بازده نسبت به مقیاس واحدهای کارا در تحلیل پوششی داده ها با فازی

تحلیل پوششی داده ها (DEA) یکی از روش هایی می باشد که به صورت گسترده برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیری(DMUs) با چندین ورودی و خروجی استفاده می گردد[1]. در مدل های استاندارد DEA تمام داده ها دقیق و بدون تغییر فرض شده است، هرچند که این فرض همواره ممکن نمی باشد. در مواردی درک خبرگان از پارامترها بصورت داده های فازی بهتر و مناسبتر می باشد. برنامه ریزی ریاضی فازی ابزاری را فراهم می آورد تا عدم قطعیت ذاتی در پارامترهای مسئله را بررسی نماید. در ادبیات موضوع می توان چندین رویکرد فازی برای ارزیابی کارائی در DEA پیدا نمود [2-4]. تفاوت مدل CCR با مدل BCC در متغیر آزاد می باشد. علامت این متغیر نشانگر نوع بازده نسبت به مقیاس (RTS) تولید واحد تحت ارزیابی است. در تمام مقالات DEA فازی در مدل BCC متغیر بصورت قطعی در نظر گرفته شده است و به همین دلیل به تحلیل های مربوط به بازده نسبت به مقیاس در محیط فازی توجه ای نشده است. در این مقاله علاوه بر ورودی ها و خروجی ها، متغیر نیز در مدل BCC بصورت یک متغیر فازی مثلثی در نظر گرفته می شود. آنگاه مدل BCC فازی توسعه می یابد. نهایتاً به تعیین بازده نسبت به مقیاس واحدهای کارا پرداخته می شود.