两阶段混联生产系统的DEA效率评价模型

效率评价是提升生产系统运作性能的重要工具,但对复杂系统的效率评价的研究还比较缺乏。串联和并联生产系统的效率评价方法已经提出,但对混联结构生产系统的效率评价方法还有待研究。在串联和并联生产系统的DEA效率评价模型的基础上,提出混联生产系统的DEA效率评价模型。该模型能更合理地评价混联结构生产系统的技术效率。关于商品营销系统的实证分析在一定程度上表明了此模型的合理性。     

两阶段DEA分析框架下的环境效率测度与分解

本文根据传统CCR模型和两阶段DEA模型进行环境效率评价时所存在的问题,针对兼具复杂内部结构和非期望要素的生产系统,提出基于合作博弈的两阶段模型,用以评价该系统的环境效率.随后,构建基于协调效率最优的效率分解方法,客观地解决了两阶段DEA模型最优解不唯一的问题,有效衡量两个子系统各自的效率与它们之间的协调度,并从更深的层面挖掘影响生产系统环境效率的因素,为推进经济发展与环境保护协同共进提供有力工具.最后,通过对中国各地区工业生产系统水环境效率的评价来验证模型的合理性与有效性.     

多阶段混联生产系统的DEA效率评价

将并联系统DEA效率评价模型与两阶段串联系统DEA效率评价模型延伸至多阶段混联结构生产系统,提出了针对多阶段混联生产系统的DEA效率评价模型,并将其转化为线性规划求解.与传统CCR模型相比较,该模型能更好地反映多阶段混联结构生产系统的前沿生产能力,能更合理地评价混联结构生产系统的技术效率.通过算例分析证明了这种效率评价模型的合理性.     

存在中间产品退出的混合型多阶段系统DEA效率评价

具有复杂结构的系统经常会存在初始投入在不同子阶段分配和中间产品非完全再投入并存的现象,在其效率评价中忽略中间过程的传统Data Envelopment Analysis(DEA)模型往往会高估系统效率,而不考虑中间产品退出情形的网络DEA.模型对系统整体效率评价又可能偏低.为更好测算复杂结构系统的运行效率,基于企业技术创新的特征,建立同时考虑投入分配与中间产出分配问题的混合型多阶段系统DEA效率评价模型.依据分配比例测算各阶段效率,采用阶段效率的投入加权平均评价的系统整体效率,并计算模型的最优解.所提出的模型能够相对准确地反映复杂结构系统的特征,并深入系统"黑箱"内部,更大程度地为优化系统效率提供信息.对我国33个大中型工业企业的行业技术创新效率评价验证了模型的有效性.     

中国制造业生产效率评价:基于并联决策单元的动态DEA方法

在已有的并联决策单元DEA效率评价方法的基础上加入时间维度, 推演出了具有并联决策单元内部结构的复杂系统动态DEA效率评价方法. 该方法克服了传统DEA效率评价方法无视系统内部结构、高估效率指数的缺陷, 并且可以考量决策单元及其内部各生产单位在一个时期内的效率变化, 从而有着更为现实的应用价值. 运用该方法对我国8个经济区域四大类制造业的测算结果显示: “十一五”期间没有一个行业或地区的动态效率指数为0, 这说明我国制造业的生产效率并没有达到最优; 低外向度产业的生产效率增长快于高外向度产业, 低劳动密集度行业的效率改进快于高劳动密集度的行业; 高外向度低劳动密集型产业依然是我国制造业效率改进的'短板"; 劳动密集型产业向中西部转移造成了南部沿海地区制造业生产效率改进的滞后和中西部地区劳动密集型行业的发展.     

一类简单网络生产系统的DEA效率评价模型

针对一类简单网络生产系统的DEA效率评价进行了研究,建立了这类网络生产系统的DEA效率评价模型.研究结果显示,与传统方法比较,该方法更能够发现非有效决策单元,更能够发掘决策单元性能改善的潜力,也能够帮助决策者发现复杂系统非有效的根源.算例研究证实了该方法的合理性.     

多层次复杂系统的资源优化配置方法

数据包络分析(data envelopment analysis,DEA)是一种重要的效率评价方法,特别适合复杂系统的评价问题.但由于复杂系统指标体系的复杂性使得DEA方法在评价复杂系统效率问题时也遇到了一些无法回避的困难,主要表现在评价结果过于强调次要指标的作用、常常出现多数单元有效、对投影的要求过于苛刻、指标集成后无法找到针对原始指标的改进信息等.为了解决上述问题,给出了一种用于复杂系统评价的数据包络分析模型,并对相应的DEA有效性含义、模型性质以及模型的求解方法等进行了探讨.通过实例比较可以看出,本文方法不仅具有传统DEA方法的优点,而且还很好地克服了上述缺点.     

