این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیق در عملیات در کاربردهای آن، جلد ۱۴، شماره ۳، صفحات ۰-۰
عنوان فارسی استوار‌سازی مدل‌های DEA برای شناسایی واحدهای دارای بدترین عملکرد
چکیده فارسی مقاله مدل­های کلاسیک تحلیل پوششی داده­ها (DEA) هر یک از واحدهای تصمیم­گیرنده (DMU) را براساس مطلوب­ترین حالت به منظور شناسایی واحدهای دارای بهترین عملکرد مورد ارزیابی قرار می­دهند. درواقع، مدل­های کلاسیک DEA کارایی هر واحد را در مقایسه با کاراترین واحد اندازه­گیری می­کنند و چون در این روش کارایی نسبی محاسبه می­شود بنابراین حداقل یکی از واحد­ها روی مرز کارایی قرار دارد. در مقابل مدل­های DEA کلاسیک، مدل­های دیگری وجود دارند که DMUها را براساس نامطلوب­ترین حالت مورد ارزیابی قرار می­دهند و با تشکیل مرز ناکارایی، واحد­های دارای بدترین عملکرد را شناسایی می­کنند. در این مقاله با استفاده از رویکرد بهینه­سازی استوار، دو مدل برای ارزیابی عملکرد DMUها تحت نامطلوب­ترین حالت ارائه می­شود و هدف به­دست آوردن واحدهای دارای بدترین عملکرد با داده­های دارای عدم قطعیت و بازه­ای می­باشد. همچنین برای تعیین واحدهای دارای بدترین عملکرد، مفهوم ابرکارایی را به کار بردیم و آن را ابرناکارایی نامیدیم. با استفاده از دو مثال عددی قابلیت مدل­های پیشنهادی در ارائه رتبه­بندی مورد اطمینان و شناسایی واحدهای دارای بدترین عملکرد  مورد بررسی قرار گرفته است.  
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Robustness of DEA models to identify worst-practice DMUs
چکیده انگلیسی مقاله An original data envelopment analysis (DEA) model is to evaluate each decision-making unit (DMU) with a set of most favorable weights of performance indices to finding worst-practice DMUs. Indeed classical DEA models evaluate each DMUs compared to the most effective DMU. Since in this way the relative efficiency is calculated, therefore at least one of the DMUs are located on the efficiency frontier. In comparison to classical DEA models, there are other DEA models which evaluate DMUs based on unfavorable scenario and by making the inefficiency frontier, identify the DMUs with worst-practice performance.  The efficient DMUs obtained from the original DEA construct an efficient (best-practice) frontier. In this paper, by using of robust optimization approaches, we proposed two models to evaluate DMUs in the worst-practice sense and our aim is to obtain DMUs with worst-practice performance in problems that faced with uncertainty in data. Also to ranking the DMUs with worst-practice we use the super-efficiency concept and called it super-inefficiency. By using of two numerical example we demonstrate the capability of proposed models in presentation of reliable ranking and finding the worst-practice DMUs.     
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اصغر عرب مالدار | aliasghar arabmaldar
faculty of mathematic
دانشکده ریاضی

فرانک حسین زاده سلجوقی | faranak hosseinzadeh saljooghi
faculty of mathematic
دانشکده ریاضی

نشانی اینترنتی http://jamlu.liau.ac.ir/browse.php?a_code=A-11-1104-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات