ارزیابی و انتخاب تأمین کننده به وسیله‌ی مدل‌های DEAی بازه‌ای با ناحیه‌ی اطمینان: یک رویکرد DEA با مرزهای کارآ و ناکارآ

Abstract

به طور سنتی، مدل‌های ارزیابی و انتخاب تأمین کننده مبتنی بر داده‌های اصلی با تأکید کمتر بر روی داده‌های ترتیبی بوده‌اند. اما با استفاده‌ی گسترده از فلسفه‌های تولید، مانند تولید بهنگام، تأکید بیشتری بر لحاظ کردن همزمان داده‌های اصلی و ترتیبی در فرآیند انتخاب تأمین کننده می‌شود. کاربرد تحلیل پوششی داده‌ها (DEA) برای مسایل ارزیابی و انتخاب تأمین کننده مبتنی بر انعطاف‌پذیری کامل وزن‌ها است. با این حال، مشکل مجاز دانستن انعطاف‌پذیری کامل وزن‌ها آن است که مقادیر وزن به دست آمده با حل برنامه‌ی DEAی نامقید غالباً با نظرات قبلی یا اطلاعات موجود اضافی در تعارض است. هدف این مقاله پیشنهاد مدل‌های DEAی بازه‌ای با ناحیه‌ی اطمینان برای ارزیابی و انتخاب بهترین تأمین کننده در حضور محدودیت‌های وزنی و داده‌های نادقیق است. این مقاله رویکرد جدیدی مبتنی بر «DEA با مرزهای کارآ و ناکارآ» را برای ارزیابی و انتخاب بهترین تأمین کننده در حضور محدودیت‌های وزنی و داده‌های نادقیق پیشنهاد می‌کند. در این رویکرد، همزمان کارآیی‌های خوشبینانه و بدبینانه‌ی هر تأمین کننده در نظر گرفته می‌شوند. وقتی که قیود ناحیه‌ی اطمینان به مدل‌های خوشبینانه‌ی DEA بازه‌ای اضافه می‌شوند، نمرات بازه‌ی کارآیی محاسبه شده بدتر می‌شوند، و یک تأمین کننده که قبلاً به عنوان کارآی خوشبینانه تعیین شده بود، ممکن است غیرکارآی خوشبینانه شناخته شود. وقتی که قیود ناحیه‌ی اطمینان به مدل‌های بدبینانه‌ی DEAی بازه‌ای اضافه می‌شوند، نمرات بازه‌ی کارآیی محاسبه شده بهبود می‌یابند، و یک تأمین کننده که قبلاً به عنوان ناکارآی بدبینانه شناسایی می‌شد، ممکن است غیرناکارآی بدبینانه شناخته شود. در مقایسه با DEAی سنتی، رویکرد DEA با مرزهای کارآ و ناکارآ می‌تواند بهترین تأمین کننده را به درستی و به آسانی شناسایی کند. یک مثال عددی کاربرد رویکرد پیشنهادی را نشان می‌دهد.. <strong> </strong>