پایان نامه با واژگان کلیدی تحلیل پوششی داده‌ها، تحلیل پوششی، برنامه ریزی آرمانی، رتبه بندی

دانلود پایان نامه ارشد

اندازه گیری می‌کند. مدل ریاضی آن به صورت زیر می‌باشد:
Max Z_0=(∑_(r=1)^s▒〖u_r y_r0 〗)/(∑_(i=1)^m▒〖v_i x_i0 〗)
st: (j=1,2,….,n)برای هر واحد
(∑_(r=1)^s▒〖u_r y_rj 〗)/(∑_(i=1)^m▒〖v_i x_ij 〗)≤1
u_r,v_i≥0
مدل 2-1. نسبت CCR
در مدل فوق اگر u_r ها خیلی بزرگ و v_jها خیلی کوچک باشند، مقادیر نسبت‌های بیان کننده محدودیت‌ها، بی نهایت و نا محدود خواهد شد. برای جلوگیری از چنین مشکلی تمامی نسبت‌ها (کارایی واحدها) را کوچک‌تر یا مساوی با یک در نظر می‌گیرند و به عنوان محدودیت وارد مدل می‌کنند. لازم به توضیح است که در محدودیت‌ها به جای عدد یک، هر عدد مثبت دیگر مانند k را می‌توان قرار داد، در این صورت کارایی واحدها نسبت به سطح سنجیده می‌شود (مهرگان،1387).
همان طور که اشاره شد مدل‌های تحلیل پوششی داده‌ها به دو گروه «ورودی محور» و «خروجی محور» تقسیم می‌شود که در ادامه با این مفاهیم در مدل‌های مختلف آشنا می‌شویم.
برای تبدیل نسبت CCR به یک مدل برنامه ریزی خطی به روشی که توسط چارنز و کوپر به کار گرفته می‌شود توجه کنید. در این روش استدلال بر آن است که برای حداکثر کردن مقدار یک عبارت کسری کافی است که مخرج کسر معادل یک عدد ثابت در نظر گرفته شود و صورت کسر حداکثر گردد. (مهرگان،1387) بر این اساس، با اعمال محدوديت ∑_(i=1)^m▒〖v_i x_i0 〗=1 در مدل برنامه‌ریزی کسری CCR، این مدل به مدل برنامه‌ريزي خطي زير تبديل شد. دقت کنید که مدل اخیر اگرچه شباهتی با متغیرها و پارامترهای مدل قبل دارد اما مدلی متفاوت و جدید است.
Max Z_0=∑_(r=1)^s▒〖u_r y_r0 〗
st:
∑_(i=1)^m▒〖v_i x_i0 〗=1
∑_(r=1)^s▒〖u_r y_rj-∑_(i=1)^m▒〖v_i x_ij≤0〗〗 (j=1,2,….,n)
u_r,v_i≥0
مدل 2-2. مدل اولیه (مضربی) CCR ورودی محور
اما برای تبديل مدل کسری CCR به يک مدل برنامه‌ريزی خطی می‌توان از روش ديگری نيز استفاده کرد. در اين روش با اعمال محدوديت، مدل برنامه‌ريزی کسری CCR به مدل برنامه‌ريزی خطی زير تبديل می‌شود كه بيانگر مدل مضربي CCR خروجي ـ محور است (فارسیجانی-1390) :
MinZ_0=∑_(i=1)^m▒〖v_i x_i0 〗
st:
∑_(r=1)^s▒〖u_r y_r0 〗=1
∑_(r=1)^s▒〖u_r y_rj-∑_(i=1)^m▒〖v_i x_ij≤0〗〗 (j=1,2,….,n)
u_r,v_i≥0
مدل 2-3. مدل اولیه (مضربی) CCR خروجی محور

2-8-2- مدل BCC
یکی از ویژگی‌های مدل تحلیل پوششی داده‌ها ساختار بازده به مقیاس آن است. بازده به مقیاس می‌تواند «ثابت» یا «متغیر» باشد. مدل‌های CCR از جمله مدل‌های بازده ثابت به مقیاس است. مدل بازده ثابت به مقیاس زمانی مناسب است که همه واحدها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحدها هرگاه فضا و شرایط رقابت ناقص محدودیت‌هایی را در سرمایه گذاری تحمیل کند موجب عدم فعالیت واحد در مقیاس بهینه می‌گردد.
در سال 1384 بنکر، چارنز و کوپر با تغییر در مدل CCR مدل جدیدی را عرضه کردند که با توجه به حروف اول نام آن‌ها به مدل BCC شهرت یافت. مدل BCC مدلی از انواع مدل‌های تحلیل پوششی داده‌ها است که در ارزیابی کارایی نسبی واحدها با بازده متغیر نسبت به مقیاس می‌پردازد. مدل‌های بازده به مقیاس ثابت محدود کنده تر از مدل‌های بازده به مقیاس متغیر هستند. زیرا مدل بازده به مقیاس ثابت واحدهای کارای کمتری را در بر می‌گیرد و مقدار کارایی نیز کمتر می‌گردد، علت این امر حالت خاص بودن «بازده ثابت به مقیاس» از مدل «بازده متغیر به مقیاس» می‌باشد.
مدل BCC برای ارزیابی کارایی واحد تحت بررسی (صفر) به صورت زیر می‌باشد:
Max Z_0=(∑_(r=1)^s▒〖u_r y_r0+ω〗)/(∑_(i=1)^m▒〖v_i x_i0 〗)
St:
(∑_(r=1)^s▒〖u_r y_rj+ω〗)/(∑_(i=1)^m▒〖v_i x_ij 〗)≤ 1 (j=1,2,…..,n)
u_r,v_i≥0 آزاد در علامت ω
مدل 2-4. نسبت BCC
همان طور که ملاحظه می‌شود تفاوت این مدل با مدل CCR در وجود متغیر آزاد در علامت ω می‌باشد. در مدل BCC علامت متغیر ω بازده به مقیاس را برای هر واحد می‌تواند مشخص کند.
الف. هرگاه ω<0 باشد نوع بازده به مقیاس، کاهشی است.
ب. هرگاه ω=0 باشد نوع بازده به مقیاس، ثابت است.
ج. هرگاه ω>0 باشد نوع بازده به مقیاس، افزایشی است (مهرگان،1387).
برای تبدیل مدل BCC به یک مدل خطی کافی است یک محدودیت به مدل اولیه اضافه کنیم. برای تبدیل این مدل به مدل ورودی محور ما محدودیت∑_(i=1)^m▒〖v_i x_i0 〗=1 را به مدل اضافه می‌کنیم. مدل مضربی BCC ورودی محور به شکل زیر خواهد بود:
Max Z_0=∑_(r=1)^s▒〖u_r y_r0 〗+ ω
st:
∑_(i=1)^m▒〖v_i x_i0 〗=1
∑_(r=1)^s▒〖u_r y_rj-∑_(i=1)^m▒〖v_i x_ij+ ω≤0〗〗 (j=1,2,….,n)
u_r,v_i≥0 آزاد در علامتω
مدل 2-5. مدل اولیه (مضربی) BCC ورودی محور
اما برای تبديل مدل کسری BCC به يک مدل برنامه‌ريزی خطی می‌توان از روش ديگری نيز استفاده کرد. در اين روش با اعمال محدوديت ،مدل برنامه‌ريزی کسری BCC به مدل برنامه‌ريزی خطی زير تبديل می‌شود كه بيانگر مدل مضربي BCC خروجي ـ محور است:

MinZ_0=∑_(i=1)^m▒〖v_i x_i0+ ω〗
st:
∑_(r=1)^s▒〖u_r y_r0 〗=1
∑_(i=1)^m▒〖v_i x_ij-∑_(r=1)^s▒〖u_r y_rj+ ω≤0〗〗 (j=1,2,….,n)
u_r,v_i≥ε
مدل 2-6. مدل اولیه (مضربی) BCC خروجی محور
2-9- برنامه ریزی آرمانی
در مدل‌های کلاسیک معمولاً دو مشکل رخ می‌دهد. یکی ضعف قدرت تفکیک و دیگری توزیع غیر واقعی وزن‌ها به ورودی‌ها و خروجی‌ها می‌باشد (مهرگان،1387).
زمانی که مقدار DMU ها کم، ورودی‌ها و خروجی‌ها زیاد باشد، وزن برخی از داده‌ها صفر می‌شود. در نتیجه امتیاز کارایی واحدها بر اساس یکسري از داده‌ها محاسبه و نزدیک به یکدیگر قرار می‌گیرد. به منظور حل این مشکل و ارائه طیف مناسبی از امتیازات کارایی، مدل برنامه ریزي آرمانی19DEA استفاده می‌شود. به طور کلی چهار مدل زیر برای حل برنامه ریزی آرمانی DEA معرفی شده است (عادل آذر،1384) :
آرمان مدل حداقل کردن متغیر انحرافی واحد تحت بررسی؛
آرمان مدل حداقل کردن مجموع متغیرهاي انحراف (MinSum)
آرمان مدل حداقل کردن حداکثر میزان انحراف (MinMax)
آرمان مدل ترکیبی از اهداف فوق

2-10- مدل رتبه بندی کارایی متقاطع
یکی از روش‌های رتبه بندی واحد های کارا استفاده از مدل کارایی متقاطع می‌باشد که توان بالایی در تفکیک پذیری واحد های کارا دارد. کارایی ساده محاسبه شده برای واحد k (Ekk) بر اساس وزن‌های دلخواه و مطابق میل واحد k حداکثر می‌گردد و اگر کارایی واحد دیگری مانند j با وزن‌های انتخابی واحد k ام (مطابق میل واحد k ام) محاسبه گردد با Ekj نشان داده شده و کارایی متقاطع نام می‌گیرد. برای تمامی واحدها امکان محاسبه کارایی ساده و متقاطع وجود دارد که حاصل عملیات ارائه ماتریس کارایی متقاطع CEM20 است که نحوه محاسبه آن به شکل زیر است.

D
C
B
A
واحد
EAD
EAC
EAB
EAA
A
EBD
EBC
EBB
EBA
B
ECD
ECC
ECB
ECA
C
EDD
EDC
EDB
EDA
D
شكل 2-5: فرم کلی ماتریس کارایی متقاطع (CEM)
Ekj کارایی واحد j با استفاده از وزن‌های واحد k بوده و از رابطه زیر بدست می‌آید.
E_kj=(∑_(r=1)^s▒〖u_r^k y_rj 〗)/(∑_(i=1)^m▒〖v_i^k x_ij 〗)
پس از تکميل ماتريس کارايي متقاطع، امتياز کارايي هر واحد با استفاده از فرمول ek محاسبه خواهد شد.
e_k=(∑_(j≠k)▒E_jk )/(n-1)

2-11- مزایای تحلیل پوششی داده‌ها
یکی از مهم‌ترین مزایای تحلیل پوششی داده‌ها این است که در این روش برای هر واحد تصمیم گیری ناکارا یک مجموعه از واحد های کارا (واحد مجازی) مشخص می‌شود که می‌تواند به عنوان الگو برای بهبود عملکرد مورد استفاده قرار گیرد. واحد تصمیم گیری تشکیل دهنده این ترکیب به عنوان گروه های الگو برای واحد تصمیم گیری ناکارا مطرح هستند. همچنین این روش می‌تواند مقدار بهبود لازم را در هر یک از داده‌ها و ستانده های واحد ناکارا مشخص کند. از جمله سایر مزایای این روش می‌توان موارد زیر را نام برد:
تمرکز بر روی تک تک مشاهدات در مقابل تمرکز بر میانگین جامعه.
فراهم کردن یک شیوه اندازه گیری جامع و منحصر به فرد برای هر واحد که از ورودی‌ها برای ایجاد خروجی‌ها استفاده می‌کند.
استفاده همزمان از چندین ورودی و چندین خروجی.
سازگاری با متغیر های برون زا.
توانایی در نظر گرفتن متغیر های طبقه ای یا مجازی.
نیازمند آگاهی از وزن‌ها یا قیمت‌ها ورودی‌ها و خروجی‌ها نبوده و از ارزش گذاری بی نیاز است.
محدود نبودن به شکل تابع توزیع و روابط تولید.
امکان بکار گیری ورودی‌ها و خروجی‌های مختلف با مقیاس‌های اندازه گیری متفاوت با یکدیگر (Charnes et.al.,1995).

2-12- کارت امتیازی متوازن
مطالعه ادبيات مديريت استراتژيك و بررسيهاي انجام شده در مورد دلايل عدم توفيق برنامه‌هاي استراتژيك در دهه هشتاد ميلادي و كم اهميت شدن و عدم اثربخشي آن نشان ‌مي‌دهد كه يا استراتژيهاي اثربخشي تدوين نشده، يا استراتژيهاي اثربخش، به درستي پياده‌سازي و اجرا نشده‌اند.
بسياري از استراتژيهاي ناموفق، زاييده فرآيند برنامه‌ريزي استراتژيك بودند كه پيشگاماني مانند: اندروز21، چندلر22 و انسوف23 در قالب رويكرد تجويزي، پرچم‌داران آن به شمار مي‌روند. ايشان استراتژيها را حاصل يك فرآيند تحليلي و قاعده‌مند مي‌دانند. درون مايه اصلي اين رويكرد، جفت و جور كردن عوامل دروني (نقاط قوت، نقاط ضعف) و عوامل بيروني (فرصت‌ها و تهديدها) به منظور بهره‌مندي از منافع نهفته در فرصت‌ها (يا دوري از زیان‌های نهفته در تهديدها) است. از آنجا كه استراتژی‌های حاصله از اين رويكرد براي محیط‌های به نسبت پايدار مناسب بودند، با وقوع تحولات در ساختار اقتصادي جهان و تغيير سريع عوامل تكنولوژيك، بسياري از استراتژيها با شكست مواجه شدند.
در آن زمان با طرح نظرياتي متفاوت توسط نظریه‌پردازانی، مانند مينتزبرگ24، رويكرد تجويزي در تدوين استراتژي مورد پرسش قرار گرفت و رويكرد توصيفي در خلق استراتژي، ظهور كرد. رويكرد توصيفي بر اين مبنا است كه يك استراتژي بديع، خلاق و اثربخش، الزاماً از روش‌های قاعدهمند حاصل نمي‌شود. هنري مينتزبرگ استراتژي اثربخش را پديده‌اي خود جوش مي‌داند و عميقاً بر اين نكته، كه فرآيندها نمي‌توانند استراتژي توليد كنند تاكيد دارد. درحالی‌که در شيوه‌هاي متعارف برنامه‌ريزي استراتژيك، فرآيندها غالب هستند. در چارچوب نظريات مينتزبرگ، استراتژي اثربخش يك پديده خلاقانه است كه انسان‌ها سازنده آن هستند و نه فرآيندهاي برنامه‌ريزي، و براي اين امر باید به جاي برنامه‌ريزي به توسعه تفكر استراتژيك پرداخت. در رويكرد تفكر استراتژيك بايد قواعد خلق ارزش براي بازار و مشتري را فهميد و آن‌ها را براي پاسخگويي به بازار به كار گرفت. كاپلان و نورتون در كتاب نقشه استراتژي، ارزش‌های قابل ارائه به مشتريان را در سه دسته: تصوير، روابط، و ویژگی‌های محصول/خدمت قرار داده و به هشت مورد: قيمت، كيفيت، دسترسي، انتخاب، كاربرد، خدمت، شراكت، و نام تجاري ريز مي‌كنند. وقتي شركتي مشتريان هدفش را شناسايي كند، مي‌تواند هدف‌های استراتژيك خود را در راستاي ايجاد ارزش براي مشتريان تعيين كرده، استراتژي‌هاي خود را به منظور تحقق هدف‌های استراتژيك، كه هم راستا با ارزش‌های مورد نظر مشتريان است، پايه‌ريزي كند.
اگرچه با ظهور رويكردهاي نو در خلق استراتژي، درصد خطا در دستيابي به استراتژی‌های اثربخش كاهش مي‌يابد، اما نتايج پژوهش‌ها نشان مي‌دهد دلايل ناكامي هفتاد درصد از مديران ارشد شرکت‌ها، شكست در اجراي استراتژي‌هايشان بوده است، نه اتخاذ استراتژي‌هاي غلط و غير اثربخش. پژوهشگران دلايل شكست در اجراي استراتژي‌ها را نيز در چهار عامل: عدم انتقال استراتژي به سطوح پاييني سازمان، عدم همسويي كاركنان و منافع ايشان در اجراي استراتژی‌ها، عدم تعهد مديريت ارشد و صرف وقت در تدوين و اجراي استراتژی‌ها و عدم تخصيص منابع لازم براي اجراي استراتژي‌ها شناسايي كرده‌اند. امروزه براي پيشگيري از وقوع موارد ياد شده، روش كارت امتيازي متوازن و ترسيم نقشه استراتژي بسيار سودمند تشخيص داده شده، شرکت‌ها به راه‌های مختلف از مفاهيم آن بهره‌برداري مي‌كنند (يوسفي و حائري،1386).
در ادامه به معرفي کارت امتيازي متوازن و پرداخته و مروري بر ادبيات موضوع مربوط به آن ارائه می‌دهیم.

2-13- معرفي کارت

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