مدل های تحلیل پوششی داده های بدترین عملکرد برای اندازه گیری کارآیی فازی

تحلیل پوششی داده ها (DEA) در شکل کلاسیک خود که مبتنی بر مفهوم مرز تولید کارآ ست، بهترین نمره ی کارآیی ممکن را تعیین می کند که می توان آن را به هر یک از اعضای مجموعه ای از واحدهای تصمیم گیری (DMU) اختصاص داد. DMU بر اساس این نمرات به عنوان کارآی خوشبینانه یا غیرکارآی خوشبینانه تقسیم بندی می شوند، و DMU کارآی خوشبینانه، مرز کارآیی را مشخص می کنند. DEA کلاسیک را می توان برای شناسایی واحدهای دارای عملکرد خوب (کارآ) در مطلوب ترین سناریو استفاده کرد. به منظور شناسایی واحدهای دارای عملکرد بد، مانند بنگاه های ورشکسته در نامطلوب ترین سناریو (بدترین حالت)، رویکرد مشابهی به نام تحلیل بدترین کارآیی وجود دارد، که از مرز تولید ناکارآ برای تعیین بدترین نمره ی کارآیی نسبی ممکن که می توان به هر DMU اختصاص داد، استفاده می کند. DMU واقع شده بر مرز تولید ناکارآ به عنوان ناکارآی بدبینانه تعیین می شوند، و آنهایی که روی مرز تولید کارآ و تولید ناکارآ نیستند، به عنوان نامعین DEA اعلام می شوند. DEA نیازمند آن است که داده های ورودی ها و خروجی ها به طور دقیق معلوم باشند. ولی در کاربردهای واقعی همیشه چنین نیست. لیکن مقادیر مشاهده شده ی ورودی ها و خروجی ها در مسایل دنیای واقعی گاه فازی هستند. بسیاری از پژوهشگران روش های فازی مختلفی را برای کار با داده های فازی در DEA پیشنهاد کرده اند. این مقاله دو مدل DEA فازی جدید ارائه می کند که بر اساس حساب فازی برای کار با فازی بودن داده های ورودی و خروجی در DEA ایجاد شده اند. مدل های DEA فازی جدید به صورت مدل های برنامه ریزی خطی فرمول بندی می شوند و می توان آنها را برای تعیین کارآیی فازی گروهی از DMU مورد استفاده قرار داد. مدل های DEA فازی مرز بدترین عملکرد پیشنهاد شده در این مقاله، DMU دارای «بدترین عملکرد» را که مرز بدترین عملکرد (مرز ناکارآیی) را تشکیل می دهند، به صورت دقیق شناسایی می کنند. این مساله به خصوص برای ارزیابی ریسک اعتبار مفید واقع می شود، ولی در هر کاربرد دیگری نیز می تواند سودمند باشد، زیرا واحدهایی که بدترین عملکرد را دارند، غالبا در همان جایی قرار دارند که بیشترین احتمال بهبود در آنجا وجود دارد. برای نشان دادن کاربرد رویکرد جدید، یک مثال ارائه خواهد شد.