وزن های متداول درون دسته ای در DEA: تجزیه تحلیل راندمان نیروگاه برق

نوع فایل : word

تعداد صفحات : 25

تعداد کلمات : 4500

مجله : European Journal of Operational Research

انتشار : 2007

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
22 آگوست 2020
دسته بندی
تعداد بازدیدها
1412 بازدید
12,000 تومان

عنوان فارسی مقاله:وزن های متداول درون دسته ای در DEA:  تجزیه تحلیل راندمان نیروگاه برق

 چکیده  

 DMU ها یا واحدهای تصمیم گیری در شرایط واقعی تحلیل پوششی داده‌ها یا DEA، به صورت گروهی فعالیت می‌کنند به خصوص در واحدهای تصمیم گیری که تحت یک تیم مدیریت عمل می‌کنند. یعنی مضرب‌های به کار برده شده در دسته باید در میان اعضا، متداول باشد. یک مثال، در برگیرنده‌ی نیروگاه‌های برق است که شامل مجموعه‌ای از واحدهای توان در نیروگاه است. الگوی برنامه ریزی آرمانی برای ایجاد مجموعه مضرب مشترک ارائه گردید. یکی از ویژگی‌های آن این است که باعث کاهش ماکزیمم اختلاف بین نمرات داخل دسته‌ای در سطح ایده آل می‌شود(تجزیه تحلیل راندمان نیروگاه برق).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Within-group common weights in DEA: An analysis of power plant efficiency

Abstract

In many real world applications where DEA is applied, DMUs can often be put into groups, such as those which may be under a single management team. This often means that the multipliers used within a group should be common across that group’s members. The case example examined in this regard is one involving a set of power plants, with each containing a set of power units under a common plant management. We develop a goal-programming model for this setting that seeks to derive such a common-multiplier set. The important feature of this multiplier set is that it minimizes the maximum discrepancy among the within-group scores from their ideal levels.
دیدگاهتان را بنویسید