مدل‌های تحلیل پوششی داده‌های بازه‌ای مبتنی بر TOPSIS

Abstract

تحلیل پوششی داده‌ها (DEA) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری (DMUها) است که از ورودی‌های متعدد برای تولید خروجی‌های متعدد استفاده می‌کنند. این مقاله دو DMUی مجازی به نام DMUی ایده‌آل و DMUی آنتی‌ایده‌آل را وارد DEAی بازه‌ای می‌کند. مدل‌های DEAی بازه‌ای به دست آمده به ترتیب DEAی بازه‌ای با DMUهای ایده‌آل و آنتی‌ایده‌آل نامیده می‌شوند. یکی از آنها DMUها را از دیدگاه کارآیی خوشبینانه ارزیابی می‌کند، در حالی که دیگری آنها را از دیدگاه کارآیی بدبینانه ارزیابی می‌کند. این دو کارآیی بازه‌ای متمایز با هم ترکیب می‌شوند و یک شاخص جامع به نام نزدیکی نسبی به DMUی ایده‌آل را درست مانند رویکرد روش ترجیح ترتیب بر اساس شباهت به جواب ایده‌آل در تصمیم چندشاخصی تشکیل می‌دهند. سپس از شاخص نزدیکی نسبی به عنوان سنجش کلی هر DMU استفاده می‌شود و بر مبنای آن یک رتبه‌بندی کلی برای همه‌ی DMUها به دست می‌آید. یک مثال نیز در زمینه‌ی ارزیابی عملکرد بیست شعبه‌ی بانک ارائه خواهد شد که نشان می‌دهد که رویکرد DEAی بازه‌ای پیشنهادی یک روش ساده، مؤثر و عملی برای اندازه‌گیری عملکرد در موقعیت‌های زندگی واقعی است.