عنوان انگلیسی مقاله:

Using Data Envelopment Analysis (DEA) for monitoring efficiency based performance of productivity driven organizations: Design and implementation of a decision support system

ترجمه عنوان مقاله: استفاده از تحلیل پوششی داده ها (DEA) برای پایش عملکرد کارایی محور سازمان های مبتنی بر بهره وری: طراحی و پیاده سازی یک سیستم پشتیبانی از تصمیم

$$$: فقط 18500 تومان

سال انتشار: 2013

تعداد صفحات مقاله انگلیسی: 12 صفحه

تعداد صفحات ترجمه مقاله: 28 صفحه

منبع: ساینس دایرکت و الزویر

نوع فایل: word

http://modir123.com/photo%20site/D-modir123.com%20_2_.png دانلود مقاله

 

فهرست مطالب
  • چکیده
  • مقدمه
  • کارکرد و ترکیب DSS
  • مرور اجزای ساختاری DSS
  • تحلیل پوششی داده ها (DEA)   
  • تحلیل خوشه ای (CA)
  • استنتاج درخت تصمیم (DT)
  • شبکه های عصبی (NN)
  • ساختار DSS
  • شکل 1. نمونه ای از یک DT
  • شکل 2. طراحی DSS پیشنهادی مبتنی بر DEA
  • مثال گویا
  • گام 1: الزامات سیستم 1.1
  • شکل 3.  SR1.1 کشف تغییرات در محیط رقابتی بیرونی- CA
  • شکل 4. SR1.2 شناسایی عوامل احتمالی که باعث ایجاد تغییرات شده اند- CA و DT
  • شکل 5. SR1.3 شناسایی کارایی نسبی موجودیت تجاری نسبت به رقبای خود- CA و DEA.
  • شکل 6. SR1.4 شناسایی عوامل مرتبط با تفاوت کارایی نسبی رقبا- CA، DEA و DT.
  • شکل 7. SR2.1 شناسایی عوامل موثر بر سطح فعلی کارایی نسبی فرایند ورودی- خروجی.
  • شکل 8. SR2.2 شناسایی موثرترین روش های افزایش سطح کارایی فرایند ورودی- خروجی.
  • گام 2: الزامات سیستم 2.1
  • گام 3: الزامات سیستم 3.1
  • جدول 1 سوالات مرتبط با الزامات سیستم
  • جدول 2 پیاده سازی ساختاری ممکن کارکردهای DSS
  • جدول 3 طراحی یک DSS- گام های و روش های مورد استفاده برای ایجاد اطلاعات قابل اجرا
  • جدول 4 الزامات DSS و توالی متناظر تکنیک ها
  • جدول 5 فهرست متغیرهای مورد استفاده در مدل های DEA
  • جدول 6 نتایج CA
  • جدول 7 نتایج تحلیل DT
  • جدول 8 نتایج DEA، میانگین امتیازات کارایی نسبی
  • جدول 9 نتایج DEA، شاخص Malmquist و اجزای EC و TC.
  • الزامات سیستم 4.1
  • جدول 10 قواعد تصمیم گیری ایجاد شده از طریق تحلیل DT.
  • گام 5: الزامات سیستم
  • گام 6: الزامات سیستم
  • جدول 11 استفاده از MR برای شناسایی مکمل های بین متغیرهای تولید مرتبط
  • جدول 12 استفاده از شبکه های عصبی برای شبیه سازی مقادیر خروجی های مدل DEA
  • جدول 13 نتایج DEA خروجی محور، شبیه سازی شد
  • نتیجه گیری
  • ضمیمه
  • جدول A1 متغیرهای مورد استفاده برای اجرای CA.
  • منابع

ترجمه چکیده مقاله

ماهیت رقابتی محیط تجاری، آگاهی سازمان های مبتنی بر بهره وری را ازسطح نسبی اثربخشی و کارایی خود در برابر رقبا الزامی می سازد. این موضوع اولاً نشان دهنده نیاز به مکانیزمی موثر است که امکان کشف مدل های بهره وری مناسب را برای بهبود عملکرد سازمانی کلی فراهم کند و ثانیاً بیانگر نیاز به یک مکانیزم بازخوردی است که امکان ارزیابی مدل های بهره وری مختلف را به منظور انتخاب مناسب ترین مدل فراهم کند. ما در این مقاله بر سازمان هایی تمرکز می کنیم که وضعیت محیط سازمانی درونی (برای مثال احتمالاً نماینده دیدگاه منبع محور هستند) و بیرونی (برای مثال احتمالاً نماینده دیدگاه موقعیت یابی هستند) خود را در فرموله سازی استراتژی های خود در نظر می گیرند. ما یک سیستم پشتیبانی از تصمیم (DSS) مبتنی بر DEA را پیشنهاد و آزمایش می کنیم که هدف آن ارزیابی و مدیریت عملکرد نسبی چنین سازمان هایی است.

کلیدواژه ها: بهره وری، محیط های پویا، کارایی، DEA، DSS، داده کاوی، خوشه بندی، درخت تصمیم

ترجمه مقدمه مقاله

موجودیت های سازمانی نوین معمولاً در محیط های پویا و رقابتی فعالیت می کنند. در این محیط، مسائل مهم بقا و پیشرفت سازمانی اغلب منجر به درخواست بهبود در سطوح اثربخشی و کارایی می شود [64]. اما به دلیل نسبی بودن مفاهیم کارایی و اثربخشی، سازمان های مبتنی بر بهره وری باید عملکرد رقبای خود را در نظر بگیرند. به دلیل آنکه ماهیت پویای محیط کسب و کار موجب تغییر سطح عملکرد سازمان های رقیب در طول زمان می شود و در صورت بهبود کارایی رقیب، سازمان مبتنی بر تکنولوژی باید با بهبود کارایی خود به آن پاسخ بدهد.

هرچند برخی از بهبودها در بهره وری مستلزم تغییرات ساختاری شدید نیستند و فقط نیازمند نوعی بهبود تدریجی در سطح عملکرد هستند (مثل TQM، BPI و غیره)، اما تغییرات قابل توجه در سطح اثربخشی و کارایی اغلب مستلزم سازماندهی مجدد ساختاری (مثل ERP، BPR و غیره) است که می تواند باعث ایجاد دوره های رفتار بی ثبات شود که در صورت عدم مدیریت می تواند افزایش یابد و به هرج و مرج تبدیل شود [52]. در نتیجه، در یک محیط کسب و کار پویا هر مدل استاتیکی که برای توصیف رابطه بین ورودی ها و خروجی ها به کار گرفته شود فایده و امکانپذیری کمتری در دوره های بی ثباتی خواهد داشت. این امر اولاً نشان دهنده نیاز به مکانیزمی است که امکان کشف مدل های بهره وری مناسب برای بهبود عملکرد سازمانی کلی را فراهم کند [24] و ثانیا بیانگر نیاز به یک مکانیزم بازخوردی است که امکان ارزیابی مدل های بهره وری مختلف را به منظور انتخاب مناسب ترین مدل فراهم کند.

هدف کلی این تحقیق، ارائه و آزمایش یک سیستم پشتیبانی از تصمیم (DSS) است که هدف آن ارزیابی و مدیریت عملکرد نسبی سازمان ها است. ما بر سازمان هایی تمرکز می کنیم که وضعیت محیط سازمانی درونی (برای مثال احتمالاً نماینده دیدگاه منبع محور هستند) و بیرونی (برای مثال احتمالاً نماینده دیدگاه موقعیت یابی هستند)خود را در فرموله سازی استراتژی های خود در نظر می گیرند به طوری که دستیابی به یک هدف سازمانی به سطح عملکردی بستگی دارد که معمولاً بر حسب سطح کارایی استفاده از ورودی ها، اثربخشی ایجاد خروجی ها و کارایی تبدیل ورودی ها به خروجی ها اندازه گیری می شود. این موضوع نشان می دهد که یکی از تکنیک های مهم تشکیل دهندهDSS ما تحلیل پوششی داده ها (DEA) است که به طور گسترده از سوی پژوهشگران و متخصصان به منظور اندازه گیری بهره وری و عملکرد نسبی به کار می رود [74 , 7, 17, 15, 73, 26, 63]. با وجود این، تکنیک های دیگری نیز برای پاسخگویی به سوالات مختلف مرتبط با جستجوی مناسب ترین مدل بهره وری با توجه به بقا و پیشرفت از سوی سازمان ها مورد نیاز است. ما در این تحقیق بر سوالات زیر در ارتباط با الزامات سیستم تمرکز می کنیم:

ساختار تحقیق ما به این شکل است. بخش 1 کارکرد و ترکیب سیستم پیشنهادی را توضیح می دهد. بخش 2 خلاصه ای از عناصر ساختاری DSS پیشنهادی را ارائه می کند. بخش 3 طراحی DSS را نشان می دهد. بخش 4 مثالی گویا از DSS را در عمل ارائه می کند. پس از آن یک نتیجه گیری خلاصه ارائه می شود.

ترجمه نتیجه گیری مقاله

ما در این مقاله یک DSS مبتنی بر DEA را ارائه کردیم که امکاناتی برای ارزیابی و مدیریت عملکرد نسبی سازمان های مبتنی بر بهره وری فراهم می کند که در محیط های بی ثبات فعالیت می کنند. طراحی DSSما بر اساس مجموعه ای از الزامات سیستم (جدول 1 را مشاهده کنید) هدایت شده است که کاملاً با تلاش های سازمان های مبتنی بر بهره وری برای شناسایی و ارزیابی مدل های مختلف بهره وری به منظور انتخاب مناسب ترین مدل برای سازمانی خاص مرتبط است. این الزامات، مجموعه ای از قابلیت های DEAرا به همراه قابلیت های تکنیک های مختلف داده کاوی و نیز چارچوب های نظری ایجادشده پیشنهاد کرده است (یعنی حسابداری رشد نئوکلاسیک). DSS به دست آمده در تمام سطوح سازمانی از جمله سطح کشور و سطح بنگاه قابل اجرا است. ما در این مقاله، امکانپذیری و کاربردپذیری این DSS را در موجودیت های سازمانی سطح کشور نشان دادیم.

باید توجه داشت که هرچند سایر مطالعات، تکنیک های داده کاوی (DM) را با DEA ترکیب کرده اند اما تا جایی که ما می دانیم این اولین مطالعه ای است که یک مدل پشتیبانی از تصمیم DEA-DM را ترکیب کرده است که می تواند به مسائل مختلف مرتبط با بهره وری (جدول 1) پاسخ بدهد. همچنین باید توجه داشت که هرچند ما از مجموعه خاصی از تکنیک های داده کاوی استفاده کردیم اما از سایر تکنیک ها نیز می توان استفاده کرد. برای مثال، می توان از اسپلاین رگرسیون ها به جای رگرسیون استفاده کرد. به طور مشابه مدل DSS ما امکان استفاده از سایر چارچوب های نظری را برای ارزیابی مسائلی نظیر مکمل بودن فراهم می کند. نتایج این پژوهش نشان می دهد که بررسی بیشتر مدل های مبتنی بر DEAاز جمله تکنیک هایمختلف داده کاوی و چارچوب های نظری برای ارزیابی مسائل مختلف مرتبط با بهره وری می تواند حوزه مفیدی برای طراحی پژوهش های علمی باشد.

چکیده انگلیسی مقاله

The competitive nature of the business environment requires the productivity-driven organization to be aware of its relative level of effectiveness and efficiency vis-à-vis its competitors. This suggests the need, first, for an effective mechanism that allows for discovering appropriate productivity models for improving overall organizational performance, and, second for a feedback-type mechanism that allows for evaluating multiple productivity models in order to select the most suitable one. In this paper our focus is on organizations that consider the states of their internal (e.g., possibly exemplified by resource-based view) and external (e.g., possibly exemplified by positioning) organizational environment in the formulation of their strategies. We propose and test a DEA-centric Decision Support System (DSS) that aims to assess and manage the relative performance of such organizations.