共享投入型关联两阶段生产系统的网络DEA效率测度与分解

"黑箱"视角下的标准数据包络分析(DEA)因忽略中间产品转化信息及投入要素在各子过程中的配置信息,无法体现决策单元的实际生产技术,自然不能提供有效的效率绩效测度.分别在固定规模报酬和可变规模报酬假设框架下,充分利用中间产品的转化信息与投入要素的配置信息,构建了存在共享投入的关联两阶段生产系统效率的网络DEA效率测度与分解模型.建模方法遵循客观评价的原则,无需事先主观设定子效率和系统效率之间的组合关系,且可通过事后分解确立二者之间的凸线性组合关系.此外,建模方法具有很好的扩展性,可被直接用来构建含有更加复杂转化结构的生产系统的效率测度与分解模型,为多阶段投资以及多阶段供应链运作等复杂生产系统的整体效率测度与分解提供了有效的分析途径.一个关于银行投资过程的实例被用来验证建模思想的合理性和优越性.     

面向社会经济发展水平的钢铁生产效率DEA动态评价

提出将钢铁生产对环境造成的负外部性纳入钢铁生产效率评价,且在不同社会经济发展水平下环境负外部性的参与程度不同的评价思想.在此基础上,构建了面向社会经济发展水平的考虑环境负外部性的钢铁生产相对有效性DEA动态评价模型.算例分析表明,不同的社会经济发展阶段会令钢铁生产系统呈现不同的相对有效性,并且不同的环境污染物在相同的社会经济发展阶段对钢铁生产系统的相对有效性有着不同程度的影响.说明该钢铁生产效率评价思想是可行而且有意义的.     

并形系统的3种网络DEA模型与应用选择

网络数据包络分析模型可以用来同时测算决策单元的系统及其每个子系统的效率.现有的网络数据包络分析模型可以分为独立模型和关联模型两类,且主要以并形和链形这2种基本网络结构为对象,研究其规模报酬不变假设下的效率评价问题.根据实际情况,将给出半独立并形系统的效率评价方法,并在规模报酬可变的假设下,建立一个并形关联网络DEA模型,用来测算纯技术效率和规模效率.对独立、半独立和关联网络DEA 3种模型的比较研究发现:独立网络DEA模型不符合管理实践;尽管半独立网络DEA模型具有实践背景,但理论分析和实证研究表明该模型应用价值有限;而关联网络DEA模型不仅具有实践背景,而且与其他模型相比系统效率评价结果具有较强的可分性,这些特质使其有理由成为目前并形系统效率评价的首选模型.     

基于权重集合的决策单元排序方法

针对传统数据包络分析的排序主要是基于决策单元的自评效率,决策单元使用的是对自身最有利的权重而使效率不具有可比性,提出一种新的决策单元排序方法.该方法通过构造有利于整体决策单元效率的权重集合,在交叉效率模型中对权重进行约束,从而有效地减小他评效率与自评效率的差距,使排序结果更合理,也更易被决策单元接受.通过算例说明该方法的有效性.     

四类DEA模型相互关系及其在计算中的应用

计算DEA模型效率值是采用DEA方法进行绩效评估的重要一环,研究四类DEA模型(CCR模型、BCC模型、FG模型及ST模型)之间的相互关系,有助于计算四类DEA效率值,进而判断评价对象所处的规模报酬状态及规模有效性.在四种不同规模报酬假设下,给定决策单元的DEA有效性分别由四类不同的DEA模型所定义,其输入、输出效率值具有两两相等属性.而且,CCR模型与FG模型、ST模型之间存在动态联系.鉴于此,只需要计算出CCR与BCC效率值,即可确定FG与ST效率值.     

New approach to determine common weights in DEA efficiency evaluation model

Data envelopment analysis (DEA) is a mathematical programming approach to appraise the relative efficiencies of peer decision-making unit (DMU), which is widely used in ranking DMUs. However, almost all DEA-related ranking approaches are based on the self-evaluation efficiencies. In other words, each DMU chooses the weights it prefers to most, so the resulted efficiencies are not suitable to be used as ranking criteria. Therefore this paper proposes a new approach to determine a bundle of common weights in DEA efficiency evaluation model by introducing a multi-objective integer programming. The paper also gives the solving process of this multi-objective integer programming, and the solution is proven a Pareto efficient solution. The solving process ensures that the obtained common weight bundle is acceptable by a great number of DMUs. Finally a numeral example is given to demonstrate the approach.