بررسی روش های رتبه بندی برای واحدهای تصمیم گیری در تحلیل پوششی داده ها
چکیده
مدل های ارزیابی کننده کارایی در تحلیل پوششی داده ها(dea) واحدهای تصمیم گیرنده (dmus) تحت ارزیابی را به دو گروه "واحدهای کارا" و "ناکارا" تقسیم می کنند. واحدهای کارا واحدهایی هستند که امتیاز کارایی آنها برابر با "یک" است. واحدهای غیرکارا با کسب امتیاز کارایی قابل رتبه بندی هستند، اما واحدهایی که امتیاز کارایی آنها برابر یک می باشد با استفاده از مدل های کلاسیک تحلیل پوششی داده ها قابل رتبه بندی نیستند و چون معمولاً در ارزیابی نسبی واحدهای تصمیم گیرنده ممکن است بیش از یک واحد کارا باشد، بنابراین رتبه بندی واحدهای کارا مورد توجه است. هدف این پایان نامه معرفی تعدادی مدل رتبه بندی و بررسی نقاط ضعف و قدرت آنهاست. ما مدل های رتبه بندی را در قالب 20 گروه زیر بررسی می کنیم: 1- رتبه بندی بر مبنای الگویابی 2- روش های رتبه بندی کارایی متقاطع 3- رتبه بندی با روش ahp/dea 4- مدل های رتبه بندی ابرکارایی 5- رتبه بندی با روش های لایه ای 6- رتبه بندی بر مبنای تغییر مجموعه مرجع 7- مدل های رتبه بندی با استفاده از نرم ها 8- رتبه بندی با استفاده از sbm 9- رتبه بندی با اعمال محدودیت های وزنی 10- رتبه بندی با وزن های مشترک 11- رتبه بندی با محاسبه یک رویه مشترک 12- رتبه بندی با مدل برنامه ریزی آرمانی و dea 13- رتبه بندی با شاخص تعادل در dea 14- رتبه بندی با بردار گرادیان 15- رتبه بندی با روش مونت کارلو 16- رتبه بندی مبنی بر بهبود خروجی ها 17- رتبه بندی با آمار چند متغیری در dea 18- رتبه بندی واحدهای کارای رأسی و غیر رأسی 19- رتبه بندی واحدهای ناکارا 20- روش های رتبه بندی بر مبنای مرز کاملاً ناکارا