در این مقاله با استفاده از مدل مضربی CCR ورودی‌محور و دارای خروجی‌های نامطلوب با درنظر گرفتن خطای مشخص و با استفاده از تکنیکهای اماری وتوزیع نرمال یک مدل تصادفی جدید تحت عنوان معیار رتبه بندی میانگین جهت ارزیابی کارایی داده های تصادفی پیشنهاد می گردد. همچنین کارایی متقاطع تصادفی برای رتبه بندی DMU ها در تحلیل پوششی داده های تصادفی بر اساس برنامه ریزی قیودتصادفی و مقدار میانگین تعریف گردیده و از انجایی که وزن های بهینه منحصر فرد نیستند جهت رتبه بندی بهتر و اولویت دادن به انها روش خود خواهانه پیشنهاد می گردد . نهایتا مدل های پیشنهاد شده برای تعداد32 نیروگاه حرارتی در کشور آنگولا در بازه زمانی 2010 تا 2022که تولید کننده انرژی هستند و دارای ورودی ها ی مطلوب و خروجی های مطلوب و نامطلوب تصادفی هستند پیاده سازی و اجرا گردید. نتایج حاصله نشان داد که در استفاده از مدل های پیشنهاد شده با قدرت بیشتری کارایی تصادفی DMU ها جهت جداسازی و رتبه بندی انجام گرفته است. تفاصيل المقالة

در تحلیل پوششی داده ها (DEA) مدل های مختلف در زمینه های گوناگون با داده های مختلف برای ارزیابی و رتبه بندی واحدهای تصمیم گیرنده (DMU) طراحی شده است. حال آنکه در بسیاری از مسائل کاربردی، مدیران واحدها با داده هایی تصادفی روبرو هستند و آنها برای ارزیابی واحدهای تحت نظارت خود به روشی نیاز دارند که بتواند اینگونه DMU ها را ارزیابی و رتبه بندی کنند. در کار کردن با داده‌های تصادفی با در نظر گرفتن احتمالی برای وقوع حالت های پیش بینی نشده (سطح خطا)، که از طرف مدیران ارائه می شود، DMU ها ارزیابی می شوند. در این مقاله با استفاده تکنیک های آمار و احتمالات و توزیع نرمال و مدلBCC دارای خروجی‌های نامطلوب و با در نظر گرفتن خطای مشخص یک مدل تصادفی جدید تحت عنوان معیار رتبه‌بندی میانگین جهت ارزیابی کارایی داده‌های تصادفی پیشنهاد می شود. بر اساس آن کارایی متقاطع تصادفی محاسبه گردیده است. از آنجایی که وزن های بهینه در ارزیابی کارایی متقاطع تصادفی منحصر به فرد نیستند برای رتبه‌بندی بهتر و اولویت دادن به آنها روش خودخواهانه پیشنهاد می شود. نهایتاً مدل های پیشنهاد شده برای 32 واحد نیروگاه حرارتی که دارای ورودی ها و خروجی های مطلوب و نامطلوب تصادفی هستند پیاده سازی شده است. تفاصيل المقالة