مدل‌هاي جديدي براي انتخاب ارائه دهندگان تداركات معكوس طرف ثالث در حضور عوامل متعدد داراي نقش دوگانه: يك رويكرد تحليل پوششي داده‌ها با مرز دوگانه

New models for selecting third-party reverse logistics providers in the presence of multiple dual-role factors: Data envelopment analysis with double frontiers

مطالعات نشان داده است كه تحليل پوششي داده‌ها (DEA) يك روش عالي تحليل كارايي مبتني بر داده‌ها براي مقايسه‌ي واحدهاي تصميم‌گيري داراي ورودي‌هاي متعدد و خروجي‌هاي متعدد است. انتخاب ورودي‌ها و خروجي‌ها (اندازه‌هاي عملكردي) در DEA كار ظريفي است. اساساً گنجاندن تعداد زياد ورودي‌ها و خروجي‌ها كار خوبي محسوب مي‌شود. ولي گنجاندن ورودي‌ها و خروجي‌هاي متعدد ممكن است به معناي آن باشد كه مقدار زيادي اطلاعات اضافي گنجانده شده است، و اين ممكن است منجر به آن شود كه برخي از واحدهاي تصميم‌گيري صرفاً به خاطر اينكه از نظر برخي از متغيرهاي زايد عملكرد بالايي دارند، به‌عنوان كارا محسوب شوند. از طرفي، در برخي از موقعيت‌ها، بعضي اندازه‌هاي عملكردي مي‌توانند هم نقش ورودي و هم نقش خروجي را ايفا كنند. به اين اندازه‌هاي عملكردي، اندازه‌هاي انعطاف‌پذير يا عوامل دونقشي مي‌گويند. گرچه مدل‌هايي براي كار با اينگونه عوامل دونقشي ابداع شده‌اند، اما اين مقاله ارزيابي عملكرد را از دو ديدگاه خوشبينانه و بدبينانه براي انتخاب ارائه دهنده‌ي تداركات معكوس طرف ثالث در حضور عوامل دونقشي متعدد پيشنهاد مي‌كند. يك مثال عددي كاربرد رويكرد پيشنهادي را نشان مي‌دهد.

Research has revealed that Data Envelopment Analysis (DEA) is an excellent method of data-based performance analysis for comparing decision-making units with multiple inputs and outputs. Selecting inputs and outputs (performance measures) in DEA is a delicate task. In principle, including a large number of inputs and outputs is a positive advantage. However, the inclusion of multiple inputs and outputs might translate into a great deal more of additional data being included, and this may lead to some decision-making units being considered and designated as efficient simply because of their high performance in relation to a number of redundant and useless variables. Elsewhere, in some situations, some performance measures can play both an input and output role. These performance measures are called flexible measures or dual-role factors. Even though models have been developed for working with such dual-role factors, this paper proposes performance appraisal from both an optimistic and pessimistic perspective for selecting a third-party reverse logistics provider in the presence of multiple dual-role factors. A numerical example illustrates the application of the proposed approach.