تحلیل پوششی داده ها علمی است که به ارزیابی عملکرد واحدهای تصمیم گیرنده می پردازدو واحدهای ناکارا را تاحد ممکن به مرز کارایی نزدیک می کند. یکی از حالتهایی که واحد تحت ارزیابی ناکارا است زمانی است که واحد تحت ارزیابی دارای تراکم می باشد یعنی با افزایش ورودی، خروجی گاهش می یابد. ما به بررسی مدلها وروشهای تشخیص این رویداد اقتصادی پرداخته ایم. باتعیین بازده به مقیاس می توان در مورد توسعه یا تحدید واحدها، تصمیم گرفت بنابراین به تعیین نوع بازده به مقیاس با توجه به مجموعه امکان تولید تراکم پرداختیم. با آنالیز حساسیت واحدهای دارای تراکم می توان این واحدها را تاحد ممکن از ناحیه تراکم خارج کرد بنابراین به آنالیز حساسیت واحدهای دارای تراکم ومیزان تغییرات ورودیه برای خروج از ناحیه تراکم پرداخته شد و روشها و الگوریتمهایی برای بهبود واحدهای ناکارا و نزدیک کردن آنها به مرز کارایی بیان شده است.

در این مطالعه به معرفی مدل های dea بازه ای می پرازیم و آن را در دو حالت بررسی می کنیم. بخش اول کارایی بازه ای را با استفاده از داده های قطعی ارزیابی می کند و مدل هایی که در این بخش ارزیابی می شود کارایی واحد مورد نظر را از دیدگاه بهترین و بدترین، مورد ارزیابی قرار می دهند. در این مدل ها با تعریف واحدهای کارای dea و ناکارای dea تعیین مرز کارایی و ناکارایی انجام می شود. در بخش دوم کارایی بازه ای با استفاده از داه های بازه ای مطرح می گردد و به دلیل وجود کران های بالا و پایین برای بازه ها بعضی از مدل هایی که ارائه می شوند به بررسی واحد مورد ارزیابی در مطلوبتریتن شرایط و نامطلوبترین شرایط می پردازند و همچنین با تلفیقی از مطلوبتری و نامطلوبترین شرایط با حالات دیگری که مرز داده ها نسبت به هم قرار دارند به ارزیابی واحد مورد نظر می پردازند. در اینجا نیز مانند دادهای قطعی هدف شناسلیی واحدهای کارا و ناکارای dea می باشد و همچنین تعیین مرز کارایی و ناکارایی و نحوه قار گرفتن این واحدهای بازه ای بر روی مرز بسیار مهم است. در انتها با توجه به تنوع و انعطاف بیشتر مدل های موجود در dea بازه ای با داده قطعی از تکنیک های که در ساخت این مدل ها موجود است استفاده می شود و مدل هایی ارائه می شوند که سعی در بهبود بخشیدن به دقت ارزیابی مدل های پیشین دارد.

چکیده در این مطالعه، ابتدا ضمن مروری بر مدل های dea به معرفی مدل bi-gdea که توسیعی از مدل gdea است، می پردازیم. تابع هدف این مدل، افزایش خروجی و کاهش ورودی را به طور همزمان در نظر می گیرد و با استفاده از سه پارامتر توانایی ایجاد مدل های کلاسیک dea، را داراست. سپس به بررسی و اثبات خصوصیات کارایی تکنیکی (te) در هریک از مدل ها پرداخته و با مقایسه خواص مطلوب te در مدل های شعاعی و غیر شعاعی dea، امکان انتخاب مدل مناسب برای کاربر ایجاد می شود. همچنین در یکی از مدل های غیر شعاعی (مدل جمعی) تعیین بازده به مقیاس بوسیله متغییرهای کمکی برای واحدهای کارا و ناکارا با روش جدیدی مطرح شده است. در ادامه راهکارهای بهبود واحدهای ناکارا با روش های تصویر کردن روی مرز کارا معرفی می گردد. در این مطالعه با استفاده از مدل bi-gdea، روش بهبود واحدهای ناکارا به صورت نگاشت نقطه به مجموعه ارائه می گردد که در این روش واحد ناکارا به عنوان یک نقطه در فضا به زیر مجموعه امکان تولید تصویر می گردد. تصویر کردن با استفاده از الگوریتم کمینه سازی اختلاف فاصله(dfm) نیز معرفی می شود که نزدیکترین نقطه روی مرز کارا، را برای تصویرکردن dmu ناکارا جستجو می کند. سپس الگوریتم های تعیین ابرصفحه های قوی و ضعیف بیان می گردد. چون مجموعه مرجع برای dmuهای ناکارا در ارزیابی عملکرد از اهمیت ویژه ای برخوردار است، مدلی که قادر به تشخیص dmuهای مرجع باشد، معرفی شده است. در انتها الگوریتمی برای بهبودبخشیدن dmuهای ناکارا بر اساس مدل های کارایی سود که از bi-gdea استفاده می کند، پیشنهاد شده و همچنین الگوریتمی برای بهبودبخشی واحدهای دارای تراکم، روی مرز تراکم معرفی گردیده است.

ارزیابی عملکرد یک موسسه در مقایسه با موسسات مشابه و تعیین نقاط قوت و ضعف عملکرد آن، یکی از مسائل مهم تصمیم گیری در دنیای امروز است. تحلیل پوششی داده ها از مناسب ترین روش ها برای ارزیابی عملکرد واحدهای تصمیم گیری است. برای کنترل مستمر موسسات نیاز به ارزیابی پویا است، اما اکثر روش های تحلیل پوششی داده ها در فضای ایستا ارائه شده اند و ارزیابی در طی دوره های زمانی نادیده گرفته شده است. در این پایان نامه برخی از شیوه ها و تکنیک های تحلیل پوششی داده ها در محیط پویا معرفی می شود. معمولا در مدل های اولیه تحلیل پوششی داده ها، فرض بر این است که داده ها کمّی و معین هستند، اما در ارزیابی عملکرد، اغلب اوقات با داده های کیفی و نامعین روبرو هستیم. در این پایان نامه به تشریح برخی از روش های حل مدل های تحلیل پوششی داده ها با داده کیفی پرداخته و کران بالای مقدار کارایی واحدهای تحت ارزیابی از یک مسئله برنامه ریزی خطی محاسبه می شود. همچنین از این روش ها در حل مدل پویا با داده کیفی استفاده می گردد. به علاوه در بخشی مجزا، تحلیل پوششی داده ها با ورودی و خروجی های نامطلوب بررسی شده است.

در ارزیابی عملکرد براساس کارایی، واحدهای تصمیم گیری به دو دسته واحدهای کارا و ناکارا تقسیم بندی می شوند. برای آنکه واحدهای ناکارا بتوانند عملکردشان را بهبود بخشند، نیاز به یک الگو دارند که با پیروی از آن بتوانند به کارایی دست یابند. از جمله ویژگی هایی که یک الگو باید داشته باشد، آن است که الگو باید به نحوی قابل اجرا بوده، یعنی یک الگوی معین که بتواند یک قالب را برای واحد تصمیم گیری کارا ارائه دهد. همچنین الگو باید از میان واحدهای کارای موجود معرفی شود و مجازی نباشد. برای این منظور از مدل های تحلیل پوششی داده ها (dea) در معرفی الگوی مناسب برای واحدهای ناکارا استفاده می شود. روش هایی که براساس مدل های dea در انتخاب الگوی واقعی مورد بررسی قرار گرفتند: ترازبندی واحدهای تصمیم گیری (dmu) و یافتن مسیر مناسب به سمت الگو، روش حداقل فاصله از واحد کارا تا واحد ناکارای تحت بررسی و انقباض ورودی ویژه و یافتن ورودی تأثیرگذار بر ناکارایی واحد تصمیم گیری می باشد. همچنین انتخاب الگو از میان مرجع ثابت با استفاده از ترازبندی dmuها، روش هایی براساس تأثیر انقباض ورودی ویژه بر ترازبندی dmuها و مراحل الگوبرداری، استفاده از نرم با حفظ حداقل فاصله در انتخاب الگو از جمله روش هایی است که براساس مدل های dea پیشنهاد دادیم. بنابراین با استفاده از مدل های dea و ایجاد روش هایی براساس این مدل ها، واحدهای تصمیم گیری تحت بررسی قرار داده می شوند و الگوی مناسب برای واحدهای ناکارا معرفی می شود.

تحلیل پوششی داده ها روشی غیرپارامتری برای ارزیابی کارایی واحدهای تصمیم گیرنده می باشد که بر اساس برنامه ریزی ریاضی‏، کارایی نسبی واحدهای تصمیم گیرنده را تشخیص می دهد. هدف از مدل های تحلیل پوششی داده ها‏، تعیین واحدهای کارا می باشد. که در این ارزیابی‏، وزن های اختصاص داده شده به شاخص ها‏، انعطاف پذیری از خود نشان می دهند‏، یا ممکن است شاخص های واحدهای تصمیم گیرنده دارای بعد بالایی باشند.‏ در نتیجه در ارزیابی عملکرد به دلیل انعطاف پذیری و بالا بودن بعد داده ها‏، تعداد واحدهای کارا زیاد می باشد و قدرت تشخیص ‎‎‏تحلیل پوششی داده ها کاهش می یابد. در این پایان نامه به بررسی علل انعطاف پذیری‏، کاهش بعد و شناسایی بهترین واحدهای کارا می پردا‏زیم. بعد از مروری بر تحلیل پوششی داده ها‏، به معرفی روش هایی برای جلوگیری از انعطاف پذیری وزن های ورودی و خروجی‏، روش تحلیل مولفه های اصلی و روش ترکیبی تحلیل پوششی داده ها و گرام-اشمیت برای کاهش بعد داده ها‏، روش برنامه ریزی آرمانی برای بهبود قدرت تشخیص و روش ترکیبی تحلیل پوششی داده ها و آنالیز تشخیص برای تعیین بهترین واحد را مطرح می کنیم.

دربررسی مدل ها و کاربرد علوم ریاضی در مهندسی عموما فرض بر دقیق بودن داده هاست ولی در جهان واقعی بیشتر داده ها نادقیق و بصورت فازی می باشند. دستگاه معادلات فازی نقش مهمی را در علوم مختلف مانند مهندسی، فیزیک و آمار ایفا می کنند. در این پایان نامه دستگاه معادلات فازی که ماتریس ضرایب آن قطعی و مقادیر سمت راست آن فازی هستند بررسی، همچنین روش هایی برای حل این دستگاه ها معرفی می شود. ابتدا روش های که توسط فریدمن، روشی بر پایه تئوری بازه ها و روشی بر پایه برنامه ریزی خطی برای حل دستگاه معادلات فازی ارائه شده مطرح و سپس این روش ها برای حالتی که دستگاه معادلات ناسازگار است، بررسی می شود. جواب کمترین مربعات فازی بر پایه معکوس مور- پن روز ماتریس ضرایب برای این نوع از دستگاه معادلات فازی را ارئه نموده و این روش ها را برای حل دستگاه معادلات ماتریس فازی گسترش می دهیم. بر پایه نتایج عددی به دست آمده از این روش ها برای حل دستگاه معادلات فازی، روشی را که همواره جواب فازی با کمترین خطا ارائه می دهد را معرفی کرده ایم.

تحلیل پوششی داده ها روشی برای ارزیابی عملکرد سازمانها و واحدهای تصمیم گیری است. این روش واحدها را به چهار دسته شامل: ناکارا، کارای ضعیف، کارای غیر راسی، کارای راسی تقسیم می کند. ‎‎ ‎‎ ‏در‎ این پایان نامه دسته جدیدی از واحد های تصمیم گیری به نام نقاط اتکا را معرفی می کنیم. 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 می سازد. حذف نقاط اتکا مرز کارایی را تغییر می دهد و باعث حذف ناحیه ای از مجموعه امکان تولید می شود. نقطه اتکا دارای این ویژگی نیز می باشد که تغییر در ورودی یا خروجی آن، مرز کارایی را تغییر داده و با افزایش ورودی یا کاهش خروجی نقطه جدید هنوز روی مرز بوده و کارای راسی می باشد. از این رو ویژگی های یک نقطه اتکا اهمیت آن را آشکار می سازد. با توجه به اهمیت این نقاط، در این پایان نامه روش هایی که سریعتر نقاط اتکا را شناسایی می کند، پیشنهاد می دهیم. در ابتدا الگوریتم های بیان شده برای شناسایی این نقاط را مطرح می کنیم و سپس با استفاده از خواص این نقاط روش های مختلفی از جمله روش ابرکارایی اصلاح شده را که با محاسبات کمتری‏، نقاط اتکا را شناسایی می کند‏، پیشنهاد می کنیم. با حل مثال عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش ها می پردازیم.

مدل تحلیل پوششی داده ها ‎ ‎(dea)‎ ‎ برای ارزیابی کارایی فعالیت ها معرفی شده و به سرعت در زمینه تئوری و کاربردی گسترش یافته است. علاوه بر ارزیابی عملکرد‏‏، می توان از ‎ dea ‎ در سایر زمینه های تشخیص نیز استفاده نمود. از جمله این موارد‏، کاربرد ‎ dea ‎ در مساله مکان یابی‏، مساله ترابری و برنامه ریزی ‎‏صفر و ‎یک‎ می باشد که در این پایان نامه به آن ها پرداخته می شود. ‎ ‏در این پایان نامه‏ بعد از مروری بر مفاهیم پایه‏، ترکیب مدل های مکان یابی با مدل های ‎ dea ‎ مطرح می شود. در این مورد‏، مدل های جدید موجب تکمیل بعضی از مدل ها می شود. علاوه بر آن‏، کاربرد ‎‎ ‎dea‎ ‎‏، کارایی امکانات را ماکزیمم می کند. ‏سپس مدلی جدید برای مساله مکان یابی با ظرفیت امکان نامحدود پیشنهاد داده ایم که تابع هدف مدل به مینیمم سازی هزینه و مسافتی که امکانات برای برآوردن تقاضاها طی می کنند و همچنین به ماکزیمم سازی سود و کارایی امکانات می پردازد. استفاده از ‎ dea ‎ در مساله حمل و نقل به مدل های حمل و نقل تعمیم یافته منجر می شود که از کارایی به جای هزینه در یافتن مسیرهای ممکن برای حمل و نقل استفاده می کند. با توجه به این که مدل های مطرح شده حجم محاسبات ‏بالایی دارد‏، مدلی جدید برای مساله حمل و نقل تعمیم یافته با استفاده از ‎ ‎dea‎ ‎ ارائه می شود که حجم محاسبات را ‏به میزان قابل توجهی کاهش می دهد. در پایان‏، ‎ dea ‎ برای یافتن جواب های موثر مسائل برنامه ریزی خطی چند هدفه ‎صفر و ‎یک‎ بکار گرفته می شود با این تفاوت که تعداد ‎dmu‎ ‎ها از قبل مشخص نمی باشد و ‎ ‎dmu‎ ‎ها در طول فرایند تخصیص‏، تولید می شوند

در این پایان نامه با استفاده از گسترش روز افزون نظریه بازی ها در تمامی مفاهیم و مباحث‏‏، به بررسی ‏نظریه بازی های تحلیل پوششی داده ها پرداخته می شود. ابتدا مفاهیم اولیه در تحلیل پوششی داده ها بیان می شود‏، سپس مدل های موجود در نظریه بازی ها که منطبق بر مفاهیم تحلیل پوششی داده ها است مورد بحث قرار می گیرد. مدل های موجود در نظریه بازی ها‏ برای گسترش یک مدل ارزیابی و پیش بینی ورشکستگی با استفاده از تحلیل پوششی داده ها و تابع تخصیص به کار گرفته می شود. در ادامه با استفاده از تئوری مجموعه های راف و تلفیق آن با یک مدل جدید تحلیل پوششی داده ها و نظریه بازی ها در زمینه ورشکستگی‏، روند کار نشان داده می شود و با تشکیل یک سیستم اطلاعاتی و استفاده از شاخص ها‏، ورشکستگی و کارایی محاسبه می گردد. در این حالت سیستم اطلاعاتی و اعداد در مجموعه های راف در نظر گرفته می شود و نتایج حاصل از این تلفیق مورد بحث قرار می گیرد. در نهایت با استفاده از نظریه بازی ها و معضل خودخواهی که در راستای مسائل تصمیم گیری است‏، یک روند کلی محاسباتی را ‏برای دستیابی سهم هر یک از مسئولین پزشک و بیمار در رسیدن به صرفه جویی های درمانی و اقتصادی به کار گرفته و نتایج حاصل از این تحقیق ارائه می شود.

تحلیل پوششی داده ها به ارزیابی عملکرد واحدهای تصمیم گیری می پردازد. مطالعات روی ارزیابی محیطی نشان می دهد که تمامی مو سسات نه تنها خروجی مطلو‏ب بلکه گاهی خروجی نامطلوب در فعالیت های اقتصادی خود دارند. بازده به مقیاس یک مفهوم اقتصادی و مهم در تحلیل پوششی داده هاست ‏که میزان حداکثر افزایش خروجی به ازای افزایش ورودی را نشان می دهد. تشخیص ‎بازده به مقیاس ‏‎‎‎می تواند در مورد توسعه ‎‎ ‎ dmu ها اطلاعات مناسبی را ارائه کند. روشها و تکنیک های زیادی برای‏ طبقه بندی‏ ‎ ‎rts‎ ‎ ارائه شده است. در این پایان نامه، به یک مفهوم جدید مرتبط با ‎ ‎rts‎ ‏،‎ به نام ضایعات به مقیاس می پردازیم. برای تعیین ‎ dts ‎‎ مدلهای محدودی وجود دارد. ‎ rts ‎ را‎‏ برای کنترل خروجی های مطلوب و ‎ dts ‎ را برای کنترل خروجی های نامطلوب به کار می بریم. مقیاس های ‎ rts ‎ و ‎ dts ‎ در ارزیابی محیطی ‎ dea ‎ حائز اهمیت است. کارایی عملیاتی و‏ کارایی محیطی را به ترتیب برای ‎ rts ‎ ‎‎ و ‎ dts ‎ بیان می کنیم. ‎ ‎dea‎ ‎ ‏ با‏‎‎‏ ‎ ‎dmu‎ ‎‏ های‎‎ کارا‏، مرز کارایی را تشکیل داده که با استفاده از آن ها به ارزیابی سایر ‎‎‎ ‎dmu‎ ‎‏ های ناکارا می پردازد. اگر یک سازمان از نظر عملکرد ناکارا باشد با افزایش خروجی های مطلوب به روی مرز کارایی تصویر می شود و یک سازمان که از نظر محیطی ناکارا باشد با کاهش سطح خروجی های نامطلوب به روی مرز کارایی تصویر می شود. ضمن بررسی مدلهای مقیاس های ‎ ‎rts‎ ‎‏ و ‎ ‎dts‎ ‎‏‏، انواع rts‎ و ‎dts‎ ‎‏‏‎‎‎ را تقسیم بندی می کنیم و با تحلیل مدلها به رفع نواقص آنها اقدام می کنیم. در این پایان نامه‏، به طبقه بندی تحلیل حساسیت ‎ rts و ‎ ‎dts‎ ‎ با استفاده از برنامه ریزی خطی می پردازیم. برخی از خروجی های نامطلوب در هنگام تولید خروجی های مطلوب ایجاد می شوند. در این صورت کاهش خروجی های نامطلوب ‏تفکیک ناپذیر به ناچار با کاهش خروجی های مطلوب تفکیک پذیر همراه است. در پایان ‏نیز به بررسی و تعمیم خروجی های نامطلوب تفکیک ناپذیر و خروجی های مطلوب تفکیک پذیر در مدل غیر شعاعی ‎ ‎sbm‎ ‎می پردازیم. با حل مثال های عددی به تشریح روشهای پیشنهادی می پردازیم.

ارزیابی عملکرد یک موسسه در مقایسه با موسسات مشابه و تعیین نقاط قوت و ضعف عملکرد آن، یکی از مسائل مهم تصمیم گیری در دنیای امروز است. تحلیل پوششی داده ها از مناسب ترین روش ها برای ارزیابی عملکرد واحدهای تصمیم گیری است. یکی از کاربردهای مهم این تکنیک در سال های اخیر، تخصیص هزینه می باشد. تخصیص باید به گونه ای منصفانه در بین واحدهای تصمیم گیری توزیع شود که موجب بهبود یا حفظ کارایی شود. در این پایان نامه، برخی از مدل ها و تکنیک های تخصیص هزینه را با به کارگیری تحلیل پوششی داده ها معرفی می کنیم که خود شامل دو دسته می باشند، دسته اول شامل مدل هایی است که موجب بهبود کارایی می شود و دسته دوم مدل هایی را در بر دارد که به حفظ کارایی می پردازند. سپس تأثیر تخصیص هزینه بر بازده به مقیاس بررسی می شود. بعلاوه مدل های تخصیص هزینه با ورودی ها و خروجی های نامطلوب و نادقیق را بررسی می کنیم.

تحلیل پوششی داده ها، ابزاری برای ارزیابی عملکرد واحدهای تصمیم گیری است. در مدل های تحلیل پوششی داده ها هر مدل دارای یک مرز تولید است. در ارزیابی عملکرد، شناخت مرزها اطلاعات مفدی را برای تصمیم گیرنده خواهد داشت. مرزها مهمترین معیار برای ارزیابی عملکرد واحدهای تصمیم گیری است. شناخت مرزها در مدل های تحلیل پوششی داده ها سبب می شود تا تصمیم گیرنده پیشنهادی برای بهبودبخشی واحدهای ناکارا ارائه دهد. با استفاده از نوع مرز می توان اطلاعاتی در باره مجموعه امکان تولید سیستم تحت ارزیابی بدست آورد. در تشکیل هر مرز عواملی روی ساختار مرز تاثیرمی گذارد. اصول موضوعه مدل های تحلیل پوششی داده ها یکی از عواملی است که که بر ساختار هر مرز تاثیر می گذارد. مرز کارایی مرزی است که هر واحد تصمیم گیرنده روی آن در بهترین حالت تولید خود قرار دارد. در مقابل مرزکارایی، مرز ناکارایی تعریف می شود که ناکاراترین واحدهای تصمیم گیری روی مرز ناکارایی قرار دارند. مرزهای کارایی قابلیت جابجایی دارند که در تحلیل حساسیت مرزها به تفصیل به آن می پردازیم. مرزها می توانند روی انواع پوسته ها تشکیل شوند. برای این منظور، نحوه ارزیابی کارایی واحدهای تصمیم گیری را روی پوسته محدب تشریح می نماییم. معیاری جدید برای ارزیابی کارایی واحدهای تصمیم گیری معرفی می کنیم که مرز تشکیل شده با این معیار، شبیه مرز تشکیل شده روی پوسته محدب واحدهای تصمیم گیری است. در این تحقیق، ابتدا اصول موضوعه مدل های تحلیل پوششی داده ها را بر ساختار هر مرز بررسی می نماییم. با استفاده از دو اصل، اصل شمول و اصل کوچکترین فضا، مدلی جدید به نام مدل پوسته نامحدب را پیشنهاد می دهیم. سپس نحوه ارزیابی کارایی در پوسته محدب واحدهای تصمیم گیری را شرح می دهیم. هم چنین روشی برای نحوه ارزیابی کارایی داده های بازه ای با استفاده از مرزهای کارایی و ناکارایی ارائه می نماییم. در ادامه به بررسی پایایی مدل های تحلیل پوششی داده ها نسبت به انتقال آفین داده ها می پردازیم. در پایان کاربردهای مرزها را معرفی می نماییم.

طراحی شبکه توزیع زنجیره تامین، جزو مسائل استراتژیک سازمان است که پس از اجرا به سختی قابل بازگشت است. عدم توجه به این موضوع منجر به افزایش هزینه و کاهش رضایت مندی مشتری می شود. هدف طراحی شبکه توزیع زنجیره تامین تعیین بهینه تعداد، مکان و ظرفیت کارخانه و انبار و تعیین بهترین استراتژی برای توزیع محصول از کارخانه به انبار و از انبار به مشتری است. به دو دلیل تحقیقات فعلی قادر به طراحی شبکه توزیع زنجیره تامین مناسب نیستند: اولا از آنجایی که طراحی شبکه توزیع زنجیره تامین یک نوع برنامه ریزی بلند مدت است، پارامترهای آن نیز باید برای بلند مدت تخمین زده شوند، اما عموما تخمین های موجود دارای چنین ویژگی نیستند و عمدتا بر اساس داده های گذشته هستند و برای پیش بینی آینده نزدیک کاربرد دارند. از طرفی چون سرمایه گذاری نسبتا زیادی بر اساس داده هایی که دارای قابلیت اطمینان کم هستند، صورت می گیرد، بنابراین مناسب است تا پارامترهای مدل، تصادفی در نظر گرفته شوند. ثانیا اکثر تحقیقات موجود، تعداد سطوح ظرفیت در دسترس را تنها به یک سطح محدود می کنند که در عمل با شرایط واقعی متفاوت است. بنابراین مناسب است تا گزینه های مختلفی برای ظرفیت تسهیلات در نظر گرفته شود. این تحقیق مسئله طراحی شبکه توزیع دو سطحی چند محصولی با تابع تقاضای تصادفی و کارخانه ها و انبارهای چند ظرفیتی در سیستم زنجیره تامین را در نظر گرفته و به طور هم زمان به تعیین بهترین استراتژی برای توزیع محصول از کارخانه ها به انبارها و از انبارها به مشتری ها می پردازد. برای این مسئله یک برنامه ریزی تصادفی دو مرحله ای بر اساس سناریو، با هدف کمینه کردن هزینه کل ارائه می شود. سپس برای حل مدل پیشنهادی به شکل کارا، روش تجزیه بندرز پیشنهاد می شود. به منظور ارزیابی مدل یک مثال عددی ارائه شده که نتایج حاصل از آن نشان دهنده کارایی روش پیشنهادی است. هم چنین دو مثال عددی برای حالت های تک محصولی و چند محصولی به منظور اولویت بندی استفاده از کارخانه ها برای تامین تقاضای انبارهای توزیع و انبارهای توزیع برای تامین تقاضای خرده فروش ها و نحوه جایگزین شدن کارخانه ها هنگامی که تقاضای انبارهای توزیع افزایش پیدا می کند و انبارهای توزیع هنگامی که تقاضای خرده فروش ها افزایش پیدا می کند، ارائه شده است. در نهایت نتایج مدل با مدل امیری (2006) مقایسه شده است که نشان می دهد مدل ارائه شده برتر از مدل امیری است.

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.

امروزه تعیین کارایی و ارزیابی عملکرد یک بحث مهم در مسائل علمی است، ویژگی های منحصر به فرد روش های تحلیل پوششی داده ها (dea)، آن را به روش مناسبی برای ارزیابی عملکرد تبدیل کرده است. مدل های (dea) علاوه بر قابلیت اندازه گیری کارایی، توانایی تشخیص نوع بازده به مقیاس را که، میزان حداکثر افزایش خروجی به ازای افزایش ورودی را نشان می دهد، نیز دارند. تشخیص نوع بازده به مقیاس می تواند اطلاعات مفیدی در رابطه با توسعه واحدهای تصمیم گیرنده(dmu) ارائه کند. در مدل های اساسی dea، اعم از شعاعی و غیر شعاعی فرض بر این است که تمامی ورودی ها و خروجی ها در اختیار مدیر dmu باشند، اما در جهان واقعی شاخص هایی وجود دارند که کاهش یا افزایش مقادیر آن ها در اختیار مدیریت نیست، این شاخص ها را شاخص های شبه ثابت می گویند. علاوه بر این، در مسائل واقعی مداخله دولت و مراجع بالاتر، قوانینی را برای واحدها ایجاد می کند تا واحدها در چارچوب قوانین تعیین شده فعالیت کنند، به شاخص هایی که این قوانین را شرح می دهند، شاخص های قانونمند می گویند. علاوه بر قانونمندی که توسط مراجع بالاتر و مداخله دولت صورت می گیرد، برخی از متغیرها در یک dmu، توسط قوانین و ویژگی های محیط بر dmuها تحمیل می شود که به این متغیرها، متغیرهای قانونمند محیطی می گویند. در این پایان نامه مفهوم شاخص های شبه ثابت و شاخص های قانونمند و همچنین متغیرهای قانونمند محیطی را بیان کرده و تاثیر آن ها را بر مدل های اساسی dea، اعم از شعاعی و غیر شعاعی بررسی می کنیم . سپس نحوه ارزیابی کارایی را در مدل های ارائه شده بیان خواهیم نمود و نشان می دهیم که این شاخص ها بر اندازه گیری کارایی تاثیر گذار هستند. علاوه بر این به بررسی تاثیر شاخص های شبه ثابت و قانونمند بر تععین نوع بازده به مقیاس نیز می پردازیم و نشان می دهیم که حضور این شاخص های در مدل های dea تاثیر اساسی بر تعیین نوع بازده به مقیاس دارد.

امروزه مسئله تصمیم گیری و ارزیابی معیارها و گزینه های موجود یکی از مسائل مهم در حیطه مدیریت است. یکی از تکنیک های تصمیم گیری با استفاده از داده های کمی، تصمیم گیری چندمعیاره می باشد. مدیر با استفاده از تکنیک های تصمیم گیری چندمعیاره، می تواند با در نظر گرفتن معیارهای متفاوت برای تصمیم گیری، منطقی تر تصمیم سازی نماید. یکی از روش های تصمیم گیری چندمعیاره، تحلیل پوششی داده ها می باشد. تحلیل پوششی داده ها، یک روش غیرپارامتری قدرتمند برای ارزیابی کارایی واحدهای تصمیم گیرنده است، که هر یک از واحدهای تصمیم گیری تعدادی از ورودی ها را به تعدادی از خروجی ها تبدیل می کنند. در این پایان نامه به ارائه و معرفی برخی از روش های تصمیم گیری چندمعیاره از جمله تحلیل پوششی داده ها، فرایند سلسله مراتبی و تاپسیس می پردازیم. در ابتدا به معرفی مدل های تلفیقی تحلیل پوششی داده ها و فرایند سلسله مراتبی پرداخته و مدل جدیدی از تلفیق مدل های تحلیل پوششی داده ها و فرایند سلسله مراتبی ارائه می دهیم. سپس به برررسی روش های گروهی مبتنی بر تحلیل پوششی داده ها می پردازیم. در ادامه مدل های تلفیقی تحلیل پوششی داده ها با تاپسیس را بیان کرده و تکنیک وزن مشترک را برای مدل های تحلیل پوششی داده ها با واحدهای تصمیم گیری ایده ال و ضد ایده ال ارائه می دهیم. همچنین مدل های مطرح شده توسط ژو و همکاران را برای یافتن حداکثر و حداقل وزن مطلوب بیان کرده و تعمیمی از این مدل ها را برای یافتن گزینه ارجح مطرح می کنیم و در نهایت مدل های ‎‎‏تحلیل پوششی کراندار و ‎ deahp‎ با پارامترهای فازی را ارائه می دهیم.

در این پژوهش، مدل سازی فازی - عصبی به منظور ارزیابی جنبه های یادگیری دانش آموزان ارائه شده است.