بهبود قدرت تشخیص در تحلیل پوششی داده ها

پایان نامه
  • دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده علوم پایه
  • نویسنده نگار بابایی
  • استاد راهنما قاسم توحیدی شبنم رضویان
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1390
چکیده

تحلیل پوششی داده ها روشی برای اندازه گیری کارایی نسبی و به دست آوردن الگو برای واحد های تصمیم گیری و رتبه بندی این واحد ها می باشد. ابرکارایی، یکی از مدل های رتبه بندی می باشد که توسط اندرسن و پیترسن برای رتبه بندی واحدهای کارا ارائه شد. در این پایان نامه دو مدل تعمیم یافته ی ابرکارایی بررسی می گردد که قدرت تشخیص مدل های تحلیل پوششی داده ها را بهبود می بخشد. با توجه به کاربردی بودن dea بهبود و افزایش قدرت ارزیابی و تشخیص آن از نظر مدیریتی اساسی و مهم است . هدف به دست آوردن مدل هایی با قدرت تشخیص بالا نسبت به مدل های معمولی تحلیل پوششی داده ها است. مدل های پیشنهادی بال و همکاران علاوه بر بهبود قدرت تشخیص مدل های تحلیل پوششی داده ها، از انتشار فاحش وزن ها نسبت به میانگین شان جلوگیری می کند و این از امتیازات این مدل ها می باشد. اما از مشکلات مدل ارائه شده در فصل سوم، غیرخطی بودن تابع هدف مدل می باشد. ولی باید توجه داشت به دلیل مینیمم نمودن مجموع اختلاف میان متغیرها، از میانگین شان، مدل سعی می کند از انتشار خطا جلوگیری کند و این موضوع باعث می شود که هریک از وزن های ورودی و خروجی در محدوده ی خاص قرار بگیرند. از ایرادات مدل پیشنهادی در فصل سوم و چهارم، نامفهوم بودن تابع هدف می باشد و این که چگونه از انتشار وزن ها نسبت به میانگین جلوگیری می کند و همچنین روشن است که تابع هدف در این مدل هیچ بحثی از کارائی به میان نمی آورد و باید بعد از حل مدل، آن را به دست آورد. و از امتیازات این مدل، نسبت به مدل فصل سوم، خطی بودن مسئله می باشد. از پیشنهادات برای ادامه ی این موضوع، تعمیم هر دو مدل بال وهمکاران به دیگر مدل های تحلیل پوششی داده ها می باشد و نیز ارائه ی یک مدل خطی، که علاوه بر مینیمم کردن انتشار پراکندگی وزن ها بتواند کارایی را نیز به راحتی به دست آورد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهبود قدرت تشخیص در تحلیل پوششی داده ها

تحلیل پوششی داده ها روشی غیرپارامتری برای ارزیابی کارایی واحدهای تصمیم گیرنده می باشد که بر اساس برنامه ریزی ریاضی‏، کارایی نسبی واحدهای تصمیم گیرنده را تشخیص می دهد. هدف از مدل های تحلیل پوششی داده ها‏، تعیین واحدهای کارا می باشد. که در این ارزیابی‏، وزن های اختصاص داده شده به شاخص ها‏، انعطاف پذیری از خود نشان می دهند‏، یا ممکن است شاخص های واحدهای تصمیم گیرنده دارای بعد بالایی باشند.‏ در نتی...

15 صفحه اول

بهبود قدرت تشخیص در تحلیل پوششی داده ها

تحلیل پوششی داده ها (dea) یک روش عمومی برای اندازه گیری و محک زدن کارایی واحدهای تصمیم گیرنده (dmus) با چندین ورودی و خروجی است. در مبحث dea مشکلاتی نظیر وزن های غیر واقعی ورودی ها وخروجی ها و فقدان تمایز در میان dmuها وجود دارد. این تحقیق دو روشی که هدف آن بهبود قدرت تمایز dea بدون نیاز به اطلاعات ترجیحی اضافی است، تحلیل میکند. مشکلات وابسته به تمایز بیشتر زمانی رخ میدهد که تعداد زیادی متغیر ن...

15 صفحه اول

روشvahp برای افزایش قدرت تشخیص تحلیل پوششی داده ها

استفاده بهینه منابع موجود همیشه برای بشر جذاب بوده است. و راهکار های مختلفی برای یک مسئله به کار گرفته شده است تا حداکثر استفاده از منابع موجود انجام شود. محدودیت در سرمایه، نیروی انسانی، انرژی و غیره مدیران را مجبور کرده تا راه هایی را برای استفاده از این منابع پیدا کند. در حقیقت آگاه بودن از کارایی واحد های تحت نظارت مدیران مهم ترین کاری است که برای مدیریت کردن این منابع وجود دارد ؛ البته با ...

15 صفحه اول

بهبود روش تحلیل پوششی داده ها به منظور خوشه بندی مشتریان اعتباری بانک ها

رقابت بین مدیران سازمان های صنعتی و خدماتی برای تامین نیازهای مالی و اعتباری خود از طریق دریافت تسهیلات بانکی به صورت روزانه در حال افزایش است. از طرف دیگر منابع مالی و اعتباری بانک‌ها و موسسات مالی برای ارائه تسهیلات به متقاضیان محدود می‌باشد. بر این اساس تخصیص بهینه منابع محدود مالی با هدف حداکثر نمودن ارزش سرمایه گذاری برای آنها یک ضرورت می-باشد. در این تحقیق پس از شناسایی معیارهای اعتباردهی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده علوم پایه

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023