بخشی از مقاله
چکیده: اندازه گیری مقدار کارایی و رتبه بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده ها همواره از اهمیت بالایی برخوردار بوده است. در دنیای واقعی مسائل زیادی وجود دارد که نمی توان مقادیر داده های آن ها - ورودی ها و خروجی ها - را به صورت قطعی و دقیق بیان نمود. در این مقاله روش دو مرحله ای بر اساس ایده ی مدل ابرکارایی پیشنهاد گردیده است که می توان با توجه به وجود داده های نادقیق و بازه ای، علاوه بر محاسبه ی مقدار ابرکارایی، واحدها را نیز رتبه بندی می کند. در این مقاله روش رتبه بندی ارائه شده برای داده های بازه ای جهت بهینه سازی عملیات انفجار در معادن و همچنین کاهش بیش شکست حاصل از انفجار تونل های پردیس مورد استفاده قرار گرفته است.
1 مقدمه
تحلیل پوششی داده ها - DEA - ، شامل تکنیک ها و روش هایی برای ارزیابی کارایی و یا سنجش بهره وری واحد های تصمیم گیرنده - DMU - است. DEA شاخهایی از علم تحقیق در عملیات بوده و یک روش غیر پارامتری برای ارزیابی واحدهای تصمیم گیرنده می باشد. امروزه با استفاده از این علم، عملکرد مدیران سازمانها بطور دقیق مورد مطالعه قرار میگیرد. . امروزه استفاده از تکنیک تحلیل پوششی دادهها با سرعت زیادی در حال گسترش بوده و در ارزیابی سازمانها و صنایع مختلف مانند صنعت بانکداری، پست، معادن، بیمارستانها، مراکز آموزشی، نیروگاهها، پالایشگاه ها و... استفاده میشود.
روش های زیادی تا کنون برای رتبه بندی واحدها ارائه شده است که از این میان می توان به روش های اندرسون و پیترسون، سکستون، خط گرادیان، وزن های مشترک، مونت کارلو، نرم ها - نرم L1 و نرم - L و روش مفهومی مزیت اشاره نمود. محققان بسیاری با تحقیق بر مدل های فوق سعی بر برطرف نمودن ایرادات و نواقص مدل های فوق و همچنین بررسی این مدل ها با حالت های خاصی که ممکن است در عمل پیش آید، مانند حالت داده های بازه ای، منفی، غیر قابل کنترل ومطلوب و نامطلوب، نموده اند.
6 نتایج
در این مقاله یک روش جدید رتبه بندی برای داده های بازه ای معرفی گردید و از آن برای کنترل و کاهش بیش شکست در 18 عملیات انفجار تونل های پردیس مورد بررسی قرار گرفته است. نتایج رتبه های بدست آمده با تکنیک فوق از دیدگاه کارشناسان خبره ی عملیات انفجار، منطبق بر واقعیت در عملیات آتشباری تونل های پردیس بدست آمد.
