دیدگاه ورودی محور و دیدگاه خروجی محور

قبل از بررسی روش‌های برآورد ابتدا لازم است به معیارهای برآورد ورودی محور و خروجی محور اشاره شود. این دو معیار به نتایج مشابه ولی نحوه تحلیل متفاوت منجر می‌شود و با توجه به نیاز محقق و سازمان در مورد نحوه جابجایی و تغییر در میزان داده و ستانده از لحاظ انعطاف پذیری در چگونگی این تغییرات انتخاب می‌شود.

الف) معیار ورودی محور: در جستجو پاسخ به این سوال هستیم که تا چه حد می‌توانیم از میزان ورودی‌ها بکاهیم بدون اینکه تأثیر در میزان محصول داشته باشد. در این دیدگاه هرگونه هدف گذاری بر مبنای تعدیل در ورودی‌ها صورت می‌گیرد. این معیار در واقع با توجه به وضعیت خاص بازار یا تنوع تولید و میزان فروش تعیین می‌گردد. به عنوان مثال مواردی که امکان بازاریابی و افزایش مشتریان وجود ندارد.

ب) معیار خروجی محور: در جستجو پاسخ به این سوال هستیم که تا چه حد می‌توان میزان خروجی‌ها را با همان میزان داده افزایش داد. این معیار غالباً در سازمان‌هایی که قدرت تغییر در داده های خود را ندارند کاربرد دارد. سازمان‌هایی که زیر نظر یک مرجع تصمیم گیرنده مانند دولت اداره می‌شوند. این واحدها به دنبال افزایش در میزان فروش محصولات و خدمات خود می‌باشند ولی داده های آن‌ها ثابت می‌باشد (احمد پور،1385).

2-8- تحلیل پوششی داده‌ها DEA

در چند دهه گذشته تحليل پوششي داده‌ها به عنوان يك روش مهم براي سنجش كارايي مطرح شده است. استفاده از اين روش براي ارزيابي روشي مناسب است كه بر اساس سنجش عملكرد واحدهاي تصميم گيري و رتبه بندي به تصميم گيرنده كمك می‌کند (امیری،1389). روش تحليل پوششي داده‌ها براي محاسبه كارايي هر بنگاه به يك كسر كه شامل مجموع وزني خروجی‌ها به ورودی‌ها است را در نظر می‌گیرد. فارل 1957 اولين كسي بود كه روش غیر پارامتريک را با استفاده از برنامه ريزي خطي پيشنهاد كرد. فارل با استفاده از روشي مبتكرانه اقدام به اندازه گيري عملكرد يك واحد توليدي كرد. مدل مورد بررسي وي تنها يك ورودي و يك خروجي را در نظر می‌گرفت و وي نتوانست مدل خود را در حالت چند ورودي و چند خروجي توسعه دهد. چارنز، کوپر و رودز[1] معیار فارل را توسعه دادند و مدلی ارائه دادند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت و آن را تحلیل پوششی داده‌ها نامیدند و برای اولین بار در سال 1976 آن‌را مورد استفاده قرار دادند. آن‌ها مدل CCR را ابداع کردند و بعد بنکر[2] با کامل کردن مقاله آن‌ها مدل BCC را ایجاد نمود. اين دو مقاله پایه‌ی بسياري از مطالعات تحليلي كارايي شدند و اين شاخه از علم پژوهش در عمليات به سرعت پيشرفت كرد و تحت عنوان تحليل پوششي داده‌ها ناميده شد. (طلوع،1389) نام تحلیل پوششی داده‌ها به این دلیل است که ما مرز کارایی تمام داده ایی که در اختیار داریم پوشش می‌دهیم. تحليل پوششي داده‌ها DEA براي اندازه گيري كارايي يك تعداد از واحدهاي در حال فعاليت مشابه استفاده می‌شود كه اين واحدهاي در حال فعاليت را واحدهاي تصميم گيري DMU [3]می‌نامند. در DEA عموماً براي ارزيابي كارايي هر DMU از مدل‌های جداگانه اي استفاده می‌شود. در نتيجه در تحليل كارايي، هر يك از DMU ها به طور جداگانه بر روي مرز كارا تصوير می‌شوند. DEA يك روش غیر پارامتري براي يافتن تابع توليد مجموعه اي از واحدهاي تصميم گيرنده است به عبارت ديگر، DEA يك روش غیر پارامتری است كه هيچ فرضي را در خصوص شكل تابع توليد نياز ندارد (علیرضایی،1389). تابع تولید به تابعی گفته می‌شود که برای هر ترکیب از ورودی‌ها ماکزیمم خروجی را بدهد.

[1] Charnes-Cooper-Rohdes

[2] Banker

[3] Decision Making Unit