چکیده:
در این پژوهش سعی شده است با ارائه مدلی جدید،نقاط ضعف مدلهای گذشته برطرف شود.مدل ارائه شده برمبنای مدلهای تصمیمگیری چند هدفه طراحی شده است که این مدل با روش حل مسائل چند هدفه به کمک تئوری فازی حل شده و منجر به ایجاد وزنهای مشترک میشود.با بهرهگیری از این مدل هدف اصلی تحقیق یعنی رتبه بهتر واحدهای تصمیمگیری نسبت به مدلهای پایه محقق شده که این موضوع با حل مدل روی یک مثال عددی نشان داده شده است.مدل تحلیل پوششی دادهها مدلی برای محاسبه کارایی واحدهای تصمیمگیری است.در مدلهای قبلی ارائه شده ضعفهایی وجود دارد که مهمترین آنها تغییر وزن ورودیها و خروجیها در مدل است که باعث میشود کارایی واحدهای تصمیمگیری با وزنهای مختلف سنجیده شوند.مسئله مهم این است که چگونه کلیه واحدهای تصمیمگیری با یک وزن سنجیده شوند و همزمان کارایی آنها بهیه شود.
خلاصه ماشینی:
"مدل پایه تحلیل پوششی دادهها به شکل قابل حل توسط روشهای برنامهریزی خطی، نخستینبار توسط چارنز و همکاران1به صورت زیر ارائه شد که به مدل ccr معروف است: -------------- (1)- common benchmark level(cbl) (به تصویر صفحه مراجعه شود) در مدل(1)، vi وزن خروجی i ام، ur وزن ورودی r ام، n تعداد واحدهای تصمیمگیری، xij مقدار خروجی i ام در واحد تصمیمگیری j ام و yrj مقدار ورودی r ام در واحد تصمیمگیری j ام است.
حال مدل(7)به شکلی که در ادامه مورد استفاده قرار میگیرد،میتواند بازنویسی شود: (به تصویر صفحه مراجعه شود) همانطو که ملاحظه میشود فرم یک مسئله چند هدفه به شکل مسئلهای تک هدفه و دارای جواب بهینه و قابل حل توسط نرمافزارهای برنامهریزی خطی تبدیل شد اما وجود ai نشان میدهد توابع هدف همچنان به مقدار بهینه خود نمیرسند و این امر تا حدودی حاصل میگردد.
پس از حل این مدل و بدست آوردن حدود توابع هدف،مدل نهایی برای حل مسئله به صورت زیر نوشته میشود(مدل زیر با آگاهی از این مطلب تنظیم شده است که حداقل هریک از توابع هدف عدد صفر میباشد): (به تصویر صفحه مراجعه شود) bj :تلورانس تغییر توابع هدف با حل مدل(11)توسط نرمافزارهای برنامهریزی خطی جوابهای مسئله بدست میآید که همان وزن ورودیها و خروجیها است.
جوابهای مدل پیشنهادی و مدلهای گذشته (به تصویر صفحه مراجعه شود) یکی از معایب مدلهای پایه تحلیل پوششی دادهها عدم توانایی در افراز واحدهای کارا از یکدیگر و یا به عبارتی وجو عدم یک برای کارایی بسیاری از واحدها است."