فرانک حسین زاده سلجوقی - استادیار دانشگاه علم و صنعت تهران
زهره فیروزی - دانشجوی کارشناسی ارشد
راضیه وحیدی نیا

تحلیل پوششی داده ها یک تکنیک برنامه ریزی خطی برای محاسبه کارایی نسبی از یک مجموعه همگن ازواحدهای تصمیم گیری است اما دربیشتر کاربردهای واقعی داده های ورودی و خروجی قطعی نیستند لذا تحلیل پوششی داده های فازی FDEA معرفی شدند و درپی ان روشهای جهتی بهبود کارایی آن ارایه شد یکی از جدیدترین روشهای پیشنهاد شده روش گسسته سازی است که با معرفی a- تراز موضعی سعی دارد اطلاعات بیشتری از داده های نادقیق را دریک مدل شامل شود این روش در کنار مزیت بدست دادن نتایج بهتری نسبت به دیگر روشها معایبی نیز دارد که باعث محدودیت کاربرد این روش می شود از جمله این که فقط برای اعدادفازی مثلثی متقارن قابل کاربرد است و دیگر اینکه تعداد قیود درمدل نهایی زیاد است دراین مقاله قضایا برای اعدادفازی LR اثبات می شوند ومدل به روی اعدادفازی LR گسترش می یابد هم چنین درمدل نهایی بدست آمده نسبت به مدل قبلی قیودب ه تعدادقابل ملاحظه ای کاهش داده شده اند.

تحلیل پوششی داده ها، روش گسسته سازی، اعدادفازی، LR,a-، تراز موضعی