نوع مقاله : مقاله پژوهشی

نویسندگان

• اعظم پورحبیب یکتا ¹
• مهناز مقبولی ²

¹ استادیار گروه ریاضی، دانشکده ریاضی، دانشگاه آزاد اسلامی واحد صومعه سرا، گیلان، ایران،

² گروه ریاضی، دانشگاه آزاد اسلامی؛ واحد ارس، جلفا، ایران

چکیده

هدف: تحلیل پوششی داده‌ها (DEA) تکنیکی برای تحلیل عملکرد و سنجش میزان کارایی نسبی واحدهای تصمیم گیرنده (DMU) با استفاده از برنامه‌ریزی خطی می‌باشد. در اکثر موارد، مدل‌های DEA واحدهای ناکارا را با استفاده از نقاط مرجع روی مرز مجموعه امکان تولیدی که کارایی پاراتو نیستند، ارزیابی می‌کنند. بنابراین این مدل‌ها معمولا وزن‌های صفر را برای مضارب بهینه ارائه می‌دهند، در نتیجه نمرات کارایی به دست آمده از این واحدها، تمام منابع ناکارایی را توجیه نمی‌کند. هدف ما در این مقاله ارائه مدلی است که وزن‌های غیر صفر را تولید کنند .

روش شناسی: مساله‌ی وزن‌های غیر واقعی اساسا با روش‌های محدودیت وزنی حل شده است. در مدل پیشنهادی برای رسیدن به اهداف خود بر روی وزن های مدل، محدودیت اعمال می کنیم.

یافته ها: در این مقاله یک روش یک مرحله ای بر پایه مدل BBC 1 و با اعمال محدویت وزنی ، برای ارزیابی عملکرد کارایی نسبی واحدهای تصمیم‌گیرنده ارائه شده است که وزن‌های غیر صفر را تضمین می‌کند و از تشایه وزن‌ها جلوگیری می‌کند. بعلاوه نشدنی بودن مدل رخ نمی‌دهد. مدل پیشنهادی ، نیاز به هیچ‌گونه اطلاعات اولیه روی وزن‌ها در طبقه‌بندی واحدها ندارد و این موضوع پیچیدگی مسئله را کاهش می‌دهد.

اصالت/ارزش افزوده علمی: برای تاکید بر قوت روش پیشنهادی، مدل معرفی شده بر روی دو مثال پیاده سازی شده و با نتایج حاصل از مدل های استاندارد BCC ، رامون و همکارانش مقایسه می گردد. نتایج حاصل حاکی از عملکرد بهتر مدل پیشنهادی است.

کلیدواژه‌ها

• تحلیل پوششی داده ها
• کارایی
• محدودیت وزنی
• وزن های ورودی /خروجی

موضوعات

• تحلیل پوششی داده ها

عنوان مقاله [English]

Performance Measurement in Data Envelopment Analysis: A BCC-based Approach

نویسندگان [English]

• azam pourhabibyekta ¹
• Mahnaz Maghbouli ²

¹ Department of Applied Mathematics, sowmesara branch, Islamic Azad University, sowmesara, Iran

² عضو هیات علمی

چکیده [English]

Data Envelopment Analysis (DEA) has been proven as a useful non-parametric method for assessing a set of Decision Making Units (DMUs). Standard Models of DEA assume an optimal set of input and output weights to represent the assessed DMU in the best light in comparison to all other DMUs. Unfortunately, the optimal weights generated may not be strictly positive which has reduced the usefulness of this powerful method. The subject of zero weights or equivalently non-zero slacks has been attracted considerable attention among researchers. In addition, the flexibility of input and output weights in DEA models causes the dispersion. To avoid zero weights, weights restrictions are frequently used in multiplier CCR- DEA model. In this manner, this paper proposes an approach by imposing weight restriction in the absence of expert information, cost or prices in BCC model. To ensure non-zero weights and avoiding dissimilarity between the weights an ancillary criterion for choosing the bounds of weights is employed. The contribution of the proposed model is four folded: (1) Pareto-efficient units are appeared in the reference points of inefficient units. (2) The proposed method based on BCC model produces strictly positive weights and at the same time avoid dissimilar weights. (3) The model does not require any prior information on the weights and especially unit’s classification. (4) The computational effort in the proposed model is substantially less than the other approaches without any infeasibility issues. To elucidate the details of the proposed method, a comparison is made between the existing models in the literature and the proposed method to measure the efficiency of some real cases. The results demonstrate the practicality and superiority of the proposed method in comparison with the existing models.

کلیدواژه‌ها [English]

• Data Envelopment Analysis (DEA)
• efficiency
• weight restriction
• weight dissimilarity
• Input/output Weights