مجله تحقیق در عملیات در کاربردهای آن ( ریاضی کاربردی سابق )

مدل­های کلاسیک تحلیل پوششی داده­ها (DEA) هر یک از واحدهای تصمیم­گیرنده (DMU) را براساس مطلوب­ترین حالت به منظور شناسایی واحدهای دارای بهترین عملکرد مورد ارزیابی قرار می­دهند. درواقع، مدل­های کلاسیک DEA کارایی هر واحد را در مقایسه با کاراترین واحد اندازه­گیری می­کنند و چون در این روش کارایی نسبی محاسبه می­شود بنابراین حداقل یکی از واحد­ها روی مرز کارایی قرار دارد. در مقابل مدل­های DEA کلاسیک، مدل­های دیگری وجود دارند که DMUها را براساس نامطلوب­ترین حالت مورد ارزیابی قرار می­دهند و با تشکیل مرز ناکارایی، واحد­های دارای بدترین عملکرد را شناسایی می­کنند. در این مقاله با استفاده از رویکرد بهینه­سازی استوار، دو مدل برای ارزیابی عملکرد DMUها تحت نامطلوب­ترین حالت ارائه می­شود و هدف به­دست آوردن واحدهای دارای بدترین عملکرد با داده­های دارای عدم قطعیت و بازه­ای می­باشد. همچنین برای تعیین واحدهای دارای بدترین عملکرد، مفهوم ابرکارایی را به کار بردیم و آن را ابرناکارایی نامیدیم. با استفاده از دو مثال عددی قابلیت مدل­های پیشنهادی در ارائه رتبه­بندی مورد اطمینان و شناسایی واحدهای دارای بدترین عملکرد  مورد بررسی قرار گرفته است.