این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت صنعتی، جلد ۱، شماره ۲، صفحات ۰-۰
عنوان فارسی رتبه‌بندی کامل واحدهای تصمیم‌گیری با ترکیب DEA چند هدفه و PCA
چکیده فارسی مقاله این مقاله مدلی تلفیقی از تحلیل پوششی داده‌ها (DEA) و تحلیل مولفه‌های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده‌ها ارائه می‌دهد. روش تحلیل پوششی داده‌ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. ‌برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی به تک ورودی استفاده شده است و با استفاده از روش تحلیل مولفه‌های اصلی کاهش بعد انجام می‌شود. مولفه‌های اصلی انتخاب شده به عنوان ورودی‌های مدل تحلیل پوششی داده‌ها استفاده و تحلیل می‌شوند. تفاوت اصلی روش ارائه شده در مقاله بکارگیری برخی نقاط قوت مدل‌های ارائه شده این حوزه در قالب یک روش و چندهدفه ساختن مدل DEA جهت تسهیل در محاسبات است. این روش برای رتبه‌بندی عملکرد شعبه‌های یکی از بانک‌های ایران استفاده شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Combination of DEA and PCA for Full Ranking of Decision Making Units
چکیده انگلیسی مقاله This paper presents a combination of Data Envelopment Analysis (DEA) and Principal Component Analysis (PCA) to reduce the dimensionality of data set. DEA is known as effective tool for assessment and benchmarking. The weak point of DEA, it is that the number of efficient DMUs relies on the number of variables (inputs and outputs). For solving this, first, we do principal component analysis (PCA) on the ratios of a single output to a single input. In order to reduce the dimensionality of data set, the required principal components have been selected from the generated ones according to the given choice principle. Then a linear monotone increasing data transformation is made to the chosen principal components to avoid being negative. Finally, the transformed principal components are treated as outputs into data envelopment analysis (DEA) models. One of the main differences of this model versus previous models is that this one's multi objective model. We used this approach to rank the bank branches of Tehran.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجتبی خزایی |


حمیدرضا ایزدبخش |


نشانی اینترنتی http://imj.ut.ac.ir/article_20362_c393adf9ea2844a8f849b36a5e413c83.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1082/article-1082-209909.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات