پایان نامه ارشد:ارزیابی عملکرد شهرک های صنعتی استان مازندران با استفاده از تحلیل پوششی داده ها وشبکه های عصبی مصنوعی
در سالهای اخیر در اغلب کشورهای جهان برای ارزیابی عملکرد نهادها و دیگر فعالیتهای رایج در زمینههای مختلف، کاربردهای مختلفی از تحلیل پوششی دادهها (DEA) دیده شده است. علت مقبولیت گستردهتر روش DEA نسبت به سایر روشها، امکان بررسی روابط پیچیده و اغلب نامعلوم بین چندین ورودی و چندین خروجی است که در این فعالیتها وجود دارد. [1] در سال 1957 فارل[1] با استفاده از روشی مانند اندازهگیری کارایی در مباحث مهندسی اقدام به اندازهگیری کارایی برای یک واحد تولیدی نمود. موردی که فارل برای اندازه گیری کارایی مد نظر قرار داده بود شامل یک ورودی و یک خروجی بود. مطالعه فارل شامل اندازهگیری “کاراییهای فنی” و “تخصصی” و “مشتق تابع تولید کارا” بود. فارل مدل خود را برای تخمین کارایی بخش کشاورزی آمریکا نسبت به سایر کشورها مورد استفاده قرار داد. بااین وجود، او در ارائه روشی که دربرگیرنده ورودی و خروجی های متعدد باشد، موفق نبود.
چارنز، کوپر و رودز دیدگاه فارل را توسعه داده و مدلی را ارائه کردند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت. این مدل تحت عنوان “تحلیل پوششی دادهها” نام گرفت و ابتدا در رسالهی دکتری ادوارد رودز[2] و به راهنمایی کوپر[3] تحت عنوان “ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا” در سال 1976 در دانشگاه کارنگی مورد استفاده قرار گرفت و در سال 1978 در مقاله ای تحت عنوان “اندازهگیری کارایی واحدهای تصمیم گیرنده” ارائه شد.
از آنجا که این مدل توسط چارنز[4] ، کوپر و رودز ارائه گردید، به مدل CCR که از حروف اول نام افراد فوق تشکیل شده است معروف گردید. هدف در این مدل اندازه گیری و مقایسه کارایی نسبی واحدهای سازمانی مانند مدارس، بیمارستان ها، شعب بانک، شهرداریها و … که دارای چندین ورودی و خروجی شبیه به هم باشند است. [2]
مارشال[5] اولین کسی بود که اهمیت محلی کردن صنایع را به توسعه ناحیه ای صنعت مدرن مرتبط ساخت. او نتیجه گیری کرد که بنگاهها
یا کارخانهها قادرند تا تعدادی از مولفههای تولید مانند زمین، نیروی انسانی، سرمایه، انرژی، و حمل و نقل را از طریق تراکم به اشتراک گذارند. یافتههای ماشال به مفهوم اقتصاد خارجی منجر شد.[27]و[37] کارخانههای تولیدی مجاور هزینههای تولید و هزینههای معاملات را از طریق مشارکت در زیر بنا ، نیروی کار ماهر ، منابع تولیدی در ناحیه کاهش می دهند. بنابراین اقتصاد خارجی و کاهش هزینه معاملات، فاکتور اصلی در تشکیل خوشه های صنعتی می باشد.
وقتی خوشه های صنعتی تخصصی سازی تولید و نزدیکی جغرافیایی بخش های مربوط را به دست می دهد، آنها تکنولوژی خارجی را تولید می کنند که به تولید کنندگان در منطقه کمک میکند . در حالی که عملیات سیستم تولید محلی تخصصی سازی تولید کننده را تقویت می کند و رابطه ی بین تولید کنندگان محلی و موسسه های محلی نزدیکتر می گردد.[20] یکی از منابع رقابتی بودن ناحیه ای عملیات سیستم تولید محلی می باشد.[19] چنین ویژگی های حیاتی اقتصاد محلی، گاهی نمی تواند در ناحیه های دیگر ایجاد یا تکرار شود . به عبارت دیگر فعالیت اقتصادی تولید کننده ها به وسیله محدودیت های ناحیه ای تحت تاثیر قرار می گیرد[21],و چنین رشد بزرگی در یک موقعیت مکانی به شدت محلی شده، می تواند مرتبط با محیط خاصی که مولفه های تولید را نگه می دارد به نام جاذبه ی فضایی باشد .[22]
بنابراین فضای فعالیت صنایع قطعاً شامل موهبت های طبیعی می باشد مانند نیروی انسانی و منافع فرصت که منجر به تولید کنندگان مستقر در همان ناحیه صنعتی می شود. به دلیل علم سرازیر شده ، پویایی نیروی انسانی، فواید اعتماد دو جانبه و ارزش های مشترک در گروه، این شرکت ها عملکرد اقتصادی بهتری را نسبت به تولید کنندگان خارج از ناحیه صنعتی تجربه می کنند.[23] به علاوه مرتبط کردن مهارت ها، اشتراک اطلاعات ، قوانین گروه ، سیستم و نیروی انسانی در یک ناحیه صنعتی برای توسعه صنعت در محل و افزایش رقابتی بودن محل ، بسیار مهم است.
بر اساس مفاهیم مارشال در ناحیهی صنعتی و تئوری که تولیدکنندگان واقعاً از تراکم در مناطق صنعتی یکسان سود می برند ، سیاست های صنعتی دولتی اغلب صنایع خاص را تشویق به جمع شدن در یک ناحیه ی خاص می کند ، در واقع سیاستهای دولت می تواند به طور فعالی صنایع خاص را تشویق کند، توسعه ناحیه ای روستایی و شهری را تنظیم کند ، و شبکه همکاری تشکیل دهد، و مهمتر از همه توسعه صنعتی در ناحیه داده شده را هدایت کند.[24] توسعهی شهرکهای علمی و صنعتی مثالی از چنین سیاستهایی است. همانطور که در بحث ناحیه ی صنعتی اشاره شد، شبکهی ایجاد شده از طریق شهرک صنعتی، موهبتهای ناحیه را به طور مثبتی تحت تاثیر قرار می دهد. بنابراین همکاری در تقویت اقتصاد ناحیه بسیار مورد توجه است.[17]
نگاهی کوتاه به ساختار نظام اقتصادی کشور های مختلف، ما را با اهمیت و جایگاه شرکت ها و بنگاه های کوچک و متوسط و شهرکها و نواحی در برگیرندهی آنها بیشتر آشنا خواهد کرد.
هر سازمان به منظور آگاهی از میزان مطلوبیت و مرغوبیت فعالیت های خود به خصوص درمحیطهای پیچیده و پویا نیاز مبرم به نظام ارزیابی دارد. از سوی دیگر فقدان وجود نظام ارزیابی و کنترل در یک سیستم به معنای عدم برقراری ارتباط با محیط درون و برون سازمان تلقی می گردد که پیامد های آن کهولت و در نهایت مرگ سازمان است. ممکن است بروز پدیده مرگ سازمانی به علت عدم وقوع یکباره آن از سوی مدیران عالی سازمان ها احساس نشود. اما مطالعات نشان می دهد فقدان نظام کسب بازخورد امکان انجام اصلاحات لازم برای رشد، توسعه و بهبود فعالیتهای سازمان را غیر ممکن می نماید، سرانجام این پدیده مرگ سازمانی است.[3]
لذا با شناخت آماری شهرکها و رتبه بندی آنها و مقایسه نتایج حاصله با اهداف و چشم اندازهای شرکت شهرکهای، امکان بررسی عملکردی میسر میگردد که آن هم به نوبهی خود در جهت تدوین راهکارهای موثر برای حرکت در مسیر توسعه بخش صنعت به کار میآید.
1-2- تشریح و بیان موضوع
از آنجایی که تحلیل پوششی دادهها کارایی متفاوتی در طول زمان ارائه میدهد و به هیچ پیشفرض اولیه ای درباره مرز کارایی نیاز ندارد لذا در میان تمام روشهای ارزیابی عملکرد، DEA در سازماندهی و تحلیل دادهها بهترین روش است. اما DEA قادر به تفکیک کارایی همهی شرکتها از یکدیگر نیست دلیل این موضوع کم بودن تعداد واحدهای تصمیم گیرنده نسبت به تعداد ورودی و خروجیها است. هرچه این نسبت بیشتر باشد، مدل قدرت تفکیکپذیری بالاتری خواهد داشت. در صورتی که این رابطهی تجربی بین تعداد واحدهای تصمیم گیرنده ([6]DMUs ) و ورودیها و خروجیها برقرار باشد، قدرت تفکیک پذیری مدل مناسب است:
m : تعدادورودیهای هر DMU
s : تعداد خروجیهای هر DMU
n : تعداد DMU ها
لذا از آنجایی که روش تحلیل پوششی داده ها در صورت کم بودن تعداد واحد های تصمیم گیرنده (DMU ) با توجه به تعداد ورودی و خروجی ها قادر به تفکیک واحد های تصمیم گیری نمی باشد و در واقع مدل های پایه ای DEA قادر به رتبه بندی کامل واحد ها نیستند، سعی میشود تا از تلفیق تحلیل پوششی داده ها و شبکه های عصبی مصنوعی به منظور اندازه گیری عملکرد واحدهای تصمیم گیرنده استفاده شود به نحوی که مشکل مذکور برطرف گردد.
در این پژوهش سعی شده است معیارهای ارزیابی عملکرد شهرکهای صنعتی استان مازندران تعیین گردد و با استفاده از مدل ترکیبی Neuro-DEA با اندازه گیری کارایی شهرکهای صنعتی این استان و تعیین شهرکهای کارا و ناکارا و همچنین رتبه بندی شهرکها به بهینه سازی شرکت شهرکهای صنعتی استان مازندران از طریق ارزیابی عملکرد کمک گردد.
1 Farrell
[2] Rohdes
[3] Cooper
[4] Charnes
[5] Marshall
[6] Decision-Making Units
نسخه قابل چاپ | ورود نوشته شده توسط نجفی زهرا در 1399/10/26 ساعت 04:58:00 ب.ظ . دنبال کردن نظرات این نوشته از طریق RSS 2.0. |