ارزیابی کارایی نسبی بدون متغیر کمکی بر پایه مدل BCC در تحلیل پوششی داده ها

هدف: تحلیل پوششی داده ها تکنیکی برای تحلیل عملکرد و سنجش میزان کارایی نسبی واحدهای تصمیم ­گیرنده با استفاده از برنامه ریزی خطی می باشد. در اکثر موارد، مدل­ های DEA واحدهای ناکارا را با استفاده از نقاط مرجع روی مرز مجموعه امکان تولیدی که کارایی پاراتو نیستند، ارزیابی می کنند؛ بنابراین، این مدل ها معمولا وزن های صفر را برای مضرب ها بهینه ارایه می ­دهند، درنتیجه، نمرات کارایی به دست آمده از این واحدها، تمام منابع ناکارایی را توجیه نمی کند. هدف ما در این مقاله ارایه مدلی است که وزن های غیرصفر را تولید کنند.روش شناسی پژوهش: مساله­ وزن های غیرواقعی اساسا با روش های محدودیت وزنی حل شده است. محدودیت وزنی در مدل های DEA از دیدگاه های مختلف موردمطالعه قرار می­ گیرد. برخی از نویسندگان عمدتا از مدل های نسبت مخروطی یا مدل های ناحیه اطمینان استفاده کرده اند که محدودیت هایی را بر وزن ها اعمال می ­کنند. چنین محدودیت ­هایی نیاز به اطلاعات یا قضاوت­ های کارشناسان دارند. در نبود هرگونه اطلاعات از متخصصان یا اطلاعات هزینه/قیمت برای تعیین کران های وزن، مجبور هستیم تا از یک معیار فرعی برای انتخاب وزن، میان وزن های بهینه دگرین استفاده کنیم. در مدل پیشنهادی برای رسیدن به اهداف خود بر روی وزن­ های مدل، محدودیت اعمال می ­کنیم به ­طوری­ که نیاز به اطلاعات اولیه ندارد. این مدل وزن­ های مثبت تولید می­ کند و درعین حال از تجانس شدید بین وزن ­ها جلوگیری می­ کند.یافته ها: در این مقاله یک روش یک ­مرحله ای بر پایه مدل BBC و با اعمال محدودیت وزنی، برای ارزیابی عملکرد کارایی نسبی واحدهای تصمیم گیرنده ارایه شده است که وزن ­های غیر صفر را تضمین می­ کند و از تشابه وزن­ ها جلوگیری می ­کند. به­ علاوه نشدنی بودن مدل رخ نمی ­دهد. مدل پیشنهادی، نیاز به هیچ گونه اطلاعات اولیه روی وزن­ ها درطبقه بندی واحدها ندارد و این موضوع پیچیدگی مساله را کاهش می دهد.اصالت/ارزش افزوده علمی: برای تاکید بر قوت روش پیشنهادی، مدل معرفی ­شده بر روی دو مثال پیاده سازی شده و با نتایج حاصل از مدل­ های استاندارد BCC، رامون و همکاران [۱] مقایسه می گردد. نتایج حاصل حاکی از عملکرد بهتر مدل پیشنهادی است.