بانک مقالات مدیریت صنعتی

اين مقاله مدلي تلفيقي از تحليل پوششي داده ها (DEA) و تحليل مولفه هاي اصلي (PCA) در جهت كاهش ابعادي مجموعه داده ها ارايه مي شود. روش تحليل پوششي داده ها به عنوان ابزاري موثر براي ارزيابي و الگوبرداري بكار گرفته شده است. در اين روش براي افزايش قدرت تمايز بين واحدهاي كارا و ناكارا بايستي تعداد واحدهاي مورد ارزيابي متناسب با تعداد متغيرهاي ورودي و خروجي باشد. براي رفع اين ضعف ابتدا به جاي متغيرهاي اصلي از نسبت تك خروجي به تك ورودي استفاده شده است و با استفاده از روش تحليل مولفه هاي اصلي كاهش بعد انجام مي شود. مولفه هاي اصلي انتخاب شده به عنوان ورودي هاي مدل تحليل پوششي داده ها استفاده و تحليل مي شوند. تفاوت اصلي روش ارايه شده در مقاله بكارگيري برخي نقاط قوت مدل هاي ارايه شده اين حوزه در قالب يك روش و چند هدفه ساختن مدل DEA جهت تسهيل در محاسبات است. اين روش براي رتبه بندي عملكرد شعبه هاي يكي از بانك هاي ايران استفاده شده است.

 نسخه قابل چاپ