منصور مومنی - استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
سمیه خدائی - دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
مجتبی بشیری - کارشناس ارشد، گروه مدیریت اجرایی (MBA)، دانشگاه پیام نور، واحد بابل، بابل، ایران.

هدف: تحلیل پوششی داده ها یک روش موثر برای ارزیابی کارایی نسبی واحدهای تصمیم گیرنده است. رو ش های کلاسیک، هر واحد سازمانی را به صورت جعبه سیاه در نظر گرفته و ارزیابی را به ورودی های اولیه و خروجی های نهایی، محدود و از فرآیندهای داخلی غفلت می ورزد که این مشکل با معرفی و بکارگیری تحلیل پوششی داده ها در ساختارهای شبکه ای جهت تحلیل دقیق تر کارایی با درنظر گرفتن فرآیندهای داخلی آن، مرتفع گردیده است. در اکثر مدل های ارائه شده، ورودی ها و خروجی های واحدهای تصمیم گیری، قطعی می باشند اما در بسیاری از موارد، این داده ها با روش های دقیق، قابل اندازه گیری نیستند. لذا این مقاله، به دنبال معرفی یک مدل جدید تحلیل پوششی داده های شبکه ای نایقین با ساختار موازی با درنظرگرفتن ورودی ها و خروجی ها به عنوان متغیرهای نایقین، می باشد. رویکرد مورد استفاده، توسعه مدل ریاضی از بعد نظری، اثبات خواص نظری مدل، اعتبار ریاضی و کاربردی نمودن آن است. روش: در این مقاله از مفروضات تئوری نایقینی و مدل های تحلیل پوششی داده های شبکه ای با ساختار موازی برای ارزیابی واحدهای تصمیم گیرنده شبکه ای با ساختار موازی و ورودی ها و خروجی های نادقیق، استفاده شده است. یافته ها: با توجه به نتایج اجرای مدل پیشنهادی در سازمان تامین اجتماعی، کارائی تمامی واحدهای تصمیم گیرنده و بخش های زیر مجموعه آن، بین صفر و یک ارزیابی گردیده است. نتیجه گیری: به دلیل کثرت بخش های زیرمجموعه، هیچ کدام از دوازده اداره کل بیمه ای تامین اجتماعی به عنوان واحدهای تصمیم گیرنده، کارا (نمره کارایی یک) نبوده است اما در میان ۳۱۳ شعبه، سه شعبه کارا ارزیابی گردیدند. نتایج نهایی اجرای مدل نایقین، مفروضات مدل قطعی را اثبات نمود.

تحلیل پوششی داده های شبکه های, تئوری نایقینی, ساختار موازی