ارائه مدلی جدید به منظور پیش بینی عملکرد واحدهای تصمیم گیرنده براساس تحلیل پوششی داده های تصادفی فازی

محورهای موضوعی : مدیریت

علی یعقوبی ¹ , الهام قبادی ²

1 - استادیار، گروه مهندسی صنایع، دانشگاه رجاء، قزوین، ایران (عهده دار مکاتبات)
2 - کارشناسی ارشد، گروه مهندسی صنایع، دانشگاه رجاء، قزوین، ایران

تاریخ دریافت : 1399/07/28 تاریخ پذیرش : 1399/07/28 تاریخ انتشار : 1397/12/01

کلید واژه: عملکرد, فازی, واحد تصمیم گیرنده, تحلیل پوششی داده های تصادفی,

چکیده مقاله :

از مهم ترین ابزارها جهت محاسبه کارایی واحدهای تصمیم گیرنده، تکنیک تحلیل پوششی داده ها (DEA) است که برای محاسبه کارایی از ورودی ها و خروجی های گذشته واحدها استفاده می کند. عدم امکان تخمین کارایی، استفاده از ورودی و خروجیهای قطعی و توزیع غیرواقعی اوزان به ورودی ها و خروجی‌ها از نقاط ضعف DEA می باشد. بنابراین در این مقاله در راستای رفع مشکلات مذکور، مدلی جدید با لحاظ عدم قطعیت در تحلیل پوششی داده های تصادفی (SDEA) ارائه گردیده که با درنظرگرفتن همزمان ورودی ها و خروجی های واحدها بصورت متغیرهای تصادفی نرمال همراه با اوزان فازی برای آن ها، سعی در پیش بینی کارایی واحدهای تصمیم گیرنده دارد. نهایتاً در راستای تایید اثربخشی مدل پیشنهادی، یک مطالعه کاربردی در صنعت بانکداری صورت گرفته و کارایی های پیش بینی شده شعب با کارایی واقعی آنها مقایسه می گردد. همبستگی بالای بین نتایج، نشان از دقت و صحت مدل پیشنهادی دارد.

چکیده انگلیسی:

One of the most important tools for calculating the performance of the decision making units (DMUs) is the quantitative and powerful Data Envelopment Analysis (DEA) technique which uses the past inputs and outputs of DMUs. Inability to estimate performance, using of definite inputs and outputs and inappropriate distribution of weights to inputs and outputs are the weaknesses of DEA. While in the real world, the DMUs are faced with more random parameters. So, this paper presents a new model to predict efficiency of DMUs based on stochastic data envelopment analysis in fuzzy environment, in which by integrating the random effects of environmental factors on inputs and outputs to resolve the problems. Finally, this paper presents a real application of the proposed model in banking industry for predicting the efficiency of branches. The results will be compared with the real efficiencies of branches. The high correlation between predicted and actual results indicates the accuracy of the proposed model.