فهرست مقالات Closest target

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - الگویابی در تحلیل پوششی داده‌ها با رویکرد کارایی ارزش
  نسیم نصرآبادی
  مدل­های اساسی تحلیل پوششی داده­ها به طور ذاتی بدون ارجحیت هستند، به این مفهوم که در این مدل­ها اهمیت کلیه ورودی­ها و خروجی­ها و نیز اهمیت همه واحدهای تصمیم­گیرنده تحت ارزیابی یکسان در نظر گرفته می­شود. این ویژگی علی­رغم مزیت­های آن دا چکیده کامل

  مدل­های اساسی تحلیل پوششی داده­ها به طور ذاتی بدون ارجحیت هستند، به این مفهوم که در این مدل­ها اهمیت کلیه ورودی­ها و خروجی­ها و نیز اهمیت همه واحدهای تصمیم­گیرنده تحت ارزیابی یکسان در نظر گرفته می­شود. این ویژگی علی­رغم مزیت­های آن دارای نقاط ضعف نیز می­باشد. از این رو موضوع دخیل نمودن ارجحیت­های مدیر در فرآیند ارزیابی و تحلیل عملکرد واحدهای تصمیم­گیرنده به عنوان یک مساله مهم تاکنون توسط بسیاری از پژوهشگران مورد بررسی قرار گرفته است. یکی از راهکارهای وارد نمودن ارجحیت­های مدیر در فرآیند ارزیابی واحدهای تصمیم­گیرنده روش کارایی ارزش است که ارزیابی واحدهای تصمیم­گیرنده را در مقایسه با واحد تصمیم­گیرنده دارای بیشترین ارجحیت انجام می­دهد. از طرف دیگر بحث الگویابی یکی از موضوعات حائز اهمیت در تحلیل پوششی داده­ها است، چرا که بدین طریق می­توان برای هر واحد ناکارا یک واحد الگو را که روی مرز کارایی قرار داشته و جهت بهبود عملکرد را برای آن واحد ناکارا تعیین می­کند، مشخص نمود. در این مقاله موضوع الگویابی در تحلیل پوششی داده­ها مبتنی بر مفهوم کارایی ارزش بررسی می­شود، بدین صورت که در فرآیند الگویابی نقش واحد با بیشترین ارجحیت لحاظ شده و برای هر واحد ناکارای ارزش یک واحد الگو که روی مرز شدنی کارای ارزش قرار دارد، تعیین می­شود. همچنین نقاط قوت و ضعف این روش مورد بحث قرار می­گیرد. در نهایت مدل الگویابی پیشنهاد شده بر روی داده­های یک مثال واقعی اجرا شده و نتایج حاصل تحلیل می­شوند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - Finding Closest Target in Network DEA
  Morteza Aramesh Sevan Sohraiee
  10.30495/ijdea.2023.74919.1202
  As an important concept in data envelopment analysis (DEA), closest target has wide theoretical and practical applications. By considering the data of closest target and utilizing it appropriately, the decision making unit (DMU) under evaluation determines how to transf چکیده کامل

  As an important concept in data envelopment analysis (DEA), closest target has wide theoretical and practical applications. By considering the data of closest target and utilizing it appropriately, the decision making unit (DMU) under evaluation determines how to transform its inputs and outputs to become efficient. Also, traditional DEA models only utilize the external inputs to produce the final outputs in evaluating the relative efficiency of decision making units (DMUs), and internal operations are not be considered. Therefore, traditional models can not accurately determine the source of inefficiency inside the structures. To overcome this problem, different authors proposed various network DEA models (NDEA). This paper is an attempt to find the closest target in various scenarios of network DEA. The study concerns about different existed scenarios in network DEA models and proposes specific models to find closest targets in each scenario. Also, an empirical example has been presented to illustrate the proposed models. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - Complete Closest-Target Based Directional FDH Measures of Efficiency in DEA
  Mahmood Mehdiloozad Israfil Roshdi
  In this paper, we aim to overcome three major shortcomings of the FDH (Free Disposal Hull) directional distance function through developing two new, named Linear and Fractional CDFDH, complete FDH measures of efficiency. To accomplish this, we integrate the concepts of چکیده کامل

  In this paper, we aim to overcome three major shortcomings of the FDH (Free Disposal Hull) directional distance function through developing two new, named Linear and Fractional CDFDH, complete FDH measures of efficiency. To accomplish this, we integrate the concepts of similarity and FDH directional distance function. We prove that the proposed measures are translation invariant and unit invariant. In addition, we present effective enumeration algorithms to compute them. Our proposed measures have several practical advantages such as: (a) providing closest Pareto-efficient observed targets (b) incorporating the decision maker’s preference information into efficiency analysis and (c) being flexible in computer programming. We illustrate the newly developed approach with a real world data set. پرونده مقاله