ارائه مدلی جدید برای ارزیابی و رتبه بندی واحدهای تصمیم گیری با داده های ترتیبی
Subject Areas : International Journal of Industrial Mathematicsجعفر پورمحمود 1 , داود نوروزی 2
1 - گروه ریاضی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.
2 - گروه ریاضی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.
Keywords: داده های مبهم, داده های دقیق داده های ترتیبی, کارآیی, رتبه بندی, ارزیابی, تحلیل پوششی داده ها,
Abstract :
تحلیل پوششی داده های کلاسیک مقادیر ورودی ها و خروجی ها را کاملا مشخص فرض میکند. در حالیکه در اغلب مسایل واقعی مقادیر دقیق ورودی ها و خروجی ها مبهم هستند. یکی از داده های مبهم داده های ترتیبی هستند. در این مقاله مدل جدیدی برای اندازه گیری کارآیی واحدهای تصمیم گیری با داده های ترتیبی ارائه میشود. ایده کلی این مدل آن است که تغییرات کارایی واحدها در ارزیابی باید به اندازه قابل کنترل مجاز باشد. بعلاوه مدل جدیدی برای رتبه بندی واحدهای کارآ بیان می شود. نتایج مدل پیشنهادی با مدل کوپر مقایسه میشود. بنابراین نمرات کارآیی حاصل از مدل پیشنهادی قابل اعتمادتر از نتایج حاصل از مدل کوپر هستند.
[1] K. Chiang Kao, Network Data Envelopment Analysis, Foundations and Extensions, ISBN 978-3-319-31718-2 (eBook).
[2] K. Chiang Kao, Interval efficiency measures in data envelopment analyze with imprecise data, Eur J Oper Res 174 (2006) 1087-1099.
[3] WD. Cook, M. Kress, LM. Seiford, On the use of ordinal data in data envelopment analysis, J. Oper. Res. Soc. 44 (1993) 133-140.
[4] WW. Cooper, KS. Park, G. Yu, IDEA and AR-IDEA: models for dealing with imprecise data in DEA". Manga. Sci. 45 (1999) 597-607.
[5] J. Zhu, Efficiency evaluation with strong ordinal input and output measures, Eur. J. Oper. Res. 146 (2003b) 477-485.
[6] DK. Despotis, YG. Smirlis YG, Data envelopment analysis with imprecise data, Eur. J. Oper. Res. 140 (002) 24-36.
[7] WW. Cooper, KS. Park, G. Yu, An illustrative application of IDEA (imprecise data envelopment analysis) to a Korean mobile telecommunication company, Oper. Res. 49 (2001) 807-820.
[8] WW. Cooper, KS. Park, G. Yu, IDEA (imprecise data envelopment analysis) with CMDs (column maximum decision making units), J. Oper. Res. Soc. 52 (2001) 176-181.
[9] J. Zhu, Imprecise data envelopment analysis (IDEA): a review and improvement with an application, J. Eur. J. Oper. Res. 144 (2003a) 513-529.
[10] J. Zhu, Imprecise DEA via standard linear DEA models with a revisit to a Korean mobile telecommunication company, Oper. Res. 52 (2004) 323-329.
[11] KS. Park, Simplification of the transformations and redundancy of assurance regions in IDEA (imprecise DEA), J. Oper. Res. Soc. 55 (2004) 1363-1366.
[12] YM. Wang, R. Greatbanks, JB. Yang, Interval efficiency assessment using data envelopment analysis, Fuzzy Sets and Systems 153 (2005) 347-370.
[13] WD. Cook, J. Zhu, Rank order data in DEA: a general framework, Eur. J. Oper. Res. 174 (2006) 1021-1038.
[14] RF. Saen, Technologies ranking in the presence of cardinal and ordinal data, Appl. Math. Comput. 176 (2006) 476-487.
[15] R. Farzipoor Saen, Suppliers selection in the presence of both cardinal and ordinal data, Eur. J. Oper. Res. 183 (2007) 741-747.
[16] A. Asosheh, S. Nalchigar, M. Jamporazmey, Information technology project evaluation: an integrated data envelopment analysis and balanced scorecard approach, Expert. Syst. App. l37 (2010) 5931-5938.
[17] AH. Shokouhi, A. Hatami-Marbini, M. Tavana, S. Saati, A robust optimization approach for imprecise data envelopment analysis, Comput. Ind. Eng. 59 (2010) 387-397.
[18] M. Toloo, S. Nalchigar, A new DEA method for supplier selection in presence of both cardinal and ordinal data, Expert. Syst. Appl. 38 (2011) 14726-14731.
[19] M. Toloo, Selecting and full ranking suppliers with imprecise data: a new DEA method, Int. J. Adv. Manuf. Techno. l74 (2014) 1141-1148.
[20] A. Charnes, T. Clark, WW. Cooper, B. Golany, A developmental studyof data envelopment analysis in measur-ing the efficiency of maintenance unitsin, U. S. Air Forces. In R. Thompson R.M. Thrall (Eds.), Annals of Operational Re-search 2 (1985) 95-112.
[21] P. Andersen, N. C. Petersen, A procedure for ranking efficient units in data envelopment analysis, INFORMS 39 (1993) 1261-1264.
[22] G. R. Jahanshahloo, L. Pourkarimi, M. Zarepishe, Modified MAJ model for ranking decision making units in Data Envelopment Analysis, Applied Mathematics and Computation 174 (2006) 1054-1059.
[23] G. R. Jahanshahloo, F. Hosseinzadeh Lotfi, H. ZhianiRezai, F. RezaiBalf, Using Monte Carlo Method for ranking efficient DMUs, Applied Mathematics and Computation 162 (2005) 371-379.
[24] J. Pourmahmoud, New model for ranking DMUs in DDEA as a special case, Int. J. Industrial Mathematics 7 (2015) 187-192.
[25] J. Pourmahmoud, E. Babazadeh, A New Group Data Envelopment Analysis Method for Ranking Design Requirements in Quality Function Deployment, Int. J. Industrial Mathematics 9 (2017) 269-278.
[26] N. Adler, L. Friedman, Z. Sinuany-Stern, Review of ranking methods in data envelopment analysis context, European Journal of Operational Research 140 (2002) 249-265.
[27] J. Doyle, R. Green, Efficiency and crossefficiency in DEA; Derivations, meanings and uses, Journal of the Operational Research Society 45 (1994) 567-578.
