ارزيابي عملكرد مناطق عملياتي شركت انتقال گاز با استفاده از روش تركيبي DEA-SWARA-WASPAS

Performance Assessment of Iranian Gas Transmission Company’s Operational Zones through a Hybrid Method of DEA – WASPAS – SWARA

ارزيابي عملكرد يكي از موضوعات شناخته شده در ادبيات مديريت مي باشد. در اين مقاله تلاش شده است كه مدلي تركيبي به منظور ارزيابي عملكرد مناطق عملياتي شركت انتقال گاز ارائه شود. در اين مدل ابتدا شاخص هاي ورودي و خروجي (20 شاخص) شناسايي مي شود. پس از غربالگري اوليه شاخص ها، با توجه به اينكه تعداد واحدهاي تصميم گيرنده (مناطق عملياتي) كم است، تركيب هاي مختلف دو ورودي و يك خروجي تعريف شد. اين تركيب ها 22 مورد هستند. لازم به ذكر است كه در غربالگري انجام شده، شش شاخص ورودي و چهار شاخص خروجي انتخاب شدند. بر اساس نظرسنجي از خبرگان، وزن يا اهميت تركيب هاي مختلف ورودي و خروجي با كمك سوآرا (SWARA) استخراج شد. در ادامه بر اساس تركيب هاي 22 گانه، كارايي مناطق عملياتي با استفاده از تحليل پوششي داده ها در قالب مدل هاي CCR و BCC محاسبه گرديد. در حقيقت به ازاي هر تركيب دو ورودي و يك خروجي، كارايي هر منطقه عملياتي محاسبه گرديد. در نهايت ماتريس تصميمي شكل گرفت كه معيارهاي آن معادل تركيب هاي مختلف شاخص هاي ورودي و خروجي بوده و وزن آنها با كمك سوآرا محاسبه شده و امتيازات داخل ماتريس نيز معادل كارايي حاصل شده از تحليل پوششي داده ها مي باشد. براي محاسبه كارايي نهايي و رتبه بندي هر منطقه عملياتي از تكنيك واسپاس (WASPAS) كمك گرفته شد. به منظور اعتبارسنجي نيز رتبه بندي به دست آمده از شاخص كاپاي كوهن استفاده شد. نتايج بدست آمده نشان مي دهد كه مناطق هفت، ده و شش با بيشترين كارايي مي توانند الگوي مناسبي براي ساير مناطق جهت صرفه جويي در مصرف منابع باشند.

One of the most known subjects in management literature is performance assessment. In this paper, we have tried to provide a hybrid model in order to evaluate the performance of Iranian gas Transmission Company's operational zones. After an initial screening, due to the low number of Decision making units, different combination of two input and one output are defined. 6 inputs and 4 output criteria have been chosen in initial screening. Based on the experts' judgments, weights or importance of different combinations of input and output extracted using SWARA technique. Then, based on the 22 different combinations, we calculated operational zones efficiency using DEA in the form of CCR and BCC models. In fact for each combination of two input and one output, efficiency for each operational zone has been calculated. Finally, there has been a decision matrix which its’ criteria were equal to different combinations of input and output criteria and their weights gained by SWARA and scores within the matrix were equal to taken efficiency from DEA. In order to calculate final efficiency and prioritizing each operational zone WASPAS technique is used. We use Cohen's kappa coefficient in order to prioritizing validation. The results show that zones 10, 7 and 6 with the highest efficiencies can be appropriate pattern for other zones in resource saving.