پایان نامه تعیین شاخص‌های تأثیرگذار در عملکرد و کارایی شعب بانک
نوشته شده توسط : admin

– مدل BCC

یکی از ویژگی‌های مدل تحلیل پوششی داده‌ها ساختار بازده به مقیاس آن است. بازده به مقیاس می‌تواند «ثابت» یا «متغیر» باشد. مدل‌های CCR از جمله مدل‌های بازده ثابت به مقیاس است. مدل بازده ثابت به مقیاس زمانی مناسب است که همه واحدها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحدها هرگاه فضا و شرایط رقابت ناقص محدودیت‌هایی را در سرمایه گذاری تحمیل کند موجب عدم فعالیت واحد در مقیاس بهینه می‌گردد.

در سال ۱۳۸۴ بنکر، چارنز و کوپر با تغییر در مدل CCR مدل جدیدی را عرضه کردند که با توجه به حروف اول نام آن‌ها به مدل BCC شهرت یافت. مدل BCC مدلی از انواع مدل‌های تحلیل پوششی داده‌ها است که در ارزیابی کارایی نسبی واحدها با بازده متغیر نسبت به مقیاس می‌پردازد. مدل‌های بازده به مقیاس ثابت محدود کنده تر از مدل‌های بازده به مقیاس متغیر هستند. زیرا مدل بازده به مقیاس ثابت واحدهای کارای کمتری را در بر می‌گیرد و مقدار کارایی نیز کمتر می‌گردد، علت این امر حالت خاص بودن «بازده ثابت به مقیاس» از مدل «بازده متغیر به مقیاس» می‌باشد.

مدل BCC برای ارزیابی کارایی واحد تحت بررسی (صفر) به صورت زیر می‌باشد:

St:

۱                                                                             (j=1,2,…..,n)

در علامت   ω

مدل ۲-۴٫ نسبت BCC

همان طور که ملاحظه می‌شود تفاوت این مدل با مدل CCR در وجود متغیر آزاد در علامت ω می‌باشد. در مدل BCC علامت متغیر ω بازده به مقیاس را برای هر واحد می‌تواند مشخص کند.

الف. هرگاه ω  باشد نوع بازده به مقیاس، کاهشی است.

ب. هرگاه ω  باشد نوع بازده به مقیاس، ثابت است.

ج. هرگاه ω  باشد نوع بازده به مقیاس، افزایشی است (مهرگان،۱۳۸۷).

برای تبدیل مدل BCC به یک مدل خطی کافی است یک محدودیت به مدل اولیه اضافه کنیم. برای تبدیل این مدل به مدل ورودی محور ما محدودیت  را به مدل اضافه می‌کنیم. مدل مضربی BCC ورودی محور به شکل زیر خواهد بود:

st:

(j=1,2,….,n)

آزاد در علامت

مدل ۲-۵٫ مدل اولیه (مضربی) BCC ورودی محور

اما برای تبدیل مدل کسری BCC به یک مدل برنامه‌ریزی خطی می‌توان از روش دیگری نیز استفاده کرد. در این روش با اعمال محدودیت  ،مدل برنامه‌ریزی کسری BCC به مدل برنامه‌ریزی خطی زیر تبدیل می‌شود که بیانگر مدل مضربی BCC خروجی ـ محور است:

 

 

 

st:

(j=1,2,….,n)

 

مدل ۲-۶٫ مدل اولیه (مضربی) BCC خروجی محور

۲-۹- برنامه ریزی آرمانی

در مدل‌های کلاسیک معمولاً دو مشکل رخ می‌دهد. یکی ضعف قدرت تفکیک و دیگری توزیع غیر واقعی وزن‌ها به ورودی‌ها و خروجی‌ها می‌باشد (مهرگان،۱۳۸۷).

زمانی که مقدار DMU ها کم، ورودی‌ها و خروجی‌ها زیاد باشد، وزن برخی از داده‌ها صفر می‌شود. در نتیجه امتیاز کارایی واحدها بر اساس یکسری از داده‌ها محاسبه و نزدیک به یکدیگر قرار می‌گیرد. به منظور حل این مشکل و ارائه طیف مناسبی از امتیازات کارایی، مدل برنامه ریزی آرمانی[۱]DEA استفاده می‌شود. به طور کلی چهار مدل زیر برای حل برنامه ریزی آرمانی DEA معرفی شده است (عادل آذر،۱۳۸۴) :

  1. آرمان مدل حداقل کردن متغیر انحرافی واحد تحت بررسی؛
  2. آرمان مدل حداقل کردن مجموع متغیرهای انحراف (MinSum)
  3. آرمان مدل حداقل کردن حداکثر میزان انحراف (MinMax)
  4. آرمان مدل ترکیبی از اهداف فوق

[۱] Goal Programming

برای دانلود متن کامل اینجا کلیک کنید





لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       
:: بازدید از این مطلب : 453
|
امتیاز مطلب : 0
|
تعداد امتیازدهندگان : 0
|
مجموع امتیاز : 0
تاریخ انتشار : سه شنبه 12 مرداد 1395 | نظرات ()
مطالب مرتبط با این پست
لیست
می توانید دیدگاه خود را بنویسید


نام
آدرس ایمیل
وب سایت/بلاگ
:) :( ;) :D
;)) :X :? :P
:* =(( :O };-
:B /:) =DD :S
-) :-(( :-| :-))
نظر خصوصی

 کد را وارد نمایید:

آپلود عکس دلخواه: