OTHERS_CITABLE ارائه یک روش جدید سلسله مراتبی گروهی با استفاده از مدل رای گیری ترجیحی انتخاب گزینه­ های مناسب به­ منظور استفاده بهینه از منابع در دسترس همواره مورد توجه مدیران بوده است. نگرش های متفاوتی برای استفاده حداکثری از این منابع وجود دارد؛ محدودیت سرمایه، نیروی انسانی، انرژی، شرایط رقابتی بازار و غیره مدیران را به سوی یافتن یک راه حل بهینه سوق داده است. فرآیند تحلیل سلسله مراتبی یکی از پرکاربردترین این روش­ها برای انتخاب گزینه­ ها است، که با استفاده از مقایسات زوجی بینگزینه­ ها ومعیار­ها ، به اولویت­بندی آن­ها می پردازد. از طرفی در دنیای واقعی همواره نظرات تصمیم گیرندگان دارای سطوح اهمیت یکسان نیست و به علت استفاده از ماتریس مقایسات زوجی فرآیند تحلیل سلسله مراتبی زمان­بر و طولانی است و ممکن است به دلیل عدم دقت در تکمیل آن به ناسازگاری منجر شود.  در این مقاله روشی برای فرآیند تحلیل سلسله مراتبی گروهی با سطح نابرابر تصمیم گیرندگان با استفاده از رای­گیری ترجیحی ارائه شده استکه با یک مثال عددی تبیین گشته است. http://jamlu.liau.ac.ir/article-1-1434-fa.pdf 2017-10-10 1 13 فرآیند تحلیل سلسله مراتبی تصمیم گیری گروهی رای گیری ترجیحی A new Group Voting Analytical Hierarchy Process Method Selecting the appropriate options in order to use available resources efficiently has always been considered by managers and as a result there are different attitudes to make maximum use of these resources. Restriction of capital, labor, energy, competitive market, etc. has led managers to find an optimal solution. One of the most widely used of these methods is Analytical Hierarchy Process which uses paired comparisons between options and also criteria to prioritize them. On the other hand in the real world, decision-makers’ views do not always have the same significance (importance) levels. Due to the use of pair wise comparison matrices Analytical Hierarchy Process is time consuming. In this paper a new method for Group Analytical Hierarchy Process with unequal decision makers by using a voting model is provided. Superior of this approach is compared to the previous ones by a numerical example. http://jamlu.liau.ac.ir/article-1-1434-en.pdf 2017-10-10 1 13 Analytical Hierarchy Process Group Decision Voting. Mehdi Soltanifar soltanifar@khayam.ut.ac.ir 1 Islamic Azad University, Semnan Brancu AUTHOR
OTHERS_CITABLE طراحی شبکه زنجیره تأمین چند دوره ای و سه سطحی برای محصولات زراعی فاسد شدنی با استفاده از الگوریتم های فراابتکاری سالانه به دلایل مختلف مقدار قابل‌ملاحظه‌ای از محصولات تولیدی در صنایع مختلف غذایی و زراعی در زنجیره تامین خود فاسد می­شوند. مکانیزم های مختلفی نیاز هست تا این ضایعات را کاهش دهد و یا بتواند از اقلام فاسد شده بهره برداری کند. بنابراین در این مقاله سعی شده برای بهبود این شرایط نامطلوب، شبکه زنجیره تأمین کارایی طراحی گردد که هدف از آن، کمینه‌سازی هزینه‌ها برای محصولات فاسدشدنی می­باشد. به دلیل وجود تحقیقات اندک در حوزه زنجیره تأمین محصولات زراعی فاسدشدنی، این تحقیق می­تواند یکی از تحقیقات پایه‌ای این حوزه محسوب شود. همچنین به‌منظور بررسی و تحلیل مدل پیشنهادی از یک مطالعه موردی در استان مازندران برای محصولات زراعی استفاده کرده است. ازآنجایی‌که مدل پیشنهادی در ابعاد بزرگ مسأله پیچیده و دشوار (NP-hard) می­باشد، لذا برای بررسی نتایج، از الگوریتم‌های فرا ابتکاری استفاده‌شده است. لازم به ذکر است که جهت مقایسه کارایی این الگوریتم‌ها، در ابعاد کوچک مسأله از روش شاخه و حد توسط نرم‌افزار لینگو نیز استفاده‌شده است. در انتها نتیجه‌گیری و پیشنهاد‌هایی برای تحقیقات آتی بیان‌شده است . http://jamlu.liau.ac.ir/article-1-1342-fa.pdf 2017-10-22 15 34 زنجیره تأمین محصولات فاسد شدنی الگوریتم های فراابتکاری برنامه‌ریزی خطی روش شاخه و حد. A multi-period and three-echelon supply chain network design for perishable agricultural products using meta-heuristic algorithms A considerable amount of perishable products