ارائه یک مدل محاسبه تحلیل پوششی داده های تصادفی برای شبکه دو مرحله ای

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790

فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMRS02_090

تاریخ نمایه سازی: 5 بهمن 1395

چکیده مقاله:

تحلیل پوششی داده ها یک روش محاسبه کارایی واحدهای تصمیم گیرنده متجانس می باشد. مدلهای تحلیل پوششی داده ها برای محاسبه کارایی یک سیستم، معمولا کل سیستم را به عنوان یک واحد تصمیمگیرنده در نظر گرفته و ارتباط فرآیندهای جداگانه درون سیستم را نادیده میگیرد. حال آنکه بسیاری از واحدهای تصمیم گیرنده دارای ساختارهای مرکب و متنوع میباشند که نوع این ساختار و عملکرد این اجزا برکارایی سیستم تاثیرات گوناگون میگذارد . درحالت خاص، در یکی ازمدلها خروجی های اولین مرحله، ورودی مرحله دوم می باشند. خروجی های اولین مرحله، به اندازه های میانی اشاره دارند.. همان طور که می دانیممبنای کار تحلیل پوششی داده ها برنامه ریزی به داده های قطعی می باشد اما در مسائل روزمره اکثر داده ها نادقیق و تصادفی میباشند، برنامه ریزی تصادفی روشی برای مدل سازی و حل مسائل بهینه سازی دارایعدم قطعیت بوده و برنامه ریزی با محدودیت های احتمالی یکی از مهم ترین روش های حل مسائل برنامه ریزی تصادفی می باشد . از آنجا که در بسیاری از مسائل کاربردی مقدار دقیق ورودی ها و خروجی هایواحدهای تصمیم گیرنده کاملاً در دسترس نیست، استفاده از روش های برنامه ریزی تصادفی در تحلیل پوششی داده ها اهمیت خاصی پیدا می کند، لذا در این مقاله الگویی ارائه می دهیم که کارایی شبکه های دو مرحله ای با داده های تصادفی را محاسبه می کند.

کلیدواژه ها:

تحلیل پوششی داده ها ، شبکه های دو مرحله ای ، برنامه ریزی تصادفی

نویسندگان

افسانه حانه

کارشناس ارشد ریاضی کاربردی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • A. Charnes, W.W. Cooper, E. Rhodes, Measuring the efficiencies of ...
  • Charnes A, Cooper WW, Rhodes E. Measuring the efficiency of ...
  • Cooper, WW., Deng, H., Huang, Z., and Li, Sx.(2002) _ ...
  • Fare R, Grosskopf S.Productivity and intermediate products: Afrontier approach. Economics ...
  • Fetti, M., Jackson, P., Jones, W (2001) _ 'European ailines: ...
  • Fetti, M .Jackson, P., Jones, W. (2001) ; 'An empirical ...
  • Land, k., Lovell, C.A.K., Thore, S(1993) ; Chance constrained data ...
  • M. Asgharian, M. Khodabakhshi, L. Neralic, Congestion in stochastic date ...
  • M. Khodabakhshi, A one-model approach based on relaxed combinations of ...
  • _ Khodabakhshi, Chance constrained additive input relaxation model in stochastic ...
  • _ Khodabakhshi, Estimating most productive scale size with stochastic dato ...
  • M. Khodabakhshi, M. Asgharian, An input relaxation measure of efficiency ...
  • M. Khodabakhshi, M. Asgharian, G.N. Gregoriou, (2009). An input-oriented Super ...
  • M. Khodabakhshi, Y. Gholami, H. Khairollahi, An additive model approach ...
  • Sengupta, JK. (1988) ; Rubust efficincy measures in stochastic efficiency: ...
  • Sueyoshi, Toshiyuki.(1999); _ Stochastic DEA for restructure strategy: an application ...
  • نمایش کامل مراجع