تحلیل پوششی داده ها
مهندسی صنایع// در فایل آموزشی تحلیل پوششی داده ها خواهیم دانست که: واژه DEA مخفف Data Envelopment Analysis می باشد که به معنی تحلیل پوششی داده ها یک مدل برنامه ریزی ریاضی ،برای ارزیابی کارایی واحد های تصمیم گیرنده ای (DMU) است که چندین ورودی و چندین خروجی دارند
. اندازه گیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققین قرار داشته است .
فارل در سال 1957 ، با استفاده از روشی همانند اندازه گیری کارایی در مباحث مهندسی ، به اندازه گیری کارایی برای واحد تولیدی اقدام کرد.موردی که فارل برای اندازه گیری کارایی مد نظر قرار داد شامل یک ورودی و یک خروجی بود.
در واقع تحلیل پوششی داده ها مبتنی بر یکسری بهینه سازی با استفاده از برنامه ریزی خطی می باشد که به آن روش ناپارامتریک نیز گفته می شود .
در این روش منحنی مرزی کارا از یک سری نقاط که بوسیله برنامه ریزی خطی تعیین می شود ایجاد می گردد .برای تعیین این نقاط می توان از دو فرض بازدهی ثابت و متغیر نسبت به مقیاس استفاده کرد .
روش برنامه ریزی خطی پس از یک سری بهینه سازی مشخص می کند که آیا واحد تصمیم گیرنده مورد نظر روی مرز کارایی قرار گرفته است و یا خارج آن قرار دارد؟ بدین وسیله واحد های کارا و ناکارا از یکدیگر تفکیک می شوند.
تکنیک DEA تمام داده ها را تحت پوشش قرار داده و به همین دلیل تحلیل پوششی داده ها نامیده شده است.(معین الدینی)
یکی از ابتدایی ترین و در عین حال معمول ترین روش های اندازه گیری کارایی ،استفاده از نسبت ها می باشد .این نسبت ها در زمینه های مختلف مالی ،اقتصادی و صنعتی بکار گرفته می شوند .
در صورتی که کارایی به عنوان نسبتی از خروجی ها به ورودی ها تعریف شود ،محاسبه و تحلیل آن برای واحدهای تک ورودی-نک خروجی آسان خواهد بود اما در اکثر مسائل دنیای واقعی با واحدهایی با چندین ورودی و خروجی رو به رو بوده و در نتیجه نیازمند روش هایی هستیم که با ترکیب ورودی ها و خروجی ها به صورت یک شاخص واحد،به معیار مناسبی جهت سنجش کارایی دست یابیم.
