پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,750 |
| تعداد مشاهده مقاله | 115,084,673 |
| تعداد دریافت فایل اصل مقاله | 89,823,116 |
A new DEA model for finding most efficient DMU with imprecise data | ||
| Advances in Industrial Engineering | ||
| مقاله 6، دوره 44، شماره 1 - شماره پیاپی 326624، تیر 2010 اصل مقاله (294.87 K) | ||
| نویسندگان | ||
| Babak Sohrabi؛ Soroush Nalchigar | ||
| چکیده | ||
| Data Envelopment Analysis (DEA) is a widely recognized approach for evaluating the efficiencies of decision making units (DMUs). Because of easy and successful application and case studies, DEA has gained much attention and widespread use by business and academy researchers. The conventional DEA models (e.g. BCC and CCR) make an assumption that input and output data are exact values on a ratio scale. However, in real cases it is not feasible to define and calculate an exact value for some inputs and outputs. Recently, researchers addressed the problem of imprecise data in DEA, in its general form. The term ‘‘imprecise data’’ reflects the situation where some of the input and output data are only known to be placed within bounded intervals (interval numbers) while other data are known only up to an order. This paper, proposes a new DEA model which allows user to find most efficient DMU, considering imprecise data (interval and ordinal data). As an advantage, proposed model in efficient and find most efficient DMU by solving one model, while considering imprecise data. Moreover, applicability of proposed model is illustrated in a supplier selection problem. In this case, 18 suppliers with imprecise data were evaluated and most efficient one has been selected. Finally, results of proposed model were compared with a previously published model in literature. | ||
| کلیدواژه‌ها | ||
| Data Envelopment Analysis؛ imprecise data؛ Interval data؛ Ordinal data؛ Supplier Selection | ||
| عنوان مقاله [English] | ||
| ارائه‌ی یک مدل نوین تحلیل پوششی دادهها برای شناسایی کاراترین واحد تصمیم‌گیری با داده‌های غیر دقیق | ||
| نویسندگان [English] | ||
| بابک سهرابی؛ سروش نالچیگر | ||
| چکیده [English] | ||
| در مدل‌های کلاسیک تحلیل پوششی دادهها (مثل مدل‌های CCR و BCC)،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 ارائه می‌شود که کاربر را قادر می‌کند تا کاراترین واحد تصمیم‌گیری را با در نظر گرفتن داده‌های غیردقیق (بازه‌ای و رتبه‌ای) شناسایی کند. از مزایای مدل پیشنهادی این است که از کارایی محاسباتی بهره‌مندبوده و تنها با یک بار حل کردن آن، کاراترین واحد با داده‌های غیردقیق شناسایی می‌شود. به علاوه در این مقاله، کاربردپذیری مدل پیشنهادی در یک مسئله انتخاب تأمین‌کننده نشان داده شده است. در این مسئله، 18 تأمین‌کننده با داده‌های غیردقیق وجود داشته و مدل پیشنهادی برای شناسایی کاراترین تأمین‌کننده به کار گرفته شده است. همچنین، نتایج مدل پیشنهادی با یکی از مدل‌های پیشین مورد مقایسه قرار گرفته است. | ||
| کلیدواژه‌ها [English] | ||
| انتخاب تأمین‌کننده, تحلیل پوششی دادهها, داده بازه‌ای, داده رتبه‌ای, داده غیردقیق | ||
|
آمار تعداد مشاهده مقاله: 2,601 تعداد دریافت فایل اصل مقاله: 2,816 |
||