應用資料包絡分析法提升策略聯盟績效之研究
以台灣育成中心為例
王嘉男
1李昆忠
2 1 國立高雄應用科技大學 工業工程與管理系 2 開南管理學院 資訊及電子商務研究所 摘要 建立起一套完善的策略聯盟機制，將各育成中心的資源進行有效之整合，並 與地區內之資源互相結合，有效減低營運成本，增進競爭優勢。而育成中心如何 在不確定之下選擇出區域性之策略聯盟伙伴的已成為重要課題。本研究以個案為 例，並以資料包絡分析法 (Data Envelopment Analysis，簡稱DEA) 為基礎，提出 一套有系統的模式，其目的以”政府期望透過學校型育成中心的策略聯盟，提 升整體的績效”及提出分析與改善的建議。本文利用策略與效率角度來評估台灣 育成中心策略聯盟之策略，研究樣本以台灣學校型之育成中心資料為主，來計算 出育成中心聯盟前後的整體績效。結果顯示，育成中心進行策略聯盟後，組合共 有13組模式，在提高的部分尤其以第11次育成中心策略聯盟的整體績效成長最為 明顯，本研究並且對聯盟後投入與產出所需進行的改善進行分析，以求聯盟後能 獲得最大的營運績效。由結果得知，本研究所提出之模式，能應用於各育成中心 之策略聯盟合作評估，也能為政府主管機關之管理者評估建立區域整合性的育成 中心時，來提供有效分析及建議。 關鍵詞：資料包絡分析法、效率、策略聯盟 1. 緒論 為數眾多的育成中心裡，一個個 都是寶貴的知識庫，為了將知識與資 源進行有效之利用，並與地區內之資 源互相結合，有效減低營運成本，增 進其資源、競爭優勢等，世界各國即 有 不 少 育 成 中 心 ， 如 International Business Incubator, Technology Innovation Center (TIC), Tech Valley Incubator Network (TVIN) and State-wide Technology Incubator Strategy (SWTIS)[1]進行策略聯盟以大 幅提升培育績效。 在台灣，所有大專院校的育成中 心，是由政府出錢協助設置的，涵蓋 了全國育成中心數量的百分之八十 以上，因而形成以政府主導的學校型 育成中心林立的的特殊環境。學校型 育成中心不僅是培育科技型中小企 業的搖籃，也是促成產學合作、提供 中小企業科技及管理資源的服務窗 口，對於學校的成長以及產業界的升 級轉型，均有極大的助益；但是，學 校型育成中心仍缺乏整合機制，以致 未能充分發揮功能，營運效能往往不 佳。如何使學術界之人力資源充分有 效應用，促使學校型育成中心與產業 間建立有組織的合作網絡，充分利用 各校及產業界研究設備與資源？ 因此，政府期望透過學校型育成 中心的策略聯盟，提升整體績效的要 求，建立起一套完善的策略聯盟機制 是重要的，但是在面對不確定未來的 情況下作區域性之策略聯盟的選擇， 往往是耗時亦耗力，而育成中心要如 何選擇「策略聯盟」的伙伴？要如何建立區域整合性的育成中心亦是困難 的評估作業。 因此本研究的目的在針對政府所 協助的學校型育成中心，在政府提升 整體績效的要求下，育成中心管理者 進行策略聯盟時如何作目標的選擇， 提出一有系統之模式。本研究以「政 府 期 望 透 過 學 校 型 育 成 中 心 的 策略 聯盟，提升整體的績效」作為研究主 軸，希望在策略聯盟前期規劃時能做 出正確的選擇。及未來育成中心進行 策略聯盟時，經營效率改進的方向為 何，並以台灣的育成中心為例，說明 本 研 究 如 何 善 用 優 勢 實 現 其 策 略 藍 圖。 本研究針對研究的目的所擬定的 研究架構，主要分為五個章節：第一 章：主要為定義研究的背景、動機與 目的。第二章：回顧資料包絡分析法 的基本原理與模式。第三章：提出研 究模式之架構與方法。第四章：針對 研究進行資料蒐集，分析資料，在策 略聯盟的過程中其採取的策略思維與 提高效率時應遵循的方向。第五章： 結論與建議，對本研究作其結論。 2. 研究方法 2.1 資料包絡分析法基本原理 資 料 包 絡 分 析 法 (Data Envelopment Analysis，簡稱 DEA)於 1978 年 首 先 由 Charnes 、 Cooper 、 Rhodes[2]三位學者所提出，其概念源 自於 1957 年 Farrell[3]提出生產效率之 衡量方法，DEA 為一種衡量多項投 入 、 多 項 產 出 決 策 單 位 （ Decision Making Unit，簡稱 DMU）相對效率的 方法，亦為計量式之效率評估方法， 是應用線性規劃的數學原理。而最原 始的資料包絡法模式，是導入經濟學 中生產力的觀念為：效度(Efficiency)= 產出(output)/投入(input) 衡量效率上，DEA 在柏拉圖最適 境界的觀念下，尋找出各 DMU 間的相 對效率，利用經濟學上所有可能最佳 之解析點所組成的一條包絡線，稱為 效率前緣（efficiency frontier），不需要 先對函數型式做假設，藉由最佳化每 一個 DMU 的績效量度，瞭解每個 DMU，並且透過與有效率 DMU 的比 較，可提供如何改善績效的方法，而 且衡量各 DMU 的生產效率，相對效率 值介於 0 到 1 之間，落在效率前緣上 的單位即為最有效率之 DMU，而相對 效率值為 1；而落在效率前緣外者即為 無效率之 DMU，若被判定為無效率， 表示其他的 DMU，可利用較該 DMU 較少的投入，而獲取相同之產出或利 用相同的投入，獲取更多的產出。 2.1.1 CCR 模式 Charnes、Cooper 及 Rhodes[2](簡 稱 CCR)模式是根據 Farrell[3]的效率衡 量理論基礎所提出的一種衡量效率的 方法。CCR 模式是將受評估者之各項 產出與投入變數分別加以線性規劃， 再配合對偶定理之應用，使得模式得 到 許 多 具 有 經 濟 意 義 的 指 標 ， 致 使 CCR 模式廣泛應用於實證研究中， CCR 的 DEA 方法敘述如模式 1 所示： Max
∑
∑
= = = m i i i s r r r j x v y u h 1 0 1 0 0 ………(模式 1) s.t 1 1 1 ≤∑
∑
= = m i ij i s r rj r x v y u ， j =1,...,n ε ≥ i r v u , >0 其中x 代表第 j 個 DMU 的第 iij 項投入值；y 代表第 j 個 DMU 的第rj r 項產出值；ur，v 分別代表第 r 個i 產出項及第 i 個投入項之虛擬乘數； 0 j h 代表相對效率值，ε 為極小的正數 (一般設定為 10−6) ，CCR 模式稱此為 非阿基米德數。 此模式 1 所行成的可行解區是由 無限多組非負號的加權數解組成的，並將產出/投入比之極大值設為 1，且 其特徵在於將權重Ur及V 視為未知，i 完全由數學模式求出，故權數不會受 到人為主觀因素的影響。 當 DMU 效率值=1 時，稱為相對 於其他 DMU 有效率；DMU 效率值<1 時，稱為無效率；此外，每個 DMU 均 有機會進入目標及限制函數中，將產 生 n 個線性規劃模式（n 個 DMU），所 有的限制條件均相同，所以各 DMU 之 效率值可互相比較衡量，評估出來的 效率是具公平性的。 由於模式 1 為分數規劃形式不易 求解，且有無窮多解之疑慮，因此 CCR 將 其 轉 換 為 線 性 規 劃 模 式 ， 以 利 執 行。將模式 1 轉換為以線性規劃模式 2 如下： Max
∑
= = s r r r j u y h 1 0 0 ………（模式 2） s.t 0 1 1 ≤ −∑
∑
= = m i ij i s r rj ry v x u ，j =1,…,n 1 1 0 =∑
= m i i ix v ur,vi ≥ε>0 由於限制式的個數 (m＋s+n) 多 於變數的個數(m＋s)，所以將模式 2 轉 成 對 偶 型 式 ， 可 減 少 限 制 式 的 個 數，以簡化限制式，且轉成對偶形式 後更容易看出許多相關資訊，所以將 模式 2 對偶化如模式 3： Min ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + − =∑
∑
= + = − s r r m i i j j s s h 1 0 1 0 0 0 θ ε （模 式 3） s.t∑
= − + = n j ij j i i j x s x 1 0 0 0 λ θ ， i =1,…,m∑
= + + − = n j rj j r r s y y 1 0 0 λ ， r =1,…,s , 0, 0 ≥0 − + i r j s s λ ， j =1,…,n 其中θj0為飽和度因子，指出第 j 個 DMU 之所有投入項是否減少投入 比例的可能性；sro+,si−0 為相對於產出 y 及 投 入 x 的 差 額 變 數 （ Slack Variables），代表實際值與效率參考值 之間的差異，差額變數可用來瞭解投 入與產出上有多少改善空間，s 代表ro+ 產出項短少的量，s 代表投入項多浪i−0 費的量，若目標函數值＝1，且s =0，ro+ − 0 i s =0（所有r 及 i），則我們可以說該 DMU 效率值為 1。若目標函數值小於 1，則該 DMU 未達最有效率情況。若 效率值未達到 1，則模式 3 可建議各產 出及投入的調整方向及調整，可透過 下列模式 4 與 5 調整，讓效率值達到 1： − − = 0 0 0 * 0 j i i i h x s x ， i =1,…,m (模式 4) + + = 0 0 * 0 r r r y s y ， r =1,…,s (模式 5) 2.1.2 BCC 模式 Banker，Charnes，Cooper[4](簡稱 BCC)模式，擴展自 CCR 模式，探討純 粹技術效率與規模效率的問題。CCR 模式是假設 DMU 於固定規模報酬下 之相對效率，實際上，DMU 可能是處 於規模報酬遞增或遞減的狀態，因此 DMU 的無效率除了可能為本身投入 產出配置不當所造成，亦可能為 DMU 的規模因素所造成，若能瞭解各 DMU 所處之規模報酬狀態，將有助於決策 者做規模上的調整，達到有效率的經 營。 運用生產可能集合的四個公理和 Shephard 的距離函數，即可導出 BCC 模 式 中 的 純 粹 技 術 效 率 （ Pure Technical Efficiency，簡稱 PTE）及規 模效率（Scale Efficiency，簡稱 SE）， 就是將 CCR 模式導出的技術效率分為 純粹技術效率及規模效率，CCR 模式 的效率值為純粹技術效率與規模效率 之相乘積，其為：總效率＝純粹技術 效率*規模效率。 BCC 模式是放寬固定規模報酬之 模型設定，在模型中多加了∑
λj = 1的 限制，BCC 模式可由數學模式 6 來表 示：加研究的廣度與深度；(2)本研究僅就 學校型育成中心之經營作效率分析， 如能對於政府經營與民間出資之育成 中心，選取加入考量，相信本研究結 果對於要進行策略聯盟之經營能更具 有貢獻及參考價值；(3)策略聯盟之探 討除了水平策略聯盟之外，並且加入 對於上游及下游協力機構之策略聯盟 探討以加研究之廣度 6. 參考文獻 [1] 經濟部中小企業處，2004 中小企 業創新育成中心年鑑(2005)。 [2] Charnes A., Cooper, W. W. and
Rhodes, E. “Measuring the Efficiency of Decision Making Units,” European Journal of Operational Research, Vol. 2 , No.6, pp. 429-444 (1978).
[3] Farrell, M. J., “The Measurement of Productive Efficiency,” Journal of the Royal Statistical Society, Series A, General 120, pp. 253-281 (1957).
[4] Banker, R. D, Chanes, A. and Cooper, W. W. “Some Models for Estimating Technacal and Scale
Inefficiencies in Data Envelopment Analysis,” Management Science, Vol.30, pp. 1078-1092 (1984). [5] 王嘉男、林佑政與邱述濱，＂資 料包絡法運用於上下游供應鏈之 研究以台灣光顯示產業為例＂， 2005 工研院創新與科技管理研討 會論文集，pp. 921-930(2005)
[6] Mian, S.A., “US University-sponsored Technology
Incubators: An Overview of Management, Policies and Performance,” Technovation, Vol.14, No.8, pp.515-528(1994). [7] Mian, S.A., "Assessing and
Managing the University Technology Business Incubator: An Integrative Framework." Journal of Business Venturing, Vol.12, No.4, pp.251-285(1997).
[8] Golany, B. and Roll, Y. “An application procedure for data envelopment analysis,” Omega, Vol.17, pp.237-250(1989).
A DEA Application Model of Resources Integration for
University Incubators in Taiwan
Chia-Nan Wang
1Kun-Chung. Li
21
Department of Industrial Engineering and Manageemnt, National Kaohsiung University of Applied Sciences, Taiwan
2
Department of Information and Electronic Commerce, Kainan University, Taiwan
Abstract
The primary goal of this research is to institute a well-organized strategic alliance mechanism. On one hand, this can effectively integrate the multi-resources of all incubators or even share resources with regional industries or government organizations. On the other hand, this can lower operational costs, thus to enhance competitive advantage. But the main issue beneath this goal is how to select the right partner, given a lot of uncontrollable variables. This research came with practical cases and applied Data Envelopment Analysis as well as Heuristics Algorithm, aiming at integrating the resources of all incubators and enhancing their performance by strategic alliance. The theory also assessed the performance of strategic alliance between (or among) incubators in Taiwan in terms of strategies and efficiency. The findings indicated that the growth in the performance of the 11th was the most apparent (total as 13). The research also went on analyses in terms of both input and output, to assess the maximum operational performance. These also provide practical suggestions for government authorities when regional integration is assessed and initiated.
