دانلود پایان نامه مدیریت با موضوع
St:

دانلود پایان نامه مدیریت با موضوع St:

دانلود پایان نامه

می‌شود و علتش خاص بودن مدل‌های بازده به مقیاس متغیر است.
مدل BCC ورودی محور
مدل BCC برای ارزیابی کارایی واحد تحت بررسی (صفر) به صورت زیر می‌باشد:

St:
≤1 j=1,2,…,n

(20-2)
همانطور که می‌دانیم به وسیله قواعد فرکشنال، مدل غیر خطی فوق رابا مساوی یک قرار دادن مخرج کسر تابع هدف، به یک مدل خطی تبدیل می‌کنیم. مدل مضربی به صورت زیر خواهد بود:

St:

(21-2)
همانطور که ملاحظه میشود، تفاوت این مدل با مدل CCR در وجود متغیر آزاد در علامت W است. در مدل BCC علامت متغیر W بازده به مقیاس را برای هر واحد می‌تواند مشخص کند. یعنی:
الف:هرگاه 0=W باشد نوع بازده به مقیاس، ثابت است.
ب: هر گاه 0 W>باشد نوع بازده به مقیاس، افزایشی است.


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

ج: هر گاه 0 W<باشد نوع بازده به مقیاس، کاهشی است.
DEA چگونه عمل می‌کند؟
با بهره گرفتن از مدل DEA، یک «مرز» یا الگو (مبنای مقایسه) از واحدهای تصمیم‌گیری که دارای بهترین عملکرد هستند ساخته می‌شود. سپس کارایی واحدهای مورد نظر نسبت به آن مرز سنجیده می‌شود. برای تشریح چگونگی کارکرد DEA، فرض کنید که یک فرایند تولید دارای یک داده و یک ستاده است و اطلاعات آماری درباره‌ی آن وجود دارد. شکل 5-2 وضعیت تولید کنندگان گوناگونی، که از این فرایند تولیدی استفاده می‌کنند، نشان می‌دهد. هر نقطه نشانگر یک تولید کننده یا همان DMU است و جایگاه آن در نمودار، میزان داده‌های مصرفی و ستاده‌های تولیدی آن را مشخص می‌کند. طبق شکل 8-2 با حضور DEA، مرزی از تولید کنندگان برتر ساخته شده است.

شکل 8-2 – منطقه‌ی کارا و ناکارا و انتقال واحدها از ناکارا به کارا
تولید کننده ای که روی این مرز (خط شکسته) قرار دارد بیشترین ستاده را از داده‌ی موجود تولید می‌کند و یا برای تولید ستاده‌ی معین، کم‌ترین داده‌ها (منابع) را مصرف می‌کند.
تولید کنندگانی که در زیر این خط شکسته‌ی مرزی قرار می‌گیرند «ناکار آمد» محسوب می‌شوند؛ آنها می‌توانند تولید خود را با داده‌ی کم‌تر انجام دهند یا ستاده‌ی بیشتری را با همین داده تولید کنند. کارایی تولید کنندگان روی خط شکسته معادل 1 (100%) و کارایی دیگر تولید کنندگان کم‌تر از یک است. شکل 6-2 یک مثال عددی را درباره‌ی چگونگی محاسبه‌ی بهبود ممکن برای واحدی نظیر واحد J ام، ارائه می‌کند. «الگو» که J را با آن می‌توان مقایسه نمود نقطه‌ی L است: زیرا L روی پاره خط مرزی AB قرار گرفته است. این تولید کننده‌ی فرضی می‌تواند همان مقدار ستاده‌ی J را تنها با مصرف 2 واحد داده تولید کند؛ در حالی که J، 5 واحد داده مصرف می‌کند. بنابراین کارایی J با تقسیم LK بر JK به دست می‌آید:
0/4 = = Ej =
این عدد نشان می‌دهد که واحد J می‌تواند همین مقدار ستاده را تنها با 40 درصد داده‌ی در دسترس تولید کند. یعنی واحد J برای صرفه جویی دارای توان بالقوه ای معادل 60% است.

مطلب مرتبط :   پایان نامه رایگان با موضوع مزیت رقابتی پایدار

شکل 9-2- انتقال واحد‌های ناکارا به کارا

طبیعی است که بپرسیم: واحد J چگونه می‌تواند عملکرد خود را بهبود بخشد؟
واحد J می‌تواند با صرفه جویی در منابع برای تولید همین ستاده یا افزایش ستاده با مصرف همین تعداد داده و یا ترکیبی از این دو، عملکرد خود را بهبود بخشد. بهترین جواب این است که J می‌تواند در عمل از بهترین واحدهای تشکیل دهنده‌ی مرز کارایی نسبی صد در صد، واقع بر روی خط شکسته‌ی LM، بهترین عملکرد را بیاموزد.
هنگام ارزیابی مقایسه ای تولید کنندگان، نخستین مساله‌ی روش شناسی که باید مورد توحه قرار گیرد «بازگشت نسبت به مقیاس» است. اگر بازگشت نسبت به مقیاس «ثابت» باشد، یعنی با افزایش یک واحد داده، یک واحد ستاده افزایش می‌یابد و کارایی با تغییر حجم تولید تغییر نمی کند. بنابراین اگر یک تکنولوژی تولیدی دارای «بازگشت» نسبت به مقیاس متغیر (VRS) باشد، بر امکان تاثیر حجم تولید بر کارایی دلالت می‌کند و می‌توان نتیجه گرفت که برخی ناکارایی‌های موجود، ناشی از بهینه نبودن حجم تولید است. در این مورد، باید بین «کارایی تکنیکی» و «کارایی مقیاس» تفاوت قایل شد. می‌توان این کار را با تخمین کارایی با فرض بازگشت ثابت نسبت به مقیاس (CRS) و نیز با فرض بازشت متغیر نسبت به مقیاس (VRS) و مقایسه‌ی آن دو انجام داد.
در شکل 10-2 تفاوت میان کارایی محاسبه شده تحت فرض CRS و VRS نمایش داده شده است.

شکل 10-2 – بازده به مقیاس ثابت و بازده به مقیاس غیر ثابت

در این شکل، بهترین عملکرد مبنا، براساس CRS، نیم خطی است که از مرکز و نقطه‌ی B عبور می‌کند؛ چون B دارای بیشترین ستاده به داده یا همان کارایی است. اما مرز بهترین عملکرد براساس VRS از نقاط A، B، M، C و D می‌گذرد. نقطه‌ی L نشان می‌دهد که در بهترین وضعیت تکنیکی چگونه تولید کننده‌ی J می‌تواند با کم‌ترین داده بیشترین ستاده را تولید کند. نقطه‌ی P نشان می‌دهد که اگر تولید کننده‌ی J هم دارای کارایی تکنیکی و هم کارایی مقیاس بود، چقدر داده را مصرف می‌کرد.
هم چنین از روی شکل می‌توانیم ببینیم چگونه یک تولید کننده ناکارآمد است.
تولید کننده‌ی B تنها تولید کننده است که روی مرز CRS واقع شده و بیشترین نسبت ستاده به داده را دارد. بنابراین آشکار است که تولید کننده ای مانند J باید مقیاس تولید خود را افزایش دهد تا ناکارآیی ناشی از مقیاس کوچک را جبران کند. در ادامه‌ی این فصل، چگونگی تفکیک کارایی تکنیکی و کارایی مقیاس با حل مدل‌های DEA تشریح خواهد شد.
مدل ثانویه‌ی DEA
برای هر مدل برنامه ریزی خطی می‌توان مدل ثانویه ای نوشت که پاسخ آن با مدل اولیه یکسان خواهد بود. در DEA نیز می‌توان با تخصیص متغیر ثانویه به هر محدودیت مدل اولیه، مدل ثانویه آن را به دست آورد. اگر مدل 12-2 مدل DEA‌ی اولیه باشد، ثانویه‌ی آن با توجه به دو متغیر ثانویه‌ی E و به صورت مدل 23-2 خواهد بود:

