ارتقاي قدرت تفكيك‌ پذيري در مدل تحليل پوششي داده‌ها با استفاده از متغيرهاي انحراف

در چندين دهۀ گذشته تحليل پوششي داده‌ها (DEA) به‌ عنوان تكنيكي براي ارزيابي عملكرد و اندازه‌گيري كارايي واحدهاي تصميم‌گيري (DMU)، بر اساس داده‌هاي ورودي ـ خروجي آنها معرفي شد. با وجود اين، نقصان و ضعف در قدرت تفكيك‌پذيري و عدم توزيع مناسب وزن‌ها به‌عنوان اشكالات عمده در DEA باقي مانده‌اند. در ادبيات موضوع، مدل‌هايي براي حل اين مشكلات ارائه شده است كه اين مدل‌ها مشكلات ديگري از قبيل ناشدني بودن دارند. در اين مقاله با به‌كار بردن يكي از معيارها از مدل DEA چندمعياره (MCDEA) كه در اواخر دهۀ 1990 ميلادي توسعه يافت، اضافه كردن كراني پايين براي وزن‌ها و همچنين ارائۀ ابتكار و تكنيكي براي تفكيك و رتبه‌بندي همۀ واحدهاي تصميم‌گيري كارا، به‌ دنبال برطرف كردن مشكلات اشاره‌ شده هستيم. براي تست و سنجش قابليت متد پيشنهادي در مقابل مدل‌هاي DEA موجود، به حل و تحليل نتايج دو مثال عددي مي‌پردازيم.

فاقد چكيده مي باشد