Menu

دانلود مقاله تحقیق پایان نامه

دانلود تحقیق پایان نامه مقاله رشته و گرایش : ادبیات برق عمران تاریخ شیمی فیزیک حسابداری روانشناسی مدیریت حقوق و..

روش‌هاي ارزيابي عملياتي،پایان نامه کارایی مالی شرکتهای صنعتی

1-1-1 روش‌هاي ارزيابي عملياتي شرکتها و موسسات

1-1-1-1 روش نسبت هاي مالي

تهيه صورت‌هاي مالي، يکي از متداول‌ترين روش‌هاي تجزيه و تحليل اطلاعات مالي است. هر گروه از استفاده‌کنندگان صورت‌هاي مالي، موفقيت يک فعاليت در بورس را از ديدگاه خود بررسي مي‌کند. يکي از معيارهاي ارزيابي موفقيت يک صنعت يا فعاليت، نسبت‌هاي مالي است. اين نسبت‌ها، در حقيقت، چکيده گزارش‌هاي مالي شرکت‌ها هستند که اطلاعات زيادي را درباره وضعيت دروني شرکت‌ها ارائه مي‌دهند . نسبت‌هاي مالي، شاخص‌هاي خوبي براي سنجش عملکرد و موقعيت مالي بنگا‌ه‌ها هستند. اين نسبت‌ها را مي‌توان بر طبق اطلاعاتي که ارائه مي‌کنند، طبقه‌بندي نمود.

طبقه‌بندي هاي مختلفي از نسبت‌هاي مالي وجود دارد. اما يک تقسيم‌بندي کلي که بيش از ساير طبقه‌بندي‌ها در متون مختلف استفاده شده است، طبقه‌بندي نسبت‌هاي مالي در پنج گروه به شرح زير مي‌باشد.

1- نقدينگي      2- اهرمي          3- ارزش بازار   4- فعاليت         5- سودآوري

با استفاده از نسبت‌هاي نقدينگي مي‌توان توانايي شرکت‌ها براي انجام تعهدات کوتاه‌مدت را مورد بررسي قرار داد. نسبت‌هاي اهرمي، توانايي شرکت‌ها براي انجام تعهدات و پرداخت بدهي‌ها در سررسيد را ارزيابي مي‌کنند. نسبت‌هاي ارزش بازار، معيارهايي هستند که بين قيمت بازار و ارزش دفتري هر سهم و سود ارتباط برقرار مي‌کنند. کارایی شرکت‌ها، از منظر مديريت دارايي‌ها، با استفاده از نسبت‌هاي فعاليت سنجيده مي‌شود و آن دسته از نسبت‌هاي مالي که نتايج عمليات شرکت‌ها (سود ويژه، سود ناويژه، سودعملياتي، سود قبل از کسر بهره و ماليات) را از ديدگاه‌هاي مختلف (فروش، دارايي‌ها) بررسي مي‌کنند، نسبت‌هاي سودآوري ناميده مي‌شوند.

 

1-1-1-2 روش تحليل پوششي داده‌ها

روش تحليل پوششي داده‌ها[1] يکي از روش‌هاي ناپارامتريک است. بحث تحليل پوششي داده‌ها با تز دکتري «ادوارد روز» تحت راهنمايي «کوپر و چارنز» شروع شد که پيشرفت تحصيلي دانش‌آموزان مدارس آمريکا را در سال ۱۹۷۸ مورد ارزيابي قرار داده بودند. نتايج اين مطالعه منجر به چاپ اولين مقاله درباره معرفي عمومي تحليل پوششي داده‌ها در سال ۱۹۷۸ گرديد. آن‌ها در مقاله مذکور که به CCR معروف گرديده، براي تعميم روش دو ورودي و يک خروجي آقاي فارل از بهينه‌سازي به روش برنامه‌ريزي رياضي استفاده نمودند تا بتوانند کارائي سيستم‌هايي با ورودی هاي چندگانه و خروجی هاي چندگانه را اندازه‌گيري کنند. طبق تعريف ارائه شده از سوي آقايان چارنز، کوپر و رودز، تحليل پوششي داده‌ها عبارتست از «يک مدل برنامه‌ريزي رياضي که براي داده‌هاي مشاهده شده نسبت‌هاي فرين مانند تابع توليد يا مرز کارائي را به صورت تجربي تخمين مي‌زند».

تحليل پوششی داده ها براساس مفهومي از کارایی است که به طور وسيع در علوم مهندسي و طبيعي استفاده مي شود. کارایی مهندسي به عنوان نسبت ميزان کار انجام شده توسط يک دستگاه به ميزان انرژي صرف شده در فرايند تعريف مي شود. از آنجا که دستگاه ها بايد مطابق با قانون پايستاري انرژي راه اندازي شوند نسبتهاي کارایی آنها هميشه کمتر از يک يا برابر با يک هستند. اين مفهوم کارایی مهندسي بلافاصله  براي توليد اقتصادي قابل کاربرد نيست چون انتظار مي رود مقدار خروجي از مقدار ورودي به دليل ارزش افزوده موجود در توليد متجاوز باشد. با اين حال تحت شرايط خاص يک استاندارد کارایی اقتصادي مشابه با استاندارد مهندسي مي تواند تعريف شود  و براي مقايسه کارایی نسبي نهادهاي اقتصادي به کار برود(يو[2]،32،1990).

تحليل پوششي داده ها يک روش برنامه ريزي خطي بوده که تابع توليد مرزي  يا مرز کارایی را برآورده مي کند. تابع توليد مرزي حداکثر محصولي است که که از مقادير مشخصي از عوامل توليد بدست آيد. در تحليل پوششي داده ها به دليل عدم استفاده از تابع توليد هيچ گونه پيش داوري از قبل  بر روي موسسات مورد بررسي اعمال نمي شود .استفاده از مدل هاي تحليل پوششي داده ها علاوه بر تعيين ميزان کارایی نسبي، نقاط ضعف سازمان را  در شاخص هاي مختلف تعيين کرده  و با ارائه ميزان مطلوب آنها، خط مشي سازمان را به سوي ارتقاي کارایی و بهره وري مشخص مي کند. در روش تحليل پوششي داده ها،  ارزيابي واحد هاي تصميم گيرنده با چندين نهاده (ورودي) وستاده (خروجي) انجام مي شود و نيازي به اختصاص وزن به ورودی ها و خروجي ها نيست و اين روش خود وزن ها را تعيين مي کند. در روش تحليل پوششي داده‌ها اندازه گيري کارایی  به صورت نسبي انجام مي گيرد  و هر واحد تصميم گيرنده با