مروری بر برخی خواص و روشهای حل تحلیل پوششی داده های چندمعیاره

تحلیل پوششی داده ها (DEA) روشی برای اندازه گیری کارایی نسبی یک مجموعه از واحدهای تصمیم گیری (sDMU) است که ورودی های چندگانهرا برای تولید خروجی های چندگانه مصرف می کند. کارایی نسبی واحدهای تصمیم گیری با استفاده از نسبت مجموع وزنی خروجی به مجموع وزنی ورودیآنها تعریف می شود. عدم تمایز بین واحدهای تصمیم گیری و همچنین وزن دهی نامناسب، هر دو به عنوان معایب تحلیل پوششی داده ها در نظر گرفته می شود. پیشنهادهای مختلفی برای غلبه بر معایب فوق وجود دارد. یکی از این روشها، مدل تحلیل پوششی داده های چندمعیاره (MCDEA) است. به این منظور از برنامه ریزی چندهدفه (MOP) که دو تابع هدف اضافی در مدل تحلیل پوششی داده ها ایجاد می کند، استفاده می شود. مشکل یک مسئله ی چندهدفه نهفته در پیدا کردن یک جواب است که همزمان همه ی اهداف را بهینه کند. مشکل دیگر تحلیل پوششی داده های چندمعیاره، عدم ارائه ی شاخص کارایی برای واحدهای تصمیم گیری است. در این پژوهش برای حل دو مشکل فوق، ابتدا به طور خاصی روی فرمول بندی برنامهریزی آرمانی تمرکز میکنیم و یک فرمول مناسب برای حل مدل تحلیل پوششی داده های چندمعیاره با استفاده از برنامه ریزی آرمانی (GP) ارائه می شود. سپس یک فرمول دوگانه برای تحلیل پوششی داده های چندمعیاره، به منظور تعیین معیارهای تصمیم گیری ناکارآمد، ارائه می دهیم. در نهایت روش دست یابی به معیارها را برای واحدهای تصمیم گیری ناکارا و همچنین برخی خواص مدل دوگان را مورد بررسی قرار می دهیم.

کلیدواژه ها:

تحلیل پوششی داده ها ، داده های چندمعیاره ، واحد تصمیم گیری ، برنامه ریزی آرمانی