بکارگیری الگوریتم تدوین شده با استفاده از تحلیل پوششی داده ها برای رتبه بندی امور پژوهشی دانشکده های دانشگاه آزاد اسلامی

محورهای موضوعی : آینده پژوهی

دکتر میربهادر قلی آریانژاد ¹ , پونه حمزه ² , دکتر فرهاد حسین زاده لطفی ³

1 - ندارد
2 - نویسنده مسئول یا طرف مکاتبه
3 - ندارد

تاریخ دریافت : 1387/09/28 تاریخ پذیرش : 1387/11/14 تاریخ انتشار : 1389/04/01

کلید واژه: تحلیل پوششی داد هها, ارزیابی عملکرد دانشگاه, رتبه بندی, کارایی, کنترل وزنی,

چکیده مقاله :

روش تجزیه و تحلیل پوشش داده ها روش مبتنی بر ب رنامه ریزی جهت برآورد کارایی است . این روش بدون تعیین فرضی ازشکل تابع تولید با حل مدلهای ریاضی برای مجموعه ای از واحدهای تصمیم گیر با استفاده از اطلاعات مربوط به میزان نهاده هاو ستاد ه های واقعی آن واحدها تابع تولید یا تابع هزینه را بصورت یک پوش قطعه ای بر آورد می کند. در تحلیل پوششی داده هاواحدهای تصمیم گیر صرفاً به دو گروه کارا و ناکارا افراز می شوند. در مدل پایه ای تجزیه و تحلیل پوششی داده ها، براساس نتایجحاصل از مدل، مدلهای تصمی م گیرنده ناکارا رتبه بندی می شوند ولی واحدهای تصمیم گیرنده کارا رتبه بندی نمی گردند . بهعبارت دیگر در این حالت کلیه واحدهای تصمیم گیر کارا دارای عدد کارایی برابر 1 شده و لذا امکان اولویت قائل شدن بین اینواحدهای تصمیم گیر وجود ندارد . براساس الگوریتم استفاده شده در این پژوهش، یک واحد تصمی م گیرنده بهینه مجازی تعریفشده و در آخرین مرحله این الگوریتم پس از حل مدل عدد کارایی واحد تصمیم گیرنده بهینه مجازی برابر 1 می شود و سپسمقدار تابع هدف سایر واحدهای تصمیم گیرنده که نسبت به واحد تصمیم گیرنده بهینه مجازی ارزیابی شد ه اند برابر اعدادیکوچکتر از 1 خواهد بود و به این ترتیب واحدهای تصمی مگیرنده کارا نیز رتبه بندی می گردند.

چکیده انگلیسی:

The method of data envelopment analysis (DEA) is based of programming for efficiency estimation.This method with resolving mathematical models for the set of decision making units (DMUs) viaactual inputs and outputs data estimates cost and production functions as a fragment envelope withoutassumptive determination of production function form. In DEA, DMUs separate to two efficient andinefficient groups. In the basic DEA models, inefficient DMUs merely are ranked but efficient DMUsare not. In the other hand, in this case all efficient DMUs have efficiency equal to number one. Thus,there is not possible for making priority within these DMUs. On the base of used algorithm in thisresearch a DMU has defined as dummy optimal and in the last phase of the algorithm, after resolvingthe model of dummy optimal DMU's efficiency number will be equal to one, then the valu of objectivefunction for other DMUs, that concerning dummy optimal DMU have evaluated, will be less than one.In this manner efficient DMUs will be ranked too.