اخبار و اعلانات

 آمار

تعداد نشریات418
تعداد شماره‌ها10,005
تعداد مقالات83,621
تعداد مشاهده مقاله78,331,492
تعداد دریافت فایل اصل مقاله55,377,762
عزیزی, حسین, امیرتیموری, علیرضا, کردرستمی, سهراب. (1396). مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS. نشریه علمی پژوهشی دانشگاه آزاد اسلامی, 12(41), 73-86.
حسین عزیزی; علیرضا امیرتیموری; سهراب کردرستمی. "مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS". نشریه علمی پژوهشی دانشگاه آزاد اسلامی, 12, 41, 1396, 73-86.
عزیزی, حسین, امیرتیموری, علیرضا, کردرستمی, سهراب. (1396). 'مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS', نشریه علمی پژوهشی دانشگاه آزاد اسلامی, 12(41), pp. 73-86.
عزیزی, حسین, امیرتیموری, علیرضا, کردرستمی, سهراب. مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS. نشریه علمی پژوهشی دانشگاه آزاد اسلامی, 1396; 12(41): 73-86.

مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)
مقاله 6، دوره 12، شماره 41، آذر 1396، صفحه 73-86    اصل مقاله (716.85 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
حسین عزیزی* 1؛ علیرضا امیرتیموری2؛ سهراب کردرستمی3
1گروه ریاضی کاربردی، واحد پارس‌آباد مغان، دانشگاه آزاد اسلامی، پارس‌آباد مغان، ایران
2گروه ریاضی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
3گروه ریاضی، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
چکیده
تحلیل پوششی داده‌ها (DEA) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری (DMUها) است که از ورودی‌های متعدد برای تولید خروجی‌های متعدد استفاده می‌کنند. این مقاله دو DMUی مجازی به نام DMUی ایده‌آل و DMUی آنتی‌ایده‌آل را وارد DEAی بازه‌ای می‌کند. مدل‌های DEAی بازه‌ای به دست آمده به ترتیب DEAی بازه‌ای با DMUهای ایده‌آل و آنتی‌ایده‌آل نامیده می‌شوند. یکی از آنها DMUها را از دیدگاه کارآیی خوشبینانه ارزیابی می‌کند، در حالی که دیگری آنها را از دیدگاه کارآیی بدبینانه ارزیابی می‌کند. این دو کارآیی بازه‌ای متمایز با هم ترکیب می‌شوند و یک شاخص جامع به نام نزدیکی نسبی به DMUی ایده‌آل را درست مانند رویکرد روش ترجیح ترتیب بر اساس شباهت به جواب ایده‌آل در تصمیم چندشاخصی تشکیل می‌دهند. سپس از شاخص نزدیکی نسبی به عنوان سنجش کلی هر DMU استفاده می‌شود و بر مبنای آن یک رتبه‌بندی کلی برای همه‌ی DMUها به دست می‌آید. یک مثال نیز در زمینه‌ی ارزیابی عملکرد بیست شعبه‌ی بانک ارائه خواهد شد که نشان می‌دهد که رویکرد DEAی بازه‌ای پیشنهادی یک روش ساده، مؤثر و عملی برای اندازه‌گیری عملکرد در موقعیت‌های زندگی واقعی است.
کلیدواژه‌ها
تحلیل پوششی داده‌ه؛ داده‌های بازه‌ای؛ واحدهای تصمیم‌گیری ایده‌آل و آنتی‌ایده‌آل؛ TOPSIS؛ نزدیکی نسبی؛ رتبه‌بندی
سایر فایل های مرتبط با مقاله
مراجع
  1. zizi, Hossein, & Ganjeh Ajirlu, Hassan. (2011). Measurement of the worst practice of decision-making units in the presence of non-discretionary factors and imprecise data. Applied Mathematical Modelling, 35(9), 4149-4156. doi: http://dx.doi.org/10.1016/j.apm.2011.02.038
  2. Belton, Valerie, & Vickers, Stephen P. (1993). Demystifying DEA — A Visual Interactive Approach Based on Multiple Criteria Analysis. Journal of the Operational Research Society, 44(9), 883-896. doi: 10.1057/jors.1993.157
  3. Bouyssou, D. (1999). Using DEA as a tool for MCDM: some remarks. Journal of the Operational Research Society, 50(9), 974-978.
  4. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444. doi: http://dx.doi.org/10.1016/0377-2217(78)90138-8
  5. Cook, Wade D., Kress, Moshe, & Seiford, Lawrence M. (1993). On the Use of Ordinal Data in Data Envelopment Analysis. Journal of the Operational Research Society, 44(2), 133-140.
  6. Cook, Wade D., Kress, Moshe, & Seiford, Lawrence M. (1996). Data Envelopment Analysis in the Presence of Both Quantitative and Qualitative Factors. J Oper Res Soc, 47(7), 945-953.
  7. Cooper, W. W., Park, K. S., & Yu, G. (2001a). IDEA (Imprecise Data Envelopment Analysis) with CMDs (Column Maximum Decision Making Units). Journal of the Operational Research Society, 52(2), 176-181. doi: 10.1057/palgrave.jors.2601070
  8. Cooper, W. W., Park, K. S., & Yu, G. (2001b). An Illustrative Application of Idea (Imprecise Data Envelopment Analysis) to a Korean Mobile Telecommunication Company. Operations Research, 49(6), 807-820. doi: 10.1287/opre.49.6.807.10022
