3 CYBER-PHYSICAL SYSTEM AS A PLATFORM FOR VALUE CO-
3.3 Towards cyber-physical systems in industrial context 33
3.3.1 Cyber world’s capabilities 37
Bogotá, mediante la metodología DEA
Gabriela Victoria Rojas Romero, Mónica Julieth Cruz Parada
Resumen
Este proyecto busca evaluar la eficiencia relativa de los proveedores de medicamentos de una IPS, a través de la metodología del análisis envolvente de datos (DEA), con el fin de saber qué proveedores están siendo eficientes o ineficientes y por qué. Así mismo, se busca proponer estrategias de mejora para los proveedores. Se realiza una revisión de la bibliografía existente acerca de la evaluación de la eficiencia de proveedores en el área de la salud, con distintos modelos DEA y variedad de indicadores y variables utilizadas en su implementación. Con la revisión bibliográfica asociada, se buscan y definen las variables, inputs y outputs a utilizar, y se define el modelo DEA apropiado a implementar con la información disponible, previamente recolectada de la IPS. De este modo, se construyen indicadores relativos de eficiencia a la misma de sus proveedores, para así obtener un sistema integrado de evaluación de proveedores con el propio sistema de mejora continua de la organización, ya que esto también permite mejorar su desempeño general.
Justificación
A
l ser una organización que interviene directamente en el consumo de me-dicamentos, es importante establecer técnicas efectivas para evaluar a sus proveedores y su capacidad para suministrar los productos requeri-
dos que influyen directamente en la prestación del servicio final al cliente. Existen varias técnicas para estimar los mejores desempeños de los proveedores: análisis de frontera estocástica y modelos de regresión. Sin embargo, DEA se está convirtiendo en la metodología preferida para evaluar proveedores en servicios de la salud, dado que es una metodología que estima cuál es el desempeño de las uni-
dades que se están evaluando, es decir, los proveedores, y encuentra una frontera de eficiencia, en donde ubica a los proveedores que mejor han utilizado sus recur-
sos, es decir, son eficientes en un 100% respecto a todos los proveedores evaluados. La distancia de los proveedores evaluados que no se encuentran sobre la frontera, hasta ella, proporciona medidas radiales de cuánto están siendo ineficientes y permi-
te saber hasta qué punto deberían aprovechar sus recursos para llegar a ser eficientes. DEA ofrece muchas ventajas cuando es aplicado al problema de evaluar el desempeño de proveedores que tengan que ver en el sector del cuidado de la salud. Primero, los modelos son no paramétricos y no requieren una forma funcional para ser prescritos explícitamente. A diferencia de otros métodos estadísticos, DEA puede manejar múlti-
ples variables y de distintos proveedores a ser medidos. Por ello, el análisis final produce un único resultado general de los mejores desempeños observados. Para identificar es-
tos proveedores que mantienen los mejores resultados, DEA agrupa los proveedores en subgrupos homogéneos. Los proveedores que se encuentran en la frontera mantienen los mejores resultados posibles y son calificados 100% eficientes; los que no, se califican como ineficientes.
Desarrollo del tema
Los referentes teóricos para el desarrollo de este proyecto hacen referencia a la metodología de análisis envolvente de datos y los modelos utilizados. La metodología DEA define una técnica de medición de la eficiencia que se basa en la obtención de una frontera de eficiencia a partir del estudio de un conjunto de unidades que no tie-
177
LA SOCIEDAD DEL CONOCIMIENTO Y EL DESARROLLO SOSTENIBLE
programación matemática que permite la construcción de una superficie envolvente, frontera eficiente o función de producción empírica, a partir de los datos disponibles del conjunto de unidades objeto de estudio, de forma que las unidades que determinan la envolvente son denominadas unidades eficientes y aquellas que no permanecen sobre la misma son consideradas unidades ineficientes.
