第三章 國際觀光旅館績效評估模式
第五節 Fuzzy DEA 排序模式
另外 DMU 在第 t 期至第t
+ 1
期的追趕效能(catching-up in effectiveness, CIE) 定義如下:1 1
t t+1 t+1 1
t
CIE RE
RE
t t
t
t t
t
OZ OZ
OZ OZ
+ +
→
= =
+方程式(58)表示 DMU 在第 t 期至第t
+ 1
期相對效能的比值,當CIEt→t+1的 值大於 1 時,表示 DMU 在t+ 1
期的相對效能將優於 t 期。最後,將SIEt→t+1與t t+1
CIE→ 相乘可以衡量第 t 期至第t
+ 1
期的總效能變動(total effectiveness change, TEC):t+1 t t+1 t
t+1 t t+1 t t+1
t t t t+1 t+1
t+1 t+1 t
t t t+1
RE RE IEI TEC =CIE SIE
RE IEI RE RE IEI
=
RE IEI
→ → →
→
→
→
× = ×
在方程式(59)中,當TECt+1t 值大於 1 時,表示 DMU 在第 t 期至第t
+ 1
期的 相對效能有進步,且值越大表示進步越多;反之,當TECt+1t 值小於 1 時,表示DMU 在第t 期至第t
+ 1
期的相對效能退步,且值越小表示退步越多;當TECt+1t 值 等於 1 時,表示 DMU 在第 t 期至第t+ 1
期的相對效能沒有變化。延伸謝玲芬與徐仕明(2009)所提出之 Fuzzy DEA 排序模式,以「效能」的觀點 建構出 Fuzzy DEA 排序模式,以下針對所修正的 Fuzzy DEA 排序模式進行說明。
由於模糊 DEA 排序模式乃是應用α-cut 與擴張定理的觀念將模糊數轉換成 明確區間,因此當效能評估準則為模糊資料時,可以將
( )
zij αL,( )
zij Uα分別表示DMU 在效能準則j r 的達成程度依不同α-cut 下的下限值與上限值,在
0 ≤ ≤
α1
的限制下,DMU 效能值會隨j( )
zij αL,( )
zij Uα的變動而改變,以建構DMU 效能值j 模糊數,由於模糊 DEA 排序模式允許效能值大於 1,使得DMU 的模糊效能值j 區間可以精確呈現,因此將能夠對所有的 DMUs 進行排序,使排序結果更為正 確。為避免模式中的非阿基米德數值在運算時影響精確值,因此模糊 DEA 排序 模式以三階段進行求解,第一階段求解模糊效能值區間最佳解,使得DMU 的k 模糊效能值區間可以精確呈現;第二階段計算最大鈍量解(Max-Slack Solution),
用以判斷DMU 為強效能或弱效能,並提供各 DMU 提升效能之改善方向;第k 三階段為效能值排序。三階段之詳細說明如下:
階段一:求解模糊效能值區間最佳解
首先為了精確呈現各 DMU 的模糊效能區間,本文將DMU 從參考集合中k 刪除,使得DMU 的效能值可能大於 1,因此模糊效能值計算如方程式(60)-(60): k
1
1
1
. .
1
0, 1,... , 1,...,
k k n
j ij k ik
j j k
n j j j k
j
Max g
s t Z Z
i s j n
θ λ θ
λ λ
=≠
=≠
=
≥
≤
≥ = =
∑
∑
% %
其中方程式(60)中gk = 1θk表示為DMU 的效能值最佳解,在方程式(61)與k (62)中,將DMU 從參考集合中刪除,若k DMU 為有效能時,則k DMU 的效能值k (60) (61)
(62) (63)
g 將大於 1。 k
由於模式中效能評估準則Z%ij為模糊數值,因此可以利用α-cut 與擴張定理 來求解,其中
( )
Zij α為效能評估準則Z%ij在α-cut 的明確集合(crisp set),且z% 之αij -cut 可以定義如下:( )
Zij α= {
zij∈
Zij μz%ij(
zij) ≥
α} , ∀
i j,
由於方程式(64)中
( )
Zij α為明確區間,經由不同α-cut 所得到的明確區間表 示如下:( ) ( ) ( )
{ ( ) } { ( ) }
,
min , max
ij ij ij ij
L U
ij ij ij
z ij ij z ij z ij ij z ij
Z z z
z Z z z Z z
α α α
μ α μ α
⎡ ⎤
= ⎢⎣ ⎥⎦
⎡ ⎤
=⎢⎣ ∈ % ≥ ∈ % ≥ ⎥⎦
由於效能評估準則為模糊數,且為凸性模糊集合(convex fuzzy set),
所以隸屬函數(membership function)中左側函數與右側函數分別為非遞減 (non-decreasing)與非遞增 (non-increasing)函數,當0≤
α
1<α
2≤ 時,效能1 評估準則區間值為( ) ( ) ( ) ( )
1 1 2 2
, ,
L U L U
ij ij ij ij
Z Z Z Z
α α α α
⎡ ⎤⊇⎡ ⎤
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦。
將所求得的效能評估準則在α-cut 下之上限與下限代入方程式(60)至 (63)中,可求得 (gk)α =⎡⎣(gk) , (1αL (g )k αU⎤ ⎡⎦ ⎣= θk) , (1αL θk)Uα⎤⎦,其數學模式表示如 方程式(66)至(73):
效能值下限
( )
gk αL:( ) ( )
1
1
1
. .
1
0, 1,... , 1,...,
k k
n U L
j ij k ik
j j k
n j j j k
j
Max g
s t Z Z
i s j n
α α
θ
λ θ
λ λ
=≠
=≠
=
≥
≤
≥ = =
∑
∑
(65) (64)
(66) (67)
(68)
(69)
效能值上限
( )
gk Uα:( ) ( )
1
1
1
. .
1
0, 1,... , 1,...,
k k
n L U
j ij k ik
j j k
n j j j k
j
Max g
s t Z Z
i s j n
α α
θ
λ θ
λ λ
=≠
=≠
=
≥
≤
≥ = =
∑
∑
其中方程式(67)表示當DMU 之效能評估準則均為下限k
( )
Zik αL,而其他 DMUs 之 效 能 評 估 準 則 均 為 上 限( )
Zij Uα 時 , 此 時 方 程 式 (66) 所 求 得 的k 1 k
g = θ 為DMU 的效能值下限k
( )
gk αL;反之,方程式(71)則表示當DMU 之k 效 能 評 估 準 則 均 為 上 限( )
Zik Uα,而其他 DMUs 之效能評估準則均為下限( )
Zij αL時,此時方程式(70)所求得的gk =1θk 為DMU 的效能值上限k( )
gk Uα 。 因在方程式(67)、(68)、(71)與(72)中,由於DMU 從參考集合中被刪除,k 因 此 方 程 式 (66) 與 方 程 式 (70) 所 求 得 的 效 能 值 gk∗ 可 能 大 於 1 。 由 於0 ≤ ≤
α1
, 藉 由 不 同 的α 值將可以正確的建構出DMU 的 效 能 值 模 糊 數 ,k 以利作為排序的依據。若階段一方程式(66)與(70)所求出的效能值gk∗大於或等於 1 時,則表 示DMU 為有效能;若所求出的效能值k gk∗小於 1 時,則DMU 為無效能。k 若所求出的效能值gk∗為 1 時,則可進一步以階段二判斷DMU 為強效能或k 弱效能,並可提供各 DMU 提升效能之改善方向。
階段二:計算最大鈍量解,提供各 DMU 提升效能之改善方向
將階段一所求得之模糊效能區間
( ( ) ( )
θk* αL, θk* Uα)
之上限( )
θk* Uα 及下限( )
θk* αL分別代入階段二之數學模式的θk∗,以求最大鈍量解,該數學模式表示如下:
(70) (71)
(72)
(73)
1
*
1
1
s.t.
1
0, 0, 0, 1,..., , 1,...,
m i i
n
i j ij k ik
j n
j j
j i
Max s s
s Z Z
s
s s i s j n
λ θ
λ λ
− +
= +
=
−
=
− +
+
= −
= −
≥ ≥ ≥ = =
∑
∑
∑
其中θk∗為第一階段所求得之最佳解, s−與si+分別表示差額變數,方程式(74)
至(77)表示在第一階段所求得之最佳解θk∗在維持不變的情況下,求得最大差額 變數的總和。因此所求得的最佳解
(
λ*,
s−*,
s+*)
稱之為最大鈍量解,當最大鈍量 解 s+∗與 s−∗均為 0 時,則稱 DMU 具有零鈍量(Zero-Slack)。當DMU 最佳解k(
θ λk∗, ∗,s−∗,s+∗)
滿足θk∗為 1 且具有零鈍量時,則DMU 為有效能(強效能)k ;當DMU 最佳解k
(
θ λk∗, ∗,s−∗,s+∗)
滿足θk∗為 1 但不具有零鈍量時,則DMU 為弱效k 能;若θk∗大於 1 時,則效能值gk∗小於 1,表示DMU 為無效能,且當kλ
j≠ 0
時,DMU 即為無效能之j DMU 的改善參考集合,此時無效能之k DMU 可以做以下k 的調整以達到有效能:
* *
ik k ik i
Z = θ Z − s
+∗階段三:效能值排序
由於模糊 DEA 排序模式所求得的效能值是以模糊數表示,因此 DMUs 將 無法依傳統的 DEA 模式之效能值排序方式進行排序,所以將以模糊數值排序法 對模糊效能值進行排序。根據 Delgado, Verdegay, and Vila (1988)之整理,模糊排 序之方法可分為兩大類,一種是將模糊數解模糊化(de-fuzziness)再以實數進行排 序;另一種是發展比較指標(comparison index)再以模糊關聯(fuzzy relation)比較 模糊數與參考集合的相對關係後,利用比較指標排序。
(74) (75)
(76) (77)
(78)
本文採用 Chen and Klein (1997) 所提出的模糊數值排序法,將DMU 在αj
-cut 下模糊效能值g% 的下限與上限分別表示為j
( )
gj αL與( )
gj Uα,且 h(x)表示為模 糊數g% 的最大高度,並假設 h(x)被等分為 m 個區間,且 m 趨近於無窮大,使得jm 0,..., i
, =
=ih m
αi 。Chen and Klein (1997) 的模糊數值比較指標(comparison index)表示如下:
( ) ( )
( ) ( )
0
0 0
, i ,
i i
m U
j i
j m m
U L
j j
i i
g c
I g R m
g c g d
α
α α
=
= =
⎡ − ⎤
⎢ ⎥
⎣ ⎦
= → ∞
⎡ − ⎤− ⎡ − ⎤
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
∑
∑ ∑
% % 且
其 中 min,
{ } ( )
iL
i j j
c= g α , max,
{ } ( )
iU
i j j
d = g α , 而 參 考 矩 形 (referential rectangle)R~
為模糊數g% 的高 h(x)與最大、最小屏障(barrier)(d,c)所組成的矩形模j 糊數。若模糊數值比較指標(comparison index) I g R%
(
%j,)
值越大,表示該模糊數值越大。
(79)