  9. Cooper, William W., Park, Kyung Sam, & Yu, Gang. (1999). IDEA and AR-IDEA: Models for Dealing with Imprecise Data in DEA. Management Science, 45(4), 597-607. doi: 10.1287/mnsc.45.4.597
  10. Despotis, Dimitris K., & Smirlis, Yiannis G. (2002). Data envelopment analysis with imprecise data. European Journal of Operational Research, 140(1), 24-36. doi: http://dx.doi.org/10.1016/S0377-2217(01)00200-4
  11. Entani, Tomoe, Maeda, Yutaka, & Tanaka, Hideo. (2002). Dual models of interval DEA and its extension to interval data. European Journal of Operational Research, 136(1), 32-45. doi: https://doi.org/10.1016/S0377-2217(01)00055-8
  12. Hwang, Ching-Lai, & Yoon, Kwangsun. (1981). Multiple attribute decision making: methods and applications: a state-of-the-art survey. Berlin; New York: Springer-Verlag.
  13. Jahanshahloo, G. R., Hosseinzadeh Lotfi, F., Rostamy Malkhalifeh, M., & Ahadzadeh Namin, M. (2009). A generalized model for data envelopment analysis with interval data. Applied Mathematical Modelling, 33(7), 3237-3244. doi: 10.1016/j.apm.2008.10.030
  14. Kao, Chiang, & Liu, Shiang-Tai. (2000a). Data Envelopment Analysis with Missing Data: An Application to University Libraries in Taiwan. The Journal of the Operational Research Society, 51(8), 897-905. doi: 10.2307/254045
  15. Kao, Chiang, & Liu, Shiang-Tai. (2000b). Fuzzy efficiency measures in data envelopment analysis. Fuzzy Sets and Systems, 113(3), 427-437. doi: http://dx.doi.org/10.1016/S0165-0114(98)00137-7
  16. Kim, Soung-Hie, Park, Choong-Gyoo, & Park, Kyung-Sam. (1999). An application of data envelopment analysis in telephone officesevaluation with partial data. Computers & Operations Research, 26(1), 59-72. doi: http://dx.doi.org/10.1016/S0305-0548(98)00041-0
  17. Park, K. S. (2004). Simplification of the transformations and redundancy of assurance regions in IDEA (imprecise DEA). Journal of the Operational Research Society, 55(12), 1363-1366. doi: 10.1057/palgrave.jors.2601824
  18. Park, Kyung Sam, & Kim, Soung Hie. (1997). Tools for interactive multiattribute decisionmaking with incompletely identified information. European Journal of Operational Research, 98(1), 111-123. doi: http://dx.doi.org/10.1016/0377-2217(95)00121-2
  19. Sage, A. P., & White, C. C. (1984). ARIADNE: A knowledge-based interactive system for planning and decision support. Systems, Man and Cybernetics, IEEE Transactions on, SMC-14(1), 35-47. doi: 10.1109/TSMC.1984.6313267
  20. Stewart, Theodor J. (1996). Relationships between Data Envelopment Analysis and Multicriteria Decision Analysis. Journal of the Operational Research Society, 47(5), 654-665. doi: 10.1057/jors.1996.77
  21. Wang, Ying-Ming, Greatbanks, Richard, & Yang, Jian-Bo. (2005). Interval efficiency assessment using data envelopment analysis. Fuzzy Sets and Systems, 153(3), 347-370. doi: http://dx.doi.org/10.1016/j.fss.2004.12.011
  22. Wang, Ying-Ming, & Luo, Ying. (2006). DEA efficiency assessment using ideal and anti-ideal decision making units. Applied Mathematics and Computation, 173(2), 902-915. doi: http://dx.doi.org/10.1016/j.amc.2005.04.023
  23. Wang, Ying-Ming, & Yang, Jian-Bo. (2007). Measuring the performances of decision-making units using interval efficiencies. Journal of Computational and Applied Mathematics, 198(1), 253-267. doi: http://dx.doi.org/10.1016/j.cam.2005.12.025
  24. Zhu, Joe. (2003). Imprecise data envelopment analysis (IDEA): A review and improvement with an application. European Journal of Operational Research, 144(3), 513-529. doi: 10.1016/S0377-2217(01)00392-7
  25. Zhu, Joe. (2004). Imprecise DEA via Standard Linear DEA Models with a Revisit to a Korean Mobile Telecommunication Company. Operations Research, 52(2), 323-329. doi: 10.1287/opre.1030.0072
آمار
تعداد مشاهده مقاله: 325
تعداد دریافت فایل اصل مقاله: 188


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب