Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La actividad de la distribución de energía eléctrica no es ajena a esta situación, razón por la cual se deben
buscar estrategias para hacer el negocio rentable. Uno de los puntos clave es la optimización de los costos
de operación y mantenimiento sin desmejorar la calidad del servicio ya que el ente regulador del sector
eléctrico establece los límites de calidad, que si no son cumplidos por las empresas prestadoras del
servicio, estas son sometidas a penalizaciones económicas que buscan compensar a los clientes por el mal
servicio recibido.
En el presente artículo se plantea la utilización del Análisis Envolvente de Datos (DEA), para evaluar la
eficiencia de los circuitos con respecto a sus variables de producción y calidad. Para esto se deben
seleccionar las variables de entrada y de salida que permitan determinar la eficiencia de estos.
1
(DEA), como herramienta de toma de decisión
ya que los indicadores con los cuales se mide Análisis Envolvente de Datos [1]
la calidad del servicio son poco efectivos a la
hora de determinar en qué circuitos se deben DEA es una técnica donde se resuelve el
de concentrar los recursos destinados a problema de maximizar la eficiencia de cada
mantener el sistema. unidad de decisión (DMU), término que
permite referirse a un grupo amplio de
unidades organizacionales, en este caso son los
Método circuitos de distribución.
2
DEA calcula la eficiencia a partir de la transformándose en uno de programa lineal
siguiente fórmula: resultando el siguiente modelo:
∑ µ LP max θ µ y µ y
θ ∑
(2) µ,
µy 4
En donde
sujeto a ν x ν x
r= identifica la salida 1 5
j= identifica diferentes DMU
j0= identifica la unidad a la que se le está µ y µy
calculando la eficiencia ν x
θj0= es la eficiencia de la DMU que se está
calculando ν x j 1, … , n 6
µ r= es el peso que tiene la salida yr para la
DMU j0 que se está calculando ν ,ν ,…,ν 0 7
v r= es el peso que tiene la entrada yr para la µ, µ , … , µ 0 8
DMU j0 que se está calculando
3
Eficiencia en el modelo CCR • La tipología de los rendimientos a escala
que caracterizan la tecnología de
• Un DMUo es CCR eficiente si θ=1 y producción, entendida ésta como la forma
existe al menos un peso óptimo (µ*,ν *) (procedimiento técnico) en que los factores
con µ*> 0 y ν*>0. productivos son combinados para obtener
• De otro modo el DMUo es CCR inefiente. el conjunto de productos, de tal forma que
tal combinación de factores pueda
El caso de un DMUo tiene θ*< 1 (CCR caracterizarse por la existencia de
inefiente), luego debe haber al menos un DMU rendimientos a escala: constantes o
en (5) para cada peso (µ*, ν) produce una variables a escala.
igualdad entre el lado derecho y el izquierdo
de la igualdad, o sea θ* debe ser aumentada.
Ahora j∈ {1,…,n} será: Variables a considerar para el análisis de
circuitos
4
Resultados
Diagrama de dispersión Cluster
Para aplicar la técnica se tomó una muestra de
Método Centroide ,Euclidean Cuadrado
Cluster
1
Col_2
3 Centroides
2
elegido, para el caso de los circuitos de 1
0 3 4
5 (X 10000)
5
sobre todo aumentar energía y demanda. El
El escenario A es el mejor para evaluar las número de clientes es considerado como
variables constructivas desde el punto de vista variable no controlable.
de mantenimiento, ya que sobre los KVA
instalados de alguna manera se puede hacer El escenario F evalúa costos de mantenimiento
optimización con el cambio de con respecto a las variables de producción.
transformadores quemados por otros de menor Aunque presenta baja cantidad de circuitos
capacidad. Además con este escenario se eficientes por la alta variación de los datos
muestra la importancia de utilizar el modelo de (costos de mantenimiento preventivo y
variables no controlables (NCN-O-C), que correctivo), sugiere disminución de costos de
para este caso se consideraron las variables mantenimiento, compensaciones y aumento de
longitud y número de clientes. salidas.
de producción). 4011
0,6
0,5 105
0,4
0,3
0,2
En el modelo D se retiro la variable de 118
0,1
0,0 5118
producción para evaluar el desempeño de los
circuitos desde el punto de vista costos de
mantenimiento y longitud (variable no
7208 7018
calidad. 103
C E F A B D
6
CIRCUITOS CLÚTER 5
mantenimiento y variables de calidad y
114
producción.
1,0
7011 0,9 7023
0,8
4011
0,7
0,6
105
Las variable de costos de mantenimiento y
calidad son las que más afectan la eficiencia
0,5
0,4
0,3
118
0,2
0,1
5118
técnica global de los circuitos de distribución
de energía eléctrica.
0,0
7208 7018
Para el análisis DEA de los circuitos de
111 112 distribución de energía, es válido clusterizar
C E F
103
A B D
por la variable longitud, ya que de acuerdo con
el análisis del escenario que incluye las
variables constructivas, es el más uniforme en
Figura 4. Circuitos clúster 1 y 2 todos cuatro clúster analizados.
Para la jerarquización de los circuito se suman Una de las ventajas de utilizar esta
los valores de la eficiencia de cada escenario, metodología de evaluación es la facilidad para
con el fin de determinar cuáles circuitos son ser usada y además el software es de fácil
los de menor desempeño. A partir de esto se consecución.
analizan los valores de las variables y se
adoptan las acciones de mantenimiento Para comparar los resultados de eficiencia de
tendientes a la mejora del desempeño de los un conjunto de circuitos, es más práctico
circuitos. Además el resultado de DEA indica hacerlo con la suma de los resultados de
las holguras o proyecciones a la frontera eficiencia de los escenarios elegidos.
eficiente.
No es óptimo priorizar las acciones de
mantenimiento sólo con la clasificación de los
Clúster Circuito C E F A B D Total general
5 7211 1.000 1.000 0.763 1.000 1.000 1.000 5.763
5 5122 1.000 1.000 1.000 1.000 0.963 0.750 5.712
5
5
5117
2008
1.000
0.988
1.000
0.595
0.532
0.622
1.000
1.000
1.000
0.970
1.000
1.000
5.532
5.176
circuitos basada en los indicadores FES y
5
5
5124
2018
1.000
1.000
1.000
0.899
1.000
1.000
0.504
1.000
0.983
0.145
0.442
0.413
4.929
4.458
DES, ya que se dejan por fuera variables
5
5
5119
7002
0.754
0.955
1.000
1.000
0.754
0.451
0.715
0.459
0.925
0.953
0.244
0.262
4.392
4.079
importantes como son los costos de
5
5
102
5123
0.911
0.563
1.000
1.000
0.516
0.563
0.320
0.508
0.909
0.990
0.246
0.247
3.902
3.871 mantenimiento y las variables constructivas.
Además un circuito puede no estar cumpliendo
5 2022 0.400 0.985 0.774 1.000 0.093 0.255 3.507
5 5128 0.789 0.755 0.926 0.656 0.083 0.230 3.440
5 7202 0.605 0.425 0.332 1.000 0.205 0.585 3.151
5
5
7017
2019
0.428
0.434
0.643
1.000
0.696
0.885
1.000
0.385
0.081
0.085
0.235
0.239
3.083
3.028
indicadores de calidad por razones ajenas al
5
5
2012
7205
0.415
0.413
0.918
0.215
0.620
0.268
0.497
1.000
0.099
0.147
0.264
0.397
2.813
2.440
que hacer de los equipos de mantenimiento.
5 2007 0.370 1.000 0.347 0.340 0.100 0.269 2.426
5 2015 0.312 0.299 0.382 0.425 0.086 0.219 1.723
7
De esta manera se presenta DEA como una 6. COLOMBIA, Congreso de la
herramienta poderosa para la gestión de los República, Ley 143 de 1994, “Por la cual se
equipos de mantenimiento y de otras empresas estable el régimen para la generación,
del sector; además se deja abierta la puerta interconexión, transmisión, distribución y
para la utilización de DEA como herramienta comercialización de electricidad en el
de “benchmarking” entre las empresas de territorio nacional, se conceden unas
distribución con el fin de hacer un autorizaciones y se dictan otros disposiciones
referenciamiento que dirija al mejoramiento en materia energética”.
continúo
7. COMISIÓN REGULADORA DE
Bibliografía ENERGÍA Y GAS, “Calidad del servicio en
sistemas de trasmisión regional-STR´s y/o
distribución local - SDL´s”. Documento
1. W. Cooper., L. Seiford., and K. Tone., CREG 123, noviembre 30 de 2000.
Introduction to data envelopment analysis and
it uses: with DEA-solver software and 8. COMISIÓN REGULADORES DE
reference. New York: Ed. Springer.2006. 353 ENERGÍA Y GAS, Resolución CREG 070 de
p. 1998, diario oficial No. 43.318 de 10 de junio
de 1998. Texto completo en
2. A. Charnes., W. Cooper., E. Rhodes. http://www.superservicios.gov.co/basedoc/doc
“Measuring the efficiency of decision making s/resoluciones/r_creg_0070_1998.html.
units”, European Journal of Operation
Research, Vol. 2, 1978; p. 429-444. 9. R.Sanhueza., H Rudnick., H. Lagunas.,
“DEA Efficiency for the determination of the
3. Vicente Coll y Olga Mª Blasco (2006), Power Distribution added value”, IEEE
Evaluación de la eficiencia mediante el :Transactions on Power Systems, Vol.19, N° 2,
análisis envolvente de datos, Edición may 2004; p. 919-925.
electrónica, texto completo en
http://www.eumed.net/libros/2006c/197/ 10. L. Rojas, Aplicación del análisis
envolvente de datos para la priorización del
4. M. Restrepo., J. Villegas., mantenimiento en circuitos de distribución de
“Clasificación de grupos de investigación energía eléctrica, Monografía presentada como
colombianos aplicando análisis envolvente de requisito para la obtención del título de
datos”, Revista Facultad de Ingeniería, Especialista en Gerencia de Mantenimiento de
Universidad de Antioquia, N°42, diciembre la Universidad de Antioquia, febrero 2009.
2007; p. 105-119.
8
actividad de planeación del mantenimiento en
el Área Distribución Eléctrica Centro de EPM.