List of Articles Interval data

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - Dual Frontiers in Non-convex Data Envelopment Analysis: Efficiency and In-efficiency Assessment and Stability Analysis
  Nasim Nasrabadi Sheyda Ayati
  10.30495/jnrm.2021.15726
  AbstractBasic models of Data Envelopment Analysis intrinsically evaluate the decision making units with an optimistic point of view, in the sense that the efficiency status of each unit is evaluated by means of calculating its distance from the efficiency frontier. The More

  AbstractBasic models of Data Envelopment Analysis intrinsically evaluate the decision making units with an optimistic point of view, in the sense that the efficiency status of each unit is evaluated by means of calculating its distance from the efficiency frontier. The efficiency frontier is in fact composed of all units indicating the best practice, in the sense that for each one there exist no other (virtual) unit with a better performance. A unit located on this frontier is called fully efficient and non-efficient, otherwise. In order to provide a more precise assessment, one can evaluate units with a pessimistic point of view, in the sense that a frontier consisting of the worst performance, called the in-efficient frontier is formed and then each unit is evaluated with respect to its distance from this frontier, in a way that the closer the unit to the in-efficient frontier, the more in-efficient it is. In this paper, assuming that the production technology is non-convex, we perform efficiency and in-efficiency evaluation and then, based on the optimal value of the corresponding (in-) efficiency model, we partition all units in two subsets called (in-)efficient and non- (in-)efficient units. Then we investigate the concept of stability of the obtained partitions, by means of presenting related multi objective programs. In the next step, assuming that the input and output data of all units are real intervals, we deal with the efficiency and in-efficiency analysis of units and partition them into three subsets, in each case. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  2 - رویکرد معادل‌سازی دوره‌ای با داده‌های بازه‌ای در ارزیابی کارایی پویا شبکه‌های چند مرحله-ای
  Alireza Ebrahimi Baqa Farhad Hossein Zadeh Lotfi Alireza Amir Timuri Mohsen Rostami malKhalife
  در این مقاله ارزیابی کارایی دینامیکی واحدهایی با ساختارشبکه‌ای چندمرحله‌ای تحت داده‌های بازه‌ای برای مدل‌های تحلیل پوششی شبکه‌ای(NDEA) انجام می‌شود. هدف این مطالعه مدل‌سازی با ایده معاد‌ل‌سازی دوره‌ای به منظور ارزیابی میزان کارایی پویا زیر‌ساختارها و شبکه‌ نهایی، با داد More

  در این مقاله ارزیابی کارایی دینامیکی واحدهایی با ساختارشبکه‌ای چندمرحله‌ای تحت داده‌های بازه‌ای برای مدل‌های تحلیل پوششی شبکه‌ای(NDEA) انجام می‌شود. هدف این مطالعه مدل‌سازی با ایده معاد‌ل‌سازی دوره‌ای به منظور ارزیابی میزان کارایی پویا زیر‌ساختارها و شبکه‌ نهایی، با داده‌های بازه‌ای در دوره‌های زمانی معین می‌باشد. مدل پیشنهادی این پژوهش، یک مدل غیرشعاعی با تکنولوژی تعریف شده و بر اساس الگوی واحد کارای قوی در قالب یک شبکه تبدیلی‌ مجازی است که قابلیت ارزیابی چندین زیر فرایند را دارد. همچنین این مدل تعامل و ارتباط بین زیر فرایندها و کل شبکه را در هر مرحله و هر دوره به صورت تام در نظر می‌گیرد و بر اساس داده‌های بازه‌ای، کارایی شبکه نهایی (شبکه کل) و زیرفرایندها را دریک بازه، محاسبه می-نماید. این مدل مناسبات و تنظیمات بین زیر فرایندها را در یک ساختار شبکه‌ای چند مرحله‌ای پویا، برای کارا شدن فراهم می-نماید. همچنین با یک مثال کاربردی بر مبنای ایده این پژوهش و مدل‌های استنتاجی آن، کارایی دینامیکی در یک دوره چهار ساله در واحدهای تولیدی با داده‌های بازه‌ای وکراندار مورد ارزیابی و سنجش قرار گرفته است. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  3 - Computing the efficiency interval of decision making units (DMUs) having interval inputs and outputs with the presence of negative data
  M. Rostamy-Malkhalifeh F. seyed Esmaeili
  The basic assumption in data envelopment analysis patterns (DEA) (such as the CCR andBCC models) is that the value of data related to the inputs and outputs is a precise andpositive number, but most of the time in real conditions of business, determining precisenumerica More

  The basic assumption in data envelopment analysis patterns (DEA) (such as the CCR andBCC models) is that the value of data related to the inputs and outputs is a precise andpositive number, but most of the time in real conditions of business, determining precisenumerical value is not possible in for some inputs or outputs. For this purpose, differentmodels have been proposed in DEA for imprecise data over recent years and also severalresearches have been conducted on DEA that are able to evaluate efficiency with negativedata. The negative interval DEA pattern which has been introduced and used in the presentstudy, addresses uncertainty both in inputs and outputs and provides user with more stableand reliable results for decision making.Now, in this paper a model is presented that is able to compute efficiency interval of unitswith interval input and output that while some indicators can also be negative and then weprove that the efficiency interval that this model gives us is more precise compared toefficiency interval of models previously proposed and finally, ten decision making units(DMUs) with the negative imprecise (interval) data are investigated by the proposed modeland the results of the proposed model are compared with the results of the previous models. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  4 - Performance Assessment of Investment Firms under Uncertainty
  Pejman Peykani Farhad Hosseinzadeh Lotfi Emran Mohammadi Reza Tehrani
  Mutual funds and investment companies are very important institutions for investing in capital markets. Hence, measuring their performance with the aim of identifying efficient investment firms and providing a corrective remedy for inefficient firms is essential. The pu More

  Mutual funds and investment companies are very important institutions for investing in capital markets. Hence, measuring their performance with the aim of identifying efficient investment firms and providing a corrective remedy for inefficient firms is essential. The purpose of the present study is to propose a new approach to assessing the performance and classification of investment firms in terms of uncertainty. Considering the two-stage structure of investment firms, in this research, the approach of network data envelopment analysis (NDEA) is used to evaluate the performance of each stage and the entire investment company. Also, in order to take into account, the uncertainty of the data, the interval network data envelopment analysis (INDEA) model for a two-stage structure is presented. Using the data of 10 active investment companies in Tehran Stock Exchange, the proposed research approach has been implemented and all companies have been evaluated and classified. The results of INDEA model based on non-cooperative approach indicating on the efficacy and effectiveness of the proposed approach of research for performance measurement of investment firms under uncertain data. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  5 - A One-Model Method Based on a Relaxed Combination of Inputs for Congestion Assessment in Interval Data Envelopment Analysis
  Masoumeh Hajiani Reza Fallahnejad
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  6 - Estimating Most Productive Scale Size of the provinces of Iran in the Employment sector using Interval data in Imprecise Data Envelopment Analysis(IDEA)
  Mohammad Khodabakhshi saeed papi reza fallahnejad Masoume Yazdanpanah Maryaki
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  7 - A combined machine learning algorithms and Interval DEA method for measuring predicting the efficiency
  Hasan Babaei Keshteli Mohsen Rostamy-Malkhalifeh
  10.30495/ijdea.2022.69371.1183
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  8 - DEA-TOPSIS with interval data
  Zohreh Iravani Mahnaz Ahadzadeh Namin
  10.30495/ijdea.2023.74349.1200
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  9 - Robust optimization for identifying the most efficient decision making unit in data envelopment analysis
  Reza Akhlaghi Mohsen Rostamy-Malkhalifeh Alireza Amirteimoori Sohrab Kordrostami
  10.30495/ijdea.2023.75220.1204
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  10 - The Calculation of Unit's Efficiency by Using the Interval Balance Index and the Interval TOPSIS
  B. Babazadehah E. Najafi M. AhadzadehNamin Y. jafari E. Ebrahimi
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  11 - The Calculation of Unit's Efficiency by Using the Interval
  B. Babazadeh E. Najafi M. AhadzadehNamin Y. jafari Z. Ebrahimi
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  12 - The Efficiency of MSBM Model with Imprecise Data (Interval)
  F. seyed Esmaeili
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  13 - Efficiency Evaluation and Ranking DMUs in the Presence of Interval Data with Stochastic Bounds
  Hamid Sharafi Mohsen Rostamy-Malkhalifeh Alireza Salehi Mohammad Izadikhah
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  14 - Efficiency of decision making units in network DEA using interval data
  T Hassani M Rostamy-Malkhalifeh
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  15 - Robust Optimization and Confidence Interval DEA for Efficiency Evaluation with Intervals Case Study: Evaluating CRM Units in a Call Center in Tehran
  Shabnam Mohammadi Mohammad Jafar Tarokh Emran Mohammdi
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  16 - Interval Malmquist Productivity Index in DEA
  N. Aghayi B.H. Maleki
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  17 - یک مدل بازه‌ ای در شبکه جریان تحریم‌شده
  راضیه کشاورزی حسن صالحی فتح آبادی
  یکی از موضوعات کلیدی در شبکه های جریان، تحریم آن­هاست. کشاورزی و صالحی این مساله را با در نظر گرفتن چند مبداء  و چند مقصد برای شبکه و داشتن شرایط خاص برای جریان ارسالی از مبداء­ها به مقصدها بیان کردند. علاوه بر این مساله، در حالت چند تحریم کننده معرفی و یک More

  یکی از موضوعات کلیدی در شبکه های جریان، تحریم آن­هاست. کشاورزی و صالحی این مساله را با در نظر گرفتن چند مبداء  و چند مقصد برای شبکه و داشتن شرایط خاص برای جریان ارسالی از مبداء­ها به مقصدها بیان کردند. علاوه بر این مساله، در حالت چند تحریم کننده معرفی و یک روش معادل برای حل مساله بیان شده است. در این مقاله جریان شبکه تحریم شده با چند مبداء و چند مقصد به گونه ای بیان شده است که داده های مساله غیر قطعی هستند (در یک بازه با ابتدا و انتهای مشخص قرار گرفته اند). در انتها یک فاصله بهینه برای جواب مساله ارائه شده است و به حل یک مثال عددی با استفاده از نرم افزار لینگو پرداخته شده است. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  18 - Data envelopment analysis with imprecise data revisited
  Mohammad Izadikhah Dimitris K. Despotis
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  19 - Imprecise Revenue Efficiency under Productivity Change
  Mohsen Rostamy-Malkhalifeh
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  20 - Measuring the Interval industry cost efficiency score in DEA
  Ghasem Tohidi Simin Tohidnia
  10.22034/amfa.2020.1880449.1308
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  21 - The sustainability radius of the cost efficiency in Interval Data Envelopment Analysis: A case study from Tehran Stocks
  Esmaeil Mombini Mohsen Rostamy-Malkhalifeh Mansour Saraj
  10.22034/amfa.2021.1917327.1528
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  22 - A Data Envelopment Analysis Model with Interval Data Using TOPSIS Technique
  Hossein Azizi Alireza Amirteimoori Sohrab Kordrostami
  Data envelopment analysis (DEA) is a methodology for assessing the performances of a group of decision-making units (DMUs) that utilize multiple inputs to produce multiple outputs. This paper introduces two virtual DMUs called ideal DMU and anti-ideal DMU into the inter More

