ارزيابي كارايي براي مجموعه دادههاي حجيم بر اساس از تحليل پوششي دادهها

براي اندازهگيري كارايي، روشهاي متعددي وجود دارد؛ در ميان آنها، روش تحليل پوششي دادهها دليل استفاده از فنون رياضي، اجتناب از شيوههاي ذهني و سليقهاي و داشتن صحت بالا در نتيجهگيري، در دهههاي اخير جايگاه علمي ويژهاي داشته را ميتوان با تعداد محدودي از متغيرها و قيود خطي حل كرد ولي ارزيابي كارايي در صورت وجود دادههاي حجيم، با DEA است. مدلهاي سنتي مشكلات زيادي را براي محققان به وجود آورده است. به عنوان مثال تعداد زياد واحدها در دادههاي حجيم، يكي از مشكلات اساسي D.EA استفاده از ميباشد، زيرا ممكن است مقدار زمان براي ارزيابي كارايي تمام واحدها عملي نباشد، بنابراين روشهاي كاهش زمان حل براي اينچنين مسائلي عملاً مفيد است. در اين مقاله به ارزيابي كارايي واحدهاي تصميمگيري با مقياس زياد پرداخته ميشود. براي اين منظور الگوريتمها و روشهايي را براي سرعت بخشيدن به پردازش محاسبات در محيط دادههاي حجيم مورد بررسي قرار ميدهيم، كه در مدت زمان كمتري نسبت به روشهاي قبلي، كارايي واحدها را محاسبه ميكند. در انتها به منظور نشان دادن قابليت بالاي الگوريتم ارائه شده، اين الگوريتم را روي دادههاي واقعي مربوط به 1800 شعبه از بانك ملي اجرا كرده و نتايج عددي به دست آمده توسط نرمافزار متلب را با روشهاي قبلي مورد مقايسه قرار ميدهيم. كه نتايج به دست آمده نشان ميدهد به طور قابل ملاحظهاي سرعت ميبخشد. DEA استفاده از الگوريتمهاي ارائه شده، پردازش محاسبات را نسبت به روشهاي سنتي