استفاده از مدل تحلیل پوششی داده ها برای ارزیابی عملکرد زنجیره تأمین سه سطحی

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

مقاله 2، دوره 8، شماره 25، آذر 1392، صفحه 17-28   

نوع مقاله: مقاله پژوهشی

نویسندگان

ساویز ساعی^{* 1}؛ اسماعیل نجفی²

¹دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دپارتمان مهندسی صنایع، تهران، ایران

²استادیار دانشکده مهندسی صنایع سیستم دانشگاه علوم تحقیقات تهران

چکیده

تحلیل پوششی داده ها ابزاری برای محاسبه کارایی در واحدهای تصمیم گیری از جمله زنجیره تأمین است. از آنجا که اخیراً مدل تحلیل پوششی دو مرحله ای تمرکز بیشتری روی فرآیندهای زنجیره تأمین در دو سطح داشته است؛ بدین منظور ضرورت ارزیابی زنجیره تأمین در سطوح بالاتر برای دستیابی به کارایی دقیق تر محسوس است. در این مقاله مدل وانگ(2010) را در سه سطح جهت ارزیابی یک زنجیره تأمین، گسترش داده ایم تا اهمیت یکپارچگی در کل زنجیره تأمین را نشان دهیم. در این مدل، تحلیل پوششی داده های دو مرحله ای کو و هوانگ(2010) با فرض بازده به مقیاس متغیر و کارایی مدل چن(2009) با در نظر گرفتن اهمیت نسبی وزن ها در هر مرحله به طور مجزا لحاظ شده است. مدل ارائه شده در یک مثال عددی اجرا گردیده و نتایج در قالب جداولی تحلیل گردیده است.
 

کلیدواژه‌ها

تحلیل پوششی داده ها(DEA)؛ تحلیل پوششی دو مرحله ای؛ مدیریت زنجیره تأمین

مراجع

1-   Banker, R., Charnes, A., & Cooper, W. (1984). Some models for the estimation of technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9)1078-1092.

2-   Castelli, L., Pesenti, R., & Ukovich, W. (2004). DEA-like models for the efficiency evaluation of hierarchically structured units. European Journal of Operation Research, 154,456-476.

3-   Charnes, A., Cooper, W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operation Research, 2(6), 429-444.

4-   Chen, M.-C., Yang, T., & Yen, C.-T. (2007). Investing the value of information sharing in multi-echelon supply chains. Qual Quant, 41,497-511.

5-   Chen, Y., Cook, W., Li, N., & Zhu, J. (2009). Additive efficiency decomposition in two-stage DEA. European Journal of Operation Research, 196(3), 1170-1176.

6-   ] Chen, Y., Liang, L., & Yang, F. (2006). A DEA game model approach to supply chain efficiency . Annals of Operation Research, 1451, 5-13.

7-   Chen, Y.-J. (2011). Structured methodology for supplier selection and evaluation in a supply chain. Information Science, 181(9), 1651-1670.

8-   Chopra, S., & Meindl, P. (2004). Supply chain Management, strategy, planning and operation. Prentice Hall.

9-   Easton, L., Murphy, D., & Pearson, J. (2002). Purchasing performance evaluation: with data envelopment analysis. European Journal of Purchasing & Supply Management, 8,123-134.

10-  Fare, R., & Grosskopf, S. (2000). Network DEA. Socio-Economic Planning Sciences.

11-  Farrel, J. (1957). The Measurement of Productivity Efficiency. The Royal Statistical Society, Series A, 120, 253-290.

12-  Feng, Y., Dexiang, W., Liang, L., Gongbing, B., & Desheng, D. (2011). Supply chain DEA: production possibility set and performance evaluation model. Ann Operation Research, 195-211.

13-  Handfield, L., & Nicholas, E. (1999). Introduction to supply chain management. Prentice Hall.

14-  Koa, C., & Hwang, S. (2008). Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. European Journal of Operation Research, 185(1), 418-429.

15-    Narasimhan, R., Talluri, S., & Das, A. (2004). Exploring flexibility and execution competencies of manufacturing firms. Journal of Operation Management, 22, 91-106.

16-  Ross, A., & Droge, C. (2004). An analysis of operations efficiency in large-scale distribution systems. Journal of Operation Management, 21,673-688.

17-  Ross, A., & Droge, C. (2002). An integrated benchmarking approach to distribution center performance using DEA modeling. Journal of Operations Management, 20, 19-32.

18-  Seiford, L., & Zhu, J. (1999). Profitability and marketability of the top 55 US commercial banks . Management Science, 45(9), 1270-1288.

19-  Simchi-Levi, D., Kaminsky, P., & Simchi-levi, E. (2000). Designing and Managing the supply chain concepts, and Strategies and Case studies. McGraw-Hill.

20-  Talluri, S., & Baker, R. (2002). A multi-phase mathematical programming approach for effective supply chain design. European Journal of Operation Research, 141(3), 546-560.

21-  Troutt, M., Ambrose, P., & Chan, C. (2004). Multi-stage efficiency tools for goal setting and monitoring in supply chains. Successful strategies in supply chain management Hershey: Idea Group Publishing Co.

22-  Troutt, M., Ambrose, P., & Chan, C. (2001). Optimal throughput for multistage input-output processes. International Journal of Operations and Production Management, 21(1), 148-158.

23-  Ying-Ming Wang, A., & Kwai-Sang Chin, B. (2010). Some alternative DEA models for two-stage process. Expert System with Applications, 37, 8799-8808.