Skip to main content
فهرست مقالات

افزایش قدرت تمایز واحدهای تصمیم گیرنده بر پایه کاهش پراکندگی وزنها درتحلیل پوششی داده ها

نویسنده:

(12 صفحه - از 77 تا 88)

تحلیل پوششی داده ها (DEA)، تکنیکی غیر پارامتری برای اندازه گیری کارایی نسبی واحدهای تصمیم گیرنده با ورودی و خروجی چندگانه، یکی از روشهای بسیار محبوب در بین محققان بوده است. علیرغم محبوبیت این تکنیک غیر پارامتری،شامل چند ایراد از جمله فقدان قدرت تمایز بین واحدهای کارا و پراکندگی وزن می باشد. در این مطالعه یک روش مبتنی بر DEA چند هدفه (MCDEA) برای متعادل سازی وزنهای ورودی و خروجی پیشنهاد شده است. مدل پیشنهادی با حفظ خاصیت بهینگی حاصل از مدل CCR، واریانس وزنهای ورودی و خروجی را مینیمم می کند در نتیجه پراکندگی وزنهای ورودی و خروجی متعادل تر می شود لذا قدرت تمایز واحدهای کارا بیشتر می شود یعنی تعداد واحدهای کارا کاهش خواهد یافت .


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.