رتبه‌بندی کارایی واحدهای تصمیم‌گیری با داده‌های فازی

الموضوعات : Economic Development, Innovation, Technological Change, and Growth

ندا بشاک ¹ , شکراله زیاری ² , محمدمهدی موحدی ³ , امیر غلام ابری ⁴ , امیرمهدی میاندرق ⁵

1 - دانشجوی دکتری،گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، [e-mail]
2 - دانشیار، گروه ریاضی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول)، [e-mail]
3 - دانشیار، گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، [e-mail]
4 - دانشیار، گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، [e-mail]
5 - استادیار، گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران، [e-mail]

تاريخ الإرسال : 18 الخميس , صفر, 1446 تاريخ التأكيد : 11 السبت , رجب, 1446 تاريخ الإصدار : 26 الأحد , رجب, 1446

الکلمات المفتاحية: تحلیل پوششی داده ها, تکنیک تاپسیس فازی, تاپسیس-DEA فازی, رتبه بندی واحدهای تصمیم گیری,

ملخص المقالة :

هدف این پژوهش، ارائه روشی یکپارچه از روش تحلیل پوششی داده‌ها و تکنیک TOPSIS فازی براساس شباهت به راه‌حل ایده‌آل برای رتبه‌بندی کامل واحدهای تصمیم‌گیری در محیط فازی است. در این روش، DMUها به‌عنوان گزینه¬ها، متغیرهای ورودی به‌عنوان معیارهای هزینه (ویژگی‌های منفی) و متغیرهای خروجی به‌عنوان معیارهای سود (ویژگی‌های مثبت) لحاظ می‌شوند؛ زیرا کارایی یک DMU با افزایش مقادیر خروجی‌ها و کاهش مقادیر ورودی‌ها افزایش می‌یابد. ضمنا روش ارائه شده می‌تواند برای رتبه‌بندی DMUها با خروجی‌های نامطلوب نیز استفاده شود. کارایی و سادگی این روش از طریق مثال‌ها و مطالعه موردی بررسی شده است. همچنین نتایج بدست آمده با نتایج در مقالات مرتبط مقایسه گردیده است.

المصادر:

افتخاریان، سیده الهام، هاشمی، سید فرزاد، نعمتی، علی، مهرجو، راضیه و احدزاده نمین، مهناز (1402). توسعه مدل تحلیل پوششی داده¬های شبکه جهت ارزیابی کارایی فنی صنعت داروسازی. مدلسازی اقتصادی، 17(4): 136-115.
-‌ امیر غلام‌ابری (1403). شناسایی واحدهایی با بیشترین مقیاس بهوره¬وری در زنجیره تامین سبز با استفاده از تحلیل پوششی داده¬ها (DEA). مدلسازی اقتصادی، 18(66): 1-23.
- Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management Science, 39(10): 1261-1264.
- Bede, B. (2013). Mathematics of fuzzy sets and fuzzy logic. Springer-Verlag, Berlin, Hei- delberg.
-Bracke, S., Radetzky, M., Rosebrock, C. & Ulutas, B. (2019). Efficiency and effectivity of high precision grinding manufacturing processes: An approach based on combined DEA and cluster analyses Procedia CIRP, 79: 292-297. https://doi.org/10.1016/j.procir.2019.02.069.
- Charnes, A., Cooper, W.W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6): 429-444. https://doi.org/10.1016/0377-2217 (78) 90138-8.
- Charnes, A., Cooper, W. W., Lewin, A. Y., & Seiford, L. M. (1994). Data envelopment analysis: Theory, methodology, and applications, springer dordrecht. Springer Book Archive. https://doi. org/ 10. 1007/978-94-011-0637-5.
- Chen, C- T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy Sets and Systems, 114(1), 1-9.
- Chu, X., Fielding, G. J., & Lamar, B. W. (1992). Measuring transit performance using data envelopment analysis. Transportation Research Part A: Policy and Practice, 26(3): 223-230.
- Ebrahimnejad, A., & Amani, N. (2021). Fuzzy data envelopment analysis in the presence of undesirable outputs with ideal points. Complex & Intelligent Systems, 7(3):1-22.
- Eftekharian, S. E., Hashemi, S. F., Nemati, A., Mehrjoo, R., & Ahadzadeh Namin, M. (2024). Development of network data envelopment analysis model to evaluate the technical efficiency of the pharmaceutical industry. Economic Modeling, 17(64): 115-136. ]in Persian.[
- Emrouznejad, A., & Yang, G-L. (2018). A survey and analysis of the first 40 years of scholarly literature in DEA: 1978–2016. Socio-Economic Planning Sciences, 61: 4-8. https://doi.org/ 10. 1016 /j. seps.2017.01.008.
- Emrouznejad, A., Tavana, M., & Hatami-Marbini, A. (2014). The state of the art in fuzzy data envelopment analysis. In Performance Measurement with Fuzzy Data Envelopment Analysis, published in Studies in Fuzziness and Soft Computing (309) 1-45, Springer-Verlag.
- Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society: Series A (General), 120(3): 253-281.
- Färe, R., Grosskopf, S., & Lovell, C. (1985). The measurement of efficiency of production. Kluwer Nijhoff, Boston.
- Färe, R., Grosskopf, S., & Lovell, C. (1983). The structure of technical efficiency. Scandinavian Journal of Economics, 85: 181- 190.
- Fiallos, D., Chavez, J., Mendoza, L., & Campana, J. (2017). Technologies in higher education: Public policies and social appropriation of their implementation. Revista Digital de Investigacion en Docencia Universitaria, 11(1): 193-2. Doi: http://dx.doi.org/10.19083/ridu.11.498
- Gasser, T., Crepin, L., Quilcaille, Y., Houghton, R. A., Ciais, P., & Obersteiner, M. (2020). Historical CO2 emissions from land use and land cover change and their uncertainty. Biogeosciences, 17(15): 4075-4101. DOI: 10.5194/bg-17-4075-2020
- Ghasemi, M.R., Ignatius, J., Lozano, S., Emrouznejad, A., & Hatami-Marbini, A. (2015). A fuzzy expected value approach under generalized data envelopment analysis. Knowledge-Based Systems, 89: 148–159.
- Gholam Abri, A. (2024). Identifying the most productive scale size in the green supply chain using data envelopment analysis. Economic Modeling, 18(66): 1-23. ]in Persian.[
- Guo, P., & Tanaka, H. (2001). Fuzzy DEA: A perceptual evaluation method. Fuzzy Sets and Systems, 119(1):149-160. DOI: 10.1016/S0165-0114(99)00106-2
- Hatami-Marbini, A., Tavana, M., & Ebrahimi, A. (2011). A fully fuzzified data envelopment analysis model. International Journal of Information and Decision Sciences, 3(3): 252-264.
- Hatami-Marbini A., Emrouznejad, A., & Tavana, M. (2011). A taxonomy and review of the fuzzy data envelopment analysis literature: Two decades in the making. European Journal of Operational Research, 214(3):457-472. DOI:10.1016/j.ejor.2011.02.001
- Hwang, CL., & Yoon, K. (1981). Methods for multiple attribute decision making. In: Multiple Attribute Decision Making. Lecture Notes in Economics and Mathematical Systems, vol 186. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-48318-9_3
