ارزیابی کارایی تولیدکنندگان فرآورده های گیاهان دارویی ایران با تلفیق شبکه عصبی مصنوعی و تحلیل پوششی داده ها

این پژوهش به ارزیابی عملکرد واحدهای فعال در تولید فرآورده های گیاهان دارویی ایران با استفاده از دو روش تحلیل پوششی داده ها (DEA) و شبکه عصبی مصنوعی (ANN) پرداخته است. برای این منظور داده های سال ۱۴۰۰ مرکز آمار ایران برای ۵۵ واحد تولیدی مورد استفاده قرار گرفت. در روش DEA از مدل CCR بهره برداری شد و نتایج نشان داد که پنج تولیدکننده دارای نمره کارایی برابر با یک هستند، سپس از شبکه عصبی چندلایه پرسپترون (MLP) به عنوان روش تکمیلی استفاده گردید. این روش نشان داد که تنها یک واحد تولیدی دارای نمره کارایی برابر با یک است که در روش DEA نیز به عنوان واحد کارا شناسایی شده بود. مقایسه نتایج این دو روش نشان داد که روش DEA-ANN در تشخیص دقیق تر تولیدکنندگان کارا موثرتر است. علاوه بر این یافته ها نشان داد که از میان پارامترهایی که به عنوان ورودی و خروجی برای ارزیابی کارایی انتخاب شده اند سودآوری مهم ترین عامل تاثیرگذار بر کارایی واحدهای تولید کننده است. این تحقیق نشان می دهد که ترکیب روش های کمی مانند DEA و ANN می تواند ابزار موثری برای بهبود ارزیابی عملکرد و شناسایی فرصت های بهینه سازی در میان تولیدکنندگان فرآورده های گیاهان دارویی باشد.

Keywords:

CCR , DEA , ANN , گیاهان دارویی , ارزیابی کارایی