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.)
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 .