مدل تحليل پوششي داده هاي معكوس كلي براي مدل DEA غيرشعاعي

مدل هاي DEA معكوس سنتي را مي توان DEA شعاعي معكوس ناميد زيرا در اين مدل ها كارايي شعاعي اندازه گيري مي شود . به دليل ناديده گرفتن slack ها در ارزيابي امتياز كارايي در مدل هاي DEA شعاعي معكوس ممكن است تصميم گيري در برخي موارد كه slack ها نقش مهمي را ايفا مي كنند دچار اشتباه شود .در اين مقاله ، مدل DEA معكوس به نام DEA غيرشعاعي معكوس ارائه شده است زيرا براساس DEA غيرشعاعي با برنامه ريزي چند هدفه است كه مدل هاي DEA معكوس موجود را پوشش مي دهد.براي بيان واضح تر DEA غيرشعاعي معكوس ، مدل رياضي SBM معكوس و برخي خواص ان ارائه شده است. برخلاف روش شعاعي، DEA غيرشعاعي معكوس مي تواند بر خطاي ناشي از ناديده گرفتن slack ها غلبه كند و با در نظر گرفتن slack ها اطلاعات ارزشمندي در مورد ورودي ها و خروجي ها براي تصميم گيري ارائه دهد. اگر چه مدل هاي DEA غيرشعاعي معكوس معمولا غيرخطي هستند مي توانيم آن را به مساله جستجوي يك بعدي در مورد امتياز كارايي تبديل كنيم كه توسط بسياري از الگوريتم هاي كارا موجود حل شود . يك مثال عددي براي نشان دادن مزاياي مدل هاي DEA غيرشعاعي معكوس نسبت به مدل هاي DEA شعاعي معكوس ارائه شده است.