مدلی جدید برای تعیین نقاط اتکا در تحلیل پوششی داده ها
چکیده
تحلیل پوششی داده ها روشی برای ارزیابی عملکرد سازمان ها و واحدهای تصمیم گیری است. این روش واحدها را به چهار دسته شامل: ناکارا، کارای ضعیف، کارای غیر راسی و کارای راسی تقسیم می کند. در این مقاله دسته جدیدی از واحدهای تصمیم گیری کارا به نام نقاط اتکا را معرفی میکنیم که نقش مهمی در شکل مجموعه امکان تولید دارند. یک نقطه اتکا روی اشتراک بین مرز کارایی و قسمت آزاد مرز قرار دارد. در واقع یک نقطه اتکا، کارای راسی است که مرز کارایی ضعیف را می سازد. حذف نقاط اتکا مرز کارایی را تغییر می دهد و باعث حذف ناحیه ای از مجموعه امکان تولید می شود، همچنین تغییر در ورودی یا خروجی آن نیز مرز کارایی را تغییر میدهد و با افزایش ورودی یا کاهش خروجی نقطه جدید همچنان روی مرز بوده و کارای راسی است. ویژگی های یک نقطه اتکا اهمیت آن را آشکار می سازد. با توجه به اهمیت این نقاط، در این مقاله مدلی جدید برای تشخیص نقاط اتکا، با سرعت محاسبه بالاتر معرفی می شود. ابتدا الگوریتم های بیان شده را برای شناسایی این نقاط مطرح نموده، سپس با استفاده از خواص این نقاط مدل جدیدی از جمله روش ابرکارایی اصلاح شده را پیشنهاد می کنیم، این مدل با محاسبات کمتری، نقاط اتکا را شناسایی می کند. با حل مثال عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش ها می پردازیم.
نویسندگان و وابستگی سازمانی
- فرانک حسین زاده سلجوقی — گروه ریاضی، دانشگاه سیستان و بلوچستان، زاهدان، ایران
- زهرا الهی مقدم — گروه ریاضی، دانشگاه سیستان و بلوچستان، زاهدان، ایران