ارایه رویکرد توسعه‌ای جدید DEA و TOPSIS برای رتبه‌بندی کارایی (مطالعه موردی شرکت‌های سیمان پذیرفته شده در بورس اوراق بهادار)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه مهندسی صنایع، دانشگاه پیام نور، تهران، ایران

2 گروه مهندسی صنایع، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران

چکیده

برای افزایش توان رقابتی سازمان­ها، راه­کارهای متعددی وجود دارد. یکی از بهترین راه­کارهای ارائه شده، بهبود بهره­وری و کارایی است. روش تحلیل داده­ها (DEA) که یک روش ریاضی و از بهترین روش­های ناپارامتریک است، کارایی سازمان­ها را بر اساس متغیرهای ورودی و خروجی اندازه­گیری می­کند. واحدهایی که نمره کارایی آن­ها برابر یک شود، کارا هستند. همچنین با استفاده از روش اندرسون-پیترسون (AP) واحدهای کارا رتبه­بندی می­شوند. در این تحقیق، یک روش توسعه­ای جدید برای ارزیابی و رتبه­بندی سازمان­ها بر اساس امتیاز کارایی ارائه گردیده است. مطالعه موردی تحقیق ارزیابی کارایی شرکت­های سیمان پذیرفته شده در بورس اوراق بهادار است که با استفاده از مدل جمعی و اندرسون-پیترسون، رتبه­بندی شدند. همچنین رتبه شرکت­ها با استفاده از مدل توسعه­ای جدید و مدل TOPSIS محاسبه و با یکدیگر مقایسه گردید. نتایج نشان داد که رتبه شرکت­ها با استفاده از مدل توسعه­ای جدید (N-DEA) راه­حل مناسبی جهت محاسبه کارایی و رتبه­بندی واحدهای تصمیم­گیرنده است.

کلیدواژه‌ها


[1] عبدالله­زاده، سهراب؛ عبدالله­زاده، جعفرصادق. (1394). رتبه­بندی بهبود عملکرد مراحل زنجیره تأمین در اثر استانداردسازی ملی، مجله تحقیق در عملیات در کاربردهای آن، سال دوازدهم، شماره سوم، صص 33-23.

[2] اصغرپور، محمدجواد. (1394). تصمیم­گیری چندمعیاره، چاپ چهاردهم، تهران: انتشارات دانشگاه تهران.

[3] علی­نژاد ساروکلائی، مهدی؛ ساعتی، صابر. (1395). ارائه مدل تحلیل پوششی داده­های مبتنی بر زمان در تحلیل صورت­های مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران، مجله تحقیق در عملیات در کاربردهای آن، سال سیزدهم، شماره چهارم، صص 65-55.

[4] Benbarka, A. (2007). Assessment of manufacturing performance using data envelopment analysis. The University of Texas at Arlington. 

[5] Zanakis, S.H, Solomon, A., Wishart, N. & Dublish, S. (1998). Multi-attribute decision making: A simulation comparison of selection methods. European Journal of Operational Research, 107, 507–529.

[6] Banihashemi, S. A., & Rejaei, Z. (2015). Analysis of Digital Divide in Asia-Islamic Countries: A TOPSIS Approach. Journal of Asian Scientific Research,. 5(4), 165-176.

[7] Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society. Series A (General), 120(3), 253-290.

[8] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.

[9] Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078-1092.

[10] Aigner, D., Lovell, C. K., & Schmidt, P. (1977). Formulation and estimation of stochastic frontier production function models. Journal of econometrics, 6(1), 21-37.

[11] Phillips, F. (2005). 25 years of data envelopment analysis. International journal of information technology & decision making, 4(3), 317-323.

[12] Rousseau, J. J., & Semple, J. H. (1995). Two-person ratio efficiency games. Management Science, 41(3), 435-441.

[13] Akçay, A. E., Ertek, G., & Büyüközkan, G. (2012). Analyzing the solutions of DEA through information visualization and data mining techniques: SmartDEA framework. Expert Systems with Applications, 39(9), 7763-7775.

[14] Doyle, J., & Green, R. (1994). Efficiency and cross-efficiency in DEA: Derivations, meanings and uses. Journal of the operational research society, 45(5), 567-578.

[15] Köksalan, M., & Tuncer, C. (2009). A DEA-based approach to ranking multi-alternatives. International Journal of Information Technology & Decision Making, 8(01), 29-54.

[16] Jenkins, L., & Anderson, M. (2004). A comparison of data envelopment analysis using fewer variables versus principal components. Dept of Business Administration Royal Military College of Canada, 15.

[17] Jahantigh, M., Hosseinzadeh Lotfi, F., & Moghaddas, Z. (2013). Ranking of DMUs by using TOPSIS and different ranking models in DEA. International Journal of Industrial Mathematics, 5(3), 217-225.

[18] Rezaie, K., Ramiyani, S. S., Nazari-Shirkouhi, S., & Badizadeh, A. (2014). Evaluating performance of Iranian cement firms using an integrated fuzzy AHP–VIKOR method. Applied Mathematical Modelling, 38(21), 5033-5046.

[19] Chen, J. F., Hsieh, H. N., & Do, Q. H. (2015). Evaluating teaching performance based on fuzzy AHP and comprehensive evaluation approach. Applied Soft Computing, 28, 100-108.

