مدل نوین دو سطحی تحلیل پوششی دادهها برای سنجش کارایی و تعیین اهداف
در محیط رقابتی کسبوکار امروز، ارزیابی دقیق کارایی واحدهای تصمیمگیرنده (DMU) و تعیین اهداف واقعبینانه برای بهبود عملکرد، اهمیت بسزایی دارد. مقاله حاضر به معرفی یک مدل نوین دو سطحی تحلیل پوششی دادهها (DEA) میپردازد که میتواند نقش کلیدی در ارتقای بهرهوری سازمانها ایفا کند.
تحلیل پوششی دادهها (DEA) و اهمیت آن
DEA یکی از روشهای پرکاربرد برای سنجش کارایی نسبی واحدهای همگن است. مدلهای کلاسیک DEA، علیرغم مزایای فراوان، در تعیین اهداف قابل دسترس و واقعی برای واحدهای ناکارا با محدودیتهایی مواجهاند.
معرفی مدل دو سطحی جدید
مدل دو سطحی ارائهشده در این مقاله، با ساختاری منعطفتر نسبت به مدلهای سنتی، قادر است اهداف بهینه و عملیاتی برای هر واحد ناکارا تعیین کند. این رویکرد، فرآیند هدفگذاری را واقعبینانهتر و قابل اجرا میسازد.
ویژگیهای کلیدی مدل
- تعیین اهداف قابل دسترس برای واحدهای ناکارا
- افزایش دقت در سنجش کارایی
- قابلیت کاربرد در صنایع و بخشهای مختلف
کاربردهای عملی مدل دو سطحی DEA
این مدل میتواند در بخشهای تولیدی، خدماتی و حتی دولتی برای شناسایی نقاط ضعف و ارتقای بهرهوری مورد استفاده قرار گیرد. مدیران میتوانند با اتکا به نتایج مدل، تصمیمات استراتژیک بهتری اتخاذ نمایند.
نتیجهگیری
استفاده از مدل دو سطحی DEA میتواند به سازمانها در تعیین اهداف واقعبینانه و بهبود مستمر عملکرد کمک کند. این رویکرد زمینهساز ارتقای بهرهوری و رقابتپذیری در بازارهای مختلف خواهد بود.
رفرنس
S.H. Razavi Hajiagha, H. Amoozad Mahdiraji, M. Tavana. 2019. A new Bi-Level Data Envelopment Analysis Model for Efficiency Measurement and Target Setting. Measurement, Vol. 147, https://doi.org/10.1016/j.measurement.2019.106877 (WOS: Q1).
