صفحه محصول - پروپوزال ارزیابی عملکرد پالایشگاه های گاز کشور با مدل ترکیبی Neuro-DEA

پروپوزال ارزیابی عملکرد پالایشگاه های گاز کشور با مدل ترکیبی Neuro-DEA (docx) 1 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 1 صفحه

قسمتی از متن Word (.docx) :

دانشگاه علوم و فنون مازندران دانشکده صنایع ارزیابی عملکرد پالایشگاه های کشور با مدل ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی پایان نامه جهت دریافت درجه کارشناسی ارشد رشته صنایع ،گرایش صنایع نام دانشجو : سیده نجمه تختی اساتید راهنما : دکتر رضاییان ، دکتر تاجدین زمستان 93 تقدیر و تشکر به مصداق «من لم یشکر المخلوق لم یشکر الخالق » بسی شایسته است از استاد فرهیخته و فرزانه جناب آقای دکتر جواد رضاییان که با کرامتی چون خورشید ، سرزمین دل را روشنی بخشیدند و گلشن سرای علم و دانش را با راهنمایی های کار ساز و سازنده بارور ساختند ; تقدیر و تشکر نمایم. ( و یزکیهم و یعلمهم الکتاب و الحکمه ) معلما مقامت ز عرش برتر باد همیشه توسن اندیشه ات مظفر باد به نکته های دلاویز و گفته های بلند صحیفه های سخن از تو علم پرور باد همچنین از پدر و مادر عزیز ، دلسوز و مهربانم که آرامش روحی و آسایش فکری فراهم نمودند تا با حمایت های همه جانبه در محیطی مطلوب ، مراتب تحصیلی و نیز پایان نامه درسی را به نحو احسن به اتمام برسانم ; سپاسگزاری نمایم. شکر خدا که هر چه طلب کردم از خدا بر منتهای همت خود کامران شدم به پاس تعبیر عظیم و انسانی شان از کلمه ایثار و از خودگذشتگانبه پاس عاطفه سرشار و گرمای امیدبخش وجودشان که در این سردترین روزگاران بهترین پشتیبان استبه پاس قلب های بزرگشان که فریاد رس است و سرگردانی و ترس در پناهشان به شجاعت می گرایدو به پاس محبت های بی دریغشان که هرگز فروکش نمی کند. با سپاس ازسه وجود مقدس آنان که ناتوان شدند تا ما به توانایی برسیم... موهایشان سپید شد تا ماروسفید شویم.... و عاشقانه سوختند تا گرمابخش وجود ما و روشنگر راهمان باشند.... پدرانمان مادرانمان استادانمان چکیده : کارایی و رتبه بندی زیرمجموعه های یک صنعت کاری ضروری است ، و لازم است حداقل سالی یکبار عملکرد آنها را برپایه اصول علمی مورد ارزیابی قرار داد. صنعت نفت و گاز به عنوان یکی از اساسی ترین صنایع ایران از حساس ترین و مهمترین منابع درآمد دولت به شمار میرود .بدیهی است وجود کارایی در این صنعت عایدات دولت را چندین برابر مینماید و این مهم جز با ارزیابی دقیق و صحیح واحدها ی تحت پوشش میسر نمیشود . از آنجایی که تحلیل پوششی داده ها کارایی متفاوتی در طول زمان ارائه میدهد و به هیچ پیش فرض اولیه ای درباره مرز کارایی نیاز ندارد لذا در میان تمام روشهای ارزیابی عملکرد ، DEA در سازماندهی و تحلیل داده ها بهترین روش است .بنابراین با جمع آوری اطلاعات ورودی و خروجی 6 پالایشگاه کشور کارایی آن ها را محاسبه کرده و واحدهای کارا و ناکارا شناسایی شدند.. اما DEA قادر به تفکیک کارایی همه ی پالایشگاه ها ازیکدیگرنیست . دلیل این موضوع کمبود تعداد واحدهای تصمیم گیرنده (6 پالایشگاه ) نسبت به تعداد ورودی و خروجی ها( 4 ورودی و 4 خروجی ). لذا DEA قادر به رتبه بندی کامل واحدها نیست، بنابراین از تلفیق تحلیل پوششی داده ها و شبکه عصبی مصنوعی به منظور اندازه گیری عملکرد واحدها ی تصمیم گیرنده استفاده شده است به نحوی که مشکل مذکور برطرف گردد. و در آخر مقایسه ای بین نتایج حاصل از این دو روش صورت گرفته است . کلمات کلیدی : کارایی ، ارزیابی عملکرد ، تحلیل پوششی داده ها ، شبکه عصبی ، پالایشگاه فهرست مطالب TOC \o "1-3" \h \z \u فصل اول PAGEREF _Toc410550864 \h 1کلیات تحقیق PAGEREF _Toc410550865 \h 11-1- مقدمه PAGEREF _Toc410550866 \h 21-2- تعریف مسأله PAGEREF _Toc410550867 \h 41-3- اهداف اساسی از انجام تحقیق PAGEREF _Toc410550868 \h 61-4- ضرورت انجام تحقیق PAGEREF _Toc410550869 \h 61-5- فرضیات تحقیق PAGEREF _Toc410550870 \h 71-6- جامعه آماری PAGEREF _Toc410550871 \h 71-7- قلمرو تحقیق PAGEREF _Toc410550872 \h 71-8- مراحل انجام تحقیق : PAGEREF _Toc410550873 \h 8فصل دوم PAGEREF _Toc410550874 \h 7مرور ادبیات و بررسی پیشینه ی تحقیق PAGEREF _Toc410550875 \h 72-1- مقدمه PAGEREF _Toc410550876 \h 82-2- تعاریف کارایی PAGEREF _Toc410550877 \h 82-3- روش هاي اندازه گیري کارایی فنی PAGEREF _Toc410550878 \h 92-3-1- روش هاي پارامتري PAGEREF _Toc410550879 \h 92-3-2- روش هاي نا پارامتري PAGEREF _Toc410550880 \h 102-4- مقایسۀ رگرسیون وتحلیل پوششی داده ها PAGEREF _Toc410550881 \h 102-5- مفاهیم کارایی PAGEREF _Toc410550882 \h 112-6- استفاده ازنسبت دراندازه گیري کارایی PAGEREF _Toc410550883 \h 122-7- انواع مدل هاي پایه اي (کلاسیک) تحلیل پوششی داده ها : PAGEREF _Toc410550884 \h 132-7-1- مدل CCR : PAGEREF _Toc410550885 \h 142-7-2- مدل BCC PAGEREF _Toc410550886 \h 212-7-3- مدل جمعی ( SBM= Slack Based Model ) PAGEREF _Toc410550887 \h 252-8- رتبه بندي واحد هاي کارا PAGEREF _Toc410550888 \h 262-9- روش اندرسون – پیترسون PAGEREF _Toc410550889 \h 272-10- شبکه های عصبی مصنوعی ( ANNs ) PAGEREF _Toc410550890 \h 292-10-1- مقدمه PAGEREF _Toc410550891 \h 292-10-2- شبکه عصبی PAGEREF _Toc410550892 \h 302-10-3- معرفی شبکه عصبی مصنوعی PAGEREF _Toc410550893 \h 312-10-4- تاریخچه شبکه‌های عصبی مصنوعی PAGEREF _Toc410550894 \h 322-10-5- چرا از شبکه‌های عصبی استفاده می‌کنیم؟ PAGEREF _Toc410550895 \h 332-10-7- ساختار شبکه‌های عصبی PAGEREF _Toc410550896 \h 362-10-8- تقسیم بندی شبکه‌های عصبی PAGEREF _Toc410550897 \h 372-10-9- کاربرد شبکه‌های عصبی PAGEREF _Toc410550898 \h 382-10-10- معایب شبکه‌های عصبی PAGEREF _Toc410550899 \h 392-10-11- مسائل مناسب برای یادگیری شبکه های عصبی PAGEREF _Toc410550900 \h 392-11- یادگیری یک پرسپترون PAGEREF _Toc410550901 \h 402-11-1- آموزش پرسپترون PAGEREF _Toc410550902 \h 432-11-2- الگوریتم یادگیری پرسپترون PAGEREF _Toc410550903 \h 432-12- مقایسه آموزش یکجا و افزایشی PAGEREF _Toc410550904 \h 442-13- شبکه های چند لایه PAGEREF _Toc410550905 \h 452-14- الگوریتم Back propagation PAGEREF _Toc410550906 \h 462-15- شبکه های عصبی چند لایه پیش خور PAGEREF _Toc410550907 \h 502-16- انواع شبکه های عصبی : PAGEREF _Toc410550908 \h 532-16-1- شبکه عصبی پرسپترون PAGEREF _Toc410550909 \h 532-16-2- شبکه همينگ PAGEREF _Toc410550910 \h 552-16-3- شبکه هاپفيلد PAGEREF _Toc410550911 \h 572-16-4- شبکه عصبی خود سازمانده مدل کوهنن PAGEREF _Toc410550912 \h 582-16-5- شبکه عصبی تأ خير زمانی PAGEREF _Toc410550913 \h 592-17- مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (NEURO/DEA ) PAGEREF _Toc410550914 \h 602-17-1- مقدمه PAGEREF _Toc410550915 \h 612-17-2- الگوریتم تحلیل کارایی PAGEREF _Toc410550916 \h 642-17-3- نرمال سازی داده ها PAGEREF _Toc410550917 \h 642-18- مفاهیم کارایی ، بهره وری و اثربخشی PAGEREF _Toc410550918 \h 682-19- مروری بر مطالعات انجام شده PAGEREF _Toc410550919 \h 70فصل سوم PAGEREF _Toc410550920 \h 62روش تحقیق PAGEREF _Toc410550921 \h 623-1- مقدمه PAGEREF _Toc410550922 \h 633-2- روش تحقیق PAGEREF _Toc410550923 \h 633-3- جامعه آماری PAGEREF _Toc410550924 \h 643-4- شیوه گردآوری اطلاعات PAGEREF _Toc410550925 \h 653-5- مراحل انجام تحقیق PAGEREF _Toc410550926 \h 663-6- شیوه نرمال سازی PAGEREF _Toc410550927 \h 673-7- ارزیابی و تحلیل کارایی فنی پالایشگاه های گاز کشور با رویکرد تحلیل پوششی داده ها (DEA ) PAGEREF _Toc410550928 \h 673-7-1- مدل سازی ریاضی PAGEREF _Toc410550929 \h 683-7-2- مدل مضربی CCR ورودی محور PAGEREF _Toc410550930 \h 693-7-3- روش اندرسون – پیترسون بر ای رتبه بندی واحدهای کارا PAGEREF _Toc410550931 \h 703-8- دلایل استفاده از مدل مضربی CCR ورودی محور در مقایسه با مدل BCC PAGEREF _Toc410550932 \h 703-9- روش تحقیق مورد استفاده در تحلیل کارایی با مدل های ترکیبی Neuro/DEA PAGEREF _Toc410550933 \h 723-9-1- مدل مورد استفاده در تحقیق PAGEREF _Toc410550934 \h 723-9-2- روش به کار گرفته شده در مدل های ترکیبی Neuro/DEA1 و Neuro/DEA2 جهت ارزیابی واحد ها PAGEREF _Toc410550935 \h 74فصل چهارم PAGEREF _Toc410550936 \h 71نتایج و تفسیر آن ها PAGEREF _Toc410550937 \h 714-1- مقدمه PAGEREF _Toc410550938 \h 724-2- نرمالیز کردن داده ها PAGEREF _Toc410550939 \h 734-3- الگوریتم پس انتشار PAGEREF _Toc410550940 \h 794-4- شبکه پیش سو PAGEREF _Toc410550941 \h 814-5- جمع آوری داده ها : Neuro – DEA PAGEREF _Toc410550942 \h 814-6- نرمال سازی داده ها Neuro /DEA PAGEREF _Toc410550943 \h 824-7- داده های آموزش PAGEREF _Toc410550944 \h 844-8- داده های تست PAGEREF _Toc410550945 \h 844-9- عملیات آموزش PAGEREF _Toc410550946 \h 864-10- نمایش نمودارها PAGEREF _Toc410550947 \h 89فصل پنجم PAGEREF _Toc410550948 \h 87نتیجه گیری و پیشنهادات PAGEREF _Toc410550949 \h 875-1- محدودیت های انجام تحقیق PAGEREF _Toc410550950 \h 885-2- نتیجه گیری PAGEREF _Toc410550951 \h 885-3- تحقیقات آتی PAGEREF _Toc410550952 \h 89منابع و مراجع PAGEREF _Toc410550953 \h 90منابع فارسی PAGEREF _Toc410550954 \h 91منابع انگلیسی PAGEREF _Toc410550955 \h 93 فهرست اشکال شکل 1-1- مقایسه رگرسیون و DEA ........................................................................................................9 شکل 2-1- پرسپترون تک لایه ..................................................................................................................29 شکل 2-2- پرسپترون ................................................................................................................................30 شکل 2-3- توابعی که پرسپترون قادر به یادگیری آن ها می باشد ...........................................................30 شکل 2-4- مقایسه آموزش افزایشی و یکجا ...............................................................................................32 شکل 2-5- منحنی یادگیری ........................................................................................................................35 شکل 2-6- نمودار خطا .................................................................................................................................36 شکل 2-7- شرط پایان الگوریتم BP ..........................................................................................................36 شکل 2-8- پرسپترون تک لایه ..................................................................................................................39 شکل 2-9- پرسپترون تک لایه .................................................................................................................39 شکل 2-10- شبکه همینگ .......................................................................................................................40 شکل 2-11- شبکه هاپفیلد ........................................................................................................................41 شکل 2-12- شبکه کوهنن...........................................................................................................................42 شکل 2-13- ساختار نرون در شبکه TDNN ..............................................................................................43 شکل 2-14- الگوریتم تحلیل کارایی ...........................................................................................................48 شکل 2-15- شبکه پرسپترون سه لایه .......................................................................................................70 شکل 3-1- ورودی و خروجی های پالایشگاه ها ...........................................................................................78 شکل 4-1- تابع سیگموئیدی ........................................................................................................................84 شکل 4-2- مقایسه خروجی های شبیه سازی شده ......................................................................................85 شکل 4-3- مقایسه خروجی ها با داده های تست .........................................................................................86 شکل 4-4- مقایسه کارایی مدل DEA و ANN ............................................................................................86 فهرست جدول جدول 2-1- مدل جمعی ......................................................................................................................20 جدول 3-1- معرفی پالایشگاه ها ...........................................................................................................65 جدول 3-2- مشخصه های متغیرهای تصمیم .........................................................................................66 جدول 3-3- مشخصه های متغیرهای تصمیم ........................................................................................66 جدول 3-4- مشخصه های متغیرهای تصمیم ........................................................................................66 جدول 4-1- اطلاعات ورودی و خروجی سال 93 ..................................................................................72 جدول 4-2- اطلاعات ورودی و خروجی سال 92...................................................................................73 جدول 4-3- داده های نرمال شده سال 93 ............................................................................................74 جدول 4-4- داده های نرمال شده سال 92 ............................................................................................74 جدول 4-5- کارایی واحدها در سال 92 و 93 ........................................................................................75 جدول 4-6- کارایی AP در سال 92..........................................................................................................75 جدول 4-7- کارایی AP در سال 93..........................................................................................................75 جدول4-8- ورودی ANN در سال 92........................................................................................................79 جدول4-9- ورودی ANN در سال 93........................................................................................................79 جدول 4-10- نرمال سازی داده ها ............................................................................................................79 جدول 4-11- داده های نرمال شده ............................................................................................................80 جدول 4-12- اندیس های مربوط به آموزش ..............................................................................................81 جدول 4-13- اندیس های مربوط به تست .................................................................................................81 جدول 4-14- داده های ورودی و خروجی آموزش .....................................................................................81 جدول 4-15- داده های ورودی و خروجی تست .........................................................................................82 جدول 4-16- ارزیابی شبکه آموزش دیده ..................................................................................................82 جدول 4-17- صحت فرایند آموزش ...................................................................................................83 جدول 4-18- خروجی شبیه سازی شده و واقعی برای تست .............................................................83 جدول 4-19- میانگین مربعات خطا ..................................................................................................83 جدول 4-20- میانگین مقایسه کارایی خروجی ANN و DEA سال 92 ...........................................85 جدول 4-21- میانگین مقایسه کارایی خروجی ANN و DEA سال 93 ...........................................85 فصل اول کلیات تحقیق 1-1- مقدمه اندازه گیری کارایی به خاطر اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققین قرار داشته است . در سال 1957 فارل با استفاده از روشی مانند اندازه گیری کارایی در مباحث مهندسی اقدام به اندازه گیری کارایی برای یک واحد تولیدی نمود .موردی که فارل برای اندازه گیری کارایی مد نظر قرار داده بود شامل یک ورودی و یک خروجی بود . مطالعه فارل شامل اندازه گیری "کارایی های فنی " و " تخصیصی " و " مشتق تابع تولید کارا " بود . فارل مدل خود را برای تخمین کارایی بخش کشاورزی آمریکا نسبت به سایر کشورها مورد استفاده قرار داد. با این وجود او در ارائه روشی که در برگیرنده ورودی ها و خروجی های متعدد باشد ، موفق نبود .]1[ "چارنز " ، " کوپر " ، " رودز " دیدگاه فارل را توسعه داده و مدلی را ارائه کردند که توانایی اندازه گیری کارایی با چندین ورودی و چندین خروجی را داشت . این مدل تحت عنوان " تحلیل پوششی داده ها " نام گرفت و ایتدا در رساله دکتری " ادوارد رودز " و به راهنمایی " کوپر " تحت عنوان " ارزیابی پیشرفت تحصیلی دانش آموزان مدارس ملی آمریکا " در سال 1976 در دانشگاه کارنگی مورد استفاده قرار گرفت و در سال 1978 در مقاله ای تحت عنوان " اندازه گیری کارایی واحدهای تصمیم گیرنده " ارائه شد . از آنجا که این مدل توسط " چارنز " ، " کوپر " و " رودز " ارائه گردید به مدل CCR که از حروف اول نام سه فرد فوق تشکیل شده است معروف گردید . هدف در این مدل اندازه گیری و مقایسه کارایی نسبی واحدهای سازمانی مانند مدارس ، بیمارستان ها ، شعب بانک ، شهرداری ها و ... که دارای چندین ورودی و خروجی شبیه بهم باشند .]2[ کاربرد گاز طبیعی به عنوان سوخت حرارتی تنها قسمتی از موارد متنوع کارایی این ماده گرانقدر به شمار می رود .اهمیت اصلی و واقعی گاز طبیعی با توجه با ارزش افزوده فراوان و قابلیت تبدیل به هزاران نوع کالای با ارزش اقتصادی در بخش صنعت و پتروشیمی ظاهر می شود . نیاز روزافزون به گاز برای تامین انرژی و سوخت و همینطور ارز حاصل از فروش و صادرات برای سرمایه گذاری و راه اندازی صنایع مادر و زیربنایی کشور ، اندیشه تمرکز بخشیدن فعالیت های مرتبط با صنعت گاز را تقویت کرده و در این رابطه طبق اساسنامه قانونی ، شرکت ملی گاز ایران به عنوان یکی از چهار شرکت وابسته به وزارت نفت ایران با سرمایه اولیه 25 میلیارد ریال در سال 1344 هجری شمسی تأسیس گردید . در این میان پالایشگاه های گاز نقش بسیار مهمی در فرآیند تصفیه گاز ، تولید محصولات جانبی ، تأمین گاز کشور و درآمد حاصل از فروش و صادرات آن به عهده دارند . ظرفيت پالايش و نم زدائي گاز طبيعي ايران با برخورداري از متوسط رشد سالانه 9 درصدي در دهه اخير در سال 1391 به 428 ميليون متر مكعب در روز رسیده است . با توجه به تمركز قابل ملاحظه ميادين گاز كشور در مناطق جنوبي امكانات پالايشي و نم زدائي كشور نيز عمدتا در اين ناحيه مستقر مي باشند. پالايشگاه بيد بلند با ظرفيت 22.5 ميليون متر مكعب در روز پالايشگاه فجر با ظرفيت 110 ميليون متر مكعب در روز و پالايشگاه سرخون با ظرفيت 7.1 ميليون متر مكعب ظرفيت نم زدائي در مناطق جنوبي و پالايشگاه شهيد هاشمي نژاد با ظرفيت 44.5 ميليون متر مكعب در روز در شمال شرق كشور از جمله مهمترين تاسيسات پالايشي كشور به شمار مي روند. بدیهی است که ایجاد یک نظام کارا و استفاده بهینه از منابع باعث جلوگیری از هرز رفت مبالغ عظیمی از منابع مادی و معنوی می گردد به طوری که می تواند با درصد کمی افزایش در کارایی صرفه جویی زیادی حاصل گردد.لذا مطالعه سطح بهره وری پالایشگاه های گاز کشور کاملا ضروری است .برای رسیدن به این هدف لازم است ابتدا عملکرد پالایشگاه های گاز مورد ارزیابی و تحلیل قرار گرفته و سپس پالایشگاههایی که کارا نیستند مشخص و علل عدم کارایی آن ها را تعیین و نسبت به رفع آن اقدام نمود . به عنوان یک اصل عملکرد هر واحد سازمانی و یا سازمان تا آنجا که میسر است باید اندازه گیری شود . وجود و یا عدم وجود نظام ارزیابی عملکرد موثر و کارآمد با مرگ سازمان رابطه ی مستقیم دارد و فقدان آن را به عنوان بیماری سازمانی قلمداد نموده اند . بدون اندازه گیری ، مبنایی برای قضاوت و اظهارنظر و ارزیابی وجود نخواهد داشت آن چه را که نتوان ارزیابی نمود نمیتوان به خوبی اداره کرد . هر سازمانی برای اعمال مدیریت صحیح باید از الگوهای علمی ارزیابی عملکرد بهره گیرد تا بتواند میزان تلاش و نتایج حاصل از کارکرد خود را مورد سنجش قرار دهد . تنوع وظایف سازمانی اعم از وظایف عمومی و اختصاصی به پیچیدگی ارزیابی آن ها می افزاید و استفاده از ابزارهای کارامد علمی را برای محقق ساختن یک ارزیابی واقعی از هر دو بعد عملکردی و سیاست گذاری اجتناب ناپذیر می کند . یکی از ابزار های کارامد که این مهم را محقق ساخته تحلیل پوششی داده هاست که چهارچوب نظام ارزیابی عملکرد با استحکامی را در خود تدارک می بیند . لذا در نظر است مقایسه ای بین عملکرد پالایشگاه های گاز کشور انجام گیرد و از میان آن ها پالایشگاه های با کارایی بالاتر را انتخاب نمود . مضافاٌ این که می توان آن ها را به عنوان واحدهای کارا و ناکارا دسته بندی کرد و در صورت امکان برای واحدهای ناکارا راه حل مناسب ارائه نمود .]15[ 1-2- تعریف مسأله یکی از عمده ترین مشکلات استفاده از " تحلیل پوششی داده ها " ضعف قدرت تفکیک پذیری برای " واحد های تصمیم گیرنده " است . این مشکل عمدتاٌ به علت کم بودن تعداد واحد ها در مقایسه با تعداد ورودی ها و خروجی ها ی مدل می باشد . این مشکل در ارزیابی عملکرد 6 پالایشگاه گاز کشور با توجه به تعداد زیاد ورودی ها و خروجی های هر پالایشگاه گاز به خوبی خود را نمایان می کند .بر این اساس و برای رفع این اشکال مدل تلفیقی از شبکه های عصبی مصنوعی و تحلیل پوششی داده ها در این تحقیق مورد استفاده قرار گرفته است که موجب افزایش قدرت تفکیک پذیری مناسب پالایشگاه ها شد . ارزیابی عملکرد شرکت ها همواره از مسأله های چالش برانگیز در حوزه ی های مدیریت بوده است . اندازه گیری کارایی خصوصا در دو دهه ی اخیر ، به علت اهمیت آن در ارزیابی عملکرد ، مورد توجه زیادی قرار گرفته است . از سال 1957 که فارل روشی را برای اندازه گیری کارایی مطرح کرد تا کنون بازنگری های جامع و اساس در موضوع اندازه گیری کارایی صورت گرفته است .همچنین دیدگاه های پارامتری و غیر پارامتری به طور گسترده ای در ارزیابی کارایی مورد استفاده قرار می گیرند .ضمن اینگه دیدگاه های اولیه عمدتاٌ شامل مرزهای قطعی و مرزهای تصادفی بوده و بعدها دیدگاه هایی مثل DEA و FDH نیز مطرح شده است . روش های بسیاری برای اندازه گیری کارایی در تحقیقات مربوط مطرح شده است .اما در مقایسه ی بین تمامی مدل های فوق ، DEA روش بهتری برای سازماندهی و تحلیل داده هاست . زیرا اجازه می دهد که کارایی در طول زمان تغییر کند و به هیچ گونه پیش فرضی در مورد مرز کارایی نیاز ندارد . با این وجود مرز کارایی که از DEA حاصل شده نسبت به اغتشاش آماری و داده های پرت که در اثر خطای اندازه گیری یا هر عامل خارجی دیگر ایجاد شود ، حساس است و اگر در داده ها اغتشاش آماری یا داده های پرت وجود داشته باشد ممکن است موجب شود تا مرز کارایی به دست آمده جا به جا شود و مسیر تحلیل های DEA را منحرف سازد . وجود این مسأله باعث شده است که اخیراٌ شبکه های عصبی مصنوعی به عنوان جایگزین خوبی برای برآورد مرزهای کارا جهت تصمیم گیری به کار گرفته شود . ] 2 [ لذا در این پژوهش سعی شده است معیار های ارزیابی عملکرد پالایشگاه های گاز کشور تعیین و با استفاده از مدل ترکیبی Neuro-DEA با اندازه گیری کارایی و تعیین پالایشگاه های کارا و ناکارا و کمک به بهینه سازی شرکت ملی گاز ایران از طریق نظام ارزیابی عملکرد و رتبه بندی پالایشگاه های گاز کشور کمک نمود . 1-3- اهداف اساسی از انجام تحقیق هدف اولیه این تحقیق طراحی و تبیین مدل ارزیابی عملکرد و کارایی پالایشگاه های گاز کشور می باشد . از دیگر اهداف تحقیق می توان به موارد زیر اشاره کرد : تعیین معیارهای ارزیابی عملکرد پالایشگاه های گاز کشور اندازه گیری کارایی پالایشگاه های گاز کشور و تعیین شرکت های کارا و ناکارا کمک به بهینه سازی شرکت ملی گاز ایران از طریق نظام ارزیابی عملکرد و رتبه بندی پالایشگاه های گاز کشور 1-4- ضرورت انجام تحقیق با توجه به اهمیت کارایی در پیشبرد جوامع و جایگاهی که در میان سایر علوم به خود اختصاص داده است بررسی همه جانبه آن ، به ویژه تحلیل ابعاد ریاضی آن به عنوان معیاری برای سنجش عملکرد ضرورتی اجتناب ناپذیر می باشد . لذا محاسبه کارایی ، ارزیابی و رتبه بندی تمام شعب و ادارات زیر مجموعه یک خدمت یا صنعت ، کاری ضروری است ، و لازم است حداقل سالی یکبار عملکرد آن ها را بر پایه اصول علمی مورد ارزیابی قرار داد . صنعت نفت و گاز به عنوان یکی از اساسی ترین صنایع ایران از حساس ترین و مهم ترین منابع درآمد دولت به شمار می رود . بدیهی است وجود کارایی مناسب در این صنعت عایدات دولت را چندین برابر می نماید و این مهم جز با ارزیابی دقیق و صحیح واحدهای تحت پوشش میسر نمی شود . 1-5- فرضیات تحقیق از آنجایی که هدف ارزیابی عملکرد و کارایی پالایشگاه های گاز کشور با مدل ترکیبی Neuro /DEA یا برخی تکنیک های آماری می باشد لذا این تحقیق فاقد فرضیه می باشد .] 2 [ 1-6- جامعه آماری جامعه آماری این پژوهش ، پالایشگاه های گاز کشور (6 پالایشگاه ) که در حال حاضر در کشور در حال فعالیت هستند . 1-7- قلمرو تحقیق 1-7-1- قلمرو موضوعی : قلمرو موضوعی تحقیق در حوزه ارزیابی عملکرد بر مبنای مدل های DEA و شبکه عصبی می باشد . 1-7-2- قلمرو مکانی : قلمرو مکانی تحقیق پالایشگاه های گاز کشور می باشد که در حال حاضر 7 پالایشگاه در سطح کشور مشغول به فعالیت هستند . 1-7-3- قلمرو زمانی : در این تحقیق ، اطلاعات جمع آوری شده پالایشگاه های کشور در اردیبهشت ماه سال های 92 و 93 مینای ارزیابی عملکرد قرار گرفته است . 1-8- مراحل انجام تحقیق : مطالعات کتابخانه ای در مورد موضوع تحقیق تعیین شاخص های ورودی و خروجی پژوهش از طریق نظر خبرگان مطالعه علمی روی مدل ها و تکنیک های ارزیابی و اندازه گیری کارایی انتخاب مدل و رویکرد مناسب جهت بررسی و اندازه گیری کارایی پالایشگاه های گاز کشور طراحی مدل های پارامتری و اندازه گیری کارایی پالایشگاه های مورد نظر اندازه گیری کارایی پالایشگاه ها با روش DEA و Neuro-DEA مقایسه ی نتایج حاصل از این دو روش منابع و مراجع منابع فارسی ]1[ کوپر ، ویلیام ، سیفورد ، لورنس ، کوراتن ، " تحلیل پوششی داده ها مدل ها و کاربرد ها " ، ترجمه سید علی میر حسنی ، انتشارات دانشگاه صنعتی امیر کبیر ( پلی تکنیک تهران ) ، چاپ سوم ، بهار 91 ]2[ اجلی قشلا جوقی ، مهدی ، " ارزیابی عملکرد و کارایی شرکت های گاز استانی با مدل ترکیبی شبکه های عصبی مصنوعی و تحلیل پوششی داده ها (Neuro/DEA ) " ، پایان نامه کارشناسی ارشد مدیریت صنعتی ، دانشکده مدیریت دانشگاه تهران ، 1387 ]3[ احمد وند علی ، محمد کشوری ، عبدالرحمن نیکوکار ، غلامحسین حاتمی ، حمیدرضا صادقی مال ، منصور امیری ، " طراحی الگوی ارزیابی عملکرد برنامه های راهبردی تحقیقات دفاعی سپاه ( با رویکرد تحقیقات دفاعی نرم )" مجله سیاست دفاعی ، سال نوزدهم ، شماره 74 ، بهار 1390 . ]4[ مومنی ، منصور (1385) ، مباحث نوین تحقیق در عملیات ، چاپ اول ف تهران ، انتشارات دانشکده مدیریت دانشگاه تهران . ]5[ مهرگان ، محمدرضا (1383 ) ف مدل های کمی در ارزیابی عملکرد سازمان ها (DEA ) ، انتشارات دانشکده ی مدیریت دانشگاه تهران ، چاپ اول . ]6[ منهاج ، محمد باقر (1384) ف مبانی شبکه های عصبی ، جلد اول ، انتشارات دانشگاه صنعتی امیرکبیر ف چاپ سوم ، تهران ]7[ مهرگان ، محمدرضا ، علیرضا فراست ، امین کامیاب مقدس (1385) ، " تحلیل کارایی فنی پالایشگاه های نفت کشور با استفاده از مدل ترکیبی شبکه های عصبی و تحلیل پوششی داده ها " ف پژوهشنامه علوم انسانی و اجتماعی ، سال ششم ، شماره بیست و سوم ]8[ صفری ، سعید (1381) ، مدلسازی تعالی سازمان با رویکرد تحلیل پوششی داده ها ، رساله دکتری ، دانشگاه تربیت مدرس ]9[ امیر تیموری ، حمزه (1383) ، اندازه گیری کارایی شرکت های گاز با استفاده از تحلیل پوششی داده ها (DEA ) ]10[ علیرضایی ، محمدرضا و نصرالله علمدار (1377) ارزیابی عملکرد نیروگاه های بخاری ، گازی و آبی و تعیین کارایی تکنیکی آن ها به کمک تحلیل پوششی داده ها ، سیزدهمین کنفرانس بین المللی برق ]11[ اکبر مکی ، پیش بینی قیمت طلا با استفاده از رویکرد شبکه های عصبی ، پایان نامه کارشناسی ارشد رشته مهندسی سیستم های اقتصادی و اجتماعی ، دانشگده صنایع دانشگاه علوم و فنون مازندران 1387 ]12[ پیمان بهرام پور ، پیش بینی روزانه نرخ جفت ارز دلار پوند در بازار فاکس با استفاده از شبکه عصبی ، پایان نامه کارشناسی ارشد ، رشته مهندسی سیستم های اقتصادی و اجتماعی ف دانشگده علوم و فنون مازندران ، زمستان 90 ]13[ فراست ، علیرضا 1386 طراحی و کنترل هوشمند فرایندهای تولیدی : به کار گیری هوش مصنوعی در مهندسی کیفیت ، پایان نامه کارشناسی ارشد مدیریت صنعتی دانشکده مدیریت دانشگاه تهران ]14[ مهدی اجلی ، حسین صفری ، ارزیابی عملکرد واحدهاي تصمیم گیري با استفاده از مدل ترکیبی شبکه هاي عصبی پیش بینی کننده عملکرد و تحلیل پوششی داده ها مورد مطالعه شرکت ملی گاز ایران ، نشریه تخصصی مهندسی صنایع، دوره 45 ، شماره 1، فروردین ماه 1390 ]15[ سید مصطفی کیا ، شبکه های عصبی در متلب ، چاپ دوم ، انتشارات دانشگاهیان کیان ]16[ پژوهشهای شرکت ملی گاز ایران ، کتابخانه ی بخش مدیریت هماهنگی و نظارت بر تولید منابع انگلیسی [15] Athnossopulos A,curram S . (1996) A comparision of data envelopment analysis and artifical neural networks as tool for assessing the efficiency of decision making units , journal of operation research societly 47 , p1000-1016 [16] Bauer ,P.W(1990) Recent developments in the econometric of frontiers , journal of Econometrics 46,p.39-56 [17] william W.Cooper 1 Lawrwnce M.Seiford Joe Zhu , " Handbook on Data Envelopment Analysis " , international series in operation research & Management Science , Second Edition, 2011 [18] Tai – Ming Ben , Kuan –Fei Wang , " Interaction analysis among industrial parks , Innovation input , and urban production Efficiency " Asian Social Vol .7ay 2011 [19] Desheng(Dash) Wu , Zijiang Yang ,Liang Liang ," Using DEA-Neural network approach to evaluate branch efficiency of a large Canadian bank " , Expert system with applications 31(2006) 108-115 [20] Porter ,M .