[20] Ng, C. Y. (2016). Evidential reasoning-based Fuzzy AHP approach for the evaluation of design alternatives’ environmental performances. Applied Soft Computing, 46, 381-397.

[21] Modak, M., Pathak, K., & Ghosh, K. K. (2017). Performance evaluation of outsourcing decision using a BSC and Fuzzy AHP approach: A case of the Indian coal mining organization. Resources Policy, 52, 181-191.

[22] Chang, S. C. (2011). Returns to scale in DEA models for performance evaluations. Technological Forecasting and Social Change, 78(8), 1389-1396.

[23] Fenyves, V., Tarnóczi, T., & Zsidó, K. (2015). Financial Performance Evaluation of agricultural enterprises with DEA Method. Procedia Economics and Finance, 32, 423-431.

[24] Wanke, P., Barros, C. P., & Nwaogbe, O. R. (2016). Assessing productive efficiency in Nigerian airports using Fuzzy-DEA. Transport Policy, 49, 9-19.

[25] Ahn, H., & Novoa, N. V. (2016). The decoy effect in relative performance evaluation and the debiasing role of DEA. European Journal of Operational Research, 249(3), 959-967.

[26] Gong, S., Shao, C., & Zhu, L. (2017). Energy efficiency evaluation based on DEA integrated factor analysis in ethylene production. Chinese Journal of Chemical Engineering. In Press.

[27] Martí, L., Martín, J. C., & Puertas, R. (2017). A DEA-logistics performance index. Journal of Applied Economics, 20(1), 169-192.

[28] Tavana, M., Li, Z., Mobin, M., Komaki, M., & Teymourian, E. (2016). Multi-objective control chart design optimization using NSGA-III and MOPSO enhanced with DEA and TOPSIS. Expert Systems with Applications, 50, 17-39.

[29] Rosić, M., Pešić, D., Kukić, D., Antić, B., & Božović, M. (2017). Method for selection of optimal road safety composite index with examples from DEA and TOPSIS method. Accident Analysis & Prevention, 98, 277-286.

[30] Sinuany‐Stern, Z., Mehrez, A., & Hadad, Y. (2000). An AHP/DEA methodology for ranking decision making units. International Transactions in Operational Research, 7(2), 109-124.

[31] Korpela, J., Lehmusvaara, A., & Nisonen, J. (2007). Warehouse operator selection by combining AHP and DEA methodologies. International Journal of Production Economics, 108(1), 135-142.

[32] Azadeh, A., Ghaderi, S. F., & Izadbakhsh, H. (2008). Integration of DEA and AHP with computer simulation for railway system improvement and optimization. Applied Mathematics and Computation, 195(2), 775-785.

[33] Lin, M. I., Lee, Y. D., & Ho, T. N. (2011). Applying integrated DEA/AHP to evaluate the economic performance of local governments in China. European Journal of Operational Research, 209(2), 129-140.

[34] Yu, P., & Lee, J. H. (2013). A hybrid approach using two-level SOM and combined AHP rating and AHP/DEA-AR method for selecting optimal promising emerging technology. Expert Systems with Applications, 40(1), 300-314.

[35] Ar, I. M., & Kurtaran, A. (2013). Evaluating the relative efficiency of commercial banks in Turkey: an integrated AHP/DEA approach. International Business Research, 6(4), 129.

[36] Altamirano-Corro, A., & Peniche-Vera, R. (2014). Measuring the institutional efficiency using dea and ahp: the case of a mexican university. Journal of applied research and technology, 12(1), 63-71.

[37] Kumar, A., Shankar, R., & Debnath, R. M. (2015). Analyzing customer preference and measuring relative efficiency in telecom sector: A hybrid fuzzy AHP/DEA study. Telematics and Informatics, 32(3), 447-462.

[38] Lai, P. L., Potter, A., Beynon, M., & Beresford, A. (2015). Evaluating the efficiency performance of airports using an integrated AHP/DEA-AR technique. Transport Policy, 42, 75-85.

[39] Li, X., Liu, Y., Wang, Y., & Gao, Z. (2016). Evaluating transit operator efficiency: An enhanced DEA model with constrained fuzzy-AHP cones. Journal of Traffic and Transportation Engineering (English Edition), 3(3), 215-225.

[40] Otay, İ., Öztayşi, B., Onar, S. Ç., & Kahraman, C. (2017). Multi-expert Performance Evaluation of Healthcare Institutions Using an Integrated Intuitionistic Fuzzy AHP & DEA Methodology. Knowledge-Based Systems.

[41] Mousavi-Nasab, S. H., & Sotoudeh-Anvari, A. (2017). A comprehensive MCDM-based approach using TOPSIS, COPRAS and DEA as an auxiliary tool for material selection problems. Materials & Design, 121, 237-253.

[42] Babaee, S., Bagherikahvarin, M., Sarrazin, R., Shen, Y., & Hermans, E. (2015). Use of DEA and PROMETHEE II to Assess the Performance of Older Drivers. Transportation research Procedia, 10, 798-808.

[43] Bagherikahvarin, M., & De Smet, Y. (2016). A ranking method based on DEA and PROMETHEE II (a rank based on DEA & PR. II). Measurement, 89, 333-342.