توسعه مدل تحلیل پوششی داده های شبکه ای و ارائه روشی برای محاسبه کارایی سازمان های پیچیده

مدل های تحلیل پوششی داده های کلاسیک، با واحدهای تصمیم گیری به صورت یک «جعبه سیاه» رفتار می کند و فرآیندهای درونی و کارایی این فرآیندها را درنظرنمی گیرد، به طوری که ورودی به واحد تصمیم گیری وارد و خروجی بدست می آید، بنابراین با درنظرگرفتن واحد تصمیم گیری به صورت یک کل، کارایی آن را محاسبه می کند. درحالی که اغلب، ناکارایی هر واحد تصمیم گیری از ناکارایی بخش های درونی واحد تصمیم گیری ناشی می شود. بنابراین، روش تحلیل پوششی داده های شبکه ای برای ارزیابی کارایی واحدهای تصمیم گیری مشابه، با درنظرگرفتن فرآیندهای درونی آنها، ارائه شد. لویس و سکستون(2004) یکی از مفیدترین روش های تحلیل پوششی داده های شبکه ای را ارائه کردند. اما روش آنها دارای اشکالاتی است، این اشکالات شامل استفاده از شاخص کارایی نامناسب، ناتوانی در تحلیل دورهای مختلف در فرآیندهای درونی واحد تصمیم گیری و تخصیص ندادن خروجی بهینه میانی به بخش های تغذیه کننده بعدی، می باشد. در این پایان نامه، ابتدا برای حل این اشکالات تلاش شد و سپس متغیر ورودی-خروجی بین واحدی برای شبیه سازی جریان موجود بین واحدهای تصمیم گیری مختلف تعریف شد. سرانجام، با درنظرگرفتن بسط های صورت گرفته، روش توسعه یافته جدیدی برای محاسبه کارایی سازمان های مختلف با ساختار پیچیده ارائه گردید.