ANALISIS Y DETERMINACION DE EFICIENCIA RELATIVA DE CLIENTES ASOCIADOS AL NEGOCIO DE SEGUROS DE TRANSPORTE LUIS FELIPE GIRALDO LONDOÑO UNIVERSIDAD DE LA SABANA FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA INDUSTRIAL BOGOTÁ D.C. 2004 ANALISIS Y DETERMINACION DE EFICIENCIA RELATIVA DE CLIENTES ASOCIADOS AL NEGOCIO DE SEGUROS DE TRANSPORTE LUIS FELIPE GIRALDO LONDOÑO Proyecto de grado para optar al título de Ingeniero Industrial Director MARIA LILIA PERILLA PERILLA Candidata a Doctor en Ciencias Experimentales y Exactas UNIVERSIDAD DE LA SABANA FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA INDUSTRIAL BOGOTÁ D.C. 2004 Nota de aceptación ________________________ ________________________ ________________________ ________________________ Presidente ________________________ Jurado ________________________ Jurado Bogotá D.C., 12 de Octubre de 2004 A mis padres, a mi Hermana, a mis Sobrinas y a mi Novia. Por ser el motor de mi vida y Alimentarme día a día las ganas de vivir. AGRADECIMIENTOS El desarrollo de este trabajo ha sido para mí una experiencia maravillosa, ya que ha aportado cosas muy importantes para mi vida en el aspecto profesional y en el desarrollo personal, por lo tanto quiero agradecer a todas las personas y entidades que hicieron posible la exitosa culminación de este proyecto. A Carolina Saldaña, Ingeniera Industrial y asesora de la investigación, por toda la colaboración y orientación durante el desarrollo de este proyecto. A Maria Lilia Perilla, Ingeniera Industrial y directora de este proyecto, sus aportes, comentarios y sugerencias, lograron que este documento fuera cada vez mejor. A la Federación de aseguradores Colombianos FASECOLDA, por toda la información suministrada y por su colaboración en todos los momentos que la necesité. A la Federación Colombiana de Transporte de Carga por Carretera COLFECAR, por todos los datos suministrados para poder obtener resultados más ajustados a la realidad. A las Compañías aseguradoras, que suministraron información para lograr la terminación de este proyecto exitosamente. RESUMEN El presente trabajo pretende determinar un mecanismo útil, que sirva de soporte a las compañías aseguradoras en el momento de determinar las tarifas que deben cobrar a sus diferentes clientes, para que sean equitativas y de esta manera optimizar la eficiencia de operación del negocio de seguros de transporte terrestre de mercancía. Este trabajo se realizó a través de la técnica de programación matemática DEA (Data envelopment analysis), ya que es una metodología que ofrece la opción de trabajar simultáneamente calidad y cantidad, además es una herramienta no paramétrica, por lo que no exige la definición a priori de una relación funcional entre las variables, permitiendo adaptarse mejor a la realidad. Para la solución del modelo se utilizan dos herramientas computacionales, FRONTIER Y GAMS y posteriormente se analizan los resultados arrojados por estos programas. Hasta ahora la técnica DEA ha sido aplicada en muchos campos, pero las aplicaciones que se han realizado en el sector de seguros son muy escasas, por lo que se encuentra una gran oportunidad de trabajar en este campo tan inexplorado. Se espera que este trabajo sirva como punto de partida para profundizar en este campo. Palabras Clave: Eficiencia-DEA-GAMS-FRONTIER ABSTRACT The present work tries to determine a useful mechanism, that it serves to the insuring companies of support at the moment for determining the tariffs that must receive their different clients, of a right way that allows to optimize the efficiency of operation of the business of insurances of terrestrial transport of merchandise. This work made through technique of programming mathematical DEA (Data envelopment analysis), since it is a methodology that offers the option to work simultaneously quality and quantity, in addition is a nonparametric tool, reason why it does not demand the a priori definition of a functional relation between the variables, allowing to adapt better to the reality. For the solution of the model two software are used, FRONTIER and GAMS and later analyze the results thrown by these programs. Until now technique DEA it has been applied in many fields, but the applications that have been made in the sector of insurances are very little, reason why is a great opportunity to work in this so unexplored field. One hopes that this work serves like departure point to deepen in this field. Key words: Efficiency-DEA-GAMS-FRONTIER JUSTIFICACION Para cualquier empresa relacionada con el negocio de seguros de transporte terrestre de mercancía, es de vital importancia poder evaluar de una forma cuantitativa los riesgos financieros que se corren al asegurar alguna mercancía, debido a la gran competitividad y para permanecer en una posición ventajosa en el mercado. Es fundamental poder establecer tarifas adecuadas para cada caso y así lograr que el negocio sea más eficiente, permitiendo la toma de decisiones más acertadas y adquiriendo una ventaja competitiva sostenible que los lleve a tomar un lugar privilegiado en el mercado nacional. Las compañías de seguros de transporte terrestre de mercancía en Colombia no cuentan con una herramienta sólida que les permita cuantificar los riesgos financieros de los diferentes clientes y por lo tanto no pueden lograr una óptima operación del negocio para maximizar de este modo su eficiencia. Los mecanismos actuales que están utilizando las aseguradoras son imprecisos, varias de ellas no tienen un criterio claro que les permita determinar la tarifa adecuada de acuerdo al tipo de mercancía, ruta del país por la cual transitará la mercancía entre otros factores, que hacen que la probabilidad de ocurrencia de un siniestro sea diferente para cada caso. Por ejemplo: • Seguros Bolívar: Esta compañía utiliza un modelo de regresión logística que no le permite analizar conjuntamente todas las variables1. • La Previsora: Utiliza tablas de porcentajes fijos, los cuales varían dependiendo si es transporte urbano, nacional o exportaciones/importaciones. Este método es utilizado por una gran cantidad de compañías. Actualmente la tarifa que se decide cobrar a un cliente puede inclusive variar de acuerdo a las personas que hacen la negociación, se han presentado casos en que una misma empresa con sucursales en dos ciudades del país, va a negociar un seguro y se le dan tarifas diferentes a cada sucursal siendo que la mercancía es la misma, al igual que la ruta por la cual transitará, en general todo es lo mismo, menos las 1 El modelo de regresión logística no se encuentra en este documento por motivos de confidencialidad. personas encargadas de negociar el seguro, por lo tanto esto no da una buena impresión ante el cliente. Al aplicar técnicas matemáticas para tomar estas decisiones, se obtienen con mayor precisión las tarifas de las pólizas de seguros para los diferentes clientes logrando así minimizar el riesgo financiero y maximizar la eficiencia operativa de dichas organizaciones. OBJETIVOS OBJETIVO GENERAL Cuantificar los riesgos financieros asociados al negocio de seguros de transporte, mediante la determinación de la eficiencia relativa de cada uno de los clientes, con la finalidad que ésta sirva de base para establecer un marco de referencia para determinar las tarifas a cobrar a los clientes y así poder tomar decisiones eficientes.2 OBJETIVOS ESPECÍFICOS 1. Analizar documentos del sector de seguros de transporte terrestre de mercancía con el fin de acertar en la recolección de los datos necesarios para el desarrollo de modelos matemáticos ajustados a la realidad. Los documentos a analizar son: 2 • Modelos matemáticos para cuantificar los riesgos financieros asociados al negocio de seguros de transporte.3 • Tarifa de transportes de mercancía en Colombia.4 • Informe sobre el desempeño del sector asegurador colombiano durante el año 2003.5 • Informes de siniestralidad vial, piratería terrestre y transporte de carga por carretera en Colombia del periódico noticarga.6 • Operación del transporte de carga por carretera en Colombia.7 • Informe de indicadores sectoriales mayo de 2004.8 El valor final de la eficiencia relativa es la cuantificación del riesgo que se corre al asegurar una mercancía. Documento suministrado por Seguros Bolívar. 4 Este manual fue suministrado por FASECOLDA, y corresponde al manual en el que obligatoriamente se tenían que basar todas las compañías aseguradoras para cobrar las tarifas a los clientes hasta el año 1990. 5 Documento suministrado por FASECOLDA. 6 Ediciones de Abril-Mayo y Junio-Julio de 2003. 7 Documento emitido por el Ministerio de Transporte, por la Dirección General de Transporte y Transito Automotor. 8 Documento emitido por BANCOLDEX. 3 2. Diseñar un modelo matemático prototipo, que sirva como herramienta para determinar eficiencias relativas y así poder determinar de una manera adecuada las diferentes tarifas de los seguros. Este modelo permitirá ser adaptado a las necesidades de cada compañía aseguradora que decida implementarlo. 3. Montar el modelo prototipo resultante en un software de apoyo. 4. Lograr que el software de apoyo sea operativo al nivel de los usuarios finales. ANTECEDENTES A partir de fuentes de datos primarios como la base de datos del DANE y BANCOLDEX se determinaron los sectores que tienen una alta dependencia de las exportaciones y de las importaciones, respecto al valor de la operación normal del negocio de seguros de transporte, junto con el mayor uso de mano de obra. Se encontró que los siguientes sectores se convierten en el mercado objetivo para las empresas de seguros de transporte terrestre de mercancía. • Alimentos (azúcar, chocolates, confitería, bebidas, panadería) • Textiles y Confecciones • Plásticos • Cueros • Papel y Cartón • Editoriales • Flores • Químicos (farmacéuticos, aseo, básicos, insumos agrícolas) • Comercio (relacionado con los anteriores sectores) Por un lado estos sectores representan un potencial de crecimiento para el ramo de transportes por los altos volúmenes de movimiento de carga que se efectúan anualmente en todos los tipos de trayectos que incumben al negocio de seguros. Algunos sectores son intensivos en movimientos del exterior hacia el interior, y viceversa y finalmente unos que se concentran en el mercado local, logrando crear un equilibrio en los niveles de exposición en los diferentes trayectos. Además pueden en algunos casos ser potenciales de crecimiento para otros ramos dentro de los seguros generales. Por otro lado, dado el nivel de desarrollo de estos sectores y pensando con miras a competir en el Área de Libre Comercio de las Américas (ALCA) en un futuro cercano, estos sectores representan un potencial de crecimiento para el ramo. Las características generales de estos sectores se presentan a continuación9. MERCADO OBJETIVO – AÑO 2003 Producción Exportación Importación SECTORES EMPLEADOS MU$ MU$ MU$ ALIMENTOS 5.504,3 79.029 752,7 508,6 PRENDAS DE VESTIR 974,1 65.678 417,8 37,3 AZUCAR 684,6 6.849 240,2 34,9 BEBIDAS 1.722,7 16.477 36.2 61.9 EDITORIAL 656,3 19.366 161.8 77,6 OTROS ALIMENTOS 845,0 15.548 142,3 187,7 PAPELES Y CARTÓN 1.398,2 17.920 235,0 376,3 MINERALES NO METALICOS 948,8 17.786 155,3 59,3 CALZADO 160,6 9.151 22,9 35,4 TOTAL 12.894,60 247.804,00 1.966,20 1.317,10 Primas esperadas 2004 (U$) 7.736.760 9 Datos tomados de la página web principal de BANCOLDEX (www.bancoldex.com), documento “Indicadores Sectoriales-mayo de 2004”. CONTENIDO Pág INTRODUCCION 1 1. REVISION BIBLIOGRAFICA 2 1.1 EL NEGOCIO DEL TRANSPORTE TERRESTRE DE MERCANCIA EN COLOMBIA 2 1.1.1 Características Generales del Sector 2 1.1.2 Principales Empresas Transportadoras en Colombia 3 1.1.3 Principales Rutas de Colombia por las que se Transporta Mercancía 4 1.2 EL NEGOCIO DE SEGUROS DE TRANSPORTE TERRESTRE DE MERCANCIAS 5 1.2.1 Principales Empresas Aseguradoras en Colombia 5 1.2.2 El Contrato de Seguro de Transporte Terrestre 6 1.2.3 Venta de Pólizas 6 1.3 SOPORTE TEORICO 8 1.3.1 Análisis de Envolvente de Datos (DEA) 8 1.3.1.1 Modelos CRS (constant return-to-scale) 11 1.3.1.2 Modelos VRS (varying return-to-scale) 16 2. DESCRIPCION DEL PROBLEMA 18 2.1 PLANTEAMIENTO DEL PROBLEMA 18 2.2 VARIABLES UTILIZADAS PARA EL ANALISIS DEA 18 2.2.1 Justificación de la selección de variables 18 2.2.2 Unidades Organizativas (DMU’s) 19 2.2.3 Outputs 19 2.2.4 Inputs 20 3. METODOLOGIA DE SOLUCION 23 3.1 CONSTRUCCION DE LA BASE DE DATOS 23 3.1.1 Cálculo para cada una de las variables 23 3.2 ANALISIS DEA 27 3.2.1 Descripción del problema utilizado en las pruebas 27 3.2.1.1 Prueba 1 28 3.2.1.1.1 Solución en el Software Frontier 30 3.2.1.1.2 Solución en el Software GAMS 43 3.2.1.2 CASO ESPECIAL 49 3.2.1.3 Análisis de sensibilidad 50 3.2.1.4 Prueba 2 53 3.2.1.4.1 Solución en GAMS 57 CONCLUSIONES 74 RECOMENDACIONES 76 BIBLIOGRAFIA ESTUDIADA 78 BIBLIOGRAFIA CONSULTADA 79 ANEXOS 81 LISTA DE TABLAS Pág Tabla 1. Principales Compañías Aseguradoras de Transporte de Carga en Colombia. 5 Tabla 2. Diferencia entre modelos paramétricos y no paramétricos. 10 Tabla 3. Asignación de valores según la modalidad de cobertura. 21 Tabla 4. Asignación de valores según la edad de la flota. 25 Tabla 5. Base de datos (prueba 1). 29 Tabla 6. Eficiencia relativa para cada cliente (prueba 1). 32 Tabla 7. Potencial de mejoras en cada input y output, para cada cliente. 38 Tabla 8. Tarifas prueba 1. 42 Tabla 9. Análisis de sensibilidad 50 Tabla 10. Análisis de sensibilidad 51 Tabla 11. Análisis de sensibilidad 52 Tabla 12. Base de datos (prueba 2). 53 Tabla 13. Eficiencia relativa para cada cliente (prueba 2). 68 Tabla 14. Tarifas prueba 2. 70 LISTA DE GRAFICOS Pág Gráfico 1. Principales Rutas de Colombia por las que se Transporta Mercancía. Gráfico 2. 4 Presentación de los puntajes de eficiencia para cada cliente en FRONTIER. 31 Distribución de puntajes de eficiencia en FRONTIER. 33 Frecuencia de las unidades eficientes utilizadas como referencia de comparación. 34 Coeficiente de correlación entre las variables LSC y LIC. 35 Distribución de las eficiencias de cada unidad organizativa para cada uno de los inputs y outputs. 36 Mejoras potenciales totales para los inputs y outputs. 37 Gráfico 8. Potencial de mejoras en cada input y output. 38 Gráfico 9. Eficiencia de cada cliente en comparación con los pares (peers) eficientes. 39 Gráfico 10. Influencia de las unidades de referencia sobre el valor de la eficiencia. 40 Gráfico 11. Influencia de la unidad de referencia sobre el puntaje de eficiencia. 41 Gráfico 3. Gráfico 4. Gráfico 5. Gráfico 6. Gráfico 7. INTRODUCCION Hasta el año 1990 todas las empresas pertenecientes al sector asegurador, estaban obligadas a cobrar a sus clientes unas tarifas fijas ya establecidas por FASECOLDA. A partir de 1991 este sistema de determinación de tarifas cambio y se dio libertad a las diferentes compañías aseguradoras de establecer sus propias tarifas, lo que conllevo a que el negocio de seguros fuera mucho más competido y de la misma manera favorecer a los clientes, ya que éstos tienen más opciones en el momento de asegurar sus mercancías. A pesar de este importante cambio no hay actualmente en Colombia ninguna compañía que cuente con un mecanismo o una herramienta matemáticamente robusta o sólida que le permita determinar tarifas más adecuadas, teniendo en cuenta el nivel de riesgo que implica asegurar una determinada mercancía por una de las diferentes rutas del país, sólo algunas compañías utilizan métodos probabilísticos paramétricos donde se analizan índices de correlación entre las variables, lo cual tiene ciertas desventajas como se podrá observar en los siguientes capítulos. 1 CAPITULO 1 REVISION BIBLIOGRAFICA Este capítulo contiene información general del sector de seguros de transporte terrestre de mercancía en Colombia, así como también se encuentran conceptos básicos que facilitarán la comprensión de los capítulos siguientes. 1.1 EL NEGOCIO DEL TRANSPORTE TERRESTRE DE MERCANCÍA EN COLOMBIA 1.1.1 Características Generales del Sector La movilización de carga por las carreteras colombianas tuvo un leve incremento durante el año 2003 y existe un gran optimismo por parte de los empresarios sobre el mejoramiento del sector en el mediano plazo. Sin embargo, aún se está lejos de contar con una reactivación en este sector económico, que aporta el 7% del PIB colombiano, debido a una serie de problemas que no se terminan como la inseguridad y la sobreoferta de vehículos. Cifras de la Federación Colombiana de Transportadores de Carga por Carretera, en adelante COLFECAR, muestran que en el año 2003, la movilización de mercancías creció en un 4.25% respecto al año 2002 en el cual se movilizaron 87.6 millones de toneladas de mercancía frente a 91.3 millones de toneladas transportadas en el 2003. Este incremento que también se reflejó en las ventas que crecieron 3.31%, permitió que en el 2003, el empleo en el sector creciera en un 14%.10. El mayor generador de carga es el sector industrial manufacturero, que posee el 49% de movimientos, seguido por el agropecuario (31%) y el minero (15%). Los principales centros generadores de la carga en el país son el Departamento del Valle del Cauca con el 20 % del total, seguido de Bogotá con el 12 %, Antioquia con el 10 Datos estadísticos suministrados por el gremio de transportadores de carga por carretera. 2 Revisión Bibliográfica 3 9%, Atlántico con el 7.6 %, Tolima con el 6 %, Bolívar con el 5.3 %, Boyacá con el 5 %, Meta con el 4.3 %, y Santander, Cesar, Nariño, con el 3.5 % cada uno, entre otros. A su vez los principales departamentos receptores de mercancía, son Bogotá con el 17%, Valle con el 16.2%, Antioquia 12.6%, Atlántico 6.8%, Santander 4.5%, Magdalena 4%, y el resto de los departamentos con el 38.9 %. Durante el 2003 se reportó una disminución en los casos de piratería terrestre que afecta a los transportadores lo que hace que los empresarios sigan siendo optimistas sobre el futuro del transporte en el país. Durante el año 2002, se presentaron 1.323 casos de piratería terrestre que generaron pérdidas por 35.852 millones de pesos en mercancía, "La guerrilla y los paramilitares son los responsables del 5% de estos delitos, y el 95% es producto de la delincuencia común", indica un informe sectorial, 57 casos de piratería terrestre fueron frustrados entre enero y noviembre, según fue consignado en el balance de 2003 entregado por COLFECAR. Para los expertos, existen tres soluciones que podrían poner fin a este problema. La primera consiste en tipificar la piratería terrestre como delito e incluir penas más severas a quienes participen en esta actividad. La segunda, incrementar el castigo a quienes compren productos robados para luego distribuirlos y venderlos; y, finalmente, estaría el regreso de las unidades especiales antipiratería terrestre, que hace algún tiempo se impulsaron en la fiscalía, y que ahora podrían dar resultados concretos a corto plazo. Algunos empresarios consideran que el panorama nacional de carga es muy estable. Todavía se sienten las consecuencias de la caída de ventas a Venezuela, lo que se refleja en el movimiento de carga, aunque se han reactivado otros mercados. Las empresas transportadoras ratifican que el mercado presenta mayor competencia en el tema de transporte, por lo cual cada día es más difícil mantener una línea de crecimiento. 1.1.2 Principales Empresas Transportadoras en Colombia En Colombia existe un gran numero de compañías transportadoras, se estima que hay una subutilización del parque automotor, especialmente en los vehículos de 2 ejes, cuyo índice de ocupación es del 38% en el servicio público y de 17% en el servicio particular, lo cual para el gremio no es conveniente por presentar reducción de los fletes e informalidad en la prestación del servicio por el desbalance pronunciado entre la oferta y la demanda. De acuerdo con las estadísticas que maneja Asecarga, las cuales muestran que en Colombia existe un total de 151.952 vehículos de carga los cuales ofrecen una capacidad estimada en 140 millones de toneladas al año es decir que durante el 2003 el porcentaje de utilización fue tan solo del 65%, de estos vehículos 66.602 son de servicio particular y corresponden al 43.83% mientras que en el servicio público se encuentran 83.350 vehículos con una participación del 56.17%. En el anexo A se puede ver el listado de las compañías transportadoras que están afiliadas a COLFECAR. Revisión Bibliográfica 4 1.1.3 Principales Rutas de Colombia por las que se Transporta Mercancía En el siguiente mapa se pueden observar las diferentes rutas del país por las cuales se transporta mercancía, como también los diferentes lugares en los que se presentan problemas de orden público11. Gráfico 1 11 Datos tomados de informe de siniestralidad vial del periódico Noticarga Revisión Bibliográfica 5 1.2 EL NEGOCIO DE SEGUROS DE TRANSPORTE TERRESTRE DE MERCANCIAS 1.2.1 Principales Empresas Aseguradoras en Colombia En Colombia existen 23 compañías de seguros de vida, 20 de seguros generales y 6 capitalizadoras. En este caso sólo se mencionan las correspondientes a seguros generales ya que allí es donde se encuentra el ramo de seguros de transporte de carga12, en la Tabla 1 también se pueden observar las primas emitidas y los siniestros pagados por cada compañía durante el primer semestre del 2003. Principales Compañías Aseguradoras de Transporte de Carga en Colombia Compañía Primas Emitidas Transporte Junio2003(Cifras en miles) % Participación Siniestros pagados Transporte Junio2003(Cifras en miles) SURAMERICANA BOLIVAR COLSEGUROS ROYAL LA PREVISORA AGRICOLA LIBERTY CHUBB ACE COLOMBIA COLPATRIA GENERALI AIG GENERALES DEL ESTADO BBV GANADERO MAPFRE LA EQUIDAD CENTRAL ALFA CONDOR SOLIDARIA TOTAL 23.449.716 14.271.675 13.974.953 12.888.309 8.213.225 6.660.863 6.577.523 4.501.390 3.713.674 3.289.219 2.970.579 2.879.940 2.308.635 2.054.901 1.189.633 1.119.239 582.001 131.610 74.458 62.241 110.913.783 21,14% 12,87% 12,60% 11,62% 7,41% 6,01% 5,93% 4,06% 3,35% 2,97% 2,68% 2,60% 2,08% 1,85% 1,07% 1,01% 0,52% 0,12% 0,07% 0,06% 100,00% 4.868.256 3.622.369 3.339.593 3.766.686 3.257.974 2.975.855 727.711 687.895 1.807.971 1.022.948 580.038 360.825 1.140.678 305.570 82.536 285.067 44.451 2.647 -500 17.099 28.893.671 Tabla 1 Las compañías que aparecen en la tabla 1, son las veinte compañías de seguros generales que se encuentran afiliadas a la Federación de Aseguradores Colombianos FASECOLDA. 12 Datos tomados de la página web de FASECOLDA, www.fasecolda.com. Revisión Bibliográfica 6 1.2.2 El Contrato de Seguro de Transporte Terrestre Es una modalidad de los seguros de daños mediante la cual se protege el interés del asegurado sobre las mercancías transportadas, o la responsabilidad por el transporte de la misma13, según el caso. Este seguro ampara las cosas con respecto de todos los riesgos inherentes a la operación del transporte, es decir, todos aquellos sucesos inciertos producidos con causa o con ocasión del acarreo, que no dependen exclusivamente de la voluntad del asegurado, y que no son excluidos por mandato legal, o por voluntad de los contratantes. En esta especie de contratación, el asegurador asume los riesgos mientras hace su tránsito de un lugar a otro, es decir, durante el trayecto asegurado. Responsabilidad que se inicia cuando el transportador recibe o ha debido hacerse cargo de las mercancías objeto del seguro y concluye con su entrega al destinatario. Sin embargo, ésta puede extenderse, por voluntad de los contratantes, “... a cubrir la permanencia de los bienes asegurados en los lugares iniciales o finales del trayecto asegurado”14. El contrato de seguro se encuentra regulado en el título quinto del libro cuarto del código de comercio. 1.2.3 Venta de Pólizas Las principales empresas de seguros en Colombia, venden cubrimiento de riesgo a través de pólizas de seguros que se pueden clasificar en: Automáticas y Específicas. Las pólizas automáticas operan permanentemente durante un periodo determinado, generalmente es de un año y por medio de ellas se cubren todos los despachos de un cliente durante dicho lapso de tiempo. Estas pólizas se caracterizan generalmente por los siguientes parámetros: • Cliente: cliente al cual se le expide la póliza • Trayecto: trayecto al cual es aplicable la póliza • Producto: tipo de producto que se cubren con la póliza • Periodo: periodo durante el cual se cubren los riesgos del cliente • Limite Superior de Cobertura Automática (LSC): establece el límite superior que se cubre automáticamente por despacho por unidad transportadora (UT). Cuando dicho límite se excede se debe proceder a negociar y a expedir, si es el caso, una póliza especial. Unidad de medida: pesos colombianos ($). 13 14 Art. 1124 Código de Comercio Art. 1117 Código de Comercio Revisión Bibliográfica 7 • Limite Inferior de Cobertura (LIC): determina el límite inferior a partir del cual se cubren los siniestros del cliente, siniestros por debajo de dicho valor siempre son cubiertos por el cliente. Unidad de medida: pesos colombianos ($). • Presupuesto de Despachos de Mercancías (PDM): corresponde a un presupuesto anual del valor de los despachos que se cubrirán por la póliza automática que emite. Con base en este valor se establece el valor a pagar y el modo. Las variaciones con respecto a este presupuesto implican pagos adicionales o devoluciones. Unidad de medida: pesos colombianos ($). • Mínimo Porcentaje de Despachos (MPD): corresponde al porcentaje que se utiliza para establecer el pago mínimo que debe realizar el cliente en caso que no se cumpla, por defecto, con el presupuesto de despachos (PDM). Unidad de medida: porcentaje. • Tasa (TPO): determina el valor de la prima total a pagar por el cliente. Se establece como un porcentaje del valor asegurado. Unidad de medida: porcentaje. Las pólizas especiales se emiten cuando se excede el límite de una póliza automática o cuando se desea prestar el servicio de cubrimiento de riesgo y no existe una póliza automática, tiene los parámetros de caracterización, pero sólo son validas para el despacho para el cual fueron emitidas. En términos de decisiones, la aseguradora15 decide, o negocia el valor de los siguientes parámetros: • Periodo • LSC (Limite Superior de Cobertura Automática) • LIC (Limite Inferior de Cobertura) • Mínimo Porcentaje de Despachos (MPD) • Tasa (TPO) Los otros parámetros son establecidos por el cliente. 15 Empresa aseguradora que suministro información, se omite el nombre por motivos de confidencialidad. Revisión Bibliográfica 8 1.3 SOPORTE TEORICO Se considera de gran importancia hablar un poco sobre la técnica utilizada durante el desarrollo de este proyecto con el propósito de facilitar la comprensión por parte del lector. Todo el desarrollo del proyecto se basa en la técnica de Análisis de Envolvente de Datos (DEA), la cual se describe a continuación y corresponde a la revisión de varias fuentes, las más importantes son el documento de trabajo16 del CITAD17 y algunos artículos obtenidos en internet18. Se eligió la técnica DEA en este proyecto ya que es un campo nuevo de aplicación, hasta el momento se encuentran muchos trabajos de DEA en hospitales, escuelas, universidades, bancos y entidades del sector público, pero muy poco en el sector de seguros por lo que se cree es una gran oportunidad de aplicación en un campo poco explorado. Otra razón, es que por ser DEA un modelo no paramétrico, no es necesario realizar ningún estudio de la relación entre las variables, lo que permite gran flexibilidad a la hora de elegirlas. 1.3.1 Análisis de Envolvente de Datos (DEA). El Análisis de Envolvente de Datos (DEA) es una técnica basada en programación lineal que tiene como objetivo medir la eficiencia relativa de unidades organizacionales, donde la presencia de múltiples entradas (inputs) y salidas (outputs) hace que esta comparación sea un poco compleja. Varios ejemplos de Unidades Organizacionales (DMU’s), podrían ser: hospitales, sucursales de bancos, almacenes, clientes, empleados de una organización y sectores similares donde exista un sistema relativamente homogéneo de unidades. Un concepto que se debe tener muy claro cuando se va a tratar el tema de DEA es el de eficiencia. La eficiencia hace referencia a un juicio acerca de la relación entre los medios empleados y los fines obtenidos19, se puede decir que una unidad organizativa es eficiente si, dado un nivel determinado de entradas es capaz de producir un máximo nivel de salidas, o por el contrario si para alcanzar un determinado nivel de salidas utiliza la menor cantidad de entradas. 16 El documento de trabajo es “Eficiencia: Definición y Medición”-CITAD-WP-003-2003 (V1.0 – febrero de 2003). CITAD: Centro de Investigación en Tecnologías Avanzadas de Decisión, este departamento fue fundado por la Universidad de la Sabana en honor a la memoria del Dr. Carlos Jordana. 18 DEA homepage, www.deazone.com, página dedicada a: A. Charnes, W. W. Cooper, E. Rhodes and Rajiv D. Banker 19 Bosch, Pedraja y Suárez, 1998. 17 Revisión Bibliográfica 9 Farrell en 1957 hace la primera aproximación cuantitativa al concepto de eficiencia, él habla de una eficiencia técnica o productiva y una eficiencia asignativa las cuales son componentes de la eficiencia global. En un proceso de producción que utiliza un número determinado de entradas para producir una única salida, se habla de eficiencia técnica, cuando a partir de una determinada tecnología de producción fija se consigue alcanzar el máximo nivel de salidas posible. La eficiencia asignativa se define para la situación en que, conocidos los precios relativos de las diferentes entradas utilizadas en el proceso productivo y suponiendo que la tecnología de producción puede cambiar, se emplea la mejor combinación de entradas que permite alcanzar un nivel determinado de salidas con el menor costo posible. Otros autores también han propuesto conceptos alternativos, como es el concepto de eficiencia de escala, el cual es relevante cuando la tecnología de producción presenta rendimientos de escala variables, de allí aparece otra medida de eficiencia: EficienciaTécnicaPura = EficicienciaTécnica − EficienciadeEscala La forma más usual de medir la eficiencia es: Eficiencia = productos insumos Esta forma de medir la eficiencia es generalmente inadecuada debido a la existencia de múltiples insumos y productos relacionados a diferentes recursos, actividades y factores ambientales. Es importante resaltar que la eficiencia es un concepto relativo por lo que el resultado de una unidad organizacional debe ser comparado con un estándar, por lo que la medición de la eficiencia requiere de dos etapas, en primer lugar se debe determinar la función de referencia estándar que indique, dada una tecnología de producción fija, el máximo nivel de salidas o productos alcanzables a partir de diferentes combinaciones de entradas o insumos. La función de referencia puede ser tanto una función de producción como una función de costos o de beneficios. La segunda etapa consiste en comparar los resultados obtenidos por cada unidad organizativa con la frontera estándar, de forma que las desviaciones existentes quedarán caracterizadas como comportamientos ineficientes. Revisión Bibliográfica 10 Existen dos tipos básicos de modelos para estimar la función frontera20: Diferencia Ventaja Modelos Paramétricos Modelos no Paramétricos Especifican una relación funcional entre las entradas y las salidas. Si la frontera está correctamente definida, existen mayores garantías de que lo que sea identificado como ineficiencia, realmente lo sea. No imponen ninguna relación entre las entradas y las salidas No requieren de la especificación de una tecnología de producción, ya que la construcción de la frontera eficiente se hace a partir de observaciones de la realidad. Tabla 2 DEA es un método no paramétrico, que en general supone una ampliación del tradicional análisis de cocientes (ratios) para el caso de múltiples entradas y salidas. Una unidad organizacional se considera eficiente si ninguna otra unidad organizacional es capaz de producir un nivel superior de salidas con el mismo número de entradas, o producir el mismo número de salidas con un menor nivel de entradas. La mayor ventaja de DEA, es su flexibilidad, ya que impone condiciones menos restrictivas sobre tecnología de referencia y también que se adapta a contextos multiproducto fácilmente. Una limitación que se debe mencionar sobre DEA, es la dificultad conceptual de separar los efectos de las variables ambientales no controlables de los efectos que resultan debido a diferencias de manejo de las entradas. Los modelos inicialmente propuestos por Charnes et al. (1978) eran modelos inputsorientados, con rendimientos a escalas constantes, denominados CRS (constant return-to-scale); posteriormente se extendieron a modelos output-orientados permitiendo estudiar rendimientos a escala variables por medio de los VRS21 (varying return-to-scale) y NIRS22 (non-increasing returns to scale). Posteriormente se desarrolló el modelo free-disposal hull (FDH)23. 20 La función frontera es un lugar geométrico o conjunto de valores solución que dominan, envuelven, al resto de valores analizados, es también llamada por algunos autores como frontera eficiente. 21 Modelo propuesto por Banker et al, 1984 22 Modelo propuesto por Bymes et al, 1984 23 Modelo desarrollado por Tulkens, 1993 Revisión Bibliográfica 11 A continuación se profundiza un poco en la estructuración del modelo CRS ya que sobre este modelo se desarrolla el proyecto, si se desea obtener mas información sobre los otros modelos se pueden referir al documento de trabajo del CITAD “Eficiencia: Definición y Medición”. 1.3.1.1 Modelos CRS (constant return-to-scale) La forma más usual de medir la eficiencia de una DMU24, consiste en calcular los siguientes cocientes que miden la relación input-output: Eficiencia DMU = Output Input El cálculo de este tipo de cocientes como indicadores de eficiencia relativa se muestra insuficiente en la mayor parte de los contextos situacionales. En efecto las DMU`s emplean varios inputs para obtener simultáneamente varios outputs. En principio esta insuficiencia puede superarse generalizando la expresión anterior de la siguiente manera: Eficiencia DMU = Suma de outputs Suma de inputs Esta expresión tiene como principal problema, la falta de homogeneidad dimensional entre los diferentes outputs e inputs. Este problema puede resolverse, introduciendo un sistema de pesos adecuados que normalice tanto el numerador como el denominador de la última ecuación presentada. De esta manera se llegaría a la siguiente definición de eficiencia: Eficiencia DMU = Suma ponderada de los outputs Suma ponderada de los inputs Para el caso de M outputs y N inputs, la anterior expresión puede escribirse como: θj = 24 Decisión Making Unit, unidad organizacional. ∑ ∑ r =1, M υ r Yrj i =1, N ρ i X ij Revisión Bibliográfica 12 donde: j r índice asociado al DMU índice asociado al output genérico i índice asociado al input genérico eficiencia relativa de la DMU j vr Yrj peso asociado al output genérico r peso asociado al input genérico i cantidad de output genérico r en la DMU j X ij cantidad de input genérico i en la DMU j θj ρi En consecuencia de la definición de eficiencia relativa, se plantea el problema de determinar los conjuntos de pesos v r y ρ i que permiten normalizar tanto los outputs como los inputs. Una primera cuestión consiste en dilucidar si los pesos a aplicar a las diferentes DMU`s deben o no ser los mismos. Los primeros trabajos en este campo (Farrel, 1957, Farrel y Fieldhouse, 1962) abordan este problema intentando establecer un mismo conjunto de pesos para ponderar los outputs e inputs de todas las DMU`s. Por el contrario, Charnes et al. (1978) sostiene que cada DMU puede valorar sus outputs e inputs de manera diferente. La forma de determinar los mejores conjuntos de pesos para los outputs y para los inputs de cada DMU constituye el núcleo analítico de la metodología DEA. De esta manera, asumiendo la hipótesis que a mayor producción mayor eficiencia, la eficiencia de la DMU j se obtendrá maximizando el cociente que mide la eficiencia de dicha unidad y restringiendo el proceso de optimización a que la eficiencia de todas las DMU´s sea menor o igual que la unidad. Para el caso de rendimientos constantes a escala (CRS), en términos analíticos, se propone formular un modelo de programación fraccional, cuyas variables representan los pesos más favorables para la DMU j. La estructura algebraica del modelo, tal como lo propusieron Charnes et al. (1978), para la DMU j es la siguiente: CRS: = { Maximizar θj = ∑ ∑ r =1, M i =1, N sujeto a: υ r Yrj ρ i X ij Revisión Bibliográfica 13 ∑ ∑ r =1, M i =1, N υ r Yrm ρ i X im ≤ 1 ∀ m ∈ DMUs ξ ≤ υr ∀r ξ ≤ ρi r ∀i } donde m es un índice asociado a las DMU´s25. La solución del modelo anterior proporciona la cuantificación de la eficiencia relativa de la DMU j con respecto a las restantes DMU´s, así como los mejores valores de los pesos que han permitido alcanzar dicha eficiencia. Si el óptimo θ j es igual a 1, entonces podemos decir que la DMU j es eficiente en términos relativos con respecto a las otras DMU´s. Por el contrario si θ j es menor que 1 ello significa que aún habiendo elegido la DMU j sus pesos más favorables, existen DMU´s en la muestra analizada que convierten sus inputs en outputs de una manera más eficiente. Algunas formulaciones incluyen el término de perturbación ξ , aquí se incluye aunque posteriormente fue demostrado26 que el valor de dicho término no influye significativamente en el valor de la eficiencia estimada por el modelo, por lo que en la literatura más reciente es posible que este término ya no se incluya. Para resolver el modelo de programación fraccional se debe proceder a su linealización teniendo en cuenta que en la maximización de una fracción lo que realmente importa no son los valores individuales, sino los valores relativos que alcanzan el numerador y el denominador de la fracción. Es decir, se alcanzará el mismo valor óptimo maximizando la fracción θ j que maximizando el numerador de la misma e igualando el denominador a una constante. Existen infinitas soluciones óptimas todas ellas caracterizadas por la colinealidad de los vectores υ y ρ . Por lo tanto, se adopta la siguiente formulación: CRS: = { Maximizar σ j = ∑r =1, M υ r Yrj sujeto a: 25 26 DMU´s, representa el conjunto de todas las DMU´s. Demostración realizada por Charnes et. al., 1995 Revisión Bibliográfica 14 ∑ i =1, N ∑ r =1, M ρ i X ij = 1 υ r Yrm − ∑i =1, N ρ i X im ≤ 0 ∀ m ∈ DMUs ξ ≤ υr ∀r ξ ≤ ρi r ∀i } Sin embargo se debe notar que existe más de una formulación equivalente bajo el formato de programación lineal para un problema de programación fraccional. Por ejemplo, se puede fijar el valor del numerador y minimizar el valor del denominador, lo que sería igual a: CRS: = { Minimizar ψ j = ∑r =1, M ρ i X ij sujeto a: ∑ ∑ r =1, M r =1, M υ i Yrj = 1 υ r Yrm − ∑i =1, N ρ i X im ≤ 0 ∀ m ∈ DMUs ξ ≤ υr ∀r ξ ≤ ρi r ∀i } Por lo anterior se puede entender que en la literatura técnica existe más de una forma algebraica de representar el problema DEA. Alternativamente al problema primal CRS: se puede plantear y resolver el correspondiente problema dual CRS: que tiene la siguiente estructura: Revisión Bibliográfica 15 DCRS: = { Minimizar ω j = θ j + ξ ∑r =1, M ϕ r + ξ ∑i =1, N φ i Sujeto a: θ j X IJ − ∑ M ∈DMU ´s λ m X im + φ i = 0 ∀i = 1, N ∑ M ∈DMU ´ s λ m Yrm + ϕ r = Yrj ∀r = 1, M 0 ≤θ j 0 ≤ λm ∀m ∈ DMU ´s φ i ≤ 0 ∀i φ r ≤ 0 ∀r } Donde θ j corresponde a la medida de eficiencia obtenida para la DMU j, λ m el peso de la DMU m en la combinación lineal convexa que sirve como DMU de referencia (peer) en la frontera para evaluar a la DMU j (también conocido como coeficiente de intensidad), φ i la variable de holgura asociada a la restricción del input i y ϕ r son cero; para las DMU´s no eficientes, estas variables indicarán el exceso relativo de input o la carencia relativa de output que tiene la DMU. Si una unidad está en la frontera eficiente ella misma será su referencia. La métrica en la que se mide φ i es: Eficiencia/unidad del input y mide en cuanto aumentaría la eficiencia de la DMU j si se redujera el consumo de input i en una unidad. De manera similar la métrica ϕ r es: Eficiencia/unidad de output r y mide en cuanto aumentaría la eficiencia de la DMU j si aumentase la producción de output r en una unidad. Frecuentemente, el anterior problema dual también se presenta de la siguiente forma: Revisión Bibliográfica 16 DCRS: = { Minimizar ω j = θ j + ξ ∑r =1, M ϕ r + ξ ∑i =1, N φ i Sujeto a: ∑ m∈DEMU ´ s ∑ λ m X im ≤ θ j X ij m∈DMU ´ s λ m Yrm ≥ Yrj ∀i = 1, N ∀r = 1, M 0 ≤θ j 0 ≤ λm ∀m ∈ DMU ´s } donde simplemente se han ignorado las variables de holgura φ i y ϕ r . El anterior modelo, el primal o el dual, asume implícitamente rendimientos constantes e independientes de la escala (CRS); para considerar variaciones sobre esta hipótesis se puede alterar el problema teniendo en cuenta consideraciones especiales, según sea el caso. A continuación se explica el modelo para considerar rendimientos variables a escala. 1.3.1.2 Modelos VRS (varying return to scale) Cuando se consideran rendimientos variables a escala (VRS), lo que se hace es calcular la eficiencia técnica, que implica que cada DMU analizada es comparada con unidades de “similar tamaño”, este enfoque “envuelve” más los datos que el CRS, por siempre será mayor o igual que θ CRS , donde θ CRS representa lo que se cumple que θ VRS j j j la eficiencia bajo condiciones de rendimientos constantes (CRS) y θ VRS la eficiencia j bajo rendimientos variables (VRS). El coeficiente entre la eficiencia técnica global θ CRS , y la eficiencia técnica pura, θ VRS , j j es la eficiencia de escala ( θ jSE ) definida como: θ SE j = θ CRS j θ VRS j Revisión Bibliográfica 17 Si θ jSE es igual a 1, la DMU j opera con eficiencia de escala, mientras que si θ jSE es menor que 1, indica la presencia de ineficiencias de escala. Para determinar el sentido de los rendimientos a escala, crecientes o decrecientes, se debe considerar el modelo NIRS (non increasing returns to scale) en el que se adiciona la siguiente restricción de convexidad: ∑ De este modo si θ jNIRS m∈DMU ´ s λm ≤ 1 es igual a θ VRS la DMU está operando bajo rendimientos j decrecientes a escala, si es distinto la DMU está operando con rendimientos crecientes a escala. CAPITULO 2 DESCRIPCION DEL PROBLEMA En este capítulo se describirá el problema actual que tienen las compañías aseguradoras en la determinación de las tarifas de seguros de transporte de mercancía terrestre, así como también se especificarán las variables que se tendrán en cuenta para cada uno de los clientes. 2.1 PLANTEAMIENTO DEL PROBLEMA Las empresas asociadas al negocio de seguros de transporte terrestre de mercancías, no pueden determinar de una manera eficiente y precisa las diferentes tarifas de sus servicios a nivel nacional. 2.2 VARIABLES UTILIZADAS PARA EL ANALISIS DEA Para realizar un análisis de envolvente de datos se debe comenzar por identificar qué se considerará como Unidad Organizativa (DMU’s), luego determinar las entradas (inputs) y salidas (outputs) para cada Unidad Organizativa. 2.2.1 Justificación de la selección de variables El punto de partida para seleccionar las variables que se tendrán en cuenta en el análisis de eficiencia relativa, fue la revisión de las variables que actualmente utilizan algunas compañías aseguradoras para calcular las tarifas, posteriormente se analizó cuales se estimaban conveniente para el análisis desde el punto de vista del riesgo que implica el transporte de una determinada mercancía. Se debe tener en cuenta que una de las principales ventajas de DEA, es la flexibilidad al momento de seleccionar las variables ya que por ser un modelo no paramétrico, no implica la necesidad de realizar un estudio de relación entre estas. También se debe recordar que el modelo que se propone en este proyecto, es un modelo prototipo y en el momento de implementarlo en una compañía de seguros se pueden realizar ajustes que se crean adecuados por parte de la compañía, es decir si se estima conveniente adicionar o eliminar una variable se puede hacer sin causar ningún trauma en la estructura de este proyecto, además DEA brinda la opción de restringir los pesos 18 Descripción del Problema 19 para las variables, es decir según el criterio y políticas de la compañía, se puede limitar a una variable a no sobrepasar un valor determinado o si la variable es considerada de alta importancia para el análisis, se puede obligar a tomar siempre un peso mayor o igual a un valor determinado. De todas formas vale la pena hacer énfasis en que DEA siempre busca los pesos para cada DMU de la forma más favorable. La única limitación que se encontró para la selección de las variables fue la disponibilidad de información. 2.2.2 Unidades Organizativas (DMU’s) Para el desarrollo de este proyecto se considera como Unidad Organizativa a cada uno de los clientes a los cuales se les emitirá la póliza de seguro de transporte terrestre de mercancía. Para realizar el análisis se construyó una base de datos de 100 clientes, que se podrá observar más adelante. A continuación se revisará la elección de Inputs y Outputs. 2.2.3 Outputs En este caso sólo se tienen dos salidas: • Siniestralidad: Variable continúa. Su valor corresponde a la relación: Siniestralidad = Siniestros Incurridos − Salvamentos + Gastos de Siniestros Pr imas Pagadas X 100 donde, Siniestros Incurridos: Es el monto de las indemnizaciones pagadas y pendientes de pago, por siniestros que hayan afectado certificados de seguro expedidos para amparar despachos efectuados durante el “periodo anual para el cálculo del porcentaje de siniestralidad” Salvamentos: Es el valor resultante de descontar del valor de venta del mismo los gastos realizados por la compañía, tales como los necesarios para la recuperación y comercialización de dicho salvamento. Gastos de Siniestros: Son los gastos en que incurre la compañía para el estudio o atención de los siniestros incurridos, tales como honorarios de ajustador o investigador. Descripción del Problema 20 Primas Pagadas: Es el valor de las primas pagadas a la compañía (sin impuesto a las ventas) de los certificados de seguro expedidos para amparar despachos efectuados durante el “período anual para el cálculo de porcentaje de siniestralidad”. Unidad de medida: Porcentaje (%) • Tasa de Siniestros: Variable continua que se calcula dividiendo el número de viajes que ha realizado el cliente sobre el número de siniestros reportados por el cliente más 127, teniendo entonces la siguiente ecuación: Tasa de Siniestros = # Viajes # Siniestros + 1 2.2.4 Inputs • Actividad: Variable discreta cualitativa. Esta variable refleja el sector productivo en que actúa el potencial del cliente, con el propósito de alinear el negocio de seguros con los sectores de la economía. (Ver anexo B) • Trayecto: Variable discreta cualitativa. Esta variable indica el lugar de origen y el lugar de destino de la mercancía que será transportada. En el anexo C se puede ver una tabla con los diferentes trayectos nacionales, así como un valor que se le asigna a cada trayecto. • Tipo de Mercancía: Variable discreta que indica el tipo de Mercancía que se va a transportar. En el anexo D se muestra una tabla donde aparecen la mayoría de las mercancías que se transportan. • Edad de la Flota: Variable continúa. Según el Sistema de Información de Operación del Transporte de Carga, SIOTCA, la edad promedio del parque automotor es de 24 años, siendo los vehículos rígidos de 2 ejes del servicio particular los de mayor edad con 26 años, mientras que las tractomulas tienen una edad promedio de 17 años. En base a estos datos se calcula el valor estimado de esta variable para la base de datos y posteriormente se crea una tabla donde se asignan valores para utilizar en el análisis DEA (ver tabla 4). Unidad de medida: años • Porcentaje de Flota no Propia: Variable continúa que indica la cantidad en porcentaje de utilización de recursos externos (vehículos) a la compañía. En caso de 27 Se le suma 1 al denominador para evitar una posible división entre 0, cuando un cliente no ha presentado ningún siniestro. Descripción del Problema 21 que la compañía solo utilice vehículos propios para transportar sus mercancías esta variable tomara el valor de 0, y si por el contrario no cuenta con ningún vehículo propio el valor será 100. • Modalidad de Cobertura de Riesgos28: Variable discreta que indica el tipo de cobertura que el cliente solicitó en la póliza. Los tipos de cobertura son: o Cobertura Completa (CC): Esta denominación contempla los riesgos de pérdida o daño material de los bienes transportados, que se produzcan con ocasión de su transporte. o Avería Particular (A.P): Esta denominación contempla los daños a los bienes asegurados que sean consecuencia de eventos diferentes a; 1) Incendio, Rayo, Explosión o hechos tendientes a extinguir el fuego originado por tales causas. 2) Accidentes que sufra el vehículo transportador o el vehículo asegurado cuando éste se movilice por sus propios medios. o Saqueo (S): Esta denominación contempla: 1) La sustracción parcial o total del contenido de bultos, cajas, bolsas u otra clase de empaque. 2) La sustracción de alguna parte integrante de los bienes asegurados cuando no tengan empaque. o Falta de Entrega (F.E): Esta denominación contempla, la no entrega por extravío o por hurto calificado, según su definición legal, de uno o más bultos completos (contenido y empaque) en que se halle dividido el despacho, de acuerdo con los documentos de transporte. o Sin Avería Particular (S/AP): Esta denominación contempla “Cobertura Completa”, con exclusión del riesgo de “Avería Particular”. o Sin Saqueo (S/S): Esta denominación contempla “Cobertura Completa”, con exclusión del riesgo de “Saqueo”. o Sin Avería Particular y Sin Saqueo (S/APyS): Esta denominación contempla “Cobertura Completa”, con exclusión de los riesgos de “Avería Particular” y “Saqueo”. o Sin Falta de Entrega, Sin Avería Particular y Sin Saqueo (S/FE, APyS): Esta denominación contempla “Cobertura Completa”, con exclusión de los riesgos de “Falta de Entrega”, “Avería Particular” y “Saqueo”. En la Tabla 3 se asignan valores de acuerdo a la modalidad de cobertura29: 28 29 Estas coberturas son las que aparecen en la tarifa de FASECOLDA. Estos valores fueron asignados soportándose en la Tarifa de FASECOLDA. Descripción del Problema 22 Modalidad de Cobertura Cobertura Completa (CC) Avería Particular (A.P) Saqueo (S) Falta de Entrega (F.E) Sin Avería Particular (S/AP) Sin Saqueo (S/S) Sin Avería Particular y Sin Saqueo (S/APyS) Sin Falta de Entrega, Sin Avería Particular y Sin Saqueo (S/FE,APyS) Valor Asignado 80 30 40 20 70 60 50 10 Tabla 3 • Cantidad de Mercancía: Variable cuantitativa que indica la cantidad de mercancía que será asegurada durante el transporte. Unidad de medida: Toneladas (Tn). • Valor Declarado de la Mercancía: Variable continúa que expresa el costo de la mercancía que se transportará. Unidad de medida: Pesos colombianos ($). • Límite Superior de Cobertura Automática (LSC): La descripción de esta variable se encuentra en el numeral 2.1.2 referente a la venta de pólizas. • Límite Inferior de Cobertura (LIC): La descripción de esta variable se encuentra en el numeral 2.1.2 referente a la venta de pólizas. CAPITULO 3 METODOLOGIA DE SOLUCION En este capítulo se expone la metodología desarrollada para encontrar soluciones al problema del presente estudio. 3.1 CONSTRUCCION DE LA BASE DE DATOS En el momento en que un cliente solicita asegurar una mercancía, hay una gran variedad de factores que se deben tener en cuenta para determinar el valor de la prima o la tarifa que se le va a cobrar a dicho cliente, por tal razón se debe comenzar primero que todo por determinar cuáles son las variables de cada cliente que se consideran importantes o que puedan influir en la seguridad de la mercancía y que además sean requeridas en el momento de calcular la tarifa. Posteriormente se debe proceder a asignar valores cuantitativos a cada una de esas variables teniendo en cuenta que a mayor valor habrá mayor riesgo de que ocurra un siniestro durante el transporte de la mercancía. Cuando se tienen cuantificados los inputs y outputs se procede a invertir el valor de los outputs, debido a que un valor mayor de outputs sería negativo para la empresa, ya que están aumentando la siniestralidad y el número de siniestros anuales, esto se observa mas explícitamente en el siguiente numeral. 3.1.1 Cálculo para cada una de las variables Los cálculos para cada una de las variables de los diferentes clientes se realizaron de la siguiente manera: Se tomará como ejemplo el cliente 1 de la base de datos: Siniestralidad: En los datos históricos de este cliente se tiene lo siguiente: Primas pagadas: $49.976.161. Salvamentos: $0. 23 Metodología de Solución 24 Gastos de Siniestros: $308.200 Siniestros incurridos: $44.484.411. Por lo tanto el valor de la siniestralidad para este cliente es de 89.62%, que se calcula de la siguiente manera: Según la ecuación para el cálculo de siniestralidad, que se encuentra en el numeral 2.2.2, se tiene: Siniestralidad = 44.484.411 - 0 + 308.200 X 100 = 89.62% 49.976.161 Entre mayor sea este porcentaje mayor será el riesgo que se corre al asegurar esa mercancía, o sea menos eficiente será el cliente. DEA propone con menores inputs alcanzar mejores outputs para lograr una eficiencia mayor, por consiguiente es necesario invertir el valor de esta variable. En el análisis se debe considerar que entre mayor sea este valor invertido mejor será la eficiencia. Para esto simplemente se divide 1 sobre el valor de la variable, como se observa a continuación: Siniestralidad = 1 = 1.1 0.8962 Siendo este el nuevo valor para utilizar en el análisis, 1.1. Tasa de Siniestros: Esta compañía presenta 4 casos de siniestros hasta el momento y ha realizado 17 viajes con cubrimiento por parte de la compañía aseguradora. Entonces según la ecuación para el cálculo de la tasa de siniestros, que se encuentra en el numeral 2.2.2, se tiene: Tasa de Siniestros = En la base de datos se utilizará este valor 3.4 17 = 3.4 4 +1 Metodología de Solución 25 Actividad: En este caso el cliente se dedica a la producción y comercialización de lacas, esmaltes, vinilos y barnices. Si se observa en el anexo B, esta empresa se puede clasificar en el sector secundario o industrial de transformación en el grupo otros, el cual tiene un valor de 50. Trayecto: El cliente desea asegurar su mercancía en el trayecto Bogotá (Cundinamarca)-Medellín (Antioquia), al observar la tabla de trayectos en el anexo C, el valor para este trayecto es de 2.70, que será el valor para el análisis de eficiencia. Tipo de Mercancía: La mercancía que se transportará serán vinilos. Para determinar el valor que se asignará a este tipo de mercancías se debe revisar el anexo D, numeral 158 correspondiente a pinturas, donde el valor asignado es de 7. Edad de la Flota: Para este caso la mercancía será transportada en una tracto mula modelo 1985, por lo cual se puede afirmar que la edad de la flota es de 19 años. A continuación se presenta la tabla donde se asignan valores dependiendo la edad de la flota. Rango de Edad de la Flota Menor o igual a 5 años Entre 6-10 años Entre 11-15 años Entre 16-20 años Más de 20 años Valor Asignado 5 10 15 20 25 Tabla 4 Según la Tabla 4 el valor que se tomaría para el análisis de este cliente será 20. Porcentaje de Flota Propia: Esta compañía cuenta con 3 camiones propios y esta utilizando 6 camiones de una compañía transportadora, por lo que el valor para esta variable es de 66.7%, que se obtiene del siguiente cálculo: % Flota no Pr opia = 6 X 100 = 66.7% 6+3 Modalidad de Cobertura de Riesgo: El cliente solicita la póliza con cobertura contra todo riesgo, es decir cobertura completa (CC), para determinar el valor cuantitativo que se le debe asignar a dicha variable, consultar Tabla 3, para el caso de cobertura completa se observa que este valor es de 80. Metodología de Solución 26 Cantidad de Mercancía: Este cliente transportará 32 Toneladas (Tn). Valor Declarado de la Mercancía: La mercancía que se transportará tiene un costo total según el cliente de $85.000.000. Limite Superior de Cubrimiento Automático (LSC): La determinación de esta variable es un convenio que se hace según las necesidades del cliente y la capacidad de la aseguradora. Esta compañía tiene pactado con la aseguradora un límite de cobertura automático de $150.000.000. En caso de que este límite se sobrepase se debe proceder a emitir una póliza especial. Limite Inferior de Cobertura (LIC): El valor de esta variable corresponde al 6% del límite superior de cubrimiento, entonces para este caso se tiene: Limite Inferior de Cobertura = $150.000.000 X 0.06 = $9.000.000 Esto quiere decir que mercancías por encima o iguales a $9.000.000 son cubiertas por la compañía aseguradora, siniestros por debajo de este valor son asumidos por el cliente. Este fue el mecanismo utilizado para la creación de la base de datos. Metodología de Solución 27 3.2 ANALISIS DEA Como se ha dicho anteriormente, la técnica DEA pretende determinar una frontera eficiente, un lugar geométrico o conjunto de valores solución que dominan, envuelven, al resto de valores analizados. Cada valor situado en la frontera de eficiencia es considerado una unidad organizativa o unidad de decisión (DMU’s), eficiente, mientras que el resto situadas dentro del conjunto limitado por dicho conjunto eficiente, son catalogadas como ineficientes. En el numeral 1.3.1 se puede ver una descripción más profunda de la técnica de Análisis de Envolvente de Datos (DEA). 3.2.1 Descripción del problema utilizado en las pruebas El problema consiste en que el cliente 1(antiguo)30 necesita saber cuál es el valor de la tarifa que se le va a cobrar por asegurar su mercancía. Todos los cálculos para obtener los datos de este cliente se pueden observar detalladamente en el numeral 3.1.1. Para la solución de este problema se han utilizado dos versiones de prueba o demo de dos herramientas computacionales, GAMS y FRONTIER, debido a que la versión de prueba de Frontier tiene una restricción de 12 Unidades Organizacionales, se ha decidido realizar una prueba simultáneamente con GAMS, para los 12 primeros clientes y así poder comparar los resultados, posteriormente se da solución al problema en GAMS para los 100 clientes y se analizan los resultados. 30 Cliente antiguo se refiere a un cliente del cual se pueden tener datos históricos ya que anteriormente ha asegurado mercancía. Cuando el cliente es nuevo se debe realizar un procedimiento especial ya que no se tienen datos históricos de siniestralidad y numero de siniestros anuales, para mas información acerca de este caso especial remitirse al numeral 3.2.1.2. Metodología de Solución 28 3.2.1.1 Prueba 1 Para esta prueba se tomarán datos de 12 clientes, los cuales aparecen en la Tabla 5. BASE DE DATOS(Prueba 1) Tabla 5 LIC(Limite Inferior de Cobertura) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,67 0,91 0,93 0,14 0,25 0.90 0,31 0,27 0,63 0,71 0,10 0,88 Millones($) 20 15 20 25 10 10 20 20 5 15 25 20 Millones($) 17 11 20 23 10 7 16 19 1 11 23 19 Cantidad Mercancía 80 60 80 80 70 50 80 80 40 20 80 70 Toneladas 7 7 5 4 9 6 5 11 7 5 4 11 %Flota No Propia 2,7 2,7 1,18 1,16 0,1 0,54 0,5 2,24 0,54 0,62 0,18 0,16 Edad de la Flota 50 90 90 20 50 30 90 100 50 20 30 70 V. Asignado 4,69 7,10 7,56 6,40 3,08 3,13 4,20 3,41 22,00 17,20 8,00 4,50 Años #Via./(#Sin.+1) 12 9 8 4 11 7 9 21 0 4 2 7 Modalidad de Cobertura #Siniestros 61 71 68 32 37 25 42 75 22 86 24 36 Tipo de Mercancía #Viajes 1,1 2,9 3,2 5,9 1,2 8,3 1,3 2,9 25,0 2,8 2,0 1,1 Trayecto Invertido 0,89 0,34 0,31 0,17 0,81 0,12 0,78 0,35 0,04 0,36 0,50 0,88 Actividad Siniestralidad Real Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Inputs Tasa de Siniestros Outputs 32 20 15 15 9 34 9 32 10 16 3 20 85 79 58 32 72 72 41 53 8 17 7 112 150 100 60 50 80 80 50 60 20 30 20 120 9 6 3,6 3 4,8 4,8 3 3,6 1,2 1,8 1,2 7,2 Metodología de Solución 29 Operabilidad del software de apoyo Cuando se planteo el objetivo de lograr que el software de apoyo operara a nivel de los usuarios finales, no se tenia conocimiento de el software que se utilizaría para las pruebas, posteriormente durante el desarrollo del proyecto se realizó una búsqueda y análisis de los software que se podrían utilizar para resolver el modelo de DEA, y afortunadamente se encontró Frontier, que es una interfaz al usuario y es bastante amigable, lo que facilita el cumplimiento de este objetivo en el proyecto. Los usuarios finales que serán los agentes de seguros, no deben tener conocimientos profundos de los dos software de apoyo utilizados (Frontier y GAMS) en este proyecto, simplemente se recomienda recibir una breve capacitación de la interpretación de los resultados arrojados para de esta manera poder justificar las tarifas a cobrar a cada uno de los clientes. Para lograr que el software opere a nivel de los usuarios finales se decidió dar las siguientes instrucciones básicas: 1. En ambas herramientas computacionales lo único que debe hacer el agente de seguros es alimentar la base de datos y posteriormente correr el programa. 2. Frontier brinda varias opciones para cargar los datos, como: copiar y pegar desde un documento externo, usar la selección actual desde Excel, importar desde un archivo de un disco o simplemente digitar cada uno de los datos manualmente. 3. En GAMS se deben cargar los datos en el código o simplemente se puede hacer una interfaz a Excel, lo cual es más recomendable ya que al manipular el código existe el riesgo de ser alterado involuntariamente. 4. Finalmente después de que se ha alimentado la base de datos se procede a correr el modelo y al análisis de los resultados, para correr el modelo en Frontier y GAMS simplemente basta con presionar la tecla F5. Si se desea profundizar más en el funcionamiento de estos software se recomienda visitar las siguientes páginas web donde se puede obtener acceso a manuales y tutoriales bastante completos y gratuitos: www.banxia.com (Frontier) y www.gams.com (GAMS). Metodología de Solución 30 3.2.1.1.1 Solución en el Software Frontier Descripción de Frontier Analyst Este software es una herramienta de análisis de eficiencia basado en Windows, que utiliza la técnica de análisis de envolvente de datos (DEA) para calcular el desempeño relativo de las unidades organizacionales, que realizan funciones similares. Es, por lo tanto diseñado para usar en organizaciones que operan a través de un sistema de salidas (tales como vendedores al detal, bancos, franquicias, etc) y también es bastante útil para organizaciones del sector público u organizaciones sin ánimo de lucro, como hospitales, escuelas, etc. La técnica DEA es bastante útil en el sector público donde se requieren otras medidas diferentes a las puramente financieras, tales como evaluar el desempeño de funcionamiento. Como parte del análisis son identificadas las entradas (recursos) y salidas (productos) asociadas con los procesos de negocios. Estas son clasificadas como variables controlables e incontrolables. Un cociente de salida sobre entrada es calculado para todas las variables, lo cual da como resultado la eficiencia para cada una de las unidades que están siendo analizadas. La comparación se realiza por pares y por esto las mejoras potenciales identificadas para las unidades ineficientes deben ser realistas y en gran parte realizables. Frontier permite varias opciones para cargar los datos que serán analizados, pueden entrarse datos desde una hoja de cálculo o copiar y pegar desde una base de datos, permitiendo así utilizar datos ya existentes y agilizar de esta manera la entrada de datos. También es posible entrar manualmente dato por dato. En este software también es posible usar varias tablas de comparación y gráficos fáciles de entender, donde se muestra información acerca de las unidades organizacionales que están siendo comparadas. Con este software se puede realizar: • Estudios comparativos de eficiencia. • Visualizar información relevante. • Obtener información para planeación estratégica. • Asignar recursos más eficientemente. • Identificar oportunidades para lograr desempeños óptimos. Metodología de Solución 31 Análisis de los resultados obtenidos con FRONTIER Al correr el modelo para los doce clientes se obtuvieron los siguientes resultados, a continuación se muestra en el Gráfico 2 cómo presenta FRONTIER estos resultados. Gráfico 2 Metodología de Solución 32 Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Eficiencia Relativa 21.09% 30.47% 45.06% 100% 71.07% 55.33% 31.68% 28.94% 100% 100% 100% 63.85% Tabla 6 La Tabla 6 muestra los mismos resultados del Gráfico 2, en esta tabla se puede observar que los cliente 4, 9,10 y 11 tiene un comportamiento relativamente eficiente, también se observa que el cliente 1 tiene una eficiencia relativa de 21.09%, la cual es la más baja de todas por lo que este es el cliente menos eficiente relativamente. Metodología de Solución 33 Gráfico 3 El Gráfico 3 muestra una distribución de puntajes de eficiencia, se puede ver por ejemplo que existen 4 Unidades Organizacionales que tienen un comportamiento relativamente eficiente, también se puede observar que existen 3 unidades organizacionales que poseen una eficiencia relativa entre el 21% y el 30%. Metodología de Solución 34 Gráfico 4 El Gráfico 4 muestra el número de veces que las unidades eficientes han sido utilizadas como referencia. Frecuentemente las unidades de referencia pueden ser un ejemplo de las mejores prácticas, en este caso se observa que el cliente 9 se ha utilizado 8 veces como referencia. Metodología de Solución 35 Gráfico 5 Frontier nos permite visualizar el coeficiente de correlación entre los diferentes inputs y outputs, esto permite escoger mejor la información para el análisis, si dos variables tienen coeficiente de correlación 1, quiere decir que es suficiente con utilizar sólo una de las dos. Si se observa el Gráfico 5, en el que se analiza la variable LSC contra la variable LIC se puede ver que el coeficiente de correlación es de 1, lo cual nos indica que con analizar una de las dos variables es suficiente. Metodología de Solución 36 Gráfico 6 El Gráfico 6 permite visualizar la distribución de las eficiencias de cada unidad organizativa para cada uno de los inputs y outputs. En este gráfico se ve la distribución para la variable de siniestralidad. Metodología de Solución 37 Gráfico 7 En el Gráfico 7 se observan las mejoras potenciales totales para los inputs y outputs. Es decir este gráfico nos muestra donde se deben realizar mejoras para aumentar la eficiencia. Una pequeña cantidad nos indica que existe poco potencial de mejoras, como en el caso del input “Edad de la Flota”, que posee un valor de -7.06%, en cambio una gran cantidad nos indica que hay un gran potencial de mejora, como ocurre por ejemplo con el output “Siniestralidad”, que tiene un valor de 7.98% Metodología de Solución 38 Gráfico 8 El Gráfico 8 presenta el potencial de mejoras en cada input y output. Las reducciones aparecen en la izquierda y los incrementos en la derecha. Este gráfico muestra el análisis para el cliente 2. Estos datos también se pueden visualizar como tabla, a continuación en la Tabla 7, se observa. Tabla 7 Metodología de Solución 39 Gráfico 9 El Gráfico 9 muestra la eficiencia de cada cliente en comparación con los pares (peers) eficientes. Para el cliente 1 se observa que los pares eficientes son los clientes 9 y 10, en este caso el gráfico realiza la comparación entre el cliente 1 y el 10. El desempeño relativo es mostrado para cada output e input y así realizar la comparación de una manera sencilla. Metodología de Solución 40 Gráfico 10 El Gráfico 10 permite visualizar la influencia de las unidades de referencia sobre el valor de la eficiencia, esto permite juzgar completamente