عنوان مقاله :
رتبهبندي واحدهاي تصميمگيرنده با استفاده از كارايي متقاطع در حضور خروجيهاي نامطلوب و عدم قطعيت دادهها
عنوان به زبان ديگر :
Ranking of decision making units based on cross efficiency by undesirable outputs and uncertainity (Text in Persian)
پديد آورندگان :
آقايي، نازيلا دانشگاه آزاد اسلامي واحد اردبيل - گروه رياضي
كليدواژه :
تحليل پوششي دادهها , كارايي متقاطع , رتبهبندي , عدم قطعيت , خروجي نامطلوب
چكيده فارسي :
كارايي متقاطع يك ابزار سودمند براي رتبهبندي واحدهاي تصميمگيرنده (DMU) در تحليل پوششي دادها (DEA) ميباشد. اما از انجا كه ممكن است در ارزيابي DMUها وزنهاي بهينه منحصر بفرد نباشد لذا انتخاب يكي از آنها كار سادهاي نخواهد بود و ممكن است نتايج حاصل از جوابهاي بهينه دگرين، متفاوت باشد. براي اين منظور، در اين مقاله، روشي براي رتبه بندي DMUها كه مشكل غير يكتايي را ندارد، ارايه ميشود. از آنجا كه خروجيها به دوصورت مطلوب و نامطلوب به كار
ميروند. پس ارايه مدلهايي براي رتبهبندي واحدهاي تصميمگيرنده در حضور خروجيهاي مطلوب ونامطلوب حايز اهميت است. ازطرفي مدلهاي DEA كلاسيك بادادههاي قطعي سروكار دارد. ولي دردنياي واقعي، لزوماً همه دادهها قطعي
نميباشند. در نتيجه، به دنبال رويكردي هستيم كه كارايي DMU را در شرايط عدم قطعيت محاسبه كند. لذا واحدهاي تصميمگيرنده باخروجيهاي مطلوب ونا مطلوب بازهاي رتبهبندي ميشوند. براي رويارويي با اين مسئله، يك كران پايين و يك كران بالا براي كارايي براساس رويكرد بازهاي پيشنهاد ميشود. نتايج حاصل در يك مثال عددي ساده مورد تحليل قرار ميگيرد.
چكيده لاتين :
Cross efficiency is one of the useful methods for ranking of decision making units (DMUs) in data envelopment analysis (DEA). Since the optimal solutions of inputs and outputs weights are not unique so the selection of them are not simple and the ranks of DMUs can be changed by the difference weights. Thus، in this paper، we introduce a method for ranking of DMUs which does not have a unique problem. In the real life، the outputs can be shown as desirable and undesirable outputs. So it is important to provide models for the ranking of DMUs in present of desirable and undesirable outputs. The classic DEA models deals with certain data. But، in the real word، all data are not necessarily certain. For solve of this problem، we present a new method that compute the ranks of all DMUs by uncertain data and calculate the lower and upper bounds for the ranks of DMUs. Finally، the results of a simple example are given.
عنوان نشريه :
پژوهش هاي نوين در رياضي
عنوان نشريه :
پژوهش هاي نوين در رياضي