مطلب مرتبط :   منابع مقاله با موضوع شیوه های جمع آوری اطلاعات

(22-2)

(23-2)
مدل ثانویه نسبت به مدل اولیه محدودیت‌های کم تری دارد ، بنابراین حل آن ساده‌تر از مدل اولیه است. در نتیجه، بیشتر مل ثانویه‌ی DEA به کار می‌رود. مدل ثانویه، همانند مدل اولیه، دارای یک تفسیر منطقی است. در این مدل یک واحد «مرکب فرضی» از واحدهای تحت مطالعه ساخته می‌شود. برای هر ستاده، «ستاده‌ی واحد مرکب فرضی» با محاسبه‌ی میانگین موزون ستاده‌های همه‌ی واحدها به دست می‌آ
ید. برای هر داده نیز به همین ترتیب داده‌ی واحد مرکب فرضی محاسبه می‌شود. در محدودیت‌های مدل ثانویه، همه‌ی ستاده‌های واحد مرکب، بزرگتر یا مساوی ستاده‌های واحد هدف قرار داده می‌شود. بنابراین، اگر بتوان نشان داد که داده‌های مصرفی واحد مرکب کم‌تر از داده‌های مصرفی واحد هدف هستند، یعنی واحد مرکب دارای ستاده‌های مساوی یا بیشتر از واحد هدف اما با داده‌های کمتر است، واحد هدف نسبت به واحد مرکب دارای کارایی کم تری است. تابع هدف DEA‌ی ثانویه حداقل کردن مقدار E است، که معادل است با حداقل کردن منابع ورودی (داده ها) برای واحد مرکب. بنابراین:
اگر E=1 باشد، واحد مرکب به اندازه‌ی واحد هدف، داده‌ها را مصرف می‌کند؛ پس دلیلی برای ناکارایی واحد هدف وجود ندارد.
اگر E<1 باشد، واحد مرکب داده‌های کمتری را برای دستیابی به همان مقدار ستاده‌های هدف نیاز دارد. کارآمدتر است، پس دارای ناکارایی نسبی است.
مدل DEA با بازدهی متغیر نسبت به مقیاس
مدل‌های ارائه شده در بخش‌های پیشین این فصل، همگی مبتنی بر فرض ثابت بودن بازدهی نسبت به مقیاس (CRS) بودند. ولی فرض CRS تنها هنگامی مناسب است که همه‌ی واحدها یا شرکت‌های مورد مطالعه در مقیاس بهینه کار کنند. ضعف رقابتی، محدودیت‌های مالی عوامل محیطی و … ممکن است باعث شوند که یک واحد یا شرکت در مقیاس بهینه کار نکند. به کارگیری خصوصیت CRS در حالی که همه‌ی واحدها در مقیاس بهینه کار نمی کنند به محاسبه‌ی کارایی تکنیکی (TE) منجر می‌شود که با کارایی مقیاس (SE) مغشوش شده است. به این دلیل «بنکر، چارنز و کوپر» برای منظور کردن بازدهی متغیر نسبت به مقیاس (VRS)، در مدل CRS DEA تغییری ایجاد نمودند. به کارگیری این مدل DEA با خصوصیت VRS، محاسبه‌ی کارایی تکنیکی را به طور مجزا از اثر کارایی مقیاس ممکن می‌سازد.
می توان مدل خطی CRS را با افزودن محدودیت تحدب، ، به سادگی برای منظور کردن VRS، اصلاح کرد. پس مدل 13-2 به صورت مدل 14-2 در می‌آید:

