یک مدل‌خطی ـ صحیح مختلط جدید برای انتخاب کارآترین واحد تصمیم‌گیری با رویکرد بازده به مقیاس متغیر

نوع مقاله: مقاله علمی پژوهشی

10.22059/imj.2012.72258

چکیده

از دیدگاه تصمیم­گیرنده (مدیریت) تعیین یک واحد کارا منحصربه­فرد به عنوان کاراترین واحد، همواره از اهمیت ویژه­ای برخوردار بوده است. اگرچه روش­های کلاسیک تحلیل پوششی داده­ها، تصمیم­گیرنده را در تعیین واحدهای کارا و ناکارا یاری می­کند، اما اطلاعات بیشتری در رابطه با واحدهای کارا در اختیار وی قرار نمی­دهند. به­منظور انتخاب کاراترین واحد تصمیم­گیری از میان مجموعه­ی واحدهای کارا، چندین مدل مجموعه وزن­های مشترک برای رتبه­بندی واحدهای تصمیم­گیری در یک شرایط برابر ارائه شده­است. فروغی [10] یک مدل برنامه­ریزی خطی ـ صحیح مختلط برای انتخاب کاراترین واحد تصمیم­گیری با رویکرد بازده به مقیاس ثابت ارائه داده است. در این مقاله هدف بسط این روش برای تعیین کاراترین واحد تصمیم­گیری در شرایط بازده به مقیاس متغیر است. مدل پیشنهادی برای موقعیت­هایی با فرض بازده به مقیاس متغیر مفید خواهد بود و نسبت به مدل پیشین کاربرد وسیع‎تری در امور صنعتی و مدیریتی دارد. کاربرد عملیِ روش پیشنهادی، روی مجموعه­ای از داده­های واقعی شامل 19 طراحی چیدمان تسهیلات ارائه می­گردد.

کلیدواژه‌ها


عنوان مقاله [English]

A New Mixed Integer Linear Model for Selecting the Most BCC-efficient DMU

چکیده [English]

Finding a single efficient decision making unit (DMU) as the most efficient unit has interested in some situations, by decision maker (manager). Conventional data envelopment analysis (DEA) assists decision maker in distinguishing between efficient and inefficient units. However, DEA does not provide more information about the efficient DMUs. Hence, several methods were introduced to find the best single efficient DMU. Foroughi [9] introduce a mixed integer linear model for selecting the best decision making unit in constant returns to scale situation. In this paper, we extend this model and formulate a new mixed integer linear model for determining most BCC-efficient DMU by solving only one linear programming which is useful for variable returns to scale situation, so has wider range of application in the management and industrial affairs than previous model. The applicability of proposed model is illustrated, using a real data set consisting 19 facility layout designs

کلیدواژه‌ها [English]

  • Data Envelopment Analysis
  • Most BCC-efficient
  • Mixed Integer Linear Model
  • Facility Layout Design
م. طلوع و س. جوشقانی (1389). راهنمای کاربران GAMS به همراه مدل­های DEA. نشر کتاب دانشگاهی.

Amin, G. R., Toloo, M. (2007). Finding the most efficient DMUs in DEA: An improved integrated model. Computer & industrial engineering, 52(2), 71-77.
Amin, G. R (2009). Comment on finding the most efficient DMUs in DEA: An improved integrated model. Computer & industrial engineering, 56, 1701-1702.
Andersen, P., Petersen, N. C. (1993). A procedure for ranking efficient units in dataenvelopment analysis. Management Science, 39(10), 1261–1294.
Banker, R. D., Charnes, A., Cooper, W. W. (1984).Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 30(9), 1078-1092.
Charnes, A., Cooper, W.W., Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational research 2(6), 429-444.
Dyson, R. G., & Thanassoulis, E. (1988). Reducing weight flexibility in DEA. Journal ofthe Operations Research Society, 39, 563–576.
Ertay, T., Ruan, D., & Tuzkaya, U. R. (2006). Integrating data envelopment analysisand analytic hierarchy for the facility layout design in manufacturing systems.Information Sciences, 176, 237–262.
Farrell, M.J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, Series A 120, 253-290.
Foroughi, A. (2011). A new mixed integer linear model for selecting the best decision making units in data envelopment analysis. Computer & industrial engineering, 60(4), 550-554.
Karsak, E. E. &Ahiska, S. S (2008). Improved common weight MCDM model for technology selection. International journal of Production Research, 46(24), 6933-6944.
Karsak, E. E. & Ahiska, S. S. (2005). Practical common weight multi-criteria decision-making approach with improved discriminating power for technology selection.International Journal of Production Research, 43(8), 1537-1554.
Li, X. B., & Reeves, G. R. (1999). A multiple criteria approach to data envelopmentanalysis. European Journal of Operational Research, 115, 507–517.
Roll, Y., Golany, B. (1993). Alternate methods of treating factor weights in DEA.Omega, 21, 99–109.
Sexton, T. R., Silkman, R. H., Hogan, A. J. (1986). Data envelopment analysis: Critique and extensions. In R. H. Silkman (Ed.), Measuring efficiency: Anassessment of data envelopment analysis. San Francisco, CA: Jossey -Bass.
Thompson, R. G., Langemeier, L. N., Lee, C. T., Thrall, R. M. (1990). The role ofmultiplier bounds in efficiencyanalysis with application to Kansas farming.Journal of Econometrics, 46, 93–108.
Thompson, R. G., Singleton, F. D., Thrall, R. M., Smith, B. A. (1986). Comparativesite evaluations for locating a highenergy physics lab in Texas. Interfaces, 16, 35–49.
Toloo, M., Nalchigar, S. (2008). A new integrated DEA model for finding most BCC-efficient DMU. Applied mathematical modelling, 33, 597-604.