چشم‌انداز مدیریت صنعتی

چشم‌انداز مدیریت صنعتی

ارائه مدل تحلیل پوششی داده ها با رویکرد ورودی-خروجی محور

نوع مقاله : مقاله پژوهشی

نویسندگان
حسن فارسیجانی 1
محمد حسین آرمان 2
علیرضا حسین بیگی 3
اعظم جلیلی 4
1 دانشیار، دانشگاه شهید بهشتی.
2 استادیار، دانشگاه هرمزگان.
3 استادیار دانشگاه آزاد اسلامی، واحد تبریز.
4 دانشجوی دکتری، دانشگاه علامه طباطبایی.
چکیده
تحلیل پوششی داده ها (DEA) یک تکنیک برنامه ریزی خطی است که هدف اصلی آن، مقایسه و ارزیابی کارایی تعدادی از واحدهای تصمیم گیرنده مشابه است که مقدار ورودی های مصرفی و خروجی های تولیدی متفاوتی دارند. مدل های DEA مورد استفاده برای ارزیابی کارایی واحد تحت بررسی می توانند از دو رویکرد مجزا استفاده کنند: .1 کاهش میزان ورودی ها بدون تغییر در میزان خروجی ها (رویکرد ورودی محور) .2 افزایش میزان خروجی ها بدون تغییر در میزان ورودی ها (رویکرد خروجی محور).
کلیدواژه‌ها
ارزیابی عملکرد
تحلیل پوششی داده ها
مدل CCR ورودی محور
مدل CCR خروجی محور
مدل CCR ورودی خروجی محور

عنوان مقاله English

Data Envelopment Analysis Model with Inbound-Output Approach

نویسندگان English

Hassan Farsijani 1
Mohammad Hossein Arman 2
Alireza Hosseinbeigi 3
Azam Jalili 4
1 Associate Professor, Shahid Beheshti University.
2 Assistant Professor, Hormozgan University.
3 Assistant Professor, Islamic Azad University, Tabriz.
4 Ph.D., Allameh Tabataba'i University.
چکیده English

Data Envelopment Analysis (DEA) is a linear programming technique whose main purpose is to compare and evaluate the performance of a number of similar decision makers with different inputs and outputs. The DEA models used to evaluate unit performance under investigation can use two distinct approaches: 1. Reduce inputs without altering outputs (input-driven approach) .2 Increase outputs without modifying inputs ( Output - driven approach).

کلیدواژه‌ها English

Performance evaluation
Data Envelopment Analysis
Input-driven CCR model
Output-driven CCR model
1. Bowlin W.F., A.Charnes, W.W.Cooper, H.D.Sherman, (1985), “Data Envelopment Analysis and Regression Approaches to Efficiency Estimation and Evaluation”, Annal Operation Research, 2,113-138.
2. .Charnes A., W.W.Cooper and T.Sueyoshi, (1986), “Least Square/Ridge Regression and Goal Programming/Constrained Regression Alternatives”, European Journal of Operational Research, (27), 146-157.
3. Charnes A., W.W.Cooper, (1985), “Preface to Topics in Data Envelopment Analysis”, Annals of Operational Research, (2).59-70.
4. Charnes A., W.W.Cooper and E.Rhodes, (1978), “Measuring the Efficiency of Decision Making Units”, European Journal of Operational Research, (2), 429-444.
5. Guo P. and H. Tanaka, (2001), “Fuzzy DEA: a Perceptual Evelaution Method”, Fuzzy Sets and Systems, 119, 149-160.
6. Martin D.H., G.Kocher and M. Sutter, (2000), “Measuring Efficeincy of German Football Teams by DEA”, University of Innsbruck, Australia, 4-5.
7. Per Andersen, N. C.Peterson, (1993), “A Procedure for Ranking Efficient Unit inDEA”, Management Scince, Vol.39, (10),1261-1294.
8. Sexton.T.R., Silkman, R.H., Hogan, A.J, (1986), “Data envelopment Analysis: Critique and Extention.In: Silkman, R.H. (ED), Measuring Efficiiency: An Assessment of Data envelopment Analysis.” Jossey-Bass, San Francisco, CA, .73-105.
9. Thanassoulis.A,(1993), “A Comparision of Regression Analysis and Data Envelopment Analysis as Alternative Methods for Performance Assessment”, Journal of Operation Research Socity, 44, 1129-1144.