ارزیابی کارایی بنادر ایران با استفاده از تحلیل پوششی داده‌ها در وضعیت عدم‌‌قطعیت

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی سیستم های اقتصادی ـ اجتماعی، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.

2 استادیار گروه مهندسی سیستم‌ و زنجیره تأمین، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران.

چکیده

تحلیل پوششی داده‌ها، مجموعه‌ای از الگوهای ریاضی مبتنی بر برنامه‌ریزی خطی است که با اندازه‌گیری کارایی نسبی سازمان‌ها، آنها را رده‌بندی و نقاط ضعف و قوت هرکدام را مشخص می‌کند؛ همچنین پیشنهادهایی برای بهبود کارایی هر سازمان ارائه می‌دهد. غالب الگوهای تحلیل پوششی داده‌ها، به داده‌ها و اطلاعات دقیق نیازمند هستند؛ درحالی‌که در دنیای واقعی، وجود داده‌های دقیق در اغلب اوقات ممکن نیست و با عدم‌قطعیت در داده‌ها مواجه هستیم. بهینه‌سازی استوار، یکی از متأخرترین رویکردهای مواجهه با عدم‌قطعیت داده‌هاست که به‌دلیل توانمندی‌های چشمگیر، مورد اقبال محققان واقع شده است. در این مقاله با استفاده از یکی از رویکردهای بهینه‌سازی استوار که «بهینه‌سازی استوار مبتنی بر مجموعه‌های محدّب» نامیده می‌شود، الگوی تحلیل پوششی استوار برای مواجهه با عدم‌قطعیت، پیشنهاد شده است. الگوی تحلیل پوششی داده‌هایی که برای توسعه به سمت استوارسازی انتخاب شده است، الگوی تحلیل پوششی داده‌های خروجی‌محور فراکاراست. الگوی توسعه داده شده برای ارزیابی بنادر به‌عنوان موجودیتی مهم در سامانه‌های حمل‌ونقل استفاده شده است. لازم به ذکر است که امروزه بالغ بر نوددرصد از تجارت جهانی، از طریق حمل‌ونقل دریایی انجام می‌شود. بنادر به عنوان محوری مهم، نقشی اساسی در ساماندهی جریان کالا ایفا می‌کنند؛ لذا پژوهش حاضر، پژوهشی توسعه‌ای-کاربردی است. نتایج حاصل از این پژوهش نشان می‌دهد که درنظرگرفتن اختلال و عدم‌قطعیت در داده‌ها و به‌کارگیری الگوی تحلیل پوششی از داده‌های خروجی‌محور فراکارای استوار، برای ارزیابی کارایی نهادهای تصمیم‌گیر و رتبه‌بندی آنها، دارای قابلیت اطمینان بیشتری است.

کلیدواژه‌ها


عنوان مقاله [English]

Performance Evaluation of Iranian Ports Using Data Envelopment Analysis with Uncertain Data

نویسندگان [English]

  • Amir Hossein Sadeqian 1
  • Mir Saman Pishvaee 2
1 MSc student of Socioeconomic System, Faculty of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
2 Assistant Professor, Faculty of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده [English]

Data envelopment analysis is a set of mathematical programming models based on linear programming which are able to measure the relative efficiency of DMUs. This technique investigates strengths and weaknesses of any DMUs and offers suggestions to improve their efficiency. Most of DEA models require the exact information of inputs and outputs. However, in many real world applications this simple assumption does not hold. Robust optimization is one of recent methods which could handle uncertainty in data. In this paper, a branch of robust optimization whcih is called robust optimization based on convex sets is applied to develop robust DEA model which is capable to handle uncertainty in input data. We present a new method which incorporates the robust counterpart of super-efficiency DEA. The perturbation and uncertainty in data is assumed as polyhedral set and the robust super-efficiency DEA model is extended. The proposed model is used to evaluate the performance and ranking of Iranian ports. The results indicate that the robust DEA approach can be a relatively more reliable method for efficiency estimating and ranking strategies in compare to traditional DEA models.

کلیدواژه‌ها [English]

  • Port Evaluation
  • Logistics management
  • Data Envelopment Analysis
  • robust optimization
  • Ranking