공급업체평가를 위한 DEA 모형의 확장

평가를 위한 DEA 의 확장 A Study on an Augmented DEA for Supplier Evaluation 이 정 호, 류 춘 호 Joungho Lee, Choonho Ryu 홍익대학교 경영연구소, 홍익대학교 경영학부 Abstract 본 연구는 선정의 중요성, 선정을 위한 다양한 방법론들, 그리고 선 정을 위한 평가항목들을 기술한 후, 효율적인 공급 업체를 선정하기 위한 방법론으로서 새롭게 수정하 고 확장한 DEA 을 제안한다. 또한, 몇몇 DEA 의 확장 들을 중심으로 DEA에 대하여 논의하 고, 이에 따라 DEA의 장점과 단점을 논의함으로 써, DEA의 낮은 판별력 그리고 효율성 측면에서 들의 순위를 평가하는 데 있어서 DEA의 제한적 능력을 제거할 수 있는 새로운 접근방법을 설명한다. 의 평가를 위해 다양한 평가항 목들로 구성된 사례분석을 실시함으로써 본 연구에 서 새롭게 제안한 접근방법을 분석하였다. 그 결과 가 교차효율성방법(cross-efficiency method) 및 초 효율성방법(super-efficiency method) 에 의한 결과 와 일치하는 것으로 나타났다. 1. 서론 오늘날 제조환경의 경쟁이 보다 치열해짐에 따 라 시장의 새로운 요구조건이 매우 빠르게 증가하 고 있는 반면 개별 기업들이 이와 같은 요구조건들 을 처리하기 위한 필수적인 기술과 경쟁역량을 모 두 보유하고 있지 못하기 때문에, 기업들은 핵심역 량에 초점을 맞추면서 핵심적이지 않은 부가적인 활동에 대해서는 외주를 하고 있는데, 이에 따라 기업들의 에 대한 의존관계가 높아지고 있 다. 결과적으로 최근의 조직전략 중 하나인 가상기 업(virtual enterprise) 이 산업 내에서 출현하게 되 었다. 단일 조직으로는 결코 도달할 수 없는 특정 목표를 함께 달성하기 위하여 기업들은 자사의 특 정 전문 분야와 다른 파트너 기업의 보완적 분야를 조합함으로써 가상기업을 구성한다. 에 대 한 의존도가 높아질수록 효과적인 의 선택 에 대한 요구가 증가한다. 더구나, 자금의 총회전율 (total turnover) 중 구매율이 일반적으로 50~90% 를 차지하고 있기 때문에(Telgen, 1994), 구매관련 전략 및 운영에 관한 의사결정이 수익성의 주요 결 정요인이 되고 있다. 대부분의 조직들은 현실적으로 기반 (supplier base)을 감소시키면서 한편으로는 공급업 체와의 관계를 효과적으로 관리하고 하기 위하여 효과적인 선정 시스템을 활용하고 있다 (Tully, 1995). 이에 따라 의 선정에 관한 의사결정을 지원하는 다양한 과 기법들이 개발 되고 있다. Weber et al.(1991) 은 과거 25년에 걸쳐 연구되고 있는 의 선정과 관련한 기본적인 과 기법을 조사하였는데, 이를 통해 그들은 대 다수의 이 선형가중(linear weighting model)이었으며 몇몇 은 경제적 주문량 (Economical Order Quantity; EOQ) 또는 확률 (probabilistic model)과 같은 수리적 이었음을 확인하였다. 1991 년 이후 계층분석기법(Analytic Hierarchy Process, Barbarosoglu, 1997; Nydick et al., 1992), 전문가시스템(Expert System, Robert and Vokurka, 1996), 다목적계획법(Multi-objective Programming, Weber et al., 1993), 총소유비용기법 (Total Cost of Ownership, Ellram, 1995), 통계적 분석기법(Statistical Analysis, Mummalaneni et al., 1996), 상위기법(Outranking Method, Luitzen et al., 1998), 설명적구조(Interpretative Structure Modeling, Mandal and Deshmukh, 1994), 이산적 선택분석실험법(Discrete Choice Analysis Experiment, Verma and Pullman, 1998) 등과 같은 다양한 기법들이 출현하였다. 본 연구는 선정을 위한 이와 같은 다 양한 및 기법들 중 자료포락분석(Data Envelopment Analysis; DEA) 에 초점을 맞추는데, 이 접근방법은 다수의 투입변수들과 산출변수들로 인하여 그 비교가 어려운 들의 상대적 성 과를 측정할 수 있다. 둘째, DEA는 특히 정량적 및 정성적 평가항목에 따른 들의 효율성을 분석하는 데 적합하며, 이는 들로 하여금 역할모델을 벤치마킹할 수 있도록 한다. DEA 의 추가적 장점은 들의 생산성을 평가할

수 있다는 것이며, 이는 현재 점점 더 중요한 요인 이 되고 있다. Narsimhan et al.(2001) 이 밝힌 바와 같이, 상당한 양의 자원을 활용함으로써 높은 수준 의 성과에 도달한 는 비효율적이다. 전략 적인 측면에서 기업은 좋은 성과와 높은 효율성을 지닌 를 선정하는 경향이 있다. 그러나 DEA 가 선정을 위한 이지만,DEA의 기본 은 들의 효율성을 판별하고 순위 를 평가하는 것을 고려하지 않는다. 또한 DEA는 내 비제한적 가중치 유연성문제(unrestricted weight flexibility problem)로 인하여 실제로는 비 효율적인 가 효율적인 보다 과대 평가될 가능성이 있다. 이에 따라 본 연구는 효과 적인 선정을 위하여 DEA를 어떻게 개선 할 것인가를 중심 주제로서 분석하고 한다. 본 연구는 중심 주제로서 DEA 의 확장이 라는 새로운 접근방법을 제안하는 것을 목적으로 한다. 본 연구의 의의는 다음과 같다. 첫째, 본 연 구는 가상의 최고(virtual best) 를 도입 함으로써 확장된 DEA가 들의 효율성을 판별하는 데 상대적으로 효과적임을 보인다. 둘째, 본 연구는 자료집합으로부터 도출된 가중치 제한식 (weight constraint)들을 도입함으로써 투입 및 산 출 요소들에 대한 가중치의 부적합 가능성을 감소 시킨다. 셋째, 본 연구는 실제 특정 산업 내에서 수 집한 자료를 기반으로 확장된 DEA와 교차효율성 및 초효율성의 순위를 비교함으로써 확장된 DEA 의 효과성을 명확히 제시한다. 2. DEA의 기본 과 확장 프론티어 분석(frontier analysis) 이라고 명명되 기도 하는 DEA는 Charnes, Cooper, and Rhodes에 의해 처음으로 연구되었다. DEA는 성과측정기법일 뿐만 아니라 조직 내 의사결정단위(Decision Making Unit; DMU)들의 상대적 효율성을 평가하 는 데 이용될 수 있다. DEA가 적용될 수 있는 의 사결정단위의 예로는 은행, 경찰서, 병원, 세무서, 교도소, 학교, 대학 학부, 국방부문 등이 있다. 2.1 DEA의 기본 DEA는 다수의 투입변수들 및 산출변수들로 인하여 그 비교가 어려운 의사결정단위들의 상대적 성과를 측정하기 위하여 선형계획법을 기반으로 하 는 접근방법이다. DEA는 조직 내에서 의사결정단 위들의 효율성의 수준을 판별할 수 있는 계산방법 을 제공한다. 특정 의사결정단위의 효율성은 조직 내 최대 운영성과에 대하여 상대적으로 산출된다. 산출 효율성 투입 다수의 투입변수들과 산출변수들을 고려하는 경우, 상대적 효율성에 대한 일반적 측정은 다음과 같다. 산출변수들의 가중합계 효율성 투입변수들의 가중합계 각 의사결정단위는 다음과 같은 제약조건으로 자신의 효율성을 최대화하도록 하는 가중치들을 선 택한다. 첫째, 어떤 의사결정단위도 1보다 큰 효율 성 값을 가질 수 없다. 둘째, 모든 가중치는 0보다 크다. 예를 들어, 첫 번째 의사결정단위 DMU 1에 대하여 산출지향(output-oriented) DEA 을 정 식화하면 다음과 같다. 여기서, ; 산출변수 r의 가중치 ; 투입변수 i의 가중치 ; 의사결정단위 가 산출한 산출변수 의 양 ; 의사결정단위 가 투입한 투입변수 의 양 ; 산출변수의 수 ; 투입변수의 수 ; 의사결정단위의 수 ; 매우 작은 양수 위의 은 비선형 이지만, 이 은 다 음과 같이 선형화될 수 있다. 따라서, DEA의 방법론은 가장 유리한 가중치 집합(set of weights), 즉 모든 의사결정단위들의 효율성은 각각에 대하여 1이하라는 제약조건에서

의사결정단위의 효율성 순위를 최대로 하는 가중치 들을 찾는 것이다. DEA는 다수의 투입 및 산출 변 수들을 쉽게 통합하고 구체화할 수 있으며, 전체적 효율성(overall efficiency) 과 기술적 효율성 (technical efficiency) 을 평가할 수 있고, 특히 다수 의 투입 및 산출 변수들을 평가액으로 할당하는 것 이 어렵거나 불가능한 정성적 요인들을 지닌 의사 결정단위들의 효율성을 분석하는 데 적절하다 (Blake, 2000; Ramnathan, 2000). 또한 DEA는 비 효율적인 의사결정단위에게 다른 의사결정단위들의 효율성을 확인시킴으로써 그 조직이 운영성과를 개 선시킬 수 있는 방법에 있어서 목표로 삼을 수 있 는 잠재적 역할 모델들을 제공하는데, 이는 DEA가 잠재적으로 벤치마킹을 위한 유용한 도구가 될 수 있을 뿐만 아니라 조직의 실행프로그램을 변화시킬 수 있는 방법이라는 것을 보여주는 것이다. 그러나 이와 같은 장점과 달리 DEA는 몇 가 지 단점을 가지고 있다. DEA의 기본 은 매우 낮은 판별력을 나타낸다(Marcello and Petroni, 2000). DEA의 선형은 완전가중치유연성 (complete weight flexibility) 이 가능하도록 하는데, 이는 특정 의사결정단위로 하여금 자신이 효율적으 로 판정되도록 극단적으로 비현실적인 가중치를 설 계할 수 있도록 하는 결과를 가져온다. 이와 같은 의사결정단위들은 몇몇 강점을 가지는 특정 투입물 과 산출물을 고평가하고 그 외의 투입물과 산출물 의 경우는 완전히 무시함으로써 상대적 효율성 값 (relative efficiency score) 1을 획득하여 실제로는 그렇지 않음에도 불구하고 효율성을 지닌 의사결정 단위가 될 수 있다. 이러한 형태의 의사결정단위는 몇몇 투입변수 및 산출변수의 측면에서는 만족할 정도로 운영되고 있지만 전체적으로 탁월한 성과를 얻고 있다고 볼 수 없다. 따라서 단순히 DEA의 기 본 의 효율성 척도만을 이용하여 의사결정단위 들의 성과를 분석하는 것은 충분하다고 할 수 없 다. 이와 같은 문제점을 해결하기 위하여 DEA를 확장하는 연구들이 진행되어 왔다. 예를 들어, Sexton et al.(1986) 은 교차평가행렬(cross- evaluation matrix) 을 개발함으로써 DEA에 순위의 문제를 포함시켰다. Anderson and Peterson(1993) 은 초효율성방법(super-efficiency method) 을 개발 하였는데, 이는 쌍대선형계획법(dual linear program)으로부터 산출된 효율성 값을 갖는 의사 결정단위를 배제한 후 파레토 프론티어(Pareto Frontier)에서의 변화를 분석함으로써 의사결정단위 의 순위를 결정하는 기법이다. 2.2 교차효율성 교차평가행렬은 Sexton et al.(1986) 에 의하여 처음으로 개발되었으며, 이는 DEA에 순위의 문제 를 포함시키고 있다. Doyle and Green(1994) 은 의 사결정자들이 효율성 보증영역(assurance region) 을 선택할 수 있는 합리적 절차를 항상 가지는 것은 아니므로, 의사결정단위들의 순위를 평가하는 데 있어서 교차평가행렬의 활용을 적극적으로 제안하 고 있다. n 개의 의사결정단위가 주어져 있을 때, 교 차효율성방법은 n개의 선형계획에 의해 산출된 최적 가중치들을 이용하여 각 의사결정단위의 효율 성을 n 회 계산한다. 예를 들어, 첫 번째 의사결정단 위 DMU 1에 대한 효율성은 다음과 같이 산출된다. 여기서, 는 의사결정단위 에 대하여 산출된 최 적 가중치들에 의한 DEA에서 의사결정단위 DMU 1 에 주어진 평가점수를 나타낸다. 모든 DEA에 의한 교차효율성점수들의 결과는 < 그림 1> 에서 보는 바 와 같은 교차효율성행렬로 정리될 수 있다. 의사결정단위 DMU 1 DMU 2 DMUn DMU 1 DMU 2 DMUn 평균교차효율성 < 그림 1> 교차효율성행렬 행렬 내 모든 원소는 0과 1 사이의 값, 즉 을 나타내며, 대각선에 있는 원소 ( ) 는 기본 DEA 의 효율성을 나타낸 다. DMU j에 대한 교차효율성은 ( ) 의 평균이며, 이는 모든 의사결정단위들의 순위를 평 가하는 데 이용된다. 마지막으로, Doyle and Green(1994)은 특정 의사결정단위의 효율성 값과 다른 의사결정단위의 효율성 값의 범위 내에서 산 출되는 개별지수(maverick index) 를 개발하였는데, 이는 다음과 같은 등식으로 얻어질 수 있다. 여기서, Doyle and Green(1994) 은 값이 클수록 특정 의사결정단위를 점점 더 독자적인 단위로 고 려할 수 있으며, 이에 따라 이 지수가 벤치마킹프 로세스와 연계될 수 있다고 주장하고 있다. 2.3 초효율성 순위기법 Andersen and Petersen(1993)은 효율적인 의 사결정단위들의 순위를 평가하기 위한 초효율성 순 위기법(super efficiency ranking technique) 을 개발 하였다. 이 기법의 기본적 개념은 평가 중인 특정

의사결정단위를 그 외 의사결정단위들의 선형조합 (linear combination) 과 비교하는 것인데, 이는 평가 중인 특정 의사결정단위의 배제를 의미한다. 이 방 법론은 효율적인 의사결정단위 k로 하여금 정식화 된 내에서 k번째 제약식을 제거시킴으로써 1 이상의 효율성 값을 얻을 수 있도록 한다. 예를 들 어, 초효율성에서 첫 번째 의사결정단위 DMU 1 에 대한 효율성은 다음과 같이 산출된다. 효율성 값은 평가 중인 특정 의사결정단위로부 터 그 외의 의사결정단위들에서 추정된 효율프론티 어(efficient frontier) 까지의 방사거리(radial distance) 를 반영한다. 이와 같은 접근방법은 비효 율적 의사결정단위의 순위를 분석하는 것과 마찬가 지로 효율적 의사결정단위의 효율성에 대한 순위를 제공하는데, 이에 따라 Andersen and Petersen(1993) 은 DEA의 판별력을 증가시킬 수 있 었다. 2.4 평가를 위한 DEA 확장 DEA가 평가 및 벤치마킹 프로세스에서 높은 관심을 받고 있다. 그러나 DEA 는 낮은 판별력으로 말미암아 실제 산업에서 심층 적인 적용에 어려움을 겪는다. 비록 앞서 논의한 DEA에 대한 확장 들이 DEA의 성과를 향상시 킨다고 할지라도 각 은 단점을 지니고 있다 (Nicole, et al., 2002). 교차효율성(cross- efficiency model)의 경우 가중치들이 모든 의사결 정단위들에게 동일하게 이용되기 때문에 효율성 평 가는 승수 가중치(multiplier weight) 와의 연계를 감소시킨다. 또한 만약 최적 가중치들이 유일하지 않다면, 공격적 또는 호의적 2 차 목표(aggressive or benevolent secondary goal)들처럼 가중치가 최 적해들로부터 선택되도록 목표계획법을 적용해야 한다(Sexton et al., 1986). 더구나 만약 평가할 공 급업체의 수가 증가하면, 교차효율성행렬(cross- efficiency matrix)의 계산 부담이 극단적으로 증가 한다. 초효율성순위(super-efficiency ranking model) 의 경우 특정화된(specialized) 의사결정단 위에게 과도한 높은 순위를 부여할 수 있다. 가중 치에 대한 특정 범위는 이와 같은 극단적인 국부적 효과(point effect) 가 제한되도록 결정되는데, 이는 다른 한편으로 평가프로세스에서의 주관성을 유인 한다. 더구나 이는 효율성 점수가 0이상 1이하라는 DEA 의 제약조건을 벗어난다. 따라서 본 연구 는 현재의 DEA 들을 개선시킴으로써 DEA의 사용자와 평가시스템으로 하여금 복잡성에 대한 부 담이 없이 효과적인 방법으로 들을 평가할 수 있는 새롭게 확장한 DEA 을 개발하는 것 을 목적으로 한다. 3. DEA 의 확장과 평가 3.1 DEA 의 확장 본 연구의 은 기반에서 가상의 최고 (virtual best supplier) 라 명명한 새 로운 의 도입을 기초로 한다. 가상의 최고 는 기반으로부터 최고의 평가항 목 값을 선택함으로써 만들어진다. 즉, 산출변수들 의 경우 그 값이 클수록 보다 좋은 것이며, 이에 따라 각 산출변수의 평가항목에 대하여 최대값 또 는 최고평점이 선택되고, 이는 특정 평가항목에 대 한 가상의 최고 의 산출변수의 값 또는 평 점으로서 고려된다. 이와 동일한 연장선상에서 투 입변수들의 경우 그 값이 작을수록 보다 좋은 것이 며, 이에 따라 각 투입변수의 평가항목에 대하여 최소값 또는 최저평점이 선택되고, 이는 가상의 최 고 의 투입변수의 값 또는 평점으로 간주 된다. 따라서 가상의 최고 는 높은 산출량 및 가장 적은 투입량과 함께 전체적으로 최상의 성 과를 가지며 현재의 기반으로부터 산출된 다. 물론 이와 같은 투입변수들과 산출변수들의 조 합은 실제적으로는 어떤 들에게도 불가능 할 것이다. 그러나 이러한 가상의 최고 의 추가는 DEA 의 효율프론티어(efficient frontier) 를 변화시키며 이에 따라 DEA의 기본 모 형의 판별력을 증가시킨다. 본 연구에서 제안하는 DEA의 확장 은 각 에 대하여 앞서 기술한 바와 같은 가상의 최고 를 DEA의 선형계획에 추가함으로써 개발된다. 각 공급업 체의 효율성은 가상의 최고 의 효율프론티 어 측면에서 획득되는데, 이것이 의 순위 를 평가하는 데 이용된다. DEA 의 선형은 완전가중치유연성(complete weight flexibility)이 가능하도록 하고 이는 특정 의사결정단위로 하여금 자신이 효율적으로 판정되 도록 극단적으로 비현실적인 가중치를 설계할 수 있도록 하는 결과를 가져올 수 있기 때문에, 본 연 구의 확장된 DEA 은 가중치에 대한 제약조건 식들을 도입한다. 이와 같은 제약조건식들은 공급 업체들의 평가항목들에 대한 값들로부터 다음과 같 이 정식화될 수 있다. (1) 산출변수들 사이의 제약조건식:

(2) 투입변수들 사이의 제약조건식: (3) 투입변수들과 산출변수들 사이의 제약조건식:, 여기서, 는 기반에서 평가항목의 최 대값( 또는 ) 과 최소값( 또는 ) 의 차이를 나타낸다. 전체 () 개의 평가항목에 대하여 개의 제약조건식이 추가되었다. 이와 같은 제약조건식들이 추가됨으로써 가중치유 연성이 통제되며, 실제로는 그렇지 않음에도 불구 하고 높은 효율성을 지닌 로의 변화가 감 소된다. 이에 따라 본 연구에서 제안하는 수리적 을 첫 번째 의사결정단위 DMU 1에 적용하여 정식 화하면 다음과 같다. ( 가상의 최고 ), 여기서, 는 기반 ( ) 에서 산출 평가항목 의 최대값이며 는 기반 ( ) 에서 투입 평가항목 의 최소값을 나 타내며, 이는 가상의 최고 에 대한 투입요 소 및 산출요소를 형성한다. 모든 들의 효 율성들은 위와 같이 본 연구에서 제안한 수리적 모 형을 이용하여 계산되며 이에 따라 의 효 율성 순위가 평가된다. 3.2 자료수집 및 평가항목 조직의 구매의사결정에 관한 최근의 연구들은 와의 협력관계뿐만 아니라 선정 을 위한 평가항목들이 구매자 성과의 향상을 유인 한다는 실증적 증거를 보여주고 있다(Vonderembse and Tracey, 1999). 의 선정에 있어서 전 통적인 평가항목은 가격, 품질 그리고 인도시간이 다. Vonderembse and Tracey(1999) 는 조직이 공급 업체를 선정하기 위하여 이용하는 평가항목들을 연 구하였다. 그들은 구매관련 문헌들로부터 잠재적 들을 평가할 때 중요하게 고려될 수 있는 23 개 요인들을 발견하였으며, 이를 선정 을 위한 평가항목의 분석에 이용하였다. 이 요인들 중에는 가격, 품질, 인도시간과 같은 전통적인 평가 항목 외에 생산 설비 및 능력과 지리적 위치가 포 함되어 있다. 비록 조직의 관리자들이 품질이 가장 중요한 의 속성이라고 하지만, 그들은 실 제적으로는 비용 및 인도성과를 주요 기반으로 하 여 를 선정하고 있다(Verma and Pullman, 1998). 본 연구의 분석은 국내외 자동차 제조업체들에 게 다수의 부품들을 제공하고 있는 글로벌 기업으 로부터 수집한 자료를 기반으로 한다. 이 기업은 국내에 본사 및 제조공장을 두고 있을 뿐만 아니라 중국 및 인도에도 현지공장을 운영하고 있다. 본 연구는 그 기업의 구매부서가 선정 프로 세스에서 중요하게 고려하는 다양한 변수들에 대한 자료들을 획득하였다. 이 중 본 연구가 분석을 위 해 고려하는 변수들은 품질(Quality; Q), 인도성과 (Delivery Performance; DP), 가격(Price; P), 지리 적 위치(Geographical Location; GL), 종업원의 수 (Number of Employees; NE), 설비가동률(Capacity Utilization; CU), 그리고 다양성(Supplier Variety; SV) 등이다. 일반적으로 부품의 품질은 구매부서에게 가장 중요한 평가항목이며, 이는 본 연구의 에서 산출변수로서 고려된다. 품질은 지난 12개월 동안 인도된 부품들 중 구매부서에 의 하여 수용된 부품의 비율을 기반으로 측정된다. 가 격은 가 제공하는 부품의 단위당 비용이 다. 본 연구는 가격을 산출변수로서 고려하는 데, 이는 가 효율적인 방법과 최상의 운영을 통하여 도달하게 되는 성과로서 부품의 가격을 이 해할 수 있기 때문이다. 이에 따라 가격의 경우 효 율성 측정식에서 분자에 해당되기 때문에, 본 연구 의 분석에서는 가격의 역수를 이용한다. 산출변수 로서 고려되는 인도성과는 지난 12개월 동안 공급 업체에 의한 인도의 비율로써 측정된다. 다양성은 가 제공하는 부품의 수로써 측정 되는데, 이는 특정 의 유연성(flexibility) 을 나타내기 때문에 산출변수로서 고려된다. 본 연구 의 에서 고려하는 투입변수에는 지리적 위치와 종업원의 수가 포함되는데, 이 중 지리적 위치는 잠재적으로 수송비용에 영향을 미치며 종업원의 수

는 의 규모를 나타낸다. 본 연구는 다음의 < 표 1> 에서 정리한 바와 같이 들에 대한 이와 같은 평가항목들의 값들을 표준화하였으며, 이를 의 분석에 이용하였다. 공급 업체 < 표 1> 자료 산출변수 투입변수 Q DP CU P SV NE GL S1 0.4285 0.980 0.960 0.0715 0.6667 0.1742 0.0207 S2 0.7143 0.991 0.985 0.1173 1.0000 0.4261 0.0190 S3 0.8571 0.980 0.950 0.7105 1.0000 0.1716 0.0051 S4 1.0000 0.999 0.980 1.0000 0.6667 0.8796 0.1724 S5 0.6428 0.985 0.980 0.1801 0.6667 0.0765 0.0057 S6 0.4310 0.980 0.900 0.1801 1.0000 0.1774 0.0198 S7 0.2585 0.995 0.987 0.8992 0.6667 0.7645 1.0000 S8 0.9286 0.980 0.970 0.2111 0.8330 0.1851 0.0215 S9 0.4000 0.990 0.944 0.2124 0.6667 0.0660 0.0048 S10 0.3448 0.990 0.980 0.9520 0.6667 0.8137 0.3201 4. 사례 분석 본 연구는 분석대상 기업의 들을 평가 하기 위하여 < 표 1> 의 자료를 제안된 DEA의 확 장 에 적용한다. 본 연구의 사례분석에서 10개 를 평가하기 위하여 DEA의 확장을 적용하였으며, 이에 따른 결과를 교차효율성 및 초효율성과 비교하였다. < 표 2> 는 이와 같 은 비교분석의 결과들을 정리한 것이다. < 표 2> 개별 에 대한 결과 비교 순위 확장된 DEA 교차효율성 초효율성 1 S9 S9 S3 2 S3 S5 S5 3 S5 S3 S9 4 S6 S8 S8 5 S1 S6 S6 6 S8 S1 S1 7 S2 S2 S2 8 S4 S4 S7 9 S10 S10 S10 10 S7 S7 S4 본 연구가 제안한 확장된 DEA 을 적용한 결과, S9의 효율성 순위가 가장 높은 반 면 S7은 효율성 순위가 가장 낮은 것으 로 나타났다. 또한 교차효율성에서 역시 공급 업체 S9 의 효율성 순위가 가장 높은 것으로, 그리 고 S7의 효율성 순위가 가장 낮은 것으 로 나타났다. 그러나 초효율성의 경우 공급업 체 S3의 효율성 순위가 가장 높고 S4의 효율성 순위가 가장 낮다는 결과를 보여주고 있다. 이는 사례분석을 위해 사용된 자료들에서 존재하는 변수값에 대한 분산때문이며, 더구나 교차효율성모 형이 균형된 평가를 제공하는 반면 초효율성은 개개의 각 을 수정하는 데 초점을 맞추기 때문 이다. 이에 따라 본 연구는 < 표 3> 에서 보는 바와 같이 사례분석에서 적용한 DEA 의 각, 즉 본 연구의 확장된, 교차효율성, 초효율성 의 각 결과에서 효율성 상위의 3개와 효 율성 하위의 3개를 분류하여 재정리하였 다. < 표 3> 분류 에 대한 결과 비교 분류 상위 3개 하위 3개 확장된 DEA 교차효율성 초효율성 S9, S3, S5 S9, S5, S3 S3, S5, S9 S4, S10, S7 S4, S10, S7 S7, S10, S4 < 표 3> 에서 보는 바와 같이, 3개의 모두 가 기반에서 효율성 상위의 3개 와 하위의 3개를 선정하였을 때 일치된 결과를 보여준다. 이는 본 연구에서 제안한 확장된 DEA 이 교차효율성 및 초효율성과 같은 DEA의 확장 과 마찬가지로 를 평가하는 데 있어서 조력자의 역할을 수행할 수 있 음을 보여주는 것이다. 5. 결론 및 향후 연구과제 본 연구는 의 평가를 위한 DEA 을 새롭게 확장하고 개발하였다. 본 연구의 접근방 법은 구매관리자가 기반을 효과적으로 가 소시키는 전략을 수행하는 데 있어서 새로운 의사 결정방법을 제공한다. 본 연구의 확장된 DEA 은 가상의 최고 를 도입함으로써 효율적인 를 판별하는 능력을 강화시킬 수 있었으 며, 자료들로부터 산출되는 가중치 제약조건식들을 도입함으로써 특정 의사결정단위가 투입변수 및 산 출변수에 대하여 비적절한 가중치를 갖는 것을 감 소시킬 수 있었다. 또한 본 연구는 사례분석을 이 용하여 특정 자동차 부품업체로부터 획득한 산업자 료를 확장된 DEA 에 적용함으로써 이와 같은 결과를 확인할 수 있었다. 그러나 본 연구의 확장 된 DEA 이 평가에 대한 충분한 가 능성을 보여주고 있지만 다음과 같은 추가적인 심 층연구가 필요한 것도 사실이다. 첫째, 본 연구가 제안한 의 적용가능성을 확인하고 타당성을 입 증하기 위하여 보다 다양한 산업자료를 이용한 실 증분석이 필요하다. 둘째, 본 연구의 확장된 DEA 의 교차효율성에 대한 한 가지 장점은 계 산복잡성이 상대적으로 적다는 것이다. 이 역시 다

양한 실험연구들에 의하여 확인될 필요가 있다. 본 연구에서 분석한 3개의 은 개별 에 대 한 비교보다는 분류 들에 대한 비교에서 일치된 결과를 보이고 있는데, 이에 따라 어떤 요 인이 이와 같은 결과에 영향을 미치는지 그리고 영 향의 정도는 어느 정도인지를 설명하기 위한 심층 적인 분석 역시 이루어져야 한다. 참고문헌 Adler, N., L. Friedman and Z. Sinuany-Stern (2002), Review of Ranking Methods in the Data Envelopment Analysis Context, European Journal of Operational Research, Vol. 140, 249-265. Andersen, P. and N. C. Petersen (1993), A Procedure for Ranking Efficient Units in Data Envelopment Analysis, Management Science, Vol. 39, No. 10, 1261-1294. Barbarosoglu, G. and T. Yazgac (1997), An Application of the Analytic Hierarchy Process to the Supplier Selection Problem, Production and Inventory Management Journal, Vol. 38, 15-21. Braglia, M. and A. Petroni (2000), A Quality Assurance-oriented Methodology for Handling Trade-offs in Supplier Selection, International Journal of Physical Distribution & Logistics Management, Vol. 30, No. 2, 96-111. Charnes, A., W. W. Cooper and E. Rhodes (1978), Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, Vol. 2, 429-444. Choi, T. Y. and J. L. Hartley (1996), An Exploration of Supplier Selection Practices across Supply Chain, Journal of Operations Management, Vol. 14, 333-343. Doyle, J. R. and R. Green (1994), Efficiency and Cross-efficiency in Data Envelopment Analysis: Derivatives, Meanings, and Uses, Journal of the Operational Research Society, Vol. 45, No. 5, 567-578. Ellram, L. M. (1995), Total Cost of Ownership: An Analysis Approach for Purchasing, International Journal of Physical Distribution & Logistics Management, Vol. 25, No. 8, 4-23. Luitzen, B., L. Wegen and J. Telgen (1998), Outranking Methods in Support of Supplier Selection, European Journal of Purchasing & Supply Management, Vol. 4, 109-118. Mandal, A. and S. G. Deshmukh (1994), Vendor Selection Using Interpretative Structural Modeling (ISM), International Journal of Operations & Production Management, Vol. 14, No. 6, 52-59. Narasimhan, R., S. Talluri and D. Mendex, Supplier Evaluation and Rationalization via Data Envelopment Analysis: An Empirical Examination, Journal of Supply Chain Management, Vol. 37, No. 3, 28-37. Nydick, R. L. and R. P. Hill (1992), Using the Analytic Hierarchy Process to Structure the Supplier Selection Procedure, International Journal of Purchasing and Materials Management, Vol. 28, No. 2, 31-36. Sexton, T. R., R. H. Silkman and A. J. Hogan (1986), Data Envelopment Analysis: Critique and Extension, in Measuring Efficiency: An Assessment of Data Envelopment Analysis, New Directions for Program Evaluation, Silkman, R. H. (ed.), Jossey Bass, San Francisco. Siying, W., Z. Jinlong and L. Zhicheng (1997), A Supplier-selecting System Using a Neural Network, IEEE International Conference on Intelligent Processing Systems, IEEE, New York, 468-471. Torgersen, A. M., F. R. Forsund and S. A. C. Kittelsen (1996), Slack-adjusted Efficiency Measures and Ranking of Efficient Units, The Journal of Productivity Analysis, Vol. 7, 379-398. Verma, R. and M. E. Pullman (1998), An Analysis of the Supplier Selection Process, Omega, Vol. 26, No. 6, 739-750. Vokurka, R. J., J. Choobineh and L. Vadi (1996), A Prototype Expert System for the Evaluation and Selection of Potential Suppliers, International Journal of Operations & Production Management, Vol. 16, No. 12, 106-127. Vonderembse, M. A. and M. Tracey (1999), The Impact of Supplier Selection Criteria and Supplier Involvement on Manufacturing Performance, Journal of Supply Chain Management, Vol. 35, No. 3, 33-39. Weber, C. A., J. R. Current and W. C. Benton (1991), Vendor Selection Criteria and Methods, European Journal of Operational Research, Vol. 50, 2-18. Weber, C. A. and L. M. Ellram (1993), Supplier Selection Using Multi-objective Programming: A Decision Support System Approach, International Journal of Physical Distribution & Logistics Management, Vol. 23, No. 2, 3-14.