تحلیل پوششی داده‌های شبکه‌ای نایقین با ساختار موازی و ورودی‌ها و خروجی‌های نادقیق (مطالعه موردی: سازمان تأمین اجتماعی)

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

2 دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

3 کارشناس ارشد، گروه مدیریت اجرایی (MBA)، دانشگاه پیام نور، واحد بابل، بابل، ایران.

چکیده

هدف: تحلیل پوششی داده‌ها یک روش مؤثّر برای ارزیابی کارایی نسبی واحدهای تصمیم‌گیرنده است. رو‌ش‌های کلاسیک، هر واحد سازمانی را به صورت جعبه سیاه در نظر گرفته و ارزیابی را به ورودی‌های اولیه و خروجی‌های نهایی، محدود و از فرآیندهای داخلی غفلت می‌ورزد که این مشکل با معرفی و بکارگیری تحلیل پوششی داده‌ها در ساختارهای شبکه‌ای جهت تحلیل دقیق‌تر کارایی با درنظر گرفتن فرآیندهای داخلی آن، مرتفع گردیده است. در اکثر مدل‌های ارائه شده، ورودی‌ها و خروجی‌های واحدهای تصمیم‌گیری، قطعی می‌باشند اما در بسیاری از موارد، این داده‌ها با روش‌های دقیق، قابل اندازه‌گیری نیستند. لذا این مقاله، به دنبال معرفی یک مدل جدید تحلیل پوششی داده‌های شبکه‌ای نایقین با ساختار موازی با درنظرگرفتن ورودی‌ها و خروجی‌ها به عنوان متغیرهای نایقین، می‌باشد. رویکرد مورد استفاده، توسعه مدل ریاضی از بعد نظری، اثبات خواص نظری مدل، اعتبار ریاضی و کاربردی نمودن آن است.
روش: در این مقاله از مفروضات تئوری نایقینی و مدل‌های تحلیل پوششی داده‌های شبکه‌ای با ساختار موازی برای ارزیابی واحدهای تصمیم‌گیرنده شبکه‌ای با ساختار موازی و ورودی‌ها و خروجی‌های نادقیق، استفاده شده است.
یافته‌ها: با توجه به نتایج اجرای مدل پیشنهادی در سازمان تامین اجتماعی، کارائی تمامی واحدهای تصمیم‌گیرنده و بخش‌های زیر مجموعه آن، بین صفر و یک ارزیابی گردیده است.
نتیجه‌گیری: به دلیل کثرت بخش‌های زیرمجموعه، هیچ کدام از دوازده اداره کل بیمه‌ای تأمین اجتماعی به عنوان واحدهای تصمیم‌گیرنده، کارا (نمره کارایی یک) نبوده است امّا در میان 313 شعبه، سه شعبه کارا ارزیابی گردیدند. نتایج نهایی اجرای مدل نایقین، مفروضات مدل قطعی را اثبات نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Uncertain Network Data Envelopment Analysis with Parallel Structure and Imprecisely Inputs and Outputs (Case Study: Social Security Organization)

نویسندگان [English]

  • Mansour Momeni 1
  • Somayeh Khodaei 2
  • Mojtaba Bashiri 3
1 Prof., Department of Industrial Management, Faculty of Management University of Tehran, Tehran, Iran.
2 Ph.D. Candidate, Department of Industrial Management, Faculty of Management, University of Tehran, Tehran, Iran.
3 MSc., Department of Executive Management, University of Payame Nour, Babol, Iran.
چکیده [English]

