تحلیل پوششی داده‌ها، یک تکنیک برنامه‌ریزی ریاضی است که کارایی نسبی چندین واحد تصمیم گیرنده را بر مبنای ورودی‌ها و خروجی‌های مشاهده شده که ممکن است با انواع مقیاس‌های مختلف بیان شوند، محاسبه می‌کند. در این تکنیک این فرض وجود دارد که مقدار عددی دقیقی برای ورودی‌ها و خروجی‌ها مشخص است. ولی بسیاری از اوقات در شرایط واقعی کسب و کار، تعیین مقدار عددی دقیق برای برخی ورودی‌ها و یا خروجی‌ها امکان‌پذیر نیست. در این مقاله، یک مدل نوین تحلیل پوششی داده‌ها ارایه می‌شود که کاربر را قادر می‌سازد تا کارایی واحد تصمیم‌گیری را با در نظر گرفتن داده‌های غیردقیق شناسایی کند و در ادامه از یک مکانیزمی، تحت عنوان روش ماتریس درجه ترجیح، کارایی‌های فازی به‏دست آمده از مدل‌ها مقایسه و رتبه‌بندی می‌شوند. از مزایای مدل پیشنهادی، کاهش زمان اجرای مدل و عدم نیاز به فرضیات از پیش تعریف شده و تلاش‌های محاسباتی زیاد می‌باشد. در این مقاله، کاربردپذیری مدل پیشنهادی در یک مطالعه موردی، برای ارزیابی 10 واحد تصمیم گیری مورد بررسی قرار گرفته است. مقایسه نتایج مدل پیشنهادی با نتایج مدل‌های قطعی، حاکی از قدرت تفکیک بالای مدل پیشنهادی و همبستگی بالای نتایج آن با نتایج مدل‌های قطعی به میزان 867/0 است.

واژه‌های کلیدی: : تحلیل پوششی داده‌ها، منطق فازی، کارایی فازی، ماتریس درجه ترجیح

متن کامل [PDF 329 kb]   (4229 دریافت)