ارائه مدلي جديد به منظور پيش بيني عملكرد واحدهاي تصميم گيرنده براساس تحليل پوششي داده هاي تصادفي فازي

Proposing a New model to Predict Performance of Decision Making Units Based on Fuzzy stochastic Data Envelopment Analysis

از مهم ترين ابزارها جهت محاسبه كارايي واحدهاي تصميم گيرنده، تكنيك تحليل پوششي داده ها (DEA) است كه براي محاسبه كارايي از ورودي ها و خروجي هاي گذشته واحدها استفاده مي كند. عدم امكان تخمين كارايي، استفاده از ورودي و خروجي هاي قطعي و توزيع غيرواقعي اوزان به ورودي ها و خروجي‌ها از نقاط ضعف DEA مي باشد. بنابراين در اين مقاله در راستاي رفع مشكلات مذكور، مدلي جديد با لحاظ عدم قطعيت در تحليل پوششي داده هاي تصادفي (SDEA) ارائه گرديده كه با درنظرگرفتن همزمان ورودي ها و خروجي هاي واحدها بصورت متغيرهاي تصادفي نرمال همراه با اوزان فازي براي آن ها، سعي در پيش بيني كارايي واحدهاي تصميم گيرنده دارد. نهايتاً در راستاي تاييد اثربخشي مدل پيشنهادي، يك مطالعه كاربردي در صنعت بانكداري صورت گرفته و كارايي هاي پيش بيني شده شعب با كارايي واقعي آنها مقايسه مي گردد. همبستگي بالاي بين نتايج، نشان از دقت و صحت مدل پيشنهادي دارد.

One of the most important tools for calculating the performance of the decision making units (DMUs) is the quantitative and powerful Data Envelopment Analysis (DEA) technique which uses the past inputs and outputs of DMUs. Inability to estimate performance, using of definite inputs and outputs and inappropriate distribution of weights to inputs and outputs are the weaknesses of DEA. While in the real world, the DMUs are faced with more random parameters. So, this paper presents a new model to predict efficiency of DMUs based on stochastic data envelopment analysis in fuzzy environment, in which by integrating the random effects of environmental factors on inputs and outputs to resolve the problems. Finally, this paper presents a real application of the proposed model in banking industry for predicting the efficiency of branches. The results will be compared with the real efficiencies of branches. The high correlation between predicted and actual results indicates the accuracy of the proposed model.