مطالعات مدیریت صنعتی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تفاهم نامه با انجمن علوم مدیریت ایران

راهنمای نگارش

فایل ها

داوران 1402

داوران 1401

داوران 1400

داوران 1399

راهنمای ثبت نام درPublons

تعیین کارایی واحدهای تصمیم‌گیرنده با استفاده از تکنیک تحلیل پوششی داده‌ها درحضور عامل‌های عملکردی دونقشی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار گروه ریاضی کاربردی، دانشگاه آزاد اسلامی، واحد سیرجان، سیرجان، ایران

2 دانشیار گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، دانشگاه ولی‌عصر (عج)، رفسنجان، ایران

3 کارشناسی ارشد رشته مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، دانشگاه ولی‌عصر(عج)، رفسنجان، ایران

10.22054/jims.2024.80057.2920

چکیده

تحلیل پوششی داده‌ها رویکردی مبتنی بر برنامه‌ریزیِ ریاضی، برای ارزیابیِ نسبیِ واحدهای تصمیم‌گیرنده‌‌ای است که مانند سیستم‌های تولیدیِ مشابه و متمایزی در نظر گرفته می‌شوند. در این رویکرد، عملکرد هر واحد در قالب عملیاتِ تبدیل ‌منابع (ورودی‌ها) به محصولات (خروجی‌ها)، توصیف می‌گردد. در مدل‌های سنتیِ تحلیلِ پوششیِ داده‌ها، فرض بر این است که نقشِ هر عاملِ عملکردی (به‌عنوان ورودی یا خروجی) مشخص است، اما در برخی از مسائل دنیایِ واقعی، ممکن است یک یا چند عامل، با توجه به ماهیتِ ارزیابی و یا نگرشِ تصمیم‌گیرندگان، به‌عنوان عوامل دونقشی معرفی شوند. این عوامل می‌توانند نقش ورودی، خروجی و یا حتی نقش بی‌اثر در ارزیابیِ عملکرد واحدها ایفا کنند. در مقاله‌ی حاضر دو مدل جدید برنامه‌ریزی خطی مبتنی بر مفاهیم انحراف در شرط کارایی و اوزان مشترک، برای تعیین وضعیت عوامل دونقشی و سپس محاسبه‌ی کاراییِ واحدهای تصمیم‌گیرنده ارائه می‌شود. مزایای اصلیِ مدل‌های پیشنهادی کاهش چشمگیر محاسبات و تعداد دفعات حل مدل و همچنین دخالت دادن همه‌ی واحدهای تصمیم‌گیرنده جهت تعیین نقشِ یک‌باره‌ی عامل‌ها جهت ارزیابی واحدهای تصمیم‌گیرنده است. به‌منظور بررسی عملکرد مدل‌های پیشنهادی، از داده‌های مربوط به ارزیابیِ هیجده تأمین‌کننده در حضور دو ورودی، سه خروجی و دو عامل دونقشی استفاده شده است. نتایج به‌دست‌آمده، نشان داد که در مقایسه با مدل‌های دیگر، مدل‌های پیشنهادی هم ازنظر محاسباتی به‌صرفه‌تر بوده و هم تعیین نقش و ارزیابی واحدها به کمک وزن‌های به‌دست‌آمده از این مدل‌ها، انتظارات موردنظر تصمیم‌گیرندگان را بهتر و منطقی‌تر برآورده می‌کنند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Determining the efficiency of decision-making units using the technique of data envelopment analysis in the presence of dual-role performance factors

نویسندگان [English]

  • Esmaeil Keshavarz 1
  • abbas shoul 2
  • Ali Fallah Tafti 3

1 Department of Mathematics, Islamic Azad University, Sirjan Branch, Sirjan, Iran

2 Associate Professor, Faculty of Administrative Sciences and Economics Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran

3 Master of Industrial Engineering, Faculty of Administrative Sciences and Economics, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran

چکیده [English]

Data Envelopment Analysis (DEA) is an approach based on mathematical programming for the relative evaluation of decision-making units treated as similar yet distinct production systems. In this approach, the performance of each unit is characterized by describing the transformation of specific inputs into specific outputs. Traditional DEA models assume that the role of each performance factor is clearly defined. However, in some real-world problems, certain factors might be identified as dual-role factors depending on the evaluation nature or the decision-makers' perspective. These factors can play the role of both input and output, or even be considered neutral in assessing the units' performance. In the current paper, to determine the status of dual-role factors and calculate the efficiency of DMUs, two new linear programming models, based on the concept of deviation in the efficiency constraint and a common set of weights, are suggested. The main advantages of the proposed models are significantly reducing the computations and iterations required to solve the model, and involving all DMUs to determine the role of factors. To assess the performance of the proposed models, a data set for the evaluation of eighteen suppliers in the presence of two inputs, three outputs, and two dual-role factors has been employed. The obtained results showed that, compared to other models, the proposed models are computationally more efficient, and the role determination and evaluation of the units, based on the obtained weights from these models, are better aligned with the expectations of decision-makers

