$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

DEA에서 투입.산출 요소 선택 방법
A Method for Selection of Input-Output Factors in DEA 원문보기

산업공학 = IE Interfaces, v.22 no.1, 2009년, pp.44 - 55  

임성묵 (고려대학교 경상대학 경영학부)

Abstract AI-Helper 아이콘AI-Helper

We propose a method for selection of input-output factors in DEA. It is designed to select better combinations of input-output factors that are well suited for evaluating substantial performance of DMUs. Several selected DEA models with different input-output factors combinations are evaluated, and ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 즉, 여러 가지의 투입·산출 요소 조합뿐만 아니라 다양한 DEA 모형들도 함께 조합하여 효율성 산출 및 의사결정나무 분석을 수행하고, 그 결과를 바탕으로 조직의 단일 성과지표를 가장 잘 설명하는 DEA 모형을 선정하는 것이다. 또 다른 활용 방안으로, 제안한 방법의 결과를 이용하여 평가 대상 DMU의 효율성 개선 스케줄을 수립하는 것이다. 예를 들어 제 4장에서 설명한 철강․금속 분야 상장기업 효율성 평가 결과를 보면, Model 7의 효율성이 기업 가치 제고에 가장 결정적인 역할을 하고 부차적으로 Model 2와 Model 3의 효율성이 그 다음의 중요도를 가진다.
  • DEA는 선형계획법을 이용하여 DMU의 효율성을 산출함과 동시에, 비효율적인 DMU에 대해서는 벤치마킹 대상을 제공한다. 또한, 비효율적인 DMU가 효율적이 되기 위해 투입 요소 및 산출 요소에 어느 정도의 개선이 이루어져야 하는지에 대한 정보도 제공한다. 그러나 DEA가 DMU의 효율성에 대한 진단 도구로서의 역할은 하지만 비효율적인 DMU가 효율적으로 바뀌기 위해 필요한 전략적 대안을 제시해주지는 못한다(Talluri, 2000).
  • 그러나 이러한 투입·산출 요소 선택 방법은 DEA 분석 결과의 실질적 유효성에 대해 아무런 보장을 하지 못한다. 본 연구가 제안하는 새로운 방법의 기본 동기는 DEA 분석을 통해 도출되는 효율성이 해당 의사결정단위의 실질적 성과를 가장 잘 표현할 수 있도록 투입․산출 요소를 설정하고자 하는 것이다. 그렇다면 의사결정 단위의 실질적 성과는 무엇인가? 이는 DEA 분석의 근본 목적을 살펴서 정의되어야 한다.
  • 본 연구에서는 DEA 분석 과정에서 중요한 단계인 투입․산출 요소의 선정을 효율성 평가 목적에 부합되도록 하기 위한 하나의 방법론을 제안하였다. 지금까지 요소 선정 방법이 주로 주관적 판단, 기존 문헌 연구, 통계적 분석 등에 기반하고 있고, 효율성 평가 목적에 맞게 대상 조직의 실질적 성과를 제대로 나타낼 수 있는 투입·산출 요소의 선정을 하지 못했다는 점을 고려할 때 본 연구가 가진 의의를 찾을 수 있다.
  • 본 연구에서는 이러한 DEA의 한계점을 극복할 수 있는 방안으로 새로운 투입·산출 요소 선정 방법을 제안하고자 한다.
  • 본 절에서는 새롭게 제안하는 DEA에서의 투입·산출 요소 선택 방법을 설명한다.
  • 투입·산출 요소 조합을 달리하여 다양한 DEA 모형들을 구성하고, 이로부터 산출된 효율성 점수들과 조직의 전체적인 성과 간의 구조적인 연관 관계를 의사결정나무를 통해 분석한다. 이를 통해 조직성과를 향상시키기 위해 필요한 효율성 개선 방향과 우선순위를 고려한 벤치마킹 일정이 수립되도록 하는 것이 본 연구가 제안하는 방법론의 핵심을 이룬다.
  • 한편, DEA 모형은 그 목적에 따라 투입지향(input-oriented) 모형과 산출지향(output-oriented) 모형으로 구분되어 사용된다. 투입지향 모형은 주어진 수준의 산출 요소를 최소한의 투입 요소를 사용하여 생산하는 것이 목적인 반면, 산출지향 모형은 주어진 투입 요소를 가지고 산출 요소를 최대화하는 것을 목적으로 한다. 또한, 효율적인 DMU들 간 순위 결정 방법의 하나로 super-efficiency가개발되기도 하였으며(Andersen and Petersen, 1993), 다기준 의사 결정 문제(multiple criteria decision making problem)에 사용할 수 있는 순수 산출 요소(또는 투입 요소) 모형도 존재한다(Lovell and Paster, 1999).
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
DEA란 무엇인가? DEA는 다수의 투입 요소를 소비하여 다수의 산출 요소를 생산해 내는 동질의 조직 또는 의사결정단위(DMU)들 간의 상대적 효율성을 선형계획법을 기반으로 측정하는 비모수적 기법이다. 활용 분야도 광범위하여 학교, 병원, 은행, 공공기관 등을 비롯한 많은 조직의 제조 및 서비스 운영 성과를 비교․평가하기 위한 모형으로 널리 이용되어 왔으며, 활용 범위도 확대되어 다기준(multi-criteria) 의사결정문제를 해결하는 하나의 기법으로서 일반적으로 인식되고 있다(Talluri, 2000).
Pareto and Koopmans의 접근법의 한계는 무엇인가? Pareto and Koopmans의 접근법은 전적으로 개념적이었고 현실 문제에 적용하여 효율성 값을 실제적으로 측정할 수 있는 구현 방법은 제시하지 못하였다. Farrell(1957)은 Pareto와 Koopmans의 개념을 실제 데이터에 적용하여 상대적 효율성(또는 비효율성)을 측정할 수 있는 방법을 처음으로 제시하였다.
CCR 모형은 의사결정단위의 규모수익이 불변 가정 하에서 효율성을 평가함으로써 규모의 효율성과 순수한 기술적 효율성을 구분하지 못하는 단점을 가지는데, 이러한 문제점에 착안해서 만들어진 방법은 무엇인가? CCR 모형은 의사결정단위의 규모수익이 불변(constant return to scale)이라는 가정 하에서 효율성을 평가함으로써 규모의 효율성과 순수한 기술적 효율성을 구분하지 못하는 단점이 있었다. 이러한 문제점에 착안하여, Banker et al.(1984)은 규모수익의 가변성(variable return to scale)을 반영할 수 있는 방법을 제안하였는데 이는 BCC 모형이라 일컬어지며, BCC 모형에서의 효율성 값은 주어진 생산 규모 하에서의 순수 기술 효율성을 의미한다. 또한 순수 규모의 효율성을 평가하기 위한 방법이 제시되었는데, 이는 CCR 모형에서 얻어지는 효율성을 BCC 모형에서 얻어지는 효율성으로 나눔으로써 추정되어진다.
질의응답 정보가 도움이 되었나요?

참고문헌 (37)

  1. Andersen, P. and Petersen, N. C. (1993), A procedure for ranking efficient units 

  2. Bala, J. (1996), Using Learning to Facilitate the Evolution of Features for Recognizing Visual Concepts, EvolutionaryComputation, 4(3), 297-312 

  3. Banker, R.D. andMorey, R. C. (1986), TheUse of Categorical Variables inData Envelopment Analysis,Management Science, 32(12), 1613-1627 

  4. Banker, R., Charnes, A., andCooper,W.W. (1984), SomeModels for Estimating Technical and Scale Inefficiencies inData EnvelopmentAnalysis,Management Science, 30(9), 1078-1092 

  5. Boussofiane, A.,Dyson, R.G., and Thanassoulis, E. (1991),AppliedData Envelopment Analysis, European Journal of Operational Research, 52(1), 1-15 

  6. Breiman, L., Friedman, J.H.,Olshen, R.A., and Stone, C.G. (1984),Classification and Regression Trees, Chapman & Hall, New York 

  7. Chang, H. H. (1998), Determinants of Hospital Efficiency : the Case of Central Government-owned Hospitals in Taiwan, OMEGA International Journal of Management Science, 26(2), 307-317 

  8. Charnes, A., Cooper, W. W., Golany, B., Seiford, L., and Stutz, J. (1985), 

  9. Charnes, A., Cooper,W.W., Seiford, L., and Stutz, J. (1982), A Multiplicative Model for Efficiency Analysis,Socio-EconomicPlanningSciences, 16(5), 213-224 

  10. Charnes, A., Cooper,W.W., and Rhodes, E. (1978),Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2(6), 429-444 

  11. Chen, Y. L.,Hsu, C. L., and Chou, S. C. (2003), Constructing aMulti-valued and Multi-labeledDecision Tree,Expert SystemswithApplications, 25(2), 199-209 

  12. Chou, P. A. (1991),Optimal Partitioning for Classification and Regression Trees, IEEE Transactions onPatternAnalysis andMachineIntelligence, 13(4), 340-354 