- Labijak-Kowalska, A., & Kadziński, M. (2021). Experimental comparison of results provided by ranking methods in data envelopment analysis. Expert Systems with Applications, 173. 114739. https:// doi. org /10.1016/j.eswa.2021.114739.
- Lertworasirikul, S., Fang, SC., Nuttle, H.L.W., & Joines, J.A. et al. (2003). Fuzzy BCC model for data envelopment analysis. Fuzzy Optimization and Decision Making, 2: 337–358. https://doi.org/ 10. 1023/B:FODM.0000003953.39947.b4.
- Matsumoto, Y., Ishimoto, Y., & Takizawa, Y. (2020). Examination of the effectiveness of Neuroscience -Informed Child Education (NICE) within Japanese School Settings. Children and Youth Services Review, 118(3):105405. DOI:10.1016/j.childyouth.2020.105405.
- Montazeri, F.Z. (2019). The survey of data envelopment analysis models in fuzzy stochastic environments. International Journal of Research in Industrial Engineering, 8(4): 366–383.
- Nazarko, J., & Šaparauskas, J. (2014). Application of DEA method in efficiency evaluation of public higher education institutions. Technological and Economic Development of Economy, 20(1): 25-44. DOI:10.3846/20294913.2014.837116.
- Pandey, V., Komal, K., & Dincer, H. (2023). A review on TOPSIS method and its extensions for different applications with recent development. Soft Computing, 27(23):1-29. DOI: 10.1007/s00500-023-09011-0.
Pastor, J.T., Aparicio, J., & Zofío, J.L. (2022). The enhanced Russell graph measure (ERG=SBM): economic inefficiency decompositions. International Series in Operations Research & Management Science, 315. Springer, Cham. https://doi.org/10.1007/978-3-030-84397-7_7
- Peykani P., Mohammadi E., Emrouznejad A., Pishvae M.S., Rostamy-Malkhalifeh M. (2019). Fuzzy data envelopment analysis: An adjustable approach. Expert Systems with Applications, 136:439-452. DOI:10.1016/j.eswa.2019.06.039.
- Puri, J., & Yadav, S.P. (2013). A concept of fuzzy input mix-efficiency in fuzzy DEA and its application in banking sector. Expert Systems with Applications, 40(5):1437–1450. DOI:10. 1016/ j. eswa. 2012. 08.047.
- Ruiz, J.L., Sirvent, I. (2017). Fuzzy cross-efficiency evaluation: A possibility approach. Fuzzy Optimization and Decision Making, Springer, 16(1): 111-126. DOI: 10.1007/s10700-016-9240-1.
- Saati, S.M., Memariani, A., & Jahanshahloo, G.R. (2002). Efficiency analysis and ranking of DMUs with fuzzy data. Fuzzy Optimization and Decision Making, 1(3), 255–267. https://doi.org /10 .1023/A: 1019648512614.
- Sengupta, J. K. (1992). A fuzzy systems approach in data envelopment analysis. Computers & mathematics with applications, 24(8-9): 259-266. https://doi.org/10.1016/0898-1221(92) 90203-T.
- Tavana, M., Khanjani, S., Hatami-Marbini A., Agrell P.J., & Paryab, K. (2013). Chance- constrained DEA models with random fuzzy inputs and outputs. Knowledge-Based Systems, 52: 32 – 52. DOI:10.1016/j.knosys.2013.05.014.
- Tavana, M., & Hatami-Marbini, A., Emrouznejad, A. (2011). A taxonomy and review of the fuzzy data envelopment analysis literature: Two decades in the making. European Journal of Operational Research, 214(3): 457-472.
- Tavana, M. (2003). Cross: A multicriteria group-decision-making model for evaluating and prioritizingadvanced-technology projects at NASA. Interfaces, 33(3): 40-56.
- Wang, Y. M., Luo, L. (2009). Fuzzy data envelopment analysis based upon fuzzy arithmetic with an application to performance assessment of manufacturing enterprises. Expert Systems with Applications, 36(3): 5205-5211. DOI:10.1016/j.eswa.2008.06.102.
- Wen, M., & Li, H. (2009(. Fuzzy data envelopment analysis (DEA): Model and ranking method. Journal of Computational and Applied Mathematics, 223(2): 872-878. https://doi.org/10. 1016/j. cam. 2008.03.003.
- Wen, M., You, C., & Kang, R. (2010). A new ranking method to fuzzy data envelopment analysis. Computers & Mathematics with Applications, 59(11): 3398–3404.
- Zerafat Angiz, L. M., Emrouznejad, A., & Mustafa, A. (2010). Fuzzy assessment of performance of a decision making units using DEA: A nonradial approach. Expert Systems with Applications, 37(7): 5153-5157. DOI:10.1016/j.eswa.2009.12.078.
- Zhou, W., & Xu, Z. (2020). An overview of the fuzzy data envelopment analysis research and its successful applications. International Journal of Fuzzy Systems, 22(4): 1037-1055. DOI: 10.1007/ s40815-020-00853-6.