کلیدواژه‌ها [English]

  • Data Envelopment Analysis
  • Dual-role Factors
  • Efficiency
  • Decision Making Unit
مراجع
  1. عزیزی، حسین؛ جعفری شاعرلر، اکبر؛ فرضی‌پورصائن، رضا. (1394). رویکرد جدیدی برای در نظر گرفتن عامل دونقشی در مسئله‌ی انتخاب تأمین‌کننده: DEA با مرزهای کارا و ناکارا. مدیریت تولید و عملیات، 6(2)، 144-129.
  2. Afsharian, M., Ahn, H., & Neumann, L. (2016). Generalized DEA: an approach for supporting input/output factor determination in DEA. Benchmarking, 23(7). https://doi.org/10.1108/BIJ-07-2015-0074.
  3. Azadi, M., & Farzipoor Sean, R. (2011). A new chance-constrained data envelopment analysis for selecting third-party reverse logistics providers in the existence of dual-role factors. Expert Systems with Applications, 38(10), 12231–12236. https://doi.org/10.1016/‌­eswa.2011.04.001.
  4. Azadi, M., & Saen, R. F. (2012). Developing a worst practice DEA model for selecting suppliers in the presence of imprecise data and dual-role factor. International Journal of Applied Decision Sciences, 5(3). https://doi.org/10.1504/IJADS.2012.047671
  5. Azadi, M., Shabani, A., & Farzipoor Saen, R. (2014). A new Russell model for selecting suppliers. International Journal of Integrated Supply Management, 9(1–2). https://doi.org/10.1504/­2014.064354
  6. Azadi, M., Mirhedayatian, S. M., Saen, R. F., Hatamzad, M., & Momeni, E. (2017). Green supplier selection: A novel fuzzy double frontier data envelopment analysis model to deal with undesirable outputs and dual-role factors. International Journal of Industrial and Systems Engineering, 25(2). https://doi.org/10.1504/IJISE.2017.081516
  7. Beasley, J. E. (1990). Comparing university departments. Omega, 18(2), 171–183, https://doi.org/10.1016/0305-0483(90)90064-G
  8. Beasley, J. E. (1995). Determining Teaching and Research Efficiencies. Journal of the Operational Research Society, 46(4), 441–452, https://doi.org/10.2307/2584592.
  9. Charnes, A., Cooper, W.W., & Rhodes, E. (1978). Measuring the efficiency of decision-making units. European Journal of Operational Research, 2(6), 429-444, https://doi.org/10.1016/03772217(78)90138-8
  10. Chaghooshi, A. J., Jafarzadeh, A. H., & Mahdiloo, M. (2012). Selecting the best flexible manufacturing system supplier in the presence of dual-role factors: A decision model based on the Worst Practice Frontier DEA and Common Set of Weights. World Applied Sciences Journal, 17(7).
  11. Chen, W. C. (2014). Revisiting dual-role factors in data envelopment analysis: Derivation and implications. IIE Transactions (Institute of Industrial Engineers), 46(7), 653–663 https://doi.org/10.1080/0740817X.2012.721943
  12. Chen, W. C. (2021). On performance evaluation with a dual-role factor. Annals of Operations Research, 304(1–2). https://doi.org/10.1007/s10479-021-04102-3
  13. Cook, W. D., Green, R. H., & Zhu, J. (2006). Dual-role factors in data envelopment analysis. IIE Transactions (Institute of Industrial Engineers), 38(2), 105–115. https://doi.org/10.1080/07408170500245570
  14. Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data envelopment analysis: A comprehensive text with models, applications, references and DEA-solver software (2nd edi.). Springer US. https://doi.org/10.1007/978-0-387-45283-8
  15. Ding, J., Dong, W., Bi, G., & Liang, L. (2015). A decision model for supplier selection in the presence of dual-role factors. Journal of the Operational Research Society, 66(5), 737–746. https://doi.org/10.1057/jors.2014.53
  16. Ebrahimi, B. (2020). Efficiency measurement to identify the best efficient unit in the presence of dual-role factors. International Journal of Applied Decision Sciences, 13(1). ­https://doi.org/10.1504/­2020.10020424
  17. Ebrahimi, B., Tavana, M., Kleine, A., & Dellnitz, A. (2021). An epsilon-based data envelopment analysis approach for solving performance measurement problems with interval and ordinal dual-role factors. OR Spectrum, 43(4). https://doi.org/10.1007/s00291-021-00649-6
  18. Eydi, A., & Rastgar, S. (2022). A DEA model with dual-role factors and fuzzy data for selecting third-party reverse logistics provider, case study: Hospital waste collection. Ain Shams Engineering Journal, 13(2), 101561. https://doi.org/10.1016/J.ASEJ.2021.07.011
  19. Farell, M. J. (1957). The measurement of productive efficiency. Journal of the royal statistical society, Series A (General), 120(3), 253-290, https://doi.org/10.2307/2343100
  20. Farzipoor Saen, R. (2010). Restricting weights in supplier selection decisions in the presence of dual-role factors. Applied Mathematical Modelling, 34(10), 2820–2830. https://doi.org/10.1016/­apm.2009.12.016
  21. Geng, C., Wang, Q., & E, H. (2019). Application of Fuzzy Bilateral Boundary DEA Model in Selection of Energy-Saving and Environmental Protection Enterprises. Transactions of Nanjing University of Aeronautics and Astronautics, 36(2). https://doi.org/10.16356/j.1005-1120.2019.02.010
  22. Ghasem, N., Kashan, A. H., & Najafi, S. E. (2024). Evaluating Supply Chains Based on the Novel Network Data Envelopment Analysis Model. Journal of Advanced Manufacturing Systems, 23(1). https://doi.org/10.1142/S0219686724500069
  23. Ghazi, A., & Lotfi, F. H. (2022). Weight restrictions for the DEA model in the presence of dual-role factors: An application to the Iranian banking sector. RAIRO - Operations Research, 56(3). https://doi.org/10.1051/ro/2021162
  24. Ghiyasi, M., & Cook, W. D. (2021). Classifying dual role variables in DEA: The case of VRS. Journal of the Operational Research Society, 72(5), 1183–1190. https://doi.org/10.1080/01605682.2020.1790309
  25. Izadikhah, M., Saen, R. F., & Ehsanifar, M. (2022). A Modified-Range Directional Measure for Assessing the Sustainability of Suppliers by DEA/UTASTAR. Journal of Global Information Management, 30(8). https://doi.org/10.4018/jgim.298679
  26. Kumar, A., Jain, V., & Kumar, S. (2014). A comprehensive environment friendly approach for supplier selection. Omega (United Kingdom), 42(1), 109–123. https://doi.org/10.1016/j.omega.2013.04.003
  27. Lee, K.-H., & Farzipoor Sean, R. (2012). Measuring corporate sustainability management: A data envelopment analysis approach. International Journal of Production Economics, 140(1), 219–226. https://doi.org/10.1016/j.ijpe.2011.08.024
  28. Li, F., Deng, L., Li, L., Cheng, Z., & Yu, H. (2020). A two-stage model for monitoring the green supplier performance considering dual-role and undesirable factors. Asia Pacific Journal of Marketing and Logistics, 32(1). https://doi.org/10.1108/APJML-02-2019-0110
  29. Mahdiloo, M., Noorizadeh, A., & Saen, R. F. (2013). A new model for suppliers ranking in the presence of both dual-role factors and undesirable outputs. International Journal of Logistics Systems and Management, 15(1). https://doi.org/10.1504/IJLSM.2013.053240
  30. Noorizadeh, A., Mahdiloo, M., & Saen, R. F. (2012). A new approach for considering a dual-role factor in data envelopment analysis. International Journal of Operational Research, 14(2). https://doi.org/10.1504/IJOR.2012.046645
  31. Sadeghi, S. A. H., Ahmady, N., & Ahmady, E. (2012). Technology selection in the presence of fuzzy data and dual-role factors. International Journal of Advanced Manufacturing Technology, 62(5–8), 801–811. https://doi.org/10.1007/s00170-011-3818-0
  32. Shabani, A., Torabipour, S. M. R., & Farzipoor Saen, R. (2011). Container selection in the presence of partial dual-role factors. International Journal of Physical Distribution and Logistics Management, 41(10). https://doi.org/10.1108/09600031111185257
  33. Su, Y., & Sun, W. (2018). Sustainability evaluation of the supply chain with undesired outputs and dual-role factors based on double frontier network DEA. Soft Computing, 22(16). https://doi.org/10.1007­/s00500-018-3240-8
  34. Talluri, S., & Baker, R. C. (2002). Production, Manufacturing and Logistics A multi-phase mathematical programming approach for effective supply chain design. European Journal of Operational Research, 141(3), 544-558. https://doi.org/10.1016/S0377-2217(01)00277-6
  35. Toloo, M., & Barat, M. (2015). On considering dual-role factor in supplier selection problem. Mathematical Methods of Operations Research, 82(1), 107–122. https://doi.org/10.1007/s00186-015-0507-z
  36. Toloo, M., Keshavarz, E., & Hatami-Marbini, A. (2018). Dual-role factors for imprecise data envelopment analysis. Omega, 77, 15–31. https://doi.org/10.1016/j.omega.2017.05.005
مطالعات مدیریت صنعتی
دوره 22، شماره 73
تیر 1403
صفحه 143-184
فایل ها
هم رسانی
ارجاع به این مقاله
آمار