Documentos de Académico
Documentos de Profesional
Documentos de Cultura
E. A. P. DE INVESTIGACIÓN OPERATIVA
TESIS
para optar el título profesional de Licenciado en Investigación Operativa
AUTORA
Karla Milagros Pérez Rodríguez
Lima-Perú
2009
UTILIZACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS
EN LA SEGURIDAD CIUDADANA
Aprobado por:
……………………………………………….
Mg. Inés Gambini López de Chuquimuni
Presidenta
……………………………………………….
Lic. Lucy Haydee De La Cruz Cuadros
Miembro
…………………………………………………
Mg. Esther Berger Vidal
Miembro Asesor
Lima – Perú
Agosto – 2009
ii
FICHA CATALOGRAFICA
iii
DEDICATORIA
A mis padres, porque gracias a su gran apoyo y consejo he llegado a realizar una de las más
grandes metas de mi vida. La cual constituye la herencia más valiosa que pudiera recibir y
decirles que mi logro es lu logro……Los quiero muchisimo.
Dedicado a todas las personas que me apoyaron de manera incondicional durante mis
estudios, a quienes confiaron en mí, a quienes me orientaron cuando tenía dudas, y de
manera especial a mi familia, mi padre, mi madre y a mi hermana Gaby.
iv
AGRADECIMIENTO
Agradezco a Dios por todas las oportunidades que pone en mi camino, a mis profesores en
especial a la Mg. Esther Berger Vidal y al Ing. Eduardo Raffo Lecca por el apoyo
Arturo por toda la compañía, por el apoyo y alegrías, pero mi agradecimiento infinito son
para mis padres y a mi hermana Gaby porque fueron en cada etapa de mi vida un apoyo
v
CONTENIDO
Presentación y Aprobación………………………………………………….……… ( i )
Ficha Catalográfica…………………..……………………………………...………. ( ii )
Dedicatoria……………………………………………………………………..…...... ( iii )
Agradecimientos………………………………………………………………..….. ( iv )
Resumen………………………………………………………………………….…. ( v )
Abstract………………………………………………………………..…………..… ( vi )
Introducción………………………………………………………………….............… (1)
Capítulo I
METODOLOGIA DE LA INVESTIGACION
viii
1.4.2.2 Programación Lineal………….………….………………….……...… (19)
Capítulo II
Capítulo III
ix
Capítulo IV
CONCLUSIONES Y RECOMENDACIONES
Bibliografía………………………………………………………………….……….… (87)
Anexos………………………………………………………………………….……… (89)
x
RESUMEN
Utilización del Análisis Envolvente de Datos en la
Seguridad Ciudadana
AGOSTO – 2009
Palabras Clave:
vi
ABSTRACT
Utilization of Data Envelopment Analysis in the Civil Security
AUGUST – 2009
minimizing the costs of production, and from this border, to evaluate the relative
same one.
In this work there will appear the efficiency of the Civil Security of the different
districts of Metropolitan Lima using DEA where I use the program Frontier
Key words:
Security, Benchmarking.
vii
Introducción
La organización tiene que controlar al inicio y salida del sistema, debe
organización ¿Pero entonces, donde están las dificultades para llevarlo a cabo
en la organización?
tiene una gran cantidad de datos sin hacer análisis y comparación entre
1
Para dar solución al problema de seguridad ciudadana se decidió:
siete distritos de Lima: Breña, Lince, Los Olivos, Surcos, Villa María del
problemática en común que tiene cada una de ellas tales como medios
Figura i.1: Status Socioeconómicos (Fuente INEI: Informe Socioeconómico - Diciembre 2008)
2
2.- En el siguiente paso se utilizó el software Frontier Analyst siendo las
Datos o DEA.
constante.
3
Capítulo I
Metodología de la Investigación
estos son:
• Medir
• Aprender
• Innovar
• Mejorar continuamente
1.1 El problema
4
Municipalidades y la Ley N° 27933: Ley del Sistema Nacional de
Seguridad Ciudadana.
Humanos.
siendo las comisarías el ente legal para realizar la captura de los mismos
5
y de esta manera disminuir hasta poder erradicar la venta de estos
planes anexos.
cargo.
