Data Envelopment Analysis (DEA) models used to efficiency
evaluation of the energo-chemical coal processing
1
AGH Akademia Górniczo-Hutnicza, Wydział Zarządzania, Katedra Badań Operacyjnych i Technologii Informacyjnych, Kraków
2
AGH Akademia Górniczo-Hutnicza, Wydział Zarządzania, Katedra Zarządzania w Energetyce, Kraków
3
Instytut Gospodarki Surowcami Mineralnymi i Energią PAN, Kraków.
Polityka Energetyczna – Energy Policy Journal 2015;18(2):43-59
KEYWORDS
ABSTRACT
The article focuses on the issue related to the efficiency assessment of the energy technologies using
fossil fuels. It presents the evaluation method which is based on Data Envelopment Analysis models, belonging
to non-parametric methods of efficiency evaluation. DEA models, in recent years, gained great
popularity in the energy industry. With the increasing popularity, also grow their capabilities. In recent
years, in world literature, could be seen a number of articles on the subject of new DEA models developed
for the needs of the energy industry. The most advanced methods, dedicated to assessing the energy-chemical
coal processing, allow to calculate the efficiency from the point of view of many energy (coal, oil, gas, etc.) and non-energy (costs, expenditures, employment, etc.) inputs, taking into account both the desired
(power , profits, etc.) and adverse (greenhouse gases, sludge, waste, etc.) results. This approach allows for
obtaining a unified efficiency ratio and an indication of efficient technologies in relation to assessed group.
Apart from showing the efficient objects, DEA models also suggest for inefficient objects a reference
technology, which is a collection of technologically nearest efficient objects, which should be taken as an
exemplary model. Information obtained from the analysis allows responsible for the strategy creation managers
for making optimal decisions in order to efficiency improvement. This article provides an overview
of the applied models.
METADATA IN OTHER LANGUAGES:
Polish
Modele Data Envelopment Analysis (DEA) wykorzystywane do oceny efektywności
energochemicznego przetwórstwa węgla
DEA, analiza obwiedni danych, ocena efektywności, czyste technologie węglowe, zgazowanie węgla
Artykuł skupia się na problematyce związanej z oceną efektywności technologii energetycznych
wykorzystujących paliwa kopalne. Zaprezentowano w nim metodę oceny opierającą się
na modelach Data Envelopment Analysis, należącą do nieparametrycznych metod oceny efektywności.
Modele DEA na przestrzeni ostatnich lat zyskały dużą popularność w szeroko rozumianym
przemyśle energetycznym. Wraz ze wzrostem popularności rosną także ich możliwości. W ostatnich
latach w literaturze światowej można było zaobserwować liczne artykuły poświęcone nowym
modelom DEA opracowanym właśnie na potrzeby przemysłu energetycznego. Najbardziej
zaawansowane metody, dedykowane ocenie energochemicznego przetwórstwa węgla, pozwalają
kalkulować efektywność z punktu widzenia wielu nakładów energetycznych (węgiel, ropa, gaz itp.)
oraz nieenergetycznych (koszty, nakłady, wielkość zatrudnienia itp.), przy jednoczesnym uwzględnieniu
zarówno rezultatów pożądanych (moc, zyski itp.), jak i niepożądanych (gazy cieplarniane,
ścieki, odpady itp.). Podejście takie pozwala na uzyskanie zunifikowanego współczynnika efektywności
oraz wskazanie obiektów efektywnych względem ocenianej grupy. Oprócz wskazania
obiektów efektywnych, modele DEA proponują także dla obiektów nieefektywnych technologię
wzorcową, która stanowi zbiór najbliższych technologicznie obiektów efektywnych, na których
powinna wzorować się dana jednostka. Informacje uzyskane z analizy pozwalają osobom odpowiedzialnym za kreowanie strategii danej jednostki na podjęcie optymalnych decyzji w celu poprawy
efektywności. Niniejszy artykuł stanowi przegląd stosowanych modeli.
REFERENCES (28)
1.
Byrnes i in. 1984 – Byrnes, P., Fare, R. i Grosskopf, S. 1984. Measuring productivity efficiency: An application to Illinois strip mines. Management Science t. 30, s. 671–681.
2.
Charnes i in. 1978 – Charnes, A., Cooper, W. i Rhodes, E. 1978. Measuring the efficiency of decision making units. European Journal of Operational Research t. 2, z. 6, s. 429–444.
3.
Charnes i in. 2000 – Charnes, A., Cooper, W. i Lewin, A.Y. 2000. Data Envelopment Analysis: Theory, Methodology and Applications. Wyd. Springer.
4.
Cooper i in. 2000 – Cooper, W.W., Park, K.S. i Pastor, J.T. 2000. RAM: a range adjusted measure of efficiency. Journal of Productivity Analysis t. 11, s. 5–42.
5.
Cooper i in. 2007 – Cooper, W.W., Seiford, L.M. i Tone, K. 2007. Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software. Wyd. 2 Springer.
6.
Cropper M.L. i Oates, W.E. 1992. Environmental economics: a survey. Journal of Economic Literature, t. 30, s. 675–740.
7.
Fare, R. i Grosskopf, S. 2004 Modeling undesirable factors in efficiency evaluation: Comment. European Journal of Operational Research t. 157, s. 242–245.
8.
Fare i in. 1989 – Fare, R., Grosskopf, S., Lovell, C. i Pasurka, C. 1989. Multilateral productivity comparisons when some outputs areundesirable: A nonparametric approach. The Review of Economics and Statistics t. 71, s. 90–98.
9.
Fare i in. 1996 – Fare, R., Grosskopf, S. i Tyteca, D. 1996. An activity analysis model of the environmental performance of firms – application to fossil-fuel-fired electric utilities. Ecological Economics t. 18, z. 2, s. 161–175.
10.
Førsund F.R. i Kittelsen S.A. 1998. Productivity development of Norwegian electricity distribution utilities. Resource and Energy Economics t. 20, s. 207–224.
11.
Guzik, B. 2009. Podstawowe modele DEA w badaniu efektywności gospodarczej i społecznej. Wyd. Uniwersytetu Ekonomicznego w Poznaniu, Poznań.
12.
Kleiber, M. (red.) 2011. Ekoefektywność technologii. Wyd. 1 Główny Instytut Górnictwa w Katowicach, Katowice.
13.
Kulshreshtha, M. i Parikh, J.K. 2002. Study of efficiency and productivity growth in opencast and underground coal mining in India: A DEA analysis. Energy Economics t. 24, s. 439–453.
14.
Raczka, J. 2001. Explaining the performance of heat plants in Poland. Energy Economics t. 23 s. 355–370.
15.
Ramanathan, R. 2003. An Introduction to Data Envelopment Analysis: A Tool for Performance Measurement. Wyd. 1 Sage Publications, New Delhi.
16.
Ramanathan, R. 2005. An analysis of energy consumption and carbon dioxide emissions in countries of the Middle East and North Africa. Energy t. 30, z. 15, s. 2831–2842.
17.
Russell, R. 1985. Measures of technical efficiency. Journal of Economic Theory t. 35, s. 109–126.
18.
Sueyoshi i in. 2009 – Sueyoshi, T., Goto, M. i Ueno, T. 2009. Performance analysis of US coal-fired power plants by measuring three DEA efficiencies. Energy Policy t. 38, z. 4, s. 1675–1688.
19.
Sueyoshi, T. i Goto, M. 2010. DEA approach for unified efficiency measurement: Assessment of Japanese fossil fuel power generation. Energy Economics t. 33, z. 2, s. 292–303.
20.
Tavares, G. 2002. A Bibliography of data envelopment analysis (1978–2001). Wyd. Rutgers Center for Operations Research Rutgers University.
21.
Thompson i in. 1992 – Thompson, R.G., Lee, E. i Thrall, R.M. 1992. DEA/AR efficiency of US independent oil/gas producers over time. Computers & Operations Research t. 19, s. 377–391.
22.
Tyteca, D. 1996. On the measurement of the environmental performance of firms – a literature review and a productive efficiency perspective. Journal of Environmental Management t. 46, z. 3, s. 281–308.
23.
Tyteca, D. 1997. Linear programming models for the measurement of environmental performance of firms – concepts and empirical results. Journal of Productivity Analysis z. 8, t. 2, s. 183–197.
24.
Zaim, O. 2004. Measuring environmental performance of state manufacturing through changes in pollution intensities: A DEA framework. Ecological Economics t. 48, z. 1, s. 37–47.
25.
Zaim, O. i Taskin, F. 2000. Environmental efficiency in carbon dioxide emissions in the OECD: Anon-parametric approach. Journal of Environmental Management t. 58, z. 2, s. 95–107.
26.
Zhou i in. 2007 – Zhou, P., Ang, B.W. i Poh K.L. 2007. A survey of data envelopment analysis in energy and environmental studies. European Journal of Operational Research t.189, z. 1, s. 1–18.
27.
Zhou, P. i Ang, B.W. 2008. Linear programming models for measuring economy-wide energy efficiency performance. Energy Policy t. 36, s. 2911–2916.
Share
RELATED ARTICLE
| eISSN: | 2720-569X |
| ISSN: | 1429-6675 |
We process personal data collected when visiting the website. The function of obtaining information about users and their behavior is carried out by voluntarily entered information in forms and saving cookies in end devices. Data, including cookies, are used to provide services, improve the user experience and to analyze the traffic in accordance with the Privacy policy. Data are also collected and processed by Google Analytics tool (more).
You can change cookies settings in your browser. Restricted use of cookies in the browser configuration may affect some functionalities of the website.
You can change cookies settings in your browser. Restricted use of cookies in the browser configuration may affect some functionalities of the website.
