The Development of Rental Car Efficiency using Two-Phase Technique
Keywords:
Efficiency evaluation, Hierarchical clustering, Data envelopment analysis, Undesirable factorAbstract
The objective of this research is to develop two phase technique for evaluating the efficiency of rental car usage; this technique consists of data envelopment analysis (DEA) when undesirable factors exist, and hierarchical clustering analysis (HCA). The used data were taken from the information systems of 104 government agencies and car rental companies. It consists of the cost of car rentals, the entire active distance and the cost of maintenance as a desirable factor, and the cost of car repairing after accident as an undesirable factor. When undesirable factor exists, all mentioned data were firstly evaluated by DEA with additive inverse method (ADD) and the evaluated data were further grouped by hierarchical clustering analysis. It is considerate that data grouping by using characteristics of evaluated data criterion is more effective than those using the judgment by the assessor. The results indicated that two phase technique for the efficient evaluation is able to calculate and cluster the efficiency scores on the use of rental vehicle in government agencies into three levels. These three levels include low performance scores group (0.0000-0.4447) moderate performance scores group (0.4608-0.7993) and high performance scores group (0.9475-1.0000). This efficiency data could be used for decision-making in the policy development to allocate the rental car usage for decision making unit (DMU) efficiently and worthwhile.
References
[2] Charnes A, Cooper WW,Rhodes E. Measurement the efficiency of decision making units. European Journal of Operational Research. 1978; 2:429-444.
[3] Dalvand B, Lotfi FH, Jahanshahloo GR. Performance assessment of decision making units in different levels using a hierarchical clustering DEA method. Helix. 2017; 8:1451-1455.
[4] Koopmans TC. Activity Analysis of Production and Allocation. New York: Wiley; 1951.
[5] Djordjevic B, Krmac E, Mlinaric TJ. Non-radial DEA model: A new approach to evaluation of safety at railway level crossings. Safety Science. 2018; 103:234-246.
[6] Chen CM. A network-DEA model with new efficiency measure to incorporate the dynamic effect in production networks. Eur J Oper Res. 2009; 194(3):687–699.
[7] Fare R, Grosskopf S, Lindgren B, et al. Productivity developments in Swedish hospitals: A Malmquist output index approach. In: Charnes A, Cooper WW, Lewin A, Seiford L, editors. Data envelopment analysis: theory, methodology and applications. Boston: Kluwer Academic; 1994. P. 253-272.
[8] Bessent AM, Bessent EW. Determining the Comparative Efficiency of Schools Through Data Envelopment Analysis. Educ Admin Q. 1980; 16(2): 57-75.
[9] Banker RD. Studies in Cost Allocation and Efficiency Evaluation [dissertation]. Boston: Graduate School of Business Administration Harvard University; 1980.
[10] Charnes A, Cooper WW. Auditing and Accounting for Program Efficiency and Management Efficiency in Not-For-Profit Entities. Account Org Soc. 1980; 5(1):87-107.
[11] Charnes A, Clark CT, Cooper WW, et al. A developmental study of Data Envelopment Analysis in measuring the efficiency of maintenance units in the U.S. Air Forces. Research Report. Texas: The University of Texas; 1983. Report No.: CCS 460. Contract No.: F49642-82-C0129.
[12] Charnes A, Cooper WW, Lewin AY, et al. Data Envelopment Analysis Theory, Methodology and Appli- cations. New York: Springer Science and Business Media; 1994.
[13] Daraio C, Diana M, Costa FD, et al. Efficiency and effectiveness in the urban public transport sector : A critical review with directions for future research. Eur J Oper Res. 2016; 248:1–20.
[14] Scheel H. Undesirable outputs in efficiency valuations. Eur J Oper Res. 2001; 132(2):400-410.
[15] Berg SA, Forsund FR, Jansen ES. Malmquist indices of productivity growth during the deregulation of Norwegian Banking 1980-89. Scand J Econ. 1992; 211-228.
[16] Samoilenko S, Osei-Bryson KM. Determining sources of relative inefficiency in heterogeneous samples: Methodology using Cluster Analysis, DEA and Neural Network. Eur J Oper Res. 2010; 206:479–487.
[17] Wu J, Liang L, Song M. Performance Based Clustering for Benchmarking of Container Ports: An Application of DEA and Cluster Analysis Technique. Int J Comput Intell Syst. 2010; 3(6):709-722.
[18] กระทรวงการคลัง. ที่ กค 0406.4/ว.64 อัตราค่าเช่ารถยนต์มาใช้ในราชการ; 4 กรกฎาคม 2555; 1-3.
Downloads
Published
How to Cite
Issue
Section
License
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
