@article { author = {صارمی, دکتر محمود and شهریاری, سلطانعلی}, title = {-}, journal = {Management Knowledge(Not Publish)}, volume = {16}, number = {1}, pages = {-}, year = {2004}, publisher = {}, issn = {}, eissn = {}, doi = {}, abstract = {Data envelopment analysis (DEA) is one of the most efficient approaches calculating the relative efficiency of decision-making units by applying a strong mathematical basis. This non-parametric technique has been presented by Charnes, Cooper and Rodes for measuring and evaluating the relative efficiency of decision-making units (DMUs) with multiple input and output. In initial DEA models, the criteria for measuring efficiency was radial measure. A full ranking of units was not presented in the model and the model merely categorized the DMUs in two subcategories, namely, efficient and non-efficient. Moreover, this model could not present an adequate discrimination between the obtained results. Thus, this article concentrates on solving the above mentioned difficulties. The article also will emphasize on using the concept of DEA for the improvement of discrimental power in order to present a full ranking of DMUs. Hence, at the beginning of the article the input efficiency profile of each input is discussed and then the suggested technique of IEP/AHP is presented for a full ranking of DMUs. Finally the IEP model will be integrated into analytical hierarchy process (IHP).}, keywords = {Analytical Hierarchy Process (AHP),Data Envelopment Analysis (PEA),Input Efficiency Profile (IEP)}, title_fa = {تحلیل پوششی داده ها و روش نوین IEP /AHP جهت رتبه بندی کامل واحدهای تصمیم گیرنده}, abstract_fa = {تحلیل پوششی داده ها یکی از رویکردهای علمی است که با به کارگیری مبنای ریاضی قوی به محاسبه کارایی می پردازد. تحلیل پوششی داده ها‘ تکنیکی ناپارامتریک برای سنجش و ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیرنده با ورودی ها و خروجی های چندگانه است. از آن جا که در مدل های اولیه تحلیل پوششی داده ها اولاً معیار سنجش کارایی‘ معیاری شعاعی است ثانیاً رتبه بندی کاملی از واحدها ارایه نمی شود و این مدل ها واحدها را فقط به دو دسته کارا و ناکارا طبقه بندی می نماید و ثالثاً این مدل ها توانایی تفکیک و تشخیص کافی میان نتایج ارایه نمی کنند‘ مقاله حاضر سعی شده است تا این مشکلات به طور همزمان رفع شود. به عبارت دیگر‘ این مقاله سعی در استفاده از مفهوم تحلیل پوششی داده ها به منظور بهبود قدرت تشخیص‘ با به کارگیری مدل پروفایل کارایی هر ورودی و تلفیق این مدل با تحلیل سلسله مراتبی جهت ارایه یک رتبه بندی کامل از واحدهای تصمیم گیرنده دارد. لذا در این مقاله ابتداء مدل پروفایل کارایی هر ورودی و سپس تکنیک پیشنهادی مزبور جهت انجام رتبه بندی کاملی از واحدهای تصمیم گیرنده مطرح می شود.}, keywords_fa = {پروفایل کارایی هر ورودی,تحلیل پوششی داده ها,فرایند تحلیل سلسله مراتبی/ پروفایل کارایی هرورودی,فرایند تحلیلی سلسله مراتبی}, url = {https://jmk.ut.ac.ir/article_11523.html}, eprint = {https://jmk.ut.ac.ir/article_11523_4b81ca74373eea7a1978a890c4344727.pdf} }