Análisis envolvente de datos: comparación de la eficiencia en las operaciones

Es prácticamente imposible ignorar la importancia de los indicadores que miden el desempeño de la empresa. Es necesario medir cuánto se produjo, se vendió, a cuántos clientes se atendió, es decir, la efectividad de sus operaciones. Sin embargo, también necesitamos entender qué recursos se utilizaron para lograr los objetivos, para garantizar la salud y competitividad de la organización. También es necesario evaluar la eficiencia de los procesos.

Una práctica común en el mercado son las comparaciones que las empresas, o sus unidades productivas y operativas, realizan entre sí para saber si están siendo más o menos eficientes que las demás. O incluso, si hay un camino a seguir para lograr la máxima eficiencia. En teoría, sería fácil hacer este análisis con cálculos simples, pero las diferencias en las características operativas de las unidades analizadas dificultan enormemente una comparación justa. Por ejemplo, se puede pensar en calcular la productividad por el área que cubre una operación, pero también podríamos pensar en medirla por el número de clientes atendidos. Cada una de estas opciones podría indicar una u otra operación como la más eficiente, pero ¿cuál sería el criterio correcto? Entonces, ¿cómo se pueden combinar estas diferentes formas de medición para hacer comparaciones justas entre unidades?

El Análisis Envolvente de Datos (DEA) es un método matemático basado en lógica de programación lineal que permite esta comparación de eficiencia entre diferentes unidades productivas (llamadas DMU), utilizando múltiples criterios de entrada, que serían los recursos (entradas); y productos o resultados logrados (salidas). A través de este modelo, es posible llegar a un único porcentaje de eficiencia para cada una de las unidades analizadas en la comparación, y así entender cuáles de ellos son parámetros (puntos de referencia) y que aún tienen puntos de mejora.

A diferencia de los modelos paramétricos, como regresión lineal y el AHP, el DEA permite asignar diferentes pesos a cada criterio de entrada y salida con el fin de maximizar la eficiencia de cada DMU, ​​lo que proporciona una comparación justa entre diferentes operaciones. Los modelos DEA pueden estar orientados a entradas en cuanto a salidas. En otras palabras, podemos pensar “cuánto de mis recursos debo gastar para lograr un resultado” o “cuánto debo producir con los recursos que tengo”. Es importante elegir el modelo adecuado, en función de las variables controlables por los responsables de las operaciones analizadas.

Una vez elegido el modelo de orientación, se problema de programación lineal (LPL), que asigna diferentes pesos a entradas e salidas de cada unidad, buscando maximizar su eficiencia. Así llegamos a la eficiencia de cada DMU. Con estos valores en la mano, todavía podemos calcular cuánto deberían mejorar las DMU menos eficientes, fijándonos una meta de reducción entradas o aumento de salidas, en función del modelo de guiado elegido. Así, en algunos casos podemos mostrar gráficamente la DEA, construyendo las llamadas fronteras de eficiencia. Las empresas que son 100% eficientes están en el límite de esta región, y las empresas que no son 100% eficientes están en el “interior” de la región, como se muestra en la Figura 1.

Figura 1 – Fuente de eficiencia del DEA

Fuente: OIT

Esta fue una breve introducción al Análisis Envolvente de Datos, muy útil en el área logística para comparar operaciones con diferentes características (por ejemplo, CDs y Operadores Logísticos que operan en diferentes regiones del país) y, de manera justa y adecuada, identificar oportunidades de mejora operativa. camino a la frontera de la eficiencia. En las referencias a continuación, puede consultar una presentación más detallada, además de la formulación de problemas lógicos y herramientas que ayudan a resolverlos.

Referencias

SOARES DE MELLO, JCCB et al. CURSO DE ANÁLISIS ENVOLVENTE DE DATOS. XXXVIII Simposio Brasileño de Investigación Operacional, 2005

ANGULO MEZA, L.; BIONDI NETO, L.; SOARES DE MELLO, JCCB; GOMES, EG ISYDS - Sistema Integrado de Apoyo a la Decisión (SIAD - Sistema Integrado de Apoyo a la Decisión): un paquete de software para el modelo de análisis envolvente de datos. Investigación operativa, v. 25, (3), pág. 493-503, 2005

ANGULO MEZA, L.; BIONDI NETO, L.; SOARES DE MELLO, JCCB; GOMES, EG; COELHO, PHG Software libre para el análisis de decisiones: un paquete de software para modelos envolventes de datos. En: 7ª Conferencia Internacional sobre Sistemas de Información Empresarial – ICEIS 2005, v. 2, pág. 207-212.