دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات57
تعداد شماره‌ها1,931
تعداد مقالات15,380
تعداد مشاهده مقاله36,328,012
تعداد دریافت فایل اصل مقاله21,876,938
عابدی دهکردی, هما, توحیدی, قاسم, رضویان, شبنم, کرامتی, محمد علی. (1402). ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن. سامانه مدیریت نشریات علمی, 21(69), 199-233. doi: 10.22054/jims.2023.67648.2788
هما عابدی دهکردی; قاسم توحیدی; شبنم رضویان; محمد علی کرامتی. "ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن". سامانه مدیریت نشریات علمی, 21, 69, 1402, 199-233. doi: 10.22054/jims.2023.67648.2788
عابدی دهکردی, هما, توحیدی, قاسم, رضویان, شبنم, کرامتی, محمد علی. (1402). 'ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن', سامانه مدیریت نشریات علمی, 21(69), pp. 199-233. doi: 10.22054/jims.2023.67648.2788
عابدی دهکردی, هما, توحیدی, قاسم, رضویان, شبنم, کرامتی, محمد علی. ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن. سامانه مدیریت نشریات علمی, 1402; 21(69): 199-233. doi: 10.22054/jims.2023.67648.2788

ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن

مطالعات مدیریت صنعتی
مقاله 6، دوره 21، شماره 69، تیر 1402، صفحه 199-233    اصل مقاله (1.4 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2023.67648.2788
نویسندگان
هما عابدی دهکردی1؛ قاسم توحیدی* 2؛ شبنم رضویان3؛ محمد علی کرامتی4
1دانشجوی دکتری مدیریت صنعتی ،دانشگاه آزاد واحد تهران مرکزی،تهران،ایران
2دانشیارگروه ریاضی کاربردی، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
3دانشیارگروه ریاضی کاربردی، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
4دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
کارخانجات سیمان در گوشه و کنار ایران پراکنده شده است و بنابراین، محصول سیمان در شرایط آب و هوایی متفاوت تولید می‌گردد. فناوری‌های تولید سیمان با توجه به دسترسی به نوع مصالح، سوخت و از جمله منبع مهمی چون آب متفاوت است. بر این اساس، ورودی‌ها و خروجی‌های متفاوتی در هر یک از فناوری‌ها قابل ملاحظه است که باعث ایجاد ناهمگنی مراحل تولید بین کارخانجات می‌شود و از آنجا که همگی کار تولید سیمان را انجام می‌دهند، لازم است با یکدیگر مقایسه شوند. در این پژوهش، فرآیندهای عملیاتی پنج شیوه خشک، نیمه‌خشک، مرطوب، مرطوب دوغابی و نیمه مرطوب در چهار شرکت دارای مجموعا نه کارخانه مورد مطالعه قرار گرفته است و کارایی آنها با توجه به اطلاعات موجود از سال 1396 تا سال 1399 بر اساس تحلیل پوششی شبکه‌ای داده‌ها در شرایط ناهمگن و به صورت سه‌مرحله‌ای، پس از مدلسازی محاسبه گردید. از مهمترین ویژگی‌های این پژوهش می‌توان به تمرکز بر زنجیره تامین از مواد خام متنوع تا محصول نهایی اشاره کرد. گرچه بر اساس فناوری‌های یاد شده، مواد خام اولیه در فناوری‌های مختلف تولید سیمان متفاوت است، لیکن محصول نهایی تقریبا یکسان است.
کلیدواژه‌ها
کارایی؛ تحلیل پوششی داده‌های شبکه‌ای؛ تحلیل پوششی داده های ناهمگن؛ زنجیره تامین؛ سیمان
مراجع
  1. جمالی، غلامرضا و کریمی اصل، الهام. (1397). موقعیت رقابتی زنجیره تأمین لارج در صنعت سیمان و تحلیل اهمیت عملکرد الزامات راهبردی مرتبط با آن، مطالعات مدیریت صنعتی. سال شانزدهم، پاییز، شماره 50.
  2. رمضانیان، محمدرحیم، یاکیده، کیخسرو و اخوان دیلمی، لعبت. (1398). بررسی کارایی مدیریت بانک‌ها با استفاده از تکنیک DEA (مطالعه موردی شعب مختلف بانک‌های تهران). مدیریت بهره‌وری، سال سیزدهم، شماره چهل‌ونه، تابستان، ص‌ص: 144-12.
 

  1. Bart, M., Tohidi, G., &Sanei, M. (2018). DEA for nonhomogeneous mixed networks. Journal of Asia Pacific Management Review, 24(2): 161–166. https://doi.org/10.1016/j.apmrv.2018.02.003
  2. Charnes, A., Cooper, W., & Rhodes, E.) 1978(. Measuring the efficiency of decision making units. European Journal of Operational Research, 2, 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
  3. Chen, Y., WU, L. & LU, Bo. (2018). Data envelopment analysis procedure with two non-homogeneous DMU groups, Journal of Systems Engineering and Electronics, 29(4): 780–788. DOI:21629/JSEE.2018.04.12
  4. Cook, W., Harrison, J., Imanirad, R., Rouse, P., & Zhu, J. (2013). Data envelopment analysis with nonhomogeneous DMUs, Journal of Operations Research, 61(3), 666-676.DOI: https://doi.org/10.1016/j.omega.2013.09.004
  5. Cook, WD., Tone, K., & Zhu. J. (2014). Data envelopment analysis Prior to choosing a model. Journal of Omega, 44, 1-4. DOI: https://doi.org/10.1016/j.omega.2013.09.004
  6. Du, J., Chen, Y. & Huo, J. (2015). DEA for non-homogenous parallel networks, Journal of Omega, 56(1), 122– 132. DOI:10.1016/j.omega.2014.10.001
  7. Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, 120(3): 253 – 290. https://doi.org/10.2307/2343100
  8. Huang, W., Chiu, H., Tu, H., Luo, Y., & Wang, Z. (2016). Using the non-homogeneous frontier two-stage DEA model to assess the efficiencies of expense utilization and operation of the Taiwanese hotel industry, International Transactions in Operational Research, 23(6): 1067–1087. https://doi.org/10.1080/01605682.2019.1578625
  9. Jablonsky, J. (2019). Data Envelopment Analysis Models in Non-Homogeneous Environment. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 67(6): 1535–1540. 11118/ actaun201967061535
  10. Jamali,GH.,Karimi Asl, (2019). The competitive position of the large supply chain in the cement industry and the analysis of the importance of the performance of the strategic requirements related to it.Journal of industrial management , 16(50):53-77[In Persian] https://doi.org/10.22054/jims.2018.9106
  11. Kao, C., Hwang, SN. (2010). Efficiency measurement for network systems IT impact on firm performance, Journal of Decision Support Systems, 48: 437-446. https://doi.org/10.1016/j.dss.2009.06.002
  12. Li,W., Liang, L., Cook, W. D., & Zhu, J. (2016). DEA models for non-homogeneous DMUs with different input configurations, European Journal of Operational Research, 254(3), 946- 956. https://doi.org/10.1016/j.ejor.2016.04.063
  13. Li,Y., Lei, X., & Morton, A. (2018). Performance evaluation of nonhomogeneous hospitals: The case of Hong Kong hospitals, Health Care Management Science, 22(2): 215–228. 1007/s10729-018-9433-y
  14. Ramezaniyan,M., Pakideh, K., &Akhavan Deylami, L.(2020). Investigating the efficiency of bank management using DEA technique (case study of different branches of Tehran banks. Journal of Productivity management, 13(49):123-144 [In Persian]30495/qjopm.2019.666889
  15. Singh, S. and Ranjan, P. (2018). Efficiency analysis of non-homogeneous parallel sub-unit systems for the performance measurement of higher education, Annals of Operations Research, 269(1–2): 641–666. https://doi.org/10.1007/s10479-017-2586-0
  16. Song, M.L., Peng, L., Wang, J.L., & Zhao. J.J. (2018). Environmental efficiency and economic growth of China: a Ray slack-based model analysis. European Journal of Operational Research269(1):51–63. DOI: 10.1016/j.ejor.2017.03.073
  17. Sun, J., Wang, C., JI, X., & WU, J. (2017). Performance evaluation of heterogeneous bank supply chain systems from the perspective of measurement and decomposition, Journal of Computers & Industrial Engineering, 113: 891–903. DOI:1016/j.cie.2017.05.028
  18. Ye, C., Liangpeng, W., Bo, L. (2018). Data envelopment analysis procedure with two non-homogeneous DMU groups, Journal of Systems Engineering and Electronics, 29(4), 780 – 788. DOI:21629/JSEE.2018.04.12
  19. Zhu, W., Yu, Y. & Sun, P. (2017). Data envelopment analysis cross-like efficiency model for non-homogeneous decision-making units: The case of United States companies’ low-carbon investment to attain corporate sustainability, European Journal of Operational Research. 269(1), 99-110.https://doi.org/10.1016/j.ejor.2017.08.007
آمار
تعداد مشاهده مقاله: 288
تعداد دریافت فایل اصل مقاله: 205


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب
login