Suchergebnisse

"Data Envelopment Analysis (DEA) is often overlooked in empirical work such as diagnostic tests to determine whether the data conform with technology which, in turn, is important in identifying technical change, or finding which types of DEA models allow data transformations, including dealing with ordinal data. Advances in Data Envelopment Analysis focuses on both theoretical developments and their applications into the measurement of productive efficiency and productivity growth, such as its application to the modelling of time substitution, i.e. the problem of how to allocate resources over time, and estimating the "value" of a Decision Making Unit (DMU)"--

Geleitwort -- Inhaltsverzeichnis -- Abbildungsverzeichnis -- Tabellenverzeichnis -- Abkürzungs- und Akronymverzeichnis -- 1 Einleitung -- 1.1 Ausgangslage und Motivation -- 1.2 Aufbau und Struktur der Arbeit -- 2 Historie und aktueller Stand der Forschung in der DEA -- 2.1 Grundlagen der Effizienzmessung -- 2.1.1 Allgemeines zum Begriff der Effizienz -- 2.1.2 Überblick über Entwicklung und Methoden der Effizienzmessung -- 2.1.2.1 Produktion und Technologiemenge -- 2.1.2.2 Effizienzmessung und Effizienzmaße -- 2.2 Data Envelopment Analysis -- 2.2.1 Grundlagen der Data Envelopment Analysis

Im vorliegenden Buch wird ein Rahmen für eine betriebswirtschaftlich getriebene Anwendung und Ausgestaltung der Data Envelopment Analysis (DEA) geschaffen. Philip Kerpens Ziel ist es, die Praxisrelevanz der DEA zu befördern. Die DEA ist eine Methode zur vergleichenden Effizienzmessung von Wirtschaftseinheiten, die sich seit Jahrzehnten in der Wissenschaft großer Beliebtheit erfreut. Dennoch kommt sie in der betriebswirtschaftlichen Praxis bislang nur vereinzelt zum Einsatz. Der Inhalt · DEA-Softwareprodukte · Kritische Diskussion einer DEA-Anwendung · DEA und betriebswirtschaftliche Konzeption Die Zielgruppen · Dozenten und Studenten aus den Bereichen Operations Research und Effizienzmessung · Unternehmensberater, Praktiker aus den Bereichen Unternehmens- und Produktstrategie Der Autor Philip Kerpen ist Geschäftsführer einer Verwaltungs- und Dienstleistungsgesellschaft. Zuvor studierte er Betriebswirtschaftslehre an der Universität zu Köln und im Rahmen seiner externen Promotion an der Fern-Universität in Hagen befasste er sich mit Effizienzmessung, insb. der Data Envelopment Analysis

Data Envelopment Analysis (DEA) ist eine Methode zur Effizienzmessung, mit der verschiedene Einheiten (z.B. Filialen einer Bank) anhand mehrerer monetärer und nichtmonetärer Kennzahlen beurteilt werden können. DEA liefert für jede einzelne Einheit eine aggregierte Spitzenkennzahl, den sogenannten Effizienzwert. Holger Scheel untersucht und vergleicht die verschiedenen Möglichkeiten, zu solchen Effizienzwerten zu kommen. Er entwickelt eine allgemeine Vorgehensweise zur Vorbereitung von DEA-Effizienzmessungen und analysiert, an welchen Stellen subjektive Entscheidungen getroffen werden müssen, welche Auswirkungen diese haben und welche formalen Eigenschaften die einzelnen Effizienzmaße aufweisen. Mögliche Auswertungen der DEA-Ergebnisse werden anhand eines konkreten Praxisfalls illustriert

This paper will introduce to readers an alternative approach to efficiency analysis called Data Envelopment Analysis (DEA). Because it is an advanced evaluation tool that incorporates both tangible and intangible attributes, DEA is now gaining popularity among economists, politicians, and all types of Decision-Makers (DM). After a brief discussion of the model, this paper will demonstrate via examples how DEA can be used in aiding Decision-Makers evaluate their constituents

