تحلیل پوششی داده ها

معرفی

تحلیل پوششی داده ها (DEA) یک روش ناپارامتریک در تحقیقات عملیاتی و اقتصاد برای تخمین مرز تولید است. برای اندازه گیری تجربی بهره وری مولد واحدهای تصمیم گیری (یا DMU) استفاده می شود. اگرچه DEA پیوند قوی با تئوری تولید در اقتصاد دارد، اما این ابزار همچنین برای محک زدن در مدیریت عملیات استفاده می‌شود، جایی که مجموعه‌ای از معیارها برای محک زدن عملکرد عملیات تولید و خدمات انتخاب می‌شوند.

در شرایط محک زدن، واحدهای کارآمد، همانطور که توسط DEA تعریف شده است، ممکن است لزوما یک “مرز تولید” را تشکیل ندهند، بلکه منجر به “مرز بهترین عملکرد” ​​شوند (Cook, Tone and Zhu, 2013).

DEA توسط شرمن و ژو (۲۰۱۳) به عنوان “معیارسازی متوازن” نامیده می شود. رویکردهای ناپارامتریک این مزیت را دارند که شکل/شکل عملکردی خاصی را برای مرز در نظر نمی گیرند، با این حال آنها یک رابطه کلی (معادله) مربوط به خروجی را ارائه نمی دهند.

ورودی همچنین رویکردهای پارامتری وجود دارد که برای تخمین مرزهای تولید استفاده می شود (برای بررسی اولیه به Lovell & Schmidt 1988 مراجعه کنید).

اینها مستلزم آن هستند که شکل مرز از قبل با مشخص کردن یک تابع خاص که خروجی و ورودی را مربوط می کند حدس زده شود. همچنین می توان نقاط قوت نسبی هر یک از این رویکردها را در یک روش ترکیبی ترکیب کرد (توفالیس، ۲۰۰۱) که در آن واحدهای مرزی ابتدا توسط DEA شناسایی می شوند و سپس یک سطح صاف بر روی آنها نصب می شود. این اجازه می دهد تا یک رابطه بهترین عملکرد بین خروجی های متعدد و ورودی های متعدد تخمین زده شود.

مزایای DEA

• نیازی به تعیین صریح فرم ریاضی برای تابع تولید نیست
• ثابت شده است که در کشف روابطی که برای روش های دیگر پنهان مانده اند مفید است
• قابلیت مدیریت چندین ورودی و خروجی
• قابلیت استفاده با هر اندازه گیری ورودی-خروجی
• منابع ناکارآمدی را می توان برای هر واحد ارزیابی شده تجزیه و تحلیل و کمی سازی کرد

معایب DEA

• نتایج به انتخاب ورودی ها و خروجی ها حساس هستند (Berg 2010).
• شما نمی توانید برای بهترین مشخصات تست کنید (Berg 2010).
• تعداد شرکت های کارآمد در مرز با تعداد متغیرهای ورودی و خروجی افزایش می یابد (برگ ۲۰۱۰).

DEA همچنین به طور منظم برای ارزیابی کارایی سازمان های عمومی و غیر انتفاعی استفاده می شود، به عنوان مثال. بیمارستان ها
DEA راه هایی را برای بهبود خدمات پیدا می کند که با تکنیک های دیگر قابل مشاهده نیستند.
تجزیه و تحلیل پوششی داده ها (DEA) یک تکنیک مدیریت خدمات و معیار بسیار قدرتمند است که در اصل توسط Chames، Cooper و Rhodes (1978) برای ارزیابی سازمان های غیرانتفاعی و بخش عمومی توسعه یافته است.
DBA می تواند برای کمک به بهبود بهره وری خدمات تطبیق داده شود. استفاده بیشتر توسط مدیران خدمات، نقاط قوت و مزایای جدیدی را که می‌توان از DBA به همراه شکاف‌ها و ضعف‌ها به دست آورد، شناسایی کرد.

DEA چه کاری انجام می دهد؟

۱٫ DEA واحدهای خدماتی را با در نظر گرفتن تمام منابع استفاده شده و خدمات ارائه شده مقایسه می کند و کارآمدترین واحدها یا واحدهای بهترین عملکرد (شعبه ها، بخش ها، افراد) و واحدهای ناکارآمد را که در آنها بهبود کارایی واقعی امکان پذیر است را شناسایی می کند. این امر با مقایسه ترکیب و حجم خدمات ارائه شده و منابع استفاده شده توسط هر واحد در مقایسه با سایر واحدها به دست می آید. به طور خلاصه، DEA یک تکنیک محک بسیار قدرتمند است.
۲٫ DEA مقدار و نوع صرفه جویی در هزینه و منابع را محاسبه می کند که می توان با کارآمد کردن هر واحد ناکارآمد به اندازه کارآمدترین واحدها – بهترین عمل ~ به دست آورد.
۳٫ تغییرات خاصی در واحدهای خدماتی ناکارآمد شناسایی می‌شوند که مدیریت می‌تواند برای دستیابی به پس‌اندازهای بالقوه واقع در DEA اجرا کند. این تغییرات باعث می شود عملکرد واحدهای کارآمد به بهترین عملکرد واحد نزدیک شود. علاوه بر این، DEA میزان خدمات اضافی را که یک واحد ناکارآمد می تواند بدون نیاز به استفاده از منابع اضافی ارائه دهد، تخمین می زند.
۴٫ مدیریت اطلاعاتی در مورد عملکرد واحدهای خدماتی دریافت می کند که می تواند برای کمک به انتقال تخصص سیستم و مدیریت از واحدهای با مدیریت بهتر و نسبتاً کارآمد به واحدهای ناکارآمد استفاده شود. این امر منجر به بهبود بهره وری واحدهای ناکارآمد، کاهش هزینه های عملیاتی و افزایش سودآوری شده است.
چهار نوع اطلاعات DEA فوق بسیار ارزشمند است زیرا آنها روابطی را شناسایی می کنند که با تکنیک های جایگزین که معمولاً در سازمان های خدماتی استفاده می شوند قابل شناسایی نیستند. در نتیجه، بهبود عملیات فراتر از هر گونه بهبود عملکردی است که مدیریت ممکن است با استفاده از تکنیک های دیگر به دست آورده باشد.

برنامه های کاربردی

مثال ساده بانکی که قبلا توضیح داده شد ممکن است دیدگاه کاملی در مورد سودمندی DEA ارائه نکند. زمانی که به دنبال مقایسه با «بهترین شیوه‌ها» می‌گردیم، زمانی که تحلیلگر نمی‌خواهد فراوانی عملیات‌های ضعیف اجرا شود، بسیار مفید است.
تجزیه و تحلیل DEA در بسیاری از موقعیت ها مانند: مراقبت های بهداشتی (بیمارستان ها، پزشکان)، آموزش (مدارس، دانشگاه ها)، بانک ها، تولید، معیار، ارزیابی مدیریت، رستوران های فست فود و فروشگاه های خرده فروشی استفاده شده است.
تجزیه و تحلیل مجموعه داده های zed در اندازه متفاوت است. برخی از تحلیلگران روی مشکلاتی با حداقل ۱۵ یا ۲۰ DMU کار می کنند در حالی که برخی دیگر در حال حل مشکلات با بیش از ۱۰۰۰۰ DMU هستند.

بهره وری

کارایی را می توان به سادگی به عنوان نسبت خروجی به ورودی تعریف کرد. خروجی بیشتر در واحد ورودی نشان دهنده کارایی نسبتاً بیشتر است. اگر بیشترین خروجی ممکن به ازای هر واحد ورودی حاصل شود، حالت بازده مطلق یا بهینه حاصل شده است و بدون فناوری جدید یا تغییرات دیگر در فرآیند تولید، کارایی بیشتر ممکن نیست.

محقق و تحلیلگر آماری؛ مسلط به اغلب نرم افزارهای آماری؛ سابقه بیش از 10 سال در خصوص تجزیه و تحلیل آماری و انجام کارهای پژوهشی

دیدگاه خود را بنویسید:

آدرس ایمیل شما نمایش داده نخواهد شد.

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.

سایدبار کشویی

اطلاعات تماس

اطلاعات تماس

اطلاعات تماس:
مهندس نازک تبار
تلفن :
09120487321-09370942358
 ایمیل :  
info@irstat.org
lisrel167@gmail.com