单位文秘网 2021-07-20 08:17:02 点击: 次
【摘 要】针对企业在生产投资中主观成分过多、评估指标不统一不全面、企业领导的个人判断为主等问题,本文从实例出发,运用数据包络分析(DEA)建立一套科学的综合评价方法,对投资过程中的方案进行综合分析,以便在投资方案实施前给出一个科学合理的评价,降低投资风险,节省投资成本。
【关键词】数据包络分析;生产投资;评价指标
The Research of Data Envelopment Analysis on ProductiveInvestment Evaluation
Abstract:This paper is aiming atproductive investment problemsin many enterprises,such as,too much subjective consideration, inconsistent and incomprehensive evaluation indexes, leadership personal judgment, and so on. Based on a real productive example, use data envelopment analysis to establish a scientific and comprehensive evaluation method.Thenmake a reasonable evaluation before investment plan implementation, reduce investment risk and costs.
Keywords: Data Envelopment Analysis, Productive Investment, Evaluation Index
引言
自2008年以来,全球经济陷入低迷,中国制造业发展面临着巨大的挑战,全球金融海啸及其后续不良影响日益加剧,国内经济进入调整期,低成本竞争优势发展模式难以延续。在此背景之下,企业需要不断进行改革,才能够应对困境和挑战。因此,企业需要将大量人力、物力和财力投入到大量的改革项目中,在技术上开发新科技、新工艺、新产品,在管理上不断提出新理念、新方法。此类项目一般需要大规模的投入,主要目的在于提高企业的综合竞争优势,如:提升生产柔性、提高产品质量、降低生产成本、缩短交货期、提高生产服务质量等。特别是对于那些需要进行大量硬件投入的应用型技术项目,由于影响要素繁多,在投资过程中存在许多变化的不可确定的因素,在这种情况下,必须进行全方位的风险分析,同时还要把效益评价与风险分析、费用评价综合起来进行判断。
C公司是一家以家用电器为主要产品的生产企业。伴着日趋激烈化的市场竞争,公司在技术和管理上不断寻求突破创新,结合产品订单需求,公司对某产品的组装提出混合生产线设计方案,以期有效提高场地利用率,减少在制品,提高生产效率。由于所提出的各个设计方案的评价指标权重难以准确制定,为了避免以个人主观判断设定权重而导致评价结果偏离最优方案,需选取一种非主观的评价方案,而数据包络法(DEA)恰好是一种满足客观评价需求的非参数评估方法。
本文以此项目为例,通过生产投资评估指标设置,探究数据包络分析模型在企业生产投资过程中的建立及应用。针对多投入多产出的投资问题,通过理论和实践的紧密结合,对整个生产投资进行分析,更客观地评价决策方案的相对效率,从而指导企业进行生产投资决策。
1.DEA模型
1.1 DEA的定义
数据包络分析(Data Envelopment Analysis,简称DEA)是数学、运筹学、数理经济学和管理科学的一个新的交叉领域。美国著名运筹学家A.Charnes和W.W.Cooper等人于1978年以“相对效率评价”概念为基础发展起来的一种新的行之有效的系统分析方法[1],主要针对多目标决策问题,使用数学规划模型进行多输入多输出的决策单元(Decision Making Unit,简称DMU)之间相对有效性的评估,当时建立的第一个模型被称为C2R模型。
1.2 C2R模型
假设有n个决策单元,这n个决策单元都是具有可比性的,每个决策单元有m种类型的“输入”和s种类型的“输出”。我们对输入和输出的理解是:输入越小越好,类似于成本,而输出越大越好,类似于收益。
建立C2R模型时,将第k个决策单元记为DMUk(k=1,2,…,n)。对参数定义如下:xik表示DMUk的第i个输入参数的值,yjk表示DMUk的第j个输出参数的值,vj表示DMUk的第i个输入参数的系数(或称权),ui表示DMUk的第j个输出参数的系数(或称权),DMUk的效率评价指数被定义为“输出”与“输入”之比,
即。
现在考察DMUk的效率评价问题,以DMUk的效率评价指数
为目标,以所有DMU的效率评价指数为约束,构成如下分式线性规划模型:
代入相关参数值,求解上述线性规划问题,即可得到DMUk的效率评价指数。重复上述步骤,求得n个DMU的效率评价指数,并进行综合评比,效率评价指数等于1的DMU为相对有效。若有需要,可以进一步通过灵敏性分析得出其他DMU相对无效的原因和程度。
1.3DEA的特点
DEA在多属性决策,尤其是多输出(或目标)决策方面具有不可替代的优势,主要表现有以下几点:
1)DEA和其它多属性决策方法一样,可以同时考虑多项输入、输出属性评估决策单元相对效率或相对有效性;
2)无须任何权重假设,而以决策单元输入输出的实际数据求得最优权重,排除了很多主观因素,具有很强的客观性;
3)DEA方法假定每个输入都关联到一个或者多个输出,且输入输出之间确实存在某种联系,但不必确定这种关系的显示表达式;
4)DEA不仅可以评估相对效率,指出效率有待改进的DMU,也可以利用敏感度分析,提供决策者各种改进效率值的可行途径;
5)输入或输出属性量纲改变,尽管会同时造成该属性值的改变,但并不会影响DEA的评估结果。
DEA应用广泛,其应用范围已扩展到美国军用飞机的飞行、基地维修与保养、陆军征兵、城市、以及银行等方面。目前,这一方法应用的领域在不断地扩大。它也可以用来研究多种方案之间的相对有效性(例如投资项目的评价),研究在决策之前评估决策方案的相对效果如何(例如建立新厂后,新厂相对于已有的一些工厂是否为有效)。
2.生产投资评价实例研究
大部分企业在生产投资的方案评估中认识到投资成本、生产产能或效率等因素的重要性,实际中一些企业在投资评价中仍存在较多问题,诸如主观成分过多、评估指标不统一不全面、企业领导的个人判断为主等,降低了评价的准确性。C公司在对连线方案投资评估的过程中也遇到类似问题,不能对生产投资方案做出全面、具体、客观的评价,需要形成一个全面的综合评价指标体系。因此,要运用DEA建立一套科学的综合评价指标体系,以便在投资方案实施前给出一个合理的评估,降低投资风险,节省投资成本。
2.1评估指标体系的建立
通过对企业各个生产厂的调查研究,结合制造业相关资料以及生产投资的各种因素后,综合考量并确定生产投资评价指标,分为成本类指标、产出类指标、以及其它指标等。一般来说,这些指标都可以折算成资金,但是折算过程中会存在诸如折算标准难以统一、折算算法不合理、折算系数难确定等问题,因此,在进行生产投资评估时最好使用原指标数值,提高评价的可信度和可靠性。
在生产实际中,成本类指标是指投入相关的各项参数,主要包括生产线线体、设备、员工、场地、能耗、物流等。产出类指标主要包括产能、产能利用率、设备效率、人员效率等。其它指标是指生产系统设计中必须考虑,但又不属于成本或产出的参数,主要包括在制品、安全因素、环境等级等,其中安全因素等指标主要用于不同企业或不同厂房之间的对比。
同时,考虑评估指标的实用性、合理性,一般在建立评估指标体系时需要遵循一下几个原则:
1)全面性原则:评估指标体系必须全面反映企业生产投资方案的综合水平,并包括成本、绩效相关的各项指标,既符合投资管理层的要求,也满足生产实际的需要。
2)科学性原则:所设指标在理论上要可行,同时又能反映生产投资方案的客观实际情况。无论是定性评价指标还是定量评价指标,其信息来源渠道必须可靠且容易获取。对数据的准确性和可靠性加以控制,否则,评估结果很难令人信服。
3)稳定可移植原则:所采集数据在一定时期内不会发生较大变动,在不同生产阶段、不同企业以及不同投资方案之间可以通用,且不随投资问题的改变而改变。
依照DEA输入输出参数的特点及评估指标体系建立原则,C公司结合生产投资实际情况提出用于DEA评价的投入指标和产出指标,如图1所示:
其中,需要加以解释的指标为:
1)换线损失:指因换线导致的停线生产时间占可以用于生产总时间的比例。
2)日物流强度:每日物料中转过程中,其质量与搬运距离之积的总和。
3)UPPH:即Units Per Person Per Hour,平均每人单位小时生产量,可以用于衡量产能与人力的关系。
