Pronóstico del intervalo de confianza en la eficiencia de las unidades de toma de decisiones en el análisis envolvente de datos

Autores/as

  • Azarnoosh Kafi Department of Mathematics, Lahijan Branch, Islamic Azad University, Lahijan, Iran
  • Behrouz Daneshian Department of Mathematics, Central Tehran Branch, Islamic Azad University, Tehran, Iran
  • Mohsen Rostamy-Malkhalifeh Department of Mathematics, Science and Research Branch, Islamic Azad University, Tehran, Iran
  • Mohsen Rostamy-Malkhalifeh Department of Mathematics, Science and Research Branch, Islamic Azad University, Tehran, Iran

Palabras clave:

Análisis envolvente de datos, pronóstico, series de tiempo, programación de probabilidad, eficiencia, simulación de Montecarlo, intervalo de confianza

Resumen

El análisis envolvente de datos (DEA) es un método bien conocido para calcular la eficiencia de las unidades de toma de decisiones (DMU) en función de sus entradas y salidas. Cuando los datos son conocidos y en forma de intervalo en un período de tiempo dado, este método puede calcular el intervalo de eficiencia. Desafortunadamente, la DEA no es capaz de pronosticar y estimar el intervalo de confianza de eficiencia de las unidades en el futuro. Este artículo propone un algoritmo de pronóstico de eficiencia junto con un intervalo de confianza del 95% para generar un conjunto de datos de intervalo para el próximo período de tiempo. Además, la opinión del gerente se inserta y desempeña su papel en el modelo de pronóstico propuesto. Equipado con un conjunto de datos pronosticado y con respecto al conjunto de datos de períodos anteriores, se puede pronosticar la eficiencia para el período futuro. Esto se hace proponiendo un modelo propuesto y resolviéndolo mediante el método del intervalo de confianza. A continuación, el método propuesto se implementa sobre los datos de una industria automotriz y se compara con los métodos de simulación de Monte Carlo y el modelo de intervalo. Usando los resultados, se muestra que el método propuesto funciona mejor para pronosticar el intervalo de confianza de eficiencia. Finalmente, se calcula la eficiencia y el intervalo de confianza del 95% para el próximo período utilizando el modelo propuesto.

Descargas

Los datos de descargas todavía no están disponibles.

Descargas

Publicado

2020-12-31

Número

Sección

Artículos