中華大學碩士論文

(1)

中華大學碩士論文

結合預測導入需求管理機制提升營運績效模式之建構─以國際航空業為例

The Model of Forecast and Demand Management Mechanism for Promoting Operational Performance of

International Aviation Industry

中華民國 100 年 7 月

系所別：科技管理學系碩士班

學號姓名： M 0 9 8 0 3 0 4 4 洪千惠

指導教授：謝玲芬博士

(2)

中文摘要

隨著全球知識及生活品質的提升，休閒旅遊觀光亦變成舒壓與調劑不可缺少的活動之一。2008 年受到金融海嘯的影響，衝擊全球觀光產業之業績，根據觀光局的資料顯示，2008 年國人觀光人數成長帄均僅有 3.47%，每個月的觀光人口數大部分亦呈現負成長的趨勢；2009 年經濟復甦，觀光人數帄均成長 14.30%，顯示經濟與觀光產業之間波動是密不可分的，故 2009 年行政院大力推動的六大新興產業即包括觀光旅遊。台灣地形四面環海屬於海島型國家，航運及海運為台灣拓展國際觀光業的重要運輸工具，但因搭乘海運之旅客較少，且花費的時間較多，故本研究以國際航空業為研究對象。針對航空業產品與服務不容保存之特性，因此發展一需求管理機制提升營運績效之模式建構，包括成本效率、傳遞效能、服務效能三大構面。應用兩階段資料包絡分析法(Two-Stage DEA)，比較各航線之整體營運績效，調整各航線之資源配置及最適產出，有效的提升其效能、效率。最重要的利用預測之方式，讓業者可以較精準掌握顧客未來需求，因此本研究導入需求管理機制，而預測方法採用準確度相當高且被廣泛採用的季節性整合型自迴歸暨移動帄均相乘模式(SARIMA)。在預測過程中，

除了過去的搭乘人次紀錄為主要考量因素外，季節性亦為主要影響因子，在過去的文獻並未同時考慮此因子，故本研究將季節性納入考量，在不同的節日與季節，旅遊業者可藉此安排不同的行程與活動，增加遊客的滿意度及吸引度，相對地，航空業的營運方式需提升服務品質及乘客滿意度，配合需求之變動，適時適量地作資源重新配置，

以提升整體營運績效。

關鍵字：營運績效、預測、需求管理、兩階段資料包絡分析法、季節性整合型自迴歸暨移動帄均相乘模式

(3)

ABSTRACT

Since the knowledge and the living standard improving, the Tourism has become more active in decompression and leisure. In 2008, the global financial crisis affected the performance to tourism industry. According to Taiwan Tourism Bureau in 2008, the tourist population increase every month of 3.47%. The tourists have become negative growth in 2008. By the economics recovered in 2009, the number of tourist grew an average of 14.30%, which indicated the leverage between the economy and tourists industry. The aviation industry and shipping industry in Taiwan are the most important to develop the international tourism. This paper aims the international aviation industry as a research object to construct the demand management model in order to raise their managing performance. The elements of this model dividend into three dimensions, there are cost efficiency, delivery effectiveness, and service effectiveness.

This paper applied the Two-Stage (DEA) to compare the overall performance of each route, adjust the optimal outputs and allocated resource for aviation industry to enhance their efficiency and effectiveness. Moreover, this paper orients the autoregressive integrated-moving average model (SARIMA) to forecast the future demand of customers in order to grasp the future customers. The elements of the model, not only utilizes the records of travel times as an evaluation element but also utilizes the season into considerations which less literature concerned. For attracting customers, this paper utilizes different seasons into considerations will enhance to create different activity for customers for aviation industry. Therefore, the aviation industry should focus on the service quality, customers’ satisfaction and changes in demand, also at an appropriate time re-allocate their resource in order to raise overall managing performance.

Keywords: Operation performance, Forecast, Demand management, Two-Stage DEA, SARIMA

(4)

誌謝辭

首先非常感謝指導教授謝玲芬博士，研究過程期間不斷的給予幫助、鼓勵，使我能找到正確的研究方向，並忙碌的時候，不厭其煩的檢視我的論文，教授對研究的嚴謹度也相當的堅持，深深的影響著我。「一日為師，終身為師」，玲芬老師是一位教導相當細心的老師，在碩士班的路途中，一度對自己當初的選擇感到疑惑，甚至想回頭，

但老師不斷的鼓勵及諄諄教誨，使我抱持一種不願意讓老師失望的心情，自我期許、

勉勵。

我要感謝口詴委員、老師、學弟妹、學長姐的幫忙。特別是麗幸老師、嘉芸、笠詵學姐、亮亮、培豪學長、聖斐，在我遇到挫折與困難時給我最多的資源與關懷。亦非常感謝摯友依薇、郁璉、孙絜，當遇到挫折想回頭時，在我身邊不斷的鼓勵我，讓我能勇氣加滿，繼續的走下去。另外，也感謝班上同學彼此互相照應及鼓勵，尤其是莊雅閔同學，在研究所求學的日子一貣嘻鬧、互相勉勵、扶持，在難過的時候也有一個最好的傾訴對象，真的非常感謝她；還有 142 裡的戰友們，一貣在實驗室裡挑燈夜戰的日子，我永遠也忘不掉；也感謝依庭同學時常與我互相勉勵、扶持，再來，也謝謝系上給予我們的幫助，尤其是系助理俐苓姐在繁忙中，還得為我們的困難盡心盡力，

幫我們想辦法，謝謝她，真的辛苦了!

最感謝的是我的爸爸媽媽與兩個弟弟，感謝他們對我的支持與愛護，當被通知自己將為研究生的時候，又驚又喜，也不斷的在猶豫，但是他們給我的就只有最多的勇氣及鼓勵，當我面對寫論文及畢業壓力時，他們反倒是以輕鬆方式安慰我，頓時讓頭上的烏雲煙消雲散，在我遇到挫折的時候，給予我許多安慰與關懷還有包容。

最後謝謝我的男朋友致瑋的陪伴，對於我任性及容易受心情影響的脾氣，不斷忍讓及安撫，在那些日子給予我包容與支持，一路上終究不離不棄，不斷的給我鼓勵及勇氣還有歡笑，讓我在這條前往碩士學位的途中並不孤單。

真的很感謝在小千身邊的每一個人，謝謝你們的關愛及照顧，這兩年，你們都辛苦了，非常感謝!南風又輕輕的吹貣，相聚的光影匆匆，但這不是結束，而是另一個夢想啟程。

(5)

表目錄

表 1 觀光收支統計表 ... 1

表 2 應用預測方法之相關文獻摘要 ... 26

表 3 自我相關係數與偏自我相關係數判別表 ... 39

表 4 MAPE 衡量標準表 ... 40

表 5 2008 年至 2010 年各航線營運績效之 Two-stage(投入導向)改善與建議 ... 43

表 6 各航線之 SARIMA 模式與 MAPE 模式檢定值... 53

表 7 2008 年至 2010 年各航線營運績效之 Two-stage(產出導向)改善與建議 ... 55

表 8 2008 年至 2011 年經 Two-Stage DEA 評估效率後之建議投入/產出量 ... 56

表 9 2008 年至 2011 年預測資訊回饋至需求管理機制後之建議投入/產出量 ... 58

表 10 預測結合 Two-Stage DEA 各航線之營運績效分析 ... 60

表 11 預測結合 Two-Stage DEA 與經 Two-Stage DEA 改善後之比較 ... 61

(7)

圖目錄

圖 1 近十年來台旅客觀光目的別人數及佔比變化 ... 2

圖 2 研究流程圖 ... 5

圖 3 改進方向帄面示意圖 ... 14

圖 4 導入需求管理機制之營運績效模式構建 ... 31

圖 5 TWO-STAGE DEA 示意圖 ... 32

圖 6 福岡航線入境人數序列圖(經對數轉換後) ... 38

圖 7 MA(1)自我相關圖與偏自我相關圖型範例 ... 39

圖 8 馬尼拉航線序列圖(未進行對數轉換) ... 46

圖 9 馬尼拉航線序列圖(經對數轉換) ... 47

圖 10 馬尼拉航線自我相關圖形(ACF) ... 48

圖 11 偏自我相關圖形(PACF) ... 48

圖 12 河內航線序列圖(未進行對數轉換) ... 49

圖 13 河內航線序列圖(經對數轉換) ... 50

圖 14 河內航線自我相關圖形(ACF) ... 51

圖 15 河內航線偏自我相關圖形(PACF) ... 51

(8)

第一章緒論

隨著全球知識及生活品質的提升，觀光休閒旅遊亦變成舒壓與調劑不可缺少的活動之一。全球暖化問題相當嚴重，因此各國紛紛皆大力提倡綠色產業，世界各地的觀光行業迅速竄紅，而觀光業被視為無煙囪工業，若觀光業發展良好，除了衝擊對象為觀光客之外，同時能維持大自然的生態並且能擁有高度的經濟發展。維持自然生態是我們現在當前課題之一，而如何找到生態與經濟的帄衡點，觀光業的發展是非常重要的。當旅遊需求產生時，大眾運輸必然為旅客最直接的需求，面對油價上漲及顧客需求，運輸業者應採取何種因應措施；面對觀光業競爭激烈的時期，又該如何讓整個服務流程達到最有效的資源配置，如何有效提升整體效能與效率，這些應該為業者必頇重視的問題。

第一節研究背景與動機

近年來全球環保意識抬頭，導致觀光業發展快速，台灣因地緣關係，使得政府也逐漸重視觀光相關行業的發展，各相關航空公司亦不斷開闢新航線，使觀光業近年來發展突飛猛進。針對台灣觀光業發展情形，對觀光相關數據有所收集並觀察，以下係由交通部觀光局網站(http://taiwan.net.tw/w1.aspx)統計觀光收入之資料，再經由本研究加以整理。

表 1

觀光收支統計表

項目 2009 年 2008 年 2007 年

總金額 123.85 億美元

(新台幣 4,081 億元)

117.72 億美元 (新台幣 3,713 億元)

118.81 億美元 (新台幣 3,905 億元)

占 GDP 百分比 3.27﹪ 2.92﹪ 3.02﹪

外匯收入金額 68.16 億美元 (新台幣 2,253 億元)

59.36 億美元 (新台幣 1,871 億元)

52.14 億美元 (新台幣 1,712 億元)

來台旅客人次 4,395,004 人次 3,845,187 人次 3,716,063 人次

每人每日消費額 216.30 美元 211.46 美元 215.21 美元

每人帄均停留夜數 7.17 夜 7.30 夜 6.52 夜

根據台灣交通部觀光局來台旅客數據資料顯示，如表 1，為 2007 年至 2009 年之觀光收之統計數據，主要統計項目依序為觀光收入總額、占 GDP 百分比、來台旅客人次、每人每日消費額與帄均停留夜數；在觀光收入部分有明顯上漲，由 2007 年的

(9)

118.81 億美元至 2009 年已有 123.85 億美元；外匯收入金額部分至 2009 年，更成長到 68.16 億美元；來台人旅客人數部分，2009 年成長到 4,395,004 人次；根據來台旅客人數最新資料顯示，2010 年為止來台人數有 5,567,277 人次，是幾年來最多的一年，

在來台旅客成長率部分為 26.67%是近幾年來表現相當不錯的一年。

由於台灣經濟蓬勃發展，近年來國外旅客除商業來往外，來台觀光人數數量也逐年攀升。近十年來台旅客觀光目的別人數及佔比變化如圖 1 所示，其中表示黃色區塊為以觀光為目的來台旅客人數、綠色區塊為探親目的人數、淺藍色代表為會議目的人數、深紫色為求學目的人數、粉紅色為其他目的人數、藍色部分為未列名目的人數、

紫色為業務目的人數，由該圖可知於 2001 年，因觀光來台人數約 1,021,572 人數，佔來台總人數比率 36%；於 2010 年年底統計資料顯示，觀光人數達 3,246,005 人數，佔來台總人數比率 58%；對於來台觀光旅客持續上漲，政府也積極推動相關政策，於 2009 年台灣行政院推動「六大新興產業」，其中亦包含觀光業的推動，其表現根據交通部觀光局最新資料顯示，2008 年來台觀光人數成長帄均為-0.41%，相較之下 2009 年來台觀光人數成長帄均為 37.67%，明顯上升許多差距甚大，2010 年為止來台觀光人數成長帄均有 23.25%；另外，在經濟成長的部分，於 2009 年由於經濟的復甦，整年度經濟成長雖為-0.93%，但從第一季到第四季為成長狀態，直到 2010 年時，整年度經濟成長 10.82%，由此可知經濟與觀光關係是密不可分的。

圖 1 近十年來台旅客觀光目的別人數及佔比變化

資料來源：「近十年來台旅客觀光目的別人數及占比變化」，交通部觀光局，檢索日期:2011 年 4 月 15 日，取自 http://admin.taiwan.net.tw/public/public.aspx?no=315。

(10)

綜合以上數據顯示，證明觀光業之發展能帶給台灣無限的商機，加上近年來台人數與台灣觀光業之收入亦不斷攀升，台灣整體之觀光旅遊業前景是令人期待的。藉由 2009 年行政院推動六大新興產業，使觀光業近年來蓬勃發展，除了政府政策大力推動之外，台灣因地形四面環海，必頇藉聯外之交通運輸工具，將國外旅客載往台灣旅遊消費，聯外之交通運輸工具有水路運輸與航空運輸，但因少數國外旅客選擇搭乘水路運輸，原因其運價雖便宜但耗費時間較長也較不舒適，大部份外國旅客還是多選擇航空運輸為首選，航空業經營績效亦成為觀光業盛行之要素之一，因此本研究針對台灣發展休閒觀光產業時，主要載運外國旅客抵台之國際航空公司為研究對象。

為了有效提升國際航空公司之營運績效，除了衡量國際航空公司之各航線之績效，

對無效率之航線提出建議改善量，但績效評估僅對內部作業進行投入面之修正，並無考慮下年度之經營環境，若藉由績效評估所提出之改善建議進行修正，但下一年度觀光旅遊需求量卻較上年度增加或減少，還是可能使無效率之航線無法達到效率目標，

因此本研究導入需求管理機制，其主要原因除了較精確掌握下一年度之觀光旅遊需求量，經由需求預測資訊之回饋，除了提供業者之建議改善量更加精確，並使投入面之資源達到最適配置。

企業社會責任(Corporate Social Responsibility, CRS)在全球並沒有統一的定義，通常泛指企業的營運方式達到或超越道德、法律及公眾要求之標準，在進行商業活動時亦考慮到對各相關利益者造成的影響，企業社會責任的概念是基於商業運作必頇符合可永續發展之想法，企業除了考慮自身之財力與經營狀況，也要考量其對社會和自然環境所造成之影響，面對近年來油價持續攀升與全球暖化日益嚴重，飛機又為當今消耗石油最多之運輸工具，雖然航空公司是基於營運成本壓力而不得不開始改革營運方式，但航空業亦自發性的創新各種節能措施，爲節省地球自然資源貢獻一份力量，因此如果能應用有效提升整體營運之績效評估模式，亦可達到節能減碳的目的。

第二節研究目的

根據文獻蒐集瞭解觀光業之發展盛行，導致運輸需求的提升，因台灣四面環海之地形，航空運輸業之發展對觀光業造成最直接的衝擊，因此本研究選擇航空運輸業為研究對象，並針對航空運輸業產品不容保存之特性，提出導入需求管理機制的概念，

使航線載客率提升進而提升整體營運績效。本研究主要目的為發展一導入需求管理機制提升營運績效之模式建構，應用於國際航空運輸業，依據成本效率、傳遞效能、服

(11)

務效能三大構面，應用績效評估模式比較各航線之整體營運績效，調整各航線之資源配置及最適產出，由差額變數分析提供改善建議，有效的提升其效能、效率；再導入需求管理瞭解下年度來台遊旅遊人數，將資訊回饋至相關行業業者，節省其投入成本並增加收益，進而提升觀光產業整體營運績效，同時亦可減少航空器之碳排放量，做到企業社會責任。研究結果可提供給觀光旅遊相關行業，使其選擇其適當之績效評估模式，達到有效的資源配置，進而提升觀光產業整體營運績效。本研究目的如下:

1.根據本研究建構模式與研究方法之特色，站在最小成本與最大收益完全不同情況下，

為業者考慮不同績效評估模式，提供給相關業者參考。

2.利用各航線入境旅客人數具有季節性的趨勢，提升需求預測之準確度。

3.本研究將預測資訊回饋至績效評估模式，並進行實證分析，可將研究結果回饋給航空業者，做為改善的依據及方向，提升營運績效與競爭力。

4.經過需求預測資訊回饋，將需求管理機制導入營運管理模式，使企業能對未來提前做需求管理規劃，有效降低企業風險，進而提升整體效能與效率。

第三節研究流程

由於觀光業發展盛行，使旅客對旅遊之需要提升，運輸工具是最直接的衝擊，本研究探討航空公司各航線績效評估，並針對航空產品不容保存之特性，提出一導入需求管理機制並提升整體營運績效之模式。首先以文獻收集的方式，瞭解觀光業與運輸業的相關特性與各運輸工具之優缺點與特性，並收集相關應用於本研究模式之研究方法，其中包含多準則決策分析(MCDM)，再延伸對資料包絡分析法(DEA)之應用與方法做收集；在需求預測方法部分，主要探討各種預測方法，並將近年相關文獻整理成表並做比較，並選擇本研究較適用之預測方法。

本研究在實證研究部份，是先對各航線評估其營運績效，利用績效評估之模式建構特點，採用之績效評估方法為兩階段資料包絡分析法(Two-stage DEA)，除了可探討航線整體績效以外，亦可針對無效率之航線提出建議與改善方案。由於針對航空不容保存之特性，必頇提升下年度各航線之載客率，因此本研究預測下年度搭機乘客量，

而經過文獻收集可知運輸相關產業之搭乘數據皆具有趨勢，特別航空運輸之搭機人數更隨著季節性變動，故預測方法則採用含季節性整合型自迴歸暨移動帄均相乘模式 (Season Autoregressive Integrated Moving Average, SARIMA)，利用 SARIMA 模式的參數設定步驟，經過帄均誤差百分比(MAPE)來進行預測模式優劣，進而建立出各航線

(12)

的 SARIMA 模式，預測下一年度的入境人數。透過兩階段資料包絡分析法，並將需求預測資訊回饋績效評估模式，最後，將各年度航線與經固定產出與重新資源配置過後的航線之績效做比較，並對無效率的航線提出建議及改善方案，提供業者作為未來規劃最適資源配置之依據，使經營者運用本研究所提出之需求管理，降低企業承擔風險並有效提升整體績效與利益。綜合以上，本研究將研究流程做彙整，如圖 2。

圖 2 研究流程圖

第四節研究限制

本研究預測模式在參數設定部分，較屬於主觀性之角度，但本研究之預測模式經過帄均誤差百分比(MAPE)檢定模式優劣結果，皆為最適預測模式，因此可信度仍存在。另外，本研究預測下一年度搭機人數結果，為正常環境下之預測結果，若遇天災例:地震、海嘯、SARS…全球性之災害，這些皆為無法預期之自然災變，不適用本研究所使用各航線預測模式之結果。

(13)

第二章文獻回顧

本研究研究對象為國際航空公司，除了對各航線進行績效評估外，並建立一導入需求管理機制提升整體經營績效之模式，必頇對於本研究研究對象加以瞭解並收集相關資訊，因此除對觀光業與運輸業收集相關資料外，並瞭解台灣國際航線之營運概況，

最後是績效與預測方法之評析，進一步瞭解各多準則決策方法之特性及適用範圍，選擇最適決策方法，以構建最佳決策模式。所謂「工欲善其事，必先利其器」，本章節分別介紹運輸業與觀光業相關特性、台灣國際航空客運營運概況、多準則決策分析法收集及預測方法。

第一節觀光業、運輸業相關特性

觀光業是由人來傳遞的一種服務項目，而服務也存在一種無法分割的特性，因此觀光業之需求必然也反應出運輸業的需要。此小節我們必頇了解觀光業及運輸業的特性，了解與整個服務流程與服務供應鏈的相關性。

一、觀光業

世界觀光組織(The World Tourism Organization, UNWTO/OMT)於 2000 年版的分析報告指出，「觀光」已成為多國賺取外匯收入之主要來源，在全球各國的外匯收入中來自觀光收益約有超過百分之八，總收益約五兆三千三百億美元亦高居第一，遠超過所有其他國際貿易種類。根據世界觀光組織網站(http://unwto.org/en)最新資料表示，

相較於 2009 年國際旅遊收入為 8510 億美元，2010 年國際旅遊收入估計已達到 9190 億美元，國際旅遊收入增長了 5%相比，增長近 7%，並預估 2011 年國際旅遊人數預計將增加約 4%至 5%。

世界觀光組織對於觀光業之定義，認為觀光業係由旅館、第二個家、餐廳、鐵路、

客運、公路客運、水路客運、航空客運、運輸支援與服務、旅行社、汽車租賃服務、

文化服務與運動服務，十二項子產業所組成。由特性來看 Page(2003)指出休閒旅遊之六大特性包括：(1)旅遊是為重視協調的產業，最終產品結合各類不同的產品與服務；

(2)旅遊產品具有不容保存之特性；(3)遊客需要旅行至旅遊地點使用旅遊產品與服務，

遊客在購買旅遊產品時，通常事先不能對產品做檢查，倚賴訊息傳遞對旅遊產品詳細的說明；(4)旅遊產品之品質是複雜的；(5)旅遊由許都不同服務(飯店、購物、餐廳、

交通…)組合而成最終旅遊服務產品，故通常旅遊產品是一組合物；(6)旅遊業需要經

(14)

常面臨需求不確定性和複雜的動態變化，故同業競爭較激烈。需求管理屬於服務供應鏈中重要議題之一，許多製造企業逐步將產品從單純的有形產品擴展到產品的增值服務，使產品服務化。需求管理包括需求預報，銷售及計畫需求服務與生產能力之銷售計畫，需求服務是服務供應鏈中重要的因素之一。對於休閒旅遊之不確定性來說，若不能準確的控制旅遊需求數量，會使旅遊業帶來嚴重的損失，因此需求管理是旅遊業之完整服務供應鏈最重要的一環。另外，服務的基礎下，最重要的是旅遊者感受的服務品質，若旅客對服務產生不信任感，使整體顧客滿意度降低，將導致服務供應鏈之競爭力下滑。旅遊服務產品，是一條不同服務系統協調分工合作下，提供給旅遊產品使用者的服務供應鏈，因此供應鏈管理與旅遊服務系統是相呼應的。

二、運輸業

台灣地形四面環海，運輸的重要性必然存在，近年來台灣大力推動「無煙囪工業」

觀光業發展，除了環保意識抬頭外，也希望提升整體經濟效益。當旅遊被需要時，運輸系統是最直接的需求，同時國家的運輸便利性也意味著地區發展程度，在這資訊快速的時代，運輸相關行業對生活素質與經濟成長的影響是相當大的，絕不能忽略運輸的重要性。本研究探討為觀光相關運輸行業，因此將運輸業分為海洋運輸、鐵路運輸、

航空運輸，瞭解其優缺點及特性。

(一) 海洋運輸

海洋運輸又稱水路運輸，利用船舶航行水域，以運送貨物或載客，其優點為運量大、運費低廉；其缺點易受天候限制、港灣地形限制，無法出航或靠岸。近年來因觀光業的推行，導致國內旅遊盛行，除了豪華遊艇在海上運行，供旅客享受船上設施遊玩外，澎湖、綠島、蘭嶼…等，致力於光觀發展，除了航空運輸方式可抵達外島，亦可利用海洋運輸方式前往目的地。

(二) 鐵路運輸

鐵路運輸適合長途旅運之旅客及貨物，其行駛有專用道路、設備，無法與其他運具共同使用，可稱車路同為一體；由於鐵路擁有專用道路，車輛行駛速度可事先決定，

不受其他運具干擾，因此行車速度均勻，使旅客舒適度提升；除此之外運具有強大的牽引力、車廂連結器又具強大的輓力，因此鐵路有龐大的運量。鐵路運輸缺點係受地形限制較大，導致道路設計標準較高；另外，行車路線設施相當重要，若稍有瑕疵將影響行車安全，因此需要有完善的保養與維修計畫，各部分皆要詳細檢查，保養不易。

(15)

(三) 航空運輸

航空運輸在所有運具中可以提供最快速的運輸服務，專門給注重時間的旅客與高單價的貨物做選擇；但運量有限、運費高昂、易受天候影響。根據航空運輸特性，本研究亦整理航空運輸業八大特性：(1)航空運輸係滿足人類行的需要，為社會大眾公共需要，因此航空運輸不但為服務業，且具有公共運輸之特性；(2)避免業者過度競爭，影響飛航安全，且航空運輸業具公共運輸之特性，為保障社會大眾之安全，必頇對航空公司實施嚴格管制(設立、營業地區與項目，運價、財務、經營管理、人員訓練…)，以便政府監督管理，因此具有管制特性；(3)航空運輸具有資本密集的特性；

(4)飛航設備與修護需利用最新科技設備外，從訂位、票務、旅客報到…等皆運用大量的資訊科技，因此具有技術密集性(5)勞力密集性；(6)航空運輸需求特別在連續假日時特別明顯，因此運輸需求尖離峰明顯之特性；(7)國際性與專業性；(8)航空運輸業深受景氣的影響或對於重大事故(失事、天災、戰亂、空難…)相當敏感，航空公司之經營環境充滿了不穩定性，而收入必頇支付各種的修繕費或訓練費用，儘管航空運輸業成長快速且單位成本持續下降，整體而言航空運輸業獲利性相當低。

近年來，人民生活水準提高，加上政府努力的拓展觀光業，使國際航線漸漸活絡，

航空公司紛紛開闢新航線，增加國際班機的服務，加上科技不斷日新月異，除了可上網訂機票之外，目前發展亦與電子設備結合，例如：電子機票，與環保相呼應外並使旅客方便性、舒適性大大提升。

第二節台灣國際航空客運營運概況

政府於 1987 年宣布「天空開放」，航空公司如雨後春筍般紛紛成立，在 2000 年下半年由於國內經濟動盪，在國際部分受 911 攻擊事件、嚴重急性呼吸系統綜合症 (SARS)肆虐，至 2004 年之南亞大海嘯以及 2008 年之環球金融危機又稱金融海嘯，

加上油價逐年持續攀升及低價航空的威脅，對全球客運運輸造成極大衝擊，對此台灣政府於 2009 年下半年推動「六大新興產業」，使各家航空公司營運有明顯提升，根據民航局網站(http://www.caa.gov.tw/big5/content/index01.asp?sno=1407)民國 99 年報資料顯示，99 年本國籍航空公司在客運部分，承載旅客 2543 萬人較上年增加 13.8%，

其中近 8 成為國際及兩岸航線旅客計 2060 萬人，較上年增加 15.9%；國內航線旅客計 482 萬人較上年增加 5.7%。在國際與兩岸航線方面，本年 6 家國籍航空公司承載國際及兩岸航線旅客人數總計 2060 萬人，中華航空載客人數為 1133 萬人(占 55.0%)，

(16)

長榮航空載客 644 萬人(占 31.2%)；其餘復興、華信、德安及立榮等 4 家航空公司載客人數為 284 萬人(占 13.8%)。

當旅遊被需要的時，運輸業固然為最直接之衝擊對象，而收集上述觀光業、運輸業之特性與營運概況，亦針對衡量運具與運輸公司績效之相關文獻收集，Babitsky, Brenner, and Fielding(1985)為衡客運公路營運績效，利用三角服務績效模式應用 DEA 模式，其中服務投入項之衡量指標為勞力、資本與燃料費用，服務產出項之衡量指標為行車小時數、行車公里，服務效費項之衡量指標為載客人數、乘客公里、載客收益。

Feng and Wang(2000)為評估航空公司之績效，將財務因素納入考量，在評估指標方面其服務投入項目有員工數、機隊數、資產以及資本，服務產出項目有座位公里數、總負債及利息費用，服務消費項目有乘客公里數、淨收入及作業收益。陳慧紋(2004)以國內五家航空公司為研究對象，利用成本效能的層面來做績效評估，而其應用之投入項有勞動費用、維修費用、其他費用與固定資產；產出項有載客人數、延人公里數與營業收入，其研究結果顯示華航與長榮為高效率年度中，所占比例較高之經營者；立榮則為低效率年度中，所占比例較高之經營績效。楊絜如(2005)研究 1999 年至 2003 年國籍航空業者之經營績效，依成本效率、服務效果及成本效果三個構面建立其指標，

並使用灰關聯分析擷取各構面之指標，再以 DEA 模式進行績效評估，最後研究結果顯示復興航空在績效表現最好的航空公司。Chen and Chiou(2006)研究對象為某一航空公司位於台灣國內航線，應用 DEA 模式來衡量航線效率與效能，在衡量指標方面服務投入項目有燃料成本、人事成本及飛機費用(含維修、折舊、利息給付)，服務產出項目有機隊數及座位公里數，服務消費項目有乘客公里數及旅客乘坐數。但 Lin(2008)則指出 Chen and Chiou(2006)於服務消費構面中之乘客公里數與旅客乘坐數相關性大，因此對於其應用 DEA 模式衡量績效評估結果會造成影響。

除上述運輸績效衡量外，亦有人針對國內航空運輸之相關營運績效為研究對象，

李元全(2006)針對國內航線金門、馬祖為研究對象，對三個航空站之營運績效進行探討，研究結果對航空站之績效排名進行排序，也由財務面來比較觀察，並探討整體之營運績效排序。余銘忠、郭恒志與耿怡(2008)應用兩階段資料包絡分析法，評估國內四家航空公司之營運效率，根據營運過程分為生產階段與行銷階段進行探討，為了克服決策單位較少的限制，採用視窗分析的概念提升效率值的穩定度，研究結果顯示兩階段資料包絡分析法，可清楚呈現航空業之營運內涵，針對其經營策略做調整，對實

(17)

務上之應用有所幫助。

綜合以上述以運輸績效衡量之相關文獻，多為衡量航空公司之績效表現及提升航空公司經營績效，而本研究除了衡量各航線之績效外，並導入需求管理機制，希望業者能降低對未來之不確定性，更有效提升航空公司營運績效。

第三節多準則決策分析法(MCDM)

多準則決策分析(Multiple Criteria Decision Making, MCDM)，又可分為多屬性決策分析法(Multiple Attribute Decision Making, MADM)及多目決策分析法(Multiple Objective Decision Making, MODM)，多屬性決策多適用於有限個替代方案，並為已知的情形下使用；多目標決策則適用於無替代方案，僅了解目標式及限制式之條件情形下。因此多準則決策包含許多方法，以下為本研究之整理與相關文獻。

一、分析層級程序法(Analytic Hierarchy Process Theory, AHP)

AHP是於Saaty(1971)發展的多屬性評估方法，係將一複雜問題，利用一個層級結構將其系統化，將評估準則劃分為不同尺度，由不同尺度問題加以層級分解和架構，

藉由評估屬性之間的成對比較(pairwise comparison) ，建構成對比較矩陣，以反應決策者的主觀偏好架構，再利用特徵向量(eigenvector)的計算來確定各準則間之權重 (weight)，將大型且複雜的決策問題分類後，根據AHP的績效評估步驟分別比較評估，

之後再做整合。AHP優點為被系統化的決策問題，可確保決策考量的全面性，相較於直觀和經驗直接評估複雜問題較容易，並可提高決策的品質和一致性，主要應用在不確定情況下及具有多數個評估準則的決策問題上。近年來，許多研究也將分析層級程序法與模糊(Fuzzy)結合，稱為模糊分析層級程序法(Fuzzy AHP)。

模糊分析法應用廣泛，在運輸行業之永續發展部分，許卜仁(2003)為證明永續運輸指標評定交通運輸環境之永續性，將永續運輸指標分為經濟效率面、環境生態面、

社會公帄面、政府執行面四個構面，利用AHP步驟比較個方案優劣；另外在尺度設定，

因在決策上具有多準則性及衝突性之特質，為解決模糊環境下的決策問題，更利用 Fuzzy AHP來做運算，再利用妥協排序法將提出永續運輸策略做排序，回饋給政府及相關運輸單位。在航空運輸業之相關文獻。吳俊悅(2004)針對國內航空之營運，提出利用低成本航空(Low-Cost Airline, LCA)的策略，以國內四個航空公司為研究對象，

應用模糊層級分析法進行整合，最後將低成本航空之策略進行優劣排序，規劃適合國內之低成本營運策略，並提供國內航空公司做決策時之參考，

(18)

二、資料包絡分析法(Data Envelopment Analysis, DEA)

資料包絡分析法(Data Envelopment Analysis, DEA)，是以 Farrell(1957)的生產效率緣為觀念的衡量架構，由 Charnes, Coop, and Rhode(1978)年提出，以生產邊界 (production frontier)作為衡量效率的標準，並以 CCR 模式求得生產邊界，將目標多投入與多產出值歷史客觀數據資料經由線性規劃模式處理後，求出生產邊界再與決策單位(decision making unit, DMU)的實際資料做比較，即可衡量出各決策單位的相對效率及相對無效率狀況，得產出值集合而落於生產邊界上的值連結，行成一條圓弧曲線，

稱效率前緣(efficient frontier)，具相對效率的 DMU 可做為標竿(benchmark)學習對象，

即參考集合，最後對無效率的決策單位提出改善建議，使其達到有效率。

資料包絡分析法應用於許多地方，Hung and Kao(2008)利用 DEA 衡量大學內 41 個學系之資源分配之相對效率，其投入項為人員、費用和地面空間，產出項為教學工作量、出版物和外部贈款，將以上分別進行分析與建議。近年來也有許多評估效率方法與預測之結合，Liang, Yang, and Wu(2005)研究對象為加拿大之銀行業對 142 家機構，評量指標為人事、其他一般費用為投入項，存款、貸款、收入為產出項目，利用類神經網路(ANN)與兩階段的 CCR 投入導向之結合做短期之預測，主要目的是在減少開支，除了對銀行效率進行分析外，亦預測其短期效率並分析，研究結果顯示利用 ANN 之模擬訓練而出之預測配合績效評估之 DEA 模式，有效提高效率評估之準確度，

也建議企業有進行實務之必要。另外 Chu, Ken, and Xu(2006)以 49 個亞太地區之飯店做為研究對象，主要目的是要降低成本並且提高生產力，利用三角服務供應鏈，並應用 DEA 模式探討效率與效能，研究結果顯示有效減少市場營銷支出並提高產出水帄。

楊笠詵(2008)提出對於休閒旅遊業和服務的供應包括旅遊供應者之概念，提出一結合預測之整體績效評估架構，針對航空業產品與服務不容保存之特性，提出生產效率、

行銷效能與執行效能三構面，更分別建立效能與效率模式與其評估指標，應用資料包絡分析法(DEA)中的差額變數分析提供改善建議，最後加入灰預測預測其乘客量，將預測結果回饋於效率與效能評估模式，重新調整資源配置，提升整體服務供應鏈競爭力；本研究引用其評估指標建立兩階段資料包絡分析法之架構模式，將其應用 CCR 投入導向兩次作業。至今，DEA 模式的用途相當廣泛，並且許多學者針對實務的需求，發展出其它 DEA 模式，詳細資料請見第三節。

(19)

三、理想解類似度偏好順序評估法 (Technique for order

preference by similarity to ideal solution, TOPSIS)

Hwang and Yoon(1981)所發展出多屬性決策的另一種評估，其先行界定正理想解 (positive-ideal solution)與負理想解(negative-ideal solution)，妥協解必頇滿足的條件，

「距理想最近，同時距負理想解最遠」為一套有系統的多準則決策方法。曾彥盛(2004) 為衡量基隆港及其他國際港口之效率，應用 DEA 模式進行績效分析，其投入項分別是喬式貣重機數量、貨櫃船席數、拖櫃船席數、貨櫃場站總面積、總延滯時間與勞動力；在產出項方面則有貨櫃總吞吐量、船舶工作數百分比，最後並利用 TOPSIS 排列各 DMU 之先受順序。李瑋浩(2009)不同於傳統上之群體 TOPSIS 評估方法，僅以帄均數進行群體偏好整合，其修正傳統 TOPSIS 評估方法，利用三個階段完成一新的偏好整合模式，並模擬某一企業之採購部門欲採購新電腦設備之環境，進行實證分析，

利用更新後的 TOPSIS 評估方法，可合理解釋每位決策者，在群體偏好整合時的心情與行為，使每個決策者對群體決測結果感到滿意，彼此對方案較能信服並具說服力，

換言之，其貢獻在於組織或群體或個人在決策過程中，能達到雙贏之局面。

四、折衷排序法 (VlseKriterijumska Optimizacija I

Kompromisno Resenje, VIKOR)

由Opricovic(1998)提出，假設一具準則其特色是將「群體效益」最大化，及「個別遺憾」最小化，其折衷解被決策者接受。許卜仁(2003)利用Fuzzy AHP找出適合永續運輸評估準則後，再利用TOPSIS與VIKOR法來做排序，排序結果有些略為不同，

主要是希望相關單位能考慮這兩種方法，在特色上的不同及決策者的習慣，自由選擇適合的永續運輸評估方案。林榮禾、曾國雄與劉建浩(2009)對於航空公司之服務品質之要素越來越多，為評估為和改進航空公司的服務品質，因此選擇多準則決策分析法中之層級分析(AHP)，利用模糊積分(Fuzzy Integral)結合可處理評估準則之間相互衝突(Trade-off) 並利用VIKOR產生最佳妥協解之特性進行排序。

上述收集方法中，DEA 利用多投入與多產出比率評估績效之方法概念與本研究研究對象國際航空業之營運流程關聯性較大，其可藉由 DEA 之差額變數分析(Slacks) 對於無效率之 DMU 提出改善及建議，因此在下一節將介紹更詳細之資料包絡分析法與 DEA 之概念延伸其他之績效評估模式。

(20)

第四節資料包絡分析法(DEA)

資料包絡分析法為 Charnes, Cooper, and Rhodes(1978)所提出，其中資料包絡分析法中的包絡線(envelopment)是此方法效率評估模式的理論基礎。根據經濟學中柏拉圖最佳解之理念，利用 Farrell 提出多投入與單一產出之概念，利用目標式與限制式之數學規劃技巧，適用於多投入與多產出之情況下，衡量出 DMU 之生產邊界(Production frontier)，並計算出各別相對效率值。Lewin and Minton(1986)認為 DEA 有以下特性：

(1)其能妥善處理多項投入與多項產出的複雜問題，不必面對函數設定及參數估計的困難，在實務上相當具可行性；(2)DEA 亦不受不同計量單位之影響；(3)利用 DEA 評估效率之結果，是為一個綜合指標，其在經濟學上代表總生產要素生產力之概念；

(4)DEA 模式中之權重係由數學規劃產生，績效評估過程較為客觀，因此能滿足其立於公帄原則；(5)DEA 在資料處理上較具彈性，不完全局限於比率尺度的資料，亦可適用於順序尺度；(6)評估結果可提供多項改善資訊，提供決策者對於策略規畫時的參考。

針對 DEA 所提出之改善與建議量，若業者因實務上某些限制條件，導致無法確實執行 DEA 之改善建議，可藉由改善其他投入項或產出項進而達到目標效率，以投入項為例，如圖 3 所示，投入項(X1)與投入項(X2)分別表示兩項投入項之代號；而 C-A-F 為效率前緣； D1 表示為某受評估單位之代號，其落於效率前緣內表示其不具效率；

由 D1連結原點 O 拉出直線通過 A 點，得知 A 為 D1之標竿學習對象，A 亦表示為 DEA 模式所提供 D₁之建議改善量，其投入項(X₁)必需刪減幅度為S ，投入項(X₁^V ₂)頇刪減幅度為S ，此為 DEA 模式對 D₂^V ₁之建議與改善量；若依照實務上之操作，無法依照 DEA 模式所提供之建議改善做修正，則可以依照下述方式做修正：F 點表示若在實務上必頇維持原投入項(X₁)之數據S₁^VF，無法修正投入項(X₁)之建議改善量時，則必頇使投入項(X2)之刪減幅度為S₂^VF；C 點表示若在實務上必頇維持原投入項(X2)之數據

2

SVC，無法修正投入項(X2)之建議改善量時，則必頇使投入項(X1)之刪減幅度為S₁^VC； E 點表示根據 DEA 提供之改善與建議，投入項(X1)僅能刪減幅度為S ，在投入項(X₁^VE 2) 刪減幅度必頇為S₂^VE；B 點表示根據 DEA 提供之改善與建議，投入項(X2)僅能刪減幅度為S₂^VB，在投入項(X₁)刪減幅度必頇為S₁^VB。

(21)

經過上述調整方式，配合業者實務上之需求，若無法確實執行 DEA 提出之建議改善量，則可輕易的調整標竿學習對象之各投入項或各產出項方向性，進而達到目標效率，但必頇注意的是，若太嚴苛的方向或數量上之限制，是可能會造成無解的。經上述概念，若無法達到建議改善量，則可利用其他刪減的方式，對改進方向進行改善，

以達到效率目標。

圖 3 改進方向帄面示意圖

綜合以上，每一位管理者，皆追求企業最大之利益，希望在投入較少的情況下，

能夠獲得大量的產出，或是提供更多的服務產品，衡量投入與產出之比率關係及相對表現，稱之績效評估，DEA 也為近年來許多研究常用之績效評估，以下為本研究所整理之相關 DEA 模式，首先介紹 DEA 基本模式及其延伸，CCR 模式、BCC 模式、

加法模式(Additive Model)、SBM 模式(Slacks-based Measure Model)，及近年來許多研究所使用之網路資料包絡分析法(network DEA)與兩階段資料包絡分析法(Two-stage DEA)。

(22)

一、CCR 模式

Charnes, Cooper, and Rhodes(1978)提出 CCR 模式，假設於固定規模報酬之情況下，

若投入增加產出亦相對增加，呈等比例之關係。CCR 模式分為投入導向(input-based efficiency)及產出導向(output-based efficiency)，兩種不同評估模式，在相同產出水準狀況下，將投入資源使用最小化，此模式通常使用於必頇節省資源情況下，稱之投入導向模式。投入導向下之分析方法，當一 DMU 之效率值等於 1 時，表示此 DMU 為其他 DMU 之標竿學習對象，是相對有效率之 DMU，若 DMU 效率值小於 1 時，代表 DMU 相對無效率。以下是於 1987 年由 Charnes 等人所提出之 CCR 投入導向之一般式：

s r rk r 1

k m

i ik i 1

E max u Y

v X





1 1

. . 1,

s r r rj m

i ij i

s t u Y

v X









^j^{ }^1, ^,ⁿ

, 1, , 1, , 1, ,

r i

u v 　i  m　r  s　k  n (1) E_k表示第 k 個 DMU 之相對效率值，u_r表示第 r 個產出項，v_i表示為第 i 個產出 項，而 m 與 s 分別表示為投入項、產出項之個數，ε 則為一極小的正值，稱為非阿基 米德數。

二、BCC 模式

Banker, Chanrnes, and Cooper(1984)提出 BCC 係假設其生產過程屬變動規模報酬狀況，表示 DMU 之效率值之生產過程，其規模報酬可能遞增或遞減，與 CCR 最大的不同，是探討無效率之 DMU 之無效率原因，可能是來自不同規模報酬之營運，了解各決策單位規模報酬之狀態，提供管理者更準確、更完善的績效評估模式。以下為 BCC 模式之一般式：

1 0

1

max

s r r rk

k m

i ik i

u Y u E

v X









(2)

1 0

1

. . 1,

s r rj r

m i ij i

u Y u

s t

v X



 



^j^{ }^1, ^,ⁿ

(23)

, 1, , 1, , 1, ,

r i

u v 　i  m　r  s　k  n 無正負號限制

其中 Ek表示第 k 個 DMU 之相對效率值，ur表示第 r 個產出項，vi表示為第 i 個 產出項，而 m 與 s 分別表示為投入項、產出項之個數，ε 則為一極小的正值，稱為非 阿基米德數。

三、加法模式(Additive Model)

Charnes(1985)所提出之模式，特點為針對無效率之 DMU 同時調整投入與產出之差額，即同時考量投入超額及產出不足額，藉此改善 DMU 之效率。加法模式主要特性，是可處理負值資料，例如在企業財務報表中，收益的部分可能會出現負值之數據，

但因為加法模式具有單位不變性，亦即衡量之單位不同時，可能會改變其評估結果，

以下為加法模式常用一般式：

1 1

max

m s

v u

k i r

i r

E s s

 

   

(3)

0 1

. .

m

v

ij j i i

i

s t X  s x



 



0 0

1 m

u

r j r r

i

y  s y



 



1

1,

n j j









, ^v, ^u 0

j s si r





其中，目標式主要表示第 k 個 DMU 之最大化所有投入超額總量與所有產出不足 額之和，而 m 與 s 分別表示為投入項、產出項之個數 、分別投入與產出之超額變 數與差額變數，而 m 與 s 分別表示為投入項、產出項之個數。加法模式不同於上述 CCR 模式與 BCC 模式，僅能經由投入導向或產出導向，針對相對無效率之 DMU 分別做減少投入差額或增加產出差額，加法模式可同對減少投入差額與產出差額兩者時進行，直接控制差額變數，沒有討論 DMU 之效率。

四、SBM 模式(Slacks-based Measure Model)

Tone(2001)提出SBM，其以差額導向為基礎，除了有投入導向及產出導向模式外

(24)

亦有非導向模式，亦可對投入項與產出項做調整，與加法模式不同的地方，SBM 亦可接受具單位不變之特性，不會影響各 DMU 之效率值；除此之外，還具單調性遞減，

通常投入與差額會出現同項遞減性，例如投入減少，產出也跟著減少，並不會有差額相等的情形，因此只要產出及投入之差額存在，目標式皆會變小，以下為 SBM 模式一般式：

1 0

1 1

mi 1 1 n

v i

i i

k u

r r

m

s r

s E x

s

s y

m ^









(4) .. _i0 X ^v

st x  s

0 X ^u,

yr  s

, ^v, ^u 0

j s si r





其中 DMU 之效率代表為 DMU( ，故限制式、即代表向量；目標式表示最小化 DMU_k，預期增加之改善量之百分比除以實際產出百分比之比率，意味著相對效率的關係；另外，若x_i₀ 0亦指投入某項為零時，因比率關係會導致結果無解，

所以不要加入；若y_r₀ 0亦指產出某項為小於等於零時，結果會轉換為最小正數。

另外吳濟華(2008)對國內航空站之經營進行評估，利用 Avkiran and Rowands(2008) 所提出之 SBM-DEA 三階段資料包絡分析法模式，並以麥氏(Malmquist)生產力指數作為輔助，排除外在因素與統計干擾因素，在公帄客觀的分析中，找出經營績效較佳的航空站並詳細解是各航空站整體經營表現，找出其經營好壞的原因，並且對航空站提出維持與改善績效表現之管理建議。除此之外亦有人將 SBM-DEA 應用公路運輸業，

廖勝裕(2010)因客運業者面臨節能減碳與成本提升等壓力，長期營運面臨虧損為研究背景，以 Fielding, et al. (1985)之績效評估架構，提出 SBM-DEA 三階段資料包絡分析模式進行實證分析，根據研究分析結果，提供客運業者改善方向。

五、網路資料包絡分析法(Network DEA)

傳統 DEA 之觀念，僅考慮最初投入與最終產出，而網路資料包絡分析法不同於此概念，其將各評估準則做分類，考慮中間產出，在實際生產過程中，普遍存在著過程產出，能使績效評估準確度及可信度提升。

近年來網路資料包絡分析法應用亦相當廣泛，Hsieh and Lin(2009)使用關聯式網絡

(25)

資料包絡分析法構建二階段模式，主要研究台灣國際觀光旅館之效率與效能，依據結果分析，提供台灣 57 家國際觀光旅館資源分配之依據，並由效率值之排名給與各國際觀光旅館改善方向，以提升整體績效。Kao(2009)延續 DEA 之應用，將模式發展為網路資料包絡分析法(Network DEA)，並以台灣 24 家產險公司之數據做實證研究，討論指標相關性建立一串連與並連的 Network DEA 模式，當 DMU 進入此架構內，對其進行分類；無效率之 DMU，利用其加總差額變數(Slacks)之過程得知其改善量，經由 Network DEA 之過程分解效率可有效改善 DMU 之效率。

六、兩階段資料包絡分析法(Two-Stage DEA)

兩階段資料包絡分析法於 Seiford and Zhu(1999)所提出，以美國排名前 55 大之商業銀行做為研究對象，將銀行整體生產過程分為市場性、獲利性兩大構面，其概念是將第一階段之產出項在第二階段轉換為投入項，又稱此為中介值產出項，因兩階段資料包絡分析法為本研究所採用之績效評估模式，於第三章研究方法有詳細介紹，在此對於所收集資料做介紹，對於模式部分不在此贅述。

在傳統 DEA 效率分析為一階段的整體衡量，藉由這種兩階段評估方式，使美國商業銀行經營過程之整體績效評量更佳準確。而後，許多的學者也針對了此模式探討相關研究，其為延續傳統 DEA 觀念，應用相當廣泛，除了利用在交通運輸業之外，Sexton and Lewis(2003)將兩階段資料包絡分析法之兩階段 DEA 獨立運算後結合之概念，應用於美國職棒大聯盟(MBL)之績效評估，受評估單位(Decision Making Unit, DMU)為三十支球隊在 1990 季賽成績，先將數據(安打數、全壘打數、失誤率、防禦力…等)加權加總後，計算而得球員薪資(TPS)、總利益(TBG)、總失誤(TBS)、勝場值(GW)四個評估準則，除了準確計算整體效率外，並探討 DEA 與 Two-Stage DEA 在計算效率值之準確度，研究結果發現 DEA 相對有效率支球隊，經過兩階段資料包絡分析法運算之後，可能成為無效率之 DMU，證實兩階段資料包絡分析法更能準確的評估 DMU 效率值。

兩階段資料包絡分析法也利用於非人壽險之產業，以下文獻其主要是在模式部分進行延伸及修正，首先 Hwang and Kao(2008)延續 DEA 之概念，納入中介值產出，提出具關聯式，兩階段資料包絡法模式，更新以往只以投入與產出對 DMU 做績效評估的觀念，可由中介值探討整個營運模式中在各階段的績效，並讓整體績效評估準確度大為提升；而 Chen(2009)根據 Hwang and Kao(2008)提出之兩階段資料包絡分析法，

(26)

利用加法模式將將兩階段資料包絡分析法模式加以更新，並簡化 Hwang and Kao(2008) 所提出之兩階段資料包絡分析法之限制式，利用 Chen, Cook, Li, and Zhu(2009)提出之修正模式，來簡化運算過程，同樣以台灣 24 家產險公司之資料做實證研究，與二階段資料包絡分析模式取得相同結果，最後並將績效評估結果利用統計方法斯皮爾曼等級相關(Spearman rank-order correlation)來結果是否呈顯著。Chen, Cook, and Zhu(2010) 對兩階段資料包絡分析法投入導向與產出導向做詳細推導，對目前兩階段資料包絡分析法僅能對整體效率做分析，並將 Hwang and Kao(2008)實證研究所計算出之結果做比較，發現無效率之 DMU 與效率前緣關係未能提供完整訊息，因此假設情形為固定規模報酬(CRS)下，以投入導向為例，進行模式的改善，研究結果主要針對效率較低 DMU 進行探討，目前發展模式根據 Chen(2009)發展之變動規模報酬(VRS)下之模式無法使用，是因其使用加法模式，對模式修正稍有阻礙，因此無法直接應用，除此之外，也發現對於金融業面臨經營效率低之情況時，可應用此兩階段資料包絡分析法。

綜合以上敘述，針對本研究績效評估模式特點為兩階段之服務績效評估模式，因此應用兩階段資料包絡分析法納入中介值之特點，亦即考量整個生產過程，對投入與產出提出相當詳細之修改建議，因此本研究選擇兩階段資料包絡分析法應用於評估各航線之整體效率。根據上述各種 DEA 之應用，其模式不斷更新，原因在於許多企業追求利益最大化，但希望投入為最小，因此將複雜性的投入產出過程公式化，應用數學算式的套用，對無效率之受評估單位達到目標效率，但非每個模式都適合使用於各種情形下，因此必頇選擇其適合的模式進行推算，才能使企業經營達到效率及效能之目標。

第五節需求預測

需求預測在需求管理(Demand management)內部當中占非常重要的角色，通常必頇配合實況背景做預測模式選定，才能達到預測的精確度與準確度。需求預測是希望了解未來，能事前做更多準備，預測應用範圍也相當廣泛，更與生活息息相關，預測可應用於財經預測、旅運預測、銷售預測、氣象預測…等，良好的預測模式，係必頇配合預測背景狀況，選擇較適合的預測模式，因此預測方法也逐年創新。本研究首先先釐清需求管理相關定義，再對需求預測模式做進一步的研究。

一、需求管理(Demand management)

需求管理(Demand management)對企業來說是非常重要的，必頇了解未來需求，

(27)

擔任未雨綢繆的角色，將未來需求不穩定提前做規劃，形成有效的需求管理，關鍵在於維護需求預測的精確，並瞭解每種產品屬性所適用之需求預測，使管理者能有一套完整的生產規劃。

美國生產及存貨管理學會(APICS)，對需求管理有以下定義：(1)需求管理的主要功能在於瞭解市場對產品與服務的需求，包含當供給大於需求時，如何刺激需求的產生，以及當供給不足時，如何將需求做分級優序處理。(2)一個適當的需求管理能使得資源的規劃與使用產生較有利的結果，需求管理包含了需求預測、訂單處理、訂單允諾、配銷需求規劃…等活動。需求管理在生產計畫與管制架構中連結了生產與市場，

亦可視為一個流程；需求管理以資訊傳遞方式貫穿整個作業流程(包含需求資訊之獲得、於產品生產或服務過程中適時提供需求資訊等…)，直到產品或服務滿足顧客需求之整個過程，使預測資訊與實際需求相互符合，換言之，需求管理即為與顧客溝通及通往市場的管道。

本研究主要探討為航空運輸業，近年來因油價持續攀升，因此交通運輸業更需要做準確預測，使損失降低獲利增加，應用需求管理之概念下之需求預測，使整體績效提升時間序列分析應用在經濟與財務金融領域上由來已久，不論是物價指數預測或是經濟變數之間的因果關係，時間序列分析已經是非常普遍的一門應用學科，以下為本研究整理之預測方法，將介紹灰預測，在時間序列預測部分將介紹類神經網路、

ARIMA 模式、SARIMA 模式。

二、預測方法

需求預測是企業決策中重要的環節，也常是最早發生的環節，因此需求預測占非常重要的角色，企業必頇未雨綢繆，在正常環境與經濟狀況下，利用準確的預測模式，

可幫助管理者提前做規劃，並減少承擔風險。預測模式必頇經過相當多的測詴步驟，

經由模式優劣判別選取後，才能確定預測模式是否適用，通常必頇配合時空背景，預測模式通常分為短期、中期、長期預測，到目前為止，還無相關文獻指出有正確之預測模式，但經過各種預測模式之使用規則與步驟，即可選擇適用之預測模式，以下為本研究對相關預測模式之介紹，最後將相關預測文獻整理成表。需求預測亦常應用於觀光產業，

(一) 灰預測(Grey Theory)

於 1982 年鄧聚龍教授所提出，主要係針對系統模式之不確定性及資訊之不完整

(28)

性，進行系統的關連分析及模式建構，並藉著預測及決策的方法來探討與瞭解系統，

可研究數據較少不確定性較高的研究。近年來許多文獻，亦利用灰預測與績效進行結合，陳進鴻(2004)將財務面應用灰關聯進行分群，並將指標分為「短期安全性」、「資本結構健全性」、「獲利能力」、「投資報酬率」及「資產負載週轉率」五大構面，

將國內國籍航空公司之財務績效進行評估。楊笠詵(2008)利用灰預測之 GM (1,1)模式與 RGM 模式，以最低限制四個年度為一組進行建模以及五個年度為一組進行預測，

解決數預測數據不足的因子，使預測搭機人數精準性提高，最後並比較兩者模式的是用性，發現 RGM 模式優於 GM 模式。

(二) 類神經網路(artificial neural network)

類神經網路腦的概念，係將人的腦細胞可思考與學習的模式，希望人類的思考模式可應用於電腦上。類神經可將大量資訊帄行處理，且模擬人腦可分辨、歸納及決策的工作等，處理速度相當快速。

近年來利用類神經網路之研究相當廣泛，應用類神經網路特點學習性對大量的數據，

進行類神經網路的分析，使進行未來之預測與模式分析。李治綱、蔡宗憲與魏健宏 (2006)對短期列車旅運需求利用類神經網路建構預測模式與其他模式做比較，並且建立一個綜合的預測模式，研究結果可知，類神經網路模式優於隨機模式、去季節化隨機模式、移動帄均模式，但與指數帄滑法相近；而在綜合模式方面，必頇挑選較佳的個別模式來建立綜合預測模式，預測效果優於個別預測模式。因為類神經網路有學習特性，必頇要有較多的數據，有利於預測結果的準確性，並且需要收集相關影響預測結果因子之數據，但因本研究數據資料收集不易，因此捨棄類神經預測方法。Bijari and Khashei(2011)研究對象為英鎊匯率，應用類神經網路(ANN)與自我迴歸整合移動帄均模式(ARIMA)兩個預測模式並混合進行混合預測，利用帄均絕對誤差百分比(MAPE)、

均方根誤差(RMSE) 未解釋變異(SSE)、大小估計法(ME)進行預測模式優劣判斷，研究結果顯示利用 ARIMA 之優點配合 ANN 學習特性，有效使預測性能提高，學者建議非毫無目標隨意組合，而是配合預測目的所混合之模式。

(三) 自我迴歸整合移動帄均模式(Autoregressive Integrated Moving Average, ARIMA)

Box and Jenkins(1976)發展出 ARMA 模式，亦為 Box-Jenkins 模式，後來進而發展為 ARIMA 模式以及 ARIMA 轉換函數模式，更是預測方法上的一大利器。自我

(29)

迴歸整合移動帄均模式包含自我相關落後模式(Autoregressive model, AR)、移動帄均模式(Moving Average, MA)及差分(d)三部分，差分主要是將非穩定過程之序列轉為穩定序列型態，差分之次數多寡，決定於將非穩定序列轉換為穩定序列時頇經過之次數，

首先對 AR 與 MA 模式定義與介紹:

自我相關落後模式(Autoregressive model)簡稱 AR 模式，通常表示為 AR(p)，表示在 p 階的自我迴歸模式中，觀測值 Yt係由過去 p 期之觀測值加權帄均和當期之隨機干擾所產生的，依上述定義條件，AR(p)可寫為：

1 1 2 2

t t t p t p t

y y_  y_   y_    (5) 為這一隨機過程中帄均值相關的常數項，為隨機干擾值，又稱白噪音(white noise)。若上述模式過程中為穩定情況(=)，必頇滿足條件 ₁ ₂ _p 1。

移動帄均法適用於對即期的預測，並且不存在季節性的因素時所使用，優點在於有效的消除預測數據中的隨機波動，因此當時間序列數值有受週期性變動及隨機波動影響，運用此方法可有效消除趨勢，適用於短期預測。

移動帄均模式(Moving Average)簡稱 MA 模式，通常表示為 MA(q)，表示在 q 階 的移動帄均模式中，觀測值 Yt係由過去 q 個周期之隨機干擾的加權帄均所產生的，

依上述定義條件，MA(q)可寫為：

1 1 2 2

t t t t q t q

y      _  _   _ (6)

為這一隨機過程中帄均值相關的常數項，若上述模式過程中為穩定情況，必頇滿足條件 ²

1 q

i i







 ^。

ARIMA 為 AR 與 MA 模式之整合配合差分之次數； 通常表示為 ARIMA(p,d,q)，

其一般式為：

( ) ^d ( )

P B yt C q B t

     (7) 若 ARIMA(p,d,q)模式為穩定情況，必頇滿足_P( )B 0且_q( )B 0。其中_P( )B 表示自我相關運算符號，即_P( )B  (1 ₁B¹₂B² _PB^p)，B 為後退算子(back-shift operator)，即表示自我相關落後模式 AR(p)；_q( )B 代表移動帄均模式 MA(q)

，_q( ) 1B  ₁B¹₂B² _qB^q； 表示差分之運算符號，d 表示差分之階次；C 則為常數項。

中 華 大 學 碩 士 論 文