روش های جدید برای تعیین بازده به مقیاس در مدل های تحلیل پوششی داده های محدودشده ی وزنی

تحلیل پوششی داده ها (dea) روشی شناخته شده برای ارزیابی کارایی واحدهای تصمیم گیری می باشد. مفهوم بازده به مقیاس یکی از موضوعات اساسی در تحلیل پوششی داده ها است که محققان زیادی روی آن مطالعه کرده اند. در واقع بازده به مقیاس تعیین می کند که چگونه تولید یک واحد تصمیم گیری کارای تکنیکی به وسیله ی تغییر در مقیاسش اصلاح می شود. در ضمن، تحمیل محدودیت های وزن به عنوان یک عامل مهم شناخته شده است، وقتی که dea برای شرایط واقعی و مدل های متعدد بکار برده می شود. تاکنون روش های زیادی برای تعیین بازده به مقیاس در مدل های dea دارای محدودیت های وزن توسط محققان مطرح شده است. مقایسه ی این روش ها و انتخاب بهترین روش از نظر پیچیدگی محاسباتی، جهت تسهیل در اجرای پروژه های بزرگ، امری مهم و ضروری است. به همین دلیل، روش های جدیدی برای تعیین بازده به مقیاس در مدل های dea محدودشده ی وزنی ارائه شده که در حد امکان حجم محاسبات مورد نیاز را کاهش می دهد. در این پایان نامه، به بررسی این روش ها می پردازیم.