بهترين واحد موجود در  آن صنعت مقايسه مي شود. البته هر چه تعداد واحدها بيشتر باشد مقايسه بهتر و دقيق تر انجام مي شود. ارزيابي کارایی شرکتهای تجاري با کمک روش تحليل پوششي داده ها  و در وضعيت بازدهي ثابت و بازدهي نسبت به مقياس در دوره 87 – 92  صورت مي گيرد. ﺍﺯ ﻣﺰﻳﺖ ﻫﺎﻱ ﺍﻳﻦ ﺭﻭﺵ، ﻋﺪﻡ ﻣﺤﺪﻭﺩﻳﺖ ﺩﺭ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺤﺼﻮﻻﺕ ﻭ ﻧﻬﺎﺩﻩ ﻫـﺎﻱ ﮔﻮﻧـﺎﮔﻮﻥ ﻭ ﻣﺘﻨﻮﻉ ﺳﺎﺯﻣﺎﻥ ﻳﺎ ﻣﺆﺳﺴﻪ ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻣﻲ ﺑﺎﺷﺪ. ﺩﺭ ﺍﻳﻦ ﺭﻭﺵ، ﻭﺍﺣﺪ ﺍﻧﺪﺍﺯﻩ ﮔﻴﺮﻱ ﺣﺴـﺎﺱ ﻧﻴﺴـﺖ ﻧﻬـﺎﺩﻩﻫـﺎ ﻣـﻲ ﺗﻮﺍﻧﻨـﺪ ﺩﺍﺭﺍﻱ ﻭﺍﺣـﺪﻫﺎﻱ ﻣﺨﺘﻠﻔﻲ ﺑﺎﺷﻨﺪ. ﺭﻭﺵتحلیل پوششی داده ها ﻳﻚ ﺭﻭﺵ ﻣﺪﻳﺮﻳﺘﻲ ﺍﺳﺖ ﻛﻪ ﻛﺎﺭاﻳﻲ ﻭﺍﺣﺪﻫﺎ ﺭﺍ، ﺑﻪ ﻃﻮﺭﻧﺴـﺒﻲ ﺍﻧـﺪﺍﺯﻩ ﮔﻴـﺮﻱ ﻣﻲ ﻛﻨﺪ ﻭ ﺭﺍﻫﻜﺎﺭﻫﺎﻱ ﻣﺪﻳﺮﻳﺘﻲ ﺍﺭﺍﺋﻪ ﻣﻲ ﺩﻫﺪ. ﺩﺭ ﺣﺎﻟﺘﻲ ﻛﻪ ﻭﺍﺣﺪ ﺍﻗﺘﺼﺎﺩﻱ ﺩﺍﺭﺍﻱ ﭼﻨﺪ ﻧﻬﺎﺩﻩ ﺩﺭ ﻓﺮﺁﻳﻨﺪ ﺍﻳﺠـﺎﺩ ﺳـﺘﺎﺩﻩ ﺑﺎﺷـﺪ، ﺭﻭﺵﺑﺮﻧﺎﻣـﻪ ﺭﻳﺰﻱ ﺧﻄﻲ، ﺑﻪ ﺭﺍﺣﺘﻲ ﻣﻲ ﺗﻮﺍﻧﺪ ﺗﺮﻛﻴﺐ ﺑﻬﻴﻨﻪ ﺳﺘﺎﺩﻩ ﻭ ﻧﻬﺎﺩﻩ ﺭﺍ ﺑﺮﺍﻱ ﻳﻚ ﻭﺍﺣﺪ ﻛـﺎﺭا ﺗﻌﻴـﻴﻦ ﻛﻨﺪ. روش تحلیل پوششی داده ها ﺑﻴﺶ ﺍﺯ ﺳﺎﻳﺮ ﺭﻭﺵ ﻫﺎ، ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﭘﺬﻳﺮﻱ ﻭ ﮔﺴﺘﺮﺵ ﺩﺍﺭﺩ ﻭ ﺑـه کارگیری ﺁﻥ ﺩﺭ ﻳﻚ ﻭﺍﺣﺪ ﺑﺮﺍﻱ ﻳﻚ ﻣﻮﺿﻮﻉ، ﻣﻲ ﺗﻮﺍﻧﺪ ﺯﻣﻴﻨﻪ ﺭﺍ ﺑﺮﺍﻱ ﻛﺎﺭﻫﺎﻱ ﺑﻌﺪﻱ ﻧﻴﺰ ﻓﺮﺍﻫﻢ ﻛﻨﺪ(ايكان[3]وكاله،890،2011)

چارنز، کوپر و رودز مفاهيم و مدل‌هاي تحلیل پوششی داده ها را با مفاهيم جديدي توسعه دادند که حاصل آن نيز مدل BCC است. اين مدل براي اندازه‌گيري و تعيين کارائي واحدها و همچنين جهت اصلاح ورودی ها و خروجی ها براي بالا بردن اندازه‌ي کارائي و با در نظر گرفتن بازده به مقياس متغير مورد استفاده قرار مي‌گيرد. در سال ۱۹۸۵ چارنز و همکارانش «مدل جمعي» را به عنوان يکي ديگر از مدل‌هاي اساسي در تحليل پوششي داده‌ها مطرح ساختند.

