شبکه پشتیبانی و مربی گری شتابدهنده

مرکز آموزش

روش تحلیل پوششی داده ها

 

روشهای  غير پارامتري   پيش‌فرضي از شكل اساسي تابع توليد ندارند و مقدمات آن توسط فارل  مطرح شد. روش فارل با اينكه مشكل مربوط به انتخاب تابع توليد را رفع كرد ولي هنوز مشكل تعداد ورودي و خروجي را داشت. بعد از آن اين مدل براي حالت چند ورودي و چند خروجي تعميم يافت و به روش CCR معروف شد و متدولوژي تحليل پوششي داده ها  شكل گرفت.  در اين روش كارايي، مانند روشهاي پارامتري به صورت نسبت خروجي به ورودي تعريف شده و واحدي كه اين نسبت براي آن بيشترين باشد كارا ناميده مي‌شود. توسعه هاي بعدي در اين مدل اشكال گوناگوني از روشهاي ارزيابي را تشكيل داد كه هر يك خواص و ويژگي هاي خاصي را در ارزيابي بيان مي كنند. مدل CCR  بعنوان مدل پايه اي تحليل پوششي داده ها، روشي مبتني بر برنامه ريزي رياضي است كه قادر است كارايي مجموعه اي از واحدهاي تصميم گيرنده را كه داراي ورودي ها و خروجي هاي چندگانه هستند در مقايسه با هم محاسبه كند. كارايي در اين روش به عنوان نسبت خروجي به ورودي تعريف مي شود. در حالتي كه ورودي ها و خروجي ها چندگانه مي باشند كارايي به صورت مجموع وزن دار شده خروجي ها به مجموع وزن دار شده ورودي ها تعريف مي شود. اگر ارزش ورودي‌ها و خروجي‌ها معلوم باشد آنگاه كارايي به سادگي به صورت زير قابل محاسبه است.

كه در آن vi ارزش ورودي و ui ارزش خروجي واحد i ام است. اما مشكل در تعيين ارزش ورودي‌ها و خروجي‌ها است. اگر واحدهاي تحت ارزيابي، واحدهاي توليدي باشند ارزشدهي يا قيمت گذاري ورودي‌ها و خروجي‌ها مشكل نيست اما اگر واحدها، توليدي نباشند تعيين ارزش واقعي ورودي‌ها و خروجي‌ها مشكل و شايد غير ممكن باشد. مثلاً اگر براي يك مدرسه اگر ورودي را ميانگين معدل دانش‌آموزان هنگام ثبت‌نام و خروجي را تعداد قبولي در دانشگاه‌ها در نظر بگيريم آنگاه ارزشدهي به اين نوع ورودي‌ و خروجي‌ها به طوري كه به خوبي بيانگر ميزان تاثير آنها در كارايي واحد باشد به راحتي ميسر نيست. لذا در روش CCR ارزش ورودي‌ها و خروجي‌ها متغير فرض شده و براي محاسبه كارايي مدل كسري زير ارائه شد.

 

و سپس قيد ديگري براي در نظر گرفتن سقفي براي امتياز كارايي مانند  c ( كه معمولا 1 يا 100 در نظر گرفته مي شود) منظور گرديد كه شكل مدل را به فرم زير تغيير داد:

 

تعبير ديگري كه براي مدل CCR مي‌توان در نظر گرفت اين است كه مدل CCR را مي‌توان به يك بازار تشبيه كرد كه در آن واحد تحت ارزيابي p مي‌تواند ورودي‌هايش را به هر قيمتي بخرد و خروجي‌هايش را به هر قيمتي بفروشد اما واحدهاي ديگر نيز مي‌توانند ورودي و خروجي‌هایشان را به قيمت‌هايي كه واحد p معامله مي‌كند، معامله كنند. حال در اين بازار رقابتي واحدي كارا است كه نسبت ميزان فروش به ميزان خريد براي آن بيشترين شود. لازم به ذكر است كه مدل CCR بيان شده در فوق كسري است و در عمل از خطي شده آن استفاده مي‌شود.

نتايج حاصل از بكارگيري ارزيابي به روش تحليل پوششي داده ها

علاوه بر اندازه كارايي بعنوان نمره اي از كارايي براي واحد هاي تحت ارزيابي و وزني كه هر واحد براي هر شاخص ورودي يا خروجي اش بدست مي آورد، دو نتيجه مهم ديگر كه حاصل از به كارگيري اين مدلها است، تعيين واحدهاي الگو براي واحدهاي ناكارا و اهداف مورد انتظار در هر يك از شاخصها براي واحدهاي ناكارا مي باشد. اهداف مورد انتظار در شاخص ها به گونه اي براي هر واحد ناكارا تعيين مي گردد كه با فرض ثابت ماندن ساير شرايط اگر آن واحد مي توانست ورودي ها و خروجي هايش را به ميزان ورودي ها و خروجي هاي هدف نزديك كند كارا مي شد. بنابراين بايستي تلاش كند تا در دوره هاي آتي به آن سطح از ورودي ها و خروجي ها بيشتر نزديك شود.علاوه بر اين مي توان از ميان واحدهاي موجود، واحدهايي را بعنوان واحدهاي الگو براي هر واحد ناكارا تعيين كرد بطوري كه تقريبا از نظر جثه (بزرگي ميزان ورودي ها و خروجي ها) با واحد مورد ارزيابي قابل مقايسه باشند. اين واحدهاي الگو كاراتر از واحد مورد بررسي عمل كرده اند و مي توانند نمونه عملي براي واحد ناكارا محسوب شوند. براي چگونگي استخراج اين نتايج مي بايست اطلاعاتي در خصوص مدل هاي برنامه ريزي رياضي و دوگان آنها است.

 



آیا این پاسخ به شما کمک کرد?

افزودن به مورد علاقه ها افزودن به مورد علاقه ها

پرینت این مقاله پرینت این مقاله

همچنین بخوانید

ورود کاربر

ایمیل

کلمه عبور

مرا به خاطر بسپار

جستجو