دانلود مقاله تحقیق پایان نامه

پایان نامه درباره اندازه گیری کارایی، اندازه گیری عملکرد

[do_widget id=kl-erq-2]

قبل از بررسی روش های 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 می شود 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 می شود.
الف) معیار ورودی محور: در جستجو پاسخ به این سوال هستیم که تا چه حد می توانیم از میزان ورودی ها بکاهیم بدون اینکه تأثیر در میزان محصول داشته باشد. در این دیدگاه هرگونه هدف گذاری بر مبنای تعدیل در ورودی ها صورت می گیرد. این معیار در واقع با توجه به وضعیت خاص بازار یا تنوع تولید و میزان فروش تعیین می گردد. 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 می توان میزان خروجی ها را با همان میزان داده افزایش داد. این معیار غالباً در سازمان هایی که قدرت تغییر در داده های خود را ندارند کاربرد دارد. سازمان هایی که زیر نظر یک مرجع تصمیم گیرنده مانند دولت اداره می شوند. این واحدها به دنبال افزایش در میزان فروش محصولات و خدمات خود می باشند ولی داده های آن ها ثابت می باشد (احمد پور،1385).
2-8- تحلیل پوششی داده ها DEA
در چند دهه گذشته تحلیل پوششی داده ها به عنوان یک روش مهم برای سنجش کارایی مطرح شده است. استفاده از این روش برای ارزیابی روشی مناسب است که بر اساس سنجش عملکرد واحدهای تصمیم گیری و رتبه بندی به تصمیم گیرنده کمک می کند (امیری،1389). روش تحلیل پوششی داده ها برای محاسبه کارایی هر بنگاه به یک کسر که شامل مجموع وزنی خروجی ها به ورودی ها است را در نظر می گیرد. فارل 1957 اولین کسی بود که روش غیر پارامتریک را با استفاده از برنامه ریزی خطی پیشنهاد کرد. فارل با استفاده از روشی مبتکرانه اقدام به اندازه گیری عملکرد یک واحد تولیدی کرد. مدل مورد بررسی وی تنها یک ورودی و یک خروجی را در نظر می گرفت و وی نتوانست مدل خود را در حالت چند ورودی و چند خروجی توسعه دهد. چارنز، کوپر و رودز 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 داده ها نامیدند و برای اولین بار در سال 1976 آن را مورد استفاده قرار دادند. آن ها مدل CCR را ابداع کردند و بعد بنکر با کامل کردن مقاله آن ها مدل BCC را ایجاد نمود. این دو مقاله پایه ی بسیاری از مطالعات تحلیلی کارایی شدند و این شاخه از علم پژوهش در عملیات به سرعت پیشرفت کرد و تحت عنوان تحلیل پوششی داده ها نامیده شد. (طلوع،1389) نام تحلیل پوششی داده ها به این دلیل است که ما مرز کارایی تمام داده ایی که در اختیار داریم پوشش می دهیم. تحلیل پوششی داده ها DEA برای اندازه گیری کارایی یک تعداد از واحدهای در حال فعالیت مشابه استفاده می شود که این واحدهای در حال فعالیت را واحدهای تصمیم گیری DMU می نامند. در DEA عموماً برای ارزیابی کارایی هر DMU از مدل های جداگانه ای استفاده می شود. در نتیجه در تحلیل کارایی، هر یک از DMU ها به طور جداگانه بر روی مرز کارا تصویر می شوند. DEA یک روش غیر پارامتری برای یافتن تابع تولید مجموعه ای از واحدهای تصمیم گیرنده است به عبارت دیگر، DEA یک روش غیر پارامتری است که هیچ فرضی را در خصوص شکل تابع تولید نیاز ندارد (علیرضایی،1389). تابع تولید به تابعی گفته می شود که برای هر ترکیب از ورودی ها 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:
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 می گردد:
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)
میزان خروجی r ام برای واحد j ام (r=1,2,….,s)
وزن داده شده به خروجی r ام (قیمت خروجی r ام)
وزن داده شده به ورودی i ام (هزینه ورودی i ام)
مورد مهم در رابطه فوق این است که این وسیله سنجش کارایی، نیازمند مجموعه ای از وزن ها است که برای تمامی واحد های تحت بررسی مورد استفاده قرار گیرد. در این رابطه به دو نکته باید توجه داشت اول اینکه ارزش ورودی ها و خروجی ها می تواند متفاوت باشد و اندازه گیری آن ها مشکل باشد و از طرف دیگر ممکن است واحد های مختلف به گونه ای عملیات خود را سازمان دهند که خروجی هایی با ارزش های متفاوت ارائه کنند؛ لذا نیازمند وزن های متفاوتی در اندازه گیری کارایی می باشند.
چارنز، کوپر و رودز مشکل فوق را شناخته و برای حل این مشکل در مدل خود به ورودی ها و خروجی ها وزن های مختلفی را اختصاص دادند و واحدهایی را مطرح کردند که می توانند وزن هایی را که برای آن ها متناسب تر و روشن کننده تر در مقایسه با سایر واحدها باشد بپذیرند. در تحت این شرایط مدل ارائه شده آن ها برای ارزیابی واحد تحت بررسی که از این به بعد آن را واحد صفر می نامیم از حل مدل برنامه ریزی خطی زیر بدست می آید. 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 ورودی های… , را برای تولید خروجی های … , مصرف می کند، است.
در صورتی که وزن های تخصیص داده شده به خروجی ها (یا قیمت خروجی ها) با … , و وزن تخصیص داده شده به ورودی ها (یا هزینه خرید ورودی ها) با … , نشان داده شود آنگاه کسر زیر باید حداکثر گردد:
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 وزن ها بوده و جواب مسئله مناسب ترین و مساعدترین مقادیر را برای وزن های واحد صفر ارائه و کارایی آن را اندازه گیری می کند. مدل ریاضی آن به صورت زیر می باشد:
st: (j=1,2,….,n)برای هر واحد
]]>