كاربرد رويكرد تركيبي تحليل پوششي داده‌ها و شبكه عصبي مصنوعي در ارزيابي كارايي متوازن شركت هاي داروسازي بورس اوراق بهادارتهران

Applying a Hybrid DEA-ANN Approach in Evaluation of Balanced Efficiency of the Tehran Stock Exchange Pharmaceutical Companies

ارزيابي عملكرد از مهم‌ترين روش­ هاي بررسي نحوه كاركرد سازمان­ ها در مقايسه با وضعيت گذشته و يا ساير رقبا مي­ باشد كه امكان انجام اقدامات لازم براي بهبود عملكرد را ممكن مي­ سازد. در اين پژوهش با به‌كارگيري يك رويكرد تركيبي تحليل پوششي داده ­ها و شبكه عصبي مصنوعي به ارزيابي عملكرد شركت داروسازي ايران دارو پرداخته شده است. به اين منظور، در ابتدا با بررسي مباني نظري، معيارهاي ارزيابي شركت بر اساس منظرهاي كارت امتيازي متوازن مورد بررسي قرار گرفتند و در ادامه معيارهاي با درجه اهميت بالاتر بر اساس نظر خبرگان شناسايي شدند. بر اين اساس، با توجه به لزوم مطالعه و ارزيابي عملكرد شركت داروسازي ايران دارو، عملكرد اين شركت طي دوره 4 ساله (سال 1393 الي 1396) با استفاده از تحليل پوششي داده­ ها با فرض بازده به مقياس ثابت و ديدگاه خروجي محور مورد ارزيابي قرار گرفت. سپس با استفاده از الگوريتم شبكه عصبي مصنوعي به پيش­ بيني عملكرد شركت پرداخته شده است. نهايتاً، نتايج شبكه هاي عصبي مصنوعي با لايه­ هاي مختلف بررسي‌شده و نتايج حاصل از شبكه با مناسب‌ترين تعداد لايه­ ها بر اساس شاخص­ هاي دقت، صحت، فراخواني و خطا با نتايج ساير الگوريتم­ هاي يادگيري ماشين مقايسه گرديده است. نتايج، نشان­ دهنده عملكرد بهتر مدل ارايه شده در مقايسه با الگوريتم­ هاي درخت تصميم، بيز ساده، ماشين بردار پشتيبان و K نزديك‌ترين همسايه مي‌باشد.

Performance evaluation is one of the most important ways to deal with the performance of organizations compared to their previous situation or other competitors, which makes it possible to take actions for performance improvement. In this study, using a hybrid data envelopment analysis and artificial neural network approach, the performance of the Iran Daroo pharmaceutical company has been evaluated. For this purpose, first by reviewing the literature, the company’s evaluation criteria were studied based on the balanced scorecard perspectives and then more important criteria were identified according to the experts' judgments. Accordingly, due to the necessity of studying and evaluating the performance of the Iran Daroo pharmaceutical company, its performance was evaluated over the 4-year period (2014-2017) using DEA, under the assumptions of constant return to scale and output-oriented approach. Next, using an artificial neural network algorithm, the performance of the company was predicted. Finally, the results of different artificial neural networks under different layers were examined and the results of the network with the most appropriate number of layers were compared with the other machine learning algorithms based on the accuracy, correctness, invocation and error indexes. The results illustrate better performance of the proposed model compared to the decision tree, naive Bayes, support vector machine and K- nearest neighbor algorithms