صنعت هوانوردی در سراسر جهان با سرعتی بالا در حال رشد است و از ابتدای تولد این صنعت، کارایی شرکت های هواپیمایی مورد توجه بوده است. با این حال، با وجود افزایش درآمد آن، صنعت هوانوردی در چند سال گذشته در تخریب محیط زیست موثر بوده است. لذا این صنعت به شرکت هایی نیاز دارد که ضمن افزایش درآمد خود، تاثیر بر محیط زیست را کاهش دهند.یک مدل تحلیل پوششی داده های استوار دومرحله ای با برای ارزیابی عملکرد شرکت های هواپیمایی با توجه به ساختار داخلی آن ها با هدف افزایش درآمد نهایی سیستم و کاهش خروجی نامطلوب میزان پتانسیل گرمایش جهانی و عدم قطعیت در در پتانسیل گرمایش ارائه شده است. این مقاله بر ارزیابی کارایی 11 شرکت هواپیمایی در طی سال های 2010 الی 2019 متمرکز شده است. از طریق این مدل‌های، نتیجه گرفته شد که اکثر خطوط هوایی ایالات متحده، به طور نسبی کارا بوده و میانگین امتیاز کارایی کل آن ها بالای 0.8 می باشد. تنها دو شرکت Spirit و Allegiant دارای میانگین کارایی کل پایین تری می باشند. از سوی دیگر تمامی شرکت ها در مرحله اول نسبتا کارا و دارای میانگین امتیاز کارایی بالای 0.8 و به جز دو شرکت Spirit و Allegiant، در بخش پرواز نیز کارا و دارای میانگین تقریبا بالاتر از 0.9 هستند. عملکرد کلی شرکت ها بیشتر متاثر از عملکرد بخش پرواز آن ها می باشد. پرونده مقاله

با توجه به نگرانی‌هایی که سرمایه‌گذاران از بازگشت اصل و سود سرمایه‌ دارند و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید، طراحی یک مدل قابل اطمینان جهت پیش‌بینی احتمال وقوع ورشکستگی شرکت‌ها برای راهنمایی برای تصمیم‌گیرندگانی همچون شرکت-های سرمایه‌گذاری، بانک‌ها و دولت ضروری به نظر می‌رسد. در این پژوهش از روش شبکه عصبی مصنوعی و روش رگرسیون لوجیت جهت پیش‌بینی ورشکستگی تعدادی از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1395 تا 1399 استفاده شده و نتایج با روش رگرسیون لوجیت مقایسه شده است. میزان دقت کلی پیش‌بینی روش شبکه عصبی مصنوعی برای هریک از سال-های t، t-1، t-2 و t-3 به ترتیب برابر با 55/96 % ، 55/96 % ،24/92 % و 24/92 % و برای روش رگرسیون لوجیت برای همین سال‌ها به ترتیب 94% ، 82/94% ، 51/90% و 06/87% می‌باشد که نشان داد روش شبکه عصبی مصنوعی از دقت بالاتری نسبت به روش رگرسیون لوجیت برخوردار می باشد. لذا می توان نتیجه گرفت که روش شبکه عصبی مصنوعی ابزار مناسب‌تری برای پیش‌بینی ورشکستگی شرکت‌ها در اختیار قرار می‌دهد. پرونده مقاله