یه منظور بهبود کارایی به پنج طریق زیر می توان عمل کرد :

الف ) افزایش ورودی و به دست آوردن خروجی بیشتر

ب ) ثابت نگه داشتن ورودی و افزایش خروجی

پ ) کاهش ورودی و کاهش کمتر خروجی

ت ) کاهش ورودی و ثابت نگه داشتن خروجی

ث ) کاهش ورودی و افزایش خروجی

منظور از اندازه گیری “کارایی نسبی” ، مقایسه کارایی یک واحد با واحد های دیگر موجود در آن صنعت است که ورودی ها و خروجی های نسبتاً مشابهی دارند. (مهرگان،۱۳۹۱، ۵۴)

۲-۳ انواع کارایی

الف ) کارایی فنی^[۱] : کارایی فنی نشان دهنده میزان یک بنگاه برای حداکثر سازی میزان تولید با توجه به منابع و عوامل مشخص شده تولید است. به عبارت دیگر ، میزان توانایی تبدیل ورودی هایی مانند نیروی انسانی و ماشین آلات به خروجی ها، در مقایسه با بهترین عملکرد، با کارایی فنی سنجیده می شود.

ب ) کارایی تخصیصی^[۲] : این کارایی بر تولید بهترین ترکیب محصولات با بهره گرفتن از کم هزینه ترین ترکیب ورودی ها دلات می‌کند.

پ ) کارایی اقتصادی^[۳] : ترکیب دو کارایی فنی و کارایی تخصیصی، کارایی اقتصادی را تشکیل می‌دهد.

ت ) کارایی ساختاری^[۴] : کارایی ساختاری یک صنعت از متوسط وزنی کارایی شرکت های آن صنعت به دست می‌آید. با بهره گرفتن از معیار کارایی ساختاری می توان کارایی صنایع مختلف با محصولات متفاوت را مقایسه کرد.

ث ) کارایی مقیاس^[۵] : کارایی مقیاس یک واحد از نسبت کارایی مشاهده شده آن واحد به کارایی در مقیاس بهینه به دست می‌آید. هدف این کارایی، تولید در مقیاس بهینه است. (مهرگان،۱۳۹۱،۳۹)

۲-۴ رویکرد های تعیین میزان کارایی

روش های متعددی برای تعیین میزان کارایی به کار می رود که می توان آن ها را به طور کلی به دو رویکرد پارامتریک^[۶] و ناپارامتریک^[۷] تقسیم نمود. در رویکرد پارامتریک از روش های اقتصاد سنجی و آماری استفاده می شود در حالی که در رویکرد ناپارامتریک از روش برنامه ریزی ریاضی استفاده می شود. (Gourishankar & Lokachari ,2012, 107) از جمله روش های پارامتریک می توان به روش حداقل مربعّات معمولی^[۸] و روش مرزی تصادفی^[۹] (SFA) و از جله روش های ناپارامتریک می توان به روش تحلیل پوششی داده ها اشاره نمود. هر روش دارای نقاط قوّت و ضعف است. در روش های پارامتریک به داشتن فرم صحیح تابع تولید نیاز داریم و همچنین این روش برای زمانی که چند ورودی و چند خروجی داشته باشیم نمی تواند استنتاج درستی داشته باشد امّا روش های ناپارامتریک به فرم تابع تولید نیاز نداشته و با وجود ورودی و خروجی های چندگانه به خوبی به ارزیابی می پردازند. (Tyagi et al,2009, 168)

برای انداره گیری کارایی از تکنیک های گوناگونی همچون تحلیل پوششی داده ها استفاده می شود. تحلیل پوششی داده ها بر روی اندازه گیری کارایی هر یک از اعضای مجموعه واحد های تصمیم گیری تمرکز می‌کند. یعنی کارایی تک تک واحد ها را محاسبه می‌کند. این تکنیک، روش بسیار مفید و مناسبی برای مقایسه کارایی واحد ها و شناسایی بهترین عملکرد است. (Jahanshahloo et al,2004, 284)

۲-۵ تاریخچه مدل های تحلیل پوششی داده ها

انداره گیری کارایی به خاطر اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققان بوده است. در سال ۱۹۵۷ فارل با بهره گرفتن از روشی مانند اندازه گیری کارایی در مباحث مهندسی ، اقدام به اندازه گیری کارایی برای یک واحد تولیدی کرد. موردی که فارل برای اندازه گیری کارایی مد نظر قرار داد شامل یک ورودی و یک خروجی بود. مطالعه فارل شامل اندازه گیری کارایی های فنی و تخصیصی و مشتق تابع تولید کارا بوده است. فارل از مدل خود برای تخمین کارایی بخش کشاورزی آمریکا در مقایسه با سایر کشور ها استفاده کرد. با وجود این ، او در ارائه روشی که در بر گیرنده ورودی ها و خروجی های متعدد باشد ، موفق نبود. ( مهرگان،۱۳۹۱،ص۵۷)

زمانی که به علت منابع ، فعالیت ها و عوامل محیطی متفاوت ، داده ها و ستاده های متعددی وجود داشته باشد ، دیگر مقیاس معمولی کارایی ، یعنی ستاده تقسیم بر داده :

مناسب نیست.

فارل سنجش کارایی نسبی را ، وقتی که داده ها و ستاده های متعدد و غیر قابل قیاس وجود دارند ، مورد توجه قرار داد و سپس با کمک ” فیلدهاوس ” روی آن کار کرد. آن ها پیشنهاد کردند که بر اساس ” میانگین موزون واحد های کارآمد ” ، یک واحد فرضی کارآمد ساخته شود تا از آن به عنوان مبنای مقایسه ای برای یک واحد ناکارآمد استفاده شود. آن ها برای ساختن یک واحد فرضی بر مجموع موزون واحد ها تمرکز نموده کارایی فنی را طبق رابطه زیر محاسبه کردند :

با توجه ‌به این فرمول روشن است که باید مجموعه ی مشترکی از وزن ها برای همه ی واحد ها وجود داشته باشد. در عمل تعیین این وزن های مشترک کار مشکلی است. ” چارنز و کوپر و رودز ” با درک مشکلات موجود برای یافتن مجموعه ی مشترکی از وزن ها برای تعیین کارایی نسبی ، پیشنهاد کردند که باید به هر ” واحد تصمیم گیری^[۱۰] ” ، اجازه داد تا مجموعه ای از وزن ها را بر گزیند که آن واحد را در مطلوب ترین وضعیت نسبت به دیگر واحد ها نشان دهد. تحت این شرایط کارایی واحد j₀ را می توان با حل این مسئله به دست آورد : کارایی واحد j₀ را حداکثر کنید در حالی که همه ی واحد ها کوچک تر یا مساوی یک است. متغیرهای این مسئله وزن ها هستند. حل آن مسئله ، مطلوب ترین وزن ها را برای حداکثر شدن کارایی j₀ و نیز مقدار کارایی آن را ارائه می‌کند. (مومنی،۱۳۸۹، ۱۵۰-۱۴۸)

در واقع چارنز و کوپر و رودز دیدگاه فارل را توسعه و یک روش کاربردی را برای تعیین میزان کارایی یک مجموعه از واحدها ی تصمیم گیری که دارای ورودی ها و خروجی های متعدد بودند، ارائه کردند که به ” تحلیل پوششی داده ها ” معروف شد. این روش در سال ۱۹۷۸ در رساله دکتری ادوارد رودز ، در دانشگاه کارنگی ملون با راهنمایی کوپر ، در خصوص ارزیابی پیشرفت تحصیلی دانش آموزان مدارس دولتی آمریکا ، مورد استفاده قرار گرفت و در مقاله ای با عنوان ” اندازه گیری کارایی واحد های تصمیم گیری ” ارائه شد. ((Charnes et al, 1978

روش تحلیل پوششی داده ها ( DEA) روشی مبتنی بر برنامه ریزی خطی ناپارامتریک است که برای ارزیابی کارایی نسبی واحد های تصمیم گیری ( DMU’s) ، که وظایف یکسانی انجام می‌دهند و دارای ورودی ها و خروجی های چندگانه اند به کار می رود ، مانند سنجش و مقایسه کارایی نسبی واحد های سازمانی نظیر ادارات دولتی یک وزارت خانه ، مدارس ، بیمارستان ها ، فروشگاه های زنجیره ای ، شعب بانک ها و موارد مشابهی که در آن ها واحد های تصمیم گیری همگنی وجود دارند. همچنین DEA به طور گسترده ای در الگوبرداری ، بهبود مستمر و تحلیل استراتژیک به کار می رود. (مومنی،۱۳۸۹، ۱۴۷)

۲-۶ انواع مدل های DEA

۲-۶-۱ مدل CCR^[11]