تحلیل پوششی داده‌ها
تحلیل پوششی داده‌ها (DEA)(به انگلیسی: Data Envelopment Analysis) یک تکنیک بر اساس برنامه‌ریزی خطی برای ارزیابی عملکرد مجموعه ای از واحد های تصمیم گیرنده متجانس است.
در واقع تحلیل پوششی داده‌ها مبتنی بر یکسری بهینه سازی با استفاده از برنامه‌ریزی خطی می‌باشد که به آن روش ناپارامتریک نیز گفته می‌شود. در این روش منحنی مرزی کارا از یک سری نقاط که بوسیله برنامه‌ریزی خطی تعیین می‌شود ایجاد می‌گردد. برای تعیین این نقاط می‌توان از دو فرض بازدهی ثابت و متغیر نسبت به مقیاس استفاده کرد. روش برنامه‌ریزی خطی پس از یک سری بهینه سازی مشخص می‌کند که آیا واحد تصمیم گیرنده مورد نظر روی مرز کارایی قرار گرفته است و یا خارج آن قرار دارد؟ بدین وسیله واحدهای کارا و ناکارا از یکدیگر تفکیک می‌شوند. تکنیک DEA تمام داده‌ها را تحت پوشش قرار داده و به همین دلیل تحلیل پوششی داده‌ها نامیده شده است.
یکی از ابتدایی ترین و در عین حال معمول ترین روش‌های اندازه‌گیری کارایی، استفاده از نسبت‌ها می‌باشد. این نسبت‌ها در زمینه‌های مختلف مالی، اقتصادی و صنعتی بکار گرفته می‌شوند. در صورتی که کارایی به عنوان نسبتی از خروجی‌ها به ورودی‌ها تعریف شود، محاسبه و تحلیل آن برای واحدهای تک ورودی-نک خروجی آسان خواهد بود اما در اکثر مسادل دنیای واقعی با واحدهایی با چندین ورودی و خروجی رو به رو بوده و در نتیجه نیازمند روش هایی هستیم که با ترکیب ورودی‌ها و خروجی‌ها به صورت یک شاخص واحد،به معیار مناسبی جهت سنجش کارایی دست یابیم.
تاریخچه ویرایش
تحلیل پوششی داده‌ها (DEA) یک مدل برنامه‌ریزی ریاضی، برای ارزیابی کارایی واحدهای تصمیم گیرنده‌ای (DMU) است که چندین ورودی و چندین خروجی دارند. اندازه‌گیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه پژوهشگران قرار داشته است.
واژه DEA مخفف Data Envelopment Analysis می‌باشد که به معنی تحلیل پوششی داده‌ها است. فارل در سال ۱۹۵۷، با استفاده از روشی همانند اندازه‌گیری کارایی در مباحث مهندسی، به اندازه‌گیری کارایی برای واحد تولیدی اقدام کرد. موردی که فارل برای اندازه‌گیری کارایی مد نظر قرار داد شامل یک ورودی و یک خروجی بود.
چارنز، کوپر و رودز دیدگاه فارل را توسعه دادند و الگویی را ارایه کردند که توانایی اندازه‌گیری کارایی با چندین ورودی و خروجی را داشت. این الگو تحت عنوان تحلیل پوششی داده‌ها نام گرفت. نخستین بار در رساله دکترای ادوارد رودز و به راهنمائی کوپر تحت عنوان ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا در سال ۱۹۷۶، در دانشگاه کارنگی مورد استفاده قرار گرفت.
از آن جا که این الگو توسط چارنز، کوپر و رودرز ارائه گردید به الگوی (CCR) که از حروف اول نام سه فرد یاد شده تشکیل شده است، معروف گردید. در سال ۱۹۷۸ در مقاله‌ای با عنوان اندازه‌گیری کارایی واحدهای تصمیم گیرنده ارائه شد.
تاریخچه استفاده از این روش در ایران به مطالعات غلامرضا جهانشاهلو مربوط می شود که به پدر علم تحلیل پوششی داده ها در ایران معروف هستند. این تکنیک به ارزیابی عملکرد واحد های تصمیم گیرنده با چند وروردی و چند خروجی می پردازد. همچنین از مهمترین ویژگی های آن می توان به ارایه یک الگو قابل دسترس برای واحد های تصمیم گیرنده اشاره کرد. بعبارتی این روش واحد های تصمیم گیرنده را به دو گروه کارا و ناکارا طبقه بندی می کند. از دیگر پژوهشگران ایرانی این حوزه می توان به دکتر فرهاد حسین زاده لطفی، دکتر علیرضا امیر تیموری، دکتر علی امروزنژاد و ... اشاره کرد. [۱]
کاربرد ویرایش
یکی از ابزارهای مناسب و کارآمد در زمینه سنجش و ارزیابی بهره‌وری، تحلیل پوششی داده‌ها می‌باشد که به عنوان یک روش غیر پارامتری به منظور محاسبه کارایی واحدهای تصمیم گیرنده استفاده می‌شود. امروزه استفاده از تکنیک تحلیل پوششی داده‌ها با سرعت زیادی در حال گسترش بوده و در ارزیابی سازمانها و صنایع مختلف مانند صنعت بانکداری، پست، بیمارستانها، مراکز آموزشی، نیروگاه‌ها، پالایشگاه‌ها و... استفاده می‌شود. توسعه‌های زیادی از جنبه تئوری و کاربردی در مدلهای تحلیل پوششی داده‌ها اتفاق افتاده که شناخت جوانب مختلف آن را برای به کارگیری دقیقتر اجتباب ناپذیر می‌کند. تحلیل پوششی داده ها را می توان با روش های تصمیم گیری چندمعیاره ترکیب نمود تا نتایج بهتری حاصل شود. به عنوان مثال می توان به ترکیب روش های تصمیم گیری چند معیاره MADM و تحلیل پوششی داده ها اشاره کرد.[۲] استفاده از مدلهای تحلیل پوششی داده‌ها علاوه بر تعیین میزان کارایی نسبی، نقاط ضعف سازمان را در شاخصهای مختلف تعیین کرده و با ارائه میزان مطلوب آنها، خط مشی سازمان را به سوی ارتقای کارایی و بهره‌وری مشخص می‌کند. همچنین الگوهای کارا که ارزیابی واحدهای ناکارا بر اساس آنها انجام گرفته‌است به واحدهای ناکارا معرفی می‌شوند. الگوهای کارا واحدهایی هستند که با ورودی‌های مشابه واحد ناکارا خروجی‌های بیشتر یا همان خروجی‌ها را با استفاده از ورودی‌های کمتر تولید کرده‌اند. این تنوع وسیع در نتایج است که موجب شده‌استفاده از این تکنیک با سرعت فزاینده‌ای رو به گسترش باشد. همین امر موجب شده‌است که این تکنیک از بعد تئوری نیز رشد فزاینده‌ای داشته باشد و به یکی از شاخه‌های فعال در علم تحقیق در عملیات تبدیل شود.
نرم‌افزارها ویرایش
نرم‌افزارهای مرتبط با تحلیل پوششی داده‌ها عبارتند از:
- ماژول DEA در نرم افزار بودجه ریزی عملیاتی الماس - گروه مشاوران پنکو
منابع ویرایش
- وبسایت پارس مدیر/بهمن 1391/تحلیل پوششی داده ها [۱]
- ↑ «A new DEA ranking system based on changing the reference set». ۱۶ اوت ۲۰۰۷. بایگانی‌شده از اصلی در ۲۶ ژوئیه ۲۰۲۰. مقدار
|dead-url=deadنامعتبر (کمک) - ↑ Mahmoudi, Amin; Abbasi, Mehdi; Deng, Xiaopeng (2021-11-30). "Evaluating the Performance of the Suppliers Using Hybrid DEA-OPA Model: A Sustainable Development Perspective". Group Decision and Negotiation. 31 (2): 335–362. doi:10.1007/s10726-021-09770-x. ISSN 0926-2644.
متن چپ‌چین‌شده