توسعه مدل‌هاي تحليل پوششي داده‌هاي شبكه‌اي باز در شرايط عدم قطعيت

A New Robust Open Network DEA Model

ارزيابي كارايي يك موضوع بسيار مهم و كليدي در شرايط رقابتي مي‌باشد. اين در حالي است كه سازمان‌ها و شركت‌ها با عدم قطعيت‌هاي مختلفي مواجه هستند و اين موضوع، بررسي كارايي آنها را به شدت سخت و پيچيده مي‌كند. در اين تحقيق، مدل ­هاي تحليل پوششي داده­ هاي شبكه ­اي باز، براي سه حالت غيرقطعي شامل: خروجي­ هاي غيرقطعي، ورودي­ هاي غيرقطعي و ورودي و خروجي هم‌زمان غيرقطعي، توسعه داده شده ­است. مدل­ هاي ارايه شده براي ارزيابي كارايي 10 فرآيند دو مرحله ­اي فروشنده و خريدار، در يك زنجيره‌تامين مورد استفاده قرار گرفته و تاثير عدم قطعيت داده ­ها، مورد بررسي قرار گرفته ­است. نتايج به ­دست ­آمده از مدل­ هاي توسعه داده شده، با نتايج مدل‌هاي شبكه سنتي DEA ، مقايسه شده­ است. اعتبار و صحت مدل‌هاي توسعه‌يافته نيز مورد بررسي قرار گرفته ­است. نتايج نشان مي ­دهد كه قابليت اطمينان مدل­ هاي پيشنهادي از مدل سنتي شبكه DEA ، بيشتر است. همچنين با بررسي كارايي واحد هاي تصميم‌گيري در شرايط مختلف عدم قطعيت و نوسانات داده‌ها، مشخص گرديد، هرچقدر دامنه اين نوسان بيشتر باشد، امتياز كارايي واحدهاي مختلف نيز كاهش پيدا مي‌كند كه با واقعيت همخواني دارد.

Efficiency evaluation is an important and key issue in competitive conditions. Organizations and companies face various uncertainties which make their efficiency evaluation extremely difficult and complicated. In this research, open-network data envelopment analysis models have been developed for three uncertain states, including uncertain outputs, uncertain inputs, and uncertain concurrent inputs and outputs. The proposed models are used to evaluate the efficiency of 10 two-stage processes for sellers and buyers in a supply chain, and the effect of data uncertainty is investigated. The results obtained from the developed models have been compared with the results of traditional DEA network models. The validity and accuracy of the developed models have also been examined. The results show that the proposed models are more reliable than the traditional DEA network models. Also, by examining the efficiency of decision-making units in different conditions of data uncertainty and deviations, it was determined that with increasing uncertainty and deviation, the efficiency score of different units decreases, which is consistent with reality.