Keywords: Productivity, Dynamic environments, Efficiency, DEA, DSS, Data mining, Clustering, Decision Tree

مقدمه انگلیسی مقاله

Modern organizational entities typically operate in dynamic, competitive environments. Within this context, the critical issues of organizational survival and advancement often lead to calls for improvements in the levels of effectiveness and efficiency [64]. However, due to the relativity of the concepts of efficiency and effectiveness, productivity-driven organizations must take into consideration the performance of their competitors. For the dynamic nature of the business environment will cause the levels of performance of competing organizations to change over time, and if the efficiency of the competitors has improved, then a productivity-driven organization must respond with its own improvements in efficiency. Although some improvements in productivity do not require any drastic structural transformations but simply call for a gradual type of improvements in the level of performance (e.g., TQM, BPI, etc.), significant changes in the levels of effectiveness and efficiency often require structural reorganizations (e.g., ERP, BPR, etc.) that could result in periods of unstable behavior, which, if not managed, could escalate and become chaotic [52]. Resultantly, in a dynamic business environment any static model that is used to describe the relationship between inputs and outputs will have limited usefulness and feasibility in periods of instability. This suggest the need, first, for an effective mechanism that allows for discovering appropriate productivity models for improving overall organizational performance [24] and, second for a feedback-type mechanism that allows for evaluating multiple productivity models in order to select the most suitable one. The overall goal of this investigation is to propose and test a Decision Support System (DSS) that aims to assess and manage the relative performance of organizations. We focus on organizations that consider the states of their internal (e.g., possibly exemplified by resource-based view) and external (e.g., possibly exemplified by positioning) organizational environment in the formulation of their strategies, such that the achievement of an organizational goal is dependent on the level of performance that is commonly measured in terms of the levels of the efficiency of utilization of inputs, effectiveness of the production of outputs, and efficiency of conversion of inputs into outputs. This suggests that an important component technique of our DSS is Data Envelopment Analysis (DEA), which is widely used by researchers and practitioners for the purposes of measuring productivity and relative performance [74], [7], [17], [15], [73], [26] and [63]. However, other techniques are also required for providing answers to several questions that are relevant to the organization’s search for the productivity model that is most suitable with respect to survival and advancement. In this investigation we focus on the following questions related to system requirements: We present our investigation as follows. Part One outlines the functionality and composition of the proposed system. Part Two offers an overview of the structural elements of the proposed DSS. Part Three outlines the design of DSS. Part Four offers an illustrative example of the DSS in action. A brief conclusion follows.

نتیجه گیری انگلیسی مقاله

In this paper we presented a DEA-centric DSS that provides facilities for assessing and managing the relative performance of productivity driven organizations that operate in unstable environments. The design of our DSS was guided by a set of system requirements (see Table 1) that are highly relevant to a productivity driven organization’s efforts to identify and evaluate multiple productivity models in order to select the most suitable one for the given organization. These requirements suggested a coupling of the capabilities of DEA with capabilities of multiple data mining techniques as well as established theoretical frameworks (i.e., neo-classical growth accounting). The resulting DSS is applicable to different organizational levels, including the country level and the firm level. In this paper we demonstrated the feasibility and usability of this DSS on country-level organizational entities. It should be noted that while other studies have combined data mining (DM) techniques with DEA, to the best of our knowledge this is the first study that has provided an integrated DEA-DM decision support model that can address the multiple productivity-related issues listed in Table 1. It should also be noted that while we utilized a specific set of data mining techniques that other techniques could also be utilized. For example, regressions splines could be used instead of regression. Similarly our DSS model allows for the utilization of other theoretical frameworks for addressing the issues such as complementarity. The results of this research suggests that additional exploration of integrated DEA-centric models involving multiple DM techniques and theoretical frameworks for addressing multiple productivity-related issues could be a fruitful area of design science research.

 

 

مطالب مرتبط