غلامرضا پناهنده خوجین - گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
عباس طلوعی اشلقی - گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
محمد علی افشار کاظمی - گروه مدیریت صنعتی، دانشکده اقتصاد و مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

هدف از این تحقیق، تلفیق دو روش تحلیل پوششی داده ها و شبکه عصبی بمنظور ارائه یک مدل بهینه برای رتبه بندی عوامل ناکارایی در صنعت بانکداری ایران است. ابتدا از طریق مطالعه مبانی نظری و مصاحبه با خبرگان بانکی شاخص های ارزیابی کارایی در صنعت بانکداری شناسایی و نهایی گردید. در ادامه بمنظور ارزیابی کارایی واحدها در جامعه آماری مورد مطالعه از تکنیک تحلیل پوششی داده ها به ویژه مدل برنامه ریزی آرمانی اصلاح شده تحلیل پوششی داده ها استفاده شد، که از ۳۲ مدیریت بانک مورد مطالعه، ۳ مدیریت کارا و ۲۹ مدیریت ناکارا تشخیص داده شدند. سپس شعب زیر مجموعه مدیریت های ناکارا مورد ارزیابی قرار گرفته و با استفاده از اطلاعات شعب ناکارا ماتریس شبکه عصبی برای تشخیص عوامل ناکارایی تهیه و با مدل های مختلف شبکه عصبی به تحلیل نتایج پرداخته شد. مدلی که کمترین میانگین مجذور خطا را داشته باشد به عنوان مدل بهینه به منظور تعیین عوامل ناکارایی انتخاب خواهد شد، در نتیجه مدل نگاشت خود سازمانده با تابع انتقال تانژانت هیپربولیک و با قاعده آموزش ممنتم ۰/۹ انتخاب گردید. با تحلیل حساسیت روش مذکور شاخص های سهم نقدینگی استانها، توزیع پرسنل و هزینه های عملیاتی به عنوان مهمترین عوامل ناکارایی انتخاب شدند.

تحلیل پوششی داده ها, برنامه ریزی آرمانی اصلاح شده تحلیل پوششی داده ها, شبکه عصبی, شبکه عصبی خودسازمانده, عوامل ناکارایی