4)产能利用率:实际产能与设计产能之比例。
按照应用场合不同,可以考虑省去部分差异不大的指标,精简评价指标体系,降低数据搜集难度。
2.2决策单元基础数据的采集
C公司该生产线设计共有4个方案(即有4个决策单元),这4个决策单元都是具有可比性的,每个决策单元有8项投入指标和5项产出指标,各个方案布局示意如图2所示(由线体右侧为前端):
通过对上述4个方案的初步分析,部分指标对方案的最终决策影响不大,可不纳入当前DEA评价指标,具体分析结果如下:
1)设备投资:辅助设备主要分布生产线后端,4个方案投入差别不大;
2)能耗费用:能耗主要包括两部分,照明和线体运转所需电能。其中,照明与场地面积成正比,运转所需电能与线体长度成正比,所以能源费用是与线体投资成正比,在DEA分析中属于多余的参数;
3)换线损失:对于当前4个方案的线体,换线损失主要由后端决定,4个方案基本一致;
4)日物流强度:物流量主要依原材料及成品物流决定,只受产能影响,4个方案基本一致;
5)产能利用率:因这4个方案的设计产能是一样的,产能利用率与实际产能成正比,故只需考虑产能即可;
6)线平衡率:对于当前方案,实际的线平衡率与人员效率的值相同(因其计算方法和获取手段均相同),只需考虑人员效率;
7)关键设备利用率:因所有方案基于关键设备利用率最大化(即100%)设计,故这一项不必考虑。
综上得出,适合于C公司当前生产线设计的DEA评价指标包含线体投资、人力投入、场地面积、在制品等投入指标,以及UPH(产能)、UPPH、人员效率等产出指标。
通过相关技术、管理人员对各个方案进行分析评估,统计出各项指标的近似数值,见表1:
表1生产投资指标参数
决策单元方案1方案2方案3方案4
投入指标线体投资(万元)39.638.644.657.2
人力投入(人)144142150156
场地面积(m2)573579827632
在制品(pcs)452441467455
产出指标UPH(pcs/h)360368375371
UPPH(pcs/h·人)2.502.592.502.38
人员效率(%)70.0%87.2%85.4%84.6%
上述数据是基于设计产能一致的原则统计的,其中部分在设计时难以人工计算出的数据是通过仿真建模技术分析结果得出,确保数据的准确性和有效性。
2.3评价结果的输出分析
将收集的指标数据带入C2R模型中,运用Microsoft Excel 2007的规划求解工具建模求解,并使用数据包络分析专用工具DEAP验证,得出以下分析结果:
表2DEA评价分析结果
方案1方案2方案3方案4
0.9891.0000.9650.977
从上表可看出,方案2的综合效率为1.000,为相对有效的DMU,即方案2为最优方案。为了确保再次降低投资风险,尚需对方案2进行详细的投资可行性分析,以及相关管理问题分析。
3.结语
自DEA分析方法被提出后,国内外管理科学、运筹学领域里的大量DEA理论与应用研究,已经证实了其在具有多输入、多输出的决策单元间进行相对效率与规模收益等方面的评估是一种非常有效的方法。文中提出了生产投资评估的指标体系,在此基础上建立相应DEA模型,通过进一步利分析结果评选出最优方案。
文中评选出的方案已通过公司审定可行,并已开始着手实施。自DEA评估方法被引入公司以来,不断应用到项目方案评估中,并取得了很好的效果。由于传统的DEA模型完全屏蔽了各指标权重系数的主观判断,不能反映企业特定战略定位的特殊要求,后续的评价研究考虑结合其他评价方法改造现用的DEA模型,以满足企业战略定位与技术要求相结合的发展需要。
参考文献
[1]Charnes A,Cooper W W and Rhodes E. Measuring the efficiency of decision making units. European Journal of Operational Research,1978,2:429~444
(责任编辑:单位文秘网) )地址:https://www.kgf8887.com/show-212-67774-1.html
上一篇:不确定型决策方法在投标中的应用
下一篇:谈高职学生数学建模赛的培训
版权声明:
本站由单位文秘网原创策划制作,欢迎订阅或转载,但请注明出处。违者必究。单位文秘网独家运营 版权所有 未经许可不得转载使用