ارتقای قدرت تفکیک‌پذیری در مدل تحلیل پوششی داده‌ها با استفاده از متغیرهای انحراف

در چندین دهۀ گذشته تحلیل پوششی داده‌ها (DEA) به‌عنوان تکنیکی برای ارزیابی عملکرد و اندازه‌گیری کارایی واحدهای تصمیم‌گیری (DMU)، بر اساس داده‌های ورودی ـ خروجی آنها معرفی شد. با وجود این، نقصان و ضعف در قدرت تفکیک‌پذیری و عدم توزیع مناسب وزن‌ها به‌عنوان اشکالات عمده در DEA باقی مانده‌اند. در ادبیات موضوع، مدل‌هایی برای حل این مشکلات ارائه شده است که این مدل‌ها مشکلات دیگری از قبیل ناشدنی بودن دارند. در این مقاله با به‌کار بردن یکی از معیارها از مدل DEA چندمعیاره (MCDEA)که در اواخر دهۀ 1990 میلادی توسعه یافت، اضافه کردن کرانی پایین برای وزن‌ها و همچنین ارائۀ ابتکار و تکنیکی برای تفکیک و رتبه‌بندی همۀ واحدهای تصمیم‌گیری کارا، به‌دنبال برطرف کردن مشکلات اشاره‌شده هستیم. برای تست و سنجش قابلیت متد پیشنهادی در مقابل مدل‌های DEA موجود، به حل و تحلیل نتایج دو مثال عددی می‌پردازیم.