تحلیل پوششی، تحلیل پوششی داده‌ها، زنجیره تأمین

دانلود پایان نامه ارشد

بنابراین روش‌هایی برای رتبه‌بندی وجود دارد که از جمله این روش‌ها، کارایی متقاطع36 است. این روش توان بالایی در تفکیک‌پذیری واحدهای کارا دارد. سنجش کارایی هر واحد با بهترین مجموعه وزن‌هایی که توسط مدل محاسبه می‌شود را کارایی ساده می‌نامند. کارایی ساده برای واحد ، ، بر اساس وزن‌های محاسبه شده و مطابق خواسته مدل واحد به حداکثر می‌رسد. اگر کارایی واحد دیگری مانند با وزن‌های انتخابی واحدام محاسبه شود را با نشان داده می‌شود و کارایی متقاطع نام می‌گیرد[39]. فرض کنید تعداد واحدهای تصمیم‌گیری برابر با 3 واحد باشد، بنابراین با اجرای مدل CCR و بدست آوردن واحدهای کارا و وزن‌های آنها، ماتریس زیر تکمیل می‌شود.
جدول (2-1) ماتریس کارایی متقاطع
 
1
2
3
1

2

3

همان طور که بیان شد، کارایی واحد با استفاده از وزن‌های واحد است و از رابطه زیر بدست می‌آید:

و برای نیز داریم:

لذا برای بدست آوردن امتیاز کارایی واحدها، میانگین ستون‌های ماتریس کارایی متقاطع با حذف عناصر روی قطر که همگی یک هستند، محاسبه می‌شود. در یک بررسی اجمالی از تحقیقات انجام شده در زمینه تحلیل پوششی داده‌ها، با گستره وسیعی از موضوعات و حوزه‌هایی که از رویکرد DEA برای ارزیابی آن‌ها استفاده شده مواجه می‌شویم. این حوزه‌ها عبارتند از، ارزیابی و اندازه‌گیری عملکرد و کارایی در دولت‌های محلی[40]، بخش عمومی[41]، سازمان‌های مختلف از جمله دانشگاه‌ها[42]، بانک‌ها[43]، بیمارستان‌ها[44]، بیمه[45]، حوزه‌های آموزشی و تحقیقات[46]، ارزیابی دستاوردهای حاصل از برنامه‌های توسعه[47]، ارزیابی تخصیص منابع[48]، ارزیابی اثر مدیریت کیفیت جامع[49] و بسیاری موارد دیگر.
تحلیل پوششی داده‌های شبکه‌ای37
روش‌های تحلیل پوششی داده‌های کلاسیک سازمان‌ها یا سیستم مورد بررسی را به صورت جعبه سیاه در نظر گرفته و محاسبات خود را به ورودی‌های اولیه و خروجی‌های نهایی محدود کرده و از فرآیندهای داخلی غفلت می‌ورزند. لذا به منظور بر طرف نمودن این مشکل مدل‌های مختلفی تحت عنوان تحلیل پوششی شبکه‌ای داده‌ها (NDEA) ارائه گردید. مدل‌های پایه‌ای برای تحلیل پوششی شبکه‌ای داده‌ها به صورت ساختارهای سری و موازی از فرایندها در شکل (2-18) و شکل (2-19) نشان داده شده‌اند. در ساختار سری شکل (2-18)، سیستم دارای ورودی و خروجی است. فرایند های میانی که از یک تا شماره‌گذاری شده‌اند، هرکدام دارای ورودی‌هایی می‌باشند که خروجی فرایند قبلی آنها است. ضریب برای خروجی کل سیستم و ضریبی برای ورودی کل سیستم است. ضرایب نیز برای فرایند های میانی که با نشان می‌دهیم، مورد استفاده قرار می‌گیرند. کارایی سیستمی این چنین با ساختار سری، با استفاده از فرایند های بدست می‌آید که پشت سر یکدیگر قرار گرفته و هر کدام متأثر از خروجی فرایند قبلی خود می‌باشد. این‌گونه سیستم‌ها را می‌توان به صورت زیر مدل‌سازی نمود[50]:

شکل (2-18) نمایش یک سیستم شبکه‌ای سری از فرایندها
به طور معمول تعداد محدودیت‌های مورد نیاز در مدل برابر است با تعداد واحدها ضرب در تعداد فرایند های درون سیستم. اکنون فرض کنیم که ، و ضرایب بهینه‌ای باشند که از مدل بدست آمده باشند. کارایی هر یک از فرایندها برای واحد k ام به صورت زیر محاسبه می‌شود:

در ساختار سری زمانی یک واحد یا DMU کارا می‌باشد که تمامی فرایند های آن کارا باشند. از نظر ریاضی، کارایی سیستم‌های سری پایین خواهد بود زمانی که فرایندی وجود داشته باشد که دارای کارایی بسیار پایین است. عکس این مطلب نیز صادق است که هرگاه سیستم با ساختار سری دارای فرایندهایی با کارایی بالا باشد، کارایی سیستم بالا خواهد بود. سیستم با ساختار موازی نیز به صورت شکل (2-19) می‌باشد. اگر فرض کنیم که سیستم دارای ورودی و خروجی باشد، مجموع تمام ورودی‌های وارد شده به فرایندها برابر ورودی کل سیستم و مجموع تمامی خروجی‌های فرایندها برابر با خروجی کل سیستم می‌باشد.

شکل (2-19) نمایش یک سیستم شبکه‌ای موازی از فرایندها
هنگامی که عملیات تمامی فرایندها در نظر گرفته شوند، کارایی سیستم برای واحد K ام با استفاده از مدل رابطه‌ای زیر بدست خواهد آمد:

مجموع تمامی محدودیت‌های مربوط به فرایندها برابر است با محدودیت‌های سیستمی که را نتیجه می‌دهد. کمبود کارایی سیستم، ، به عنوان متمم کارایی سیستم می‌باشد. اگرچه کمبود کارایی فرایند های، لزوماً به عنوان متمم کارایی فرایند t ام نمی‌باشد، مگر اینکه فرایند کارا باشد. همانند ساختار سری، سیستم‌هایی با ساختار موازی هنگامی کارا می‌باشند که تمامی فرایند های درونی آنها کارا باشند. به طور کلی اگر فرایندی در سیستمی با ساختار موازی کارا باشد، بهتر است که از این فرایند به تنهایی برای تولید استفاده شود.
سیستم‌های شبکه‌ای با ترکیبی از ساختارهای سری و موازی می‌توانند به تعداد بسیاری ایجاد شوند. برای بررسی کارایی این‌گونه ساختارها نیاز به استفاده از ساختارهای پایه همانند مدل‌های سری و موازی خواهیم داشت. امروزه با استفاده از NDEA خلأ موجود در تحلیل پوششی داده‌های استاندارد، برطرف شده است و برای بررسی کارایی واحدهای مختلف بر روی یک سیستم، فرایند های درون سیستم نیز دارای اهمیت بوده و از آنها در ساختاردهی مدل‌ها استفاده می‌شود. شکل (2-20) مقایسه‌ای از این دو روش را به صورت نمایشی نشان می‌دهد.

شکل (2-20) مقایسه نمایشی میان روش DEA و NDEA
تحلیل پوششی داده‌ها38، روشی برای اندازه‌گیری عملکرد از واحدهای تصمیم‌گیری39(سناریوها) است[51]. تحلیل پوششی داده‌ها توسط چارنس و همکارانش40 [33] برای شناسایی بهترین شیوه از سناریوهای مختلف با حضور چندین ورودی و خروجی معرفی شد. مدل ابتدایی معرفی شده توسط چارنس به عنوان مدل پایه تحلیل پوششی داده‌ها نام‌گذاری شد که به نام مدل CCR آن را معرفی می‌کنند. فرض کنید ورودی، خروجی و تعداد سناریوهای41 مدل باشند، مدلDEA برای اندازه‌گیری کارایی مربوط به سناریوی ام تحت فرض بازده ثابت نسبت به مقیاس برابر با مدل زیر است:

ژوو42 [52] از یک ساختار شبکه‌ای دو مرحله‌ای برای سوددهی و قابلیت عرضه در بازار بانک‌های اقتصادی آمریکا استفاده کرد. در این مطالعه، سودآوری نسبت کار و دارایی به عنوان ورودی و سود و درآمد به عنوان خروجی اندازه‌گیری شده است. در مرحله دوم خروجی‌های مرحله اول، سود و درآمد به عنوان ورودی مرحله دوم در نظر گرفته شده و خروجی‌های اصلی مدل (و مرحله دوم) بازده و درآمد هر سهم می‌باشد. ژوو[5] در سال 2000 همین مدل را برای بانک جهان ارائه داد (شکل (2-21)). در این مقاله ژوو با استفاده از DEA ثروت و دارایی 500 بانک اقتصادی آمریکا را رتبه‌بندی نمود.

شکل (2-21) ورودی- خروجی سیستم‌ها برای 500 بانک
لیانگ43 و همکاران[53] یک مدل DEA را برای ارزیابی عملکرد زنجیره تأمین و اعضای آن توسعه دادند. مدل ارائه شده توسط لیانگ، یک مدل دو مرحله‌ای با ساختار سری است. مدل پیشنهادی را به عنوان خریدار- فروشنده زنجیره تأمین معرفی کردند.

شکل (2-22) مدل خریدار – فروشنده زنجیره تأمین
همان طور که در شکل (2-22) مشخص است، این مدل به ازای ورودی اصلی یک خروجی از مرحله اول و دو ورودی و یک خروجی در مرحله دوم دارد. با مدل‌سازی ریاضی مدل مفهومی شرح داده شده کارایی بخش‌های زنجیره تأمین را ارزیابی کردند. لیانگ مدل ریاضی خود را به دو بخش مشارکتی44 و غیر مشارکتی تقسیم نمود. مدل کلی ارائه شده به صورت زیر می‌باشد:

در این مدل، بخش غیر مشارکتی به عنوان یک رهبر مدل‌سازی شده است. در اولین گام متغیرهای این بخش از مدل بهینه می‌گردد و در پی آن، ارزیابی با استفاده از متغیرهای بهینه بدست آمده، انجام می‌گیرد. بخش مشارکتی نیز تلاش می‌کند تا کارایی ورودی ملحق شده به مدل فروشنده- خریدار را بیشینه کند. تحلیل پوششی داده‌ها بر اساس رویکرد به کار گرفته در مطالعه لیانگ را در مقالات بی‌شماری می‌توان مشاهده نمود. این رویکرد به دلیل غیرخطی شدن مدل و اینکه در واقعیت مصداق بیشتری دارد، مورد توجه بسیاری از محققین قرار گرفته است[50, 54, 55]. علت غیرخطی شدن مدل به دلیل این است که در مرحله دوم از مدل، تمامی ورودی‌ها، خروجی مرحله اول نمی‌باشند.
نوع دیگری از فرایندهای دو مرحله‌ای وجود دارد که ساختاری شبکه‌ای داشته و ورودی هر مرحله می‌تواند خروجی مرحله بعد باشد و فرایند های میانی در عملکرد سیستم و کارایی آن موثر هستند. این ساختار و مدل‌سازی را تحلیل پوششی داده‌های شبکه‌ای45 می‌نامند. چن46 و همکاران[56] در حوزه فن‌آوری اطلاعات از مدل‌های شبکه‌ایDEA استفاده کردند. هدف آنها از ارائه این مدل، بررسی اثرات فن‌آوری اطلاعات بر روی عملکرد شرکت، هنگامی که عملیات‌های میانی (بین فرایندی) وجود دارد.

شکل (2-23) ورودی و خروجی‌های مدل شبکه‌ای فن آوری اطلاعات
ورودی‌های این مدل به سه قسمت تجزیه شده‌اند و هر قسمت از ورودی به عنوان ورودی مستقل برای فرایند های مربوطه عمل خواهد کرد. این مدل برای ارزیابی عملکرد 27 بانک مورد استفاده قرار گرفت و در نهایت دقت مدل پیشنهادی را با مدل‌های پایه تحلیل پوششی داده‌ها مقایسه شد. در همین زمینه و برای ارزیابی و شناسایی منابع سرمایه‌گذاری در فن‌آوری اطلاعات و عملکرد میان شرکت‌های متفاوت از NDEA استفاده شد[57]. این دو مطالعه از مدل‌های خطی و غیرخطی برای اندازه‌گیری اثرات فن‌آوری اطلاعات بر روی عملکرد شرکتی، با استفاده از فرایند دو مرحله‌ای استفاده کردند. ارتای و روآن47[58] یک رویکرد تصمیم‌گیری بر اساس تحلیل پوششی داده‌ها، برای تعیین بیشترین کارایی اپراتورها و اندازه‌گیری عملکرد تخصیص کار در سیستم‌های تولید سلولی (CMS48) ارائه کردند. متوسط زمان انجام سفارش و متوسط استفاده از اپراتور به عنوان متغیرهای خروجی و تعداد اپراتورها، اندازه بسته‌های انتقالی و سطح تقاضا به عنوان متغیرهای ورودی تعریف شدند. ورودی و خروجی‌های معرفی شده با استفاده از شبیه‌سازی بر روی CMS انجام گرفته است. در نهایت با استفاده از این روش‌های تلفیقی توانستند در محیط CMS تخصیص کار را انجام دهند. تعداد سناریوی های طراحی شده در این مطالعه برابر با 48 سناریو می‌باشد که با استفاده از DEA مورد ارزیابی قرار گرفت. پس از ارزیابی سناریوها و بدست آوردن سناریوهای کارا، با استفاده از شاخص مثبت کاذب49 آنها را رتبه‌بندی کردند. توون و توسوی50[59] یک مدل تحلیل پوششی شبکه‌ای داده‌ها با عنوان SBM با استفاده از فرمول‌بندی تولیدات میانی را ارائه دادند. با استفاده از این مدل می‌توان کارایی نسبی، به عنوان بخشی از کارایی کلی برای واحدهای تصمیم‌گیری را ارزیابی کرد.
الرفایه51 و همکاران[60] با استفاده از روشی تلفیقی از شبیه‌سازی و رویکرد DEA عملکرد بخش اورژانس یک بیمارستان را ارتقاء دهند. تعداد پرستاران، زمان انتظار در سیستم، تعداد پرستاران مورد استفاده و تعداد بیماران خدمت داده شده به عنوان متغیر پاسخ و یا خروجی در نظر گرفته شده است. تعداد 10 سناریوی برای ارزیابی تعریف و با استفاده از DEA این سناریوها آنالیز شد. در نهایت با استفاده از ماتریس کارایی متقاطع52 سناریوی بهینه برگزیده شد. ونگ53 و دیگران[61] برای ارزیابی یک اورژانس بیمارستان از تلفیق شبیه‌سازی و DEA استفاده کردند. در این مطالعه تعداد پرستاران، تعداد

پایان نامه
Previous Entries تحلیل پوششی، تحلیل پوششی داده‌ها، خروجی نامطلوب Next Entries تحلیل پوششی، تحلیل پوششی داده‌ها، شبیه‌سازی