مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر topsis

تحلیل پوششی داده‌ها (dea) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری (dmuها) است که از ورودی‌های متعدد برای تولید خروجی‌های متعدد استفاده می‌کنند. این مقاله دو dmuی مجازی به نام dmuی ایده‌آل و dmuی آنتی‌ایده‌آل را وارد deaی بازه‌ای می‌کند. مدل‌های deaی بازه‌ای به دست آمده به ترتیب deaی بازه‌ای با dmuهای ایده‌آل و آنتی‌ایده‌آل نامیده می‌شوند. یکی از آنها dmuها را از دیدگاه کارآیی خوشبینانه ارزیابی می‌کند، در حالی که دیگری آنها را از دیدگاه کارآیی بدبینانه ارزیابی می‌کند. این دو کارآیی بازه‌ای متمایز با هم ترکیب می‌شوند و یک شاخص جامع به نام نزدیکی نسبی به dmuی ایده‌آل را درست مانند رویکرد روش ترجیح ترتیب بر اساس شباهت به جواب ایده‌آل در تصمیم چندشاخصی تشکیل می‌دهند. سپس از شاخص نزدیکی نسبی به عنوان سنجش کلی هر dmu استفاده می‌شود و بر مبنای آن یک رتبه‌بندی کلی برای همه‌ی dmuها به دست می‌آید. یک مثال نیز در زمینه‌ی ارزیابی عملکرد بیست شعبه‌ی بانک ارائه خواهد شد که نشان می‌دهد که رویکرد deaی بازه‌ای پیشنهادی یک روش ساده، موثر و عملی برای اندازه‌گیری عملکرد در موقعیت‌های زندگی واقعی است.

A Data Envelopment Analysis Model with Interval Data Using TOPSIS Technique

Data envelopment analysis (DEA) is a methodology for assessing the performances of a group of decisionmaking units (DMUs) that utilize multiple inputs to produce multiple outputs. This paper introduces two virtual DMUs called ideal DMU and antiideal DMU into the interval DEA. The resultant interval DEA models are, respectively, referred to as the interval DEA with ideal and antiideal DMUs. One evaluates DMUs from the viewpoint of the optimistic efficiency, while the other evaluates them from the perspective of the pessimistic efficiency. The two distinctive interval efficiencies are combined to form a comprehensive index called the relative closeness to the ideal DMU just like the wellknown technique for order preference by similarity to ideal solution approach in multiple attribute decision making. The relative closeness index is then used as the evidence of overall assessment of each DMU, based on which an overall ranking for all the DMUs can be obtained. We also present an example on evaluating the performance of twenty bank branches which shows that the proposed interval DEA approach is a simple, efficient, and practical method for performance measurement in reallife situations.