همچنين چارنز و همکارانش در همين سال به منظور ثبت تغييرات کارائي در طول زمان تکنيکي را تحت عنوان «تحليل پنجره‌اي» مطرح کردند. تکنيک ديگري نيز براي اولين بار توسط فير و همکاران در سال ۱۹۸۹ و ۱۹۹۴ با استفاده از مدل تحليل پوششي داده‌های شعاعي ورودي و خروجي‌گرا براي محاسبه شاخص مالمکوئيست به کار بردند. اگرچه مدل شعاعي پيشنهاد شده داراي کمبودهايي مانند فقدان متغيرهاي کمکي مي‌باشد، براي غلبه بر اين کمبودها شاخص مالمکوئيست با استفاده از مدل‌هاي غير شعاعي همانند SBM مي‌توان محاسبه کرد. در سال ۱۹۸۸ «بيسنت» و در سال ۱۹۹۱ «چانگ و گوه» تحقيقاتي روي داده‌هاي حقيقي انجام دادند. در سال‌هاي ۱۹۹۳ و ۱۹۹۴ «علي و سيفورد» اقدام به اصلاح مدل CCR کردند.

از زمان اولين مطالعه توسط چارنز، کوپر و رودز تاکنون بيش از هزاران مقاله در زمينه ادبيات تحليل پوششي داده‌ها منتشر شده است. چنين رشد سريعي خود دليل بر کاربردي بودن و قدرت بالاي روش‌هاي تحلیل پوششی داده ها مي‌باشد. هم اکنون تحلیل پوششی داده ها در بسياري از مراکز تحقيقاتي که در نقاط مختلف جهان قرار دارند، منشأ ايده‌ها و پيشرفت‌هاي جديد شده است، به طوري که محققان زيادي به اين نکته رسيده‌اند که تحلیل پوششی داده ها يک روش عالي براي مدل‌سازي فرآيندهاي عملياتي است و ماهيت تجربي و نداشتن مفروضات دست و پاگير سبب استفاده وسيع آن در تخمين کارایي براي بخش‌هاي غيرانتفاعي، خصوصي و حتي دولتي شده است

محاسبه ميزان کارایی در گروه هايي که عملکرد يکساني دارند، از اهميت بسزايي برخوردار است. براي باقي ماندن در عرصه رقابت با ساير واحدها مي بايست با گذر زمان ميزان عملکرد خود را به سطح قابل قبولي افزايش داد.  اولين قدم براي بهبود فعاليت، آگاهي از سطح فعاليت فعلي است. اين شناخت کمک مي کند تا هر واحد از وضعيت موجود خود آگاه شده و با توجه به وضعيت فعلي با اتخاذ روش مناسبي، بتواند به سطح بهتر و قابل قبولي از فعاليت و کارایی دست يابد. فارل (1957) و قبل از او دبرو (1951) اولين کساني بودند که تعاريفي پايه اي براي کارایی تکنيکي و کارایی تخصيصي ارائه کردند. فارل با در نظر گرفتن يک تکنولوژي، معيار مشخص شده بوسيله فرض بازده به مقياس ثابت، با ساخت يک مدل برنامه ريزي خطي که از داده هاي واقعي ورودي- خروجي مربوط به واحدها استفاده مي کرد، کارایی هر واحد را محاسبه کرد. علاوه بر اين او روش رگرسيون حداقل مربعات معمولي که پيش تر براي محاسبه مرز کارایی مورد استفاده قرار مي گرفت را نامعتبر دانست. در اين روش داده ها در هر دو طرف مرز کارایی قرار مي گيرند. به عبارت ديگر اين روش براي ساخت مرز کارایی ناتوان است. وي مسئله ساخت مرز کارایی را با بحث ناپارامتري پيش گرفت و کوچکترين پوسته محدب در برگيرنده نمونه داده ها را به عنوان مرز کارایی در نظر گرفت. هر چند وي درباره واحدهاي با ورودي ها و خروجي هاي چند بعدي بحث نکرد، اما همين کار او پايه کارهاي بعدي در چاچوب مدل هاي ناپارمتري شد. تحليل پوششي داده ها يک روش ناپارامتري براي محاسبه اندازه کارایی است. اين روش براي اولين بار و با الهام از کار فارل(1957) توسط چارنز ، کوپر و رودز (CCR) در سال 1978 معرفي شد. آنها بحث مطرح شده توسط فارل را براي واحدهاي تصميم گيرنده با ورودي و خروجي هاي چند بعدي، درغياب قيمت هاي بازار توسعه دادند.

[1]. Data Envelopment Analysis (DEA)

[2].Yue

[3]. Eken  and Kale