پایان نامه ارشد درباره تحلیل پوششی، تحلیل پوششی داده‌ها، ارزیابی عملکرد، کارایی نسبی

دانلود پایان نامه ارشد

معرفی، این روش به طور گسترده در تمام سازمان‌ها اعم از انتفاعی و غیرانتفاعی و… استفاده شده است. اگر یک واحد تصمیم‌گیری تنها دارای یک نهاده و یک ستاده باشد، کارایی این واحدها از طریق تقسیم ستاده به نهاده به دست می آید. در حالتی هم که نهاده و ستاده‌های چندگانه وجود داشته باشد، در صورت وجود قیمت (ارزش) هر یک از نهادها و ستادهها میتوان از طریق تقسیم مجموع وزنی ستادهها به مجموع وزنی نهادهها، کارایی را مشخص کرد. چارنز و کوپر و رودز در ساخت مدل تحلیل پوششی دادهها به یک رابطه تجربی در ارتباط با تعداد واحدهای با تعداد واحدهای مورد ارزیابی و تعداد ورودیها و خروجیها به صورت زیر رسیده اند:
(تعداد خروجی‌ها + تعداد ورودی‌ها)3 ≥ تعداد واحدهای مورد ارزیابی
عدم به کارگیری رابطه فوق در عمل موجب می‌شود که تعداد زیادی از واحدها روی مرز کارا قرار گرفته و به عبارت دیگر دارای امتیاز کارایی یک گردند، بنابراین قدرت تفکیک مدل به این ترتیب کاهش مییابد (بیات ترک، 1391). به تعبیر دیگر تحلیل پوششی داده‌ها به عنوان یک ابزار مانا و استوار که در ارزیابی عملکرد سازمان‌هایی مانند شرکت‌هاي تجاري، بیمارستان ها، آژانس‌هاي دولتی، مؤسسات آموزشی و… به کار می رود شناخته می‌شود که معیار واحدي از کارایی براي هر واحد نسبت به همتایان فراهم می‌کند (El-Mashaleh et al, 2010).
2-2-2-مزایا و معایب تحلیل پوششی داده‌ها DEA
پس از مقایسه تکنیک تحلیل پوششی داده‌ها با سایر تکنیک‌هاي سنجش کارایی، می‌توان عمدهترین مزایا و معایب آن را به صورت زیر خلاصه نمود. از موارد زیر به عنوان مزایاي DEA نام برده میشود.
عدم نیاز به تخمین تابع تولید
توانایی بکارگیري در سیستم‌هایی با یک یا بیش از یک ورودي/خروجی
تمرکز بر خود مشاهدات به جاي میانگین آنها
عدم نیاز به ارزش‌گذاري(تعیین وزن) براي ورودي‌ها و خروجی‌ها
امکان بکارگیري ورودي‌ها و خروجی‌ها با واحدهاي اندازه‌گیري متفاوت
ارائه مجموعه مرجع جهت انجام ارزیابی‌هاي مقایسه‌اي براي هر واحد تحت بررسی
ارائه تخمینی از تغییرات لازم در ورودي‌ها و خروجی‌ها جهت انتقال واحدهاي ناکارا به مرز کارا
ارائه اطلاعات مفیدي از ترکیبات مختلف ورودي‌ها و خروجی‌ها جهت اتخاذ تصمیمات مناسب در راستاي تخصیص منابع.
انعطاف‌پذیري و برخورداري از قدرت تطبیق پذیري بالا جهت بکارگیري در مسائل مختلف
سهولت در انجام محاسبات (O’Neill et al, 2008).
ارزیابی کارایی با بکارگیري تعریف پارتو-کوپمنز از کارایی
ارائه اطلاعاتی درباره منابع و مقادیر ناکارایی‌ها (بر خلاف نسبت‌ها و شاخص‌هاي مهندسی)
مقید نبودن ارزیابی نتایج به ثابت بودن سایر شرایط (برخلاف آنچه در علم اقتصاد فرض می‌شود)
اطلاع از میزان افزایش در کارایی به ازاي هر واحد با استفاده از مقادیر متغیرهاي دوگان
بیان تغییرات موردنیاز براي تنظیم بهینه تمام ورودي‌ها و خروجی‌ها جهت کارا شدن یک واحد ناکارا (Cooper et al, 2007)
ارزیابی عملکرد تمامی واحدها با بهترین عملکرد ممکن در آن سیستم
ارائه نتایج نسبتاً خوب در هنگام استفاده از نمونه‌هاي کوچک
عدم نیاز به هیچ فرضی در رابطه با ناکارایی و توزیع آماري اجزاي مدل (Duygun Fethi and Pasiouras, 2010).
همچنین در رابطه با معایب تکنیک تحلیل پوششی داده‌ها در مقایسه با سایر تکنیک‌ها می‌توان به موارد زیر اشاره نمود.
تکنیک DEA جهت اندازه‌گیري کارایی نسبی بوده و کارایی مطلق را نمی سنجد.
وجود تفاوت بین درجه اهمیت ورودي‌ها و خروجی‌ها در دنیاي واقعی موجب انحراف در نتایج می‌گردد (البته این مشکل با محدودسازي وزن‌هاي تخصیصی به ورودي‌ها و خروجی‌ها تا حدي قابل رفع است).
تغییر در نوع و تعداد ورودي‌ها و یا خروجی‌ها امکان تغییر در نتایج ارزیابی را فراهم می‌کند. هم‌چنین به دلیل محاسبه کارایی به طور نسبی، تغییر در تعداد DMU ها موجب تغییر در امتیاز کارایی تمامی واحدها می‌گردد.
در ارزیابی هر سیستم، باید به تعداد واحدهاي تصمیم گیرنده، مدل برنامه‌ریزي ریاضی ساخته و حل گردد که حجم بالایی از محاسبات را در پی خواهد داشت (هرچندکه استفاده از نرم افزارها و روش‌هاي محاسبات کامپیوتري این مشکل را مرتفع می‌سازد).
از آنجایی که DEA یک تکنیک ناپارامتري است، بهره‌گیري از تکنیک‌ها و آزمون‌هاي آماري در آن، دشوار می‌باشد.
در DEA فرض بر آن است که داده هاي جمع‌آوري شده، عاري از خطاي اندازه‌گیري بوده و به طور کلی خطاهاي تصادفی را لحاظ نمی نماید. در مقایسه با روش‌هاي تصادفی، مدل‌هاي معمول تکنیک DEA روش‌هایی قطعی هستند. از آنجا که مطالعاتی در راستاي نشان دادن محدودیت‌هاي روش‌هاي قطعی انجام شده است، مدل DEA تصادفی (DEA stochastic) با ایجاد تغییري در مدل DEA اولیه، امکان جداسازي ناکارایی از خطاي تصادفی (random error) را فراهم کرده است.
وقتی تعداد مشاهدات نسبت به اندازه نمونه کم باشد (داشتن مشاهدات اندك و ورودي‌ها و/یا خروجی‌هاي بسیار)، بسیاري از واحدها به اشتباه بر روي مرز کارا قرار می‌گیرند (O’Neill et al, 2008).
تکنیکDEA نسبت به داده‌هاي دورافتاده بسیار حساس است (Duygun Fethi and Pasiouras, 2010).
آزاد بودن وزن‌ها (عدم وجود محدودیت روي وزن‌ها) براي بیشینه نمودن کارایی واحد تصمیم گیرنده تحت ارزیابی، می‌تواند موجب بروز مشکلاتی شده و یا نااریبی در نتایج را به دنبال داشته باشد (با لحاظ نمودن قیود مناسبی در مدل بر روي وزن‌ها می‌توان آنها را کنترل کرد).
در صورتی‌که یک واحد تصمیم گیرنده کارا شناخته شود، بایستی با احتیاط در رابطه با آن صحبت نمود؛ زیرا که این واحد به طور نسبی کارا ارزیابی شده و نه به طور مطلق. از آنجایی که ناکارا بودن چنین واحدي رد شده اما کارا بودن آن نیز ثابت نشده است، در صورت ضرورت باید تست‌هاي دیگري در رابطه با کارا بودن آن انجام شود (جهانشاهی و همکاران، 1387).
داشتن رفتاري مشابه با ورودي‌ها یا خروجی‌ها در مدل‌هاي DEA هنگامی‌که آنها ناهمگن و نامتجانس هستند، ممکن است موجب بروز نااریبی در نتایج گردد.
لحاظ ننمودن تفسیر و تحلیلی از تفاوت‌هاي موجود در محیط در تکنیک ممکن DEA است نتایج گمراه کننده‌اي را ارائه دهد.
روش‌هاي DEA استاندارد، بهینه سازي براي چندین دوره یا ریسک تصمیم‌گیري مدیریتی را کنترل نمی‌کنند (Coelli et al, 2005).
هیچ توافق کلی در مورد انتخاب ورودي‌ها و خروجی‌ها در حوزه‌هاي مختلف کاربري DEA وجود نداشته و همواره بحثی چالش برانگیز در این تکنیک بوده است.
تکنیک DEA صرفاً روشی ریاضی بوده و نتایج آن بر مبناي مدل‌هاي برنامه ریزي خطی حاصل می‌گردد و بنابراین توانایی مقایسه عوامل کیفی در واحدهاي تصمیم‌گیرنده را ندارد (عباس آبادی، 1388).

2-2-3-مدل ناپارامتریک تحلیل پوششی داده در ارزیابی عملکرد و بررسی کارایی
با شكل‌گيري سازمانها در طول دوره‌هاي مختلف، از الگوهاي و مدل‌هاي متعددي جهت ارزيابي عملكرد استفاده شده است. سازمان‌ها به فراخور نياز در ابتدا تنها از شاخص‌ها و معيارهاي محدودي براي ارزيابي عملكرد استفاده مي كردند. گسترش فعاليت‌ها و حوزه عملكردي سازماني، پويايي محيط و مطرح شدن موضوع‌ها و مسائل نوين مديريتي مانند رضايت مشتري، مسئوليت اجتماعي و… سازمان‌ها را بر آن داشت تا به شاخص‌هاي محدود اكتفا نكنند. از اين رو مدل‌هاي جامع و چندمعياره براي ارزيابي سازمان‌ها شكل گرفت و به تدريج تكامل يافت. اين الگوها سازمان را از ابعاد مختلف مورد ارزيابي قرار مي‌دهند و با درنظرگرفتن شاخص‌هاي چندگانه، ابزارهاي مناسبي را براي ارزيابي عملكرد سازمان‌هاي نوين فراهم مي سازند. به طور كلي مدل‌ها را بر اساس روش طراحي و استقرار نظام ارزيابي (و تا حدودي درانطباق با ديدگاه‌هاي سنتي و نوين)، مي‌توان به دو دسته كلي ذيل تقسيم نمود (مجيبي ميكلايي، 1385: 22).
همان‌گونه که اشاره شد از روش‌های مختلف مانند روش‌های پارامتری (روش تا بع تولید مرزی قطعی وتصادفی) و روش‌های ناپارامتری (روش وصل نقاط حدی، تاکسونومی عددی وروش تحلیل پوششی داده‌ها) می توان به رتبه‌بندی و تعین کارایی پرداخت. این روش‌ها هرکدام مزایا و معایب خاص خود را دارا هستند، از آن جا که روش های ناپارامتری مبتنی بر یک سری بهینه سازی‌اند، برای محاسبه کارایی نسبی از آن‌ها استفاده می‌شود. عبارت نسبی در جمله بالا بسیار حائز اهمیت است زیرا کارایی به دست آمده در این روش، نتیجتاً مقایسه بنگاههای موجود با یکدیگر را نشان می‌دهد. بنابراین، در صورتی که تعدادی از مشاهدات حذف و یا تعداد آنها اضافه شود، ممکن است مقدار کارایی محاسبه شده نیز تغییر و کم یا زیاد گردد. از این حیث کارایی به دست آمده نسبی است نه مطلق. در روش‌های غیر پارامتری نیاز به انتخاب فرم تابع نبوده و محدودیتی نیز برای تعداد ستاده وجود ندارند. از میان سه روش ارزیابی ناپارامتری؛ تحلیل پوششی دادهها، وصل نقاط حدی و تاکسونومی عددی، روش تحلیل پوششی داده‌ها با توجه به مبانی برنامهریزی ریاضی در هر مدل، ارزیابی مناسب‌تری از دو روش دیگر پدید می آورد (عیسی زاده روش و خسروی، 1390).

