DEA in Public Sector Enterprises

“Las cosas que deben aprenderse, las aprendo;
Las que pueden encontrarse, las busco;

Y las restantes se las pido a Dios”
Sófocles
UNIVERSIDAD NACIONAL DE COLOMBIA
FACULTAD DE INGENIERIA
2
APLICACION DE LA METODOLOGIA DEA PARA EL ESTABLECIMIENTO DE
INDICES DE EFICIENCIA PARA EMPRESAS DE DISTRIBUCION DE ENERGIA
EDGAR ALEJANDRO RODRIGUEZ GUZMAN

FABIO ALFREDO TIRADO MORALES

FACULTAD DE INGENIERÍA ELÉCTRICA
BOGOTA
3
APLICACION DE LA METODOLOGIA DEA PARA EL ESTABLECIMIENTO DE
INDICES DE EFICIENCIA PARA EMPRESAS DE DISTRIBUCION DE ENERGIA
REQUISITO PARCIAL PARA OPTAR AL TITULO DE INGENIERO

ELECTRICISTA
EDGAR ALEJANDRO RODRIGUEZ GUZMAN

FABIO ALFREDO TIRADO MORALES

FACULTAD DE INGENIERÍA ELÉCTRICA
BOGOTA
4
5
NOTA DE ACEPTACION
Director del proyecto: Ing. HENRY NAVARRO

SANCHEZ
Bogotá, _____/_____ de 2007
6
CONTENIDO
INDICE DE ECUACIONES .......................................................................................................... 10
INDICE DE FIGURAS................................................................................................................... 11
INDICE DE TABLAS..................................................................................................................... 12
INTRODUCCION........................................................................................................................... 14
OBJETIVOS.................................................................................................................................... 16
OBJETIVO GENERAL.................................................................................................................. 16
OBJETIVOS ESPECIFICOS ........................................................................................................ 16
DATA ENVELOPMENT ANALYSIS .......................................................................................... 17
MODELOS DE ANÁLISIS CON LA METODOLOGÍA DEA................................................... 19

EFICIENCIA DE ESCALA ..................................................................................................................... 19
RETORNO A ESCALA CONSTANTE ...................................................................................................... 19
RETORNO A ESCALA VARIABLE ......................................................................................................... 19
AJUSTES DEL MODELO PARA AMBIENTES DE OPERACIÓN ................................................................. 20
LIMITACIONES DE LA TÉCNICA DEA................................................................................................. 20
CALCULO DE LA FRONTERA DE EFICIENCIA Y USO DE LA TÉCNICA. ...................... 21
ESPECIFICACIÓN DE ENTRADAS, SALIDAS Y ORIENTACIÓN............................................................... 21
SALIDAS............................................................................................................................................. 21
FORMULACIÓN MATEMÁTICA DEL ANÁLISIS.................................................................. 23
REGULACION BRASILERA RESOLUCIÓN

ANEEL Nº 024, 27 DE ENERO DE 2000...................................................................................... 28
APLICACIÓN DEA: CASO BRASIL .......................................................................................... 34
7
REGULACIÓN COLOMBIANA RESOLUCIÓN 70 DE 1998................................................ 37
REGULACIÓN COLOMBIANA
ESTABLECIMIENTO DE VALORES MÁXIMOS ADMISIBLES ......................................... 45
VALORES MÁXIMOS ADMISIBLES DE INDICADORES DES Y FES................................. 47

ANÁLISIS DE CORRELACIÓN. .................................................................................................... 48
ANÁLISIS DE REGRESIÓN. .......................................................................................................... 48
ANÁLISIS DE CONGLOMERADOS.............................................................................................. 49
ANÁLISIS DE VARIANZA............................................................................................................. 49
METAS DE LOS INDICADORES................................................................................................... 49
APLICACION DEA: CASO COLOMBIA................................................................................... 50
CASOS IMPLEMENTADOS ........................................................................................................ 52

CASO 1 - FIEL AL MODELO BRASILERO. ................................................................................. 52
CASO 2 – TRANSFORMACION PROPUESTA ............................................................................. 57
CASO 3 – SIN FES COMO SALIDA ............................................................................................... 60
CASO 4 – SIN DES COMO SALIDA............................................................................................... 61
CASO 5 –SIN VARIABLE “LONGITUD” ...................................................................................... 63
CASO 6 – SIN ENTRADA “USUARIOS” ....................................................................................... 65
CASO 7 – SIN ENTRADA “DEMANDA”....................................................................................... 67
CASO 8 – SIN ENTRADA “LONGITUD”, SIN SALIDA “FES”.................................................... 69
CASO 9 – SIN ENTRADA “USUARIOS”, SIN SALIDA “FES” .................................................... 69
OTROS CASOS DE ESTUDIO................................................................................................................ 71
CONCLUSIONES........................................................................................................................... 84
BIBLIOGRAFIA............................................................................................................................. 86
ANEXO 1- EJEMPLOS DEA ........................................................................................................ 88
CONSTANT RETURNS TO SCALE ............................................................................................ 88

INTERPRETACIÓN GRAFICA DEL PROBLEMA DEA CRS...................................................... 92
MODELO VARIABLE RETURNS TO SCALE. ......................................................................... 95
ANEXO 2 – DINAMYC CLUSTER.............................................................................................. 97
FUNDAMENTOS DE CLUSTER ANALYSIS: ........................................................................................ 97

TIPOS DE AGRUPAMIENTO: ................................................................................................................ 98
8
TECNICAS DE AGRUPAMIENTO: ......................................................................................................... 99
TECNICA K-MEANS .......................................................................................................................... 99
9
INDICE DE ECUACIONES
Ecuación 1 – Problema programación Lineal Básica DEA.................................................. 23

Ecuación 2 – Problema Básico DEA, Orientado a la salida................................................. 24
Ecuación 3 – Formulación DEA, Retorno Variable a escala ............................................... 25
Ecuación 4 – Problema de programación lineal, congestión............................................... 25
Ecuación 5 – Variante DEA, Ingresos no constantes a escala.............................................. 26
Ecuación 6 – Problema de Programación Lineal, eficiencia de asignación y costo............. 27
Ecuación 7 – Indicador DEC ................................................................................................ 31
Ecuación 8 – Indicador FEC................................................................................................. 31
Ecuación 9 – Indicador DES. ............................................................................................... 38
Ecuación 10 – Indicador FES. .............................................................................................. 38
Ecuación 11 – Indicadores DES y FES. ............................................................................... 39
Ecuación 12. Transformación implementada para las entradas a DEA. .............................. 54
Ecuación 13. Vector Aleatorio características de objetos. Dinamyc Cluster. ...................... 97
10
INDICE DE FIGURAS
Figura 1. Eficiencias Relativas, Caso 1 DEA Colombia...................................................... 53

Figura 2 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12.
.............................................................................................................................................. 55
Figura 3 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12
y r igual a la media armonica. ............................................................................................. 56
y r igual a 1........................................................................................................................... 56
y r igual a 1,2 Ymax.............................................................................................................. 57
Figura 10. Eficiencias Relativas, Caso 7 DEA Colombia.................................................... 68
Figura 11. Eficiencias Relativas Caso 8 DEA Colombia..................................................... 69
Figura 12.Eficiencias Relativas Caso 9 DEA Colombia...................................................... 70
Figura 13. Representación grafica de los agrupamientos de datos realizados por el
programa MIXMOD. ............................................................................................................ 81
Figura 14. Introducción y solución del problema DEA CRS para la DMU1. ..................... 89
Figura 15. Introducción y solución del problema DEA CRS para la DMU3, con el
programa WinQSB. .............................................................................................................. 90
Figura 16. Introducción y solución del problema DEA CRS para la DMU3 por medio del
programa DEAP. .................................................................................................................. 91
Figura 17.Grafica de las relaciones calculadas en la tabla 3 ............................................. 93
Figura 20. Grafica de los análisis DEA modelos VRS y CRS.............................................. 96
Figura 21. Problema básico del agrupamiento: hay 30 figuras en el recuadro, ¿como se
agruparían: por color, por forma, por cercanía entre ellas?. La medida de similaridad
depende fuertemente del uso que se quiera dar a los conjuntos obtenidos.......................... 98
11
INDICE DE TABLAS
Tabla 1. Resultados DEA Caso Brasil, Primer análisis. .................................................................................. 35

Tabla 2. Resultados DEA Caso Brasil, Segundo análisis................................................................................. 35
Tabla 3. Valores máximos admisibles para los indicadores FES y DES. ........................................................ 43
Tabla 4. Máximos trimestrales para los indicadores DES y FES. ................................................................... 43
Tabla 5. Caso 1 DEA Colombia: valores de Entradas y salidas...................................................................... 52
Tabla 6. Eficiencias Relativas, Caso 1 DEA Colombia.................................................................................... 53
Tabla 7. Datos de entrada para el caso uno, afectados por la ecuación de inversión 12, con r igual a la
media geométrica ............................................................................................................................................. 54
media geométrica ............................................................................................................................................. 55
Tabla 9. Entradas y salidas Invertidas. Valores de entrada DEA. Caso 2 DEA Colombia. ............................ 58
Tabla 10. Eficiencias Relativas, Caso 2 DEA Colombia.................................................................................. 59
Tabla 11. Comparación de eficiencias relativas, Caso 1 vs. Caso 2................................................................ 59
Tabla 12. Valores Caso 3. DEA Colombia....................................................................................................... 60
Tabla 13. Eficiencias relativas Caso 3 DEA Colombia.................................................................................... 61
Tabla 14. Eficiencias Relativas. Caso 4 DEA Colombia.................................................................................. 62
Tabla 15. Eficiencias relativas, Caso 4 DEA Colombia................................................................................... 63
Tabla 17. Eficiencias Relativas vs. Datos de circuito. Caso 5 DEA Colombia................................................ 65
Tabla 19. Comparación caso 2 y caso 6 DEA Colombia. ................................................................................ 66
Tabla 20. Eficiencias Relativas Caso 7 DEA Colombia................................................................................... 67
Tabla 21.Comparación caso 2 y caso 7 DEA Colombia. ................................................................................. 68
Tabla 24. Clasificación de circuitos por nivel de tensión. ............................................................................... 71
Tabla 25. Clasificación de circuitos del grupo 1. según su nivel de tensión.................................................... 72
Tabla 26. Clasificación de circuitos por demanda........................................................................................... 73
Tabla 27. Clasificación de circuitos por número de usuarios.......................................................................... 73
Tabla 28. Parámetros de entrada del progrema DEA caso 11. ....................................................................... 74
Tabla 29. Calificación de eficiencia para los circuitos del caso 11................................................................. 75
Tabla 30. Empleo de la técnica DEA para modificar variables de los circuitos de distribución obteniendo
mejora en la calificación de eficiencia............................................................................................................. 75
Tabla 31. Empleo de la técnica DEA para modificar variables de los circuitos de distribución obteniendo
mejora en la calificación de eficiencia, tabla de salida virtual inputs/outputs. ............................................... 76
Tabla 32. Clasificación de circuitos de acuerdo a su grupo, caso 12.............................................................. 77
Tabla 33. Clasificación de circuitos de acuerdo a su longitud, caso 12. ......................................................... 77
Tabla 34. Conjunto preliminar de circuitos para el 12.................................................................................... 78
Tabla 35. Calificación de eficiencia para los circuitos del caso 12................................................................. 78
Tabla 36. Clasificación porcentual por demanda de los circuitos empleados. ................................................ 80
Tabla 37. Caracteristicas fisicas del grupo de circuitos seleccionados para la aplicación de la metodología
DEA en el caso 13. ........................................................................................................................................... 80
Tabla 38. Grupo obtenido por medio de las tecnicas de agrupamiento propuestas, datos de entrada para el
caso 13.............................................................................................................................................................. 82
Tabla 39. Calificación de eficiencia caso 13.................................................................................................... 82
Tabla 40. Datos de entrada para el ejemplo CRS. ........................................................................................... 88
Tabla 41. Solución del problema DEA CRS en el programa xIDEA............................................................... 90
Tabla 42. Relaciones insumos / productos para el ejemplo DEA - CRS .......................................................... 92
Tabla 43. Datos para el ejemplo de análisis DEA modelo VRS....................................................................... 95
12
13
INTRODUCCION
La ley 143 de 1994, Por la cual se establece el régimen para la generación, interconexión,
transmisión, distribución y comercialización de electricidad en el territorio nacional
establece en su articulo 7 “En las actividades del sector podrán participar diferentes
agentes económicos, públicos, privados o mixtos, los cuales gozarán de libertad para
desarrollar sus funciones en un contexto de libre competencia, de conformidad con los
artículos 333, 334 y el inciso penúltimo del artículo 336 de la Constitución Nacional, y el
artículo 3° de esta Ley”.
Por tanto, El mercado de energía es un negocio abierto a la participación de actores
públicos y privados, quienes compiten por posicionarse en un sector del mercado, esto es,
en el caso de los operadores de los sistemas de distribución, por hacerse al control del
sistema de distribución en una región geográfica determinada. Una vez el agente se ha
establecido en una región, se hace no factible la entrada de otro agente distribuidor quien
requerirá de la instalación de una infraestructura costosa, de modo que los estímulos para
la mejora del desempeño del agente distribuidor establecido obedece únicamente a dos
motivos: la búsqueda de una mayor ganancia, y los limites de desempeño que la agencia
reguladora establezca como mínimo. Situación característica de una actividad económica
describible como un monopolio natural.
En el artículo 3 de la ley 143 de 1994 se declaran como responsabilidad del estado con
relación al servicio publico de electricidad:
a) Promover la libre competencia en las actividades del sector;
b) Impedir prácticas que constituyan competencia desleal o abuso de posición dominante en
el mercado.
c) Regular aquellas situaciones en que por razones de monopolio natural, la libre
competencia no garantice su prestación eficiente en términos económicos.
d) Asegurar la protección de los derechos de los usuarios y el cumplimiento de sus deberes.
Por lo anterior, es necesario dotar al agente regulador de mecanismos para el

establecimiento de metas de desempeño para los agentes distribuidores, usando para ello la
información que estos últimos deben suministrar periódicamente a las entidades estatales de
control y que sirva para estimular aumentos en la eficiencia y en la confiabilidad de los
sistemas de distribución.
Por esta razón se propone el empleo de la metodología DEA, para realizar comparaciones
entre los diferentes agentes, distribuidos geográficamente, y determinar la frontera de
eficiencia, entendida como la eficiencia máxima relativa alcanzada por un grupo de
14
agentes, usando una cantidad de recursos dados, y que sirve como referencia para la
evaluación de la eficiencia de los demás agentes. La metodología DEA también permite
deducir información acerca de cual es el mejor camino para cada agente y que le permitirá
llegar a la frontera de eficiencia.
15
OBJETIVOS
OBJETIVO GENERAL
Entender y adaptar una técnica de optimización para proponer una metodología útil para la
comparación de las eficiencias de los agentes distribuidores añadiendo elementos de juicio,
basados en información técnicas, para el establecimiento de índices de calidad de servicio
en distribución por parte del regulador.
OBJETIVOS ESPECIFICOS
1. Conocer y aplicar la técnica de optimización Data Envelopment Análisis, DEA.

2. Conocer casos exitosos de aplicaron de la técnica DEA a nivel internacional, en la
comparación de eficiencias relativas.
3. Adaptar la técnica DEA para su aplicaron al sector de distribución eléctrica en el
país.
4. Identificar posibilidades de mejora sobre la actual metodología de establecimiento
de índices de calidad del servicio de distribución de energía eléctrica.
16
DATA ENVELOPMENT ANALYSIS
Es una herramienta analítica que ayuda en la identificación de las mejores prácticas en el

uso de recursos dentro de un conjunto de organizaciones, lo cual hace evidentes posibles
mejoras en la eficiencia de las organizaciones.
DEA es una técnica de programación lineal que identifica los mejores oferentes de
servicios por su habilidad de producir el más alto nivel de servicios con un conjunto dado
de entradas, o por producir una cantidad determinada de salidas empleando la menor
cantidad de recursos. En el análisis DEA los demás oferentes de servicios reciben una
calificación de eficiencia que es determinada por su desempeño relativo a aquel obtenido
por los mejores oferentes. La técnica puede también determinar cual es la fuente principal
de ineficiencia, en las operaciones a escala de la organización, en las capacidades de
administración, incluso, puede considerar variables del entorno de la organización que
pueden alterar la productividad de la organización, pero que se encuentran fuera de su
control.
La técnica DEA ha sido empleada con éxito para resolver las siguientes preguntas por parte
de administradores interesados en la mejora de la eficiencia y en la efectividad de sus
organizaciones:
• ¿Como puedo seleccionar organizaciones similares a la mía para usarlas como

modelo en un programa de mejora basado en benchmarking.?
• ¿Cuales son mis unidades de producción más eficientes?
• Si todas mis operaciones estuvieran en su tamaño ideal, y operando con las mejores
practicas disponibles, ¿que tanto mas lograría yo producir, que tanto podría yo
reducir mi uso de recursos manteniendo la productividad, y en que áreas podría
ejecutar las mejores reducciones?
Vocabulario1
Allocative efficiency (Eficiencia de asignación): Estado para el cual los insumos son
usados de forma tal que generan el mínimo costo de producción, conocidos los precios de
los insumos.
Benchmarking: Es el proceso de comparar el rendimiento de una organización individual

comparada a un ideal “benchmark”.
1
Tomado de [2]
17
Peers: Grupo de unidades de decisión que son usadas como referencia para la comparación
de las unidades de decisión menos eficientes.
Fronteras de producción: Curva que ilustra la mínima cantidad de insumos requeridos

para producir una cantidad de productos dada.
Tecnología de producción: Relaciones involucradas en el proceso productivo que

determinan la manera en que los insumos se convierten en productos.
Productividad: Medida de la cantidad de productos obtenidos a partir de una cantidad

determinada de insumos, puede tomarse una medida de la productividad total (considerando
la totalidad de insumos) o una productividad parcial. La productividad puede variar como
función de las tecnologías de producción empleadas, la eficiencia técnica de la
organización, y del entorno operacional de la organización.
Returns to scale (Retornos a escala): Relación entre entradas y salidas, los retornos
pueden ser constantes, crecientes o decrecientes, dependiendo si las salidas producidas
crecen proporcionalmente, menos, o mas que las entradas empleadas, en el caso de
múltiples entradas, significa como las salidas cambian cuando hay un cambio proporcional
comparable en todas las entradas.
Eficiencia de escala: Modo en que las organizaciones toman ventaja de los retornos a
escala modificando su tamaño hasta la escala optima (definida como la región en la que se
obtienen retornos escala constantes, en la relación entre salidas y entradas).
Slacks: Son la cantidad extra en la que una entrada, o salida puede alterar su valor para
alcanzar la eficiencia técnica, una vez que todas las entradas o salidas han sido modificadas
para alcanzar la frontera de producción.
Eficiencia técnica: Se refiere a la conversión de las entradas físicas como servicios de

trabajo o materias primas, en salidas, la eficiencia técnica se determina como la diferencia
entre la razón entre salida sobre las entradas empleadas, por una unidad, y la razón entre
salidas y entradas logradas por la unidad que emplea las mejores practicas. La eficiencia
técnica es afectada por el tamaño de las operaciones (eficiencia de escala) y por las
decisiones administrativas (eficiencia técnica no a escala).
18
Yardstick Competition: Competencia sobre niveles de desempeño en bienes o servicios
para los cuales no existe un mercado, esta competencia se basa en el cumplimiento en
indicadores de desempeño.
Conceptos de eficiencia, eficacia y productividad.
Eficacia: es la medida en la que las salidas ofrecidas por proveedores de bienes o servicios
cumplen con los objetivos impuestos para ellos por los gobiernos.
Eficiencia: Es el éxito con el cual una organización usa sus recursos para producir salidas,
este es el grado en el cual el uso observado de los recursos para obtener salidas de alguna
calidad se asemeja a la cantidad de recursos para producir salidas de una calidad
predeterminada.
MODELOS DE ANÁLISIS CON LA METODOLOGÍA DEA
Eficiencia de escala
La eficiencia a escala es una medida de que tan fuerte es el efecto de un incremento o

decremento del uso de un recurso en la productividad de la organización, se reconocen dos
modos de operación que conllevan a resultados en el análisis DEA diferentes.
Retorno a escala constante
Bajo esta suposición el tamaño de la organización no se considera relevante en la

determinación de la eficiencia relativa, lo que significa que se presume que una pequeña
organización puede producir salidas con la misma relación entrada/salida que una
organización de mayor tamaño, no existe entonces economía de escala, y por tanto al doblar
la cantidad de entradas disponibles, se espera una duplicación en las salidas producidas,
este enfoque es en general inadecuado en situaciones en que existen economías de escala.
Retorno a escala variable
La consideración de economías a escala supone dos posibles escenarios: retorno a escala

creciente, que significa que una aumento en la cantidad de recursos disponibles produce un
aumento no proporcional y mayor en la cantidad de salidas obtenidas, o retornos a escala
19
decrecientes, en los que un aumento en los recursos disponibles produce un aumento no
proporcional y menor en las salidas obtenidas.
Ajustes del modelo para ambientes de operación
El desempeño de los prestadores de servicios puede ser afectado por variables que se
encuentran fuera de su control directo, el clima, las políticas gubernamentales, los
disturbios sociales, son variables que pueden afectar de manera diferente a dos entidades
que presten algún tipo de servicio, por tanto, al tratar de hacer un análisis comparativo entre
las dos es necesario considerar el efecto provocado por las variables fuera de control. En el
análisis DEA hay cuatro posibilidades para considerar el efecto de variables fuera de
control:
• Solo comparar organizaciones que operan en ambientes similares, lo que supone un

riesgo de pérdida de información útil, en caso de querer determinar cual es la
variable no controlable que más afecta la comparatividad de las organizaciones.
• Comparar las organizaciones con algunas en ambientes operativos, iguales, o
menos favorables.
• Incluir las características que definen las condiciones operativas de las
organizaciones como entradas.
• Usar un método de cálculo de eficiencia en dos etapas que haga uso de métodos
econométricos, para estimar las relaciones existentes entre las características del
entorno, y los cambios en las medidas de eficiencia.
Limitaciones de la técnica DEA.
Esta es una técnica empírica que hace uso de algunas suposiciones simplificantes, que
deben ser tenidas en consideración para discriminar la validez del resultado obtenido.
• Los resultados son altamente sensibles a la presencia de errores de medición en las
entradas o las salidas. Una subestimación de las entradas, o una sobreestimación de
las salidas produce una distorsión apreciable en la frontera de eficiencia calculada, y
afecta las mediciones de eficiencia de las organizaciones que se encuentren cerca de
la posición de la organización mal estimada, un recurso útil para evitar este
problema consiste en buscar cuales organizaciones presentan relaciones entre salida
y entrada mayores a 2,5 veces las desviaciones estándar de la media de la muestra
estudiada.
20
• La metodología DEA puede calcular una eficiencia relativa al uso de las mejores
prácticas al interior de una muestra estudiada, la comparación de los resultados de
dos estudios aplicados a grupos de muestras diferentes carece de sentido ya que se
desconocen las diferencias existentes entre las prácticas empleadas por los
elementos de cada una de las muestras.
• El calculo de la eficiencia hecho a partir de DEA es altamente dependiente de la
orientación escogida, (orientación a la salida, orientación a la entrada), la eficiencia
medida también es altamente dependiente de la cantidad de muestras estudiadas, ya
que la consideración de un numero muy grande de elementos en la muestra lleva a
una disminución de la eficiencia promedio medida, ya que habrá un mayor numero
de organizaciones con desempeños comparables, ampliando el área sobre la frontera
de eficiencia, por otra parte, el empleo de muchas variables de entrada y salida, con
un numero fijo de organizaciones estudiadas conlleva a un aumento irreal de la
eficiencia medida, ya que el numero de dimensiones (ejes de salida sobre entrada)
en las que una organización puede ser comparativamente única aumenta. Respecto
a esta algunos autores proponen como criterio de escogencia del numero de
organizaciones a ser empleadas en el análisis DEA como tres veces la suma de todas
las entradas y salidas que se pretenden estudiar.
CALCULO DE LA FRONTERA DE EFICIENCIA Y USO DE LA TÉCNICA.
Especificación de entradas, salidas y orientación.
Se debe emplear el minino número de entradas y salidas, que describan las operaciones
hechas por las organizaciones, y se debe ejecutar un proceso iterativo de cálculo de
eficiencia empleando diferentes entradas salidas, esto garantiza que se consideraran las
variables mas relevantes en la operación de la empresa, así como darán una muy buena idea
de la sensibilidad del desempeño del modelo de la organización ante cambios en sus
entradas.
Salidas
Se considera que las organizaciones producen salidas de dos tipos:
Salidas reactivas: Se relacionan principalmente con actividades de préstamo de servicios:

un un colegio inicia un curso para los estudiantes matriculados,
Salidas proactivas: Son aquellas que influyen en la posibilidad de entregar un mejor
servicio la próxima vez que este sea demandado, o la mejora en la que este servicio es
21
ofrecido: por ejemplo: el tiempo gastado por una estación de policía en atender un llamado,
la creación de un programa de vacunación y educación para la prevención de una
enfermedad por parte de un hospital.
La calidad de las salidas proactivas y reactivas generadas por una organización se reflejan
en salidas que a veces son difícilmente cuantificables, como la sensación de seguridad de
una población atendida por una estación de policía, o la menor incidencia de una
enfermedad en una comunidad tratada por un hospital.
Ejemplos de consideración de entradas
Trabajo humano.
Esta es una variable que comúnmente preocupa a los administradores que desean hacer
medidas de desempeño, una buena medida de esta variable se puede hacer en equivalencia
horas/hombre empleadas para la realización de una tarea, también se puede hacer una
discriminación de la labor realizada: trabajo de oficina, trabajo físico, ya que la naturaleza
de estos trabajos implica una diferencia en el desempeño del trabajador por cuenta de la
fatiga a la que este se ve expuesto.
Capital
El capital como entrada en una organización es una variable poco estable, y esto constituye
una debilidad para los análisis de eficiencia que la consideran, la principal dificultad radica
en el hecho de que el costo de un insumo de larga duración y alto costo de un activo
contable, comprado en un periodo contable no puede ser cargado en las cuentas contra los
ingresos obtenidos en el mismo periodo, sino que generalmente se hace una amortización
de este costo en varios periodos contables, mientras que el activo se deprecia, por tanto
aparecen nuevas variables en el análisis, la tasa de interés, y la tasa de depreciación usada
en la organización, para cada periodo. Es deseable que la medida de capital empleada
provea también información acerca de las posibles fuentes de ineficiencia a las cuales esta
sometido el uso de capital, o el uso que se le da a este, ejemplos comunes de variables
usadas en DEA, para considerar el efecto del capital son: número de camas por hospital,
costo estimado de un estudiante en una institución educativa, en forma de
estudiante/millones de pesos.
22
FORMULACIÓN MATEMÁTICA DEL ANÁLISIS
El caso mas simple de formulación del DEA es cuando se hace una suposición de retornos
constantes a escala, y una orientación a la entrada, lo que significa que se tratara el
problema de minimizar las entradas consumidas para producir una cantidad dada de salidas.
El data envelopement analysis se realiza ejecutando una secuencias de problemas de

programación lineal:
Minimice En con respecto a w1 , w2 ,...wn , En .

Sujeto a:
N
∑w y
j =1
j ij − yin ≥ 0 Para i=1,. I
∑w x
j =1
j kj − En xkn ≤ 0 Para k=1,…K
wj ≥ 0
Ecuación 1 – Problema programación Lineal Básica DEA.
Lo que significa que existen N organizaciones, o DMUs en la muestra que producen I

diferentes salidas, y usan K diferentes entradas, yin, representa la cantidad medida de la
salida i en la organización n, y xkn denota la cantidad del insumo k, en la organización n. las
cantidades wj son factores de ponderación aplicados a cada una de las N organizaciones,
cuando se resuelve el n-simo problema de programación lineal el coeficiente wj permite
identificar la organización que hace el menor uso de recursos para la producción de la
salida n. la medición de eficiencia para la n-sima organización En es el menor numero que
satisface las restricciones indicadas arriba. Para determinar la medida de eficiencia de
todas las unidades es necesario correr N problemas de programación lineal.
La medida de eficiencia de cada organización debe ser minimizada sujeta a las tres
restricciones indicadas, y los parámetros que pueden ser variados para lograrlo son las
ponderaciones wj, y la medida de eficiencia En, los factores ponderantes son usados para
formar una organización hipotética que cae dentro de la frontera de eficiencia.
La primera restricción indica que el promedio ponderado de las organizaciones restantes

deben producir al menos tantas salidas como las que produce la organización n, la segunda
23
restricción indica que para lograr lo anterior, las organizaciones disponen de tantos insumos
como de los que dispone la organización n, la tercera restricción indica que los factores de
ponderación deben ser siempre positivos.
La formulación del problema de programación lineal, para el caso orientado a la salida es

similar al presentado anteriormente, se diferencia en que se trata de maximizar las salidas,
procurando no usar más entradas que las que usan la organización n.
Maximizar Fn con respecto a w1 , w2 ,...wn , Fn .

Sujeto a:
N
∑w y
j =1
j ij − Fn yin ≥ 0 Para i=1,. I
∑w x
j =1
j kj − xkn ≤ 0 Para k=1,…K
wj ≥ 0
Ecuación 2 – Problema Básico DEA, Orientado a la salida.
La primera restricción indica que la salida de la unidad hipotética debe ser por lo menos tan
grande como la salida producida por la unidad n-sima modificada por el factor
multiplicativo Fn, la segunda restricción indica que la sumatoria ponderada de las entradas
usadas por todas las unidades no puede ser mayor que las entradas usadas por la unidad n-
sima.
Caso: Retorno variable a escala.
El uso del modelo descrito en el numeral anterior no toma en cuenta el tamaño de la

organización estudiada y el efecto de este en la eficiencia, y se supone que un aumento en
el uso de los recursos produce un aumento en los productos en la misma proporción,
despreciando el hecho de que en una organización típica pueden obtenerse aumentos en la
cantidad de productos generados a partir de un aumento en los recursos disponibles no
proporcionales, aprovechando la posibilidad de efectuar compras mayoristas (retornos a
escala creciente), o el hecho de que una organización se puede hacer tan grande que sus
costos operativos crezcan en una proporción mayor a la de los ingresos generados (retornos
a escala decreciente).
Para este caso la formulación del problema de programación lineal será:
24
Minimice S n con respecto a w1 , w2 ,...wn , S n .
Sujeto a:
N
∑w y
j =1
∑w j =1
j x k j − S n x kn ≤ 0 Para k=1,…K
∑w
j =1
j =1
wj ≥ 0
j = 1,..., N
Ecuación 3 – Formulación DEA, Retorno Variable a escala
Problema de programación lineal para considerar el efecto de no disponibilidad de recursos

(congestión).
Minimice Cn con respecto a w1 , w2 ,...wn ,Cn.

Sujeto a:
N
∑w y
j =1
∑w x
j =1
j kj − Cn xkn = 0 Para k=1,…K
∑w
j =1
j =1
wj ≥ 0
Ecuación 4 – Problema de programación lineal, congestión
La modificación de la segunda restricción, introduciendo una igualdad significa que se
restringe la habilidad de la organización n, de usar más recursos para poder moverse hacia
la frontera de eficiencia, sin considerar su costo. A partir de los dos anteriores modelos de
programación lineal se puede hacer la formulación matemática de las medidas de
eficiencia.
25
Eficiencia de escala: En/Sn
Eficiencia de congestión: Sn/Cn
Eficiencia Residual: Cn
El producto de las tres medidas definidas anteriormente equivale a la medida de eficiencia

del caso en el que se consideran retornos constantes a escala En
Para determinar la eficiencia a escala de las organizaciones analizadas es necesario correr

otra variante del problema de programación lineal, en la que se consideran ingresos no
constantes a escala
Minimice Rn con respecto a w1 , w2 ,...wn ,Rn.

Sujeto a:
N
∑w y
j =1
∑w x
j =1
j kj − Rn xkn ≤ 0 Para k=1,…K
∑w
j =1
j ≤1
wj ≥ 0
j = 1,..., N
Ecuación 5 – Variante DEA, Ingresos no constantes a escala
Si la medida de eficiencia de escala es menor que uno, y En y Rn, son iguales, entonces, la
organización n esta sujeta a una condición de retorno a escala creciente, y podría aumentar
su tamaño para alcanzar su escala óptima.
Si En es menor que Rn, entonces la organización n, esta sometida a una condición de
retorno variable a escala decreciente, y podría reducir su tamaño para alcanzar su tamaño
optimo.
26
Eficiencia de asignación y costo.
Si se conoce el costo de las entradas utilizadas por cada organización para adelantar sus
operaciones es posible usar un modelo de problema de programación lineal en la forma:
K
Minimice ∑p
k =1
kn knx con respecto a w1 , w2 ,...wn , S n .
Sujeto a:
N
∑w y
j =1
∑w x
j =1
j kj − xkn ≤ 0 Para k=1,…K
wj ≥ 0
j = 1,..., N
Ecuación 6 – Problema de Programación Lineal, eficiencia de asignación y costo
Donde pn es el costo de las entradas para las K entradas que la unidad n usa. De este
programa se obtienen las cantidades de entradas que minimizan los costos totales para cada
organización n, a un nivel de producción de salidas determinado.
La eficiencia respecto a los costos se define entonces como la relación entre los costos que
tendría la organización, usando el nivel de entradas mínimo determinado por el problema
de PL descrito anteriormente, dividido entre sus costos actuales.
27
REGULACION BRASILERA
RESOLUCIÓN ANEEL Nº 024, 27 DE ENERO DE 2000.
Para poder establecer conclusiones concretas en la implementación de la Técnica DEA, al

caso colombiano, es necesario conocer la normatividad respecto a indices de calidad del
servicio de Brasil, en la cual la aplicación de la tecnica DEA tiene una gran importancia.
La ANEEL es la institución que establece la normatividad para el sector eléctrico Brasilero,
es la institución en Brasil que regula los servicios de energía eléctrica, verificando el
cumplimiento de las normas establecidas por la legislación en vigor.
Adicionalmente, ANEEL debe estimular, la mejora constante del servicio prestado, directa
o indirectamente, en términos de calidad, cobertura y protección del consumidor.
La resolución ANEEL Nº 024 de 2000 establece las disposiciones relativas a la continuidad

del servicio de distribución eléctrica de las unidades distribuidoras en Brasil.
Dentro del articulado de esta resolución, la ANEEL, establece las disposiciones relativas a
la continuidad del servicio público de energía eléctrica, en relación con aspectos de
duración y frecuencia a ser tenidos en cuenta por los agentes prestadores del servicio
público de transmisión y distribución de energía eléctrica hasta las unidades consumidoras
en los puntos de conexión.
Adicionalmente, dentro de esta resolución, se hacen las definiciones necesarias para la

correcta aplicación de la norma, dentro de estas, son de particular interés para nosotros las
siguientes:
• Conjunto de unidades consumidoras: cualquier agrupamiento de unidad

consumidora, global o parcial, de una misma área de concesión de distribución,
definido para la prestadora y aprobado por ANEEL.
• Duración equivalente de interrupciones por unidad consumidora (DEC): intervalo

de tiempo, en promedio, dentro del periodo observado, que se presenta una
discontinuidad en la distribución del servicio de energía eléctrica.
• Duración de interrupción individual por unidad consumidora o por punto de

conexión (DIC): intervalo de tiempo, dentro del periodo observado, en que una
28
unidad consumidora o punto de conexión, ocurre discontinuidad en el servicio de
energía eléctrica.
• Duración máxima de interrupción continua por unidad consumidora o por punto de

conexión (DMIC): tiempo máximo de interrupción continua por unidad
consumidora o por punto de conexión.
• Frecuencia equivalente de interrupción por unidad consumidora (FEC): numero de

interrupciones ocurridas, en promedio, durante el periodo observado, en cada
unidad consumidora o conjunto considerado.
• Frecuencia de interrupción individual por unidad consumidora o por punto de

conexión (FIC): numero de interrupciones ocurridas, dentro del periodo de
observación, en cada unidad consumidora o punto de conexión.
• Indicador de continuidad: representación cuantificable del desempeño de un sistema

eléctrico, para la medida y el análisis comparativos con los patrones establecidos.
• Indicador de continuidad global: representación cuantificable del desempeño de un

sistema eléctrico, agrupado por empresa, estado, región o país.
• Interrupción: discontinuidad del neutro o tensión disponible en cualquiera de las

fases de un circuito eléctrico que atiende una unidad consumidora o un punto de
conexión.
• Interrupción de larga duración: toda interrupción en el sistema eléctrico con

duración mayor o igual a tres (3) minutos.
• Interrupción programada: interrupción realizada con previo aviso, por un tiempo

definido, con fines de intervención en el sistema de transmisión o de distribución
por parte del prestador.
• Interrupción de urgencia: interrupción deliberada del sistema eléctrico, sin

posibilidad de programación y caracterizada por la urgencia en la ejecución de los
servicios.
29
• Interrupción en situación de emergencia: interrupción motivada por caso fortuito de
fuerza mayor, que deberá ser comprobado por parte de la prestadora, desde que no
se caracterice como responsabilidad técnica, por falta de mantenimiento en los
elementos del sistema.
• Metas de continuidad: valores máximos establecidos para los indicadores de

continuidad, serán observados con periodicidad mensual, trimestral y anual,
vinculados a un estudio y revisión periódica de las tarifas, conforme la resolución
especifica.
• Patrón de continuidad: valor máximo establecido para un indicador de continuidad y

utilizado para el análisis comparativo con los valores obtenidos de continuidad.
La ANEEL determino en su resolución que los indicadores de continuidad deberán ser

obtenidos por medio de procedimientos auditables que contemplen desde los datos de
las interrupciones hasta que estos sean transformados en indicadores, así:
1. Los datos de interrupción de larga duración y sus indicadores deberán ser

almacenados por un periodo mínimo de cinco (5) años, para su uso por parte de
ANEEL o, bien por los consumidores.
2. Para cada conjunto afectado por interrupciones de larga duración deberán ser
registrados los siguientes datos:
a. Numero de unidades consumidoras del conjunto en cada mes o periodo de

recolección, y
b. Código de identificación del conjunto.
3. Para cada interrupción de larga duración ocurrida por fuera de los conjuntos
afectados, deberá ser registrada la siguiente información:
a. Causa de la falla.
b. Fecha y hora de inicio y de reestablecimiento de la interrupción.
c. Numero de unidades consumidoras afectadas por la interrupción.
30
4. A diciembre 31 de 2007, la prestadora del servicio deberá certificar el proceso de
recolección de datos, así como de la obtención de los indicadores individuales y
colectivos establecidos en esta resolución, con base en las normas ISO 9000.
Las interrupciones que se consideran dentro de la resolución ANEEL, para los cuales los
prestadores del servicio deben obtener los indicadores de continuidad, son las
interrupciones con duración mayor o igual a tres (3) minutos.
El método que determino la ANEEL para la obtención de los indicadores de calidad del
servicio por parte de los prestadores del servicio, para todos los conjuntos de unidades
consumidoras es así:
1. Duración equivalente de interrupciones por unidad consumidora (DEC), utilizando

la siguiente formula:
⎡ k ⎤
⎢ ∑ Ca (i ) * t (i ) ⎥
DEC = ⎢ i =1 ⎥
⎢ Cc ⎥
⎢⎣ ⎥⎦
Ecuación 7 – Indicador DEC

2. Frecuencia equivalente de interrupciones por unidad consumidora (FEC), utilizando
la siguiente formula:
⎡ k ⎤
⎢ ∑ Ca (i ) ⎥
FEC = ⎢ i =1 ⎥
⎢ Cc ⎥
⎢⎣ ⎥⎦
Ecuación 8 – Indicador FEC.

Donde:
DEC: Duración equivalente de interrupción por unidad consumidora,

expresada en horas y centésimos de hora.
FEC: Frecuencia equivalente de interrupción por unidad consumidora,
expresada en numero de interrupciones y centésimos de numero de
interrupciones.
Ca (i): Numero de unidades consumidoras interrumpidas en un evento (i),
dentro del periodo de observado.
t (i): Duración de cada evento (i), dentro del periodo observado.
31
i: Índice de eventos ocurridos en el sistema que provocan
interrupciones en una o más unidades consumidoras.
k: Numero máximo de eventos en el periodo considerado.; e
Cc: Numero total de unidades consumidoras, del conjunto considerado,
al final del periodo considerado.
Las interrupciones que la normativa brasilera considera para el cálculo de los indicadores
son todas aquellas que interrupciones que afecten las unidades consumidoras, con tan solo
las siguientes excepciones:
• Falla en las instalaciones de una unidad consumidora que no provoquen

interrupción o daños a terceros.
• Fallas que ocurran por obras de interés exclusivo del consumidor y que solo afectan
a la unidad consumidora del mismo.
• Interrupción en situación de emergencia, las cuales deberán ser descritas en detalle,
identificando las localidades o áreas afectadas, y emitiendo un estimativo de la
duración de la interrupción.
Los conjuntos de unidades consumidoras deberán permitir la identificación geográfica de

las unidades consumidoras, y para el establecimiento de los indicadores de servicio,
deberán ser tenidos en consideración los siguientes parámetros físico – eléctricos:
• Área en kilómetros cuadrados ( km.2)

• Extensión de la red primaria en kilómetros ( km. )
• Promedio mensual de energía consumida de los últimos doce (12) meses, en
kilovatios hora (kWh.)
• Total de unidades consumidoras atendidas.
• Sistema aislado o sistema integrado.
ANEEL podrá en cualquier momento solicitar la revisión de la conformación de los

conjuntos. El periodo de tiempo para el cual se calcularan los indicadores de calidad es de
un mes.
32
En época de racionamiento de energía eléctrica por razones de fuerza mayor o por
fenómenos naturales, los prestadores del servicio entregaran el cálculo de los indicadores
en los dos escenarios, es decir, en uno considerando y excluyendo las interrupciones
debidas al racionamiento, y, el otro escenario, sin considerar para nada el hecho de que los
cortes hayan sido por racionamiento.
METAS DE CONTINUIDAD
El método que definió la ANEEL para el establecimiento y/o redefinición de las metas de
continuidad para los conjuntos de las unidades consumidoras se fundamenta en la técnica
de análisis comparativo de desempeño de las empresas prestadoras, y tienen como
referencia los datos físico – eléctricos y los datos históricos de los indicadores DEC y FEC.
Se asume que ANEEL busca por medio de la comparación técnica relativa de los
operadores llegar a una frontera de eficiencia, pero que siempre se este en porceso de
mejora continua. Se busca incentivar la sana competencia entre los operadores, y
adicionalmente se dota al regulador de elementos muy concretos para la definición de los
valores máximos admisibles para futuros periodos.
33
APLICACIÓN DEA: CASO BRASIL
La propuesta de aplicación de la técnica DEA para la comparación relativa fue hecha por
J.E. Pinheiro dos Santos, Carlos Marcio Vieira y J.W. Marangon Lima, quienes sugirieron
una metodología para el análisis comparativo de los agentes prestadores del servicio de
energía eléctrica en Brasil.
La metodología propuesta para el caso Brasil se fundamenta en dos técnicas:
1. Dynamic Clusters. Ver Anexo 2.

2. Data Envelopment Analysis, DEA.
Dentro de la metodología propuesta se debía considerar cada circuito como una unidad de
producción o DMU (Para la técnica DEA), dependiendo de las características y la
importancia dada por cada distribuidor. Cada circuito esta caracterizado por el área a la que
va a suministrar energía eléctrica, por el número de usuarios y la demanda existente.
En este punto se recurre a la técnica Dynamic Cluster, y se realiza el agrupamiento
identificando los grupos con características similares, teniendo en cuenta que las entradas a
la técnica, parámetros de agrupamiento, son características o variables no controlables por
el distribuidor. (Área atendida por el circuito, Numero de usuarios, carga demandada.)
Luego de identificar los grupos con los ítems similares por medio de la técnica de Clusters,
se identifica la frontera de eficiencia por medio de DEA, y se establecen las distancias de
cada uno de los circuitos pertenecientes al grupo, a la frontera de eficiencia. Para el
establecimiento de la frontera de eficiencia técnica relativa los datos de entrada al algoritmo
DEA son:
• Longitud del circuito. ( km. )
• Potencia Instalada (MVA)
• Numero de transformadores.
• Numero de seccionadores
• Costo de operación y mantenimiento.
Una de las entradas mas importante es el costo de la operación y el mantenimiento pues
este refleja el cómo los distribuidores están operando cada uno de los circuitos, es decir
esta es la variable Controlable más importante de la técnica aplicada al caso DEA
Brasil. En este caso el valor de operación y mantenimiento es el derivado del modelo de
compañía estándar ajustado al perfil de cada distribuidor.
El caso inicialmente estudiado en Brasil para determinar la efectividad de la
metodología sugerida fue desarrollado con siete (7) de las mas importantes empresas
34
distribuidoras en ese País. (CEMIG, CELESC, COPEL, EBE, ELECTROPAULO,
COPEL y ELEKTRO)
El primer análisis puede ser visto como el estudio DEA tradicional, en donde se
consideró cada una de las compañías como una DMU, se omitió el arreglo de cluster y
se considero que las siete compañías hacían parte de un grupo homogéneo. Los
indicadores DEC y FEC utilizados como salidas en la técnica DEA son el promedio
global de cada compañía.
Los resultados obtenidos fueron:
Tabla 1. Resultados DEA Caso Brasil, Primer análisis.
El segundo análisis que se desarrolló en el caso DEA Brasil realizado en Agosto de

2004, fue intentar fijar hacia el futuro los índices de calidad en el suministro de energía
eléctrica en el Brasil DEC y FES a partir de los datos que se tenían,.
Se realizó agrupando en torno a cada circuito los elementos o circuitos más cercanos,
por medio de la técnica de clusters, y luego se corrió la técnica DEA, que para cada uno
de los circuitos indica las eficiencias de cada arreglo formado. Los resultados de este
ejercicio en Brasil fueron:
Estas dos técnicas combinadas, Dynamic Cluster y DEA, proponen los autores,
ayudaran al regulador a establecer los estándares de confiabilidad para los
distribuidores de energía eléctrica en Brasil.
Tabla 2. Resultados DEA Caso Brasil, Segundo análisis.
35
El tercer análisis propuesto en Establishing Quality performance of distribution Companies
based on yarstick regulation, fue el de tomar datos de dos años consecutivos y de allí
aplicar el mismo procedimiento anterior, con el ánimo de estabilizar los resultados
obtenidos.
36
REGULACIÓN COLOMBIANA RESOLUCIÓN 70 DE 1998
Respecto a los indicadores de calidad del servicio en el pais, esta norma hace algunas
deficiniciones:
Clasificación de las interrupciones del servicio de energía.
Clasificación por duración de la interrupción:
• Instantáneas: Son aquellas suspensiones del servicio cuya duración es inferior o igual a
un (1) minuto, no se tienen en cuenta para los cálculos de los indicadores de calidad del
servicio.
• Transitorias: Son aquellas suspensiones del servicio cuya duración es superior a un (1)
minuto y menor o igual a cinco (5) minutos.
• Temporales: Son aquellas suspensiones del servicio de energía cuya duración es mayor
a cinco (5) minutos.
Dentro del cálculo de los indicadores de calidad no se tienen en cuenta interrupciones que
tengan su origen en:
• Interrupciones por racionamiento de emergencia o programadas del sistema eléctrico

nacional generadas por insuficiencias en la generación nacional.
• Interrupciones causadas por seguridad ciudadana y solicitadas por organismos de
socorro.
• Suspensiones o cortes en la prestación del servicio causadas por incumplimiento del
contrato de servicios públicos.
Las interrupciones programadas, o no programadas cuya naturaleza no esta en las anteriores

clasificaciones se tiene en cuenta dentro del cálculo de los indicadores.
Indicadores para el periodo de transición
En este numeral se definen los dos indicadores de calidad del servicio:
37
a) Indicador de Duración Equivalente de las Interrupciones del Servicio (DES)
Mide el tiempo total en que el servicio es interrumpido, se actualiza de forma trimestral, se

calcula por cada operador de red para cada uno de sus circuitos de acuerdo a la expresión:
NTI
DESc = ∑ t (i)
i =1
Ecuación 9 – Indicador DES.
Donde:
DESc: Sumatoria del Tiempo en horas de las interrupciones del servicio en un Circuito,
durante los últimos doce (12) meses.
i: Interrupción i–ésima.
t(i): Tiempo en horas de la interrupción i–ésima.
NTI: Número Total de Interrupciones que ocurrieron en el Circuito durante los últimos
doce (12) meses.
b) Indicador de Frecuencia Equivalente de las Interrupciones del Servicio ( FES)

Mide el número de interrupciones presentadas en un circuito sobre un periodo de doce
meses, este indicador se debe calcular mensualmente de acuerdo a la expresión:
FESc = NTI
Ecuación 10 – Indicador FES.
donde:
FESc: Sumatoria del número de veces que el servicio es interrumpido en un Circuito,
durante los últimos doce (12) meses.
Adicionalmente en este numeral se definen dos indicadores de seguimiento de la calidad
definidos en la siguiente forma:
38
NT ⎛⎜ Ua(i ) ⎞
⎟
DESn = ∑ ⎜ *t (i)⎟
i =1⎝ Un(i ) ⎠
NT ⎛⎜ Ua(i ) ⎞⎟
FESn = ∑ ⎜ ⎟
i =1⎝ Un(i ) ⎠
Ecuación 11 – Indicadores DES y FES.
donde:
DESn: Tiempo promedio por Usuario, en horas, de las interrupciones del servicio en el
nivel de tensión n, durante los últimos doce (12) meses.
FESn: Frecuencia promedio por Usuario, de las interrupciones del servicio en el nivel de
tensión n, durante los últimos doce (12) meses.
i: Interrupción i–ésima.
t(i): Tiempo en horas de la interrupción i–ésima.
NT: Número Total de Interrupciones que ocurrieron en el nivel de tensión n, durante los
últimos doce (12) meses.
Ua(i): Número Total de Usuarios afectados por la Interrupción i-ésima en el nivel de
tensión n.
Un(i): Número Total de Usuarios en el nivel de tensión n, en el momento de la
Interrupción i-ésima.
Valores máximos admisibles de los indicadores y período de transición
En este numeral se establece que los limites máximos en el periodo de transición y después
de el serán fijados por la CREG.
Los usuarios individuales tienen derecho a solicitar al OR límites inferiores a los

establecidos por resolución de la CREG siempre y cuando asuman los mayores costos que
conlleve esa reducción.
Condiciones durante el periodo de transición.
39
Para el cálculo de los Indicadores DES y FES por Circuito, los tiempos de duración y el
número de interrupciones de cada Circuito, comenzarán a acumularse a partir del 1o de
Enero del año 1999. Así mismo, deberán reportar trimestralmente los valores acumulados
a la SSPD y conservar registros en medio magnético por un período no inferior a tres (3)
años.
Registro de las interrupciones:
Todas las interrupciones en los circuitos de distribución de los niveles 2, 3 y 4 deben ser
registradas en las subestaciones, las interrupciones en los circuitos de nivel 1 se
contabilizaran desde el momento en que sean detectadas por el operador de red, o sean
reportadas por los usuarios.
Información sobre calidad del servicio
Los OR´s deberán tener disponible la siguiente información para: Los Comercializadores
que operen en la zona de influencia del STR y/o SDL respectivo, los Usuarios conectados
al STR y/o SDL respectivo, los Organismos de Control y Vigilancia y demás autoridades
competentes:
a) Período de Transición:
• Codificación de Circuito.
• Fecha y hora en que se inició la interrupción.
• Número de transformadores afectados por la interrupción y capacidad instalada de los
mismos.
• Fecha y hora en que se restableció el servicio.
• Causa de la interrupción.
• Número de usuarios afectados por la interrupción del servicio.
• Demanda no atendida.
• Todas las Variables Independientes de los DES, FES y Valores a Compensar.
b) Período Definitivo:
40
• Codificación de circuito y usuario.
• Fecha y hora en que se inició la interrupción.
• Número de transformadores afectados por la interrupción y capacidad instalada de los
mismos.
• Fecha y hora en que se restableció el servicio.
• Causa de la interrupción.
• Número de usuarios afectados por la interrupción del servicio.
• Demanda no atendida.
• Todas las variables independientes de los DES, FES y Valores a Compensar.
Resolución 025 de 1999.
Definición de grupos: Se definen limites maximos de indicadores de calidad del servicio

para circuitos de distribución de acuerdo a las condiciones demograficas de las poblaciones
en las cuales se encuentran los circuitos:
GRUPO 1: Circuitos ubicados en Cabeceras municipales con una población superior o

igual a 100.000 habitantes según último dato certificado por el DANE.
GRUPO 2: Circuitos ubicados en Cabeceras municipales con una población menor a

100.000 habitantes y superior o igual a 50.000 habitantes según último dato certificado por
el DANE.
GRUPO 3: Circuitos ubicados en Cabeceras municipales con una población inferior a

50.000 habitantes según último dato certificado por el DANE.
GRUPO 4: Circuitos ubicados en Suelo que no corresponde al área urbana del respectivo
municipio o distrito.
La ubicación física de la subestación determina el Grupo al cual pertenecen los Circuitos

correspondientes a alimentadores primarios, que se encuentran conectados a la misma. Para
transformadores de distribución, el Grupo a que pertenecen estos Circuitos estará
determinado por la ubicación física del transformador de distribución.
Resolución 096 2000.
41
Esta resolución en su artículo 20 modificó parcialmente la resolución 070 de 1998,
definiendo que el CND debe mantener un listado de eventos del sistema interconectado
nacional para que los OR no tengan en cuenta su duración dentro del cálculo de los
indicadores de calidad del servicio.
Que no se deben tener en cuenta para el calculo de los indicadores DES y FES eventos
programados en activos del nivel de tensión 4, ocasionados en trabajos de expansión.
Indisponibilidades originadas en Eventos de fuerza mayor.
El OR afectado por el Evento de fuerza mayor, debe declarar oficialmente ante la SSPD la
ocurrencia de1 mismo, si el evento de interrupción tendrá una duración mayor a tres días, el
operador de red debe notificar a sus usuarios a través de prensa, o medio de comunicación
Indicadores DES y FES por defecto
Se establece unos valores de los indicadores DES y FES a aplicar cuando el operador de red
no realice 1os reportes de información relacionados con la Calidad de1 Servicio Prestado,
en 1os formatos, términos y medios establecidos por la comisión, o cuando el
Comercializador no publique los indicadores en la factura de 1os Usuarios . Los
indicadores DES y FES se calcularán mensualmente o trimestralmente por defecto usando
algunas expresiones que se basan en el limite máximo establecido para los indicadores en el
ano 2000.
La aplicación de 1os indicadores por defecto no exoneran a las empresas, de las sanciones
que deba aplicar la SSPD por el incumplimiento en la determinación de 1os indicadores y
tiene efectos a la hora de determinar los cargos por uso que se definen en la resolución
CREG 082 de 2002.
Resolución 084 2002
Articulo2: valores máximos admisibles para los indicadores de calidad del servicio para el
ano 2003
42
Tabla 3. Valores máximos admisibles para los indicadores FES y DES.
Parágrafo 1 a mas tardar el 13 de enero de 203 los operadores de red deberán informar a m
la CREG y a la SSPD mediante comunicación escrita suscrita por el representante legal los
valores máximos admisibles de los indicadores de calidad por grupo para cada uno de los
trimestres del ano 2003. estos valores trimestrales serán únicos por empresa. Cada DESC
trimestral deberá estar en un número entero y la suma de los valores trimestrales de cada
año no podrá superar los valores máximos admisibles anuales establecidos en este artículo.
Si vencido el plazo máximo mencionado un OR no reporta valores máximos admisibles
trimestrales o reporta valores que no cumplan con las condiciones aquí establecidas, se
asumirán para su sistema para el ano 2003, los siguientes valores máximos trimestrales:
Tabla 4. Máximos trimestrales para los indicadores DES y FES.
Circular Conjunta CREG SSPD numero 0002 del 23 de abril de 2003.
En el anexo B de esta circular se define la información que deben publicar las empresas de
distribución de energía eléctrica, en cumplimiento a las disposiciones resoluciones descritas
anteriormente:
Mensualmente, los OR deben cargar a la página del sistema único de información de la

SSPD la siguiente información:
Información de alimentadores: Formato B.1.
Código de circuito o línea: nombre asignado por el OR al circuito o línea reportado.
43
Subestación: Nombre de la subestación alimentadora del circuito.
Usuarios: Numero de usuarios reportados que están conectados al circuito
Demanda de energía: Demanda mensual registrada en kWh.
Potencia promedio mensual kW.
Tensión nominal.
Longitud de la red.
Tenencia o no de un rele de recierre.
Descripción de si es o no un alimentador radial.
Descripción de si es o no normalmente abierto.
Longitud, latitud y altitud.
Propiedad o no del circuito al OR.
Tipo A/S: hace referencia a si el circuito el aéreo o subterráneo.
Número y sumatoria de duración de interrupciones menores a un minuto de duración.
Número y sumatoria de duración de interrupciones declaradas como de fuerza mayor.
Número y sumatoria de duración de interrupciones excluidas en los términos de referencia
dados en la resolución CREG 096 de 2000.
Número y sumatoria de duración de interrupciones programadas por el OR.
Número y sumatoria de duración de interrupciones no programadas por el OR
Las columnas Numero y sumatoria de duración permiten excluir del reporte las
interrupciones excluibles del cálculo de los indicadores DES y FES según indicaciones de
la resolución CREG 096 de 2000.
44
REGULACIÓN COLOMBIANA
ESTABLECIMIENTO DE VALORES MÁXIMOS
ADMISIBLES
El presente capitulo tiene el objetivo de mostrar la forma como se llegó al planteamiento

de los valores máximos admisibles en los indicadores DES y FES dentro de la regulación
Colombiana.
Se tendrá en consideración los antecedentes que dieron pie a la formación de los

indicadores, los aspectos que se consideraron pertinentes en la resolución de calidad en los
sistemas de transmisión y distribución de energía eléctrica, las responsabilidades de los
operadores de red, todo esto gracias a la colaboración de la COMISION DE
REGULACION DE ENERGIA Y GAS, quien facilitó el documento CREG 123 de
circulación Interna.
“Las comisiones de regulación tienen la función de regular los monopolios en la prestación

de los servicios públicos, cuando la competencia no sea, de hecho, posible; y, en los demás
casos, la de promover la competencia entre quienes presten servicios públicos, para que las
operaciones de los monopolistas o de los competidores sean económicamente eficientes, no
impliquen abuso de la posición dominante, y produzcan servicios de calidad” Ley 142 de
1994.
Es decir, se le asignó a la CREG la responsabilidad de fijar las normas dentro de las cuales
estarán las empresas del sector eléctrico nacional.
Adicionalmente, la ley 143 de 1994, asigna a la CREG, definir los aspectos técnicos de
calidad, confiabilidad en el servicio de la energía eléctrica dentro del territorio Nacional.
También, hay que tener en cuenta que la CREG, mediante el Reglamento de Distribución y
las resoluciones 025 y 089 de 1996 definió los limites que miden la calidad de la potencia
suministrada a los usuarios, y, de mas interés para esta tesis, respecto de la calidad del
servicio de transmisión y/o distribución como sigue:
• Los criterios de calidad del servicio de energía eléctrica
• Los indicadores que miden la calidad
• Las responsabilidades y compensaciones por la calidad del servicio prestado.
45
Se definieron dos indicadores:
• Indicador DES, el cual mide el tiempo total de interrupción de suministro de energía
eléctrica.
• Indicador FES, el cual mide el número total de interrupciones de suministro de
energía eléctrica.
Las compensaciones a los usuarios se dan cuando los indicadores de calidad DES y FES
superan los valores Máximos Admisibles VMA. Se dispuso dichas compensaciones a los
usuarios se harían efectivas a partir del primero de enero de 2000, y se distinguieron dos
periodos: el de transición, el cual se hallaba comprendido entre el primero de 2000 y el 31
de diciembre de 2003, y el definitivo, que comenzaría a partir del primero de enero de
2003.
Las metas para el año 1 de transición (2000) fueron fijadas por la comisión en Junio de
1999 mediante la resolución CREG 025.
Los valores máximos admisibles, fueron fijados en el reglamento de distribución para el
año 3 (2002), así:
• Duración máxima equivalente de las Interrupciones (DES) de doce (12) horas.
• Frecuencia máxima equivalente de las Interrupciones (DES) de dieciocho (18)
horas.
Adicionalmente, la CREG, tomando en consideración los estudios de calidad del servicio y
las observaciones hechas por los operadores de red, mediante resoluciones 025 y 089 de
1999 realizo los siguientes ajustes:
• En la fijación de los valores máximos admisibles se tendría en cuenta la topología

de la red, a través del número de habitantes de la zona urbana o rural que atiende.
• En caso de que los operadores de red no realicen las mediciones de la calidad del
servicio y/o no realicen los reportes correspondientes se aplicaran indicadores Por
defecto
• Se excluyeron del cálculo de los indicadores DES y FES, os siguientes tipos de
interrupción:
o Interrupciones debidas a las indisponibilidades permitidas de los activos del
STN.
o Interrupciones con duración igual o inferior a tres minutos.
o Eventos programados de activos pertenecientes al nivel de tensión 4,
debidos a trabajos de expansión.
• Se definió que los indicadores de calidad del servicio Para los años 2 y 3 del periodo
de transición, serán trimestrales.
46
VALORES MÁXIMOS ADMISIBLES DE INDICADORES DES Y FES.
La Comisión De Regulación De Energía y Gas CREG, estimo conveniente que para la

definición de los valores máximos admisibles de los indicadores de servicio DES y FES,
para el periodo definitivo se debía tener en cuenta las medidas que los operadores de red
tenían a su alcance para mejorar el servicio prestado.
Al igual, clasificaron las acciones que puede adelantar un operador de red en dos
categorías:
1. Las categorías en las cuales No es necesaria la inversión adicional, o esta es
mínima, a las remuneraciones que los operadores reciben en los cargos por uso.
Dentro de este grupo encontramos la reposición del equipo obsoleto, el
mantenimiento en caliente de los alimentadores en media tensión y la instalación de
seccionadores en los tramos de la parte troncal del circuito entre otras.
2. Las categorías en las cuales es necesaria la inversión adicional a los cargos por uso
percibidos, donde encontramos la construcción de extensiones de líneas para
suplencia, la implementación de reconectadores y sistemas de coordinación
sofisticados, la tele medición, el telemando y la automatización local y remota.
La información con que contó la CREG, fue la suministrada por los operadores de red a la
Superintendencia de Servicios Públicos Domiciliarios (SSPD) y a la CREG, y recopila
2548 alimentadores de diferentes empresas del País.
Los datos recolectados se clasificaron de acuerdo al nivel de tensión, de los cuales el 91%
corresponden al nivel de tensión 2.
La CREG, buscó diferentes modelos con el fin de realizar un estudio a fondo de la calidad
del servicio, a partir de la información con la que se contaba, y procedió a evaluar cuatro
modelos, en los que estuviera resumida la mayor cantidad relevante posible relacionada con
la calidad del servicio que puede ofrecer un circuito, tales como:
• Longitud de los circuitos.
• Densidad.
• Capacidad.
• Cargabilidad, y
• Remuneración actual.
Se realizaron los siguientes análisis estadísticos:
47
ANÁLISIS DE CORRELACIÓN.
La CREG realizó este estudio entre los indicadores DES y FES reales de los circuitos y a
partir de la información suministrada, con las siguientes variables:
• Longitud
• Numero de usuarios conectados al circuito (Densidad Usuarios/ km. )
• Potencia promedio (Potencia/Usuarios)
• Voltaje.
• Cargos por uso vigentes, sin acotamiento, magnitud del acotamiento de los cargos y
una variable categórica según acotamiento y no acotamiento.
La conclusión a la que se llegó, fue la existencia de una relación entre la longitud, densidad
y la potencia promedio del alimentador y los indicadores. Adicionalmente, que no existe
correlación alguna entre la calidad y las variables de remuneración actual.
ANÁLISIS DE REGRESIÓN.
La CREG buscó un modelo el cual explicara la calidad del servicio real en función de:
• Longitud
• Numero de usuarios conectados.
• Densidad. (Usuarios/ km. )
• Potencia promedio (Potencia/Usuarios)
• Voltaje (kV)
• Cargos por uso vigentes, sin acotamiento, magnitud del acotamiento de los cargos y
una variable categórica según acotamiento y no acotamiento.
La CREG observó que el indicador DES, se ajustaba a un modelo estadísticamente
significativo, según el cual el indicador es explicado por las variables Longitud, Potencia
promedio, voltaje, y magnitud del acotamiento de los cargos por uso.
El indicador FES esta explicado por las variables Longitud, Potencia promedio, voltaje,
usuarios, densidad y magnitud del acotamiento de los cargos por uso.
Para la CREG fue de particular interés la incidencia del acotamiento de los cargos por uso
en el comportamiento real de los indicadores de calidad, pero dado que la incidencia es
negativa, es decir, entre mayor ha sido el acotamiento de los cargos para una empresa los
estándares tienden a ser cada vez mejores.
48
Por lo anterior, la conclusión de la CREG fue que las deficiencias de la época se debían
fundamentalmente a la gestión de las empresas.
ANÁLISIS DE CONGLOMERADOS.
El procedimiento de la CREG fue el de clasificar los circuitos de tal forma que se

obtuvieran grupos que por sus características permitieran determinar la calidad asociada a
los circuitos.
Luego se procedió a realizar un análisis de Cluster, Conglomerados, por el método de ward,
buscando escoger los cluster con el criterio de mínima varianza, llegando a obtener como
único criterio de clasificación la longitud de los circuitos.
Se determinaron dos grupos de circuitos, según la longitud de los mismos, teniendo en
cuenta como punto de división 37 km. Es decir, los circuitos se clasificaron en circuitos
cortos, menores de 37 km. , y largos a los mayores de 37 km.
ANÁLISIS DE VARIANZA.
El análisis de varianza permite conocer si hay diferenciación de la calidad real para grupos
de circuitos, agrupados según la longitud, y según la existencia o no de rele de recierre.
El estudio realizado por la CREG arrojó como resultado que existen diferencias en la
calidad del servicio entre los grupos planteados y que la utilización del rele de recierre
modifica únicamente el indicador FES.
METAS DE LOS INDICADORES
La CREG, considerando que del análisis de la información se concluyó que los reles de
recierre afectan positivamente al mejoramiento de la calidad del servicio, y que, según el
análisis de regresión, los problemas de calidad se deben fundamentalmente a la gestión de
las empresas, estableció como metodología para determinar las metas de los indicadores de
calidad, adoptar el percentil 50 de la muestra de circuitos de nivel de tensión 2, agrupados
bajo el criterio de cortos o largos ( mas o menos de 37 km. de longitud.).
49
APLICACION DEA: CASO COLOMBIA
El uso de medidas de eficiencia relativas entre circuitos semejantes es el principio de la

regulación brasileña respecto a calidad del servicio. En este capitulo, para la aplicación de
la técnica DEA a las empresas de distribución de energía de Colombia se procederá de la
siguiente manera:
A partir de la información suministrada por la Superintendencia de Servicios Públicos
Domiciliarios, proveniente de los reportes obligatorios que deben realizar los agentes
distribuidores de energía eléctrica, obtenida para un conjunto de 4059 circuitos de
distribución, pertenecientes a las diez (10) empresas de distribución de energía eléctrica
mas importantes del País, se tienen los siguientes datos básicos:
• Longitud del circuito alimentador
• Demanda en MW.
• Numero de usuarios
• FES registradas.
• DES en minutos.
Se establecieron conjuntos de circuitos similares usando los siguientes criterios.
• Circuitos urbanos o rurales: Esta clasificación se justifica por el alto grado
de exposición a descargas atmosféricas a las que están sometidos los
circuitos rurales en comparación a los circuitos ubicados en zonas urbanas,
el fenómeno de descargas atmosféricas produce un claro efecto de
disminución de la confiabilidad, por la frecuencia esperada de fallas, y por
un alargamiento de los tiempos de interrupción por efecto de la accesibilidad
física a las redes.
• Longitud del circuito: Esta clasificación se justifica si se toma en cuenta la
topología radial de los circuitos de distribución, por la cual son circuitos
serie desde el punto de vista de confiabilidad, por tanto, una mayor longitud
implica una mayor probabilidad de falla.
• Numero de usuarios: la razón de la escogencia de esta variable como
clasificación es que una interrupción en el fluido eléctrico en un circuito
dado, el número de afectados y el tipo de usuarios afectados hace que se
tengan diferentes prioridades en su atención y en la prioridad para el
reestablecimiento de la falla presentada.
• Carga del circuito.
50
Luego del proceso de filtrado y selección de los circuitos, la idea de la técnica es llegar a un
conjunto mas reducido, donde los circuitos seleccionados sean altamente similares en
cuanto a su número de usuarios, longitud y carga demandada.
En este punto, con los datos filtrados, se determinaron las entradas y salidas con las que se
realizarían las pruebas de la técnica DEA caso Colombia, intentando mantener la filosofía
de las realizadas en la aplicación de la técnica en Brasil, con lo que tenemos:
Entradas:
• Longitud del circuito
• Número de usuarios del circuito.
• Demanda del circuito.
• Costo de operación y mantenimiento. A pesar de que esta es una de las entradas
claves en el modelo brasilero de la aplicación de la técnica, en nuestro caso esta
información No esta disponible.
Salidas:
• Indicador DES, por medio de la transformación. Yi Mod = (YMAX + r ) − Yi
• Indicador FES por medio de la transformación. Yi Mod = (YMAX + r ) − Yi

Donde:
Mod
Yi : Es el resultado de la transformación de la variable: DES, FES, longitud, demanda, o
numero de usuarios.
YMAX : El valor mas alto que toma la variable a transformar dentro del conjunto de datos a
analizar.
Yi : Es el dato a invertir.
r : es un factor de ajuste.
El factor de ajuste no debe ser cero, y no debe tampoco ser un valor muy grande, ya que se
afectaría la sensibilidad del análisis,
51
CASOS IMPLEMENTADOS
CASO 1 - FIEL AL MODELO BRASILERO.
El caso natural es reproducir fielmente el caso expuesto en el Caso DEA Brasil, aplicado a
un conjunto de circuitos colombiano, por lo tanto
Las entradas alimentadas al software de análisis fueron:
• Número de Usuarios.
• Demanda en MW
• Longitud del circuito en km.
Las salidas consideradas fueron: DES, y FES. Que se sometieron a la inversión matemática
propuesta en el artículo. Yi Mod = (YMAX + r ) − Yi , con un factor de ajuste igual a uno.
Longitud Usuarios Demanda FES DES (min)

( km. ) (kW)
Circuito 1 10,55 4650,00 813099,45 1 9,82
Circuito 2 9,35 4322,00 825798,13 1 3,45
Circuito 3 9,58 4197,00 976807,81 1 3,00
Circuito 4 10,20 4376,00 981727,00 1 4,72
Circuito 5 10,18 2933,00 1014238,93 1 3,13
Circuito 6 9,60 2454,00 1053424,94 1 4,97
Circuito 7 10,66 2573,00 1083848,00 1 3,00
Circuito 8 9,36 6473,00 1222471,06 1 5,62
Circuito 9 9,57 2879,00 1291049,00 1 11,57
Circuito 10 9,19 5027,00 1416015,78 1 2,48
Circuito 11 10,88 1755,00 1496169,70 1 1,37
Circuito 12 10,43 2506,00 1554340,72 1 4,48
Tabla 5. Caso 1 DEA Colombia: valores de Entradas y salidas.
Con lo que las eficiencias relativas obtenidas son:
Eficiencias
Circuito Nº
52
Circuito 1 1,0000
Circuito 2 1,0000
Circuito 3 1,0000
Circuito 4 0,9205
Circuito 5 1,0000
Circuito 6 1,0000
Circuito 7 1,0000
Circuito 8 0,9879
Circuito 9 0,9962
Circuito 10 1,0000
Circuito 11 1,0000
Circuito 12 0,9383
Tabla 6. Eficiencias Relativas, Caso 1 DEA Colombia.
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
to to to to to to to to to to to to
ui ui ui ui ui ui ui ui ui ui ui ui
rc rc rc rc rc rc rc rc rc rc rc rc
Ci Ci Ci Ci Ci Ci Ci Ci Ci Ci Ci Ci
Units
Figura 1. Eficiencias Relativas, Caso 1 DEA Colombia.
En este caso, se observa claramente que las unidades que obtienen la mayor calificación de
eficiencia, Circuitos 1, 2, 3, 5, 7, 10, y circuito 11, son aquellos que a la vista de la técnica
DEA usaron la menor cantidad de recursos o Entradas, los circuitos de menor longitud,
menor número de usuarios y menor valor de demanda. Sin embargo, en un sistema de
distribución la longitud, el número de usuarios, y la demanda son parámetros que no se
quieren minimizar como si fueran causantes de costos, es mas, son variables en muchos
casos no controlables por el distribuidor.
53
No es para nada razonable que un circuito sea castigado, por tener un valor alto de
demanda, o por ser simplemente un circuito con una extensión importante, o por tener una
gran cantidad de usuarios conectados.
Es más, considerando que es mas complicado mantener un circuito muy largo, con gran
cantidad de usuarios y con un valor de demanda alto, con valores bajos en los indicadores,
decidimos aplicar la siguiente ecuación de transformación a todas las entradas, y no castigar
a estos circuitos:
Yi Mod = (YMAX + r ) − Yi
Ecuación 12. Transformación implementada para las entradas a DEA.
ELECCIÓN DE VALOR “R”

