داده های بازه ای بدون محدودیت های علامت در تحلیل پوششی داده ها

تحلیل پوششی داده ها (dea)، یک روش برنامه ریزی ریاضی است که برای ارزیابی عملکرد واحدهای تصمیم گیرنده (dmus) به کار برده می شود. مدل های dea متداول داده های قطعی، دقیق و نامنفی را برای ورودی و خروجی مشاهدات فرض می کنند. اما در برخورد با مسائل جهان واقعی ممکن است با داده های نادقیق (به عنوان مثال بازه ای) و منفی مواجه شویم. داده های نادقیق و داده های منفی هر کدام به روش های مختلف مورد بررسی قرار گرفته اند. اما هیچ مدلی برای داده های نادقیق و منفی به طور همزمان ارائه نشده است. مدل پیشنهادی در این پایان نامه مدل sorm بازه ای است که تعمیمی از مدل sorm است و اندازه ی کارایی را در حضور داده های بازه ای و منفی ارائه می دهد. مدل sorm جدیدترین مدل معرفی شده در ادبیات dea است که داده های مثبت و منفی را در متغیرهای ورودی و خروجی به کار می گیرد.