افزايش قدرت تمايز واحدهاي تصميم گيرنده بر پايه كاهش پراكندگي وزن ها درتحليل پوششي داده ها

تحليل پوششي داده ها (DEA)، تكنيكي غير پارامتري براي اندازه گيري كارايي نسبي واحدهاي تصميم گيرنده با ورودي و خروجي چندگانه، يكي از روش هاي بسيار محبوب در بين محققان بوده است. عليرغم محبوبيت اين تكنيك غير پارامتري، شامل چند ايراد از جمله فقدان قدرت تمايز بين واحدهاي كارا و پراكندگي وزن مي باشد. در اين مطالعه يك روش مبتني بر DEA چندهدفه (MCDEA) براي متعادل سازي وزن هاي ورودي و خروجي پيشنهاد شده است. مدل پيشنهادي با حفظ خاصيت بهينگي حاصل از مدل CCR، واريانس وزن هاي ورودي و خروجي را مينيمم مي كند در نتيجه پراكندگي وزن هاي ورودي و خروجي متعادل تر مي شود لذا قدرت تمايز واحدهاي كارا بيشتر مي شود يعني تعداد واحدهاي كارا كاهش خواهد يافت