رتبه بندی واحد های آزمایشگاهی دارای ورودی نامطلوب با تحلیل پوششی داده ها

تحلیل پوششی داده ها (DEA) روشی برای ارزیابی کارایی نسبی واحد های تصمیم گیری (DMUs) مشابه بر مبنای خروجی وزن دار شده به ورودی وزن دار شده می باشد. به منظور ماکزیمم کردن مقدار کارایی، می توان برای ورودی ها و خروجی ها وزن به دست آورد که ممکن است در بین بعضی ورودی های DMUs)، علاوه بر ورودی های مطلوب، ورودی های نامطلوبی وجود داشته باشد. انعطاف پذیری در وزن دهی برای واحدها مورد انتقاد است. لذا در این مقاله، باتوجه به عدم انعطاف پذیری وزن دهی، مدل وزن مشترک برای ارزیابی واحد های تصمیم گیری با ورودی نامطلوب بر پایه روش جواب توافقی برای برنامه ریزی چند هدفه را در تحلیل پوششی داده ها جهت رتبه بندی واحد های آزمایشگاهی ارائه کرده و با ارائه مثالی اهمیت موضوع را نشان می دهیم

کلیدواژه ها:

ورودی نامطلوب ، کارایی ، تحلیل پوششی داده ها