روشی مبتنی بر تحلیل پوششی داده ها برای شناسایی ناکارایی کاذب در سیستم های چندمرحله ای

مدل های استاندارد تحلیل پوششی داده ها، برای ارزیابی کارایی یک سیستم، اطلاعات ورودی و خروجی واحدهای تصمیم گیرنده را در یک دوره زمانی در نظر می گیرند؛ اما در برخی از سیستم های موردبررسی، چند دوره زمانی مجزا و مستقل از هم موردنظر است و کارایی کل سیستم به کارایی واحدهای تصمیم گیرنده در هر دوره زمانی وابسته خواهد بود. در این حالت ممکن است واحدی در تمام دوره ها کارا باشد اما کارای کل نباشد؛ که در این صورت با مفهومی به نام ناکارایی کاذب مواجهه خواهیم شد.

روش شناسی پژوهش: 

در این مقاله برای بررسی ناکارایی کاذب در سیستم های چند دوره ای، به جای استفاده از وزن ها که از هر دوره زمانی به دست می آید، با استفاده از مدل های تحلیل پوششی داده های نسبی، الگوریتمی سه مرحله ای پیشنهاد می شود. علت استفاده از مدل های نسبی به دلیل انعطاف پذیری آن ها و نزدیک تر بودن تقریب آن به واقعیت است.

یافته‎ ها:

 در گام اول الگوریتم، میانگین کارایی های دوره ای و در گام دوم کارایی سیستم به عنوان جعبه سیاه محاسبه می شود. نسبت حاصل از این دو کمیت، اگر عددی نزدیک به یک باشد، یعنی این دو برآورد به هم نزدیک هستند و ناکارایی کاذب وجود ندارد و اگر نسبت حاصل از یک بزرگ تر باشد در این صورت این دو برآورد از هم فاصله دارند و ناکارایی کاذب موجود است.

اصالت/ارزش افزوده علمی:

 مقایسه روش پیشنهادی بر روی داده های 22 بانک تجاری از تایوان در طی یک دوره زمانی سه ساله با روش پیشنهادی کایو و لیو [8] از لحاظ آماری دلالت بر کاهش پراکندگی اعداد کارایی داشت. همچنین آزمون های آماری حاکی از قوت روش پیشنهادی نسبت به روش کایو و لیو [8] می باشد.