مقاله ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها (مورد مطالعه: شرکت ملی گاز ایران)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی
شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها
(مورد مطالعه: شرکت ملی گاز ایران) دارای ۲۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی
شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها
(مورد مطالعه: شرکت ملی گاز ایران)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی
شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها
(مورد مطالعه: شرکت ملی گاز ایران)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی عملکرد واحدهای تصمیم‌گیری با استفاده از مدل ترکیبی
شبکه‌های عصبی پیش‌بینی‌کننده عملکرد و تحلیل پوششی داده‌ها
(مورد مطالعه: شرکت ملی گاز ایران) :

تعداد صفحات :۲۵

یکی از عمده‌ترین مشکلات استفاده از تحلیل پوششی داده‌ها، ضعف قدرت تفکیک‌پذیری برای واحدهای تصمیم‌گیرنده است. این مسئله اغلب به دلیل کم بودن تعداد واحدها در مقایسه با تعداد ورودی‌ها و خروجی‌های مدل است ] ۱[. این مشکل در ارزیابی عملکرد ۲۳ شرکت گاز استانی با توجه به تعداد زیاد ورودی‌ها و خروجی‌های هر شرکت گاز به خوبی خود را نمایان می‌کند. بر این اساس، در این پژوهش برای ارزیابی عملکرد و کارایی شرکت‌های گاز استانی، ابتدا رویکرد یا مدل مضربی CCR ورودی محور و روش اندرسون- پیترسون (AP) برای رتبه‌بندی واحدهای کارا در قالب مدل‌های تحلیل پوششی داده‌ها (DEA) مورد بررسی قرار گرفت و ضعف مدل‌ها از نظر محاسبه و تفکیک کارایی شرکت‌ها مشخص شد. در ادامه پژوهش، برای تحلیل و ارزیابی کارایی شرکت‌ها از رویکرد شبکه‌های عصبی پیش‌بینی‌کننده عملکرد در قالب مدل‌های ترکیبی تحلیل پوششی داده‌ها و شبکه‌های عصبی مصنوعی (Neuro/DEA) استفاده شد. نتایج تحلیلی کارآیی محاسبه شده واحدها با استفاده از این مدل‌ها نشان از قدرت بالای شبکه در محاسبه و تفکیک‌پذیری شرکت‌ها از نظر کارآیی بود.