تحلیل پوششی داده ها با استفاده از مدل های گوناگونی می تواند واحدهای تصمیم گیرنده را رتبه بندی نماید. در این پایان نامه روش هایی از رتبه بندی واحدهای تصمیم گیرنده بر مبنای تغییر مجموعه مرجع در مجموعه امکان تولید ثابت و متغیر مورد بررسی قرار گرفته است. کار با ارائه روشی برای رتبه بندی واحدهای تصمیم گیرنده کارای رأسی بر مبنای تغییر مجموعه مرجع آغاز می گردد. در این روش، رتبه بندی هر یک از واحد های کارای بر مبنای حذف این واحد از مجموعه مرجع واحدهای تصمیم گیرنده ناکارا، در مجموعه امکان تولید با بازده به مقیاس ثابت صورت پذیرفته است. این در حالی است که در روش بعدی، رتبه بندی بر مبنای کارایی وابستگی متقاطع (mcde) برای واحدهای کارا و ناکارا و در مجموعه امکان تولید با بازده به مقیاس متغیر صورت پذیرفته است. در روش اخیر، رتبه بندی واحدهای کارا به تغییرات مقدار کارایی واحدهای ناکارا پس از حذف خود این واحدهای کارا از مجموعه ی مرجع و رتبه بندی واحدهای ناکارا به تاثیر حذف هریک از واحدهای کارا از مجموعه ی مرجع وابسته است. درتمام طول تحقیق از این مبنا، به عنوان مبنای وابستگی متقاطع نام برده شده است. در هر دو روش مشکل نشدنی بودن روش ابرکارایی اتفاق نمی افتد و علاوه بر این روش دوم مدلی را جهت رتبه بندی واحدهای ناکارا نیز ارائه می دهد. درپایان دو روش جدید برای رتبه بندی واحدهای تصمیم گیرنده کارا ارائه شده است. در روش پیشنهادی اول، بر مبنای تغییر مجموعه مرجع در مجموعه امکان تولید با بازده به مقیاس متغیر و استفاده از تئوری تصمیم چندمعیاره، روش رتبه بندی جدیدی برای رتبه بندی واحدهای تصمیم گیرنده کارا معرفی می گردد. برای گزینش مناسب ترین انتخاب، در میان تمامی مدل های چند معیاره در تصمیم گیری های پیچیده و در مدل هایی با ویژگی های چندگانه، تکنیک تقدم مرتبه با توجه به شباهت با جواب ایده آل (topsis) در این روش مورد استفاده قرار گرفته است. ماتریس انتخاب ها و معیارها با توجه به میزان تغییر مقدار کارایی واحدهای ناکارا پس از حذف واحدهای کارا از مجموعه مرجع به دست آمده و با توسیع روش topsis بر روی این ماتریس، الگوریتمی برای یافتن بهترین انتخاب در میان تمامی انتخاب ها معرفی می گردد. در روش پیشنهادی دوم، با توجه به میزان تغییر مقدارکارایی واحدهای ناکارا پس از حذف واحدهای کارا از مجموعه مرجع ماتریسی حاصل می شود. با توسیع مدل جمعی بر روی این ماتریس، مدلی برای رتبه بندی واحدهای تصمیم گیرنده کارا معرفی گردیده است.

در روش تحلیل پوششی داده ها فرض می شودکه وضعیت ورودی در مقابل خروجی از هر اندازه کارایی انتخاب شده مشخص است.در برخی شرایط تشخیص اینکه برخی متغیرها از داده ها مشاهده شده ورودی یا خروجی هستند.خیلی مشکل است؛این متغیرها می توانند در برخی از کاربردها به عنوان ورودی ودر برخی دیگر به عنوان خروجی مطرح گردند. در این پایان نامه ابتدا مدل اولیه ای که توسط کوک و ژو ارائه شده را ذکر کرده ایم. و سپس مدل جدیدی براساس تابع فاصله برای طبقه بندی یک معیار ورودی یا خروجیو ارزیابی کارایی واحدهای تصمیم گیرنده به وسیله در نظر گرفتنمعیار انعطاف پذیر ارائه گردیده است.در ادامه به کمک تکنیک شبیه سازی مونت کارلو با تولید عوامل مختلف، مدل ارائه شده و مدل کوک و ژو را مورد تحلیل قرار داده ایم.انتخاب ورودی یا خروجی، معیار انعطاف پذیر وابسته به مقدار کارایی واحد تصمیم گیرنده تحت ارزیابی است.در نهایت این تکنیک برای مجموعه ای از داده های حقیقی به کار گرفته شده است.

تحلیل پوششی داده ها یک مساله برنامه ریزی خطی براساس روش های غیر پارامتری برای ارزیابی کارایی نسبی واحدهای تصمیم گیری متجانس براساس چندین ورودی و چندین خروجی است.مدل های موجود در dea به دو دسته مدل های شعاعی و مدل های غیر شعاعی و غیر شعاعی تقسیم می شوند.مدل های شعاعی تنها با تغییرات متناسب ورودی ها و خروجی ها ارتباط دارند و از متغیرهایکمککی ورودی ها و خروجی ها چشم پوشی می کنند.از طرف دیگر مدل های غیر شعاعی مستقیما با متغیرهای کمکی ورودی ها و خروجی ها در ارتباط هستند. مدل sbm یک مدل غیر شعاعی است که کارایی آن می تواند به کارایی های شعاعی، قیاسی و ترکیبی تجزیه شود. کارایی ترکیبی مقیاسی برای ورودی هایی که مصرف می شوند تا خروجی ها را تولید کنند.اندازه کارایی ترکیبی مرسوم به برخی داده های قطعی نیاز دارد که ممکن است همیشه در کاربردهای دنیای حقیقی در دسترس نباشند. در مسائل دنیای حقیقی داده ها ممکن است فازی یا غیر صریح باشند. در این پایان نامه ابتدا مقدمه ای از تحلیل پوششی داده ها آورده شده است. در ادامه با استفاده از ماهیت های ورودی مدل های ccr فازی و sbm فازی مفهومی از کارایی ترکیبی فازی آورده شده است،سپس روشی برای ارزیابی ضریب همبستگی فازی بین ورودی های فازی و خروجی های فازی با استفاده از مقدار مورد انتظار و در نهایت روشی جدید برای رتبه بندی dmu ها با استفاده از کارایی ترکیبی بررسی شده است.

تحلیل پوششی داده هاdea از زمان معرفی خود درسال 1978 به عنوان ابزاری برای مدیریت و ارزیابی عملکرد، مورد پذیرش بسیاری از محققان و دانشمندان بوده است. کاربردهای بسیاری از dea در مجلات حرفه ای و علمی متنوع در سراسر جهان گزارش شده است. تقریبا همه دستوراتdeaبه طور اساسی درمفهوم خود ارزیابی متمرکز شده است. این پایان نامه چارچوبی برای بهبود تئوری dea با بکارگیری مفهوم ارزیابی متقاطع ارائه می دهد. در ارزیابی واحدهای تصمیم گیرنده تحت ارزیابی، وزنها طوری تعیین می گردندکه کارایی نسبی آنها مستقل و بدون اینکه کارایی سایر واحدها ماکسیمم مقدار را دارا باشند، ماکسیمم گردند. اینکه با این وزنها مقدار کارایی سایرواحدها در چه بازه ای تغییر می کند در این پایان نامه مورد بحث قرار می گیرد و درنهایت این مدل سازی برای 10 شعبه یک بانک تجاری بکار گرفته می شود.

انواع مختلفی از مدل های مکان یابی و تخصیص با توجه به معیارهای مختلف مکان یابی از قبیل هزینه، زمان، پوشش و دسترسی مشتریان به منظور یافتن مکان بهینه حل شده است. در این پایان نامه به فرمول بندی و مدل سازی و حل مسأله ای پرداخته شده است که معیار کارایی تحلیل پوششی داده ها را نیز علاوه بر سایر معیارهای مکان یابی در نظر گرفته و مسأله مکان یابی و تخصیص کارا را حل می نماید. این پایان نامه تأکید بر آن دارد که در نظر گرفتن معیار کارایی dea همزمان با سایر اهداف مکان یابی رویکرد بسیار مناسبی در مسائل مکان یابی چندهدفه دارد.

تکنیک تحلیل پوششی داده ها بر مبنای برنامه ریزی ریاضی، با توجه به مقادیر ورودی ها و خروجی ها، کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده متجانس را محاسبه می کند. یکی از پیش فرض ها و شرایط خاص جهت به کارگیری این تکنیک، مستقل از زمان بودن مقادیر ورودی ها و خروجی ها است. در اغلب کاربردهای عملی، واحدهایی وجود دارند که باید در طی یک زمان معین مورد ارزیابی قرار گیرند، یا اینکه شاخصی مانند ورودی ها و خروجی ها تابعی از زمان باشد، در این حالت ممکن است مدل های کلاسیک قادر به محاسبه کارایی نسبی واحدهای تصمیم گیرنده با حضور داده های وابسته به زمان نباشند. کارایی نسبی و شاخص بهره وری مالم کوئیست که برای محاسبه پیشرفت و یا پسرفت به کار برده می شوند، نشان دهنده ی رفتار این واحدها هستند. در این تحقیق تخصیص منابع تحت شرایطی مورد تجزیه و تحلیل قرار می گیرد که تصمیم گیرنده می تواند، زمان شروع تقاضا از منابع و تعداد دوره هایی که تخصیص این منابع را در پیش دارد، تعیین نماید. در ادامه با ارائه یک برونیاب تکه ای چندجمله ای یکنواخت از مرتبه c^1، ما می توانیم مقدار افزایش و یا کاهش واحد تحت ارزیابی را در یک زمان معین پیش بینی کنیم، و در نهایت روش فوق، با برونیاب حاصل از تعریف یک شبکه ی مناسب در شبکه ی عصبی، مقایسه می گردد.

در این پایان نامه رابطه ا ی معادل بین روش طبقه بندی داده ها و مدل تحلیل پوششی داده ها برقرار می شود و بر اساس آن روش طبقه بندی $dea$ ایجاد می گردد. داده ها به وسیله ی مجموعه ای از مقادیر مشخص می شوند. اگر یک واحد تصمیم گیرنده به یک مجموعه ی خاص تعلق داشته باشد، آن گاه این واحد تصمیم گیرنده طبقه بندی شده است. با توجه به اینکه مقادیر داده شده، به عنوان ورودی ها و خروجی تصنعی با مقدار یکسان 1 است، روی واحدهای تصمیم گیرنده بحث خواهد شد. طبقه بندی یک داده این است که بررسی کنیم که یک داده ی خاص به مجموعه ی امکان تولید که در این پایان نامه دامنه ی پذیرش نامیده می شود، تعلق دارد یا خیر. دامنه ی پذیرش با استفاده از مجموعه ی داده های نمونه ساخته می شود. روش طبقه بندی شامل یک دامنه ی پذیرش و یک تابع طبقه بندی کننده می باشد. شرط پذیرش به کمک یک دستگاه نامعادلات خطی تعیین می گردد و روش فوق روند محاسبات را ساده می کند. سپس طبقه بندی به کمک مخروط اولویت مورد بحث قرار می گیرد که این روش می تواند برای مسائل با اندازه ی بزرگ نیز به کار گرفته شود. همچنین این پایان نامه نشان می دهد که روش طبقه بندی بر اساس مدل های مختلف $dea$ شکل یکسان داشته و هر نوع ماهیت تأثیری در طبقه بندی نخواهد داشت. در عمل روش توسعه داده شده، کارایی محاسباتی بالایی دارد. extbf{واژه های کلیدی:} تحلیل پوششی داده ها، روش طبقه بندی، مخروط اولویت. ind extbf{رده بندی موضوعی 2010:}20lr{m}68 ,99lr{b}90

تحلیل پوششی داده ها یک روش ریاضی است که به ارزیابی کارایی واحدهای تصمیم گیرنده بر اساس ورودی هاو خروجی ها می پردازد. مساله رتبه بندی واحدهای تصمیم گیرنده در بسیاری از کاربردهای تحلیل پوششی داده ها مورد توجه قرار گرفته است. تا به امروز روشهای مختلفی برای رتبه بندی ارائه گردیده است. یکی از این روشها کارایی متقاطع می باشد که بر اساس نمره میانگین هر واحد تصمیم گیرنده در ارزیابی متقاطع نسبت به سایر واحدها به رتبه بندی واحدهای تصمیم گیرنده می پردازد. در این پایان نامه ماتریس کارایی متقاطع تبدیل به ماتریس رتبه بندی متقاطع می گردد، به این شکل که در هر ستون به نمرات کارایی از 1 تا n رتبه داده می شود، سپس با استفاده از سیستم رای دهی و مفهوم وزن مشترک رتبه بندی نهایی صورت می گیرد. در نهابت با استفاده از تحلیل پوششی داده های بازه ای ، این روش رتبه بندی، با داده های بازه ای بررسی می گردد.

ارزیابی عملکرد شعب بانک برای مدیران و تصمیم گیران بانک دارای اهمیت ویژه ای می باشد. تحلیل پوششی داده ها یکی از کاربردی ترین روش ناپارامتریک محاسبه کارایی و رتبه بندی واحدهای تصمیم گیرنده می باشد. اساس این روش مبتنی بر یک سری بهنه سازی و استفاده از برنامه ریزی خطی می باشد. در این تحقیق با استفاده از تکنیک تحلیل پوششی داده ها، مدل دو مرحله ای و هر مرحله به روش ccr ورودی محور که دارای شرایط بازده به مقیاس ثابت می باشد کارایی، اثر بخشی و بهره وری سی شعبه بانک ملت استان تهران در سال 1392 مورد ارزیابی قرار گرفته است و سپس با استفاده از شاخص بهره وری مالم کوئیست میزان پیشرفت و یا پسرفت هر دوره با دوره قبل مورد مقایسه قرار گرفته است. هدف از این تحقیق تعیین و تثبیت شاخص های موثر بر کارایی و اثربخشی شعب بانک و طراحی مدلی برای واحدهای دو مرحله ای برای اندازه گیری کارایی، اثربخشی و بهره وری شعب بانک می باشد. در این تحقیق محاسبات مورد نیاز با استفاده از نرم افزار gams انجام شده است. در انتها نتایج بدست آمده مورد تجزیه و تحلیل قرار گرفته است. نتایج نشان می دهد که تنها یک شعبه در هر سه ماه کارایی،اثربخشی و بهره وری داشته است. همچنین ارزیابی پیشرفت و پسرفت شعب نشان می دهد که در دوره اول هشت شعبه و در دوره دوم سه شعبه پیشرفت داشته اند و شعب دیگر در این دو دوره پسرفت داشته اند.