عدم نیاز به اوزان از قبل تعیین شده

خاصیت جبرانی بودن

استانداردسازی

رتبهبندی واحدهای تصمیمگیرنده

تعیین تراکم و میزان آن در نهادهها

تخصیص بهینه منابع

تعیین پتانسیلهای عملکردی (کاربردی)

تحلیل حساسیت نهادهها و ستاندهها

ارزیابی با گرایش مرزی به جای گرایشهای مرکزی

تصویر نمودن بهترین وضعیت عملکردی به جای وضعیت مطلوب

ارائه واحدهای الگو و راهکارهای بهبود عملکرد

ارائه واحدهایی با بیشترین اندازه مقیاس بهره وری و تخمین بازده به مقیاس

ارائه راهکارهای توسعهای شامل انبساط و انقباض واحدها

هرچند تکنیک تحلیل پوششی داده ها دارای قابلیت‌ها و مزایای ذکر شده در بالا میباشد، اما محدودیتهایی را نیز دارا میباشد. از جمله این محدودیتها میتوان به موارد ذیل اشاره نمود:
روش تحلیل پوششی داده ها برای برآورد کارایی نسبی مناسب است، 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.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

چون DEA روش ناپارامتریک است، آزمون فرضیه بر روی آن مشکل است و امروزه موضوع پژوهش قرار گرفته است.
چون در حالت استاندارد، باید برای هر واحد تصمیمگیری یک برنامه خطی جداگانه تهیه شود، حل مسایل بزرگ، حتی با کمک نرم افزارهای رایانه ای، کار مشکلی است.
چون DEA روش است که مبتنی بر نقطهی حدی است، خطای اندازه گیری داده ها و ستادهها میتواند انحراف زیادی را در پاسخها به بار آورد (مومنی، ۱۳۸۷، ص ۱۷۳).
۳-۶ مدلهای اصلی تحلیل پوششی داده ها
مدل کلی برنامه ریزی خطی DEA به صورت مدل (۳-۱) است (Cooper et al, 2002) :
پارامترها شامل و و متغیرهای تصمیم شامل و بوده که متغیرهایی غیر منفی می باشند.

i: تعداد ورودی ها
r: تعداد خروجی ها
j : تعداد واحدهای تصمیم گیرنده
: مقدار ورودی iام در واحد jام
: مقدارخروجی rام درواحد jام
: وزن ورودی iام
: وزن خروجی rام
مدل (۳-۱)
واحد تصمیمگیری تحت بررسی را واحد صفر می نامند. یعنی اینکه میخواهیم کارایی واحد صفر را با کارایی واحدهای دیگر مقایسه کنیم.
مدلهای اصلی DEA به دو نوع مدل CCR و BCC تقسیم میشوند. هر کدام از این مدل ها را میتوان با بهره گرفتن از دو رویه ورودی محور[۲۷] و خروجی محور[۲۸]، بررسی کرد. مدلهای ورودی محور، مدلهایی هستند که با ثابت نگه داشتن خروجی ها، ورودی ها کاهش مییابند. مدلهای خروجی محور، مدلهایی هستند که با ثابت نگه داشتن ورودیها، خروجی ها افزایش مییابند. هرکدام از این دو رویه را نیز میتوان از دو طریق حل نمود. مدل اولیه که معمولا به صورت حداکثرسازی است به مدل مضربی معروف میباشد. مدل ثانویه هم که معمولا به صورت حداقل سازی است به مدل پوششی معروف می باشد Yinsheny, 2000)).
۳-۶-۱ مدل CCR
این مدل اولین بار توسط چارنز، کوپر و رودز در سال ۱۹۷۸ پیشنهاد شد که نام آن از حروف اول اسامی آنها اقتباس شده است. مدل CCR از نوع مدل های بازده ثابت نسبت به مقیاس هستند که اگر ورودی ها به یک نسبتی تغییر یابند، خروجی ها هم به همان نسبت تغییر می کنند Fukuyama, 2000)).
برای توضیح این مدل فرض می کنیم تعداد واحدهای تصمیمگیرنده یا DMU ها برابر n باشد. این DMU ها از m نوع ورودی برای رسیدن به s نوع خروجی استفاده می کنند. در اینصورت ورودی های واحد DMUj شامل ( ) و خروجی های آن شامل ( ) خواهد بود. در این حالت می توان ماتریس ورودی ها را با نمادI و ماتریس خروجی ها را با نماد O به صورت زیر نشان داد (Charnes et al, 1984) :

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...