(2000) . Location competition and economic development : Local clusters in a global economy . economic Development Quarterly , 14(1) , 15-24 [21] Storper , M.(1995) . The resurgence of regional economies , ten years later : the region as a nexus of untraded interdependencies . European urban and regional studies ,(3) , 191-221 [22] Storper , M .(1997) . The regional world : territorial development in a global economy . New York : Guilford Press,( chapter 7 ) [23] Markusen , a .(1996) . Sticky places in slippery space . Economic Geography ,72(3) , 293-313 [24] Cainelli , G .(2008) . Spatial agglomeration . technological innovations , and firm productivity : evidence from Italian industry districts . Growth and change , 39(3) ,414-435 [25] Higashi, H.(1995) . the technologies in Japan : its past and its future . Industry and Higher education , 357-364 [26] Wang S.(2003) adaptive non-parametric efficiency frontier analysis : Aneural network based model , computers and operation research , 30 , p279-295 [27] Pendharkan P . C , Rodger J.A (2003) technical efficiency – based selection of learning cases to improve forcasting accuracy of neural networks under monotonicity assumption , decision support systems , 36(1) , p 117-136 [28] Evangelista , R .,Iammarino , S.,Mastrostefano , V.,& Silvani ,A .(2002) . looking for regional systems ofinnovation : evidence from the Italian innovation survey . Regional studies , 36(2) , 173-186 [29] Principle of artificial Neural Networks ( 2 nd edition ) by D Graupe 2007 [30] Casta , a . and Harkellas , R.N (1997) . " Evaluating public transport efficiency with neural network models " . Transportatior research , c5 , pp.301-312 [31] Vellido , A., Liboa , pand Vaughan , J , " Neural networks in business : a survey of app;ications " , Expert systems with application , 17 , pp.51-70 , 1999 . operations research . " computers & operations research , 27 , pp. 1023-1044 [32] F. Hernández-Sancho , M. Molinos-Senante , R. Sala-Garrido , " Energy efficiency in Spanish wastewater treatment plants: A non-radial DEA approach " , Science of the Total Environment 409 (2011) 2693–2699 [33] Said Gattoufi, Muhittin Oral, Arnold Reisman , " Data envelopment analysis literature: a bibliography update (1951–2001) " , Socio-Economic Planning Sciences 38 (2004) 159–229 Abstract Performance and ratings a subset of what the industry is essential, and should at least annually evaluate their performance based on scientific principles. Oil and gas industry as one of the key industries of IRAN is the most sensitive and important source of government revenue . Obviously there performance in the industry will be several times the earnings of government and this is not possible to assess accurately the units covered. Since the DEA different performance over time and does not require any initial default about the efficient frontier Therefore, the performance evaluation methods, DEA is the best way to organize and analyze data . Therefore, the collection of data input and output 6 refinery performance computing and efficient and inefficient units were identified. .. But the DEA was not able to separate the performance of all the other refineries. Because of this lack of decision-making units to the number of inputs and outputs. The DEA is not able to rank all the units, so the integration of data envelopment analysis and artificial neural networks to measure the performance of the receiver is used in a way that the problem is corrected. In the comparison between the results of the two methods has been done. keywords Efficiency, Performance Evaluation, Data Envelopment Analysis, Neural Networks, Refinery