Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Proponemos una forma de análisis envolvente de datos que permite estimar la eficiencia de servicios de alimentos con salida estocástica relacionada con entradas predictivas en múltiples períodos mediante un modelo lineal generalizado auto-regresivo de media móvil (GLARMA). Esta forma de trabajo permite pronosticar el comportamiento futuro de la frontera de eficiencia de un cluster empresarial. Se da un ejemplo para los tomadores de decisiones cuando enfrentan este tipo de escenarios.
INTRODUCCIÓN
Los servicios de alimentación preparan diariamente raciones o platos de comida con materias primas, de forma dirigida a grupos cerrados de usuarios, véase 5. La evaluación de la productividad se considera importante desde hace tiempo para las empresas de servicios de alimentación, véase [3]. El análisis envolvente de datos (DEA) corresponde a la forma más clásica de evaluación de la eficiencia productiva en este y otros ámbitos. Los lectores interesados pueden consultar los números 2 y 4.
El enfoque estocástico del DEA permite tanto variables deterministas como aleatorias (VR), produciendo un único índice de productividad relativo al mejor que relaciona todas las unidades bajo comparación, a pesar de las diferentes combinaciones de características operativas, dado que las condiciones de operación son similares, ver 6. Dado que la eficiencia conceptualmente es dinámica y evoluciona en el tiempo, se han desarrollado modelos DEA que capturan la actualización de los inputs y outputs período tras período, ver 7. Sin embargo, son muy pocos y limitados los enfoques que logran estudiar los aspectos aleatorios y dinámicos que pueden impactar la frontera de eficiencia en la industria de foodservices. A continuación, proponemos un modelo de medias móviles autorregresivas lineales generalizadas (GLARMA) que considera componentes ARMA pero transformando la media de los datos con una función de enlace en la línea de los modelos lineales generalizados (GLM).
Proponemos una forma de DEA que permite estimar la eficiencia del servicio de alimentación con salidas estocásticas relacionadas con inputs predictivos en múltiples periodos, con posibilidades incluidas para predecir lo que es más probable que ocurra en términos de eficiencia futura. Este estudio se organiza como sigue: La sección 2 expone la metodología propuesta, mientras que la sección 3 la ilustra con un estudio de caso del mundo real; y la sección 4 ofrece discusiones, conclusiones, limitaciones y futuras investigaciones.
METHODOLOGY
Static DEA to efficiency model
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estimación del DOA para una mezcla de fuentes no correlacionadas y coherentes basada en la inferencia bayesiana jerárquica dispersa con una prioridad Gauss-Exp-Chi2
Artículo:
Un nuevo algoritmo de separación ciega de fuentes y análisis del rendimiento de la señal débil frente a las fuertes interferencias en los sistemas de radar pasivos
Artículo:
Síntesis de patrones de haz conformado de conjuntos de antenas utilizando la evolución diferencial compuesta con un operador de cruce basado en eigenvectores
Artículo:
Determinación de los puntos de medición en entornos urbanos para la evaluación de la exposición máxima a los CEM asociada a una estación base
Artículo:
Una nueva antena fractal multibanda para aplicaciones inalámbricas
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
