تحلیل پوششی داده های شبکه ای نایقین با ساختار موازی و ورودی ها و خروجی های نادقیق (مطالعه موردی: سازمان تامین اجتماعی)

تحلیل پوششی داده ها یک روش موثر برای ارزیابی کارایی نسبی واحدهای تصمیم گیرنده است. رو ش های کلاسیک، هر واحد سازمانی را به صورت جعبه سیاه در نظر گرفته و ارزیابی را به ورودی های اولیه و خروجی های نهایی، محدود و از فرآیندهای داخلی غفلت می ورزد که این مشکل با معرفی و بکارگیری تحلیل پوششی داده ها در ساختارهای شبکه ای جهت تحلیل دقیق تر کارایی با درنظر گرفتن فرآیندهای داخلی آن، مرتفع گردیده است. در اکثر مدل های ارایه شده، ورودی ها و خروجی های واحدهای تصمیم گیری، قطعی می باشند اما در بسیاری از موارد، این داده ها با روش های دقیق، قابل اندازه گیری نیستند. لذا این مقاله، به دنبال معرفی یک مدل جدید تحلیل پوششی داده های شبکه ای نایقین با ساختار موازی با درنظرگرفتن ورودی ها و خروجی ها به عنوان متغیرهای نایقین، می باشد. رویکرد مورد استفاده، توسعه مدل ریاضی از بعد نظری، اثبات خواص نظری مدل، اعتبار ریاضی و کاربردی نمودن آن است.

در این مقاله از مفروضات تیوری نایقینی و مدل های تحلیل پوششی داده های شبکه ای با ساختار موازی برای ارزیابی واحدهای تصمیم گیرنده شبکه ای با ساختار موازی و ورودی ها و خروجی های نادقیق، استفاده شده است.

یافته ها: 

با توجه به نتایج اجرای مدل پیشنهادی در سازمان تامین اجتماعی، کارایی تمامی واحدهای تصمیم گیرنده و بخش های زیر مجموعه آن، بین صفر و یک ارزیابی گردیده است.

نتیجه گیری:

 به دلیل کثرت بخش های زیرمجموعه، هیچ کدام از دوازده اداره کل بیمه ای تامین اجتماعی به عنوان واحدهای تصمیم گیرنده، کارا (نمره کارایی یک) نبوده است اما در میان 313 شعبه، سه شعبه کارا ارزیابی گردیدند. نتایج نهایی اجرای مدل نایقین، مفروضات مدل قطعی را اثبات نمود.