跳到主要內容

臺灣博碩士論文加值系統

(44.220.62.183) 您好!臺灣時間:2024/02/29 04:29
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:蕭博文
研究生(外文):Bryan Hsiao
論文名稱:台灣光電產業經營績效評估-結合DEA與DB-SCAN群聚分析
論文名稱(外文):The evaluation of management performance of Taiwan Optronics industry: a Data Envelopment Analysis approach through DB-SCAN clustering analysis
指導教授:劉敦仁劉敦仁引用關係
指導教授(外文):Dr.Duen-Reh Liu
學位類別:碩士
校院名稱:國立交通大學
系所名稱:管理學院碩士在職專班資訊管理組
學門:電算機學門
學類:電算機一般學類
論文種類:學術論文
論文出版年:2006
畢業學年度:94
語文別:中文
論文頁數:95
中文關鍵詞:包絡分析法(DEA)DBSCAN群聚法薄膜液晶顯示光電績效評估
外文關鍵詞:DEADBSCANClusteringTFT-LCDOptronicsperformance evaluation
相關次數:
  • 被引用被引用:15
  • 點閱點閱:467
  • 評分評分:
  • 下載下載:109
  • 收藏至我的研究室書目清單書目收藏:7
資料包絡分析模式(DEA)被廣泛應用於各行各業之「經營績效」分析,對受評公司作排名。群聚分析法(Clustering)廣泛應用於找出相似性質的群組,並進ㄧ步分析群組之共同特性。
本論文根據企業經營的評比條件,以DEA對光電產業公司的「經營績效」作排名(ranking),並以DB-SCAN群聚分析法,區分公司經營績效等級,並進ㄧ步分析各個群組等級的特性。本論文所提出之產業競爭力分析模式,可協助台灣光電產業公司,了解企業在產業群聚的相對位置與優勢。

關鍵字: 包絡分析法(DEA), DBSCAN, 群聚法,光電產業, 績效評估
Data envelopment analysis (DEA) is a widely used technique to rank the performance of businesses in performance evaluations. Clustering is widely utilized to find clusters with similar features and analyze their common characteristics.
This thesis uses DEA to rank the performance of optronics companies based on the evaluation criteria of business performance. Then, DB-SCAN clustering is applied to cluster optronics companies into several performance groups. The common features of each performance group is derived and analyzed. The proposed competence analysis approach can help businesses understand their strengths and positions in the industry.
Keywords: DEA, DBSCAN, Clustering, Optronics Industry, performance evaluation
目錄
國立交通大學資訊管理研究所 III
摘要 III
圖目錄 XIII
表目錄 XIV
表目錄 XIV
1. 簡介 1
1.1.研究動機 1
1.2.研究目的 2
1.3.論文架構 3
2. 文獻探討 4
2.1.經營績效分析的方法 4
2.1.1.財務比率分析法 4
2.1.2.參數分析法(Parametric approach) 5
2.1.3.非參數分析法(Non-parametric approach) 5
2.2.DEA(Data Envelopment Analysis資料包絡分析法) 7
2.2.1.DMUs (Decision Making Units,一群決策單位) 8
2.2.2.標竿分析(Benchmarking) 9
2.2.3.效率前緣(Efficiency frontier) 10
2.2.4.線性分數規劃(Linear Normalization) 12
2.2.5.投入與產出因子分析(Inputs/outputs analysis) 13
2.2.6.投入效率之最大化(Input maximization) 16
2.2.7.投入效率之正規化(Input normalization) 17
2.2.8.產出效率之最大化(Output maximization) 18
2.2.9.產出效率之正規化(Output normalization) 19
2.2.10.DEA模式(DEA model) 19
2.3.群聚(clustering) 20
2.3.1.資料群聚(Data Clustering) 20
2.3.2.群聚分析(clustering analysis) 20
2.3.3.群聚分析中相似性的衡量 21
2.3.4.群聚分析運算的方法 23
2.3.5.以密度為基礎的群聚(Density-based clustering) 27
2.3.6.DB-SCAN群聚法(Density-Based SCAN clustering) 31
3. 經營績效評估的問題分析 33
3.1.DEA的優缺點與限制(DEA perspective) 33
3.1.1.DEA的優點(Strength of DEA) 33
3.1.2.DEA的限制:投入與產出項目不宜過多 34
3.1.3.DEA的限制:投入與產出項目互補性或替代性不可過高 34
3.1.4.DEA的缺點:可能無法得出最佳化 34
3.1.5.DEA的缺點:資料來源的正確性無法驗證 34
3.1.6.DEA的缺點:缺乏對DMUs的原因分析 35
3.2.Data Clustering的考量(Data clustering perspevtive) 36
3.2.1.Criteria的選擇(Criteria option) 36
3.2.2.離群份子的處理(Outliers handling) 36
3.2.3.距離式的衡量 37
3.3.找出有價值資訊(Finding valuable information) 38
3.3.1.DEA for 標竿分析(DEA for Benchmarking) 38
3.3.2.Clustering for競爭力分析(Clustering for competence analysis) 39
3.3.3.產出效率之正規化(Output normalization) 40
3.3.4.保證區域限制(Assurance region,AR) 40
3.3.5.座標的正規化(Co-ordinate normalization) 43
3.3.6.剔除outliers(Eliminate outliers after clustering) 43
3.3.7.對output criteria做分析 44
3.3.8.Summary:DEA+DB-SCAN clustering 44
4. DEA+DB-SCAN運作流程及系統架構 45
4.1.DEA的使用程序(DEA steps) 45
4.1.1.設定研究對象(Objective setup) 46
4.1.2.決策單位的選定(DMUs selection) 46
4.1.3.設定研究目的(Purpose setup) 47
4.1.4.基本假設(Assumption) 47
4.1.5.限制條件(Constraint) 47
4.1.6.資料來源(Data Sets) 47
4.1.7.DEA模式選定(DEA model) 50
4.1.8.DEA績效分數(DEA score) 50
4.1.9.結果分析(Score analysis) 50
4.2.實際DEA分析程序(DEA evaluation) 51
4.2.1.選定DEA model 51
4.2.2.對criteria做Normalization算出各criteria的Score 51
4.2.3.算出各criteria的weight 53
4.2.4.算出各DMUi的Scorei 54
4.2.5.算出包絡面上的座標 55
4.2.6.Spherical DEA:畫出具體的圖形 55
4.3.以DEA來算經營績效 56
4.3.1.Raw Data: 產業一千大的output criteria 56
4.3.2.Score of Optronics 57
4.3.3.LINGO code 59
4.3.4.用LINGO算出各個DMUi在Sphere半球面的座標 61
4.3.5.將LINGO的座標,用Sphere畫在半球面上 62
4.4.DB-SCAN-以不同的點距(Eps)來clustering 63
4.4.1.Clustering Steps 63
4.4.2.第一次clustering(Eps=0.37,MinPts=4) 65
4.4.3.第二次clustering(Eps=0.19,MinPts=1) 67
4.4.4.第三次clustering(Eps=0.12,MinPts=1) 69
4.4.5.第四次clustering(Eps=0.09,MinPts=1) 71
5. 成果分析 73
5.1.將DEA分等級(Grading to DEA result): 73
5.1.1.六個收斂的群組(6 convergent clusters) 73
5.1.2.TFT-LCD與非TFT-LCD族群 75
5.1.3.個別cluster分析 76
5.1.4.區分等級的criteria分析 77
5.1.5保證區域的選擇(Assurance Region,AR) 78
5.2.Raw Data的限制 79
5.2.1.DMUs的個數 79
5.2.2.Data sets的選擇 79
5.2.3.Outliers的剔除 79
6. 結論與未來展望 80
6.1.結論(Conclusion) 80
6.1.1.優點:區分出等級 80
6.1.2.優點:Outlers的剔除 81
6.1.3.限制:DMU與criteria的數目不宜太多 82
6.1.4.限制:DEA的constraint不宜太多(Bound on relative factors) 83
6.1.5.提高毛利率是提升經營績效的關鍵 83
6.2.未來展望(Future work) 85
6.2.1.Criteria的選擇(Criteria issues) 85
6.2.2.單一公司跨年度績效比較(Windows analysis) 87
6.2.3.離群份子的分析(Outliers analysis) 87
6.2.4.個別產業的群聚(Industry area clustering) 87
6.2.5.Clustering的正規化方法與收斂條件(Convergence condition of clustering) 88
6.2.6.提升台灣光電產業競爭力 88
參考文獻 90
附錄(一)TFT-LCD簡介 94
附錄(二)光電相關產業公司一覽表 95

圖目錄
圖 1 1 論文流程圖 3
圖 2 1 DMU的相對效率示意圖 10
圖 2 2 Raw Data before hierarchical clustering 25
圖 2 3 Traditional representation of hierarchical clustering 26
圖 2 4 Density-based clustering 表示圖 28
圖 2 5 Density-based clustering reachable表示圖 29
圖 2 6 Density-based clustering connected表示圖 30
圖 2 7 DB-SCAN clustering 表示圖 31
圖 3 1 保證區域限制下所建構之效率前緣圖解 42
圖 4 1 LONGO code 60
圖 4 2 Sphere 畫出來的圖 62

表目錄
表格 2 1 五個DMU之1 input/2 output data 10
表格 2 2 Clustering的相似性衡量,屬性對照表 22
表格 4 1 2003相對績效分數 53
表格 4 2 取1000大的output criteria為Raw Data 56
表格 4 3 DEA 算出來的 Score 57
表格 4 4 LINGO code得出的各output criteria的權重 58
表格 4 5 LINGO code得出的各DMU 的座標 61
表格 4 6 17家DMUs原始的距離矩陣 64
表格 4 7 第一次Clustering 的結果 66
表格 4 8 第二次Clustering 的結果 68
表格 4 9 第三次Clustering 的結果 70
表格 4 10 第四次Clustering 的結果 72
表格 6 1 台灣光電產業SWOT分析 89
表格 0 1光電相關產業分布 95
參考文獻
[1] 何建達,台灣上市電子業營運效率及股票市場性之研究,ITIS產業論壇,2003/08/01
[2] 林玉華,張玉山,王毓香,”公營事業民營化前後經營績效的比較-以中石化,中工,中鋼,陽明為例”,公營事業評論,技術報告,1998年六月
[3] 高強,黃旭男,Toshiyuki Sueyoshi “管理績效評估-資料包絡分析法”,華泰文化事業公司,(2003)
[4] 袁建中,張建清,邱泰平,科技管理-觀念與案例,聯經出版社,2004/04
[5] 黃鋰,2003年LCD產業現況與展望,拓墣產業研究所
[6] 魏權齡,DEA及其經濟背景,中國運籌學會文集,2004
[7] Aries Y. Lewin and John W. Minton, “Determining Organizational Effectiveness: Another Look and an Agenda for Research”,Management Science, Vol. 32, No. 5, pp. 514-538,May 1986.
[8] A. Charnes, C. Cooper, E. Rhodes.”Measuring the efficiency of decision making units”.European Journal of Operational Research. 2:429-444, 1978
[9] A. Charnes, Cooper WW, E. Rhodes.”Short communicaiton:measuring the efficiency of decision-making units”.European Journal of Operational Research 1979;3:339.
[10] A. Charnes, WW Cooper, Lewin AY,Seiford LM. “Data envelopment analysis. Dordrecht: Kluwer”,1994
[11] A. Kleine.A general model framework for DEA.University of Hohenheim, Institute of Business Administration.(510 B),Stuttgart D-70593,Germany
[12] Andrea Tagarelli,Irina Trubitsyna,Sergio Greco.”Combining linear programming and clustering techniques for the classification of research centers”,Al communications/IOS Press Amsterdam, Page 111-122, Volume 17, Number 3,July 2004.
[13] Banker R D,Charnes A,Cooper WW.”Some models for estimating technical and scale inefficiencies in data envelopment analysis”. Management science 1984;30:1078-92
[14] Banker Rajiv D, Maindiratla, Ajay. “Nonparametric analysis of technical and allocative efficiencies in production”,Journal Econometrica/Econometric Society,Pages 1315-32,1988,
[15] C.A.A. Lemos; M.P.E.Lins & N.F.F. Ebecken. “COPPE.DEA implementation and clustering analysis using the K-means algorithm”.Universidade Federal do Rio de Janeiro,Brazil.Data Mining.WIT Press,2005.
[16] Caves, E.Rhodes and Patterson, B.C. “Cooperatives’ Tax Advantages: Growth, Retained Earnings and Equity Rotation” Amer. J. Agr. Econ. 68: 207-13, (May 1986)
[17] John Salerian, Chris Chan,“Restricting Multiple-Output Multiple-Input DEA Models by Disaggregating the Output-Input Vector”.Journal of Productivity Analysis, Volume 24, Number 1, Septermber 2005.
[18] Gibbons, W.M.; Ranta, M.; Scott, T.M.; Mantyla, M, Helsinki.”Information management and process improvement using data mining techniques”.13th International Conderence on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, IEA/AIE 2000, New Orleans, Louisiana, USA, 19-22 June 2000.
[19] Jorg Sander,Martin Ester,Hans-Peter Kriegel,Xiaowei Xu.”Density-based clustering in Spatial Databases:The algorithm GDBSCAN and its applications”.Institute for Computer science,university of Munich Oettingenstr. Munchen,Germany.
[20] Jiawei Han and Micheline Kambe.”Data Mining:Concepts and Techniques”
[21] Karin Kailing,Hans-Peter Kriegel,Peer Kroger.”Subspace selection for Computer Science Database and Information Systems”,University of Munich Institute,Proc. 4th IEEE Int. Conf. on data mining, Brighton, UK, 2004.
[22] Lea Friedman and Zilla Sinuany-Stern.”Combining ranking scales and selecting variables in the DEA context: The case of industrial branches”.Department of Industrial Engineering and Management,Ben-Gurion University.1996
[23] Masako Hoshno,Hiroshige Inazumi,”Clustering Gene Experession Data with Stepwise Data Envelopment Analysis”,2005
[24] Mehmed kantardzic.”Data Mining:Concepts,Models,Methods,and algorithms”,IEEE press,2003
[25] Meimand, M, Canana, RY, Laking, R,(2002), “Using DEA and survival analysis for measuring performance of branches in New Zealand's Accident Compensation Corporation”,Journal Of The Operational Research Society, Mar Vol 53:303-313
[26] M.Farrell, “The Measurement of Productive Efficiency”,Journal of the Royal Sattistical Societ, Series A, 120(3):253-290, 1957.
[27] Samuli Honkapuro,Jukka Lassila,Satu Viljainen,Kaisa Tahvanainen and Jarmo Partanen.”Effects of benchmarking of electricity distibution companies in Nordic countries-comparison between different benchmarking methods”.2004
[28] Srinivas Talluri,“Data Envelopment Analysis:Models and Extensions”. Silberman college of Business Administration,Fairleigh Dickinson University. Decision Line,May 2000.
[29] Thompson, R. G., F. D. Singleton, Jr., R. M. Thrall, and B. A.Smith, “Comparative Sit Evaluation for Locating a High-Energy Physics Lab in Texas”, Interfaces, 16, pp. 35-49
[30] William L. Megginson, Robert C. Nash, and Matthias van Randenborgh.”The Financial and Operation Performance of Newly-Privatized Firms: An International Empirical Analysis”.Journal of Finance, pages 403-452,1994
[31] Zilla Sinuany-Stern,Abraham Mehrez,Yossi Hadad.”A AHP/DEA methodology for ranking decision making units.Department of Industrial Engineering and Management”.Ben-Gurion University.1999.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top