چگونگی بدست آوردن وزنهای مشترک در تجزیه و تحلیل پوششی داده‌ها با استفاده از تصمیم‌گیری‌های چندمعیاره

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,204

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICIORS02_375

تاریخ نمایه سازی: 11 اسفند 1387

Abstract:

مدل تحلیل پوشش داده‌ها یکی از روشهای سنجش کارایی بوده که جهت ارزیابی واحدهای تصمیم‌گیرنده متجانس به کار می‌رود. اما در استفاده از این تکنیک به ازای n واحد تصمیم‌گیرنده جهت بدست آوردن کارایی، نیازمند n بار فرمول‌نویسی هستیم، که در نتیجه مقایسه بین واحدهای تصمیم‌گیرنده در قالب یک وزن مشترک امکان‌پذیر نمی‌باشد و مدل دارای قدرت تشخیص پایینی می‌باشد. از این رو در این مقاله بر آن شدم تا با ارائه یک متدلوژی علمی و با استفاده از تصمیم‌گیری چند معیاری به ارائه وزنهای مشترک برای واحدهای تصمیم‌گیرنده پرداخته و بدین وسیله به بهبود قدرت تشخیص برای انتخاب تکنولوژی بپردازم. این شیوه ارائه شده تصمیم‌گیری چندمعیاره، ارزیابی بازده نسبی واحدهای تصمیم‌گیرنده را با توجه به خروجی‌های چندگانه و یک ورودی منفرد ممکن می‌سازد که تحت عنوان "تکنولوژی روباتیک" مطرح است. نتایج نشان می‌دهد که شیوه ارائه شده، طبقه‌بندی برای واحدهای تصمیم‌گیرنده تحلیل پوششی داده‌ها را با صرفه‌جویی در انجام محاسبات و با در نظر گرفتن وزنهای مشترک ممکن می‌سازد. بر همین اساس با مبنا قرار دادن مقاله کارساک و آهیسکا مثال مورد نظر وی را با روشهای تحلیل پوششی داده‌ها و نیز ترکیب روش‌ تحلیل پوششی داده‌ها با تکنیکهای تصمیم‌گیری چندمعیاره حل نموده سپس به ارزیابی آنها می‌پردازیم.

Authors

بهاره ویسی

مدرس دانشگاه آزاد اسلامی واحد سنندج

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :