فهرست مقالات expected ranking criterion

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - Undesirable factors in stochastic cross-efficiency evaluation
  Mehdi Khodadadipour Abdollah Hadi-Vencheh Mohhamad Reza Behzadi Mohsen Rostamy-Malkhalifeh
  Cross-efficiency evaluation in Data envelopment analysis (DEA) has been accepted as a useful tool for performance evaluation and ranking of decision making units. In this paper using Undesirable Multiple Form (UMF) model with specific risk of α, a new stochastic m چکیده کامل

  Cross-efficiency evaluation in Data envelopment analysis (DEA) has been accepted as a useful tool for performance evaluation and ranking of decision making units. In this paper using Undesirable Multiple Form (UMF) model with specific risk of α, a new stochastic model called Expected Ranking Criterion is introduced using statistical techniques for efficiency evaluation decision making units (DMU). Another issue in applying cross-efficiency DEA models is considering stochastic in input and output variables. Also, the non-uniqueness of optimal weights in this evaluation has reduced the usefulness of this powerful method. As a result, it is recommended that secondary goals be introduced in cross-efficiency evaluation. In this paper, the cross-efficiency model is modified to deal with stochastic data by applying chance-constrained approach. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - ارزیابی بهره وری، کارایی و رتبه بندی نیروگاه های حرارتی: یک رویکرد مبتنی بر تحلیل پوششی داده های تصادفی
  مهدی خدادادی پور
  10.30495/jmemiau.2024.708212
  در تحلیل پوششی داده ها (DEA) مدل های مختلف در زمینه های گوناگون با داده های مختلف برای ارزیابی و رتبه بندی واحدهای تصمیم گیرنده (DMU) طراحی شده است. حال آنکه در بسیاری از مسائل کاربردی، مدیران واحدها با داده هایی تصادفی روبرو هستند و آنها برای ارزیابی واحدهای تحت نظارت چکیده کامل

  در تحلیل پوششی داده ها (DEA) مدل های مختلف در زمینه های گوناگون با داده های مختلف برای ارزیابی و رتبه بندی واحدهای تصمیم گیرنده (DMU) طراحی شده است. حال آنکه در بسیاری از مسائل کاربردی، مدیران واحدها با داده هایی تصادفی روبرو هستند و آنها برای ارزیابی واحدهای تحت نظارت خود به روشی نیاز دارند که بتواند اینگونه DMU ها را ارزیابی و رتبه بندی کنند. در کار کردن با داده‌های تصادفی با در نظر گرفتن احتمالی برای وقوع حالت های پیش بینی نشده (سطح خطا)، که از طرف مدیران ارائه می شود، DMU ها ارزیابی می شوند. در این مقاله با استفاده تکنیک های آمار و احتمالات و توزیع نرمال و مدلBCC دارای خروجی‌های نامطلوب و با در نظر گرفتن خطای مشخص یک مدل تصادفی جدید تحت عنوان معیار رتبه‌بندی میانگین جهت ارزیابی کارایی داده‌های تصادفی پیشنهاد می شود. بر اساس آن کارایی متقاطع تصادفی محاسبه گردیده است. از آنجایی که وزن های بهینه در ارزیابی کارایی متقاطع تصادفی منحصر به فرد نیستند برای رتبه‌بندی بهتر و اولویت دادن به آنها روش خودخواهانه پیشنهاد می شود. نهایتاً مدل های پیشنهاد شده برای 32 واحد نیروگاه حرارتی که دارای ورودی ها و خروجی های مطلوب و نامطلوب تصادفی هستند پیاده سازی شده است. پرونده مقاله