اندازه‌هاي انعطاف‌پذير در فرايند توليد: رويكرد جديدي بر مبناي تحليل پوششي داده‌ها با مرز دوگانه

Flexible Measures in Production Process: A New Approach Based On Double-Frontier DEA

تحليل پوششي داده‌ها (DEA) رويكردي براي اندازه‌گيري كارايي نسبي واحدهاي تصميم‌گيري (DMUهاي) داراي ورودي‌هاي متعدد و خروجي‌هاي متعدد با استفاده از برنامه‌ريزي رياضي است. در مدل‌هاي متعارف DEA، ورودي يا خروجي بودن يك اندازه‌ عملكردي بايد معلوم باشد. با اين حال در برخي از موقعيت‌ها، يك انداز‌ه‌ عملكردي مي‌تواند براي برخي از DMUها نقش ورودي و براي برخي ديگر نقش خروجي داشته باشد. چنين متغيرهايي را اندازه‌هاي انعطاف‌پذير مي‌نامند. اين مقاله رويكرد جديد «DEA با مرز دوگانه» را براي طبقه‌بندي اندازه‌هاي انعطاف‌پذير معرفي مي‌كند. در رويكرد پيشنهادي، هر انداز‌ه‌ انعطاف‌پذير طوري به عنوان ورودي يا خروجي طبقه‌بندي مي‌شود كه كارايي DMU مورد ارزيابي بيشينه‌سازي شود. از اين رو طبقه‌بندي اندازه‌هاي انعطاف‌پذير با استفاده از رويكرد DEAي پيشنهادي، ساده و منطقي‌تر است. يك مثال در مؤسسات آموزش عالي انگلستان، كاربرد رويكرد پيشنهادي را نشان مي‌دهد.

Data envelopment analysis (DEA) is an approach for measuring the relative efficiency of a set of decision-making units (DMUs) with multiple inputs and multiple outputs using mathematical programming. In conventional DEA models, a performance measure whether as an input or output usually has to be known. However, in some situations, a performance measure can play input role for some DMUs and output role for others. Such variables are called flexible measures. This paper introduces a new “double-frontier DEA” approach for classification of flexible measures. In the proposed approach, each flexible measure is classified as either input or output, so that the efficiency of the DMU under evaluation is maximized. Therefore, classification of flexible measures using the proposed DEA approach is simpler and more logical. An example in UK higher education institution shows applicability of the proposed approach.