메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
라월 (동국대학교-서울캠퍼스) 임성묵 (동국대학교-서울캠퍼스)
저널정보
한국SCM학회 한국 SCM 학회지 한국SCM학회지 제22권 제3호
발행연도
2022.12
수록면
37 - 46 (10page)
DOI
10.25052/KSCM.2022.12.22.3.37

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The aim of this paper is to develop a framework for building a stepwise efficiency improvement benchmarking path for decision-making units (DMUs) in data envelopment analysis (DEA) while addressing the curse of dimensionality that often occurs in DEA when there eixsts an excessive number of inputs and outputs relative to number of DMUs. In the framework we first construct all the possible subset combinations of inputs and outputs, and calculate the corresponding DEA models. Secondly, a random forest classification model is trained with the predictor variables being the efficiency results from the DEA models and the target variable being the single performance measure of DMUs. Thirdly, variable importance is computed using the built-in algorithm of random forest, based upon which DEA models of higher significance with respect to the single performance measure can be determined and prioritized. Finally, a stepwise efficiency improvement benchmarking schedule can be established based on the prioritized DEA model results. We illustrate the proposed framework using the financial data for the listed domestic firms in automobile industry.
#Data Envelopment Analysis #Benchmarking #Variable Selection #Discrimination Power #Random Forest

목차

1. 서론
2. 이론적 배경
3. 제안하는 방법론
4. 국내 자동차 기업 효율성 평가에의 적용
5. 결론
REFERENCES

참고문헌 (12)

참고문헌 신청
Adler, N. & Golany, B. (2002). Including principal component weights to improve discrimination in data envelopment analysis. Journal of the Operational Research Society, 53(9), 985-991. google schola Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444. google schola Charnes, A., Cooper, W. W., Huang, Z. M., & Sun, D. B. (1990). Polyhedral cone-ratio DEA models with an illustrative application to large commercial banks. Journal of Econometrics, 46(1-2), 73-91. google schola Charnes, A., Cooper, W. W., Wei, Q. L., & Huang, Z. M. (1989). Cone ratio data envelopment analysis and multi-objective programming. International Journal of Systems Science, 20(7), 1099-1118. google schola Cutler, A., Cutler, D. R., & Stevens, J. R. (2012). Random forests. In Ensemble machine learning (pp. 157-175). Springer, Boston, MA. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Using a Hybrid Model of DEA and Decision Tree Algorithm C5.0 to Evaluate the Efficiency of Ports
Han-Kook Hong ,  Byung-hak Leem ,  Sam-Moon Kim 한국콘텐츠학회논문지 2019 .07
랜덤 포레스트 기반 서울시 노인보호구역 입지선정 방안
박지연 ,  장윤진 ,  김태헌 외 2명 대한공간정보학회 학술대회 2023 .12
랜덤 포레스트 모델을 활용한 균열 진단 연구
김경수 ,  이현아 한국자동차공학회 추계학술대회 및 전시회 2023 .11
폐수처리 공정에서의 기계학습 및 심층학습 알고리즘의 성능 비교
김재일 ,  이효섭 ,  장진욱 외 3명 대한환경공학회지 2023 .12
이수식 TBM 데이터와 랜덤포레스트를 이용한 일축압축강도 분류 예측에 관한 연구
강태호 ,  최순욱 ,  이철호 외 1명 터널과 지하공간 2023 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-324-000303692