ارزیابی عملکرد واحدهای تصمیم گیری با استفاده از مدل ترکیبی شبکه های عصبی پیش بینی کننده عملکرد و تحلیل پوششی داده ها (مورد مطالعه: شرکت ملی گاز ایران)

Authors

مهدی اجلی

حسین صفری

abstract

یکی از عمده ترین مشکلات استفاده از تحلیل پوششی داده ها، ضعف قدرت تفکیک پذیری برای واحدهای تصمیم گیرنده است. این مسئله اغلب به دلیل کم بودن تعداد واحدها در مقایسه با تعداد ورودی ها و خروجی های مدل است ] 1[. این مشکل در ارزیابی عملکرد 23 شرکت گاز استانی با توجه به تعداد زیاد ورودی ها و خروجی های هر شرکت گاز به خوبی خود را نمایان می کند. بر این اساس، در این پژوهش برای ارزیابی عملکرد و کارایی شرکت های گاز استانی، ابتدا رویکرد یا مدل مضربی ccr ورودی محور و روش اندرسون- پیترسون (ap) برای رتبه بندی واحدهای کارا در قالب مدل های تحلیل پوششی داده ها (dea) مورد بررسی قرار گرفت و ضعف مدل ها از نظر محاسبه و تفکیک کارایی شرکت ها مشخص شد. در ادامه پژوهش، برای تحلیل و ارزیابی کارایی شرکت ها از رویکرد شبکه های عصبی پیش بینی کننده عملکرد در قالب مدل های ترکیبی تحلیل پوششی داده ها و شبکه های عصبی مصنوعی (neuro/dea) استفاده شد. نتایج تحلیلی کارآیی محاسبه شده واحدها با استفاده از این مدل ها نشان از قدرت بالای شبکه در محاسبه و تفکیک پذیری شرکت ها از نظر کارآیی بود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها (مورد مطالعه: شرکت ملی گاز ایران)

یکی از عمده‌ترین مشکلات استفاده از تحلیل پوششی داده‌ها، ضعف قدرت تفکیک‌پذیری برای واحدهای تصمیم‌گیرنده است. این مسئله اغلب به دلیل کم بودن تعداد واحدها در مقایسه با تعداد ورودی‌ها و خروجی‌های مدل است ] 1[. این مشکل در ارزیابی عملکرد 23 شرکت گاز استانی با توجه به تعداد زیاد ورودی‌ها و خروجی‌های هر شرکت گاز به خوبی خود را نمایان می‌کند. بر این اساس، در این پژوهش برای ارزیابی عملکرد و کارایی شرکت‌...

full text

ارزیابی کارایی شرکت های برق منطقه ای ایران با استفاده از تحلیل پوششی داده ها و شبکه های عصبی

انتخاب متغیرهای ورودی و خروجی در تعیین نمرات کارایی تحلیل پوششی داده‌ها از اهمیت فراوانی برخوردار است. در این پژوهش با استفاده از شبکه عصبی مصنوعی به تعیین ورودی‌ها و خروجی‌های‌ شرکت‌های برق منطقه‌ای پرداخته شده است. کاربرد شبکه عصبی در انتخاب ورودی‌ها و خروجی‌های شرکت‌های برق منطقه‌ای امری است که در ادبیات موضوع سابقه نداشته و مزیت اصلی روش پیشنهادی محسوب می‌شود. به‌‌منظور آموزش شبکه عصبی دو ل...

full text

ارزیابی عملکرد صنایع فناوری اطلاعات با استفاده از (it) رویکرد ترکیبی سروکوال، تحلیل پوششی داده ها و تصمیم گیری چند معیاره ی فازی؛ مورد مطالعه: شرکت همکاران سیستم

در این تحقیق به ارائ هی مدلی جدید در خصوص ارزیابی کارکنان با د رنظ رگرفتن ویژگ یهای شغلی آنانپرداخته م یشود؛ ب هگون های که کارکنان را ن هتنها براساس ویژگ یهای فردی، بلکه براساس ویژگ یهای شغلی کهدر آن مشغول به کار هستند نیز ارزیابی م یکند. این نکته مه مترین ویژگی این تحقیق نسب تبه موارد مشابه قبلیاست. براساس مدل ارائ هشده، برای دو دست هی ویژگ یهای فردی و ویژگ یهای شغلی، معیارها یهای مربوطه باضرا...

full text

ارزیابی عملکرد گروه های آموزشی با استفاده از مدل تحلیل پوششی داده ها

امروزه، به منظور ارزیابی کارایی و بهره وری سیستم های دانشگاهی از مدل های ریاضی تحقیق در عملیات استفاده می شود. این مدل ها مجموعه ی از فعالیت های آموزشی پژوهشی و خدماتی را به عنوان شاخص های ورودی و خروجی در نظر می گیرند و با توجه به میزان اهمیت و تأثیرگذاری هر یک از شاخص ها در مجموعۀ عملکرد، نسبت مجموع موزون خروجی ها بر مجموع موزون ورودی ها به عنوان میزان کارآیی واحدهای تصمیم گیرنده محاسبه می شو...

full text

ارائه مدلی جدید به منظور پیش بینی عملکرد واحدهای تصمیم گیرنده براساس تحلیل پوششی داده های تصادفی فازی

از مهم ترین ابزارها جهت محاسبه کارایی واحدهای تصمیم گیرنده، تکنیک تحلیل پوششی داده ها (DEA) است که برای محاسبه کارایی از ورودی ها و خروجی های گذشته واحدها استفاده می کند. عدم امکان تخمین کارایی، استفاده از ورودی و خروجیهای قطعی و توزیع غیرواقعی اوزان به ورودی ها و خروجی‌ها از نقاط ضعف DEA می باشد. بنابراین در این مقاله در راستای رفع مشکلات مذکور، مدلی جدید با لحاظ عدم قطعیت در تحلیل پوششی داده ...

full text

My Resources

Save resource for easier access later


Journal title:
نشریه مهندسی صنایع

Publisher: پردیس دانشکده های فنی

ISSN 2423-6896

volume 45

issue 1 2011

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023