رتبه‌بندی واحدهای کارا در شبکه دو مرحله‌ای تحلیل پوششی داده‌ها با روش وزن مشترک

الموضوعات :

مهناز احدزاده نمین ¹ , الهه خمسه ²

1 - گروه ریاضی ، واحد شهر قدس، دانشگاه آزاد اسلامی ، تهران، ایران.
2 - گروه ریاضی، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران.

تاريخ الإرسال : 05 الإثنين , شعبان, 1438 تاريخ التأكيد : 05 الخميس , شوال, 1438 تاريخ الإصدار : 03 الإثنين , صفر, 1439

الکلمات المفتاحية: Data envelopment analysis (DEA, Ranking, Efficiency, Two-stage Network, Common Weight,

ملخص المقالة :

مدل­های شبکه­ای دو مرحله­ای تحلیل پوششی داده (DEA)، ازجمله مدل­های پرکاربرد در بسیاری از رشته­های مدیریت و صنایع است. یکی از مفاهیمی که در تئوری تولید، نظر پژوهشگران را به خود جلب کرده است، مفهوم رتبه­بندی واحدها با شبکه دو مرحله­ای است. رتبه یک واحد می­تواند اطلاعات سودمندی در زمینه فعالیت­های بهینه واحدهای تصمیم­گیرنده (DMUs) در اختیار تصمیم­گیرنده (مدیر) قرار دهد. اینکه کدام واحد بر واحد دیگر اولویت دارد. این مفهوم ارجعیت یک واحد را از نظر کارایی و اثربخشی بر واحدهای دیگر مشخص می­کند. محاسبه کارایی واحدها درشبکه دو مرحله­ای DEA انجام شده است و اندازه کارایی واحد دو مرحله­ای می­تواند ملاک مناسبی برای رتبه­بندی یک واحد باشد. اما مشکل اصلی زمانی است که چند واحد کارا همگی رتبه یک را لحاظ می­کنند. هدف از این پژوهش، ارائه مدلی جهت رتبه­بندی واحدهای کارا با استفاده از روش وزن مشترک در شبکه دو مرحله­ای DEA است.

المصادر:

 

[1] Andersen, P., Petersen, N. C., (1993), A procedure for ranking efficient units  in data envelopment analysis, Management Science 39, 1261-1264.

 

[2] Banker, R. D., Chang, H., (2006), The super-efficiency procedure for outlier identification, not for ranking efficient units, Euopean Journal of Operation Research 175 (2), 1311-1320.

 

[3] Charnes, A., Cooper, W.W. Rhodes, E., (1987), Measuring the efficiency of decisions making units, European Journal of Operational Research 2, 429-444.

 

[4] Chen, Y., (2004) Ranking efficient units in DEA, Omega 32 (3), 213-219.

 

[5] Chen, Y., Cook, W. D., Li, N., Zho, J. (2009), Additive efficiency decomposition in two stage DEA, European Journal of Operational Research 196, 1170-1176.

 

[6] Chen, Y., Cook, W. D., Zhu, J., (2010), Deriving the DEA frontier for two-stage processes, European Journal of Operational Research 202, 138-142.

 

[7] Chen, Y., Zhu, J., (2004), Measuring Information Technology's Indirect Impact on Firm Performance, Information Technology and Management 5, 9-22.

 

[8] Halkos, G. E., Tzermes, N. G., Kourtzidis, S. A., (2014), A unified classification of two-stage DEA models, Surveys in Operations Research and Management Science 19, 1-16. 

 

[9] Li, S., Jahanshahloo, G.R., Khodabakhshi, M., (2007), A super-efficiency model for ranking efficient units in data envelopment analysis, Applied Mathematics and Computation 184 (2), 638-648. 

 

[10] Liu, F.H.F., Peng, H. H., (2006), Ranking of units on the DEA frontier with common weights, Computer & Operation Research 35, 1624- 1637.

 

[11] Lovell, C. A. K, Rouse, A. P. B., (2003), Equivalent standard DEA models to provide superefficiency scores, Journal of the Operational Reseach Society 54 (1), 101-108.

 

[12] Obata, T., Ishii, H., (2003), A method of discriminating efficient candidates with ranked voting data, European Jouurnal of Operational Research 151, 233-237.

 

[13] Seiford, L. M., Zhu, J., (1999), Infeasibility of super-efficiency data envelopment analysis models, INFOR 37 (2), 174-187. 

 

[14] Seiford, L. M., Zhu, J., (1999), Profitability and marketability of the top 55 US commercial banks, Management Science 45 (9), 1270-1288.

 

[15] Sexton, T. R., Silkman, R. H., Hogan, A. J., (1986), Data envelopment analysis; Critique and extensions, in; R. H. Silkman (Ed.), Measuring Efficienency An Assessment of Data Envelopment Analysis, Jossey-Bass, San Francisco, CA, 73-105.