یک رویکرد برنامه‌ریزی آرمانی برای توسعه وزن‌های مشترک در تحلیل پوششی داده‌های شبکه‌ای

تحلیل پوششی داده‌ها یک تکنیک تحلیلی قدرتمند برای اندازه‌گیری کارایی نسبی مجموعه ای از واحد‌های تصمیم گیری براساس ورودی‌ها و خروجی‌هایشان است. در مدل‌های مرسوم تحلیل پوششی داده‌ها ضعف‌هایی وجود دارد که مهمترین آن‌ها تغییر وزن ورودی‌ها و خروجی‌ها است که باعث می‌شود کارایی واحد‌های تصمیم‌‌گیرنده با وزن‌های مختلف سنجیده شود. همچنین مدل‌های مرسوم تحلیل پوششی داده‌ها به شبکه‌ای بودن واحد‌های ارزیابی توجهی نکرده‌اند. در این مقاله ما برای برطرف کردن این ضعف‌ها مجموعه وزن‌های مشترک در تحلیل پوششی داده‌های شبکه‌ای با رویکرد برنامه‌ریزی آرمانی را پیشنهاد می‌کنیم. برای آزمون کارایی و حل مدل پیشنهادی ارائه شده از داده‌های واقعی شرکت‌های بیمه فعال در استان قزوین استفاده شده است. مدل ارائه شده در این مقاله واحد‌های تصمیم‌گیرنده را روی یک مقیاس یکسان با مجموعه‌ای از وزن‌های مشترک به صورت بی‌طرف ارزیابی می‌کند. مدل پیشنهادی، کمک می‌کند تا سیاست‌گذاران درک بهتری از نقاط قوت و ضعف ‌dmuها داشته باشند و برای ترقی نقاط قوت و رفع ضعف‌ها تلاش کنند و از این طریق کارایی dmuها را بهبود دهند.

A Goal Programming Approach for Development of Common Weights in Network DEA

Data Envelopment Analysis (DEA) is a powerful analytical technique for measuring the relative efficiency for a set of Decision Making Units (DMUs) based on their inputs and outputs. There are weaknesses in conventional models DEA. Most important of which is the weight shift input and output which makes the efficiency of Decision Making Units with different weights measured. A characteristic of Traditional DEA models is that it allows DMUs to measure their maximum efficiency score with the most favorable weights. As well as the conventional DEA models are not focused network of evaluation units. In this paper we propose to correct the weaknesses the common set of weights (CSW) in network DEA model based on the Goal programming approach. To test the effectiveness of the proposed model and solve real data is used by insurance companies active in Qazvin province. The model presented in this paper units decide on a similar scale with a set of weights for neutral evaluation is common. Proposed approach helps policy makers to better understand the strengths and weaknesses of DMUs and try to promote the strengths and remove weaknesses to improve the efficiency and ranking of given DMUs.