بخشی از مقاله

چکیده

- Most Productive Scale Size - MPSS واحد تصمیم گیرنده اي است که از منابع کمتري براي تولید خروجی هاي بیشتر استفاده می کند. از این رو، بررسی این واحدها از دیدگاه هاي متفاوت، اطلاعات ارزشمندي را در اختیار مدیران قرار می دهد. در این مطالعه، براي بدست آوردن واحد تصمیم گیرنده بهینه که داراي بالاترین سطح بهره وري است روش مرزهاي دولایه با بکارگیري معیار هورویکس براي محاسبه هر دو اطلاعات مرزهاي بدبینانه و خوش بینانه استفاده می شود. چگونگی بکار گیري روش مرزهاي دولایه براي تخمین بازده به مقیاس افزایشی یا کاهشی همه موضوعاتی هستند که در این مقاله به آنها پرداخته می شود. بعلاوه، معیار هورویکس در یک فرآیند تصمیم گیري تحت شرایط عدم قطعیت و ترکیب هر دو اطلاعات در روش مرزهاي دولایه موجب اعمال نظر مدیر می شود. در آخر، مثال کاربردي درخصوص ارزیابی کارایی در اقتصاد صنعتی چین بیانگر توان تفکیک مناسب روش پیشنهادي است.

کلمات کلیدي: واحد تصمیم گیرنده ؛ بالاترین سطح بهره وري؛ کارایی خوش بینانه و بدبینانه ؛ معیار هورویکس ؛ تحلیل پوششی داده ها

.1 مقدمه

بازده به مقیاس یک مفهوم اقتصادي است که از دو دیدگاه نوع و اندازه قابل بررسی می باشد. نوع بازده به مقیاس، مشخص کننده نحوه عملکرد فرآیند تولید، تحت تأثیر عوامل تولید است و اندازه بازده به مقیاس، میزان افزایش در مجموع وزن دار شده خروجی ها را نسبت به یک واحد افزایش در مجموع وزن- دار شده ورودي ها تعیین می کند که این مطلب، تعمیم مفهوم کشسانی در حالت تک ورودي و تک خروجی است.از آنجایی که تحلیل پوششی داده ها بر پایه نیاز به روش هاي علمی، براي تحلیل عملکرد واحدهاي اقتصادي ایجاد گردید، لذا بازده به مقیاس به عنوان یک مفهوم اقتصادي، تحت مدل هاي تحلیل پوششی داده ها قابل ارزیابی می باشد.

در واقع، بازده به مقیاس به استنتاج اقتصادي از کارایی هاي تحلیل پوششی داده ها مربوط می شود و به کمک این مفهوم می توان تعیین کرد که آیا یک واحد تصمیم گیرنده کارا در بهترین اندازه خود قرار دارد یا خیر و اینکه چه موقع توسیع و یا تحدید یک واحد تصمیم گیرنده بصرفه است .[1]در این مطالعه، کارایی یک واحد تصمیم گیرنده از دیدگاه بدبینانه اندازه گیري می شود که کارایی آن واحد به عنوان بدترین کارایی نسبی یا کارایی بدبینانه در نظر گرفته می شود .بنابراین اندازه گیري کارایی هاي خوش بینانه و بدبینانه، دو معیار تصمیم گیري متفاوتی را بوجود می آورند. در نتیجه بهتر است این دو نوع اندازه گیري کارایی، براي تعیین بهترین واحد تصمیم گیرنده که MPSS نامیده می شود با یکدیگر در نظر گرفته شوند. براي تحقق این مطلب، روش مرزهاي دو لایه براي ترکیب هر دو اطلاعات مرز خوش بینانه و مرز بدبینانه در نظر گرفته می شوند.

در واقع، MPSS واحد تصمیم گیرنده اي است که ورودي هاي بیشتري را براي تولید خروجی هاي بیشتر ذخیره می کند، یعنی از منابع کمتري براي تولید خروجی هاي بیشتر استفاده می نماید. از این رو، بررسی آنها از دو دیدگاه متفاوت، اطلاعات ارزشمندي را در اختیار قرار می دهند..مبحثی مهم در تحلیل پوششی داده ها که مرتبط با بازده به مقیاس می باشد MPSS است. مفهوم MPSS در تحلیل پوششی داده ها نخست توسط بنکر - 1984 - معرفی شده است. در سال هاي بعد، کوپر و همکاران - 1996 - یک مدل با تابع هدف کسري براي مشخص کردن MPSS ارائه نمودند. جهانشاهلو و خدابخشی - - 2003 یک مدل در ماهیت ورودي- خروجی براي ارزیابی MPSS ، با یک تابع هدف خطی مطرح کردند . بنکر و همکاران - - 2004 توسعهMPSS را به عنوان بخشی از آثار مورد بررسی در ادبیات بازده به مقیاس مطرح نمودند. خدابخشی - MPSS - 2009 را در حالتی که داده ها تصادفی باشند، تخمین زده است.

