پایان نامه با واژگان کلیدی تابع تولید، تحلیل پوششی داده‌ها، تحلیل پوششی، میزان فروش

دانلود پایان نامه ارشد

ه به مقیاس (مهرگان،1387)
متداول‌ترین وضعیت برای یک تابع تولید ابتدا بازده به مقیاس صعودی و سپس نزولی است. منطقه بازده به مقیاس صعودی به تخصص نسبت داده می‌شود. با افزایش مقدار تولید کارگران متخصص را می‌توان استخدام کرد و ماشین آلات جدید و کارا در فرآیند تولید مورد استفاده قرار گیرند. لیکن افزایش تولید از یک حد معین نه تنها کسب عواید بیشتر ناشی از میزان افزایش تخصص را محدود می‌کند، بلکه مشکلات مربوط به هماهنگی در مراحل و انجام تولید ممکن است هزینه را به طور قابل ملاحظه ای افزایش دهد. وقتی مخارج هماهنگی بیش از مخارج تخصیص داده شود، بازده به مقیاس نزولی تبدیل خواهد شد.
2-5- روش‌های برآورد کارایی
به طور کلی دو حیطه سنتی و نوین را می‌توان برای اندازه گیری کارایی واحد های اقتصادی مطرح کرد که عبارتند از :
الف) روش‌های نوین: این روش‌ها به دو شاخه پارامتریک و غیر پارامتریک تقسیم می‌شوند. در حوزه پارامتریک تابع تولید مشخصی با استفاده از روش‌های مختلف آماری و اقتصاد سنجی تخمین زده می‌شود و با به کار گیری این تابع نسبت به تعیین کارایی اقدام می‌شود. می‌توان به روش تابع مرزی تصادفی SFA12 و روش تابع مرزی قطعی و تحلیل رگرسیون اشاره کرد.
در حوزه غیر پارامتریک دیگر نیازمند تخمین تابع تولید نمی‌باشیم، می‌توان روش گروه های شاخص و همچنین تحلیل پوششی داده‌ها را بر شمرد.

شکل 2-2. روش‌های برآورد کارایی
ب) روش‌های سنتی : از روش‌های سنتی می‌توان به روش تحلیل نسبت اشاره کرد. در این روش یک نسبت بین اقلام مربوط به هم در اطلاعات عددی مدیریت محاسبه و تحلیل می‌شود. به طور کلی روش‌های تحلیل نسبت عبارتند از (احمد پور،1385) :
روش روند
روش درصد
روش مقایسه
روش شاخص
2-6- روش‌های غیر پارامتریک
روش‌های غیر پارامتریک13 عموماً عملکرد یک بنگاه یا واحد تصمیم گیری را با بهترین عملکرد بالفعل بنگاه های داخل آن صنعت بررسی می‌کند. روش‌های غیر پارامتریک را می‌توان ساده‌ترین روش‌های مشاهده و تخمین کارایی تلقی نمود. برای تشخیص کارایی هر مشاهده خاص باید حد استانداردی وجود داشته باشد که این امر مستلزم در نظر گرفتن مشاهدات با ویژگی مشابه می‌باشد. در سطح الگوهای غیر پارامتریک، روش‌های گوناگونی برای مشاهده ناکارایی وجود دارند که عبارتند از (احمد پور،1385) :
روش مشاهدات
روش پله ای14
روش میانگین خطی
روش وصل نقاط حدی15
روش تحلیل پوششی داده‌ها DEA
با استفاده از شکل زیر به توضیح این روش‌ها می‌پردازیم.

شکل 2-3. مرز روش‌های غیر پارامتریک (احمد پور،1385)
الف روش مشاهدات : در این نمودار نقاط 1 الی 5، الگوی مشاهدات بنگاه های موجود در یک صنعت می‌باشد. بر اساس الگوی مشاهدات اگر بنگاه های 1 و 2 و 3 با استفاده از نهاده‌هایی که دارند بهترین عملکرد را داشته باشند، بنگاه های 4 و 5 ناکارا خواهند بود. این روش در برابر این پرسش که با ترکیب نهاده های دو بنگاه 4 و 5 چه محصولی به دست می‌آید ناکارا می‌باشد. زیرا شکل تابع تولید بنگاه‌ها در این روش در دست نیست و تنها مشاهدات به صورت نقاطی بر روی نمودار ترسیم شده‌اند. همچنین این روش کارایی بنگاه‌ها را مشخص نمی‌سازد. با این حال برای مقایسه ناکارایی در روش مشاهدات، مبنایی نا مطمئن قابل تحقق است و آن در صورتی است که مشاهدات بیشتری مانند بنگاه 6 که در میزان به‌کارگیری نهاده‌ها برابر با بنگاه 5 است وجود داشته باشد که در آن شرایط می‌توان ناکارایی را با مقایسه محصول بدست آمده نشان داد.
ب) روش مرز پله ای : نقاط حدی با خط شکسته ای همچون خطی که از نقاط 1 و 2 و 3 گذشته است به هم وصل می‌شوند تا مرز پله ای حاصل شود. اما این مرز به دلیل محدودیت‌های اندازه گیری نمی‌تواند تخمین مناسبی برای مشاهداتی که چندان به نقاط حدی نزدیک نیستند ارائه دهند. اگر تعداد مشاهدات بسیار زیاد باشد، مجموعه ای از نقاط بهترین عملکردها پدید می‌آید که در این صورت، پله های مرز تولید، کوچک شده و مشکل مشاهدات دور مرتفع خواهد شد. اما در واقعیت تعداد مشاهدات به سمت بی نهایت به علت محدودیت زمانی و خطای تخمین عملاً وجود ندارد.
ج) روش میانگین خطی: در الگوی میانگین خطی فرض بر این است که ورودی‌ها و خروجی‌ها تقسیم پذیر هستند و لذا می‌توان نقاط میانی برای مشاهدات فراهم نمود. بدین ترتیب می‌توان مرز تولید را با وصل نقاط با خط مستقیم بدست آورد. برای این کار دو حالت پیش روست : نخست اینکه نقاط مجاور یکدیگر به وسیله خط مستقیم بهم وصل شوند که در آن صورت نقاطی چون نقطه 2 نیز جزء مرز به حساب خواهد آمد و دوم اینکه نقاط 1 و 3 به هم وصل شوند، با این فرض که نقاط روی مرز به لحاظ تکنیکی قابل دسترس بوده‌اند، هرچند که در عمل بدست نیامده باشند. با فرض اخیر بنگاهی مانند 2 نه روی مرز بلکه درون مرز قرار می‌گیرد؛ لذا می‌توان استدلال کرد که نقطه ای روی خط اتصالی مشاهدات 1 و 3 در سطح ورودی‌های بکار رفته، نقطه 2 قابل دسترس است و بنگاه 2 ناکارا عمل می‌کند.
چ) روش وصل نقطه حدی: ممکن است در واقع صنعت بتواند روی منحنی OO قرار داشته باشد که از اتصال نقاط حدی حاصل شده‌اند. نقاط حدی از عملکرد بهتر بنگاه های موجود در صنعت نیز قابل استخراج است و بدین ترتیب ممکن است نقاط 1 و 3 نیز خود درون مرز امکانات تولید مانند O’O’ قرار گیرند. فضای ورودی‌ها و خروجی‌ها در واقع تولید را نشان می‌دهد و تابع تولید محدب یا تئوری‌های اقتصادی موجه است. از جمله اشکالاتی که به روش‌های فوق وارد است فرض تک ورودی و تک خروجی بودن مدل‌هاست که در دنیای واقعی چنین امری به ندرت وجود دارد (خسروی،1383).
2-7- دیدگاه ورودی محور و دیدگاه خروجی محور
قبل از بررسی روش‌های برآورد ابتدا لازم است به معیارهای برآورد ورودی محور و خروجی محور اشاره شود. این دو معیار به نتایج مشابه ولی نحوه تحلیل متفاوت منجر می‌شود و با توجه به نیاز محقق و سازمان در مورد نحوه جابجایی و تغییر در میزان داده و ستانده از لحاظ انعطاف پذیری در چگونگی این تغییرات انتخاب می‌شود.
الف) معیار ورودی محور: در جستجو پاسخ به این سوال هستیم که تا چه حد می‌توانیم از میزان ورودی‌ها بکاهیم بدون اینکه تأثیر در میزان محصول داشته باشد. در این دیدگاه هرگونه هدف گذاری بر مبنای تعدیل در ورودی‌ها صورت می‌گیرد. این معیار در واقع با توجه به وضعیت خاص بازار یا تنوع تولید و میزان فروش تعیین می‌گردد. به عنوان مثال مواردی که امکان بازاریابی و افزایش مشتریان وجود ندارد.
ب) معیار خروجی محور: در جستجو پاسخ به این سوال هستیم که تا چه حد می‌توان میزان خروجی‌ها را با همان میزان داده افزایش داد. این معیار غالباً در سازمان‌هایی که قدرت تغییر در داده های خود را ندارند کاربرد دارد. سازمان‌هایی که زیر نظر یک مرجع تصمیم گیرنده مانند دولت اداره می‌شوند. این واحدها به دنبال افزایش در میزان فروش محصولات و خدمات خود می‌باشند ولی داده های آن‌ها ثابت می‌باشد (احمد پور،1385).
2-8- تحلیل پوششی داده‌ها DEA
در چند دهه گذشته تحليل پوششي داده‌ها به عنوان يك روش مهم براي سنجش كارايي مطرح شده است. استفاده از اين روش براي ارزيابي روشي مناسب است كه بر اساس سنجش عملكرد واحدهاي تصميم گيري و رتبه بندي به تصميم گيرنده كمك می‌کند (امیری،1389). روش تحليل پوششي داده‌ها براي محاسبه كارايي هر بنگاه به يك كسر كه شامل مجموع وزني خروجی‌ها به ورودی‌ها است را در نظر می‌گیرد. فارل 1957 اولين كسي بود كه روش غیر پارامتريک را با استفاده از برنامه ريزي خطي پيشنهاد كرد. فارل با استفاده از روشي مبتكرانه اقدام به اندازه گيري عملكرد يك واحد توليدي كرد. مدل مورد بررسي وي تنها يك ورودي و يك خروجي را در نظر می‌گرفت و وي نتوانست مدل خود را در حالت چند ورودي و چند خروجي توسعه دهد. چارنز، کوپر و رودز16 معیار فارل را توسعه دادند و مدلی ارائه دادند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت و آن را تحلیل پوششی داده‌ها نامیدند و برای اولین بار در سال 1976 آن‌را مورد استفاده قرار دادند. آن‌ها مدل CCR را ابداع کردند و بعد بنکر17 با کامل کردن مقاله آن‌ها مدل BCC را ایجاد نمود. اين دو مقاله پایه‌ی بسياري از مطالعات تحليلي كارايي شدند و اين شاخه از علم پژوهش در عمليات به سرعت پيشرفت كرد و تحت عنوان تحليل پوششي داده‌ها ناميده شد. (طلوع،1389) نام تحلیل پوششی داده‌ها به این دلیل است که ما مرز کارایی تمام داده ایی که در اختیار داریم پوشش می‌دهیم. تحليل پوششي داده‌ها DEA براي اندازه گيري كارايي يك تعداد از واحدهاي در حال فعاليت مشابه استفاده می‌شود كه اين واحدهاي در حال فعاليت را واحدهاي تصميم گيري DMU 18می‌نامند. در DEA عموماً براي ارزيابي كارايي هر DMU از مدل‌های جداگانه اي استفاده می‌شود. در نتيجه در تحليل كارايي، هر يك از DMU ها به طور جداگانه بر روي مرز كارا تصوير می‌شوند. DEA يك روش غیر پارامتري براي يافتن تابع توليد مجموعه اي از واحدهاي تصميم گيرنده است به عبارت ديگر، DEA يك روش غیر پارامتری است كه هيچ فرضي را در خصوص شكل تابع توليد نياز ندارد (علیرضایی،1389). تابع تولید به تابعی گفته می‌شود که برای هر ترکیب از ورودی‌ها ماکزیمم خروجی را بدهد.
2-8-1- مدل CCR
در اندازه گیری نسبی واحدها فارل برای ساختن یک واحد مجازی بر مجموع موزون واحدها تمرکز نمود و به عنوان یک وسیله سنجش متداول برای اندازه گیری کارایی فنی رابطه زیر را پیشنهاد کرد:
کارایی=( ها خروجی موزون مجموع )/(ها ورودی موزون مجموع)
در صورتی که هدف بررسی کارایی n واحد که هر کدام دارای m ورودی و s خروجی است باشد، کارایی واحد j ام (j=1,2,….,n) به صورت زیر محاسبه می‌گردد:
امjواحد کارایی=(∑_(r=1)^s▒〖u_r y_rj 〗)/(∑_(i=1)^m▒〖v_i x_ij 〗)
که با توجه به شکل زیر:

شکل 2-4. ورودی و خروجی واحد
میزان ورودی i ام برای واحد j ام (i=1,2,….,m) x_ij
میزان خروجی r ام برای واحد j ام (r=1,2,….,s) y_rj
وزن داده شده به خروجی r ام (قیمت خروجی r ام) u_r
وزن داده شده به ورودی i ام (هزینه ورودی i ام) v_i
مورد مهم در رابطه فوق این است که این وسیله سنجش کارایی، نیازمند مجموعه ای از وزن‌ها است که برای تمامی واحد های تحت بررسی مورد استفاده قرار گیرد. در این رابطه به دو نکته باید توجه داشت اول اینکه ارزش ورودی‌ها و خروجی‌ها می‌تواند متفاوت باشد و اندازه گیری آن‌ها مشکل باشد و از طرف دیگر ممکن است واحد های مختلف به گونه ای عملیات خود را سازمان دهند که خروجی‌هایی با ارزش‌های متفاوت ارائه کنند؛ لذا نیازمند وزن‌های متفاوتی در اندازه گیری کارایی می‌باشند.
چارنز، کوپر و رودز مشکل فوق را شناخته و برای حل این مشکل در مدل خود به ورودی‌ها و خروجی‌ها وزن‌های مختلفی را اختصاص دادند و واحدهایی را مطرح کردند که می‌توانند وزن‌هایی را که برای آن‌ها متناسب‌تر و روشن کننده تر در مقایسه با سایر واحدها باشد بپذیرند. در تحت این شرایط مدل ارائه شده آن‌ها برای ارزیابی واحد تحت بررسی که از این به بعد آن‌را واحد صفر می‌نامیم از حل مدل برنامه ریزی خطی زیر بدست می‌آید. که نام مدل نسبت CCR دارد. برای ساختن مدل فرض کنید n واحد موجود است و هدف ارزیابی کارایی واحد تحت بررسی (واحد صفر یا واحد تصمیم گیرنده) که ورودی‌های… , x_m0 x_10 〖,x〗_20,را برای تولید خروجی‌های … , y_s0 y_10 〖,y〗_20,مصرف می‌کند، است.
در صورتی که وزن‌های تخصیص داده شده به خروجی‌ها (یا قیمت خروجی‌ها) با … , u_s u_1 〖,u〗_2, و وزن تخصیص داده شده به ورودی‌ها (یا هزینه خرید ورودی‌ها) با … , v_m v_1 〖,v〗_2, نشان داده شود آنگاه کسر زیر باید حداکثر گردد:
(∑_(r=1)^s▒〖u_r y_r0 〗)/(∑_(i=1)^m▒〖v_i x_i0 〗)
این روش را برای سایر واحدها نیز باید انجام داد. به این ترتیب
Max Z0=(کارایی واحد صفر)
st: 1 ≥کارایی تمامی واحدها
متغیر های مسئله فوق وزن‌ها بوده و جواب مسئله مناسب‌ترین و مساعدترین مقادیر را برای وزن‌های واحد صفر ارائه و کارایی آن‌را

پایان نامه
Previous Entries پایان نامه با واژگان کلیدی ارزیابی عملکرد، تحلیل پوششی، تحلیل پوششی داده‌ها، رتبه بندی Next Entries پایان نامه با واژگان کلیدی تحلیل پوششی، تحلیل پوششی داده‌ها، ارزیابی عملکرد، شبکه عصبی