Vždy se určují vzhledem k vybrané produkční jednotce

Virtuální jednotka – hypotetická (někdy reálná) efektivní jednotka, která vyjadřuje efektivní spotřebu vstupů a produkci výstupů pro neefektivní jednotku

13. Co jsou to peer jednotky v modelech DEA? Jakou informaci nám poskytují?

Vždy se určují vzhledem k vybrané produkční jednotce

Peer jednotky – reálné efektivní jednotky, jejichž vážený součet určuje danou virtuální jednotku

Příklad na pochopení peer jednotky a virtuální jednotky

A … efektivní

B … efektivní

C … efektivní

D … neefektivní, peer jednotky B a C, virtuální jednotka D’ (hypotetická)

E … neefektivní, peer jednotka C, virtuální jednotka C (reálná)

14. Charakterizujte vstupově orientovaný model CCR.

• Hledá efektivní množství vstupů odpovídající daným výstupům

• Pro každou jednotku stanoví individuální váhy vstupů a výstupů

• jednotka maximalizuje svůj koeficient technické efektivnosti F_H;

• váhy nemohou být záporné;

• při použití tohoto souboru vah pro všechny jednotky nesmí být žádný koeficient technické efektivnosti větší než jedna.

• Matematický zápis modelu

  • Každá produkční jednotka má svůj vlastní model

15. Uveďte a popište hlavní výhody a nevýhody modelů dea (alespoň 2 výhody a 2 nevýhody).

Výhody

• individuální model pro každou jednotku;

• dobře interpretovatelné výsledky;

• nevyžaduje agregovatelnost vstupů a výstupů;

• dobře si poradí s měkkými faktory (sociální, environmentální, apod.) jako vstupy a výstupy.

Nevýhody

• platnost výsledků je omezena na danou skupinu objektů;

• nezkoumá se efektivnost teoretická, ale praktická;

• náročné na ruční zpracování výpočtu (odpadá při použití vhodného softwaru

7) Vícekriteriální optimalizace

1. Uveďte praktický příklad použití modelu vícekriteriální optimalizace a zdůvodněte, proč je použití tohoto modelu v daných podmínkách adekvátní.

Prakticky vše je možné hodnotit vícekriteriálně

• zemědělství – produkční x mimoprodukční funkce;

• investice – výnos x rizikovost;

• projektové řízení – čas x náklady;

• dopravní problémy – čas x spotřeba paliva;

• apod. …

2. Popište podstatu modelů vícekriteriální optimalizace. Jak nazýváme řešení, které pomocí tohoto modelu získáme?

Vícekriteriální optimalizační model

• množina přípustných řešení je nekonečná.

Model vícekriteriální analýzy variant

• množina přípustných řešení je konečná.

• Cíl: nalézt řešení, které bude co nejlepší z hlediska více kritérií

• Kritéria mohou být protichůdná – řešení není optimální, pouze kompromisní

• Technicky se jedná o model vícekriteriálního lineárního programování

3. Uveďte a stručně popište komponenty modelu vícekriteriální optimalizace.

4. Uveďte a stručně charakterizujte alespoň tři přístupy k hledání kompromisního řešení v modelech vícekriteriální optimalizace.

• Parciální optimalizace – nalezení dílčích optimálních řešení

• Stanovení ideální a bazální varianty

• Různé přístupy k hledání kompromisního řešení

  • agregace kriteriálních funkcí;

  • převod kriteriálních funkcí na omezující podmínky;

  • cílové programování

5. Co je to parciální optimalizace v modelech vícekriteriální optimalizace? Jakou informaci nám poskytují její výsledky?

Dílčí optimální řešení

• optimalizace podle jednotlivých kriteriálních funkcí (bez ohledu na funkce ostatní);

• výsledky zapisujeme do kriteriální tabulky.

Ideální hodnoty kritérií -> ideální varianta H

Bazální hodnoty kritérií-> bazální varianta B

6. Co je to ideální varianta a bazální varianta v modelech vícekriteriální optimalizace? Jak je zjistíme?

Nejlepší a nejhorší varianta v množině řešení…zjistíme je z dílčího optimálního řešení ->particiální op.

7. Na jakém principu je založena agregace kriteriálních funkcí v modelech vícekriteriální optimalizace? Jaké aspekty musíme ošetřit při konstrukci agregované kriteriální funkce?

Součtová agregace – nutno ošetřit 3 aspekty