El modelo neutral de análisis envolvente de datos (DEA) es una forma alternativa de determinar las ponderaciones en la evaluación de la eficiencia cruzada DEA, evitando la dificultad de elegir entre las formulaciones agresiva y benévola. Sin embargo, las ponderaciones determinadas por el modelo neutro se limitan a hacer que la eficiencia de la producción parcial sea mayor que la de otros conjuntos de ponderaciones. El modelo neutral no es capaz de hacer que la eficiencia de cada salida de la DMU sea mayor entre las ponderaciones favorables. Este modelo neutral no es puramente "neutral" y no es el más favorable para la DMU. Propusimos un modelo revisado para el modelo neutro. Partiendo de la idea de que la DMU debe elegir un conjunto de ponderaciones para maximizar su propia eficiencia, este documento propone un nuevo modelo de eficiencia cruzada. Las ponderaciones determinadas por los dos modelos son neutras, ni agresivas ni benévolas.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Nota sobre la persistencia de un sistema competitivo de Lotka-Volterra no autónomo con retardo infinito y controles de retroalimentación.
Artículo:
Existencia y estabilidad exponencial global de soluciones casi periódicas para una clase de ecuaciones de Duffing con retardo en escalas de tiempo.
Artículo:
Un enfoque descentralizado de migración de máquinas virtuales de centros de datos para la computación en nube
Artículo:
Sincronización Proyectiva Inversa entre Dos Sistemas Hipercósmicos Diferentes con Orden Fraccional
Artículo:
Un Enfoque Mejorado para los Problemas de PageRank
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
Obtención de gas combustible mediante la bioconversión del alga marina Ulva lactuca
Artículo:
Sistemas de producción y potencial energético de la energía mareomotriz
Artículo:
La necesidad de la planeación estratégica en las organizaciones industriales modernas