Objective: Data Envelopment Analysis (DEA) is an effective method for evaluating the
relative efficiency of decision-making units (DMUs). The classical approach considers
each organizational unit as a black box and limits evaluation to primary inputs and final
outputs and neglects internal processes. This problem with the introduction and use of
DEA in network structures for more accurate performance analysis, taking into account
its internal processes, has been resolved. In most of the proposed models, the inputs and
outputs of DMUs are definite, but in many cases, those data cannot be measured in a
precise way. Therefore, this paper seeks to introduce a new model of Network Data
Envelopment Analysis with a parallel structure by considering inputs and outputs as
uncertain variables. The approach used is to develop the mathematical model from a
theoretical point of view, to prove the theoretical properties of the model, the
mathematical validity and its application.
Methods: In this paper, the assumptions of uncertainty theory and models of Network
Data Envelopment Analysis to evaluate DMUs with parallel structure and imprecise
inputs and outputs.
Results: According to the results of the implementation of the proposed model in the
Social Security Organization, the efficiency of all DMUs and its sub-system has been
evaluated between zero and one.
Conclusion: Due to the multiplicity of the sub-system, none of the 12-provincial social
security managing directorates as DMUs were efficient (one efficiency score), but among
313 branches, three branches were efficient. The final results of the implementation of the
uncertain model proved the assumptions of the definitive model.

کلیدواژه‌ها [English]

  • Network Data Envelopment Analysis
  • Uncertainty Theory
  • Parallel Structure

مراجع

ابری، امیرغلام (1393). ارز‌یابی کارایی شعب سازمان تامین اجتماعی استان اصفهان. فصلنامه علمی - پژوهشی مدل‌سازی‌‌ اقتصادی، 8(25)، 99-83.
جعفریان مقدم, احمد رضا, قصیری, کیوان. (1389). مدل‌ پویای چند هدفه تحلیل پوششی داده‌های فازی. مدیریت صنعتی, 2(1), 19-36.
صادقی مقدم, محمدرضا, غریب, علی حسین. (1392). ارزیابی کارایی با استفاده از مدل تحلیل پوششی دادههای فازی و اعمال محدودیت فازی برای کنترل اوزان و یافتن اوزان عمومی. مدیریت صنعتی, 5(2), 71-84.
مهربان، ستار؛ راغفر، حسین (1396). ارزیابی کارایی مراکز درمانی سازمان تأمین اجتماعی طی سال‌های 1393-1391 با رویکرد تحلیل پوششی داده‌ها. مجلس و راهبرد، 24(90)، 101-73.
مومنی, منصور, رستمی مال خلیفه, محسن, رضوی, سید مصطفی, یاکیده, کیخسرو. (1393). رتبه‌بندی گروهی واحدهای بانکی با رویکرد تحلیل پوششی داده‌ها. مدیریت صنعتی, 6(1), 181-196.
مؤمنی، منصور؛ خدایی، سمیّه؛ بشیری، مجتبی (1388). ارزیابی عملکرد سازمان تامین اجتماعی با استفاده از مدل ترکیبی‌ BSC و FDEA. مدیریت صنعتی، (3)1، 152-137.
 
References
Ahmad Reza, J., Ghoseiri, K. (2010). Fuzzy Dynamic Multi-Objective Data Envelopment Analysis Model (FDM-DEA). Industrial Management Journal, 2(1),19 -36. (in Persian)
Ameri, Z., Sana, S. S., & Sheikh, R. (2019). Self-assessment of parallel network systems with intuitionistic fuzzy data: a case study. Soft Computing, 23(23), 12821-12832.
Amirteimoori, A., & Kordrostami, S. (2005b). DEA-like models for multi-component performance   measurement.   Applied   Mathematics   and   Computation, 163, 735–743.
Bi, G. B., Ding, J. J., & Luo, Y. (2011). Resource allocation and target setting for parallel production system based on DEA. Applied Mathematical Modelling, 35, 4270–4280.
Castelli L, Pesenti R, & Ukovich W (2004) DEA-like models for the efficiency evaluation of hierarchically structured units. European journal of operational research, 154(2):465–476
D. Cook, L.M. Seiford (2009). Data envelopment analysis-thirty years on, European journal of operational research. 192, 1–17.
Färe, R., Grabowski, R., Grosskopf, S., & Kraft, S. (1997). Efficiency of a fixed but allocable input: A non-parametric approach. Economics Letters, 56, 187–193.
Färe, R., Grosskopf, S. (2000). Network DEA. Socio-Economic Planning Sciences, 34, 35–49.
Gholamabri, A. (2014). Evaluating the Efficiency of Social Security in Isfahan Province. Economic Modeling, 8(25), 83-99. (in Persian)
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47, 263–292.
Kao, C. (2009b). Efficiency measurement for parallel production systems. European journal of operational research, 196, 1107–1112.
Kao, C. (2012). Efficiency decomposition for parallel production systems. J Oper Res Soc 63(1):64–71
Kao, C., Lin, P. H. (2011). Qualitative factors in data envelopment analysis: A fuzzy number approach. European journal of operational research, 211, 586–593.
Lertworasirikul, S., Fang, S. C., Joines, J. A., & Nuttle, H. L.W. (2003b). Fuzzy data envelopment analysis: A credibility approach. In J. L. Verdegay (Ed.), Fuzzy sets-based heuristics for optimization (pp. 141–158). Berlin: Springer.
Lertworasirikul, S., Fang, S. C., Joines, J. A., & Nuttle, H. L.W. (2003a). Fuzzy data envelopment analysis(DEA): A possibility approach. Fuzzy Sets and Systems, 139, 379–394.
Lio, W., & Liu, B. (2017). Uncertain data envelopment analysis with imprecisely observed inputs and outputs. Fuzzy Optimization and Decision Making, 1-17.
Liu, B. (2007). Uncertainty theory (5nd ed.). Berlin: Springer.
Liu, B. (2009a). Theory and practice of uncertain programming (2nd ed.). Berlin: Springer.
Liu, B. (2009b). Some research problems in uncertain theory. Journal of Uncertain Systems, 3, 3–10.
Liu, B. (2010). Uncertainty theory: A branch of mathematics for modeling human uncertainty. Berlin: Springer.
Liu, B. (2012). Why is there a need for uncertainty theory? Journal of Uncertain Systems, 6, 3–10.
Lozano, S. (2014). Computing fuzzy process efficiency in parallel systems. Fuzzy Optimization and Decision Making, 13(1), 73-89.
Mehraban, S., Raghfar, H. (2017). An Appraisal on Efficiency of SSO’s Health Centers During the Years 2012-2014 Based on DEA Approach. Majlis and Rahbord, 24(90), 73-101. (in Persian)
Momeni, M., Khodaee, S., Bashiri, M. (2009). Evaluating the Operations of Social Security Organization of the Cities in Tehran Province by Using the Synthetic Model BSC & FDEA. Industrial Management Journal, 1(3),137-152. (in Persian)
Momeni, M., Rostamy Malkhalifeh, M., Razavi, S., Yakideh, K. (2014). Group Ranking Of Bank Units According To Data Envelopment Analysis Approach. Industrial Management Journal, 6(1), 181-196. (in Persian)
Sadeghi Moghaddam, M., gharib, A. (2013). Measuring Efficiency Using Fuzzy DEA and Fuzzy Constraints to Control Weights and to Find a Common Set of Weights. Industrial Management Journal, 5(2), 71-84. (in Persian)
Sengupta, J. K. (1992a). A fuzzy systems approach in data envelopment analysis. Computers and Industrial Engineering, 24, 259–266.
Sengupta, J. K. (1992b). Measuring efficiency by a fuzzy statistical approach. Fuzzy Sets and Systems, 46, 73–80.
Shi, X., Emrouznejad, A., Jin, M., & Yang, F. (2020). A new parallel fuzzy data envelopment analysis model for parallel systems with two components based on Stackelberg game theory. Fuzzy Optimization and Decision Making, 1-22.
Wen, M. L., & Kang, R. (2014). Data envelopment analysis (DEA) with uncertain inputs and outputs. Journal of Applied Mathematics, 2, 1–7.
Yang, Y., Ma, B., Koike, M. (2000). Efficiency-measuring DEA model for production system with k independent subsystems. Journal of the Operations Research Society of Japan, 43, 343–354.
Zhu, Z., Wang, K., Zhang, B., (2014). Applying a network data envelopment analysis model to quantify the eco-efficiency of products: A case study of pesticides. Journal of Cleaner Production,69,67-73.
مدیریت صنعتی
دوره 12، شماره 3
1399
صفحه 419-439

فایل ها

هم رسانی

ارجاع به این مقاله

آمار