رتبه بندی واحدهای تصمیم گیرنده کارا به کمک مدل مبتنی بر متغیرهای کمکی در تحلیل پوششی داده ها
چکیده
تحلیل پوششی داده ها (dea)یک روش غیرپارامتری است که مبتنی بر برنامه ریزی خطی می باشد و برای سنجش کارایی نسبی واحدهای تصمیم گیرنده (dmus)متجانس با چند ورودی و چند خروجی به کار می رود. مدل های dea واحدهای تصمیم گیرنده را به دو گروه واحدهای کارا و واحدهای ناکارا تقسیم می کنند. رتبه بندی dmuهای کارا یکی از مسایل قابل توجه در dea است. در این پایان نامه مدل اندازه گیری کارایی مبتنی برمتغیرهای کمکی(sbm)را مورد مطالعه قرار می دهیم و همچنین مدل اندازه گیری ابرکارایی مبتنی بر متغیرهای کمکی (s-sbm)را برای رتبه بندی واحدهای کارا معرفی می کنیم. سپس به بیان محدودیت های مدل s-sbm می پردازیم و مدلی به نام j-sbm را معرفی می کنیم که تلفیقی از مدل های sbm و s-sbm است و محدودیت های مدل s-sbm را ندارد.