پژوهش های مدیریت در ایران

چکیده تحلیل پوششی داده‌ها (DEA) به‌عنوان یک روش غیرپارامتری و داده‌محور، ابزاری کارآمد برای ارزیابی کارایی نسبی مجموعه‌ای از واحدهای تصمیم‌گیرنده (DMUها) با چندین ورودی و خروجی است. با این حال، مدل‌های کلاسیک DEA ساختار درونی DMUها را نادیده می‌گیرند و آن‌ها را به‌عنوان جعبه‌های سیاه در نظر می‌گیرند. برای رفع این محدودیت، DEAی شبکه‌ای توسعه یافته است که تعاملات درونی بین اجزای DMU را به طور صریح مدل‌سازی می‌کند. علاوه بر این، در بسیاری از کاربردهای واقعی، برخی متغیرهای ورودی، خروجی یا محصولات بینابینی دارای ماهیت گسسته و مقادیر صحیح هستند و حتی ممکن است داده‌های منفی نیز وجود داشته باشد. این ویژگی‌ها در مدل‌های مرسوم DEA نادیده گرفته می‌شوند و می‌توانند منجر به برآوردهای نادرست و غیرعملی گردند. در این مقاله، یک مدل DEAی شبکه‌ای مبتنی بر تابع فاصله‌ی جهت‌دار برای سیستم‌های سری دو بخشی ارائه می‌شود که قابلیت پردازش همزمان داده‌های منفی و مقدار صحیح را داراست. مدل پیشنهادی با تعریف مناسب بردار جهت، امکان اندازه‌گیری کارایی سیستم تحت هر دو فرض بازده به مقیاس ثابت و متغیر را فراهم می‌کند. برای نمایش قابلیت‌های مدل پیشنهادی، یک مطالعه‌ی موردی بر روی ۲۹ زنجیره‌ی تأمین ایرانی در صنعت تجهیزات مصرفی پزشکی انجام شده است. نتایج نشان می‌دهد که مدل پیشنهادی نه‌تنها قادر است DMUهای کارا و ناکارا را به‌درستی تفکیک کند، بلکه با ارائه‌ی نقاط تصویر، مسیر دقیق اصلاح عملکرد هر بخش را نیز مشخص می‌سازد. یافته‌ها نشان می‌دهد که رویکرد پیشنهادی می‌تواند به‌عنوان ابزاری معتبر برای ارزیابی و بهبود کارایی زنجیره‌های تأمین، به‌ویژه در صنایع حساس نظیر تجهیزات