تخمين خروجي‌هاي نامطلوب و ورودي‌هاي مطلوب به همراه بهبود در كارايي براي واحدهاي تصميم‌گيري با داده هاي بازه اي

Estimation of undesirable outputs and desirable inputs along with efficiency improving for DMUs with interval data

در برخي از تحقيقات، پژوهشگران به مطالعه و تخمين برخي از پارامترهاي تاثيرگذار بر اندازه كارايي از جمله ميزان ورودي يا ميزان خروجي يك DMU پرداخته‌اند بطوريكه اندازه كارايي حفظ يا به ميزان معيني بهبود يابد .اين دسته از مسائل تحت عنوان تحليل پوششي داده‌هاي معكوس در ادبيات تحليل عملكرد مورد مطالعه قرار مي‌گيرند. اين مقاله به مطالعه تحليل پوششي داده‌هاي معكوس مي‌پردازد. مسئله تخمين ورودي يا خروجي با بهبود در اندازه كارايي واحد، مورد بررسي قرار گرفته است. لذا در اين مقاله، با افزايش سطح ورودي‌هاي نامطلوب وسطح خروجي‌هاي مطلوب واحدهاي تصميم‌گيري به همراه بهبود در كارايي كه مورد نظر تصميم‌گيرنده مي‌باشد، ميزان تغييرات سطح ورودي‌هاي مطلوب و سطح خروجي‌هاي نامطلوب تخمين زده مي‌شود. براي اين منظور، با در نظر گرفتن داده‌ها به صورت بازه‌اي، روش DEA ‌معكوس را با استفاده از مدل برنامه‌ريزي خطي چندهدفه (MOLP)، به كار مي‌گيريم، به‌طوري كه كارايي واحد تحت ارزيابي بهبود پيدا كند. در ادامه با يك مثال كاربردي روش پيشنهادي مورد بحث و بررسي قرار مي‌گيرد.

Some researchers deals to estimation of some of the influences factors in efficiency score in which the DMU, maintains or improves its current efficiency level. This problems are considered in a general framework which is called inverse DEA. This paper studies the inverse data envelopment analysis. The issue of input or output estimation has been examined with improvement in unit efficiency. Therefore, in this paper, by increasing the level of undesirable inputs and the level of desired outputs of decision-making units along with improvements in the efficiency of the decision-maker, the level of changes in the level of desired inputs and the level of undesirable outputs is estimated. To do this, we consider the data as Interval data and then use the inverse DEA method using a multi-objective linear programming model (MOLP), so that the unit performance under evaluation is improved. The following is an applied example of the proposed method.