علی فلاح تفتی

تحلیل پوششی داده ها رویکردی مبتنی بر برنامه ریزیِ ریاضی، برای ارزیابیِ نسبیِ واحدهای تصمیم گیرنده ای است که مانند سیستم های تولیدیِ مشابه و متمایزی در نظر گرفته می شوند. در این رویکرد، عملکرد هر واحد در قالب عملیاتِ تبدیل منابع (ورودی ها) به محصولات (خروجی ها)، توصیف می گردد. در مدل های سنتیِ تحلیلِ پوششیِ داده ها، فرض بر این است که نقشِ هر عاملِ عملکردی (به عنوان ورودی یا خروجی) مشخص است، اما در برخی از مسائل دنیایِ واقعی، ممکن است یک یا چند عامل، با توجه به ماهیتِ ارزیابی و یا نگرشِ تصمیم گیرندگان، به عنوان عوامل دونقشی معرفی شوند. این عوامل می توانند نقش ورودی، خروجی و یا حتی نقش بی اثر در ارزیابیِ عملکرد واحدها ایفا کنند. در مقاله ی حاضر دو مدل جدید برنامه ریزی خطی مبتنی بر مفاهیم انحراف در شرط کارایی و اوزان مشترک، برای تعیین وضعیت عوامل دونقشی و سپس محاسبه ی کاراییِ واحدهای تصمیم گیرنده ارائه می شود. مزایای اصلیِ مدل های پیشنهادی کاهش چشمگیر محاسبات و تعداد دفعات حل مدل و همچنین دخالت دادن همه ی واحدهای تصمیم گیرنده جهت تعیین نقشِ یک باره ی عامل ها جهت ارزیابی واحدهای تصمیم گیرنده است. به منظور بررسی عملکرد مدل های پیشنهادی، از داده های مربوط به ارزیابیِ هیجده تأمین کننده در حضور دو ورودی، سه خروجی و دو عامل دونقشی استفاده شده است. نتایج به دست آمده، نشان داد که در مقایسه با مدل های دیگر، مدل های پیشنهادی هم ازنظر محاسباتی به صرفه تر بوده و هم تعیین نقش و ارزیابی واحدها به کمک وزن های به دست آمده از این مدل ها، انتظارات موردنظر تصمیم گیرندگان را بهتر و منطقی تر برآورده می کنند.