Journal of Operational Research and Its Applications

fa تدوین مدل و پیش‌بینی کارایی ادارات پست استان گیلان با روش تحلیل پوششی داده‌ها و رویکرد تکاملی شبکه‌های عصبی GMDH assessment and forecasting post offices’ efficiency of guilan province with data envelopment analysis method and evolutionary GMDH-type neural network تخصصي Special كاربردي Applicable ارتباطات نقش مهمی در رشد و تعالی بین جوامع و افراد دارد. شبکه پستی به‌عنوان بزرگ‌ترین ارتباط فیزیکی و شبکه تبادل بین جوامع در جهان به شمار می‌رود که به دلیل ارتباط مداوم با مشتریان در این نوع واحدهای خدماتی، مدیریت عملکرد اهمیت خاصی می‌یابد در مقابل، پیش بینی، کنترل و تجزیه و تحلیل به یک ضرورت اجتناب ناپذیر در سازمان‌ها تبدیل شده است و به عنوان یک ابزار مدیریت عالی به تصمیم گیری کمک می‌کند. در این مقاله، ابتدا مدل‌های پایه‌ای تحلیل پوششی داده‌ها برای اندازه گیری و ارزیابی کارایی ادارات پستی استان گیلان در سال های 1392 و 1393، مورد بررسی قرار گرفته و برای این هدف، CCR ورودی محور بهتر از مدل BCC تعیین شده است. سپس به دلیل آنکه مدل های اولیه تحلیل پوششی داده ها توانایی معرفی الگوی بهینه سازی و کارآمدترین واحد را ندارد، از روش اندرسون و پیترسون استفاده می کنیم که واحدهای رودسر و انزلی در 92 و 93 به طور متوالی به بهترین نحو شناخته شده اند. در نهایت از روش تلفیقی شبکه عصبی رویکرد دستیابی داده ها برای پیش بینی کارایی واحدهای پست استفاده می‌کنیم. نتایج نشان می دهد که این مدل جدید توانایی بالقوه خوبی در رابطه با پیش بینی دارد و به دلیل دقت بالا می تواند جایگزین روش های سنتی شود.   Communication plays an important role in the growth of societies and people. The Postal network is considered to be the largest physical link and network of exchanges among communities in the world, which is of particular importance for continuous communication with customers in these types of service units. In contrast, prediction, control and analysis have become an inevitable necessity in organizations and a great management tool for decision making. In this paper, baseline data envelopment analysis models for measuring and evaluating post offices’ efficiency in Guilan province in years 1392 & 1393 have been investigated. For this purpose, CCR input-axis is better than the BCC model. Because the traditional data envelopment analysis models are not capable of introducing the optimization model and the most efficient unit, we use Anderson-Peterson’s model, in which Rudsar & Anzali units are best at 92 and 93 consecutives. Finally, we use the neural network to integrate the data access approach for predicting the efficiency of postal units. The results show that this new model has good potential for prediction, and because of its high precision, it can replace traditional methods. کارایی, تحلیل پوششی داده ها, روش اندرسون و پیترسون, روش دسته بندی گروهی داده ها Efficiency, Data Envelopment Analysis, Anderson-Peterson technique, Group Method of Data Handling 121 139 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-892-2&slc_lang=fa&sid=1 A. Azar عادل آذر azara@modares.ac.ir 10031947532846006385 10031947532846006385 No Management Group, Tarbiyat Modares University, Tehran, Iran گروه مدیریت، دانشگاه تربیت مدرس، تهران، ایران M. Pournasir مریم پورنصیر pournasir.m@gmail.com 10031947532846006386 10031947532846006386 Yes Management Group, Lahijan Unit, Islamic Azad University, Lahijan, Iran گروه مدیریت، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران H. Mosafer هانیه مسافر HANA1055@YAHOO.COM 10031947532846006387 10031947532846006387 No Master of Industrial Engineering, Rasht کارشناس ارشد مهندسی صنایع، رشت، ایران