اندازه گيري كارايي هزينه در تحليل پوششي داده‌هاي شبكه‌اي

Measuring the cost efficiency in NDEA

تحليل پوششي داده ‌ها يك رويكرد نسبتاً جديد با ماهيت داده ‌اي براي ارزيابي عملكرد مجموعه ‌اي از موجوديت ‌هاي همتا به نام واحدهاي تصميم گيري (DMUها) است كه چندين ورودي را به چندين خروجي تبديل مي كنند. DEA در دوره زماني نسبتاً محدودي تبديل به ابزار كمّي و تحليلي قدرتمندي براي اندازه‌گيري و ارزيابي عملكرد شده است. DEA در انواع مختلفي از كاربردها در فعاليت ها و محيط‌ هاي مختلف در سرتاسر دنيا با موفقيت به كار گرفته‌ شده است. همچنين مسأله ي اندازه ‌گيري كارايي هزينه در سيستم‌ هاي توليدي و اقتصادي يكي از مسائل مهم روز دنيا مي ‌باشد. در دنياي واقعي سيستم‌ هاي اقتصادي و توليدي وجود دارند كه از تركيب واحدهاي مستقل تشكيل شده‌ اند و يكي از روش‌ هاي اندازه‌ گيري كارايي هزينه براي سيستم ‌هاي اقتصادي و توليدي روش DEA مي ‌باشد. اين مقاله دو مدل DEA شبكه اي را براي اندازه گيري كارايي هزينه از مدل شبكه اي با مولفه هاي پردازش يكسان با در نظر گرفتن عملكردهاي پردازش هاي فردي در ساختار شبكه را ارائه مي كند. در اين مقاله به بررسي مدل كارايي هزينه فار و همكاران پرداخته شده و با اعمال تغييراتي در مدل فار و همكاران به ارائه دو مدل جديد تحليل پوششي داده هاي شبكه اي و توسعه يافته براي اندازه‌گيري كارايي هزينه در سيستم‌هاي شبكه‌اي اقتصادي و توليدي پرداخته شده است.

Data Envelopment Analysis (DEA) is a relatively new data oriented approach for evaluating the performance of a set of peer entities called Decision-Making Units (DMUs) which convert multiple inputs into multiple outputs. In a relatively short period of time DEA has grown into a powerful quantitative, analytical tool for measuring and evaluating performance. DEA has been successfully applied to a host of different types of entities engaged in a wide variety of activities in many contexts worldwide. The issue of measuring the cost efficiency in manufacturing and economic systems is one of the most important issues in the world. In the real world, there are manufacturing and economic systems that are composed of independent units. One of the ways to measure the cost efficiency for economic and production systems is the DEA technique. This paper presents two network DEA models to measure the cost efficiency of a network model with identical processing components taking into account the individual processing functions in the network structure. In this paper, we examine the cost efficieny model of Färe et al., and through modifying the model of Färe et al., a model has been developed to measure the cost efficiency in economic and manufacturing networks.