مکانیابی کارا با استفاده از تحلیل پوششی دادهها
محورهای موضوعی : آمارمهناز میربلوکی 1 , مریم جولایی 2
1 - عضو هیات علمی واحد یادگار امام خمینی (ره) دانشگاه آزاد اسلامی
2 - دانشگاه آزاد اسلامی واحد یادگار امام خمینی شهرری
کلید واژه: Multi-purpose Planning, location, Data Envelopment Analysis, Efficiency,
چکیده مقاله :
تاکنون بسیاری از انواع مدلهای مکانیابی به منظور پیدا کردن الگوهای فضایی مطلوب با توجه به معیارهای مکانی مختلف از جمله، هزینه، پوشش و در دسترس بودن توسعه یافتهاند. تمرکز اولیه این مدلها بر دسترسی مکانی ارائه دهندگان خدمات و برآورد تقاضاها است و برخی از این مدلها در چارچوب مدلهای برنامهریزی چندهدفه میباشند. پس از پیدایش علم تحلیل پوششی دادهها، برخی پژوهشگران میزان کارایی تأسیسات منتخب را بهعنوان یکی از توابع هدف در مسائل مکانیابی در نظر گرفته و به ارائه راهکارهایی پرداختهاند. در این مقاله به ارائه یک مدل برنامهریزی چندهدفه با تلفیق یک مدل ارزیابی کارایی وزن مشترک و مدل مکانیابی میپردازیم. مدل حاصل، بر خلاف مدلهای سابق تنها با یک بار اجرا مراکز منتخب کارا از بین چند مرکز بالقوه مشخص میگردند. مدل پیشنهادی توسط مثالی عددی بررسیشده است و نتایج نشان دهنده تضاد بین توابع مکانیابی و کارایی است.
So far, many types of location models have been developed to find optimal spatial patterns according to different spatial metrics such as cost, coverage and availability. The initial focus of these models is on the location availability of service providers and demand estimates, and some of these models are within the framework of multi-objective programming models. After the advent of science of data envelopment analysis, some researchers have considered the efficiency of selected facilities as one of the target functions in locational issues and provide solutions. In this paper, we present a multi-objective programming model by integrating a joint weights estimation model and location model. The resulting model, unlike the former models, is characterized by a single run of efficiently selected centers from several potential centers. The proposed model is investigated by a numerical example, and the results show the contradiction between location and performance functions