  13. Cooper,W.W., Seiford, L. M., and Tone, K. (2000),Data EnvelopmentAnalysis: A ComprehensiveText withModels, Applications, References and DEA-solver Software, Kluwer academic publishers, Boston 

  14. Donthu, N., Hershberger, E. K., and Osmonbekov, T. (2005), Benchmarking Marketing ProductivieyUsingData EnvelopmentAnalysis, Journal ofBusiness Research, 58(11), 1474-1482 

  15. Farrell, M. J. (1957), The Measurement of Productive Efficiency, Journal of the Royal Statistical Society, SeriesA (General) , 120(3), 253-290 

  16. Golany, B. and Roll, Y. (1989), An Application Procedure for DEA, OMEGA International Journal ofManagement Science, 17(3), 237-250 

  17. Grosskopf, S. andMoutray, C. (2001), Evaluating Performance in Chicago Public High Schools in theWake of Decentralization, Economics of EducationReview, 20(1), 1-14 

  18. Hunt, K. J. (1993), Classification by Induction: Application to Modeling and Control ofNon-linearDynamical Systems, Intelligent SystemsEngineering, 2(4), 231-245 

  19. Kass,G. V. (1980), An Exploratory Technique for Investigating LargeQuantities of Categorical Data,Applied Statistics, 29(2), 119-127 

  20. Koopmans, T. C., ed. (1951),ActivityAnalysis of ProductionandAllocation,Wiley, 

  21. Lovell, C. A. K. and Pastor, J. T. (1999), Radial DEAModels without Inputs or 

  22. Luo,X. (2003), Evaluating the Profitability andMarketability Efficiency of Large Banks-an Application of Data Envelopment Analysis, Journal of Business Research, 56(8), 627-635 

  23. Mcmullen, P. R. and Frazier, G. V. (1998), Using Simulation andData Envelopment Analysis to Compare Assembly Line Balancing Solutions, Journal of ProductivityAnalysis, 11(2), 149-168 

  24. Min, J-H. and Jeong, C-W. (2006), Nonparametric Approach to Bankruptcy Prediction : Developing Cross Peeling Technique Integrating DEA andNegative DEA, KoreanManagementReview, 35(4), 1157-1180 

  25. Min, J-H. andKim, J-H. (1998),ASelection Process of Input andOutput Factors Using Partial Efficiency in DEA, Journal of theKoreanOperations Research and Management ScienceSociety, 23(3), 75-90 

  26. Pareto, V. (1927), Manuel d'economie politique, deuxieme edition, Appendix, pp. 

  27. Quinlan, J. R. (1993),C4.5 :Programs formachinelearning,MorganKaufmann, San 

  28. Ripley, B.D. (1996),PatternRecognitionandNeuralNetworks, CambridgeUniversity 

  29. Roll, Y. andGolany, B. (1989),AlternateMethods of Treating FactorWeights in DEA,OMEGA International Journal ofManagement Science, 21(1), 99-109 

  30. Sengupta, J. K. (1995),Dynamics of Data Envelopment Analysis : Theory of Systems Efficiency, Kluwer Academic Publishers, Boston 

  31. Seol,H., Choi, J., Park,G., and Park, Y. (2007),AFramework for Benchmarking Service Process Using Data Envelopment Analysis and Decision Tree, Expert SystemswithApplications, 32(2), 432-440 

  32. Shafer, S.M., and Byrd, T. A. (2000), AFramework forMeasuring the Efficiency of Organizational Investments in Information Technology Using Data EnvelopmentAnalysis,OMEGAInternational Journal ofManagementScience, 28(2), 125-141 

  33. Sinuany-Stern, Z., Mehrez, A., and Barboy, A. (1994), Academic Departments Efficiency via DEA, Computers andOperations Research, 21(5), 543-556 

  34. Sohn, S. Y. andMoon, T.H. (2004),Decision Tree Based onData Envelopment Analysis for Effective Technology Commercialization, Expert Systems with Applications, 26(2), 279-284 

  35. Sueyoshi, T., Ohnishi, K., and Kinase, Y. (1999), A Benchmark Approach for Baseball Evaluation,EuropeanJournal ofOperational Research, 115(3), 429-448 

  36. Talluri, S. (2000), Data Envelopment Analysis :Models and Extensions,Decision Line, 31, 8-11 

  37. Tofallis, C. (1996), Improving Discernment in DEA Using Profiling, OMEGA International Journal ofManagement Science, 24(3), 361-364 

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로