Johdanto DEA- tehokkuusanalyysimenetelmiin ja CCR-DEA Tuomas Lahtinen 16.1.2013.

Slides:



Advertisements
Samankaltaiset esitykset
Tehtävä 3: PowerPoint Heli Lämsä.
Advertisements

Wikin pikaohje /ut. Kirjautuminen palveluun • Mene osoitteeseen valitse sivun oikeasta yläkulmasta ”Sign.
Nopeudesta ja kiihtyvyydestä
SMART Board Interaktiivinen esitystaulu -> yhdistää perinteisen liitu- ja tussitaulun sekä tietokonekuvan Sormesi on hiiri! Laura Viljamaa 2011.
Moodlen ohje opiskelijoille
DEA-perusteiset resurssien allokointimallit Mat Optimointiopin seminaari Kevät 2013 Esitelmä 10 Juuso Saarnikko Työn saa tallentaa ja julkistaa.
Vuorovaikutuksesta voimaan
Jouni Juntunen Oulun seudun ammattikorkeakoulu Liiketalouden yksikkö Netbeans ja XAMPP Projektin luominen.
Tuottavuuden vertailu APR- terveyskeskusten välillä sekä Jyväskylän vastaanottotoiminnan tuottavuuden muutoksesta toimintakäytäntöjen muutoksen myötä Jarmo.
Epätäydellinen data & herkkyysanalyysi Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä 9 - Ratkaisu Ilkka Lampio Työn saa tallentaa.
Power Point – esitysgrafiikkaohjelma lyhyesti
Epätäydellinen data & herkkyysanalyysi
Graafisen esityksen laatiminen taulukkolaskentaohjelmalla (excel 2013)
@ Leena Lahtinen OHJELMAN OSITTAMINEN LUOKKA ATTRIBUUTIT METODIT.
Muita DEA malleja: BCC ja additiivinen malli Mat Optimointiopin seminaari Kevät # Tuomas Mattila Työn saa tallentaa ja julkistaa Aalto-yliopiston.
2.2 Schäfer-Gordon malli Gordon (Journal of Political Economy 1954), Schäfer (1957), Scott (JPE 1955) Vaihtoehdot joita vertailemme: Biologinen optimimointi.
Massa ja paino.
KERTAUSTA PERUSASTEEN MATEMATIIKASTA Piia junes
Graafisen esityksen laatiminen taulukkolaskentaohjelmalla (excel 2007)
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
1.2.1 KÄÄNTEISFUNKTIO JA SEN KUVAAJA
LINEAARINEN MUUTOS JA KULMAKERROIN
GNU-ohjelmointityökalut Jussi Raunio TI09OHJ
Pienin ja suurin arvo suljetulla välillä
2.4. Raja-arvo äärettömyydessä ja raja-arvo ääretön E.1.
TIEP114 Tietokoneen rakenne ja arkkitehtuuri, 3 op ALU.
Kuinka tehdä blogi o365:ssä
Murtoyhtälöt - Yhtälö, jossa nimittäjässä tuntematon
Tilastollisia menetelmiä
Lämpötilan mittaaminen Arduinolla
1. Usean muuttujan funktiot
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
Toimisto-ohjelmat TVT osana Sädettä. Tehdään kyselylomake joko tekstinkäsittely- tai taulukkolaskentaohjelmalla. Pilvipalveluita käytettäessä saadaan.
3.1. DERIVAATAN MÄÄRITELMÄ
PARAABELI (2. ASTEEN FUNKTION KUVAAJIA)
1.4. Integroimismenetelmiä
5. Lineaarinen optimointi
Value Efficiency Analysis - menetelmä ja sovellus Mat Optimointiopin seminaari Kevät 2013 Esitelmä #6 Tuomas Lahtinen Työn saa tallentaa ja julkistaa.
Rinnakkaisuus Järjestelmässä, jossa voi olla useita prosesseja rinnakkain suorituksessa voi tulla tilanteita, joissa prosessien suoritusta täytyy kontrolloida.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 9 - Jaakko Niemi Optimointiopin seminaari - Syksy 2005 / 1 Virittäminen (Tuning) s
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 17 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Tukivektorikoneet.
S ysteemianalyysin Laboratorio Aalto-yliopisto Johdanto – Antti Punkka Optimointiopin seminaari - kevät 2011 Portfoliopäätösanalyysi- ja tehokkuusmallit.
11. Relaatiotietokannan suunnittelualgoritmit ja lisäriippuvuudet Tällä kurssilla käsitellään kirjan luvusta 11 ainoastaan algoritmi 11.1 häviöttömän liitoksen.
Menetelmä Markowitzin mallin parametrien estimointiin (aihe-esittely)
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
YE 4 Luonnonvarataloustieteen jatkokurssi Kalastuksen taloustiede
CSS Dreamweaverilla Matti Viitala KaHa/OAMK 2005.
Cadsin vinkkejä Ristikon tähtäimen koko: tapa1 Kirjoita komentoriville: muuttuja aseta valintaetäisyys Anna koko numerona esim. 5.
Ratio based efficiency analysis Mat Optimointiopin seminaari Kevät 2013 Esitelmä # Tuomas Mattila Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Kotiin – Behind the Scenes
1 Arrow’n teoreema Sosiaaliset hyvinvointifunktiot (Social welfare functions SWF) SWF f on sääntö tai prosessi, joka määrittää kullekin joukolle yksilöiden.
Kotitehtävän 2 malliratkaisu Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä #2 Juho Andelmin Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Luonnollisen logaritmifunktion derivaatta
Tehtävä 3: PowerPoint Tomi Ilmonen. Ohjeistus Tämä on tehtävä 3: Power Point Etene tässä olevien ohjeiden mukaan. ◦ Älä ”hypi” eli käy kohta kohdalta.
Koska toispuoliset raja-arvot yhtä suuria, niin lim f(x) = 1
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä # - Esitelmöijän nimi Optimointiopin seminaari - Syksy 2000 / 1 Potentiaalien kertaus ja.
Funktio ja funktion kuvaaja
Sovellettu matematiikka 3 Jarkko Hurme1 3.3Kohti todellista tilannetta.
MapInfon tiedostot TAB – Tiedosto, jonka avulla tietokanta avataan MapInfossa. Tiedostossa tietoja kentistä ja koordinaattijärjestelmästä. DAT, XLS. TXT.
TANGENTTI Suora, joka sivuaa käyrää.
CHEM- A1000 Korkeakouluopiskelijan ABC EXCEL-opastukseen liittyen esimerkkejä huonoista kuvaajista –ei näin! Syksy 2015, I periodi
Osa 5. Joustoista Kysynnän hintajousto (price elasticity of demand) mittaa, miten kysynnän määrä reagoi hinnan muutokseen = kysytyn määrän suhteellinen.
Toimisto-ohjelmat TVT osana Sädettä.
Otsikko Näitä mallipohjia kopioit näin:
Missä kaupunki X? Esimerkki PaikkaOpin käytöstä opetuksessa
Kritiikin alkulähteillä
3 Suureyhtälöt Fysiikan tehtävän ratkaisu:
Funktion kuvaaja ja nollakohdat
Y56 Luku 20 Yrityksen teoria: Kustannusten minimointi
Kertausta FUNKTIOISTA MAB5-kurssin jälkeen (Beta 2.0)
Esityksen transkriptio:

Johdanto DEA- tehokkuusanalyysimenetelmiin ja CCR-DEA Tuomas Lahtinen

Sisältö Tehokkuuden mittaaminen DEA –2 panosta 1 tuotos –Graafista tulkintaa CCR malli

Tehokkuuden mittaaminen Sanaa ”tehokkuus” käytetään monessa yhteydessä, vaikka määritelmä saattaakin vaihdella Usein viitataan jollain tapaa määriteltyyn output / input – suhteeseen Esimerkki: Puun lämpöarvo = täydellisessä palamisessa syntynyt lämpö polttoaineen massayksikköä kohden Puulle 15 MJ/kg, kivihiilelle 27MJ/kg

Lämpöarvo voi kiinnostaa esimerkiksi insinööriä, jonka tehtävänä on valita polttoaineiden väliltä Toisaalta myös polttosysteemi vaikuttaa polttoaineen tehokkuuteen, sillä polttaminen ei ole häviötöntä SysteemiEnergia / kgVertailuluku A71 B60.86 C40.57 D50.71 Puunpolttosysteemien tehokkuuksia

Polttoainesysteemin tehokkuus saattaa riippua siitä, miten paljon poltetaan kerralla Oletetaan, että hukkalämpö kasvaa polttoaineen määrän kasvaessa Lämpö polttoaineen määrän funktiona eräälle systeemille

Eri polttoaine-polttosysteemien tehokkuustieto + tieto tehtaan kulutuksesta  kokonaiskustannukset Tehtaalla saattaa olla muitakin tavoitteita, kuten CO2ekv- päästöjen minimointi Tulkitaan tilanne kolmen tunnusluvun avulla: PanoksetTuotokset KustannuksetTuotantotavoitteeseen pääseminen CO2ekv-päästöt

Määritelmä: (Päätöksenteko)yksikkö on PK tehokas, joss ei ole mahdollista parantaa yhtäkään panosta tai tuotosta huonontamatta toista Tehokas rintama (efficient frontier) DEA

Tehokkuusluvun määrittäminen kuvasta Referenssijoukko Tehokas rintama sulkee tehottomat yksiköt sisäänsä Tehokkaat yksiköt ovat rintaman kulmapisteitä LP: Jokainen kulmapiste on optimi joillain painokertoimilla, jos käytetään additiivista kohdefunktiota

CCR-DEA v:t ja u:t painokertoimia idea: jos löytyy positiiviset painot, jolla yksikkön o suhdeluku on suurin, niin se on tehokas yksikkö

Koska kohdefunktio on suhdeluku, niin voidaan valita nimittäjä = 1, eikä optimi muutu Tällöin saadaan LP-tehtävä (taululla)

Optimi ei muutu, jos panos tai tuotosyksiköitä skaalataan positiivisilla luvuilla (suhdeasteikot) Määritelmä (CCR-tehokkuus): 1.DMU on CCR-tehokas, jos  *=1 ja on olemassa ainakin yhdet positiiviset optimipainot 2.Muuten DMU on CCR-epätehokas Referenssijoukko DMU:lle o saadaan katsomalla, mitkä epäyhtälörajoitteista ovat aktiivisia DMU o:n optimaaliset painot voidaan tulkita eri tuotosten ja panosten suhteellisena kontribuutiona o:n tehokkuuteen

Esimerkkitehtävä Muotoillaan lineaarinen tehtävä A:n CCR- tehokkuuden laskemiseksi seuraavasta datasta Panos/ Tuotos ABCDEF x x y

Kotitehtävä # /K2013/cplexesim/ sisältää tiedostot dea semmaK2013.mod ja data1984.dathttp:// /K2013/cplexesim/ –Kopioi tiedostot käyttöösi Avaa CPLEX –Luo uusi ”OPL-projekti” file -> new -> OPL project –Sitten file -> import -> existing projects (ja valitse em. sivulta kopioimasi tiedostot) –Paina ”OPL-projektisi” päällä oikeaa nappia ja lisää ”run configuration”, jonne sitten raahaat tarvittavat tiedostot –Aja malli

Kotitehtävä #0 Luo CPLEX-malli, joka laskee CCR-DEA-tehokkuudet seuraaville DMUille

Kotitehtävä 1 DMUABCDE Panos Tuotos Tuotos Viiden DMU:n panos ja tuotos arvot 1.Piirrä kuva, jossa vaaka-akselilla on DMU:n tuotos 1 jaettuna panos 1:llä ja pystyakselilla tuotos 2 jaettuna panos 1:llä. Päättele kuvaajan perusteella yksiköiden A, B ja C tehokkuudet. 2.Laske CCR-mallia käyttäen yksiköiden D ja E tehokkuudet. Mitkä ovat CCR mallissa tuotosten optimipainot D ja E yksiköille? Miten kyseiset painot voisi päätellä 1. kohdan kuvaajasta? 3.Laske D ja E yksiköiden referenssijoukot käyttäen tietoa optimipainoista. Miten referenssijoukot voisi päätellä aiemmasta kuvaajasta?

Vinkki kotitehtävään 1: Kurssin verkkosivuilta voi ladata valmiin CPLEX-mallin, jota käytetään ratkomaan CCR tehokkuuksia kotitehtävässä 0 Mallia muokkaamalla saa kotitehtävän 1 laskettua

Kiitos! Lähteet: Cooper W W, Seiford L M, Tone K. Introduction to data envelopment analysis and its uses, preface + pp Charnes A, Cooper W W, Rhodes E Measuring the efficiency of decision making units, European Journal of Operational Research, 2, pp Hynninen Y Palveluntuottajien tehokkuusvertailu suun terveydenhuollossa. Diplomityö (