کاربرد تحلیل پوششی داده‌ها در اندازه‌گیری کارآیی نسبی مراکز تلفن شهری (مطالعه موردی: مخابرات منطقه آذربایجان‌شرقی)

مدیریت بهره‌وری

دوره 17، 3(66)پاییز، مهر 1402، صفحه 49-72   

نوع مقاله: علمی پژوهشی

شناسه دیجیتال (DOI): 10.30495/qjopm.2022.1901847.2879

نویسندگان

ابراهیم کیوان¹؛ سلیمان ایرانزاده^{* 2}

¹دانشجوی دکتری گروه مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

²استاد گروه مدیریت صنعتی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران

چکیده

پس از خصوصی‌سازی و پذیرش شرکت مخابرات ایران در بازار بورس، اطلاع از وضعیت کارایی مراکز مخابراتی برای سهام‌داران امری اجتناب‌ناپذیر است. پژوهش حاضر در صدد پاسخ‌گویی به این سوال اساسی است که چگونه می‌توان مراکز تلفن شهری ناکارآمد را به مرز کارایی رساند. بدین منظور با جمع‌آوری نظرات خبرگان در قالب پرسش‌نامه مقایسات زوجی و آنالیز داده‌ها به روش «فرایند تحلیل شبکه‌ای»، متغیرهای مؤثر در کارایی مراکز مشخص شده است. داده‌های خام از آمار و نمرات ارزیابی اخذ شده از ادارات «برنامه‌ریزی» و «بازرسی و ارزیابی» و صورت‌های مالی منتهی به سال 1396 که مورد حسابرسی قانونی قرار گرفته، تهیه شده است. سپس به روش «تحلیل پوششی داده‌ها» و در شرایط «بازده به مقیاس ثابت و متغیر»، امتیاز کارایی مراکز، محاسبه، رتبه‌بندی و در نهایت راه‌کارهای بهبود کارایی مراکز ناکارآمد استخراج شده است. مطابق یافته‌های تحقیق، اختلاف تعداد مراکز ناکارآمد در دو مقیاس مذکور، دلالت بر نظریه «ناکارایی مقیاس»، عدم کارکرد مراکز در مقیاس بهینه و اتلاف منابع توسط مراکز می‌باشد. جایگاه ضعیف شهرستان‌ها در جدول رتبه‌بندی، لزوم گزینش «رؤسای مخابرات شهرستان‌ها» مطابق شایستگی‌های فردی و تخصصی را ایجاب می‌کند. همچنین از عوامل مهم ناکارایی مراکز، عدم وجود «فضای رقابتی-انگیزشی»، «قدرت تصمیم‌گیری» و «ریسک‌پذیری» و وجود «محدودیت‌های مختلف سازمانی و قانونی» می‌باشد.

کلیدواژه‌ها

بازده ثابت نسبت به مقیاس؛ راه‌کارهای بهبود عملکرد؛ رقابت پذیری؛ مقیاس بهینه؛ ورودی محور

مراجع

Andersen, P., & Petersen, N. C. (1993), a procedure for ranking efficient units in data envelopment analysis. Management Science, 39 (10), 1261–1264. doi: 10.1287/mnsc.39.10.1261

Azamzadeh Shouraki, M., Khalilian, S., & Mortazavi, S. A. (2011), Selection Production Function and Estimate Important Coefficient of Energy in Agricultural Sector. Agricultural Economics and Development, 19 (76), 205-230, [In Persian].doi:10.30490/aead.2012.58753

Benicio, J., & Carlos Soares de Mello, J. (2015), Productivity Analysis and Variable Returns of Scale: DEA Efficiency Frontier Interpretation. Procedia Computer Science, 55, 341-349. doi: 10.1016/j.procs.2015.07.059

Debertin, D. L.(2012), Agricultural Production Economics. Macmillan Publishing Company, a division of Macmillan Inc, 1-428.

Fancello, G., Uccheddu, B., & Fadda, P. (2013), The performance of an urban road system using Data Envelope Analysis. WIT Transactions on The Built Environment, 130, 67-77. doi:10.2495/UT130061

Ghodsipour, S. H. (2019), Discussions in Multi-Criterion Decision Making: Hierarchical Analysis Process (AHP). Amirkabir University of Technology Publications, Tehran, 12-20, [In Persian].

Giménez, V., Thieme, C., Prior, D., & Tortosa-Ausina, E. (2017), An international comparison of educational systems: a temporal analysis in presence of bad outputs. Journal of Productivity Analysis, 47(1), 83–101. doi: 10.1007/s11123-017-0491-9

Gökşen, Y., Doğan, O., & Özkarabacak, B. (2015), A Data Envelopment Analysis Application for Measuring Efficiency of University Departments. Procedia Economics and Finance,19,226-237.doi:10.1016/S2212-5671(15)00024-6.

Halachmi, A. (2012), Mandated Performance Measurement:A help or a Hindrance? National Productivity review,18(2),59-67. doi:10.1002/npr.4040180211

Issazadeh Roshan, Y, & Khosravi,B.(2011), Ranking of the Telecommunication Company of provinces by Assessment of Data Envelopment Analysis (DEA). Journal of Operational Research and Its Applications (Applied Mathematics), 8 (3 (30)), 41-52, [In Persian]. http://jamlu.liau.ac.ir/article-1-314-fa.html

Keivan, E., Farshid Farzad, M., Radfar, R., & Sorkhabi, N. (2014). Measuring the Relative Efficiency of toll Switched exchanges (SC/PCs), data hierarchical classification method based on data envelopment analysis, Case Study: Provincial Exchanges of Telecommunication Infrastructure Company). Productivity Management,8(29),23-46,[In Persian]. dor:20.1001.1.27169979.1393.8.2.2.0

Khodabakhshi, M., Karami Khorramabadi, M., & Sameripour, A. (2015), An Andersen- Petersen (AP) Super-efficiency Model with Ordinal Data in the imprecise Data Envelopment Analysis (A Case Study: The Branch Offices of a Mobile Telecommunications Corporation in South Korea). Journal of Operational Research and its Applications (Applied Mathematics), 12 (2 (45)), 1-18, [In Persian]. http://jamlu.liau.ac.ir/article-1-1144-fa.html

Kumar, A., Debnath, R. M., Shankar, R., & Prabhuet, J. (2015), Analyzing customer preference and measuring relative efficiency in telecom sector: A hybrid fuzzy AHP/DEA study. Telematics and Informatics. 32 (3), 447-462. doi: 10.1016/j.tele.2014.10.003

Mehregan., M. R. (2016), Advanced Operations Research. Academic Book Publications, Tehran, 1-272. [In Persian].

Mirghafouri, S. H., Shafiee Rudposhti, M., & Nadafi, G. (2013), Evaluate financial performance with data envelopment analysis approach (case: provincial telecommunication companies). Management Research in Iran, 16 (4 (77)), 189-206, [In Persian]. dor:20.1001.1.2322200.1391.16.4.9.2

Mirghafouri, S. H., Shafiee Rudposhti, M., & Nadafi, G. (2011), Comparison and ranking of financial performance of provincial telecommunication companies with the collective model approach of data envelopment analysis and cross-efficiency method. Development Management Process, 24 (76), 103-127, [In Persian]. dor: 20.1001.1.17350719.1390.24.2.5.9

Mirghafouri, S. H., Shafiee Rudpashti, M., & Nadafi, G. (2011), Evaluating the efficiency of provincial telecommunication companies. Modern Economics and Commerce, 7 (25-26), 121-144, [In Persian].

Mohammadzadeh asl, N., Imam Verdi, G., & Sarir Afraz, M. (2010), Ranking of Indices of Urban Welfare in Different Regions of Tehran. Journal of Urban Planning and Research, 1 (1), 85-106. [In Persian]. dor:20.1001.1.22285229.1389.1.1.5.4

Cascio, W. F. (1995), Managing Human Resource, productivity, Quality of Work life, Profits, 4th ed, Mc Graw- Hill, Inc., 1995, p. 275.

Werther, W. B., TR Keith Davis, T. K. (1990), Human Resource and Personnel Management, Prentice-Hall, inc, P.14

Rafizadeh, A., Ronagh, Y. (2020), Performance management and evaluation: A scientific and applied approach, Farmanesh Publications, Tehran, 1-452.[In Persian].

Rahimi, G. (2006), Performance Evaluate and continuous improvement of the organization. Journal of Tadbir, 173, 41-44

Rentschler, J., Bleischwitz, R., & Flachenecker, F. (2018), On imperfect competition and market distortions: the causes of corporate under-investment in energy and material efficiency. International Economics and Economic Policy, 15 (1), 159-183. doi:10.1007/s10368-016-0370-2

Saaty, T. L., & Vargas, L. G. (1984), Comparison of eigenvalue, logarithmic least squares and least square methods in estimation ratios. Mathematical modeling, 5(5), 309-324.doi:10.1016/0270-0255(84)90008-3

Saaty, T. L. (2003), Decision making with the AHP: why is the principal eigenvector necessary. European journal of operation research, 145(1), 85-91.doi:10.1016/S0377-2217(02)00227-8

Tabarsa, G. A. (2000), Investigating and explaining the role of strategic requirements in choosing a performance appraisal model for government organizations. Proceedings of the Second Shahid Rajaee Festival Performance Evaluation of the Executive Bodies of the Country, Administrative and Employment Affairs Organization, Tehran. .[In Persian].

Taghizadeh, H., Pourabadollah Koich, M., & Aboutalebi, D. (2010), Privatization in East Azerbaijan Telecommunication Company and its role in reducing costs. Knowledge and Development, 16 (29), 201-218, [In Persian]. doi:10.22067/pm.v16i29.27201

Taheri, S. (2020), Productivity analysis in organizations (inclusive productivity management). Hastan: Fresh Air Publications, 28th Edition, Tehran, 1-390.[In Persian].

Van Ginkel, J. R. (2019), Significance Tests and Estimates for R2 for Multiple Regression in Multiply Imputed Datasets: A Cautionary Note on Earlier Findings, and Alternative Solutions. Multivariate Behavioral Research, 54: 4, 514-529. doi:10.1080/00273171.2018.1540967

Yarahmadi, M., & Karami Khorramabadi, M. (2014), Development of a super-efficiency model with imprecise data in the Imprecise Data Envelopment Analysis (Case study: A survey of 8 South Korean telecommunication centers). Sixth International Conference on Data Envelopment Analysis, Lahijan, [In Persian].