مطالب مرتبط با کلیدواژه

داده های فازی


۱.

ارایه مدل BCC-DEA برای تعیین مقرون به صرفه بودن شرکت های چند منظوره با داده های فازی

کلیدواژه‌ها: تحلیل پوششی داده ها ادغام شرکت ها شرکت های چند منظوره داده های فازی a برش حالت Best_Worst

حوزه های تخصصی:
تعداد بازدید : ۲۴۸۷ تعداد دانلود : ۱۳۲۹
با پیشرفت علم و تکنولو ژی، اهمیت تعیین کارایی و افزایش آن از جمله دغدغه های مهم مدیران و سرمایه گذاران است. ادغام شرکت ها در دنیای واقعی کاملا رایج است. تصمیم به ادغام شرکت ها جهت افزایش کارایی و بهبود روند تولید و همچنین ادغام چندین شرکت تک منظوره برای ایجاد یک شرکت چند منظوره یکی از مسایل مهم در مدیریت اقتصادی است. در تعیین کارایی ادغام واحدها با روش های پارامتری همانند روش کمترین مربعات و روش رگرسیون تعیین می شد. ولی به دلیل مشکلات زیاد روش های پارامتری، روش های تحلیل پوششی داده ها (DEA) معرفی شدند. تعیین کارایی توسط مدل های مطرح شده در تحلیل پوششی داده ها از روش های بسیار پر کاربرد می باشد. این مقاله با مدل DEA مقرون به صرفه بودن ادغام DMU ها را برای تشکیل یکDMU چند منظوره با داده های فازی و غیر دقیق تعیین می کند. بدین ترتیب در زمینه اقتصادی کمک شایانی به مدیران می کند.
۲.

امتیازدهی اعتباری مشتریان با استفاده از تحلیل پوششی داده ها و تحلیل ممیز در محیط فازی (مطالعه موردی: یک شرکت لیزینگ وابسته به یک بانک خصوصی)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تحلیل پوششی داده ها/ تحلیل ممیز داده های فازی ریسک اعتباری امتیازدهی اعتباری

حوزه های تخصصی:
تعداد بازدید : ۳۸۸ تعداد دانلود : ۲۵۶
در این تحقیق به منظور مدیریت و کنترل ریسک اعتباری مشتریان، از تلفیق دو مدل تحلیل ممیز و تحلیل پوششی داده ها برای تشخیص وجود و یا عدم وجود یک هم پوشانی میان دو گروه به وسیله یک ابرصفحه جداکننده و با فرض وجود  مشاهده هریک با  مشخصه مستقل با حضور داده های فازی، مشاهدات به دو رده مشتریان خوش حساب و مشتریان بدحساب دسته بندی شدند. متغیرهای این تحقیق از روش 6C انتخاب و از تعداد 17 شاخص منتخب، با استفاده از روش دلفی، تعداد 8 شاخص تأثیرگذار وارد مدل تحقیق شده است. این شاخصها برای 83 نفر از مشتریان حقیقی یک شرکت لیزینگ که طی سالهای 1393 و 1394 تسهیلات دریافت کرده اند، مورد استفاده قرار گرفت. نتایج نشان می دهند که هریک از مشاهدات به طور قطعی در رده مشتریان خوش حساب و مشتریان بدحساب قرار گرفته و با ورود هر مشاهده جدید وضعیت اعتباری آن پیش بینی می شود.