توسعه مدل‌های تحلیل پوششی داده‌های شبکه‌ای باز در شرایط عدم قطعیت

ارزیابی کارایی یک موضوع بسیار مهم و کلیدی در شرایط رقابتی می باشد. این در حالی است که سازمان ها و شرکت ها با عدم قطعیت های مختلفی مواجه هستند و این موضوع، بررسی کارایی آنها را به شدت سخت و پیچیده می کند. در این تحقیق، مدل های تحلیل پوششی داده های شبکه ای باز، برای سه حالت غیرقطعی شامل: خروجی های غیرقطعی، ورودی های غیرقطعی و ورودی و خروجی هم زمان غیرقطعی، توسعه داده شده است. مدل های ارایه شده برای ارزیابی کارایی 10 فرآیند دو مرحله ای فروشنده و خریدار، در یک زنجیره تامین مورد استفاده قرار گرفته و تاثیر عدم قطعیت داده ها، مورد بررسی قرار گرفته است. نتایج به دست آمده از مدل های توسعه داده شده، با نتایج مدل های شبکه سنتیdea ، مقایسه شده است. اعتبار و صحت مدل های توسعه یافته نیز مورد بررسی قرار گرفته است. نتایج نشان می دهد که قابلیت اطمینان مدل های پیشنهادی از مدل سنتی شبکهdea ، بیشتر است. همچنین با بررسی کارایی واحد های تصمیم گیری در شرایط مختلف عدم قطعیت و نوسانات داده ها، مشخص گردید، هرچقدر دامنه این نوسان بیشتر باشد، امتیاز کارایی واحدهای مختلف نیز کاهش پیدا می کند که با واقعیت همخوانی دارد.

A New Robust Open Network DEA Model

Efficiency evaluation is an important and key issue in competitive conditions. Organizations and companies face various uncertainties which make their efficiency evaluation extremely difficult and complicated. In this research, opennetwork data envelopment analysis models have been developed for three uncertain states, including uncertain outputs, uncertain inputs, and uncertain concurrent inputs and outputs. The proposed models are used to evaluate the efficiency of 10 twostage processes for sellers and buyers in a supply chain, and the effect of data uncertainty is investigated. The results obtained from the developed models have been compared with the results of traditional DEA network models. The validity and accuracy of the developed models have also been examined. The results show that the proposed models are more reliable than the traditional DEA network models. Also, by examining the efficiency of decisionmaking units in different conditions of data uncertainty and deviations, it was determined that with increasing uncertainty and deviation, the efficiency score of different units decreases, which is consistent with reality.