رتبه بندی کامل واحدهای تصمیم گیری با ترکیب dea چند هدفه و pca

رتبه‌بندی کامل واحدهای تصمیم‌گیری با ترکیب DEA چند هدفه و PCA

این مقاله مدلی تلفیقی از تحلیل پوششی داده‌ها (DEA) و تحلیل مولفه‌های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده‌ها ارائه می‌دهد. روش تحلیل پوششی داده‌ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. ‌برای رفع این ضعف ابتدا به جای متغیرهای...

ترکیب DEA فازی و AHP برای رتبه بندی واحدهای تصمیم گیری

یک روش ahp/dea برای رتبه بندی واحدهای تصمیم گیری

از مشخصه های اصلی تحلیل پوششی داده ها، حساس بودن آن نسبت به داده ها می باشد. لذا مدل-های استاندارد نیاز به اندازه گیری دقیق در جمع آوری داده ها دارند که این امر در بسیاری از مسائل جهان واقعی به دلیل عدم دسترسی به ابزار پیچیده اندازه گیری یا بخاطر ماهیت کیفی مسائل امکان پذیر نیست. این نوع داده ها را می توان به صورت بازه ای، فازی، تصادفی، ترتیبی و...بیان نمود. در این پایان نامه در ابتدا روش رتبه...

تحلیل پوششی داده ها و روش نوین IEP /AHP جهت رتبه بندی کامل واحدهای تصمیم گیرنده

تحلیل پوششی داده ها یکی از رویکردهای علمی است که با به کارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد. تحلیل پوششی داده ها‘ تکنیکی ناپارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده با ورودی ها و خروجی های چندگانه است. از آن جا که در مدل های اولیه تحلیل پوششی داده ها اولاً معیار سنجش کارایی‘ معیاری شعاعی است ثانیاً رتبه بندی کاملی از واحدها ارایه نمی شود و این مدل ه...

رتبه بندی واحدهای تصمیم گیری با استفاده از مدل ابرکارایی غیر شعاعی

تحلیل پوششی داده­ها، روشی ناپارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ­ای از واحدهای تصمیم­ گیرنده با ورودی­ها و خروجی­ های چندگانه است. از آنجا که مدل­های تحلیل پوششی داده­ها، واحدهای تصمیم­ گیرنده را به دو دستۀ کارا و ناکارا تقسیم می‎کنند، اغلب تصمیم‎گیرنده‎ها درصدد رتبه‎بندی کاملی از واحدهای تصمیم‎گیرنده هستند. در این نوشتار به توسعۀ مدلی برای رتبه­ بندی واحدهای کارا در تحلیل پوششی دا...

رتبه بندی واحدهای تصمیم گیری با استفاده از وزن های مشترک