6
• Supervisar el uso, mantenimiento y conservación de los vehículos,
Seguridad Ciudadana.
seguridad.
de los operativos.
del delito.
en su jurisdicción.
de serenazgo.
Ciudadana.
7
1.1.2 Delimitación del problema
la delincuencia.
8
1.1.3 Planteamiento del problema
9
Es prioridad del estado la erradicación de la violencia y el
competitivas?
10
1.1.5 Justificación de la Investigación
tomar decisiones respecto a sus recursos que les permite ofrecer los
estos servicios.
11
unidad aparezca, falsamente, como eficiente, es decir, la frontera puede
misma.
1.2 Objetivos
eficiencia.
12
1.3 Hipótesis
Haciendo uso del Análisis Envolvente de Datos así como del
una organización.
existe.
Lince, Breña, San Juan de Miraflores, San Martin de Porres, Los Olivos,
por la problemática en común que tienen entre ellos; donde para cada
13
una de los cuales, se han observado nueve variables entre input
Ciudadana.
1. Número de serenos.
falta de datos).
14
1.4 Marco teórico-conceptual
15
• “La eficiencia de las organizaciones de Salud, a través del
16
se están desarrollando estudios en el Sistema Bancario como el Banco
Mundial.
N ( x) p t x + α
min f ( x ) = =
D( x) q t x + β
s.a.
Ax = b
x≥b
donde :
p , q , x ∈ ℜ n , α , β ∈ ℜ n, A ∈ ℜ n × m , b ∈ ℜ m
Sea
S = { x / Ax = b, x ≥ 0}
Intuición geométrica
Sea
D = { x ∈ ℜn / p t x + α = 0 ∧ q t x + β = 0}
Las curvas de nivel de f(x) corresponden a rectas
17
Método de Charnes y Cooper
Supongamos que:
D ( x ) = q t x + β > 0, ∀ x ∈ S 2
Sean:
1
z= y = zx
qt x + β
x
⇒y=
q x+β
t
( PA) min f ( x ) = p t y + αz
s.a.
Ay − bz = 0
q t y + βz = 0
y,z ≥ 0
18
De esta manera, para un problema fraccional podemos
distinguir 3 casos:
1. Tenemos
q t x + β = 0, ∀x ∈ S
Resolvemos
( PA ) min f ( x ) = p t y + α z
s .a .
Ay − bz = 0
q t y + βz = 0
y, z ≥ 0
y
Teorema: Si ( y , z ) es solución óptima de (PA−1) entonces x =
z
es óptimo para (P).
2. Tenemos:
q t x + β < 0, ∀x ∈ S
Resolvemos:
( PA − 2 ) min f ( x ) = − p t y − α z
s .a .
Ay − bz = 0
− q t y − βz = 0
y,z ≥ 0
19
Teorema: Si ( y , z ) es solución óptima de (PA−2) entonces
y
x= es óptimo para (P).
z
3. Por último:
1
∃ x1 , x 2 ∈ S con q t x 1 + β < 0 ∧ q t x 2 + β > 0
(recta D( x) = 0 pasa por S) El problema es no acotado.
• Conceptos
20
acuerdo a determinadas reglas, formando una estructura
programación lineal.
ingeniería.
• Postulados básicos
producto.
21
La Programación Lineal descansa en 4 supuestos, los que
decisión.
encontraremos con:
optimizar la función.
22
La Programación Lineal, en términos generales, va a consistir en:
Max z = cx
s.a.
Ax ≤ b
x ≥0
x = (x1 x2 L xn −1 xn )
dado por:
c = (c1 c 2 L c n −1 cn )
⎛ b1 ⎞
⎜ ⎟
⎜ b2 ⎟
b=⎜ M ⎟
⎜ ⎟
⎜ bm −1 ⎟
⎜b ⎟
⎝ m ⎠
23
Y la matriz A es el conjunto de valores tecnológicos que
• Métodos de solución en PL
sensibilidad.
24
variables de holgura a cada inecuación del modelo, variables que
objetivo.
Max z = cx
s.a.
Ax ≤ b
x ≥0
⎡ a11 a12 L a1 n ⎤
⎢ a 21 a 22L a 2 n ⎥⎥
recurso ⎢
⎢M M L ⎥
⎢ ⎥
⎣am1 am 2 L amn ⎦
producto
z= ∑c x j j
25
Siendo xj , la cantidad de producción de j( j=1,2,...,n).
∑a x = b ,
ij j i i = 1,2,L , m
j
⎛ a1 j ⎞
⎜ ⎟
⎜a2 j ⎟
aj = ⎜ ⎟
M
⎜ ⎟
⎜ ⎟
⎝ amj ⎠
26
⎛ Costo de los recursos utilizados ⎞
⎜⎜ ⎟⎟ ≥ (Ganancia del producto )
⎝ para producir un artículo ⎠
Así :
Producto 1
a11 y1 + a 21 y 2 + L + am1 ym ≥ c1
Producto 2
a12 y1 + a 22 y 2 + L + am 2 ym ≥ c 2
Producto j
a1 jy1 + a 2 jy 2 + L + amjym ≥ cj
∑ ya i ij ≥ cj
i =1
⎛ a1 j ⎞
⎜ ⎟
⎜ a2 j ⎟
(y 1 y2 L ym )⎜ ⎟ ≥ cj
M
⎜ ⎟
⎜ amj ⎟
⎝ ⎠
yA ≥ c
w = b1u1 + b 2u 2 + L + bmum
= ∑i =1 biui
m
= yb
27
luego el problema es :
Max w = yb
s.a.
yA ≤ c
y ≥0
Dual
x1 X2 ... xn ≤
Max
Y1 a11 a12 ... a1n b1
Y2 a21 a22 ... a2n b2
Primal ... ... ... ...
ym am1 am2 ... amn bm
Min C1 C2 ... cn
≥
Tabla 1.1: Tablero de dualidad
∑
n
j =1
c j x j + c0
max z =
∑
n
j =1
d j x j + d0
sa :
n
∑a
j =1
ij x j ≤ bi , (i = 1, L , m)
x j ≥ 0, ( j = 1, L , n)
28
Un programa lineal alternativo es:
n
max z = ∑ c j x j + c0 y 0
j =1
sa :
n
∑a
j =1
ij y j − bi y 0 ≤ 0, (i = 1, L , m)
∑d
j =1
j x j + d 0 y 0 = 1,
y j ≥ 0, ( j = 0,1, L , n)
comparación
29
monitorear y mejorar la calidad a partir de los recursos existentes.
Gestión de Calidad.
misma institución y con el mismo fin. Los datos son fáciles de recolectar
porque no hay barreras, pero los datos son limitados dentro de la misma
entre los sectores público y privado. Se permite una visión más amplia
30
3. Funcional: comparando las diferentes funciones entre los competidores
industrias disímiles.
• Compromiso de la dirección.
31
Campos de aplicación
no ha pasado.
decisiones.
• Planificación estratégica.
32
permanente de aprendizaje. Sirve para anticipar problemas y sortear
cosas en otras partes, y ser capaz de hacer algo con esa información.
competir mejor.
33
su calibración. No creo que deba ser el esfuerzo de una sola vez. Esto
de comparación.
34
1.4.2.5 Evaluación de la eficiencia
resultados obtenidos.
35
medidas de eficiencia comparando los valores observados por cada
eficiencia económica.
asignativa.
36
¾ Eficiencia Asignativa.- se define para aquella situación en que,
factores o entradas I1, I2, con la curva CC una salida isocuanta. La línea
OS OQ
T= y A=
OX OS
OQ OQ OS
E= = x = AxT
OX OS OX
37
Figura 1.2
38
La función de referencia o función frontera, puede ser tanto una
comportamientos ineficientes.
instituciones.
39
Una potencial y útil herramienta de análisis para hacer
40
través de sus valores residuales. Proveedores con valores
variables de desempeño
proveedor de servicio.
de distintas unidades.
41
El análisis envolvente de datos es capaz de transformar
Eficiencia =
∑ ponderada de las salidas
∑ ponderada de las entradas
42
Esta técnica produce una medida natural y muy intuitiva de la
(Xef, Yef).
43
Figura 1.3: Un Input un output
inputs).
44
Y = YO
Yef
Y= X
Xef
YOXef
XO´=
Yef
YO´= YO
Yef
α=
Xef
tiene:
absisa de O.
YoXef
O' O' ' Yef Yo 1 Po
Ef = = = =
O' ' O Xo Xo Yef Pef
Xef
45
Así, se puede observar que en este modelo la eficiencia de
k = 1, ... , s
j = 1 , ... , m
i = 1 , ... , n
y ki = cantidad de salida k producida por DMU i.
x ji = cantidad de entrada j utilizada por DMU i.
v k = peso o coeficientes de salida k , a determinar.
u j = peso o coeficientes de entrada j , a determinar.
∑v k y kp
max k =1
m
=1
∑u x
j =1
j jp
s.a :
s
∑v k yk i
k =1
m
≤ 1, ∀i
∑u
J =1
j x ji
v k , u j ≥ 0, ∀k , j
46
El programa fraccional, puede ser convertido a un
s
max ∑ v k y kp
k =1
s.a :
m
∑u
j =1
j x jp = 1
s m
∑ vk y k i − ∑ u j x ji ≤ 0, ∀i
k =1 J =1
v k , u j ≥ 0, ∀k , j
medidas o métricas.
47
El sector público, caracterizado por proveer un amplio
aseguramiento son:
1. Provisión de servicios.
2. Investigación y Desarrollo.
48
El punto C representa el desempeño deseado del DMU
Total.
Rhodes).
49
1.4.2.9 Cálculo del DEA
insumos son:
utilizadas al mes.
categoría adultos.
50
precio o valor de los productos del hospital i
costo de los insumos del hospital i
9t1 + 4t 2 + 16t 3
Ef 1 =
5w1 + 14 w2
5t1 + 7t 2 + 10t 3
Ef 2 =
8w1 + 15w2
4t1 + 9t 2 + 13t 3
Ef 3 =
7 w1 + 12w2
Clínicas w1 w2 t1 t2 t3
1 5 14 9 4 16
2 8 15 5 7 10
3 7 12 4 9 13
51
1. Ninguna clínica puede ser más del 100% eficiente. El eficiencia
Equivalente a
restricción
8w1 + 15 w2 = 1
52
implicara ineficiencia; si wj = 0, entonces DEA no podría
Figura 1.5
53
8) 0.062319 0.000000
9) 0.000000 0.000000
10) 0.071293 0.000000
NO. ITERATIONS= 5
Figura 1.6
54
LP OPTIMUM FOUND AT STEP 2
OBJECTIVE FUNCTION VALUE
1) 0.7730300
NO. ITERATIONS= 2
55
Figura 1.7
NO. ITERATIONS= 0
56
RANGES IN WHICH THE BASIS IS UNCHANGED:
OBJ COEFFICIENT RANGES
VARIABLE CURRENT ALLOWABLE ALLOWABLE
COEF INCREASE DECREASE
T1 4.000000 16.250000 0.000000
T2 9.000000 0.000000 0.000000
T3 13.000000 0.000000 INFINITY
W1 0.000000 0.000000 INFINITY
W2 0.000000 INFINITY 0.000000
Clínica Eficiencia
1 1
2 0.773
3 1
Tabla 1.3
57
Precios duales y DEA
Cuando se observa los resultados de los precios sombras
Tabla 1.4
vectores:
⎛9⎞ ⎛4⎞ ⎛ 5 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
0.261538⎜ 4 ⎟ + 0.661538⎜ 9 ⎟ = ⎜ 7 ⎟
⎜16 ⎟ ⎜13 ⎟ ⎜12.785 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
promediados,
58
⎛5⎞ ⎛ 7 ⎞ ⎛ 5.938 ⎞
0.261538⎜⎜ ⎟⎟ + 0.661538⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝14 ⎠ ⎝12 ⎠ ⎝ 11.6 ⎠
1.5 Metodología
Las etapas de un análisis DEA: Planificar, recolección de datos, análisis,
adaptación.
Planificar
• Formar Equipo
espera, etc.)
técnicos / gerenciales)
Recolección de datos
59
Análisis
lineal.
Adaptación
60
Capítulo II
3.1 Generalidades
61
pasado a formar parte de la logística de las comisarías para las labores de
62
Las actuales inversiones en Seguridad Ciudadana resultarán
son los que tienen que ver con unidades móviles, equipos de
Los serenos tienen que usar estos recursos para poder ser
63
Figura 2.2: Recursos Logísticos
y servicio.
2.3.1 Conceptos
64
frontera eficiente. Además, permite identificar y cuantificar las
65
A continuación mostramos la tabla 2.2 donde se encuentran los
* Fuente del INEI (Población estimada al 30 de junio, por años calendario y sexo, según
66
Capitulo III
el modelo.
Miraflores, San Martin de Porres, Villa Maria del Triunfo y Surco, siendo
67
que por ejemplo, Breña es ineficiente; podría seguir obteniendo la
en la tabla 3.4, los DMU, que se encuentran con eficiencia menor que
100%.
68
Tabla 3.3: Eficiencia 100%
69
También se puede representar gráficamente la distribución de las
70
Unidades presentan una puntuación de eficiencia comprendida en cada
intervalo.
31-40%.
71
También es posible visualizar dicha información en una tabla
72
En pandillaje, tiene que mejorarse un 637.33%.
(figura 3.4).
73
siguiente: el serenazgo de Lince, con un 5% más de Serenos, con un
74
equipos de seguridad que el distrito de Breña obtiene un 82% menos de
accidentes de Tránsito.
3.6.
75
Móviles, con un 150% más de equipos de comunicación y con un 50%
los DMU´s para Breña, por ejemplo para la variable serenos: Lince
76
contribuye con 1.44%, Surco con 6.43% y Villa María del Triunfo con
92.14%.
Lince (0.2)
VMT (32.6)
Surco (0.3)
77
Los valores calculados, se aproximan a los reportados por el
referencia.
78
Lince contribuye en un 1.44% al valor objetivo Input de Breña, en
tanto que Surco lo hace en un 6,43% y Villa María del Triunfo con
2.32% y 2.97% en cada caso y por ultimo Villa María de Triunfo 98.95%,
79
Variables Valores Pesos o Input/Output Contribución
Input/Output Observ.(1) coeficientes Virtual Input/Output
(2) (3)=(1)(2) (%)
Sereno 210 0 0 0
Unidad Móv. 42 0.02211 0.92862 92.86
Equip. Com. 120 0 0 0
Equip. Seg. 3 0.02379 0.07137 7.14
Robos 334 0 0 0
Pandillaje 19 0 0 0
Ebrios 192 0.00009676 0.01857792 5.74
Drogadicción 76 0 0 0
Acc. Tránsito 334 0.00090911 0.30364274 94.26
tabla 3.8. Se observa que mediante éste cálculo se obtienen los valores,
80
100.00% Lince
Potential Improvements
Variable Actual Target Potential Improvement
Accidentes Tránsito 968.00 968.00 0.00 %
Drogadicción 3116.00 3116.00 0.00 %
Ebrios Escandalosos y
Ruidos Molestos 8902.00 8902.00 0.00 %
Equipos Comunicación 56.00 56.00 0.00 %
Equipos Seguridad 10.00 10.00 0.00 %
Pandillaje 3277.00 3277.00 0.00 %
Robos 249.00 249.00 0.00 %
Serenos 200.00 200.00 0.00 %
Unid Móviles 68.00 68.00 0.00 %
Peer Contributions
Peers
Lince
32.22% Breña
Potential Improvements
Variable Actual Target Potential Improvement
AccidentesTránsito 334.00 334.00 0.00 %
Drogadicción 76.00 92.86 22.18 %
Ebrios Escandalosos y
Ruidos Molestos 192.00 192.00 0.00 %
81
Equipos Comunicación 120.00 16.85 -85.96 %
Equipos Seguridad 3.00 0.97 -67.78 %
Pandillaje 19.00 140.09 637.33 %
Robos 334.00 618.24 85.10 %
Serenos 210.00 31.89 -84.82 %
Unidades Móviles 42.00 13.53 -67.78 %
Peer Contributions
Peers
Lince
82
Surco
Villa Maria del Triunfo
Peer Contributions
Peers
San Juan de Miraflores
83
Ebrios Escandalosos
y Ruidos Molestos 4777.00 4777.00 0.00 %
Equipos de Comunicación 75.00 75.00 0.00 %
Equipos de Seguridad 6.00 6.00 0.00 %
Pandillaje 1599.00 1599.00 0.00 %
Robos 2191.00 2191.00 0.00 %
Serenos 190.00 190.00 0.00 %
Unidades Móviles 44.00 44.00 0.00 %
Peer Contributions
Peers
San Martin de Porres
84
Peer Contributions
85
Peers
Lince
San Juan de Miraflores
Surco
Villa Maria del Triunfo
Peer Contributions
Peers
Villa Maria del Triunfo
86
100.00% Surco
Potential Improvements
Variable Actual Target Potential Improvement
Accidentes de Tránsito 3004.00 3004.00 0.00 %
Drogadicción 653.00 653.00 0.00 %
Ebrios Escandalosos
y Ruidos Molestos 15576.00 15576.00 0.00 %
Equipos de Comunicación 318.00 318.00 0.00 %
Equipos de Seguridad 88.00 88.00 0.00 %
Pandillaje 2092.00 2092.00 0.00 %
Robos 1800.00 1800.00 0.00 %
Serenos 620.00 620.00 0.00 %
Unidades Móviles 97.00 97.00 0.00 %
Peer Contributions
Peers
Surco
87
Capitulo IV
Conclusiones y Recomendaciones
entrada / salida.
88
4.1 Conclusiones
manifiesto que el uso de DEA, es una buena herramienta útil, para medir
Ciudadana.
2. El modelo del Serenazgo del presente y del futuro, debe adoptar como
son no eficientes.
89
6. En el distrito de Breña, se observa que tiene exceso en el recurso de
90
4.2 Recomendaciones
Serenazgo.
oportunos.
4. Aplicar el modelo cada año, con la finalidad de perfilar cómo las Sub
91
BIBLIOGRAFÍA
1. BRADLEY, S.P., Y FREY, S.C., Fractional Programming with
1974.
Research 3, 1991.
transportation”, John Wiley ans Sons, New York, 1951, pp. 664-665.
92
11. NORMAN Michael: “Envelopment Analysis: The Assessment of
93
ANEXOS I
Para comprobar los valores que utiliza el Frontier Analist usamos el Software
DATA:
ENTRADA =@OLE('C:\SERENAZGO1.XLS');
SALIDA =@OLE('C:\SERENAZGO1.XLS');
DMU = @OLE('C:\SERENAZGO1.XLS');
INPUT = @OLE('C:\SERENAZGO1.XLS');
OUTPUT = @OLE('C:\SERENAZGO1.XLS');
ENDDATA
! FUNCION OBJETIVO;
Min=OPTIMO;
OPTIMO=@SUM(SALIDA(J):Y(J)*OUTPUT(2,J));
! RESTRICCIONES X POSITIVO;
@FOR(ENTRADA(J):
X(J) > 0;
);
! RESTRICCIONES Y POSITIVO;
@FOR(SALIDA(J):
Y(J) > 0;
);
DATA:
@OLE('C:\SERENAZGO1.XLS')=OPTIMO;
@OLE('C:\SERENAZGO1.XLS')=X;
@OLE('C:\SERENAZGO1.XLS')=Y;
ENDDATA
94
ANEXOS II
El desarrollo en el Software Lingo donde muestra los resultados en una tabla
de Excel.
Lince 200 68 56 10
Breña 210 42 120 3
San Juan de Miraflores 88 15 6 18
San Martin de Porres 190 44 75 6
Los Olivos 170 51 112 20
Villa Maria del Triunfo 90 40 48 2
Surco 620 97 318 88
Ebrios
Accidentes de
Distritos Robos Pandillaje Escandalosos y Drogadicción
Ruidos Molestos Tránsito
Lince 249 3277 8902 3116 968
Breña 334 19 192 76 334
San Juan de Miraflores 2002 426 3761 2149 124
San Martin de Porres 2191 1599 4777 21 356
Los Olivos 725 425 980 339 404
Villa Maria del Triunfo 1874 385 368 256 986
Surco 1800 2092 15576 653 3004
El valor optimo:
OPTIMO 0,322220878
95