مدل‌های تصمیم برای ارزیابی و انتخاب تامین کنندگان در حضور داده‌های اصلی ‏و ترتیبی، محدودیت‌های وزنی و عوامل غیرقابل کنترل: یک رویکرد مبتنی بر ‏dea‏ با مرز دوگانه

انتخاب تامین کننده‌ی مناسب برای برون‌سپاری اکنون یکی از مهم‌ترین تصمیمات بخش خرید است. این ‏تصمیمات بخش مهمی از مدیریت تولید و تدارکات برای بسیاری از بنگاه‌ها هستند. بعلاوه، تامین کنندگان را ‏می‌توان به صورت نسبی از دیدگاه‌های خوشبینانه و بدبینانه ارزیابی و انتخاب کرد. روش تحلیل پوششی ‏داده‌ها برای اندازه‌گیری کارایی سیستم‌های تولیدی به کار می‌رود که ورودی‌های متعددی را مصرف ‏می‌کنند ‏و خروجی‌های متعددی را تولید می‌نمایند. در شرایط نرمال، مطلوب این است که ورودی‌های کمتری ‏مصرف ‏شوند و خروجی‌های بیشتری تولید شوند، زیرا این کار منجر به کارایی بالاتری می‌شود. این مقاله یک رویکرد ‏جدید «تحلیل پوششی داده‌ها با مرز دوگانه» را برای ارزیابی و انتخاب تامین کنندگان پیشنهاد می‌کند. رویکرد ‏تحلیل پوششی داده‌ها با مرز دوگانه، می‌تواند بهترین تامین کننده را در حضور محدودیت‌های وزنی، عوامل ‏غیرقابل کنترل، و داده‌های اصلی و ترتیبی شناسایی کند. در این رویکرد، پیشنهاد می‌شود که هر دو کارایی ‏خوشبینانه و بدبینانه نسبی را در قالب یک کارایی میانگین هندسی ادغام کنیم. کارایی میانگین هندسی نشان ‏دهنده‌ی عملکرد کلی هر تامین کننده می‌باشد. مشاهده می‌شود که کارایی میانگین هندسی قدرت افتراق ‏بیشتری نسبت به هر کدام از دو کارایی خوشبینانه و بدبینانه دارد. یک مثال عددی کاربرد روش پیشنهادی را ‏نشان می‌دهد.‏

Decision models for evaluation and selection of suppliers in the presence of ‎cardinal and ordinal data, weight restrictions, and non-discretionary factors: ‎An approach based on DEA with double frontiers

Selection of suppliers for outsourcing is now one of the most important decisions of the purchasing ‎department. These decisions constitute an important part of the production and logistics ‎management in many firms. On the other hand, suppliers can be evaluated and selected from ‎optimistic and pessimistic perspectives. There is an argument that both points of view must be ‎considered simultaneously, and any approach that considers only one perspective is biased. This ‎paper proposes a new “data envelopment analysis (DEA) with double frontiers” approach for ‎evaluation and selection of suppliers. The DEA with double frontiers approach can identify the best ‎supplier in the presence of weight restrictions, nondiscretionary factors, and cardinal and ordinal ‎data. This paper proposes to integrate both efficiencies in the form of a geometric mean efficiency ‎that measures the overall performance of each supplier. It is shown that geometric mean efficiency ‎has more discriminative power than any of the optimistic and pessimistic efficiencies. A numerical ‎example illustrates the application of the proposed method.‎