رتبه بندي واحدهاي تصميم گيرنده با استفاده از تحليل پوششي داده ها با در نظر گرفتن دوره هاي زماني متعدد

Ranking of decision-making units using data envelopment analysis by considering multiple time periods

تحليل پوششي داده‌ها (DEA) تكنيكي براي ارزيابي واحدهاي تصميم‌گيرنده متجانس است. در اين روش، عدد كارايي براي هر واحد، از مقايسه‌ي عملكرد هر واحد تصميم‌گيرنده (DMU) با عملكرد بقيه واحدها به‌دست مي آيد. عدد كارايي مذكور به‌عنوان معياري براي رتبه‌بندي واحدها قابل استفاده است. در بسياري از موارد تعداد قابل توجهي از واحدها كارا شده و لذا، كارايي حاصل از مدل‌هاي كلاسيك DEA نمي تواند معيار مناسبي براي رتبه بندي دقيق DMU ها باشد. در اين پژوهش، روشي براي رتبه‌بندي DMU ها با استفاده از كارايي آن‌ها در دوره‌هاي زماني متعدد ارائه مي‌شود، به‌صورتي كه سه نوع مجموعه امكان توليد معرفي مي‌شود و متناظر با هر مجموعه، يك عدد كارايي براي هر DMU به‌دست مي آيد. سپس، سه مقدار كارايي منتج از سه روش مذكور، با استفاده از روش آنتروپي شانون با يكديگر تركيب شده و يك معيار كارايي كلي براي هر واحد تعريف مي‌كنند. اين معيار در‌نهايت به‌عنوان شاخص اصلي براي رتبه‌بندي واحدها در‌نظر گرفته مي‌شود.

Data Envelopment Analysis (DEA) is a technique for evaluating homogeneous decision-making units. In this method, the efficiency score for each unit is obtained by comparing the performance of each Decision-Making Unit (DMU) with the performance of the other units. This performance score can be used as a criterion for ranking units. In many cases, a significant number of units are efficient, and therefore, the efficiency of the classic DEA models cannot be a good criterion for accurate ranking of DMUs. In this study, a method for ranking DMUs using their efficiency is presented in several time periods, so that three types of production possibility sets are introduced. In the first type, for each time period, an independent production possibility set is defined, in the second type, a combination production possibility set is used for all time periods, and in the third type, a community production possibility set is created, which considers all time periods. Then, corresponding to each type, one efficiency number is obtained for each DMU. Therefore, the three values of efficiency resulting from the three methods are combined using the Shannon entropy method and define a general performance criterion for each unit. This criterion is ultimately considered as the main indicator for ranking units.