|
|
|
|
یک مدل جدید dea معکوس برای تجدید ساختار واحدها (مطالعه‌ی موردی: بانک‌های تجاری عضو شورای همکاری خلیج فارس)
|
|
|
|
|
|
|
|
نویسنده
|
جهانگیری سعید ,قبادی سعید ,آوند مونا
|
|
منبع
|
مهندسي صنايع و مديريت شريف - 1401 - دوره : 38-1 - شماره : 2 - صفحه:89 -98
|
|
چکیده
|
این مقاله به مسئله‌ی «تجدید ساختار واحدها» بر پایه‌ی تحلیل پوششی داده‌های معکوس می‌پردازد. مسئله‌ی تجدید ساختار عبارت است از آن که یک مجموعه از واحدهای تصمیم‌گیرنده بر پایه‌ی هم‌افزایی از طریق ادغام یا هم‌افزایی معکوس از طریق انشعاب، اقدام به تولید مجموعه‌یی جدید از واحدهای تصمیم‌گیرنده به منظور بهبود کارایی می‌کند. در این مقاله مسئله‌ی تجدید ساختار واحدها (ادغام و انشعاب) بر پایه‌ی برنامه‌ریزی چندهدفی تحت مطالعه قرار گرفته و بر اساس شرایط از پیش معین کارایی برای هر یک از واحدهای جدید، مدل‌هایی برای تخمین ورودی‌ها (خروجی‌ها) پیشنهاد شده است. مهمترین مزایای مدل‌های پیشنهادی در مقایسه با سایر مدل‌های فراهم آورده شده، عبارت است از: الف) به دلیل به کارگیری از ابزار برنامه‌ریزی چندهدفی، امکان پیگیری اهداف چندگانه در مسئله‌ی تجدید ساختار برای تصمیم‌گیرنده فراهم می‌کند. ب) مدل‌های پیشنهادی دارای پیچیدگی محاسباتی کمتری هستند، زیرا تعداد متغیرها به شدت کاسته شده است. همچنین، برای ارزیابی عملکرد مدل‌های پیشنهادی، یک مثال عددی با داده‌های واقعی به کار گرفته شده است.
|
|
کلیدواژه
|
تحلیل پوششی داده‌ها، تحلیل پوششی داده‌های معکوس، تجدید ساختار واحدها، کارایی، برنامه‌ریزی چندهدفی
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد خمینی شهر, گروه ریاضی, ایران, دانشگاه آزاد اسلامی واحد خمینی شهر, گروه ریاضی, ایران, دانشگاه آزاد اسلامی واحد خمینی شهر, گروه ریاضی, ایران
|
|
پست الکترونیکی
|
mona.avand@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a new inverse dea model for units restructuring: a case study of commercial banks members of the persian gulf corporation council (gcc)
|
|
|
|
|
Authors
|
|
|
Abstract
|
a mathematical programming based non-parametric technique for the performance assessment of decision-making-units (dmus) with multiple inputs and outputs is considered in a general framework called data envelopment analysis (dea). dea models have been utilized for estimating the efficiency scores of the dmus with certain input-output levels. however, in the last two decades, various studies have been concentrated on the inverse dea as an analytical framework of dea to find the required inputs and outputs levels for achieving a predetermined efficiency target. the main aim in the inverse dea is to estimate the inputs and/or outputs for a special dmu to attain a given efficiency target while evaluating the performance of a specific dmu is the main objective in the dea analysis. inverse dea has been studied from both theoretical and practical aspects including sensitivity analysis, resource allocation, preserving or improving efficiency scores, and merging dmus to achieve the predetermined efficiency target. also, inverse dea has been employed for modeling generalized restructuring dmus. in a generalized restructuring a set of pre-restructuring dmus through consolidation/split to create synergy/reverse synergy, proceed with a restructuring to produce a new set of post-restructuring dmus to achieve predefined efficiency targets. this paper deals with the problem of units’ restructuring using inverse data envelopment analysis (dea). a generalized restructuring refers that a set of decision-making units based on synergies through mergers/acquisitions or reverse synergies through split, proceed with a restructuring to produce a new set of post-restructuring entities to improve efficiency. the problem of units’ restructuring is investigated in this paper, and to achieve a pre-specified efficiency level for each post-restructuring decision-making units, models for estimating inputs (outputs) have been proposed. the most important advantages of the proposed models, compared to other the provided models, as follows: i) due to the use of multi-objective programming (mop) tools, allows the decision maker to pursue multiple goals in the problem of restructuring units. ii) the proposed method has less computational complexity because the number of variables is greatly reduced.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|