دانلود ترجمه مقاله مدل های DEA برای ساختارهای شبکه دو مرحله ای توسعه یافته – الزویر ۲۰۱۲

elsevier

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

مدل های DEA برای ساختارهای شبکه دو مرحله ای توسعه یافته

عنوان انگلیسی مقاله:

DEA models for extended two-stage network structures

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار  ۲۰۱۲
تعداد صفحات مقاله انگلیسی  ۸صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی صنایع
گرایش های مرتبط با این مقاله برنامه ریزی و تحلیل سیستم ها، بهینه سازی سیستم ها
مجله امگا – Omega
دانشگاه دانشکده تجارت، دانشگاه علم و صنعت چین
کلمات کلیدی تحلیل پوششی داده ها، دو مرحله ای، بازی، مرکزی، کارایی
شناسه شاپا یا ISSN ISSN ۰۳۰۵-۰۴۸۳
رفرنس دارد  
لینک مقاله در سایت مرجع لینک این مقاله در نشریه Elsevier
نشریه الزویر Untitled

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۲۳صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است  
ترجمه متون داخل تصاویر ترجمه نشده است 
ترجمه متون داخل جداول ترجمه نشده است 
ترجمه ضمیمه ترجمه شده است ✓ 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است  
منابع داخل متن به صورت عدد درج شده است 

 


  • فهرست مطالب:

 

چکیده

۱- مقدمه

۲- مدل تحلیل پوششی داده ها

۲-۱ مدل مرکزی

۲-۲ مدل غیر مشارکتی

۳: یک مثال کاربردی

۴-نتیجه گیری


  • بخشی از ترجمه:

 

۴-نتیجه گیری

این مقاله، رویکرد لیانگ و همکاران(۱) را برای تحلیل بهره وری و کارایی ساختار های شبکه دو مرحله ای توسعه داده است که در آن دومین مرحله دارای ورودی های خاص خود علاوه بر خروجی های حاصل از اولین مرحله می باشد. در این مقاله، یک مدل مرکزی و مدل غیر مشارکتی برای ارزیابی بهره وری این فرایند دو مرحله ای و تجزیه بهره وری کل به صورت حاصل امتیازات کارایی و بهره وری دو مرحله همانند کایو و هوانگ(۱۶) ارایه شده است. بر خلاف مدل های موجود در مطالعه لیانگ و همکاران(۱) و کایو و هوانگ(۱۶)، مدل مرکزی را نمی توان به یک برنامه خطی به دلیل وجود ورودی های اضافی در مرحله دوم تبدیل کرد. این مقاله یک روش اکتشافی را برای براورد کارایی و بهره وری بهینه کلی پیشنهاد می کند. رویکرد های پیشنهادی با یک مجموعه داده برای اندازه گیری عملکرد تحقیق و توسعه در سی استان چین تشریح شده اند. همان طور که گفته شد، روابط ایجاد شده بین رویکرد های غیر مشارکتی و مرکزی به ازمون این که آیا یک راه حل بهینه کلی یافته شده است یا خیر کمک می کند.


  • بخشی از مقاله انگلیسی:

۴٫ Conclusions

The current paper extends the approach of Liang et al. [1] to analyze the efficiency of two-stage network structures where the second stage has its own inputs in addition to the outputs from the first stage. In the current paper, a centralized model and a non-cooperative model are proposed to evaluate the efficiency of such a two-stage process and to further decompose the overall efficiency as a product of efficiency scores of the two individual stages as in Kao and Hwang [16]. Unlike the models in Liang et al. [1] or Kao and Hwang [16], the centralized model cannot be transformed to a linear program due to the existence of additional inputs to the second stage. The current paper proposes a heuristic method to estimate the global optimal efficiency. The proposed approaches are illustrated with a data set for measuring the R&D performance of 30 Provincial Level Regions in Mainland of China. As demonstrated in the application, the developed relations between the centralized and non-cooperative approaches can help test for whether a global optimal solution is found.


 

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

مدل های DEA برای ساختارهای شبکه دو مرحله ای توسعه یافته

عنوان انگلیسی مقاله:

DEA models for extended two-stage network structures

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

 

 

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.