با این وجود، همه این مقالات علمی در مورد MPSS در تحلیل پوششی داده ها از دیدگاه خوش بینانه ارزیابی شده اند. عملکرد واحدهاي تصمیم گیرنده همچنین از نقطه نظر بدبینانه ارزیابی می شوند . بنابراین اگر MPSS در مرزهاي تولید از دیدگاه بدبینانه ارزیابی شود شاید موضوع جالب تري باشد. آثار مربوط به اندازه گیري بدبینانه در تحلیل پوششی داده ها ممکن است در تحقیقات ونگ و همکاران - - 2007، ونگ و چن - 2007-2009 - و ونگ و لن - 2011 - یافت شوند . [7]در سال 1984 بنکر و همکاران، پیوند میان تحلیل پوششی داده ها، برآورد تولید و کارایی مرزها را بر مبناي آشکاري طرح ریزي کردند. همچنین تحلیل پوششی داده ها امکان نگرش جدید به فعالیت هایی را هم که قبلاً به روش هاي دیگر ارزیابی شده اند را فراهم کرده است.

بعنوان مثال، امکان محک زنی با استفاده از تحلیل پوششی داده ها به شناسایی منابع ناکارایی در شرکت هاي سودآوري که به خاطر نگرش سودآوري به عنوان محک شناخته می شوند، منجرشده است. البته دیدگاه ها در ارزیابی، متفاوت هستند.مفهوم بدترین واحد با پایین ترین سطح بهره وري     - W  P S S  براي واحد تصمیم گیرنده اي ارائه می گردد که کارایی بدبینانه آن برابر یک است. M  P S S  1,1 تحت اندازه گیري خوش بینانه در این مطالعه، واحد تصمیم گیرنده تحت ارزیابی، - o  {  j  1, ...,   - DMUo است. براي بیان مفهوم اقتصاديM  P  S S ، نسبت هاي ارائه شده بوسیله  0 و  0 در مورد     X o ,   Yo اسکالر هستند.  یکM PSS است اگر و تنها اگر براي تمام امکان هاي تولید T, Yo X o  ,  0 : داشته باشیم: - .  بنکر، - 1984 .مدل زیر فرم پوششی مدل CCR تحت اندازه گیري خوش بینانه می باشد.لازم به ذکر است که همه واحدهاي تصمیم گیرنده کارا با o 1 یک مرز کارایی را  تشکیل می دهند.            

M  P S S  2,1 تحت اندازه گیري بدبینانه

کارایی هاي ارزیابی شده از دیدگاه بدبینانه، بعنوان بدترین کارایی هاي نسبی یا کارایی هاي بدبینانه در نظر گرفته می شوند. کارایی بدبینانه DMUo نسبت به دیگر واحدهاي تصمیم گیرنده بوسیله مدل بدبینانه تحلیل پوششی داده هاي زیر اندازه گیري می شود - ونگ و همکاران، : - 2007 ربابه اسلامی، فرشته روزبه، تعیین واحدهایی با بالاترین سطح بهره وري تحت شرایط  که در آن r :ur  و    i : vi  وزن هاي نامنفی هستند. مدل دوآل مدل - 2 - را بصورت زیر می توان نوشت : مدل هاي - 2 - و - 3 - بعنوان مدل هاي بدبینانه CCR نامیده می شوند. تفاوت این مدل ها با مدل CCR معروف - مدل - 1، آن است که در آن کارایی    DM U oنسبت به بقیه واحدهاي تصمیم گیرنده در محدوده اي کمتر از یک به حداقل رسانده می شود. در حالی که در این دو مدل بدبینانه، همین مقدار کارایی براي D M U o در بازه صفر و یک، به حداکثر می رسد.

لازم به ذکر است که اگر در ارزیابی D M U o ، o 1 در این صورت D M U o ناکارا یا ناکاراي بدبینانه است. در غیر اینصورت D M U o یک واحد تصمیم گیرنده ناکاراي غیربدبینانه خواهد بود. همچنین تمامی واحدهاي تصمیم گیرنده ناکاراي بدبینانه، یک مرز ناکارایی را تشکیل می دهند.اکنون به منظور تعبیر شهودي کارایی هاي خوش بینانه و بدبینانه، 10 واحد تصمیم گیرنده زیر را که داراي یک ورودي و دو خروجی می باشند را در نظر بگیرید - انتانی و همکاران، .[2] - 2002 از دیدگاه کارایی بدبینانه، 4 واحد تصمیم گیرنده A، B، F و J ناکاراي بدبینانه ارزیابی می شوند که با یکدیگر یک مرز ناکارایی ABFJ را تشکیل می دهند، همانطوري که در شکل 1 نمایش داده شده است.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید