Está en la página 1de 7

Unmodelodepenalizacinparasuministrodeservicios

CarmenCoboRivas
SopraGroup
MadridEspaa
ccobo@sopragroup.com
Abstract: The SLAs penalty models are often complex and imprecise. A mathematical model based on a logistic curve of growth is
described in this paper to overcome these drawbacks. The function offers other advantages, among which the refinement of calculation.
Resumen: Los modelos de penalizacin para acuerdos de niveles de servicio adolecen con frecuencia de complejidad e imprecisin. Se
describe en este artculo un modelo matemtico basado en una curva logstica de crecimiento, mediante el que se intenta superar estos
inconvenientes. La funcin ofrece otras ventajas, entre las que destaca la finura de clculo.
Keywords: Acuerdos de Niveles de Servicio, Penalizaciones, Curva Logstica.

1. Modelosdepenalizacin
Peseaquelasclusulasdepenalizacindeberan(idealmente)seraplicadasmuyrarasveces[1],laverdades
quelasancinporserviciossuministradosconnivelesinferioresalosacordadosesunaformaderesarcirlos
daos causados al cliente y constituye un eficaz medio de control y un incentivo para que el proveedor
proporcionelosserviciossegnlosnivelesacordados[2].
Elmodelodepenalizacineselmtodoparacalculareimponerlassanciones.Debeincluirqu,cmoycunto
hadepenalizarse.
En lo que respecta al objeto de la sancin, habr que considerar los niveles de servicio acordados
contractualmente, por ejemplo, en un servicio de atencin telefnica, el nmero de llamadas respondidas
antesde10segundos.
La forma de penalizar se basar en asociar un importe de sancin al desvo presentado por el servicio con
respecto a un nivel mnimo acordado. Siguiendo con el ejemplo anterior, una forma de penalizar podra
consistirenaplicar,porcadallamadarespondidaenmsde10segundos,unporcentajedereduccinsobrela
facturadelservicio.Esdegranimportanciaelsaberfijarensujustamedidalasancin,segnlaimportanciadel
servicio:nitanpequeaqueelproveedorlaconsiderecomouncosteaceptable,nitangrandequeledificulte
laprestacin[2].
Lacuantadelasancinestarlimitadaporuntopemximoque,normalmente,vendrexpresadocomoun
porcentajesobrelafacturacindelservicioenunperododetiempo.
Los modelos de penalizacin suelen adolecer de varios defectos, entre los que se encuentran la innecesaria
complejidadylaimprecisin.
Lafaltadesimplicidadsuelepresentarsecuandosedeseareflejarladiferenteimportanciadelosserviciosde
forma poco homognea, bien aplicando diferentes mtodos para penalizar distintos servicios, bien
introduciendomltiplescondiciones.Unmodelocomplejodepenalizacinsueleestarasociadoaunmodelo
complejoeineficazdeacuerdosdenivelesdeservicio,quevacontraelidealdemedicinfinayprecisa[3].Un
modelocomplejodificultalaaplicacindesancionesydarlugaraconflictossobresuinterpretacin.

CopyrightAEMES
22

RPM8(1)(2011)ISSN16982029

La imprecisin aparece habitualmente por desatender el hecho de que un mayor alejamiento de los niveles
acordadosnoslodebellevaraparejadaunamayorsancin,sinotambinunasancinmssevera.
Medianteelmodeloquesedesarrollaenlasiguienteseccin,basadoenunafuncindecrecimientologstico,
utilizadaporPierreFranoisVerhulst[4]comomodelodelcrecimientodepoblaciones,seintentasuperarlos
inconvenientespresentados.

2. Modelopropuesto
Se har corresponder a cada servicio un nivel acordado mnimo que, si no se alcanzase, dar lugar a una
sancin.Semedirel porcentajededesviacin sobredicho nivelmnimo, locualresultarenunnmero de
puntosdepenalizacin.Elclculodelospuntosapartirdelporcentajesellevaracabomediantelafuncinde
crecimientoP(x),quesepresentamsadelante.
Enfuncindelospuntosacumuladosparatodoslosserviciosseaplicarunapenalizacinsobreunporcentaje
delimporteafacturarporlosmismos.Porejemplo,silafacturaporlosserviciosascendieraa1000,lospuntos
acumuladosdepenalizacinfueran40,yelporcentajedelimporteafacturarsesituaseen15%,seaplicaraun
(40/100)*15porcientosobrelafactura,esdecir[(40/100)*15]*1000/100=60.Engeneral,siTrepresentalos
puntosacumulados,Felimportedelafactura,Slacuantadelasancinypelporcentajesobreelimportea
facturar,tendremos

TFp
10000

Lospuntosdepenalizacinsecalcularnmediantelasiguientefuncin

P( x)

L
1 Aekx

x:desvoporcentualconrespectoalmnimoniveldeserviciodeunindicador.

k:multiplicadordeseveridad

A:parmetrorelacionadoconlaimportanciadeservicio.Sepresentanposiblesvalores:

A=20paraservicioscrticos.

A=50paraserviciosimportantes.

A=100paraserviciosordinarios.

CopyrightAEMES
23

RPM8(1)(2011)ISSN16982029

Lesellmitedepuntosparaelservicio,esdecirunvalorquenopodrnuncaalcanzarseconlafuncinporser

lm P ( x ) L

suasntotahorizontalsuperior,seacualfuereeldesvosobreelnivelmnimo.Enefecto x

Ejemplo: dado un servicio crtico, con nivel de servicio mnimo 95%, con lmite de puntos igual a 30 y
multiplicador de severidad igual a 0,1, para un nivel de servicio del 85% el desvo porcentual sera 11, y los
puntosdepenalizacin4.

P(11)

30
4
1 20e0,1x11

Paraelmismoservicio,unnivelde60%supondraundesvoporcentualde37.Lospuntosdepenalizacinpor
dichodesvosecalcularancomosigue:

P(37)

30
20
0,1x 37
1 20e

La grfica que sigue presenta, con los parmetros del ejemplo, los puntos de penalizacin en funcin del
desvo.

Figura1.Grficadelafuncindepenalizacin

3. Elsignificadodelmultiplicadordeseveridad

CopyrightAEMES
24

RPM8(1)(2011)ISSN16982029

Elefectodelavariacindelosvaloresdeksobrelacurvaconsisteenunavariacindesuinclinacin.Cuanto
mayoreselmultiplicadormspendientepresentalagrfica.Estopuedeapreciarseconclaridadmediantela
funcinderivada

AkLe xk

P ' ( x)

e xk A

Lasiguientegrficamuestranladerivadaparalosvaloresdek:0,1y0,25,conlosparmetrosdeP,yavistos.
Cabedestacarlagransensibilidaddelapendienteapequeasvariacionesdelparmetro.

Figura2.Pendientesdelacurvadepenalizacin

Ntese ahora que la segunda derivada, tal como aparece en la figura 3, nos indica que la aceleracin de la
penalizacinpresentadostramos:crecienteenlaprimeramitaddelapartecncavadePydecrecienteenla
segunda parte. Esto significa que las desviaciones importantes, cuando comienzan a presentarse, son
penalizadas con ganancia continua de aceleracin, la cual se ralentiza hasta llegar a cero en el punto de
inflexindeP.

CopyrightAEMES
25

RPM8(1)(2011)ISSN16982029

Figura3.Aceleracindelapenalizacin

4. ElsignificadodelparmetroA
El efecto del parmetro A es un desplazamiento de la curva en abscisas, sin variacin de forma. Se puede
utilizarpara fijar enqupunto deldesvo con respectoalmnimo niveldeserviciocomienzaaaplicarseuna
penalizacin fuertemente acelerada: cuanto ms elevado el valor, ms suave es la penalizacin en tramos
inferioresdedesvo.
k ( x c )

k ( x)

Be
podemos situar la curva c unidades a la derecha de la curva con
Haciendo Ae
parmetroA.B,elnuevoparmetrodeimportanciaenlacurvadesplazada,ser,comoesfcildecomprobar

B e ln A kc
A continuacin se presenta una curva desplazada c=5 unidades a la derecha de nuestra grfica original, con

B 32,9744

CopyrightAEMES
26

RPM8(1)(2011)ISSN16982029


Figura4.VariacinenelparmetroA

5. Correccinenelorigen
Lacurvapresentaunpuntodecorteconelejedeordenadasconordenadapositiva,locualsignificaque,sin
haber desvo, existe una pequea penalizacin. Esta puede ignorarse. Alternativamente puede corregirse la
curva, de manera que pase por el origen de coordenadas. Para ello bastara transformar

f ( x ) P ( x ) P ( 0 ) ,esdecir

f ( x) P ( x)

L
1 A

6. Conclusiones
Lasancinseobtienemedianteunafrmula,locualevitacomplicadastablasdepenalizacin.
Lafuncincrecedeformaacelerada,reflejandolamayorseveridadaplicablealosdesvosimportantes.
Se puede controlar el crecimiento mediante el parmetro k de la frmula: cuanto mayor sea su valor, ms
rpidamente crecer la funcin; es decir, cuanta mayor importancia se otorgue al servicio, ms puntos de
sancinresultarndepequeosdesvos.Sepuedecontrolarasimismo,medianteelparmetroA,lacuantadel
desvoapartirdelaquecomienzaaaplicarseunafuertepenalizacin.
La cuanta mxima de la sancin, para un determinado servicio, depende de un lmite establecido, lo cual
permiteasignarlmitesaltosaservicioscrticosylmitesbajosaserviciosordinarios.

Referencias
CopyrightAEMES
27

RPM8(1)(2011)ISSN16982029

[1] Minoli,D.(1995).AnalyzingOutsourcing:ReengineeringInformationandCommunicationSystems.McGrawHill.
[2] Sturm,R.&Morris,W.(2000).FoundationsofServiceLevelManagement,SAMS.
[3] Govekar, M. (2009). Under Pressure: Evolving IT Operations to Best Deliver Business Value, Gartner Symposium,
ITxpo2009,France.
[4] Verhulst,P.F.(1845).MathematicalResearchesintotheLawofPopulationGrowthIncrease.NouveauxMemoiresde
l'AcademieRoyaledesSciencesetBellesLettresdeBruxelles,18(1)145.

CopyrightAEMES
28

RPM8(1)(2011)ISSN16982029