Estimating most productive scale size in DEA with real and integer value data

براي بهتر اداره كردن يك سيستم مديران نيازمند داشتن اطلاعات دقيق مي باشند. استفاده از تكنيك تحليل پوششي داده ها مي تواند مديران را در اين مهم ياري رساند. از اين رو تحقيقات زيادي در رابطه با شناسايي بيشترين اندازه مقياس بهره وري واحد ها انجام گرفته است. در اين مقاله اين موضوع در حالي كه زير مجموعه اي ازمتغير هاي ورودي يا خروجي فقط مي توانند مقادير صحيح اختيار كنند در نظر گرفته شده است. در اين راستا با در نظرگرفتن تكنيك تحليل پوششي داده ها درصدد اعمال تغييراتي در مدل مشخص كننده بيشترين اندازه مقياس بهره وري هستيم تا بتواند شرايط ذكر شده را لحاظ كند. با يك مثال كاربردي چگونگي كاركرد مدل توضيح داده شده است.

For better guiding a system, senior managers should have accurate information. Using Data Envelopment analysis (DEA) help managers in this objective. Thus, many investigations have been made in order to find the most productive scale size (MPSS) for the evaluating decision making units (DMUs). In this paper we consider this case where there exist subsets of input and output variables to be integer valued. We use data envelopment analysis (DEA) technique, which is a mathematical programming for eficiency evaluation and target setting for a set of DMUs, and develop a model with which the desired MPSS point can be found. The applicability of developed model is illustrated in the context of the analysis to show the validity of the proposed model.