ارائه مدل تركيبي تحليل پوششي داده بوستينگ در ارزيابي عملكرد تامين كنندگان

10 Developing a hybrid model based on the combination of data envelopment analysis (DEA) and boosting in evaluating performance of suppliers

امروزه ارزيابي تامين كنندگان و مدل‌سازي كارايي آن ها با به‌كارگيري روش‌هاي كمي و با هدف استقرار نظام مديريت استراتژيك روابط با تامين كنندگان بسيار مورد توجه است. مدل تحليل پوششي داده‌ها (DEA) يكي از پركاربردترين ابزارها براي محاسبه كارايي تامين كنندگان بوده كه در صنايع مختلف مورد استفاده قرار گرفته است. با توجه به ماهيت ناپارامتري مدل DEA، براي پيش بيني كارايي واحد جديد بايستي تمام محاسبات را تكرار نمود كه هزينه بالاي محاسباتي و عدم توانايي پيش بيني را به عنوان نقاط ضعف DEA مطرح مي نمايد. در سال هاي اخير تركيب DEA و مدل هاي هوش مصنوعي براي افزودن توان پيش بيني به DEA و همچنين انجام تحليل حساسيت هاي مفيد در رابطه با نحوه تاثيرگذاري ورودي ها- خروجي ها بر عملكرد تامين كنندگان مورد توجه قرار گرفته است. در اين مقاله روش يادگيري جمعي بوستينگ به عنوان رويكردي مناسب جهت مدل سازي نتايج DEA و ساخت سيستم پشتيبان از تصميم جهت ارزيابي كارايي تامين كنندگان مورد توجه قرار گرفته است. براي ارزيابي مدل ارائه شده، داده هاي عملكرد تامين كنندگان شركت خودروساز داخلي مورد استفاده قرار گرفته و نتايج حاكي از دقت بالاي مدل بوستيگ در پيش بيني كارايي تامين كنندگان مي باشد.