ترجمه مقاله مشکلات اوزان تجزیه در مدل DEA (تحلیل پوششی داده) چند مرحله ای افزایشی

07 شهریور 1397 | 17:24

ترجمه مقاله مشکلات اوزان تجزیه در مدل DEA (تحلیل پوششی داده) چند مرحله ای افزایشی
عنوان فارسی مقاله: مشکلات اوزان تجزیه در مدل DEA (تحلیل پوششی داده) چند مرحله ای افزایشی
عنوان انگلیسی مقاله: Pitfalls of decomposition weights in the additive multi-stage DEA model
مجله/کنفرانس: Omega
رشته های تحصیلی مرتبط: مهندسی صنایع
گرایش های تحصیلی مرتبط: برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها
کلمات کلیدی فارسی: تحلیل پوششی داده ها، تجزیه کارایی افزایشی، سیستم سریال چند مرحله ای
کلمات کلیدی انگلیسی: Data envelopment analysis; Additive efficiency decomposition; Multi-stage serial system
نوع نگارش مقاله: پژوهشی - research
نمایه: scopus - master journals - JCR
DOI: doi.org/10.1016/j.omega.2015.05.008
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنالی
نوع مقاله: ISI
سال انتشار مقاله: 2016
ایمپکت فاکتور: 4.311(2017)
شاخص H_index: 108
SJR: 3.521
شناسه ISSN: 0305-0483
فرمت مقاله انگلیسی: PDF
فرمت ترجمه فارسی: Word
تعداد صفحات مقاله انگلیسی: 15
تعداد صفحات ترجمه فارسی: 26
کد محصول: EM9303
فهرست انگلیسی مطالب
Abstract

Introduction

Additive efficiency decomposition in a multi-stage DEA model

Additive efficiency decomposition for two-stage processes

Additive models with constant weights

An illustration

Discussion and conclusion

Acknowledgments

References
ترجمه فارسی فهرست مطالب
چکیده

مقدمه

تجزیه کارایی افزایشی در یک مدل DEA چند مرحله ای

تجزیه کارایی افزایشی برای فرایند های دو مرحله ای

مدل های افزایشی با اوزان ثابت

مثال

بحث و نتیجه گیری

رفرنس ها
نمونه متن انگلیسی مقاله
Abstract

This paper examines limitations of the multi-stage DEA (data envelopment analysis) model in the literature. We focus on the DEA model with additive efficiency decomposition. We create taxonomy for the multi-stage DEA models and show when the decomposition weights can be non-increasing. When the decomposition weight for a stage is deemed reflective of the stage׳s relative importance, this property then implies that upstream stages (regardless the stage efficiency scores) in the model will obtain higher priority in efficiency decomposition. We also find that the non-increasing weights can affect the evaluation of overall and stage efficiency scores. We illustrate our findings through an empirical data set.
نمونه متن فارسی مقاله
چکیده

این مقاله، به بررسی محدودیت های مدل DEA چند مرحله ای(تحلیل پوششی داده) در منابع می پردازد. ما بر مدل تحلیل پوششی داده با تجزیه کارایی افزایشی تاکید داریم. ما یک طبقه بندی را برای مدل های DEA چند مرحله ای ایجاد کرده و نشان می دهیم که چه زمانی اوزان تجزیه می توانند غیر افزایشی باشند. وقتی که وزن تجزیه برای یک مرحله بیانگر اهمیت نسبی مرحله باشد، این ویژگی به خودی خود بیانگر آن است که مراحل بالادست( صرف نظر از امتیازات کارایی مرحله) در مدل، اولویت بالاتری را در تجزیه کارایی کسب خواهند کرد. هم چنین نتایج نشان داده است که اوزان غیر افزایشی می توانند بر ارزیابی نمرات کارایی مرحله ای و کلی اثر بگذارند. ما یافته های خود را از طریق یک مجموعه داده تجربی اثبات می کنیم.
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

جستجوی پیشرفته مشاهده خریدهای قبلی