Data Envelopment Analysis: A Handbook on the Modeling of Internal Structures and Networks

این کتاب به عنوان مکمل کتابچه راهنمای تجزیه و تحلیل پوششی داده ها (ویرایشگران، W.W. Cooper، L.M. Seiford and J, Zhu، 2011، Springer) در تلاش برای گسترش مرز عمل می کند. تحقیق DEA این یک منبع جامع برای مدل سازی پیشرفته DEA در ساختارهای داخلی و شبکه DEA فراهم می کند. فصل 1 یک بررسی در مورد تجزیه عملکرد شبکه دو مرحله ای و تکنیک های مدل سازی ارائه می دهد. فصل 2 مشکلات مدل سازی شبکه DEA را مورد بحث قرار می دهد. فصل 3 تجزیه بازده در شبکه DEA را تحت سه نوع ساختار، یعنی سری، موازی و دینامیکی مورد بحث قرار می دهد. فصل 4 تعیین مرز DEA شبکه را مطالعه می کند. در فصل 5 تجزیه بازده افزودنی در شبکه DEA مورد بحث قرار گرفته است. رویکردی در اندازه‌گیری بازده مقیاس در شبکه‌های دو مرحله‌ای در فصل 6 ارائه شده است. فصل 7 بیشتر تجزیه بازده مقیاس در شبکه‌های دو مرحله‌ای را مورد بحث قرار می‌دهد. فصل 8 یک رویکرد بازی چانه زنی برای مدل سازی شبکه های دو مرحله ای ارائه می دهد. فصل 9 به بررسی منابع مشترک و تجزیه کارایی در شبکه های دو مرحله ای می پردازد. فصل 10 رویکردی برای محاسبه امتیازات کارایی فنی برای یک شبکه تولید پویا و فرآیندهای فرعی آن معرفی می‌کند. فصل 11 یک شبکه DEA مبتنی بر slacks را ارائه می دهد. فصل 12 یک تکنیک مدل سازی DEA را برای یک فرآیند شبکه دو مرحله ای مورد بحث قرار می دهد که در آن ورودی های مرحله دوم شامل خروجی های مرحله اول و ورودی های اضافی به مرحله دوم می شود. فصل 13 یک روش اندازه گیری کارایی برای سیستم های تولید چند مرحله ای ارائه می کند. فصل 14 مدل های DEA شبکه، هر دو استاتیک و پویا را مورد بحث قرار می دهد. این بحث همچنین به بررسی توابع مختلف هدف مفیدی می‌پردازد که می‌توانند در مدل‌ها برای یافتن تخصیص بهینه منابع برای فرآیندهای درون جعبه سیاه، که معمولاً برای DEA نامرئی هستند، اعمال شوند. فصل 15 مروری جامع از انواع تکنیک های مدل سازی شبکه DEA ارائه می کند. فصل 16 مدل‌های منابع مشترک را برای استخراج معیارهای کل عملکرد شعب بانک، همراه با معیارهای مؤلفه‌ای که ارزش کل را تشکیل می‌دهند، ارائه می‌کند. فصل 17 مجموعه‌ای از کارخانه‌های تولیدی را بررسی می‌کند که زیر یک چتر واحد فعالیت می‌کنند، با هدف استفاده از معیارهای جزء یا عملکرد برای تصمیم‌گیری در مورد آنچه که می‌تواند به عنوان تجارت اصلی هر کارخانه در نظر گرفته شود. فصل 18 تنظیمات مشکل را در نظر می گیرد که در آن ممکن است خوشه ها یا گروه هایی از DMU وجود داشته باشد که یک سلسله مراتب را تشکیل می دهند. مورد خاص یک نیروگاه برق خاموش در این زمینه بررسی می شود. فصل 19 خروجی های بد را در شبکه دو مرحله ای DEA مدل می کند. فصل 20 کاربرد شبکه DEA را برای اندازه گیری عملکرد تیم های لیگ برتر بیسبال (MLB) ارائه می دهد. فصل 21 کاربرد یک مدل شبکه دو مرحله ای DEA را برای بررسی عملکرد 30 شرکت هواپیمایی ایالات متحده ارائه می کند. سپس فصل 22 دو مدل بازده شبکه متمایز را ارائه می‌کند که در سیستم‌های مهندسی اعمال می‌شوند.

This handbook serves as a complement to the Handbook on Data Envelopment Analysis (eds, W.W. Cooper, L.M. Seiford and J, Zhu, 2011, Springer) in an effort to extend the frontier of DEA research. It provides a comprehensive source for the state-of-the art DEA modeling on internal structures and network DEA. Chapter 1 provides a survey on two-stage network performance decomposition and modeling techniques. Chapter 2 discusses the pitfalls in network DEA modeling. Chapter 3 discusses efficiency decompositions in network DEA under three types of structures, namely series, parallel and dynamic. Chapter 4 studies the determination of the network DEA frontier. In chapter 5 additive efficiency decomposition in network DEA is discussed. An approach in scale efficiency measurement in two-stage networks is presented in chapter 6. Chapter 7 further discusses the scale efficiency decomposition in two stage networks. Chapter 8 offers a bargaining game approach to modeling two-stage networks. Chapter 9 studies shared resources and efficiency decomposition in two-stage networks. Chapter 10 introduces an approach to computing the technical efficiency scores for a dynamic production network and its sub-processes. Chapter 11 presents a slacks-based network DEA. Chapter 12 discusses a DEA modeling technique for a two-stage network process where the inputs of the second stage include both the outputs from the first stage and additional inputs to the second stage. Chapter 13 presents an efficiency measurement methodology for multi-stage production systems. Chapter 14 discusses network DEA models, both static and dynamic. The discussion also explores various useful objective functions that can be applied to the models to find the optimal allocation of resources for processes within the black box, that are normally invisible to DEA. Chapter 15 provides a comprehensive review of various type network DEA modeling techniques. Chapter 16 presents shared resources models for deriving aggregate measures of bank-branch performance, with accompanying component measures that make up that aggregate value. Chapter 17 examines a set of manufacturing plants operating under a single umbrella, with the objective being to use the component or function measures to decide what might be considered as each plant’s core business. Chapter 18 considers problem settings where there may be clusters or groups of DMUs that form a hierarchy. The specific case of a set off electric power plants is examined in this context. Chapter 19 models bad outputs in two-stage network DEA. Chapter 20 presents an application of network DEA to performance measurement of Major League Baseball (MLB) teams. Chapter 21 presents an application of a two-stage network DEA model for examining the performance of 30 U.S. airline companies. Chapter 22 then presents two distinct network efficiency models that are applied to engineering systems.