طبقه بندی ورودی و خروجی از دیدگاه بدبینانه

تحلیل پوششی داده ها روشی غیرپارامتری برای محسبه کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده با روودی هاو خروجی های چندگانه می باشد. اما دربسیاری از مسائل ارزیابی عملکرد، نقش بعضی از داده ها به صورت ورودی یا خروجی بهطور قطع مشخص نیست و داده میتواند هم به عنوان ورودی و هم به عنوان خروجی در نظر گرفته شود که چنین مسائلی انعطافبزرگ در بعضی از M پذیر نامیده می شوند. برای حل چنین مسائلی، کوک و ژو مدلی معرفی نمودند که در این مدل به دلیل وجودحالت ها مقدار کارایی درست به دست نمی دهد. لذا طلوع مدلی را ارائه نموده است که در این مدل با به کار بردن تغییراتی در دادهبزرگ را از مدل برداشته است. با توجه به این که، این مدل ها کارایی واحدهای تصمیم گیرنده را از دیدگاه خوشبینانه ارزیابی M ، هاو واحدهای کارا را تعیین می نماید. در این مقاله مدل طلوع را برای به دست آوردن کارایی از دیدگاه بدبینانه توسعه دهیم.

کلیدواژه ها:

بهترین کارایی ، بدترین کارایی ، طبقه بندی ورودی و خروجی