Resumen

Proponemos una forma de análisis envolvente de datos que permite estimar la eficiencia de servicios de alimentos con salida estocástica relacionada con entradas predictivas en múltiples períodos mediante un modelo lineal generalizado auto-regresivo de media móvil (GLARMA). Esta forma de trabajo permite pronosticar el comportamiento futuro de la frontera de eficiencia de un cluster empresarial. Se da un ejemplo para los tomadores de decisiones cuando enfrentan este tipo de escenarios.

INTRODUCCIÓN

Los servicios de alimentación preparan diariamente raciones o platos de comida con materias primas, de forma dirigida a grupos cerrados de usuarios, véase 5. La evaluación de la productividad se considera importante desde hace tiempo para las empresas de servicios de alimentación, véase [3]. El análisis envolvente de datos (DEA) corresponde a la forma más clásica de evaluación de la eficiencia productiva en este y otros ámbitos. Los lectores interesados pueden consultar los números 2 y 4.

El enfoque estocástico del DEA permite tanto variables deterministas como aleatorias (VR), produciendo un único índice de productividad relativo al mejor que relaciona todas las unidades bajo comparación, a pesar de las diferentes combinaciones de características operativas, dado que las condiciones de operación son similares, ver 6. Dado que la eficiencia conceptualmente es dinámica y evoluciona en el tiempo, se han desarrollado modelos DEA que capturan la actualización de los inputs y outputs período tras período, ver 7. Sin embargo, son muy pocos y limitados los enfoques que logran estudiar los aspectos aleatorios y dinámicos que pueden impactar la frontera de eficiencia en la industria de foodservices. A continuación, proponemos un modelo de medias móviles autorregresivas lineales generalizadas (GLARMA) que considera componentes ARMA pero transformando la media de los datos con una función de enlace en la línea de los modelos lineales generalizados (GLM).

Proponemos una forma de DEA que permite estimar la eficiencia del servicio de alimentación con salidas estocásticas relacionadas con inputs predictivos en múltiples periodos, con posibilidades incluidas para predecir lo que es más probable que ocurra en términos de eficiencia futura. Este estudio se organiza como sigue: La sección 2 expone la metodología propuesta, mientras que la sección 3 la ilustra con un estudio de caso del mundo real; y la sección 4 ofrece discusiones, conclusiones, limitaciones y futuras investigaciones.

METHODOLOGY

Static DEA to efficiency model

• Materias:Eficiencia Procesos estocásticos Programación lineal
• Subjects:Efficiency Stochastic processes Linear programming
• Palabras claves:DEA; Eficiencia; GLARMA; Pronóstico; Servicios de alimentos
• Keywords:DEA; Efficiency; Food service; Forecast; GLARMA