[논문]DEA와 의사결정 나무(C5.0)의 하이브리드 모델을 사용한 항만의 효율성 평가

홍한국; 임병학; 김삼문

doi:10.5392/jkca.2019.19.07.099

초록
AI-Helper

비모수 생산성 분석기법인 Data Envelopment Analysis (DEA)는 여러 분야의 효율성 평가에 적용되고 있다. DEA 방법론이 다양한 분야의 문제에 대한 현실적 적용에 있어 단점이 있다. 예를 들어 DEA는 각 의사 결정단위의 상대적인 효율성 평가에 적합하다. 그러나 이론적인 최대치와의 비교가 아닌 벤치마킹해야 할 참조그룹과 얼마만큼 개선해야 할지를 단지 알려 줄 뿐이다. 즉, 새로운 의사결정단위의 효율성을 측정하기 위해 우리는 과거에 사용된 의사결정단위 데이터와 함께 완전히 새로운 DEA를 적용해야만 한다. 또한 우리는 다시 DEA를 적용하지 않고서 새로운 의사결정단위의 효율성 수준을 예상할 수 없다. 우리는 이러한 DEA의 단점을 보완하기 위해 C5.0과 결합한 하이브리드 분석방법론을 제안한다. 35개의 항만의 효율성 평가를 통해 새로운 의사결정단위는 기존의 의사결정단위와 함께 다시 DEA를 실행할 필요 없이 제안한 방법론을 적용하여 어느 등급에 속하는지 예상할 수 있다.

Abstract ▼ AI-Helper

Data Envelopment Analysis (DEA), a non-parametric productivity analysis tool, has become an accepted approach for assessing efficiency in a wide range of fields. Despite of its extensive applications, some features of DEA remain bothersome. For example DEA is good at estimating "relative" efficiency...

Data Envelopment Analysis (DEA), a non-parametric productivity analysis tool, has become an accepted approach for assessing efficiency in a wide range of fields. Despite of its extensive applications, some features of DEA remain bothersome. For example DEA is good at estimating "relative" efficiency of a DMU(Decision Making Unit), it only tells us how well we are doing compared with our peers but not compared with a "theoretical maximum." Thus, in order to measure efficiency of a new DMU, we have to develop entirely new DEA with the data of previously used DMUs. Also we cannot predict the efficiency level of the new DMU without another DEA analysis. We aim to show that DEA can be used to evaluate the efficiency of ports and suggest the methodology which overcomes the limitation of DEA through hybrid analysis utilizing DEA along with C5.0. We can generate classification rules C5.0 in order to classify any new Port without perturbing previously existing evaluation structures by proposed methodology.

주제어

표/그림 (7)

표 Table 1. Summarization of Decision Tree Algorithms [13]
그림 Fig. 1. Research Framework
표 Table 2. Variable Description
표 Table 3. DEA and Tier Analysis Results
그림 Fig. 2. A Decision Tree generated by C5.0
그림 Fig. 3. Rule induced from the decision tree
표 Table 4. Training cases for C5.0.

AI 본문요약
AI-Helper

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

문제 정의

In this paper, we aim to show that DEA can be used to evaluate the efficiency of Ports and to suggest the methodology to overcome the limitation of DEA. We present our research framework, which is a hybrid approach utilizing C5.
The end result was a general conclusion emerging purporting that the Italian companies display relatively high management skills, with most of them being Variable Return to Scale (VRS) efficient. This study also provides benchmarks that will help to improve the functioning of the port especially in terms of efficiency. Lee, et al.

제안 방법

We apply a DEA to evaluate the efficiency of the DMUs with their multidimensional inputs and outputs. After that, we clustered the DMUs together through the tier analysis, which recursively apply the DEA to the remaining inefficient DMUs, and then generated the DMU classification rules using the C5.0, the decision tree classifier, with the DMU tiers that had identified by the tier analysis. In conventional DEA, it only (1) identifies inefficiencies, (2) identifies comparable efficient units, and (3) locates slack resources.
Decision tree classifier provides a hierarchical decomposition of the training data space to divide the data using a condition on the attribute value[11]. For the classification, researchers have developed various decision tree algorithms such as ID3, C4.5 and C5.0 over a period of time with enhancement in performance and ability to handle various types of data. Some algorithms are summarized below [12].
They took data from several ports of each of these countries during the 1998-2000 periods. Their paper is intended to evaluate the efficiency of major seaports in two small European countries using the CCR and BCC models.

대상 데이터

Barros & Manolis[21] compared the efficiency of ports of two European countries, Greece and Portugal. They took data from several ports of each of these countries during the 1998-2000 periods. Their paper is intended to evaluate the efficiency of major seaports in two small European countries using the CCR and BCC models.

이론/모형

DEA was developed by Charnes et al. as a generalization of the framework of Farrell [14] on the measurement of productive efficiency. DEA, as a non-parametric approach, evaluates relative efficiency of inputs and outputs and determines a set of Pareto-efficient DMUs with an objective of calculating a discrete piecewise frontier.
In order to generate the decision tree, this study uses C5.0 well known and developed by Quinlan. [Table 4] shows sample cases for training C5.

성능/효과

Also we cannot predict the efficiency level of the new DMU without another DEA analysis. Second, for DMUs directly compared with a peer or combination of peers, DEA offers no guidelines where relatively inefficient DMUs improve. Finally, it does not provide stepwise paths for improving the efficiency of each inefficient DMU.
Barros [18] evaluated the performance of 24 Italian seaports for the 2002 -2003 period using multiple efficiency models, such as DEA, CCR, BCC, Cross efficiency DEA, and DEA Super efficiency, whereas previously published articles were limited to only one or two analysis models. The end result was a general conclusion emerging purporting that the Italian companies display relatively high management skills, with most of them being Variable Return to Scale (VRS) efficient. This study also provides benchmarks that will help to improve the functioning of the port especially in terms of efficiency.
Carvalho[15] analyzed forty one ports from eleven European countries using DEA models, and using Operational Expenses(OPEX) and Capital Expenses(CAPEX) as inputs; and conventional general cargo, containerized cargo, roll on-roll off cargo, dry bulk cargo, liquid bulk cargo and passengers as outputs. The study concluded that all the Portuguese ports had very low efficiency scores except Lisbon which was deemed as efficient due to a very high volume of passenger traffic. Wang and Cullinane[16] focused on measuring the efficiency of container terminals in Europe.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

DEA와 의사결정 나무(C5.0)의 하이브리드 모델을 사용한 항만의 효율성 평가
Using a Hybrid Model of DEA and Decision Tree Algorithm C5.0 to Evaluate the Efficiency of Ports 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

DEA와 의사결정 나무(C5.0)의 하이브리드 모델을 사용한 항만의 효율성 평가 Using a Hybrid Model of DEA and Decision Tree Algorithm C5.0 to Evaluate the Efficiency of Ports 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (7) 모든 표/그림 보기

표/그림 (7) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

이 논문을 인용한 문헌

저자의 다른 논문 :

홍한국 (18) 임병학 (9)

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

DEA와 의사결정 나무(C5.0)의 하이브리드 모델을 사용한 항만의 효율성 평가
Using a Hybrid Model of DEA and Decision Tree Algorithm C5.0 to Evaluate the Efficiency of Ports 원문보기

초록
AI-Helper

표/그림 (7)

표/그림 (7)

AI 본문요약
AI-Helper