| Sumario: | El análisis envolvente de datos (DEA) es un método bien conocido para calcular la eficiencia de las unidades de toma de decisiones (DMU) en función de sus entradas y salidas. Cuando los datos son conocidos y en forma de intervalo en un período de tiempo dado, este método puede calcular el intervalo de eficiencia. Desafortunadamente, la DEA no es capaz de pronosticar y estimar el intervalo de confianza de eficiencia de las unidades en el futuro. Este artículo propone un algoritmo de pronóstico de eficiencia junto con un intervalo de confianza del 95% para generar un conjunto de datos de intervalo para el próximo período de tiempo. Además, la opinión del gerente se inserta y desempeña su papel en el modelo de pronóstico propuesto. Equipado con un conjunto de datos pronosticado y con respecto al conjunto de datos de períodos anteriores, se puede pronosticar la eficiencia para el período futuro. Esto se hace proponiendo un modelo propuesto y resolviéndolo mediante el método del intervalo de confianza. A continuación, el método propuesto se implementa sobre los datos de una industria automotriz y se compara con los métodos de simulación de Monte Carlo y el modelo de intervalo. Usando los resultados, se muestra que el método propuesto funciona mejor para pronosticar el intervalo de confianza de eficiencia. Finalmente, se calcula la eficiencia y el intervalo de confianza del 95% para el próximo período utilizando el modelo propuesto.
|
|---|