(24-2)
به یاد داشته باشید که محدودیت تحدب در اصل باعث می‌شود که یک واحد ناکارآمد تنها با واحدی در حجم مشابه مقایسه شود. بنابراین، وضعیت مطلوب واحد هدف در مرز DEA ترکیبی محدب از واحدهای در دست مطالعه خواهد بود. پس در DEA، CRS واحدی ممکن است با واحدهایی بسیار بزرگ‌تر یا کوچکتر از خود مقایسه شود که در این حالت، مجموع وزن‌ها بزرگتر یا کوچکتر از یک خواهند بود.
محاسبه‌ی کارایی مقیاس
با فرض متغیر بودن بازدهی نسبت به مقیاس (VRS)، می‌توان کارایی مقیاس را برای هر واحد به دست آورد. این کار با حل مدل DEA هم با فرض CRS و هم VRS عملی است. بدین ترتیب مقیاس کارایی تکنیکی (TE) به دست آمده از DEA CRS به دو جزء، یکی کارایی (ناکارایی) مقیاس و دیگری کارایی (ناکارایی) تکنیکی خالص، تقسیم می‌شود. اگر میان کارایی تکنیکی محاسبه شده، با فرض CRS و VRS، برای واحدی تفاوت وجود داشته باشد، بدین معنی است که واحد مورد مطالعه دارای ناکارایی مقیاس است. ناکارایی مقیاس را می‌توان از تفاوت کارایی تکنیکی با فرض CRS و VRS به دست آورد.
البته باید ذکر شود که مدل بازده به مقیاس ثابت گاهی با مدل CCR و مدل بازده به مقیاس متغیر با مدل BCC یکی در نظر گرفته میشود. (حاتمی،2011: 3-4)
رتبه‌بندی واحد‌های کارا
تحلیل پوششی داده‌ها واحد‌های تحت بررسی خود را به دو گروه کارا و غیر کارا تقسیم می‌کند. واحد‌های کارا واحد‌هایی هستند که امتیاز کارایی آنها برابر یک است.
واحد‌های ناکارا را میتوان با امتیاز‌های کمتر از یک که کسب کرده‌اند رتبه‌بندی نمود. ولی واحدهای کارا را نمی توان با اعداد اولیه رتبه‌بندی نمود. چندین روش برای رتبه‌بندی واحد‌های کارا ارائه شده است. همانند روش اندرسون –پیترسون یا روش ترکیبی کارایی متقاطع که در اینجا یکی از آنها را توضیح می‌دهیم.
روش اندرسون –پیترسون
در سال 1993 اندرسون و پیترسون روشی برای رتبه‌بندی واحد‌های کارا پیشنهاد کردد. ددر این روش امکان دارد که امتیاز واحد‌های کارا بیشتر از یک شد. ببدین ترتیب می‌توان واحد‌های کارا را نیز ربیه‌بندی نمو؛ و اما روش کار بدین صورت است:
قدم یک – مدل مضربی (یا پوششی) CCR را برای واحد‌های تحت بررسی حل کنید تا واحد‌های کارا و ناکارا مشخص شوند.
در صورتی که واحد تحت بررسی واحد K باشد مدل مضربی و پوششی به صورت زیر خواهد بود:

مطلب مرتبط :   پایان نامه رایگان با موضوع اعلامیه جهانی حقوق بشر

(25-2)
و یا از از این مدل استفاده میکنیم:

St:

(26-2)
باید دقت نمود که در مدل BCC محدودیت =1 رانیز باید اضافه نمود.
قدم دو م – فقط واحد‌های کارایی که امتیاز آنها در قدم اول مساوی یک شده را در نظر بگیرید و از مجموعه محدودیت قدم اول، محدودیت مربوط به آن واحد را حذف و و مدل را دوباره حل کنید.
در حالتی که K واحدی کارا باشد دراین قدم در مدل مضربی محدودیت سوم به صورت زیر خواهد بود:

 
 
(27-2)
ودر مدل پوششی محدودیت‌های پنجم و ششم به صورت زیر می‌گردند:

دیدگاهتان را بنویسید

Close Menu