مقاله انگلیسی مدیریت ترجمه شده ادغام دو رویکرد تحلیل پوششی داده ها و کارت امتیازی متوازن برای ارتقای ارزیابی عملکرد

دسته بندی:

قیمت: 190,000 ریال

تعداد نمایش: 448 نمایش

ارسال توسط:

خرید این محصول:

پس از پرداخت لینک دانلود برای شما نمایش داده می شود.

سال نشر: ۲۰۱۲

تعداد صفحه انگلیسی:۱۴

تعداد صفحه ترجمه فارسی: ۳۳ صفحه word

دانلود رایگان مقاله انگلیسی 

کد محصول:M322

عنوان فارسی:

مقاله انگلیسی مدیریت ترجمه شده ادغام دو رویکرد تحلیل پوششی داده ها و کارت امتیازی متوازن برای ارتقای ارزیابی عملکرد

عنوان انگلیسی:

Integrating the Data Envelopment Analysis and the Balanced Scorecard approaches for enhanced performance assessment

چکیده فارسی:

این مقاله با هدف ارزیابی واحدهای تصمیم گیری (DMU) از جنبه های مختلف، چارچوبی مفهومی را ارائه میکند. این چارچوب مفهومی روش کارت امتیازی متوازن (BSC) را با تکنیک غیر پارامتری دیگری به نام تحلیل پوشش داده ها (DEA) ادغام میکند. این ادغام با استفاده از مدلهای مختلف و مرتبط به هم انجام میشود که ۴جنبه ارزیابی عملکرد رانیز دربرمیگیرند، این چهار جنبه شامل: جنبه پولی و مالی، مشتریان، فرآیند های داخلی، یادگیری و رشد است. مزیت این مدل مفهومی در عمل، با استفاده از آن در ارزیابی عملکرد DMU هایی در یک شرکت چند ملیتی که در دو حوزه ی تجارتی فعالیت دارند، مورد آزمون قرار گرفته است. با همکاری مدیران شرکت، مدلهای مختلفی به کار برده شد تا شامل چارچوبهای مناسب و مبنی بر رضایت طرفین باشد و اطلاعات مفیدی را نیز برای شرکت به ارمغان آورد. کاربرد چارچوبهایی که مبنی بر رضایت طرفین است، اطلاعات سازمان یافته ای را در باب کارایی هر DMU (از دیدگاهای مختلف) روشهای توسعه و بهبود آن را فراهم می آورند. با ادغام دو رویکردهای BSC  و DEA در این تحقیق در میابیم که کجا فضایی برای بهبود کارایی های سازمانی وجود دارد و فرصتهایی را برای یادگیری متقابل بین DMUsها را خاطر نشان میکند. از این رو، این مقاله در رابطه با کاربرد موفق DEA  و ادغام آن با BSC  به منظور ارتقای فرآیند یادگیری مستمر و بهبود کارایی اجرا، پیشنهاداتی دارد.

کلمات کلیدی : تحلیل پوششی داده ها، کارت امتیازی متوازن، کارایی مدیریت

  1. ۱. مقدمه

در یک محیط رقابتی که مشخصه ی آن کمبود منابع است، ارزیابی و مدیریت عملکردی، نقشی اساسی ایفا میکنند، تحلیل پوشش داده ها ((DEA یک تکنیک غیر پارامتری برای ارزیابی فرآیند واحدهای تصمیم گیری DMU است. با استفاده از استعارات تولیدی (تکنیکی که توسط charnes مطرح شده) میزان کارآمدیDMU  در تبدیل ورودی های متعدد به خروجی های متعدد را مورد ارزیابی قرار میدهد. با استفاده از این مقاله می  توان پیشرفتهای تئوریک بسیاری را در روش ولوژی DEA مشاهده نمود، به علاوه میتوانیم کاربرد وسیع DEA را در زمینه های مختلفی از جمله، بهداشت، آموزش و پرورش، تولید، خرده فروشی، بانکداری و غیره مشاهده کنیم. در سالهای اخیر ما شاهد گسترش آثار ونوشته هایی در باب نیاز به فراتر رفتن از معیار های کارایی مالی بودیم وهمچنین چندین سیستم پیچیده برای برای ارزیابی عملکرد نیز پیشنهاد گردیده. رویکرد BSC که توسط نورتن و کاپلان مطرح گردید، که یکی از بهترین چارچوبهای شناخته شده برای ارزیابی عملکرد است. این چارچوب برگرفته از استراتژی های سازمانی، شامل شاخص هایی است که از ۴ منظر طبقه بندی میشوند: پولی مالی، مشتریان، فرآیند های داخلی، یادگیری و رشد.

برخلاف پرطرفدار بودن دو رویکردDEA  و BSC، تحقیقات بسیار کمی در باب ادغام این دو انجام شده، که این مساله هدف این مقاله است. در باب مسایلی که توسط نویسندگان دیگر مطرح گردید هدف اصلی این پروژه ی تحقیقاتی دستیابی به مزایای تکنیک های تحقیقاتی عملیاتی (به ویژه روش DEA) در زمینه های عملیاتی اصلی و همچنین ارائه ی پیشنهاداتی در باب کاربرد موفق آن در عمل است. با در نظر داشتن این هدف و استفاده از مطالعه موردی دریک شرکت چند ملیتی که در حوزه حمل و نقل عمودی(بالابرها) فعالیت دارد، میتوانیم به ۴ مدل مرتبط با هم از DEA برسیم، که هریک برای هر جنبه ای از DSCبکار میرود. نتایج حاصل از این مدل توسط مدیران کل و ناحیه ای در پرتغال، مورد بحث و بررسی قرار گرفت تا نظرات مناسبی برای برای بهبود کارایی بدست آیند. با مورد بررسی قرار دادن این چارچوب و نتایج حاصل از آن اینگونه میتوان استنباط کرد که حرکت از یک روش منحصر بفرد، همه ی مدلهای DEA، به سمت مدلهای تکمیلی DEA میتواند یک مزیت برای میزان کارایی و همچنین بهبود آن بدست آید. با استفاده از مدلهای تکمیلی، طبیعت چند جنبه ای کارایی و پاسخ به منافع افراد ذینفع موردتایید قرار گرفته است. علاوه بر این استفاده از چندین مدل تکمیلی اطلاعات غنی تری را برای DMUs بدست میدهد زیرا تاکید این مدل بر ضعیف ترین و قوی ترین ابعاد کارایی میباشد و همچنین معیار و مبانی مرتبط با یادگیری در هر جنبه را تعیین میکند.

در ادامه این مقاله به ۳ بخش تقسیم میشود، بخش دوم درباره ی مطالعات قبلی است که در باب ادغام DEA و BSC صورت گرفته. بخش سوم درباره ی مطالعات تجربی است و و نتایج اصلی را مورد بحث قرار میدهد. در این بخش ما درباره ی توسعه ی مدلهای DEA و BSC بحث میکنیم تا هرکدام از جنبه های اجرایی و استفاده از نتایج آن برای رسیدن به دیدگاهی درباب پیشرفت اجرایی، را در خدمت بگیریم. قسمت چهارم نیز درباره ی نتیجه گیری و ارائه ی پیشنهاداتی برای مطالعات بیشتر میباشد.

  1. مروری بر آثار قبلی :
  2. ۱٫ تحلیل پوششی داده ها (DEA):

DEA یک تکنیک غیر پارامتری است، مفهومی است برای ارزیابی میزان کارایی DMUs، که برای اولین بار توسط Charnet ودیگران ارائه شد. هر DMUs در فرآیند تبدیل ورودی ها (منابع) به خروجی ها دخالت دارد. DEA از تمام داده های در دسترس استفاده میکند تا بهترین سرحدهای تجربی را در عمل، که هر DMUs غیر کارامد را با ان مقایسه میکنند را ایجاد کنند.

یکی از جالبترین ویژگی DEA این است که به هر واحد مجوز میدهد که یک گروه پایه ای را مشخص کند:یعنی گروهی از واحد ها که به دنبال اهداف و اولویت هایی مشابه اند اما عملکرد بهتری دارند. در این باب هدف DEA احترام به اولویت های هر DMUs است از این طریق که اجازه دهد هر کدام از انها ساختاری وزنی را برای ورودی ها وخروجی هایی که برای ارزیابی انها مفید است، انتخاب میکنند. درنتیجه، هدف ان طبقه بندی هر واحد در بهترین جنبه های ممکن در مقایسه با دیگر واحد هاست از دیگر مزیت های DEA این است که نیاز به وجود نقش تولید و هزینه ای ندارد، یعنی همان خصوصیاتی که مدل های غنی تر به ان نیاز دارند. برای مطالعه ی جامع تر بر تکنیک DEA میتوانید به cooper ,cook and zhu مراجعه کنید. cook and seiford نیز پیشرفت های تئوریک عمده ای از DEA و کاربرد ان را مورد بررسی قرار میدهد که در سال ۱۹۷۸ مطرح گردید.

پاسخ دهید