مدلی ریاضی مبتنی بر تحلیل پوششی داده ها برای تعیین استراتژی‌های رقابتی با درنظرگرفتن اندازه سازمان و پارامترهای همبسته (کاربرد موردی صنعت بیمه)

از آنجایی که سهم بازار کسب شده به عنوان یک شاخص کلیدی در شرکت‌های بیمه و یک پارامتر از نوع همبسته قلمداد می‌شود، (مجموع سهم بازار کسب شده توسط تمام رقبا بر حسب درصد برابر صد در صد است )، از طرفی حداکثر مقدار قابل کاهش در میزان منابع بکار رفته (ورودی‌ها) جهت رسیدن به مرز کارایی تابعی از میزان بزرگی ورودی می‌باشد، با این حال مدل‌های کلاسیک dea قادر به در نظر گرفتن موارد ذکر شده نیستند. لذا معمولاً نتایج حاصل از مدل‌های مذکور غیر واقعی بوده و معتبر نیستند، در این تحقیق یک مدل ریاضی مبتنی بر dea جهت تعیین استراتژی‌های رقابتی با در نظر گرفتن پارامترهای همبسته و اندازه سازمان‌های بیمه ارایه شده است، نتایج حاکی از این بود که بکارگیری مدل پایه ای ccr جهت حل مساله مورد بررسی دارای نتایجی غیر عملی و متناقض با شرایط و محدودیت‌های دنیای واقعی است. این در حالی است که مدل پیشنهادی تحقیق بسیار کاراتر عمل کرده و نتایج حاصل از آن حاکی از این بود که مدل پیشنهادی، نقاط ضعف مدل های پایه‌ای dea را در حوزه این مسایل به خوبی برطرف کرده است.

A DEAbased Mathematical Model to Determine the Competitiveness Strategies, Considering the Correlation Between parameters of and size of DMUs: Case Study in Insurance Industry

Since the acquisition of the market share is a correlational parameter, (the sum of the total market share of the competing organizations must be 100 percent) and the maximum in the present study, a DEAbased mathematical model was proposed to specify the competition strategies considering the correlational parameters and the magnitude and dimensions of insurance organizations. To examine the efficiency and the reliability of the proposed model, a real problem was solved in the domain of insurance industry and the results were compared with those of the basic CCR model. The findings revealed that the use of the basic CCR model to solve the problem produces unrealistic results that contradict the conditions and constraints of the real world. This was the case despite the fact that the proposed model proved more efficient and the results suggested that the proposed model improved the weaknesses of the basic DEA models in the domain of insurance institutes