Loading

Module 1: Miglioramento Delle Prestazioni Strategiche

Note di Apprendimento
Study Reminders
Support
Text Version

Analisi Data Envelopment

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Ciao e benvenuto a “ modelling e analytics for supply chain management ”! Siamo nella settimana 5 e se ricordate nella settimana precedente, siamo partiti con un miglioramento delle prestazioni strategiche e abbiamo detto poche cose. Ricordiamo quelle poche cose nei punti di proiettile. Una, la supply chain è un centro di costo. Il numero due, quindi, le prestazioni della supply chain devono essere molto efficaci, efficienti in efficienza di efficienza oltre che di costo perché è un centro di costo. E il numero 3, è semplicemente la misura delle prestazioni è uguale all'output per input. Ma in ogni produzione di settore non è un output. Gli output possono essere di 2 - 3 tipi. Allo stesso modo, gli input non sono nemmeno un input. Gli input possono essere di 2 - 3 tipi. Quindi praticamente nella supply chain quando parliamo di misurazione delle prestazioni, parliamo di quella p, è uguale a più uscite, output 1, output 2, output 3, output diviso per ingresso 1 input 2 input 3. E poi si può dare peso a tutte queste cose. Quindi molto semplicemente, le prestazioni sono uguali a questo. Quindi nella supply chain ci saranno più uscite e input multipli. Ora, e poi quello che abbiamo fatto, abbiamo preso questo esempio molto, molto semplice. E abbiamo detto che se ricordate, questo è quello con cui siamo finiti. Abbiamo detto che ci sono 5 unità; 5 unità – A, B, C, D, E. Assumi questa è una società di magazzino, una particolare azienda ha 5 magazzini in India a 5 località, A, B, C, D, E; questo con Delhi, Mumbai, Kolkata, Madras, Ahmedabad, Bangalore. Così A, B, C, D, E, hanno cinque DMU o unità decisionali. Il magazzino è un DMU, ipotizza. Ora, input, DMU A che è magazzino utilizza due input. Quanta produzione genera? Genera 1 unità di output. Allora cosa sta succedendo? Ha due input. Quanta uscita sta generando; 1. Quindi qual è la mia efficienza; 1 per 2 che è uguale a 0,5; analogamente A, B, C, D, tutte le unità hanno input e output. Ora, se si guarda chiaramente a questo, quale è l'unità più efficiente? Ora, è qui che siamo finiti e iniziamo questa settimana con questa domanda, quale di queste unità è la più efficiente? Sicuramente B con 1,33 Ora, quindi questo sarà considerato come la più alta unità efficiente, tutti gli altri sono relativi a questo. Tutti gli altri sono relativi a questo. Concordato? Tutti gli altri sono relativi a questo. Quindi il prossimo più alto efficiente è C, terzo più alto è E. Così B è 1, questo è 2; questo è 3, 4, 5. Così questa è la classifica delle tue unità. Così abbiamo risposto alla prima domanda. Qual è la prima domanda? La prima domanda dice, come si misura l'efficienza; così l'output per input. Qui avevamo un output, le unità di uscita e avevamo numero di input. Quindi l'efficienza è misurata, ma questo sarà effettivamente sufficiente nel mondo reale? La risposta è no. Questo non basterà. Quale presupposto e un'assunzione molto alta che abbiamo assunto qui. Quale presupposto e devo dire, è un'assunzione molto alta che abbiamo assunto qui. Abbiamo assunto qui un'ipotesi che ci sia un costante ritornello su scala, che nelle normali situazioni monopolistiche non funziona. Quindi ipotidiamo che una costante ritorni su scala. Cosa significa costante ritorno in scala? La costante torna su scala significa che se una unità, la costante ritorna su scala non significa una linea di 45 gradi attraverso l'origine; la costante torna su scala significa se un'unità sta dando, una unità di input sta dando due unità di output. Dovrebbe darmi lo stesso più di anni e anni di tempo e non importa quante volte fai questa attività, dovrebbe darmi lo stesso livello di output degli input. Non si dice, i continui ritorni su scala non dicono che 5 unità di input dovrebbero darmi 5 unità di output. No. 5 unità di input dovrebbero darmi 5 unità di output, non lo dice. È troppo grande nell'assunzione. Ma per CRS quel che costante torna su scala dice che se 5 unità di input stanno dando 10 unità di output ora, dovrebbe dare 10 unità di output domani, dovrebbe dare 10 unità di output il giorno dopo, ecco cosa è la consistenza; così costante torna su scala. Quindi questa è una supposizione alta che questo tavolo sia fatto questo tavolo si suppone che ci sia costante che deve scalare bene il che è molto difficile da raggiungere. Ora, la cosa successiva che vogliamo dire è che è input versus output modello orientato alla produzione, modello di input e un modello di output. Ora, vedi questi sono i blocchi di costruzione per la misurazione delle prestazioni; questi sono i blocchi di costruzione. Modello di input, qual è un modello di input? Nella misurazione delle prestazioni ci sono due modelli, input e output. Il modello di input è quando si, si intende il proprietario aziendale, quando si ha il controllo sugli input, si tratta di un modello di input. Quando si ha il controllo sull'output, si tratta di un modello di output. Quando non hai alcun controllo o uguale controllo su entrambi gli input e gli outmetti poi guarda il costo di questi modelli, implementando questi modelli e poi vai avanti. Ora, si può dare un esempio di modello di input? Il modello di input è quello che se si ha il controllo sull'input è un modello di input. Se hai il controllo sull'output è un modello di output. Ora, diciamo fare un esempio; misurazione delle performance delle banche. È un modello di input o è un modello di output? Ora, per la vostra comprensione, dobbiamo dire che non c'è nulla di chiamato può essere entrambi. O deve essere da questo lato o da quel lato. Ora la misurazione delle performance delle banche, è un modello di input o di output? Se si pensa molto attentamente, si tratta di un modello di output. Perché? Perché quali sono gli input di una banca? Gli input di una banca sono depositi per i quali non si ha alcun controllo, perché non si è il controllore dell'economia; più soldi (generazione), più generazione di reddito. Così la gente va alle banche a depositare. Ma non avete alcun controllo nello sviluppare lo sviluppo di quello che dovrebbero fare gli agricoltori. Quindi non hai alcun controllo sui tuoi input che sono i depositi; non hai alcun controllo. Hai il controllo su un altro input che si chiama dipendenti? No. Non hai alcun controllo. Ma se si guardano i depositi di output generati, magari con qualche sforzo in più è possibile generare altri depositi. Quindi la banca è un modello orientato alla produzione. Quindi il modello è input orientato se gli input sono controllabili dalla gestione, il modello è di output orientato se gli input non sono controllabili dalla gestione. Se il produttore di decisioni ha il controllo su entrambi gli input e gli output allora la scelta dell'orientamento in ingresso o in uscita dipenderà dall'oggetto del produttore di decisioni, sia che si voglia tagliare i costi o aumentare l'output. Il costo di taglio è un modello di costo. Aumentare l'output è il modello di output. Ecco, ecco cosa stavamo parlando di usare il tavolo. La costante torna su scala e variabile torna su scala. Come abbiamo accennato costanti ritorni su scala non significa che 5 unità di input devono dare 5 unità di output, 3 unità di input devono dare 3 unità di output, 2 unità di input devono dare 2 unità di output. In quel caso la linea è una linea di 45 gradi, linea retta, 45 gradi. Quel CRS non lo dice. CRS racconta che se hai usato una unità di input per fabbricare due unità di uscita al mattino, dovresti usare le stesse unità e ottenere le stesse uscite della sera e le stesse unità e la stessa uscita di notte. Questo è costante. Come se non si è costanti allora gli strumenti matematici non possono essere applicati, quindi è quello che viene definito costante. Variabile torna su scala, sappiamo che il mercato è imperfetto e di conseguenza anche i ritorni saranno imperfetti. Che è variabile torna su scala. Questo è quanto abbiamo appena accennato. Quindi in sostanza questo è quello che volevamo dire in realtà. Cioè se in realtà era una costante teorica, deve scaldare l'output è uguale all'input, questa era la tua linea di 45 gradi, ma qui quello che stiamo dicendo; che sia coerente, non l'output è uguale all'input. Quindi è coerente dato dalla retta ma è a un livello molto - molto - molto inferiore; a destra; poi la linea di 45 gradi. La variabile torna su scala, si assume ritorni variabili. Questo è opportuno quando i DMU stanno generando diversi livelli di output. Di solito questo è il caso in cui la DMU sta affrontando una concorrenza perfetta. E questa è la stessa tabella che utilizza una variabile ritorna su scala. Spieghiamo di nuovo il CRS qui. Ora vedi B era il più efficiente; quindi questa era B retta. Dove era A? Un'efficienza è stata .., torniamo indietro; l'efficienza di A è di 0,5. Così in questo diagramma, questo è qui. Quindi o questo è cosa? Questo è il tuo input e questa è la tua uscita. Quindi A è qui; o A deve ridurre l'input fino a questo punto oppure A deve aumentare l'output fino a questo punto. Quindi o ridurre l'input o ridurre l'output per passare a B. Questo è spiegato qui; basta tornare al tavolo. Il punteggio di A è 37,5%. Il punteggio di A è stato, questo significa che A potrebbe ridurre il numero di input del 62,5 e produrre ancora lo stesso numero di uscite. Può essere ridotto del 62,5% e la nuova quantità di ingresso diventa 0,75 per lo stesso numero di unità. Quindi sicuramente la DEA aiuta. Abbiamo dato qualche spiegazione. Questo è il tuo VRS o la variabile torna su grafico su scala. Quindi quello che facciamo è solo collegare gli estremi. Colleiamo gli estremi e naturalmente tutti cadranno sotto questa linea. Quindi D deve ridurre gli input o aumentare l'output, deve ridurre gli input o aumentare l'output. Questo è quello che è la tua DEA. E ora se tracciamo insieme entrambi i grafici, questo è ciò che B è al centro di questo. Ora le situazioni possono arrivare quando questi due potrebbero non corrispondere. Questa è la formula per l'efficienza. L'efficienza tecnica è pari a TECRS è uguale a VRS in errore standard. Ora aumentare e diminuire torna a scalare. Qualsiasi DMU al di sotto di questo, qualsiasi DMU al di sotto di questo è considerato un ritorno crescente. Qualsiasi DMU al di sopra di questo è un ritorno in diminuzione. Qualsiasi DMU al di sotto di questo è in aumento ritorni. Non vado in questi nel dettaglio perché avete imparato questi in economia. Quali sono i peer o i benchmark? Qui se vedete contro chi D dovrebbe benchmark? Guarda questo grafico. Chi deve D benchmark contro? D dovrebbe comparare contro A o B o E. Ora, che è il più semplice da implementare; naturalmente B. Così, D dovrebbe benchmark contro B. Questo è qualcosa che c'è. Così questa parte è chiamata come variabile slack, questa parte si chiama slack. Qual è il numero massimo di input e output e DMU per il calcolo della DEA? Normalmente si tratta di input totali più output pari a un terzo numero di DMU. L'output plus output dovrebbe essere inferiore a un terzo numero di DMU. Quindi se hai 9 DMU il tuo numero di, un terzo il numero di DMU è di 3 e l'output più output dovrebbe essere inferiore a pari a numero di DMU. Quindi se i tuoi numeri totali di unità decisionali sono 3, l'input e l'output totali possono essere solo 2. Ora, questo è questo. Di cosa siamo rimasti? Il modello tradizionale era la programmazione lineare. Il modello tradizionale era la programmazione lineare. La DEA può usare la programmazione lineare anche per risolvere il problema. Ascoltiamo molto attentamente. Questo è il modello normale. La DEA può usare una programmazione lineare per risolvere questo modello. Ma prendi una situazione quando ci sono 20 DMU. Quindi per 20 unità decisionali dovrete scrivere 20 equazioni, 20 vincoli. Se ci sono ogni variabile è un vincolo, quindi 20 equazioni, almeno 30 vincoli e che dovrai ripetere per ogni DMU. Per ogni DMU, dovrai ripeterti. Per ogni DMU dovrai ripetere. La stessa equazione e lo stesso numero di vincoli, quindi solo che i segni cambieranno. Quindi immaginate una situazione quando vi è stato dato un lavoro, lavoro significa un incarico per misurare l'efficienza di tutti i concessionari e distributori per Nirma in India. Quindi quante equazioni di programmazione lineare avrete? Devi avere almeno 10.000 concessionari per Nirma. Avrete quindi 10.000 equazioni di programmazione lineari per misurare l'efficienza di ciascuno? No. Rispondere è no. Oggigiorno si può modellare questo in excel, in solutore, in altri luoghi e lì si vedrà solo modello, i numeri una volta e il resto i risultati usciranno. Così è possibile utilizzare la programmazione lineare. Ci sono alcuni software di programmazione lineari readymade che sono ora disponibili. Quindi non è necessario scrivere o digitare le equazioni, basta digitare i numeri e i risultati usciranno. Quindi questo è questo. Ora lasciateci guardare un altro problema per soli pochi minuti che è che abbiamo misurato le prestazioni. Qual è il passo successivo? Il passo successivo è la riqualificazione delle persone. Alcuni posti dovrete ridurre le persone, ridurre le macchine; alcuni posti che avrete 2 aumentano l'output. A seconda del modello di input, il modello di output, i risultati saranno tali. La domanda è: ci sono softwares disponibili a fare questo? Vedi ready-made softwares, solo il software disponibile è la programmazione lineare softwares. Che puoi fare anche in Excel. Così ogni volta che basta cambiare i numeri e il software genererà qualche uscita particolare. Ma più di questo, e si può sicuramente programmare con un altro software matematico moderno e più di quello che non c'è nulla. Ciò che è importante è che dobbiamo sapere quante unità possiamo ridurre, quanti input si possono aumentare. Questo può essere fatto in Excel, che può essere fatto utilizzando alcuni altri softwares avanzati. Questa è la seconda domanda; quindi come modellarla? La modellazione non è nulla, è possibile utilizzare un semplice formato di programmazione lineare e si può modellarlo. Ora, la domanda successiva è: cosa farà l'azienda dopo aver misurato? Dopo la misurazione, l'azienda deve prendere una decisione sulla riqualificazione delle risorse; per quanto semplice. Dopo la misurazione, l'azienda deve prendere una decisione sul riutilizzo delle risorse. Se c'è una resistenza, l'azienda deve pensare diversamente. Ecco allora cosa è molto importante, ovvero le unità decisionali. Ora, detto questo, abbiamo appena accennato a quello che abbiamo discusso fino ad ora è la misurazione delle prestazioni della filiera. Ora, se si guarda a qualsiasi quaderno standard di supply chain troverete una lista di, elenco interi di misure di performance, per i magazzini, per il trasporto, tutto, tutto, tutto, tutto, ma insomma, in sostanza le prestazioni della supply chain, solo una misura anche se si può prendere, si dovrebbe fare camion turnaround del tempo. Questo è un provvedimento tutto pervasivo. Se la tua organizzazione non usa i camion, se usano i veicoli di piccole dimensioni, allora, il tempo di turnaround. Questa è la misura che racchiude tutte le misure della filiera che è il camion turnaround del tempo; quindi bisognerà guardare in quello. E le altre misure della supply chain? Come si misurerà le prestazioni complessive della supply chain? Il tempo di piombo, questo, questo, questo, che ma poi come abbiamo detto che il tempo di turnaround è un tempo complessivo, su misura di prestazioni nella supply chain e bisogna sapere come modellarlo. Ora, dopo aver detto che vi diciamo solo qualcosa, ora siamo alla settimana 5. Quindi settimana 1, 2, 3, 4, penso che tutti voi siate passati attraverso di loro molto meticolosamente e parallela a quello che racconteremo, quello che vi suggeriremo è parallela, leggete libri diversi, materiali diversi, diversi sviluppi su tutta la supply chain, solo leggendo il giornale aiuta anche. Quindi materiali diversi, diversi cambiamenti in tutta la supply chain e i tipi di modelli etcetera che vengono utilizzati nella supply chain, che si pratica anche usando le diaposate e i modelli che forniamo. La supply chain è una zona vasta, la modellazione è anche molto vaste ma poi se si inizia presto si dovrebbe essere in grado di farlo correttamente, farlo bene. Quindi meglio iniziare a lavorare su di esso. Questo è quello che volevamo dire. Abbiamo terminato abbastanza lezioni. Quindi è un momento alto che si inizia a lavorarlo sinceramente. Ora questo è un foglio che abbiamo come riferimento. Questo è un foglio tutto pervasivo. Charnes, Cooper e Rhodes sono considerati i padri del pensiero moderno su “ analisi dell'involuzione dei dati ”. Ci sono molti documenti che puoi ottenere dall'autore Charnes; così puoi attraversarli. Penso che questo ti dia una bella attenzione, abbastanza idea su come e perché, dove e quando dovremmo misurare le prestazioni di una filiera. Grazie!