اندازه گیری بدترین عملکرد واحدهای تصمیم گیری: تلفیق خروجی های نامطلوب و ورودی های غیرقابل کنترل در DEA نادقیق
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 128
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAIM-3-2_009
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
در ارزیابی عینی عملکرد واحدهای تصمیم گیری (DMUs)، دو مشکل وجود دارد. مشکل اول نحوه کار با خروجی های نامطلوب است که در کنار خروجی های مطلوب تشکیل می شوند و مشکل دوم نحوه کار با متغیرهای غیرقابل کنترل است که غالبا تاثیر محیط عملیاتی را حفظ می کنند. با توجه به مشکلات ساخت مدل و دسترس پذیری داده ها، تعداد کمی از مقالات منتشر شده هر دو مشکل فوق را به طور هم زمان در نظر گرفته اند. هدف از مقاله حاضر، پیشنهاد زوج جدیدی از مدل های تحلیل پوششی داده ها (DEA) برای اندازه گیری کارایی های نسبی دی ام یوها در حضور عوامل غیرقابل کنترل، عوامل نامطلوب و داده های نادقیق است. در مقایسه با DEA سنتی، رویکرد DEA پیشنهادی، کارایی هر دی ام یو را نسبت به مرز بدترین عملکرد، که به آن مرز ورودی نیز می گویند، اندازه گیری می کند (بدترین کارایی نسبی یا کارایی بدبینانه). مدل های DEA پیشنهادی، داده های قطعی، اطلاعات ترجیح ترتیبی، بازه ای، عوامل نامطلوب و عوامل غیرقابل کنترل را به طور هم زمان برای اندازه گیری کارایی های نسبی دی ام یوها در نظر می گیرند. یافته های این مقاله نه فقط برای روش ارزیابی عملکرد مفید است، بلکه برای محققان صنعتی و دانشگاهی نیز مفید بوده و نتایجی از منظر سیاست گذاری را نیز دربردارد. در این مقاله، یک مثال عددی نیز برای نشان دادن کاربرد مدل های DEA پیشنهادی ارائه خواهد شد.
کلیدواژه ها:
نویسندگان
حسین عزیزی
استادیار، گروه ریاضی، واحد پارس آباد مغان، دانشگاه آزاد اسلامی، پارس آباد مغان، ایران
علیرضا امیرتیموری
استاد، گروه ریاضی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
سهراب کردرستمی
استاد، گروه ریاضی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
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 :