بازده به مقیاس و ضایعات به مقیاس در تحلیل پوششی داده ها
چکیده
تحلیل پوششی داده ها به ارزیابی عملکرد واحدهای تصمیم گیری می پردازد. مطالعات روی ارزیابی محیطی نشان می دهد که تمامی مو سسات نه تنها خروجی مطلوب بلکه گاهی خروجی نامطلوب در فعالیت های اقتصادی خود دارند. بازده به مقیاس یک مفهوم اقتصادی و مهم در تحلیل پوششی داده هاست که میزان حداکثر افزایش خروجی به ازای افزایش ورودی را نشان می دهد. تشخیص بازده به مقیاس می تواند در مورد توسعه dmu ها اطلاعات مناسبی را ارائه کند. روشها و تکنیک های زیادی برای طبقه بندی rts ارائه شده است. در این پایان نامه، به یک مفهوم جدید مرتبط با rts ، به نام ضایعات به مقیاس می پردازیم. برای تعیین dts مدلهای محدودی وجود دارد. rts را برای کنترل خروجی های مطلوب و dts را برای کنترل خروجی های نامطلوب به کار می بریم. مقیاس های rts و dts در ارزیابی محیطی dea حائز اهمیت است. کارایی عملیاتی و کارایی محیطی را به ترتیب برای rts و dts بیان می کنیم. dea با dmu های کارا، مرز کارایی را تشکیل داده که با استفاده از آن ها به ارزیابی سایر dmu های ناکارا می پردازد. اگر یک سازمان از نظر عملکرد ناکارا باشد با افزایش خروجی های مطلوب به روی مرز کارایی تصویر می شود و یک سازمان که از نظر محیطی ناکارا باشد با کاهش سطح خروجی های نامطلوب به روی مرز کارایی تصویر می شود. ضمن بررسی مدلهای مقیاس های rts و dts ، انواع rts و dts را تقسیم بندی می کنیم و با تحلیل مدلها به رفع نواقص آنها اقدام می کنیم. در این پایان نامه، به طبقه بندی تحلیل حساسیت rts و dts با استفاده از برنامه ریزی خطی می پردازیم. برخی از خروجی های نامطلوب در هنگام تولید خروجی های مطلوب ایجاد می شوند. در این صورت کاهش خروجی های نامطلوب تفکیک ناپذیر به ناچار با کاهش خروجی های مطلوب تفکیک پذیر همراه است. در پایان نیز به بررسی و تعمیم خروجی های نامطلوب تفکیک ناپذیر و خروجی های مطلوب تفکیک پذیر در مدل غیر شعاعی sbm می پردازیم. با حل مثال های عددی به تشریح روشهای پیشنهادی می پردازیم.