مدلی جدید برای تعیین نقاط اتکا در تحلیل پوششی داده‌ها

تحلیل پوششی داده‌ها روشی برای ارزیابی عملکرد سازمان‌ها  و واحدهای تصمیم‌گیری است. این روش واحدها را به چهار دسته شامل: ناکارا، کارای ضعیف، کارای غیر راسی و کارای راسی تقسیم می‌کند. ‎‎‎‎‏در این مقاله دسته جدیدی از واحدهای تصمیم‌گیری کارا به نام نقاط اتکا را معرفی می­کنیم که نقش مهمی در شکل مجموعه امکان تولید دارند. یک نقطه اتکا روی اشتراک بین مرز کارایی و قسمت آزاد مرز قرار دارد. در واقع یک نقطه اتکا‏‏، کارای راسی است که مرز کارایی ضعیف را می‌سازد. حذف نقاط اتکا مرز کارایی را تغییر می‌دهد و باعث حذف ناحیه‌ای از مجموعه امکان تولید می‌شود، همچنین تغییر در ورودی یا خروجی آن نیز مرز کارایی را تغییر می­دهد و با افزایش ورودی یا کاهش خروجی نقطه جدید همچنان روی مرز بوده و کارای راسی است. ویژگی‌های یک نقطه اتکا اهمیت آن را آشکار می‌سازد. با توجه به اهمیت این نقاط، در این مقاله مدلی جدید برای تشخیص نقاط اتکا، با سرعت محاسبه بالاتر معرفی می‌شود. ابتدا الگوریتم‌های بیان‌شده را برای شناسایی این نقاط مطرح نموده، سپس با استفاده از خواص این نقاط مدل جدیدی از جمله روش ابر­کارایی اصلاح‌شده را پیشنهاد می‌کنیم، این مدل با محاسبات کم­تری‏، نقاط اتکا را شناسایی می‌کند‏. با حل مثال عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش‌ها می‌پردازیم.