ارزيابي عملكرد شركت‌هاي توليد برق حرارتي با استفاده از تلفيق الگوريتم پيشنهادي BWM قابل اعتماد و مدل BSC (يك مطالعه موردي واقعي)

Performance Evaluation of Thermal Power Generation Companies using Integrated Proposed Trustable BWM Algorithm and BSC Model (A Real Case Study)

جهت حفظ و ارتقا جايگاه شركت‌هاي توليد برق حرارتي در بازار رقابتي، ارزيابي عملكرد لازم است. BSC يكي از كارآمدترين مدل‌هاي ارزيابي عملكرد است. در اين مدل، دو فرض مساوي بودن وزن منظرها و مساوي بودن وزن شاخص‌هاي ارزيابي عملكرد وجود دارد كه لزوماً در مسائل واقعي برقرار نيست. BWM روشي قوي براي وزن‌دهي به شاخص‌ها در مسائل MADM است. در اين تحقيق بدون احتساب دو فرض ياد شده، الگوريتم BWM قابل اعتماد جهت حل مسأله‌هاي MADM با تعداد متفاوت شاخص‌ها و سطوح سلسله مراتب ارائه گرديد. الگوريتم مزبور مي‌تواند جواب قابل اعتمادتري براي برخي از مسائل واقعي ارائه دهد. سپس با تلفيق الگوريتم پيشنهادي با مدل BSC نسبت به تعيين وزن‌ شاخص‌هاي ارزيابي عملكرد در شركت مديريت بهره‌برداري توليد برق فارس اقدام شد. در شركت مورد مطالعه، هفده شاخص ارزيابي عملكرد شناسايي و در چهار منظر مدل BSC طبقه‌بندي و وزن‌دهي شد. بر اساس يافته‌هاي به دست آمده، تلفيق الگوريتم پيشنهادي با مدل BSC مي‌تواند رويكرد مناسبي جهت تعيين وزن‌ شاخص‌ها در راستاي ارزيابي عملكرد شركت‌هاي توليد برق حرارتي باشد. همچنين الگوريتم همگرا و قابل اعتماد بوده و مي‌تواند نتايج قابل اطميناني براي حل مسأله‌هاي MADM در وضعيت‌هاي مختلف تعداد شاخص‌ها و تعداد سطوح ساختار سلسه مراتب ارائه نمايد.

To keep and improve the position of thermal power generation companies in the competitive market, performance evaluation is necessary. BSC is one of the most efficient performance evaluation models. This model has two assumptions of equal weights of perspectives and equal weights of performance evaluation indicators, which are not necessarily true in real-world problems. BWM is a strong method for weighting criteria in MADM problems. This research presents a trustable BWM algorithm for solving MADM problems with various indicators and hierarchical levels without considering the two mentioned assumptions. This algorithm can provide more trustable solutions for some real-world problems. Then, the weight of performance evaluation indicators of Fars Power Generation Management Company was evaluated by integrating the proposed algorithm with the BSC model. Seventeen performance evaluation indicators were identified in this company. Then, the identified indicators were classified and weighted in four perspectives using the BSC model. Based on the results, the integration of the proposed algorithm with the BSC model can be a suitable approach to assigning weights to indicators as per the performance evaluation of thermal power generation companies. Also, the algorithm is convergent and trustable and can provide reliable results for solving MADM problems according to various number of indicators and hierarchical level numbers.