کارایی و اثربخشی در محیط تصادفی با شاخص‌های بازه‌ای

محورهای موضوعی : آمار

سپیده کاظم نادی ¹ , محسن رستمی مال خلیفه ²

1 - گروه ریاضی کاربردی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران
2 - دانشیار، گروه ریاضی کاربردی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

تاریخ دریافت : 1395/04/23 تاریخ پذیرش : 1395/09/21 تاریخ انتشار : 1395/10/02

کلید واژه: Data Envelopment Analysis, Capacity expansion, Marginal product,

چکیده مقاله :

تحلیل پوششی داده­ها (DEA) تکنیکی ناپارامتری بر مبنای برنامه­ریزی ریاضی برای مشخص کردن کارایی مجموعه­ای از واحدهای تصمیم­گیرنده (DMU) متجانس است. در مدل­های مختلف DEA تغییر تقاضا سبب تغییر در سطح خروجی می­شود و هم چنین سبب تغییر در ناکارایی یک شرکت خواهد شد. اغلب یک شرکت می­تواند ورودی­های مؤثر بر سطح خروجی تنظیم کند. مدلی­هایی با استفاده از تکنیک های مبتنی بر DEA طراحی شده که تغییرات تقاضا را به حساب می­آورد و با روش برنامه­ریزی ظرفیت کوتاه مدت، اثربخشی سیستم تولید شرکت را تحت تقاضا احتمالی معین کرده است. در تحلیل پوششی داده­ها فرض بر این است که داده­های ورودی- خروجی و تقاضا دقیق باشند، در بعضی از مواقع داده­ها با اختلاف و یا با اشتباه مشاهده می­شوند بنابراین عدم قطعیت داده­ها در نیل به اهداف از پیش تعیین شده دخیل است. برای اندازه­گیری اثربخشی توسعه دادن تکنیک­های DEA در بررسی عدم قطعیت داده­ها مهم است. داده­های ورودی- خروجی و تقاضا می­تواند به صورت احتمالی، بازه­ای، ترتیبی و غیره باشد. این مقاله در مورد داده­های نادقیق که به صورت بازه­ای هستند تمرکز می­شود و مدل­هایی برای محاسبه اثربخشی و بررسی اثر تقاضا احتمالی با داده­های بازه­ایی ارائه خواهد شد.

چکیده انگلیسی:

Non-parametric DEA is a technique on the basic of mathematical programming to determine the efficiency of homological decision making units. DEA models changes in demand cause changes in variations in output levels and also will cause changes in a firm’s inefficiency. Often a firm can adjust input influencing on the output level. Models designed with technique on DEA that considers changes in demand and with a short-run capacity planning method quantifies the effectiveness of a firm’s production system under demand uncertainty. The DEA is assumed that accurate data input, output and demand. In some cases data observed with a difference or mistake, so the uncertainties involved in achieving predetermined goals. To measure the effectiveness of the techniques DEA data is important in the evaluation of uncertainty. Data input, output and demand can be interval and probable and order, ect. This paper focuse uncertain data that it is interval and models will be propone for calculation effectiveness and the effect of uncertain demand with interval data.