AI Summary & Key Takeaways
AI InsightIt is checked by applying the proposed method in two numerical examples are compared with the results of eight current models of fuzzy DEA
📌 3 Key Takeaways
Abstract
In this paper, a new approach for obtaining Ranking efficiency with the fuzzy data numbers are being considered. Most Fuzzy DEA models are introduced in the literatary words which are parametric models structured on alpha cuts. yet , the model is introduced in this study is parametric and is used trapezoidal fuzzy number. From the theotrical perspective, the objective of this study is to develop a simple and effective Fuzzy DEA-BCC model. The most and maximum possible efficiency scores of each DMU are estimated a few α-level, this model can be applied to determine many issues are associated with qualitative factors. It is checked by applying the proposed method in two numerical examples are compared with the results of eight current models of fuzzy DEA
Özet
Bu yazıda, bulanık veri sayıları ile Sıralamada etkinlik elde etmek için yeni bir yaklaşım ele alınmaktadır.Literatürde sunulan bulanık KVB modellerinin çoğu, alfa kesimler üzerinde yapılandırılmış parametrik modellerdir.Ancak bu çalışmada tanıtılan model parametriktir ve trapezoid bulanık sayı kullanmaktadır. Teori perspektifinden, bu çalışmanın amacı, basit ve etkili bir Bulanık KVB-BCC modeli geliştirmektir. Her bir KVB'nun mümkün olan en fazla ve en fazla verim puanının birkaç ? seviyesinde olduğu tahmin edilmektedir, bu model, nitel faktörlerle ilişkili birçok sorunu belirlemek için uygulanabilir.İki sayısal örnekte önerilen yöntemi uygulayarak bulanık KVB'nın sekiz güncel modelinin sonuçları ile karşılaştırılmıştır