Abstract:
تحلیل پوششی دادهها (DEA) رویکردی برای اندازهگیری کارایی نسبی واحدهای تصمیمگیری (DMUهای) دارای ورودیهای متعدد و خروجیهای متعدد با استفاده از برنامهریزی ریاضی است. در مدلهای متعارف DEA، ورودی یا خروجی بودن یک اندازه عملکردی باید معلوم باشد. با این حال در برخی از موقعیتها، یک اندازه عملکردی میتواند برای برخی از DMUها نقش ورودی و برای برخی دیگر نقش خروجی داشته باشد. چنین متغیرهایی را اندازههای انعطافپذیر مینامند. این مقاله رویکرد جدید «DEA با مرز دوگانه» را برای طبقهبندی اندازههای انعطافپذیر معرفی میکند. در رویکرد پیشنهادی، هر اندازه انعطافپذیر طوری به عنوان ورودی یا خروجی طبقهبندی میشود که کارایی DMU مورد ارزیابی بیشینهسازی شود. از این رو طبقهبندی اندازههای انعطافپذیر با استفاده از رویکرد DEAی پیشنهادی، ساده و منطقیتر است. یک مثال در مؤسسات آموزش عالی انگلستان، کاربرد رویکرد پیشنهادی را نشان میدهد.
Data envelopment analysis (DEA) is an approach for measuring the relative efficiency of a set of decision-making units (DMUs) with multiple inputs and multiple outputs using mathematical programming. In conventional DEA models, a performance measure whether as an input or output usually has to be known. However, in some situations, a performance measure can play input role for some DMUs and output role for others. Such variables are called flexible measures. This paper introduces a new “double-frontier DEA” approach for classification of flexible measures. In the proposed approach, each flexible measure is classified as either input or output, so that the efficiency of the DMU under evaluation is maximized. Therefore, classification of flexible measures using the proposed DEA approach is simpler and more logical. An example in UK higher education institution shows applicability of the proposed approach.
Machine summary:
پژوهش هاي نوين در تصميم گيري دوره ٢، شماره ٢، تابستان ١٣٩٦ اندازههاي انعطافپذير در فرايند توليد: رويکرد جديدي بر مبناي تحليل پوششي دادهها با مرز دوگانه حسين عزيزي ١*، عليرضا اميرتيموري 2 ١- استاديار، گروه رياضي، واحد پارسآباد مغان، دانشگاه آزاد اسلامي، پارسآباد مغان، ايران.
__________________________________ حسين عزيزي و همکار ادامه جدول ٣ کارآيي، با در نظر گرفتن کارآيي، با در نظر گرفتن کارآيي، با در نظر گرفتن DMU درآمد پژوهشي به عنوان درآمد پژوهشي به عنوان درآمد پژوهشي به عنوان 2 1 متغير ورودي متغير خروجي متغير انعطافپذير 1 0 0,7317 0,8744 0,7317 20 1 0 0,5898 0,6216 0,5898 21 1 0 0,6640 0,7167 0,6640 22 0 1 0,5536 0,5536 0,6031 23 1 0 0,4641 1,0000 0,4641 24 1 0 0,9517 1,0000 0,9517 25 1 0 0,4251 0,5654 0,4251 26 1 0 0,6986 0,7833 0,6986 27 0 1 0,8088 0,8088 1,0000 28 1 0 0,7755 0,8250 0,7755 29 1 0 0,6267 0,8878 0,6267 30 1 0 0,7283 0,7759 0,7283 31 0 1 0,8407 0,8407 0,8949 32 0 1 1,0000 1,0000 1,0000 33 1 0 0,9260 1,0000 0,9260 34 0 1 1,0000 1,0000 1,0000 35 0 1 0,7316 0,7316 0,8107 36 1 0 0,7816 0,8308 0,7816 37 0 1 0,8064 0,8064 0,8334 38 1 0 0,6204 0,6718 0,6204 39 1 0 0,7401 0,7414 0,7401 40 0 1 1,0000 1,0000 1,0000 41 1 0 0,7956 0,8181 0,7956 42 0 1 0,6426 0,6426 0,9206 43 0 1 1,0000 1,0000 1,0000 44 1 0 0,8832 0,8885 0,8832 45 1 0 0,8477 0,8513 0,8477 46 0 1 0,6884 0,6884 0,6549 47 0 1 0,7947 0,7947 0,8431 48 0 1 0,4679 0,4679 0,8027 49 0 1 0,8355 0,8355 0,8417 50 209 پژوهش هاي نوين در تصميم گيري ________________________________ دوره ٢، شماره ٢، تابستان ١٣٩٦ با اعمال مدل DEA (٤)، نمرات کارايي بدبينانه DMUها را به دست مي آوريم کـه در ستون چهارم جدول ٤ نشـان داده شـدهانـد.