Intro -- 1. Einleitung -- 1.1. Hintergrund und Forschungsinteresse -- 1.2. Zielsetzung -- 1.3. Gliederung -- 2. Logistikmanagement -- 2.1. Grundlagen der Logistik -- 2.1.1. Definition der Logistik -- 2.1.2. Bedeutung der Logistik -- 2.1.3. Die Ziele und Aufgaben der Logistik -- 2.2. Grundlagen des Supply Chain Managements -- 2.2.1. Definition und Aufgaben von SCM -- 2.2.2. Ziele von SCM -- 2.2.3. Drei Säulen des SCM -- 2.3. Logistikkonzepte -- 2.3.1. Just in Time-/Leankonzept -- 2.3.2. Cross Docking -- 2.3.3. Direktbelieferung -- 2.3.4. Push und Pull -- 2.4. Dienstleistung der Logistikdienstleister -- 2.4.1. Beschaffungslogistik -- 2.4.2. Distributionslogistik -- 2.4.3. Lagerlogistik -- 2.4.4. Entsorgungslogistik -- 3. Ansätze zur Logistikbewertung-und analyse -- 3.1. Kennzahlen in der Logistik -- 3.1.1. Begriffsbestimmung und Bedeutung von Kennzahlen -- 3.1.2. Arten -- 3.1.3. Funktionen -- 3.2. Instrumente zur Ursachen- und Schwachstellenanalyse -- 3.2.1. Pareto-Analyse -- 3.2.2. FMEA-Analyse -- 3.3. Bewertungsmethoden der Logistikleistung -- 3.3.1. SCOR Modell -- 3.3.2. Engpassorientierte Logistikanalyse -- 3.3.3. Wertanalyse in der Logistik -- 3.3.4. Benchmarking in der Logistik -- 3.3.5. Data Envelopment Analysis -- 3.4. Data Envelopment Analysis -- 3.4.1. Definition und Abgrenzung der Begriffe Effektivität und Effizienz -- 3.4.2. Das Modell von Charnes, Cooper und Rhodes -- 3.4.3. Das Modell von Banker, Cooper und Charnes -- 3.4.4. Weitere Modelle der DEA -- 3.5. Gegenüberstellung der Bewertungsansätze -- 4. Die Do It Yourself- Branche -- 4.1. Die Baumarktbranche -- 4.1.1. Wirtschaftskennzahlen -- 4.1.2. Charakterisierung und Klassifizierung der Baumarktunternehmen -- 4.1.3. Standortpolitik der Baumarktunternehmen -- 4.2. Ist-Situation zur Logistik in der Baumarktbranche -- 4.2.1. OBI -- 4.2.2. BayWa.

Intro -- Preface -- Contents -- 1 Introduction to Data Envelopment Analysis and Fuzzy Sets -- Abstract -- 1.1 A Brief Review on Data Envelopment Analysis -- 1.2 Basic Definitions -- 1.3 Different Models of DEA -- 1.4 Fuzzy Set Theory -- 1.5 Conclusion -- References -- 2 Introductions and Definitions of R -- Abstract -- 2.1 Preliminaries of R -- 2.2 Basic Definitions -- 2.3 Definition of Different Variables Types -- 2.4 Attributes -- 2.5 Data Storage -- 2.5.1 Vectors -- 2.5.2 Matrixes -- 2.5.3 Arrays -- 2.5.4 Lists -- 2.5.5 Data Frames -- 2.6 Mathematical Operators -- 2.7 Logical Operators -- 2.8 Use R in Calculation -- 2.9 Basic Mathematical Functions -- 2.10 If Structure -- 2.11 If Conditional -- 2.11.1 Example: Consider the Following Example -- 2.12 If Else Conditional -- 2.13 For Function -- 2.14 While Command -- 2.15 Repeat Command -- 2.16 Import and Read Data in R -- 2.16.1 Data Command -- 2.16.2 Scan Command -- 2.16.3 Read.table Command -- 2.16.4 Read.delim Command -- 2.16.5 Fread Command -- 2.16.6 Excel_sheets Command -- 2.16.7 Read_excel Command -- 2.17 Storage and Writing Data -- 2.17.1 Write.table Command -- 2.17.2 Sink Command -- 2.18 Write Functions in R -- 2.19 Convert Objects -- 2.20 Conclusion -- References -- 3 Basic DEA Models with R Codes -- Abstract -- 3.1 Introduction -- 3.2 Input-Oriented DEA Models with R Codes -- 3.2.1 Input-Oriented CCR Envelopment Model with R Code -- 3.2.2 Input-Oriented CCR Multiplier Model with R Code -- 3.2.3 Input-Oriented BCC Multiplier Model with R Code -- 3.2.4 Input-Oriented BCC Envelopment Model with R Code -- 3.3 Output-Oriented DEA Models with R Codes -- 3.3.1 Output-Oriented CCR Envelopment Model with R Code -- 3.3.2 Output-Oriented CCR Multiplier Model with R Code -- 3.3.3 Output-Oriented BCC Multiplier Model with R Code -- 3.3.4 Output-Oriented BCC Envelopment Model with R Code.