new5 free

ارزیابی کارایی وتخمین بازده به مقیاس دانشگاه ها و مراکز آموزش عالی با استفاده از تکنیک تحلیل پوششی داده های فازی

59.000تومان

توضیحات

دانلود و مشاهده قسمتی از متن کامل پایان نامه :

 

 

 

 

دانشگاه آزاد اسلامی

واحد علوم و تحقیقات کرمان

دانشکده فنی و مهندسی، گروه مهندسی صنایع

 

 

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته صنایع (M.Sc)

گرایش: صنایع

 

 

عنوان:

ارزیابی کارایی وتخمین بازده به مقیاس دانشگاه ها و مراکز آموزش عالی با استفاده از تکنیک تحلیل پوششی داده های فازی

 

 

استاد راهنما:

دکتر محمد خوینی

 

نگارش:

…………………..

 

 

بهار 1393

 

فهرست مطالب

عنوان                                                                                                 شماره صفحه

چکيده 1

فصل اول: کليات تحقيق

1-1- مقدمه. 3

1-2- بيان مساله. 3

1-3- سابقه و ضرورت انجام تحقيق.. 5

1-4- هدف از انجام تحقيق.. 6

1-5- اهداف کاربردي تحقيق.. 6

1-6- جنبه نوآوری تحقیق.. 6

1-7- روش انجام تحقيق.. 6

1-8- روش تجزيه وتحليل و ابزار گرد آوري داده ها 7

1-9- مراجع استفاده کننده از نتايج پايان نامه. 7

فصل دوم: مروري بر ادبيات و پيشينه تحقيق

2-1- مقدمه. 9

2-2- تاريخچه و مدل هاي مرسوم در DEA.. 10

2-2-1 تاريخچه تحليل پوششي داده ها 10

2-2-2 مباني ابتدايي در مدل DEA.. 12

2-2-2-1 تعريف کارايي.. 12

2-2-2-2 تعريف بهره وري.. 12

2-2-2-3 تعريف ورودي.. 13

2-2-2-4 تعريف خروجي.. 13

2-2-2-5 تعريف واحد تصميم گيرنده 13

2-2-2-6 تعريف واحد تصميم گيرنده متجانس…. 14

2-2-3 مفاهيم DEA.. 14

2-2-3-1 تعريف مرز کارايي.. 15

2-2-3-3  اصول موضوعه. 16

2-2-3-4 مجموعه مرجع.. 17

2-2-4 به دست آوردن يک مدل خطي DEA با استفاده از مفهوم کارايي.. 17

2-2-4-1 انواع کارايي از ديدگاه فارل. 17

2-2-4-2 اندازه گيري کارايي.. 18

2-2-4-3 مدل رياضي اوليه جهت محاسبه کارايي.. 19

2-2-5 مدل هاي متداول در DEA.. 20

2-2-5-1 مدل CCR.. 20

2-2-5-1-1 برنامه ريزي رياضي کسري مدل CCR.. 20

2-2-5-1-2 تبديل مدل کسري CCR به برنامه ريزي خطي.. 21

2-2-5-1-3 قضيه استقلال از واحد اندازه گيري.. 21

2-2-5-1-4 کاراي –CCR.. 21

2-2-5-1-5 مجوعه امکان توليد در مدل CCR.. 21

2-2-5-1-6 مساله دوگان مدل CCR.. 22

2-2-5-1-7 دلايل استفاده از DLP براي حل مدل CCR.. 22

2-2-5-2 مدل BCC.. 23

2-2-5-2-1 تعريف مدل BCC.. 23

2-2-5-2-2 مدل برنامه ريزي خطي مدل BCC.. 24

2-2-5-2-3 مدل دوگان برنامه ريزي خطي BCC.. 24

2-2-5-2-4 کارايي مدل BCC.. 24

2-2-5-2-5 مجموعه امکان توليد مدل BCC.. 25

2-2-5-3 مدل هاي جمعي.. 25

2-2-5-3-1 تعريف مدل هاي جمعي.. 25

2-2-5-3-2 مجموعه امکان توليد در ADD.. 26

2-2-5-3-3 مدل برنامه ريزي خطي مدل ADD.. 26

