مشخصات مقاله:
عنوان فارسی مقاله:
مدل های تحلیل پوششی داده ها برای ساختارهای شبکه دو مرحله ای توسعه یافته
عنوان انگلیسی مقاله:
DEA models for extended two-stage network structures
کلمات کلیدی مقاله:
تحلیل پوششی داده ها، دو مرحله ای، بازی، مرکزی، کارایی
مناسب برای رشته های دانشگاهی زیر:
مهندسی صنایع
مناسب برای گرایش های دانشگاهی زیر:
برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
2- مدل تحلیل پوششی داده ها
2-1 مدل مرکزی
2-2 مدل غیر مشارکتی
3: یک مثال کاربردی
4-نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Data envelopment analysis (DEA), developed by Charnes et al. [2], is a mathematical programming approach for analyzing the relative efficiency of peer decision making units (DMUs), which have multiple inputs and multiple outputs. Previous works have shown that DEA can be applied in various of settings, such as bank performance [3,4], production planning [5], bankruptcy assessment [6], R&D performance [7], agricultural economics [8], airport performance [9] and other applications [10]. In conventional DEA models,1 DMUs are treated as black-boxes and the internal structure of DMUs is ignored. In recent years, a number of studies have looked at DMUs with network structures (see, e.g., Fare and ¨ Grosskopf [11], Tone and Tsutsui [12], Fukuyama and Weber [13], Castelli et al. [14], Kao [15], Kao and Hwang [16] and Liang et al. [1]). In a survey by Cook et al. [17], the authors point out several approaches in modeling DMUs with a two-stage network structure. Typically, models are developed based upon additive or geometric mean efficiency decompositions. While the network DEA approach of Fare and Grosskopf ¨ [11] can deal with different network structures, it cannot provide an efficiency decomposition or efficiency ratings for sub-DMUs that constitute the entire network DMUs. Using slacks-based models, Tone and Tsutsui [12] develop a network DEA model that evaluate both divisional and overall efficiencies of DMUs.
1- مقدمه
تحلیل پوششی داده ها(DEA)، که توسط چارنز و همکاران(2) ایجاد شده است، یک رویکرد برنامه نویسی ریاضی برای تحلیل کارایی نسبی واحد های تصمیم گیری همتا(DMU) می باشد که دارای چندین ورودی و چندین خروجی است. مطالعات قبلی نشان داده اند که تحلیل پوششی داده ها را می توان در شرایط مختلف نظیر عملکرد بانک(3-4)، برنامه ریزی تولید(5)، ارزیابی ورشکستگی(6)، عملکرد تحقیق و توسعه(7)، اقتصاد های کشاورزی(8)، عملکرد فرودگاه(9) و سایر زمینه ها(10) به کار برد. در مدل های مرسوم تحلیل پوششی داده ها، واحد های تصمیم گیری به صورت جعبه سیاه در نظر گرفته می شوند و ساختار درونی واحد های تصمیم گیری نادیده گرفته می شود. در طی سال های اخیر، برخی از مطالعات به بررسی واحد های تصمیم گیری با ساختار های شبکه پرداخته اند( فیر و گرسوکوپف 2011، تون و تاسوتی 12، فوکویاما و وبر(13)، گاستلی و همکاران 14، کایو 15، کایو و هوانگ 16 و لیانگ و همکاران 1). در مطالعه انجام شده توسط کوک و همکاران(17)، محققان چندین رویکرد را در مدل سازی واحد های تصمیم گیری با ی ساختار شبکه دو مرحله ای، خاطر نشان کرده اند. عموما، مدل ها بر اساس تجزیه کارایی میانگین هندسی توسعه می یابند. اگرچه رویکرد تحلیل پوششی داده های شبکه فیر و گروسکوپف(11) می تواند با ساختار های مختلف شبکه سرو کار داشته باشد، تمی تواند یک رتبه کارایی یا تجزیه کارایی را برای زیر واحد های تصمیم گیری ارایه نمی کند. با استفاده از مدل های جمعی، تون و تستوسی(12) یک مدل تحلیل پوششی داده شبکه ای را توسعه داده اند که هر دو کارایی بخشی و کلی واحد های تصمیم گیری را ارزیابی می کند.