یکی از چالشهای عمده ارزیابی عملکرد در سازمانها و کلیه سیستمها، غیرمنطقی بودن و دقیق نبودن روشها و معیارهای بکار گرفته شده است. روشهای سنتی ارزیابی عملکرد عمدتا یک سطحی بوده، لذا فاقد توان لازم بمنظور ارائه بازخورد کافی جهت شناسایی واحدهای ناکارا هستند. تحلیل پوششی چکیده کامل
یکی از چالشهای عمده ارزیابی عملکرد در سازمانها و کلیه سیستمها، غیرمنطقی بودن و دقیق نبودن روشها و معیارهای بکار گرفته شده است. روشهای سنتی ارزیابی عملکرد عمدتا یک سطحی بوده، لذا فاقد توان لازم بمنظور ارائه بازخورد کافی جهت شناسایی واحدهای ناکارا هستند. تحلیل پوششی دادهها، یک تکنیک برنامهریزی ریاضی است که کارایی نسبی چندین واحد تصمیمگیرنده را بر مبنای ورودیها و خروجیهای مشاهده شده که ممکن است با انواع مقیاسهای مختلف بیان شوند، محاسبه میکند. در عمل، بسیاری از واحدهای تصمیمگیری در درون خود به بخشهای کوچکتری تقسیم میشوند و با مدلهای استاندارد تحلیل پوششی دادهها که سازمان را به صورت یک بخش کلی در نظر میگیرند، نتایج منطقی حاصل نمیشود. بنابراین لازم است از مدلهایی همچون مدل DEA دومرحلهای متناسب با چنین شرایطی برای ارزیابی دقیقتر واحدهای تحت بررسی استفاده شود. همچنین در شرایطی که تعداد زیادی ورودی و خروجی وجود داشته باشد، این روش چندان کارآمد نمیباشد و تعداد زیادی از واحدها را کارا اعلام میکند لذا برای رفع این مشکل تحقیق حاضر با استفاده از روش PROMETHEE ، ورودیها و خروجیها رتبهبندی میکند، سپس با مهمترین آنها کار ارزیابی ادامه خواهد یافت. از آنجایی که همواره اطلاعات در دسترس کامل و دقیق نیستند این مهم در فضای خاکستری انجام خواهد شد. یافتههای به دست آمده نشاندهنده کاهش چشمگیر واحدهای شناسایی شده کاراست که در نتیجه بهبود قدرت تمایز روش DEA را نشان میدهد. در کنار این، استفاده از محیط عدم اطمینان به ارزیابیها و برآوردهای دقیقتر نسبت به مدلهای قطعی انجامیده است.
پرونده مقاله