مرکز منطقه ای اطلاع رسانی علوم و فناوری فصلنامه فناوری اطلاعات و ارتباطات ایران 2717-0411 17 66 2026 2 26 Modeling the Future Efficiency of the Green Supply Chain of the Poultry Farming Industry Using Multistage DEA and Artificial Neural Networks مدل‌سازی کارایی آینده زنجیره تامین سبز صنعت پرورش طیور با استفاده از DEA چندمرحله ای و شبکه‌های عصبی مصنوعی fa طاهره ترکاشوند دانشگاه آزاد اسلامی واحد قزوین فاطمه ثقفی دانشگاه تهران محمد حسین درویش متولی علوم تحقیقات 2025 4 28 <div class="form-group"> <div class="form-control EnArticleBox"> <p style="text-align: left;">Traditional DEA and multi-stage DEA models cannot predict future performance. In other words, all DEA and multi-stage DEA models evaluate units based on past performance. This paper seeks to move from previous monitoring models to a future planning approach that includes new contributions. In this study, artificial neural networks (ANN) are combined with multi-stage DEA to predict the future performance of the green supply chain of the poultry industry. For this purpose, first, after identifying the indicators affecting the green supply chain by combining the fuzzy Delphi method and the BWM method, 8 input indicators and 8 output indicators were identified, and after collecting the data of the studied chains using the artificial neural network, the data was predicted for 5 years. Then, the predicted data from the artificial neural network was used in multi-stage DEA. Multi-stage DEA evaluates the performance of the green poultry supply chain in the past, present, and future periods simultaneously. These results are useful for policy making and efficiency performance trend analysis.</p> </div> </div> <div class="form-group"> <div class="form-control"> <p>مدل های سنتی تحلیل پوششی داده ها (DEA) و تحلیل پوششی داده های چندمرحله ای نمی توانند کارایی آینده را پیش بینی کنند. به عبارت دیگر، همه مدل های تحلیل پوششی داده ها و تحلیل پوششی داده های چندمرحله ای بر اساس عملکرد گذشته، واحدها را ارزیابی می کنند. این مقاله به دنبال انتقال از مدل های نظارتی قبلی به رویکرد برنامه ریزی آینده است که شامل مشارکت های جدید است. در این پژوهش شبکه های عصبی مصنوعی (ANN) با DEA چند مرحله ای ترکیب می شود تا کارایی آینده زنجیره تامین سبز صنعت پرورش طیور را پیش بینی کند. برای این منظور، ابتدا پس از شناسایی شاخص های تاثیر گذار بر روی زنجیره تامین سبز با تلفیق روش دلفی فازی و روش BWM، 8 شاخص ورودی و 8 شاخص خروجی شناسایی شد و پس از جمع آوری اطلاعات زنجیره های مورد مطالعه با استفاده از شبکه عصبی مصنوعی، داده ها برای 5 سال پیش بینی شد. سپس از داده های پیش بینی شده حاصل از شبکه عصبی مصنوعی در تحلیل پوششی داده های چند مرحله ای استفاده شد. DEA چندمرحله ای کارایی زنجیره تامین سبز طیور را در دوره های گذشته، حال و آینده به طور همزمان ارزیابی می کند. این نتایج برای سیاست گذاری تحلیل روند عملکرد کارایی مفید است.</p> </div> </div> http://jour.aicti.ir/fa/Article/Download/50079