یک رویکرد برنامه‌ریزی آرمانی برای توسعه وزن‌های مشترک در تحلیل پوششی داده‌های شبکه‌ای | ||
| مطالعات مدیریت صنعتی | ||
| مقاله 10، دوره 17، شماره 53، تابستان 1398، صفحه 295-319 اصل مقاله (1.02 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/jims.2017.21212.1737 | ||
| نویسندگان | ||
| داود قراخانی* 1؛ عباس طلوعی اشلقی2؛ کیامرث فتحی هفشجانی3؛ فرهاد حسین زاده لطفی4؛ رضا کیانی ماوی5 | ||
| 1دانشجوی دکتری مدیریت صنعتی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2استاد،گروه مدیریت صنعتی ، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی ،تهران، ایران | ||
| 3استادیار، گروه مدیریت صنعتی ، واحد تهران جنوب، دانشگاه آزاد اسلامی ، تهران، ایران | ||
| 4استاد،گروه ریاضی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی ،تهران، ایران | ||
| 5استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی ، قزوین، ایران | ||
| چکیده | ||
| تحلیل پوششی داده‌ها یک تکنیک تحلیلی قدرتمند برای اندازه‌گیری کارایی نسبی مجموعه ای از واحد‌های تصمیم گیری براساس ورودی‌ها و خروجی‌هایشان است. در مدل‌های مرسوم تحلیل پوششی داده‌ها ضعف‌هایی وجود دارد که مهمترین آن‌ها تغییر وزن ورودی‌ها و خروجی‌ها است که باعث می‌شود کارایی واحد‌های تصمیمگیرنده با وزن‌های مختلف سنجیده شود. همچنین مدل‌های مرسوم تحلیل پوششی داده‌ها به شبکه‌ای بودن واحد‌های ارزیابی توجهی نکرده‌اند. در این مقاله ما برای برطرف کردن این ضعف‌ها مجموعه وزن‌های مشترک در تحلیل پوششی داده‌های شبکه‌ای با رویکرد برنامه‌ریزی آرمانی را پیشنهاد می‌کنیم. برای آزمون کارایی و حل مدل پیشنهادی ارائه شده از داده‌های واقعی شرکت‌های بیمه فعال در استان قزوین استفاده شده است. مدل ارائه شده در این مقاله واحد‌های تصمیمگیرنده را روی یک مقیاس یکسان با مجموعه‌ای از وزن‌های مشترک به صورت بی‌طرف ارزیابی می‌کند. مدل پیشنهادی، کمک می‌کند تا سیاست‌گذاران درک بهتری از نقاط قوت و ضعف DMUها داشته باشند و برای ترقی نقاط قوت و رفع ضعف‌ها تلاش کنند و از این طریق کارایی DMUها را بهبود دهند. | ||
| کلیدواژه‌ها | ||
| تحلیل پوششی داده‌ها؛ وزن‌های مشترک؛ تحلیل پوششی داده‌های شبکه‌ای؛ برنامه‌ریزی آرمانی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,485 تعداد دریافت فایل اصل مقاله: 997 |
||