DEA기반 순위선정 절차를 활용한 주력전차의 기술예측방법 비교연구

A Comparative Study of Technological Forecasting Methods with the Case of Main Battle Tank by Ranking Efficient Units in DEA

본 연구의 목적은 미래 기술예측에 사용되는 TFDEA(Technological Forecasting with Data Envelopment Analysis)의 문제점을 살펴보고 이의 개선방향을 찾아 주력전차의 기술예측 문제에 적용해 보는 것이다. 기존의 TFDEA는 복수의 DMU(Decison Making Unit)를 효율적 DMU로 판정하는 DEA(Data Envelopment Analysis)의 특성상 실제로는 그다지 효율적이지 않은 DMU까지 포함해서 기슬예측을 수행함으로써 예측 결과의 정확도가 저하될 수 있다. 본 연구에서는 DEA의 확장된 개념을 적용하여 평가 대상 DMU에 대한 순위를 산정한 후 이를 토대로 기술 예측을 시행하는 방법을 검토해 보았다. 이를 위해 일반적인 DEA기반의 순위선정 방법 중 대표적인 Super-efficiency, Cross-efficiency, CCCA(Constrained Canonical Correlation Analysis)을 TFDEA에 결합 적용하고 이들을 비교해 보았다. 제시된 방법을 주력 전차의 미래 기술 예측 문제에 적용한 결과 CCCA를 이용한 순위선정방법이 실제 실현된 기술 수준과 비교했을 때 통계적으로 가장 작은 오차율을 보였다.

We examined technological forecasting of extended TFDEA(Technological Forecasting with Data Envelopment Analysis) and thereby apply the extended method to the technological forecasting problem of main battle tank. The TFDEA has the possibility of using comparatively inefficient DMUs(Decision Making Units) because it is based on DEA(Data Envelopment Analysis), which usually leads to multiple efficient DMUs. Therefore, TFDEA may result in incorrect technological forecasting. Instead of using the simple DEA, we incorporated the concept of Super-efficiency, Cross-efficiency, and CCCA(Constrained Canonical Correlation Analysis) into the TFDEA respectively, and applied each method to the case study of main battle tank using verifiable practical data sets. The comparative analysis shows that the use of CCCA with TFDEA results in very comparable prediction accuracies with respect to MAE(Mean Absolute Error), MSE(Mean Squared Error), and RMSE(Root Mean Squared Error) than using the concept of Super-efficiency and Cross-efficiency.