تحلیل پوششی داده­ها (DEA) یک روش ریاضی برای بررسی عملکرد واحدهای تحت تصمیم­گیری (DMU) می­باشد. در نظریه­ی کلاسیک DEA برای ارزیابی عملکرد یک سازمان فرض بر این است که داده­های ورودی و خروجی به­صورت قطعی می­باشند. در حالی که در دنیای واقعی اغلب أکثر
تحلیل پوششی داده­ها (DEA) یک روش ریاضی برای بررسی عملکرد واحدهای تحت تصمیم­گیری (DMU) می­باشد. در نظریه­ی کلاسیک DEA برای ارزیابی عملکرد یک سازمان فرض بر این است که داده­های ورودی و خروجی به­صورت قطعی می­باشند. در حالی که در دنیای واقعی اغلب ورودی و خروجی­ها مبهم و تصادفی می­باشند. توزیع نرمال یک توزیع پیوسته است که با توجه به ویژگی­هایش از اهمیت ویژه­ای در آمار برخوردار است. در بسیاری از موارد فرض شده است که داده­های تصادفی فازی دارای توزیع متقارن نرمال هستند اما در عمل ممکن است چنین فرضی برقرار نباشد. بنابراین استفاده از توزیع نرمال منجر به نتیجه­گیری غلط خواهد شد. در این مقاله مدل DEA تصادفی فازی را در حالت امکان در حضور توزیع چوله نرمال مورد بررسی قرار داده­ایم. این روش در یک حالت خاص روش­های قبلی را شامل می­شود. در نهایت مدل بیان شده را در یک مثال عددی نشان داده­ایم.
تفاصيل المقالة
تکنولوژی تحلیل پوششی دادهها کاربردی گسترده در اندازهگیری کارایی واحدهای همگن با عوامل ورودی و خروجی چندگانه دارد. این عوامل ممکن است در شرایط عدم قطعیت بویژه در محیطهای فازی یا تصادفی تعیین گردند. از این رو در توسیع مدلهای استاندارد DEA به محیطهای دو ترکیبی تصادفی أکثر
تکنولوژی تحلیل پوششی دادهها کاربردی گسترده در اندازهگیری کارایی واحدهای همگن با عوامل ورودی و خروجی چندگانه دارد. این عوامل ممکن است در شرایط عدم قطعیت بویژه در محیطهای فازی یا تصادفی تعیین گردند. از این رو در توسیع مدلهای استاندارد DEA به محیطهای دو ترکیبی تصادفی فازی، بخشی از ساختار طبیعی DEA ممکن است تغییر یابد. به عنوان مثال خطی بودن، شدنی بودن و یا قرار نگرفتن مقادیر کارایی (ورودی محور) در فاصله 0 تا 1 از جمله این موارد میباشند. در این مقاله، رویکرد جدیدی مبتنی بر آلفا برشها برای ارزیابی کارایی واحدهای تصمیمگیرنده در مدلهای تحلیل پوششی دادهها با ورودیها و خروجیها تصادفی فازی ارائه میشود. رویکرد پیشنهادی ضمن ارائه روش جدید در حل مساله DEA با پارامترهای تصادفی فازی، به اصلاح موارد یاد شده میپردازد. همچنین، یک مثال عددی به اعتبار سنجی و ویژگیهای مدل پیشنهادی میپردازد.
تفاصيل المقالة
Data Envelopment Analysis (DEA) is a widely used technique for measuring the relative efficiencies of Decision Making Units (DMUs) with multiple inputs and multiple outputs. However, Undesirable Outputs (UO) may be present in the production process which needs to be min أکثر
Data Envelopment Analysis (DEA) is a widely used technique for measuring the relative efficiencies of Decision Making Units (DMUs) with multiple inputs and multiple outputs. However, Undesirable Outputs (UO) may be present in the production process which needs to be minimized. In real-world problems, the observed values of the input and output data are often vague or random. Indeed, Decision Makers (DMs) may encounter a hybrid uncertain environment where fuzziness and randomness coexist in a problem. This paper proposes fuzzy stochastic DEA model with undesirable outputs. The extensions to the fuzzy-stochastic environment sometimes may be laid to disregard some of the properties in DEA models such as linearity and feasibility. In this way, we apply a new version of DEA-UO model according to the probability-possibility approach to propose a linear and feasible model in deterministic form. A numerical example is presented to illustrate the features and the applicability of the proposed models.
تفاصيل المقالة
In this paper, we will discuss the concept of almost sure convergence for specic groups of fuzzyrandom variables. For this purpose, we use the type of generalized Chebyshev inequalities.Moreover, we show the concept of almost sure convergence of weighted average pairwis أکثر
In this paper, we will discuss the concept of almost sure convergence for specic groups of fuzzyrandom variables. For this purpose, we use the type of generalized Chebyshev inequalities.Moreover, we show the concept of almost sure convergence of weighted average pairwise NQDof fuzzy random variables.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications