Environmental performance evaluation of large-scale municipal solid waste incinerators using data envelopment analysis

2010 ◽  
Vol 30 (7) ◽  
pp. 1371-1381 ◽  
Author(s):  
Ho-Wen Chen ◽  
Ni-Bin Chang ◽  
Jeng-Chung Chen ◽  
Shu-Ju Tsai
Keyword(s):  
Performance Evaluation ◽  
Data Envelopment Analysis ◽  
Municipal Solid Waste ◽  
Solid Waste ◽  
Environmental Performance ◽  
Large Scale ◽  
Data Envelopment ◽  
Waste Incinerators ◽  
Using Data ◽  
Environmental Performance Evaluation

ECOEFFICIENCY MEASUREMENT USING DATA ENVELOPMENT ANALYSIS: RESEARCH AND PRACTITIONER ISSUES

2004 ◽  
Vol 06 (01) ◽  
pp. 91-123 ◽  
Author(s):  
JOSEPH SARKIS ◽  
SRINIVAS TALLURI
Keyword(s):  
Data Envelopment Analysis ◽  
Environmental Performance ◽  
Published Data ◽  
Data Envelopment ◽  
Environmentally Conscious ◽  
Use Of Data ◽  
Dea Models ◽  
Using Data ◽  
Environmental Performance Evaluation ◽  
Insight Into

Ecoefficiency is critical for organisations that seek to be both environmentally conscious and profitable. Ecoefficiency has implications for a "win-win" situation to arise. Studying and managing organisations from this perspective requires an evaluation of ecoefficiency. To aid researchers and managers develop measures for ecoefficiency we review the use of data envelopment analysis (DEA) for this purpose. DEA theory and application has increased greatly. Its use as a tool for environmental performance evaluation has been limited. In this paper we provide a number of DEA models and some extensions and how they can be utilised from both the practitioner and researcher perspective. An illustrative example from published data helps to gain insight into the various models, their capabilities and limitations.

scholarly journals Performance Evaluation of Fishery Enterprises Using Data Envelopment Analysis—A Malmquist Model

Mathematics ◽  
2021 ◽  
Vol 9 (5) ◽  
pp. 469
Author(s):  
Chia-Nan Wang ◽  
Thi-Ly Nguyen ◽  
Thanh-Tuan Dang ◽  
Thi-Hong Bui
Keyword(s):  
Performance Evaluation ◽  
Data Envelopment Analysis ◽  
Technological Progress ◽  
Data Envelopment ◽  
Domestic Economy ◽  
Factor Productivity ◽  
Sales Revenue ◽  
Business Efficiency ◽  
Using Data ◽  
Decision Making Units

In Vietnam, fishing is a crucial source of nutrition and employment, which not only affects the development of the domestic economy but is also closely related to exports, heavily influencing the economy and foreign exchange. However, the Vietnamese fishery sector has been facing many challenges in innovating production technology, improving product quality, and expanding markets. Hence, the fishery enterprises need to find solutions to increase labor productivity and enhance competitiveness while minimizing difficulties. This study implemented a performance evaluation from 2015 to 2018 of 17 fishery businesses, in decision making units (DMUs), in Vietnam by applying data envelopment analysis, namely the Malmquist model. The objective of the paper is to provide a general overview of the fishery sector in Vietnam through technical efficiency, technological progress, and the total factor productivity in the four-year period. The variables used in the model include total assets, equity, total liabilities, cost of sales, revenue, and profit. The results of the paper show that Investment Commerce Fisheries Corporation (DMU10) and Hoang Long Group (DMU8) exhibited the best performances. This paper offers a valuable reference to improve the business efficiency of Vietnamese fishery enterprises and could be a useful reference for related industries.

Benchmarking driving efficiency using data science techniques applied on large - scale smartphone data

2018 ◽  
Author(s):  
Δημήτριος Τσελέντης
Keyword(s):  
Data Envelopment Analysis ◽  
Convex Hull ◽  
Large Scale ◽  
Data Science ◽  
Data Envelopment ◽  
Using Data

Ο κύριος στόχος της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μιας ολοκληρωμένης μεθοδολογικής προσέγγισης για τη συγκριτική αξιολόγηση της οδηγικής επίδοσης, όσον αφορά την οδική ασφάλεια, τόσο σε επίπεδο διαδρομής, όσο και οδηγού, με τη χρήση τεχνικών της επιστήμης δεδομένων. Η μεθοδολογική προσέγγιση στηρίζεται στον καθορισμό ενός δείκτη επίδοσης που βασίζεται στη θεωρία της Περιβάλλουσας Ανάλυσης Δεδομένων (Data Envelopment Analysis - DEA) και σχετίζεται με μακροσκοπικά συμπεριφοριστικά χαρακτηριστικά οδήγησης, όπως ο αριθμός των απότομων επιταχύνσεων/ επιβραδύνσεων, ο χρόνος χρήσης του κινητού τηλεφώνου και ο χρόνος υπέρβασης του ορίου ταχύτητας. Ακόμα, αναπτύσσονται μοντέλα μηχανικής μάθησης για τον προσδιορισμό διακριτών προφίλ οδήγησης που βασίζονται στη χρονική εξέλιξη της οδηγικής επίδοσης. Η προτεινόμενη μεθοδολογική προσέγγιση εφαρμόζεται σε πραγματικά δεδομένα οδήγησης ευρείας κλίμακας που συλλέγονται από έξυπνες συσκευές κινητών τηλεφώνων (smartphones), τα οποία αναλύονται μέσω στατιστικών μεθόδων για τον προσδιορισμό της απαιτούμενης ποσότητας δεδομένων οδήγησης που θα χρησιμοποιηθούν στην ανάλυση. Τα αποτελέσματα δείχνουν ότι ο βελτιστοποιημένος αλγόριθμος convex hull – DEA δίνει εξίσου ακριβή και ταχύτερα αποτελέσματα σε σχέση με τις κλασικές προσεγγίσεις της DEA. Ακόμα, η μεθοδολογία επιτρέπει τον προσδιορισμό των λιγότερο αποδοτικών ταξιδιών σε μια βάση δεδομένων καθώς και το αποδοτικό επίπεδο οδηγικών στοιχείων ενός ταξιδιού για να καταστεί αποδοτικότερη από την άποψη της ασφάλειας. Η περαιτέρω ομάδοποίηση των οδηγών με βάση της απόδοσή τους σε βάθος χρόνου οδηγεί στον εντοπισμό τριών ομάδων οδηγών, αυτή του μέσου οδηγού, του ασταθή οδηγού και του λιγότερο επικίνδυνου οδηγού. Τα αποτελέσματα δείχνουν ότι η εκ των προτέρων γνώση σχετικά με το ιστορικό ατυχημάτων του χρήστη φαίνεται να επηρεάζουν μόνο τη σύσταση της δεύτερης συστάδας των πιο ασταθών οδηγών, η οποία ενσωματώνει τους οδηγούς που είναι λιγότερο αποδοτικοί και ασταθής ως προς την ασφάλεια. Φαίνεται επίσης ότι η χρήση κινητών τηλεφώνων δεν αποτελεί κρίσιμο παράγοντα για τον καθορισμό της επίδοσης της ασφάλειας ενός οδηγού, καθώς διαπιστώθηκαν μικρές διαφορές σε σχέση με αυτό το χαρακτηριστική οδήγησης μεταξύ οδηγών διαφορετικών κατηγοριών επίδοσης. Επιπλέον, δείχνεται ότι απαιτείται μια διαφορετική δειγματοληψίας δεδομένων οδήγησης για κάθε α) οδικό τύπο, β) χαρακτηριστικό οδήγησης και γ) οδηγική επιθετικότητα για να συγκεντρωθούν αρκετά δεδομένα και να αποκτηθεί μια σαφής εικόνα της οδηγικής συμπεριφοράς και να εκτελεστεί ανάλυση με χρήση DEA. Τα αποτελέσματα θα μπορούσαν να αξιοποιηθούν για την παροχή εξατομικευμένης ανατροφοδότησης στους οδηγούς σχετικά με τη συνολική τους οδηγική επίδοση και την εξέλιξή της, προκειμένου να βελτιωθεί και να μειωθεί ο κίνδυνος ατυχήματος.

Sign in / Sign up

Export Citation Format

Share Document