بهبود عملکرد واحدهای تصمیم‌گیرنده کارا با استفاده از روش تقاطع ابرصفحه‌های سازای مجموعه امکان تولید در تحلیل پوششی داده ها

تحلیل پوششی داده ها (dea) یک تخمین‌گر است. این تخمین‌گر سعی می کند که یک ارتباط بین ورودی های متعدد و خروجی های متعدد و همچنین تکنولوژی تولید را تخمین بزند. dea واحدهای تصمیم گیرنده (dmu) را به دو بخش واحدهای کارا و واحدهای ناکارا تقسیم بندی می‌کند. در این صورت واحدهای کارا مرجعی برای واحدهای ناکارا خواهد بود. در مدل‌های سنتیdea بهبود کارایی تنها برای واحدهای ناکارا صورت می گیرد و واحدهای کارا بدون تغییر باقی می مانند. اما از آنجا که تکنولوژی تخمین‌زده شده همواره از تکنولوژی واقعی کوچکتر است یا به عبارت دیگر این تکنولوژی تخمین‌زده شده همواره زیر مجموعه‌ای از تکنولوژی واقعی می‌باشد بنابراین می‌توان آن را به میزان بسیار کمی گسترش داد. در نتیجه می توان راهکاری برای بهبود واحدهای کارا نیز ارایه کرد. در این مقاله الگوریتمی جهت گسترش مجموعه امکان تولید (pps) با توجه به خواص هندسی آن و همچنین بهبود واحدهای کارا ارایه می شود. این کار به وسیله‌ی ساختن واحدهای مجازی خارج از مجموعه امکان تولید انجام می شود. همچنین به منظور تشریح روش مطرح شده مثال‌های عددی و کاربردی ارایه می‌شود.

The efficiency improvement of organizations using the intersection of supporting hyperplanes of the production possibility set in data envelopment analysis

Data Envelopment Analysis (DEA) is an estimator. This estimator tries to assess a relationship between multiple inputs and multiple outputs, and an identified technology. In traditional DEA models, firms are classified into two divisions, efficient and inefficient. Efficient firms are considered as a reference for inefficient firms. In traditional DEA models, the efficiency improvement has been inspected for inefficient firms and efficient firms are assumed to be unchanged. Since the estimated technology is rationally smaller than the real technology or in other words, the estimated technology is always the subset of the true technology, we can expand it a little. Thus, we can improve efficient firms. This is done by creating some virtual DMUs. In this paper, an algorithm is proposed to expand the Production Possibility Set (PPS) and to improve efficient firms. To illustrate the proposed approach, numerical and applied examples are provided. The results are explained and discussed.