ساختار تحلیل پوششی داده هابا داده های فازی شهودی (مطالعه موردی: ارزیابی کارایی ایمنی محور در پروژه‌های ساخت و ساز)

هدف: تحلیل پوششی داده ها به‌عنوان یکی از زیرشاخه های کلیدی در برنامه ریزی ریاضی نقش برجسته ای در ارزیابی کارایی واحدهای تصمیم گیری در حوزه های گوناگون یافته است. حوادث مختلف کاری، به ما یادآوری می کند که به توسعه مدل‌های ایمنی در محیط کار توجه بیشتری داشته باشیم. اگرچه پارادایم های مختلف، رویکردهایی برای توصیف و توسعه روش های ایمنی و ارزیابی آن‌ها پیشنهاد کرده‌اند، اما با توجه به شرایط ناشی از ابهام در دنیای واقعی، نیاز به تکمیل و توسعه بیشتر برای گسترش ایمنی و ارزیابی آن‌ها در شرایط عدم قطعیت محسوس می باشد. در این میان، استفاده از اعداد فازی شهودی به علت در نظر گرفتن شاخص هایی همچون عضویت و عدم عضویت داده ها اهمیت ویژه ای دارد.روش‌شناسی پژوهش: در این تحقیق، پس از تجزیه‌وتحلیل و پردازش اولیه، بر اساس مطالعات، ابتدا روش پارامتری و کارآمد برای رتبه بندی اعداد فازی شهودی مقدار انتخاب و مطرح می شود. درستی عملکرد روش انتخابی با توجه به فرمول بندی آن در ساختارهای خطی واضح می باشد. مدل توسعه‌یافته تحلیل پوششی داده ها، فرمول بندی ریاضی آن در شرایط حاکم بر ساختار مدل و رویکرد اجرای آن بیان می شود. مطالعه ای موردی برای تعیین عوامل موثر بر عملکرد ایمنی با استفاده از مدل آورده شده است. علاوه بر رتبه‌بندی واحدها، تحلیل حساسیت به‌منظور رتبه‌بندی شاخص های تعیین شده در ورودی ها و خروجی ها انجام می گیرد. یافته ها: نتایج مدل تحلیل پوششی داده ها با داده های فازی شهودی نشان داد که با افزایش k، تعداد واحدهای کارا افزایش می یابد؛ از طرفی، کمترین و بیشترین کارایی به ترتیب متعلق به دیدگاه بدبینانه (k=0) و دیدگاه متعادل (k=0.5) می باشد. همچنین تحلیل حساسیت نشان داد که دو عامل فشار کاری و میزان آسیب دیدگی ها (جسمی و روحی) به ترتیب، بیشترین و کمترین عوامل ایمنی تاثیرگذار بر نتایج کارایی هستند.اصالت/ارزش افزوده علمی: استفاده از مدل تحلیل پوششی داده ها با داده های فازی شهودی برای ارزیابی عملکرد سایت‌های ساختمانی از بعد ایمنی، می تواند به‌طور معناداری نتایج بهتری فراهم کند زیرا در دنیای واقعی، عدم قطعیت وجود دارد و داده های فازی شهودی، میزان عضویت و عدم عضویت را به‌طور هم‌زمان در نظر می گیرند.

structure of envelopment analysis with intuitive fuzzy data (case study: evaluation of safety-based performance in construction projects)

purpose:data envelopment analysis (dea) as one of the key subfields in mathematical planning has found a prominent role in evaluating the efficiency of decision making units in various fields. various work accidents remind us to pay more attention to the development of safety models in the workplace. although different paradigms have suggested approaches to describing and developing safety methods and evaluating them, given the conditions of ambiguity in the real world, there is a need for further completion and development to extend safety and evaluate them in conditions of uncertainty. the use of intuitive fuzzy numbers is of particular importance due to the consideration of indicators such as membership and non-membership of data. methodology:in this research, after analysis and initial processing, based on studies, a parametric and efficient method for ranking intuitive fuzzy numbers is selected and proposed. the correctness of the performance of the selected method is obvious due to its formulation in linear structures. the developed model of dea, its mathematical formulation are expressed in terms of governing the model structure and its implementation approach. a case study is presented to determine the factors affecting safety performance using the model. in addition to ranking the units, sensitivity analysis was performed to rank the specified indicators in the inputs and outputs. findings: the results of the dea model with intuitive fuzzy data showed that with increasing k, the number of efficient units increases. on the other hand, the lowest and highest efficiencies belong to the pessimistic view (k = 0) and the balanced view (k=0.5), respectively. sensitivity analysis also showed that the two factors of work pressure and the number of injuries (physical and mental) are the most and the least safety factors affecting the efficiency results, respectively. originality/value: using a dea model with intuitive fuzzy data to evaluate the performance of construction sites from a safety perspective can provide significantly better results because in the real world, there is uncertainty, and intuitive fuzzy data considers membership and non-membership at the same time.