especially in the food and agriculture is corrupted annually due to the lack of effective mechanism in the supply chain. So, in this study, we tried to improve these unfavorable conditions by designing an efficient supply chain network minimizing costs for perishable products. Due to lack of adequate researches in the field of perishable supply chain network design, this study can be considered as one of the basic research in this field. In order to analysis and verify the proposed model, a case study in Mazandaran province has been applied. Since the proposed model on a large scale problem is NP-hard, therefore, the meta-heuristic algorithms are developed to solve the problem. It should be noted that in order to compare the performance of these algorithms on the small size problems, the branch and bound method via Lingo software is used. Finally, conclusions and suggestions for future research are presented. http://jamlu.liau.ac.ir/article-1-1342-en.pdf 2017-10-22 15 34 Perishable products supply chain Metaheuristic Linear programming branch and bound method. Armin Cheraghalipour bmtarmin@yahoo.com 1 University of Science and Technology of Mazandaran AUTHOR Mohammad Mahdi Paydar paydar@nit.ac.ir 2 Babol University of Technology AUTHOR Mostafa Hajiaghaei-Keshteli mostafahaji@mazust.ac.ir 3 University of Science and Technology of Mazandaran AUTHOR
OTHERS_CITABLE استوار‌سازی مدل‌های DEA برای شناسایی واحدهای دارای بدترین عملکرد مدل­های کلاسیک تحلیل پوششی داده­ها (DEA) هر یک از واحدهای تصمیم­گیرنده (DMU) را براساس مطلوب­ترین حالت به منظور شناسایی واحدهای دارای بهترین عملکرد مورد ارزیابی قرار می­دهند. درواقع، مدل­های کلاسیک DEA کارایی هر واحد را در مقایسه با کاراترین واحد اندازه­گیری می­کنند و چون در این روش کارایی نسبی محاسبه می­شود بنابراین حداقل یکی از واحد­ها روی مرز کارایی قرار دارد. در مقابل مدل­های DEA کلاسیک، مدل­های دیگری وجود دارند که DMUها را براساس نامطلوب­ترین حالت مورد ارزیابی قرار می­دهند و با تشکیل مرز ناکارایی، واحد­های دارای بدترین عملکرد را شناسایی می­کنند. در این مقاله با استفاده از رویکرد بهینه­سازی استوار، دو مدل برای ارزیابی عملکرد DMUها تحت نامطلوب­ترین حالت ارائه می­شود و هدف به­دست آوردن واحدهای دارای بدترین عملکرد با داده­های دارای عدم قطعیت و بازه­ای می­باشد. همچنین برای تعیین واحدهای دارای بدترین عملکرد، مفهوم ابرکارایی را به کار بردیم و آن را ابرناکارایی نامیدیم. با استفاده از دو مثال عددی قابلیت مدل­های پیشنهادی در ارائه رتبه­بندی مورد اطمینان و شناسایی واحدهای دارای بدترین عملکرد  مورد بررسی قرار گرفته است.   http://jamlu.liau.ac.ir/article-1-1297-fa.pdf 2017-10-10 35 53 تحلیل پوششی داده ها بهینه سازی استوار عدم قطعیت رتبه بندی بدترین عملکرد. Robustness of DEA models to identify worst-practice DMUs An original data envelopment analysis (DEA) model is to evaluate each decision-making unit (DMU) with a set of most favorable weights of performance indices to finding worst-practice DMUs. Indeed classical DEA models evaluate each DMUs compared to the most effective DMU. Since in this way the relative efficiency is calculated, therefore at least one of the DMUs are located on the efficiency frontier. In comparison to classical DEA models, there are other DEA models which evaluate DMUs based on unfavorable scenario and by making the inefficiency frontier, identify the DMUs with worst-practice performance.  The efficient DMUs obtained from the original DEA construct an efficient (best-practice) frontier. In this paper, by using of robust optimization approaches, we proposed two models to evaluate DMUs in the worst-practice sense and our aim is to obtain DMUs with worst-practice performance in problems that faced with uncertainty in data. Also to ranking the DMUs with worst-practice we use the super-efficiency concept and called it super-inefficiency. By using of two numerical example we demonstrate the capability of proposed models in presentation of reliable ranking and finding the worst-practice DMUs.      http://jamlu.liau.ac.ir/article-1-1297-en.pdf 2017-10-10 35 53 Data Envelopment Analysis Robust optimization Uncertainty Ranking Worst-Practice. Aliasghar Arabmaldar Aliasghar.Arabmaldar@gmail.com 1 university of sistan and baluchestan AUTHOR faranak hosseinzadeh saljooghi f_h_saljooghi@yahoo.com 2 university of sistan and baluchestan AUTHOR
OTHERS_CITABLE اعمال فاکتور تاثیر غیرمستقیم مرتبط با ورودی‌ها و خروجی‌ها، در ارزیابی عملکرد واحدهای تصمیم‌گیرنده تحلیل پوششی داده‏ها (DEA) یک روش ناپارامتری برای تخمین تابع تولید می‏باشد. در DEA هر واحد تصمیم‏گیرنده دارای تعدادی ورودی و خروجی بوده و با استفاده از مرز کارایی [M1] به ارزیابی عملکرد واحدهای تصمیم‏گیرنده می‏پردازد. هریک از ورودی‏ها و خروجی‏ها نقش اساسی در ارزیابی عملکرد واحد تصمیم‏گیرنده بازی می‏کنند که می‏توان از آنها به عنوان فاکتور تأثیر مستقیم نام برد. اما با در نظر گرفتن ذات و ماهیت ورودی‏ها و خروجی‏ها این امکان وجود دارد که ورودی‏ها و خروجی های واحدهای تصمیم ‏گیرنده، تأثیر غیرمستقیمی نیز در ارزیابی عملکرد واحدهای تصمیم‏گیرنده داشته باشند که یکی از ضعف های مدلهای DEA، درنظر نگرفتن این فاکتورها می‏باشد که می‏توان از آنها به عنوان فاکتور تأثیر غیرمستقیم نام برد. فاکتور تأثیر غیرمستقیم مورد نظر در این مقاله به علت [M2] ذات و ماهیتشان، اثر منفی بر روی کارایی گذاشته و نمی‏توان این فاکتورها را به عنوان [M3] ورودی یا خروجی،  یا بعنوان ورودی یا خروجی کنترل پذیر، در نظر گرفت. تشخیص فاکتورهای تاثیر غیر‏مستقیم، نقش بسزایی در ارزیابی عملکرد و رتبه ‏بندی واحدهای تصمیم‏گیرنده بازی می‏کند. از این رو در این مقاله  به هر ورودی و خروجی یک کمیت عددی (متعلق به بازه [0,1])، به عنوان فاکتور تأثیر غیرمستقیم نسبت داده و با استفاده از دستکاری در داده‏ها و تحلیل پوششی داده‏ها،  روش‏هایی برای ارزیابی عملکرد و رتبه‏بندی واحدهای تصمیم‏ گیرنده، مبتنی بر فاکتورهای تاثیر غیرمستقیم ارائه می‏شود.  [M1]کارایی  [M2]به علت  [M3]به عنوان http://jamlu.liau.ac.ir/article-1-1538-fa.pdf 2017-10-21 55 67 تحلیل پوششی داده‌ها فاکتور تاثیر غیر مستقیم رتبه‌بندی Implementation of indirect impact factor related to inputs and outputs in the performance evaluation of decision making units in DEA Data Envelopment Analysis (DEA) is a non-parametric method for estimation of production function. In DEA, each decision making unit (DMU) has a number of input and output and deals with performance evaluation of DMUs using frontier efficiency. Each one of the inputs and outputs plays a basic role in the performance evaluation of DMU which they can be named as direct impact factor. Inputs and outputs of the DMU have, also, an indirect impact on the performance evaluation of DMUs, which one of blind spots of DEA models is not in consideration of these factors which they can be known as indirect impact factor. Due to their essence and nature, indirect impact factors have influence on the efficiency negatively, and these factors cannot be taken into consideration as input or output or, controllable input or outputs. Recognition of indirect impact factors plays a remarkable role in the performance evaluation and ranking of DMUs. Therefore, some methods have been presented in this paper for performance evaluation and ranking of DMUs based on indirect impact factors. http://jamlu.liau.ac.ir/article-1-1538-en.pdf 2017-10-21 55 67 Data envelopment analysis indirect impact factors ranking. H. Siaby hamidsiaby@yahoo.com 1 AUTHOR M. Rodtami malkhalifeh mohsen_rostamy@yahoo.com 2 AUTHOR F. Hosseinzadeh lotfi farhad@hosseinzadeh.ir 3 AUTHOR M.H behzadi behzadi@srbiau.ac.ir 4 AUTHOR
OTHERS_CITABLE ارائه یک الگوریتم ابتکاری جدید برای حل مساله مکان‌یابی پوشش کلی مساله پوشش مجموعه، از دسته مسائل سخت محسوب می‌شود که در کاربردهای مختلفی مانند سیستم اورژانس، مکانیابی تسهیلات خرده‌فروشی، بیمارستان‌ها، واحدهای دفاعی کشوری، پایگاه‌های نظامی، دستگاه‌های رادار و ... مورد استفاده قرار می‌گیرد. هدف از پوشش مجموعه، یافتن یک زیرمجموعه به گونه‌ایست که اجتماع اعضای این زیر مجموعه، کل مجموعه را پوشش دهد. در این مقاله یک الگوریتم ابتکاری برای حل مساله پوشش مجموعه پیشنهاد شده است. در الگوریتم پیشنهادی، برای هر یک از رئوس گراف، یک مقدار منسوب به میزان بهبود محاسبه می‌شود که بر اساس آن تصمیم برحضور یا عدم حضور راس متناظر در مجموعه پوشش گرفته می‌شود. با توجه به تخصیص تسهیل و اثر متقابل بر پوشش یا عدم پوشش رئوس مجاور، در هر مرحله مقادیر بهبود به روز می‌شود و این روند به طور تکراری ادامه می­یابد تا آنکه در خاتمه‌ی الگوریتم، مجموعه پوشش نزدیک به بهینه بدست آید. جهت ارزیابی الگوریتم پیشنهادی در مقایسه با سایر روش‌های متداول، یک الگوریتم شبیه‌سازی تبرید جهت حل ارائه شد و پارامترهای آن به روش تاگوچی تنظیم گردید. نتایج بدست آمده در مقایسه با نتایج بدست آمده از الگوریتم شبیه‌سازی تبریدی برای آزمایش‌های مختلف حاکی از موفقیت الگوریتم پیشنهادی به ویژه در مسائل با ابعاد بالا در مهار رشد زمان حل از O(2n) به زمان حل چند جمله­ای O(2n) است. http://jamlu.liau.ac.ir/article-1-1234-fa.pdf 2017-10-21 69 88 مساله پوشش الگوریتم ابتکاری الگوریتم شبیه‌سازی تبرید روش تاگوچی A new heuristic algorithm for total covering location problem Set covering problem has many applications such as emergency systems, retailers’ facilities, hospitals, radar devices, and military logistics, and it is considered as Np-Hard problems. The goal of set covering problem is to find a subset such that :::::::::union::::::::: of the subset members covered the whole set. In this paper, we present a new heuristic algorithm to solve the set covering problem. In the heuristic algorithm, the amounts of improvement are calculated for any of vertices in the graph. Based on the improvement we consider vertices in the subset. The amounts of improvement updated in each iteration to find near optimal solution. A simulated annealing algorithm, which its parameters tuned with Taguchi method, is presented to compare with our suggested heuristic algorithm. The computational results show that the heuristic algorithm works better than the simulated annealing algorithm in both quality of solution, and time view. http://jamlu.liau.ac.ir/article-1-1234-en.pdf 2017-10-21 69 88 Covering problem Heuristic algorithm Simulated annealing algorithm Taguchi method Sattar Rajabpour sanati sanati.sattar@gmail.com 1 Iran University of Science and Technology AUTHOR Ali Naimi Sadigh naimi@irandoc.ac.ir 2 Iranian Research Institute for Information Science and Technology (IRANDOC) AUTHOR
OTHERS_CITABLE حل معادلات برآوردکننده مدل‌های رگرسیون با اندازه خطای تصادفی روی متغیر مستقل به روش بهینه سازی اندازه‌های بعضی از متغیرها در تحلیل‌های آماری اغلب با خطاهای تصادفی همراه می‌باشند. در نتیجه بررسی اثرات این خطاها مهم و ضروری به نظر می‌رسد. این بررسی درتحلیل‌های رگرسیونی وقتی اندازه‌های متغیر مستقل دارای خطای تصادفی باشند از اهمیت بیش‌تری برخوردار است. زیرا هدف از برازش یک مدل رگرسیون برآورد اثر یک متغیر مستقل بر روی یک متغیر پاسخ می‌باشد. پس اگر اندازه‌های متغیر مستقل در یک مدل رگرسیون آلوده به خطاهای تصادفی باشند ممکن است در برآورد پارامترهای آن مدل تأثیر زیادی داشته باشند. ما دراین مقاله ابتدا نحوه رخ دادن خطاهای تصادفی بر روی اندازه‌های یک متغیر را مورد بررسی قرار می‌دهیم. سپس نشان می‌دهیم که وجود این خطاها بر روی اندازه‌های متغیر مستقل در مدل‌های‌‌ رگرسیون بر برآورد پارامترهای آن مدل‌ها تأثیر داشته، به طوریکه حل مستقیم معادلات برآوردکننده را برای برآورد پارامترها ناممکن می‌سازد. همچنین نشان می‌دهیم به روش بهینه‌سازی با حل معادلات برآوردکننده می‌توان به برآورد پارامترهای یک مدل دست یافت. در نهایت نتایج  روش بهینه‌سازی را بر روی دو مثال عملی آزمون می‌کنیم و اثرات نادیده گرفتن خطاهای تصادفی را در این دو مثال نشان می‌دهیم. http://jamlu.liau.ac.ir/article-1-1387-fa.pdf 2017-10-10 89 98 خطاهای تصادفی مدلهای رگرسیون خطی و غیر خطی معادلات برآوردکننده بهینه سازی Solving estimating equation of regression models with random measurement error on independent variable by optimization approach Measurements of some variables in statistical analysis are often encountered with random errors. Therefore, investigating of the effects of these errors seems to be important. This event in regression analysis seems to be more necessary. Because the aim of the fitting a regression model is estimating the effect of an independent variable on a response variable. Then measurements of an independent variable in a regression model are subject to random error, this may affect the parameter estimating processes. In this article, we first investigate how random errors occur on the measurements of a random variable. Then we show that exist such an error on the measurements of the independent variable has an impact on the estimating of the parameters, such that it makes impossible to directly solve the estimating equations for the estimating of the regression model parameters. We also show with an optimization procedure by solving the estimating equations the estimation of model parameters can be achieved. Finally, we test the results of the optimization procedure on two practical examples, and we illustrate the effects of ignoring random errors in estimating model parameters in these two examples.   http://jamlu.liau.ac.ir/article-1-1387-en.pdf 2017-10-10 89 98 Random errors Linear and non-linear regression models Estimating equations Optimization. M. Babanezhad mbaba222@yahoo.com 1 Golestan University AUTHOR
OTHERS_CITABLE ارائه یک مدل مسیریابی اتوبوس مدرسه(SBRP) با در نظر گرفتن امکان برون‌سپاری دانش‌آموزان مقاله های موجود در باب مسیریابی اتوبوس مدرسه اساسا بر پایه­ ی کمینه کردن هزینه و زمان سفر استوار هستند، در این مقاله ما تمرکز خود را بر چالش­های شرکت­­های حمل و نقل برای ساماندهی دانش ­آموزان به مدرسه خود  به نحوی که سود شرکت ماکزیمم شود و همچنین هزینه­ های تخصیص دانش ­آموزان به ایستگاه­ ها مینیمم شود، معطوف کرده ­ایم. در این مطالعه ما برای اولین بار به شرکت حمل ونقل این اجازه را داده ­ایم تا با پرداخت جریمه ­ای به دانش ­آموزان از ارائه خدمت به آنها اجتناب کند. در مساله مسیریابی اتوبوس مدرسه­ ی بررسی شده، موارد زیر همزمان  باهم در نظر گرفته­ خواهند شد: فعال کردن ایستگاه­ های بالقوه (مکانیابی). تعیین اینکه کدام دانش­آموز به کدام ایستگاه­ تخصیص یابد و به کدام دانش ­آموز به علت خدمت ندادن توسط شرکت واحد جریمه پرداخت شود(تخصیص). تعیین مسیرهایی که از ایستگاه­ های منتخب عبور ­کنند به طوری که کل مسافت طی شده حداقل شود(مسیریابی).  یک مدل تک هدفه برنامه­ ریزی عدد صحیح مختلط (MIP) از این مساله توسعه داده شده ­است. در نهایت برای حل این مدل دو روش حل دقیق و فراابتکاری پیشنهاد شده­ است. نتایج حاصل از این دو رویکرد در 5 نمونه تولید شده بررسی شده اند و نتایج حاصل حاکی از عملکرد خوب الگوریتم فراابتکاری می باشد. http://jamlu.liau.ac.ir/article-1-1199-fa.pdf 2017-10-22 99 115 مکانیابی مسیریابی تخصیص دانش‌آموزان برنامه‌ریزی عددصحیح مختلط جستجوی ممنوع Presenting a school bus routing problem with consideration of students outsourcing possibility Current studies regarding to school bus routing problem basically are about travel time and cost of travel minimization. In this paper we pay more attention to the challenges of Transportation Company in getting students to their school