مدل تركيبي تحليل پوششي داده ها و مكان‌يابي تسهيلات حساس با ملاحظه اصل پراكندگي

A Combination Model of DEA and Facility Location Model for Important Facilities Considering Dispersion Principle

يكي از اهداف تعريف شده در علم مكان‌يابي، حداكثرسازي پراكندگي است. در اين‌گونه مسايل، هدف حداكثرسازي فاصله بين تسهيلات با توجه به محدوديت هاي موجود مي باشد. اين مسايل در مواردي چون مكان‌يابي ايستگاه هاي راديويي، مدارس، نمايندگي هاي فروش و به طور كلي مكان يابي تسهيلات حساس و مهم با درنظر گرفتن اصول پدافند غيرعامل كاربردهاي زيادي دارند. از سوي ديگر، تسهيلاتي كه بر اساس اصول پدافند غيرعامل بايد نسبت به يكديگر پراكنده شوند، بايد در مكان هايي كه استقرار مي يابند بتوانند ماموريت خود را به درستي انجام دهند و ضريب خطاي آنها كاهش يابد. براي درنظر گرفتن اين موضوع (كارآيي نقاط كانديد و كاهش ضريب خطا)، پيشنهاد مي شود از تكنيك تحليل پوششي داده ها استفاده شود. در اين مقاله مدل جديد چند هدفه اي براي مكان يابي تسهيلات حساس و مهم با درنظر گرفتن اصول پدافند غيرعامل و كارآيي نقاط كانديد ارايه مي شود كه اين مدل با روش برنامه ريزي آرماني فازي حل شده است.

One of the objectives defined in the facility location problem is the maximum dispersing facility location. In these issues, the goal is maximizing the distance between the facilities according to the available constraints. In some cases these issues use the location of radio stations, schools, sales representatives and general location with sensitive facilities which have much application in passive defense principles. On the other hand, the facilities operating one principle of passive defense should be dispersed. Therefore, they should be established in a place where they can gain their mission correctly. As a result, the coefficient errors are reduced. Considering this issue (coefficient of perfor-mance and reduced error of candidate points), we suggest Data Envelopment Analysis with the criteria to choosing locations with efficient distribution model. So, in this paper a new multi-objective model for locating critical and important facilities considering passive defense principles is presented.