Resumen

El análisis envolvente de datos (DEA), como enfoque de programación no paramétrico, se ha extendido y aplicado ampliamente en muchos ámbitos. Los modelos DEA convencionales pueden medir bien la eficiencia de las unidades de toma de decisiones (DMU) ineficientes, pero no pueden discriminar más las DMU eficientes. Se han propuesto muchos métodos para resolver este problema. Uno de los más importantes es el modelo de supereficiencia basado en la medida de slacks (modelo S-SBM) desarrollado por Tone en 2002. Sin embargo, la proyección de una DMU en la frontera eficiente identificada por el modelo S-SBM puede no ser fuertemente Pareto-eficiente, lo que hace que la puntuación de super-eficiencia esté mal estimada. Este artículo revisa la medida habitual de la supereficiencia basada en la holgura incorporando factores de escala de ahorro de insumos y excedente de producción en la función de objeción para medir las DMU. Integramos eficazmente el modelo SBM y el modelo S-SBM y obtenemos factores de escalado de ahorro de insumos y excedente de producción, así como holguras de insumos y producción en un único modelo integrado. Según el estudio, el punto de referencia de proyección identificado por nuestro método es fuertemente Pareto-eficiente. Además, se revela e ilustra cómo influye cada variable de decisión en la puntuación de eficiencia de una DMU específica mediante dos ejemplos numéricos y un estudio empírico en fábricas químicas de papel.

• Materias:Bioquímica Reacciones químicas Propiedades fisicoquímicas Química analítica Química sostenible
• Subjects:Biochemistry Chemical reactions Chemicophysical properties Analytical chemistry Sustainable chemistry
• Palabras claves:modelo sbm, factores de escala del excedente de producción, ahorro de insumos, modelos convencionales dea, análisis envolvente de datos, influencias de las variables de decisión, puntuación de eficiencia mal estimada, enfoque de programación no paramétrica, fábricas químicas de papel, punto de referencia de proyección
• Keywords:sbm model, output surplus scaling factors, input saving, conventional dea models, data envelopment analysis, decision variable influences, efficiency score misestimated, nonparametric programming approach, paper chemical mills, projection reference point