بررسی تاثیر محدودیت های وزنی بر تخمین بازده به مقیاس در تکنولوژی های محدب

تحلیل پوششی داده ها یک روش غیرپارامتری بر پایه ریاضی است که برای ارزیابی عملکرد یک مجموعه ازواحدهای تصمیم گیرنده،در یک تکنولوژی تولید با ورودی و خروجی های چندگانه مورد استفاده قرار می گیرد.ایدهبازده به مقیاس نیز یکی از مباحث مهم در تحلیل پوششی داده ها به شمار می آید وعبارت از نسبت تغییرات خروجیبه ورودی ها بوده و به سه نوع ثابت،افزایشی و کاهشی تقسیم می گردد. استفاده ازمحدودیت های وزنی افزوده شده درمدلهای مختلف یک روش رایج برای کاهش انعطاف پذیری ورودی و وزن خروجی می باشد،در مدل با محدودیت هایوزنی،محدودیت های وزنی بسته به اهمیتی که شاخص ها (ورودی ها و خروجی ها) دارند،برای تعیین کارایی واحدها درنظر گرفته می شود.اضافه شدن محدودیت های وزنی سبب حذف دسته ای از ابر صفحه های سازا و گاه منجر به اعمالواحدهای تصمیم گیرنده ی جدید به مدل می گردد.در چنین شرایطی تعیین محدودیت مورد نظر به منظور حفظبازده به مقیاس در مدل و یا ارتقای بازده به مقیاس مدل مورد بررسی اهمیت فراوانی می یابد.لذا هدف از این مقالهبررسی تاثیر اعمال محدودیت های وزنی بر مدل های تحلیل پوششی داده ها در جهت حفظ و یا بهبود بازده به مقیاسو با کمترین محاسبات می باشد.در نهایت با ارایه مثال عددی صحت مطالب بیان شده،نشان داده خواهد شد.

کلیدواژه ها:

تحلیل پوششی داده ها ، بازده به مقیاس سراسری ، بازده به مقیاس موضعی ، تحلیل حساسیت ، ابرصفحه های سازا