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

یکی از عمده ترین مشکلات استفاده از تحلیل پوششی داده ها، ضعف قدرت تفکیک پذیری برای واحدهای تصمیم گیرنده است. این مسئله اغلب به دلیل کم بودن تعداد واحدها در مقایسه با تعداد ورودی ها و خروجی های مدل است] 1[. این مشکل در ارزیابی عملکرد 23 شرکت گاز استانی با توجه به تعداد زیاد ورودی ها و خروجی های هر شرکت گاز به خوبی خود را نمایان می کند. بر این اساس، در این پژوهش برای 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، برای تحلیل و ارزیابی کارایی شرکت ها از رویکرد شبکه های عصبی پیش بینی کننده عملکرد در قالب مدل های ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی (Neuro/DEA) استفاده شد. نتایج تحلیلی کارآیی محاسبه شده واحدها با استفاده از این مدل ها نشان از قدرت بالای شبکه در محاسبه و تفکیک پذیری شرکت ها از نظر کارآیی بود.