  Data envelopment analysis (DEA) is a methodology for assessing the performances of a group of decision-making units (DMUs) that utilize multiple inputs to produce multiple outputs. This paper introduces two virtual DMUs called ideal DMU and anti-ideal DMU into the interval DEA. The resultant interval DEA models are, respectively, referred to as the interval DEA with ideal and anti-ideal DMUs. One evaluates DMUs from the viewpoint of the optimistic efficiency, while the other evaluates them from the perspective of the pessimistic efficiency. The two distinctive interval efficiencies are combined to form a comprehensive index called the relative closeness to the ideal DMU just like the well-known technique for order preference by similarity to ideal solution approach in multiple attribute decision making. The relative closeness index is then used as the evidence of overall assessment of each DMU, based on which an overall ranking for all the DMUs can be obtained. We also present an example on evaluating the performance of twenty bank branches which shows that the proposed interval DEA approach is a simple, efficient, and practical method for performance measurement in real-life situations. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  23 - Interval Efficiency Assessment in Network Structure Based on Cross –Efficiency
  nasim roudabr seyed esmaeil najafi
  Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  24 - کارایی بنگاه‌های اقتصادی در حضور فاکتورهای نامطلوب و منفی با داده‌های بازه‌ای
  MAHNAZ MAGHBOULI مهدی عینی فرهاد طاهر FATEMEH GHOMANJANI
  تحلیل پوششی داده‎‌‌ها روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری است، که ورودی‌های همگن متعدد را برای تولید خروجی‌های متعدد همگن استفاده می‌کنند. تاکنون مدل‌های فراوانی از تحلیل پوششی داده‌ها با داده‌های بازه‌ای و ورودی و خروجی خاص ارائه شده است. ورودی و خروج More

  تحلیل پوششی داده‎‌‌ها روشی برای سنجش عملکرد گروهی از واحدهای تصمیم‌گیری است، که ورودی‌های همگن متعدد را برای تولید خروجی‌های متعدد همگن استفاده می‌کنند. تاکنون مدل‌های فراوانی از تحلیل پوششی داده‌ها با داده‌های بازه‌ای و ورودی و خروجی خاص ارائه شده است. ورودی و خروجی‌های هر واحد تصمیم‌ گیری در مدل‌های تحلیل پوششی داده‌ها از اهمیت ویژه‌ای برخوردار است. در تحلیل پوششی داده‌ها فرض اصلی بر مثبت بودن داده‌ها می‌باشد، این در حالی است که در دنیای واقعی و در فرآیند تولید، ممکن است داده‌های منفی و حتی نامطلوب وجود داشته باشد. وجود این نوع از داده‌ها با تعاریف کلاسیک تحلیل پوششی داده‌ها سازگاری ندارد. با توجه به اهمیت توجه به این نوع از داده‌ها در این مقاله با ارائه مدلی جدید کارایی واحدهای تصمیم گیری که همزمان دارای ورودی و خروجی منفی، مطلوب و نامطلوب است به صورت داده‌های بازه‌ای پیشنهاد شده است. هدف از این تحقیق ارائه مدل جدید و ارزیابی عملکرد واحدهای تصمیم گیری با داده‌های مذکور است. برای توضیح بیشتر، به عنوان مثال کاربردی از داده‌های بانک خصوصی کشور ایران استفاده شده است Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  25 - A new robust optimization approach to most efficient formulation in DEA
  Reza Akhlaghi Mohsen Rostamy-Malkhalifeh Alireza Amirteimoori Sohrab Kordrostami
  In this article, we investigate a new continuous linear model with constraints for the direct selection of the most efficient unit in the analysis of data coverage presented by Akhlaghi et al. (2021) on uncertainty robust optimization. Considering the importance of inco More

  In this article, we investigate a new continuous linear model with constraints for the direct selection of the most efficient unit in the analysis of data coverage presented by Akhlaghi et al. (2021) on uncertainty robust optimization. Considering the importance of incorporating uncertainty into performance evaluation models in the real world and its increasing application in various problems, we propose a robust optimization approach. Given the discrete and non-convex nature of the introduced models for selecting the most efficient decision-making unit, examining the dual and finding an optimistic scenario is practically impossible. Therefore, by utilizing the linear model presented by Akhlaghi et al. (2021) with constraints for identifying the most efficient unit, we can investigate the robustness of the desired model using(BS )Bertsimas and Sim's (2004) robust estimation method while also considering uncertainty. We aim to demonstrate that employing a robust formulation leads to reliable performance in uncertain conditions Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  26 - EFFICIENCY MEASUREMENT OF NDEA WITH INTERVAL DATA
  S. Keikha- Javan M. Rostamy-Malkhalifeh
  Manuscript profile