تغييرات كارايي در طول زمان

به منظور آگاهي از تغييرات كارايي در طول زمان «چارنز» در سال 1985 روشي را ارايه كرد كه به «تجزيه و تحليل پنجره» معروف است . تجزيه و تحليل پنجره به ارزيابي يك DMU در طول زمان مي‌پردازد بدين صورت كه با آن به عنوان يك DMU  متفاوت در هر دوره زماني برخورد مي‌كند. اين روش باعث مي‌شود كه به روند عملكرد يك واحد يا يك فرايند پي ببريم. اگر اطلاعات مربوط به داده‌ها و ستاده‌هاي يك DMU در K دوره زماني موجود باشد به منظور آگاهي از تغييرات كارايي در طول زمان بايد تعداد n.k واحد مورد ارزيابي قرار گيرد.

در روش سنتي تجزيه و تحليل پنجره دوره‌هاي زماني براساس ميانگين متحرك حركت مي‌كنند. بدين صورت كه هنگامي كه يك دوره زماني جديد در پنجره قرار مي‌گيرد، ‌اولين دوره زماني از پنجره حذف مي‌شود.«تالوري» در سال 1997  روشي را به منظور نظارت مؤثر بر عملكرد يك DMU ارائه كرد كه كمك زيادي به بهبود فرايند و الگوبرداري مي‌كند. در روش اصلاح شده به جاي اولين دوره، دوره‌اي كه ضعيف‌ترين عملكرد را در ميان دوره‌ها داراست حذف مي‌شود و اين اجازه را مي‌دهد كه دورة جديد با دوره‌هايي كه داراي عملكرد بهتري هستند مقايسه شود.

الگوبرداري با استفاده از DEA

براي هر واحد تصميم‌گيري ناكارا، DEA يك مجموعه از واحدهاي كارا را مشخص مي‌كند كه مي‌تواند به عنوان الگو براي بهبود عملكرد مورد استفاده قرار گيرند. براساس مدل DEA يك DMU ناكاراست اگر واحد يا تركيبي از واحدها وجود داشته باشند كه بتوانند همان مقدار ستاده واحد تحت بررسي را با مقدار نهاده كمتري توليد كنند. واحدهاي تصميم‌گيري تشكيل دهنده اين تركيب بعنوان گروههاي الگو براي واحد تصميم‌گيري ناكارا مطرح هستند. DEA همچنين مي‌تواند مقدار بهبود لازم را در هر يك از داده‌ها و ستاده‌هاي واحد ناكارا مشخص كند. لازم به ذكر است كه DEA يك ابزار تشخيص است و هيچگونه  استراتژي را براي كارا شدن يك واحد ناكارا ارائه نمي‌دهد.

تحليل پوششي داده‌ها و برنامه‌ريزي آرماني

همانگونه كه قبلا اشاره شد در به كارگيري مدلهاي كلاسيك DEA معمولا محدوديتهايي وجود دارد بعنوان مثال هرگاه تعداد واحدهاي تحت بررسي در مقايسه با مجموع تعداد ورودي‌ها و خروجي‌ها به اندازه كافي بزرگ نباشد، مشكل ضعف قدرت تفكيك رخ مي‌دهد. همچنين زماني كه مدل، وزن‌هاي بزرگي به يك خروجي تكي و يا وزن‌هاي خيلي كوچك را به يك ورودي‌ تكي تخصيص دهد امري نامطلوب و غيرمنطقي مي‌باشد كه بايستي از بروز آن جلوگيري به عمل آيد.

مدل تحليل پوششي داده‌ها براساس مدل برنامه‌ريزي آرماني نسبت به مدل‌هاي كلاسيك از توانايي بالاتري در قدرت تفكيك پذيري و ارائه وزن‌هاي واقعي برخوردار است.در مباحث مربوط به برنامه‌ريزي آرماني علاوه بر متغيرهاي معمول در برنامه‌ريزي خطي،‌ متغيرهاي ديگري تحت عنوان «متغيرهاي انحراف از آرمان» تعريف مي‌گردد.

دستيابي به سطح تمايل تعيين شده در هدف، وابسته به امكانات، منابع و محدوديتهايي است و در عمل ممكن است تصميم گيرنده به سطح تمايل تعيين شده دست بيابد و يا نيابد. در بسياري از موارد ممكن است بين آرزوها، تمايلات و خواسته هاي تصميم گيرنده و آنچه در عمل به آن دست مي يايد تفاوت و اختلاف وجود داشته باشد كه اين ميزان تفاوت را در مدل برنامه ريزي آرماني با متغيري به نام «انحراف از آرمان» اندازه گيري مي كنند. سطح دستيابي ممكن است بيش تر يا كمتر از آرمان تعيين شده باشد.

منبع

 هاشمی حسن کیاده، سید روزبه (1393)، اندازه گیری کارایی برای پیش بینی عملکرد  با استفاده از تکنیک تحلیل پوششی  داده ها و بر اساس متغیر های کمکی، پایان نامه کارشناسی ارشد، مدیریت بازرگانی، دانشــــگــاه آ زاد اسلامی

از فروشگاه بوبوک دیدن نمایید

اگر مطلب را می پسندید لطفا آنرا به اشتراک بگذارید.

مطالب مرتبط

دیدگاهی بنویسید

0