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.
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:
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 * * *