تعیین بهره‌ورترین اندازه مقیاس واحد تولیدی با استفاده از فرآیند دومرحله‌ای بر اساس سطح تقاضا

نوع مقاله: مقاله پژوهشی

نویسندگان

دانشکده ریاضی،گروه ریاضی،دانشگاه سیستان و بلوچستان

چکیده

در دنیای واقعی، واحدهای تصمیم‌گیری وجود دارند که در آن‌ها فرآیند تولید را می‌توان به‌صورت یک فرآیند دومرحله‌ای یا چندمرحله‌ای در نظر گرفت. برای ارزیابی این نوع واحدها از روش تحلیل پوششی داده‌های شبکه‌ای استفاده می‌شود. در این مقاله، واحدهای دومرحله‌ای موردبررسی قرارگرفته است که در فرآیند دومرحله‌ای، خروجی‌های مرحله اول، ورودی‌های مرحله دوم هستند که اصطلاحا به آن‌ها "اندازه‌های میانی" می‌گویند. هدف این تحقیق، تعیین و بررسی بهره‌ورترین اندازه مقیاس واحدهای تولیدی با استفاده از فرآیند دومرحله‌ای بر اساس سطح تقاضا است. در این راستا، ضمن تعیین واحدهای MPSS  با روش‌های DEA  کلاسیک، به تعمیم آن در مدل‌های دومرحله‌ای می‌پردازیم. سپس حداکثر و حداقل مقدار تولید واحدهای تولیدی که در بهره‌ورترین اندازه مقیاس قرار دارند را در هرکدام از مراحل به‌طور جداگانه به دست می‌آوریم و سپس آن را برای کل فرآیند تعمیم می‌دهیم؛ همچنین عرضه و تقاضا به‌عنوان دو شاخص خروجی در نظر گرفته‌شده است. ابتدا سطح تقاضا را برای هرکدام از مراحل به‌طور جداگانه تعیین می‌نماییم، سپس به‌کل فرآیند می پردازیم؛ به‌طوری‌که بتوان حداکثر و حداقل مقدار تقاضا را به دست آورد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Determine the most productive scale of a production unit using a two-stage process based on the demand level

نویسندگان [English]

  • Abbasali Noora
  • Faranak Hosseinzadeh Saljooghi
  • Maryam Khodadadi
Department of Mathematics, University of Sistan and Baluchestan, Zahedan, Iran
چکیده [English]

In the real world, there are decision-making units in which the production process can be considered as a two-stage or multi-stage process. In order to evaluate these types of units, the network data envelopment analysis method is used. In this paper, Two-stage units have been investigated, which in the two-stage process are the outputs of the first stage of the second stage inputs, which are referred to as "middle sizes".
The purpose of this research is to determine the most effective scale of the production unit scale using a two-step process based on the demand level.
In this regard, while determining the units of MPSS with ordinary DEA methods, we will generalize it in two-stage models.
Then, the maximum and minimum amount of production, the production units that are in the most efficient scale of the scale, are obtained at each of the stages separately and then generalized for the whole process.
We consider supply and demand as two output indicators and we determine the demand level for each step separately and then the whole process so that we can obtain the maximum and minimum amount of demand.

کلیدواژه‌ها [English]

  • Network Data Envelopment Analysis
  • Most Productive Scale Size
  • demand

Tone, K., & Tsutsui, M. (2009). Network DEA: A slacks-based measure approach. European journal of operational research197(1), 243-252.

Chen, Y., Zhu, J., 2004. Measuring information technologies indirect impact on firmperformance. Information technology & management journal 5 (1–2), 9–22.

Zhu, J. (2000). Setting scale efficient targets in DEA via returns to scale estimation method. Journal of the operational research society51(3), 376-378.

Kao, C., & Hwang, S. N. (2008). Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. European journal of operational research185(1), 418-429.

Chen, Y., Cook, W. D., Li, N., & Zhu, J. (2009). Additive efficiency decomposition in two-stage DEA. European journal of operational research196(3), 1170-1176.

Appa, G., & Yue, M. (1999). On setting scale efficient targets in DEA. Journal of the operational research society50(1), 60-69.

Lee, C. Y. (2016). Most productive scale size versus demand fulfillment: A solution to the capacity dilemma. European journal of operational research248(3), 954-962.

Chen, Y., Cook, W. D., Kao, C., & Zhu, J. (2014). Network DEA pitfalls: Divisional efficiency and frontier projection. Data envelopment analysis (pp. 31-54). DOI 10.1007/978-1-4899-8068-7_2.

Lee, C. Y., & Johnson, A. L. (2012). Two-dimensional efficiency decomposition to measure the demand effect in productivity analysis. European journal of operational research216(3), 584-593.

Cook, W. D., Liang, L., & Zhu, J. (2010). Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega38(6), 423-430.

Khodakarami, M., Shabani, A., & Saen, R. F. (2014). A new look at measuring sustainability of industrial parks: a two-stage data envelopment analysis approach. Clean technologies and environmental policy16(8), 1577-1596.