تحلیل پوششی داده ها یک روش برنامه ریزی ریاضی برای محاسبه کارایی واحدهای تصمیمگیری میباشد. زمانی که تحلیلپوششی داده ها نمره کارایی واحدها را بدست می آورد ممکن است تعدادی از آنها کارا شوند. حال این سوال پیش می آید از بیناین واحدهای کارا کدام بهترین میباشد. واحدهای ناکارا را میتوان توسط نمره کاراییشان رتبه بندی کرد ولی برای واحدهایکارا باید روشی را ارایه کرد که آنها را رتبه بندی کند.روش هایی زیادی...

در ارزیابی عملکرد سازمان ها و نهادها، مهمترین هدف رتبه بندی واحدها بر اساس میزان اهمیت آنها است. با توجه به اینکه رتبهبندی واحدهای تصمیمگیری در تحلیل پوششی دادهها ممکن است ما را به چندین واحد کارا برساند، همواره انتخاب بهترین واحد کارا از مجموعه واحد های کارا، یکی از مشکلات اصلی در تحلیل پوششی داده ها بوده است. با مجموعه مشترک وزنها می توان به بهترین واحد کارا رسید. در این پایان نامه ، روش های ...

تحلیل پوششی داده ها (DEA) یک تخمین‌گر است. این تخمین‌گر سعی می کند که یک ارتباط بین ورودی های متعدد و خروجی های متعدد و همچنین تکنولوژی تولید را تخمین بزند. DEA واحدهای تصمیم گیرنده (DMU) را به دو بخش واحدهای کارا و واحدهای ناکارا تقسیم بندی می‌کند. در این صورت واحدهای کارا مرجعی برای واحدهای ناکارا خواهد بود. در مدل‌های سنتیDEA بهبود کارایی تنها برای واحدهای ناکارا صورت می گیرد و واحدهای کارا ...

بر اساس طیف کلاسیک دانش تحلیل پوششی داده ها، رفتار مدل های آن با توجه به واحدهای کارا آن ها را برای واحدهای ناکارا به عنوان الگو معرفی می کند؛ حال آنکه هیچ توجهی به الگو گذاری و ارایه ی راهکارهای بهبود برای واحدهای کارا ندارد، به عبارت دیگر، واحدهای کارا در مدل های کلاسیک فاقد الگو است. این در شرایطی است که واحدهای کارا نیز نیاز به پیشرفت دارد و این مساله در رویکرد کلاسیک dea کم‏تر مورد تاکید ق...

از دیدگاه تصمیم­گیرنده (مدیریت) تعیین یک واحد کارا منحصربه­فرد به عنوان کاراترین واحد، همواره از اهمیت ویژه­ای برخوردار بوده است. اگرچه روش­های کلاسیک تحلیل پوششی داده­ها، تصمیم­گیرنده را در تعیین واحدهای کارا و ناکارا یاری می­کند، اما اطلاعات بیشتری در رابطه با واحدهای کارا در اختیار وی قرار نمی­دهند. به­منظور انتخاب کاراترین واحد تصمیم­گیری از میان مجموعه­ی واحدهای کارا، چندین مدل مجموعه وزن­...

در این مقاله ما یک مدل شبکه عصبی برای تشخیص واحدهای تصمیم­گیرنده کارا در تحلیل پوششی داده­ها معرفی می­کنیم. مدل شبکه عصبی پیشنهادی از یک مسئله بهینه­سازی نامقید حاصل می­شود. از دیدگاه تئوری نشان داده می­شود شبکه عصبی پیشنهادی دارای پایداری لیاپانف و همگرای سراسری می­باشد. مدل پیشنهادی تک لایه می­باشد. شبیه سازی نشان می­دهد مدل پیشنهادی قادر به تشخیص واحدهای کارا در تحلیل پوششی داده­ها می­باشد.

در این تحقیق کارایی انرژی محصول گندم در دشت مهیار شهرستان شهرضا، با کمک رویکرد تحلیل پوششی داده (dea) مورد بررسی قرار گرفت. نتایج نشان داد، نهاده آب مصرفی با 5/79% بیشترین و نیروی انسانی با 24/0% کمترین سهم مصرف انرژی را به خود اختصاص داده اند. بهره­وری انرژی، خالص افزوده انرژی و نسبت انرژی ستانده به نهاده در این کشت به­ترتیب 048/0، 34/79 و 63/1 برآورد شد. نتایج بدست آمده از تحلیل پوششی داده­ها...

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...

تحلیل پوششی داده ها اطلاعات زیادی در مورد واحدهای تصمیم گیری کارا ارایه نمی دهد. یکی از روش ها برای رتبه بندی واحدهای تصمیم گیری کارا استفاده از مجموعه مشترک وزن ها است. در این مقاله به منظور رتبه بندی واحدهای کارا چند روش ساده جهت تعیین مجموعه مشترک وزن ها ارایه شده است. در این روش ها، مجموعه مشترک وزن ها با استفاده از نتایج مدل های استاندارد تحلیل پوششی داده ها حاصل می شود. بر خلاف بسیاری از ...

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...