مثال تحلیل پوششی داده ها

مثال تحلیل پوششی داده ها

دراین مقاله برای هر دو مدل تحلیل پوششی داده های ثابت و متغیر مثال های مرتبط با آن عنوان شده است.

مثال مدل بازده به مقیاس ثابت (CCR)

شش واحد تصمیم گیرنده زیر را با دو ورودی و دو خروجی در نظر بگیرید سپس با فرم اولیه CCR کارایی واحد ها را محاسبه نمایید.

 ساخت مدل اولیه و حل آن توسط یکی از نرم افزارها ( LINGO , WINQSB)

• Max Z_A=1.4 u₁ + 0.35 u₂
• st. 1.5 v₁+0.2 v₂ = 1
• 1.4 u₁ + 0.35 u₂ – 1.5 v₁ -0.2 v₂ ≤ 0
• 1.4 u₁ + 2.1 u₂ – 4 v₁ -0.7 v₂ ≤ 0
• 4.2 u₁ + 1.05 u₂ – 3.2 v₁ -1.2 v₂ ≤ 0
• 2.8 u₁ + 4.2 u₂ – 5.2 v₁ – 2 v₂ ≤ 0
• 1.9 u₁ + 2.5 u₂ – 3.5 v₁ -1.2 v₂ ≤ 0
• 1.4 u₁ + 1.5 u₂ – 3.2 v₁ -0.7 v₂ ≤ 0
• u₁ , u_{2 ,} v₁ , v₂ ≥ 0

مثال تحلیل پوششی داده ها مثال تحلیل پوششی داده ها مثال تحلیل پوششی داده ها مثال تحلیل پوششی داده ها

نتایج حل مدل CCR واحدهای مختلف

همان طور که می دانید Z* امتیاز کارایی برای تمام واحدهای مورد بررسی می باشد و تحلیل جدول فوق نشان از کارایی 4 واحد A,B,C,D می دهد.

مثال مدل بازده به مقیاس متغیر (BCC)

در یک پروژه ای می خواهیم عملکرد 12 بانک را با هم مقایسه و راه های بهبود عملکرد آن ها را پیدا کنیم. برای این کار داده های زیر جمع آوری شده اند. بازگشت به مقیاس ، متغیر فرض می شود. سرمایه، وام و سرمایه گذاری با واحدهای یکسان محاسبه شده اند.

مثال تحلیل پوششی داده ها

بر اساس داده های موجود برای بانک اول، یک مدل تحلیل پوششی داده ها را نوشته و با یک نرم افزار حل برنامه ریزی خطی حل کنید.

• MODEL:
• MIN=e;
• 20*x1+19*x2+25*x3+27*x4+22*x5+55*x6+33*x7+31*x8+30*x9+50*x10+53*x11+38*x12<=20*e;
• 151*x1+131*x2+160*x3+168*x4+158*x5+255*x6+235*x7+206*x8+244*x9+268*x10+306*x11+284*x12<=151*e;
• 100*x1+150*x2+160*x3+180*x4+94*x5+230*x6+220*x7+152*x8+190*x9+250*x10+260*x11+250*x12>=100;
• 90*x1+50*x2+55*x3+72*x4+66*x5+90*x6+88*x7+80*x8+100*x9+100*x10+147*x11+120*x12>=90;
• @free(e);
• END