یک مدل تحلیل پوششی داده‌ها برای تخصیص منابع با کنترل وزن:کاربرد مدل تخصیص منابع در کتابخانه‌های دانشگاه آزاد اسلامی‌مشهد
محورهای موضوعی : آمار
1 - گروه ریاضی و آمار، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
کلید واژه: library, Data Envelopment Analysis, Resource Allocation,
چکیده مقاله :
تاکنون مدل‌های زیادی برای ارزیابی کارایی و تخصیص بهینه‌ی منابع با استفاده از مدل‌های تحلیل پوششی داده‌ها معرفی شده‌اند. در این مقاله یک مدل وزن های مشترک که با استفاده از برنامه ریزی آرمانی خطی شده است ارائه خواهد شد. همچنین برای یافتن جواب‌هایی نزدیک به نظر مدیران از کنترل وزن استفاده شده است. در زمینه‌ی تخصیص منابع مثال‌های عملی زیادی وجود ندارند. در این مقاله کتابخانه‌های دانشگاه آزاد اسلامی مشهد مورد ارزیابی قرار گرفته و منابع جدیدی به آنها تخصیص خواهد یافت. منابعی که باید تخصیص یابند، مربوط به ورودی نامطلوب هستند. مدل ارائه شده علاوه بر در نظر گرفتن این موضوع، قادر است شرایط ویژه‌ی مورد نظر مدیران (مانند حداقل و حداکثر منابعی که باید تخصیص یابند و استاندارد کتابخانه‌ای به همراه کنترل وزن اعمال شده از جانب آنها) را اعمال کند. در نهایت بهترین تخصیص‌ها با توجه به شرایط گوناگون بدست آمده و با یکدیگر مقایسه شده‌اند.
تاکنون مدل‌های زیادی برای ارزیابی کارایی و تخصیص بهینه‌ی منابع با استفاده از مدل‌های تحلیل پوششی داده‌ها معرفی شده‌اند. در این مقاله یک مدل وزن های مشترک که با استفاده از برنامه ریزی آرمانی خطی شده است ارائه خواهد شد. همچنین برای یافتن جواب‌هایی نزدیک به نظر مدیران از کنترل وزن استفاده شده است. در زمینه‌ی تخصیص منابع مثال‌های عملی زیادی وجود ندارند. در این مقاله کتابخانه‌های دانشگاه آزاد اسلامی مشهد مورد ارزیابی قرار گرفته و منابع جدیدی به آنها تخصیص خواهد یافت. منابعی که باید تخصیص یابند، مربوط به ورودی نامطلوب هستند. مدل ارائه شده علاوه بر در نظر گرفتن این موضوع، قادر است شرایط ویژه‌ی مورد نظر مدیران (مانند حداقل و حداکثر منابعی که باید تخصیص یابند و استاندارد کتابخانه‌ای به همراه کنترل وزن اعمال شده از جانب آنها) را اعمال کند. در نهایت بهترین تخصیص‌ها با توجه به شرایط گوناگون بدست آمده و با یکدیگر مقایسه شده‌اند.
[1] Charnes A., Cooper W. W. & Rhodes E.L., (1978). Measuring the efficiency of decision making units. European Journal of Operational Research 2, 429 – 444.
[2] Beasly J. E., (2003). Allocating fixed costs and resources via data envelopment analysis. European Journal of Operational Research 147, 197–216.
[3] Amirteimoori A. & Kordrostami.S., (2005). Allocating fixed costs and target setting: A DEA-based approach. Applied Mathematics and Computation 171,136–151.
[4] Li Y., Yan F., Liang, L. & Hua, Z., (2009). Allocating the fixed cost as a complement of other cost inputs: A DEA approach. European Journal of Operational Research 197, 389–401.
[5] Hosseinzadeh Lotfi F., Hatami-Marbini A., Agrell P.J., Aghayi N. & Gholami K. (2013). Allocation fixed resources and setting targets using a common weight DEA approach. Computers and Industrial Engineering 64, 631-640.
[6] Li F., Zhu Q. & Liang L. (2018). Allocating a fixed cost based on a DEA-game cross efficiency approach. Expert System with Applications. 96, 196-207.
[7] Davoodi A. & Zhiani Rezai H., (2012). Common set of weights in data envelopment analysis: a linear programming problem. Central European Journal of Operation Research 20, 355-365.
[8] Steuer RE. (1986). Multicriteria Optimization. John Weily & Sons.
[9] Ehrgott M. (2005). Multicriteria Optimization. Springer. 2ed.
[10] Jahanshahloo GR., Memariani A., Hosseinzadeh Lotfi F. & Zhiani Rezai H. (2005). A note on some of DEA models and finding efficiency and complete ranking using common set of weights. Applied Mathematics and Compactions 166, 265-281.
[11] Dyson RG., Allen R. , Camanho AS., Podinovski VV., Sarico CS. & Shale,EA.,(2001). Pitfalls and Protocols in DEA. European Journal of Operational Research 132, 245-259.
[12] Kao C. & Lin Y., (1999). Comparing University Libraries of Different University Size, Libri 49, 150–158.
[13] Liu S. & Chuang, M. (2009). Fuzzy efficiency measures in fuzzy DEA/AR with application to university libraries. Expert Systems with Applications 36, 1105–1113.
[14] Stancheva N. & Angelova V., (2004). Measuring the Efficiency of University Libraries Using Data Envelopment Analysis. INFORUM 2004: 10th Conference on Professional Information Resources Prague, May 25-27.
[15] Reichmann G. (2004). Measuring University Library Efficiency Using Data Envelopment Analysis. Libri 54, 136–146.
[16] Sharma KR., Leung P. & Zane L. (1999). Performance measurement of Hawaii state pub- lic libraries: An application of Data Envelopment Analysis (DEA). Agricultural and Resource Economics Review 28(2),190-198.
[17] Shim W., (2003). Applying DEA Technique to Library Evaluation in Academic Research Libraries. Library Trends 51(3), 312-332.
[18] Podinovski, VV. (2001). DEA models for the explicit maximization of relative efficiency. European Journal of Operational Research 131, 572-586.
