تخصیص منابع محدود متمرکز در تحلیل پوششی داده ها با داده های تصادفی
محورهای موضوعی : آمار
1 - گروه ریاضی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
کلید واژه: Data Envelopment Analysis, Stochastic Data, Resources Allocation,
چکیده مقاله :
بررسی عملکرد و تخصیص منابع در سازمان های بزرگ مانند: بانک ها، دانشگاه ها و فرودگاه ها، یکی از شاخص های مهم در علم مدیریت سازمانی می باشد. در این مقاله، با کمک تحلیل پوششی داده ها که روشی بسیار قوی در ارزیابی کارایی سازمان ها است، به تحلیل و بررسی عملکرد و تخصیص منابع می پردازیم . تخصیص بهینه ی منابع در سازمان ها، مهمترین ابزار اجرای استراتژی و برنامه ای بلند مدت برای آن ها محسوب می شود و سیاست ها و اهداف برنامه ی سازمان ها، در تخصیص بهینه ی منابع به فعالیت ها انعکاس می یابد. در واقع، با توجه به اهمیت عملکرد آتی سازمان ها، مدیران با در نظر گرفتن کارایی هر واحد، راهبردهایی برای هدف گذاری و چگونگی تخصیص منابعی شامل نیروی انسانی، هزینه های مالی، امکانات تکنولوژیکی و غیره را ارایه می دهند. از طرفی، با توجه به اینکه داده های واقعی در سازمان ها معمولاً به صورت تصادفی و نامعین می باشند، در این مقاله به ارایه روش هایی برای تخصیص منابع با داده های تصادفی پرداخته می شود. همچنین در راستای این تحقیق به راهبرد هایی برای تخصیص منابع و همچنین مواجه شدن با منابع محدود در داده های تصادفی خواهیم پرداخت که منجر به ارایه مدلی جدید درتحلیل پوششی داده ها خواهد گردید. در این مدل، داده های تصادفی به علت احتمالی بودن، با یک توزیع احتمال مناسب عنوان می شوند . یکی از دستاوردهای ارزنده در این مقاله، برطرف سازی مشکل تخصیص مناسب و بهینه منابع محدود با داده های تصادفی می باشد. در آخر، با نتایج عددی، مزایای مدل جدید نسبت به مدل های پیشین با داده های تصادفی نشان داده شده است.
The performance and resources allocation in large organizations such as banks, universities, and airports are one of the most important indicators in organizational management science. In this paper, by data envelopment analysis, which is a very powerful method of evaluating the efficiency of organizations, we analyze and review the performance and resource allocation. The optimal allocation of resources in organizations is considered to be the most important tool for implementing a long-term strategy and program for them, and the policies and objectives of the organization's plan are reflected in resources allocation of the activities. Indeed, given the importance of future organizations' performance, managers, taking into account the efficiency of each unit, provide strategies for target setting and how to allocate resources, including human resources, financial costs, technological facilities, and so on. On the other hand, given that actual data in organizations are usually random and stochastic, this paper addresses methods for allocating resources with stochastic data. Also, in line with this research, we will devise strategies for allocating resources as well as confronting limited resources in stochastic data, which will result in a new model for data envelopment analysis. In this model, stochastic data are presented with probability distribution due to probability. One of the most valuable achievements in this paper is to resolve the problem of allocating appropriate and optimal limited resources with stochastic data. Finally, with numerical results, the advantages of the new model are shown in relation to the previous models with stochastic data.
[1] Charnes, A., Cooper, W.W., Rhodes, E.L., “Measuring the efficiency of decision making units”, Eur. J. Oper. Res. 2(1978) 429-444.
[2] Thanassoulis, E., Dyson, R.G., “Estimating preferred target input-output levels using data envelopment analysis”, Eur. J. Oper. Res. 56(1992)80-97.
[3] Lozano, S., Villa, G., Centralized resource allocation using data envelopment analysis, J. Prod. Anal. 22(2004)143-161.
[4] Malekmohammadi, N., Hosseinzadeh Lotfi, F., Jaafar, A.B, Data envelopment scenario analysis with imprecise data, Central Eur. J. Oper. Res. 19(2011) 65-79.
[5] Malekmohammadi, N., Hosseinzadeh Lotfi, F., Jaafar, A.B, “Target setting in data envelopment analysis using MOLP”, Appl. Math. Modeling, 35(2011)328-338.
[6] Golany, B., An interactive MOLP procedure for the extension of DEA to effectiveness analysis, J. Oper. Res. Soci. 39(1988)725-734.
[7] Korhonen, P., Syrjnen, M, Resource allocation based on efficiency analysis, Manage. Sci. 50(2004)1134-1144.
[8] Cooper, W.W., Huang, Z., Li S., Satisfying DEA models under chance constraints, Ann. Oper. Res. 66 (1996) 279-295.
[9] Cooper, W.W., Deng H., Huang, Zhimin., Li, Sus X., Chance constrained programming approaches to congestion in stochastic data envelopment analysis, Eur. J. Oper. Res. 155 (2004) 487-501.
[10] Khodabakhshi, M. Chance constrained additive input relaxation model in stochastic data envelopment analysis, Int. J. Inf. Syst. Sci. 6 (2010) 99-112.
[11] Khodabakhshi, M. Asgharian, M. Gregoriou Greg N., An input-oriented super-efficiency measure in stochastic data envelopment analysis: evaluating chief executive officers of US public banks and thrifts, Expert Syst. Appl. 37 (2010) 2092-2097.
[12] Khodabakhshi, M. Super-efficiency in stochastic data envelopment analysis: an input relaxation approach, J. Comput. Appl. Math. 235 (2011) 4576-4588.
[13] Khodabakhshi, M. Gholami, Y. Kheirollahi, H. An additive model approach for estimating returns to scale in imprecise data envelopment analysis, Appl. Math. Modeling. 34 (2010) 1247-1257.
[14] Khodabakhshi, M. Asgharian, M. An input relaxation measure of efficiency in stochastic data envelopment analysis, Appl. Math. Modelling 33 (2009) 2010-2023.
[15] Hosseinzadeh Lotfi, F, Nematollahi, N., Behzadi, M.H., Mirbolouki, M., Moghaddas, Z. Centralized resource allocation with stochastic data, J. Comput. Appl. Math. 236 (2012) 1783-1788.