Tal como se señala en el primer capitulo, DEA es una técnica de programación lineal que
identifica los mejores oferentes de servicios por su habilidad de producir el más alto nivel
de servicios con un conjunto dado de entradas, o por producir una cantidad determinada de
salidas empleando la menor cantidad de recursos.
Por lo anterior, cuando las entradas empleadas en el análisis DEA son como las que hemos
tenido para la realización de DEA caso Colombia: Longitud del circuito, cantidad de
usuarios y valor de demanda, se hace necesaria la implementación de la transformación
lineal de la ecuación 12.
Sin embargo, al utilizarla surge, instantáneamente, una pregunta. ¿Cuál debe ser el valor de
“r”, dentro de la transformación lineal?
El primer valor de r que utilizamos en la transformación lineal, fue tomar el valor de la
media geométrica, con la cual tenemos los siguientes valores:
Longitud Demanda
( km. ) Usuarios (MW) FES DES (min)
Circuito 1 10,28 5270,26 1860744,92 1 9,82
Circuito 2 11,48 5598,26 1848046,24 1 3,45
Circuito 3 11,25 5723,26 1697036,56 1 3,00
Circuito 4 10,63 5544,26 1692117,37 1 4,72
Circuito 5 10,65 6987,26 1659605,44 1 3,13
Circuito 6 11,23 7466,26 1620419,43 1 4,97
Circuito 7 10,17 7347,26 1589996,37 1 3,00
Circuito 8 11,47 3447,26 1451373,31 1 5,62
Circuito 9 11,26 7041,26 1382795,37 1 11,57
Circuito 10 11,64 4893,26 1257828,59 1 2,48
Circuito 11 9,95 8165,26 1177674,67 1 1,37
Circuito 12 10,40 7414,26 1119503,65 1 4,48
media geométrica
54
Con lo que obtuvimos:
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
rc rc rc rc rc rc rc rc rc c c c
Ci Ci Ci Ci Ci Ci Ci Ci Ci
Ci
r
Ci
r
C i r
Units
Figura 2 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12.
El siguiente valor con que se realizó la transformación de la ecuación Nº 12, fue el de la

media armónica, con lo cual tenemos los siguientes valores:
Longitud Demanda
( km. ) Usuarios (MW) FES DES (min)
Circuito 1 10,26 5048,89 1836974,51 1 9,82
Circuito 2 11,46 5376,89 1824275,83 1 3,45
Circuito 3 11,23 5501,89 1673266,15 1 3,00
Circuito 4 10,61 5322,89 1668346,96 1 4,72
Circuito 5 10,63 6765,89 1635835,03 1 3,13
Circuito 6 11,21 7244,89 1596649,02 1 4,97
Circuito 7 10,15 7125,89 1566225,96 1 3,00
Circuito 8 11,45 3225,89 1427602,90 1 5,62
Circuito 9 11,24 6819,89 1359024,96 1 11,57
Circuito 10 11,62 4671,89 1234058,18 1 2,48
Circuito 11 9,93 7943,89 1153904,26 1 1,37
Circuito 12 10,38 7192,89 1095733,24 1 4,48
media geométrica
55
Y obtuvimos
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Figura 3 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12 y r igual a la

media armonica.
Al utilizar el valor r de 1, obtenemos los siguientes resultados:

Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Figura 4 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12 y r igual a 1.
56
Finalmente, cuando elegimos un valor de 20% del valor máximo, es decir 1.2Ymax,
tenemos:
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Figura 5 Calificaciones de eficiencia para el caso 1, usando la inversion de la ecuación 12 y r igual a 1,2
Ymax.
Al observar las graficas de cada uno de las opciones para El valor de r, r=Media
geométrica, r =Media Armónica, r =1, y r =YMAX*0.2, observamos que el valor de r actúa
como un modulador de las calificaciones técnicas relativas dadas por la técnica DEA a cada
uno de los circuitos.
Si observamos los datos de entrada a la técnica DEA luego de la aplicación de la
transformación lineal propuesta, esta hace que el mayor valor de cada vector se transforme
en el menor, es decir desde la técnica DEA se transforman los valores altos de entrada, en
valores “mas eficientes”, o en otras palabras, reflejan que se esta produciendo el menor
gasto de recursos.
Observando los resultados preliminares de la Técnica DEA en los casos expuestos para
explicar la función del parámetro “r”, se ve que las calificaciones relativas para cada uno de
los circuitos varían si se asigna uno u otro valor al parámetro “r”. Cada vez que se hace
menor el valor de “r”, el rango de calificaciones relativas se hace más grande, es decir las
calificaciones dan mas dispersas. Si, por otro lado, se incrementa el valor de “r”, el rango
de las calificiones relativas de los circuitos estudiados se reduce, es decir con mas densidad.
Consideramos que el mejor valor fue r = YMAX*0.2, por lo que en lo sucesivo se utilizará
este valor.
CASO 2 – TRANSFORMACION PROPUESTA
57
El segundo caso, fue realizado con los mismos valores del primer escenario, pero en este
caso se realizó la Inversión de las variables de entrada, en la siguiente tabla se ilustran los
valores de entrada al algoritmo DEA:

(invertido) (invertido) (invertido) (invertido) (invertido)
Circuito 1 2,51 3117,60 1052109,41 1 2,75
Circuito 2 3,70 3445,60 1039410,73 1 9,12
Circuito 3 3,48 3570,60 888401,05 1 9,57
Circuito 4 2,86 3391,60 883481,86 1 7,85
Circuito 5 2,87 4834,60 850969,93 1 9,43
Circuito 6 3,46 5313,60 811783,92 1 7,60
Circuito 7 2,40 5194,60 781360,86 1 9,57
Circuito 8 3,70 1294,60 642737,80 1 6,95
Circuito 9 3,49 4888,60 574159,86 1 1,00
Circuito 10 3,87 2740,60 449193,08 1 10,08
Circuito 11 2,18 6012,60 369039,16 1 11,20
Circuito 12 2,62 5261,60 310868,14 1 8,08
Tabla 9. Entradas y salidas Invertidas. Valores de entrada DEA. Caso 2 DEA Colombia.
Con lo que, las eficiencias relativas cambiaron, a estas:
Circuito Nº Eficiencias
Circuito 1 1,0000
Circuito 2 0,8947
Circuito 3 0,9450
Circuito 4 1,0000
Circuito 5 0,9157
Circuito 6 0,7648
Circuito 7 0,9861
Circuito 8 1,0000
Circuito 9 0,8190
Circuito 10 1,0000
Circuito 11 1,0000
58
Circuito 12 1,0000
Tabla 10. Eficiencias Relativas, Caso 2 DEA Colombia.
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Eficiencias Eficiencias
Caso 1 Caso 2
Circuito 1 10,55 4650,00 813099,45 1 9,82 1,0000 1,0000

Circuito 2 9,35 4322,00 825798,13 1 3,45 1,0000 0,8947
Circuito 3 9,58 4197,00 976807,81 1 3,00 1,0000 0,9450
Circuito 4 10,20 4376,00 981727,00 1 4,72 0,9205 1,0000
Circuito 5 10,18 2933,00 1014238,93 1 3,13 1,0000 0,9157
Circuito 6 9,60 2454,00 1053424,94 1 4,97 1,0000 0,7648
Circuito 7 10,66 2573,00 1083848,00 1 3,00 1,0000 0,9861
Circuito 8 9,36 6473,00 1222471,06 1 5,62 0,9879 1,0000
Circuito 9 9,57 2879,00 1291049,00 1 11,57 0,9962 0,8190
Circuito 10 9,19 5027,00 1416015,78 1 2,48 1,0000 1,0000
Circuito 11 10,88 1755,00 1496169,70 1 1,37 1,0000 1,0000
Circuito 12 10,43 2506,00 1554340,72 1 4,48 0,9383 1,0000
Tabla 11. Comparación de eficiencias relativas, Caso 1 vs. Caso 2.
Observando la tabla º 9, se puede apreciar que se cambio el castigar a los circuitos largos y
con altas demandas y en cambio se beneficia a los circuitos largos que presenten buenos
indicadores, pues ahora el aprovechamiento de los recursos que vea la técnica DEA, será
59
manifestada en mejores eficiencias relativas para los circuitos largos, con alto grado de
demanda y con gran número de usuarios, gracias a la transformación que se aplicó.
Adicionalmente, los circuitos que tengan indicadores de calidad de servicio muy buenos,
casi independientemente de su longitud, son calificados con eficiencias relativas altas, es el
caso del circuito Numero 1, quien en los dos casos corridos hasta el momento, presenta
eficiencias relativas altas.
Los circuitos eficientes en este caso son los circuitos 1, 4, 8, 10, 11 y 12.
CASO 3 – SIN FES COMO SALIDA
El tercer caso que realizado, dentro del estudio DEA Caso Colombia, intenta reflejar que
influencia tiene el hecho de que todos los circuitos posean el mismo valor para una de sus
salidas. Por lo anterior, y en virtud de que todos los circuitos presentan el mismo valor de
indicador FES, vamos a omitirlo como salida de la técnica.
Longitud Usuarios Demanda DES (min)
Circuito 1 10,55 4650,00 813099,45 9,82

Circuito 2 9,35 4322,00 825798,13 3,45
Circuito 3 9,58 4197,00 976807,81 3,00
Circuito 4 10,20 4376,00 981727,00 4,72
Circuito 5 10,18 2933,00 1014238,93 3,13
Circuito 6 9,60 2454,00 1053424,94 4,97
Circuito 7 10,66 2573,00 1083848,00 3,00
Circuito 8 9,36 6473,00 1222471,06 5,62
Circuito 9 9,57 2879,00 1291049,00 11,57
Circuito 10 9,19 5027,00 1416015,78 2,48
Circuito 11 10,88 1755,00 1496169,70 1,37
Circuito 12 10,43 2506,00 1554340,72 4,48
Tabla 12. Valores Caso 3. DEA Colombia.
Con lo que los valores de eficiencias relativas, cambian a las siguientes:
Circuito Nº Longitud Usuarios Demanda DES (min)

Eficiencias
60
Circuito 1 10,55 4650,00 813099,45 9,82 0,3354
Circuito 2 9,35 4322,00 825798,13 3,45 0,8543
Circuito 3 9,58 4197,00 976807,81 3,00 0,9170
Circuito 4 10,20 4376,00 981727,00 4,72 0,8589
Circuito 5 10,18 2933,00 1014238,93 3,13 0,8615
Circuito 6 9,60 2454,00 1053424,94 4,97 0,6055
Circuito 7 10,66 2573,00 1083848,00 3,00 0,9050
Circuito 8 9,36 6473,00 1222471,06 5,62 1,0000
Circuito 9 9,57 2879,00 1291049,00 11,57 0,0828
Circuito 10 9,19 5027,00 1416015,78 2,48 1,0000
Circuito 11 10,88 1755,00 1496169,70 1,37 1,0000
Circuito 12 10,43 2506,00 1554340,72 4,48 0,8568
Tabla 13. Eficiencias relativas Caso 3 DEA Colombia.
Si se comparan los casos Nº 2 y Nº 3, se observa, primero, que el número de circuitos

eficientes varía, es mas, se reduce a tres circuitos óptimos, los circuitos eficientes en este
caso son los circuitos 8, 10 y 11, adicionalmente, al observarlo con el caso Nº 2, los
circuitos que presentan las mas altas calificaciones son aquellos que presentan los mejores
índices de salida.
Es decir que en caso de que todas las salidas en los valores de entrada de la técnica DEA
son iguales, idénticas, la técnica de cierta forma “infla” los resultados, teniéndose como
consecuencia resultados falsos, que no reflejan la situación.
Para nuestro caso particular, se observa que dado que el indicador FES, es idéntico para
todos los circuitos estudiados, su influencia al momento de correr la técnica DEA es ocultar
de cierta manera deficiencias en el tiempo de solución de las fallas. Es decir, todos los
circuitos tuvieron tan solo un corte en el fluido eléctrico, pero algunos circuitos tuvieron un
menor tiempo de corte. Estos últimos son los verdaderamente eficientes relativamente.
CASO 4 – SIN DES COMO SALIDA
Este caso será corrido con los mismos valores de entrada de los casos anteriores, pero sin
incluir dentro de las salidas a la técnica DEA, la variable DES, con lo cual obtenemos las
siguientes eficiencias relativas:
Eficiencias
Circuito Nº
61
Circuito 1 1,000
Circuito 2 0,791
Circuito 3 0,839
Circuito 4 0,950
Circuito 5 0,861
Circuito 6 0,765
Circuito 7 0,958
Circuito 8 1,000
Circuito 9 0,819
Circuito 10 1,000
Circuito 11 1,000
Circuito 12 1,000
Tabla 14. Eficiencias Relativas. Caso 4 DEA Colombia.
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
o o o o o o o o o
uit uit uit uit uit uit uit uit uit uit
o
uit
o
uit
o
Units
Circuito Nº Longitud Usuarios Demanda FES (min)

Eficiencias
62
Circuito 1 10,55 4650,00 813099,45 1.00 1,000
Circuito 2 9,35 4322,00 825798,13 1.00 0,791
Circuito 3 9,58 4197,00 976807,81 1.00 0,839
Circuito 4 10,20 4376,00 981727,00 1.00 0,950
Circuito 5 10,18 2933,00 1014238,93 1.00 0,861
Circuito 6 9,60 2454,00 1053424,94 1.00 0,765
Circuito 7 10,66 2573,00 1083848,00 1.00 0,958
Circuito 8 9,36 6473,00 1222471,06 1.00 1,000
Circuito 9 9,57 2879,00 1291049,00 1.00 0,819
Circuito 10 9,19 5027,00 1416015,78 1.00 1,000
Circuito 11 10,88 1755,00 1496169,70 1.00 1,000
Circuito 12 10,43 2506,00 1554340,72 1.00 1,000
Tabla 15. Eficiencias relativas, Caso 4 DEA Colombia.
Este caso como se puede observar, dado que la variable de salida para cada uno de los
circuitos es idéntica a la de los demás, solo tiene en cuenta la eficiencia con que cada ítem
utiliza o dispone de sus recursos, por lo tanto, y como se esperaba, los circuitos que
presentan las mayores eficiencias relativas son los circuitos mas largos, con mayor
demanda y con un mayor número de usuarios.
Como se había planteado, el modelo es válido y confirma nuestras observaciones, debido a
que si dos circuitos tienen indicadores de confiabilidad de servicio iguales (En este caso
FES iguales para todo los circuitos), es mas razonable indicar que son mas eficientes los
circuitos largos, con mayor demanda y con mayor numero de usuarios, que los circuitos
cortos, con pocos usuarios y bajo nivel de demanda, debido a la mayor exposición a fallas
de los primeros.
Los circuitos eficientes en este caso son los circuitos 1, 8, 10, 11 y 12.
CASO 5 –SIN VARIABLE “LONGITUD”
Este caso será corrido con los mismos valores de entrada de los dos primeros casos, pero
sin incluir dentro de las entradas a la técnica DEA la variable longitud, con lo cual
obtenemos las siguientes eficiencias relativas:
Circuito 1 0,555
63
Circuito 2 0,604
Circuito 3 0,652
Circuito 4 0,610
Circuito 5 0,545
Circuito 6 0,543
Circuito 7 0,562
Circuito 8 1,000
Circuito 9 0,712
Circuito 10 1,000
Circuito 11 1,000
Circuito 12 1,000
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
51 70
3
47
6
85
7
87
3
45
5
39
7
69
6
48
5
86
7
17
6
62
4
2, 3, 3, 2, 2, 3, 2, 3, 3, 3, 2, 2,
Units
(Longitud) Usuarios Demanda FES DES (min)
Caso 2 Caso 5
Circuito 1 10,55 4650,00 813099,45 1 9,82 1,0000 0,555

Circuito 2 9,35 4322,00 825798,13 1 3,45 0,8947 0,604
Circuito 3 9,58 4197,00 976807,81 1 3,00 0,9450 0,652
Circuito 4 10,20 4376,00 981727,00 1 4,72 1,0000 0,610
Circuito 5 10,18 2933,00 1014238,93 1 3,13 0,9157 0,545
Circuito 6 9,60 2454,00 1053424,94 1 4,97 0,7648 0,543
64
Circuito 7 10,66 2573,00 1083848,00 1 3,00 0,9861 0,562
Circuito 8 9,36 6473,00 1222471,06 1 5,62 1,0000 1,000
Circuito 9 9,57 2879,00 1291049,00 1 11,57 0,8190 0,712
Circuito 10 9,19 5027,00 1416015,78 1 2,48 1,0000 1,000
Circuito 11 10,88 1755,00 1496169,70 1 1,37 1,0000 1,000
Circuito 12 10,43 2506,00 1554340,72 1 4,48 1,0000 1,000
Tabla 17. Eficiencias Relativas vs. Datos de circuito. Caso 5 DEA Colombia.
Con este ejercicio pretendemos ver la influencia de la variable longitud dentro del análisis
de eficiencias relativas que estamos llevando. Al omitirla como variable de entrada los
circuitos Nº 1 y Nº 4, dejan de ser eficientes y descienden a valores bajos. Como se puede
observar estos circuitos tienen valores altos de longitud, que eran “premiados” por medio
de la transformación diseñada, y al retirarlos, los demás atributos o características del
circuitos no son tan sobresalientes, lo cual los lleva a descender si nivel de eficiencia.
Los circuitos eficientes en este caso son los circuitos Nº 8, Nº 10, Nº 11 y Nº 12.
CASO 6 – SIN ENTRADA “USUARIOS”
Este caso será corrido con los mismos valores de entrada de los dos primeros casos, pero
sin incluir dentro de las entradas a la técnica DEA la variable usuarios, con lo cual
Circuito 1 0,867
Circuito 2 0,588
Circuito 3 0,626
Circuito 4 0,762
Circuito 5 0,757
Circuito 6 0,630
Circuito 7 0,908
Circuito 8 0,589
Circuito 9 0,635
Circuito 10 0,775
65
Circuito 11 1,000
Circuito 12 1,000
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
o o o o o o o o o
uit uit uit uit uit uit uit uit uit uit
o
uit
o
uit
o
Units
Caso 2 Caso 6
Circuito 1 10,55 4650,00 813099,45 1 9,82 1,0000 0,867

Circuito 2 9,35 4322,00 825798,13 1 3,45 0,8947 0,588
Circuito 3 9,58 4197,00 976807,81 1 3,00 0,9450 0,626
Circuito 4 10,20 4376,00 981727,00 1 4,72 1,0000 0,762
Circuito 5 10,18 2933,00 1014238,93 1 3,13 0,9157 0,757
Circuito 6 9,60 2454,00 1053424,94 1 4,97 0,7648 0,630
Circuito 7 10,66 2573,00 1083848,00 1 3,00 0,9861 0,908
Circuito 8 9,36 6473,00 1222471,06 1 5,62 1,0000 0,589
Circuito 9 9,57 2879,00 1291049,00 1 11,57 0,8190 0,635
Circuito 10 9,19 5027,00 1416015,78 1 2,48 1,0000 0,775
Circuito 11 10,88 1755,00 1496169,70 1 1,37 1,0000 1,000
Circuito 12 10,43 2506,00 1554340,72 1 4,48 1,0000 1,000
Tabla 19. Comparación caso 2 y caso 6 DEA Colombia.
Los circuitos eficientes en este caso son los circuitos Nº 11 y Nº 12.
66
Al igual que en el caso anterior, se observa que algunos de los circuitos que eran eficientes
en el caso Nº 2, dejan de serlo, y pasan a tener valores medios y bajos de eficiencia.
CASO 7 – SIN ENTRADA “DEMANDA”
Este caso será corrido con los mismos valores de entrada de los dos primeros Casos, pero
sin incluir dentro de las entradas a la técnica DEA la variable demanda, con lo cual
Circuito 1 1,000
Circuito 2 0,895
Circuito 3 0,945
Circuito 4 1,000
Circuito 5 0,916
Circuito 6 0,754
Circuito 7 0,986
Circuito 8 1,000
Circuito 9 0,709
Circuito 10 1,000
Circuito 11 1,000
Circuito 12 0,903
Tabla 20. Eficiencias Relativas Caso 7 DEA Colombia.
67
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Caso 2 Caso 7
Circuito 1 10,55 4650,00 813099,45 1 9,82 1,0000 1,000

Circuito 2 9,35 4322,00 825798,13 1 3,45 0,8947 0,895
Circuito 3 9,58 4197,00 976807,81 1 3,00 0,9450 0,945
Circuito 4 10,20 4376,00 981727,00 1 4,72 1,0000 1,000
Circuito 5 10,18 2933,00 1014238,93 1 3,13 0,9157 0,916
Circuito 6 9,60 2454,00 1053424,94 1 4,97 0,7648 0,754
Circuito 7 10,66 2573,00 1083848,00 1 3,00 0,9861 0,986
Circuito 8 9,36 6473,00 1222471,06 1 5,62 1,0000 1,000
Circuito 9 9,57 2879,00 1291049,00 1 11,57 0,8190 0,709
Circuito 10 9,19 5027,00 1416015,78 1 2,48 1,0000 1,000
Circuito 11 10,88 1755,00 1496169,70 1 1,37 1,0000 1,000
Circuito 12 10,43 2506,00 1554340,72 1 4,48 1,0000 0,903
Tabla 21.Comparación caso 2 y caso 7 DEA Colombia.
Los circuitos eficientes en este caso son los circuitos Nº 1, Nº 4, Nº 8, Nº 10, Nº 11 y Nº 12.
Al igual que en el caso anterior, se observa que algunos de los circuitos que eran eficientes
en el caso Nº 2, dejan de serlo, circuito Nº 12. De los demás circuitos el único que varía es
el circuito Nº 9. Podríamos decir que la variable demanda no tiene demasiada incidencia,
puede deberse a lo similar de los valores de cada uno de los circuitos.
68
CASO 8 – SIN ENTRADA “LONGITUD”, SIN SALIDA “FES”
Circuito 1 1,000
Circuito 2 0,895
Circuito 3 0,945
Circuito 4 1,000
Circuito 5 0,916
Circuito 6 0,754
Circuito 7 0,986
Circuito 8 1,000
Circuito 9 0,709
Circuito 10 1,000
Circuito 11 1,000
Circuito 12 0,903

Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
51 70
3
47
6
85
7
87
3
45
5
39
7
69
6
48
5
86
7
17
6
62
4
2, 3, 3, 2, 2, 3, 2, 3, 3, 3, 2, 2,
Units
Figura 11. Eficiencias Relativas Caso 8 DEA Colombia.
CASO 9 – SIN ENTRADA “USUARIOS”, SIN SALIDA “FES”
69
Circuito 1 0,2129
Circuito 2 0,4783
Circuito 3 0,5347
Circuito 4 0,5338
Circuito 5 0,6380
Circuito 6 0,4274
Circuito 7 0,7754
Circuito 8 0,3653
Circuito 9 0,0574
Circuito 10 0,7397
Circuito 11 1,0000
Circuito 12 0,8568
Efficiency Scores
1,0000
0,9000
0,8000
0,7000
0,6000
0,5000
0,4000
0,3000
0,2000
0,1000
0,0000
1 2 3 4 5 6 7 8 9 10 11 12
Units
Figura 12.Eficiencias Relativas Caso 9 DEA Colombia.

Este es el primero de los casos que se corre donde se encuentra que tan solo hay un circuito
eficiente, el circuito Nº 11. Adicionalmente, luego de correo estos casos observamos que:
El circuito que se presenta como eficiente en todos los casos que hemos corrido, es el
circuito Nº 11. Concuerda con que es el circuito que menor índice de duración equivalente
de interrupciones DES presenta, el circuito mas largo, el segundo con mayor valor de
demanda, y con un elevado numero de usuarios. Basados en lo anterior podríamos decir que
para el grupo de elementos en análisis el circuito óptimo es el circuito Nº 11. El segundo
más eficiente es el circuito Nº 10, seguido del circuito Nº 10, Nº 8, Nº 1 y 12.
70
A partir de los análisis preliminares, las variables que mas influyen y reflejan el
comportamiento de los circuitos, aplicando la técnica DEA, son la longitud del circuito, el
valor de la demanda de cada uno de los circuitos y el Indicador DES.
Otros Casos de estudio.
Los casos de estudio adicionales son casos seleccionados de comparación entre circuitos
siguiendo la siguiente metodología.
CASO Nº 10 - Metodología de agrupamiento.
Se agrupan circuitos de distribución de acuerdo a los siguientes criterios:
1. Circuitos por nivel de tensión: los 4056 registros de circuitos alimentadores de

sistemas de distribución incluyen circuitos desde los 2,4 kV, hasta los 115 kV, en
los porcentajes mostrados en la siguiente tabla
NIVEL DE NUMERO DE
PORCENTAJE
TENSIÓN (kV) CIRCUITOS
Menor a 10 7 0.17
11.4 674 16.63
13.2 1923 47.45
13.8 780 19.25
33 21 0.52
34.5 382 9.43
44 53 1.31
57.5 10 0.25
66 19 0.47
110 59 1.46
115 124 3.06
219 1 0.02
Tabla 24. Clasificación de circuitos por nivel de tensión.
71
Por tanto, una primera clasificación realizada busco separar los circuitos
pertenecientes al nivel de tensión en los siguientes grupos:
• Tensiones nominales menores a 10 kV. Categoría en la que se reúnen solo 7

circuitos.
• Tensiones nominales entre 11,4 kV y 13,8 kV. Categoría que reúne al 83,3
% de los circuitos de distribución con usuarios registrados.
• tensión nominal de 33 kV y 34,5 kV, con demanda de energía registrada,
grupo en el cual se encuentran 316 circuitos.
• tensión nominal de entre 44 kV y 66 kV con demanda registrada.
No se consideraron circuitos de mayor nivel de tensión por no tener estos usuarios
registrados.
Dentro de las clasificaciones anteriormente descritas se hizo una separación por
grupo al cual pertenece el circuito a analizar. A modo de ejemplo se clasifican los
circuitos de 11,4 kV a 13,8 kV, de zonas urbanas, es decir, grupo 1. Encontrando
1579 circuitos, que dividimos de acuerdo a su longitud así:
LONGITUD NÚMERO DE
( km) CIRCUITOS
Menor a 5 355
5 a 10 591
10 a 15 350
15 a 20 118
20 a 25 55
25 a 35 48
mayor a 35 80
Tabla 25. Clasificación de circuitos del grupo 1. según su nivel de tensión.
Dentro de los grupos clasificados por longitud, es posible establecer clasificaciones

por nivel de demanda, por ejemplo, para los circuitos de entre 15 y 20 km. se
puede hacer una clasificación en estas categorías:
DEMANDA NUMERO DE
(MW) CIRCUITOS
menor a 1 24
1a2 35
2a3 25
3a4 26
72
4a5 8
Mas de 5 13
Tabla 26. Clasificación de circuitos por demanda
Se puede observar que el numero de circuitos por clasificación ya es bastante
reducido, iniciando desde el conjunto de 4056 datos, sin embargo, de acuerdo al
articulo BRASIL, y a la literatura consultada respecto a la metodología DEA se
recomienda que el numero de unidades a estudiar en cada corrida del algoritmo de
medida de eficiencia sea de tres veces el numero de entradas consideradas, que para
nuestro caso particular serian 3, por tanto, agruparemos de nuevo cada subconjunto
respecto a la demanda registrada, de forma que obtengamos 9 circuitos lo mas
similares posibles entre si.
Por ejemplo, para los circuitos de demandas entre 2 a 3 MW mes, tendremos las
siguientes categorías por número de usuarios:
NUMERO DE NÚMERO DE
USUARIOS CIRCUITOS
menor de 5000 11
Entre 5 y 6 7
Mas de 6 7
Tabla 27. Clasificación de circuitos por número de usuarios.
Así quedan establecidos conjuntos de circuitos con características muy similares.

Sobre estos conjuntos es posible aplicar la técnica DEA. Como se ilustra en los
siguientes cuadros.
CASO Nº 11
Circuitos urbanos de tensiones nominales entre 11,4 kV y 13,8 kV, con longitudes
entre los 15 km. y 20 km. , con demandas entre 2 y 3 MW y un número de
usuarios menor a 5000.
73
Tensión
Longitud Usuarios Demanda FES DES
nominal
16.06 2859 2239100 13.8 0 0
15.436 4861 2300115 13.8 0 0
16.397 2909 2401402 13.8 0 0
17.15 4932 2694006 13.2 0 0
17.15 4932 2694006 13.2 0 0
16.2 4181 2112054 13.2 1 4
16.2 4203 2221868 13.2 1 244
16.2 4203 2221868 13.2 1 244
19.054 4931 2427395 13.8 1 4
18.67 4422 2052373 13.8 4 140
19.289 4150 2096496 13.8 4 91
Tabla 28. Parámetros de entrada del progrema DEA caso 11.

Se encuentran 11 registros de los cuales hay dos repetidos que son suprimidos, a los
circuitos restantes se les aplica la técnica DEA, con retornos constantes a escala, y
orientación a la salida, cuyas entradas serán: Longitud, numero de usuarios, y
demanda, modelo en el que se busca maximizar las salidas, manteniendo el nivel de
entradas constante, por tantos, es necesario hacer una transformación a las entradas
y salidas empleadas, para que el objetivo de la técnica sea minimizar las salidas
manteniendo las entradas constantes.
Al realizar la transformación indicada en la ecuación Nº, y correr el caso DEA se

obtienen los siguientes resultados:
Referencias de
Benchmark
Longitud Usuarios Demanda FES DES Calificación DMU 4 DMU 8
16.06 2859 2239100 0 0 0.787 0.625 0.816
15.436 4861 2300115 0 0 0.933 1.072
16.397 2909 2401402 0 0 0.846 0.775 0.514
17.15 4932 2694006 0 0 1.000 1.000
16.2 4181 2112054 1 4 0.656 0.384 1.135
16.2 4203 2221868 1 244 0.631 0.555 0.884
19.054 4931 2427395 1 4 1.000 1.000
74
18.67 4422 2052373 4 140 0.484 1.094
19.289 4150 2096496 4 91 0.741 0.943
Tabla 29. Calificación de eficiencia para los circuitos del caso 11.
Note como las unidades de mayor eficiencia son aquellas que poseen las mayores entradas,
y los menores índices DES y FES. La unidad de decisión 7 es mas eficiente que algunas
otras unidades consideradas aunque tenga valores en sus indicadores DES y FES mayores,
esto se debe a que también es uno de los circuitos que tiene mayor numero de usuarios, y
una longitud mayor.
La información de referencia de benchmark es útil si se deseara alterar algunos de los
parámetros de los circuitos poco eficientes. Por ejemplo, para el circuito con calificación
0,484, usando la información de referencia de benchmark, podríamos proponer una
variación en sus parámetros de circuito de la siguiente manera.
referencia de benchmark
Longitud Usuarios Demanda FES DES calificación
Unit-4 Unit-7 Unit-8
16.06 2859 2239100 0 0 0.73 0.63 0.75
15.44 4861 2300115 0 0 0.93 1.07
16.4 2909 2401402 0 0 0.8 0.77 0.47
17.15 4932 2694006 0 0 1 1
16.2 4181 2112054 1 4 0.66 0.38 1.13
16.2 4203 2221868 1 244 0.58 0.56 0.81
19.05 4931 2427395 1 4 1 1
18.67 4838 2351828 0 0 1 1
19.29 4150 2096496.4 4 91 0.74 0.94
Tabla 30. Empleo de la técnica DEA para modificar variables de los circuitos de distribución
obteniendo mejora en la calificación de eficiencia.
Por tanto es posible en forma teórica variar los valores de las entradas y salidas de los
circuitos para mejorar el desempeño de este, los valores de las entradas y salidas se
alteraron de acuerdo a la indicación de la salida virtual inputs/outputs del programa de
análisis DEA, invertido usando la formula de normalización.
75
Virtual inputs/ outputs
Longitud Usuarios Demanda FES DES
16.06 4496.46 2239099.99 -1.30 -125.78
16.72 4861.00 2655223.69 -0.35 -21.08
16.40 4646.66 2401402.00 -0.87 -82.49
17.15 4932.00 2694006.01 0.00 0.00
16.20 4419.26 2112053.99 -1.35 -147.32
16.20 4498.09 2221868.02 -1.22 -125.00
19.05 4931.00 2427395.01 1.00 4.00
18.67 4838.36 2351828.68 0.64 -23.10
19.29 4987.69 2473640.14 1.22 20.58
Tabla 31. Empleo de la técnica DEA para modificar variables de los circuitos de distribución
obteniendo mejora en la calificación de eficiencia, tabla de salida virtual inputs/outputs.
Para este caso particular se logra la mejora del desempeño del circuito por la reducción del
numero de usuarios conectados al circuito, a la reducción de la demanda, note que algunos
valores de las salidas son negativos, lo cual no tiene sentido en sistemas de distribución, en
estos casos se puede sustituir los valores sugeridos por el programa por ceros.
La modificación de los parámetros de los circuitos de distribución no hace parte de las

atribuciones de los entes reguladores colombianos, sin embargo, si lo son de los operadores
de redes de distribución, por tanto, ellos podrían usar esta herramienta de análisis para
planear cambios en sus redes en busca de mayor confiabilidad.
Teniendo como alcance el presente trabajo hacer un diagnostico de la aplicabilidad de la

técnica DEA, como herramienta de establecimiento de valores máximos de índices de
calidad del servicio al caso colombiano, la modificación de valores del circuito descrita
anteriormente se hace solo con el propósito de demostrar las capacidades adicionales de la
técnica DEA y no se realizara para los demás casos estudiados.
CASO Nº 12.
Se clasifican los circuitos pertenecientes al nivel de tensión de 33 kV a 34,5 kV.
76
Numero de
Grupo circuitos
1 93
2 53
3 69
4 101
Tabla 32. Clasificación de circuitos de acuerdo a su grupo, caso 12.
Seleccionando los circuitos pertenecientes al grupo 4 se observa que es posible

hacer una categorización por longitud:
Longitud Número de
(km) circuitos
menor de 5 24
5 a 10 12
10 a 15 14
15 a 20 13
20 a 25 16
25 a 35 14
mas de 35 20
Tabla 33. Clasificación de circuitos de acuerdo a su longitud, caso 12.
Tomando el conjunto de circuitos de 33 kV y 34,5 kV, grupo 4, con longitudes entre

los 10 y 15 kilómetros de longitud tenemos los siguientes conjuntos de circuitos:
V Nominal
Longitud (km) Usuarios Demanda Grupo FES DES (min.)
(kV)
11.2 12082 5111415 34.5 4 0 0
12.0 11 2942557.8 34.5 4 0 0
14.72 1 2576300 34.5 4 0 0
11.51 697 2193572 34.5 4 1 382
13.1 1 432480 34.5 4 0 0
10 1436 394554.11 34.5 4 0 0
11.9 658 239080 34.5 4 1 382
15 79 19493 34.5 4 0 0
77
15 2 19200 34.5 4 0 0
15 2 11831 34.5 4 0 0
15 2 10320 34.5 4 0 0
12 109 6252 34.5 4 1 2
15 16 3031 34.5 4 0 0
14.9 1 151 34.5 4 0 0
Tabla 34. Conjunto preliminar de circuitos para el 12.
Se procede a realizar una clasificación adicional por demanda registrada en kW en
el mes.
• Circuitos con valor de demanda menor de 200000 kW al mes 7
• Circuitos con valor de Entre 200000 kW y 1MW 3
• Circuitos con valor de Más de 1MW 3
Tomando la categoría de menos de 0,2 MW al mes tenemos los siguientes circuitos,
a los cuales se les aplica la técnica de medida de eficiencia relativa.
Longitud Usuarios Demanda FES DES calificación

