طراحي مدل تحليل پوششي داده هاي تصادفي چندهدفه به منظور پيش بيني كارايي واحدهاي سازماني

Proposing a Multiobjective Data Envelopment Analysis Model to Predict Productivity of Organizational Units

تحليل پوششي داده ها (DEA) تكنيكي است كه كارايي واحدهاي تصميم گيرنده (DMU) را براساس ورودي ها و خروجي هاي آن ها اندازه گيري مي نمايد. از آنجا كه پيش بيني كارايي واحدها براي برنامه ريزي دقيق تر براي آينده اهميت بسزايي دارد، اين مقاله ابتدا مدلي جديد به نام مدل تحليل پوششي داده هاي تصادفي فازي چندهدفه (MOFSDEA) با اوزان مشترك در محيطي پويا ارايه مي نمايد كه تغييرات داده ها را در طول دوره هاي متوالي ارزيابي در نظر مي گيرد. در اين مدل از مفهوم مقدار مورد انتظار براي توابع هدف در راستاي پيش بيني كارايي مورد انتظار واحدها و نيز از مفهوم فازي متوسط شانس در بيان محدوديت هاي مدل استفاده و همچنين در اين مدل ورودي ها و خروجي ها به صورت متغيرهاي فازي مثلثي تصادفي با توزيع نرمال، فرض شده است. سپس تحت اين فرض به دليل پيچيده بودن فرآيند حل، مدل MOFS-DEA به مدل برنامه ريزي تصادفي چندهدفه ي معادلش تبديل مي گردد. آنگاه براي كاهش زمان محاسباتي، مدل تصادفي چند هدفه ي معادل MOFS-DEA با استفاده از رويكرد برنامه ريزي فازي به مدل تصادفي تك هدفه تبديل مي گردد. همچنين براي حل مدل حاصله، الگوريتم هيبريدي نويني از طريق تلفيق الگوريتم ژنتيك (GA) و تكنيك شبيه سازي مونت كارلو (MC) طراحي مي گردد. نهايتاً در راستاي تاييد صحت و اثربخشي مدل و الگوريتم هيبريدي پيشنهادي، يك مطالعه ي موردي در انتها صورت گرفته و نتايج حاصله از الگوريتم پيشنهادي با نتايج حاصل از الگوريتم هيبريدي مشابه كين و ليو مقايسه مي شود كه نتايج حاكي از برتري زمان محاسباتي و كيفيت نتايج الگوريتم هيبريدي پيشنهادي مي باشد.