بهبود عملکرد واحدهای تصمیمگیرنده کارا با استفاده از روش تقاطع ابرصفحههای سازای مجموعه امکان تولید در تحلیل پوششی داده ها

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 495

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIMS-18-58_006

تاریخ نمایه سازی: 10 اردیبهشت 1400

چکیده مقاله:

تحلیل پوششی داده ها (DEA) یک تخمینگر است. این تخمینگر سعی می کند که یک ارتباط بین ورودی های متعدد و خروجی های متعدد و همچنین تکنولوژی تولید را تخمین بزند. DEA واحدهای تصمیم گیرنده (DMU) را به دو بخش واحدهای کارا و واحدهای ناکارا تقسیم بندی میکند. در این صورت واحدهای کارا مرجعی برای واحدهای ناکارا خواهد بود. در مدلهای سنتیDEA بهبود کارایی تنها برای واحدهای ناکارا صورت می گیرد و واحدهای کارا بدون تغییر باقی می مانند. اما از آنجا که تکنولوژی تخمینزده شده همواره از تکنولوژی واقعی کوچکتر است یا به عبارت دیگر این تکنولوژی تخمینزده شده همواره زیر مجموعهای از تکنولوژی واقعی میباشد بنابراین میتوان آن را به میزان بسیار کمی گسترش داد. در نتیجه می توان راهکاری برای بهبود واحدهای کارا نیز ارایه کرد. در این مقاله الگوریتمی جهت گسترش مجموعه امکان تولید (PPS) با توجه به خواص هندسی آن و همچنین بهبود واحدهای کارا ارایه می شود. این کار به وسیلهی ساختن واحدهای مجازی خارج از مجموعه امکان تولید انجام می شود. همچنین به منظور تشریح روش مطرح شده مثالهای عددی و کاربردی ارایه میشود.

نویسندگان

اکبر مرادی مجد

دانشجوی دکتری گروه ریاضی، دانشگاه آزاد اسلامی،واحد رشت

علیرضا امیرتیموری

استاد گروه ریاضی، دانشگاه آزاد اسلامی، واحد رشت، ایران

سهراب کردرستمی

استاد گروه ریاضی، دانشگاه آزاد اسلامی واحد لاهیجان، لاهیجان، ایران

محسن واعظ قاسمی

استادیار گروه ریاضی، دانشگاه آزاد اسلامی واحد رشت

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • [1] Aigner, D.J., & Chu, S.F. (1968) On Estimating the ...
  • [2] Aigner, D., Lovell, C. K., & Schmidt, P. (1977). ...
  • [3] Amirteimoori, A., Kordrostami, S., & Nasrollahian, P. A. (2017). ...
  • [4] Banker, R. D., Charnes, A., &Cooper, W. W. (1984). ...
  • [5] Battese, G., & Coelli, T. (1992). Frontier production functions, ...
  • [6] Charnes, A., Cooper, W.W., & Rhodes, E. (1978). Measuring ...
  • [7] Coelli, T., Rao, D.S.P., & Battese, G.E. (1998). An ...
  • [8] Deprins, D., Simar, L., and Tulkens, H. (1984). Measuring ...
  • [9] Didehkhani, H., Hosseinzadeh Lotfi, F., Sadi-Nezhad, S. (2019). Practical ...
  • [10] Fethi, M., Jackson, P. M., & Weyman-Jones, T. G. ...
  • [12] Greene, W. H. (1980). Maximum likelihood estimation of econometric ...
  • [13] Greene, W. H. (1990). A Gamma-distributed stochastic frontier model. ...
  • [14] Greene, W. H. (2008). Econometric Analysis, sixth edn. Pearson ...
  • [15] Krivonozhko, V. E., Forsund, F. R. and Lychev, A. ...
  • [18] Lovell CAK (1993). Production Frontiers and Productive Efficiency. In: ...
  • [19] Olesen, O. B., & Petersen, N.C. (1995). Chance Constrained ...
  • [20] Bogetoft, P., & Otto, L. (2011). Benchmarking with DEA, ...
  • [21] Sexton, T.R., Silkman, R.H., & Hogan, A.J. (1986(. Data ...
  • [22] Sowlati, T., &Paradi, J. C. (2004). Establishing the “practical ...
  • نمایش کامل مراجع