مدل کلی تحلیل پوششی داده های دوهدفه و تعیین فعالیت بهبودیافته

چکیده در این مطالعه، ابتدا ضمن مروری بر مدل های dea به معرفی مدل bi-gdea که توسیعی از مدل gdea است، می پردازیم. تابع هدف این مدل، افزایش خروجی و کاهش ورودی را به طور همزمان در نظر می گیرد و با استفاده از سه پارامتر توانایی ایجاد مدل های کلاسیک dea، را داراست. سپس به بررسی و اثبات خصوصیات کارایی تکنیکی (te) در هریک از مدل ها پرداخته و با مقایسه خواص مطلوب te در مدل های شعاعی و غیر شعاعی dea، امکان انتخاب مدل مناسب برای کاربر ایجاد می شود. همچنین در یکی از مدل های غیر شعاعی (مدل جمعی) تعیین بازده به مقیاس بوسیله متغییرهای کمکی برای واحدهای کارا و ناکارا با روش جدیدی مطرح شده است. در ادامه راهکارهای بهبود واحدهای ناکارا با روش های تصویر کردن روی مرز کارا معرفی می گردد. در این مطالعه با استفاده از مدل bi-gdea، روش بهبود واحدهای ناکارا به صورت نگاشت نقطه به مجموعه ارائه می گردد که در این روش واحد ناکارا به عنوان یک نقطه در فضا به زیر مجموعه امکان تولید تصویر می گردد. تصویر کردن با استفاده از الگوریتم کمینه سازی اختلاف فاصله(dfm) نیز معرفی می شود که نزدیکترین نقطه روی مرز کارا، را برای تصویرکردن dmu ناکارا جستجو می کند. سپس الگوریتم های تعیین ابرصفحه های قوی و ضعیف بیان می گردد. چون مجموعه مرجع برای dmuهای ناکارا در ارزیابی عملکرد از اهمیت ویژه ای برخوردار است، مدلی که قادر به تشخیص dmuهای مرجع باشد، معرفی شده است. در انتها الگوریتمی برای بهبودبخشیدن dmuهای ناکارا بر اساس مدل های کارایی سود که از bi-gdea استفاده می کند، پیشنهاد شده و همچنین الگوریتمی برای بهبودبخشی واحدهای دارای تراکم، روی مرز تراکم معرفی گردیده است.