این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های نوین در تصمیم گیری، جلد ۸، شماره ۴، صفحات ۱۲۲-۱۴۶
عنوان فارسی ارایه مدل ترکیبی تحلیل پوششی داده‌ها و شبکه عصبی مصنوعی جهت رتبه‌بندی کارایی شرکت‌های دارویی
چکیده فارسی مقاله یکی از انواع مدل‌هایی که برای سنجش کارایی و پشتیبانی تصمیم استفاده می‌شود، تحلیل پوششی داده‌ها است. اما با توجه به تمام محاسن، کاستی‌هایی از جمله ضعف تفکیک‌پذیری واحدها، رتبه‌بندی متفاوت رویکرد‌های مختلف و حساسیت نسبت به داده‌های پرت نیز دارد که سبب ایده‌ی تلفیق آن با شبکه‌های عصبی مصنوعی شده است. شبکه عصبی به صورت فزاینده‌ای در رویکرد‌های مبتنی بر مدل و داده برای غنی‌سازی قابلیت‌های تحلیلی و پیش‌بینی و در نتیجه بهبود تصمیم‌گیری استفاده‌ می‌شود. پژوهش حاضر یک مدل برای ارزیابی کارایی واحدها با تلفیق شبکه‌های عصبی ارائه می‌دهد. بخش مورد مطالعه، شرکت-های دارویی فعال در بورس اوراق بهادار تهران است. ابتدا داده‌های هزینه، درآمد و سود شرکت‌های دارویی برای سال 1396 الی 1400 از سایت کدال جمع‌آوری و نرمال سازی شد. سپس برای ایجاد مدل، کارایی 4 مدل بازده به مقیاس متغیر شامل مدل BCC ورودی‌محور و خروجی‌محور، مدل SBM و مدلRAM تحلیل پوششی داده‌ها در طی سال‌های 1396 الی 1400 در گمز محاسبه شد و مقادیر کارایی این 4 مدل به عنوان بردار آموزش و داده‌های هزینه، درآمد و سود سال 1396 الی 1400 به عنوان ورودی شبکه عصبی وارد متلب شد. برای تعمیم آموزش، از داده‌های سال 1401 استفاده شد. نتایج نشان داد که مرز کارایی آموزش داده شده شبکه حاصل 4 مدل تحلیل پوششی داده‌ها، تقریب جامع‌تر و دقیق تری از کارایی را برای رتبه‌بندی شرکتهای دارویی نشان می دهد. نتایج این پژوهش به شرکت‌های دارویی در زمینه های سرمایه‌گذاری، تخصیص منابع، پیش‌بینی نتایج سیاست‌ها و برنامه‌ریزی به صورت شفاف و دقیق‌تر کمک می‌کند.
کلیدواژه‌های فارسی مقاله تحلیل پوششی داده ها،شبکه عصبی مصنوعی،عملکرد شرکت،کارایی،
عنوان انگلیسی Providing a combined model of data envelopment analysis and artificial neural network to ranking the efficiency of pharmaceutical companies
چکیده انگلیسی مقاله One of the models that is used to measure the efficiency and decision support is DEA, but considering all the merits, it also has its own limitations, which has led to the idea of combining it with artificial neural networks. ANN is increasingly used in model and data-based approaches to enrich analytical and predictive capabilities and thus improve decision-making. The present research presents a model for evaluating the efficiency of units by integrating neural networks. The studied sector is the active pharmaceutical industry in the Tehran stock market. To create the model, the efficiency of 4 DEA models on a variable scale, including input-oriented and output-oriented BCC model, SBM model and RAM model during the years 2018 to 2022 was calculated in GAMS. The efficiency values of these four models were ANN'S education vector. Also cost, income and profit data from 2018 to 2022 was entered into MATLAB as ANN'S input. To generalize education, the data of 2023 was used. The results showed that the trained efficiency boundary shows a more comprehensive and accurate approximation of efficiency for the ranking of pharmaceutical companies. The results of this research will help pharmaceutical companies in the fields of investment, resource allocation, predicting the results of policies and planning.
کلیدواژه‌های انگلیسی مقاله تحلیل پوششی داده ها,شبکه عصبی مصنوعی,عملکرد شرکت,کارایی
نویسندگان مقاله مصطفی ابراهیم پور ازبری |
دانشیار، گروه مدیریت، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، گیلان، ایران

آیدا فلاح پور مبارکی |
دانشجوی دکتری مدیریت تولید و عملیات، گروه مدیریت، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، گیلان، ایران

نشانی اینترنتی https://journal.saim.ir/article_714342_0561aaeaa274a57c15ef1542de1bef40.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات