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:
Una variación del principio de incertidumbre y el principio de incertidumbre logarítmica para las transformadas de onda continua de cuaterniones.
Artículo:
Un Enfoque de Clasificación Novel a través de la Integración de Conjuntos Aproximados y Red Neuronal de Retropropagación
Artículo:
Estudio del modelo de diseño óptimo del drenaje de tierras subterráneas
Artículo:
Sobre la existencia de polinomios con comportamiento caótico
Artículo:
Filtrado de Tiempo Finito para Sistemas Estocásticos Singulares
Libro:
La crisis alimentaria: retos y oportunidades en los Andes
Artículo:
Bases para implementar un programa de mantenimiento predictivo : caso de estudio
Artículo:
La aplicación de la Inteligencia Artificial y el Big Data en la industria alimentaria
Artículo:
Analgésicos en el paciente hospitalizado: Revisión de tema