In this research, the factors affectinguniversity employees’ motivation and productivity are identified and classified in seven groups; the impact of each motivation factor on the productivity is presented by ANP fuzzy model.Eight universities in Iran were analyzed in this research work. The aim of this study is to explore the productivity of employees. This paper attempts to give new insights intodesigning the portfolio factors, motivating employees for productivity improvement by implementing BLP and ANP fuzzy models.The research results show that there is a positive and significant relationship among reward system, motivation factors, and human resources productivity. In addition, among the options of reward system, the factors of internal (inherent) reward, non-financial external reward, and financial external reward had the highestimpact on increasing motivation and productivity factors. At the next stage, a BLP model is designed according to the importance and impact of each reward system option on motivation and productivity factors and organization limitations, including budget, facilities, and conditions to design portfolio factors motivating employees with the aim of improving productivity. The research results show that actualizing performance evaluation, receiving the feedback from the results of doing tasks by different ways, providing an opportunity for all employees to progress, coordination between job specifications and employees’ abilities, and a manager competency are very critical for improving the organization productivity. تفاصيل المقالة

در این مقاله، تحلیل پوششی داده ها در ساختار شبکه ای ترکیبی ناهمگن، که خروجی های هر مرحله، می تواند به عنوان ورودی ها، وارد مرحله بعد در همان لایه یا لایه دیگر گردد و یا به عنوان محصولات نهایی از سیستم خارج شود، مورد بحث قرار گرفته است. در این مدل، هر مرحله می تواند، علاوه بر ورودی های میانی، ورودی های مستقل نیز داشته باشد. بدین منظور یک مدل ریاضی توسعه داده شده است که در آن ورودی های مستقل و خروجی های نهایی برای اجزای تشکیل دهنده واحدهای تصمیم گیری، مورد بررسی قرار می گیرد. برای نشان دادن کارایی مدل، داده های واقعی برای 20 واحد تصمیم گیری، مورد استفاده قرار گرفته و نتایج به دست آمده، با نتایج مدل های سنتی مقایسه شده است. نتایج به دست آمده از روش ارائه شده، نقص موجود در روش های سنتی برای تشخیص مناسب واحدهایی که روی مرز کارآ(دارای کارآیی یک) قرار می گیرد را بر طرف می نماید. روش توسعه داده شده می تواند فهم دقیق-تری از عملکرد اجزای واحدهای تصمیم گیری برای مدیران و تصمیم گیران فراهم آورد. تفاصيل المقالة