دانلود پایان نامه

برنامه‏ريزی ناپارامتريک

روش‌های ناپارامتریک عموماً عملکرد یک بنگاه یا واحد تصمیم گیری را با بهترین عملکرد بالفعل بنگاه های داخل آن صنعت بررسی می‌کند. روش‌های ناپارامتریک را می‌توان ساده‌ترین روش‌های مشاهده و تخمین کارایی تلقی نمود. برای تشخیص کارایی هر مشاهده خاص باید حد استانداردی وجود داشته باشد که این امر مستلزم در نظر گرفتن مشاهدات با ویژگی مشتبه می‌باشد. در سطح الگوهای ناپارامتریک، روش‌های گوناگونی برای مشاهده ناکارایی وجود دارند که عبارتند از(کاظمی،1382) :

  1. روش مشاهدات
  2. روش پله ای
  3. روش میانگین خطی
  4. روش وصل نقاط حدی
  5. روش تحلیل پوششی داده‌ها DEA

2-1-6-2-روش تحليل پوششی داده‌ها

در چند دهه گذشته تحليل پوششي داده‌ها DEA   به عنوان يك روش مهم براي سنجش كارايي مطرح شده است. استفاده از اين روش براي ارزيابي روشي مناسب است كه بر اساس سنجش عملكرد واحدهاي تصميم گيري و رتبه بندي به تصميم گيرنده كمك مي‌كند (امیری و جهانی، 1389). روش تحليل پوششي داده‌ها براي محاسبه كارايي هر بنگاه به يك كسر كه شامل مجموع وزني خروجی‌ها به ورودي‌ها است را در نظر می‌گیرد. فارل1957اولين كسي بود كه روش غيرپارامتري را با استفاده از برنامه ريزي خطي پيشنهاد كرد. (نجفی و آریانژاد، 1387) فارل با استفاده از روشي مبتكرانه اقدام به اندازه گيري عملكرد يك واحد توليدي كرد. مدل مورد بررسي وي تنها يك ورودي و يك خروجي را در نظر مي‌گرفت و وي نتوانست مدل خود را در حالت چند ورودي و چند خروجي توسعه دهد (امیری و جهانی، 1389). چارنز، کوپر و رودز (Charnes-Cooper-Rohdes) 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 داده‌ها نامیدند و برای اولین بار در سال 1976 آن را مورد استفاده قرار دادند .آن‏ها مدل CCR را ابداع کردند و بعد بنکر Banker با کامل کردن مقاله آن‏ها مدل BCC را ایجاد نمود (احمدپور، 1385). اين دو مقاله پايه  بسياري از مطالعات تحليلي كارايي شدند و اين شاخه از علم پژوهش در عمليات به سرعت پيشرفت كرد و تحت عنوان تحليل پوششي داده‌ها ناميده شد (علیرضایی و رفیعی ثانی، 1389). نام تحلیل پوششی داده‌ها به این دلیل است که ما مرز کارایی تمام داده ایی که در اختیار داریم پوشش می‌دهیم (احمدپور، 1385) تحليل پوششي داده‌ها DEA براي اندازه گيري كارايي يك تعداد از واحدهاي در حال فعاليت مشابه استفاده مي‌شود كه اين واحدهاي در حال فعاليت را واحدهاي تصميم گيري (Decision Making Unit) DMU مي‌نامند . در DEA  عموماً براي ارزيابي كارايي هر DMU از مدل‌های جداگانه اي استفاده مي‌شود . در نتيجه در تحليل كارايي، هر يك از DMU ها به طور جداگانه بر روي مرز كارا تصوير مي‌شوند( طلوع و جوشقانی، 1389). DEA يك روش ناپارامتري براي يافتن تابع توليد مجموعه اي از واحدهاي تصميم گيرنده است به عبارت ديگر ، DEA يك روش ناپارامتري است كه هيچ فرضي را در خصوص شكل تابع توليد نياز ندارد. (علیرضایی و رفیعی ثانی،1389)( تابع تولید به تابعی گفته می‌شود که برای هر ترکیب از ورودی‌ها ماکزیمم خروجی را بدهد) (هاشمی گرم داره، 1387).

2-1-7- انتخاب نهاده‌ها و ستانده‌ها

انتخاب نهاده‌ها و ستانده‌ها یکی از مهم‌ترین موارد مرتبط با به کارگیری تحلیل پوششی داده‌‏ها است و باید با در نظر گرفتن قواعد خاصی صورت بگیرد . از جمله آ نکه در صورتی که تعداد عوامل نهاده و ستانده در مقایسه با تعداد واحدهای تصمیم گیری زیاد باشند نتایج حاصل اطلاعات مفیدی را در اختیار قرار نمی‌دهد و اغلب واحدها به عنوان واحد کارا معرفی می‌شوند . چارنز و کوپر به عنوان یک قاعده  تجربی تعداد واحدها را حداقل 3 برابر مجمع نهاده‌ها و ستانده‌ها پیشنهاد می‌کنند . شرایطی که در انتخاب عوامل داده و ستانده باید در نظر گرفته شوند عبارتند از :

  • یک ارتباط مفهومی بین داده‌ها و ستانده‌ها برقرار باشد .
  • یک ارتباط مقداری بین داده‌ها و ستانده‌ها در عمل استنباط شود .
  • ارتباط بین داده‌ها و ستانده‌ها مستقیم باشد .

اندازه داده‌ها و ستانده‌ها مخالف صفر باشد (زارعی 1379 )

دانلود پایان نامه