ارزيابی کارايی فاصله ای توسط آناليز پوششی داده

[hasti-m]

اين مقاله چگونگي اجراي ارزيابي کارايي بااستفاده از آناليز پوششي داده (DEA) در فاصله محيط هاي ورودي-خروجي را مطالعه ميکند. زوج جديد مدل هاي DEA فاصله اي بر اساس حساب فاصله اي بنا شده که با مدلهايDEA موجود که با داده هاي فاصله اي سر و کار دارند فرق مي کند چون که شکل دهندهي آن يک مدل CCR خطي است بدون نياز به تغييرات اضافي و استفاده از مرز توليد ثابت ويکپارچه (يعني مجموعه محدوديت يکسان) براي اندازه گيري کارايي هاي بخش هاي تصميمساز (DMUS) با داده هاي ورودي و خروجي فاصله اي به کار مي رود؛ در حالي که دوميمعمولا مسائل بهينه سازي غير خطي است که به تغييرات اضافي يا تبديل مقياس و استفادهاز مرزهاي توليد متغير (يعني مجموعه هاي محدوديت متفاوت) براي اندازه گيري کاراييهاي فاصله اي نيازمند است. اطلاعات اولويت بندي شده ترتيبي و تبديل داده هاي فازيبه داده هاي فاصله اي به ترتيب از طريق تخمين بازه هاي صحيح و مجموعه هاي با سطح a انجام مي شوند و به ترتيب به صورت مدل هاي DEA فاصله اي پيشنهادي براي اندازه گيريکران هاي پايين و بالاي بهترين کارايي نسبي هر DMU با داده هاي ورودي و خروجي فاصلهاي به کار مي روند که با فاصله اي که از بدترين و بهترين کارايي هاي نسبي هر DUM تشکيل مي شوند متفاوتند. رويکرد کمينه ي بيشينهMRA )(minimax) براي مقايسه و رتبهبندي کارايي فاصله هاي DUM معرفي مي شود. دو مثال عددي براي نمايش کاربردهاي مدلهاي DEA فاصله اي پيشنهادي و رويکرد رتبه بندي ترجيحي مهيا شدهاست.