نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد تمام گروه مدیریت صنعتی دانشکده مدیریت دانشگاه تهران

2 دانشیار گروه مدیریت صنعتی دانشکده مدیریت دانشگاه تهران

3 فارغ التحصیل کارشناسی ارشد مدیریت صنعتی دانشکده مدیریت دانشگاه تهران

چکیده

ارزیابی عملکرد یکی از موضوعات شناخته شده در ادبیات مدیریت می­باشد. در این مقاله تلاش شده است که مدلی ترکیبی به منظور ارزیابی عملکرد مناطق عملیاتی شرکت انتقال گاز ارائه شود. در این مدل ابتدا شاخص­های ورودی و خروجی (20 شاخص) شناسایی می­شود. پس از غربالگری اولیه شاخص­ها، با توجه به اینکه تعداد واحدهای تصمیم­گیرنده (مناطق عملیاتی) کم است، ترکیب­های مختلف دو ورودی و یک خروجی تعریف شد. این ترکیب­ها 22 مورد هستند. لازم به ذکر است که در غربالگری انجام شده، شش شاخص ورودی و چهار شاخص خروجی انتخاب شدند. بر اساس نظرسنجی از خبرگان، وزن یا اهمیت ترکیب­های مختلف ورودی و خروجی با کمک سوآرا (SWARA) استخراج شد. در ادامه بر اساس ترکیب­های 22 گانه، کارایی مناطق عملیاتی با استفاده از تحلیل پوششی داده­ها در قالب مدل­های CCR و BCC محاسبه گردید. در حقیقت به ازای هر ترکیب دو ورودی و یک خروجی، کارایی هر منطقه عملیاتی محاسبه گردید. در نهایت ماتریس تصمیمی شکل گرفت که معیارهای آن معادل ترکیب­های مختلف شاخص­های ورودی و خروجی بوده و وزن آنها با کمک سوآرا محاسبه شده و امتیازات داخل ماتریس نیز معادل کارایی حاصل شده از تحلیل پوششی داده­ها می­باشد. برای محاسبه کارایی نهایی و رتبه­بندی هر منطقه عملیاتی از تکنیک واسپاس (WASPAS) کمک گرفته شد. به منظور اعتبارسنجی نیز رتبه­بندی به دست آمده از شاخص کاپای کوهن استفاده شد. نتایج بدست آمده نشان می دهد که مناطق هفت، ده و شش با بیشترین کارایی می توانند الگوی مناسبی برای سایر مناطق جهت صرفه جویی در مصرف منابع باشند.

کلیدواژه‌ها

عنوان مقاله [English]

Performance Assessment of Iranian Gas Transmission Company’s Operational Zones through a Hybrid Method of DEA – WASPAS – SWARA

نویسندگان [English]

  • Hossein Safari 1
  • Aliyeh Kazemi 2
  • Ahmad Mehrpoor Layeghi 3

چکیده [English]

One of the most known subjects in management literature is performance assessment. In this paper, we have tried to provide a hybrid model in order to evaluate the performance of Iranian gas Transmission Company's operational zones. After an initial screening, due to the low number of Decision making units, different combination of two input and one output are defined. 6 inputs and 4 output criteria have been chosen in initial screening. Based on the experts' judgments, weights or importance of different combinations of input and output extracted using SWARA technique. Then, based on the 22 different combinations, we calculated operational zones efficiency using DEA in the form of CCR and BCC models. In fact for each combination of two input and one output, efficiency for each operational zone has been calculated. Finally, there has been a decision matrix which its’ criteria were equal to different combinations of input and output criteria and their weights gained by SWARA and scores within the matrix were equal to taken efficiency from DEA. In order to calculate final efficiency and prioritizing each operational zone WASPAS technique is used. We use Cohen's kappa coefficient in order to prioritizing validation. The results show that zones 10, 7 and 6 with the highest efficiencies can be appropriate pattern for other zones in resource saving

کلیدواژه‌ها [English]

  • Performance Assessment
  • Data Envelopment Analysis
  • Multi attribute Decision Making
  • Iranian Gas Transmission Company’s Operational Zones
اجلی مهدی. صفری حسین (1390)، ارزیابی عملکرد واحدهای تصمیم گیری با استفاده از مدل ترکیبی شبکه های عصبی پیش بینی کننده عملکرد و تحلیل پوششی داده ها (مورد مطالعه: شرکت ملی گاز ایران)، نشریه تخصصی مهندسی صنایع، دوره 45، شماره 1، ص 13-29.
شهریاری سلطانعلی. رضوی مصطفی. اصغری زاده عزت الله. (1392)، تحلیل پوششی داده های فازی و رویکرد نوین FIEP/AHP جهت رتبه بندی دانشکده های علوم انسانی دانشگاه تهران، نشریه مدیریت صنعتی، دوره 5، شماره 1، ص. 21 - 42.
کریمی تورج (1385)، ارزیابی عملکرد مناطق عملیاتی انتقال گاز با استفاده از تلفیق مدل منشور عملکرد،تکنیک شبه تحلیل پوششی داده ها و برنامه ریزی چند هدفه، پایان­نامه کارشناسی ارشد مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران.
محمدی علی. محمد حسینی زاده سمیه. (1385)، کاربرد رویکرد تلفیقی  DEA/AHPدر رتبه­بندی نمایندگی­های بیمه، پژوهشنامه اقتصادی، شماره 26، ص. 281 - 304.
مهرگان محمدرضا (1391) تحلیل پوششی داده­ها، تهران، انتشارات دانشگاه تهران.
مهرگان محمدرضا. دهقان نیری محمود. (1388)، رویکرد منسجم BSC-TOPSISجهت ارزیابی دانشکده­های مدیریت برتر دانشگاههای استان تهران، نشریه مدیریت صنعتی، دوره 1، شماره 2. ص. 152 168.
میرسپاسی ناصر(1389)"طراحی مدل تعالی منابع انسانی در سازمان های دولتی ایران با استفاده از تکنیک دلفی فازی، مجله پژوهش­های مدیریت، شماره 87، ص. 15 - 38.
 
Adams, C. and Neely, A. (2000), "The performance prism can boost M&A success",published in: www.som.cranfield.ac.uk/som/research/centres/cbp/products/prism.asp
Adler, N., Friedman, L., Sinuany Stern, Z. (2002), "Review of ranking methods in the data envelopment analysis context", European Journal of Operational Research, No. 140, PP. 249–265.
Azadeh, S.F. Ghaderi, Z. Javaheri and M. Saberi “a fuzzy Mathematical Programming Approach to DEA Models“, American Journal of Apolied Sciences, Vol. 5, No. 10, pp. 1352-1357,(2008).
Bagočius, V., Zavadskas, K.E. & Turskis, Z., (2013), “Multi-Criteria Selection of a Deep-Water Port in Klaipeda”, Procedia Engineering, No. 57, PP.144–148.
Brown, M.G. & Svenson, R.A., (1998), “Measuring R&D Productivity”, Research-Technology Management, Vol. 41, No. 6, PP. 30–35.
Charnes, A., Cooper, W. W., and Rhodes, E. (1978), “Measuring the efficiency of decision making units.” European Journal of Operational Research, Vo. 2, PP. 429-444.
Charnes, A., Cooper, W.W. & Rhodes, E., (1978), “Measuring the efficiency of decision making units”, European journal of operational research, Vol. 2, No. 6, PP. 429–444.
Chiesa, V. et al., (2008), “Designing a performance measurement system for the research activities: a reference framework and an empirical study”, Journal of Engineering and Technology Management, Vol. 25, No. 3, PP. 213–226.
Chitnis, A., Vaidya, O., (2013) “Performance assessment of tennis players: Application of DEA”, Conference of ICTMS, Las-Vegas USA.
Fansello Cook, D., Tone, K. & Zhu, J., (2014), “Data envelopment analysis: Prior to choosing a model”, Omega, No. 44, PP. 1–4.
Folan, P. & Browne, J., (2005), “A review of performance measurement: Towards performance management”, Computers in Industry, Vol. 56, No. 7, PP. 663–680.
Golany B (1988), “An interactive MOLP procedure for the extensionof data envelopment analysis to effectiveness analysis”, Journal of Operation Research Society, Vol. 39, No. 8, PP. 725–734.
Gonzalez-Padron, T., Akdeniz, M.B. & Calantone, R.J., (2014), “Benchmarking sales staffing efficiency in dealerships using extended data envelopment analysis’, Journal of Business Research, Vol. 67, No. 9, PP. 1904–1911.
Habibi,A. Firouzi Jahantigh ,F. Sarafrazi, A., (2015) “Fuzzy Delphi Technique for Forecasting and Screening Items”, International Journal of Production Research, Vol. 72, No. 3, PP. 314–332.
Hashemkhani Zolfani, S. (2013), “Decision making on business issues with foresight perspective; an application of new hybrid MCDM model in shopping mall locating”, Expert Systems with Applications, Vol. 40, No. 17, PP. 7111–7121.
Karsak EE, Ahiska SS (2005), “Practical common weight multi-criteriadecision-making approach with an improved discriminating powerfor technology selection”, International Journal of Production Research, Vol. 43, No. 8, PP. 537–1554.
Keršuliene, V., Zavadskas, E.K. & Turskis, Z. )2010), “Selection of rational dispute resolution method by applying new stepwise weight assessment ratio analysis (SWARA)”, Journal of Business Economics and Management, Vol. 11, No. 2, PP. 243–258.
Neely, A., Adams, C. & Crowe, P., (2001), “The performance prism in practice”, Measuring business excellence, Vol. 5, No. 2, PP. 6–13.
Neely, A.D., Adams, C. & Kennerley, M., (2002), “The performance prism: The scorecard for measuring and managing business success”, Prentice Hall Financial Times London.
Popescu, C. (2013), “A Data Envelopment Analysis for Evaluating Romania’s Health System”, 2Nd World Conference on Business, Economics and Management WCBEM 2013
Sexton TR, Silkman RH, Hogan AJ (1986), “Data envelopment analysis: Critique and extensions”, Jossey-Bass, San Francisco.
Staniūnas, M. et al., (2013), “To modernize or not: Ecological–economical assessment of multi-dwelling houses modernization”, Archives of Civil and Mechanical Engineering, Vol. 13, No. 1, PP. 88–98.
Toloo M, Nalchigar S (2009) “A new integrated DEA model for finding most BCC-efficient DMU”, Applied Mathematics Model, No. 33, PP. 597–604.
Toloo, M., (2014), “Selecting and full ranking suppliers with imprecise data: A new DEA method”, The International Journal of Advanced Manufacturing Technology, Vol. 23, No. 3, PP. 34-51.
Vafaeipour, M. (2014), “Assessment of regions priority for implementation of solar projects in Iran: New application of a hybrid multi-criteria decision making approach”, Energy Conversion and Management, Vol. 86, PP. 653–663.
Zavadskas, E.K. (2012), “Multiple criteria decision support system for assessment of projects managers in construction”, International Journal of Information Technology & Decision Making, Vol. 11, No. 2, PP. 501–520.