تزریق بیش از اندازه وجه به خودپردازها موجب تحمیل هزینه اضافی به بانک و کمبود وجه در دستگاه‌ها موجب نارضایتی مشتریان و به خطر افتادن برند بانک خواهد شد. برای این منظور باید در دستگاه‌های خودپرداز وجه نقد قابل ملاحظه‌ای تزریق شود تا پاسخگوی نیاز مشتریان باشد؛ اما تأکید بر این رویه ممکن است سبب رسوب پول در دستگاه‌ها شده و زیان‌های اقتصادی برای بانک به ‌همراه داشته باشد. بنابراین، بانک‌ها همان‌طور که به مدیریت نقدینگی در شعب می‌پردازند، باید با توجه به شرایط زمانی، مکانی و اقتصادی به مدیریت نقدینگی دستگاه‌های خودپرداز نیز بپردازند. مهمترین گام در این راستا تشخیص میزان تقاضای وجه نقد مشتریان است. بدین منظور میانگین تراکنشهای 9 ماه سال 95 برای 1377 دستگاه خودپرداز مورد سنجش قرار داده شده و در این مقاله سعی شده است تا با پیدا کردن یک الگوی رفتاری از مشتریان با استفاده از شبکه عصبی سری زمانی پویا (NARX) روند نقدینگی دستگاه‌های خودپرداز پیش بینی شود. نتایج بدست آمده نشان می دهد که مدل طراحی شده با شبکه عصبی پویا نسبت به مدلهای کلاسیک از کارایی بهتری برخوردار بوده است. پرونده مقاله

در برخی از تحقیقات، پژوهشگران به مطالعه و تخمین برخی از پارامترهای تاثیرگذار بر اندازه کارایی از جمله میزان ورودی یا میزان خروجی یک DMU پرداخته‌اند بطوریکه اندازه کارایی حفظ یا به میزان معینی بهبود یابد .این دسته از مسائل تحت عنوان تحلیل پوششی داده‌های معکوس در ادبیات تحلیل عملکرد مورد مطالعه قرار می‌گیرند. این مقاله به مطالعه تحلیل پوششی داده‌های معکوس می‌پردازد. مسئله تخمین ورودی یا خروجی با بهبود در اندازه کارایی واحد، مورد بررسی قرار گرفته است.لذا در این مقاله، با افزایش سطح ورودی‌های نامطلوب وسطح خروجی‌های مطلوب واحدهای تصمیم‌گیری به همراه بهبود در کارایی که مورد نظر تصمیم‌گیرنده می‌باشد، میزان تغییرات سطح ورودی‌های مطلوب و سطح خروجی‌های نامطلوب تخمین زده می‌شود. برای این منظور، با در نظر گرفتن داده‌ها به صورت بازه‌ای، روش DEA ‌معکوس را با استفاده از مدل برنامه‌ریزی خطی چندهدفه (MOLP)، به کار می‌گیریم، به‌طوری که کارایی واحد تحت ارزیابی بهبود پیدا کند. در ادامه با یک مثال کاربردی روش پیشنهادی مورد بحث و بررسی قرار می‌گیرد. پرونده مقاله

در ارزیابی کارایی نسبی واحدهای تصمیم گیرنده توسط مدل­های کلاسیک تحلیل پوششی داده‌ها ( )، ماهیت داده‌ها از نقطه نظر ورودی یا خروجی بودن معلوم می­باشد. در مسائل واقعی داده‌هایی وجود دارند که در مورد تعیین ماهیت آنها اختلاف نظر وجود دارد. برخی واحدهای تصمیم گیری برای حصول مقدار کارایی بالاتر آنها را به عنوان ورودی و بعضی دیگر خروجی در نظر می گیرند، این داده‌ها به متغیرهای انعطاف‌پذیر معروفند. مدلهای متفاوتی در زمینه پارامتری و غیرپارامتری برای دسته بندی چنین داده‌هایی ارائه شده است. در اکثر مدلهای ماهیتی(ورودی یا خروجی محور) ارائه شده جهت تشخیص ماهیت داده‌های انعطاف‌پذیر، ماهیت­های متفاوت از یک مدل می­تواند نتایج متفاوتی در تعیین ماهیت عامل انعطاف‌پذیر حاصل کند. در مدل­های غیر ماهیتی نیز از مقدار  جهت انتخاب محدودیت اصلی و حذف محدودیت زائد بهره گرفته شده است، در این مدل ها با انتخاب مقادیر متفاوت برای مقدار  نتایج متفاوتی در تعیین ماهیت عامل انعطاف‌پذیر، مقدار کارایی و بازده به مقیاس واحد‌های تصمیم گیری حاصل می شود. به منظور رفع این مسایل در  یک مدل بدون ماهیت پیشنهاد می­شود که علاوه بر تعیین ماهیت متغیر انعطاف‌پذیر می­تواند خطای محاسباتی و مشکلات ناشی از حضور  بزرگ را در مدل مرتفع سازد. مزیت های مدل پیشنهادی نسبت به سایر مدل ها با یک مثال تجربی مورد مقایسه قرار می­گیرد. پرونده مقاله

The current study extends and provides a generalization of the range directional model (RDM). The proposed generalized RDM (GRDM) model utilizes an ideal point (IP) and anti-ideal point (AIP) simultaneously to evaluate the efficiency score. It is evident that approaching to the IP, not necessarily, leads to moving away from the AIP. This obviously happens when the IP, AIP, and DMU lie on a common line; however, the depicted situation usually occurs hardly ever. On the other side, there are loads of situations in which a DMU requires not only to approach the IP but also to move away from the AIP, simultaneously. The GRDM model imposes two criteria (i.e., approaching to IP and moving away from AIP) to asses DMUs. Therefore, the efficiency score, when GRDM is used, is less than or equal to the efficiency score obtained by using the RDM model; consequently, the discrimination power of the GRDM model is better than that of the RDM model due to finding more inefficiency regarding both IP and AIP. The GRDM model is unit- and translation-invariant. A numerical example is applied to demonstrate the applicability of the proposed model in comparison with the RDM model. پرونده مقاله

This paper develops a non-radial linear programming model based on the concept of directional distance function to examine the profit efficiency (inefficiency) of decision making units (DMUs) in the case where the market prices are available but can be controlled by units, and DMUs can influence simultaneously the prices and quantities of inputs and outputs to maximize the total profit. The optimal solution of the proposed model can help decision makers to evaluate and improve the profit efficiency of DMUs by changing the prices and quantities of inputs and outputs. The proposed model satisfies the important properties, units invariance and translation invariance. We present a decomposition of the profit inefficiency obtained by the optimal solution of the proposed model which can individualize quantity and price contributions to the profit inefficiency of under evaluation DMU. Finally, an empirical application to a set of 50 bank branches will be presented to illustrate the proposed approach. پرونده مقاله

In the conventional data envelopment analysis (DEA), it is assumed that all decision making units (DMUs) using the same input and output measures, means that DMUs are homogeneous. In some settings, however, this usual assumption of DEA might be violated. A related problem is the problem of \textit{missing} \textit{data} where a DMU produces a certain output or consumes a certain input but the values are not available. To address this problem there are some approaches which assign a value (e.g. zero or average of existing values) to the missing data. On the other hand, there are situations where the missing output or input can be produced or consumed by the DMU but for some reasons, an output is not created or the DMU does not have accessibility to an input, hence assigning an artificial value to the nonexistent factor is inappropriate. As some recent studies have focused on addressing the problem of nonhomogeneity among inputs and outputs measures, it has become increasingly important to undrestand its cost structure. This study develops a new DEA methodology to assess cost efficiency (CE) of DMUs in the situation of nonhomogeneous DMUs with different outputs configurations. Via proceeding in three-step procedure both CE scores and subgroup CE scores of DMUs is derived. A numerical example containing a set of 47 steel fabrication plants is used to show the applicability of the model. پرونده مقاله