MétaCan
Menu
Retour à la cohorte
Enregistrement W3161922167 · doi:10.5267/j.dsl.2021.2.002

Comparative analysis of airline financial and operational performances: A fuzzy AHP and TOPSIS integrated approach

2021· article· en· W3161922167 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueDecision Science Letters · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTOPSISMultiple-criteria decision analysisOperations researchProfit (economics)Operational efficiencyComputer scienceAnalytic hierarchy processFuzzy logicRanking (information retrieval)Risk analysis (engineering)BusinessEconomicsMarketingEngineering

Résumé

récupéré en direct d'OpenAlex

Already faced with tight competition and low profit margins, the airline industry is going through major changes in the wake of the current pandemic resulting in travel restrictions and slump demands, prompting airlines to curtail services and investments in every aspect of business. To that end, developing a comprehensive method of improving airline performance measures is crucial. However, this type of problem is complex to solve due to a large number of factors, requiring a systematic approach. It entails taking into account a multitude of conflicting, or sometimes interrelated criteria, hence becoming an inherently multiple criteria decision making problem. This study is aimed to assess the competitiveness of airlines and evaluate their financial and operational performances in relation to such criteria. We test FAHP, TOPSIS, and a hybrid method of combining FAHP and TOPSIS methods. In particular, regarding the hybrid method, FAHP is employed to determine the influential weights of criteria that are utilized in TOPSIS for preference values among alternatives. We demonstrate the applicability of the proposed methods to solving a MCDM problem of airline performance assessments using real data sets. Further, this study focuses on examining the relationship between financial and operational performance criteria, as well as gleaning insights for airlines to build an evaluation system that would aid in understanding their strength and weakness in the performance metrics. The computational experiment results of our hybrid FAHP-TOPSIS model support the efficacy of incorporating fuzzy values concerning influential weight criteria. By judiciously distributing criteria weights that are specific to the airline industry, our proposed model captures preference scores reflective of industry-related and concurrent measures. This modeling framework can help airlines better evaluate the systematic influential relation structure among criteria in critical financial and operational dimensions.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,011
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,125
Tête enseignante GPT0,410
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle