اوزان مشترک درون گروهی در تحلیل پوششی داده ها
چکیده
در بسیاری از زمینه های واقعی که تحلیل پوششی داده ها در آن ها به کار برده می شود، واحد های تصمیم گیری می توانند به حالت گروهی عمل کنند نظیر آن دسته از واحد های تصمیم گیری که ممکن است تحت یک تیم مدیریتی باشند. این اغلب بدین معنی است که مضرب های مورد استفاده در یک گروه بایستی در میان اعضای آن گروه مشترک باشند. یک مثال موردی بررسی شده در این زمینه شامل مجموعه ای از نیروگاه های برق می باشد که هر کدام در بر گیرنده مجموعه ای از واحد های قدرت تحت یک مدیریت کارخانه مشترک می باشند. ما یک مدل برنامه ریزی آرمانی را برای این شرایط توسعه داده ایم که در صدد ایجاد چنین مجموعه مضرب مشترکی است. ویژگی مهم این مجموعه مضرب این است که موجب حداقل سازی و کاهش حداکثر تفاوت میان امتیازات درون گروهی از سطوح ایده آل آنهاست.
1- مقدمه
کارنز و همکاران(1978) روشی را برای ارزیابی کارایی نسبی مجموعه ای از واحد های تصمیم گیری ارایه کرده اند. این روش که موسوم به تحلیل پوششی داده ها است در شرایط مختلف در طی 25 سال گذشته به کار برده شده است. این ها شامل تحلیل کارایی شعبات بانکی، بیمارستان ها، خدمه نگهداری می باشند. محیط و شرایط مناسبی که می توان در آن مدل تحلیل پوششی داده ها را به کار برد، شرایطی است که در آن واحد های تصمیم گیری( شعبات بانکی) قابل مقایسه و مشابه بوده و هر کدام دارای ویژگی های منحصر به فرد و خاص خود هستند. به طور ویژه، هر واحد تصمیم گیری در حیطه اختیارات خود مجاز به انتخاب مجموعه ای از ضرایب برای بسته ورودی و خروجی خود می باشند.در برخی شرایط خاص، در نظر گرفتن هر واحد تصمیم گیری به عنوان یک نهاد مستقل ممکن است مناسب نباشد. می توان این طور استدلال کرد که اگر اعضای یک زیر مجموعه خاصی از واحد های تصمیم گیری شرایط مشابهی را تجربه کنند، آنگاه" قیمت گذاری ورودی ها و خروجی ها" بایستی به طور یکنواخت به همه اعضای آن زیر مجموعه قابل تعمیم باشد. یک مثال از این را می توان در مطالعه کوک و همکاران(1990) یافت که در آنها گشت های نگه داری تعمیرات نسبت به یک دیگر ارزیابی می شوند. می توان ادعا کرد که آن دسته از گشت های موجود در یک منطقه با شرایط اقلیمی مشابه، قابلیت دسترسی به منابع مشابهی را دارند و توسط یک مهندس منطقه ای مدیریت می شوند. از این روی، امکان دادن به گشت های در یک منطقه برای انتخاب آزاد مضرب های ورودی و خروجی که تفاوت معنی داری در میان گشت های مختلف دارند، قابل تضمین نیست.در این مقاله، ما ساختار تحلیلی پوششی داده ها را توسعه می دهیم تا بتوان آن را در شرایط عمومی تر به کار برد به طوری که در این شرایط واحد های تصمیم گیری در گروه های متفاوتی قرار می گیرند و همه اعضای گروه مضرب های یکنواخت و مشترکی را به خود تخصیص می دهند. مسئله خاص بررسی شده، ارزیابی کارایی های نسبی مجموعه ای از نیروگاه های برق می باشد. ما نشان می دهیم که واحد های قدرت در نیروگاه ها، تشکیل گروه های طبیعی را می دهند که مفهوم مضرب های ورودی و خروجی مشترک برای اعضا، قابل تعمیم به آنهاست. در بخش سوم، ما یک مدل بهینه سازی دو فازی را توسعه می دهیم که یک ارزیابی واقع گرایانه تر را از کارایی واحد قدرت در اختیار می گذارد. بخش چهار، از این روش برای داده های مربوط به هشت نیروگاه برق حاوی 40 واحد قدرت استفاده می کند. در بخش پنجم نتیجه گیری ارایه شده است.
Abstract
In many real world applications where DEA is applied, DMUs can often be put into groups, such as those which may be under a single management team. This often means that the multipliers used within a group should be common across that group’s members. The case example examined in this regard is one involving a set of power plants, with each containing a set of power units under a common plant management. We develop a goal-programming model for this setting that seeks to derive such a common-multiplier set. The important feature of this multiplier set is that it minimizes the maximum discrepancy among the within-group scores from their ideal levels.
1. Introduction
Charnes et al. (1978) presented a methodology for evaluating the relative efficiencies of a set of decision-making units (DMUs). This methodology, data envelopment analysis (DEA), has been applied in numerous settings over the past 25 years. These include the analysis of efficiency of bank branches, hospitals, maintenance crews, etc. The appropriate setting to which the DEA model applies is one wherein the DMUs (e.g., bank branches) are assumed to be comparable, yet with each having its own unique circumstances. Specifically, each DMU is permitted to choose, possibly within bounds, its own set of multipliers for its output/ input bundle. In certain situations, treating each DMU as an independent entity may not be appropriate. It can be argued that if the members of a given subset of the decision-making units are experiencing similar circumstances, then the ‘‘pricing’’ of inputs and outputs should apply uniformly across all members of that subset. An example of this can be found in Cook et al. (1990), where maintenance patrols are evaluated relative to one another. It can be claimed that those patrols within the same ‘‘district’’ experience similar climatic conditions, are subject to similar resource availability, and are managed by the same district engineer. Thus, permitting patrols within a district to freely choose input and output multipliers that differ significantly across patrols may not be warranted. In the current paper we extend the DEA structure to apply to the more general setting where DMUs fall into distinct groups, and where all members of a group are to be treated uniformly in terms of multiplier allocation. The specific problem setting examined is the evaluation of relative efficiencies of a set of power plants. Section 2 describes this problem setting. We demonstrate that the power ‘‘units’’ within the ‘‘plants’’ form natural groupings to which the concept of common input and output multipliers on the members applies. In Section 3 we develop a two-phase optimization model, providing a more realistic assessment of power unit efficiency. Section 4 applies the methodology to the data on eight power plants containing a total of 40 power units. Conclusions are given in Section 5.
چکیده
1- مقدمه
2- بیان مسئله
3- استخراج اوزان مشترک درون گروهی
3-1 پیش زمینه
3-2 استخراج اوزان مشترک: روش نقطه ایده ال
3-3 الگوریتم دینکل باخ
3-4 جست و جوی با فاصله متوالی
3-5 بهینه جایگزین
4- تحلیل کارایی قدرت واحد
8- نتیجه گیری
Abstract
1. Introduction
2. The problem setting
3. Deriving within-group common weights
3.1. Background
3.2. Deriving common weights: The ideal point method
3.3. Dinkelbach’s algorithm
3.4. Consecutive interval search
3.5. Alternate optima
4. An analysis of power unit efficiency
4.1. Outputs
4.2. Inputs
4.3. Analysis
5. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه