3-6- ارزیابی و تحلیل کارایی شرکت­ شهرک­های صنعتی با رویکرد تحلیل پوششی داده ­ها(DEA) (مدل مضربی CCR خروجی­محور) 56

3-7- روش اندرسون-پیترسون برای رتبه بندی واحد­های کارا 58

3-8- دلایل استفاده از مدل CCR در مقایسه با مدل BCC.. 59

3-9- دلایل استفاده از مدل خروجی محور در مقایسه با مدل ورودی محور. 60

3-10- ساختار شبکه 60

3-11- الگوریتم تحلیل کارایی.. 63

4- محاسبات و یافته های تحقیق

4-1- معرفی حوزه تحقیق. 66

4-1-1- سازمان صنایع کوچک و شهرک­های صنعتی ایران. 66

4-1-2- معرفی استان مازندران. 68

4-2- نتایج تحقیق. 70

5- نتیجه‌گیری و پیشنهادات

5-1- نتیجه گیری. 79

5-2- تحقیقات آتی. 79

فهرست اشکال

شكل (‏2‑1) روش وصل نقاط حدی. 23

شكل (‏2‑2) یک واحد تصمیم گیرنده به همراه ورودی و خروجی­ها 27

شكل (‏2‑3) مشخصات یک واحد تصمیم گیرنده 27

شكل ( ‏2‑4) نرون تک ورودی. 34

شكل (‏2‑5) نرون با بردار ورودی. 35

شكل (‏2‑6) شبکه تک لایه با S نرون. 36

شكل (‏2‑7) فرم فشرده شده یا ماتریسی شبکه تک لایه با S نرون. 36

شكل (‏2‑8) شبکه پیش خور دو لایه. 37

شكل (‏2‑9) فرم ساده شده شبکه پیش خور دو لایه میانی. 38

شكل (2‑10) پرسترون تک لایه. 42

شكل (‏3‑1) ورودی و خروجی­های شهرک صنعتی jام 56

شكل (‏3‑2) فلوچارت الگوریتم تحلیل کارایی. 64

شکل(4-1) مقایسه کارایی محاسبه شده توسطDEA  وNeuro-DEA. 74

شکل(4-1) مقایسه رتبه بندی انجام شده توسطDEA  وNeuro-DEA. 74

فهرست جداول

جدول (‏2‑1) تفاوت های دو نگرش نوین و سنتی ارزیابی عملکرد 12

جدول (‏2‑2) ماتریس ارزیابی عملکرد 16

جدول (2-3) توابع محرک با علائم قراردادی. 34

جدول (2-4) نتایج تحقیقات موجود در مقاله ، تحلیل کارایی فنی پالایشگاه­های نفت کشور. 45

جدول (‏3‑1) شهرک­های صنعتی مورد بررسی و مطالعه پژوهش… 51

جدول (‏3‑2) مشخصه­های متغیر­های تصمیم. 56

جدول (‏3‑3) پارامتر­های مدل بر حسب مشخصه­های تعریف شده 57

جدول (‏3‑4) متغیر­های تصمیم. 57

این مطلب را هم بخوانید :

جدول (‏3‑5) ساختار شبکه مورد استفاده در الگوریتمNeuro-DEA.. 60

جدول (‏3-6) درصد تغییرات ورودی­ ها و خروجی­های هر شهرک صنعتی. 61

جدول (‏4‑1) کارایی محاسبه شده توسط­ DEA در سال 90 و 91 و کارایی پیش ­بینی شده توسط Neuro-DEA در سال90. 71

جدول (‏4‑2) رتبه بندی واحدها توسط­ DEA در سال 90 و 91 و رتبه بندی پیش ­بینی شده توسط Neuro-DEA در سال 91. 72

جدول (‏4‑3) میانگین کارایی واحد­ها در ده اجرای شبکه عصبی. 74

جدول (‏4‑4) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 75

جدول (‏4‑5) معیارهای ورودی و خروجی مربوط به هر شهرک صنعتی در سال 91. 76

چکیده

توسعه شهرک­های صنعتی یک سیاست مهم در بسیاری از کشورها می باشد زیرا پیشرفت این شهرک­ها منجر به تقویت صنعت و اقتصاد کشور می­گردد. شناخت آماری و رتبه بندی شهرک­ها و نواحی صنعتی برای بهبود توسعه صنایع ضروری می­باشد. لذا در این پژوهش کارایی 25 شهرک صنعتی واقع در استان مازندران با بهره گرفتن از مدل DEA[1]، [2]CCR خروجی­محور و همچنین رتبه­ی هر یک از واحدهای کارا با بهره گرفتن از مدل [3]AP در سال 90 و 91 محاسبه گردیده است. سپس  با بهره گرفتن از روش ترکیبی تحلیل پوششی داده ­ها و شبکه ­های عصبی مصنوعی(ANN)[4]، یک شبکه عصبی مصنوعی به جهت توانایی آن در پیش بینی و تحلیل کارایی و رتبه بندی واحد­ها در سال 91 به کار گرفته شده است. در نهایت مقایسه ای میان دو روش در سال 91 انجام شده است.