• Nem Talált Eredményt

A Data Envelopment Analysis (DEA) módszer alkalmazási lehetőségei a logisztikában

N/A
N/A
Protected

Academic year: 2022

Ossza meg "A Data Envelopment Analysis (DEA) módszer alkalmazási lehetőségei a logisztikában"

Copied!
6
0
0

Teljes szövegt

(1)

A Data Envelopoment Analysis (DEA) módszer alkalmazási lehetőségei a logisztikában

R. Markovits-Somogyi*, Dr. Z. Bokor**

* Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésgazdasági Tanszék, H-1111 Budapest Bertalan Lajos u. 2.;

(+36-1-463-1037; email: somogyirita@hotmail.com)

** Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésgazdasági Tanszék, H-1111 Budapest Bertalan Lajos u. 2.;

(+36-1-463-1008; email: zbokor@kgazd.bme.hu)

Absztrakt: A Data Envelopment Analysis (DEA) egy szilárd matematikai háttérrel rendelkező lineáris programozási eljárás, amelynek segítségével döntési egységek (pl. bankok, kórházak, oktatási intézmények vagy akár közlekedési vállalatok) hatékonyságát lehet egymáshoz való viszonyukban számszerűsíteni.

Előnye, hogy alkalmazásához nem szükséges a termelési függvény ismerete, a hatékonyság mértékét a termelésben (vagy a szolgáltatáshoz) felhasznált bemenetek és az általa létrehozott kimenetek egy bizonyos hányadosaként értelmezi. A módszert repülőterek, vasutak és kikötők értékelésére már széles körűen alkalmazzák a nemzetközi szakirodalomban, ugyanakkor a logisztika terén igen kevéssé terjedt el a használata. A szerzők szerint indokolt megvizsgálni, hogy a DEA-nak milyen alkalmazási lehetőségei vannak a logisztika területén, és erre tesznek kísérletet a jelen cikkben.

(2)

1. BEVEZETÉS A Data Envelopment Analysis (DEA) egy nem parametrikus lineáris programozási módszer, amellyel döntési egységek hatékonyságát lehet

matematikai alapon

összehasonlítani. Alapjait Farrel (Farrel, 1957) rakta le, amelyek nyomán elindulva Charnes, Cooper és Rhodes dolgozta ki a végleges módszert 1978-ban (Charnes et al., 1978).

A DEA, amit magyarra talán burkolófelület elemzésként lehetne lefordítani, a hatékonyságot a kimenetek és a bemenetek egy speciális arányaként értelmezi és

alkalmazásához nem

szükséges a termelési függvény előzetes ismerete.

A vállalatok (vagy tágabb értelmezésben: a döntési egységek) hatékonyságát

egymáshoz való

viszonyukban állapítja meg.

Pontosan ez adja a módszer hátrányát is, ugyanis emiatt érzékeny a kiugró adatokra,

és egy bizonyos

mintaelemszám alatt nem alkalmazható. Az előző

probléma könnyen

orvosolható az adatok előzetes vizsgálatával, az utóbbi pedig az elemszámra

vonatkozó bizonyos

ökölszabályok betartásával.

A módszer tagadhatatlan előnye, hogy különböző típusú bemeneteket és kimeneteket adatunk meg a

döntési egységek

hatékonyságának

elemzéséhez, tehát még arra sincs szükség, hogy a – például három vagy öt –

különböző bemenet

ugyanolyan dimenziójú legyen. Viszont éppen emiatt a hatékonyságot nem csupán pénzügyi, hanem tetszőleges

egyéb (például

fenntarthatósági)

szempontok alapján is vizsgálhatjuk.

2. IRODALMI ÁTTEKINTÉS 2.1 DEA a közlekedésben A DEA-t a közlekedési szektorban már számos területen használják,

legmarkánsabban a

repülőterek, kikötők, a közösségi közlekedés és a vasutak értékelésében van jelen. Az 1. ábra a szerzők korábbi kutatásaira

támaszkodva azt

körvonalazza, hogy a nemzetközi

szakirodalomban fellelhető, több mint félszáz tanulmány milyen megoszlást mutatott az elemzett döntési egységek földrajzi elhelyezkedése és a közlekedési szektoron belül elfoglalt helye szerint.

1. ábra: A DEA alkalmazásának megoszlása a különböző közlekedési módok és földrészek között

(Forrás: Markovits-Somogyi, 2010 A teljesség igénye nélkül

érdemes néhány közlekedési DEA-alkalmazást legalább az említés szintjén bemutatni: Barros például (Barros, 2008) 32 argentin repülőteret elemez a DEA módszerrel, Adler és Berechman (Adler et al., 2001) 26 Nyugat-európai, Észak-amerikai és Közel-

keleti repülőtér

hatékonyságát térképezi fel, különös tekintettel a légitársaságok

preferenciáira, amelyeket kérdőíves felméréssel határoz meg, majd a kapott eredményeket összeveti a DEA-számítás

eredményeivel. Yu és Lin (Yu et al., 2008) 20 európai vasúttársaság hatékonyságát vizsgálja kétszintű DEA-val:

először (a vasúttársaságok által létrehozott szállítási kapacitások figyelembe vételével) a vállalatok technikai hatékonyságát állapítja meg, majd (az eladott helyek száma alapján) a szolgáltatási hatékonyságot

tanulmányozza. Szintén a vasúttársaságokat vizsgálja Jitsuzumi és Nakamura (Jitsuzumi et al., 2010) 53 japán vállalat hatékonyságát összehasonlítva. Pina és Torres (Pina et al., 2000) 15 spanyol, Hirschhausen és Cullmann (Hirschhausen et al., 2010) 179 német közösségi közlekedési vállalatot értékel. Tongzon (Tongzon, 2001) alkalmazza a DEA-t először kikötők hatékonyságának

elemzésére, tanulmányában

16 nemzetközi

konténerkikötőt vizsgál.

2.2 DEA a logisztikában Annak ellenére, hogy a

DEA-t matematikai

megalapozottsága és információigénye is alkalmassá teszi a logisztika területén tevékenykedő

vállalkozások vagy

önmagában a logisztikai funkció hatékonyságának mérésére, a hazai és nemzetközi szakirodalom viszonylag kevés példát mutat fel a módszer e téren történő alkalmazására. A hozzáférhető tudományos munkák elemzéséből úgy tűnik, hogy egyedül kínai szerzők alkalmazzák a DEA- t a logisztika különböző ágazataiban. Tény az is, hogy ezek a munkák nem mindig férhetők hozzá teljes

terjedelmükben, illetve esetenként a megjelent cikkek nem az elvárt tudományos

megalapozottsággal

dokumentálják a kutatási folyamatot. A most

következő irodalmi

áttekintésben feltüntetjük,

amennyiben ilyen

hiányosságot tapasztaltunk.

1. táblázat A beszállítók értékelésére használható mutatószámok

Terület Mutatószám

Logisz- tikai infra- struktúra

tárolási kapacitás

információs rendszer kiépítési költsége

eszközpark teljes költsége Szállítás

megbíz- hatósága

teljesített megrendelések időre teljesített megrendelések ellenőrzött termékek aránya A szállí-

tás gyorsa- sága

a megrendelés teljesítésének teljes ciklusideje

válaszadási idő A kom-

munikáció minősége

információ átadás pontossága információ rendelkezésre bocsátási arány

Rugal-

masság a szállított mennyiséget illetően

a szállítási időt illetően (Forrás: Li et al., 2007)

Li és Cheng (Li et al., 2007) a beszállítók logisztikai hatékonyságát vizsgálja öt gabonabeszállító vállalat példáján a DEA-módszer

alkalmazásával. Öt

bemenetet és hét kimenetet határoz meg a logisztikai infrastruktúra, a szállítás megbízhatósága, a szállítás gyorsasága, a kommunikáció minősége és a rugalmasság területeiről (ld. 1. táblázat;

dim: dimenzió, i/o: bemenet (i) vagy kimenet (o) a szerzők szerint). A tanulmány tudományos megalapozottsága azonban megkérdőjelezhető, mivel a döntési egységek száma (5) a szükségesnél jóval

alacsonyabb. A

(3)

szakirodalom ugyanis a módszer érvényességének feltételeként,

ökölszabályként azt hozza, hogy minden inputra és minden outputra legalább két döntési egység kellene, hogy jusson (Azadeh et al., 2008), azaz a szükséges döntési egységek száma jelen esetben 5*2 + 7*2 = 24 lett volna. Máshol azt a – még szigorúbb – szabályt olvashatjuk, hogy a bemenetek és kimenetek számának összege legyen kevesebb, mint egyharmada a döntési egységek számának (Odeck, 2008), illetve ezt a szabályt tovább szigorítja az (1) képlet, amit Bazargan és Vasigh használ (Bazargan et al., 2003).

n ≥ max {m×s; 3(m+s)}

ahol

n a döntési egységek száma,

m a bemenetek száma, s a kimenetek száma.

Látható, hogy Li és Cheng vizsgálata egyik felsorolt feltételnek sem felel meg. E metodikai hiba ellenére az általuk alkalmazott mutatószámrendszert mindenképpen érdemes figyelembe venni a DEA esetleges magyarországi adaptációja során.

Jiang (Jiang, 2010) tanulmánya a PCA-módszer (principal component analysis) segítségével hidalja át az előző munkánál már felmerült nehézségeket. 25 város (illetve ezek révén

régió) logisztikai

hálózatának hatékonyságát

vizsgálja a DEA

használatával, s bár 13 induló kimenetet és bemenetet határoz meg, ezek számát a PCA-módszerrel jelentősen lecsökkenti. A cikk érdekessége, hogy nem vállalatokat, hanem régiókat értékel; a bemenetek között

a gazdasági fejlettség szintjét

és a közlekedés

hozzáférhetőségét jelző mutatókat találunk, míg a kimenet a különböző infrastrukturális elemeken lezajló teheráru-forgalom tonna-kilométere. Jiang és Fu (Jiang et al., 2009) tanulmányában hasonló módon értékel 31 régiót 6 bemenet és 2 kimenet felhasználásával. Ezen megközelítés hazai adaptációját jelentősen nehezítheti, hogy a demokratikus

berendezkedésű

Magyarországon az ilyen jellegű output-adatok csak igen korlátozott mértékben, vagy egyáltalán nem hozzáférhetőek.

Liu és Wu (Liu et al., 2007) 20 logisztikai társaság hatékonyságát elemzik a Malmquist termelékenységi mutatóval, amely szorosan a DEA alkalmazására épül, és

a vállalatok

hatékonyságának időbeli változását jellemzi. Különös, hogy olyan bemeneteket (eszközök, saját tőke) és olyan kimeneteket (nettó nyereség, üzleti árbevétel) választanak, amelyek

kizárólag pénzügyi

értékelésre alkalmasak.

Ezáltal éppen a DEA- módszer egyik előnye veszik el, hiszen alkalmas lenne több különböző jellegű bemenet és/vagy kimenet egyidejű értékelésére is.

Shen és Chen (Shen et al., 2008) 17 logisztikai vállalat méretgazdaságosságát elemzik, Hui és Dong (Hui et al., 2008) a logisztikai szektor fenntartható fejődését értékelik, He és munkatársai (He et al., 2006) pedig 31 régió logisztikai szempontból vett versenyképességét

vizsgálják.

3. METODIKA

A következőkben rövid áttekintést adunk a módszer matematikai hátteréről és szemléletmódjáról

(Markovits-Somogyi et al., megjelenés alatt). A DEA alapja a következő lineáris programozási modell megoldása (Cooper et al.,

2004), amelynél

feltételezzük, hogy minden döntési egység (DE) m különböző bemenetet használ fel, és q különböző kimenetet hoz létre. Tehát például a DEj az i inputból xij-t használ fel, és az yrj

mennyiségű r outputot hoz létre. ε egy nem archimédeszi elem, amely definíció szerint kisebb, mint bármelyik pozitív szám.  jelöli a hatékonyságot, az s a (bemenetre és kimenetre vonatkozó) holtjáték, a λ–k pedig a súlyok, amelyet a lineáris programozás során kapunk meg. Feltételezzük továbbá azt is, hogy xij ≥ 0, yrj ≥ 0, és hogy minden DE esetében létezik legalább egy pozitív input és legalább egy pozitív output.

 

m

i

q r

r

i

s

s

1 1

) (

max  

feltéve, hogy

n

j

i i j

ij s x

x

1

0

i=1,2,...,m

n

j

r r j

rj s y

y

1

0

 r=1,2,...,q

0 , , i r

j s s

i, j,r

A (2) a kimenetorientált CCR-modell, amely nevét szerzőiről, Charnes-ról, Cooperről és Rhodes-ról kapta (Charnes et al., 1978), és amely akkor használható, ha a döntési egységek méretgazdaságosan

működnek. Amennyiben ez nem így van, akkor a Banker, Charnes és Cooper

kutatókról BCC-nek

elnevezett módszert (Banker et al., 1984) kell alkalmazni.

Ez annyiban különbözik (2)- től, hogy a következő összefüggéssel egészül ki:

n

j j 1

1

Az outputorientált DEA lényegét szemlélteti a 2.

ábra, amelynek segítségével a technikai, az allokatív és a teljes hatékonyságot is definiálhatjuk (Coelli, 1996).

Tekintsünk egy

méretgazdaságos termelési

folyamatot (vagy

szolgáltatást), amely révén egy bemenetből (x) két kimenetet hoznak létre (y1, y2). ZZ’ az egységi termék lehetséges előállítását jelző görbe, az A pont pedig egy nem hatékony döntési egységet jelöl (amely a kimenetorientált

megközelítés miatt a termelési függvény alatt helyezkedik el). A kiterjesztett Pareto- Koopmans definíció szerint (Cooper et al., 2004) egy döntési egység akkor és csak akkor teljesen hatékony, ha egyetlen kimenetén és bemeneten sem lehet javítani úgy, hogy más bemenetét vagy kimenetét ne rontanánk

le. (A definíció

szóhasználata szándékosan nagyvonalú, hiszen így képes tág teret engedni a kimenetek és bemenetek értelmezésének, azaz egy kimenet „javítása” jelentheti például a termékek számának növekedését, a károsanyag-kibocsátás csökkentését vagy a szolgáltatás minőségének javulását is.)

(4)

2. ábra A kimenetorientált megközelítés szemléltetése (Forrás: Coelli, 1996)

A definíció szerint és a 2.

ábra figyelembe vételével

tehát a technikai

hatékonyság:

B TEO A

0

 0

Amennyiben az árra

vonatkozóan is

rendelkezésünkre áll

információ, akkor

meghúzhatjuk az állandó

bevételek görbéjét

(isorevenue line – DD’), és definiálhatjuk az allokatív hatékonyságot:

C AEO B

0

 0

Míg a teljes hatékonyság a következő:

C EEO A

0

 0

Érdemes megjegyezni,

hogy a teljes

hatékonyság

értelmezhető a

technikai és az allokatív hatékonyság

szorzataként, hiszen:

O O

O TE AE

C B B A C

EEA    0

0 0 0 0 0

Tudnunk kell azt is, hogy a hatékonyság mutatóinak mindig meg kell felelniük az alábbi feltételeknek:

0 ≤ TE

0

≤ 1 0 ≤ AE

0

≤ 1 0 ≤ EE

0

≤ 1

Hasonló megközelítéssel értelmezhető a technikai, az

allokatív és a teljes hatékonyság

bemenetorientált

megközelítés esetén is, amelynek részletes tárgyalásától a dolgozat terjedelmi korlátai miatt most eltekintünk.

4. LOGISZTIKAI ALKALMAZÁSI LEHETŐSÉGEK Láthattuk tehát, hogy a Data Envelopment Analysis-t nemzetközi szinten számos tanulmányban alkalmazzák a közlekedési szektorban az

egyes vállalatok

hatékonyságának

összehasonlítására. Ez a tény, valamint a módszer kiforrottsága és rugalmas alkalmazhatósága

alkalmassá teszi a logisztikai szektoron belül működő társaságok hatékonyságának összehasonlítására, amelyre eddig csupán a Távol- Keleten és kis körben volt precedens. A továbbiakban azt vizsgáljuk, hogy

Európában, illetve

szűkebben véve, hazánkban milyen szinteken és hogyan lehetne alkalmazni a DEA-t a logisztikai szektorban, és milyen metodikai kérdéseket

célszerű eközben

megvizsgálni. A lehetséges alkalmazási módokat a 3.

ábrán foglaljuk össze.

3. ábra A DEA alkalmazási lehetőségei a logisztikában (Forrás: saját szerkesztés)

A DEA-módszer

legkézenfekvőbb

alkalmazása a logisztikában tevékenykedő vállalatok hatékonyságának

összehasonlítása. Ez a döntési egységeket a vállalatok tevékenységi köre szerint klaszterekbe sorolva a gyakorlatban akár több, különböző típusú DEA-t is

jelenthet: külön

hatékonyságmérés

végezhető a fuvarozók, a szállítmányozók és a 3PL logisztikai szolgáltatást nyújtó vállalatok között. A választott kimeneteket és bemeneteket természetesen a vizsgálandó cégek jellegéhez

kell igazítani, de

mindenképpen célszerű egy- egy olyan bemenetet választani, amely tükrözi a cég tőkéjének és/vagy eszközeinek (fuvarozó

esetén például a

járműparkjának), a humán erőforrásának és a tevékenység végzésében szerzett tapasztalatának

és/vagy innovációs

képességének nagyságát. A

kimenetek pedig

feloszthatók pénzügyi eredményekre, gyakorlati- üzemeltetési eredményekre és minőségi-fenntarthatósági eredményekre (lásd 2.

táblázat).

2. táblázat A logisztikai szektorban tevékenykedő

cégek értékeléséhez használható mutatószámcsoportok

Bemenetek Kimenetek

pénzügyi eredmények gyakorlati-üzemi eredmények humán erőforrás minőség

tapasztalat fenntarthatóság innovációs készség

(Forrás: saját szerkesztés)

Bár az egyes

inputok/outputok

mennyiségi változására létezik érzékenységvizsgálat a DEA-kutatásokban, érdekes és az irodalomban eddig nem vizsgált metodikai kérdés, hogy a

bemenetek és kimenetek megválasztása hogyan befolyásolja a döntési egységek között felállított rangsort. Célszerű lenne elemezni, hogy az egyes

bemenet- és

kimenetcsoportok kihagyása, illetve ezeken a csoportokon belül az egyes mutatók elhagyása milyen változást idéz elő a hatékonysági rangsorban. Ehhez szorosan kapcsolódik az a kérdés is, hogy mi az a bemenet/kimenet struktúra, amely a logisztikában jelen lévő cégek hatékonyságának optimális értékelését adja.

A fuvarozó, a

szállítmányozó és a 3PL cégek DEA-vizsgálata adatigényét tekintve elvégezhetőnek tűnik Magyarországon belül is, azaz feltehető, hogy e

vállalatok kellő

számosságban

megtalálhatóak hazánkban ahhoz, hogy a DEA alkalmazásához szükséges

mennyiségű döntési

egységről adatokat lehessen gyűjteni. Érdekes lenne ugyanakkor az adott DEA- kutatást más európai vállalatok körében is végrehajtani, hogy így a magyarországi társaságok hatékonysági értékeit nemzetközi szinten is vizsgálhassuk.

A DEA alkalmazásának következő szintje lehet a kombiterminálok értékelése.

A nemzetközi

szakirodalomban számos tanulmány használja a DEA- módszert tengeri kikötők (konténerterminálok) hatékonyságának

értékelésére. E megközelítés

„szárazföldi” és „belvízi”

adaptálásával lehetővé válhat a kombiterminálok értékelése. A kimeneti és

bemeneti struktúra

hasonlóan alakul a 2.

táblázatban bemutatotthoz, a

(5)

konkrét mutatószámok pedig a fuvarozók értékelésére felhasznált

mutatószámrendszerhez állhatnak legközelebb. A

döntési egységek

számossága ezen

alkalmazási szinten alacsonyabb, így célszerű lehet ezt a kutatást már kezdetben nemzetközi szinten elindítani.

A DEA alkalmazásának lehetséges módja az is, ha régiók, esetleg országok logisztikai potenciálját hasonlítjuk össze vele. Itt a mutatószámrendszer (lásd 3.

táblázat) lényegesen különbözik az előzőekben használttól, ahogy azt az irodalomban fellelhető, kisszámú példa is mutatja (Jiang et al., 2009; Jiang, 2010).

3. táblázat Régiók logisztikai potenciáljának értékeléséhez használható mutatószámcsoportok

Bemenetek Kimenetek

gazdaság fejlettségi szintje (jelenlévő ipari szektorok, logisztikai igények, ill. a fogyasztók tulajdonságai – népesség, foglalkoztatottság, jólét)

logisztikai szolgáltatók jelenléte, szolgáltatási színvonala, aktivitása (teheráru-forgalom nagysága)

közlekedés hozzáférhetősége (az infrastruktúra hálózata, a terminálok mennyisége és minősége, logisztikai központok)

termináli szolgáltatások hozzáférhetősége, színvonala

külső környezet (tőkevonzó képesség, a közlekedés- politika jellege)

(Forrás: saját szerkesztés (Jiang et al., 2009), (Bokor 2005) alapján)

Ahogy azt már az irodalmi áttekintés során felvetettük, a DEA-módszer ilyen

szinten történő

alkalmazásának legnagyobb gátja a kimenetre vonatkozó

információk szűkös

rendelkezésre állása.

Megfontolandó, hogy ilyen nehézségek ellenére is

célszerű-e ilyen kutatás lefolytatásába belevágni.

A logisztikában kiemelkedő fontosságú az ellátási láncok menedzsmentje. Felmerül a kérdés, hogy lehetséges-e a DEA-t valamilyen módon a beszállítók hatékonyságának elemzésére is használni. A szakirodalom áttekintése során láttuk, hogy Li és Cheng (Li et al., 2007) készített erre tanulmányt, bár az csupán egyes beszállítók és nem a teljes ellátási lánc értékelését tűzte ki célul.

Mindenesetre, akár az ő példájukon elindulva érdemes lehet a DEA ilyen irányú alkalmazását is megfontolni.

5. KÖVETKEZTETÉSEK A Data Envelopment Analysis alkalmas a közlekedési szektorban tevékenykedő vállalkozások hatékonyságának mérésére, és erre a nemzetközi szakirodalom is számos példát bemutat. A módszer matematikai hátterének vizsgálatával és a logisztikai ágazat jellemzőinek ismeretében a szerzők úgy látják, hogy a DEA- módszert sikerrel lehetne alkalmazni és adaptálni a logisztika területén is.

Cikkünkben rámutattunk, hogy ilyen alkalmazási terület lehet az egyes vállalkozások – fuvarozók, szállítmányozók és 3PL

szolgáltatók –

hatékonyságának vizsgálata,

a kombiterminálok

hatékonyságának értékelése, valamint a különböző földrajzi régiók górcső alá vétele. Esetleges kiegészítő lehetőség az ellátási láncok hatékonyságának felmérése.

A szerzők célja további kutatásaik során elindulni a felmerült irányokban és a gyakorlatban is alkalmazni a DEA-módszert a logisztika területén.

HIVATKOZÁSOK

Adler, N.; Berechman, J. (2001). Measuring airport quality from the airlines’ viewpoint: an application of data envelopment analysis,

171-181.

Azadeh, A.; Ghaderi, S.F.; Izadbakhsh, H. (2008).

Integration of DEA and AHP with computer simulation for railways system improvement and optimization, Applied Mathematics and Computation 195 pp. 775-785.

Banker, R.; Charnes, A.; Cooper, W.W. (1984) Some models for estimating technical and scale efficiencies in data envelopment analysis,

30 pp. 1078-1092.

Barros, C.P. (2008). Airports in Argentina: Technical efficiency in the context of an economic crisis, Journal of Air Transport Management

319.

Bazargan, M.;Vasigh, B. (2003). Size versus efficiency: a case study of US commercial airports,

Transport Management 9. pp. 187-193.

Bokor, Z. (2005) Az intermodális logisztikai szolgáltatások helyzetének értékelése, fejlesztési lehetőségeinek feltárása BME OMIKK Logisztika, Tanulmánytár, Szállítási logisztika

május – június p. 00 – 02

Charnes, A., Cooper, W.W.; Rhodes, E. (1978) Measuring the efficiency of decision making units, European Journal of Operational Research 429-444.

Coelli, T.J. (1996) A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program, Centre for Efficiency and Productivity Analysis (CEPA) Working Papers,

England, Armidale, Australia

Cooper, W.W.; Seiford, L.M.; Zhu, J. (2004) Handbook on Data Envelopment Analysis,

in Operations Research & Management Science Vol. 71., ISBN: 978-1-4020-7797-5.

Farrel, M.J. (1957) The measurement of productive efficiency, Journal of Royal Statistical Society pp. 253-281.

He, Z.; Sun, L.; Wang, Y.; Zhu, C. (2006)

study on efficiency of regional freight logistics in China, International Journal of Logistics Systems and Management, Vol. 2. No. 3.

Hirschhausen, C.v.; Cullmann, A. (2010) nonparametric efficiency analysis of German public transport companies, Transportation Research Part E 46 pp 436-445

Hui, Y; Dong, Q. (2008)

Sustainable Development Evaluation for the Logistics Industry, Proceedings of the Eighth International Conference of Chinese Logistics and Transportation Professionals

Jiang, C; Fu, P. (2009) Evaluating Efficiency and Effectiveness of Logistics Infrastructure Based on PCA-DEA Approach in China,

International Conference on Intelligent Computation Technology and Automation pp. 62-66.

Jiang, C. (2010). Research on logistics network infrastructure based on HCA and DEA-PCA approach Journal of Computers Vol. 5. No. 4.

533-540.

Jitsuzumi, T., Nakamura, A. (2010). Causes of inefficiency in Japanese Railways: Application of DEA for managers and policymakers,

Economic Planning Sciences,

doi:10.1016/j.seps.2009.12.002 (megjelenés alatt) Li, W., Cheng, L. (2007). Supplier logistics capability

evaluation based on DEA International Conference on E-Business, Wuhan, 2007. május 26-27. pp. 2552-2557

Liu, Y.; Wu, Y. (2007) Empirical analysis on TFP change in Chinese logistics industry: A nonparametric Malmquist index approach Business Review, Vol. 6. No. 4.

ISNN1537-1506

Markovits-Somogyi, R. (2010) Measuring efficiency in transport: the state of the art of data envelopment analysis Transport (megjelenés alatt)

Markovits-Somogyi, R.; Bokor, Z. (megjelenés alatt) Efficiency in Transport Logistics,

Évkönyv 2011

Odeck, J. 2008. How efficient and productive are road toll companies? Evidence from Norway,

Policy 15 pp. 232-241.

Pina, V.; Torres L. (2001). Analysis of the efficiency of local government services delivery. An application to urban public transport; Transportation Research Part A 35. pp. 929-944.

Shen, Y; Chen, Y. (2008) Empirical Study on Performance Assessment of Listed Logistics Companies in China with DEA, Proceedings of the Eighth International Conference of Chinese Logistics and Transportation Professionals

719.

Tongzon, J. (2001). Efficiency measurements of selected Australian and other international ports using data envelopment analysis, Transportation Research Part A 35 pp. 107-122.

Yu, M.-M.; Lin E.T.J. (2008). Efficiency and effectiveness in railway performance using a multi- activity network DEA model Omega

1017.

Hivatkozások

KAPCSOLÓDÓ DOKUMENTUMOK

research we analysed the efficiency and risk of some dairy farms by applying classical Data Envelopment Analysis (DEA) and stochastic DEA models.. The choice of this method

The literature highlights that different phases of the supplier selection process (problem definition, formulation of the criteria, qualification, and selection)

Ez az (ön)reflexív jelleg mindenképpen egyedülállóvá teszi a diszkurzív módszereket a klasszikus elemzési mód- szerekhez képest, hiszen ezzel folyamatosan fókuszban

However, in other factor analysis methods the maximum value of communality can be smaller than one: for example in case of a factor analysis with Principal Axis

Keywords: design thinking, effectiveness, service design, metrics (for design thinking), data envelopment analysis, cost-effectiveness analysis, return on investment.. A

Performance Evaluation and Prioritization of Leasing Companies Using the Super Efficiency Data Envelopment Analysis Model.. Vahid Majazi Dalfard 1 , Arash Sohrabian 2 , Ali Montazeri

In contrast to the abovementioned studies, which are listed as comparative or similar studies in the area of research, this study deals with the econometric analysis of

Financial data (revenue and profit) are provided by the simulation game automatically in the output report at the end of each production period.. The efficiency