1

Aplicacin de la metodologa de anlisis por envolvente de datos

como benchmarking en una empresa de servicios

Edwin Jorge Montes Eskenazy
1
, Norvic Chicchon Ugarte
2

1
Coordinador de Planeamiento y Anlisis de Mercado de Graa Montero Petrolera
2
Analista Tcnico de Consorcio Terminales - Graa Montero Petrolera

emontes@gmp.com.pe, nchicchon@gmp.com.pe


0. RESUMEN

El objetivo de este ensayo es describir la utilizacin del mtodo matemtico denominado Anlisis por
Envolvente de Datos (DEA por sus siglas en ingls) para efectuar un ejercicio de benchmarking de
productividad entre las obras/unidades de negocio de una empresa de servicios, las cuales se encuentran
diferenciadas tanto por restriccin de recursos como por ubicacin geogrfica.

Mtodo utilizado en rubros tan dismiles como finanzas, salud, educacin, ingeniera, o servicios pblicos
como agua y electricidad, el Anlisis por Envolvente de Datos se convierte en una herramienta altamente
eficaz para la toma de decisiones en niveles gerenciales de organizaciones tcnicas.

Palabras Clave: Anlisis por Envolvente de Datos (DEA), Investigacin de Operaciones, Benchmarking,
Frontera de Produccin (PPF), Eficiencia Productiva, Programacin Lineal


1. INTRODUCCION

Uno de los retos principales de las organizaciones
tcnicas es elevar el grado de eficiencia y
productividad de las diversas obras, proyectos o
unidades de negocio que la conforman. En ese
contexto, el benchmarking es una opcin muy
vlida de seguir e implementar por parte de las
gerencias.

En nuestro caso, la empresa analizada cuenta con
ocho unidades de negocio independientes a lo
largo del pas y no tiene referencias plausibles en
el mercado. Ante esta necesidad, la iniciativa
que planteamos en este ensayo es efectuar un
benchmarking virtual, que en pocas palabras es
crear un modelo matemtico que escoge las
mejores caractersticas de las unidades de
negocio existentes para crear una Unidad de
Negocio Virtual (UNV) respecto a la cual se ha
efectuado el benchmarking de productividad.

Para tal fin, se explora el uso del procedimiento
de optimizacin con SOLVER (complemento
matemtico de MS Excel) en aplicacin a la
medicin de eficiencia y productividad en la
toma de decisiones usando tcnica del Anlisis
por Envolvente de Datos (DEA).


2. BASE TERICA DEL MTODO DEA

La primera aproximacin a la tcnica del DEA
fue propuesto por Farrell en 1957. Sin embargo
fueron Charnes, Cooper y Rhodes, con su paper
"Measuring the efficiency of decision making
units" (1978), los que la desarrollan y ponen en
funcionamiento; brindndonos la siguiente
caracterizacin de una Unidad de Toma de
Decisin DMU (Decision-Making Unit o Unidad
de Negocio) Eficiente:

i. Orientacin de salida: Una DMU no
es eficiente si es posible aumentar
cualquier salida sin que se incremente
cualquier entrada y sin que se disminuya
cualquier otra salida.

ii. Orientacin de entrada: Una DMU
no es eficiente si es posible disminuir
2

cualquier entrada sin que se aumente
cualquier otra entrada y sin que se
disminuya cualquier salida.

Ergo:
Una DMU ser caracterizada como
eficiente si y slo si no se obtiene (i) ni
(ii).

Asimismo, en donde la presencia de mltiples
insumos (entradas) y resultados (salidas) hacen
difcil la comparacin de su desempeo, el
resultado de eficiencia se define como:

Eicicncio =
Suma Ponderada las Salidas
Suma Ponderada delas Entradas


Matemticamente tendramos el siguiente modelo
fraccionario propuesto por Charnes, Cooper y
Rhodes (1978):





Donde:
h es la eficiencia ponderada,
Si h = 1 indica el mximo de eficiencia
Si h < 1 indica la ineficiencia de la unidad.
n Nmero total de DMU, cada una con
m entradas y s salidas,
y
rj
, x
ij
: representan respectivamente los
parmetros observados en la r -sima salida y en
la i-sima entrada de la DMU j.
v
r
, u
r
: son factores ponderadores que permiten
obtener la medida escalar de eficiencia.

De lo anterior, tambin se desprende que el
mtodo DEA puede ser aplicado de dos maneras:
A. DEA con Orientacin a la Salida:
manteniendo fija la cantidad total a la
entrada para maximizar la salida.
B. DEA con Orientacin a la Entrada,
manteniendo fija la cantidad total a la salida
para minimizar la entrada.

Programacin lineal aplicada al mtodo DEA.

Para excluir mltiples soluciones y evitar la
indeterminacin del modelo fraccionario anterior,
se aplica la siguiente restriccin (ecuacin A):

Imponiendo la ecuacin anterior al modelo
fraccionario de Charnes, Cooper y Rhodes, la
solucin de este nuevo modelo proporciona los
ponderadores de entrada y de salida que
maximizan el resultado de eficiencia de la DMU


en evaluacin y a su vez permite ser resuelto por
mtodos de programacin lineal.

Por lo tanto, dado que la bsqueda de eficiencia
se realiza encontrando los ponderadores que
minimicen las entradas de la DMU de prueba,
mientras se mantiene fija la cantidad total de
salida con la imposicin de la ecuacin A, el
nuevo modelo a resolver tiene una orientacin
de entrada.

Una ventaja del mtodo DEA es que no requiere
de ninguna asuncin acerca de la forma funcional
entre las entradas y las salidas, construyendo su
propia forma funcional.


3. METODOLOGIA

En este acpite definiremos el tipo de empresa a
utilizar para el anlisis, en base a la cual
definiremos posteriormente dos aspectos:
i. Tipo de Metodologa DEA a emplear.
ii. Variables de entrada / salida representativos

3.1 Raciocinio para escoger la empresa
analizada

Para escoger a la empresa modelo susceptible de
efectuar un benchmarking virtual, es han
evaluado un grupo de empresas / unidades de
negocio, tomando en cuenta las siguientes
consideraciones:
- Empresa conformado con un nmero de sub-
unidades de negocio mayor a 02 y que sea
suficiente para validar los datos La cantidad
de DMU debe constituir un grupo
suficientemente amplio para no limitar la
capacidad discriminatoria del anlisis,
condicin que se encuentra relacionada con
la dimensin del modelo.
- Ubicacin geogrfica variada
3

- Las unidades deben ser suficientemente
homogneas entre s para que se puedan
comparar (ejem: el tipo de negocio) pero
suficientemente heterogneas para que se
pueda extraer informacin de esa
comparacin (ejem. la variacin de los
recursos empleados) (Golany y Roll, 1989).
- Las unidades tambin deben tener
responsabilidad en la gestin de los recursos
para la produccin lo que implica capacidad
para gestionar los recursos de que disponen.

Con los parmetros anteriores se escogi la
empresa a la que denominaremos Consorcio
Logstico, por tener un nmero variado de sub-
unidades de negocio con reparto relativamente
eficiente de recursos, ubicacin geogrfica
variada, y sobre todo con resultados de operacin
plausibles de ser mejorados.

3.2 Descripcin de la empresa analizada

Consorcio Logstico forma parte del Grupo
Graa y Montero, y ofrece a sus clientes los
servicios de almacenamiento y despacho de
productos lquidos. Una caracterstica importante
de la empresa es su rgimen de operacin de libre
acceso, lo que quiere decir que los servicios que
brinda pueden ser contratados por cualquier
empresa que cuente con las autorizaciones
correspondientes.

Las unidades de negocio que conforman
Consorcio Logstico se distribuyen
geogrficamente de la siguiente manera: 03 en la
costa norte (N1, N2, y N3); 02 en la costa central
(C1 y C2); 02 en la costa sur (S1 y S2); y 01 en la
sierra sur (S3).

Por la naturaleza del mercado en que participa, la
empresa no tiene capacidad de influir en la
demanda de sus servicios, por lo que debe lidiar
con la minimizacin de sus recursos de entrada.

3.3 Mtodo DEA utilizado

Dado que Consorcio Logstico no puede influir
en las variables de salida (demanda
independiente del accionar de la empresa), la
mejor metodologa a aplicar es: DEA con
Orientacin a la Entrada.

3.4 Variables de Entrada / Salida de la
empresa analizada

Definido el mtodo DEA con Orientacin a la
Entrada para medir la eficiencia relativa de las
ocho unidades de negocio que conforman
Consorcio Logstico, queda ahora por definir las
variables ms representativas a evaluar.

En este caso por tratarse de parmetros de
entrada relacionados con costos de una empresa
en funcionamiento, se han tomado ndices que
mantienen la proporcionalidad de los resultados
de una empresa logstica.

Variables de Entrada (Input)

El anlisis de costos determin que los rubros
siguientes son los ms representativos:
I1 Personal: el nmero de personal depende del
tamao de planta, con poltica de rotacin. Se
maneja escalas salariales por tipo de trabajador.
Se considero utilizar las unidades monetarias.
I2 Mantenimiento: actividad necesaria para
garantizar la disponibilidad del servicio.
Considerando la amplia variedad de equipos, se
efectu las corridas con unidades monetarias.
I3 Servicios: depende del cantidad del producto
recibido y del nmero de unidades despachadas.
Se considero utilizar las unidades monetarias que
refleje mejor el total del servicio recibido.

Variables de Salida (Output)

Los ingresos se basan en dos tarifas: 1) de
Almacenamiento Contrato; y 2) de Despacho.
Con las condiciones prefijadas al inicio de la
operacin las tarifas son iguales para todas las
unidades de negocio operativas.

En este caso, dada la relacin directa con los
ingresos, las variables de salida consideradas son:
O1 Volumen Despachado: unid. en barriles-ao.
O2 Almacenamiento Contratado: unid. en
barriles-ao.


4. APLICACION DEL MTODO DEA

4.1 Matriz de variables de entrada y pesos


4

DMU Staff (I) Mant (I) Serv (I)
N1 515 653 332
N2 535 578 336
N3 356 356 230
C1 343 443 295
C2 424 578 252
S1 712 608 464
S2 349 278 222
S3 248 102 86

Pesos WI1 WI2 WI3
Unidades Monetarias

4.2 Ponderacin de variables de entrada

Luego calculamos el valor ponderado de la
entrada de cada DMU:

Entrada Pond N1 = Staff (N1) * WI1 +
Mant (N1) * WI2 +
Serv (N1) * WI3
()
Entrada Pond S3 = Staff (S3) * WI1 +
Mant (S3) * WI2 +
Serv (S3) * WI3

4.3 Matriz de variables de salida y pesos

DMU Despachos (O) Almacenamiento (O)
N1 3 754 3 756
N2 3 041 2 894
N3 1 708 2 515
C1 1 919 2 160
C2 3 172 3 528
S1 8 859 6 149
S2 2 089 1 795
S3 1 897 708

Pesos WO1 WO2
Barriles-ao

4.4 Ponderacin de variables de salida

Luego calculamos el valor ponderado de la salida
de cada DMU:

Salida Pond N1 = Despacho (N1) * WO1 +
Almancen (N1) * WO2
()
Salida Pond S3 = Despacho (S3) * WO1 +
Almancen (S3) * WO2
4.5 Clculo de eficiencia

Eicicncio N1=
SalidaPond N1
EntradaPond N1


()
Eicicncio S3 =
SalidaPond S3
EntradaPond S3


4.6 Clculo de productividad

Eficiencia N1 = Salida Pond N1
Entrada Pond N1
()
Eficiencia S3 = Salida Pond S3
Entrada Pond S3

4.7 Matriz base

En base a lo anterior, se determina una Matriz
Base (Fig. N 1) para encontrar la optimizacin
tcnica ms eficiente de los recursos de entrada
variable versus los de salida constate en base a
programacin lineal en el complemento
matemtico SOLVER del MS EXCEL 2007.

4.8 Optimizacin de modelo de eficiencia
segn mtodo DEA con MS EXCEL

Las lneas que sern trabajadas son las siguientes:

i) Calcular Mxima Eficiencia Ponderada:
Celda objetivo Gi en Matriz Base. Se repite
desde i=1 9.
ii) Seleccionar opcin: Mximo (Figura N 2)
iii) Celdas a calcular con SOLVER: Pesos
Ponderados $B$11:$F$11 de Matriz Base
correspondientes a WI1, WI2, WI3, WO1, y
WO2
iv) Restricciones (segn Mtodo DEA):
Primera:
Hi = 1 (por ser Orientada a la entrada)
Se repite desde i=1 9
Segunda:
$J$2:$J$9 <= 0 (Para encontrar eficiencias
o reducciones en al ingreso)

4.9 Informes generados

Los Informes de Respuestas y Sensibilidad del
SOLVER (Fig N 3) se generan para cada una de
las DMU evaluadas.
5

Figura N 1: Matriz Base


Figura N 2


Figura N 3



5. RESULTADOS

5.1 Benchmarking virtual

Los resultados generales compendiados de las
eficiencias ptimas, susceptibles de ser
alcanzadas en base a restricciones de las variables
de entrada: se muestran a continuacin en la
Figura N G (celdas $G$2:$G$9).


Recalcamos que las eficiencias ptimas obtenidas
se realizaron en base al benchmarking virtual. En
nuestro caso, el modelo automticamente arroja
eficiencias de 100% para las DMU que sirvieron
como marcadores para la determinacin de
estas eficiencias:

Unidades Marcadores: C2 S1 S3

Esto no indica que dichas unidades no pueden ser
mejoradas. Sino que a la luz de los parmetros
evaluados, son las unidades de negocio
representativas en base a las cuales determinamos
tericamente unidades virtuales de comparacin.


De otro lado, compendiando todos los resultados
generados en los Informes de Sensibilidad
(Figura N 5) para cada corrida efectuada,
planteamos las siguientes relaciones empricas
que sirven para determinar valores tericos de
rendimiento para las variables de entrada:
Personal, Mantenimiento, y Servicios:

N1 E = 0,137 C2 + 0,532 S1
N2 E = 0,320 C2 + 0,287 S1
N3 E = 0,077 C2 + 0,365 S1
C1 E = 0,351 S1


C2 E = 1,000 C2


S1 E = 1,000 S1


S2 E = 0,292 S1


S3 E = 1,000 S3



El sufijo E anterior deriva de la palabra
Eficiente, por ser las DMU tericas.
6

Figura N 6: Resultados de Eficiencia Optima segn Mtodo DEA



5.2 Curvas de Frontera

Existe tambin la posibilidad de plantear
soluciones grficas, como es el caso del trazado
de Curvas de Frontera. En este caso, se
determinan los siguientes ratios Output vs Input:

DMU
Desp /
Staff
Almac
/ Staff
Desp /
Mantto
Almac /
Mantto
Desp /
Serv
Almac
/ Serv
N1

7,29

7,29

5,75

5,75

11,31

11,32
N2

5,68

5,41

5,26

5,01

9,04

8,60
N3

4,80

7,07

4,80

7,07

7,44

10,95
C1

5,60

6,30

4,33

4,88

6,51

7,32
C2

7,48

8,32

5,49

6,10

12,60

14,01
S1

12,44

8,63

14,57

10,12

19,07

13,24
S2

5,98

5,14

7,51

6,45

9,42

8,09
S3

7,64

2,85

18,58

6,93

21,98

8,20

En base a los ratios de la tabla anterior, trazamos
las respectivas grficas:







De estas grficas se puede observar tambin que
las DMU: S1, C2, y S3, son las unidades
representativas para efectuar el benchmarking.

En el primer trazado, podemos apreciar que la
solucin grfica consiste en extrapolar una lnea
que parta del origen sobre la coordenada de la
DMU (mtodo de variables constantes), y la
solucin es la interseccin sobre la curva de
frontera.
7,29; 7,29
5,68 ; 5,41
4,80 ; 7,07
5,60 ; 6,30
7,48 ; 8,32
S1
12,44 ; 8,63
5,98 ; 5,14
7,64 ; 2,85
-
1
2
3
4
5
6
7
8
9
10
- 2 4 6 8 10 12 14
[Desp/Staff] vs [Almacenam/Staff]
5,75; 5,75
5,26 ; 5,01
4,80; 7,07
4,33 ; 4,88
5,49 ; 6,10
S1
14,57; 10,12
7,51 ; 6,45
S3
18,58 ; 6,93
-
2
4
6
8
10
12
- 2 4 6 8 10 12 14 16 18 20
[Desp/Mantt] vs [Almacen/Mantt]
11,31 ; 11,32
9,04 ; 8,60
7,44 ; 10,95
6,51; 7,32
C2
12,60 ; 14,01
S1
19,07 ; 13,24
9,42 ; 8,09
S3
21,98 ; 8,20
-
2
4
6
8
10
12
14
16
- 2 4 6 8 10 12 14 16 18 20 22 24
[Desp/Serv] vs [Almacen/Serv]
7

5.3 Validacin del Modelo

Nuestro modelo cuenta con 8 DMU, con 3
variables entradas y 2 de salidas, cumpliendo con
el criterio de Boussofiane (1991) que establece
que para conseguir el poder discriminante en un
modelo DEA, el lmite inferior en el nmero de
DMU debe ser mltiplo del nmero de entradas y
el nmero de salidas. En nuestro caso, 8 DMU es
mayor que 6 (lmite inferior de Boussofiane).

Se verific que las variables Entrada y Salida
tienen correlacin positiva mayor a 0 [0.80-0.93],
para cumplir que las cantidades crecientes de los
insumos conllevan a mayores salidas.

Para validar que no se tienen variables
innecesarias, se verific que la correlacin entre
las variables I/O es menor que 0.95.


6. CONCLUSIONES

La principal conclusin derivada de la
aplicacin del mtodo DEA en la evaluacin
de la empresa Consorcio Logstico, es que
las eficiencias tcnicas de las DMU: N1, N2,
N3, C1, y S2, son admisibles de ser
mejoradas en cada parmetro en las
cantidades (unidades monetarias) indicadas
en la tabla siguiente:

Mejoras
Tericas
Personal
(I)
Mantto
(I)
Servicios
(I)
N1 E 0 -152 0
N2 E 0 -8 0
N3 E 0 -26 0
C1 E 0 -110 -52
S2 E -15 0 -6
N1 E / N1 0% -23% 0%
N2 E / N2 0% -1% 0%
N3 E / N3 0% -7% 0%
C1 E / C1 0% -25% -18%
S2 E / S2 -4% 0% -3%

En base a las tablas anteriores, las gerencias
pueden fijar metas y definir estrategias que
conlleven a la reduccin de variables de
entrada con el consiguiente incremento de
eficiencia tcnica.
En el caso de las DMU marcadores (C2, S1,
S3), correspondera efectuar benchmarking
externo para incrementar su eficiencia.

7. RECOMEDACIONES APLICADAS A LA
EMPRESA DE SERVICIOS ANALIZADA

Es altamente factible aplicar el uso a otras
empresas del Grupo GyM que cuenten con
unidades de negocio similares como
concesiones de carreteras, construccin de
edificaciones, obras, estudios de ingeniera.

Para una mayor riqueza del anlisis cabe la
posibilidad de aplicar extensiones al modelo
DEA tales como restriccin entre los pesos
de los factores o rendimientos variables.

Complementar el Anlisis midiendo la
evolucin de la curva de frontera en el
tiempo o con un enfoque paramtrico como
es el uso de mtodo de Anlisis de Frontera
Estocstica a partir del modelo funcional de
la funcin de produccin del DEA.

Para una anlisis exploratorio es aplicable el
SOLVER pero para un uso regular podra
ser conveniente utilizar un paquete
especializado en Anlisis DEA que
proporciona rapidez y variedad de reportes.

8. REFERENCIAS

Emrouznejad, Ali (2005). Measurement efficiency
and productivity in SAS/OR. Fuente:
http://deazone.com/en/emrouznejad

Erbetta Fabrizio Optimal scale in the Italian gas
distribution industry using Data envelopment
analysis

Sarkis, J oseph (2002). Preparing Your Data for
DEA by Productivity Analysis in the Service Sector
with Data Envelopment Analysis. Fuente:
www.clarku.edu/~jsarkis/SarkisChapter.doc

Vincent, Charles, Mukesh Kumar , Luis Felipe
Zegarra , Beatrice Avolio (2011) Benchmarking
Peruvian Banks using Data Envelopment Analysis
J ournal of Centrum Cathedra Volume 4 Issue 2
September 2011
* * *