List of Articles Common Set of Weights

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - Bootstrap Method and Common Set of Weights in Data Envelopment Analysis to Differentiate Efficient Units
  Akbar Amiri saber saati mahtadi alireza amirteimoori
  Data Envelopment Analysis (DEA) is a broad range of mathematical models for measuring the relative efficiency of a set of homogeneous decision units with similar inputs and outputs. Multiple models of data envelopment analysis render a set of weights for input and outpu More

  Data Envelopment Analysis (DEA) is a broad range of mathematical models for measuring the relative efficiency of a set of homogeneous decision units with similar inputs and outputs. Multiple models of data envelopment analysis render a set of weights for input and output variables of each decision unit to calculate the relative efficiency of those units based on them. The calculation of different weights for the same indices in a set of homogeneous decision units is not realistic. Therefore, the Common Set of Weights (CSW) method was used to solve this problem and the Bootstrap method was used to determine which common set of weights would minimize the number of efficient units. The rank of a unit can provide useful information to decision-makers on the optimal activities of decision units. The priority order of units defines the superiority of a unit in terms of efficiency and effectiveness over others. Calculating unit efficiency for data envelopment analysis models can be a good criterion for ranking one unit. However, the main problem arises when several efficient units all rank first. This study aimed at proposing a model for ranking efficient units using the Bootstrap method to determine the common set of weights in data envelopment analysis by finding a possible confidence interval for the weights using the Bootstrap method. This led to the estimation of a set of possible common weights for the data envelopment analysis. Efficient units were then identified and ranked based on these weights.. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  2 - Uniquely classifying flexible measures by a CWS model
  m. korzedin m. mirbolouki
  Data Envelopment Analysis (DEA) deals with evaluating a set of decision-making units (DMUs) based on nonparametric mathematical approaches. In classical DEA models, the given set of factors of DMUs is divided into two categories, inputs and outputs, while in some practi More

  Data Envelopment Analysis (DEA) deals with evaluating a set of decision-making units (DMUs) based on nonparametric mathematical approaches. In classical DEA models, the given set of factors of DMUs is divided into two categories, inputs and outputs, while in some practical problems there are some measures whose membership to these categories is unclear. It means these factors treat different input or output roll for various DMUs. This kind of factors is known as a flexible measure. The proposed models for this purpose are DMU-oriented in which each DMU evaluate its efficiency and classify flexible measures for all other DMUs regards to its benefit. This classification may not be optimal for every DMUs. In this paper, we present a model based on a common set of weights (CSW). The advantage of the proposed model is to classify flexible measures uniquely for all DMUs. At the end of paper, the proposed model is applied in an example of wind power farms. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  3 - The Most Revenue Efficiency with Price Uncertainty
  Samira Salehpour Nazila Aghayi
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  4 - Ranking Two-Stage Process Using a Common Set of Weights in DEA
  S. Mamizadeh-Chatghayeh A. A. Noura
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  5 - یک روش عملی با رویکرد وزن‌های مشترک برای رتبه‌بندی واحدهای تصمیم گیرنده در تحلیل پوششی داده‌ها
  محمدجواد رضائیانی علی اصغر فروغی
  چند روش برای یافتن وزن‌های مشترک در تاریخچه تحلیل پوششی داده‌ها وجود دارد. اما بیشتر آن‌ها بر اساس مدل‌های پیچیده هستند. در این مقاله، یک روش عملی جدید برای به دست آوردن مجموعه‌ای از وزن‌های مشترک ارائه می‌شود. به کمک چند مثال عددی، نتایج روش جدید با نتایج برخی از روش‌ه More

  چند روش برای یافتن وزن‌های مشترک در تاریخچه تحلیل پوششی داده‌ها وجود دارد. اما بیشتر آن‌ها بر اساس مدل‌های پیچیده هستند. در این مقاله، یک روش عملی جدید برای به دست آوردن مجموعه‌ای از وزن‌های مشترک ارائه می‌شود. به کمک چند مثال عددی، نتایج روش جدید با نتایج برخی از روش‌های موجود مقایسه می‌شود. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  6 - کارایی تصادفی مبتنی بر مدل وزن مشترک در تحلیل پوششی داده ها
  مرضیه قاسمی محمدرضا ظفری محسن رستمی مال خلیفه محمدحسن بهزادی
  10.30495/ijim.2022.19278
  تحلیل پوششی داده ها (DEA) روشی برای ارزیابی عملکرد مجموعه ای از واحدهای تصمیم گیرنده (DMU) متجانس با چندین ورودی و چندین خروجی می باشد. . مدل های مختلفی برای محاسبه کارایی در DEA وجود دارند که یکی از آن ها، مدل مجموعه وزن های مشترک (CSW) می باشد، که به طور گسترده ای توس More

  تحلیل پوششی داده ها (DEA) روشی برای ارزیابی عملکرد مجموعه ای از واحدهای تصمیم گیرنده (DMU) متجانس با چندین ورودی و چندین خروجی می باشد. . مدل های مختلفی برای محاسبه کارایی در DEA وجود دارند که یکی از آن ها، مدل مجموعه وزن های مشترک (CSW) می باشد، که به طور گسترده ای توسط افراد و متخصصان DEA مورد استفاده قرار می گیرد. در تحلیل پوششی داده های کلاسیک تمام مقادیر ورودی ها و خروجی ها به طور دقیق مشخص می باشند. با این حال این فرض ممکن است در مسائل کاربردی همواره برقرار نباشد. یکی از روش های مهم برای مقابله با داده های نامشخص، بررسی داده های تصادفی در DEA است. این مقاله مدل مجموعه وزن های مشترک را برای حالتی که ورودی ها و خروجی ها تصادفی هستند، توسعه می دهد. سپس مدل تصادفی وزن مشترک (SCSW) به یک مدل قطعی غیر خطی تبدیل می گردد. پس از آن مدل قطعی به یک مدل برنامه ریزی درجه دوم تبدیل می شود. . کارایی به دست آمده با استفاده از داده های تصادفی را کارایی تصادفی می نامیم. مفهوم ارائه شده در این مقاله با مثال عددی که مربوط به شعبه های یک بانک ایرانی است نشان داده می شود. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  7 - Common Set of Weights Model in the Presence of Non-homogeneous Outputs
  Mahnaz Ahadzadeh Namin Elaheh Khamseh
  10.22034/amfa.2021.1900344.1431
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  8 - Modelling Robust Optimization in DEA With Ratio Data: A Case Study of Commercial Banks
  Javad Gerami
  In many practical problems, we face situations where the data ratio is important for the decision-maker (DM). Data envelopment analysis ratio-based (DEA-R) and ratio analysis models are presented to deal with the above issue in data envelopment analysis (DEA). If the da More

  In many practical problems, we face situations where the data ratio is important for the decision-maker (DM). Data envelopment analysis ratio-based (DEA-R) and ratio analysis models are presented to deal with the above issue in data envelopment analysis (DEA). If the data is uncertain, it is no longer possible to use the basic DEA-R and ratio analysis models to evaluate the efficiency of decision-making units (DMUs). In this paper, we will first discuss robust optimization modelling based on DEA-R models. In this regard, we consider a case where the inputs have an uncertain numerical value and the outputs have certain values. In the following, we present the ratio analysis model based on the set of common weights of all the ratios of input to output components and obtain this model for robust optimization. To show the validity of the proposed approach, we use it to evaluate the efficiency of 38 excellent banks that compete in the global market and compare the results of the proposed approach in this paper with the results of previous approaches. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  9 - A Practical Common Weight Scalarizing Function Approach for Technology Selection
  Mousa Amini Alireza Alinezhad
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  10 - عوامل تاثیرگزار بر انحرافات کارایی در مدلهای تحلیل پوششی دادهای مبتنی بر وزن مشترک
  سعید شاه قبادی
  روشهای مختلفی برای تولید مجموعه ای مشترک از وزنها در تحلیل پوششی داده ها بر اساس اندازه گیری فاصله نرم P وجود دارد. انحراف نمره کارایی حاصل از اوزان مشترک، از نمره کارایی هدف ممکن است مربوط به مدل و پارامتر p باشد. در این مطالعه ، در صورت ایجاد نمره کارایی با کمترین انح More

  روشهای مختلفی برای تولید مجموعه ای مشترک از وزنها در تحلیل پوششی داده ها بر اساس اندازه گیری فاصله نرم P وجود دارد. انحراف نمره کارایی حاصل از اوزان مشترک، از نمره کارایی هدف ممکن است مربوط به مدل و پارامتر p باشد. در این مطالعه ، در صورت ایجاد نمره کارایی با کمترین انحراف توسط وزن مشترک ، سعی می شودفاکتور های تاثیرگزار در مورد انتخاب p ، مدل و مجموعه داده ها تععین شود.همچنین با تجزیه و تحلیل نتیجه مدل های موجود ، دو مدل خطی بهبود یافته معرفی شده است.نتایج مدلهای پیشنهادی دارای انحرافات کارایی فردی و کلی کمتری نسبت به مدلهای قبلی است که این نتایج با مثالهای عددی و تجزیه و تحلیل شبیه سازی تأیید شده است. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  11 - COMMON WEIGHTS DETERMINATION IN DATA ENVELOPMENT ANALYSIS
  علیرضا امیرتیموری سهراب کردرستمی
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  12 - Determining a common set of weights in DEA by solving a linear programming
  S Saati
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  13 - An algorithm for determining common weights by concept of membership function
  S. Saati N. Nayebi
  Manuscript profile