نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مهندسی صنایع، دانشگاه پیام نور تهران.

2 استاد، دانشگاه علامه طباطبائی.

3 استادیار، دانشگاه پیام نور تهران.

چکیده

تحلیل پوششی داده‌ها یک تکنیک مدیریتی برای ارزیابی عملکرد واحدهای تصمیم‌گیرنده است. در راستای اهمیت پیش‌بینی عملکرد واحدها، این مقاله به ارائه یک رویکرد هیبریدی براساس تحلیل پوششی داده‌های تصادفی فازی (FSDEA) و تکنیک تجزیه و تحلیل مؤلفه‌های اصلی (PCA) می‌پردازد. از آنجا که از تئوری اعتبار در محدودیت‌های مدل پیشنهادی و از مقدار مورد انتظار در تابع هدف آن در راستای پیش‌بینی کارایی مورد انتظار واحدها استفاده می‌شود، فرآیند حل آن پیچیده است؛ لذا تحت این فرض که ورودی‌ها و خروجی‌های واحدها به‌صورت متغیرهای فازی مثلثی مستقل هستند، مدل  FSDEAبه مدل برنامه‌ریزی قطعی معادل آن تبدیل می‌شود. پس از محاسبه کارایی‌های پیش‌بینی‌شده اولیه توسط مدل برنامه‌ریزی قطعی تحت سطوح مختلف اطمینان، تکنیک PCAروی نتایج به‌دست‌آمده به‌منظور حذف نتایج نامطلوب به‌کار می‌روند و مؤلفه‌های اصلی انتخاب می‌شوند که به‌عنوان خروجی‌های واحدهای تصمیم‌گیرنده در مدلPCA-FSDEA  به‌منظور پیش‌بینی کارایی دوره مالی آتی واحدها به‌کار می‌روند. درپایان، رویکرد هیبریدی پیشنهادی روی یک مثال کاربردی به‌کار می‌رود و نتایج به‌دست‌آمده از آن با نتایج مدل Fuzzy-SBMکه توسط چن و همکارانش (2013) ارائه شده مقایسه می‌شود. 

کلیدواژه‌ها

عنوان مقاله [English]

Designing a Hybrid Approach to Predict the Performance of Decision Making Units Based on Fuzzy Stochastic DEA and PCA

نویسندگان [English]

  • Ali Yaghoubi 1
  • Maghsoud Amiri 2
  • Azamdokht Safi Samghabadi 3

1 Ph.D Student, Payam-e-Noor University.

2 Professor, Allameh Tabatabaei University.

3 Assistant Professor, Payam-e-‎Noor University.

چکیده [English]

Data Envelopment Analysis is a management method which applied to performance analysis for decision making units. This paper presents a new hybrid approach based on fuzzy stochastic DEA (FSDEA) and principal component analysis (PCA) to predict efficiency of DMUs. Since the proposed model contains the credibility of fuzzy events in the constraints and the expected value of fuzzy variable in objective function, the solution process is complex. Thus, with the assumption that inputs and outputs are mutually independent triangular fuzzy variables, we then transform the FSDEA model to its equivalent deterministic programming. Then we do PCA on the initial predicted efficiency scores which are obtained from the equivalent deterministic programming under various confidence levels. In order to deal with undesirable initial predicted efficiencies, the required principal components have been selected from the generated ones according to the given choice principal. Then, the principal components are treated as outputs into DEA model to obtain the final predicted efficiencies of DMUs. Finally, the proposed hybrid     PCA-FSDEA approach is applied on real exampleand the computational results will be compared with Fuzzy-SBM model which was proposed by Chen et al. (2013).

کلیدواژه‌ها [English]

  • Efficiency
  • Stochastic Data Envelopment Analysis
  • Principal Component Analysis
  • Fuzzy Programming
  • Credibility Theory