رتبه بندي گروهي ازمحصولات شركت هاي خودروسازي با رويكرد تركيبي از مدلهاي DEA بازه اي وAHP

Determining the Rank of Iranian Automotive Companies Products by Combining DEA and AHP Interval Pair-wised Comparisons Matrix

تحليل پوششي داده ها كارايي نسبي واحدهاي تصميم گيرنده را برآورد مي كند. اين مقاله از فرايند تحليل سلسله مراتبي و تيوري سري فازي براي تغيير مدلي در تحليل پوششي داده ها استفاده مي كند كه اين روش مي تواند براي ارزيابي عملكرد واحدهاي شغلي استفاده شود. در اين مقاله روشي جديدي براي برآورد كارايي واحدهاي تصميم گيرنده با داده هاي بازه اي به كار گرفته شده است. مدل توسعه-يافته داراي داده هاي بازه اي است و افزون بر اين، وزني كه به داده ها اختصاص مي يابد، نيز به صورت بازه اي است. از اين رو، نوآوري در توسعه نظري صورت گرفته و در بخش تجربي نيز مدل، آزمون شده است. در بخش تجربي، روشي براي مرتب سازي واحدهاي تصميم گيرنده به وسيله ي كارايي به-دست آمده مطرح مي شود. براي آزمون روش پيشنهادي كاربرد مدل در رتبه بندي گروهي محصولات سه خودروساز بررسي شده است. از نتايج مدل مشخص است كه مدل پيشنهادي براي مسايل عمـلي؛ به ويژه مواقعي كه تعداد گزينش ها محدود است، مفيد خواهد بود.

Data envelopment analysis (DEA) estimates the relative performance of decision making units (DMUs). This paper uses the idea of the Analytical hierarchy process (AHP) method and fuzzy set theory to modify the model of DEA which can be used to evaluate the performance of business units. In this paper, a new method has been proposed for estimating the performance of DMUs with interval data and weights of data. The models proposed in previous studies have interval data or interval weights of data, so the proposed model has more flexibility than previous studies. Thus, innovation has been done theoretically and the experimental part is for testing the theory. Finally, a method is introduced for ranking the DMUs by computed performance. In order to prove the applicability of the proposed method, a case study for ranking of some Iranian automotive companies products is given. The model results indicate that the proposed model will be useful for practical problems, especially when the number of choices is limited.