رفع نشدنی بودن در مدل ابرکارایی با داده های صفر با تکنولوژی بازده به مقیاس ثابت

تحلیل پوششی داده ها DEA تکنیکی بر پایه برنامه ریزی ریاضی جهت ارزیابی کارایی نسبی واحد های تصمیم گیرنده متجانس توسط چارلز و کوپر و روودز در سال 1978 بوجود آمد .مدلهای کلاسیک DEA فقط قادر به تشخیص واحدهای کارا و نا کارا هستند، برای درک تمایز بین واحدهای کارا ،مدلهای ابرکارایی بوجود آمده است .مدلهای ابرکارایی دارای مشکلاتی میباشند لی وهمکاران 2011 چن و لیانگ 2011 یک مدل تحلیل پوششی داده ها را به منظورنشان دادن به نشدنی بودن در مدل های ابر کارایی ارائه دادند .در این تحقییق ما متذکر می شویم که مدل ان ها هنگامی که ورودی مثبت باشد شدنی است ولی هنگامی که بعضی از ورودی ها صفر باشد مدل می تواند نشدنی باشد مدل انها طوری طراحی شده است که مدل جدید ابر کارایی همواره و هر گاه داده ها نا منفی است شدنی است باید توجه داشت که داده های صفر می تواند مدل ابر کارایی را تحت بازده به مقیاس ثابت نشدنی سازد .حال میخواهیم بر اساس بازده به مقیاس ثابت بررسی نماییم.

Keywords:

تحلیل پوششی داده ها , ابرکارایی , داده های صفر