ارتقای قدرت تفکیک پذیری در مدل تحلیل پوششی داده ها با استفاده از متغیرهای انحراف

در چندین دهه گذشته تحلیل پوششی داده ها (DEA) به عنوان تکنیکی برای ارزیابی عملکرد و اندازه گیری کارایی واحدهای تصمیم گیری (DMU)، بر اساس داده های ورودی خروجی آنها معرفی شد. با وجود این، نقصان و ضعف در قدرت تفکیک پذیری و عدم توزیع مناسب وزن ها به عنوان اشکالات عمده در DEA باقی مانده اند. در ادبیات موضوع، مدل هایی برای حل این مشکلات ارائه شده است که این مدل ها مشکلات دیگری از قبیل ناشدنی بودن دارند. در این مقاله با به کار بردن یکی از معیارها از مدل DEA چندمعیاره (MCDEA)که در اواخر دهه 1990 میلادی توسعه یافت، اضافه کردن کرانی پایین برای وزن ها و همچنین ارائه ابتکار و تکنیکی برای تفکیک و رتبه بندی همه واحدهای تصمیم گیری کارا، به دنبال برطرف کردن مشکلات اشاره شده هستیم. برای تست و سنجش قابلیت متد پیشنهادی در مقابل مدل های DEA موجود، به حل و تحلیل نتایج دو مثال عددی می پردازیم.