مدل مبتنی برمتغیرهای کمکی شبکه ای با مقادیر میانی نامطلوب در ساختاردومرحله ای
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 387
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RSTCONF01_223
تاریخ نمایه سازی: 30 آبان 1394
چکیده مقاله:
تحلیل پوششی داده ها یک روش غیر پارامتری برای اندازه گیری کارایی واحدهای تصمیم گیرنده است. روش های DEA سنتی درسنجش کارایی و ارزیابی عملکرد فرآیندهای درونی را نادیده می گیرند. مدل های DEA شبکه NDEA در جهت رفع این نقص طرح شدند. یکی از قابلیت های مدل های شبکه این است که برای محاسبه کارایی کل و کارایی هر مرحله به صورت مستقل می توان ازآن استفاده نمود. دربیشتر مدل های NDEA به بحث ورودی ها و خروجی های نامطلوب و روش های برخورد با آنها توجه شده است، در صورتی که محصولات میانی که مهم ترین قسمت تمایز میان DEA سنتی در ارزیابی عملکرد و لحاظ کردن تأثیر قسمت هایمختلف یک DMU بریکدیگر می باشد و درادبیات DEA به عنوان یک شاخص جدید و متمایز از شاخص های بیرونی می باشد مفهوم سازی نشده است. از آن جا که یکی از دلایل ناکارایی واحدها در DEA می تواند به دلیل وجود تراکم در ورودی های آن باشد، آن چه در این مقاله مد نظر قرار دارد بررسی حضور تراکم در محصولات میانی یک مدل دو مرحله ای است که تشخیص و حذف آنمنجربه افزایش کارایی مرحله دوم و کل سیستم می شود. لذا دراین مقاله به معرفی یک مدل مبتنی برمتغیرهای کمکی دو مرحله ایمی پردازیم که مقادیرمیانی در آن به عنوان ورودی مرحله دوم با درنظر گرفتن فاز تراکم معرفی می گردد. با این انتخاب با توجه به نوع مدل مقدار کارایی کلی سیستم افزایش می یابد.
کلیدواژه ها:
نویسندگان
هدی گلشنی
دانشجوی دکتری، ریاضی کاربردی، گروه ریاضی کاربردی،دانشکده علوم پایه و دانشگاه آزاد اسلامی واحد یادگار امام (ره) شهر ری، تهران، ایران
هادی باقرزاده ولمی
استادیار ، دکتری و ریاضی کاربردی،گروه ریاضی کاربردی، دانشکده علوم پایه و دانشگاه آزاد اسلامی واحد یادگارامام(ره)شهر ری، تهران،ایران
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 :