تحلیل پوششی داده ها، روشی مبتنی بر برنامه ریزی خطی است که برای ارزیابی کارایی نسبی واحدهای تصمیم گیری (DMU’s) که وظایف یکسانی انجام داده و دارای چندین ورودی و چندین خروجی هستند، به کار می رود. به دلیل دیدگاه خوشبینانه DEA در ارزیابی کارایی واحدهای تصمیم گیری متجانس، حصول چندین واحد با نمره کارایی نسبی حداکثر (برابر واحد)، بسیار محتمل است. لذا مدل های رتبه بندی برای تمایز بین واحدهای کارا ارائه گردید. کارایی متقاطع، یکی از سودمندترین ابزار برای رتبه‌بندی واحدهای تصمیم گیری در تحلیل پوششی دادها است. این مدل دارای دو نقص اساسی در اجرا است. نخست آنکه در حضور جواب های بهین دگرین، نتایج متفاوتی به دست می دهد؛ و دوم آنکه در استفاده از میانگین حسابی برای تجمیع نتایج ماتریس کارایی متقاطع، دلیل قانع کننده ای ارائه نشده است. در این مقاله در خصوص تجمیع نتایج کارایی متقاطع در حضور خروجی های نامطلوب ، روش جدیدی با الهام گرفتن از فرآیند رای گیری ترجیحی و ایده مطرح شده در روش تاپسیس، ارائه شده است. سپس نتایج برای رتبه بندی تامین-کنندگان در حضور خروجی های نامطلوب به کار گرفته شده است. پرونده مقاله

تکنیک تحلیل پوششی داده ها برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیری استفاده می شود. تجزیه و تحلیل پوششی داده ها در زمینه های مختلف مورد مطالعه قرار گرفته است، به عنوان مثال، تجزیه و تحلیل حساسیت در DEA. تحلیل حساسیت مدل های تحلیل پوششی داده ها بسیار مهم است. متعاقباً مقالات زیادی در این زمینه ارائه شده است،در بعضی مواقع مدیران به مسایلی بر خورد می‌کنندکه تخصیص یک هزینه‌ی ثابت به واحدهای تصمیم‌گیرنده مهم می‌باشدواز آنجا که در اغلب مسایل واقعی داده ها و اطلاعات اولیه دقیق نیستند بلکه کیفی، بازه ای و یا ترتیبی می باشندلذا سعی شده است که در این مقاله این موضوع را مورد بحث قرار داده و مدلی‌ ارائه ‌شودکه تخصیص یک هزینه‌ی ثابت که از نوع فازی است را به واحدهای تصمیم‌گیرنده مورد بررسی قرار دهد. علاوه بر این فرض می‌شود تمامی ورودی‌ها و خروجی‌های واحدها فازی هستند و تخصیص هزینه‌ی جدید باید به گونه‌ای باشد که بیشترین تعدادواحد ناکارا کارا شود و در انتها با دو مثال عددی مورد استفاده قرار گرفته شده و نتایج ارائه شده است. پرونده مقاله

Increasing the discrimination power the of data envelopment analysis method and choosing appropriate weights is one of the important issues in data envelopment analysis. One of the ways to overcome this problem is to use multi-objective data coverage analysis. In multi-objective problems, the goal of the objective functions is usually contradictory to each other, so it is not possible to find an optimal solution for all the objective functions simultaneously. In this article, we use the ideal programming approach to solve the problem of multi-criteria data envelopment analysis, and then we compare the presented method with previous methods in the framework of preferential voting. پرونده مقاله

بانک ها به عنوان اصلی ترین بخش سیستم مالی نقش مهی در توسعه اقتصادی هر کشور دارند. محاسبه کارایی و در نتیجه یافتن نقاط قوت و ضعف شعب، تاثیر بسزایی در افزایش بهره وری بانک ها دارد. تحلیل پوششی داده ها یکی از تکنیک های ارزیابی عملکرد می باشد که علاوه بر محاسبه کارایی نسبی قادر به معرفی نقاط الگو برای واحدهای تصمیم گیرنده ناکارا است. این تکنیک قادر به ارزیابی کارایی واحدهای تصمیم گیرنده با چندین ورودی وچندین خروجی می باشد. در این مقاله با استفاده از تکنیک تحلیل پوششی داده ها، مدلی برای ارزیابی، تحلیل حساسیت و الگویابی 18 شعبه یکی از بانک های تجاری ایران با نسبت های مالی ارایه شده است. بدین منظور مدلی برای تخمین خروجی با داده های نسبتی طراحی شده است که با تغییر مقادیر ورودی، میزان تغییرات مورد نیاز در خروجی ها برای حفظ کارایی و همچنین حفظ رتبه با استفاده از مدل داده نسبتی پیشنهادی قابل محاسبه می باشد. پرونده مقاله