ارائه مدل تحلیل پوششی داده‌ها بر پایه‌ی برنامه‌ریزی آرمانی و محدودیت وزنی برای ارزیابی کارایی و رتبه‌بندی واحدهای تصمیم‌گیرنده در بانک قوامین

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت صنعتی، گرایش تحقیق در عملیات، دانشکده اقتصاد و مدیریت، دانشگاه آزاد اسلامی، واحد‌علوم و تحقیقات، تهران، ایران.

2 استاد، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران.

3 دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران.

چکیده

هدف: هدف این مقاله ارزیابی کارایی واحدهای تصمیم‌گیرنده با به‌کارگیری مدل برنامه‌ریزی آرمانی تحلیل پوششی داده‌ها با محدودیت وزنی و رتبه‌بندی واحدها با یک روش منحصربه‌فرد در بانک قوامین می‌باشد.
روش: در این پژوهش برای تعیین کارایی مدیریت شعب استان‌ها در بانک قوامین نخست مدل  CCR کلاسیک به‌کارگیری شد. به‌منظور افزایش قدرت تفکیک‌پذیری واحدهای تصمیم‌گیرنده کارا از ناکارا، مدل برنامه‌ریزی آرمانی با محدودیت وزنی ترکیب‌شده و یک مدل جدید تحت عنوان برنامه‌ریزی آرمانی تحلیل پوششی داده‌ها با محدودیت وزنی ارائه گردید.
یافته‌ها: بر اساس مقادیر خروجی مدل CCR کلاسیک، 16 واحد از 32 واحد تصمیم‌گیرنده کارا و 16 واحد ناکارا شدند. در مرحله بعد برای تفکیک‌پذیری بیشتر واحدها مدل برنامه‌ریزی آرمانی تحلیل پوششی داده‌ها با محدودیت وزنی به‌کارگیری شد که نتایج حاصل از آن با نرم اقلیدسی مرتبه اول، از بین 32 واحد تصمیم‌گیرنده 7 واحد کارا و بقیه ناکارا شدند و نتایج حاصل از نرم بی‌نهایت، 1 واحد از 32 واحد کارا و بقیه واحدهای تصمیم‌گیرنده ناکارا شدند.
نتیجه‌گیری: نتایج نشان دادند که مدل برنامه‌ریزی آرمانی تحلیل پوششی داده‌ها با محدودیت وزنی مربوط به نرم بی‌نهایت در تفکیک و رتبه‌بندی واحدهای تصمیم‌گیرنده کارا از ناکارا، دارای قدرت تفکیک‌پذیری بالایی نسبت به مدل CCR کلاسیک و نرم اقلیدسی مرتبه اول است

کلیدواژه‌ها

عنوان مقاله [English]

Presenting a data envelopment analysis model based on Goal programming and weight Restriction in order to evaluate the efficiency and ranking of decision-making units in Ghavamin Bank

نویسندگان [English]

  • Gholamreza Panahandeh Khojin 1
  • Abbas Toloei Ashlagh 2
  • Mohammad Ali Afsharkazemi 3
1 Ph.D. Candidate, Industrial Management with the Field of Operational Research, Faculty of Economics and Management, Science and Research Branch, Islamic Azad University,Tehran Iran.
2 Prof., Department of Industrial Management, Faculty of Economics and Management, Science and Research Branch, Islamic Azad University, Tehran, Iran.
3 Associate Prof., Department of Industrial Management, Faculty of Economics and Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
چکیده [English]

Objective: The purpose of this paper is to evaluate the efficiency of decision-making units using the goal programming model of data envelopment analysis with restriction weight and ranking of units with a unique method in Ghavamin Bank.
Methods: In this study, the classical CCR model was used to determine the management efficiency of provincial branches in Ghavamin Bank. To increase the discriminative power of efficient and inefficient decision-making units, a combination of goal programming models with Weight restriction was used and a new model called goal programming of data envelopment analysis with Weight restriction was presented.
Results: Based on the output values of the classical CCR model, 16 out of 32 decision-making units became efficient and 16 units became inefficient. In the next step, for more separability of the units, the goal programming model of data envelopment analysis with Weight restriction was used. The results of the first-order Euclidean norm became 7 efficient and the rest inefficient out of 32 decision-making units, and the results of the infinite Euclidean norm became 1 of 32 efficient units and the rest of the decision-making units inefficient.
Conclusion: The results showed that the goal programming model of data envelopment analysis with Weight restriction related to infinite Euclidean norm in separating and ranking efficient decision-making units from inefficient has a high discriminate power compared to the classical CCR model and the first-order Euclidean norm

کلیدواژه‌ها [English]

  • Ghavamin Bank
  • Goal Programming
  • Data Envelopment Analysis
  • Data Envelopment Analysis with Weight restriction
  • Discriminate Power

مراجع

احدزاده نمین، مهناز؛ خمسه، الهه؛ محمدی، فرزانه. (1398). ارزیابی عملکرد شعب بانک با استفاده از رویکرد کنترل وزن در تحلیل پوششی داده‌ها. مهندسی مالی و مدیریت اوراق بهادار، 10(40)، 28-1. 
آذر، عادل؛ زارعی محمودآبادی، محمد؛ مقبل باعرض، عباس؛ خدیور، آمنه. (1393). سنجش بهره‌وری شعب بانک با رویکرد تحلیل پوششی داده‌های شبکه‌ای(یکی از بانک‌های استان گیلان). پژوهش‌های پولی-بانکی، 20(7)، 305-285. 
پارسافرد، محمدرضا؛ شیرکوند، سعید؛ تهرانی، رضا؛ میرلوحی، سیدمجتبی. (1397). رتبه‌بندی اعتباری مستقل بانک‎های کشور. مدیریت صنعتی، 10(4)، 606-575. 
پناهنده خوجین، غلامرضا؛ طلوعی اشلقی، عباس؛ افشار کاظمی، محمدعلی. (1399). ارزیابی کارایی واحدهای تصمیم‌گیرنده با مدل کلاسیک و آرمانی تحلیل پوششی داده‌ها و ارتباط سنجی خروجی‌ها با روش‌های آماری در بانک قوامین. پژوهش‌های نوین در ریاضی. (آماده انتشار)
جهانگیری، عباس. (1397). کاربرد تکنیک تحلیل پوششی داده‌ها در نظام بانکداری ایران. تصمیم‌گیری و تحقیق در عملیات، 3(4)، 401-368. 
خاتمی، سیده مریم؛ رجبی فرجاد، حاجیه؛ و چهارمحالی، حسن. (1393). ارزیابی سیستم ارزشیابی عملکرد کارکنان سازمان و ارائه الگوی پیشنهادی: مطالعه موردی، مطالعات منابع انسانی، 3(4)، 148-129. 
رنجبر، منصور؛ حسکویی، مرتضی؛ فراهانی فرد، سعید. (1393). بررسی عوامل مؤثر بر کارایی فنی سیستم بانکی ایران با استفاده از رویکرد داده‌های ترکیبی. مدل‌سازی اقتصادسنجی، 3(1)، 42-23. 
ژیانی رضایی، حامد؛ گلزاریان پور، سیاوش؛ ماهیان، مجید. (1395). کارایی شعب بانک سپه ایران با استفاده از روش تجزیه‌وتحلیل پوششی داده‌ها پنجره‌ای (مطالعه موردی: شعب درجه 3 بانک سپه شهر مشهد).  فصلنامه مطالعات مالی و بانکداری اسلامی، 2(4)،  65-37.
شفیعی، مرتضی. (1396). ارزیابی کارایی شعب بانک با استفاده از مدل تحلیل پوششی داده‌های پویا با رویکرد SBM. پژوهش های نوین در ریاضی (علوم پایه دانشگاه آزاد اسلامی)، 3(1)،  17-5. 
شیخ حسنی، دنیا؛ علی فرّی، ملیحه؛ کریمی، بلال. (1399). محاسبه کارایی به وسیله کارایی متقاطع در تحلیل پوششی داده ها و ارتباط آن با سودآوری و ریسک در بانک‌های پذیرفته شده در بورس اوراق بهادار تهران. حسابداری مدیری، 13(46)، 119-103.  
صادقی مقدم، محمدرضا؛ صفری، حسین؛ احمدی نوذری، مجتبی. (1394). اندازه‌گیری پایداری زنجیرۀ تأمین خدمات با استفاده از سیستم استنتاج فازی چندمرحله‌ای/چندبخشی (مطالعۀ موردی: بانک پارسیان). مدیریت صنعتی، 7(3)، 562-533. 
صالحی، سید مرتضی؛ نیکوکار، غلامحسین؛ محمدی، ابوالفضل؛ نتاج، غلامحسن. (1390). طراحی الگوی ارزیابی عملکرد شعب بانک‌ها و مؤسسات مالی و اعتباری (موردمطالعه: بانک قوامین). مدیریت بازرگانی، 3(7)، 127-42.
عرب مازار، عباس؛ ورهرامی، ویدا؛ حسنی، حسین. (1397). ارزیابی عملکرد بانک‌های کشور با استفاده از تحلیل پوششی داده‌های شبکه‌ای. اقتصاد مقداری، 15(2)، 21-1.
محقر، علی؛ حکاک، محمد؛ یعقوبی، حسین. (1393). ارزیابی کارایی واحدهای ارزی بانک کشاورزی با استفاده از روش‌های ترکیبیBSC، DEA  و AHP. مهندسی صنایع و مدیریت تولید، 25(2)، 247-237. 
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)، 196-181.  
میانجی، پرویز؛ بریم نژاد، ولی. (1395). بررسی کارایی شعبه‌های بانک کشاورزی به روش تحلیل پوششی داده‌ها. تحقیقات اقتصاد کشاورزی، 4(8)، 38-19.
نیلچی, مسلم؛ فدائی نژاد، محمد اسماعیل؛ رضوی حاجی‌آقا، سید حسین؛ بدری، احمد. (1396). ارائه مدل تحلیل پوششی داده‌های چندبخشی جدید برای ارزیابی کارایی شعب بانک‌ها. مطالعات مدیریت صنعتی، 15(46)، 96-73.
 
References
Ahadzadeh Namin, M., khamseh, E., Mohamadi, F. (2019). Evaluate the performance of bank branches using the control approach in analyzing the data common weight.Financial Engineering and Protfolio Management, 10(40), 1-28. (in Persian)
Allen, R., Athanassopoulos, A., Dyson, R.G., Thanassoulis, E. (1997). Weight restrictions and value judgments in data envelopment analysis: evolution, development and future directions. Annals of Operations Research, 73(1), 13-34.
Anderson, P., Petersen, N.C. (1993). A Procedure for Ranking Efficient Units in Data Envelopment Analysis. Management Science, 39(10), 1261-1264.
Andrade, R. M., Lee, S., Lee, P. T., Kwon, O.K., Chung Port, H. (2019). Efficiency Incorporating Service Measurement Variables by the BiO-MCDEA: Brazilian Case, Sustainability, 11(16), 4340. Doi: 10.3390/su11164340.
Arabmazar, A., hasani, H. (2018). Survey Performance of Iran's Banks with Network Data Envelopment Analysis Method. Quarterly Journal of Quantitative Economics, 15(2), 1-21. doi: 10.22055/jqe.2017.21388.1596. (in Persian)
Azar, A., Zarei-Mahmoudabadi, M., Moqbel-Ba'arz, A., Khadivar, A. (2014). Evaluating the Productivity of a Bank's Branches Using Network Data Envelopment Analysis Approach (Case Study: A Bank in Gilan Province). JMBR, 20(7), 285-305. (in Persian)
BOĎA, M., ZIMKOVÁ, E. (2014). Efficiency in the Slovak banking industry: a comparison of three approaches. Prague Economic Papers, 24(4), 434–452
Doyle, J., & Green, R. (1994). Efficiency and cross-efficiency in DEA: Derivations, meanings and uses. Journal of the operational research society, 45(5), 567-578.
Eskelinen, J., Halme, M., Kallio, M. (2014). Bank branch sales evaluation using extended value efficiency analysis. European Journal of Operational Research, 232(3), 654-663.
 Jahangiri, A. (2019). Application of Data Envelopment Analysis Technique in Iran Banking System. Decisions and operation Reserarch, 3(4), 368-401. (in Persian)
Jiani Rezaei, H., Golzarianpour, S., Mahian, M. (2017). Measuring and Analysis of Bank Sepah Branch Efficiencies Using Window DEA (Case: Third Degree Branches of Mashhad City). Quarterly Journal of Islamic Finance and Banking Studies, 2(4), 37-65. (in Persian)
Khalili, M., Camanho, A.S., Portela, M., Alirezaee, M.R. (2010). The measurement of relative efficiency using data envelopment analysis with assurance regions that link inputs and outputs. European Journal of Operational Research, 203 (3) 761–770. 
 Khatami, S. M., Rajabi-Farjad, H., Chaharmahali, H. (2014). Evaluating the performance evaluation system of the employees of the organization and presenting the proposed model. Journal of Human Resource Studies (JHRS), 3(4), 129-148. (in Persian)
Li, X. B., Reeves, G. R. (1999). A multiple criteria approach to data envelopment analysis. European Journal of Operational Research, 115(1), 507–517.
Mohaqar, A., Hakak, M., Yaghoubi, H. (2014). Evaluation of the efficiency of agricultural bank currency units using the combined methods of BSC, DEA and AHP. International Journal of Industrial Engineering and Production Management, 25(2), 247-237. (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)
Nilchi,, M., Fadaeinejad, M., Razavi-Hajiagha, S., Badri, A. (2017). Providing New Multi-Component Data Envelopment Analysis to Evaluate Efficiency of Bank Branches. Industrial Management Studies, 15(46), 73-96. doi: 10.22054/jims.2017.7989. (in Persian)
Panahandeh khojin, G., Toloie Eshlaghy, A., Afshar Kazemi, M. (2020). Evaluate the efficiency of decision making units with classical model and goal programming data envelopment analysis and output correlation with statistical methods in Ghavamin Bank. Journal of New Researches in Mathematics.(in Persian)
Parsafard, M., shirkavand, S., Tehrani, R., Mirlohi, S. (2018). Standalone Credit Rating of the Country's Banks. Industrial Management Journal, 10(4), 575-606. 
Podinovski, V. V. (2016). Optimal weights in DEA models with weight restrictions, European Journal of Operational Research, 254(3), 916-924. 
Karimi, B., Davtalab-Olyaie, M.,Abdali, A.A.(2018). A Suitable Business Model for Bank Branches: Combining Business Model and Malmquist Productivity Index (MPI). Business and Economics Journal,9(2),348. doi: 10.4172/2151-6219.1000348.
Sadeghi Moghadam, M., Safari, H., Ahmadi Nozari, M. (2015). Measuring sustainability of service supply chain by using a multi-stage/multicast fuzzy inference system (Studied Case: Parsian Bank. Industrial Management Journal, 7(3), 533-562. (in Persian)
Sahand D, Nazila S, Fariba N. (2015). Modified Goal Programming Approach for Improving the Discrimination Power and Weights Dispersion. New Researches in Mathematics, 1(3), 5-18. 
Sahoo, B. K. Mehdiloozad, M., Tone, K. (2014). Cost, revenue and profit efficiency measurement in DEA: A directional distance function approach. European Journal of Operational Research, 237(3), 921-931. 
Salehi, S., Nikokar, G., Mohammadi, A., nataj, G. (2011). Pattern Design and Performance Evaluation of Branches of Banks and Financial Institutions (Case Study: Ghavamin Bank). Journal of Business Management, 3(1), 127-268. (in Persian)
Sexton, T.R., Silkman, R.H., Hogan, A.J. (1986). Data envelopment analysis: critique and extensions. In: Silkman, R.H. (Ed.), Measuring Efficiency: an Assessment of Data Envelopment Analysis. Jossey-Bass, San Francisco, CA, 73-105.
Shafiei, Murtaza. (2017). Evaluating the efficiency of bank branches using dynamic data envelopment analysis model with SBM approach. New Research in Mathematics (Basic Sciences of Islamic Azad University), 3(1), 5-17. (in Persian)
Shikh-hasani, D., Alifarri, M., Karimi, B. (2020). Measuring efficiency score by cross-efficiency method in data envelopment analysis and its relation to profitability and risk in banks admitted to Tehran stock exchange. Management Accounting, 13(46), 103-119. (in Persian)
Wanke, P., Azad, M.A.K., Emrouznejad, A., Antunes, J. (2019). A dynamic network DEA model for accounting and financial indicators: A case of efficiency in MENA banking. International Review of Economics and Finance. doi: https://doi.org/10.1016/j.iref.2019.01.004.
Yong, T., Christos, F. (2018). Risk, competition and efficiency in banking: Evidence from China. Global Finance Journal, 35(1) , 223–236.
Zimková, E. (2014). Technical Efficiency and Super-efficiency of the Banking Sector in Slovakia. Procedia Economics and Finance, 12(1), 780-787.
مدیریت صنعتی
دوره 13، شماره 1
1400
صفحه 155-169

فایل ها

هم رسانی

ارجاع به این مقاله

آمار