تحلیل پوششی داده ها، روشی مبتنی بر برنامه ریزی خطی است که برای ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMU’s) که وظایف یکسانی انجام داده و دارای چندین ورودی و چندین خروجی هستند، به کار می رود. به دلیل دیدگاه خوشبینانه DEA در ارزیابی کارایی واحدهای تصمیم گیری متجان چکیده کامل
تحلیل پوششی داده ها، روشی مبتنی بر برنامه ریزی خطی است که برای ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMU’s) که وظایف یکسانی انجام داده و دارای چندین ورودی و چندین خروجی هستند، به کار می رود. به دلیل دیدگاه خوشبینانه DEA در ارزیابی کارایی واحدهای تصمیم گیری متجانس، حصول چندین واحد با نمره کارایی نسبی حداکثر (برابر واحد)، بسیار محتمل است. لذا مدل های رتبه بندی برای تمایز بین واحدهای کارا ارائه گردید. کارایی متقاطع، یکی از سودمندترین ابزار برای رتبهبندی واحدهای تصمیم گیری در تحلیل پوششی دادها است. این مدل دارای دو نقص اساسی در اجرا است. نخست آنکه در حضور جواب های بهین دگرین، نتایج متفاوتی به دست می دهد؛ و دوم آنکه در استفاده از میانگین حسابی برای تجمیع نتایج ماتریس کارایی متقاطع، دلیل قانع کننده ای ارائه نشده است. در این مقاله در خصوص تجمیع نتایج کارایی متقاطع در حضور خروجی های نامطلوب ، روش جدیدی با الهام گرفتن از فرآیند رای گیری ترجیحی و ایده مطرح شده در روش تاپسیس، ارائه شده است. سپس نتایج برای رتبه بندی تامین-کنندگان در حضور خروجی های نامطلوب به کار گرفته شده است.
پرونده مقاله