ارزیابی و انتخاب تامین کننده به وسیله‌ی مدل‌های deaی بازه‌ای با ناحیه‌ی اطمینان: یک رویکرد dea با مرزهای کارآ و ناکارآ

به طور سنتی، مدل‌های ارزیابی و انتخاب تامین کننده مبتنی بر داده‌های اصلی با تاکید کمتر بر روی داده‌های ترتیبی بوده‌اند. اما با استفاده‌ی گسترده از فلسفه‌های تولید، مانند تولید بهنگام، تاکید بیشتری بر لحاظ کردن همزمان داده‌های اصلی و ترتیبی در فرآیند انتخاب تامین کننده می‌شود. کاربرد تحلیل پوششی داده‌ها (dea) برای مسایل ارزیابی و انتخاب تامین کننده مبتنی بر انعطاف‌پذیری کامل وزن‌ها است. با این حال، مشکل مجاز دانستن انعطاف‌پذیری کامل وزن‌ها آن است که مقادیر وزن به دست آمده با حل برنامه‌ی deaی نامقید غالباً با نظرات قبلی یا اطلاعات موجود اضافی در تعارض است. هدف این مقاله پیشنهاد مدل‌های deaی بازه‌ای با ناحیه‌ی اطمینان برای ارزیابی و انتخاب بهترین تامین کننده در حضور محدودیت‌های وزنی و داده‌های نادقیق است. این مقاله رویکرد جدیدی مبتنی بر «dea با مرزهای کارآ و ناکارآ» را برای ارزیابی و انتخاب بهترین تامین کننده در حضور محدودیت‌های وزنی و داده‌های نادقیق پیشنهاد می‌کند. در این رویکرد، همزمان کارآیی‌های خوشبینانه و بدبینانه‌ی هر تامین کننده در نظر گرفته می‌شوند. وقتی که قیود ناحیه‌ی اطمینان به مدل‌های خوشبینانه‌ی dea بازه‌ای اضافه می‌شوند، نمرات بازه‌ی کارآیی محاسبه شده بدتر می‌شوند، و یک تامین کننده که قبلاً به عنوان کارآی خوشبینانه تعیین شده بود، ممکن است غیرکارآی خوشبینانه شناخته شود. وقتی که قیود ناحیه‌ی اطمینان به مدل‌های بدبینانه‌ی deaی بازه‌ای اضافه می‌شوند، نمرات بازه‌ی کارآیی محاسبه شده بهبود می‌یابند، و یک تامین کننده که قبلاً به عنوان ناکارآی بدبینانه شناسایی می‌شد، ممکن است غیرناکارآی بدبینانه شناخته شود. در مقایسه با deaی سنتی، رویکرد dea با مرزهای کارآ و ناکارآ می‌تواند بهترین تامین کننده را به درستی و به آسانی شناسایی کند. یک مثال عددی کاربرد رویکرد پیشنهادی را نشان می‌دهد..

Evaluation and Selection of a Supplier by Interval DEA Models with Assurance Region: ADEA Approach to Efficient and Inefficient Frontiers

Traditionally, suppliers evaluation and selection models based on basic data put less emphasis on ordinal data; however, with the extensive use of production philosophies, such as Just In Time (JIT) production, further emphasis is put on considering cardinal and ordinal data simultaneously through the supplier selection process. Application of Data Envelopment Analysis (DEA) for the issues concerning the evaluation and selection of the supplier is based on the complete flexibility of weights. Yet, the problem is permissibility of complete flexibility of their weights, as the weight values obtained through the solving unrestricted DEA program are often contrary to the earlier viewpoints or the additional information. The present paper aims to propose interval DEA models with assurance region for evaluation and selection of the best supplier in the presence of weight restrictions and imprecise data. It proposes a new approach based on “DEA with efficient and inefficient frontiers” for evaluation and selection of the best supplier in the presence of weight restrictions and imprecise data. In this approach, optimistic and pessimistic efficiencies are considered simultaneously for each supplier. When the assurance region constraints are added to the interval DEA optimistic models, scores of calculated efficiency interval become worse and a supplier previously determined as the optimistic efficient supplier may be recognized as optimistic nonefficient. When the assurance region constraints are added to the interval DEA pessimistic models, scores of calculated efficiency interval are improved and a supplier previously recognized as a pessimistic inefficient supplier may be recognized as pessimistic noninefficient. Comparing traditional DEA, DEA approach with efficient and inefficient frontiers may recognize the best supplier correctly and conveniently. A numerical example shows the application of the proposed approach.