افزایش قدرت تمایز واحدهای تصمیم گیرنده بر پایه کاهش پراکندگی وزنها درتحلیل پوششی داده ها

الموضوعات :

اعظم پورحبیب یکتا ¹ (دانشجوی دکتری ریاضی، دانشکده ریاضی، دانشگاه آزاد اسلامی واحد لاهیجان، گیلان، ایران)
علیرضا امیرتیموری ² (استاد گروه ریاضی، دانشکده ریاضی، دانشگاه آزاد اسلامی واحد رشت، گیلان، ایران)
سهراب کردرستمی ³ (استاد گروه ریاضی، دانشکده ریاضی، دانشگاه آزاد اسلامی واحد لاهیجان، گیلان، ایران)
رضا کاظمی متین ⁴ (دانشیار گروه ریاضی، دانشکده ریاضی، دانشگاه آزاد اسلامی واحد کرج، البرز، ایران.)

تاريخ الإرسال : 08 الأحد , محرم, 1438 تاريخ التأكيد : 21 الثلاثاء , ربيع الأول, 1438 تاريخ الإصدار : 22 الأربعاء , ربيع الأول, 1438

الکلمات المفتاحية: Data Envelopment Analysis, Efficiency, Weight dispersion, variance,

ملخص المقالة :

تحلیل پوششی داده ها (DEA)، تکنیکی غیر پارامتری برای اندازه گیری کارایی نسبی واحدهای تصمیم گیرنده با ورودی و خروجی چندگانه، یکی از روشهای بسیار محبوب در بین محققان بوده است. علیرغم محبوبیت این تکنیک غیر پارامتری،شامل چند ایراد از جمله فقدان قدرت تمایز بین  واحدهای کارا و پراکندگی وزن می باشد. در این مطالعه یک روش مبتنی بر DEA چند هدفه (MCDEA) برای متعادل سازی وزنهای ورودی و خروجی پیشنهاد شده است. مدل پیشنهادی با حفظ خاصیت بهینگی حاصل از مدل CCR، واریانس وزنهای ورودی و خروجی را مینیمم می کند در نتیجه پراکندگی وزنهای ورودی و خروجی متعادل تر می شود لذا قدرت تمایز واحدهای کارا بیشتر می شود یعنی تعداد واحدهای کارا کاهش خواهد یافت .