نگرشی بر مدلهای رتبه‌بندی در تحلیل پوششی داده‌ها

مدلهای ارزیابی کارایی در تحلیل پوششی داده‌ها، قادر به متمایز کردن واحدهای تصمیم‌گیری کارا نیستند. این مدل‌ها واحدها در دو گروه کارا و ناکارا تقسیم‌بندی می‌کنند. تابحال را‌ه‌حل‌های مختلفی در جهت برطرف کردن این مشکل ارائه و مدل‌های مربوط به آنها طراحی شده است. در این مقاله برخی از مدل‌های رتبه‌بندی معرفی و مزایا و معایب آن بررسی شده است بطوریکه امکان مقایسه بین نتایج آنها فراهم شود. مدلهای رتبه‌بندی در قالب گروه‌های اصلی زیر بررسی شده‌اند: مدلهای رتبه‌بندی شعاعی، غیرشعاعی، رتبه‌بندی با استفاده از مجموعه وزن‌های مشترک و مدل رتبه‌بندی مونت کارلو. مدلهای رتبه‌بندی اندرسون پیترسون، رتبه‌بندی بر مبنای بهبود خروجی، رتبه‌بندی مبتنی بر مرز ناکارا ـ شعاعی ـ و رتبه‌بندی مبتنی بر تغییر مجموعه مرجع در گروه مدل‌های شعاعی و مدلهای رتبه‌بندی LJK,SBM,MAJ رتبه‌بندی با نرم‌ها و رتبه‌بندی مبتنی بر مرز ناکارا ـ غیرشعاعی، در گروه مدلهای غیرشعاعی قرار می‌‌گیرند. همچنین با استفاده از برنامه‌های کامپیوتری، به صورت کاربردی نتایج حاصل از مدل‌ها بررسی شده است.

کلیدواژه ها:

تحلیل پوششی داده‌ها ، رتبه‌بندی ، واحد تصمیم‌گیرنده.