دانلود پایان نامه مدیریت با موضوع
برنامه ریزی خطی

دانلود پایان نامه مدیریت با موضوع برنامه ریزی خطی

دانلود پایان نامه

محصول را در بر گیر، ببه ادبیات اقتصادی اضافه گردید. این روش که عمدتاً بعنوان روش اندازه‌گیری کارائی در جهان شناخته شده است، در حین اندازه‌گیری کارائی نوع بازده نسبت به مقیاس تولید را نیز به تفکیک برای بنگاه‌ها ارائه می کند، با پیشرفت و تکامل روش فوق، در حال حاضر DEA یکی از حوزه‌های فعال تحقیقاتی در اندازه‌گیری کارائی بوده و بطور چشمگیری مورد استقبال پژوهشگران جهان قرار گرفته است، این روش برای ارزیابی عملکرد سازمان‌های دولتی و غیر انتفاعی که اطلاعات قیمتی آنها معمولاً در دسترس نیست یا غیر قابل اتکاء است، کاربرد قابل ملاحظه ای دارد. در این روش بجای لفظ تولید کننده بمنظور جامعیت بخشیدن عموماً بعنوان واحد تصمیم ساز ( DMU) بکار برده می‌شد. ااین متد (DEA) که تکنیک برنامه ریزی خطی را بکار می‌گیرد از جمله روش‌های ناپارامتریک تخمین توابع هم مقداری تولید (تولید یکسان) می‌باشد. بطور کلی تخمین توابع یکسان یا تخمین تابع تولید مرزی بعنوان شاخص استاندارد مقایسه، مورد نیاز هر دو روش اندازه‌گیری کارائی (DEA و SFA) می‌باد. (امامی میبدی،1379 :123-12) همچنین، DEA به طور گسترده ای در الگوبرداری، بهبود مستمر و تحلیل استراتژیک به کار می‌رود.
زمانی که به علت منابع، فعالیت‌ها و عوامل محیطی متفاوت، داده‌ها و ستاده‌های متعددی وجود داشته باشد، دیگر مقیاس معمولی کارایی، یعنی ستاده تقسیم بر داده:

ستاده (Output) = کارایی (E)
داده (Input)

مناسب نیست. می‌توان مشکلات موجود در استفاده از این مقیاس سنتی را با مطالعه‌ی انبارهای یک شرکت توزیع مواد غذایی، نشان داد. برای مقایسه‌ی کارایی انبارها، باید داده‌ها و ستاده‌های مورد نیاز برای سنجش کارایی را تعیین نمود. در این مورد، داده‌ها را مقدار موجودی و هزینه دستمزد پرداختی هر انبار در نظر می‌گیریم. علت انتخاب موجودی، به عنوان یکی از وردی‌های سنجش کارایی، این است که مدیریت یک انبار کارآمد، تلاش می‌کند خدمات خود را با حداقل سطوح موجودی ارائه دهد، تا در فضا و سرمایه صرفه جویی کرده و گردش موجودی بالایی داشته باشد. می‌توان ستاده‌های مورد استفاده در سنجش کارایی را تعداد تحویل به فروشگاه‌ها، تعداد رسید از عرضه کنندگان و تعداد درخواست کالا از عرضه کنندگان هنگام کاهش یا فقدان موجودی در نظر گرفت. جدول شماره (4-2) داده‌ها و ستاده‌های 15 انبار مورد نظر را نشان می‌دهد.
داده ها ستاده ها
انبار موجودی
(میلیارد ریال)
(داده 1) هزینه‌ی دستمزد
(میلیون ریال)
(داده 2) تعدادتحویلها
(صد عدد)
(ستاده 1) تعداد رسیدها
(هزار عدد)
(ستاده 2) تعداد درخواست ها
(هزار عدد)
(ستاده 3)
1 3 5 40 55 30
2 5/2 5/4 45 50 40
3 4 6 55 45 30
4 6 7 48 20 60
5 3/2 5/3 28 50 25
6 4 5/6 48 20 65
7 7 10 80 65 57
8 4/4 4/6 25 48 30
9 3 5 45 64 42
10 5 7 70 65 48
11 5 7 45 65 40
12 2 4 45 40 44
13 5 7 65 25 35
14 4 4 38 18 64
15 2 3 20 50 15


برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید
رشته مدیریت همه موضوعات و گرایش ها : صنعتی ، دولتی ، MBA ، مالی ، بازاریابی (تبلیغات – برند – مصرف کننده -مشتری ،نظام کیفیت فراگیر ، بازرگانی بین الملل ، صادرات و واردات ، اجرایی ، کارآفرینی ، بیمه ، تحول ، فناوری اطلاعات ، مدیریت دانش ،استراتژیک ، سیستم های اطلاعاتی ، مدیریت منابع انسانی و افزایش بهره وری کارکنان سازمان

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

جدول 4-2- داده‌ها و ستاده‌های 15 انبار

با وجود دو داده و سه ستاده، مشکل مقایسه کردن کارایی انبارها آشکار می‌شود. برای مثال، در مقایسه‌ی ستاده‌ی انبارها 10 و 11، هر دو دارای سطح موجودی و هزینه ی، دستمزد یکسانی هستند، اما انبار 10 دارای سطوح فعالیت بزرگتر یا مساوی انبار 11 است. بنابراین اگر این داده‌ها وستاده‌ها معیارهای درستی باشند انبار 10 بسیار کارآمدتر از انبار 11 خواهد بود. با وجود این، انجام مقایسه‌ی بیشتر مشکل‌تر است. برای مثال، در مقایسه‌ی انبارهای 14 و 15، انبار 14 دارای داده‌های بیشتری است اما ستاده‌های آن در دو مورد بیشتر و در یک مورد کمتر از انبار 15 است. بنابراین، به طور کلی، الگوهای متفاوت فعالیت در واحدهای گوناگون و مقادیر متفاوت داده، مقایسه‌ی کارایی واحدهای تصمیم‌گیری (DMU) را با فرمول معمولی کارایی غیر ممکن یا مشکل می‌کند.
سنجش کارایی نسبی
فارل سنجش کارایی سنبی را، وقتی که داده‌ها و ستاده‌های متعدد و غیر قابل قیاس وجود دارند، مورد توجه قرار داد سپس با کمک «فیلدهاوس» روی آن کار کرد.
آنها پیشنهاد کردند که براساس «میانگین موزون واحدهای کارآمد»، یک واحد فرضی کارآمد ساخته شود تا از آن به عنان مبنای مقایسه ای برای یک واحد ناکارآمد استفاده شود.
فرمول معمولی برای سنجش کارایی نسبی DMU‌ها با وجود داده‌ها و ستاده‌های چند گانه به شکل زیر است:
مجموع موزن ستاده ها = کارایی
مجموع موزن داده ها
(9-2)
که تابع آن به صورت زیر است:
= کارایی واحد j ام

مطلب مرتبط :   پایان نامه ارشد درباره عبدالله بن زبیر

(10-2)
که در آن:
: وزن داده شده به ستاده 1
: مقدار ستاده 1 از واحد j
: وزن داده شده به داده 1
: مقدار داده 1 از واحد j
است.
با توجه به این فرمول روشن است که باید مجموعه‌ی مشترکی از وزن‌ها برای همه‌ی واحدها وجود داشته باشد. در عمل تعیین این وزن‌های مشترک کار مشکلی است. مشکل اول این است که ارزش گذاری داده‌ها و ستاده‌ها و ستاده کار آسانی نیست.
دومین مشکل این است که انبارهای مختلف عملیات خود را به اشکال متفاوتی سازماندهی می‌کنند بنابراین ارزشی که به داده‌ها و ستاده‌های گوناگون می‌دهند با دیگران متفاوت خواهد بود. این تفاوت را می‌توان در مقایسه‌ی دانشکده‌های دانشگاه تهران به شکل روشن تری نشان داد. مدیران دانشکده‌های مختلف هنگام ارزش گذاری بر فعالیت‌های دانشکده‌ی خود، نظرات گوناگونی دارند. برای مثال، در یک دانشکده فعالیت‌های ورزشی مهم‌تر پنداشته می‌شود و در دیگری کارهای هنری و نمایشی دانشجویان. به طور خاص، در دانشکده‌ی ترتبیت بدنی فعالیت اصلی ورزش، و در دانشکده‌ی هنرهای زیبا، فعالیت اصلی کارهای هنری است. بنابراین، تعیین یک مجموعه وزن یکسان برای ارزیابی عملکرد همه‌ی دانشکده‌ها، به طوری که همه‌ی مدیران دانشکده‌های مختلف روی ان اتفاق نظر داشته باشند، کاری مشکل یا شاید غیر ممکن است.
بنابراین، برای اجتناب از وزن دهی یا تخصیص هر گونه اولویت نسبی به داده‌ها یا ستاده‌ها، تعریف زیر را از کارایی نسبی مطرح می‌کنیم.
کارایی نسبی یک DMU، 100% است، اگر و فقط هیچ یک از داده‌های آن را نتوانیم کم‌تر کنیم یا هیچ یک از ستاده‌های آن را نتوانیم بیشتر کنیم، مگر این که باعث شود داده‌های دیگری بیشتر مصرف شوند یا ستاده‌های دیگری کم‌تر تولید شوند؛ به عبارت دیگر، اگر و فقط اگر هیچ یک از داده‌ها یا ستاده‌های آن را نتوانیم بهتر کنیم، مگر این که داده یا ستاده‌های دیگری بدتر شوند.
چون می‌خواهیم تنها براساس اطلاعات در دسترس کار کنیم تعریف نهایی کارایی نسبی در تحلیل پوششی داده‌ها را به صورت زیر مطرح می‌کنیم: یک DMU براساس شواهد موجود 100% کارآمد است، اگر و فقط اگر، عملکرد دیگر DMU‌ها نشان ندهد که می‌توان برخی داده‌ها یا ستاده‌های آن واحد را بهبود داد و در عین حال داده‌ها و ستاده‌های دیگر آن واحد بدتر نشوند.
مدل CCR
«چارنز، کوپر و رودز» با درک مشکلات موجود برای یافتن مجموعه‌ی مشترکی از وزن‌ها برای تعیین کارایی نسبی، پیشنهاد کردند که باید به هر «واحد تصمیم گیری»، DMU، اجازه داد تا مجموعه ای از وزن‌ها را برگزیند که آن واحد را در مطلوب‌ترین وضعیت نسبت به دیگر واحدها نشان دهد. تحت این شرایط کارایی واحد را می‌توان با حل این مساله به دست آورد:
کارایی واحد را حداکثر کنید.
در حالی که کارایی همه‌ی واحدها کوچکتر یا مساوی یک است (1 کارایی)
متغیرهای این مساله وزن‌ها هستند. حل آن مساله، مطلوب‌ترین وزن‌ها را برای حداکثر شدن کارایی و نیز مقدار کارایی آن را ارائه می‌کند. مدل جبری این مساله به صورت مدل (11-2) خواهد بود:

مدل (11-2)
برای هر واحد j
مدل (12-2) :
که m: تعداد داده‌ها و t: تعداد ستاده‌ها است.
برای داده‌های مربوط به انبارها، کارایی انبار دهم با حل مدل (13-2) به دست می‌آید:
(برای انبار 15)

مطلب مرتبط :   دانلود پایان نامه ارشد با موضوع دانشگاه تهران

مدل (13-2)
با حل این مدل، مقدار Z به عنوان کارایی انبار 10 و وزن‌هایی که به آن کارایی منجر می‌شوند به دست می‌آیند. اگر Z=1 باشد، انبار 10 نسبت به دیگر انبارها کارآمد خواهد بود. اگر Z کم‌تر از یک باشد، یعنی با وجود انتخاب مطلوب‌ترین وزن‌ها، کارایی انبارهای دیگر نسبت به انبار 10 بیشتر است.
این انعطاف پذیری در گزینش وزن‌ها برای هر واحد تصمیم‌گیری هم ضعف و هم قوت روش DEA است. ضعف آن در این است که وزن‌ها ممکن است ربطی به ارزش داده‌ها و ستاده نداشته باشند. قوت DEA از آنجا ناشی می‌شود
که با وجود مطلوب‌ترین وزن‌های به دست آمده از حل مدل، ممکن است «واحد هدف» ناکارآمد شناخته شود که در این صورت برای تجدیدنظر در عملکرد آن جای بحثی باقی نمی ماند.
مدل اولیه‌ی DEA «یک برنامه‌ی کسری خطی» است که برای حل آن باید نخست به مدل خطی تبدیل شود تا بتوان روش‌های حل برنامه ریزی خطی را برای آن به کار برد.
برای این کار، لازم است بدانیم در حداکثر کردن یک کسر، آنچه باید حداکثر شود نسبت صورت به مخرج است، نه صورت یا مخرج به طور جداگانه. بنابراین، می‌توان مخرج را برابر «یک عدد ثابت» در نظر گرفت، سپس صورت را حداکثر کرد. یا بر عکس، صورت را ثابت در نظر گرفت و مخرج را حداقل نمود. مورد اول در DEA بیشتر به کار گرفته می‌شود و مدل به دست آمده به صورت مدل (5-2) خواهد بود که به خاطر حرف اول ارائه دهندگان آن، CCR نام گرفته است:

مدل (14-2)
محدودیت (الف) همان مخرج کسر در تابع هدف اصلی است و طبق توضیح بالا برابر یک عدد ثابت دلخواه (معمولاً 1) در نظر گرفته می‌شود. محدودیت (ب) شکل تغییر یافته‌ی مجموعه‌ی محدودیت‌های مدل اصلی است که طبق روش معمول ریاضی از حالت کسری خارج شده است.

 
 
مدل (15-2) :
با توجه به این که در مدل (4-2) مجموع موزون داده‌های واحد هدف معادل 1 قرار داده شده است، این مدل، «مدل داده گرا» نامیده می‌شود. اگر مجموع موزون داده‌های واحد هدف را حداقل کرده و مجموع ستاده‌های موزون ان را معادل 1 قرار دهیم، به مدل (2-6-2) منتهی می‌شود که به آن «مدل ستاده گرا» می‌گویند. در این مدل برای حداکثر کردن کارایی، به جای حداکثر کردن صورت آن و ثابت نگاه داشتن مخرج، صورت ثابت نگاه داشته شده و مخرج حداقل می‌شود.

مدل (16-2)
براساس مدل (15-2)، مدل برنامه ریزی خطی به دست آمده برای انبار دهم، به شکل مدل (17-2) خواهد بود:

مدل (17-2)

حل مدل DEA
با حل مدل ارائه شده برای انبار دهم، به عنوان «واحد هدف»، کارایی این واحد و وزن‌های مطلوب برای رسیدن به این کارایی به دست می‌آیند. برای به دست آوردن کارایی همه‌ی واحدهای تصمیم گیری، باید برای هر واحد یک مدل خاص آن حل شود. حل پی در پی این مدل‌ها با کمک نرم افزارهای جدید کامپیوتری در زمینه‌ی برنامه ریزی خطی، کار ساده است. کافی است که تنها تابع هدف و محدودیت مربوط به آن (محدودیت نوع الف) در مدل (5-2) تغییر کند. حجم عمده‌ی مدل، که محدودیت‌های دیگر هستند، دست نخورده باقی می‌ماند. واضح است که چون تابع هدف در هر مساله تغییر می‌کند، وزن‌های به دست آمده نیز متغیر خواهد بود و ویژه‌ی هر واحد هدف مدل محاسبه می‌شوند. میزان کارایی تمام انبارها، که از حل مدل‌ها با کمک نرم افزار QM به دست آمده اند، در جدول شماره (5-2) ارائه شده اند.

انبار 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
کارایی 859/0 973/0 815/0 653/0 999/0 823/0 711/0 572/0 996/0 904/0 707/0 1 825/0 1 1
جدول 5-2- کارایی محاسبه شده برای انبارها

با توجه به این که در تحلیل پوششی داده‌ها، وزن‌های محاسبه شده مطلوب‌ترین وزن‌ها برای حداکثر کردن کارایی واحدها هستند، انتظار می‌رود کارایی همه‌ی واحدها معادل یک به دست آید. اما در جدول 5-2 می‌بینیم که چنین نیست و تفاوت قابل ملاحظه ای در کارایی واحدها مشاهده می‌شود. انبارهای 12، 14 و 15 دارای بیشترین کارایی (یک) هستند و کم‌ترین کارایی را انبار هشتم دارد. عدد 572/0 نشان می‌دهد که مدیریت انبار هشتم می‌تواند تنها با بهره گرفتن از 2/57% منابع موجود همین سطح از خدمات را به عنوان ستاده‌های انبار، ارائه دهد.
در حل هر برنامه‌ی خطی DEA، روش حل در پی حداکثر کردن کارایی واحد هدف است. این رویه‌ی جستجو، هنگامی که کارایی واحد هدف یا دست کم یکی دیگر از واحدها، معادل یک شد، متوقف می‌شود. بنابراین برای هر واحد ناکار آمد، حداقل یک واحد دیگر وجود دارد که با همان وزن‌های واحد هدف به دست آمده از حل مدل، دارای کارایی یک است. به این واحدهای کارآمد، «گروه همتا یا همپایه» یا «گروه مرجع» برای انبار ناکارآمد 10 را نشان می‌دهد.

مطلب مرتبط :   مقاله درمورد دانلود نیازهای روانشناختی

انبار 10 داده یا ستاده انبار 12 انبار 15
5 موجودی 2 2
7 هزینه دستمزد 4 3
70 تعداد تحویلها 45 20
65 تعداد رسیدها 40 50
48 تعداد درخواستها 44 15
جدول 6-2- گروه مرجع برای انبار 10
برای به دست آوردن گروه مرجع می‌توانیم وزن‌های به دست آمده از حل مدل DEA برای واحدهای هدف را در فرمول محاسبه‌ی کارایی وارد کنیم. برای انبار دهم، فرمول به صورت زیر خواهد بود:

(18-2)
که مقدار E با توجه به ترکیب داده‌ها و ستاده‌های انبارهای 12 و 15 معادل یک می‌شود. اما راه ساده تری هم وجود دارد. در مدل DEA، به تعداد n محدودیت کوچکتر یا مساوی وجود دارد که هر کدام کارایی واحد j ام را کوچکتر یا مساوی یک قرار می‌دهند. بنابراین، اگر در هر یک از محدودیت‌ها متغیر کمبود (کمکی یا Slack) معادل صفر باشد و در جدول نهایی غیر اساسی شود، یعنی:

(19-2)
واحد j ام دارای کارایی معادل یک است و یکی از اعضای گروه مرجع برای واحد هدف خواهد بود.
جواب برنامه ریزی خطی برای هر واحد ناکارآمد، مجموعه ای از داده‌ها و ستاده‌های هدف را ارائه می‌دهد. به این ترتیب، اهداف را به شکل کاهش در داده‌ها یا افزایش در ستاده‌ها و یا هر دو می‌توان تعریف کرد تا کارایی واحد هدف افزایش یابد. اگر مدل، «داده گرا» باشد، می‌توان براساس کارایی به دست آمده میزان کاهش در داده‌ها را برای رسیدن به کارایی یک تعیین نمود. اگر مدل به کار رفته «ستاده گرا» باشد، می‌توان میزان افزایش لازم در ستاده‌ها را برای رسیدن به کارایی صد در صد به دست آورد.
جدول شماره (4-2) داده‌های مطلوب (اهداف) را برای افزایش کارایی انبار 10 نشان می‌دهد.

متغیر (داده) مقدار واقعی هدف
موجودی 5 5/4
هزینه‌ی دستمزد 7 3/6
جدول 7-2- اهداف برای انبار 10 (با کارایی 9/0)

اهداف تعیین شده در جدول شماره (4-2)، تنها با محاسبه‌ی 9/0 از سطح فعلی داده‌ها به دست آمده اند. گاهی برخی داده‌ها یا ستاده‌ها جزء متغیرهای غیر قابل کنترل هستند و اهدافی که با این روش محاسبه می‌شوند، عملی نیست.
مدل BCC
همانطور که ذکر شد یکی از ویژگی‌های مدل‌های تحلیل پوششی داده‌ها «بازده به مقیای» بودن یا نبودن آنهاست. بازده به مقیاس بدان معناست که افزایش در مقدار ورودی منجر به افزایش خروجی به همان نسبت است. در بازده متغیر، افزایش خروجی بیشتر یا کمتر از نسبت افزایش در ورودی است.
مدل CCR از جمله مدل‌های بازده به مقیاس ثابت است. مدل‌های بازده به مقیاس ثابت زمانی مناسب است که همه‌ی واحد‌ها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحد‌ها هرگاه فضا و شرائط رقابت ناقص، محدودیت‌هایی را در سرمایه گذاری تحمیل کند موجب عدم فعالیت واحد در مقیاس می‌شود.
در سال 1984 بنکر، چارنز و کوپر با تغییر در مدل CCR مدل جدیدی ارائه کردند که با توجه به حروف اول نام آنها به BCC شهرت یافت. مدل BBC مدلی از انواع مدل‌های تحلیل پوششی داده هاست که در ارزیابی کارایی نسبی واحد‌هایی با بازده متغیر به مقیاس بکار برده می‌شود. مدل‌های بازده به مقیاس ثابت از مدل‌های بازده به مقیاس متغیر، محدود کننده‌تر می‌باشند. زیرا مدل‌های بازده به مقیاس ثابت واحد‌های کارای کمتری در نظر می‌گیرند و مقدار کارایی نیز کمتر

دیدگاهتان را بنویسید

Close Menu