مشکلات اوزان تجزیه در مدل DEA چند مرحله ای افزایشی
چکیده
این مقاله، به بررسی محدودیت های مدل DEA چند مرحله ای(تحلیل پوششی داده) در منابع می پردازد. ما بر مدل تحلیل پوششی داده با تجزیه کارایی افزایشی تاکید داریم. ما یک طبقه بندی را برای مدل های DEA چند مرحله ای ایجاد کرده و نشان می دهیم که چه زمانی اوزان تجزیه می توانند غیر افزایشی باشند. وقتی که وزن تجزیه برای یک مرحله بیانگر اهمیت نسبی مرحله باشد، این ویژگی به خودی خود بیانگر آن است که مراحل بالادست( صرف نظر از امتیازات کارایی مرحله) در مدل، اولویت بالاتری را در تجزیه کارایی کسب خواهند کرد. هم چنین نتایج نشان داده است که اوزان غیر افزایشی می توانند بر ارزیابی نمرات کارایی مرحله ای و کلی اثر بگذارند. ما یافته های خود را از طریق یک مجموعه داده تجربی اثبات می کنیم.
1- مقدمه
تحلیل پوششی داده ها(DEA)یک روش رایج برای ارزیابی کارایی نسبی واحد های تصمیم گیری است(DMU ها) است(2-15-4). یکی از ویژگی های منحصر به فرد روش تحلیل پوششی داده کلاسیک، این است که هیچ گونه فرضی در مورد ساختار درونی سیستم های تولید ارایه نمی کند. این ویژگی موجب شده است تا DEA به یک روش عمومی و قوی تبدیل شود. با این حال، مدل تحلیل پوششی داده کلاسیک اطلاعاتی را در مورد ساختار درونی ارایه می کند که اغلب نشان دهنده فرصت های بهبود فرایند است( 3). به علاوه، تعداد کمی از سیستم های تولید صنعتی تنها متشکل از یک فرایند تک مرحله ای هستند.
Abstract
This paper examines limitations of the multi-stage DEA (data envelopment analysis) model in the literature. We focus on the DEA model with additive efficiency decomposition. We create taxonomy for the multi-stage DEA models and show when the decomposition weights can be non-increasing. When the decomposition weight for a stage is deemed reflective of the stage׳s relative importance, this property then implies that upstream stages (regardless the stage efficiency scores) in the model will obtain higher priority in efficiency decomposition. We also find that the non-increasing weights can affect the evaluation of overall and stage efficiency scores. We illustrate our findings through an empirical data set.
1. Introduction
Data envelopment analysis (DEA) is a popular method for evaluating the relative efficiency of decision-making units (DMUs) [2,15,4]. One of the unique features of the classical DEA method is that it does not make any assumption on the production system's internal structure. This property makes DEA a general and robust method. However, the classical DEA model leaves out information about the internal structure, which often reveals process improvement opportunities (e.g., [3]). In addition, few industrial production systems consist of only a single-stage process.
چکیده
1- مقدمه
2- تجزیه کارایی افزایشی در یک مدل DEA چند مرحله ای
2-1 مدل های چند مرحله ای افزایشی
2-2 مسئله مدل چند مرحله ای افزایشی
2-3 مثال سه مرحله ای
3- تجزیه کارایی افزایشی برای فرایند های دو مرحله ای
4- مدل های افزایشی با اوزان ثابت
5- مثال
6- بحث و نتیجه گیری
Highlights
Abstract
Keywords
1. Introduction
2. Additive efficiency decomposition in a multi-stage DEA model
3. Additive efficiency decomposition for two-stage processes
4. Additive models with constant weights
5. An illustration
6. Discussion and conclusion
Acknowledgments
Appendix A. The output-oriented multi-stage model under structure M1
Appendix B. Data set of 24 Taiwanese non-life insurance companies
References
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه