ارزیابی عملکرد واحدهاي تصمیم گیري با استفاده از مدل ترکیبی شبکه هاي عصبی پیش بینی کننده عملکرد و تحلیل پوششی داده ها (مورد مطالعه: شرکت ملی گاز ایران)

یکی از عمده‌ترین مشکلات استفاده از ((تحلیل پوششی داده ها)) ضعف قدرت تفکیک‌پذیری برای ((واحدهای تصمیم‌گیرنده)) است. این مسأله عمدتاً به علت کم بودن تعداد واحدها در مقایسه با تعداد ورودی‌ها و خروجی‌های مدل می‌باشد. ] 1[. این مشکل در ارزیابی عملکرد 23 شرکت گاز استانی با توجه به تعداد زیاد ورودی ها و خروجی‌های هر شرکت گاز به خوبی خود را نمایان می‌کند. بر اين اساس، در این پژوهش جهت ارزیابی عملکرد و کارایی شرکت های گاز استانی ابتدا رویکرد یا مدل مضربی CCR ورودی محور و روش اندرسون- پیترسون (AP) برای رتبه بندی واحدهای کارا در قالب مدل های تحلیل پوششی داده ها (DEA) مورد بررسی قرار گرفت و ضعف مدل ها از نظر محاسبه و تفکیک کارایی شرکت ها مشخص شد. در ادامه پژوهش جهت تحلیل و ارزیابی کارایی شرکت ها از رویکرد شبکه های عصبی محاسبه کننده عملکرد در قالب مدل های ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی (Neuro/DEA) استفاده شد. نتایج تحلیلی کارایی محاسبه شده واحدها با استفاده از این مدل‌ها نشان از قدرت بالای شبكه در محاسبه و تفکیک‌پذیری شرکت‌ها از نظر کارایی بود.

تحلیل پوششی داده ها، شبکه های عصبی مصنوعی (ANNS)، مدل CCR ورودی محور