توسعه سریع به ‌‌سمت جهانی‌سازی، بازار رقابتی، پیشرفت چشمگیر فناوری و انتظارات زیاد مشتری، شرکت‌ها را در کاهش هزینه‌ها  و افزایش مزیت‌های رقابتی خود ترغیب کرده است. یکی از مواردی که می‌تواند به دستیابی به مزیت رقابتی به شرکت‌ها کمک کند مدیریت زنجیره تامین می‌باشد. اطلاعات همچون رابطی بین تمامی فعالیت­ها و عملیات­های درون یک زنجیره تأمین عمل می­کنند. نوآوری این تحقیق را می‌توان در دو جنبه کاربردی و مدلسازی ریاضی نشان داد. به‌ لحاظ جنبه کاربردی، با مرور ادبیات موضوع و بررسی کاربرد تحلیل‌ پوششی‌داده‌های چندمرحله‌ای و شبکه‌ای در زنجیره تامین، مشخص گردید که تاکنون بیشتر به ارزیابی کارایی جریان‌های مالی و فیزیکی در ادبیات موضوع پرداخته شده است و شاخص‌ها بیشتر به دو جریان مالی و فیزیکی در زنجیره تامین مربوط می‌شود، بنابراین فضای تحقیقاتی بسیاری برای ارزیابی کارایی جریان اطلاعات در زنجیره تامین وجود دارد. اندازه‌گیری کارایی جریان اطلاعات باید بخش جدایی‌ناپذیر مدیریت زنجیره تامین باشد. از این رو هدف این تحقیق، ارائه مدلی جهت ارزیابی کارایی جریان اطلاعات در زنجیره ‌تامین می‌باشد. به لحاظ جنبه مدلسازی ریاضی، نوآوری تحقیق، در نظرگرفتن مدل شبکه و روابط برگشت‌پذیر در زنجیره تامین می‌باشد. با بررسی ادبیات موضوع، شاخص‌ها برای ارزیابی کارایی جریان‌ اطلاعات در زنجیره‌ تامین تعیین و با روش دلفی فازی اعتبار شاخص‌ها بررسی شد. سپس واحد تصمیم گیرنده و ورودی‌ها و خروجی‌های مدل معرفی شدند. در این تحقیق جهت ارزیابی کارایی، از تحلیل پوششی داده‌های شبکه‌ای فازی استفاده شد و جهت پیاده‌سازی مدل از نرم افزار GAMS استفاده شد.  Manuscript profile

در بسیاری از کاربردهای واقعی تحلیل پوششی داده‌ها، وضعیت بعضی از شاخص‌ها به عنوان ورودی یا خروجی کاملاً معلوم نیست. یعنی در برخی از موقعیت‌ها، یک شاخص می‌تواند برای برخی از واحدهای تصمیم‌گیری نقش ورودی و برای برخی دیگر نقش خروجی داشته باشد. این نوع شاخص‌ها را شاخص‌های انعطاف‌پذیر ‌می‌نامند. برای توسعه مدل‌های تعیین نوع شاخص‌های انعطاف‌پذیر، در تحلیل پوششی داده‌ها، در این مقاله مدلی مطرح می‌شود که به طور هم‌زمان فاکتورهای انقباض ورودی‌ها کمینه و فاکتورهای انبساط خروجی‌ها در اندازه‌ی راسل با حضور شاخص‌های انعطاف‌پذیر بیشینه ‌شود. اندازه‌ی مطرح شده در تابع هدف مدل پیشنهادی، خطی است. به عبارت دیگر، رابطه‌ی بین شاخص‌ها را به صورت یک تابع جمعی بیان می‌کند. در واقع این مدل، غیرخطی بودن تابع هدف اندازه‌ی راسل و اندازه‌ی بهبود یافته‌ی راسل را ندارد. در پایان، با ارائه مثال‌، مدل پیشنهادی با مدل‌های موجود مشابه مقایسه شده و مزایای آن به بحٍ گذاشته خواهد شد. Manuscript profile

تحلیل‌پوششی‌داده‌ها (DEA) دامنه‌ی گسترده‌ای از مدل‌های ریاضی برای سنجش کارایی نسبی مجموعه‌ای از واحدهای تصمیم‌گیری متجانس با ورودی و خروجی مشابه است. مدل‌های مضربی تحلیل پوششی داده‌ها، مجموعه‌ای از وزن‌ها را برای متغیرهای ورودی و خروجی هر واحد تصمیم‌گیری به دست می‌آورد و بر اساس آن کارایی نسبی هر واحد تصمیم‌گیری را محاسبه می‌کند. محاسبه وزن‌های مختلف برای شاخص‌های یکسان در مجموعه‌ای از واحدهای تصمیم‌گیری متجانس، واقع‌بینانه نیست. برای رفع این مشکل از روش مجموعه وزن‌های مشترک (CSW) استفاده‌شده است. برای به حداقل رساندن واحد‌های کارا از روش بوت‌استرپ برای تعیین مجموعه وزن‌های مشترک استفاده می‌شود. رتبه یک واحد می‌تواند اطلاعات سودمندی درزمینه فعالیت‌های بهینه واحدهای تصمیم‌گیری در اختیار تصمیم‌گیرنده قرار دهد. اینکه کدام واحد بر واحد دیگر اولویت دارد، این مفهوم برتری یک واحد را ازنظر کارایی و اثربخشی بر واحدهای دیگر مشخص می‌کند. محاسبه کارایی واحدها برای مدل‌های تحلیل‌پوششی‌داده‌ها می‌تواند ملاک مناسبی برای رتبه‌بندی یک واحد باشد؛ اما مشکل اصلی زمانی است که چند واحد کارا همگی رتبه یک را لحاظ می‌کنند. هدف از این پژوهش، ارائه مدلی جهت رتبه‌بندی واحدهای کارا با استفاده از روش بوت‌استرپ برای تعیین مجموعه وزن‌های مشترک در تحلیل پوششی داده‌ها است. تعیین مجموعه وزن-های مشترک از طریق یافتن یک بازه اطمینان احتمالی برای وزن‌ها به کمک بوت‌استرپ است که برآورد آن‌ها می‌تواند یک مجموعه وزن‌های مشترک احتمالی برای تحلیل‌پوششی‌داده‌ها به دست آورد و با توجه به آن واحدهای کارا از هم افتراق و رتبه‌بندی بین آن‌ها انجام می‌شود. Manuscript profile