مقاله با موضوع مقیاس های اندازه گیری و اندازه گیری کارایی

Businessman plan graph growth and increase of chart positive indicators in his business,tablet in hand
[do_widget id=kl-erq-2]

نتیجه تحقیقات چارنز کوپر و رودز برای ارایه مدلی ریاضی برای ارزیابی عملکرد واحد های تصمیم گیری متجانس که ورودی های از یک نوع را برای تولید خروجی های همگون مورد استفاده قرار می دهند بر اساس تحقیقات فارل با ارایه مدل CCR به نتیجه رسید. با این مدل تحلیل پوششی داده ها به عنوان روشی مبتنی بر برنامه ریزی خطی مسیری جدیدی را برای ارزیابی عملکرد و محاسبه کارایی گشود. با این فرض که n واحد تصمیم گیری DMUj J=1…n از m ورودی برای تولید s خروجی استفاده می کنند کارایی واحد تصمیم گیری o=1…n، DMU0 که با صرف ورودی Xio، i=1…m، به تولید Yro، r=1…s دست یافته است چنین است:

θ میزان کارایی واحد تصمیم گیری DMU0 که O=1…n را بدست میدهد. (دانشیان و همکاران، 1386)
2-2-16 مزایای روش تحلیل پوششی داده ها
روش تحلیل پوششی داده های تصادفی بر خلاف روش رایج ارزیابی عملکرد روشی آینده نگر است و براساس آن می توان در خصوص عملکرد آتی شعب پیش بینی هایی انجام داد.
روش تحلیل پوششی داده های تصادفی ورودی ها و خروجی های شعب را در ارزیابی عملکرد آنها ملحوظ می نماید بر خلاف روش رایج ارزیابی عملکرد که تنها بر خروجی های شعب در ارزیابی عملکرد آنان متمرکز است.
از نتایج روش تحلیل پوششی داده های تصادفی می توان در برنامه ریزی بهبود عملکرد استفاده نمود این در حالی است که به دلیل تمرکز روش رایج ارزیابی بر خروجی های شعب و نیز تحت کنترل نبودن اکثر خروجی ها امکان برنامه ریزی برای بهبود عملکرد اکثر شعب با استفاده از افزایش خروجی ها وجود ندارد.
روش تحلیل پوششی داده های تصادفی برخلاف روش رایج ارزیابی عملکرد براستانداردهای عملکرد در خصوص هر یک از خروجی های شعب استوار نیست و بنابراین نیاز به تغییر و بازنگری مداوم در این استانداردها نیست.
روش تحلیل پوششی داده های تصادفی با در نظر گرفتن ارزشی مخالف ارزش خروجی ها برای هزینه نیروی انسانی (برخلاف روش رایج ارزیابی عمکرد ) به نحو معقولانه تری حجم نیروی انسانی را در ارزیابی عملکرد شعب لحاظ می نماید. (فضلی و خوئینی، 1379)
بطور کلی مزایای DEA نسبت به سایر روشهای پارامتریک عبارتند از:
تمرکز بر هر یک از مشاهدات در مقابل میانگین جامعه
استفاده همزمان از چندین ورودی و خروجی
سازگاری با متغیرهای برون زا
عدم نیاز به دانستن شکل تابع توزیع
امکان به کارگیری ورودیها و خروجیها با مقیاس های اندازه گیری متفاوت (عالم تبریز و همکاران، 1388)
2-2-17 معایب DEA
1. به عنوان بهترین تکنیک بهینه سازی امکان پیشگیری خطا در اندازه گیری و سایر خطاها را ندارد.
2. جهت اندازه گیری کارایی نسبی است و کارایی مطلق را نمی سنجد، یعنی می تواند مشخص کند که واحد نسبت به بقیه واحدها چگونه عمل می کند ولی نسبت به عملکرد بهینه از نظر تئوریک مقایسه ای را ممکن نمی سازد.
3. چون غیرپارامتری است انجام آزمون های آماری برای آن مشکل است.
4. اضافه کردن یک واحد جدید به مجموعه واحدهای قبلی بررسی شده موجب تغییر در امتیاز کارایی تمامی واحدها می گردد.
5. تغییر در نوع و تعداد ورودی ها ممکن است در نتایج ارزیابی تغیر دهد (عالم تبریز و همکاران، 1388).
2-2-18 ویژگیهای تحلیل پوششی داده ها
تحلیل پوششی داده ها دارای ویژگیهای منحصر به فردی است که آنرا از سایر مدلهای کلاسیک و پارامتریک اندازه گیری کارایی متمایز می سازد. اهم این ویژگیها عبارتند از:
ارزیابی واقع بینانه
ارزیابی همزمان مجموعه عوامل
عدم نیاز به وزنهای از قبل تعیین شده
جبرانی بودن