شاخص منعطف در تحلیل پوششی داده ها

تحلیل پوششی داده ها یک روش غیر پارامتری برای ارزیابی کارایی هر یک از مجموعه های قیاس پذیر نسبت به یکدیگر را فراهم می کند. در این روش داده های مسئله به صورت ورودی و خروجی دسته بندی می شوند. اما در مسائل دنیای واقعی گاهی نمی توان یک عامل را به عنوان ورودی یا خروجی دسته بندی کرد. از این رو مسئله دسته بندی ورودی ها و خروجی ها در تحلیل پوششی داده ها به وجود می آید. به این نوع از عامل ها در اصطلاح "شاخص منعطف " گفته می شود. در این پایان نامه به بررسی و تحلیل مدل هایی می پردازیم که درباره موقعیت شاخص های منعطف بحث می کنند. هم چنین در موقعیت هایی قرار می گیریم که ممکن است عامل های غیر اختیاری که خارج از کنترل مدیریت dmu هاست، وجود داشته باشند که این مسئله منجر به تولید مسائل dea غیراختیاری می شود که در اینجا به بررسی مدل های دسته بندی می پردازیم و در انتها به مقایسه مدل های مذکور در حضور شاخص منعطف پرداخته ایم. هم چنین محاسبه کارایی بوسیله مدل های تحلیل پوششی داده ها همواره با مقادیر قطعی صورت می گیرد، در حالی که در دنیای واقعی در اکثر موارد مقادیر ورودی و خروجی به صورت داده های نادقیق می باشند. در این پایان نامه به معرفی مدل هایی با شاخص منعطف در حالت فازی می پردازیم که تا کنون در این زمینه مدلی ارائه نشده است.