تاثیر افزایش تعداد واحدهای تصمیم گیرنده بر کارایی در تحلیل پوششی داده ها

تاثیر افزایش تعداد شاخص ها بر کارایی در تحلیل پوششی داده ها

اصلاح روش سکستون جهت رتبه بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

الگوریتمی کارا برای دسته بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

تحلیل پوششی داده ها و روش نوین IEP /AHP جهت رتبه بندی کامل واحدهای تصمیم گیرنده

تحلیل پوششی داده ها یکی از رویکردهای علمی است که با به کارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد. تحلیل پوششی داده ها‘ تکنیکی ناپارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده با ورودی ها و خروجی های چندگانه است. از آن جا که در مدل های اولیه تحلیل پوششی داده ها اولاً معیار سنجش کارایی‘ معیاری شعاعی است ثانیاً رتبه بندی کاملی از واحدها ارایه نمی شود و این مدل ه...

رتبه بندی و تحلیل حساسیت رتبه های واحدهای تصمیم گیرنده در تحلیل پوششی داده ها بر مبنای ابرصفحه ایده آل

There are many methods for ranking of DMUs. Some of the previous proposed methods may be infeasible and the others cannot rank all DMUs. In this paper,we introduce a new method for ranking of DMUs that is always feasible and can be usd all ranking of all DMUs. the rank of DMUs is acheived based on the ideal hyperplan. The sensitivity of the rank is presented as well. Therefore, in this study, a...

افزایش قدرت تمایز واحدهای تصمیم گیرنده بر پایه کاهش پراکندگی وزنها درتحلیل پوششی داده ها

تحلیل پوششی داده ها (dea)، تکنیکی غیر پارامتری برای اندازه گیری کارایی نسبی واحدهای تصمیم گیرنده با ورودی و خروجی چندگانه، یکی از روشهای بسیار محبوب در بین محققان بوده است. علیرغم محبوبیت این تکنیک غیر پارامتری،شامل چند ایراد از جمله فقدان قدرت تمایز بین  واحدهای کارا و پراکندگی وزن می باشد. در این مطالعه یک روش مبتنی بر dea چند هدفه (mcdea) برای متعادل سازی وزنهای ورودی و خروجی پیشنهاد شده است...