مبانی نظری و ادبیات تحقیق فصل 2 پایان نامه با عنوان: ارزيابي عملکرد و کارآيي شرکت با مدل ترکيبي شبکه هاي عصبي و تحليل پوششي داده ها (Neuro-DEA)، مقدمه: ارزيابي عملکرد شرکت ها همواره از مسأله هاي چالش برانگيز در حوزه هاي مديريت بوده است. اندازه گيري کارايي خصوصاً در دو دهه ي اخير، به علت اهميت آن...
دسته بندی: علوم انسانی » مدیریتتعداد مشاهده: 1994 مشاهده
فرمت فایل دانلودی:.zip
فرمت فایل اصلی: doc
تعداد صفحات: 53
حجم فایل:1,529 کیلوبایت
مقدمه:
ارزيابي عملکرد شرکت ها همواره از مسأله هاي چالش برانگيز در حوزه هاي مديريت بوده است. اندازه گيري کارايي خصوصاً در دو دهه ي اخير، به علت اهميت آن در ارزيابي عملکرد، مورد توجه زيادي قرار گرفته است. از سال 1957 که فارل روشي را براي اندازه گيري کارايي مطرح کرد تاکنون بازنگري هاي جامع و اساسي در موضوع اندازه گيري کارايي صورت گرفته است. هم چنين ديدگاه هاي پارامتري و غير پارامتري به طور گسترده اي در ارزيابي کارايي مورد استفاده قرار مي گيرند. ضمن اين که ديدگاه هاي اوليه عمدتاً شامل مرزهاي قطعي و مرزهاي تصادفي بوده و بعدها ديدگاه هايي مثل DEA و FDH نيز مطرح شده است.[2005،Delgado]
روش هاي بسياري براي اندازه گيري کارايي در تحقيقات مربوط مطرح شده است؛ اما در مقايسه بين تمامي مدل هاي فوق، DEA روش بهتري براي سازماندهي وتحليل داده هاست؛ زيرا اجازه مي دهد که کارايي در طول زمان تغيير کند و به هيچ گونه پيش فرضي در مورد مرز کارايي نياز ندارد. [Wu et al, 2005] بنابراين بيش از ساير ديدگاه ها در ارزيابي عملکرد مورد استفاده قرار گرفته است و تکنيک مناسبي براي مقايسه ي واحدها در سنجش کارايي به شمار مي آيد. با اين وجود مرز کارايي که از DEA حاصل شده نسبت به اغتشاش هاي آماري و داده هاي پرت که در اثر خطاي اندازه گيري يا هر عامل خارجي ديگر ايجاد مي شود، حساس است و اگر در داده ها اغتشاش آماري يا داده اي پرت وجود داشته باشد ممکن است موجب شود تا مرزکارايي به دست آمده جابه جا شود و مسير تحليل هاي DEA را منحرف سازد.[ Wu et al, 2005 & Bauer,1990 ] به همين علت بايد در استفاده از DEA براي ارزيابي عملکرد ساير واحدهاي تصميم گيرنده احتياط کرد. وجود اين مسأله باعث شده است که اخيراً شبکه هاي عصبي مصنوعي به عنوان جايگزين خوبي براي برآورد مرزهاي کارا جهت تصميم گيري به کار گرفته شود؛ [Wang,2003] زيرا ماهيت عملکرد شبکه هاي عصبي به دليل قدرت يادگيري و تعميم پذيري به گونه اي است که در برابر داده هاي پرت و اغتشاشات حاصل از اندازه گيري غير دقيق داده ها مقاوم تر عمل مي کنند. [مهرگان و همکاران، 1385]