ارزیابی عملکرد شرکت‌های تولید برق حرارتی با استفاده از تلفیق الگوریتم پیشنهادی bwm قابل اعتماد و مدل bsc (یک مطالعه موردی واقعی)

جهت حفظ و ارتقا جایگاه شرکت‌های تولید برق حرارتی در بازار رقابتی، ارزیابی عملکرد لازم است. bsc یکی از کارآمدترین مدل‌های ارزیابی عملکرد است. در این مدل، دو فرض مساوی بودن وزن منظرها و مساوی بودن وزن شاخص‌های ارزیابی عملکرد وجود دارد که لزوماً در مسائل واقعی برقرار نیست. bwm روشی قوی برای وزن‌دهی به شاخص‌ها در مسائل madm است. در این تحقیق بدون احتساب دو فرض یاد شده، الگوریتم bwm قابل اعتماد جهت حل مساله‌های madm با تعداد متفاوت شاخص‌ها و سطوح سلسله مراتب ارائه گردید. الگوریتم مزبور می‌تواند جواب قابل اعتمادتری برای برخی از مسائل واقعی ارائه دهد. سپس با تلفیق الگوریتم پیشنهادی با مدل bsc نسبت به تعیین وزن‌ شاخص‌های ارزیابی عملکرد در شرکت مدیریت بهره‌برداری تولید برق فارس اقدام شد. در شرکت مورد مطالعه، هفده شاخص ارزیابی عملکرد شناسایی و در چهار منظر مدل bsc طبقه‌بندی و وزن‌دهی شد. بر اساس یافته‌های به دست آمده، تلفیق الگوریتم پیشنهادی با مدل bsc می‌تواند رویکرد مناسبی جهت تعیین وزن‌ شاخص‌ها در راستای ارزیابی عملکرد شرکت‌های تولید برق حرارتی باشد. همچنین الگوریتم همگرا و قابل اعتماد بوده و می‌تواند نتایج قابل اطمینانی برای حل مساله‌های madm در وضعیت‌های مختلف تعداد شاخص‌ها و تعداد سطوح ساختار سلسه مراتب ارائه نماید.

Performance Evaluation of Thermal Power Generation Companies using Integrated Proposed Trustable BWM Algorithm and BSC Model

To keep and improve the position of thermal power generation companies in the competitive market, performance evaluation is necessary. BSC is one of the most efficient performance evaluation models. This model has two assumptions of equal weights of perspectives and equal weights of performance evaluation indicators, which are not necessarily true in realworld problems. BWM is a strong method for weighting criteria in MADM problems. This research presents a trustable BWM algorithm for solving MADM problems with various indicators and hierarchical levels without considering the two mentioned assumptions. This algorithm can provide more trustable solutions for some realworld problems. Then, the weight of performance evaluation indicators of Fars Power Generation Management Company was evaluated by integrating the proposed algorithm with the BSC model. Seventeen performance evaluation indicators were identified in this company. Then, the identified indicators were classified and weighted in four perspectives using the BSC model. Based on the results, the integration of the proposed algorithm with the BSC model can be a suitable approach to assigning weights to indicators as per the performance evaluation of thermal power generation companies. Also, the algorithm is convergent and trustable and can provide reliable results for solving MADM problems according to various number of indicators and hierarchical level numbers.