동북아시아 주요 컨테이너항만의 효율성 비교연구

A Comparative Analysis of Terminal Efficiency in Northeast Asia Container Ports

Article information

J Navig Port Res. 2015;39(1):55-60
* 연회원 liduo945@daum.net 051)410-4912 한국해양대학교 대학원
** 종신회원 namchan@hhu.ac.kr 051)410-4336 한국해양대학교 물류시스템학과 교수
*** 연회원 onlylel@kmou.ac.kr 051)410-4912 한국해양대학교 대학원
이 탁*, 곽 규석, 남 기찬**, 안 영모***
* Yeonhoewon liduo945@daum.net 051) 410-4912 Graduate school of National Korea Maritime and Ocean University, Busan 606-791, Korea
** Lifetime Member namchan@hhu.ac.kr 051) 410-4336 Dept of Logistics Engineering, National Korea Maritime and Ocean University, Busan 606-791, Korea
*** Yeonhoewon onlylel@kmou.ac.kr 051) 410-4912 Graduate school of National Korea Maritime and Ocean University, Busan 606-791, Korea
Corresponding author: 종신회원 kskwak@hhu.ac.kr 051)410-4332 한국해양대학교 물류시스템학과 교수
Received 2014 July 31; Revised 2015 February 16; Accepted 2015 February 24.

Abstract

본 연구의 목적은 동북아시아 주요 컨테이너항만간의 상대적 효율성을 분석함으로써, 각 항만의 현재 효율성 수준을 파악하고, 효 율적 항만이 되기 위한 주요 전략수립 방안을 제시하고자 하는 것이다, 동북아시아 지역의 주요 16개 항만을 대상으로 개별항만 효율성 및 상대적 효율성을 분석하였으며, DEA기법을 사용했다. DEA모형 중 규모수익불변모형인 CCR모형과 규모수익가변모형인 BCC모형을 통해 항 만 효율성을 분석하며, 또한 CCR모형에 의해 평가된 효율성을 BCC모형에 의해 평가된 효율성으로 나눈 비율인 규모의 효율성 측면에서도 효율성을 분석하였다. 이러한 방법의 실증분석을 시행함에 있어서 투입요소로는 선석 수, 안벽 길이, 수심, 부두 총면적, C/C 대수를 이용하 고, 산출요소로는 컨테이너 물동량을 이용했다. 연구 결과, 중국의 경우, 대부분의 항만이 효율적으로 나타난 반면, 한국과 일본의 경우 대체 적으로 비효율적인 것으로 나타났다. 특히, 부산항과 상해항, 롄윈강항과 인천항, 다롄항과 광양항이 투입요소가 유사하지만 산출요소인 컨테 이너 물동량은 큰 차이가 있는 것으로 나타났다.

Trans Abstract

The purpose of this study is to suggest a major strategy to become effective for each port in Northeast Asia by analyzing the relative efficiency of each port to determine the current level of efficiency, efficient harbors plan. Individual port of the major 16 ports in Northeast Asia was analysed targeting efficiency and relative efficiency. In this study, DEA technique was used. Of the DEA model, CCR (constant returns to scale) models and BCC (variable return to scale) model was applied to analyze the efficiency and effectiveness of the port. Then the efficiency measured through CCR model is again compared with the efficiency measured by the BCC model. In this way, the empirical analysis includes the input factors of the operating ports such as the number of berths, wharf, depth, total area of the pier, C / C numbers and output elements includes the container throughput. The results of the study show that most of the ports in China is efficient whereas those in Korea and Japan are relatively inefficient. There are some pairs of ports which has the similar input factors, like Busan port and Shanghai port, Lianyungang port and Incheon port, Dalian port and Gwangyang port, but the container throughput of them has a huge difference.

1. 서 론

항만은 한 국가의 경제발전에 직접적으로 영향을 미치는 상공업활동을 통하여 국제무역의 증진에 중요한 역할을 수행 하며, 해운산업을 비롯한 관련 산업을 직·간접적으로 발전시 킨다는 점에서 경제적 중요성이 크다. 이러한 항만의 역할과 중요성을 바탕으로 항만과 밀접한 관계를 갖는 컨테이너산업 은 그 중요성이 점차 확대되고 있으며, 세계화의 진전과 더불 어 국가 간의 무역관계도 활발하게 이루어지고 있다.

세계 각국은 항만 및 컨테이너 산업을 국가 주요산업으로 육성해 오고 있으며, 특히, 동북아시아 지역권의 주요국들은 늘어나는 물동량을 처리하고 물류거점의 위치를 차지하기 위 해 경쟁적으로 항만을 증축·건설하고 있다. 동북아시아의 주 요 항만들은 대대적인 항만시설투자를 통한 중심항 개발전략 을 추구하는 동시에 항만운영의 효율성 증대를 통한 경쟁력 강화에도 노력을 기울이고 있다.

항만의 경쟁우위를 좌우하는 중요한 결정요인 중 하나는 항만 효율성이다. 항만 효율성은 개별항만의 경쟁력뿐만 아니 라, 해상운송비용 절감을 통해 한 나라의 수출경쟁력을 제고 하는데 중요한 역할을 수행하며, 막대한 부가가치를 창출함으 로써 국가 경제에도 지대한 영향을 미친다. 따라서 자국의 항 만에 대한 내부적인 효율성 평가와 경쟁항만들 간의 상대적 효율성 분석은, 현재의 항만 효율성 수준을 정확히 파악하여 이를 개선시킬 수 있는 방안제시의 기초자료로 활용된다는 점 에서 분석의 필요성이 있다.

2. 선행연구 고찰

항만 효율성 관련하여 많은 연구가 진행되었으며 각 연구 의 차이점은 크게 투입요소와 산출요소, 분석 대상으로 구분 할 수 있다. 특히 항만 효율성 관련한 분석은 많은 논문에서 DEA 분석을 활용하였다.

Roll and Hayuth(1993)는 이스라엘의 20개 항만을 대상으 로 DEA의 CCR모형을 적용하여 효율성을 평가하였다.

Cullinane, et al.(2006)은 23개의 세계 주요 항만을 대상으로 2002년부터 2004년까지의 자료로 효율성 분석을 실시하였다.

Song et al(2005)는 부산항을 포함한 세계 주요 컨테이너항 만들의 효율성을 DEA모형을 통해 상대적으로 분석함으로써, 부산항의 현재 위치와 더 효율적인 항만의 되기 위해 벤치마 킹해야 할 대상을 구체화 하였다.

Lee et al(2013)은 세계 28개 항만을 대상으로 DEA모형으 로 항만 효율성을 분석하였고, 투입요소를 선석 수, 컨테이너 크레인수, CFS면적, Storage로, 산출요소를 컨테이너처리량, 선석 길이당 처리실적, 야드장비당 처리실적으로 설정하였다.

본 연구는 항만 관련 요소의 모호성과 자료수집의 한계로, 기존 연구들이 가장 보편적으로 사용해온 변수를 본 분석의 투입요소 및 산출요소를 선정하였다. 즉 투입요소로는 선석 수, 안벽 길이, 수심, 부두 총면적, C/C 대수를 선정하였다.

그러나 변수선정 외에, 본 연구는 기존의 연구와 비교하여 다음과 같은 차이점이 있다.Table.1

Previous research summary

첫째, 급변하는 세계 컨테이너항만 현황을 고려할 때, 가장 최신의 자료를 사용하였다는 점에서 차이점이 있다. 세계적으 로 컨테이너 물동량의 증가세 또는 둔화세 변화가 빠르게 변 화하고 있는 상황에서 컨테이너항만산업을 둘러싼 경쟁환경 또한 급변하고 있다. 이러한 상황에서, 가장 최신의 현황을 반 영한 새로운 효율성 분석의 필요성이 대두되며, 그 분석은 가 치가 있다. 가장 최근의 선행연구인 Lee et al(2013)의 연구에 서는 2009년까지의 자료를 사용하였으나, 본 연구에서는 2013 년까지의 자료를 사용하였다. 둘째, 본 연구는 2012년 컨테이 너 물동량을 기준으로 세계 100위권 내에 있는 동북아시아 지 역의 항만, 즉 내륙항을 제외한 한국, 중국, 일본의 16개 항만 을 분석대상으로 한정했다는 점에서 동북아시아 지역의 항만 효율성 분석에 있어 의미가 있으며, 이러한 항만 선정은 기존 의 연구와 차이점이라고 할 수 있다. 셋째, 본 연구는 선행연 구 및 기타 분석결과를 실제 현황을 고려하여 검증과정을 거 치고 최종 시사점을 도출하였다.

3. 동북아시아 지역 항만 현황

최근 세계 컨테이너 물동량을 살펴보면, 중국의 상해(Shan ghai)항은 2010년 사상 처음 세계 1위 컨테이너항만이 된 이 후로, 최근 3년간 2,907만TEU(2010년), 3,174만TEU(2011년), 3,253만TEU(2012년)를 기록하면서, 1위를 지키고 있다. 또한, 최근 3년간 싱가포르(Singapore)항 2위, 홍콩(Hong Kong)항 3위, 선전(Shenzhen)항 4위, 부산(Busan)항 5위, 닝보(Ningb o)항 6위, 광저우(Guangzhou)항, 두바이(Dubai)항이 9위를 계 속해서 유지해오고 있다.

2012년 세계 컨테이너 물동량 항만 순위(1~100위) 중, 동 북아시아 지역에 해당하는 항구는 총 20개 항구이며, 중국이 12개 항만, 한국이 3개 항만, 일본이 5개 항만으로 나타났다.Table.2

Northeast Asia container throughput and ranking in 2012

4. 실증분석

본 연구는 좁은 의미의 동북아시아 지역 개념에 해당하는 한·중·일 3개국의 주요 16개 항만을 대상으로 개별항만 효율 성 및 상대적 효율성을 분석하였다. 즉 2012년 기준 세계 컨테 이너 물동량 순위 100위권 내의 항만 중 내륙항을 제외한 한 ·중·일 항만을 분석대상으로 선정하였다.

DEA기법을 사용하였으며, DEA모형들 중 규모수익불변모 형인 CCR모형과 규모수익가변모형인 BCC모형을 통해 항만 효율성을 분석하였다. 또한 규모의 효율성 측면에서도 효율성 을 분석한다. 이러한 방법의 실증분석을 시행함에 있어서 투 입요소(Input Data)로는 선석 수(Berth), 안벽 길이(Wharf), 수심(Depth), 부두 총면적(Total Area), C/C(Container Crane s) 대수를 이용하고, 산출요소(Output Data)로는 컨테이너 물 동량을 이용했다. 컨테이너 물동량의 2013년 기준 자료를 이 용하였으며, 투입요소는 현재 시점의 자료를 이용하였다. 각 항만의 투입요소와 2013년 컨테이너 물동량은 각 국가 및 지 역의 항만공사에 공개된 자료를 이용하였다.Table.3

Analysis of data and summary

산출지향 DEA-CCR모형에 의한 효율성 값 분석결과, 상해 항, 롄윈강항이 효율성 값 1로 가장 효율적인 것으로 나타났 으며, 요코하마항(0.235), 오사카항(0.238), 광양항(0.242) 등은 상대적으로 효율성이 낮은 것으로 나타났다. 한국 항만의 경 우, 부산항이 0.602, 인천항이 0.325, 광양항이 0.242로 나타났 으며, 중국 항만은 전체적으로 효율적인 것으로, 일본 항만은 전체적으로 효율성이 낮은 것으로 타나났다.

이러한 분석결과에 대한 의미를 좀 더 자세히 알아보기 위 하여, 효율성 값이 0.282이고 16개 항만 중 11위를 차지한 나 고야항을 예를 들어 살펴보면, 나고야항의 참조집단은 상해항, 롄윈강항의 투입요소와 산출요소를 각 람다(λ) 값으로 선형 결합하여 가상적인 DMU을 만든다. 따라서 나고야항의 효율 성은 가상적인 DMU에 대하여 상대적 효율성 값이 0.282로 평가된다는 의미로 분석된다.Table.4

The DEA-CCR model s efficiency value and reference group

람다(λ) 값이 클수록 그 항만을 더욱 더 참조했다는 의미이 며 효율성에서 그 항만과 유사성이 높다고 평가될 수 있다. 참 조집단 분석결과에 따르면, 상해항이 총 12번, 롄윈강항이 총 15번으로 참조집단으로의 출연빈도가 높아 효율적인 항만으 로 나타났다. 즉 상해항과 롄윈강항이 효율적 항만을 위한 벤 치마킹의 대상이 된다고 할 수 있으며, 이러한 항만은 다른 항 만이 비효율성을 개선하기 위한 효율성 평가의 기준이 되기도 한다.

일반적으로 DEA모형을 통한 분석에서는 효율성을 증대시 키는 방법으로 투입요소를 감소하거나, 산출요소를 증가시키 는 방법으로 구분하여 결과를 제시한다. 즉 DEA모형을 통한 분석의 경우, 비효율적인 항만이 효율적인 항만이 되기 위하 여 감소시켜야 할 투입요소나 증가시켜야할 산출요소에 대한 정보를 제공해주어 효율적인 항만이 될 수 있는 구체적인 방 안을 제시해준다. 각 항만이 효율적인 프론티어에 투사를 했 을 때 투사 값을 안다면 각 항만이 개선시킬 수 있는 여지를 알게 되기 때문에 효율성을 개선하는데 용이하다.

효율성 개선을 위한 투사를 살펴보면, 16개 항만 중, 11개 항만이 선석 수를, 10개 항만이 선석 길이를, 3개 항만이 수심 을, 11개 항만이 부두 총면적을, 8개 항만이 C/C 대수를 줄여 야만 효율적인 항만이 될 수 있는 것으로 나타났다. 또한, 상 해항과 롄윈강항을 제외한 14개의 효율성이 낮은 항만은 모두 컨테이너 물동량을 늘려야하는 것으로 나타났다.

효율성 값이 0.602인 부산항의 경우, 선석 수를 6개, 선석 길이를 1,821m , 부두 총면적을 169m2줄이고, 유치 물동량을 11,693,879TEU 증가시켜야 효율적인 항만이 될 수 있다고 해 석할 수 있다. 그러나 부산항의 경우, 실제로 신항은 선석이 부족하고, 북항은 선석이 남는 상황이므로, 이를 고려할 필요 가 있다. 또한, 효율성 값이 0.325인 인천항의 경우는, 투입요 소인 선석 수, 선석 길이, 수심, C/C 대수를 각각 4개, 179m, 1m, 2대 줄이고, 유치 물동량을 증가시켜야 효율적인 프론티 어에 도달할 수 있는 것으로 나타났다.

대규모 시설투자를 통한 경쟁우위를 확보하려는 전략보다 는 이미 갖추어진 시설 및 기반을 보다 효율적으로 활용하기 위한 전략을 모색하는 것이 필요하며, 보다 많은 컨테이너 화 물을 유치한다면 투입요소를 활용하는 빈도가 늘어나 투입요 소 및 산출요소의 비효율성이 동시에 개선될 수 있다.Table.5

The DEA-CCR model s efficiency to the port to improve the investment (Busan, Incheon)

산출지향 DEA-BCC모형에 의한 효율성 값 분석결과, 상해 항, 롄윈강항, 잉커우항, 인천항, 옌타이항의 총 5개항이 효율 성 값 1로 가장 효율적인 것으로 나타났다. 반면, 요코하마항, 오사카항, 광양항, 고베항 등은 효율성 값이 각각 0.263, 0.268, 0.273, 0.282로 상대적으로 효율성이 낮은 것으로 나타났다.

한국 항만의 경우, 인천항이 효율성 값 1로, 효율적인 항만 으로 나타났으며, 부산항은 효율성 값 0.605, 광양항은 효율성 값 0.273으로, 인천항에 비하여 효율성이 낮은 것으로 나타났 다. 중국 항만의 경우는 상해항, 롄윈강항, 잉커우항, 옌타이 항, 총 4개의 항만이 효율적인 항만으로 나타났으며, 일본 항 만은 분석대상이 된 항만 보두 효율성 값 순위 상으로 최하위 에 랭크되었으며, 도쿄항 0.464. 나고야항 0.318 등으로 한국과 중국의 항만에 비하여 비교적 매우 효율성이 낮은 것으로 나 타났다.

한편, 참조집단 분석결과에 따르면, 상해항이 총 12번, 롄윈 강항이 총 12번. 옌타이항이 총 5번, 인천항이 총 3번, 잉커우 항이 총 2번으로 나타났다. 즉 상해항과 롄윈강항, 옌타이항 등이, 효율적 항만을 위한 벤치마킹의 대상이 된다고 할 수 있 으며, 이러한 항만은 다른 항만이 효율성을 개선하기 위한 효 율성 평가의 기준이 되기도 한다.Table.6

The DEA-BCC model s efficiency value and reference group

산출지향 DEA-BCC모형도 앞서 살펴본 CCR모형처럼 효 율성 개선을 위한 투사 값을 살펴보면, 16개 항만 중, 9개 항 만이 선석 수를, 10개 항만이 선석 길이를, 5개 항만이 수심을, 8개 항만이 부두 총면적을, 2개 항만이 C/C 대수를 줄여야만 효율적인 항만이 될 수 있는 것으로 나타났다. 또한, 상해항, 롄윈강항, 잉커우항, 인천항, 옌타이항을 제외한 11개의 효율 성이 낮은 항만은 모두 컨테이너 물동량을 늘려야하는 것으로 나타났다.

효율성 값이 0.605인 부산항의 경우, 선석 수를 6개, 선석길 이를 1,870m, 수심을 1m, 부두 총면적을 169m2줄이면 효율 적인 항만이 될 수 있다고 해석할 수 있다. 효율성 값이 0.273 인 광양항의 경우는, 투입요소인 선석 수, 선석 길이, 부두 총 면적을 각각 8개, 2,984m, 170m2을 줄이고, 컨테이너 처리 물 동량을 6,051,390TEU 만큼 개선시켜야 효율적인 프론티어에 도달할 수 있는 것으로 나타났다.Table.7

The DEA-BCC model s efficiency to the port to improve the investment (Busan, Gwangyang)

규모의 효율성 결과를 살펴보면, 상해항과 롄윈강항이 CCR 효율성 값, BCC 효율성 값, 규모의 효율성 값 모두 1로서 효 율적인 운영을 하고 있으며 규모도 제대로 이용하고 있는 것 으로 해석된다. 이는 순수기술효율성과 기술효율성이 동일하 여 규모의 비효율성이 존재하지 않는 상태, 즉 수익불변(CRS) 에서 적의 규모 상태에 있다는 것을 의미한다.

한편 잉커우항, 옌타이항, 인천항은 CCR 효율성 값이 1임 에도 불구하고, 규모의 효율성 값이 각각 0.936, 0.365, 0.325로 서 규모의 효과를 배제하고는 효율적으로 운영되고 있다고 볼 수 있지만, 규모에 의한 비효율성이 나타나는 것으로 보아 규 모로 인해 불리한 상황에 있다고 해석된다.

반면 고베항, 도쿄항, 요코하마항, 오사카항, 나고야항, 광양 항은 CCR 효율성 값과 BCC 효율성 값이 모두 0.5 이하임에 도 불구하고 규모의 효율성 값이 0.88이상으로 나타난 것으로 보아 비효율적인 운영을 하고 있지만 규모를 제대로 이용하고 있는 것으로 해석된다. 그러나 광양항의 경우, 실제로 규모의 비효율성으로 인해 컨테이너부두의 시설확보율이 매우 높으 며, 이로 인해 선석의 기능을 변경하였거나, 변경을 고려하고 있는 상황이다.Table.8

The efficiency of scale

5. 결론

한국의 항만과 중국의 항만의 분석결과를 비교해보면, 투입 요소 즉, 선석 수, 선석 길이, 수심, 부두 총면적, C/C대수는 매우 비슷한 수치로 나타나지만, 분석결과는 중국항만이 효율 성이 더 높게 나타났다. 특히, 부산항과 상해항, 롄윈강항과 인천항, 다롄항과 광양항이 투입요소가 유사하지만 산출요소 인 컨테이너 물동량은 큰 차이가 있는 것으로 나타났다.Table.9

Compare With the analysis result

부산항, 인천항, 광양항이 중국의 항만보다 상대적으로 효 율성이 낮은 이유는 컨테이너 물동량의 부족이라고 할 수 있 다. 즉 한국의 항만이 비슷한 투입요소 조건에서, 효율성을 높 이기 위해서는 컨테이너 물동량을 더 많이 유치하기 위한 다 양한 차원의 노력이 필요한 것으로 보인다.

한편, 최근 10년간(2004년~2013년)의 동북아시아 지역 컨 테이너 물동량 추이를 살펴보면, 상해항, 롄윈강항, 다롄항 등 의 중국항만의 컨테이너 물동량이 지속적으로 큰 증가추세에 있다는 것으로 확인할 수 있다. 특히, 닝보항의 경우, 2013년 물동량은 8.1억 톤으로 2008년 이후 세계 1위를 고수했다. 또 한 컨테이너 물동량 역시 세계 6위(중국 3위)인 1,552만TEU 로 세계 5위를 차지한 부산항(1,768만TEU)을 턱밑까지 추격 했다.Fig.1

Fig. 1.

The tendency of Chinese and Korean main port’s container throughput in recent 10 years.

이와 같이 중국항만이 한국, 일본의 항만들보다 빠르게 성 장하고 있는 이유로는 첫째, 항만 개발 및 발전에 대한 적극적 인 정책적 투자, 둘째, 풍부한 자원, 셋째, 적극적인 외국인 투 자유치 지원, 넷째, 풍부한 노동력 등을 들 수 있다.

한편, 한국은 비교적 높은 기술력 및 품질을 갖고 있으며, 최근에는 한류의 영향으로 마케팅 측면에서 인지도가 상승되 었지만 협소한 국토면적, 내수 시장의 작은 규모, 높은 인건비 등의 한계점을 갖고 있다.

따라서 중국의 상해항, 롄윈강항, 다롄항과 비교했을 때 투 입요소는 매우 유사하나 산출요소 즉 컨테이너 물동량의 차이 로 인하여 효율성이 상대적으로 낮게 나타난 한국의 부산항, 인천항, 광양항의 효율성을 개선하기 위해서는 이미 구축된 투입요소 활용의 극대화가 필요하다. 이를 위해서는 마케팅 측면에서 물동량 창출을 위한 노력이 선행되어야 할 것이며 더불어 자유무역지역 확대, 배후부지 개발 및 적극적 외국인 투자 유치가 필요한 것으로 판단된다.

한편, 본 연구는 분석결과 및 그의 해석에 있어서 실제 현 실적 상황과 배치되는 부분이 있을 수 있다. 이는 투입요소 및 산출요소를 선정에 있어서, 관련 요소의 모호성과 자료수집의 한계로 인한 것으로 판단된다.

본 연구의 분석결과는 다음과 같은 시사점을 제공할 수 있 다. 첫째, 효율성이 낮은 것으로 나타난 항만은 효율적인 것으 로 나타난 항만 중 규모, 구조 등이 비슷한 항만을 벤치마킹함 으로써, 효율성 개선을 위한 전략수립에 참고할 수 있다. 둘 째, 장기적 차원의 투자를 위해, 예측물동량과 비슷한 양을 처 리하고 있는 항만의 장기적 전략을 벤치마킹 모델로 선정함으 로써 장기적 전략수립 차원에서 접근이 가능하다. 셋째, 개별 항만의 효율성 분석 및 비교를 통하여, 한국항만의 향후 발전 방안을 모색할 수 있다.

References

1. Cullinane KP, Wang TF. “The efficiency of European container ports: a cross-sectional data envelopment analysis”. International Journal of Logistics: Research and Applications 2006;19(1):19–31.
2. Kim GS, Kwak KS. “Positioning Analysis of Busan port in Inter-Port competition of Northeast Asia Region”. Journal of navigation and port research 2008;32(3):173–178.
3. Lee SM, Park JM. “An Efficiency Analysis of Container Terminal Using Network DEA”. Korean Industrial Economic Associate 2013;26(5):2117–21421.
4. Lee NK, Kim SH. “A Study on the Efficiency Measurement of Regional Maritime Affairs and Fisheries Office by DEA Method”. Journal of navigation and port research 2008;32(1):73–80.
5. Lee NY, Pak JY, Yeo GT. “A Study on Measuring the Efficiency of Korea-China Car Ferry Routes by using Data Envelopment Analysis”. Journal of navigation and port research 2013;37(2):87–193.
6. Roll Y, Hayuth YEHUDA. “Port performance comparison applying data envelopment analysis (DEA)”. Maritime Policy and Management 1993;20(2):153–161.
7. Song JY, Sin CH. “An Empirical Study on the Efficiency of Major Container Ports with DEA Model”. Journal of Korean navigation and Port Research 2005;29(3):195–201.
8. Bang HS, Kang DJ, Park JH. “A Study on the Efficiency Analysis of Major Container Ports”. Journal of Korea Trade 2011;36(2):1–23.
9. Lee HS, Kim KS, Park JH. “Measuring Relative Efficiency of Korean Shipping Companies Using DEA”. The Korean Academic Association of Business Administration 2006;19(4):1197–1217.

Article information Continued

Table 1.

Previous research summary

resear cher Meth ods Variables DMU
Input Output
Roll and Hayuth (1993) DEA
  • -Annual labor

  • - Annual investment capital

  • -Hardware

  • - The unity of the cargo

  • - Cargo handling capacity

  • -Service Level

  • -User satisfaction

  • -Ship arrival times

20 ports of Israel
Cullinane, et al. (2006) DEA
  • - Berth length

  • -Total area

  • - Number of G/ C

  • - Container throughput

23 major world port
Song et al (2005) DEA
  • -Berth Length

  • -Total area

  • -Number of G/C

  • -CFS Area

  • -Average work time

  • -Container throughput

60 major world port
Lee et al (2013) DEA
  • -Number of berth

  • -Number of G/C

  • -CFS Area

  • -Storage

  • -Container throughput

  • -throughput per berth length

  • -throughput per G/C

28 major world port

Table 2.

Northeast Asia container throughput and ranking in 2012

Rank Port Country TEU
1 Shanghai China 3,253
5 Busan South Korea 1,705
6 Ningbo China 1,567
8 Qingdao China 1,450
10 Tianjin China 1,230
17 Dalian China 806
26 Lianyungang China 502
27 Yingkou China 485
28 Tokyo Japan 475
34 Taicang China 401
43 Yokohama Japan 305
50 Nagoya Japan 266
52 Kobe Japan 257
57 Osaka Japan 241
61 Nanjing China 230
63 Gwangyang South Korea 215
69 Incheon South Korea 198
74 Yantai China 185
75 Fuzhou China 183
99 Zhongshan China 120

Source: Containerisation International Yearbook

Table 3.

Analysis of data and summary

Rank Port Input Output
Berth (Num) Wharf (m) Depth (m) Total Area (m2) C/C (Num) Con. Through put (10,000 TEU)
1 Shanghai 40 12,298 17.5 639 142 3.361.7
2 Busan 41 12,523 18 714.9 121 1.768.6
3 Ningbo 32 9,688 18.5 507.5 95 1.732.7
4 Qingdao 23 7,170 20 462 74 1.552.0
5 Tianjin 25 7,665 19.5 475.7 81 1.300.0
6 Dalian 18 5,665 17.8 412.1 35 991.2
7 Lianyungang 9 2,900 16.5 105 22 548.8
8 Yingkou 7 1,936 15.5 149 18 530.1
9 Tokyo 15 4,479 16 150.6 36 435.3
10 Yokohama 19 5,350 16 256.7 41 288.8
11 Nagoya 13 3,955 16 159.5 28 270.9
12 Kobe 11 4,700 16 153.2 31 255.3
13 Osaka 14 4,465 16 123.1 30 219.4
14 Gwangyang 18 6,150 16 297.6 27 227.6
15 Incheon 11 2,449 14 82.2 19 216.1
16 Yantai 7 2,013 14 87.2 18 215.0

Source: Containerisation International Yearbook

Table 4.

The DEA-CCR model s efficiency value and reference group

Rank DMU Effi ciency Value Reference (λ)
1 Shanghai 1 Shanghai(1)
1 Lianyungang 1 Lianyungang(1)
2 Dalian 0.986 Lianyungang(0.948),Shanghai(0.095)
6 Yingkou 0.936 Lianyungang(0.668)
4 Qingdao 0.774 Lianyungang(0.792),Shanghai(0.396)
5 Ningbo 0.719 Lianyungang(0.493),Shanghai(0.593)
6 Tianjin 0.609 Lianyungang(0.694),Shanghai(0.460)
7 Busan 0.602 Lianyungang(0.224),Shanghai(0.817)
8 Tokyo 0.414 Shanghai(0.092),Lianyungang(0.842)
9 Yantai 0.365 Lianyungang(0.694)
10 Incheon 0.325 Lianyungang(0.783)
11 Nagoya 0.282 Shanghai(0.056),Lianyungang(0.910)
12 Kobe 0.254 Lianyungang(0.891),Shanghai(0.075)
13 Gwangyang 0.242 Lianyungang(0.919),Shanghai(0.048)
14 Osaka 0.238 Lianyungang(0.927),Shanghai(0.040)
15 Yokohama 0.235 Shanghai(0.166),Lianyungang(0.794)

Table 5.

The DEA-CCR model s efficiency to the port to improve the investment (Busan, Incheon)

DMU Input and Output Effi ciency condition present condition gap %
Busan (0.602) Berth(num) 35 41 -6 -15%
Wharf(m) 10,702 12,523 -1,821 -15%
Depth(m) 18 18 0 0%
TotalArea (m2) 546 715 -169 -24%
C/C (num) 121 121 0 0%
Throughput (TEU) 29,379,978 17,686,099 1,169,3879 66%
Incheon (0.325) Berth(num) 7 11 -4 -36%
Wharf(m) 2,270 2,449 -179 -7%
Depth(m) 13 14 -1 -8%
TotalArea (m2) 82 82 0 0%
C/C(num) 17 19 -2 -9%
Throughput (TEU) 6,644,891 2,160,797 4,484,094 208%

Table 6.

The DEA-BCC model s efficiency value and reference group

Rank DMU Effi ciency Value Reference Group(λ)
1 Shanghai 1 Shanghai(1)
1 Lianyungang 1 Lianyungang(1)
1 Yingkou 1 Yingkou(1)
1 Incheon 1 Incheon(1)
1 Yantai 1 Yantai(1)
2 Dalian 0.884 Shanghai(0.108),Lianyungang(0.892)
3 Qingdao 0.801 Lianyungang(0.567),Shanghai(0.4330)
4 Ningbo 0.729 Lianyungang(0.392),Shanghai(0.608)
5 Tianjin 0.624 Lianyungang(0.508),Shanghai(0.492)
6 Busan 0.605 Lianyungang(0.175),Shanghai(0.825)
7 Tokyo 0.464 Lianyungang(0.666),Incheon(0.238), Shanghai(0.096)
8 Nagoya 0.318 Lianyungang(0.720),Shanghai(0.057), Yantai(0.223)
9 Kobe 0.282 Lianyungang(0.599), Yantai(0.179), Shanghai(0.085),Yingkou(0.137)
10 Gwangyang 0.273 Lianyungang(0.731), Yantai(0.220), Shanghai(0.049)
11 Osaka 0.268 Lianyungang(0.740),Incheon(0.217), Shanghai(0.043)
12 Yokohama 0.263 Lianyungang(0.566),Shanghai(0.167), Yantai(0.267)

Table 7.

The DEA-BCC model s efficiency to the port to improve the investment (Busan, Gwangyang)

DMU Output and Input Effi ciency condition present condition gap %
Busan (0.605) Berth(num) 35 41 -6 -16%
Wharf(m) 106,53 12,523 -1,870 -15%
Depth(m) 17 18 -1 -4%
Total (m2) 546 715 -169 -24%
C/C (num) 121 121 0 0%
Throughput (TEU) 29,219,425 17,686,099 11,533,326 65%
Gwang yang (0.273) Berth(num) 10 18 -8 -44%
Wharf(m) 3,166 6,150 -2,984 -49%
Depth(m) 16 16 0 0%
Total Area(m2) 127 298 -170 -57%
C/C(num) 27 27 0 0%
Throughput (TEU) 8,327,191 2,275,801 6,051,390 266%

Table 8.

The efficiency of scale

Rank DMU Efficiency Value
DEA-CCR DEA-CCR efficiency ofscale
1 Shanghai 1 1 1
1 Lianyungang 1 1 1
2 Busan 0.602 0.605 0.995
6 Ningbo 0.719 0.729 0.986
4 Tianjin 0.609 0.624 0.977
5 Dalian 0.986 0.884 0.975
6 Qingdao 0.774 0.801 0.967
7 Yingkou 0.936 1 0.936
8 Kobe 0.254 0.282 0.899
9 Tokyo 0.414 0.464 0.893
10 Yokohama 0.235 0.263 0.893
11 Osaka 0.238 0.268 0.889
12 Nagoya 0.282 0.318 0.886
13 Gwangyang 0.242 0.273 0.885
14 Yantai 0.365 1 0.365
15 Incheon 0.325 1 0.325

Table 9.

Compare With the analysis result

DMU Shang hai Bu san Lian yun gang In cheon Da lian Gwang yang
Variables
In put Berth(num) 40 41 9 11 18 18
Wharf(m) 12,298 12,523 2,900 2,449 5,665 6150
Depth(m) 17.5 18 16.5 14 17.8 16
Total Area (m2) 639 714.9 105 82.2 412.1 297.6
C/C (num) 142 121 22 19 35 27
Out put Throughput (TEU) 3361.7 1768.6 548.8 216.1 991.2 227.6
Result CCR 1 0.602 1 0.325 0.986 0.242
BBC 1 0.605 1 1 0.884 0.273
efficiency of scale 1 0.995 1 0.325 0.975 0.885

Fig. 1.

The tendency of Chinese and Korean main port’s container throughput in recent 10 years.