2-2-5-3-4مدل برنامه ريزي خطي دوال ADD.. 26

2-2-5-3-5 کارايي درADD.. 27

2-3- بازده به مقياس… 27

2-3-1 تعريف بازده به مقياس… 27

2-3-2 مفهوم رياضي بازده به مقياس… 27

2-3-3 بازده به مقياس در مدل CCR.. 28

2-3-4 بازده به مقياس در مدل BCC.. 28

2-3-5 بازده به مقياس در مدل ADD.. 29

2-3-6 تعريف نقطه MPSS. 29

2-4- منطق فازي.. 30

2-4-1 مقدمه. 30

2-4-2 مجموعه هاي کلاسيک… 31

2-4-3 مجموعه هاي فازي.. 32

2-4-4 تابع عضويت مجموعه هاي فازي.. 33

2-4-5 خواص مجموعه هاي فازي.. 33

2-4-6 عملگر هاي فازي.. 34

2-4-6-1 اجتماع دو مجموعه فازي.. 34

2-4-6-2 اشتراک دو مجموعه فازي.. 34

2-4-6-3 ماکزيمم روي اعداد فازي.. 34

2-4-6-4 مينيمم روي اعداد فازي.. 34

2-4-7 اعداد فازی.. 34

2-4-7-1 تعريف رياضي عدد فازي.. 34

2-4-7-2 اعداد فازي خاص…. 35

2-4-7-2-1 اعداد فازي مثلثي.. 35

2-4-7-2-1-1 اعمال جبري بر روي اعداد فازي مثلثي.. 35

2-4-7-2-2 اعداد فازي ذوزنقه اي.. 36

2-4-7-2-2-1 اعمال جبري بر روي اعداد ذوزنقه اي.. 36

2-4-8 آلفا- برش عدد فازي.. 37

2-4-9 رتبه بندي اعداد فازي.. 37

2-4-10 برنامه ريزي خطي فازي.. 37

2-4-10-1 تعريف برنامه ريزي خطي.. 38

2-4-10-2 تعريف مساله برنامه ريزي خطي.. 38

2-5- مروري بر نظام هاي رتبه بندي دانشگاه هاي جهان. 38

2-5-1 مقدمه. 38

2-5-2 ارزيابي عملکرد و رتبه بندي دانشگاه ها 39

2-5-3 نظام های رتبه بندي دانشگاه هاي جهان. 40

2-5-3-1 نظام رتبه بندي کامگي.. 40

2-5-3-2 روش رتبه بندي تايمز. 40

2-5-3-3 نظام رتبه بندي شانگهاي(ARWU) 41

2-5-3-4 روش رتبه بندي کيواس… 41

2-5-3-5 نظام رتبه بندي موسسه بين المللي سايماگو. 42

2-5-3-6 نظام رتبه بندي URAP. 42

2-5-3-7 نظام رتبه بندي دانشگاه هاي جهان اسلام. 42

2-5-3-8 ارزيابي عملکرد دانشگاه ها براساس تکنيک تحليل پوششي داده ها 42

فصل سوم: روش اجراي تحقيق

3-1- مقدمه. 46

3-2- مدل BCC.. 47

3-2-1 تعريف واحد کارا در مدل BCC.. 47

3-2-2 مدل دوال مدل BCC.. 47

3-2-3 تعيين بازده به مقياس در مدل BCC.. 47

3-3- مدل هاي جمعي.. 48

3-3-1 تعيين بازده به مقياس با استفاده از مدل ADD.. 48

3-4- مدل پيشنهادي.. 49

3-4-1 تعيين MPSS در مدل پيشنهادي.. 51

3-5- رويکرد فازي براي مدل پيشنهادي.. 52

3-5-1 تعريف واحد کاراي فازي.. 52

3-5-2 تعيين بازده به مقياس در مدل هاي فازي.. 53

3-6- مدل CCR فازي.. 54

فصل چهارم: تجزیه و تحلیل داده ها

4-1- مقدمه. 56

4-2- معرفي صندوق رفاه دانشجويان. 56

4-3- داده ها 57

4-4- فازي سازي داده ها 58

4-5- نتايج حاصل از تعيين کارايي وبازده به مقياس… 58

4-5-1 خروجي هاي بازده به مقياس در GAMS. 59

4-5-2 خروجي هاي تعيين کارايي در GAMS. 64

فصل پنجم: نتيجه گيري و پيشنهادات

5-1- جمع بندي.. 70

5-2- پيشنهادات… 71

منابع و مآخذ. 72

فهرست منابع فارسی.. 72

فهرست منابع انگلیسی.. 73

پیوست… 75

واژه نامه تخصصی.. 75

چکیده انگلیسی.. 76

 

 

 

 

 

فهرست جداول

عنوان                                                                                                 شماره صفحه

جدول 2-1: حالت يک ورودی و يک خروجی.. 14

جدول 2-2: حالت يک ورودي و دو خروجي.. 15

جدول 3-1: نتايج مثل 3-1. 51

جدول 4-1: بازده به مقیاس در سطح =0 α. 59

جدول 4-2: بازده به مقیاس در سطح  =0.25 α. 60

جدول 4-3: بازده به مقیاس در سطح  =0.5 α. 61

جدول 4-4: بازده به مقیاس در سطح  =0.75 α. 62

جدول 4-5: بازده به مقیاس در سطح  =1 α. 63

جدول 4-6: تعیین کارایی توسط مدل CCR فازی در سطح  =0 α. 64

جدول 4-7: تعیین کارایی توسط مدل CCR فازی در سطح  =0.25 α. 65

جدول 4-8: تعیین کارایی توسط مدل CCR فازی در سطح  =0.5 α. 66

جدول 4-9: تعیین کارایی توسط مدل CCR فازی در سطح  =0.75 α. 67

جدول 4-10: تعیین کارایی توسط مدل CCR فازی در سطح  =1 α. 68

 

 

 

 

 

 

فهرست شکل ها

عنوان                                                                                                 شماره صفحه

شکل 2-1: تعیین مرز کارایی.. 15

شکل 2-2: تعريف فضای امکان توليد. 16

شکل 2-3: مجموعه امکان توليد در مدل CCR.. 23

شکل 2-4: مجموعه امکان توليد در مدل BCC.. 24

شکل 2-5: مجموعه امکان توليد ADD.. 26

شکل 2-6: بهره ورترین اندازه مقیاس… 29

شکل 2-7: بيان هندسی عدد فازی مثلثی.. 35

شکل 2-8: بيان هندسی عدد فازی ذوزنقه ای.. 36

 

 

 

 

 

 

 

 

 

 

 


چکيده

امروزه با توجه به محدود شدن بودجه هاي دولتي و همچنين افزايش فضاي رقابتي بين شرکت ها و  سازمان هاي خصوصي ودولتي، استفاده بهينه از تمام امکانات و ظرفيت ها را در هر سازمان را به امري بديهي واجتناب ناپذير تبديل کرده است به طوريکه بررسي عملکرد وکارايي واحد هاي زير مجموعه يک سازمان  را به يک نياز اساسي تبديل کرده  است. يکي از بهترين  ابزار براي بررسي  عملکرد واحد ها تکنيک تحليل  پوششي داده ها  است. تکنيک تحليل پوششي داده ها ابزاري است براي رتبه بندي و شناسايي واحد هاي کارا و ناکارا. يکي از مهمترين مباحث در تحليل پوششي داده ها بررسي ميزان تاثير تغيير عوامل توليد بر خروجي آن واحد توليدي است که از آن به عنوان بازده به مقياس ياد مي شود. در اين تحقيق بازده به مقياس سي و سه دانشگاه کشور از طريق تکنيک خيراللهي و خدا بخشي که تعميم يافته مدل های جمعی است برآورد مي شود. و در نهايت نيز با  استفاده از تکنيک[1] CCR فازي به تعيين کارايي دانشگاه ها مي پردازيم. با توجه به اين که داده هاي ورودي وخروجي به صورت فازي در نظر گرفته شده است. نتايج به دست آمده داراي دقت و صحت بيشتري هستند وبه همين دليل داراي قابليت استفاده توسط مسولين صندوق رفاه دانشجويان و وزارت علوم و تحقيقات را دارد.

 

کليد واژه: تحليل پوششي داده هاي فازي، بازده به مقياس، رتبه بندي، کارايي


 

 

 

 

فصل اول:

کليات تحقيق

 

 

 

 

 

 

 

 

 

 

 

 

1-1- مقدمه

    در سال هاي اخير با توجه به محدود شدن بودجه ها در دانشگاه هاي دولتي وهمچنين با در نظر گرفتن اين موضوع که معيار مناسبي براي هزينه کرد اين بودجه در ميان دانشگاه ها و دانشجويان وجود ندارد، حاکي از اين است که نياز به يک ابزار و تحقيق براي تعيين ميزان  کارايي دانشگاه ها وجود دارد. از طرفي در تمامي کشور هاي توسعه يافته به آموزش عالي به عنوان يکي از عوامل موثر در تحقق سياست هاي توسعه اقتصادي، سياسي، فرهنگي توجه مي شود (محمدی 1384، 21).

     بايد در نظر داشت که دانشگاه ها ي کشور را مي توان از جنبه ها وگونه ها ي مختلفي مورد بررسي قرار داد. يکي از اين جنبه ها بحث خدمات رفاهي و آسايشي براي دانشجويان است. يکي از مهمترين  بخش هايي که در وزارت علوم وتحقيقات براي ايجاد رفاه وآسايش بين دانشجويان وجود دارد صندوق رفاه دانشجويان است که به منظور تامين مالي و نيز کمک به وضعيت تحصيلي و معيشتي دانشجويان دانشگاه ها و موسسات آموزش عالي و در جهت اهداف مشخص شده در قانون اساسي که همانا خودکفايي در آموزش عالي کشور است در سال 1353 تاسيس شد.

 

1-2- بيان مساله

    براي بررسي وضعيت کارايي دانشگاه ها با توجه به بررسي هاي صورت گرفته مي توان از دو تکنيک تحليل پوشش داده ها[2] و روش تحليل مرز تصادفي[3] استفاده کرد. روش تحليل مرز تصادفي روش مناسبي براي پردازش داده ها با سطح معيني از عدم اطمينان است. اما زمانيکه تعداد ورودي ها وخروجي ها زياد مي شود، امکان استفاده از اين روش را مشکل مي کند. به عبارت ديگر روش تحليل پوششي داده ها براي بررسي وضعيت کارايي موسسات غير انتفايي نظير بيمارستان ها، دانشگاه ها که داراي چندين ورودي وخروجي هستند و اولويت پولي در آن ها وجود ندارد، روش مناسبي است. از روش تحليل پوششي داده ها به عنوان يک روش غير پارامتريک[4] براي ارزيابي کارايي نسبي[5] واحد هاي تصميم گيرنده [6]که داراي چندين ورودي و خروجي مشابه هستند، استفاده مي شود.

دو مدل اساسي تکنيک DEA:

1) مدلCCR: اين مدل براي ارزيابي کارايي واحدهاي تصميم گيرنده اي با بازده به مقياس ثابت به کار  مي رود.

2) مدلBCC: اين مدل زماني به کار مي رود که N واحد تصميم گيرنده با بازده به مقياس هاي متفاوت وجود دارد. اين مدل براي اولين بار توسط بانکر، چارنز، وکوپر براي حل مشکل مدل CCR ارايه شد.

بازده به مقياس

بازده به مقياس یک بحث بسيار مهم در اقتصاد خرد و کلان است و مي تواند اطلاعات مفيدي راجع به وضعيت واحد هاي تصميم گيرنده در اختيار ما بگذارد.

 يک تعريف از بازده به مقياس به اين صورت است که بازده به مقياس ميزان تاثير عوامل توليد بر روي توليد است.

بازده به مقياس بر سه نوع تقسيم مي شود:

 1)بازده به مقياس افزايشي (IRS): به اين معناست که با افزايش ميزان ورودي ها، خروجي ها بيشتر افزايش پيدا کنند.

 2)بازده به مقياس کاهشي (DRS): به اين معناست که با افزايش ميزان ورودي ها، خروجي ها کمتر افزايش پيدا کنند.

 3)بازده به مقياس ثابت (CRS): به اين معناست که با افزايش ميزان ورودي ها، خروجي ها نيز به همان اندازه افزايش پيدا کنند.

منطق فازي وکاربرد آن در DEA

   منطق فازي[7] که در مقابل منطق کريسپ يا همان منطق (0و1) است براي اولين بار توسط يک دانشمند ايراني به نام پروفسور لطفي زاده[8] ارائه شد. اين منطق از منظر در نظر گرفتن بعد کلامي به صورت در نظر گرفتن بعد خاکستري بين صفر ويک براي زبان هاي محاوره اي بسيار مناسب است. پروفسور لطفي زاده در آن زمان رياست دانشکده مهندسي برق دانشگاه برکلي را بر عهده داشتند ومي توان گفت که شاخه جديدي از رياضيات را ارائه کردند. با توجه به اين که ورودي ها و خروجي ها در مدل DEA داراي ماهيت قطعي نيستند براي به دست آوردن جواب هايي با کيفيت بالاتر از داده هاي فازي استفاده کرديم.

  به مدل DEA که از داده هاي فازي براي حل مساله استفاده مي کند اصطلاحا مدل تحليل پوششي داده هاي فازي(FDEA) مي گويند.

  در اين پژوهش قصد بر اين است که از مقاله ای که دکتر خدابخشی در آن با استفاده از يک متد جديد به تعيين نوع بازده به مقياس پرداخته، برای تعيين نوع بازده به مقياس 33 دانشگاه دولتی استفاده کنيم. همچنين با تعميم اين روش به روش CCR، يک مدل CCR فازی به دست آوريم وبا استفاده از اين مدل به تعيين کارايي اين 33 دانشگاه دولتي بپردازيم.

 

1-3- سابقه و ضرورت انجام تحقيق

   تحليل پوششي داده ها تکنيکي است که توسط يک مدل برنامه ريزي رياضي که براي ارزيابي کارايي واحد هاي تصميم گيرنده که چندين ورودي و چندين خروجي دارند مورد استفاده قرار مي گيرند. تکنيک تحليل پوششي داده ها براي اولين بار توسط چارنز و کوپر و رودز معرفي شد. مدلي که آنها ارائه کردند به مدل CCR  معروف شد. بعد از آن بنکر و همکارانش در سال 1984 مدلي که تعميم يافته مدل CCR  بود ارائه کردند که به مدل BCC [9] معروف شد. در سال هاي بعد با توجه به قدرت تکنيکDEA  در ارزيابي و رتبه بندي واحد ها مقالات و تحقيقات بسيار زيادي راجع به اين مطلب منتشر شد.

   ضرورت انجام اين تحقيق از دو منظر قابل توجه است. اول اينکه ساير تحقيقات صورت گرفته در اين زمينه از داده هاي قطعي استفاده مي کنند و با توجه به اين که در محيط واقعي ماهيت داده ها اغلب قطعي نيستند، در اين تحقيق از داده هاي فازي استفاده شده است. دوم اينکه در اکثر تحقيقات ومقالاتي که براي تعيين بازده به مقياس و رتبه بندي واحد هاي دانشگاهي وموسسات آموزش عالي نوشته شده اند، اين موسسات را غالبا از منظر معيار هاي تخصصي آموزشي و پژوهشي مورد ارزيابي قرار داده اند. ليکن در اين تحقيق براي ايجاد يک نواوري، همچنين ابراز نياز سازمان ها وموسسات خدمت رساني در دانشگاه ها نظير صندوق رفاه دانشجويان تصميم به تعيين بازده به مقياس ورتبه بندي دانشگاه ها ومراکز آموزش عالي دولتي با معيار هاي خدماتي و رفاهي دانشجويان گرفته شد.

