کارایی تصادفی مبتنی بر مدل وزن مشترک در تحلیل پوششی داده ها

تحلیل پوششی داده ها (DEA) روشی برای ارزیابی عملکرد مجموعه ای از واحدهای تصمیم گیرنده (DMU) متجانس با چندین ورودی و چندین خروجی می باشد. . مدل های مختلفی برای محاسبه کارایی در DEA وجود دارند که یکی از آن ها، مدل مجموعه وزن های مشترک (CSW) می باشد، که به طور گسترده ای توسط افراد و متخصصان DEA مورد استفاده قرار می گیرد. در تحلیل پوششی داده های کلاسیک تمام مقادیر ورودی ها و خروجی ها به طور دقیق مشخص می باشند. با این حال این فرض ممکن است در مسایل کاربردی همواره برقرار نباشد. یکی از روش های مهم برای مقابله با داده های نامشخص، بررسی داده های تصادفی در DEA است. این مقاله مدل مجموعه وزن های مشترک را برای حالتی که ورودی ها و خروجی ها تصادفی هستند، توسعه می دهد. سپس مدل تصادفی وزن مشترک (SCSW) به یک مدل قطعی غیر خطی تبدیل می گردد. پس از آن مدل قطعی به یک مدل برنامه ریزی درجه دوم تبدیل می شود. . کارایی به دست آمده با استفاده از داده های تصادفی را کارایی تصادفی می نامیم. مفهوم ارایه شده در این مقاله با مثال عددی که مربوط به شعبه های یک بانک ایرانی است نشان داده می شود.