誤差數據對於資料包絡分析法評估之影響-以國際貨櫃港埠為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：32

、訪客IP：3.15.14.245

姓名

陳雅婷(Ya-ting Chen) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

誤差數據對於資料包絡分析法評估之影響-以國際貨櫃港埠為例
(The Impact of Error Data on Data Envelopment Analysis- A Case Study of International Container Ports)

相關論文

★ 橋梁檢測人力機具排班最佳化之研究	★ 勤業務專責分工下消防人員每日勤務排班最佳模式之研究
★ 司機員排班作業最佳化模式之研究	★ 科學園區廢水場實驗室檢驗員任務指派最佳化模式之研究
★ 倉儲地坪粉光工程之最佳化模式研究	★ 生下水道工程工作井佈設作業機組指派最佳化之研究
★ 急診室臨時性短期護理人力指派最佳化之探討	★ 專案監造人力調派最佳化模式研究
★ 地質鑽探工程人機作業管理最佳化研究	★ 職業棒球球隊球員組合最佳化之研究
★ 鑽堡於卵礫石層施作機具調派最佳化模式之研究	★ 職業安全衛生查核人員人力指派最佳化研究
★ 救災機具預置最佳化之探討	★ 水電工程出工數最佳化之研究
★ 石門水庫服務台及票站人員排班最佳化之研究	★ 空調附屬設備機組維護保養排程最佳化之研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

邇來企業發展過程中，績效評估對於企業經營管理為重要的一環。過去學術上常使用資料包絡分析法(Data Envelopment Analysis, DEA) 針對產業實例進行績效評估。而資料包絡分析法主要是採用實際投入、產出之數據，利用生產邊界之概念進行效率分析。故其使用之數據需相當精確才能進而評估出具有可靠性之評估結果。而蒐集數據的過程產生之誤差可進一步分為隨機誤差與系統誤差兩大類。過去學術研究中，誤差來源往往排除人為誤差只考慮隨機誤差。而資料包絡分析對於不精確性資料之求解僅提出模糊資料包絡分析法與不精確性資料包絡分析法，此類評估方法所評估出之效率值仍為模糊或僅為區間值，對於誤差數據所造成之評估影響程度並無深入研究。因此，本研究以資料包絡分析法為基礎，於CCR模式與BCC模式下，使用國際貨櫃港埠實例設計一系列誤差方案進行測試，並利用生產邊界示意圖呈現其誤差影響程度。在求解方法上，利用C++程式語言配合數學規劃軟體CPLEX進行模式求解，縮短使用DEA軟體之求解時間。
評估結果顯示，效率值等於1之效率良好受評單位受誤差影響下，其影響結果可分為不受任何誤差影響之相對穩定型效率單位、於誤差影響較大時始受影響之效率單位及誤差存在即受影響之效率單位，此三種效率單位可利用A&P模式進一步驗證。而效率值落於0.4~0.7間之效率單位屬於相對敏感之效率單位，其中包含特殊型效率單位，即其誤差程度遠超過於其他受評單位。此種受評單位可利用本研究之測試方式進行篩選，並進一步針對此類特殊型效率單位及相對敏感之效率單位投入更多人力與成本進行數據比對以確保評估結果之準確性。本研究之研究成果可供後續使用資料包絡分析法之研究學者做為參考。

摘要(英)

The performance evaluation is an essential issue in the enterprise’s operations. In past studies, the Data Envelopment Analysis (DEA) is usually utilized to evaluate the performance of the industry. The DEA mainly focuses on employing the actual input and output data, coupled with the concept of production bound, to analyze the efficiency. However, to accurately evaluate the performance, the acquisition to precise input data is very critical. In addition, the deviation can be divided into two sorts. One is the stochastic deviation resulting from the affection of actual operations; the other is the systemic deviation arising from the influence on the human and the instrument. In past DEA studies, the systemic deviation is usually neglected and the Fuzzy DEA or Imprecise DEA is generally employed to evaluate the performance, causing that the evaluated performance has the characteristic of fuzz. In past DEA studies, the systemic deviation is usually neglected and the Fuzzy DEA or Imprecise DEA is generally employed to evaluate the performance, causing that the evaluated performance has the characteristic of fuzz. Therefore, in this study, we design seven different deviation scenarios, utilizing the real operation data from the international container port, to evaluate the performance, under the CCR and BCC models, with the DEA. To clearly present the change in deviation under different scenarios, we utilize the diagram of production bound to express these changes. In addition, to shorten the solution time for using DEA Solver to solve the test problems, we employ the C computer language, coupled with the use of the mathematics programming solver, CPLEX.
The results show that under deviation influence, the decision making units with the efficiency value 1 can be categorized to three different sorts: relative stability units, units influenced by obvious deviation and units influenced by existence of deviation. These decision making units can verify using A&P Model. Other decision making units with the efficiency value from 0.4 to 0.7 are relatively sensitive. It’s contains a special type of decision making units, that is, its deviation of efficiency is much higher than others. However, these sorts can be explored by the proposed method in this study. According to the results, we should spend more human resources and cost on the relatively sensitive units and the special units in order to make sure the accuracy of data and to avoid the impact on deviation. It is expected that the results obtained from our study could be useful reference for the related carriers or studies.

關鍵字(中)

★ CCR模式
★ 資料包絡分析法
★ 隨機誤差
★ 人為誤差
★ 不精確性資料
★ BCC模式

關鍵字(英)

★ Data Envelopment Analysis
★ CCR Model
★ BCC Model
★ Human Deviations
★ Stochastic Deviations
★ Imprecise Data

論文目次

摘要 i
Abstract ii
誌謝 iii
目錄 iv
圖目錄 vii
表目錄 xiv
第一章緒論 1
1 .1研究背景與動機 1
1 .2研究目的與範圍 2
1 .3研究方法與流程 2
第二章文獻回顧 4
2 .1資料包絡分析法之文獻 4
2.1.1資料包絡分析法之特性與限制 4
2.1.2資料包絡分析法相關模式 5
2 .2誤差定義之文獻 12
2 .3處理資料不確定性之相關方法之文獻 14
2.3.1模糊理論 14
2.3.2資料探勘 15
2.3.3類神經路網 16
2.3.4隨機性規劃 18
2 .4資料包絡分析法處理資料不確定性之文獻 20
2.4.1模糊資料包絡分析法之文獻 21
2.4.2非精確資料包絡分析法之文獻 22
2 .5文獻評析 22
第三章研究方法與實驗設計 24
3 .1資料包絡分析法基本概念 24
3 .2數學模式 26
3.2.1符號說明 26
3.2.2 CCR模式 27
3.2.3 BCC模式 30
3 .3實驗設計 34
3 .4小結 36
第四章範例測試 37
4 .1資料蒐集 37
4.1.1受評單位選取 37
4.1.2投入與產出項之選取 38
4 .2電腦演算環境及設定 40
4.2.1電腦演算環境與求解效率 40
4.2.2模式輸出資料 41
4 .3 實驗次數之模擬 41
4 .4 CCR模式之方案分析 45
4.4.1固定隨機與人為影響比例為0:1變動人為誤差率 47
4.4.2固定隨機與人為影響比例為1:1變動人為誤差率 51
4.4.3固定隨機與人為影響比例為1:2變動人為誤差率 54
4.4.4固定隨機與人為影響比例為2:1變動人為誤差率 58
4.4.5固定人為誤差率為±5%變動隨機與人為影響比例 61
4.4.6固定人為誤差率為±10%變動隨機與人為影響比例 65
4.4.7固定人為誤差率為±20%變動隨機與人為影響比例 68
4 .5 BCC模式之方案分析 71
4.5.1固定隨機與人為影響比例為0:1變動人為誤差率 72
4.5.2固定隨機與人為影響比例為1:1變動人為誤差率 76
4.5.3固定隨機與人為影響比例為1:2變動人為誤差率 79
4.5.4固定隨機與人為影響比例為2:1變動人為誤差率 83
4.5.5固定人為誤差率為±5%變動隨機與人為影響比例 86
4.5.6固定人為誤差率為±10%變動隨機與人為影響比例 90
4.5.7固定人為誤差率為±20%變動隨機與人為影響比例 93
4 .6 CCR模式與BCC模式之比較分析 97
4 .7管理意涵 98
4 .8小結 99
第五章結論與建議 100
5 .1結論 100
5 .2建議 101
5 .3貢獻 102
參考文獻 104
附錄 111
附錄一 CPLEX Callable Library Code 111
附錄二 CCR模式方案分析 112
附錄三 BCC模式方案分析 119

參考文獻

1. 王玄昌，「模糊快遞即時派遣系統之研究」，碩士論文，國立雲林科技大學工業工程與管理系 (2002)。
2. 王建智，「以資料探勘方式探討機率性需求下商品之最適訂購策略」，碩士論文，屏東科技大學工業管理學系 (2010)。
3. 何志宏、黃泰林，「適應性號誌中類神經網路轉向比推估模式之建立」，中華民國運輸學會第九屆學術論文研討會 (1994)。
4. 余蒨蓉、李建瑋、張敬偉、李偉成、陳俊儀、楊家豪，「多目標資料包絡分析法在不精確資料的運用」，第一屆台灣作業研究學會學術研討會暨2004年科技與管理學術研討會 (2004)。
5. 吳中峻、郭育珍，「多階段超效率DEA模型之銀行合併績效研究」，第11屆科際整合管理研討會，第167-186頁 (2007)。
6. 吳文明、張琬藝，「應用模糊資料包絡分析法於評估電信業服務務中心之經營效率」，國立勤益科技大學第五屆管理學術研討會 (2007)。
7. 吳濟華、何柏正，組織效率與生產力評估-資料包絡分析法，前程文化事業有限公司 (2008)。
8. 呂孟學，「應用類神經網路於即時停車需求預測之研究」，碩士論文，中央大學土木工程學系 (1999)。
9. 李中一，「測量工具的效度與信度」，台灣衛誌，第二十三卷，第四期，第272-281頁 (2004)。
10. 李育欣，「完全性路網TSP 問題啟發式解法之研究-兼論類神經網路解法之應用」，碩士論文，國立交通大學交通運輸工程研究所 (1988)。
11. 林旭濱，「高速公路車流模擬模式與路徑導引控制之研究」，碩士論文，國立成功大學交通管理學系 (1996)。
12. 林依潔，「整合模糊理論與螞蟻演算法於含時窗限制之車輛途程問題」，碩士論文，國立臺北科技大學生產系統工程與管理研究所 (2003)。
13. 林峯萱，「完全最小二乘法應用於精密水準測量閉合差分析之研究」，碩士論文，國立成功大學測量及空間資訊學系 (2008)。
14. 林彬、游明敏、楊啟宏，「應用DEA/AR模式評估港埠經營效率之研究-以基隆、臺中及高雄三港為例」，運輸計畫季刊，第三十五卷，第四期，第391-413頁 (2006)。
15. 林祥煙，「類神經網路於高速公路交通量預測之研究」，碩士論文，中央大學土木研究所 (1998)。
16. 邱柏憲，「多元服務物流轉運中心模糊車輛派遣之研究」，碩士論文，國立雲林科技大學工業工程與管理研究所 (2002)。
17. 邱裕鈞、徐子婷、閻姿慧，「整合型模糊資料包絡分析模式」，中華民國運輸學會學術論文研討會，第387-412頁 (2009)。
18. 侯琬伊，「應用資料探勘建構物流中心訂單需求模式」，碩士論文，國立臺北科技大學商業自動化與管理研究所 (2005)。
19. 柯欣志，「散裝貨輪論時傭船及論程傭船之績效評估-以A公司C5航線為例」，碩士論文，國立臺灣海洋大學運輸與航海科學系 (2010)。
20. 段建帆，「支援向量機之最佳化參數與屬性篩選之分散式資料探勘系統—以粒子群最佳化演算法為基礎」，碩士論文，華梵大學資訊管理學系 (2005)。
21. 孫遜，資料包絡分析法-理論與應用，揚智文化事業股份有限公司 (2004)。
22. 張紫喬，「應用資料包絡分析法評估亞洲十大貨櫃航運公司經營績效之研究」，碩士論文，國立臺灣海洋大學航運管理學系 (2010)。
23. 張瑋正，「公司治理對兩岸銀行業成本效率之影響」，碩士論文，東吳大學經濟學系 (2010)。
24. 張瑞坤，「金控公司所屬證卷商業務績效之探討-以上市上櫃為例」，碩士論文，靜宜大學管理碩士在職專班 (2009)。
25. 曹智翔，「短期需求擾動下動態醫療物資輸配送之研究」，碩士論文，國立中央大學土木工程學系 (2007)。
26. 許欽閔，「非意欲產出的跨期間效率評估：以台灣汽車及其零件業為例」，碩士論文，靜宜大學企業管理研究所 (2010)。
27. 郭建男，「應用資料包絡分析法評估亞太地區港埠貨櫃作業效率之研究」，碩士論文，國立交通大學交通運輸研究所 (2002)。
28. 郭彥秀、黃士滔，「應用模糊資料包絡分析法評估鋼鐵業企業績效」，工程科技與教育期刊，第五卷，第三期，第477-496頁 (2008)。
29. 陳炫光，「脈波傳導速度量測平台之精準度校正研究」，碩士論文，南台科技大學資訊工程系 (2005)。
30. 陳贈義，「產氫結合微型質子交換膜燃料電池性能分析」，碩士論文，國立中山大學機械與機電工程學系 (2010)。
31. 游俊雄、丁國樑，「需求反應旅次運載模擬模式應用於捷運營運班表之評估」，運輸計劃季刊，第二十七卷，第三期，第489-508頁 (1998)。
32. 黃泰林，「構建智慧型適應性網路號誌控制模式之研究」，博士論文，國立成功大學交通管理研究所 (1994)。
33. 黃鏡如、傅祖壇、黃美瑛，績效評估-效率與生產力之理論與應用，新陸書局股份有限公司 (2008)。
34. 楊大輝、李綺容，「需求變動下之航空貨運網路規劃」，運輸學刊，第十九卷，第二期，第169-189頁 (2007)。
35. 楊雯如，「中國各地區能源環境效率分析-非意欲產出模型之應用」，博士論文，東吳大學經濟學系 (2010)。
36. 鄒予元，「整合模糊多目標規劃與不確定性資料包絡分析以評估我國空軍主計部門之績效」，碩士論文，國防管理學院後勤管理研究所 (2004)。
37. 趙時樑，「定期航商專用碼頭經營績效評估之研究-以某全球性航商為例」，碩士論文，國立臺灣海洋大學航運管理學系 (2011)。
38. 劉文斌、左晉瑋、彭克仲，「應用資料包絡分析選擇股票投資標的之研究-以上市食品產業為例」，臺灣農學會報，第11卷，第五期，第409-428頁 (2010)。
39. 蔡孟其，「資料包絡分析法應用於台灣手機製造商營運績效之評估」，碩士論文，國立臺灣海洋大學航運管理學系 (2010)。
40. 鄭博王，「以遺傳演算法及類神經網路應用於旅行推銷員問題」，碩士論文，淡江大學土木工程研究所 (1994)。
41. 黎逸欣，「結合模糊理論及車輛途程問題於供應鏈配銷系統」，碩士論文，國立雲林科技大學工業工程與管理研究所 (2002)。
42. 謝志彬，「金融控股公司成立前後台灣銀行業成本效率分析：風險因素考量」，碩士論文，國立台北大學經濟學系 (2005)。
43. 謝昇甫，「應用模糊理論求解動態車輛途程規劃」，碩士論文，朝陽科技大學工業工程與管理學系 (2006)。
44. 謝逸婷，「模糊排序法於資料包絡分析模式之應用」，碩士論文，南台科技大學工業管理研究所 (2005)。
45. 藍武王、李怡容、高傳凱，「基隆港貨櫃基地生產效率之資料包絡分析」，運輸學刊，第十卷，第二期，第1-34頁(1997)。
46. 魏惠儀，「國際貨櫃港之港灣、裝卸及倉儲績效之評估-應用差額變數資料包絡分析法」，碩士論文，國立臺灣海洋大學運輸與航海科學系 (2009)。
47. Andersen, P. and Petersen, N.C., “A Procedure for Ranking Efficient Units in Data Envelopment Analysis”, Management Science, Vol. 39, No. 10, pp.1261-1264 (1993).
48. Banker, R.D., Charnes, A. and Cooper, W. W., “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis,” Management Science, Vol. 30, No. 9, pp. 1078-1092 (1984).
49. Better, M., Glover, F. and Laguna, M., “Advances in Analytics： Integrating Dynamic Data Mining with Simulation Optimization,” IBM journal of Research and Development, Vol. 51, pp. 477-487 (2007).
50. Byungkyu, P., Carroll, J.M. and Thomas, U., “Short-Term Freeway Traffic Volume Forecasting Using Radial Basis Function Neural Network,” Transportation Research Record, pp. 39-47 (1961).
51. Charnes, A., Cooper, W.W. and Rhodes, E., “Measuring the efficiency of Decision Making Units,” European Journal of Operational Research, Vol. 2, No. 6 , pp. 429-444 (1978).
52. Choi, S.Y., “Short-term Power Demand Forecasting Using Information Technology Based Data Mining Method,” Computational Science and ITS Applications, Vol. 3984, pp. 322-330 (2006).
53. Cook, W.D., and Seiford, L.M., “Data Envelopment Analysis (DEA) – Thirty Years On,” European Journal of Operational Research, Vol. 192, pp. 1-17 (2009).
54. Cooper, W.W., Park, K.S. and Yu, G., “IDEA and AR-IDEA： Models for Dealing with Imprecise Data in DEA,” Management Science, Vol. 45, No. 4, pp. 597-607 (1999).
55. Cooper, W.W., Seiford, L.M. and Tone, K., Data Envelopment Analysis： A Comprehensive Text with Models, Applications, References and DEA-Solver Software, 2nd ed., New York (2007).
56. Despotis, D.K. and Smirlis, Y.G., “Data Envelopment Analysis with Imprecise Data,” European Journal of Operational Research, Vol. 140, pp. 24-36 (2002).
57. Fazli, S. and Agheshlouei, V., “A Hybrid Measure of Efficiency in Performance Measurement： An Application to Concrete Industries,” G.U. Journal of Science, Vol. 22, No. 4, pp. 277-285 (2009).
58. Fernandez, F., Gonzalez, C. and Sosvilla, S., “On the Profitability of Technical Trading Rules Based on Artificial Neural Networks： Evidence from the Madrid Stock Market,” Economics Letters, Vol. 69, pp. 89-94 (2000).
59. Huang, C.W., Chiu, Y.H. and Lin, C.H., “Applying a Hybrid DEA Model to Evaluate the Influence of Marketing Activities to Operational Efficiency on Taiwan’s International Tourist Hotels,” Journal of the Operational Research Society advance online publication (2011).
60. Kao, C. and Liu, S.T., “Fuzzy Efficiency Measures in Data Envelopment Analysis,” Fuzzy Sets and Systems, Vol. 113, pp. 427-437 (2000).
61. Kenyon, A. S. and Morton, D. P., “Stochastic Vehicle Routing with Random Travel Times,” Transportation Science, Vol. 37, pp. 69-82 (2003).
62. Kline, S.T. and Mcclintock, F.A., “Describing Uncertainties in Single-Sample Experiments,” Mechanical Engineering, Vol. 75, pp. 3-8 (1953).
63. Lewin, A.Y. and Minton, J.W., “Determining Organizational Effectiveness,” Management Science, Vol. 32, No. 5, pp. 514-538 (1986).
64. Li, X.N. and Olafsson, S., “Discovering Dispatching Rules Using Data Mining,” Journal of Scheduling, Vol. 8, pp. 515-527 (2005).
65. Lin, L.C. and Tseng, C.C., “Operational Performance Evaluation of Major Container Ports in the Asia-Pacific Region,” Maritime Policy & Management, Vol. 34, No. 6, pp. 535–551 (2007).
66. Mulvery, J. M. and Ruszczynski, A., “A New Scenario Decomposition Method for Large-scale Stochastic Optimization,” Operations Research, Vol. 43, pp. 477-490(1995).
67. Mulvery, J. M., Vanderbei, R. J. and Zenios, S. A., “Robust Optimization of Large-scale Systems,” Operations Research, Vol. 43, pp. 254-281 (1995).
68. Nam, K. and Schaefer, T., “Forecasting International Airline Passenger Traffic Using Neural Networks,” Logistics and Transportation Review, Vol. 31, pp. 239-251 (1995).
69. Norman, M. and Stocker B., Data Envelopment Analysis： The Assessment of Performance, Chichester, Willey, J., New York (1991).
70. Parpinelli, R. S., Lopes, H. S. and Freitas, A. A., “Data Mining With an Ant Colony Optimization Algorithm,” IEEE Transactions on Evolutionary Computing, Vol. 6, No. 4, pp. 263-275 (2002).
71. Smith, B.L. and Demestky, M.J., “Traffic Flow Forecasting： Comparison of Modeling Approaches,” Journal of Transportation Engineering, pp. 261-266 (1997).
72. Stancu Minasian, I. M., Stochastic Programming with Multiple Objective Functions, Editura Academiei and Reidel, Dordrecht (1984).
73. Tam, L., Taniar, D. and Smith, K., “Parametric Optimization in Data Mining Incorporated with GA-based Search,” Computational Science, Vol. 2329, pp. 582-591 (2002).
74. Teodorovic, D., “Fuzzy Logic Systems for Transportation Engineering： the State of the Art,” Transportation Research Part A, Vol. 33, pp. 337-364 (1999).
75. Xue, H.W. and Norrie, D.H., “A Fuzzy Mathematics Based Optimal Delivery Scheduling Approach,” Computers in Industry, Vol. 45, pp. 245-259 (2001).
76. Weltner, K., Weber, W.J., Grosjean, J. and Schuster, P., “Theory of Errors,” Mathematics for Physicists and Engineers, pp. 537-556 (2009).
77. Yan, S., Chi, C. J. and Tang, C. H., “Inter-city Bus Routing and Timetable Setting Under Stochastic Demands,” Transportation Research Part A, Vol. 40, pp. 572-586 (2006).
78. Yan, S., Tang, C. H. and Fu, T.C., “An Airline Scheduling Model and Solution Algorithms Under Stochastic Demands,” European Journal of Operational Research, Vol. 190, pp. 22-39 (2008a).
79. Zhu, J., “Imprecise Data Envelopment Analysis (IDEA)： A Review and Improvement with An Application,” European Journal of Operational Research, Vol. 144, No. 3, pp. 513-529 (2003).

指導教授

顏上堯(Shang-yao Yan)

審核日期

2012-8-2

推文