 

1-4- هدف از انجام تحقيق

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

منابع و مآخذ

فهرست منابع فارسی

  1. کاسکو، بارت. (1384). تفکر فازی. ترجمه غفاريان، پور ممتاز، مقصود پور و قسيمی. تهران: دانشگاه خواجه نصير طوسی.
  2. بازارا، مختار.، جان جی جارويس. و حنيف شرالی. 1388. برنامه ريزی خطی. ترجمه اسماعيل خرم. تهران: نشر کتاب دانشگاهی.
  3. جهانشاهلو، غلامرضا.، فرهاد حسين زاده. و هاشم نيکومرام. 1387. تحليل پوششی داده ها و کاربردهای آن. تهران: دانشگاه آزاد اسلامی، واحد علوم و تحقيقات.
  4. رضايي، محمود. و مهدی غضنفری. 1389. مقدمه ای بر نظريه مجموعه های فازی. تهران: دانشگاه علم و صنعت.
  5. ساعتی، صابر. و عادل حاتمی. 1386. تحليل پوششی داده های فازی. پنجمين کنفرانس بين المللی مهندسی صنايع.
  6. ———. (1384). شاخص های ارزيابی آموزش عالی در جمهوری اسلامی ايران. تهران: شورای عالی انقلاب فرهنگی.
  7. شهرياری، سلطانعلی. (1382). ارائه يک مدل تحليل پوششی داده های فازی جهت ارزيابی عملکرد نسبی دانشکده های علوم انسانی دانشگاه تهران. پايان نامه کارشناسی ارشد. دانشگاه تهران.
  8. قصيری، کيوان. و احمدرضا جعفريان مقدم. 1387. تحليل پوششی داده های فازی. قزوين: دانشگاه آزاد اسلامی، واحد قزوين.
  9. کوپر، ويليام. و لورنس. کوراتن سيفورد. 1392. تحليل پوششی داده ها و مدل ها و کاربردها. تهران: دانشگاه صنعتی امير کبير.
  10. محمدی، رضا. (1384). ارزشيابی کيفيت در آموزش عالی ايران. تهران: سازمان سنجش.
  11. مهرگان، محمدرضا. (1383). مدل های کمی در ارزيابی عملکرد سازمان ها. تهران: دانشکده مدريت دانشگاه تهران.

 

 

 

 