14.947 1 151 0 0 0.9826
15 16 3031 0 0 1.0000
12 109 6252 1 2 0.7548
15 2 10320 0 0 1.0000
15 2 11831 0 0 1.0000
15 2 19200 0 0 1.0000
15 79 19493 0 0 1.0000
11.984 658 239080 1 382 0.1568
10 1436 394554.11 0 0 1.0000
13.1 1 432480 0 0 1.0000
Tabla 35. Calificación de eficiencia para los circuitos del caso 12.
La aplicación de la técnica para este conjunto de circuitos produce como resultado

la existencia de múltiples unidades sobre la frontera de eficiencia, resaltadas en
amarillo, adicionalmente, aparecen dos unidades con eficiencia 1, pero resaltadas en
verde, lo cual indica que estas unidades son débilmente eficientes. Esto quiere decir,
dentro de la terminología de la técnica, que aunque están situadas en la frontera de
eficiencia, son susceptibles de tener un mejor desempeño. El valor en el que se
debe alterar las entradas de las unidades que presentan eficiencia débil se puede
78
obtener a partir de la tabla de salida input output Slacks. Disponible en la mayoría
de los paquetes de software con capacidad de correr la técnica, la mejora de estos
circuitos implica casi siempre la modificación de los parámetros de los circuitos,
modificación que en la práctica no es atribución de los entes reguladores.
Note que en este conjunto de circuitos es menos evidente la determinación de cuales
unidades son las mas eficientes a partir de los datos de entrada, la mayor parte de las
unidades de decisión estudiadas se encuentran en la frontera de eficiencia y se
encuentran dos unidades con eficiencia débil, esta situación se presenta cuando las
unidades de decisión empleadas para hacer el análisis tienen características
disímiles, por tanto es necesario garantizar que los elementos de los grupos
estudiados sean tan similares como sea posible.
Para corregir esta falencia del método proponemos una metodología de clasificación
de circuitos de distribución basándose en los parámetros: Longitud, Demanda,
numero de usuarios, y nivel de tensión, complementado con el uso de la técnica de
agrupamiento Cluster Analisys.
Para el siguiente caso se procederá a aplicar la técnica de Cluster análisis empleando el

programa Mixmod 2.1, programa con licencia GNU, desarrollado por el laboratorio de
matemáticas de la universidades francesas: Universite de la Franche Comte, la universite
de Technologies de compiegne, y la universite de Lille. Y que funciona como un plug in en
programas de análisis matemático como MATLAB, o su contraparte de software libre:
SCILAB.
Método de análisis:
Clasificación por longitudes de los circuitos.
Se separan grupos de circuitos de acuerdo a la siguiente clasificación:

• Circuitos Cortos: aquellos ubicados entre el valor mínimo, y el percentil 25 de los
datos.
• Circuitos medianos: aquellos ubicados entre los percentiles 25 y 50.
• Circuitos largos: aquellos ubicados entre los percentiles 50 a 75
• Circuitos muy largos: aquellos ubicados entre los percentiles 75 a 100
CASO Nº 13
79
Particularmente en el caso 13 analizaremos el conjunto de circuitos de longitudes en el
rango medio de longitud, entre 6,37 km. y 12,4 km. pertenecientes al nivel de tensión
entre 11,4 kV a 13,8 kV, pero es posible desarrollar la metodología para todas las
clasificaciones de longitud.
Este conjunto de datos se subdivide en conjuntos por cuartiles respecto a su demanda:
Nivel de Rango
kW al mes
demanda percentil
Bajo 0 - 25 98 638825
Medio 25 - 50 638825 1013221
Alto 50 - 75 1013221 1465849
muy alto 75 - 100 1465849 15616546
Tabla 36. Clasificación porcentual por demanda de los circuitos empleados.
De este agrupamiento se obtienen conjuntos de cerca de 200 circuitos por clase, cada una
de las clases se divide por cuartiles de acuerdo al numero de usuarios atendidos, para el
caso particular de estudio usaremos el conjunto de circuitos de media longitud, media
demanda y medio numero de usuarios.
De esta manera se ha obtenido un conjunto de 56 circuitos cuyos parámetros son:
Nivel de tensión 11,4 13,8

Longitud 6,41 11,28
Demanda 645810 973619
Numero de usuarios 2817 3750
Tabla 37. Caracteristicas fisicas del grupo de circuitos seleccionados para la aplicación de la
metodología DEA en el caso 13.
Y que pertenecen a los cuatro grupos en los que la regulación nacional clasifica a los
circuitos de distribución según el tamaño de las poblaciones en las cuales se encuentre.
Sin tener en cuenta una clasificación por el grupo procederemos a alimentar el programa de
cluster análisis a fin de obtener conjuntos de máximo 12 elementos para realizar el análisis
DEA.
80
Figura 13. Representación grafica de los agrupamientos de datos realizados por el programa
MIXMOD.
Los parámetros de circuito longitud, demanda y numero de usuarios usados como entrada
para el algoritmo de agrupamiento producen agrupamientos de elementos con parámetros
de circuito similares, pero pertenecientes a grupos diferentes, del conjunto de 56 circuitos
se obtienen 5 grupos, llamados clusters.
Por ejemplo, el cluster numero uno tiene los siguientes elementos:
Longitud V DES
Usuarios Demanda Grupo FES Cluster
( km. ) Nominal (min.)
9,82 3513 799940 13,2 1 0 0 1

11,245 3535 824647 11,4 1 0 0 1
9,877 3722 848731,753 11,4 1 0 0 1
11,078 3678 860033 13,2 2 0 0 1
9,46 3617 862551,99 13,2 1 0 0 1
9,218 3477 874703 11,4 1 0 0 1
10,149 3443 879598,827 11,4 1 0 0 1
81
9,49 3507 887443 13,2 1 0 0 1
9,76 3397 945977 13,2 1 0 0 1
9,74 3700 854625 13,8 1 1 33 1
10 3507 926960 13,8 1 2 57 1
Tabla 38. Grupo obtenido por medio de las tecnicas de agrupamiento propuestas, datos de entrada para
el caso 13.
La calificación de eficiencia de los circuitos considerados en este análisis se hace en base a
las entradas Longitud, Usuarios y demanda, siendo las salidas los valores de las columnas
DES y FES, los resultados obtenidos se presentan en la siguiente tabla:
Longitud ( V DES
Usuarios Demanda Grupo FES eficiencia
km. ) Nominal (min.)
9,82 3513 799940 13,2 1 0 0 0,82
11,245 3535 824647 11,4 1 0 0 1,00
9,877 3722 848731,753 11,4 1 0 0 1,00
11,078 3678 860033 13,2 2 0 0 1,00
9,46 3617 862551,99 13,2 1 0 0 0,97
9,218 3477 874703 11,4 1 0 0 0,91
10,149 3443 879598,827 11,4 1 0 0 0,91
9,49 3507 887443 13,2 1 0 0 0,95
9,76 3397 945977 13,2 1 0 0 1,00
9,74 3700 854625 13,8 1 1 33 0,58
10 3507 926960 13,8 1 2 57 0,17
Tabla 39. Calificación de eficiencia caso 13.
Es fácilmente deducible que las unidades de decisión de las últimas dos posiciones poseen
la mas baja calificación de eficiencia debido a los valores de los indicadores DES y FES
que presentan, el nivel de tensión no se tomo en cuenta como una entrada, por tanto no
influye en la calificación de eficiencia realizada.
Este método de clasificación estadística y cluster análisis asegura la uniformidad de los

grupos de circuitos considerados, reduciendo la probabilidad de que aparezcan circuitos
débilmente eficientes, y facilitando la detección de parámetros de circuito a mejorar.
82
83
CONCLUSIONES
1. La metodología DEA ha mostrado ser una herramienta útil para establecer

comparaciones de desempeño entre circuitos de distribución de energía, basándose
en parámetros físicos del circuito, y con la capacidad de incluir variables no físicas,
como costos de operación y mantenimiento, numero de cuadrillas a cargo del
mantenimiento, etc. Por esto consideramos que la técnica DEA Puede ser empleada
como una herramienta para el regulador en el proceso de establecimiento de índices
de calidad de energía.
2. El uso de esta técnica como herramienta de establecimiento de índices de calidad de

energía por parte del regulador implica un cambio profundo en la estructura
regulatoria del sector; implicaría el establecimiento de índices de calidad para
grupos particulares de circuitos de distribución, mas no para la totalidad del los
mismos, como ocurre en el esquema actual.
3. La técnica DEA puede ser empleada por las empresas de distribución de energía
para identificar cuales de sus circuitos presentan un mejor desempeño de acuerdo a
su tamaño, con el potencial de servir para planear reconfiguraciones de las redes que
aumenten su confiabilidad.
4. Propuesta de aplicación de la metodología DEA.
Basados en nuestros estudios recomendamos que de ser aplicada la metodología

DEA al establecimiento de indices de calidad del servicio en caso colombiano se
haga bajo el siguiente esquema básico:
• Las empresas de distribución de energía eléctrica deben implementar un

sistema de adquisición de información acerca de sus circuitos que garantice
que la información enviada al ente regulador sea veraz, verificable, y
entregada oportunamente al regulador, este sistema, preferiblemente debe ser
certificado por un esquema de control de calidad.
• La información a incluir en el reporte enviado al regulador debe incluir
como mínimo, y para asegurar la validez de los resultados del análisis la
información solicitada en el documento: circular conjunta CREG-SSPD
numero 2 de 2003, y adicionalmente: los costos de operación y costos de
mantenimiento de cada uno de los circuitos reportados.
84
• La CREG tendría que establecer un sistema de clasificación de circuitos de
distribución a partir de las características físicas del circuito,
particularmente: Longitud, Carga, Nivel de tensión, Numero de usuarios,
tipo aéreo o subterráneo, y presencia de interruptores de recierre.
o Proponemos que este agrupamiento se haga en dos etapas:
La primera etapa es una clasificación gruesa de las variables
de circuito, por ejemplo como se muestra en el caso numero
13. de la página 80 de este documento.
Una vez clasificados los circuitos, y definido el conjunto de
circuitos a analizar, este conjunto se puede dividir en grupos
más pequeños y uniformes por medio de la aplicación de un
algoritmo de agrupamiento como el cluster análisis.
• El siguiente paso consistirá el la aplicación de la técnica DEA a todos los
grupos de circuitos obtenidos en la clasificación descrita en el numeral
anterior. Se debe recordar que la calificación de eficiencia obtenida es solo
valida para el grupo de circuitos analizados y no se puede comparar con las
calificaciones de eficiencia de otro grupo.
• A partir de los resultados obtenidos para cada grupo, el regulador debe
decidir cual es la calificación de eficiencia que será considerada como meta
para los circuitos de distribución pertenecientes a este grupo. La calificación
de eficiencia debe ser convertida en un máximo permisible de los
indicadores DES y FES para el conjunto de circuitos del grupo.
• Los indicadores de calidad topes para el grupo debe ser socializados a los
operadores de los circuitos del grupo estudiado.
• La periodicidad de la ejecución del análisis debe ser definida por el ente
regulador.
5. Herramientas como DEA colaboran a reducir la subjetividad del ente regulador en

el momento de establecer las metas de índices de calidad de servicio, al considerar
parámetros técnicos de los circuitos de distribución, pero esto solo es posible si la
información con la que se alimenta la técnica es cierta, y confiable.
6. Gracias a la revisión bibliografía, se reconocieron las fortalezas, limitaciones y
bondades de la técnica DEA, Data Envelopment Analisys, de análisis de eficiencias
relativas, aplicable en muchos y muy diversos campos de la vida diaria, aplicada en
nuestro caso a la comparación de las eficiencias técnicas relativas de las empresas
distribuidoras del sector eléctrico colombiano
85
BIBLIOGRAFIA
1. Pineiro J, Vieira C.M, Marangon J.W. Establishing quality performance of

distribution companies based on yardstick regulation. IEEE transactions on Power
systems vol 21 N° 3 August 2006.
2. Coelli T. A guide to DEAP 2.1 A data Envelopment analysis computer program.
University of New England. Australia. CEPA working paper. August 1996.
3. Gavirneni S. Teaching Data envelopment analisys using aplichem – New
perspective on a popular operations case. Jhonson graduate school of management.
Cornell university.
4. Sterring comité for the review of commonwealth/state service provision: Data
envelopment analysis: A technique for measuring the efficiency of government
service delivery. 1997. AGPS. Canberra. Australia. Disponible por pedido a :
IC@mail.indcom.gov.au
5. Resolución 024 de 2000. online, available: http://www.aneel.gov.br. Agencia
Nacional de Energía Eléctrica ANNEL, Enero de 2007 (En portugues).
6. Ley 143 de 1994.Por la cual se establece el régimen para la generación,
interconexión, transmisión, distribución y comercialización de electricidad en el
territorio nacional, se conceden unas autorizaciones y se dictan otras disposiciones
en materia energética.
7. Calidad del servicio en sistemas de transmisión regional – STR’s y/o distribución
local – SDL’s. Documento CREG-123, Noviembre 30 de 2000.
8. Multivariate Statistical Methods in Quality Management. Capitulo 7, Cluster
análisis.
9. Maximo Bosch, Marcel Goic F., Pablo Bustos S. Análisis de desempeño de las
categorías en un supermercado usando DATA ENVELOPMENT ANALISYS.
Departamento de Ingeniería industrial, Universidad de Chile. 2004.
10. Srinivas Talluri, Data Envelopment Analysis: Models and extensions. Silberman
Collage of bussiness Administration, Fairleigh Dickinson University. Mayo 2000.
11. Subhash C. Ray. Data Envelopment Analisys, Theory and techniques for economics
and operations research. University of Connecticut. 2004.
12. Tone, K. 1993. Measuring of the managerial efficiency using DEA. Nikkagiren
Publishing Ltd., Tokyo. 176 pp.
13. Sherman, H.D. 1984. Data Envelopment Analysis as a new managerial audit
methodology - Test evaluation, auditing. Journal of Practice and Theory 4:35-53.
86
14. Masami Shiba. Measuring the Efficiency of Managerial and Technical
Performances in Forestry Activities by Means of Data Envelopment Analysis
(DEA). Mie University Tsu, Japan. January 1997.Vol.8, No. 1
15. Álvaro Ruiz Hernández. Evaluación de la eficiencia técnica de las seccionales de la
fiscalia. Documento CEDE 2004-12. ISSN 1657-7191 (Edición Electrónica).
Febrero de 2004.
16. Beatriz Eugenia Polania Cachón. Una aplicación de Data Envelopment Analisys:
Análisis comparativo de eficiencia entre hospitales en Colombia. Enero 1999.
17. C. Biernacki, G. Celeux, G. Govaert, F Langrognet, A Echenim: Mixture modelling
Software. MIXMOD user guide. http://www-math.univ-
fcomte.fr/mixmod/index.php
18. Xldea 2.0 Demo version.
87
ANEXO 1- Ejemplos DEA
CONSTANT RETURNS TO SCALE
En el ejemplo se analizaran cinco DMUs que usan dos insumos para la producción de una
salida, se reconstruye el ejemplo a partir de los datos del ejemplo 1 de la referencia DEAP.
A guide to DEAP version 2.1 a Data envelopment analysis Computer program. Se
resolverá el problema por medio del programa Winqsb, y se comprobaran los resultados a
partir del uso del programa DEAP, y del programa xIDEA.
DMU Insumo 1 Insumo 2 Producto

1 2 5 1
2 2 4 2
3 6 6 3
4 3 2 1
5 6 2 2
Tabla 40. Datos de entrada para el ejemplo CRS.
En este caso se ejecutara el análisis con orientación a la entrada, cuyo planteamiento como
problema de programación lineal es:

Sujeto a:
N
∑w y
j =1
∑w x
j =1
j kj − En xkn ≤ 0 Para k=1,…K
wj ≥ 0
Para la unidad de decisión uno, el planteamiento del problema de programación lineal será:
88
Sujeto a:
(1w1 + 2w2 + 3w3 + 1w4 + 2w5 ) − 1 ≥ 0

2w1 + 2 w2 + 6 w3 + 3w4 + 6w5 − E (2) ≤ 0
5w1 + 4w2 + 6 w3 + 2w4 + 2w5 − E (5) ≤ 0
w1 , w2 , w3 , w4 , w5 , E ≥ 0
Que solucionado en el programa WinQSB produce el resultado:
E1=0,5
Como se ilustra en la figura:
Figura 14. Introducción y solución del problema DEA CRS para la DMU1.
Para la unidad de decisión tres, el planteamiento del problema será:

Sujeto a:
N
∑w y
j =1
j ij − yin ≥ 0
(1w1 + 2w2 + 3w3 + 1w4 + 2w5 ) − 3 ≥ 0

2 w1 + 2w2 + 6 w3 + 3w4 + 6w5 − E (6) ≤ 0
5w1 + 4 w2 + 6w3 + 2 w4 + 2 w5 − E (6) ≤ 0
w1, w2, w3, w4, w5, E > 0 89
Cuya solución es E3=0,83
Figura 15. Introducción y solución del problema DEA CRS para la DMU3, con el programa WinQSB.
Usando los programas DEAP y xIDEA se obtienen las siguientes salidas:
Efficiency scores
1 0,5000
2 1,0000
3 0,8333
4 0,7143
5 1,0000
Tabla 41. Solución del problema DEA CRS en el programa xIDEA.
90
Figura 16. Introducción y solución del problema DEA CRS para la DMU3 por medio del programa
DEAP.
91
INTERPRETACIÓN GRAFICA DEL PROBLEMA DEA CRS
Este ejemplo se toma de la referencia A guide to DEAP version 2.1: A Data Envelopment
Análysis (Computer) Program.
Para hacer el análisis DEA de forma grafica se debe hacer un cálculo de las relaciones entre
entradas y salidas, y se deben ubicar estas relaciones sobre un plano:
DMU Insumo 1 Insumo 2 Producto Ins1/Producto Ins2/Producto

1 2 5 1 2 5
2 2 4 2 1 2
3 6 6 3 2 2
4 3 2 1 3 2
5 6 2 2 3 1
Tabla 42. Relaciones insumos / productos para el ejemplo DEA - CRS
Un punto mas cerca del origen significa que la unidad de decisión asociada al punto es mas
eficiente, los puntos que se encuentran mas cerca de los ejes definen una frontera que es la
frontera de eficiencia, y las calificaciones de eficiencia arrojadas por el problema de
programación lineal se pueden obtener de la grafica de la siguiente manera: Trazando una
línea desde el origen hasta la posición de la unidad de decisión, la eficiencia medida será la
razón entre la distancia existente entre el origen y el corte de la recta y la frontera de
eficiencia (punto ideal de operación), y la posición actual de la DMU.
92
Figura 17.Grafica de las relaciones calculadas en la tabla 3
Por ejemplo, para la unidad tres la medida de eficiencia será 0,83, que es el cociente entre
las medidas indicadas anteriormente desde el origen. Esta eficiencia se conoce como
eficiencia técnica (REF DEAP)
La diferencia entre esta calificación de eficiencia y uno, es la razón en la cual la unidad de

decisión estudiada podría disminuir sus entradas sin afectar su nivel de producción, la
disminución propuesta llevaría a la unidad 3 a la posición demarcada como 3’ situada sobre
la frontera de eficiencia definida en la vecindad de la unidad tres por las unidades dos y
tres, conocidas como los peers para la unidad tres, el punto de operación proyectado 3’ es
una combinación lineal de los puntos dos y cinco, sus pesos relativos se encuentran como
las soluciones w2,w5 del problema de programación lineal.
93
Note el caso de la DMU 1 en la figura numero 4, su punto de operación eficiente

proyectado 1’ cae en una región de la frontera de eficiencia paralela a uno de los ejes, este
es un caso particular en el que se dice que la unidad es radialmente ineficiente esto implica
que uno puede reducir su consumo de entradas proporcionalmente hasta el punto 1’, pero
adicionalmente puede hacer una reducción en el uso del insumo 1 exclusivamente, que
conduciría a la unidad uno a operar en las mismas coordenadas en las cuales lo hace la
unidad dos. Esta posibilidad de reducción exclusiva se indica con la palabra Slack.
94
MODELO VARIABLE RETURNS TO SCALE.
Como se menciono anteriormente se puede considerar el efecto de las economías de escala

en las organizaciones, esto se logra mediante la inserción de una restricción adicional al
modelo, como se presento en la ecuación (REF EQ Sn), por la cual la suma de los wn, de
ponderación debe ser uno, esta restricción adicional hace que la frontera de eficiencia
encierre mas estrechamente las observaciones hechas al formarse tomando los puntos en
que la relación entre salidas y entradas es máxima.
El siguiente ejemplo se adapta de la referencia [2].
Considere el caso de cinco unidades de decisión que usan un insumo, para producir un
producto, su grafica de salidas contra entradas y la tabla de datos se presenta a
continuación.
DMU Salida Insumo

1 1 2
2 2 4
3 3 3
4 5 5
5 5 6
Tabla 43. Datos para el ejemplo de análisis DEA modelo VRS
3
A B C D
95
Figura 20. Grafica de los análisis DEA modelos VRS y CRS
Las medidas de eficiencia se hacen, según la orientación del análisis (input or outputs), en
el sentido horizontal o en sentido vertical, para nuestro ejemplo analizaremos las entradas.
Bajo la presunción de CRS, la eficiencia técnica de una de las DMU’s estudiadas se mide
como la razón de distancias entre la proyección de la DMU sobre la frontera de eficiencia y
el eje vertical, dividida por la distancia entre el punto de operación actual de la DMU y el
eje vertical.
Bajo la presunción VRS la eficiencia de la DMU se mide de igual manera, sin embargo, al
combinar las medidas hechas bajo los dos modelos se puede llegar a medir la eficiencia de
la DMU respecto a su tamaño, determinando si se encuentra en una situación de retornos
crecientes a escala, o en retornos decrecientes a escala.
El concepto se ilustra en base a la figura 7, midiendo las diversas eficiencias para la DMU2.
Eficiencia técnica modelo CRS: AB/AD

Eficiencia técnica modelo VRS: AC/AD
Eficiencia a escala: AB/AC
Si el valor de la eficiencia a escala es uno, entonces, en apariencia, la DMU se encuentra

operando a escala optima, si la razón es diferente de uno, la DMU no operara a su escala
optima, pero se hace necesario correr un nuevo modelo DEA para determinar si la DMU se
encuentra en estado de retornos a escala decrecientes o crecientes.
96
ANEXO 2 – DINAMYC CLUSTER.
Dinamic cluster es una técnica de agrupamiento estadística multivarivarable que identifica

grupos ocultos, dentro de una gran cantidad de objetos o valores, basada en sus
características. Cada objeto o ítem tiene características propias, desde las similares con
observaciones iniciales hasta las discriminantes, estas características pueden ser expresadas
como un vector aleatorio, Formula 9, con los valores que varían de objeto a objeto.
El objetivo de la técnica Dimayc Cluster es identificar objetos similares basado en las
características que poseen. A diferencia de los análisis discriminantes convencionales, en
donde se definen los grupos antes del análisis, o como fundamento del análisis, en la
técnica Dinamic cluster el número de grupos, su nombre y aun sus características son
desconocidos antes del análisis. Son determinadas después del análisis.
X=(X1, X2,…,XP)
Ecuación 13. Vector Aleatorio características de objetos. Dinamyc Cluster.
Fundamentos de Cluster analysis:

Cluster analysis es una técnica de agrupamiento que ha tenido gran importancia en la
clasificación de información, con dos orientaciones comunes: Clasificación Jerárquica: en
la que se clasifican individuos por medio de la detección de sus características comunes y la
formación de una estructura jerárquica entre los conjuntos de observaciones, por ejemplo:
Las clasificaciones taxonómicas de biología, en al que se divide el conjunto de seres
vivientes en Reinos, Filums, Clases, ordenes, familias, gens, y especies.
La segunda orientación en el análisis de agrupamiento es por prototipo (típicamente:
característica media, o elemento con mínima distancia a los puntos cercanos ), en esta
orientación se abstrae el conjunto de invididuos a un conjunto menor de individuos tipo que
poseen características distintivas, y en base a este ideal se hace el agrupamiento, esta
orientación es ampliamente usada en el reconocimiento de patrones, y en el estudio de
genes, en el cual se agrupan genes que se suponen tienen informaciones y funciones
similares.
La técnica CA agrupa la información alimentada, basándose únicamente en características
propias de la información introducida, y se busca que los objetos agrupados sean tan
similares dentro del mismo grupo como sea posible, mientras que sean estos tan diferentes
como se pueda de los objetos pertenecientes a los demás clusters formados, esto evidencia
una de las principales dificultades al tratar de aplicar un algoritmo de agrupamiento, y es la
definición del grado de similaridad entre un par de datos, y entre un conjunto de datos.
97
Figura 21. Problema básico del agrupamiento: hay 30 figuras en el recuadro, ¿como se agruparían: por
color, por forma, por cercanía entre ellas?. La medida de similaridad depende fuertemente del uso que
se quiera dar a los conjuntos obtenidos.
Tipos de agrupamiento:
Una vez establecido el problema básico del agrupamiento, se definen algunos tipos de
agrupamiento comúnmente aplicados:
Agrupamiento por partición: Este esquema de agrupamiento simplemente divide el
conjunto original de observaciones en varios conjuntos menores no traslapados, si se
permite que los conjuntos así formados, tengan subconjuntos, se tiene un agrupamiento
jerárquico.
Exclusivo o traslapado: En el agrupamiento exclusivo se asigna cada elemento del
conjunto original de informaciones, a solo un grupo, mientras que el agrupamiento
traslapado permite que un elemento pueda estar en varios conjuntos a la vez, esta es la
situación mas real, por ejemplo: un perro pertenece a los mamíferos, pero también a los
canidos, y también puede pertenecer a una raza particular. Sin embargo, en aplicaciones de
reconocimiento de patrones, o en análisis de matrices de datos es más deseable agrupar los
datos en conjuntos altamente diferenciados.
Una variante muy interesante del agrupamiento traslapado se conoce como el agrupamiento
difuso, en el que a un elemento de información se le califica respecto a cada grupo de
informaciones con una calificación entre 0 y 1, indicando el 0 que el elemento no tiene
ninguna similaridad con los objetos del conjunto, hasta el 1 en el que se puede afirmar que
el elemento es igual a la marca del grupo (igual al elemento prototipo del grupo),
adicionalmente se hace la restricción de que la sumatoria de las calificaciones de un
elemento de información debe ser 1.
Basados en densidad o en distancia: Este tipo de agrupamiento clasifica los elementos
por medio del cálculo de la cercanía entre elementos adyacentes, para ello se emplean
98
diversos tipos de medidas de distancia, de los cuales los más populares son: la distancia
euclidiana, la distancia city block, y la medida de distancia no parametrica.
Tecnicas de agrupamiento:
Las tres técnicas de agrupamiento de más amplio uso a saber:
K-means: Es una técnica que se basa en un prototipo, por tanto es necesario especificar una
medida de similaridad entre los datos, el usuario especifica el numero de conjuntos que
desea generar, y estos se generan a partir del calculo de los centroides de los conjuntos
formados.
Agrupamiento jerárquico aglomerativo: En esta técnica se emplean varias técnicas que
comparan conjuntos de datos y los reagrupen en conjuntos que comparten una
característica, formando un árbol de características comunes.
DBSCAN: Esta es una técnica de agrupamiento basada en densidad, que produce un
agrupamiento fraccionado (no agrupa la totalidad de los datos originalmente alimentados)
en un numero de conjuntos que se define internamente en el algoritmo, los datos ubicados
en zonas de baja densidad de información se consideran ruido, y por tanto son excluidos de
los grupos generados.
La técnica de agrupamiento seleccionada para la ejecución de nuestra investigación es la
denominada K-Meaux, por tanto es en la única en que profundizaremos en las siguientes
paginas.
Técnica K-means
Esta, como otras técnicas de agrupamiento basado en prototipos crea una división de un
solo nivel en los datos estudiados, la técnica K means, define los agrupamientos en
términos de centroides, que son generalmente la media de un grupo de puntos (el centroide
puede no ser un dato observado).
Algoritmo básico de agrupamiento K means
1 Seleccione el numero de agrupamientos deseados K
2 Repita
3 Forme K conjuntos asignando puntos al centroide más cercano.
4 Recalcule el centroide de cada conjunto formado
5 Hasta: no haya cambio en los centroides calculados.
Tabla 1. Pasos del algoritmo de agrupamiento K-means.
El algoritmo km.eans funciona de la siguiente manera: El usuario del algoritmo especifica

el numero de agrupamientos que desea obtener: K, que se ubican cerca de la media del
universo de los datos, los datos mas cercanos a cada k se agrupan y se hace un calculo de la
99
media de los datos agrupados, dato con el cual se actualiza la posición de los diferentes
centroides, la actualización de los centroides se detiene cuando no ocurre un cambio entre
las posiciones de los centroides en algunas iteraciones consecutivas.
Este proceso se muestra en la figura 2
Figura 21. Uso del algoritmo K means para agrupar una muestra de datos, en el paso uno,
los tres centroides se colocan cerca del valor medio del conjunto de datos, en las dos
siguientes iteraciones se mueven los centroides por acción del calculo de las medias de los
datos cercanos a cada uno, en la iteración 4 se detiene el algoritmo al no haber un cambio
apreciable en la posición de los centroides.
La asignación de cada punto a un grupo se define en forma de la distancia existente entre el
centroide y cada punto, por tanto la forma en la que se determina dicha distancia es crucial
para la convergencia rápida del algoritmo, se usan medida de distancia como la distancia
euclidiana, la distancia tipo Manhattan, y medidas de similaridad como el coseno del
ángulo formado por dos vectores tendidos desde el origen a los dos puntos comparados. El
paso cuatro del algoritmo de agrupamiento, según el cual se debe recalcular el centroide se
define generalmente como una función objetivo llamada el SSE: sum of the squared error,
en la que se busca minimizar el cuadrado de la distancia de cada punto al centroide mas
cercano, para el caso particular en el que se emplee la medida euclidiana de distancia, la
función objetivo se define como la suma del error al cuadrado, cuya expresión es:
La expresión distancia, depende del espacio euclidiano en el que se considera, por ejemplo
si las variables usadas para definir un punto son: largo, alto ancho, y las representamos con
las letras x, y ,z entonces tendremos un espacio euclidiano de dimensión tres, y por tanto, la
definición de distancia entre el centroide asignado, y el punto estudiado será:
100
Mientras que las coordenadas del centroide, en el caso en que se estudien tres puntos será:
Escogencia inicial del centroide:

La escogencia inicial del centroide es un punto crítico de la formulación del agrupamiento k
means, ya que se ha encontrado que inicializaciones con diferentes centroides, generan
agrupamientos diferentes para un mismo conjunto de datos, algunos métodos para mejorar
la generación de los agrupamientos son:
• Selección de una muestra del conjunto de los datos, y aplicación de un agrupamiento
jerárquico: En este esquema se usan como centroides iniciales los resultados del
agrupamiento jerárquico, este esquema resulta efectivo siempre y cuando el conjunto
de datos estudiados no supere los mil datos, y el numero de clusters buscados sea
mucho menor que el numero total de datos.
Una segunda solución al problema consiste en considerar como centroide inicial la media
de la población de datos estudiados, y luego, fijar los demás centroides en los puntos mas
alejados del centroide inicial. Sin embargo, si existen muestras atípicas los centroides
agregados estarán lejos de la mayoría de los datos, haciendo mas demorada la finalización
del agrupamiento, por ello, se aplica esta técnica a una muestra de la población de los
datos, como los datos atípicos son de baja probabilidad de aparición, los datos muestreados
serán mas cercanos entre si, y producirán un mejor agrupamiento. Y los centroides
obtenidos serán más representativos del conjunto total de datos, reduciendo el tiempo de
obtención del agrupamiento de la población de datos.
101

DEA in Public Sector Enterprises

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

DEA in Public Sector Enterprises

Cargado por

Copyright:

Formatos disponibles

“Las cosas que deben aprenderse, las aprendo;

Las que pueden encontrarse, las busco;

EDGAR ALEJANDRO RODRIGUEZ GUZMAN

UNIVERSIDAD NACIONAL DE COLOMBIA

REQUISITO PARCIAL PARA OPTAR AL TITULO DE INGENIERO

EDGAR ALEJANDRO RODRIGUEZ GUZMAN

UNIVERSIDAD NACIONAL DE COLOMBIA

Director del proyecto: Ing. HENRY NAVARRO

Bogotá, _____/_____ de 2007

INDICE DE ECUACIONES .......................................................................................................... 10

DATA ENVELOPMENT ANALYSIS .......................................................................................... 17

MODELOS DE ANÁLISIS CON LA METODOLOGÍA DEA................................................... 19

REGULACION BRASILERA RESOLUCIÓN

APLICACIÓN DEA: CASO BRASIL .......................................................................................... 34

VALORES MÁXIMOS ADMISIBLES DE INDICADORES DES Y FES................................. 47

APLICACION DEA: CASO COLOMBIA................................................................................... 50

CASOS IMPLEMENTADOS ........................................................................................................ 52

ANEXO 1- EJEMPLOS DEA ........................................................................................................ 88

CONSTANT RETURNS TO SCALE ............................................................................................ 88

ANEXO 2 – DINAMYC CLUSTER.............................................................................................. 97

FUNDAMENTOS DE CLUSTER ANALYSIS: ........................................................................................ 97

Ecuación 1 – Problema programación Lineal Básica DEA.................................................. 23

Figura 1. Eficiencias Relativas, Caso 1 DEA Colombia...................................................... 53

Tabla 1. Resultados DEA Caso Brasil, Primer análisis. .................................................................................. 35

Por lo anterior, es necesario dotar al agente regulador de mecanismos para el

1. Conocer y aplicar la técnica de optimización Data Envelopment Análisis, DEA.

Es una herramienta analítica que ayuda en la identificación de las mejores prácticas en el

• ¿Como puedo seleccionar organizaciones similares a la mía para usarlas como

Benchmarking: Es el proceso de comparar el rendimiento de una organización individual

Fronteras de producción: Curva que ilustra la mínima cantidad de insumos requeridos

Tecnología de producción: Relaciones involucradas en el proceso productivo que

Productividad: Medida de la cantidad de productos obtenidos a partir de una cantidad

Eficiencia técnica: Se refiere a la conversión de las entradas físicas como servicios de

Conceptos de eficiencia, eficacia y productividad.

MODELOS DE ANÁLISIS CON LA METODOLOGÍA DEA

La eficiencia a escala es una medida de que tan fuerte es el efecto de un incremento o

Retorno a escala constante

Bajo esta suposición el tamaño de la organización no se considera relevante en la

Retorno a escala variable

La consideración de economías a escala supone dos posibles escenarios: retorno a escala

Ajustes del modelo para ambientes de operación

• Solo comparar organizaciones que operan en ambientes similares, lo que supone un

Limitaciones de la técnica DEA.

CALCULO DE LA FRONTERA DE EFICIENCIA Y USO DE LA TÉCNICA.

Especificación de entradas, salidas y orientación.

Se considera que las organizaciones producen salidas de dos tipos:

Salidas reactivas: Se relacionan principalmente con actividades de préstamo de servicios:

Ejemplos de consideración de entradas

El data envelopement analysis se realiza ejecutando una secuencias de problemas de

Minimice En con respecto a w1 , w2 ,...wn , En .

Lo que significa que existen N organizaciones, o DMUs en la muestra que producen I

La primera restricción indica que el promedio ponderado de las organizaciones restantes

La formulación del problema de programación lineal, para el caso orientado a la salida es

Maximizar Fn con respecto a w1 , w2 ,...wn , Fn .

Caso: Retorno variable a escala.

El uso del modelo descrito en el numeral anterior no toma en cuenta el tamaño de la

Para este caso la formulación del problema de programación lineal será:

Problema de programación lineal para considerar el efecto de no disponibilidad de recursos

Minimice Cn con respecto a w1 , w2 ,...wn ,Cn.

El producto de las tres medidas definidas anteriormente equivale a la medida de eficiencia

Para determinar la eficiencia a escala de las organizaciones analizadas es necesario correr

Minimice Rn con respecto a w1 , w2 ,...wn ,Rn.

Para poder establecer conclusiones concretas en la implementación de la Técnica DEA, al

La resolución ANEEL Nº 024 de 2000 establece las disposiciones relativas a la continuidad

Bogotá, _/_ de 2007