Professional Documents
Culture Documents
Metodologia para Medir La Eficiencia Mediante Dea
Metodologia para Medir La Eficiencia Mediante Dea
Resumen
49
de decisin DMUs (del ingls Decision Making Unit). Muestra los modelos matemticos bsicos de la
tcnica DEA (del ingls Data Envelopment Analysis); se presentan recomendaciones fundamentales a
adecuado en
la obtencin de los resultados de los diferentes modelos.
Palabras clave:
///'
/
/$#
1. Introduccin
//, se ha convertido, desde los principios de su desarrollo (1978),
!
#>
/!
"
!
!
dando origen a nuevas aplicaciones. Esta tcnica se ha aplicado con xito en el sector gubernamental, en
centros educativos, hospitales, bancos, sector elctrico, portuario y las empresas interesadas en medir
#
**
:
;
<
=/>'=
En este artculo se establece una metodologa bsica para adelantar un Anlisis Envolvente de Datos
/, mediante las tcnicas CCR1, BCC2, modelos que pueden ser orientados hacia los inputs (CCR-I,
BCC-I) o hacia los outputs (CCR-O, BCC-O).
2. Marco terico
>
unidades de decisin, las cuales pueden ser: empresas, hospitales, escuelas, municipios y cualquier
&
#'
&
&
recursos a un nivel de producto dado. En la Figura No. 1 se ilustra cmo la DMU j-sima puede tener
varias entradas de insumos y varias salidas de productos, esto hace necesario hallar el cociente entre la
suma ponderada de los productos y la suma ponderada de los insumos.
(v1j)
X1j
(u1j)
Y1j
(urj)
Yrj
(utj)
Ytj
(vij)
.
(vmj)
Xij
.
Xmj
DMUj
^<"
? @"
\
|]
CCR: tcnica de anlisis envolvente de datos, denominada CCR en honor a sus creadores: Charnes, Cooper y Rhodes (1978).
BCC: tcnica de anlisis envolvente de datos, denominada BCC en honor a sus creadores: Banker, Charnes y Cooper (1984).
[ 71 ]
? @
B
!
"
'
&
*
este procedimiento se le denomina CCR orientado a las entradas (insumos, inputs), usando la abreviacin
==\"4='-
?HH9#
Y (Producto)
F(x)
D
O
B
P
A
C
X
Insumo
\
/"[
#[
;;
#
##
[ 72 ]
:
;
<
=/>'=
Y (Producto)
D
F(x)
A
B
P
C
X
O
Insumo
\[
/"[
#[
;;
#
!
(2)
c.s.r.3
(4)
(3)
(5)
49
$N
4~9
c.s.r.
(7)
3
[ 73 ]
? @
B
!
"
'
&
*
(8)
(9)
Aqu, el modelo es totalmente operativo y solucionable empleando el mtodo simplex, mtodo que
&
#
Generalmente el nmero de vi y ur es pequeo en comparacin con la cantidad de DMUs, por esto, si
se tienen muchas DMUs, j ser grande y el modelo tendr una cantidad de restricciones apreciable, por
lo anterior, se acostumbra resolver el problema empleando el DUAL del problema primal, ya que el
problema DUAL tendr tantas variables como restricciones tenga el problema primal, y un nmero de
restricciones igual al nmero de variables del primal, por lo que resulta computacionalmente ventajoso
resolver el problema mediante el DUAL, para ello asociamos una variable dual a cada restriccin del
principal, y lo expresamos en su forma cannica, as:
5
r; r = 1,,t y vi; i = 1,,m; tal que:
Variables duales
$N
c.s.r.
(10)
4'r+); r = 1,,t
(12)
4'i-); i = 1,,m
(14)
Minimice Z =
] (15)
c.s.r.
46~9
[ 74 ]
:
;
<
=/>'=
(17)
(19)
Maximice Z =
] (22)
c.s.r.
(23)
(24)
==\!!&
DMUs bajo la hiptesis de retorno a escala constante. De esta forma, la dimensin de las DMUs que
/$
!
/$
#
global y tiene lugar cuando la DMU seleccionada de referencia es la de mayor productividad de todas
las unidades que se estn estudiando. Pero tambin se podran considerar problemas donde las DMUs
/$
#
{
{
de escala variable. Para resolver este inconveniente y poder trabajar con problemas de escala variable,
Charnes Abraham, Cooper William y Rhodes E. (1984) aaden al modelo anterior, en su presentacin
dual la siguiente restriccin:
(28)
[ 75 ]
? @
B
!
"
'
&
*
Esta restriccin impone que el punto de referencia en la frontera de produccin para las DMUs de
/$
#"
en el modelo CCR-O la formulacin del dual es:
Minimice Z =
] (29)
c.s.r.
(30)
(31)
(32)
(34)
)
'
B=="
Maximice Z =
] (35)
c.s.r.
4~9
[ ~]
:
;
<
=/>'=
3. Metodologa
3.1 Unidades de Decisin DMUs
>
Unidades de Decisin DMUs. Deben ser entidades donde se tomen decisiones, donde se transformen
insumos en productos o servicios. Para evitar que se ubiquen en la frontera demasiadas DMUs el nmero
de estas debe ser mayor que la combinacin del nmero de inputs y de outputs. En trminos de grados
de libertad en DEA, se incrementan cuando aumentan las DMUs y disminuyen si aumenta el nmero de
#
='-
4?HH9
Nmero de DMUs >$49
N
N
#
Aqu es necesario el uso del &
! &
programacin lineal como DMUs existan, con: m + n + t + 1 variables y m + t restricciones en los modelos
duales. Los recomendados son el Frontier Analyst de Banxia, cuya versin demo se puede
!***#
#/'>\&
Introduction to Data
Envelopment Analysis and Its Uses4='
?HH~9#
*
/$
#>
a escala, esto es, con los rendimientos constantes o variables. Cuando el aumento del 1% en los insumos
genera un aumento del 1% en los productos, los rendimientos son constantes. Cuando el aumento del
1% en los insumos genera un aumento mayor al 1% en los productos los rendimientos son crecientes y
sern decrecientes en el caso en que el aumento sea inferior al 1%. Mediante el se pueden estimar
#4==\9
&
4=\'9
{
4-|9#
[ 77 ]
? @
B
!
"
'
&
*
&
4\'9
{
4-z9#z
{
{
49
&
/$
#>
N-|-z
&
\
N==\B==
4==\9{
4B==9
49#
>
4B==9#
#
&
!
&
nivel de producto con los recursos disponibles. La gestin del decisor debe estar enfocada a reducir esa
#
[ 78 ]
:
;
<
=/>'=
El {
#
Adems del anlisis de correlacin entre los insumos y de estos con el producto, el tambin
#-
#
$
=
ranking
#z
4==\94B==9#
&
{
4
9
{
49
/$
#
&
N-|-z N==\B==#
4. Conclusiones y Recomendaciones
Es de vital importancia, la veracidad en la informacin primaria, esto es, las cantidades que se estn
usando de cada insumo y las cantidades de cada producto que se est generando. Dicha informacin
debe estar completa para cada DMU.
1.
2.
3.
4.
5.
~#
7.
8.
9.
Levantamiento de la informacin.
#
Validacin de la informacin y anlisis estadstico bsico.
Estimacin de funciones de produccin empricas.
Interpretar los resultados.
Medir la productividad de las DMUs.
"
4
9#
%
#
"
4
produccin).
10.
#
La tcnica DEA presenta las siguientes caractersticas destacables:
1.
2.
3.
S
&
&
#
Capacidad para trabajar con mltiples factores, a diferencia del anlisis tradicional de
ratios que consideran slo dos factores de la actividad, representados en el numerador y
denominador.
#
[ 79 ]
? @
B
!
"
'
&
*
1.
2.
3.
&
/$#
{
#
z
/$
/$
#
B
4677~9
{
1.
2.
3.
Algunas de las limitaciones que presentan los modelos DEA, segn los mismos autores (Bonilla y otros,
677~9
1.
'
{
1
inconveniente de ser una tcnica determinista, por lo que la presencia de observaciones atpicas
&
!
#'
{
#
2.
> {
{
{
#
3.
Dado que DEA es una tcnica de punto extremo, ruidos (incluso las distorsiones simtricas con
9
#
4.
/
DMU en relacin con un mximo terico.
5.
Los test de hiptesis estadstico son difciles de aplicar, por ser un mtodo no paramtrico.
5. Bibliografa
A. Arieu. ?
#]
!
<
<#
|
"
[
envolvente de datos. La situacin del puerto de Baha Blanca. Consorcio de gestin del puerto de Baha Blanca.
Universidad Tecnolgica Nacional. Argentina. (2004).
#$#\/#'#|S##$
/#= ##> S
#46779#0
hospitalarios de Andaluca. Rev. San Hig.z
677~~#~/677#
=!
!=\!#4679#
!
+
/
#'
z
'
#
??4679%#
[ 80 ]
:
;
<
=/>'=
#'#4?HH9#Fundamentos tericos y prcticos del anlisis envolvente de datos. Primera Edicin. Pereira:
Universidad Tecnolgica de Pereira. 227p.
$#B
-#=#$\#'#4677~9#
"#
Universidad
de Valencia.
'# $!
\#>!46779#0/
!
3#European
Journal of Operational Research, 85: 700-710.
##=>#$#>*
'#-
#4?HH9#Data Envelopment Analysis. A Comprehensive
Text with Models, Applications, References and DEA-Solver'*
6#H#z
#B
*z
!#6#"'BH7?~7H
##
W. Cooper, L. M. '#
#4?HH~9#Introduction to Data Envelopment Analysis and Its Use, With DEA{!
{
/ "#~
#!=/\$'"'B7H?H6#
[ 81 ]