استفاده از روش بوت استرپ برای یافتن واحدهای تصمیم گیری موثر در تحلیل پوششی داده ها

بررسی روش های رتبه بندی برای واحدهای تصمیم گیری در تحلیل پوششی داده ها

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،

بررسی کارآیی واحدهای تصمیم گیری توسط تحلیل پوششی داده های فازی با یک مثال کاربردی

تحلیل پوششی داده هایک فن غیرپارامتری برای اندازه گیری و ارزیابی کارآیی نسبی مجموعه ای از واحدهای تصمیم گیرنده است. در جهان واقعی، شاید همواره داده های ورودی و خروجی معمولی در دسترس نباشند، خصوصا وقتیکه ورودیها و خروجی های واحدهای تصمیم گیرنده شامل اعداد فازی و یا در حالت خاص شامل

دسته بندی واحدهای تصمیم گیری در تحلیل پوششی داده ها

تحلیل پوششی داده ها روشی برای ارزیابی عملکرد سازمانها و واحدهای تصمیم گیری است. این روش واحدها را به چهار دسته شامل: ناکارا، کارای ضعیف، کارای غیر راسی، کارای راسی تقسیم می کند. ‎‎ ‎‎ ‏در‎ این پایان نامه دسته جدیدی از واحد های تصمیم گیری به نام نقاط اتکا را معرفی می کنیم. یک نقطه

ارزیابی کارآیی متقاطع یک مجموعه از واحدهای تصمیم گیری در تحلیل پوششی داده ها

ارزیابی کارآیی متقاطع روشی موثر و مهم برای مقایسه و رتبه بندی dmuها است. این عمل می تواند با فرمولاسیون اهداف و روش های متفاوت برای رفع نیازهای کاربردی متفاوت ، انجام شود. در این تحقیق برخی مدل های جایگزین ارزیابی کارآیی متقاطع dea جهت ارائه گزینه های روش شناختی بیشتر برای dm جهت

رتبه بندی متقاطع واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

تحلیل پوششی داده ها یک روش ریاضی است که به ارزیابی کارایی واحدهای تصمیم گیرنده بر اساس ورودی هاو خروجی ها می پردازد. مساله رتبه بندی واحدهای تصمیم گیرنده در بسیاری از کاربردهای تحلیل پوششی داده ها مورد توجه قرار گرفته است. تا به امروز روشهای مختلفی برای رتبه بندی ارائه گردیده است

رتبه بندی متقاطع واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

تحلیل پوششی داده ها ( dea ) یک مدل ریاضی است که کارایی نسبی واحد های تصمیم گیرنده با چند ورودی و چند خروجی را ارزیابی می کند. در برخی از کاربردهای dea رتبه بندی واحدها از اهمیت بالایی برخوردار است. در این زمینه روش های متعددی معرفی شده اند، که یکی از آن ها روش کارایی متقاطع است.

ارائه مدلی جدید به منظور پیش بینی عملکرد واحدهای تصمیم گیرنده براساس تحلیل پوششی داده های تصادفی فازی

از مهم ترین ابزارها جهت محاسبه کارایی واحدهای تصمیم گیرنده، تکنیک تحلیل پوششی داده ها (DEA) است که برای محاسبه کارایی از ورودی ها و خروجی های گذشته واحدها استفاده می کند. عدم امکان تخمین کارایی، استفاده از ورودی و خروجیهای قطعی و توزیع غیرواقعی اوزان به ورودی ها و خروجی‌ها از نقا

طراحی رویکردی هیبریدی به منظور‎ ‎پیش بینی عملکرد واحدهای تصمیم گیرنده براساس تحلیل پوششی داده های تصادفی فازی و ‏تکنیک pca‏

چکیده تحلیل پوششی داده ها یک تکنیک مدیریتی برای ارزیابی عملکرد واحدهای تصمیم گیرنده است. در راستای اهمیت پیش بینی عملکرد واحدها، این مقاله به ارائه یک رویکرد هیبریدی براساس تحلیل پوششی داده های تصادفی فازی (fsdea) و تکنیک تجزیه و تحلیل مؤلفه های اصلی (pca) می پردازد. از آنجا که ا

پیدا کردن کاراترین واحد تصمیم گیری در تحلیل پوششی داده ها

اگرچه تمایز بین همه واحدهای تصمیم گیری کارا (dmuها) با کارایی یکسان یک موضوع خیلی مهمی در تحلیل پوششی داده ها می باشد، ولی کار ساده ای نیست، به ویژه زمانی که تصمیم گیرنده بخواهد یک و تنها یک dmuی کارا را از بین همه واحدهای تصمیم گیری کارا انتخاب کند. تعدادی مقاله وجود دارند که رو

اصلاح روش سکستون جهت رتبه بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها

رتبه بندی و تحلیل حساسیت رتبه های واحدهای تصمیم گیرنده در تحلیل پوششی داده ها بر مبنای ابرصفحه ایده آل

There are many methods for ranking of DMUs. Some of the previous proposed methods may be infeasible and the others cannot rank all DMUs. In this paper,we introduce a new method for ranking of DMUs that is always feasible and can be usd all ranking of all DMUs. the rank of DMUs is

الگوریتمی کارا برای دسته بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها