرکت­های هواپیمایی نیستند، بنابراین ما این زیرسیستم­ها را در نظر نمی­گیریم.

این مقاله عملکرد شرکت­ها حمل و نقل را به دو زیربخش سیستم پشتیبانی و سیستم پرواز تقسیم نموده است که به طور سری عمل می­نمایند. این مدل ورودی­های اولیه مانند تعداد هواپیما، میزان سوخت و تعداد پرسنل را به خروجی­های نهایی درآمد مسافر، درآمد بار و میزان پتانسیل گرمایش جهانی تبدیل می­کند. برخلاف مطالعات قبلی، این مقاله شاخص میزان پتانسیل گرمایش جهانی برای نمایش میزان انتشار آلودگی حاصل از عملکرد خطوط هوایی را بکار برده است.

تکامل دائمی محیط عملیاتی هوانوردی باعث پیشرفت مداوم صنعت هوایی شده است. در هوانوردی تجاری، افزایش قیمت سوخت و معرفی قوانین محدودکننده­ی انتشار گازهای گلخانه­ای، نیاز به یافتن روش­های بهبوددهنده کارایی عملیاتی و زیست محیطی و اعمال تغییرات برای بهبود این کارایی­ها را برانگیخته است. از سوی دیگر، در سال­های اخیر با توسعه سریع اقتصاد جهانی به دلیل جریان جهانی شدن افراد و کالاها، هزینه­های انرژی خطوط هوایی و انتشار گاز CO2 به­طور قابل ملاحظه­ای افزایش یافته است. براساس داده­های آماری سال IATA در سال 2015، کل هزینه انرژی برای خطوط هوایی در سال 2012 بیش از 160 میلیارد دلار بود. علاوه بر این، حجم انتشار CO2 در آن زمان بیش از 0.676 میلیارد تن بود که تقریباً 2٪ از کل انتشار جهانی CO2 است. در واقع، صنعت هوانوردی یکی از معدود بخش­هایی است که مصرف انرژی در آن طی 10 سال گذشته بیش از 6 درصد افزایش یافته است. در همین حال، طبق پیش‌بینی شرکت هواپیمایی تجاری چین3 در سال 2014،  برای 20 سال آینده، درآمد کیلومتر مسافر (RPK) کل صنعت هوانوردی 4.8 درصد در سال و کل تقاضای حمل و نقل مسافر نیز 2.6 برابر سطح فعلی افزایش خواهد یافت. با این حال، تولید انرژی عقب مانده و در مدت مشابه کمتر از 6 درصد افزایش خواهد یافت و لذا شکاف بین عرضه و تقاضای انرژی روز به روز آشکارتر می­شود. بنابراین، مشکل استفاده از انرژی در صنعت هواپیمایی و کاهش انتشار گازهای گلخانه­ای از طریق کاهش مصرف سوخت توجه عمومی را به خود جلب نموده است. کارایی یک شرکت هواپیمایی تحت تأثیر همه ورودی­ها و خروجی­های عملیات، مدیریت کارکنان و سرمایه و مصرف منابع است. با ایجاد درک بهتری از کارایی خطوط هوایی و بررسی رابطه آن با ردپای زیست محیطی یک شرکت هواپیمایی، رهبری سازمانی خطوط هوایی می‌تواند از استراتژی‌های طراحی شده برای کاهش اثرات زیست‌محیطی و کاهش مصرف انرژی آن استفاده کند( چن و همکاران، 2017).

ساختار این مقاله به شرح زیر است: پس از این مقدمه، به "بررسی ادبیات" موضوع می­پردازیم. سپس در بخش "روش­شناسی" به ارائه روشی برای اندازه­گیری عملکرد سیستم­های سری دومرحله­ای با در نظر گرفتن ورودی­های خارجی مرحله دوم و خروجی­های نامطلوب پرداخته و در بخش "مطالعه موردی" رویکرد پیشنهادی را برای 11 شرکت هواپیمایی در ایالات متحده اعمال و مقادیر کارایی به دست آمده­اند. در نهایت بخش "نتیجه­گیری" به بحث و بررسی نتایج حاصله و نتیجه­گیری و بیان محدودیت­ها خواهد پرداخت.

ادبیات نظری و پیشینه تحقیق 

اصطلاح کارآیی یا بهره­وری برای توصیف توانایی یک واحد تجاری برای به حداکثر رساندن خروجی در عین به حداقل رساندن ورودی، استفاده می­شود. به طور مشابه، کارایی خطوط هوایی، توانایی نسبی خطوط هوایی را برای به حداکثر رساندن عملکرد خود در حالی که مصرف منابع خود را به حداقل می­رساند، توصیف می­کند(فورسایث و همکاران، 1986). مطالعات اولیه عملکرد خطوط هوایی به­طور معمول فقط بر اندازه شرکت متمرکز بودند. همان­طور که تحقیقات در صنعت تکامل یافت، زمینه­های تمرکز و روش­های تحقیق مورد استفاده نیز رشد پیدا کرد. تحلیل عملکرد شرکت­های هواپیمایی بر حداکثر کردن درآمد و استفاده از دارایی متمرکز بود. در دنیای شرکت­های هوایی، عملکرد با عوامل بار هواپیما و درآمد به ازای هر مایل صندلی نشان داده می­شود (مالیکارجون و همکاران، 2014). 

تا جایی که می­دانیم، تحقیقاتی که برای شناخت جنبه زیست محیطی عملیات خطوط هوایی انجام شده­اند، اثرات زیست محیطی را به عنوان خروجی عملیات خطوط هوایی شناسایی کرده­اند. در یک تحقیق ویژه که توسط کمیته بین­المللی تغییرات آب و هوایی4 (IPCC) انجام شد، محققان نتیجه گرفتند که هوانوردی 3.5 درصد از انتشار CO2 در جهان را به خود اختصاص داده است (IPCC، 1999). رشد مداوم صنعت هوانوردی، همراه با موانع کمی برای رشد انتشار گازها، نشان می­دهد که حمل و نقل هوایی می­تواند 15 تا 40 درصد از انتشار CO2 جهان را تا سال 2050 تشکیل دهد. در تحقیقات اخیر، بومیستر5 و آنکیلا6 (2017) پیشنهاد کردند که یک برچسب زیست­محیطی ( افشاء عمومی، که به­طور خلاصه اثرات زیست­محیطی آن کالا یا خدمات را قبل از خرید در دسترس مصرف­کنندگان احتمالی قرار می­دهد) باید ایجاد شود تا به مصرف­کنندگان هواپیمایی شفافیت بیشتری در انتخاب خطوط هوایی خود ارائه دهد. با در نظر گرفتن تأثیر عملیات خطوط هوایی بر محیط زیست، کوی7 و لی8 (2016) تحلیلی بر روی کآرایی خطوط هوایی انجام دادند تا اثربخشی نسبی تبدیل سرمایه انسانی و مادی به قابلیت درآمد و همچنین دی­اکسیدکربن را ارزیابی کند ( ساینی، 2018).

تحلیل پوششی داده­ها9 برای اولین بار در اواسط دهه 1990 برای تحلیل کارایی خطوط هوایی معرفی شد. DEA یک روش تحلیل ناپارامتریک برای ارزیابی کارایی واحدهای تصمیم­گیری10، که دارای ورودی و خروجی­های متعدد هستند، می­باشد (سنگوپتا11، 1999). این روش امکان مقایسه کارآیی نسبی DMUها را فراهم می‌کند و محققان را قادر می‌سازد تا یک الگو و/یا بهترین عملکرد برای تعریف مرز کارایی بهینه آن محیط صنعتی ایجاد کنند. جنبه کلیدی DEA این است که نیازی به تبدیل مقادیر ورودی و خروجی به یک معادل مالی یا واحد اندازه­گیری مشترک برای ارزیابی کارایی DMU ندارد. این روش، مصرف ورودی­ها و تولید خروجی­ها را در مقایسه با سطوح عملکرد بهینه فرضی ارزیابی می­کند. سنگوپتا (1999) خاطر نشان می­کند که توانایی انجام تحلیل کارایی بدون اطلاعات هزینه، DEA را به یک انتخاب محبوب برای شرکت­های بخش دولتی و سازمان­های غیرانتفاعی تبدیل می­کند. مرکت12 و هنشر13 (2011) تاکید می­کنند که این ویژگیِ DEA هم­چنین آن را به یک ابزار کارآمد محبوب برای تحقیقات در ­هوانوردی تبدیل می­کند - صنعتی که به ویژه به داده­ها حساس است. مجموعه دانش فعلی نشان می‌دهد که DEA برای مدل‌سازی و مقایسه عملیات خطوط هوایی اصلی برای ارزیابی کارایی مفید است. چندین محقق این روش را برای تحلیل عملیات خطوط هوایی از جنبه­های مختلف انتخاب نموده­اند (مالیکارجون، 2015).

تحلیل کارآیی خطوط هوایی اولیه با استفاده از روش DEA بر عملیات تجاری سنتی متمرکز بود ( به عنوان مثال، تبدیل سرمایه، مواد و ورودی‌های نیروی کار به قابلیت تولید درآمد). سنگوپتا (1999) مطالعه‌ای را بر روی 14 شرکت هواپیمایی بین‌المللی انجام داد که در آن کارایی مصرف­شان از ظرفیت هواپیما، هزینه عملیاتی کل و کل دارایی‌های غیرپرواز را برای تولید درآمد مسافری و غیرمسافری ارزیابی کرد. از آنجایی که صنعت خطوط هوایی اثرات زیست محیطی را پذیرفته است، کاربردهای تحقیقاتی DEA به موضوع اثرات زیست محیطی مرتبط با هوانوردی نیز گسترش یافته است. کوی و لی (2016) از یک مدل چند مرحله­ای DEA برای ارزیابی کارایی خطوط هوایی با توجه به کاهش دی­اکسیدکربن استفاده کردند. این مطالعه تحقیقاتی یکی از نمونه‌های متعدد در سال‌های اخیر در بررسی کارایی خطوط هوایی و ارتباط آن­ها با اثرات زیست‌محیطی هوانوردی است. با این حال، در ارزیابی کارآیی سوخت یا کارآیی انرژی برای خطوط هوایی در مقالات فوق خروجی نامطلوب در نظر گرفته نشده است. در برخی مقالات موجود در رابطه با کارآیی انرژی مانند وی و همکاران (2007)، ژو و آنگ (2008)، ماندال (2010) و تائو و همکاران (2012) خروجی­ نامطلوب اصلی میزان انتشار CO2 می­باشد. اگرچه خطوط هوایی تنها چیزی حدود 2.5 درصد از انتشار CO2 جهانی را تشکیل می­دهند، محدودیت اعمال شده توسط اتحادیه اروپا بر انتشار کربن خطوط هوایی توجه بسیاری از خطوط هوایی را به خود جلب کرده است ( ساینی، 2018).

در واقع، چندین موضوع مختلف توسط مطالعات تحقیقاتی خطوط هوایی مبتنی بر DEA در کشورها یا مناطق مختلف مورد بررسی قرار گرفته است. علاوه بر رتبه‌بندی کارایی و مقایسه‌های شان، می‌توان اشاره نمود که به عنوان مثال تأثیر اندازه شبکه، مالکیت و اقدامات نظارتی بر عملکرد صنعت هواپیمایی با رگرسیون امتیازات کارایی بر روی متغیرهای زمینه‌ای یا محیطی مورد بررسی قرار گرفته است. (باروس و همکاران، 2013؛ باروس و وانکه، 2015؛ کائو و همکاران، 2015؛ لی و کوی، 2015؛ کوی و لی، 2017؛ ژانگ و همکاران، 2017). خوانندگان می­توانند برای بررسی ادبیات جامع در مورد این موضوع، به این نویسندگان مراجعه کنند.

با این حال، توجه به این نکته مهم است که به تازگی تمرکز بر کارآیی انرژی/سوخت خطوط هوایی افزایش یافته است، هرچند برخورد با انتشار CO2 به عنوان یک خروجی نامطلوب هنوز کمیاب است (کوی و لی، 2014؛ کوی و همکاران، 2014؛ کوی و لی،2015). زو و همکاران (2014) از رویکردهای مرزی مبتنی بر نسبت، قطعی و تصادفی، برای بررسی کارایی سوخت 15 اپراتور جت بزرگ در ایالات متحده استفاده کرد. نتایج نشان داد که صرفه جویی در هزینه خطوط هوایی اصلی می تواند در سال 2010 به حدود 1 میلیارد دلار برسد. کوی و لی (2015) از یک VFB-DEA برای اندازه گیری بازده انرژی 11 شرکت هواپیمایی از سال 2008 تا 2012 استفاده کردند، و سپس، آنها از یک مدل اندازه گیری مبتنی بر اپسیلون پویا برای ارزیابی کارایی دینامیک 19 شرکت هواپیمایی بین المللی بزرگ از سال 2009 تا 2014 استفاده کردند. آن­ها دریافتند که بحران مالی جهانی که در سال 2008 آغاز شد تأثیرات منفی قابل توجهی بر کارایی انرژی خطوط هوایی داشت.

در بیشتر مقالات، کارایی انرژی برای منعکس کردن رابطه بین خروجی­ها و ورودی­ها تعریف شده است. بر اساس تعریف کلی پاترسون (1996) از کارآیی انرژی به استفاده از انرژی کمتر برای تولید همان مقدار خدمات یا خروجی­های مفید اشاره دارد و کارایی انرژی شرکت­های هواپیمایی را بر اساس تعریف اولیه، انتشار CO2 در نظر گرفته است.

از سویی، علاوه بر مهم­ترین گاز گلخانه­ای ساخته­ی دستِ بشر یعنی دی­اکسیدکربن (CO2)، گازهای گلخانه­ای دیگری مانند متان یا اکسیدنیتروژن نیز وجود دارد. گازهای مختلف به یک اندازه در اثر گلخانه­ای نقش ندارند و برای دوره­های زمانی مختلف در جو باقی می­مانند. به منظور مقایسه اثرات گازهای گلخانه­ای مختلف، کمیته بین­المللی تغییرات آب و هوایی سازمان ملل متحد اصطلاح «پتانسیل گرمایش جهانی14 (GWP)» را تعریف کرده است. این شاخص اثر گرم­شدن زمین بر اثر مقدار معینی از گازهای گلخانه­ای را در یک دوره زمانی معین (معمولاً 100 سال) در مقایسه با CO2 بیان می­کند. به عنوان مثال، تأثیر متان بر آب و هوا 25 برابر شدیدتر از CO2 است، اما به مدت طولانی در جو باقی نمی­ماند. ­به طور معمول، انتشار گازهای گلخانه­ای در واحدهای معادل دی­اکسیدکربن15 (CO2e) گزارش می­شود. گازها با ضرب در GWP به CO2e تبدیل می­شوند. بدین­منظور کمیته بین­المللی تغییرات آب و هوایی ، GWP مربوط به گازهای گلخانه­ای حاصل از سوخت هواپیما را محاسبه نموده که در جدول 1 آورده شده است.16

جدول1. ضرایب GWP برای گازهای معادل CO2

نام

فرمول شیمیایی

پتانسیل گرمایش جهانی ( در 100 سال)

دی­اکسید کربن

CO2

1

متان

CH4

25

اکسید نیتروژن

N2O

298

هم­چنین IPCC، میزان انتشار سالانه CO2، CH4 و N2O از منابع احتراق سوخت در حالت پرواز هواپیما برحسب تن متریک را محاسبه نموده است. این مقادیر در جدول 2 نمایش داده شده­اند.


 

جدول2. میزان تولید واحدهای معادل دی­اکسیدکربن در احتراق در حال پرواز هواپیما

نوع وسیله نقلیه

عامل CO2

(کیلوگرم / واحد)

عامل CH4

(گرم/واحد)

عامل N2O

(گرم/واحد)

واحد

سفر هوایی - مسافت کوتاه (<300 مایل)

0.207

0.0064

0.0006

مسافر-مایل

سفر هوایی - مسافت متوسط (>= 300 مایل، < 2300 مایل)

0.129

0.0006

0.0041

مسافر-مایل

سفر هوایی - مسافت طولانی (>= 2300 مایل)

0.136

0.0006

0.0052

مسافر-مایل

تحقیقات کمی در مورد تاثیر خطوط هوایی در گرمایش زمین انجام شده است و بیشتر مطالعات تنها بر میزان تولید دی­اکسیدکربن در خطوط هوایی تمرکز دارند. از سوی دیگر مقدار تولید CO2 در تمام پروازها ثابت و برابر در نظر گرفته شده­اند، در حالی­که همان­طور که از جدول 2 ملاحظه ­­می­شود میزان تولید گازهای آلاینده در هواپیماهای با ابعاد مختلف، متفاوت می­باشد. در نتیجه نادیده گرفتن سایر آلاینده­های حاصله در گرمایش جهانی، ارزیابی کارایی را دچار خطا نموده است. علاوه­براین، ثابت فرض نمودن این مقادیر، عدم قطعیت موجود در داده­ها را نادیده می­گیرد که می­تواند منجر به جواب­های نشدنی گردد.

این مقاله به صوت مبتکرانه یک چارچوب نظری را پیشنهاد می­کند که شامل حمل و نقل مسافر و بار با خطوط هوایی با لحاظ نمودن پتانسیل گرمایش جهانی به عنوان یک خروجی نامطلوب می­باشد. این روش محاسبه کارایی می­تواند به شناسایی دلایل واقعی ناکارایی و به دست آوردن برآورد دقیق­تر کارایی کمک نماید. این مقاله یک مدل NDEA سری با خروجی نامطلوب غیرقطعی برای تحلیل کارایی زیست محیطی خطوط هوایی پیشنهاد می­کند که می­تواند کارایی کلی و کارایی زیرسیستم­ها را محاسبه کند. در نهایت مطالعه موردی ما نشان می­دهد که مدل پیشنهادی چگونه کار می­کند و یافته­های کلیدی را ارائه می­کند که برای تصمیم گیرندگان مفید است.

روش شناسی

این پژوهش از نظر جهت­گیری پژوهش، در زمره­ی مطالعات بنیادی است. از بعد روش­شناسی، پژوهش حاضر از نوع کمی است. روش کمی گردآوری اطلاعات از نوع استفاده از اطلاعات موجود بوده و از این دیدگاه پژوهش در زمره­ی مطالعات موردی حساب می­شود که هدف کاربردی آن بررسی عملکرد شرکت­های هواپیمایی با هدف افزایش درآمدهای شرکت و کاهش تاثیر آن بر آلودگی زیست­محیطی است. در این تحقیق با تحلیل دقیق ادبیات موضوع و مطالعه داده­های شرکت­ها، مدل مفهومی مساله طرح­ریزی شده و اطلاعات مورد نیاز از طریق پایگاه داده­های آنلاین اداره حمل و نقل ایالات متحده جمع آوری شده است.

در پژوهش کنونی، به منظور تحلیل مضمون از مدل تحلیل پوششی داده­های شبکه­ای کائو و هوانگ و رویکرد استوار سازی برتسیماس و سیم استفاده شده است. تحلیل پوششی داده­ها در حال حاضر به­طور گسترده برای محاسبه کارایی زیست محیطی در صنعت هوانوردی استفاده می­شود. هنگام در نظر گرفتن خروجی­های نامطلوب، مجموعه تولید به صورت زیر است:

img0 

در معادله (1)، img0 مخفف ماتریس ورودی ها، img0 مخفف ماتریس خروجی­های مطلوب و img0 مخفف ماتریس خروجی نامطلوب است. K تعداد DMU ها و M، N، L به ترتیب تعداد ورودی­ها، خروجی­های مطلوب و خروجی نامطلوب را نشان می­دهد.

یکی از راه­های رایج برای مدیریت خروجی‌های نامطلوب ، روش دور ریختنی قوی است که به ظرفیت محیط برای رسیدگی به مقدار از پیش تعیین­شده خروجی­های نامطلوب اعتقاد دارد. یعنی خروجی­های نامطلوب به عنوان ورودی و ورودی­های نامطلوب به عنوان خروجی تلقی می­شوند. تمام روش­ها در مقالات دانشگاهی مورد مطالعه قرار گرفته‌اند، در حالی که نتایج حاصل از کوی و همکاران (2018) نشان می­دهد که دورریختنی قوی در هنگام برخورد با خروجی­های نامطلوب معقول­تر است. بنابراین، ما یک مدل NDEA استوار با قابلیت دورریختنی قوی معرفی می­کنیم تا کارایی یک سیستم سری را به طور منطقی مقایسه کنیم.

درآمدهای عملیات

 

فرمول­سازی مساله: مدل اندازه‌گیری کارایی، امتیازهای کارایی را برای هر شرکت هواپیمایی مسافربری ایجاد می‌کند و به دنبال منابع ناکارآمدی است. بر اساس تحقیقات آکادمیک قبلی و روند عملیات روزانه شرکت­های هواپیمایی، ورودی­ها و خروجی­های خطوط هوایی را انتخاب کرده و یک سیستم جدید برای ساختار داخلی خطوط هوایی می­سازیم. مدل کارایی خطوط هوایی شامل شبکه­ای از دو مرحله با چهار ورودی، سه خروجی و یک محصول میانی است. شکل 1 مدل بازده عملیاتی خطوط هواپیمایی را به همراه شاخص­های عملکردی مهم نشان می­دهد.

مرحله اول یا مرحله پشتیبانی از ورودی­های سوخت، تعداد هواپیما و تعداد کارکنان برای تولید متغیر میانی مایل صندلی موجود17 (ASM) استفاده می­کند. ASM به عنوان حاصل­ضرب مایل­ هواپیماهای موجود برای مسافرت بین مقاصد و تعداد صندلی­های موجود برای خدمات درآمد مسافری بین مقاصد تعریف می­شود (اداره آمار حمل و نقل18، 2013a). ASM نشان دهنده ظرفیت عرضه یک شرکت هواپیمایی است. مرحله اول شاخص کارایی شرکت هواپیمایی را نشان می دهد. ASM هم خروجی از مرحله اول و هم ورودی مرحله دوم است. بنابراین، ASM یک محصول میانی در مدل است که مراحل اول و دوم را به هم متصل می­کند.

مرحله دوم یا مرحله پرواز، ASM را مصرف می کند تا خروجی­های میزان بار، تعداد مسافر و میزان انتشار CO2e را تولید کند. میزان بار حمل شده و تعداد مسافر جابجا شده، خروجی های مطلوب شرکت هواپیمایی می باشد و لذا بدنبال افزایش آن هستیم ولی میزان انتشار CO2e خروجی نامطلوب است و می­بایست آن را کاهش داد. مدل پیشنهادی صرفاً بر اندازه‌گیری کارایی عملیات خطوط هوایی داخلی ایالات متحده با درنظر گرفتن کاهش آلودگی هوا و کمک به مدیران برای بهبود عملکرد عملیاتی متمرکز است. از این رو، مدل فقط کمیت­های مربوط به عملیات را در نظر می­گیرد.

مدل کارایی خطوط هوایی شامل دو مرحله، چهار ورودی، سه خروجی و یک محصول میانی است. برای دستیابی به راندمان بهینه، بدیهی است که ورودی­ها (سوخت، تعداد هواپیما، تعداد کارکنان پشتیبانی و تعداد خدمه پرواز) باید کاهش و خروجی­های مطلوب (درآمد بار، درآمد مسافر) افزایش و خروجی نامطلوب ( میزان انتشار CO2e) نیز کاهش یابد. با این حال، محصول میانی (ASM) به عنوان ورودی و خروجی رفتار می­کند و انتخاب جهت­گیری آن مشخص نیست. بنابراین، مدیران خطوط هوایی باید به دنبال یافتن سطوح بهینه ASM باشند تا هزینه­ها را کاهش یا درآمد را افزایش دهند. متغیرهای مساله به شرح زیر تعریف می­شوند:

·       سوخت: کل سوخت مصرفی بر حسب میلیون گالن

·       تعداد هواپیما: کل ناوگان عملیاتی شرکت می باشند که شامل انواع زیر می­باشد.

o       هواپیمای کوچک باریک: به طور معمول 150 صندلی یا کمتر در یک پیکربندی دو کلاسه (به عنوان مثال بوئینگ 737-700 ، ایرباس A319)

o       هواپیمای بزرگ باریک: به طور معمول 151 صندلی یا بیشتر با پیکربندی دو کلاس (به عنوان مثال بوئینگ 737-800 / بوئینگ 757، ایرباس A321 / A320 NEO / A321NEO)

o       هواپیمای پهن­پیکر: پیکربندی دو راهرو

·       تعداد کارکنان پشتیبانی: شامل کل کارکنان حوزه مدیریت، حوزه تعمیر و نگهداری داخلی و کارکنان مرتبط با مسافر، بار و جابجایی هواپیما می­باشد

·       تعداد کارکنان پرواز: شامل کل خلبانان و کمک خلبانان و کل کارکنان خدمه پرواز

·       ASM: (مایل_صندلی موجود) معیار رایج صنعت از خروجی شرکت هواپیمایی که اشاره به یک صندلی هواپیما دارد که یک مایل پرواز کرده است ، چه اشغال شده باشد یا نشود. هواپیمایی با 100 صندلی مسافر ، با مسافت 100 مایل پرواز کرده و 10 هزار مایل صندلی در دسترس ایجاد می کند.

·       درآمد مسافر: درآمد دریافت شده توسط شرکت هواپیمایی از حمل و نقل مسافران در عملیات برنامه­ریزی شده برحسب میلون دلار.

·       درآمد بار: درآمد دریافت شده توسط شرکت هواپیمایی از جابجایی بار در عملیات برنامه­ریزی شده برحسب میلیون دلار.

·       CO2e: علاوه بر مهم­ترین گاز گلخانه­ای ساخته­ی دستِ بشر یعنی دی­اکسیدکربن (CO2) ، گازهای گلخانه­ای دیگری مانند متان یا اکسیدنیتروژن نیز وجود دارد. ­به طور معمول، انتشار گازهای گلخانه­ای در واحدهای معادل دی­اکسیدکربن (CO2e) گزارش می­شود. میزان انتشار گازها با ضرب در GWP به CO2e تبدیل می­شوند.

میزان تولید گازهای گلخانه­ای بسته به اندازه و نوع هواپیما و نیز سن ناوگان متفاوت است، لذا مقدار این متغیر غیرقطعی و به صورت یک داده استوار بیان خواهد شد ولی سایر داده­ها قطعی می­باشند. مقادیر متغیرهای این تحقیق از داده­های استخراج شده از پرونده­های شرکت حمل و نقل هوایی بدست می­آید که از طریق پایگاه داده­های آنلاین اداره حمل و نقل(BTS, 2021) در دسترس است.

برای اندازه‌گیری بازده عملیاتی کلی خطوط هوایی، ما مدل DEA خروجی_محور (لوئیس و همکاران، 2013) را برای مدل شبکه دو مرحله‌ای خطوط هوایی اعمال می‌کنیم. برای دستیابی به راندمان عملیاتی بهینه، ما تمایل داریم که با حفظ ورودی، خروجی را به طور هم­زمان افزایش دهیم. با این حال، هیچ وزن ذهنی نسبی برای ورودی و خروجی وجود ندارد که نشان­دهنده اهمیت آن­ها باشد.

در این بخش ابتدا به یادآوری مدل دومرحله­ای خروجی­محور کائو و هوانگ (2008) برای محاسبه کارایی کل و مدل دومرحله­ای خروجی محور کائو (2014) پرداخته و سپس مدل تغییریافته برای ارائه مدلی جهت ارزیابی کارایی در حضور ورودی­های میانی، عوامل مطلوب و نامطلوب به طور هم­زمان استفاده خواهد شد.

در ابتدا مفاهیم پایه­ای زیر را تعریف می­کنیم.

img0: مجموعه اندیس 11 واحد تصمیم­گیری

img0: اندیس DMUی تحت ارزیابی

img0: بردار ورودی­های خارجی مرحله اول مصرف­شده توسط DMUj

img0: ورودی خارجی مرحله دوم مصرف­شده توسط DMUj

img0: خروجی­ میانی مرحله اول تولید شده توسط DMUj

img0: بردار خروجی­های نهایی آخرین مرحله تولیدشده توسط DMUj

img0: بردار وزن­های ورودی­های خارجی اولین مرحله

img0: بردار وزن­ خروجی­ میانی مرحله اول

img0: بردار وزن­های خروجی­های نهایی آخرین مرحله

img0: کارایی کلی DMUk

img0: کارایی مرحله اول DMUk

img0: کارایی مرحله دوم DMUk

امتیاز کارایی کل DMUk توسط مدل خروجی_­محور کائو و هوانگ(2008) به صورت ذیل محاسبه می­شود:

img0 

که در آن مولفه img0 مقدار ورودی iام و نیز img0 مقدار خروجی rام از img0 خواهند بود. با توجه به افزوده شده متغیر ورودی مرحله دوم (img0)، مدل DEA دومرحله­ای (1) به شرح زیر تغییر می­یابد.

img0 

سیستم شکل (1) علاوه بر استفاده و تولید ورودی­ها و خروجی­های مطلوب ( میزان سوخت، تعداد هواپیما، تعداد کارکنان پشتیبانی، تعداد صندلی/مایل در دسترس، تعداد کارکنان پرواز، درآمد مسافر و درآمد بار) به تولید خروجی نامطلوب ( میزان انتشار CO2e) نیز می­پردازد. تفکیک کردن مولفه­های مطلوب و نامطلوب از یکدیگر در بردار خروجی و نیز بررسی تاثیر این عوامل، مساله مهمی است که سبب بهبود روند عملیاتی افزایش سطح کارآیی واحدها می­گردد. مدل­های ارزیابی­کننده چنین سیستم­هایی، باید برای افزایش سطح کارآیی، از میزان تولید خروجی­های نامطلوب بکاهند. به عبارت دیگر مدل­های DEA در چنین مواقعی بایستی رفتار متفاوت با عوامل مطلوب و نامطلوب موجود داشته باشند. در چنین مدل­هایی با کاهش سطح خروجی­های نامطلوب به افزایش شاخص کارآیی چنین واحدهایی اقدام می­نمایند.

حال فرض کنید که در کنار عوامل مطلوب img0، img0 و img0 عامل نامطلوبimg0 نیز ظاهر گردند. در این هنگام ناحیه شدنی متشکل از بردارهایی به فرم img0 ، img0 و img0می باشد. در مدل (2) متغیر خروجی سوم ( میزان انتشار CO2e) به عنوان خروجی نامطلوب سیستم به شمار می­آید، لذا جهت سهولت شناسایی آن را با نماد img0 نمایش می­دهیم.

 لذا می توان نوشت:

img0 

برای تحلیل کارایی در حضور عوامل نامطلوب دو گونه روش­ پیشنهاد شده است. گونه اول، شامل روش­هایی است که تخمین کارایی را از طریق اعمال تغییرات مناسب روی مدل انجام می­دهند و گونه دوم، شامل روش­هایی می­باشد که از طریق اعمال تغییرات مناسب در داده­ها، کارایی را ارزیابی می­کنند. در این تحقیق ما از روشی از گونه اول استفاده می­کنیم. همان­گونه که پیشتر اشاره شد در این تحقیق، از روش دور ریختنی قوی استفاده شده است که در آن با خروجی­های نامطلوب مانند ورودی­ها رفتار می­شود و هم­چنین با ورودی­های نامطلوب مانند خروجی رفتار می­شود. در این صورت متغیر در تابع هدف به ضریب منفی و در محدودیت سوم به عنوان متغیر ورودی مرحله سوم خواهد بود. لذا خواهیم داشت:

img0 

مشاهده می­شود که مدل (4) درصدد کاهش خروجی­های نامطلوب و افزایش خروجی­های مطلوب و هم­چنین افزایش ورودی­های نامطلوب و کاهش ورودی­های مطلوب است.

مدل DEA برای ارزیابی کارایی مرحله اول برای DMU k بدین صورت می باشد: (کائو، 2014)

img0 

و به شیوه مشابه مدل DEA برای ارزیابی کارایی مرحله دوم DMU k نیز به شرح زیر است: (کائو، 2014)

img0 

همان­طور که پیشتر عنوان شد، متغیر خروجی img0 غیرقطعی می­باشد. حال اگر فرض می­کنیم به ازای هر img0 img0، که در آن img0 و img0 برآورد پارامتر و img0 میزان انحراف مجاز پارامتر باشد، آن­گاه با جایگذاری مقدار img0 در روابط (4) مدل (6) به صورت زیر تبدیل می­شود.

img0 

به منظور داشتن جوابی که به ازای تمام مقادیر img0 در مدل (7) صدق باید رابطه زیر را داشته باشیم.

img0 

 با تکنیک استوارسازی برتسیماس، مدل­ همتای استوار مدل (7) به صورت زیر حاصل می­شود.

img0 

به شیوه مشابه مدل­های همتای استوار برای مدل­های محاسبه ارزیابی مراحل اول و دوم، مدل­های (5) و (6)، به صورت زیر به­دست می­آید.

img0 

و

img0 

یافته ها 

این مقاله از داده­های 10 سال برای تحقیقات تجربی از سال 2010 تا 2019 استفاده می­کند. به دلیل اهمیت نسبی تجارت حمل­ونقل، داده­های بخش حمل­و­نقل در برخی از خطوط هوایی ناقص است. پس از فیلتر کردن دقیق، داده­های تجربی از 11 شرکت هواپیمایی ایالات متحده به شرح زیر به­دست آمده­است: آمریکن19، کانتیننتال20، دلتا21، ویرجین آمریکا22، یونایتد23، یو اس ایرویز24، سوث­وست25، جت­بلو26، فرونتیر27، آلاسکا28، هاوایین29.

داده‌های تعداد کارکنان بخش دفتری، تعداد کارکنان بخش پرواز، تعداد ناوگان هواپیمایی، میزان سوخت، تعداد مایل/صندلی در دسترس، میزان درآمد حاصل از حمل مسافر و میزان درآمد حاصل از حمل­ونقل بار از گزارش‌های سالانه 11 شرکت هواپیمایی استخراج شده است. داده­های مربوط به میزان گرمایش زمین از گزارش های پایداری، محیط زیست و مسئولیت اجتماعی و بر مبنای مایل/صندلی در دسترس  شرکت ها حاصل شده است.

آمار توصیفی ورودی­ها و خروجی­ها در جدول 2 ارائه شده است. جدول 3 مقدار میانگین، انحراف استاندارد، حداقل مقدار و حداکثر مقدار را در بخش حمل­ونقل 11 شرکت هواپیمایی نشان می­دهد. داده­های ASM و درآمد بار دارای تفاوت زیادی هستند که اولی از 6039.687 تا 253254.572 متغیر و انحراف استاندارد 85804.359 است. دامنه دوم از 5 تا 10023 و انحراف استاندارد آن 3425 می­باشد.

جدول 3- آمار توصیفی ورودی­ها و خروجی­ها در طول سال­های 2010 الی 2019

 

میانگین

مقدار بیشینه

مقدار کمینه

انحراف استاندارد

کارکنان بخش پشتیبانی ( نفر)

26188.625

90375

779

29826.609

سوخت ( میلیون گالن)

1210.564

3666.379

97.826

1285.060

تعداد ناوگان ( فروند)

318.555

971.890

28.359

311.843

ASM

83955.404

253254.572

6039.687

85804.359

کارکنان خدمه پرواز ( نفر)

12161.521

38902

772

12752.966

درآمد مسافر (میلیون دلار)

9858

32848

458

10697

درآمد بار (میلیون دلار)

2240

10023

5

3425

پتانسیل گرمایش ( کیلوگرم)

14020.553

42293.514

1008.628

14329.328

این بدان معناست که حمل و نقل مسافر و بار در خطوط هوایی مختلف دارای سطوح مختلف توسعه است. با این وجود، داده های مساله با واقعیت مطابقت دارند. محدوده انتشار پتانسیل گرمایش زمین  از 1008.6 تا 42293.5 کیلوگرم است و دلیل آن حالات توسعه متنوع خطوط هوایی، تفاوت ASM و نیز اختلاف نوع هواپیماهای مورد استفاده است. بنابراین، در نظر گرفتن خروجی­های نامطلوب در ارزیابی بهره وری انرژی از اهمیت بیشتری برخوردار است. 

جدول 4- ضرایب همبستگی ورودی­ها و خروجی­ها

 

کارکنان پشتیبانی

سوخت

تعداد ناوگان

مایل/صندلی در دسترس

کارکنان خدمه پرواز

درآمد مسافر

درآمد بار

پتانسیل گرمایش

کارکنان پشتیبانی

1.000

0.996

0.972

0.994

0.996

0.989

0.921

0.994

سوخت

0.996

1.000

0.974

0.997

0.995

0.994

0.917

0.997

تعداد ناوگان

0.972

0.974

1.000

0.981

0.982

0.983

0.818

0.981

مایل/صندلی در دسترس

0.994

0.997

0.981

1.000

0.998

0.997

0.903

1.000

کارکنان خدمه پرواز

0.996

0.995

0.982

0.998

1.000

0.994

0.902

0.998

درآمد مسافر

0.989

0.994

0.983

0.997

0.994

1.000

0.891

0.997

درآمد بار

0.921

0.917

0.181

0.903

0.902

0.891

1.000

0.903

پتانسیل گرمایش

0.994

0.997

0.981

1.000

1.000

0.997

0.903

1.000

* همه ضرایب همبستگی از نظر آماری در سطح 1 درصد معنی دار هستند.

جدول 4 ضرایب همبستگی پیرسون این مقاله را بین ورودی­ها و خروجی­ها نشان می­دهد. باز هم، اکثر ضرایب مثبت و نزدیک به 1 هستند، که نشان دهنده همبستگی قوی بین متغیرهای ورودی و خروجی است. بنابراین، انتخاب شاخص­ها منطقی است.

کارایی کلی و بخش­ها

سطح محافظه­کاری مساله روی 0.5 تنظیم شده است. ما از نرم افزار لینگو30 نسخه 17 برای محاسبه مدل­ دومرحله­ای شبکه­ای تحلیل پوششی داده­های استوار (9) استفاده می­کنیم و نتایج در جدول 5 آورده شده است. سپس از تحلیل پوششی داده­های استوار (10) و (11) برای محاسبه کارایی مرحله اول و مرحله دوم خطوط هوایی استفاده و نتایج در جدول 6 و 7 آورده شده است.

جدول 5- امتیازات کارآیی کل شرکت های هواپیمایی ایالات متحده در سال­های 2010 الی 2019

 

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

میانگین

آمریکن

0.92400

0.89988

0.92100

0.91733

0.86896

0.92469

0.99802

0.95931

0.88356

0.89044

0.91872

دلتا

0.98039

0.97040

1.00000

1.00000

1.00000

1.00000

1.00000

0.99280

1.00000

1.00000

0.99436

یونایتد

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

0.99856

0.99791

0.99843

0.99949

سوث­وست

0.92144

0.92973

0.93655

1.00000

0.98624

0.92564

0.96519

0.95910

0.91982

0.85206

0.93958

جت­بلو

1.00000

1.00000

1.00000

1.00000

1.00000

0.98150

1.00000

0.95562

0.97509

0.91566

0.98279

فرونتیر

0.71698

0.81851

0.72589

0.74344

0.69524

1.00000

1.00000

1.00000

0.99791

1.00000

0.86980

ویرجین آمریکا

0.81271

0.86336

0.90783

0.91090

0.98188

0.90809

0.94534

0.84942

0.91982

0.88125

0.89806

آلاسکا

0.91371

0.94001

0.91119

0.86841

0.86148

0.88305

0.90059

0.82420

0.77045

0.75444

0.86276

هاوایین

0.99625

1.00000

0.99874

0.92296

0.92433

0.91204

0.98600

1.00000

0.94216

0.90332

0.95858

اسپیریت

0.62136

0.63552

0.56511

0.58134

0.55372

0.45610

0.40920

0.35083

0.38939

0.38391

0.49465

آلیجنت

0.72916

0.72428

0.70995

0.71338

0.71615

0.59675

0.54272

0.50000

0.50405

0.48342

0.62199

میانگین

0.87418

0.88925

0.87966

0.87798

0.87164

0.87162

0.88610

0.85362

0.84547

0.82390

 

در جدول 5، ستون­های 2 تا 11 امتیازات کارایی کلی شرکت­های هواپیمایی را بین سال های 2010 تا 2019 نشان می­دهد، در حالی که ستون آخر نشان دهنده میانگین امتیازات کارایی است. بازده سالانه برخی از خطوط هوایی 1 است که نشان دهنده کارایی آن شرکت هواپیمایی در آن سال است.

با بررسی جدول 5، می‌توان دریافت که سه شرکت هواپیمایی یونایتد و دلتا با هفت و شرکت جت­بلو با شش سال امتیاز کارآیی کل کامل، بالاترین عملکرد را در بین شرکت­های موردنظر داشته­اند، در حالی که پنج شرکت آمریکن، ویرجین آمریکا، آلاسکا، اسپیریت و آلیجنت در هیچ سالی کارآ نبوده­اند و شرکت­های اسپیریت و آلیجنت دارای پایین­ترین عملکرد در طی این سال­ها بوده­اند. هم­چنین، با توجه به ستون میانگین امتیازات کارایی کل شرکت­ها می­توان دید شرکت یونایتد با میانگین امتیاز 0.99949 بالاترین رتبه را داشته و به دنبال آن به­ترتیب دلتا، جت­بلو، هاوایین، سوث­وست، آمریکن،ویرجین آمریکا ، فرونتیر، آلاسکا، آلیجنت قرار دارند و شرکت اسپیریت در رتبه آخر قرار خواهد داشت.

img0 

نمودار2- امتیاز کارایی شرکت­های هواپیمایی ایالات متحده در طی سال­های 2010 تا 2019

با توجه به نمودار 1، می­توان دید که شرکت­های هواپیمایی به دو گروه تقسیم می­شوند، گروه اول شامل 9 شرکت که دارای کارایی کل به­طور نسبی بالایی هستند و گروه دوم شامل دو شرکت اسپیریت و آلیجنت که همواره در طی این دوره دارای بازده عملکرد پایین می­باشند. البته شرکت فرونتیر در پنج­سال اول دارای بازده عملکرد پایین بوده ولی از سال 2015 عملکرد این شرکت رشد قابل توجهی داشته و این شرکت را از گروه دوم به گروه اول انتقال داده است. حال مساله اصلی یافتن عوامل و دلایل پایین بودن بازده عملکرد دو شرکت اسپیریت و آلیجنت و ارائه یک الگو جهت بهبود عملکرد تمام شرکت­ها به­خصوص این دو شرکت می­باشد.

img0 

نمودار 3- روند تغییرات میانگین امتیازات کل سالانه شرکت­ها از سال 2010 تا 2019

از سوی دیگر، مطابق جدول 5 مقدار میانگین سالانه بازده از سال 2010 تا 2019 افزایش و کاهش داشته است اما روندی نزولی را از 0.8741818 در سال 2010 به 0.8239027 در سال 2019 نشان می­دهد. متاسفانه از این منظر، چشم­انداز توسعه خطوط هوایی خوب نیست. این روند در نمودار 3 قابل ملاحظه می­باشد.

در ادامه جهت تعیین علل ناکارایی شرکت­ها به محاسبه امتیاز کارایی مرحله اول ( بخش پشتیبانی) و مرحله دوم ( بخش پرواز) هر شرکت می­پردازیم. بدین منظور، ابتدا با استفاده از مدل تحلیل پوششی داده­های استوار (10) امتیاز کارایی بخش پشتیبانی را محاسبه می­کنیم. در این بخش شرکت­ها تلاش می­کنند با استفاده از ورودی­های میزان سوخت مصرفی، تعداد ناوگان هواپیمایی و نیز تعداد کارکنان پشتیبانی، بیشینه تعداد مایل/صندلی دردسترس را ایجاد نمایند. نتایج این ارزیابی در جدول 6 آورده شده­است.

جدول 6- امتیازات کارآیی مرحله اول شرکت های هواپیمایی ایالات متحده در سال­های 2010 الی 2019

 

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

میانگین

هاوایین

0.99123

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

0.99912

اسپیریت

1.00000

1.00000

0.93436

0.98577

1.00000

1.00000

1.00000

0.85979

0.96758

0.98874

0.97362

فرونتیر

0.82237

0.81750

0.90746

0.90821

0.91763

1.00000

1.00000

1.00000

1.00000

1.00000

0.93732

آلاسکا

0.94900

0.99214

0.90597

0.94765

0.96042

1.00000

1.00000

0.82934

0.88475

0.83696

0.93062

یونایتد

1.00000

0.97907

0.89802

0.88036

0.88878

0.88107

0.88775

0.86844

0.91593

0.94463

0.91441

ویرجین آمریکا

1.00000

1.00000

1.00000

1.00000

1.00000

0.90685

0.88308

0.79312

0.75359

0.76071

0.90974

سوث­وست

0.82983

0.89110

0.91838

1.00000

0.93006

0.82754

0.87265

0.75640

0.77421

0.77584

0.85760

دلتا

0.91938

0.87861

0.85258

0.85066

0.84774

0.81883

0.83396

0.76340

0.81034

0.84085

0.84164

جت­بلو

0.86556

0.91846

0.84166

0.87912

0.85009

0.80479

0.83690

0.70924

0.74752

0.79392

0.82473

آلیجنت

0.76045

0.74443

0.76950

0.82605

1.00000

0.82675

0.82270

0.71507

0.77009

0.82757

0.80626

آمریکن

0.84693

0.83828

0.79025

0.79591

0.80365

0.78285

0.82591

0.73077

0.79211

0.85055

0.80572

میانگین

0.90771

0.91451

0.89256

0.91579

0.92712

0.89534

0.90572

0.82051

0.85601

0.87452

 

همان­گونه که در جدول 6 ملاحظه می­گردد، مشخص می­شود که در این بخش پشتیبانی شرکت هاوایین با نه سال امتیاز کارایی کامل، بالاترین عملکرد را دارد و شرکت­های اسپیریت ، فرونتیر و ویرجین آمریکا با پنج سال امتیاز کارایی کامل در رده دوم قرار دارند. شرکت آلاسکا با دوسال امتیاز کارایی کامل، شرکت­های یونایتد، سوث­وست و آلیجنت با یک سال و نیز شرکت­های آمریکن، دلتا و جت­بلو بدون امتیاز کامل در طی سال­های 2010 تا 2019 در انتهای گروه قرار می­گیرند. با رتبه­بندی شرکت­ها براساس میانگین کارایی، جالب است بدانیم که دو شرکت دلتا و یونایتد که در بخش کارایی کل، دارای امتیازات بالایی بودند، در این بخش از عملکرد خیلی خوبی برخوردار نیستند و در مقابل شرکت اسپیریت که پایین­ترین کارایی کل را داشت در این بخش عملکرد بسیار خوبی داشته و توانسته در رتبه دوم قرار گیرد.

با دقت در نمودار 4 می­توان دید که با وجود آن که امتیازات کارایی مرحله اول شرکت­ها در طی این سال­ها افزایش یا کاهش داشته اما از یک سو این تغییرات در اغلب شرکت­ها وجود داشته و از سویی دیگر این تغییرات برای همه شرکت­ها در محدوده تقریبا ثابتی قرار می­گیرد و کاهش چشمگیری نیز نداشته­اند. اما نکته قابل تامل در این بخش این موضع است که امتیاز کارایی مرحله اول شرکت­ها با وجود اختلاف و کم و زیاد بودن مقادیر میانگین امتیاز کارایی هر شرکت هواپیمایی در جدول 6، مقادیر نسبتاَ بالایی هستند، که نشان دهنده­ی تخصیص معقول منابع و بهره­وری نسبی عملکرد در بخش پشتیبانی شرکت­ها می­باشد.

img0 

نمودار 4- امتیاز کارایی مرحله اول شرکت­های هواپیمایی ایالات متحده در طی سال­های 2010 تا 2019

در مرحله بعد با استفاده از مدل تحلیل پوششی داده­های استوار با متغیر نامطلوب (11) امتیازات کارایی مرحله دوم ( بخش پرواز) شرکت­ها را محاسبه نموده و نتایج در جدول 6 نمایش داده­ شده­است. همان­گونه که از جدول 6 ملاحظه می­شود شرکت یونایتد در طی تمام سال­های 2010 تا 2019 دارای امتیاز کارایی یک در بخش دوم بوده است. پس از آن شرکت دلتا هشت سال، شرکت جت­بلو هفت سال، شرکت سوث­وست شش سال، شرکت فرونتیر پنج سال و شرکت­های هاوایین و آمریکن سه سال امتیاز کارایی یک در بخش پرواز دریافت کرده­اند. اما براساس میانگین امتیاز کارایی ده­ساله شرکت یونایتد با میانگین امتیاز کارایی یک در رتبه اول و شرکت دلتا با میانگین 0.99559 در رتبه دوم قراردارد و به ترتیب شرکت­های سوث­وست، جت­بلو، آمریکن، هاوایین، فرونتیر و آلاسکا قرار گرفته و در انتهای صف شرکت های آلیجنت با مقدار میانگین امتیاز کارایی 0.65549 و اسپیریت با مقدار میانگین 0.50640 قرار دارند.

 

جدول 7- امتیازات کارآیی مرحله دوم شرکت های هواپیمایی ایالات متحده در سال­های 2010 الی 2019

 

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

میانگین

آمریکن

0.97721

0.96245

1.00000

1.00000

0.97601

0.97632

1.00000

1.00000

0.95265

0.99525

0.98383

دلتا

0.98015

0.97641

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

0.99559

یونایتد

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

سوث­وست

1.00000

0.98426

0.99265

1.00000

1.00000

1.00000

1.00000

1.00000

0.95343

0.96859

.98963

جت­بلو

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

1.00000

0.95635

0.97546

0.91602

0.98464

فرونتیر

0.87268

1.00000

0.80063

0.81953

0.75184

1.00000

1.00000

1.00000

1.00000

1.00000

0.92415

ویرجین آمریکا 

0.81395

0.86312

0.90805

0.91184

0.98215

0.91765

0.94532

0.84956

0.91526

0.88145

0.89847

الاسکا

0.81375

0.94712

0.95743

0.91416

0.89774

0.88343

0.90153

0.87231

0.78825

0.83349

0.89414

هاوایین

1.00000

1.00000

0.99987

0.92365

0.92451

0.91237

0.98653

1.00000

0.94215

0.90378

0.95896

اسپیریت

0.62145

0.63675

0.60032

0.59024

0.55426

0.45687

0.40965

0.40825

0.40215

0.38862

0.50640

آلجینت

0.73526

0.74415

0.73324

0.72745

0.71635

0.61987

0.58243

0.56987

0.55364

0.57935

0.65549

میانگین

0.90433

0.91916

0.90805

0.89841

0.89097

0.88752

0.89297

0.87760

0.86194

0.86025

 

با نگاهی به نمودار 5، درمی­یابیم که شرکت­های مورد بحث از لحاظ امتیازات کارایی مرحله دوم به دو گروه تقسیم می­شوند، گروه اول، شامل دو شرکت آلیجنت و اسپیریت، دارای مقادیر امتیاز پایین و گروه دوم شامل، سایر شرکت­های هواپیمایی، مقادیر امتیاز کارایی مرحله دوم به طور نسبی بالاتری دارند. هم­چنین شرکت فرونتیر در پنج سال اول به­طورکلی دارای امتیارات کارایی پایین­تر بوده و در گروه اول قرار می­گیرند ولی از سال 2015 امتیازات کارایی آن افزایش یافته و به گروه دوم ملحق می گردد.

img0 

نمودار 5- امتیاز کارایی مرحله دوم شرکت­های هواپیمایی ایالات متحده در طی سال­های 2010 تا 2019

از سوی دیگر، براساس جدول 7 مقدار میانگین سالانه بازده عملکرد مرحله دوم شرکت­ها از سال 2010 تا 2019 افزایش و کاهش مداوم داشته است اما در کل یک روندی نزولی از 0.90433 در سال 2010 به 0.86025 در سال 2019 را نشان می­دهد. این روند در نمودار 6 ملاحظه می­شود. این بدان معنی است که شرکت­ها در بخش پرواز که باعث تبدیل مایل/صندلی­های دردسترس به درآمد­های حاصل از جابجایی مسافر و بار و نیز تولید پتانسیل گرمایش زمین می­گردد، دچار کاهش عملکرد شده و بهره­وری آن­ها کاهش یافته است.

img0 

نمودار 6- روند تغییرات میانگین امتیازات کل سالانه شرکت­ها از سال 2010 تا 2019

علاوه بر این، می­دانیم که بازده کلی در جدول 5 و کارایی بخش پشتیبانی در جدول 6 در مقایسه با کارایی بخش پرواز در جدول 7 نسبتاً بالا هستند. این نشان می‌دهد که شرکت‌های هواپیمایی بر توسعه بخش پشتیبانی تمرکز می‌کنند، اما نه بر افزایش بهره­وری و حل مشکلات ناشی از آلودگی هوا در بخش پرواز. بنابراین، همه خطوط هوایی باید اقدامات کاهش انتشار، تقویت پیشگیری از آلودگی و صرفه جویی در انرژی را در نظر بگیرند. در نهایت، تفاوت قابل توجهی در کارایی بین بخش­های پشتیبانی و پرواز وجود دارد و شرکت های هواپیمایی باید توسعه را هماهنگ و متعادل کنند.

بحث و نتیجه­گیری

این مطالعه توانایی اجرای یک مدل DEA نسبی چندگانه (با استفاده از معماری دو مرحله‌ای و داده­های غیرقطعی) را نشان می‌دهد. این مدل شامل ساختار کاهش انتشار آلودگی است در عین حال که ساختار تحلیل عملیات تجاری که اجازه می‌دهد مراحل تولیدظرفیت و تولید درآمد را جداگانه حفظ ‌کند، در خود جای دهد. تحقیقات موجود محدودی اثرات زیست محیطی یا کاهش انتشار گازهای گلخانه ای را به عنوان خروجی کل عملیات خطوط هوایی در نظر می­گیرند. ساختار مدل ایجاد شده در این مطالعه به طور خاص کاهش انتشار گازهای گلخانه ای را بخشی از تصمیم گیری شرکت در مرحله خروجی های نهایی و تولید درآمد می­کند. بنابراین، فلسفه و طراحی مدل، کاهش انتشار را به یک متغیر تصمیم‌گیری تبدیل می‌کند، نه نتیجه بهینه‌سازی درآمد.

مدل DEA شبکه­ای دومرحله­ای در این تحلیل به صورت فلسفی ترکیبی از فلسفه سه مرحله‌ای برای کارایی عملیاتی خطوط هوایی تعریف شده توسط مالیکارجون (2015) با ساختار کارایی عملیاتی محیطی توسعه‌یافته توسط کوی و لی (2016) ارائه می‌کند. با استفاده از ویژگی‌های دو مرحله‌ای ضربی بکار رفته توسط کائو و هوانگ (2008)، مدل DEA دو مرحله‌ای که برای این مطالعه توسعه یافته است، امکان ارزیابی و مقایسه موفقیت‌آمیز کارایی نسبی بین خطوط هوایی موجود در مطالعه را فراهم می‌کند. این تحقیق کارایی خطوط هواپیمایی را برحسب تولید درآمد و کاهش آلودگی محیط زیست بررسی می کند.

تجزیه و تحلیل نتایج مدل DEA دومرحله­ای استوار شبکه­ای در ارتباط با عملکرد خطوط هوایی برمبنای داده‌های عمومی بیان شده برای دوره مطالعه، اثربخشی مدل را در مقایسه خطوط هوایی برای عملیات تجاری و کاهش محیط‌زیست تأیید می‌کند. مدل‌های متمرکز بر استراتژی شبکه و کسب‌وکار نشان می‌دهند که داشتن مدل‌های تحلیلی شامل تنها خطوط هوایی مشابه می‌تواند به برجسته کردن نقاط قوت و فرصت‌های خاص آن خطوط هوایی کمک کند.

این مقاله تحلیلی از کارایی خطوط هوایی ایالات متحده طی سال‌های 2019-2010، با استفاده از یک مدل DEA شبکه­ای استوار جدید (RNDEA) برای محاسبه غیرقطعی بودن خروجی‌های نامطلوب مانند پتانسیل گرمایش جهانی ارائه می‌کند. اطلاعات سالانه از 11 شرکت هواپیمایی برای یک دوره ده ساله جمع­آوری شده است. ­چندین گونه از مدل DEA شبکه­ای برای ارزیابی و مقایسه بازده کل خطوط هوایی و ارزیابی مراحل داخلی شبکه در سال­های مختلف طراحی و اجرا شد.

این مدل پس از برنامه­ریزی دومرحله­ای برای سیستم، کارایی کل شرکت­های هواپیمایی را ارزیابی می­کند و در ادامه در مرحله اول "بازده بخش پشتیبانی" را اندازه­گیری می­کند در حالی که "بازده بخش پرواز" را در مرحله دوم تخمین می­زند. در همین حال، از تکنیک استوارسازی برتسیماس و سیم (2004) برای کنترل اثرات تغییر میزان آلایندگی برحسب نوع هواپیما و طول سفر هنگام محاسبه کارایی خطوط هوایی در مراحل مختلف استفاده شده­است. در نهایت، متفاوت از روش سنتی، ما از مدل خطی استوار شبکه­ای برای بررسی تاثیر متغیرهای زمینه‌ای بر کارایی استفاده شد.

از طریق این مدل‌های نوآورانه و تجزیه و تحلیل تجربی آن­ها، نتیجه می‌گیرد که اکثر خطوط هوایی ایالات منحده، به­جز دو شرکت، به طور نسبی کارا هستند و میانگین امتیاز کارایی کل آن­ها بالای 0.8 می­باشد. تنها دو شرکت اسپیریت و آلیجنت دارای میانگین کارایی کل پایین­تری می­باشند. از سوی دیگر تمامی ظرکت­ها در مرحله اول نسبتا کارا هستند و میانگین امتیاز کارای بخش پشتیبانی در این­ شرکت­ها بالای 0.8 می­باشد همچنین تمام شرکت­ها، به­جز دو شرکت اسپیریت و آلیجنت، در بخش پرواز دارای میانگین تقریبا 0.9 و بالاتر هستند یعنی خطوط هواپیمایی بخش پشتیبانی نسبتا کارامدتری نسبت به  بخش پرواز دارند. علاوه بر این، در طول دوره 2019-2010، سطح کارایی شرکت­های مختلف در مراحل مختلف تغییر کمی داشته است. هرچند، کارایی کل نزول آهسته­ای در طی این دوره نشان می­دهد. همچنین می توان دید که کارایی کل، بیشتر تحت تاثیر کارایی«بخش پرواز» قرار دارد که کارایی این بخش نیز به‌طور قابل‌توجهی تحت تأثیر حاکمیت، سن و گستره شبکه می­باشد.

منابع

Babikian, R., Lukachko, S.P., Waitz, I.A., 2002. The historical fuel efficiency characteristics of regional aircraft from technological, operational, and cost perspectives. J. Air Transp. Manag. 8 (6), 389-400.

Barros, C.P., Couto, E., 2013. Productivity analysis of European airlines, 2000e2011. J. Air Transp. Manag. 31, 11e13. 

Barros, C.P., Liang, Q.B., Peypoch, N., 2013. The technical efficiency of US airlines. Transp. Res. Part A Policy Pract. 50, 139e148. 

Barros, C.P., Peypoch, N., 2009. An evaluation of European airlines' operational performance. Int. J. Prod. Econ. 122, 525e533. 

Bureau of Transportation Statistics, 2022. BTS statistical standards manual October 2022. Research and Innovative Technology Administration, Washington D.C. 

Bureau of Transportation Statistics, 2022b. T-100 Market Data. Research and Innovative Technology Administration, Washington DC. 

Charnes, A., Cooper, W.W., Rhodes, E., 1978. Measuring the efficiency of decision-making units. Eur. J. Oper. Res. 2, 429e444. 

Chen, Z., Wanke, P., Antunes, J., Junio M., Zhang, N., 2017. Chinese Airline Efficiency under CO2 Emissions and Flight Delays: A Stochastic Network DEA Model, Energy Economics.

Choi, K., Lee, D., Olson, D.L., 2013. Service quality and productivity in the US airline industry: a service quality-adjusted DEA model. Serv. Bus. 1e24.

Cui, Q., Li, Y., 2015. An empirical study on the influencing factors of transportation carbon efficiency: evidences from fifteen countries. Appl. Energy 141, 209-217.

Cui, Q., Kuang, H.B., Wu, C.Y., Li, Y., 2014. The changing trend and influencing factors of energy efficiency: the case of nine countries. Energy 64, 1026-1034.

Cui, Q., & Li, Y. (2016). Airline energy efficiency measures considering carbon abatement: A new strategic framework. Transportation Research Part D: Transport and Environment, 49, 246-258.

Forsyth, P.J., Hill, R., Trengove, C., 1986. Measuring airline efficiency. Fisc. Stud. 7, 61-81.

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

Li, Y., Wang, Y., & Cui, Q. 2015. Evaluating airline efficiency: An application of virtual frontier network SBM. Transportation Research Part E: Logistics and Transportation Review, 81, 1-17.

Li, Y., Huang, Z.C., & Cui, Q. 2022.Exploring the environmental efficiency of airlines through a parallel RAM approach. Energy Efficiency, 81, 15-45.

Mallikarjun, S., Lewis, H.F., Sexton, T.R., (2014). Operational performance of US public rail transit and implications for public policy. Socio-Econ. Plan. Sci. 48, 74-88.

Mallikarjun, S. (2015). Efficiency of U.S. airlines: A strategic operating model. Journal of Air Transport Management, 43, 46-56.

Mandal, S.K., 2010. Do undesirable output and environmental regulation matter in energy efficiency analysis? Evidence from Indian cement industry. Energy Policy 38 (10), 6076-6083

Merkert, R., Hensher, D.A., 2011. The impact of strategic management and fleet planning on airline efficiency random effects Tobit model based on DEA efficiency scores. Transp. Res. Part A Policy Pract. 45, 686e695. 

Morrell, P., 2009. The potential for European aviation CO2 emissions reduction through the use of larger jet aircraft. J. Air Transp. Manag. 15, 151-157

Miyoshi, C., Merkert, R., 2010. Changes in carbon efficiency, unit cost of firms over time and the impacts of the fuel priced an empirical analysis of major European airlines. In: Proceedings of the 14th Air Transport Research Society (ATRS) World Conference, Porto, Portugal

Patterson, M.G., 1996. What is energy efficiency? Concepts, indicators and methodological issues. Energy Policy 24 (5), 377-390.

Saini, Arun Paul, "Evaluation of Airline Efficiency and Environmental Impacts Using Data Envelopment Analysis" (2018). Dissertations and Theses. 417.

Sengupta, J. K. (1999). A dynamic efficiency model using data envelopment analysis. International Journal of Production Economics, 62(3), 209-218

Sengupta, J.K., 1999. A dynamic efficiency model using data envelopment analysis. Int. J. Prod. Econ. 62, 209e218. 

Tao, F., Li, L., Xia, X.H., 2012. Industry efficiency and total factor productivity growth under resources and environmental constraint in China. Sci. World J.

Zhou, P., Ang, B.W., 2008. Linear programming models for measuring economywide energy efficiency performance. Energy Policy 38, 2911-2916

Zou, B., Elke, M., Hansen, M., Kafle, N., 2014. Evaluating air carrier fuel efficiency in the US airline industry. Transp. Res. A 59, 306-330

 

 

 

[1] -International Air Transport Association

[2] -International Civil Aviation Organization

[3] -COMAC

[4] - Intergovernmental Panel on Climate Change 

[5] -Baumeister

[6] -Onkila

[7] - Cui

[8] -Li

[9] -Data Envelopment Analysis (DEA)

[10] -Decision Making Units (DMUs)

[11] -Sengupta

[12] -Merket

[13] -Hensher

[14] - global warming potential

[15] - carbon dioxide equivalent (CO2e)

[16] - Intergovernmental Panel on Climate Change (IPCC), Fourth Assessment Report (AR4), 2007. See the source note to Table 11 for further explanation.

[17] -Available Seat Miles (ASM)

[18]  -Bureau of Transportation Statistics

[19] - American

[20]  -Continental

[21] -Delta

[22] -Virgin America

[23] -United

[24] -US Airways

[25] -Southwest

[26] -JetBlue

[27] -Frontier

[28] - Alaska

[29] -Hawaiian

[30] -Lingo


سند

Sanad is a platform for managing Azad University publications

الروابط

المراكز ذات الصلة

دعامة

الصفحات الرسمية

حقوق هذا الموقع الإلكتروني مملوكة لنظام SANAD Press Management. © 1442-1446

الصفحة الرئيسية| دخول| معلومات عنا| اتصل بنا|
[English] [فارسی] [en] [fa]