2-2-4-مدل‌های پایه‌ای تحلیل پوششی داده‌ها
2-2-4-1-مدل CCR
این تکنیک از سال 1978 با پایان نامه دکتری “ادوارد رودز” در دانشگاه کارنگی میلون با راهنمایی پروفسور کوپر آغاز گردید. رودز پیشرفت تحصیلی دانش آموزان ملی آمریکا را که در برنامه فالوتزو شرکت می کردند، مورد مطالعه قرار داد. آنها توانستند بدون داشتن اطلاعات در مورد هزینه ها برای محاسبه کارایی فنی مدارسی که دارای ورودی ها و خروجی های چند گانه بودند، فرمولی ارائه کنند.
اولین مدل تحلیل پوششی داده‌ها بر اساس حروف اول واضعان آنها CCR نام گرفت. در این مدل، هدف اندازه‌گیری و مقایسه کارایی نسبی واحدهای سازمانی مانند مدارس، بیمارستان ها، شعب بانک و شهرداری ها با چندین ورودی و چندین خروجی شبیه به هم است. در ادامه به انواع مدل های CCR می پردازیم (مهرگان، 1391، 57).
پیکی از ویژگی‌های مدل تحلیل پوششی داده‌ها، ساختار بازده به مقیاس آن است. بازده به مقیاس می‌تواند ثابت یا متغیر باشد، بدان معنا که افزایش ورودی به افزایش خروجی به همان نسبت منجر می شود. در بازده متغیر، افزایش خروجی بیشتر یا کمتر از نسبت افزایش ورودی است.
مدل‌های CCR از جمله مدل های بازده ثابت به مقیاس هستند. مدل های بازده ثابت نسبت به مقیاس زمانی مناسب است که همه واحدها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحدها هرگاه فضا و شرایط رقابت ناقص، محدودیت هایی را در سرمایه گذاری تحمیل کند، موجب عدم فعالیت واحد در مقیاس بهینه می شود.
مدل نسبت CCR :
فارل برای ساختن یک واحد مجازی در اندازه گیری نسبی واحدها، بر مجموع موزون واحدها متمرکز شد و کارایی فنی را طبق رابطه زیر محاسبه کرد:

کارآیی=(ها خروجی موزون مجموع)/(ها ورودی موزون مجموع)

در صورتی که هدف بررسی کارایی n واحد- هر واحد دارای m ورودی و s خروجی – باشد، کارایی واحد j ام (n ،…، 2،1=j) به صورت زیر محاسبه می شود:
= (∑_(r=1)^s▒〖u_r y_rj 〗)/(∑_(i=1)^m▒〖v_i x_ij 〗)کارایی واحد j ام

Xij : میزان ورودی i ام برای واحد j ام (i=1,2, …,m)
Yrj: میزان خروجی rام برای واحد j ام (r= 1,2,…,s)
Ur : وزن داده شده به خروجی rام (قیمت خروجی rام)
Vi: وزن داده شده به ورودی i ام (هزینه ورودی i ام)

مورد مهم در رابطه فوق این است که این وسیله سنجش کارایی نیازمند مجموعه ای از وزن هاست که در تمامی واحدهای تحت بررسی استفاده می شود. واحدهایی که با بکارگیری میزان مشخصی از ورودی ها، خروجی‌هایی را ارائه می‌کنند، واحدهای تصمیم گیرنده نامیده می شوند، زیرا این واحدها در خصوص نحوه استفاده از ورودی ها و نحوه پردازش آنها تصمیم‌گیری می کنند.
در مورد رابطه فوق باید به دو نکته توجه داشت: اول این که ارزش ورودی‌ها و خروجی‌ها می تواند متفاوت و اندازه‌گیری آنها مشکل باشد؛ دوم، ممکن است واحدهای مختلف به گونه‌ای عملیات خود را سازمان

پایان نامه
Previous Entries پایان نامه ارشد درباره تابع تولید، تحلیل پوششی، ارزیابی عملکرد، تحلیل پوششی داده‌ها Next Entries پایان نامه ارشد درباره صنعت بیمه، عملکرد مالی، عملکرد شرکت، ساختار مالکیت