تعیین مجموعه ی مشترک وزن ها و ارائه ی کاربردهای آن

تحلیل پوششی داده ها روشی شناخته شده برای ارزیابی کارایی واحدهای تصمیم گیری (dmu)می باشد .بدین منظور لازم است برای هر واحد تصمیم گیری وزنی در نظر گرفته شود که این وزن ها از مدل های مضربی dea بدست می آیند. dea اجازه می دهد که dmu ها به صورت انفرادی جهت ارزیابی کارایی شان، وزن های ورودی و خروجی را با بیشترین مطلوبیت نسبت به خودشان انتخاب کنند . این انعطاف پذیری در انتخاب وزن ها باعث می شودکه اغلب بیش از یک واحد به عنوان واحد کارا در تحلیل پوششی داده ها ارائه گردد و در نتیجه قادر به متمایز ساختن این واحدها به طور کامل نخواهد بود . در حقیقت این مدل ها فقط واحدها را به دو گروه کارا و ناکارا تقسیم بندی می کنند. تابه حال راه حل های مختلفی در جهت بر طرف کردن این مشکل ارائه شده است. یکی از این روش ها تعیین وزن مشترک برای تمام واحدها ی تصمیم گیری می باشد .هدف این پایان نامه معرفی مدل هایی است که تاکنون برای بدست آوردن وزن مشترک ارائه شده و در آن مزایا و کاربردهای استفاده از وزن مشترک برای dmu ها نیز مورد بررسی قرار گرفته است.