« بیشتر تلاش می کنیم تا با ما مطمئن پژوهش کنید. »مروری بر مفاهیم تحلیل پوششی دادهها
بحث تحلیل پوششی دادهها با تز دکتری”ادوارد رودز” تحت راهنمایی “کوپر” شروع شد که پیشرفت تحصیلی دانش‌آموزان مدارس آمریکا را در سال 1978 مورد ارزیابی قرارداده بود. وی تابع این مطالعات را با همکاری “چارنز” و کوپر در مقالهای که به “CCR” معروف گردید، انتشار داد. CCR با تبدیل ورودیها و خروجیهای چندگانه به یک ورودی و یک خروجی روش بهینه‌سازی برنامهریزی را برای تعمیم اندازه کارایی یک ورودی و یک خروجی فارل به حالت ورودی و خروجی چندگانه به کاربرد.
سپس در سال 1984 بنکر، چارنز و کوپر مقالهای منتشر کردند که در آن مدلی به نام BCC-که مخفف اسامی معرفان این مدل است- مطرح گردید. در این مدل بحث بازده به مقیاس نیز به مدل CCR اضافه شد و ماهیت بازده به مقیاس در این مدل متغیر در نظر گرفته شد.
معرفی تحلیل پوششی دادهها
تکنیک تحلیل پوششی دادهها روش مبتنی بر برنامهریزی ریاضی جهت برآورد نسبی کارایی تکنیکی و ناکارایی‌ها در تولید است. این روش بدون تعیین فرضی از شکل تابع تولید و یا حل مدل‌های ریاضی برای مجموعه‌ای از واحدهای تصمیمگیرنده و استفاده از اطلاعات مربوط به میزان نهاده‌ها و ستاده‌های واقعی آن واحد، تابع تولید یا هزینه را به صورت یک پوشش قطعه‌ای برآورد می‌کند .
مزایای تحلیل پوششی دادهها
ارزیابی با گرایش مرزی به جای گرایش مرکزی ،در مدل‌های DEAبر خلاف روش‌هایی همچون رگرسیون، برازش منحنی، حداقل مربعات و … که گرایش به مرکز دادهها وجود دارد، تمایل به استفاده از واحدهای کارا توسط مرز کارایی می‌باشد. به عبارت دیگر در متدلوژی مزبور واحدهای تصمیمگیرنده یا روی مرز کارا قرار دارند و یا پایین تر از آن هستند. به همین جهت تفاوت بنیادین بین روش DEAو سایر روش‌هایی که با گرایش مرکزی از مرکز دادهها منحنی عبور می‌دهند، وجود دارد.
تحلیل پوششی داده از مجموعه واحدهای تصمیمگیرنده تعدادی را به عنوان ناکارا معرفی می‌نماید. واحدهای ناکارا به دلیل مقایسه با یک سطح استاندارد خاص از پیش تعیین‌شده و یا یک شکل تابع خاص و معلوم، ناکارا ارزیابی نشده‌اند، بلکه ملاک ارزیابی آنها در حقیقت واحدهای تصمیمگیرنده دیگری بوده‌اند که در شرایط یکسانی با آنها فعالیت کرده‌اند.
ارزیابی همزمان عوامل مؤثر بر عملکرد واحد، توانایی ارزیابی عوامل و نهاده‌های مؤثر بر عملکرد و تولید یک بنگاه اقتصادی بطور همزمان و با وجود تفاوت‌های موجود بین آنها از نقطه نظر تنوع، واحدهای اندازه‌گیری و غیره از مهم‌ترین قابلیت‌های این رویکرد است. متر، کیلوگرم، درصد عیوب، ریال، تعداد منابع انسانی و … در این متدلوژی می‌توانند در کنار هم و توأماً برای ارزیابی عملکرد مورد مطالعه قرار گیرند.
نیازمند آگاهی از وزن‌های ورودیها و خروجی‌ها نبوده، در این روش با استفاده از مدل‌های ریاضی، برای عوامل موجود، اوزان مناسبی با توجه به اطلاعات در دسترس تعیین می‌شود تا بر اساس آنها، حداکثر سازی نسبت خروجی‌ها به ورودیها و کارایی صورت پذیرد. بدین صورت اوزان تعیین‌شده سلیقه‌ای نبوده و در واقع بهترین اوزان قابل حصول در بین واحدهای تحت بررسی محسوب می‌گردد.
خاصیت جبرانی بودن، در تحلیل پوششی دادهها، عوامل و ویژگی‌هایی که در آنها نقاط قوت بیشتری دارد به منظور حداکثر نمودن کارایی مورد استفاده قرار می‌گیرد و از این طریق موجبات جبران کمبود در عوامل دیگر فراهم می‌آید. بدین ترتیب مدل این امکان را برای واحد تصمیمگیرنده فراهم می‌کند، تا با استفاده بیشتر از ویژگی‌هایی که نقاط قوت بارزتری در آنها دارد، کارایی خود را حداکثر نماید.
ارائه واحدهای الگو و راهکارهای بهبود عملکرد: واحدهای الگو، واحدهایی هستند که از نظر کارکردی در بالاترین سطح ممکن نسبت به سایرین قرار دارند. این واحدها در حقیقت مرجعی دقیق برای اثبات عدم کارایی واحدهای ناکارا هستند. در واقع تصویر هر واحد ناکارا روی مرز کارا بهترین وضعیت قابل‌دسترسی برای آن واحد ناکارا می‌باشد. تخمین در تغییر ورودیها و خروجی واحدهایی که در زیر مرز کارا قرارگرفته برای تصور کردن آن بر روی مرز کارا.
معایب تحلیل پوششی دادهها
- به عنوان یک تکنیک بهینه‌سازی امکان پیشگیری خطا در اندازه‌گیری و سایر خطاها را ندارد.
- جهت اندازه‌گیری کارایی نسبی است و کارایی مطلق را نمی سنجد، یعنی می‌تواند مشخص کند که واحد نسبت به بقیه واحدها چگونه عمل می‌کند ولی نسبت به عملکرد بهینه از نظر تئوریک مقایسه‌ای را ممکن نمی‌سازد.
- چون غیر پارامتری است انجام آزمون‌های آماری برای آن مشکل است.
- اضافه کردن یک واحد جدید به مجموعه واحدهای قبلی بررسی‌شده موجب تغییر در امتیاز کارایی تمامی واحدها می‌گردد.
- تغییر در نوع و تعداد ورودیها ممکن است در نتایج ارزیابی تغییر دهد .
مهم‌ترین ایراد روش DEAدرنظرنگرفتن عوامل تصادفی است .
مدل‌های اصلی تحلیل پوششی دادهها
همه این مدل‌ها دارای دو گرایش ورودی محور و خروجی محور هستند زیرا همان طور که گفته شد کارایی را می‌توان از دو دیدگاه تمرکز بر ورودیها و خروجی‌ها مورد بررسی قرارداد. چارنز، کوپر و رودز کارایی را با توجه به این دو دیدگاه به صورت زیر تعریف کردند:
- در یک مدل ورودی محور، یک واحد در صورتی ناکاراست که امکان کاهش هر یک از ورودیها بدون افزایش ورودی‌های دیگر با کاهش هر یک از خروجی‌ها وجود داشته باشد.
- در یک مدل خروجی محور، یک واحد در صورتی ناکاراست که امکان افزایش هر یک از خروجی‌ها بدون افزایش یک ورودی یا کاهش یک خروجی دیگر وجود داشته باشد .
مدلCCR
مدل CCR اولین مدل اساسی تحلیل پوششی دادههاست که توسط چارنز،کوپر و رودز در سال 1978ارائه گردید.آنان تحلیل اولیه فارل را که در حالت تک خروجی-چند ورودی مطرح شده بود را به حالت چند ورودی-چند خروجی تعمیم دادند. فارل برای اندازه‌گیری کارایی فنی این رابطه را پیشنهاد کرد: مجموع موزون ورودیها / مجموع موزون خروجی‌ها =کارایی فنی
مورد مهم در رابطه فوق این است که این وسیله سنجش کارایی، نیازمند مجموعه‌ای از وزن‌هاست که برای تمامی واحدهای تحت بررسی مورد استفاده قرار گیرد. در این رابطه به دو نکته باید توجه داشت، اول این که ارزش ورودیها و خروجی‌ها می‌تواند متفاوت و اندازه‌گیری آنها مشکل باشد و از طرف دیگر ممکن است واحدهای مختلف به گونه‌ای عملیات خود را سازمان دهند که خروجی‌هایی با ارزش‌های متفاوت ارائه کنند. لذا نیازمند وزن‌های متفاوتی در اندازه‌گیری کارایی می‌باشند.
چارنز، کوپر و رودز مشکل فوق را شناخته و برای حل این مشکل در مدل خود به ورودی و خروجی‌ها، وزن‌های مختلفی را اختصاص دادند و واحدهایی را مطرح کردند که می‌توانند وزن‌هایی را برای آنها مناسب تر و روشن‌کننده تر در مقایسه با سایر واحدها باشد، بپذیرند.
- مدل CCR با ماهیت ورودی
- مدلCCR با ماهیت خروجی
مدل BCC
این مدل توسط چارنز و کوپر مطرح شد. یکی از ویژگی‌های مدل تحلیل پوششی دادهها، ساختار بازده به مقیاس آن می‌باشد. بازده به مقیاس می‌تواند ثابت یا متغیر باشد. مدل‌های CCR از جمله مدل‌های بازده ثابت نسبت به مقیاس هستند. این مدل‌ها زمانی مناسب هستند که تمام واحدها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحدها هرگاه فضا و شرایط رقابت ناقص محدودیت‌هایی را در سرمایه‌گذاری تحمیل کند موجب عدم فعالیت واحد در مقیاس بهینه می‌گردد. در سال 1984 بنکر، چارنز و کوپر با تغییر در مدل CCR مدل جدیدی را عرضه کردند که با توجه به حروف اول نام آنها به مدل BCCشهرت یافت. این مدل به ارزیابی کارایی نسبی واحدها با بازده نسبت به مقیاس متغیر می‌پردازد.
مدل جمعی
مدل دیگری که برای تحلیل مفهوم کارایی در تحلیل پوششی دادهها مورد استفاده قرار می‌گیرد، مدل جمعی است که توسط چارنز و همکاران معرفی شد. این مدل در دو شکل پوششی و مضربی معرفی شد .
مدل اندرسن- پترسن
در سال 1993 اندرسون و پترسون روشی را برای رتبه‌بندی واحدهای کارا پیشنهاد کردند که امکان تعیین کاراترین واحد را میسر می‌سازد. با این تکنیک امتیاز گروه‌های کارا می‌تواند از یک بیشتر شود. به این ترتیب، گروه‌های آموزشی کارا نیز مانند گروه‌های غیرکارا می‌توانند رتبه‌بندی گردند. آنها برای رتبه بندی DMUo، آن را از مجموعه واحدهای تصمیمگیرنده حذف نموده و مدل DEAرا برای باقیماندهی DMUها اجرا نمودند.
مدل متغیرهای غیرقابل کنترل
در بسیاری از کاربردهای واقعی تحلیل کارایی، اغلب با وضعیتی مواجه هستیم که درآن بعضی شاخصهای ورودی و خروجی قابل کنترل نیستند. در چنین وضعیتی مدل پایهای تحلیل پوششی دادهها قابلیت کاربردی ندارند.
منبع
بابادی جلوگیری، جعفر(1392)، ارزیابی عملکرد گروه های آموزشی با استفاده از روش تحلیل پوششی دادهها، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی
از فروشگاه بوبوک دیدن نمایید
دیدگاهی بنویسید