El DEA permite la evaluación de la eficiencia relativa de cada una de las unidades (Coll & Blasco, 2006). Las unidades deben ser comparables, en el sentido de que todas ellas consumen los mismos inputs, en diferentes cantidades, para producir el mismo con-
junto de outputs, en distintas cantidades (Pastor, 2000). Según Charnes et al. (1978), la eficiencia puede ser caracterizada con relación a dos orientaciones básicas que hacen referencia a dos modelos: inputs orientados, que busca dado el nivel de outputs, la máxi-
ma reducción proporcional en el vector de inputs mientras permanece en la frontera de
posibilidades de producción; y outputs orientados, que busca dado el nivel de inputs, el máximo incremento proporcional de los outputs, que permanece dentro de la frontera de posibilidades de producción.
Bajo el supuesto de rendimientos constantes a escala (modelo CCR), las medidas de eficiencia técnica input y output orientadas coinciden. Los modelos input orientados y output orientados estiman la misma frontera y, por tanto, por definición, el mismo con-
junto de unidades eficientes. Solamente las medidas de eficiencia asociadas a las unida-
des ineficientes pueden diferir entre los modelos (Coelli, Prasada, O’Donnell & Battese, 1998). El modelo BCC permite que la tipología de rendimientos a escala sea variable, es decir, constante, creciente o decreciente. La frontera de rendimientos constantes a escala es restrictiva y produce un menor número de unidades eficientes con menores puntuaciones y en la frontera de rendimientos variables, no necesariamente la eficiencia
input y output son iguales.
Metodología
Para el desarrollo del proyecto, se tienen en cuenta 4 fases:
1. Revisión de bibliografía existente: se realiza una búsqueda de información en libros, artículos y páginas web con información sobre la evaluación de provee-
dores en el sector de la salud, el uso de la metodología del análisis envolvente de datos DEA en la evaluación de la eficiencia en otras DMU (unidades a me-
dir), como los hospitales y farmacias, y el uso de otros métodos para evaluar la eficiencia relativa de distintas unidades teniendo en cuenta diferentes inputs y outputs, que influyen directamente en el desempeño de las unidades a evaluar. 2. Caracterización de los procesos: se realiza una búsqueda y definición de varia-
bles a utilizar en el modelo y una recolección de información que tiene la IPS de los proveedores. Dentro de la bibliografía que se tiene en cuenta en la primera fase, se hace una revisión de las variables input y output que han sido utilizadas en los modelos DEA ya formulados. Se tiene en cuenta que estas no sean solo en términos de costos asociados a los recursos (inputs) o a las ganancias o benefi-
cios obtenidos (outputs) y se aprovecha que el modelo puede ser utilizado con variables de distintas unidades.
3. Determinación y ejecución de modelos DEA: para determinar el modelo ade-
cuado a implementar, se tiene en cuenta la información recolectada disponible sobre las DMU y las variables input y output que se lograron definir con la infor-
mación suministrada por la IPS. Posteriormente, los datos de las variables se ingresan en el software OSDEA y se corre el modelo.
4. Síntesis de información y propuesta de mejora: a partir de los resultados que proporcionan el modelo y el software, se realiza un informe donde se analizan e identifican las unidades que están siendo eficientes e ineficientes y las varia-
bles indican el porqué del desempeño obtenido y hasta qué punto las variables pueden ser modificadas, sin cambiar el uso de recursos y haciendo que la unidad mejore su desempeño.
Resultados parciales o finales
Basados en la bibliografía revisada, se encuentra que la cantidad de técnicas para evaluar proveedores es numerosa, pero muchas de ellas utilizan variables solamente asociadas a los costos, sin tener en cuenta las demás variables que pueden influir en el desempeño de los proveedores. Por otro lado, las técnicas utilizadas evalúan a los proveedores desde un punto de vista general y no individualmente, lo que dificulta de-
terminar los puntos específicos en los que hay falencias e imposibilita plantear posibles mejoras al respecto.
179
LA SOCIEDAD DEL CONOCIMIENTO Y EL DESARROLLO SOSTENIBLE
Actualmente, la técnica más usada para realizar dicha evaluación, que permite ob-
tener mejores resultados, es DEA (Análisis envolvente de datos), ya que permite medir la eficiencia, sin importar las unidades de medida, empleando elementos de estudio cla-
sificados en entradas (inputs) y salidas (outputs). Al revisar las entradas y salidas utiliza-
das en otros modelos para la evaluación de proveedores, se identifican como posibles entradas: el costo total de envíos, el precio y número total de envíos, el costo de diseño ecológico, el costo de seguridad y salud laboral, lead time, la capacidad tecnológica, la capacidad financiera, y el costo ambiental.
Por otro lado, se identifican como posibles salidas: el número de envíos que llegan a tiempo, el número de facturas (pedidos) que se reciben del proveedor sin errores, la ca-
lidad de los productos (de acuerdo con escala definida de 1-9), la eficiencia de consumo de energía (según escala A-G 100 puntos), y la emisión de CO2 (en gramos). Sin embargo, en general, la entrada más común para los modelos DEA analizados, son los costos y la salida más habitual es la medición de calidad de producto o servicio. Los antecedentes revisados permiten tener una base importante para definir la información que se requie-
re para poder llevar a cabo el desarrollo del proyecto y así, poder definir las variables que intervienen en el modelo que se usará para alcanzar los objetivos propuestos. Con esto, es posible proceder a realizar una recolección de la información necesaria con visitas programadas a la IPS, para su posterior organización en inputs y outputs, y poder iden-
tificar el modelo apropiado DEA a implementar para evaluar la eficiencia relativa de los proveedores de medicamentos de la IPS.
Conclusiones
Al identificar las unidades a evaluar es necesario que estas sean homogéneas y com-
parables, es decir, que todas consuman los mismos inputs y produzcan los mismos ou- tputs, ambas en diferentes cantidades. Además, es importante conocer el tipo de varia-
ble con el cual se desarrolla el modelo, ya que hay variables que tienen la posibilidad de ser controladas y otras no, esto quiere decir que las variables que se miden en ocasiones para alcanzar los objetivos que se plantean, puede ser cambiadas en lo referente a cuán-
to consumen de una determinada entrada, para producir una cantidad específica de sali-
das, o viceversa. Cuando se identifican las variables input y output a utilizar en el modelo DEA, no interesan las unidades de medida que tengan, solamente es importante que no tengan correlación entre ellas.
Es necesario conocer todas las condiciones de las variables para poder definir qué tipo modelo DEA se va a usar, ya que se pueden implementar modelos básicos como el CCR y BCC, que permiten, de acuerdo con una cantidad de DMU a evaluar, definir múlti-
ples entradas y salidas sin importar el comportamiento que tengan. Para ampliar esto, el modelo puede ser modificado teniendo en cuenta si las variables son controlables, es decir, si están bajo el control de la DMU evaluada y no se les permite holguras no nulas o son no controlables y no están bajo el control de la DMU y no se les permite holguras no nulas; o si son discrecionales, es decir, están bajo el control de la DMU evaluada y no se les permite holguras no nulas o son no discrecionales y no están bajo el control de la DMU y se les permite holguras no nulas.
Es importante tener toda la información necesaria sobre los proveedores (las uni-
dades a medir llamadas DMU) para que al ejecutar el modelo DEA, se obtengan resulta-
dos de eficiencia e ineficiencia de dichas DMU evaluadas, y se pueda identificar en qué variables está la razón de su ineficiencia, para que posteriormente se puedan plantear posibles mejoras o soluciones. El análisis de los datos no solamente provee una medida de su desempeño relativo, también descubre subgrupos de proveedores similares en su comportamiento o similares en su centro de atención al rendimiento.
Referencias
Charnes, A., Cooper, W. & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
Coelli, T., Prasada, D., O’Donnell, C. & Battese, G. (1998). An Introduction to Efficiency and Produc- tivity Analysis. New York: Springer.
Coll, V. & Blasco, O. (2006). Evaluación de la eficiencia mediante el análisis envolvente de datos. Valencia: Universidad de Valencia.