تعداد نشریات | 57 |
تعداد شمارهها | 1,796 |
تعداد مقالات | 14,251 |
تعداد مشاهده مقاله | 30,606,965 |
تعداد دریافت فایل اصل مقاله | 19,160,623 |
یک مدلDEA برای ارزیابی اجرای زنجیره تامین پایداربا حضور خروجیهای نامطلوب و شاخصهای دو نقش ورودی وخروجی : کاربردی ازصنعت برق | ||
مطالعات مدیریت صنعتی | ||
مقاله 5، دوره 19، شماره 62، مهر 1400، صفحه 139-192 اصل مقاله (3.36 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22054/jims.2020.43151.2330 | ||
نویسندگان | ||
مژگان پورعلیزاده1؛ علیرضا امیرتیموری![]() ![]() | ||
1گروه ریاضی دانشگاه آزاد اسلامی واحد رشت | ||
2گروه ریاضی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران | ||
3دانشگاه آزاد اسلامی واحد رشت | ||
چکیده | ||
تحلیل پوششی داده ها یک روش مفید جهت اندازه گیری کارایی نسبی عملکردی و محیطی یک زنجیره تامین پایدار می باشد. بخش های یک زنجیره تامین براساس فعالیت اقتصادی دو نوع خروجی تولید میکنند و ورودی ها به دو دسته تحت دسترس پذیری عادی و مدیریتی افراز میشوند. این مقاله مدلی را برای تعیین کارایی یک زنجیره تامین جهت سرمایه گذاری روی نوع خاصی از ورودی ها به منظور ابداع تکنولوژی جدید همراه با شاخص های دو نقشی برای کنترل هزینه پاک سازی گاز فلرینگ ,مقدار الکتریسیته مصرفی نیروگاه ها و ارتقای سطح علمی درامور بهره برداری و انتقال ارائه میکند. بخش کاربردی این مطالعه شامل ده زنجیره تامین ازصنعت برق در نقاط متفاوت ایران می باشد هر زنجیره تامین شامل کمپانی نفت و گاز جهت تامین سوخت مورد نظرنیروگاه ها و نیروگاه های برق جهت تولید برق و شرکت برق منطقه ای برای انتقال برق تولید شده و شرکت های توزیع برق جهت توزیع الکتریسته مورد نیاز و هم چنین مصرف کنندگان می باشد. | ||
کلیدواژهها | ||
دسترس پذیری آزاد؛ دسترس پذیری مدیریتی؛ فاکتورهایی دو نقشی؛ ابداع تکنولوژی نوین؛ ناکارایی زنجیره تامین | ||
مراجع | ||
[1] Cook, W D., Green, R H., & Zhu, J. (2006). Dual- role factors envelopment analysis. IIE Transaction, 38(2), 105-115.
[2] Cook, W D., Zhu, J. (2007). Classifying inputs and outputs in data envelopment analysis. European Journal of Operational Research, 180 (2), 692-699.
[3] Kao, C., Hwang, S N. (2007). Efficiency decomposition in two-stage data envelopment Analysis: An application to non-life insurance companies in Taiwan. European Journal of Operational Research, 185(1), 418-429.
[4] Fare, R., Grosskopf, S., & Lovell, K. Pasurka, C. (1989). Multilateral productivity comparison When some outputs are undesirable. A nonparametric approach: The Review of Economics and statistical, 71(1), 90- 98.
[5] Farzipoor, Saen R. (2010a). Technology selection in the presence of dual- role factors. .International Journal of Advance Operation Management 2 (Nos, ¾), 249-269.
[6] Farzipoor, Saen R. (2010b) .Developing a new data envelopment analysis methodology for supplier selection in the presence of both undesirable outputs and imprecise data. International Journal of advance Manufacturing Technologhy, 51 (9), 1 243-1250.
[7] Farzipoor, Saen R. (2010c). Restricting weights in supplier selection decision in the presence of dual –role factors. Applied mathematical modeling, 34 (10), 2820-2830.
[8] Farzipoor, Saen, R. (2011). A decision model for selecting third – party reverse logistics provider in the presence of dual – role factors and imprecise data .Asia- pacific. Journal of Operation Research, 28 (9), 239-254.
[9] Farzipoor, Sean R., Mirhedayatian, SM., & Azadi, M. (2014). A novel network data envelopment analysis model for evaluation green supply chain Management .International Journal Production Economics, 147, 544-554.
[10] Hatefi, SM., Jolia, F. (2010). A new model for classifying inputs and outputs and evaluating the performance of DMUs based on trans log outputs distance function. Applied Mathematical Modeling, 34 (6), 1439-1449.
[11] Kao, C., Hwang, S N. (2007). Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. European Journal of Operational Research, 185(1), 418-429.
[12] Sueyoshi, T., Goto, M. (2009). Can environment investment and expenditure enhance financial performance of US electric utility firm under the clean air act amendment of 1990? Energy policy, 37, 4819-4826.
[13] Sueyoshi, T., Goto, M. (2010a) .Measurement of a linkage among environmental, operation al and financial performance in Japanese manufacturing firms : A use of data envelopment analysis with Strong complement slackness condition European Journal of Operational Research, 207, 1742-1753.
[14] Sueyoshi, T., Gotto, M. (2010b). Should the US clean air act include CO2 emission control? Examination by data envelopment analysis. Energy policy ,38, 5902-5911.
[15] Sueyoshi, T., Gotto, M. (2011a) .DEA approach for unified efficiency measurement assessment of Japanese fossil fuel power generation .Energy Econ ,33,195 -208.
[16] Sueyoshi, T., Gotto, M. (2011b). DEA approach for unified efficiency measurement assessment of Japanese fossil fuel power generation. EnergyEcon, 33, 195-208.
[17] Sueyoshi, T., Gotto, M. (2011c). A combined use of DEA (data envelopment analysis) with strong complementary slackness condition and DEA-DA (discriminant analysis).Appl Math Lett, 24, 1051-1056.
[18] Sueyoshi, T., Gotto, M. (2012a). Data envelopment analysis of environmental assessments comparison between public and private ownership in petroleum industries. European Journal of Operational Research, 216, 668-678.
[19] Sueyoshi, T., Gotto, M. (2012b). Methodological comparison between two unified (operational and environmental efficiency measurements for environmental assessment. European Journal of Operational Research, 210, 684-693.
[20] Sueyoshi, T., Gotto, M. (2012c). Efficiency-based rank assessment for electric power industry :a combined use of data envelopment analysis(DEA)and DEA discriminant analysis( DA). Energy Econ,34,634-644.
[21] Sueyoshi, T., Gotto, M. (2012 e). DEA radial and non-radial for unified efficiency under natural and managerial disposability theoretical extension by Strong complement slackness condition. Energy Econ,34,700-713
[22] Sueyoshi, T., Gotto, M. (2012 g). A Returns to scale vs , damages to scale under Strong complement slackness condition in DEA assessment Japanese corporate effort on environmental protection .Energy Econ ,34,1422-1434.
[23] Sueyoshi, T., Gotto, M. (2012 k). Efficiency –based rank assessment for electric power Industry. A combined use of data envelopment analysis DEA and DEA discriminant analysis DEA. Economic, 34, 634-644.
[24] Sueyoshi, T., Gotto, M. (2013). A Returns to scale vs, damages to scale in data envelopments analysis: A impact of US clean air act on coal fired power plants. OMEGA ,41, 164-175.
[25] Sueyoshi, T., Gotto, M (2014a). DEA radial measurement for environment assessment .A Comparative study between Japanese chemical and pharmaceutical firms, Applied Energy , 115,502- 513.
[26] Sueoshi, T. Gotto, M. (2014c). photovoltaic power station in Germany and the united states ,A comparative study by data envelopment analysis. Energy Economic,42, 271-288.
[27] Toolo, M. (2009). On classifying inputs and outputs in DEA: a revised model. European journal of operational research, 198 (1), 358-360.
[28] Tone, U., Tsutsui, M. (2009). Network DEA: A slack-based measure approach. European Journal of Operation research, 197(1), 243-252.
[29] Tone, K., Tsutsui, M. (2010). An epsilon-based measure of efficiency in DEA-A third pole of technical efficiency. European Journal of operational research, 207(3), 1554-156
[30] Tavana, M., Mirzagoltabar, H., Mirhedayatian, S m., & Farzipoor, Saen R. (2013). A new Network epsilon-based DEA model for supply chain performanceevaluation. Computer an industrial Engineering 66, 501-513.
[31] Yang, SL., Li, TF. (2002). Agility evaluation of mass customization product.Manufacturing. Journal of materials processing Technology, 129, 640-644.
[32] Zhu, J. (2003). Quantitative models for performance Evaluation and Benchmarking: Data Envelopment analysis with spreadsheets. Boston; Xluwer academic publishers
[33] Zhu, J., Cook, WD., & Liang, L. (2006). DEA models for supply chain efficiency evaluation Data Envelopment analysis with spreadsheets. Boston: Xluwer Academic publishers, 145, 35-49.
| ||
آمار تعداد مشاهده مقاله: 351 تعداد دریافت فایل اصل مقاله: 274 |