شاخص بهرهوری مالمکوئیست با بازده به مقیاسهای مختلف با رویکرد تحلیل پوششی دادهها و بر اساس مدلهای با مرز محدب و غیرمحدب
محل انتشار: دومین کنفرانس بین المللی تحقیق در عملیات ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,036
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIORS02_091
تاریخ نمایه سازی: 11 اسفند 1387
چکیده مقاله:
در سالهای اخیر، اندازهگیری کارایی و بهرهوری یک ابزار استاندارد برای تحلیلها در تولید است. علاوه بر محاسبه بهرهوری و کارایی تکنیکی واحدها، امکان محاسبه کارایی قیاسی نیز وجود دارد. در این مقاله، تجزیه مالمکوئیست با بازده به مقیاس متغیر (تجزیه FGNZ) را برای دو حالت بازده به مقیاس کاهشی و افزایشی توسیع میدهیم، که در این حالت این شاخص، کاربرد گستردهتری نسبت به حالت اولیه خواهد داشت.
این تجزیه، در مواردی مورد استفاده قرار میگیرد که اندازه واحدها در محاسبه کارایی از مالمکوئیست مورد توجه قرار دارد. مواردی از جمله صنایع پتروشیمی و... وجود دارند، که اندازه واحدها در مقیاسهای کوچک برای مدیران دارای اهمیت میباشند، در حالی که برای واحدهای بزرگ از اهمیت کمتری برخوردار است و گاهی اوقات عکس این قضیه صادق است. در این موارد، باید مدلهایی را استفاده نمود که این تجزیهها و همچنین تحلیل آنها دقیقتر شوند، زیرا در استفاده از تجزیه FGNZ که بازده به مقیاس را متغیر در نظر میگیرد، تنها پاسخگوی یک حالت است و دو حالت دیگر پوشش داده نمیشوند. در دو حالت دیگر به ترتیب باید از مدلهای با بازده به مقیاس افزایشی و کاهشی استفاده نمود و شاخصهای بهرهوری را از لحاظ تحلیل و ارائه راهکار بهبود غنیتر ساخت.
کلیدواژه ها:
نویسندگان
معصومه رجبی تنها
کارشناسی ارشد دانشگاه علم و صنعت ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :