Transcript 下載/瀏覽
南台科技大學 專題討論報告 指導老師:黃振勝 姓 名:徐啟斌 學 號:M98U0203 中華民國98年11月25日 文章出處 應用資料包絡分析法─ 評估台灣生物科技廠商之營運效率 Using Data Envelopment Analysis Approach to Evaluate the Operation Efficiency of Biotechnology Firms in Taiwan 洪瑋典 元智大學管理研究所 博士班研究生 朱一衛 元智大學管理研究所 博士班研究生 姚政文 元智大學管理研究所 博士班研究生 2009年海峽兩岸創新與永續經營學術研討會 暨 2009 管理創新與科際整合學術研討會 June 11,2009 Hsinchu,Taiwan 摘要 生物科技產業將成為二十一世紀最具發展潛力之科技。本文運 用資料包絡分析法評估我國36家生技廠商之營運效率,以員工人數、 資產總額、研究發展費用作為投入項,並以營業收入淨額做為產出 項。 關鍵詞:生物科技、資料包絡分析法、營運效率。 1. 緒論 所謂「生物科技」為一種運用生物體來製造產品的科學 與技術,此一詞譯自於英文的Biotechnology,該英文由Bio (生命、生物)及technology(技術、科技)二字組合而成 。 根據工研院經資中心(ITIS)預估,2010年將達1471億美 元(約新台幣5兆元)。由於生物科技是二十一世紀最具潛力 的新興產業,我國已投入許多的資源於發展生物科技產業, 然而許多產業內廠商在績效的表現上仍是無法令人感到滿意, 其可能的原因可能與整體大環境的因素有關,廠商績效雖然 和整體環境有相當大的關係,但我們也不能忽視個別廠商間 的差異而產生的績效,本研究則是以DEA的方式,對現有的 生技廠商進行績效分析,希望能為後續的研究提供一個起點, 此為本篇研究的主要目的。 生物科技受到各國重視原因 1 汙染性與能源依賴程度極低 2 原料以再生性資源為主 3 產品品質及安全性要求高 4 產品附加價值高,回收期長 5 產品開發期長,研發經費需求高 6 屬於高度技術密集產業,專業人才需求高 2. 產業概況與分析 我國生技產業起步較晚,台灣目前已有接近100家的 創投公司,雖然大都以投資資訊電子產業為主,其中也有 少部份創投公司開始將業務重點擺放在投資生技產業,這 顯示生技產業在台灣將會具有強大的成長力道。面對龐大 的產業商機,台灣各財團已經著手市場卡位,並紛紛尋求 與科研機構技術合作,並延攬專業人才。 2.1 醫藥生技產業 生技藥品可分為三類: 1 治療用的藥品 2 預防用的疫苗 3 診斷用的試劑 治療用及預防用的疫苗佔全美生物產業市場的70%,未來 將以11%的平均年成長率,由1998年的90億美元增長到2008 年的270億美元。在診斷用的試劑產品銷售方面,美國將以 每年平均7%之速度成長,由1998年的20億美元增長到2008年 的40億美元。 在診斷試劑的研發方向,仍以免疫診斷、遺傳疾病篩選、 藥物濫用、驗孕及排卵等試劑之開發為主。全球生技藥品的 市場價值,在1996年為127億美元;1997年成長15%,達146 億美元,整體而言,生技藥品的全球發展趨勢,前景仍然看 好。 2.2 農業生技產業 展望未來,利用基因轉殖動物(Transgenic animals)製 造藥物是一個新的研發趨勢。傳統製藥是用化學合成方法, 繼而以生物技術方法利用微生物或動、植物細胞(醱酵或植 物培養)來製造藥物,目前是利用基因轉殖動物(牛、羊、豬) 的身體來製造藥物;用牛體當成製藥工廠,藥物將從牛奶中 回的純化出來。 農業生物技術 1 增加作物的產量 2 使作物能適應於較寬廣的生長環境中 3 減少化學農藥的使用 4 改良農產品的營巷價值 5 提昇食品安全及環境衛生 2.3 特化生技產業 產品是利用醱酵或生物觸媒(Bio-catalysis)方法來生 產,如蛋白分解酵素(Protease)、生物膠(Xantham gums)、 檸檬酸、維他命C及B12,一些胺基酸及阿斯巴甜代用糖 (Aspartame)。 2.3 特化生技產業市場重心 1 清潔用酵素 2 澱粉工業用酵素 3 其他的工業用酵素 2.4 環境生技產業 1 有效地評估生態體系 2 將若干污染物轉化為無害物質 3 利用再生性物質製造生物可分解的物質 4 開發符合環保條件的生產產程 著名實例 1989 年 3 月 24 日 愛 克 桑 (Exxon) 石 油 公 司 的 超 級 油 輪 Valdez號裝載5,000萬加侖原油在美國阿扯斯加州威廉王子灣 擱淺,漏出1,100萬加侖原油,污染了1,300英哩的海岸線, 附近之海鳥,海獺及魚類無一倖免,造成美國有史以來最嚴 重的油污事件。美政府動員數百位科學家們用各種不同的方 法來清理油污,生物技術應用於本次的油污清理(稱為”生物 復育法”,Bioremediation)則大放異彩:利用細菌”吃掉” 污油,將劃定的75英哩油污海岸全部清除,其清除的時間較 一般的”焚燒法”、”土理法”或”化學處理法”縮短二至 五倍,令人刮目相看。 3. 研究方法 資料包絡分析法由Charnes、Cooper與Rhodes於1978年 提出,係衡量決策單位(decision making unit,DMU)以多 項投入生產多項產出之相對效率的一種方法,其觀念可溯 及Farrell於1957年所提出生產效率之衡量。Farrell假設 評估的對象為規模報酬固定,並將評估所得資料繪製成等 產量曲線(isoquant),藉此找出最有生產效率之受評對象, 以構成「生產前緣」(production frontier),並利用此 「生產前緣」評估決策單位之效率。 3.1 CCR模式 BCC模式 Banker、Charnes 與Cooper(1984)放寬CCR 模式規模 報酬固定之假設,提出下列模式來處理規模報酬變動 情形: 平 均 成 本 規模經濟 固定規模報酬 規模不經濟 LAC 0 q1 q2 生產量 3.2 效率改進 3.3 技術效率與規模效率 3.4 模式特色 1 可處理多項投入及多項產出之評估問題 2 單位不變性 3 可以單一綜合指標衡量效率 4 權重之決定不受人為主觀因素的影響 5 可同時處理比率資料及非比率資料 6 可獲得資源使用狀況之相關資訊 4.1 決策評估單位選擇與資料來源 4.2.1 投入項 1 員工人數 2 設備及儀器成本 3 資產總額 4 研究發展費用 4.2.2 產出項 營業收入淨額:為該年度公司因經常性營業活動而銷售商品所獲 得之收入,資料來源為最近一期之財報,透過台 灣經濟新報資料庫收集整理而得。 4.3 資料包絡分析法模式之選取 本研究採用DEA中之CCR模式與BCC模式作為評估模式, 以投入導向評估各供應商之績效。CCR模式用以評估決策 單位之整體技術效率,其基本假設為固定規模報酬。為 了區隔技術效率與規模效率,並求出純粹技術效率,因 而提出 BCC模式,模式基本假設為變動規模報酬,可衡 量各決策單位的純粹技術效率及規模效率值狀態,即 TE (總效率)= PTE(純粹技術效率)* SE(規模效率), 因此可得知欠缺效率原因是來自純粹技術無效率或規模 無效率。 4.4 效率分析 5. 結論與建議 生物科技在全世界市場的廣大商機因素 1. 人口老化的趨勢 2. 環境問題 3. 創新發展 台灣的產業發展面臨較為艱難的環境 1. 內需市場的狹小及廠商規模小 2. 先天條件的限制卻又無法保證能在面對國際競爭 心得 我國於4/30召開「國內研製H1N1新型流感疫苗整合協調會議」 會議 ,以國光公司較具充裕之產能,而獲得認可生產H1N1疫苗廠商, 此次表示為台灣生技的品質與實力已經漸漸媲美國外廠商,目前到年 底已可生產1000萬劑,目前由於國外疫苗已缺貨,台灣能有自家生產, 在全球生物科技領域當中,是非常重要的里程碑。 問題 1. 解釋何謂權重之決定不受人為主觀因素的影響? 答:資料包絡分析法中之權重係由數學規劃模式產生,無人為主觀 的 成分在內,因而能滿足立足點的公平原則。在此評估方式下,任一 決策單位均無法依主觀判斷找到另一組權重,而使其效率大於以資 料包絡分析模式之評估結果。在此特性下,只要受評者事先均接受 評估準則,則每一受評者較不易產生不公平之感覺。 參考文獻 1. 高強、黃旭男、Toshiyuki Sueyoshi,管理績效評估-資料包絡分析法,台北:華 泰書局,民國92年。 2. 黃旭男,資料包絡分析法使用程序之研究及其在非營利組織效率評估上之應 用,國立交通大學管理科學研究所博士論文,民國82年。 3. Banker, R. D., A. Charnes and W. W. Cooper, “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis,” Management Science, Vol. 30, 1984, pp. 1078-1092. 4. Banker, R. D., “Estimating most productive scale size using data envelopment analysis,” European Journal of Operational Research, Vol. 17, 1984, pp. 35-44. 5. Banker, R. D. and R. M. Thrall, “Estimation of returns to scale using data envelopment analysis,” European Journal of Operational Research, Vol. 62, 1984, pp. 75-84. 6. Charnes, A. and W. W. Cooper, “Preface to topics in data envelopment analysis,” Annals of Operations Research, Vol. 2, 1985, pp. 59-94. 7. Charnes A., W. W. Cooper, and E. Rhodes, “Measuring the Efficiency of Decision Making Units,” European Journal of Operational Research, Vol. 2, 1978, pp. 429444.