دوره 15، شماره 3 - ( 8-1397 )
جلد 15 شماره 3 صفحات 139-121 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Azar A, Pournasir M, Mosafer H. assessment and forecasting post offices’ efficiency of guilan province with data envelopment analysis method and evolutionary GMDH-type neural network. jor 2018; 15 (3) :121-139
URL: http://jamlu.liau.ac.ir/article-1-1276-fa.html
URL: http://jamlu.liau.ac.ir/article-1-1276-fa.html
آذر عادل، پورنصیر مریم، مسافر هانیه. تدوین مدل و پیش‌بینی کارایی ادارات پست استان گیلان با روش تحلیل پوششی داده‌ها و رویکرد تکاملی شبکه‌های عصبی GMDH. تحقیق در عملیات در کاربردهای آن. 1397; 15 (3) :121-139
گروه مدیریت، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
چکیده: (2944 مشاهده)
ارتباطات نقش مهمی در رشد و تعالی بین جوامع و افراد دارد. شبکه پستی به‌عنوان بزرگ‌ترین ارتباط فیزیکی و شبکه تبادل بین جوامع در جهان به شمار می‌رود که به دلیل ارتباط مداوم با مشتریان در این نوع واحدهای خدماتی، مدیریت عملکرد اهمیت خاصی می‌یابد در مقابل، پیش بینی، کنترل و تجزیه و تحلیل به یک ضرورت اجتناب ناپذیر در سازمان‌ها تبدیل شده است و به عنوان یک ابزار مدیریت عالی به تصمیم گیری کمک می‌کند. در این مقاله، ابتدا مدل‌های پایه‌ای تحلیل پوششی داده‌ها برای اندازه گیری و ارزیابی کارایی ادارات پستی استان گیلان در سال های 1392 و 1393، مورد بررسی قرار گرفته و برای این هدف، CCR ورودی محور بهتر از مدل BCC تعیین شده است. سپس به دلیل آنکه مدل های اولیه تحلیل پوششی داده ها توانایی معرفی الگوی بهینه سازی و کارآمدترین واحد را ندارد، از روش اندرسون و پیترسون استفاده می کنیم که واحدهای رودسر و انزلی در 92 و 93 به طور متوالی به بهترین نحو شناخته شده اند. در نهایت از روش تلفیقی شبکه عصبی رویکرد دستیابی داده ها برای پیش بینی کارایی واحدهای پست استفاده می‌کنیم. نتایج نشان می دهد که این مدل جدید توانایی بالقوه خوبی در رابطه با پیش بینی دارد و به دلیل دقت بالا می تواند جایگزین روش های سنتی شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
