دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات62
تعداد شماره‌ها2,323
تعداد مقالات19,160
تعداد مشاهده مقاله61,606,267
تعداد دریافت فایل اصل مقاله31,236,499
صیادی تورانلو, حسین, زارعی محمودآبادی, محمد, نوروزی آورگانی, رضا. (1404). مرور نظام‌مند تحلیل پوششی داده‌های شبکه‌ای با رویکرد عدم قطعیت. سامانه مدیریت نشریات علمی, 23(79), 1-42. doi: 10.22054/jims.2026.89116.2997
حسین صیادی تورانلو; محمد زارعی محمودآبادی; رضا نوروزی آورگانی. "مرور نظام‌مند تحلیل پوششی داده‌های شبکه‌ای با رویکرد عدم قطعیت". سامانه مدیریت نشریات علمی, 23, 79, 1404, 1-42. doi: 10.22054/jims.2026.89116.2997
صیادی تورانلو, حسین, زارعی محمودآبادی, محمد, نوروزی آورگانی, رضا. (1404). 'مرور نظام‌مند تحلیل پوششی داده‌های شبکه‌ای با رویکرد عدم قطعیت', سامانه مدیریت نشریات علمی, 23(79), pp. 1-42. doi: 10.22054/jims.2026.89116.2997
صیادی تورانلو, حسین, زارعی محمودآبادی, محمد, نوروزی آورگانی, رضا. مرور نظام‌مند تحلیل پوششی داده‌های شبکه‌ای با رویکرد عدم قطعیت. سامانه مدیریت نشریات علمی, 1404; 23(79): 1-42. doi: 10.22054/jims.2026.89116.2997

مرور نظام‌مند تحلیل پوششی داده‌های شبکه‌ای با رویکرد عدم قطعیت

مطالعات مدیریت صنعتی
مقاله 1، دوره 23، شماره 79، دی 1404، صفحه 1-42    اصل مقاله (2.05 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2026.89116.2997
نویسندگان
حسین صیادی تورانلو1؛ محمد زارعی محمودآبادی* 2؛ رضا نوروزی آورگانی3
1استاد گروه مدیریت صنعتی، دانشکده علوم انسانی، دانشگاه میبد، میبد، ایران.
2دانشیار گروه مدیریت صنعتی، دانشکده علوم انسانی، دانشگاه میبد، میبد، ایران.
3دانشجوی دکتری مدیریت صنعتی، دانشکده علوم انسانی، دانشگاه میبد، میبد، ایران.
چکیده
طی دهه اخیر، توسعه مدل‌های تحلیل پوششی داده‌های شبکه‌ای (NDEA) موجب شد تا ساختارهای درونی و روابط پیچیده میان زیرواحدهای تصمیم‌گیری (DMUs) در ارزیابی کارایی موردتوجه قرار گیرد. این رویکرد در مقایسه با مدل‌های سنتی DEA از توان تبیین مدیریتی و تحلیلی بالاتری برخوردار است. هدف پژوهش حاضر، مرور نظام‌مند و تحلیل روندهای کلان در توسعه، کاربرد و بسط مدل‌های NDEA با تأکید بر رویکردهای مبتنی بر عدم‌قطعیت در بازه زمانی 2014 تا 2024 است. برای تحلیل داده‌ها از نرم‌افزارهای Microsoft Excel و VOSviewer به‌منظور انجام تحلیل هم‌واژگانی، ترسیم شبکه‌های علمی و شناسایی خوشه‌های پژوهشی استفاده شده است. مقالات منتخب بر اساس دو محور اصلی شامل حوزه پژوهش (کاربردی) و منطق پژوهش (قطعی یا غیرقطعی) طبقه‌بندی گردیدند. نتایج نشان داد بیشترین حجم مطالعات کاربردی NDEA در بخش صنعت متمرکز بوده و در بعد منطقی، مدل‌های قطعی بیشترین فراوانی را داشته‌اند. واژه «تحلیل پوششی داده‌های شبکه‌ای» پس از «تحلیل پوششی داده‌ها» به‌عنوان پرتکرارترین کلیدواژه شناسایی شد. علاوه بر این، پژوهش حاضر با تلفیق یافته‌ها، یک چارچوب مفهومی برای تحلیل پوششی داده‌های شبکه‌ای ارائه می‌دهد و مسیرهای بالقوه آینده را در زمینه تلفیق NDEA با نظریه‌های عدم‌قطعیت ترسیم می‌نماید. تاکنون پژوهشی جامع که به‌طور هم‌زمان به تحلیل پوششی داده‌های شبکه‌ای و ابعاد عدم‌قطعیت پرداخته باشد انجام نشده است. این مطالعه با شناسایی خلأهای پژوهشی، ترسیم نقشه علمی حوزه و معرفی موضوعات نوظهور و زمینه‌های پژوهشی آتی، می‌تواند به‌عنوان مرجعی مفید برای پژوهشگران و تصمیم‌گیران در حوزه تحلیل کارایی تحت عدم‌قطعیت محسوب شود.
کلیدواژه‌ها
تحلیل پوششی داده‌های شبکه‌ای (NDEA)؛ تحلیل پوششی داده‌ها (DEA)؛ عدم‌قطعیت؛ مرور نظام‌مند؛ نقشه علم؛ تصمیم‌گیری
مراجع
  1. آذر، عادل؛ زارعی محمودآبادی، محمد؛ (1392). بهبود سنجش کارایی و قدرت تفکیک در الگو‌های DEA با ارائه یک الگوی جدید CSW، نشریه بهبود مدیریت، 7(20): 114-99.
  2. آذر، عادل؛ زارعی محمودآبادی، محمد؛ مقبل باعرض، عباس؛ خدیور، آمنه. (1393). سنجش بهره‌وری شعب بانک با رویکرد تحلیل پوششی داده‌های شبکه‌ای (یکی از بانک‍های استان گیلان)، فصلنامه پژوهش‍های پولی-بانکی، 7(20): 305-285.
  3. رحمتی نژاد، فاطمه؛ زارعی محمودآبادی، محمد؛ صیادی تورانلو، حسین (1402). ارزیابی ریسک در صنایع غذایی با رویکرد ترکیبی FMEA و BWM در شرایط فازی شهودی (مطالعه موردی: کارخانه لبنیات تاشال قوچان)، نشریه پژوهش‍های مهندسی صنایع در سیستم‍های تولید، 11(22): 185-171. 22084/ier.2023.5426
  4. زارعی محمودآبادی، محمد. (1395). ارزیابی چندسطحی کارایی در صنعت بانکداری (رویکرد SBM شبکه‍ای)، نشریه مدیریت صنعتی دانشگاه تهران، 8(32): 380-359. 22059/imj.2016.61711
  5. زارعی محمودآبادی، محمد؛ نوروزی آورگانی، رضا. (1403). ارزیابی کارایی زیست‌محیطی استان‌های کشور با رویکرد تحلیل پوششی داده‌های پنجره‌ای فازی (FWDEA) با حضور خروجی نامطلوب، چشم‌انداز مدیریت صنعتی، 14(3): 235-212. 48308/jimp.14.3.212
  6. عبدالرحیمیان، محمدحسین؛ حیدری، نیما؛ زارعی محمودآبادی، محمد. (1404). بررسی عوامل تأثیرگذار بر کارایی بانک‌های پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از رویکرد تحلیل پوششی داده‌ها و مدل رگرسیون لاجیت و پروبیت، راهبرد مدیریت مالی، 13(4): 146-123. 22051/jfm.2025.47090.2921
  7. نوروزی آورگانی، رضا؛ زارعی محمودآبادی، محمد؛ محمودیان، حامد (1402). مرور نظام‌مند مطالعات کارایی انرژی و زیست‌محیطی، فصلنامه پژوهش‍های سیاست‍گذاری و برنامه‍ریزی انرژی، 9(3): 203-171.
  8. Afonso, G. P., Figueira, J. R., & Ferreira, D. C. (2025). Dealing with uncertainty in healthcare performance assessment: a fuzzy network‐DEA approach with undesirable outputs. International Transactions in Operational Research, 32(5), 2732-2766.‏ https://doi.org/10.1111/itor.13490
  9. Aghasizadeh, Z., POOYA, A., Motahari, F. N., & Vafaee, N. A. (2022). Evaluating the Efficiency of Hospitals Using Network Data Envelopment Analysis (NDEA) and Providing a Suitable Model of Allocating Resources for Future Investments.‏ 1001.1.17358132.1401.16.1.4.1
  10. Allaei, A. S., Vahdani, B., Gholami, H. R., & Alinezhad, A. (2024). Assessing cross-docking performance using a novel network DEA model regarding sustainability and undesirable factors under uncertainty. International Journal of Systems Science: Operations & Logistics, 11(1), 2436182.‏ https://doi.org/10.1080/23302674.2024.2436182
  11. Ameri, Z., Sana, S. S., & Sheikh, R. (2019). Self-assessment of parallel network systems with intuitionistic fuzzy data: a case study. Soft Computing, 23(23), 12821-12832.‏ https://doi.org/10.1007/s00500-019-03835-5
  12. Anh, D. L. T., & Gan, C. (2020). Profitability and marketability efficiencies of Vietnam manufacturing firms: An application of a multi-stage process. International Journal of Social Economics, 47(1), 54-71.‏ https://doi.org/10.1108/IJSE-05-2019-0321
  13. Arbabi, M., Moghaddas, Z., Amirteimoori, A., & Khunsiavash, M. (2023). Inverse model of network data envelopment analysis: reallocation of resources in hospitals. Economic Computation & Economic Cybernetics Studies & Research, 57(4). DOI: 24818/18423264/57.4.23.19
  14. Ardakani, S. M., Meybodi, H. B., & Tooranloo, H. S. (2022). Development of a bounded two-stage data envelopment analysis model in the intuitionistic fuzzy environment. Advances in Operations Research, 2022.‏ DOI: 1155/2022/3652250
  15. Azadi, M., Moghaddas, Z., Saen, R. F., Gunasekaran, A., Mangla, S. K., & Ishizaka, A. (2023). Using network data envelopment analysis to assess the sustainability and resilience of healthcare supply chains in response to the COVID-19 pandemic. Annals of Operations Research, 328(1), 107-150. https://doi.org/10.1007/s10479-022-05020-8
  16. Azar, A., Zarei Mahmoudabadi, M., & Emrouznejad, A., (2016). A new fuzzy additive model for determining the common set of weights in Data Envelopment Analysis. Journal of Intelligent & Fuzzy Systems, 30(1), 61-69. DOI:3233/IFS-151710
  17. Ghaffari-Hadigheh, A., & Lio, W. (2020). Network data envelopment analysis in uncertain environment. Computers & Industrial Engineering, 148, 106657.‏ https://doi.org/10.1016/j.cie.2020.106657
  18. Golshani, H., Khoveyni, M., Valami, H. B., & Eslami, R. (2021). Performance evaluation in a two-stage network-DEA with intermediate products. International Journal of Information and Decision Sciences, 13(1), 42-58.‏ https://doi.org/10.1504/IJIDS.2021.113600
  19. Hatami-Marbini, A., Toloo, M., Amini, M. R., & Azar, A. (2022). Extending a fuzzy network data envelopment analysis model to measure maturity levels of a performance based-budgeting system: A case study. Expert systems with applications, 200, 116884. https://doi.org/10.1016/j.eswa.2022.116884
  20. Hsiao, B., & Chen, L. H. (2019). Performance evaluation for Taiwanese hospitals by multi-activity network data envelopment analysis. International Journal of Information Technology & Decision Making, 18(03), 1009-1043.‏ https://doi.org/10.1142/S0219622018500165
  21. Huang, Y., & Wang, M. (2024). Efficiency evaluation of China’s high-tech industry with a dynamic network data envelopment analysis game cross-efficiency model. Operational research, 24(1), 8.‏ https://doi.org/10.1007/s12351-024-00815-y
  22. Kamyab, P., Mozaffari, M. R., Gerami, J., & Wankei, P. F. (2021). Two-stage incentives system for commercial banks based on centralized resource allocation model in DEA-R. International Journal of Productivity and Performance Management, 70(2), 427-458. https://doi.org/10.1108/IJPPM-11-2018-0396
  23. Kaur, R., & Puri, J. (2024). Cost efficiency analysis using relational dynamic network DEA: A case study in the Indian banking sector. The Journal of Analysis, 32(1), 243-267.‏ https://doi.org/10.1007/s41478-023-00632-0
  24. Lin, T. Y., Chiu, S. H., Wang, Y., & Ouyang, Z. (2022). Value Creation Performance Evaluation for Taiwanese Financial Holding Companies during the Global Financial Crisis Based on a Multi-Stage NDEA Model under Uncertainty. Axioms, 11(2), 35.‏ https://doi.org/10.3390/axioms11020035
  25. Mahdiloo, M., Jafarzadeh, A. H., Saen, R. F., Tatham, P., & Fisher, R. (2016). A multiple criteria approach to two-stage data envelopment analysis. Transportation Research Part D: Transport and Environment, 46, 317-327.‏ https://doi.org/10.1016/j.trd.2016.04.008
  26. Mansouri, H., Mollaei, H. R., Mousavi-Nasab, S. H., Firoozi, Z., & Mohammadi, E. (2024). Performance Evaluation and Credit Rating of Mutual Funds Using the Optimistic-Pessimistic Fuzzy Network Data Envelopment Analysis Approach. Fuzzy Systems and its Applications, 7(2), 149-180.‏ 22034/jfsa.2025.479866.1243
  27. Mohanta, K. K., & Sharanappa, D. S. (2023). Development of the neutrosophic two-stage network data envelopment analysis to measure the performance of the insurance industry. Soft computing, 1-32.‏ https://doi.org/10.1007/s00500-023-09294-3
  28. Navarro-Chávez, C. L., Delfin-Ortega, O. V., & Guardado Ibarra, E. (2022). Oil industry in the international context, 2010–2017: an analysis of efficiency through the network DEA model. International Journal of Energy Sector Management, 16(6), 1111-1129.‏ https://doi.org/10.1108/IJESM-05-2020-0001
  29. Otay, İ., & Kahraman, C. (2019). A state-of-the-art review of neutrosophic sets and theory. Fuzzy multi-criteria decision-making using neutrosophic sets, 3-24.‏ https://doi.org/10.1007/978-3-030-00045-5_1
  30. Pacagnella Junior, A. C., Hollaender, P. S., Mazzanati, G. V., & Bortoletto, W. W. (2020). Infrastructure and flight consolidation efficiency of public and private Brazilian international airports: A two‐stage DEA and Malmquist index approach. Journal of Advanced Transportation, 2020(1), 2464869.‏ https://doi.org/10.1155/2020/2464869
  31. Peykani, P., Sargolzaei, M., Hamidzadeh, F., Seyed Esmaeili, F. S., & Takaloo, A. (2024). Possibilistic Network DEA Approach for Performance Evaluation of Two-Stage Decision Making Units Under Uncertainty. In Analytical Decision Making and Data Envelopment Analysis: Advances and Challenges (pp. 59-79). Singapore: Springer Nature Singapore. DOI: 1007/978-981-97-6972-8_3
  32. Poudineh, E., Rostamy-Malkhalifeh, M., Payan, A., & Noura, A. (2020). A fully fuzzy DEA approach for network cost efficiency measurement based on ranking functions. Italian Journal of Pure and Applied Mathematics, 44, 170-187.
  33. Rajaei Qazlue, S., Mehrabian, A., Khalili-Damghani, K., & Amirkhan, M. (2024). A dynamic multi-stage network data envelopment analysis approach for evaluating performance of wheat farms. Journal of Modelling in Management, 19(2), 556-580.‏ https://doi.org/10.1108/JM2-09-2022-0213
  34. Rashid, A. A., See, K. F., & Yu, M. M. (2024). Measuring airline efficiency using a dynamic network data envelopment analysis in the presence of innovation capital. Technological Forecasting and Social Change, 206, 123457.‏ https://doi.org/10.1016/j.techfore.2024.123457
  35. Rasinojehdehi, R., & Valami, H. B. (2023). A comprehensive neutrosophic model for evaluating the efficiency of airlines based on SBM model of network DEA. Decision making: applications in management and engineering, 6(2), 880-906.‏ https://doi.org/10.31181/dma622023729
  36. Ratner, S. V., Shaposhnikov, A. M., & Lychev, A. V. (2023). Network DEA and its applications (2017–2022): A systematic literature review. Mathematics, 11(9), 2141. https://doi.org/10.3390/math11092141
  37. Roghaee, N., Mohammadi, E., & Varzgani, N. (2020). Performance evaluation and ranking of electricity companies using fuzzy network data envelopment analysis: A case study of Iranian regional electricity organisations. International Journal of Management and Decision Making, 19(4), 450-472.‏ https://doi.org/10.1504/IJMDM.2020.110885
  38. Sahil, M. A., & Lohani, Q. D. (2024). Comprehensive intuitionistic fuzzy network data envelopment analysis incorporating undesirable outputs and shared resources. MethodsX, 12, 102710.‏ https://doi.org/10.1016/j.mex.2024.102710
  39. Sahil, M. A., & Lohani, Q. D. (2024). Comprehensive intuitionistic fuzzy network data envelopment analysis incorporating undesirable outputs and shared resources. MethodsX, 12, 102710.‏ https://doi.org/10.1016/j.mex.2024.102710
  40. Salehzadeh, S. J., Hejazi, S. R., & Rezvan, M. T. (2024). An approach based slack variables in network data envelopment analysis to incorporate dynamic effects. Interdisciplinary Journal of Management Studies (Formerly known as Iranian Journal of Management Studies), 17(3), 817-838. 22059/ijms.2023.340611.675017
  41. See, K. F., Hamzah, N. M., & Yu, M. M. (2021). Metafrontier efficiency analysis for hospital pharmacy services using dynamic network DEA framework. Socio-Economic Planning Sciences, 78, 101044.‏ https://doi.org/10.1016/j.seps.2021.101044
  42. Shahbazifar, M. S., Matin, R. K., Khounsiavash, M., & Koushki, F. (2021). Group ranking of two-stage production units in network data envelopment analysis. RAIRO-Operations Research, 55(3), 1825-1840. DOI: 1051/ro/2021082
  43. Shakouri, B., Abbasi Shureshjani, R., Daneshian, B., & Hosseinzadeh Lotfi, F. (2020). A parametric method for ranking intuitionistic fuzzy numbers and its application to solve intuitionistic fuzzy network data envelopment analysis models. Complexity, 2020(1), 6408613. https://doi.org/10.1155/2020/6408613
  44. Shao, L., Yu, X., & Feng, C. (2019). Evaluating the eco-efficiency of China's industrial sectors: A two-stage network data envelopment analysis. Journal of environmental management, 247, 551-560.‏ https://doi.org/10.1016/j.jenvman.2019.06.099
  45. Shiri, M., Ahmadizar, F., Thiruvady, D., & Farvaresh, H. (2023). A sustainable and efficient home health care network design model under uncertainty. Expert Systems with Applications, 211, 118185.‏ https://doi.org/10.1016/j.eswa.2022.118185
  46. Shojaie, S. E., Sadjadi, S. J., & Tavakkoli-Moghaddam, R. (2024). Malmquist productivity index for two-stage network systems under data uncertainty: A real-world case study. Plos one, 19(7), e0307277.‏ https://doi.org/10.1371/journal.pone.0307277
  47. Song, K. H., Choi, S., & Han, I. H. (2020). Competitiveness evaluation methodology for aviation industry sustainability using network DEA. Sustainability, 12(24), 10323.‏ https://doi.org/10.3390/su122410323
  48. Tabasi, M., Navabakhsh, M., Kotobashkan, H., & Tavakkoli-Moghaddam, R. (2019). Performance evaluation using network data envelopment analysis approach with game theory under mixed grey-fuzzy uncertainty in Iran Khodro company. International Transaction Journal of Engineering, Management, & Applied Sciences & Technologies, 10(13), 10A13L.‏ DOI: 14456/ITJEMAST.2019.176
  49. Tan, Y., & Despotis, D. (2021). Investigation of efficiency in the UK hotel industry: A network data envelopment analysis approach. International Journal of Contemporary Hospitality Management, 33(3), 1080-1104.‏ DOI: 1108/IJCHM-07-2020-0641
  50. Tavassoli, M. (2024). Resilience-sustainability assessment of electricity supply chain under uncertainty: a new fuzzy dynamic network DEA based on rang adjusted measure. Opsearch, 1-40.‏ DOI: 1007/s12597-024-00827-4
  51. Tavassoli, M., & Ghandehari, M. (2024). Estimating most productive scale size decomposition in a fuzzy network data envelopment analysis model: assessing the sustainability and resilience of the supply chain. RAIRO-Operations Research, 58(2), 1807-1833.‏ https://doi.org/10.1051/ro/2024047
  52. Tavassoli, M., Ketabi, S., & Ghandehari, M. (2022). A novel fuzzy network DEA model to evaluate efficiency of Iran’s electricity distribution network with sustainability considerations. Sustainable Energy Technologies and Assessments, 52, 102269.‏ https://doi.org/10.1016/j.seta.2022.102269
  53. Tehci, A., Ersoy, Y., & Selamzade, F. (2025). Application of data envelopment analysis in marketing. Dumlupınar Üniversitesi İİBF Dergisi, (15), 23-28. DOI: 58627/dpuiibf.1632573
  54. Temoso, O., Tran, C. T. T. D., & Myeki, L. (2023). Network DEA efficiency of South African higher education: evidence from the analysis of teaching and research at the university level. Journal of Further and Higher Education, 47(8), 1009-1026.‏ https://doi.org/10.1080/0309877X.2023.2209799
  55. Zarei Mahmoudabadi, M., & Emrouznejad, A., (2019). Comprehensive performance evaluation of banking branches: A three-stage slacks-based measure (SBM) data envelopment analysis. International Review of Economics and Finance, 64, 359-376. DOI: 1016/j.iref.2019.08.001
  56. Zarei Mahmoudabadi, M., & Emrouznejad, A., (2022). Balanced Performance Assessment Under Uncertainty: An Integrated CSW-DEA and Balanced Scorecard (BSC). Annals of Operations Research. 1-16. https://doi.org/10.1007/s10479-022-04637-z
  57. Zarei Mahmoudabadi, M., Azar, A., & Emrouznejad, A., (2018). A novel multilevel network slacks-based measure with an application in electric utility companies. Energy, 158, 1120-1129. DOI:1016/j.energy.2018.05.161
  58. Zhai, D., Shang, J., Yang, F., & Ang, S. (2019). Measuring energy supply chains' efficiency with emission trading: A two-stage frontier-shift data envelopment analysis. Journal of cleaner production, 210, 1462-1474.‏ https://doi.org/10.1016/j.jclepro.2018.10.355
آمار
تعداد مشاهده مقاله: 329
تعداد دریافت فایل اصل مقاله: 316


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب
login