in a way that maximize the company profit as well as minimize the cost of students assignment. In this study for the first time the transportation company is allowed to pay a fine to students in order to not serving them. In the investigated school bus routing problem, the following will be considered simultaneously:  Enabling potential stations(location) Determining which students to be assigned to which stations and which students to be paid by company for not being served(allocation) Determining routs among stations so that the total traveled distance be minimized(routing) A single objective mix integer programming of this problem is developed. Finally, an exact approach and a metaheuristic procedure is proposed for solving the problem. The results of this two approaches are studied in 5 generated samples and the results indicate good performance of metaheuristic procedure. http://jamlu.liau.ac.ir/article-1-1199-en.pdf 2017-10-22 99 115 location routing students assignment mix integer programming tabu search Parsa Parvasi parsa.parvasi@gmail.com 1 Khaje Nasir university of technology AUTHOR Amirhosein Patoghi amirhpa.ah@gmail.com 2 Khaje Nasir university of technology AUTHOR Milad Rahimi Moghadam milad.mrm@gmail.com 3 Khaje Nasir university of technology AUTHOR Emad Roghanian e_roghanian@kntu.ac.ir 4 Khaje Nasir university of technology AUTHOR
OTHERS_CITABLE تخصیص منابع مرکزی براساس کارایی ارزش در DEA و DEA-R در این مقاله مدلهای تخصیص منابع مرکزی بر اساس کارایی ارزش  در DEA و DEA-R پیشنهاد می شود. به طور کلی اگر داده های ورودی و خروجی واحد های تصمیم گیرنده در دسترس باشند مدلهای DEA علاوه بر کارایی واحد ها، الگوی واحد ها را روی مرکز کارایی معرفی میکنند . اما اگر داه ها فقط نسبتی از داده های ورودی به داده های خروجی یا بالعکس باشند آنگاه  مدلهای DEA نمی توانند کارایی و الگوی واحد ها را مشخص کنند. از این رو مدلهایDEA-R مشکل را حل می کنند. مدلهای تخصیص منابع مرکزی با یک مساله برنامه ریزی خطی میتوانند تصویر تمام واحد های تصمیم گیرنده را روی مرز کارایی بدست آورند. از این رو در این مقاله با استفاده از مدلهای CRA براساس کارایی ارزش ( با در نظر گرفتن واحد هایی که مدیر به عنوان MPSمعرفی میکند ) تصویر واحد های ناکارا در DEAوDEA-Rبه دست آورده می شود . در خاتمه مطالعه کاربردی برای شرکتهای تولیدی پوشاک از یک برند خاص ارائه می شود . http://jamlu.liau.ac.ir/article-1-1181-fa.pdf 2017-10-10 117 130 تحلیل پوششی داده ها مبتنی بر تحلیل کسری تخصیص منابع مرکزی کارایی ارزش Centralized Resource Allocation based on the Value Efficiency in DEA and DEA-R In this article, centralized resource allocation (CRA) models based on the value efficiency in DEA and DEA-R are recommended. In general, if the input and output data of decision-making units are available, DEA models provide targets of units on the efficiency frontier in addition to the efficiency of units. However, if only a ratio of the input data to output data, or vice versa, is available, DEA models cannot determine the efficiency and target of units. In order to overcome this problem, DEA-R models are utilized. With a linear programming problem, centralized resource allocation models can achieve the projection of all decision-making units on the efficiency frontier. Therefore, in the present article the projection of inefficient units in DEA and DEA-R is achieved using the CRA models based on the value efficiency (considering units that the manager defines as MPS). In the end, as applied research, a case study is carried out for clothing companies of a specific brand. http://jamlu.liau.ac.ir/article-1-1181-en.pdf 2017-10-10 117 130 DEA-R CRA Value Efficiency Mohammad reza Mozaffari mozaffari854@yahoo.com 1 Islamic Azad University, Shiraz Brancu AUTHOR