فهرست منابع انگلیسی

  1. Charnes, W.W. Cooper, E. Rhodes, (1978). Measuring the efficiencies of DMUs, Eur. J. Oper. Res.
  2. D. Banker, A. Charnes, W.W. Cooper, (1984). Models for estimating technical and scale efficiencies, Manage. Sci.
  3. Charnes, W.W. Cooper, B. Golany, L. Seiford, J. Stutz, (1985). Foundations of data envelopment analysis for pareto-koopmans efficient empirical production functions, J. Econom.
  4. R. Jahanshahloo, M. Khodabakhshi, (2003). Using input–output orientation model for determining most productive scale size in DEA, Appl. Math. Comput.
  5. D. Banker, (1984). Estimating most productive scale size using data envelopment analysis, Eur. J. Oper. Res.
  6. Färe, S. Grosskopf (1994). Estimation of returns to scale using data envelopment analysis: A comment, Eur. J. Oper. Res.
  7. W. Cooper, R.G. Thompson, R.M. Thrall, (1996). Exntensions and new developments in DEA, Annal. Oper. Res.
  8. Golany, G. Yu, (1997). Estimating returns to scale in DEA, Eur. J. Oper. Res.
  9. Sueyoshi, K. Sekitani, (2005). Returns to scale in dynamic DEA, Eur. J. Oper. Res.
  10. D. Banker, I. Bardhan, W.W. Cooper, (1996). A note on returns to scale in DEA, Eur. J. Oper.
  11. D. Banker, H. Chang, W.W. Cooper, (1996). Equivalence and implementation of alternative methods for determining returns to scale in data envelopment analysis, Eur. J. Oper.
  12. D. Banker, W.W. Cooper, L.M. Seiford, R.M. Thrall, H. Zhu, (2004). Returns to scale in different DEA models, Eur. J. Oper. Res.
  13. D. Banker, R.M. Thrall, (1992). Estimation of return to scale using Data Envelopment Analysis, Eur. J. Oper. Res.
  14. M. Seiford, J. Zhu, (1998). On alternative optimal solutions in the estimation of returns to scale in DEA, Eur. J. Oper. Res.
  15. M. Seiford, J. Zhu, (1999). An investigation of returns to scale in data envelopment analysis, OMEGA: Int. J. Manage. Sci.
  16. Sueyoshi, (1999). DEA duality on returns to scale (RTS) in production and cost analyses: An occurrence of multiple solutions and differences between production-based and cost-based RTS estimates, Manage. Sci.
  17. Thanassoulis,(2001). Introduction to the Theory and Applications of Data Envelopment Analysis, A Foundation text with Integretad Software, Kluwer Academic Publisher,
  18. Tone, (1996). A simple characterization of return to scale in DEA, J. Oper. Res. Soc. Japan
  19. Zhu, Z.H. Shen, (1993). A discussion of testing returns to scale in DEA, Eur. J. Oper. Res.
  20. Guo, H. Tanaka, (2001). Fuzzy DEA: A perceptual evaluation method, Fuzzy Sets Syst.
  21. W. Cooper, H. Deng, Z. Huang, Susan X. Li, (2002). Chance constrained programming approaches to technical efficiencies and inefficiencies in stochastic data envelopment analysis, J. Oper. Res. Soc.
  22. W. Cooper, Z. Haung, Susan X. Li, (1996). Satisfying DEA models under chance constraines, Annal. Oper. Res.
  23. Khodabakhshi, (2009). Estimating most productive scale size with stochastic data in data envelopment analysis, Econ. Model.
  24. Khodabakhshi, M. Asgharian, (2009). An input relaxation measure of efficiency in stochastic data envelopment analysis, Appl. Math. Model.
  25. Khodabakhshi, M. Asgharian, G.N. Gregoriou, (2009). An input-oriented super efficiency measure in stochastic data envelopment analysis: Evaluating chief executive officers of US public banks and thrifts, Expert Syst. Appl.
  26. K. Slowinski, (1998). Fuzzy sets in Decision Analysis, Operations Research and Statistics, Kluwer Academic Publishers, Dordrecht,
  27. J. Zimmermann, (1996). Fuzzy Set Theory and Its Applications, third ed., Kluwer Academic Publishers, Boston,
  28. Leung, (1998). Spatial Analysis and Planning under Imprecision, North-Holland, Amsterdam,
  29. K. Luhandjula, (1989). Fuzzy optimization: An appraisal, Fuzzy Sets Syst.
  30. Inuiguchi, H. Ichihasi, H. Tanaka, (1990). Fuzzy programming: A survey of recent developments, in: R. Slowinski, J. Teghem (Eds.), Stochastic Versus Fuzzy Approaches to Multiobjective Mathematical Programming Under Uncertainty, Kluwer Academic Publishers, Dordrecht,
  31. Inuiguchi, T. Tanino, (1999). Data envelopment analysis with fuzzy input–output data, in: Y.Y. Haims, R.E. Steuer (Eds.), (EDS): Research and Practice in Multiple Criteria Decision Making, Springer-Verlag, Berlin,
  32. J. Lai, C.L. Hwang, (1992). Fuzzy Mathematical Programming: Theory and Applications, Springer, Berlin,
  33. Lertworasirikul, S.C. Fanga, J.A. Joines, H.L.W. Nuttle, (2003). Fuzzy data envelopment analysis (DEA): A possibility approach, Fuzzy Sets Syst.
  34. A. Zadeh, (1978). Fuzzy sets as a basis for a theory of possibility, Fuzzy Sets Syst.
  35. Liu, (1999). Uncertain Programming, A Wiley-Interscience Publication, New York,.
  36. Khodabakhshi, Y. Gholami, H. Kheirollahi. (2010). An additive model approach for estimating returns to scale in imprecise data envelopment analysis. Department of Mathematics, Faculty of Science, Lorestan University, Khorram Abad, Iran.

 

 

 

 

 

 

 

 

 

پیوست

واژه نامه تخصصی

 

Data envelopment analysis                                                                             تحليل پوششی داده ها

Stochastic frontier analysis                                                                                 تحليل مرز تصادفی

efficiency                                                                                                                              کارايی

productivity                                                                                                                      بهره وری

ranking                                                                                                                              رتبه بندی

Parametric method                                                                                                    روش پارامتری

Non parametric method                                                                                      روش غير پارامتری

Production possibility set                                                                                  مجموعه امکان توليد

Efficiency frontier                                                                                                              مرز کارا

Allocation efficiency                                                                                             کارايی تخصيصی

Absolute efficiency                                                                                                      کارايی مطلق

Relative efficiency                                                                                                       کارايی نسبی

Technical efficiency                                                                                                       کارايی فنی

Return to scale                                                                                                          بازده به مقياس

Increasing return to scale                                                                              بازده به مقياس افزايشی

Decreasing return to scale                                                                              بازده به مقياس کاهشی

Constant return to scale                                                                                    بازده به مقياس ثابت

Decision making unit                                                                                          واحد تصميم گيری

input                                                                                                                                     ورودی

output                                                                                                                                 خروجی

crisp                                                                                                                                        قطعی

Logic fuzzy                                                                                                                    منطق فازی

Fuzzy set theory                                                                                        تئوری مجموعه های فازی

Primal model                                                                                                                     مدل اوليه

Dual model                                                                                                                      مدل ثانويه

 

Performance assessments and estimates of returns to scale of universities using data envelopment analysis of fuzzy technique

Abstract:

Today, due to the limited government funds and increasing competitive environment between government and private enterprise organizations, efficient use of resources and capacity in any organization to have made an obvious avoidance matter. So Evaluate the performance of a sub-unit of the organization has become a basic requirement. One of the best tools to evaluate the performance is DEA technique. Data envelopment analysis is a tool for ranking and identifying efficient and inefficient units. One of the most important topics in data envelopment analysis, is surveying effect of changes in production factors the plants output is called to as return to scale.  In this research, thirty- three of the countrys university return to scale throuth khodabakhshi and kheirollahi technique is generalized ADD model is stimated. And finally we are using fuzzy CCR technique to determine the efficiency of the universities. According to the data input and output are considered as fuzzy the obtained results are more accurate. That’s why obtained datas have ability to be used by sscience ministry and Students’ Welfare.

Keywords: fuzzy data envelopement analysis , return to scale , ranking , efficiency.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ISLAMIC AZAD UNIVERSITY

Science And Research Branch of Kerman

Faculty of Engineering –Departemnt of Industrial Engineering

 

Thesis for receiving »M.Sc« degree on Industrial Engineering

 

Subject:

Performance assessments and estimates of returns to scale of universities using data envelopment analysis of fuzzy technique

 

 

Thesis Advisor:

  1. Khoveyni Ph.D

 

 

By:

Ali Kamalzadeh

 

 

 

Spring 2014

 

[1] Charnes,Chopper,Rohdes

[2] Data envelopment analysis

[3]  Stochastic frontier analysis

[4] Non parametric method

[5] Relative eficiency

[6] Decision making unit

[7] Fuzzy logic

[8] Zadeh

[9] Banker,Cooper,Charnes

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “ارزیابی کارایی وتخمین بازده به مقیاس دانشگاه ها و مراکز آموزش عالی با استفاده از تکنیک تحلیل پوششی داده های فازی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

+ 62 = 72