la referencia de comparación. En este caso se están analizando los clientes de referencia del cliente 7, se puede observar claramente que el cliente 4(verde), tiene mayor influencia que los clientes 1, 9 y 11 al determinar los targets en el potencial de mejoras. Metodología de Solución 41 Gráfico 11 El Gráfico 11 muestra la influencia de la unidad de referencia sobre el puntaje de eficiencia, esto permite observar el potencial de mejoramiento completamente. Para el caso del cliente 2 se puede observar que el Tipo de Mercancía (92%) tiene mayor influencia sobre el puntaje que la Edad de la Flota (8%). En esta prueba con FRONTIER ANALYST, se puede ver entonces la gran utilidad de esta herramienta y la forma tan explícita como muestra los resultados del análisis. El procedimiento a seguir es determinar la tarifa a cobrar para cada uno de los clientes con base en dichas eficiencias relativas obtenidas, para ello se decidió utilizar la siguiente formula31: 31 El valor 0.005 es un porcentaje estándar de las primas de seguros que se cobran actualmente, en el momento de implementación en una compañía, este valor se puede cambiar dependiendo de las políticas de la aseguradora. Metodología de Solución 42 Tarifa a cobrar = 1 X 0.005 X Valor de la Mercancía Eficiencia Re lativa Entonces se tiene: Tarifas Prueba 1 Cliente 1 2 3 4 5 6 7 8 9 10 11 12 Eficiencia Relativa Valor de la Mercancía 0,21 0,3 0,45 1 0,71 0,55 0,32 0,29 1 1 1 0,64 $ 85.000.000 $ 79.000.000 $ 58.000.000 $ 32.000.000 $ 72.000.000 $ 72.000.000 $ 41.000.000 $ 53.000.000 $ 8.000.000 $ 17.000.000 $ 7.000.000 $ 112.000.000 Tarifa ($) $ 2.023.810 $ 1.316.667 $ 644.444 $ 160.000 $ 507.042 $ 654.545 $ 640.625 $ 913.793 $ 40.000 $ 85.000 $ 35.000 $ 875.000 (%) 2,38% 1,67% 1,11% 0,50% 0,70% 0,91% 1,56% 1,72% 0,50% 0,50% 0,50% 0,78% Normalmente Diferencia Pagaria Aprox. ($) (%) ($) (%) $ 425.000 0,50% $ 1.598.810 1,88% $ 395.000 0,50% $ 921.667 1,17% $ 290.000 0,50% $ 354.444 0,61% $ 160.000 0,50% $ 0 0,00% $ 360.000 0,50% $ 147.042 0,20% $ 360.000 0,50% $ 294.545 0,41% $ 205.000 0,50% $ 435.625 1,06% $ 265.000 0,50% $ 648.793 1,22% $ 40.000 0,50% $ 0 0,00% $ 85.000 0,50% $ 0 0,00% $ 35.000 0,50% $ 0 0,00% $ 560.000 0,50% $ 315.000 0,28% Tabla 8 En la Tabla 8 se puede observar que los clientes que tienen una eficiencia relativa menor a 1 se penalizan incrementando el valor de la tarifa que normalmente pagarían por el seguro. Si el cliente tiene una eficiencia relativa de 1 se le cobrará la tarifa como normalmente pagaría. En el momento de implementar este modelo en una compañía aseguradora se puede cambiar un poco esta parte, por ejemplo si la compañía cree conveniente que un cliente que se comporta relativamente eficiente, pague menos del valor que normalmente pagaría, como incentivo por su gran comportamiento, simplemente se ajusta la ecuación de la tarifa. Este es un modelo prototipo por lo que es flexible a la hora de su implementación. Metodología de Solución 43 3.2.1.1.2 Solución en el Software GAMS Descripción de GAMS (General Algebraic Modeling System) El sistema general de modelación algebraica GAMS, es un sistema de modelación de alto nivel para problemas de programación matemática. GAMS está compuesto por un lenguaje de compilación y un solver integrado de alto desempeño. GAMS se adapta para la aplicación de modelos complejos y a gran escala y permite la construcción de modelos estables que se pueden adaptar rápidamente a nuevas situaciones. Algunas características de GAMS son: • Proporciona un lenguaje de alto nivel para la representación compacta de modelos grandes y complejos. • Permite que los cambios se realicen en las especificaciones del modelo de una manera simple y segura. • Permite declaraciones inequívocas entre las relaciones algebraicas. • Permite descripciones del modelo, independientes a los algoritmos de solución. El diseño de GAMS ha incorporado ideas extraídas de la teoría de bases de datos relacionales y programación matemática, procurando combinar estas ideas para satisfacer las necesidades de los modeladores estratégicos. La teoría de bases de datos relacionales proporciona un marco estructurado para desarrollar capacidades generales de la organización y de la transformación de los datos. La programación matemática proporciona una manera de describir un problema y una variedad de métodos para solucionarla. Los siguientes principios fueron utilizados en diseño del sistema de GAMS: • Todos los métodos algorítmicos existentes deben estar disponibles sin cambiar la representación del modelo del usuario. La introducción de nuevos métodos, o de nuevas implementaciones de métodos existentes, debe ser posible sin requerir cambios en modelos existentes. • El problema de optimización debe ser expresable independientemente de los datos que el use. Esta separación de la lógica y de los datos permite que un problema sea aumentado de tamaño sin causar un aumento en la complejidad de la representación. • El uso de modelos relacionales de datos requiere que la asignación de los recursos de la computadora esté automatizada. Esto significa que los modelos grandes y complejos se pueden construir sin el usuario que tiene que Metodología de Solución 44 preocuparse de los detalles tales como tamaños de arreglos y marcas de almacenaje. La representación del modelo de GAMS se hace de forma que se pueda leer fácilmente por las personas y por las computadoras. Esto significa que el programa en GAMS es la misma documentación del modelo, y que la descripción separada que se requería en el pasado ya no es necesaria. Por otra parte, el diseño de GAMS incorpora las siguientes características que tratan específicamente las necesidades de documentación del usuario: • La representación de un modelo en GAMS es concisa, y hace uso completo de la elegancia de la representación matemática. • Todas las transformaciones de los datos se especifican concisa y algebraicamente. Esto significa que todos los datos se pueden incorporar en su forma más elemental y que todas las transformaciones hechas en la construcción del modelo y en la divulgación están disponibles para la inspección. • El texto explicativo puede hacer parte de la definición de todos los símbolos y se reproduce siempre que se exhiban los valores asociados. • Toda la información necesitada para entender el modelo está en un documento. Por supuesto se requiere una cierta disciplina para tomar ventaja de estas características del diseño, pero la idea es hacer modelos más accesibles, más comprensibles, más comprobables, y por lo tanto más confiables. Una de las grandes ventajas de GAMS es su portabilidad, ya que el sistema de GAMS está diseñado para poder solucionar modelos en diversos tipos de computadoras sin tener que realizar cambios. Es decir si un modelo se convirtió en un ordenador personal pequeño se puede solucionar más adelante en un computador con mayor potencia. Una persona puede desarrollar un modelo para que sea utilizado más adelante por otras, que pueden ser físicamente distantes del revelador original. En contraste con los acercamientos anteriores, solamente un documento necesita ser movido, la declaración del modelo en GAMS, la cual contiene todos los datos y especificaciones lógicas necesitados para solucionar el modelo. Respecto a la portabilidad también se tienen algunas implicaciones para la interfaz al usuario. El sistema básico de GAMS está orientado al archivo, por lo que no existe ningún redactor especial o rutinas gráficas de las entradas y las salidas. Es responsabilidad del usuario aprender otro método para editar los comandos, GAMS ofrece una arquitectura abierta en la cual cada usuario pueda utilizar el procesador de textos o editor de su preferencia. Esta interfaz al usuario facilita la integración de GAMS con una variedad de existentes y futuros entornos del usuario. Metodología de Solución 45 Para la solución del modelo, se debe repetir la solución del problema de programación lineal en DEA para cada DMU, en el código de GAMS simplemente se utiliza un loop para realizar esta repetición, a continuación se muestra el código en GAMS. Código en GAMS32 $title Analisis de Envolvente de Datos $ontext Prueba 1, para 12 clientes El Análisis de Envolvente de Datos (DEA) es una técnica para medir la eficiencia relativa de las unidades organizacionales donde la presencia de múltiples entradas y salidas hace que esta comparación sea compleja. Eficiencia = Suma ponderada de salidas / Suma ponderada de las entradas En este modelo se presenta la formulación del problema primal y dual. $offtext sets i j unidades organizacionales (DMUs) / 1*12/ inputs and outputs / Sin, TSin, Act, Tycto, TMncia, MCob, EFlota, PFnoPropia, CMcia, VDecMcia, LSC, LIC / inp(j) inputs / Sin, TSin / outp(j) outputs / Act, Tycto, TMncia, MCob, EFlota, PFnoPropia, CMcia, VDecMcia, LSC, LIC / Table data(i,j) 32 Sin TSin Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 1 1.1 4.69 50 2.70 7 80 20 0.67 32 85 150 9 2 2.9 7.10 90 2.70 7 60 15 0.91 20 79 100 6 3 3.2 7.56 90 1.18 5 80 20 0.93 58 60 3.6 15 Este es el código exacto que se encuentra en el software GAMS, por lo que se pueden encontrar errores ortográficos ya que GAMS no permite poner tildes, ni comillas, ni otros símbolos ortográficos. Metodología de Solución 46 Sin TSin Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 4 5.9 6.40 20 1.16 4 80 25 0.14 15 32 50 3 5 1.2 3.08 50 0.10 9 70 10 0.25 9 72 80 4.8 6 8.3 3.13 30 0.54 6 50 10 0.90 34 72 80 4.8 7 1.3 4.20 90 0.50 5 80 20 0.31 9 41 50 3 8 2.9 3.41 100 2.24 11 80 20 0.27 32 53 60 3.6 9 25.0 22.0 50 0.54 7 40 5 0.63 10 8 20 1.2 10 2.8 17.2 20 0.62 5 30 15 0.71 16 17 30 1.8 11 2.0 8.00 30 0.18 4 80 25 0.10 3 7 20 1.2 12 1.1 4.50 70 0.16 11 70 20 0.88 20 112 120 7.2 parameter x0(inp) inputs DMU jo y0(outp) Outputs DMU jo X(inp,i) inputs DMU i y(outp,i) outputs DMU i positive variables v(inp) pesos de los inputs u(outp) pesos de los outputs Variable eff Eficiencia equations objetivo Funcion objetivo:maximiza la eficiencia normalizacion Normaliza los pesos de los inputs restriccion (i); objetivo.. eff =e= sum(outp, u(outp)*y0(outp)); Metodología de Solución normalizacion.. sum(inp, v(inp)*x0(inp))=e=1; restriccion (i).. sum(outp, u(outp)*y(outp,i))=l=sum(inp, v(inp)*x(inp,i)); model dea /objetivo, normalizacion, restriccion/; alias (i,iter); x(inp,i)=data(i,inp); y(outp,i)=data(i,outp); parameter eficiencia(i) loop (iter, x0(inp)=x(inp,iter); y0 (outp)=y(outp,iter); solve dea using lp maximizing eff; eficiencia(iter)=eff.l; ); set r /rnk1*rnk1000/; parameter rank(i); alias (i,ii); rank(i) = sum(ii$(eficiencia(ii)>=eficiencia(i)), 1); parameter eficiencia2(r,i); eficiencia2(r,i)=eficiencia(i)$(rank(i)=ord(r)); option eficiencia2:4:0:1; display eficiencia2; $eolcom // option limcol=0 limrow=0 // no column listing // no row listing solveopt=replace; // don't keep old var and equ values display eficiencia; 47 Metodología de Solución 48 Presentación de los Resultados en GAMS GAMS Rev 133 Windows NT/95/98 09/14/04 17:11:46 Page 77 Analisis de Envolvente de Datos Execution ---- 148 PARAMETER eficiencia2 rnk1 .10 1.0000 rnk4 .4 1.0000 rnk4 .9 1.0000 rnk4 .11 1.0000 rnk5 .5 0.7108 rnk6 .12 0.6385 rnk7 .6 0.5533 rnk8 .3 0.4507 rnk9 .7 0.3169 rnk10.2 0.3047 rnk11.8 0.2894 rnk12.1 0.2110 ---- 96 PARAMETER eficiencia 1 0.211, 2 0.305, 3 0.451, 4 1.000, 5 0.711, 7 0.317, 8 0.289, 9 1.000, 10 1.000, 11 1.000, EXECUTION TIME = 0.020 SECONDS 6 0.553 1.6 Mb 12 0.639 WIN207-133 USER: GAMS Development Corporation, Washington, DC G871201:0000XX-XXX Free Demo, 202-342-0180, [email protected], www.gams.com DC9999 Metodología de Solución 49 De acuerdo a la programación en GAMS, se pueden obtener detalles, como ecuaciones, pesos de las variables, y otras opciones que el usuario desee. Pero para este caso solo se muestra la parte que interesa que es el valor de la eficiencia para los diferentes clientes. Si desea observar los otros detalles se debe correr el programa en GAMS y allí se pueden observar todos los detalles que nos muestra GAMS. 3.2.1.2 CASO ESPECIAL Cuando un cliente nuevo desea asegurar determinada mercancía es posible obtener todos sus inputs, pero al no tener datos históricos de dicho cliente no es posible obtener sus outputs. El procedimiento que se sugiere seguir para este caso especial consiste en buscar en la base de datos, clientes con las mismas características y promediar sus outputs y asignar dicho promedio a este cliente, en caso que ningún cliente tenga las mismas características se recomienda penalizar este cliente asignando valores muy altos para sus outputs o simplemente se sugiere emitir una póliza especial para dicho cliente (ver numeral 1.2.3 Venta de Pólizas). Si se logran obtener los datos completos para este cliente nuevo se procede a correr el modelo igual que en la prueba 1. Metodología de Solución 50 3.2.1.3 Análisis de Sensibilidad Con este análisis se pretende mostrar como DEA asigna los pesos de la forma más favorable para cada DMU. BASE DE DATOS 32 20 15 15 9 34 9 32 10 16 3 20 85 79 58 32 72 72 41 53 8 17 7 112 150 100 60 50 80 80 50 60 20 30 20 120 9 6 3,6 3 4,8 4,8 3 3,6 1,2 1,8 1,2 7,2 Eficiencia Relativa LIC(Limite Inferior de Cobertura) Millones($) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,67 0,91 0,93 0,14 0,25 0,90 0,31 0,27 0,63 0,71 0,10 0,88 Millones($) 20 15 20 25 10 10 20 20 5 15 25 20 Cantidad Mercancía 80 60 80 80 70 50 80 80 40 20 80 70 Toneladas 7 7 5 4 9 6 5 11 7 5 4 11 %Flota No Propia 2,7 2,7 1,18 1,16 0,1 0,54 0,5 2,24 0,54 0,62 0,18 0,16 Edad de la Flota Modalidad de Cobertura 50 90 90 20 50 30 90 100 50 20 30 70 V. Asignado Tipo de Mercancía 4,69 7,10 7,56 6,40 3,08 3,13 4,20 3,41 22,00 17,20 8,00 4,50 Trayecto 1,1 2,9 3,2 5,9 1,2 8,3 1,3 2,9 25,0 2,8 2,0 1,1 Inputs Actividad Tasa de Siniestros Siniestralidad #Via./(#Sin.+1) 1 2 3 4 5 6 7 8 9 10 11 12 Invertido Cliente Outputs 21,09% 30,47% 45,06% 100,00% 71,07% 55,33% 31,68% 28,94% 100,00% 100,00% 100,00% 63,85% Tabla 9 En la Tabla 9 se observa que el cliente 6 tiene un comportamiento intermedio en la mayoría de las variables excepto en el output tasa de siniestros, por lo que se cree conveniente que tanto se esta castigando a este cliente por tener este valor poco favorable, entonces lo que se propone es incrementar esta variable notoriamente para observar como DEA la esta teniendo en cuenta. A continuación en la Tabla 10 se encuentra como varía el puntaje de eficiencia del cliente 6 al aumentar notablemente el valor del output tasa de siniestros. Metodología de Solución 51 BASE DE DATOS 32 20 15 15 9 34 9 32 10 16 3 20 85 79 58 32 72 72 41 53 8 17 7 112 150 100 60 50 80 80 50 60 20 30 20 120 9 6 3,6 3 4,8 4,8 3 3,6 1,2 1,8 1,2 7,2 Eficiencia Relativa LIC(Limite Inferior de Cobertura) Millones($) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,67 0,91 0,93 0,14 0,25 0,90 0,31 0,27 0,63 0,71 0,10 0,88 Millones($) 20 15 20 25 10 10 20 20 5 15 25 20 Cantidad Mercancía 80 60 80 80 70 50 80 80 40 20 80 70 Toneladas 7 7 5 4 9 6 5 11 7 5 4 11 %Flota No Propia 2,7 2,7 1,18 1,16 0,1 0,54 0,5 2,24 0,54 0,62 0,18 0,16 Edad de la Flota Modalidad de Cobertura 50 90 90 20 50 30 90 100 50 20 30 70 V. Asignado Tipo de Mercancía 4,69 7,10 7,56 6,40 3,08 7,50 4,20 3,41 22,00 17,20 8,00 4,50 Trayecto 1,1 2,9 3,2 5,9 1,2 8,3 1,3 2,9 25,0 2,8 2,0 1,1 Inputs Actividad Tasa de Siniestros Siniestralidad #Via./(#Sin.+1) 1 2 3 4 5 6 7 8 9 10 11 12 Invertido Cliente Outputs 21,09% 30,47% 45,06% 100,00% 71,07% 55,96% 31,68% 28,94% 100,00% 100,00% 100,00% 63,85% Tabla 10 Si se observa la variable tasa de siniestros para el cliente 6 se incremento en un 139.6% y solo se obtuvo un aumento en su eficiencia relativa de 0.63, por lo que se observa claramente que el cliente no esta siendo fuertemente castigado por su pésimo desempeño desde el punto de vista de la variable tasa de siniestros. Metodología de Solución 52 Por otro lado es interesante ver que tan sensible es la variable Siniestralidad para este cliente 6. BASE DE DATOS 32 20 15 15 9 34 9 32 10 16 3 20 85 79 58 32 72 72 41 53 8 17 7 112 150 100 60 50 80 80 50 60 20 30 20 120 9 6 3,6 3 4,8 4,8 3 3,6 1,2 1,8 1,2 7,2 Eficiencia Relativa LIC(Limite Inferior de Cobertura) Millones($) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,67 0,91 0,93 0,14 0,25 0,90 0,31 0,27 0,63 0,71 0,10 0,88 Millones($) 20 15 20 25 10 10 20 20 5 15 25 20 Cantidad Mercancía 80 60 80 80 70 50 80 80 40 20 80 70 Toneladas 7 7 5 4 9 6 5 11 7 5 4 11 %Flota No Propia 2,7 2,7 1,18 1,16 0,1 0,54 0,5 2,24 0,54 0,62 0,18 0,16 Edad de la Flota Modalidad de Cobertura 50 90 90 20 50 30 90 100 50 20 30 70 V. Asignado Tipo de Mercancía 4,69 7,10 7,56 6,40 3,08 3,13 4,20 3,41 22,00 17,20 8,00 4,50 Trayecto 1,1 2,9 3,2 5,9 1,2 6,6 1,3 2,9 25,0 2,8 2,0 1,1 Inputs Actividad Tasa de Siniestros Siniestralidad #Via./(#Sin.+1) 1 2 3 4 5 6 7 8 9 10 11 12 Invertido Cliente Outputs 21,09% 30,47% 45,06% 100,00% 71,07% 44,27% 31,68% 28,94% 100,00% 100,00% 100,00% 63,85% Tabla 11 Se observa la Tabla 11 en comparación con la Tabla 9, se puede ver que se disminuyó el output siniestralidad del cliente 6 en un 20%, lo que contribuyo a una disminución bastante notoria en el puntaje de su eficiencia la pasar de 55.33% a 44.27%, lo que muestra claramente que para esta DMU esta variable tiene una gran importancia o mejor es considerada una variable critica. Metodología de Solución 53 3.2.1.4 Prueba 2 Para esta prueba se analizaron los 100 clientes de la base de datos33, por lo que sólo fue posible correr el modelo en la versión demo de GAMS, a continuación se muestra la base de datos utilizada para esta prueba. BASE DE DATOS (Prueba 2). 33 LIC(Limite Inferior de Cobertura) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Cantidad Mercancía Millones($) 0,67 0,91 0,93 0,14 0,25 0.90 0,31 0,27 0,63 0,71 0,10 0,88 0,67 0,11 0,84 0,50 0,33 0,59 0,59 0,82 Millones($) 20 15 20 25 10 10 20 20 5 15 25 20 20 20 15 20 10 25 25 20 Millones($) 17 11 20 23 10 7 16 19 1 11 23 19 20 16 13 19 6 29 20 16 Toneladas 80 60 80 80 70 50 80 80 40 20 80 70 30 60 80 10 80 10 80 80 %Flota No Propia 7 7 5 4 9 6 5 11 7 5 4 11 6 12 8 4 9 5 12 6 Edad de la Flota 2,7 2,7 1,18 1,16 0,1 0,54 0,5 2,24 0,54 0,62 0,18 0,16 0,56 0,48 0,26 2,7 2,7 0,64 0,14 0,7 V. Asignado 50 90 90 20 50 30 90 100 50 20 30 70 100 90 90 50 30 20 10 90 Años Modalidad de Cobertura 4,69 7,10 7,56 6,40 3,08 3,13 4,20 3,41 22,00 17,20 8,00 4,50 3,37 3,40 9,33 9,67 3,05 6,50 29,50 21,50 Tipo de Mercancía 12 9 8 4 11 7 9 21 0 4 2 7 18 4 2 8 21 3 1 3 Trayecto #Via./(#Sin.+1) 61 71 68 32 37 25 42 75 22 86 24 36 64 17 28 87 67 26 59 86 Actividad #Siniestros 0,89 1,1 0,34 2,9 0,31 3,2 0,17 5,9 0,81 1,2 0,12 8,3 0,78 1,3 0,35 2,9 0,04 25,0 0,36 2,8 0,50 2,0 0,88 1,1 0,23 4,4 0,30 3,3 0,64 1,6 0,30 3,3 0,19 5,3 0,14 7,0 0,15 6,9 0,65 1,5 #Viajes Invertido Siniestralidad Real Cliente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Inputs Tasa de Siniestros Outputs 32 20 15 15 9 34 9 32 10 16 3 20 16 5 32 10 20 9 16 34 85 79 58 32 72 72 41 53 8 17 7 112 62 19 84 40 106 43 91 108 150 100 60 50 80 80 50 60 20 30 20 120 80 25 100 60 120 60 100 120 9 6 3,6 3 4,8 4,8 3 3,6 1,2 1,8 1,2 7,2 4,8 1,5 6 3,6 7,2 3,6 6 7,2 Esta base de datos fue creada a partir de 10 clientes reales, posteriormente se completo creando clientes ficticios, que permitieran observar un comportamiento en varios escenarios. Metodología de Solución 54 BASE DE DATOS (Prueba 2). LIC(Limite Inferior de Cobertura) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Cantidad Mercancía Millones($) 0,13 0,07 0,14 0,27 0,71 0,61 0,72 0,92 0,24 0,38 0,90 0,67 0,27 0,61 0,32 0,61 0,76 0,10 0,08 0,53 0,30 0,04 0,78 0,87 0,24 0,60 0,89 0,05 0,22 0,03 0,68 0,23 Millones($) 25 25 25 15 25 25 15 15 10 25 15 20 25 25 20 20 15 10 10 15 15 20 15 20 5 10 25 25 20 15 15 5 Millones($) 28 30 24 14 22 27 13 11 8 23 14 20 20 26 15 19 12 9 7 13 15 18 12 15 5 10 22 25 19 14 12 2 Toneladas 80 40 70 60 20 40 80 60 70 80 30 80 30 80 50 70 70 80 80 80 30 80 60 60 70 60 60 80 40 20 30 80 %Flota No Propia Millones($) 8 11 4 9 4 9 9 8 12 9 8 10 4 12 7 11 5 7 9 6 12 8 7 5 8 10 4 8 11 5 10 4 Edad de la Flota 0,7 0,32 1,18 0,5 0,5 0,4 0,1 0,6 0,58 2,7 1,8 2,42 2,7 1,8 2,7 2,52 2,7 2,24 2,24 2,42 2,7 2,34 2,7 1,6 2,24 0,16 0,52 0,16 0,38 0,26 0,84 0,2 V. Asignado 100 80 70 30 30 90 80 50 10 30 50 60 90 100 100 20 30 60 70 80 80 10 30 20 100 80 70 30 50 90 100 90 Años Modalidad de Cobertura Toneladas 2,33 2,83 5,00 4,93 10,75 3,27 66,00 7,14 4,00 9,83 5,50 3,80 4,25 11,67 38,00 7,00 8,80 3,81 6,60 6,25 3,28 5,00 4,45 21,50 6,00 15,25 4,09 8,00 6,75 5,18 6,54 15,17 Tipo de Mercancía 11 17 1 13 3 21 0 13 7 5 9 14 19 2 0 1 9 15 4 7 17 1 21 3 2 3 21 1 3 10 12 5 Trayecto #Via./(#Sin.+1) 28 51 10 69 43 72 66 100 32 59 55 57 85 35 38 14 88 61 33 50 59 10 98 86 18 61 90 16 27 57 85 91 Actividad #Siniestros 0,14 7,3 0,70 1,4 0,14 7,2 0,56 1,8 0,04 22,6 0,29 3,4 0,18 5,5 0,21 4,8 0,28 3,6 0,39 2,6 0,38 2,6 0,32 3,2 0,54 1,9 0,82 1,2 0,59 1,7 0,93 1,1 0,64 1,6 0,39 2,6 0,11 9,0 0,83 1,2 0,80 1,2 0,66 1,5 0,49 2,0 0,23 4,4 0,88 1,1 0,47 2,1 0,74 1,4 0,27 3,7 0,99 1,0 0,31 3,3 0,03 34,7 0,55 1,8 #Viajes Invertido Siniestralidad Real Cliente 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Inputs Tasa de Siniestros Outputs 32 16 20 3 5 15 32 16 9 34 32 32 9 10 10 9 20 5 7 32 20 25 7 20 16 9 10 32 25 9 16 32 25 81 102 9 14 55 21 23 20 39 62 26 38 96 6 13 115 21 15 92 42 87 98 46 79 25 29 106 88 18 45 86 40 100 120 20 20 60 40 30 30 50 80 40 50 100 10 20 120 30 20 100 60 100 100 60 100 40 40 120 100 30 60 100 2,4 6 7,2 1,2 1,2 3,6 2,4 1,8 1,8 3 4,8 2,4 3 6 0,6 1,2 7,2 1,8 1,2 6 3,6 6 6 3,6 6 2,4 2,4 7,2 6 1,8 3,6 6 Metodología de Solución 55 BASE DE DATOS (Prueba 2). LIC(Limite Inferior de Cobertura) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,42 0,06 0,17 0,73 0,30 0,88 0,13 0,99 0,39 0,82 0,06 0,89 0,04 0,90 0,09 0,67 0,33 0,78 0,97 0,29 0,63 0,68 0,48 0,65 0,45 0,08 0,83 0,16 0,71 0,44 0,17 0,09 Millones($) 15 25 25 25 5 20 25 20 20 15 10 20 20 25 15 20 5 25 25 25 20 5 20 25 20 20 5 25 20 25 25 5 Millones($) 10 28 28 21 3 17 22 18 19 15 9 20 18 21 15 17 4 24 23 25 17 2 19 21 17 18 1 22 15 26 24 5 Cantidad Mercancía 20 50 60 80 80 30 80 10 80 80 30 80 80 20 70 60 80 40 30 70 80 20 70 40 60 80 20 80 80 80 50 80 Toneladas 6 4 5 9 7 8 12 6 4 11 5 8 10 8 11 5 11 6 5 12 7 9 9 6 9 10 7 6 12 6 5 5 %Flota No Propia 0,2 0,18 0,56 0,08 0,3 2,24 0,9 0,6 2,56 0,26 0,76 0,36 0,46 0,62 1,04 0,46 0,74 0,22 0,42 0,54 0,7 0,16 2,56 2,56 0,72 0,22 0,68 0,8 0,28 1,5 0,62 0,62 Edad de la Flota Modalidad de Cobertura Toneladas 90 80 40 70 90 100 100 100 50 20 70 90 60 40 80 80 60 20 50 10 90 100 30 60 50 70 80 60 90 100 50 100 V. Asignado Tipo de Mercancía 2,50 4,89 9,30 11,00 9,17 2,50 12,88 1,14 8,00 22,25 4,50 5,00 11,50 12,17 2,80 2,50 13,50 14,14 4,50 27,00 13,33 1.00 6,00 46,50 16,00 6,31 4,84 15,00 10,50 8,33 8,50 8,00 Años Trayecto 11 8 9 1 5 11 7 6 2 3 19 14 3 5 4 11 3 6 1 0 2 0 0 1 5 12 18 3 3 5 9 1 Actividad 30 44 93 22 55 30 103 8 24 89 90 75 46 73 14 30 54 99 9 27 40 1 6 93 96 82 92 60 42 50 85 16 #Via./(#Sin.+1) 30,8 5,8 1,0 1,2 2,0 1,5 1,9 3,0 10,8 1,2 7,3 2,1 1,8 38,1 1,2 1,2 1,0 2,4 2,1 1,2 8,3 2,4 1,6 1,8 3,6 13,5 1,4 1,9 1,1 1,6 1,9 4,8 #Viajes Invertido 0,03 0,17 0,99 0,85 0,49 0,67 0,51 0,33 0,09 0,84 0,14 0,47 0,54 0,03 0,86 0,80 1,00 0,42 0,47 0,85 0,12 0,41 0,64 0,57 0,28 0,07 0,70 0,53 0,88 0,64 0,52 0,21 #Viajes Siniestralidad Real Cliente 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 Outputs Tasa de Siniestros Inputs 10 5 20 9 32 25 25 9 32 16 16 3 32 15 10 10 32 15 20 34 9 32 3 9 9 16 45 3 20 34 5 16 71 11 83 35 111 109 54 42 60 35 86 15 116 67 113 19 51 6 108 61 9 50 12 51 64 118 85 9 85 10 16 109 90 20 90 40 120 120 60 50 80 40 100 20 120 80 120 30 60 10 120 70 15 60 20 60 70 120 90 15 100 20 20 120 5,4 1,2 5,4 2,4 7,2 7,2 3,6 3 4,8 2,4 6 1,2 7,2 4,8 7,2 1,8 3,6 0,6 7,2 4,2 0,9 3,6 1,2 3,6 4,2 7,2 5,4 0,9 6 1,2 1,2 7,2 Metodología de Solución 56 BASE DE DATOS (Prueba 2). Tabla 12 LIC(Limite Inferior de Cobertura) LSC(Limite Superior de Cobertura) Valor declarado de la mercancía Millones($) 0,40 0,75 0,22 0,36 0,36 0,33 0,85 0,88 0,39 0,05 0,88 0,10 0,54 0,30 0,15 0,04 Millones($) 25 25 25 25 25 15 5 20 20 15 20 10 15 25 20 25 Millones($) 30 23 28 28 23 13 3 18 19 14 18 6 13 24 17 27 Cantidad Mercancía 80 70 50 60 80 80 40 80 80 50 60 10 70 30 40 80 Toneladas 10 6 11 5 4 6 11 6 10 4 7 5 11 8 5 4 %Flota No Propia 0,36 0,36 0,6 0,72 2,56 1,66 0,18 0,18 0,52 0,62 0,2 0,1 2,7 1,34 0,64 0,1 Edad de la Flota 30 60 40 80 60 80 100 20 20 10 90 20 10 30 60 90 V. Asignado Modalidad de Cobertura Toneladas 18,00 16,50 9,00 18,00 10,33 1,00 12,75 53,00 5,60 8,38 4,83 5,20 5,13 6,50 31,33 15,20 Años Tipo de Mercancía 4 3 0 2 8 0 3 0 4 7 11 9 7 5 2 4 Trayecto 90 66 9 54 93 1 51 53 28 67 58 52 41 39 94 76 Actividad #Viajes 9,1 7,1 3,4 4,8 1,4 2,1 1,5 3,4 1,8 1,3 1,2 1,2 1,6 1,4 4,5 2,7 #Via./(#Sin.+1) Invertido 0,11 0,14 0,29 0,21 0,73 0,49 0,68 0,30 0,55 0,77 0,81 0,83 0,63 0,74 0,22 0,37 #Viajes Siniestralidad Real Cliente 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 Outputs Tasa de Siniestros Inputs 3 34 9 45 10 16 42 9 32 16 34 9 3 25 32 10 21 6 39 39 115 28 39 65 105 69 10 53 10 113 53 40 30 10 50 50 120 30 50 80 120 80 15 60 15 120 60 50 1,8 0,6 3 3 7,2 1,8 3 4,8 7,2 4,8 0,9 3,6 0,9 7,2 3,6 3 Metodología de Solución 57 3.2.1.2.1 Solución en GAMS Código en GAMS $title Analisis de Envolvente de Datos $ontext Prueba 2. para 100 clientes El Análisis de Envolvente de Datos (DEA) es una técnica para medir la eficiencia relativa de las unidades organziacionales donde la presencia de multiples entradas y salidas hace que esta comparación sea compleja. Eficiencia = Suma ponderada de salidas / Suma ponderada de las entradas En este modelo se presenta la formulación del problema primal y dual. $offtext sets i j unidades organizacionales (DMUs) /1*100/ inputs and outputs / Sin, TSin, Act, Tycto, TMncia, MCob, EFlota, PFnoPropia, CMcia, VDecMcia, LSC, LIC / outp(j) outputs / Sin, TSin / inp(j) inputs / Act, Tycto, TMncia, MCob, EFlota, PFnoPropia, CMcia, VDecMcia, LSC, LIC / Table data(i,j) Sin TSin Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 1 1.1 4.69 50 2.70 7 80 20 0.67 32 85 150 9 2 2.9 7.10 90 2.70 7 60 15 0.91 20 79 100 6 3 3.2 7.56 90 1.18 5 80 20 0.93 15 58 60 3.6 4 5.9 6.40 20 1.16 4 80 25 0.14 15 32 50 3 5 1.2 3.08 50 0.10 9 70 10 0.25 9 72 80 4.8 6 8.3 3.13 30 0.54 6 50 10 0.90 34 72 80 4.8 Metodología de Solución 58 Sin TSin Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 7 1.3 4.20 90 0.50 5 80 20 0.31 9 41 50 3 8 2.9 3.41 100 2.24 11 80 20 0.27 32 53 60 3.6 9 25.0 22.0 50 0.54 7 40 5 0.63 10 8 20 1.2 10 2.8 17.2 20 0.62 5 30 15 0.71 16 17 30 1.8 11 2.0 8.00 30 0.18 4 80 25 0.10 3 7 20 1.2 12 1.1 4.50 70 0.16 11 70 20 0.88 20 112 120 7.2 13 4.4 3.37 100 0.56 6 10 20 0.67 16 62 80 4.8 14 3.3 3.40 90 0.48 12 60 20 0.11 5 19 25 1.5 15 1.6 9.33 90 0.26 8 80 15 0.84 32 84 100 6 16 3.3 9.67 50 2.70 4 10 20 0.50 10 40 60 3.6 17 5.3 3.05 30 2.70 9 80 10 0.33 20 106 120 7.2 18 7.0 6.50 20 0.64 5 10 25 0.59 9 43 60 3.6 19 6.9 29.5 10 0.14 12 80 25 0.59 16 91 100 6 20 1.5 21.5 90 0.70 6 80 20 0.82 34 108 120 7.2 21 7.3 2.33 100 0.70 8 80 25 0.13 32 25 40 2.4 22 1.4 2.83 80 0.32 11 40 25 0.07 16 81 100 6 23 7.2 5.00 70 1.18 4 70 25 0.14 20 102 120 7.2 24 1.8 4.93 30 0.50 9 60 15 0.27 3 9 20 1.2 25 22.6 10.75 30 0.50 4 20 25 0.71 5 14 20 1.2 26 3.4 3.27 90 0.40 9 40 25 0.61 15 55 60 3.6 27 5.5 66.0 80 0.10 9 80 15 0.72 32 21 40 2.4 28 4.8 7.14 50 0.60 8 60 15 0.92 16 23 30 1.8 29 3.6 4.00 10 0.58 12 70 10 0.24 9 20 30 1.8 30 2.6 9.83 30 2.70 9 80 25 0.38 34 39 50 3 31 2.6 5.50 50 1.80 8 30 15 0.90 32 62 80 4.8 32 3.2 3.80 60 2.42 10 80 20 0.67 32 26 40 2.4 33 1.9 4.25 90 2.70 4 30 25 0.27 9 38 50 3 34 1.2 11.67 100 1.80 12 80 25 0.61 10 96 100 6 35 1.7 38.0 2.70 7 50 20 0.32 10 6 10 0.6 100 Metodología de Solución Sin TSin 59 Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 36 1.1 7.00 20 2.52 11 70 20 0.61 9 13 20 1.2 37 1.6 8.80 30 2.70 5 70 15 0.76 20 115 120 7.2 38 2.6 3.81 60 2.24 7 80 10 0.10 5 21 30 1.8 39 9.0 6.60 70 2.24 9 80 10 0.08 7 15 20 1.2 40 1.2 6.25 80 2.42 6 80 15 0.53 32 92 100 6 41 1.2 3.28 80 2.70 12 30 15 0.30 20 42 60 3.6 42 1.5 5.00 10 2.34 8 80 20 0.04 25 87 100 6 43 2.0 4.45 30 2.70 7 60 15 0.78 7 98 100 6 44 4.4 21.5 20 1.60 5 60 20 0.87 20 46 60 3.6 45 1.1 6.00 100 2.24 8 70 5 0.24 16 79 100 6 46 2.1 15.25 80 0.16 10 60 10 0.60 9 25 40 2.4 47 1.4 4.09 70 0.52 4 60 25 0.89 10 29 40 2.4 48 3.7 8.00 30 0.16 8 80 25 0.05 32 106 120 7.2 49 1.0 6.75 50 0.38 11 40 20 0.22 25 88 100 6 50 3.3 5.18 90 0.26 5 20 15 0.03 9 18 30 1.8 51 34.7 6.54 100 0.84 10 30 15 0.68 16 45 60 3.6 52 1.8 90 0.20 4 80 5 0.23 32 86 100 6 53 30.8 2.50 90 0.20 6 20 15 0.42 10 71 90 5.4 54 5.8 4.89 80 0.18 4 50 25 0.06 5 11 20 1.2 55 1.0 9.30 40 0.56 5 60 25 0.17 20 83 90 5.4 56 1.2 11.0 70 0.08 9 80 25 0.73 9 35 40 2.4 57 2.0 9.17 90 0.30 7 80 5 0.30 32 111 120 7.2 58 1.5 2.50 100 2.24 8 30 20 0.88 25 109 120 7.2 59 1.9 12.88 100 0.90 12 80 25 0.13 25 54 60 3.6 60 3.0 1.14 100 0.60 6 10 20 0.99 9 42 50 3 61 10.8 8.00 50 2.56 4 80 20 0.39 32 60 80 4.8 62 1.2 22.25 20 0.26 11 80 15 0.82 16 35 40 2.4 63 7.3 4.50 70 0.76 5 30 10 0.06 16 86 100 6 64 2.1 5.00 90 0.36 8 80 20 0.89 3 15 20 1.2 65 1.8 11.5 60 0.46 10 80 20 0.04 32 116 120 7.2 15.17 Metodología de Solución Sin TSin 60 Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 66 38.1 12.17 40 0.62 8 20 25 0.90 15 67 80 4.8 67 1.2 2.80 80 1.04 11 70 15 0.09 10 113 120 7.2 68 1.2 2.50 80 0.46 5 60 20 0.67 10 19 30 1.8 69 1.0 13.5 60 0.74 11 80 5 0.33 32 51 60 3.6 70 2.4 14.14 20 0.22 6 40 25 0.78 15 6 10 0.6 71 2.1 4.50 50 0.42 5 30 25 0.97 20 108 120 7.2 72 1.2 27.0 10 0.54 12 70 25 0.29 34 61 70 4.2 73 8.3 13.33 90 0.70 7 80 20 0.63 9 9 15 0.9 74 2.4 1.00 100 0.16 9 20 5 0.68 32 50 60 3.6 75 1.6 6.00 30 2.56 9 70 20 0.48 3 12 20 1.2 76 1.8 46.5 60 2.56 6 40 25 0.65 9 51 60 3.6 77 3.6 16.0 50 0.72 9 60 20 0.45 9 64 70 4.2 78 13.5 6.31 70 0.22 10 80 20 0.08 16 118 120 7.2 79 1.4 4.84 80 0.68 7 20 5 0.83 45 85 90 5.4 80 1.9 15.0 60 0.80 6 80 25 0.16 3 9 15 0.9 81 1.1 10.5 90 0.28 12 80 20 0.71 20 85 100 6 82 1.6 8.33 100 1.50 6 80 25 0.44 34 10 20 1.2 83 1.9 8.50 50 0.62 5 50 25 0.17 5 16 20 1.2 84 4.8 8.00 100 0.62 5 80 5 0.09 16 109 120 7.2 85 9.1 18.0 30 0.36 10 80 25 0.40 3 21 30 1.8 86 7.1 16.5 60 0.36 6 70 25 0.75 34 6 10 0.6 87 3.4 9.00 40 0.60 11 50 25 0.22 9 39 50 3 88 4.8 18.0 80 0.72 5 60 25 0.36 45 39 50 3 89 1.4 10.33 60 2.56 4 80 25 0.36 10 115 120 7.2 90 2.1 1.00 80 1.66 6 80 15 0.33 16 28 30 1.8 91 1.5 12.75 100 0.18 11 40 5 0.85 42 39 50 3 92 3.4 53.0 20 0.18 6 80 20 0.88 9 65 80 4.8 93 1.8 5.00 20 0.52 10 80 20 0.39 32 105 120 7.2 94 1.3 8.38 10 0.62 4 50 15 0.05 16 69 80 4.8 Metodología de Solución Sin TSin 61 Act Tycto TMncia MCob EFlota PFnoPropia CMcia VDecMcia LSC LIC 95 1.2 4.83 90 0.20 7 60 20 0.88 34 10 15 0.9 96 1.2 5.20 20 0.10 5 10 10 0.10 9 53 60 3.6 97 1.6 5.13 10 2.70 11 70 15 0.54 3 10 15 0.9 98 1.4 6.50 30 1.34 8 30 25 0.30 25 113 120 7.2 99 4.5 31.33 60 0.64 5 40 20 0.15 32 53 60 3.6 15.2 90 0.10 4 80 25 0.04 10 40 50 3 100 2.7 Parameter x0(inp) inputs DMU jo y0(outp) Outputs DMU jo X(inp,i) inputs DMU i y(outp,i) outputs DMU i positive variables v(inp) pesos de los inputs u(outp) pesos de los outputs Variable eff Eficiencia equations objective normalize Funcion objetivo:maximiza la eficiencia Normaliza los pesos de los inputs limit (i); objective.. eff =e= sum(outp, u(outp)*y0(outp)); normalize.. sum(inp, v(inp)*x0(inp))=e=1; limit (i).. sum(outp, u(outp)*y(outp,i))=l=sum(inp, v(inp)*x(inp,i)); model dea /objective, normalize, limit/; alias (i,iter); x(inp,i)=data(i,inp); Metodología de Solución y(outp,i)=data(i,outp); parameter eficiencia(i) loop (iter, x0(inp)=x(inp,iter); y0 (outp)=y(outp,iter); solve dea using lp maximizing eff; eficiencia(iter)=eff.l; ); set r /rnk1*rnk1000/; parameter rank(i); alias (i,ii); rank(i) = sum(ii$(eficiencia(ii)>=eficiencia(i)), 1); parameter eficiencia2(r,i); eficiencia2(r,i)=eficiencia(i)$(rank(i)=ord(r)); option eficiencia2:4:0:1; display eficiencia2; $eolcom // option limcol=0 limrow=0 // no column listing // no row listing solveopt=replace; // don't keep old var and equ values 62 Metodología de Solución 63 Resultados en GAMS GAMS Rev 133 Windows NT/95/98 Analisis de Envolvente de Datos Execution ---- 233 PARAMETER eficiencia2 rnk1 .94 1.0000 rnk2 .96 1.0000 rnk21 .9 1.0000 rnk21 .11 1.0000 rnk21 .19 1.0000 rnk21 .25 1.0000 rnk21 .27 1.0000 rnk21 .35 1.0000 rnk21 .39 1.0000 rnk21 .50 1.0000 rnk21 .51 1.0000 rnk21 .53 1.0000 rnk21 .54 1.0000 rnk21 .66 1.0000 rnk21 .72 1.0000 rnk21 .76 1.0000 rnk21 .78 1.0000 rnk21 .80 1.0000 rnk21 .84 1.0000 rnk21 .86 1.0000 rnk21 .99 1.0000 09/14/04 16:53:25 Page 1709 Metodología de Solución rnk22 .63 1.0000 rnk24 .85 1.0000 rnk24 .92 1.0000 rnk25 .48 0.9852 rnk26 .10 0.9804 rnk27 .70 0.9103 rnk28 .16 0.9059 rnk29 .4 0.9037 rnk30 .42 0.8874 rnk31 .65 0.8443 rnk32 .52 0.7370 rnk33 .18 0.7301 rnk34 .23 0.6924 rnk35 .62 0.6922 rnk36 .61 0.6659 rnk37 .21 0.6329 rnk38 .100 0.6220 rnk39 .69 0.6136 rnk40 .73 0.6052 rnk41 .88 0.5953 rnk42 .22 0.5888 rnk43 .44 0.5820 rnk44 .83 0.5814 rnk45 .91 0.5795 rnk46 .90 0.5600 rnk47 .87 0.5374 rnk48 .77 0.5304 rnk49 .46 0.5084 64 Metodología de Solución 65 rnk50 .59 0.5024 rnk51 .29 0.4995 rnk52 .14 0.4829 rnk53 .97 0.4696 GAMS Rev 133 Windows NT/95/98 Analisis de Envolvente de Datos Execution 233 PARAMETER eficiencia2 rnk54 .38 0.4502 rnk55 .57 0.4168 rnk56 .20 0.4167 rnk57 .75 0.4016 rnk58 .6 0.3946 rnk59 .56 0.3872 rnk60 .55 0.3847 rnk61 .24 0.3839 rnk62 .89 0.3789 rnk63 .17 0.3514 rnk64 .30 0.3500 rnk65 .36 0.3482 rnk66 .64 0.3437 rnk67 .45 0.3020 rnk68 .79 0.3008 rnk69 .98 0.2823 rnk70 .34 0.2531 rnk71 .3 0.2463 rnk72 .67 0.2373 rnk73 .33 0.2355 09/14/04 16:53:25 Page 1710 Metodología de Solución rnk74 .82 0.2349 rnk75 .37 0.2348 rnk76 .28 0.2322 rnk77 .49 0.2321 rnk78 .93 0.2267 rnk79 .31 0.2057 rnk80 .95 0.2022 rnk81 .81 0.1944 rnk82 .7 0.1916 rnk83 .74 0.1841 rnk84 .5 0.1841 rnk85 .13 0.1819 rnk86 .71 0.1814 rnk87 .2 0.1810 rnk88 .60 0.1729 rnk89 .15 0.1697 rnk90 .8 0.1687 rnk91 .43 0.1582 rnk92 .40 0.1564 rnk93 .47 0.1551 rnk94 .41 0.1380 rnk95 .26 0.1377 rnk96 .32 0.1271 rnk97 .1 0.1036 rnk98 .68 0.0933 rnk99 .12 0.0931 rnk100.58 0.0898 66 Metodología de Solución ---- 67 184 PARAMETER eficiencia 1 0.104, 2 0.181, 3 0.246, 4 0.904, 5 0.184, 7 0.192, 8 0.169, 9 1.000, 10 0.980, 11 1.000, GAMS Rev 133 Windows NT/95/98 6 0.395 12 0.093 09/14/04 21:17:43 Page 1709 Analisis de Envolvente de Datos Execution 184 PARAMETER eficiencia 13 0.182, 14 0.483, 15 0.170, 16 0.906, 17 0.351, 18 0.730 19 1.000, 20 0.417, 21 0.633, 22 0.589, 23 0.692, 24 0.384 25 1.000, 26 0.138, 27 1.000, 28 0.232, 29 0.499, 30 0.350 31 0.206, 32 0.127, 33 0.235, 34 0.253, 35 1.000, 36 0.348 37 0.235, 38 0.450, 39 1.000, 40 0.156, 41 0.138, 42 0.887 43 0.158, 44 0.582, 45 0.302, 46 0.508, 47 0.155, 48 0.985 49 0.232, 50 1.000, 51 1.000, 52 0.737, 53 1.000, 54 1.000 55 0.385, 56 0.387, 57 0.417, 58 0.090, 59 0.502, 60 0.173 61 0.666, 62 0.692, 63 1.000, 64 0.344, 65 0.844, 66 1.000 67 0.237, 68 0.093, 69 0.614, 70 0.910, 71 0.181, 72 1.000 73 0.605, 74 0.184, 75 0.402, 76 1.000, 77 0.530, 78 1.000 79 0.301, 80 1.000, 81 0.194, 82 0.235, 83 0.581, 84 1.000 85 1.000, 86 1.000, 87 0.537, 88 0.595, 89 0.379, 90 0.560 91 0.580, 92 1.000, 93 0.227, 94 1.000, 95 0.202, 96 1.000 97 0.470, 98 0.282, 99 1.000, 100 0.622 EXECUTION TIME = 0.090 SECONDS GAMS Rev 133 Windows NT/95/98 1.6 Mb WIN207-133 09/14/04 16:53:25 Page 1711 Analisis de Envolvente de Datos Execution USER: GAMS Development Corporation, Washington, DC G871201:0000XX-XXX Free Demo, 202-342-0180, [email protected], www.gams.com DC9999 Metodología de Solución 68 Después de obtener las eficiencias relativas de cada uno de los clientes, se procede a determinar la tarifa a cobrar para cada uno ellos, esto se hace de la misma forma que en la prueba 1(12 clientes), entonces se tiene: Cliente Eficiencia Relativa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 10,36% 18,10% 24,63% 90,37% 18,41% 39,46% 19,16% 16,87% 100,00% 98,04% 100,00% 9,31% 18,19% 48,29% 16,97% 90,59% 35,14% 73,01% 100,00% 41,67% 63,29% 58,88% 69,24% 38,39% 100,00% 13,77% 100,00% 23,22% 49,95% 35,00% 20,57% 12,71% 23,55% 25,31% 100,00% Metodología de Solución 69 Cliente Eficiencia Relativa 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 34,82% 23,48% 45,02% 100,00% 15,64% 13,80% 88,74% 15,82% 58,20% 30,20% 50,84% 15,51% 98,52% 23,21% 100,00% 100,00% 73,70% 100,00% 100,00% 38,47% 38,72% 41,68% 8,98% 50,24% 17,29% 66,59% 69,22% 100,00% 34,37% 84,43% 100,00% 23,73% 9,33% 61,36% 91,03% 18,14% 100,00% 60,52% 18,41% 40,16% 100,00% 53,04% 100,00% Metodología de Solución 70 Cliente Eficiencia Relativa 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 30,08% 100,00% 19,44% 23,49% 58,14% 100,00% 100,00% 100,00% 53,74% 59,53% 37,89% 56,00% 57,95% 100,00% 22,67% 100,00% 20,22% 100,00% 46,96% 28,23% 100,00% 62,20% Tabla 13 Tarifa a cobrar = 1 X 0.005 X Valor de la Mercancía Eficiencia Re lativa Obteniendo así las siguientes tarifas para cada uno de los clientes: Tarifas Prueba 2 Tarifa Normalmente Pagaría Aprox. ($) (%) Diferencia Cliente Eficiencia Relativa Valor de la Mercancía ($) (%) ($) (%) 1 0,1036 $ 85.000.000 $ 4.102.317 4,83% $ 425.000,00 0,50% $ 3.677.317 4,33% 2 0,181 $ 79.000.000 $ 2.182.320 2,76% $ 395.000,00 0,50% $ 1.787.320 2,26% 3 0,2463 $ 58.000.000 $ 1.177.426 2,03% $ 290.000,00 0,50% $ 887.426 1,53% Metodología de Solución 71 Tarifas Prueba 2 Eficiencia Relativa Valor de la Mercancía 4 1 5 Cliente Normalmente Pagaría Aprox. Tarifa Diferencia ($) (%) ($) (%) ($) (%) $ 32.000.000 $ 177.050 0,55% $ 160.000,00 0,50% $ 17.050 0,05% 0,1841 $ 72.000.000 $ 1.955.459 2,72% $ 360.000,00 0,50% $ 1.595.459 2,22% 6 0,3946 $ 72.000.000 $ 912.316 1,27% $ 360.000,00 0,50% $ 552.316 0,77% 7 0,1916 $ 41.000.000 $ 1.069.937 2,61% $ 205.000,00 0,50% $ 864.937 2,11% 8 0,1687 $ 53.000.000 $ 1.570.836 2,96% $ 265.000,00 0,50% $ 1.305.836 2,46% 9 1 $ 8.000.000 $ 40.000 0,50% $ 40.000,00 0,50% $0 0,00% 10 1 $ 17.000.000 $ 86.699 0,51% $ 85.000,00 0,50% $ 1.699 0,01% 11 1 $ 7.000.000 $ 35.000 0,50% $ 35.000,00 0,50% $0 0,00% 12 0,0931 $ 112.000.000 $ 6.015.038 5,37% $ 560.000,00 0,50% $ 5.455.038 4,87% 13 0,1819 $ 62.000.000 $ 1.704.233 2,75% $ 310.000,00 0,50% $ 1.394.233 2,25% 14 0,4829 $ 19.000.000 $ 196.728 1,04% $ 95.000,00 0,50% $ 101.728 0,54% 15 0,1697 $ 84.000.000 $ 2.474.956 2,95% $ 420.000,00 0,50% $ 2.054.956 2,45% 16 0,9059 $ 40.000.000 $ 220.775 0,55% $ 200.000,00 0,50% $ 20.775 0,05% 17 0,3514 $ 106.000.000 $ 1.508.253 1,42% $ 530.000,00 0,50% $ 978.253 0,92% 18 0,7301 $ 43.000.000 $ 294.480 0,68% $ 215.000,00 0,50% $ 79.480 0,18% 19 1 $ 91.000.000 $ 455.000 0,50% $ 455.000,00 0,50% $0 0,00% 20 0,4167 $ 108.000.000 $ 1.295.896 1,20% $ 540.000,00 0,50% $ 755.896 0,70% 21 0,6329 $ 25.000.000 $ 197.504 0,79% $ 125.000,00 0,50% $ 72.504 0,29% 22 0,5888 $ 81.000.000 $ 687.840 0,85% $ 405.000,00 0,50% $ 282.840 0,35% 23 0,6924 $ 102.000.000 $ 736.568 0,72% $ 510.000,00 0,50% $ 226.568 0,22% 24 0,3839 $ 9.000.000 $ 117.218 1,30% $ 45.000,00 0,50% $ 72.218 0,80% 25 1 $ 14.000.000 $ 70.000 0,50% $ 70.000,00 0,50% $0 0,00% 26 0,1377 $ 55.000.000 $ 1.997.095 3,63% $ 275.000,00 0,50% $ 1.722.095 3,13% 27 1 $ 21.000.000 $ 105.000 0,50% $ 105.000,00 0,50% $0 0,00% 28 0,2322 $ 23.000.000 $ 495.263 2,15% $ 115.000,00 0,50% $ 380.263 1,65% 29 0,4995 $ 20.000.000 $ 200.200 1,00% $ 100.000,00 0,50% $ 100.200 0,50% 30 0,35 $ 39.000.000 $ 557.143 1,43% $ 195.000,00 0,50% $ 362.143 0,93% 31 0,2057 $ 62.000.000 $ 1.507.049 2,43% $ 310.000,00 0,50% $ 1.197.049 1,93% 32 0,1271 $ 26.000.000 $ 1.022.817 3,93% $ 130.000,00 0,50% $ 892.817 3,43% 33 0,2355 $ 38.000.000 $ 806.794 2,12% $ 190.000,00 0,50% $ 616.794 1,62% 34 0,2531 $ 96.000.000 $ 1.896.484 1,98% $ 480.000,00 0,50% $ 1.416.484 1,48% 35 1 $ 6.000.000 $ 30.000 0,50% $ 30.000,00 0,50% $0 0,00% 36 0,3482 $ 13.000.000 $ 186.674 1,44% $ 65.000,00 0,50% $ 121.674 0,94% 37 0,2348 $ 115.000.000 $ 2.448.893 2,13% $ 575.000,00 0,50% $ 1.873.893 1,63% 38 0,4502 $ 21.000.000 $ 233.230 1,11% $ 105.000,00 0,50% $ 128.230 0,61% 39 1 $ 15.000.000 $ 75.000 0,50% $ 75.000,00 0,50% $0 0,00% 40 0,1564 $ 92.000.000 $ 2.941.176 3,20% $ 460.000,00 0,50% $ 2.481.176 2,70% 41 0,138 $ 42.000.000 $ 1.521.739 3,62% $ 210.000,00 0,50% $ 1.311.739 3,12% Metodología de Solución 72 Tarifas Prueba 2 Eficiencia Relativa Valor de la Mercancía 42 0,8874 43 Cliente Normalmente Pagaría Aprox. Tarifa Diferencia ($) (%) ($) (%) ($) (%) $ 87.000.000 $ 490.196 0,56% $ 435.000,00 0,50% $ 55.196 0,06% 0,1582 $ 98.000.000 $ 3.097.345 3,16% $ 490.000,00 0,50% $ 2.607.345 2,66% 44 0,582 $ 46.000.000 $ 395.189 0,86% $ 230.000,00 0,50% $ 165.189 0,36% 45 0,302 $ 79.000.000 $ 1.307.947 1,66% $ 395.000,00 0,50% $ 912.947 1,16% 46 0,5084 $ 25.000.000 $ 245.869 0,98% $ 125.000,00 0,50% $ 120.869 0,48% 47 0,1551 $ 29.000.000 $ 934.881 3,22% $ 145.000,00 0,50% $ 789.881 2,72% 48 0,9852 $ 106.000.000 $ 537.962 0,51% $ 530.000,00 0,50% $ 7.962 0,01% 49 0,2321 $ 88.000.000 $ 1.895.735 2,15% $ 440.000,00 0,50% $ 1.455.735 1,65% 50 1 $ 18.000.000 $ 90.000 0,50% $ 90.000,00 0,50% $0 0,00% 51 1 $ 45.000.000 $ 225.000 0,50% $ 225.000,00 0,50% $0 0,00% 52 0,737 $ 86.000.000 $ 583.446 0,68% $ 430.000,00 0,50% $ 153.446 0,18% 53 1 $ 71.000.000 $ 355.000 0,50% $ 355.000,00 0,50% $0 0,00% 54 1 $ 11.000.000 $ 55.000 0,50% $ 55.000,00 0,50% $0 0,00% 55 0,3847 $ 83.000.000 $ 1.078.763 1,30% $ 415.000,00 0,50% $ 663.763 0,80% 56 0,3872 $ 35.000.000 $ 451.963 1,29% $ 175.000,00 0,50% $ 276.963 0,79% 57 0,4168 $ 111.000.000 $ 1.331.574 1,20% $ 555.000,00 0,50% $ 776.574 0,70% 58 0,0898 $ 109.000.000 $ 6.069.042 5,57% $ 545.000,00 0,50% $ 5.524.042 5,07% 59 0,5024 $ 54.000.000 $ 537.420 1,00% $ 270.000,00 0,50% $ 267.420 0,50% 60 0,1729 $ 42.000.000 $ 1.214.575 2,89% $ 210.000,00 0,50% $ 1.004.575 2,39% 61 0,6659 $ 60.000.000 $ 450.518 0,75% $ 300.000,00 0,50% $ 150.518 0,25% 62 0,6922 $ 35.000.000 $ 252.817 0,72% $ 175.000,00 0,50% $ 77.817 0,22% 63 1 $ 86.000.000 $ 430.000 0,50% $ 430.000,00 0,50% $0 0,00% 64 0,3437 $ 15.000.000 $ 218.214 1,45% $ 75.000,00 0,50% $ 143.214 0,95% 65 0,8443 $ 116.000.000 $ 686.960 0,59% $ 580.000,00 0,50% $ 106.960 0,09% 66 1 $ 67.000.000 $ 335.000 0,50% $ 335.000,00 0,50% $0 0,00% 67 0,2373 $ 113.000.000 $ 2.380.952 2,11% $ 565.000,00 0,50% $ 1.815.952 1,61% 68 0,0933 $ 19.000.000 $ 1.018.221 5,36% $ 95.000,00 0,50% $ 923.221 4,86% 69 0,6136 $ 51.000.000 $ 415.580 0,81% $ 255.000,00 0,50% $ 160.580 0,31% 70 0,9103 $ 6.000.000 $ 32.956 0,55% $ 30.000,00 0,50% $ 2.956 0,05% 71 0,1814 $ 108.000.000 $ 2.976.847 2,76% $ 540.000,00 0,50% $ 2.436.847 2,26% 72 1 $ 61.000.000 $ 305.000 0,50% $ 305.000,00 0,50% $0 0,00% 73 0,6052 $ 9.000.000 $ 74.356 0,83% $ 45.000,00 0,50% $ 29.356 0,33% 74 0,1841 $ 50.000.000 $ 1.357.958 2,72% $ 250.000,00 0,50% $ 1.107.958 2,22% 75 0,4016 $ 12.000.000 $ 149.402 1,25% $ 60.000,00 0,50% $ 89.402 0,75% 76 1 $ 51.000.000 $ 255.000 0,50% $ 255.000,00 0,50% $0 0,00% 77 0,5304 $ 64.000.000 $ 603.318 0,94% $ 320.000,00 0,50% $ 283.318 0,44% 78 1 $ 118.000.000 $ 590.000 0,50% $ 590.000,00 0,50% $0 0,00% 79 0,3008 $ 85.000.000 $ 1.412.899 1,66% $ 425.000,00 0,50% $ 987.899 1,16% Metodología de Solución 73 Tarifas Prueba 2 Cliente Eficiencia Relativa Valor de la Mercancía Tarifa ($) (%) Normalmente Pagaría Aprox. ($) ($) Diferencia (%) ($) 80 1 $ 9.000.000 $ 45.000 0,50% $ 45.000,00 0,50% $0 0,00% 81 0,1944 $ 85.000.000 $ 2.186.214 2,57% $ 425.000,00 0,50% $ 1.761.214 2,07% 82 0,2349 $ 10.000.000 $ 212.857 2,13% $ 50.000,00 0,50% $ 162.857 1,63% 83 0,5814 $ 16.000.000 $ 137.599 0,86% $ 80.000,00 0,50% $ 57.599 0,36% 84 1 $ 109.000.000 $ 545.000 0,50% $ 545.000,00 0,50% $0 0,00% 85 1 $ 21.000.000 $ 105.000 0,50% $ 105.000,00 0,50% $0 0,00% 86 1 $ 6.000.000 $ 30.000 0,50% $ 30.000,00 0,50% $0 0,00% 87 0,5374 $ 39.000.000 $ 362.858 0,93% $ 195.000,00 0,50% $ 167.858 0,43% 88 0,5953 $ 39.000.000 $ 327.566 0,84% $ 195.000,00 0,50% $ 132.566 0,34% 89 0,3789 $ 115.000.000 $ 1.517.551 1,32% $ 575.000,00 0,50% $ 942.551 0,82% 90 0,56 $ 28.000.000 $ 250.000 0,89% $ 140.000,00 0,50% $ 110.000 0,39% 91 0,5795 $ 39.000.000 $ 336.497 0,86% $ 195.000,00 0,50% $ 141.497 0,36% 92 1 $ 65.000.000 $ 325.000 0,50% $ 325.000,00 0,50% $0 0,00% 93 0,2267 $ 105.000.000 $ 2.315.836 2,21% $ 525.000,00 0,50% $ 1.790.836 1,71% 94 1 $ 69.000.000 $ 345.000 0,50% $ 345.000,00 0,50% $0 0,00% 95 0,2022 $ 10.000.000 $ 247.280 2,47% $ 50.000,00 0,50% $ 197.280 1,97% 96 1 $ 53.000.000 $ 265.000 0,50% $ 265.000,00 0,50% $0 0,00% 97 0,4696 $ 10.000.000 $ 106.474 1,06% $ 50.000,00 0,50% $ 56.474 0,56% 98 0,2823 $ 113.000.000 $ 2.001.417 1,77% $ 565.000,00 0,50% $ 1.436.417 1,27% 99 1 $ 53.000.000 $ 265.000 0,50% $ 265.000,00 0,50% $0 0,00% 100 0,622 $ 40.000.000 $ 321.543 0,80% $ 200.000,00 0,50% $ 121.543 0,30% Tabla 14 CONCLUSIONES • La técnica de Análisis de Envolvente de Datos, permite identificar los clientes eficientes y hallar indicadores de gestión relativa para cada cliente con relación a los que presentan mejor desempeño. También permite identificar y cuantificar las ineficiencias de cada cliente con relación a las entradas y las salidas, lo que da una pauta muy importante para que una compañía aseguradora pueda argumentar explícitamente a cada cliente el valor de su tarifa. • Al comparar el resultado de las tarifas halladas mediante la técnica DEA, con las tarifas que normalmente paga un cliente, se puede observar que el método propuesto realiza un análisis más ajustado a la realidad, ya que permite analizar todas las variables conjuntamente, lo que contribuye en gran parte a que las empresas aseguradoras, tomen buenas decisiones evitando perder dinero, debido al mal cálculo de tarifas para los clientes que se comportan relativamente ineficientes. • Al resolver el problema en las dos herramientas computacionales, podemos ver claramente que FRONTIER es una interfaz al usuario final, además presenta los resultados de una manera explicita, es decir este software ya viene diseñado para la presentación de los resultados, mientras que GAMS permite modelar el problema y brinda la oportunidad al usuario de programarlo según sus necesidades y conocimientos. FRONTIER es más amigable ya que no maneja código, mientras que en GAMS se debe trabajar con código. • La mayoría de empresas aseguradoras colombianas no poseen buenos sistemas de manejo y recolección de información, por lo que el punto de partida para poder aplicar este modelo prototipo en una compañía aseguradora, es comenzar a recolectar información completa acerca de los clientes del sector de seguros de transporte terrestre de mercancía. Para este proyecto se construyó una base de datos ficticia a partir de algunos datos reales, lo cual no tiene mayor importancia debido a que en este trabajo se presenta un modelo prototipo, en el momento que se desee implementar a una compañía se debe simplemente realizar los ajustes necesarios con los datos reales que posea la compañía. 74 Conclusiones 75 • Con todos los argumentos expuestos en este trabajo, se puede tener plena seguridad que las pólizas de transporte de mercancías emitidas por compañías de seguros que se basen en esta metodología, corresponderán a un sistema integral de protección y prevención, ya que el mecanismo utilizado para calcular las tarifas, pretende minimizar los riesgos, permitiendo de esta manera que las compañías aseguradoras mejoren su productividad y logren ser más competitivas. • DEA es una herramienta que abre posibilidades para utilizarse en casos en los cuales es bastante complejo establecer relaciones entre múltiples inputs y outputs, como en el caso de este proyecto, que es muy complicado establecer una relación entre las variables y por lo cual la técnica DEA se ajusta perfectamente a esta aplicación. Recomendaciones 76 RECOMENDACIONES El modelo diseñado es general para las compañías de seguros específicamente para el ramo de transportes de mercancía terrestre a nivel nacional, en el momento que una empresa aseguradora decida implementarlo, puede ajustar el modelo de acuerdo a sus políticas y estrategias. Este documento es el punto de partida para nuevas aplicaciones en los otros ramos de los seguros, a continuación se presentan algunas recomendaciones para aquellas personas que se interesen por explorar la aplicación de la técnica DEA en otros ramos de los seguros. • En este trabajo se analizaron dos herramientas computacionales (GAMS y FRONTIER), se cree conveniente estudiar otras alternativas y evaluarlas con las utilizadas en este trabajo. Se sugiere revisar los siguientes software que se encuentran en el mercado: o Warwick DEA Software, desarrollado por la universidad de WARWICK. o BYU-DEA, desarrollado por Donald L. Adolphson, Marriott School of Management, Birgham Young University. o IDEA, su autor es Agha Iqbal Ali. o PIONEER, soportado por, Richard Barr, Department of Computer Science and Engineering, Southern Methodist University. o SAS/DEA software, implementado en el lenguaje de programación SAS. o DEAP, desarrollado por Tim Coello, Center for Efficiency and Productivity Analysis, Department of Econometrics, University of New England. o OnFront, desarrolado por, EMQ (Economical Productivity and Quality). o DEA Solver Pro, este software es diseñado en base al libro, Data Envelopment Analysis-A Comprehensive Text with Models, Applications, References and DEA-Solver Software, by W.W. Cooper, L.M. Seiford and K. Tone (Kluwer Academic Publishers, 1999). 76 Recomendaciones 77 • Sería de gran interés trabajar en el desarrollo de un software para resolver problemas bajo la técnica de Análisis de Envolvente de Datos (DEA). • El sector de los seguros generales es bastante amplio, por lo que se estima interesante aplicar modelos similares de medición de riesgo en otros ramos diferentes al de transporte terrestre de mercancía. • Este estudio sólo se centró en la aplicación de la técnica DEA, sería conveniente utilizar otras técnicas y comparar los resultados. Se recomienda revisar un poco Value at Risk. • Una de las mayores dificultades en este proyecto, fue la selección de las variables y la obtención de información de las aseguradoras, debido a que actualmente existe una gran competitividad y se maneja mucha información confidencial, sería bastante útil y complementario trabajar un poco en la obtención de esta información. BIBLIOGRAFIA ESTUDIADA Banker, R.D.; Charnes, A. Y Cooper, W.W. “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis”, Management Science, Vol. 30, nº 9, pgs. 1078-1092. (1984). Batesse; G.E. Y Coelli, T.J. “Fontier Production Functions, Technical Efficiency and panel Data: With Application to Paddly Farmers in India”, Journal of Productivity Analysis, Vol. 3, pgs. 153-169. (1992). Charnes, A., Cooper, W. W., and Rhodes, E. “Measuring the Efficiency of Decision Making Units,” European Journal of Operational Research 2: 429-444. (1978) Farrel, M.J. “The Measurement of Productive Efficiency”, Journal of the Royal Statitical Society, Serie A (general), Vol. 120 (III), pgs. 253-281. (1957). Farrel M.J., Fieldhouse M. “Estimating efficient production functions under increasing returns to scale. Journal of Royal Statistical Society (Series A), vol.125. (1962) 78 BIBLIOGRAFIA CONSULTADA Aigner, D.J.; Lovell, C.A.K. Y Schmidt, P. “Formulation and Estimation of Stochastic Frontier Production Function Models”, Journal of Econometrics, Vol. 6, pgs. 21-37. (1977). Forsund, F.R. y Hjalmarsson, L. “On the Measurement of Productive Efficiency”, The Swedish Journal of Economics, Vol. 76, nº 2, pgs. 141-154. (1974). Forsund, F.R., Lovell, C.A.K. Y Schmidt, P. “A Survey of Frontier Functions and of their Relationship to Efficiency Measurement”, Journal of Econometrics, Vol.13, pgs. 5-25. (1980). Fraser I., Cordina D. “An application of data envelopment analysis to irrigated dairy farms in Northern Victoria, Australia”. Agricultural Systems 59, 267-282. (1999) Meeusen, W. Y Van Den Broeck, J. “Efficiency Estimation from Cobb-Douglas Production Functions with Composite Error”, International Economic Review, Vol. 18, pgs. 435-444. (1977). Sellers, R., Nicolau, J. y Más, F. “Eficiencia en la Distribución: Una Aplicación en el Sector de Agencias de Viajes”. Documento de Trabajo Dpto. de Economía Financiera, Contabilidad y Marketing. Facultad de Económicas. Universidad de Alicante. ESPAÑA (2002). Tulkens, H. “On FDH Efficiency Analysis: Some Methodological Issues and Applications to Retail Banking, Courts and Urban Transit,” Journal of Productivity Analysis 4: 183210. (1993) Vanden Eeckaut, P., H. Tulkens, and M.A. Jamar. “Cost Efficiency in Belgian Municipalities,” in H.O. Fried, C.A.K. Lovell, and S.S. Schmidt, eds., The Measurement of Productive Efficiency (New York: Oxford University Press). (1993) Batesse; G.E. Y Coelli, T.J. “Prediction of Firm-Levell Technical Efficiencies With a Generalised Frontier Production Function and Panel Data”, Journal of Econometrics, Vol. 38, pgs. 387-399. (1988). 79 Bibliografía Consultada 80 Bosch, N.; Pedraja, F. Y Suárez, J.” La Medición de la Eficiencia en la Prestación de los Servicios Públicos Locales: El Caso del Servicio de Recogida de Basuras”. Centro de Estudios sobre Economía Pública. Fundación BBV. Junio. (1998). Byrnes, P., R. Fare, and Grosskopf. “Measuring Productive Efficiency: An Application to Illinois Strip Mines,” Management Science 30: 671-681. (1984) Charnes, A., Cooper, W. W., and Rhodes, E. “Evaluating Program and Managerial Efficiency: An Application of Data Envelopment Analysis to Program Follow Through”. Management Science, Vol. 27, nº 6, pgs. 668-697. (1981). Coelli, T.J. “A Guide to FRONTIER Version 4.1: A Computer Program for Stochastic Frontier Production and Cost Function Estimation”, Department of Econometrics, University of New England, Armidale, Australia. (1994). Cooper, W.W., Seiford L.M., Tone K. “Data Envelopment Analysis A Comprehensive Text with Models, Applications, References and DEA-Solver Software”. Kluver Nijhoff Publishing, Boston (1999). ANEXO A. PRINCIPALES COMPAÑIAS DE TRANSPORTE TERRESTRE DE CARGA EN COLOMBIA Empresa Sector Ciudad ASOCIADOS DISTRIBUIDORES DE SERVICIOS DEL PETROLEOL Carga tipo líquida Bogotá, D.C. CAMIONES Y REMOLQUES Transporte Terrestre B/QUILLA CARGA S.A. Transporte Terrestre MEDELLÍN CHEMICAL TRANSPORTES LTDA Transporte Terrestre B/QUILLA COLDETRANS S.A. Transporte Terrestre ARMENIA COLOMBIANA T.C.C. Transporte Terrestre MEDELLÍN COLTANQUES S.A. Masivos BOGOTÁ COMPAÑIA DE CARGA MOVITRANSPORTES LTDA. Carga tipo líquida BOGOTÁ CONALTRA Bogotá COONORTE Masivos MEDELLÍN COORDICARGAS Masivos BOGOTÁ COOTRANSORAN Todo Tipo de Carga MEDELLÍN COOTRANSRISARALDA Alimentos PEREIRA COOTRASANDEREANOS Carga Pesada Seca B/MANGA COPETRAN Todo Tipo de Carga B/MANGA CORPORACION COLOMBIANA DE LOGISTICA S.A. Todo Tipo de Carga BOGOTÁ COTRASUR Carga Pesada Seca B/MANGA DITRANSA S.A. Masivos ENVIGADO EDUARDO BOTERO SOTO Y CIA LTDA. Todo Tipo de Carga MEDELLÍN FORTALEZA DE TRANSPORTES FORTRANS Masivos BOGOTÁ ICOLTRANS Alimentos MEDELLÍN INTERANDINA DE TRANSPORTE INANTRA Transporte Terrestre BOGOTÁ LOGISTEC Alimentos BOGOTÁ LOGISTICA DE TRANSPORTE Alimentos MEDELLÍN MOTOTRANSPORTAR S.A. Todo Tipo de Carga MEDELLÍN MULTINACIONAL TRANSPORTADORA LTDA Todo Tipo de Carga BOGOTA PEREIRANA DE TRANSPORTES Transporte Terrestre PEREIRA PROCAM S.A. Todo Tipo de Carga BOGOTÁ PROVEEDOR & SERCARGA Transporte Terrestre BOGOTÁ ROJAS TRASTEOS SERVICIO BOGOTÁ Mudanzas BOGOTÁ SANCARGA LTDA. Transporte Terrestre CÚCUTA SERVIENTREGA Transporte Terrestre BOGOTÁ SERVITRANSA LTDA. Transporte Terrestre B/QUILLA SITRAMAR Transporte Terrestre BOGOTÁ SURAMERICANA DE TRANSPORTES Carga Pesada BOGOTÁ T.D.M. TRANSPORTES Carga Pesada MEDELLÍN TRACTOCARGA TRACTOMULAS Y CAMIONES DEL CARIBE BOGOTA Transporte Terrestre CARTAGENA 81 Anexo A 82 Empresa Sector Ciudad TRAFICOS Y FLETES Transporte Terrestre BOGOTÁ TRANSAPEC Transporte Terrestre MEDELLÍN TRANSBOY Transporte Terrestre BOGOTÁ TRANSER LTDA. Transporte Terrestre BOGOTÁ TRANSGRANOS DE COLOMBIA Todo Tipo de Carga BOGOTÁ TRANSILVER Transporte Terrestre BOGOTÁ TRANSPAPEL S.A. Papel PEREIRA TRANSPORTE VELEZ LACAYO Transporte Terrestre B/QUILLA TRANSPORTES 3T LTDA. Todo Tipo de Carga BOGOTÁ TRANSPORTES ANDRES MOLINA Transporte Terrestre B/QUILLA TRANSPORTES C.V. LTDA. Transporte Terrestre B/QUILLA TRANSPORTES CARAVANA LTDA BOGOTÁ TRANSPORTES CARTAGO Transporte Terrestre MEDELLÍN TRANSPORTES CENTRO VALLE Alimentos CALI TRANSPORTES CETTA Transporte Terrestre BOGOTÁ TRANSPORTES CONDOR Transporte Terrestre CÚCUTA TRANSPORTES DELFIN Carga Seca Refrigerada MEDELLÍN TRANSPORTES ELMAN Masivos B/QUILLA TRANSPORTES FLETES TERRESTRES Masivos MEDELLÍN TRANSPORTES JOALCO S.A. Carga tipo líquida BOGOTÁ TRANSPORTES LA NUBIA LTDA. Productos Higiénicos PEREIRA TRANSPORTES M Y S Químico MEDELLÍN TRANSPORTES MARIO ACOSTA LTDA. Transporte Terrestre B/QUILLA TRANSPORTES MONRUB & CIA Alimentos BOGOTÁ TRANSPORTES MULTIGRANEL S.A. Agroquímico SOACHA TRANSPORTES ORO Carga Pesada ARMENIA TRANSPORTES PREMMIER LTDA. Carga Pesada BOGOTÁ TRANSPORTES PUMA Alimentos MEDELLÍN TRANSPORTES RAGRI Alimentos PEREIRA TRANSPORTES RG Transporte Terrestre MEDELLÍN TRANSPORTES SANCHEZ POLO Carga Pesada B/QUILLA TRANSPORTES SARVI LTDA. Masivos BOGOTÁ TRANSPORTES SIERRA LTDA Masivos MEDELLÍN TRANSPORTES TERRESTRES DE CARGA Transporte Terrestre B/MANGA TRANSPORTES UNIDOS RIOCARFE Transporte Terrestre CÚCUTA TRANSPORTES VIGIA S.A. Transporte Terrestre Bogotá D.C. TRANSPORTES VOLCOS Y TANQUES DEL VALLE Transporte Terrestre CALI TRANSURCAR LTDA Alimentos MEDELLÍN UNION ANDINA DE TRANSPORTES Alimentos BOGOTÁ VELOTAX Masivos IBAGUÉ ANEXO B. TABLA DE CLASIFICACIÓN DE LOS SECTORES DE LA ECONOMIA. 1 2 3 4 5 7 8 9 10 11 12 13 14 15 SECTORES DE LA ECONOMIA COLOMBIANA SECTORES VALOR ASIGNADO A. Primario o agropecuario Agricultura 90 Ganadería 60 Silvicultura 10 Caza 30 Pesca 50 B. Secundario o industrial B.1 Industrial Extractivo Extracción Minera 70 Extracción de Petróleo 100 B.2 Industrial de Transformación Envasado de frutas y legumbres 80 Embotellado de refrescos 90 Fabricación de abonos y fertilizantes 40 Vehículos 20 Cementos 10 Aparatos electrodomésticos 90 Otros 50 Justificación del valor asignado: Para la asignación del valor a cada uno de los sectores se ha tomado como punto de referencia informes presentados por la policía sobre los productos mas apetecidos por los piratas, más puntualmente sobre el informe que se presento en el periódico noticarga en la sección de información de la edición correspondiente a noviembre-diciembre del 2003. Se debe tener en cuenta para el análisis que entre mayor sea el valor mayor será el riesgo que se corre. 83 Guainia 2.24 2.70 2.70 2.70 2.70 2.24 2.24 2.70 2.24 2.70 2.70 2.52 2.24 2.42 2.56 0.10 1.60 2.42 2.70 1.80 2.70 2.52 2.70 2.24 2.24 2.42 1.80 2.34 2.70 1.60 2.24 Guaviaré 2.24 2.70 2.70 2.70 2.70 2.24 2.24 2.70 2.24 2.70 2.70 2.52 2.24 2.42 2.56 1.60 0.16 2.42 2.70 1.80 2.70 2.52 2.70 2.24 2.24 2.42 2.70 2.34 2.70 1.60 2.24 Guajira 1.66 2.56 0.72 0.60 0.36 0.36 0.62 0.62 1.50 0.28 0.80 0.68 0.22 0.72 2.56 2.56 0.16 0.70 0.54 0.42 0.22 0.74 0.46 1.04 0.62 0.46 0.36 0.76 Chocó 1.34 2.42 0.36 0.38 0.48 0.40 0.26 0.26 0.92 0.44 0.54 0.52 0.58 0.46 2.42 2.42 0.70 0.16 0.38 0.30 0.58 0.44 0.40 0.74 0.26 0.40 0.48 0.90 0.48 C/marca 0.26 0.90 2.24 0.30 0.08 0.56 0.18 0.20 0.20 0.84 0.26 0.38 0.16 0.52 0.16 2.24 2.24 0.54 0.38 0.08 0.40 0.52 0.34 0.08 0.46 0.20 0.08 0.56 0.72 0.56 Córdoba 1.52 2.52 0.36 0.40 0.14 0.40 0.24 0.24 1.00 0.34 0.56 0.54 0.20 0.50 2.52 2.52 0.42 0.30 0.40 0.08 0.20 0.42 0.54 0.92 0.24 0.54 0.14 0.98 0.16 2.70 Cesar 2.70 1.80 2.70 0.68 0.60 0.20 0.36 0.60 0.60 1.18 0.28 0.88 0.66 0.10 0.56 2.70 2.70 0.22 0.58 0.52 0.20 0.10 0.80 0.44 0.92 0.60 0.44 0.20 1.08 0.18 2.70 Cauca 2.70 1.34 2.70 0.10 0.20 0.62 0.52 0.18 0.18 0.38 0.60 0.10 0.48 0.80 0.16 2.70 2.70 0.74 0.44 0.34 0.42 0.80 0.10 0.42 0.28 0.18 0.42 0.62 1.34 0.62 2.30 Casanare 2.56 0.98 2.24 0.38 0.16 0.54 0.08 0.28 0.28 0.82 0.12 0.50 0.24 0.44 0.24 2.24 2.24 0.46 0.40 0.08 0.54 0.44 0.42 0.10 0.56 028 0.10 0.54 0.54 0.54 2.70 Caquetá 1.34 2.70 0.46 0.38 0.82 0.56 0.56 0.56 0.90 0.64 0.38 0.46 0.92 0.28 2.70 2.70 1.04 0.74 0.46 0.92 0.92 0.28 0.56 0.28 0.56 0.56 0.82 1.18 0.92 1.80 0.54 1.08 2.24 0.10 0.10 0.46 0.36 0.08 0.08 0.56 0.42 0.26 0.34 0.60 0.16 2.24 2.24 0.62 0.26 0.20 0.24 0.60 0.18 0.28 0.56 0.08 0.28 0.46 0.90 0.50 2.70 0.14 Caldas 0.28 0.98 2.24 0.38 0.16 0.54 0.08 0.28 0.28 0.82 0.12 0.50 0.24 0.44 0.24 2.24 2.24 0.46 0.40 0.08 0.54 0.44 0.42 0.10 0.56 028 0.10 0.54 0.54 0.54 2.70 0.28 Boyacá 0.32 1.80 2.70 0.58 0.60 0.10 0.36 0.46 0.46 1.18 0.34 0.66 0.70 0.20 0.64 2.70 2.70 0.36 0.48 0.56 0.14 0.20 0.62 0.54 0.82 0.46 0.54 0.10 1.16 0.10 2.70 0.26 Bolívar 0.46 0.90 2.70 1.08 0.80 1.16 0.36 0.90 0.90 1.46 0.26 1.34 1.08 1.08 0.90 2.70 2.70 0.76 0.90 0.72 0.98 1.08 1.34 0.54 1.18 0.90 0.54 1.16 0.30 1.16 2.70 0.72 Arauca 0.18 1.80 2.70 0.58 0.60 0.10 0.40 0.50 0.50 1.18 0.32 0.70 0.70 0.14 0.64 2.70 2.70 0.26 0.48 0.56 0.16 0.18 0.62 0.54 0.92 0.50 0.54 0.10 1.16 0.06 2.70 0.36 Atlántico 2.70 2.70 2.70 2.70 2.70 2.70 2.70 2.70 2.70 2.24 2.70 2.30 2.70 2.70 2.30 2.70 2.70 2.56 2.70 2.70 2.70 2.70 2.30 2.70 1.80 2.70 2.70 2.70 2.70 2.70 0.10 2.70 Amazonas 0.12 1.26 2.24 0.24 0.26 0.26 0.26 0.14 0.14 0.74 0.32 0.42 0.40 0.46 0.34 2.24 2.24 0.60 0.12 2.70 0.18 0.46 0.32 0.28 0.54 0.14 0.28 0.26 0.72 0.36 2.70 0.10 Antioquia 0.60 Vichada Vaupes Valle Tolima Sucre Santander Risaralda Quindío Putumayo N.de.S Nariño Meta Magdalena Huila Guaviaré Guainia Guajira Chocó C/marca Córdoba Cesar Cauca Casanare Caquetá Caldas Boyacá Bolívar Arauca Atlántico Amazonas Antioquia ANEXO C. TRAYECTOS TERRESTRES 84 Vaupes 2.24 2.70 2.70 2.70 2.70 2.24 2.24 2.70 2.24 2.70 2.70 2.52 2.24 2.42 2.56 1.60 1.60 2.42 2.70 1.80 2.70 2.52 2.70 2.24 2.24 2.42 2.70 2.34 2.70 0.70 2.24 Vichada 1.26 2.70 1.80 0.90 1.80 0.98 1.08 1.34 0.98 1.34 1.80 1.52 0.90 1.34 1.66 2.24 2.24 1.08 1.80 0.54 1.80 1.16 1.80 1.08 1.08 1.26 1.80 0.98 1.34 2.24 0.90 Valle 1.34 2.70 0.08 0.14 0.58 0.44 0.10 0.10 0.46 0.52 0.16 0.44 0.68 0.16 2.70 2.70 0.72 0.36 0.30 0.36 0.68 0.10 0.38 0.46 0.10 0.38 0.58 1.08 Tolima 0.58 0.98 2.34 0.14 0.08 0.60 0.28 0.10 0.10 0.64 0.34 0.30 0.24 0.60 0.10 2.34 2.34 0.60 0.38 0.08 0.40 0.60 0.20 0.16 0.38 0.10 0.16 0.60 0.80 0.60 Sucre 1.80 2.70 0.58 0.60 0.10 0.36 0.46 0.46 1.18 0.34 0.66 0.70 0.20 0.64 2.70 2.70 0.36 0.48 0.56 0.14 0.20 0.62 0.54 0.82 0.46 0.54 0.10 1.16 0.10 2.70 Santander 2.70 1.26 2.42 0.44 0.28 0.36 0.08 0.36 0.36 0.92 0.08 0.52 0.32 0.36 0.34 2.42 2.42 0.36 0.40 0.18 0.40 0.36 0.52 0.08 0.56 0.36 0.08 0.36 0.36 0.40 2.70 Risaralda 2.30 1.08 2.24 0.10 0.10 0.46 0.36 0.08 0.08 0.56 0.42 0.26 0.34 0.60 0.16 2.24 2.24 0.62 0.26 0.20 0.24 0.60 0.18 0.28 0.56 0.08 0.28 0.46 0.90 0.50 2.70 Quindío 1.08 2.24 0.10 0.10 0.46 0.36 0.08 0.08 0.56 0.42 0.26 0.34 0.60 0.16 2.24 2.24 0.62 0.26 0.20 0.24 0.60 0.18 0.28 0.56 0.08 0.28 0.46 0.90 0.50 2.70 1.80 2.70 0.46 0.64 1.18 0.92 0.56 0.56 0.34 1.00 0.28 1.18 1.18 0.46 2.70 2.70 1.50 0.92 0.84 1.00 1.18 0.38 0.82 0.90 0.56 0.82 1.18 1.46 1.18 2.24 0.74 Putumayo 0.14 1.16 2.52 0.52 0.34 0.34 0.08 0.42 0.42 1.00 0.08 0.60 0.40 0.28 0.40 2.52 2.52 0.28 0.44 0.26 0.34 0.28 0.60 0.12 0.64 0.42 0.12 0.34 0.26 0.32 2.70 0.32 N.de.S 0.14 1.80 2.70 0.16 0.30 0.66 0.52 0.26 0.26 0.28 0.60 0.10 0.52 0.88 0.26 2.70 2.70 0.80 0.54 0.38 0.56 0.88 0.10 0.50 0.38 0.26 0.50 0.66 1.34 0.70 2.30 0.42 Nariño 0.26 0.54 1.80 0.44 0.24 0.70 0.32 0.34 0.34 1.18 0.40 0.52 0.14 0.66 0.30 1.80 1.80 0.68 0.52 0.16 0.54 0.66 0.48 0.24 0.46 0.34 0.24 0.70 1.08 0.70 2.70 0.40 Meta 0.26 1.80 2.70 0.68 0.60 0.20 0.36 0.60 0.60 1.18 0.28 0.88 0.66 0.10 0.56 2.70 2.70 0.22 0.58 0.52 0.20 0.10 0.80 0.44 0.92 0.60 0.44 0.20 1.08 0.14 2.70 0.46 Magdalena 0.26 1.08 2.42 0.16 0.10 0.64 0.34 0.16 0.16 0.46 0.40 0.26 0.30 0.66 0.10 2.42 2.42 0.72 0.46 0.16 0.50 0.66 0.16 0.24 0.28 0.16 0.24 0.64 0.90 0.64 2.30 0.34 Huila 0.24 Vichada Vaupes Valle Tolima Sucre Santander Risaralda Quindío Putumayo N.de.S Nariño Meta Magdalena Huila Guaviaré Guainia Guajira Chocó C/marca Córdoba Cesar Cauca Casanare Caquetá Caldas Boyacá Bolívar Arauca Atlántico Amazonas Antioquia Anexo C 85 Justificación de los valores asignados para cada trayecto: El punto de partida para la asignación de estos datos es la tabla que utilizaba anteriormente FASECOLDA para determinar las tarifas de seguros de transporte terrestre de mercancía, FASECOLDA creo esta tabla teniendo en cuenta las distancias entre los diferentes departamentos, pero la tabla utilizada en este proyecto tiene ajustes, en donde no solo se tiene en cuenta la distancia sino la situación actual del país y en base a informes de la DIJIN y del periódico NOTICARGA , donde aparece información de piratería terrestre y se muestra cuales son las vías más riesgosas del país actualmente, se asignan valores. Anexo D 86 ANEXO D. LISTA DE MERCANCIAS TRANSPORTADAS EN COLOMBIA Lista de Mercancías 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 Mercancías Abonos Accesorios Aceites, Grasas, Pinturas y Productos Químicos Acetato de Celulosa Aeronaves Alambiques Alambre o Alambron Alarmas Eléctricas Alfombras o Tapetes Algodón Alimentos Concentrados para Animales Almohadas y Cojines Amalgama Dental Anilinas Animales Vivos Anteojos o Gafas Armadas Aparatos Eléctricos de uso domestico (Electrodomésticos) Aparatos de: Optica, Fotografía, Cinematografía, de Medida, de Precisión, Medico-quirúrgicos, Odontológicos, para el Registro o la Reproducción del Sonido y para el registro de imágenes en televisión, excepto par uso doméstico. Aparatos para control de ingreso y salida de vehículos de parqueaderos Armas y municiones Artículos para uso domestico, excluyendo electrodomésticos Artículos de cristal Artículos de vidrio Artículos de porcelana Artículos de barro Artículos de cerámica Artículos de Madera Artículos de plástico Artículos de mimbre Artículos de cuero Artículos de metal Artículos de asbesto Artículos de caucho Artículos de plata, excluyendo joyas Artículos de vidrio para laboratorio Artículos de vidrio refractario Artículos de fantasía y adornos en materiales no preciosos Artículos para instalaciones eléctricas, excepto cables Artículos para recreación y deporte, excluyendo prendas de vestir Valor 7 6 8 7 8 11 5 6 8 5 8 6 9 4 6 8 8 9 7 6 9 11 11 11 11 11 7 7 7 7 6 9 6 8 11 10 9 8 7 Anexo D 87 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 Mercancías Artículos para escritorio y dibujo Artículos pirotécnicos Artículos para tocador Asbesto, amianto o asfalto Ascensores Azufre Azulejos Balanzas o basculas Barcas deportivas Baterías Betunes Bicicletas Binóculos Bobinas para usos textiles Bolsas sacos o cajas para empaque Bombas Bombillas Botoneria o Hebillas Brea Cables, cuerdas y cordeles de algodón o de fibras sintéticas Cables metálicos Cables para electricidad Cacao Café Cajas de seguridad Calderas armadas Calzado Carbón en sacos Carnes, mariscos y pescados Casas prefabricadas Cascos protectores para motociclistas Caucho natural, o sintético en bruto, hojas o placas Celdas solares Cemento 74 Ceras 75 76 77 78 79 80 81 82 83 84 85 Cerdas, pelos, cabellos y crines Cervezas, gaseosas, jugos y similares Cobijas Colchones Colecciones Computadores electrónicos Contadores y medidores Contenedores o portabultos Corcho Cordonel para fabricar llantas Cremalleras (Cierres para ropa) Valor 7 10 8 6 8 6 5 7 7 10 4 9 9 5 5 9 7 4 5 7 6 6 8 7 6 5 8 7 7 7 6 6 10 7 5 5 7 8 7 4 10 9 4 7 5 7 Anexo D 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 88 Mercancías Cremas para brillar Crisoles Cristales para anteojos o lentes de contacto Cubierteria Cueros Detergentes Dientes artificiales Dinamita (Mercancía azarosa) Discos para grabación o grabados Drogas Encendedores (briquets) Envases de vidrio para cerveza, gaseosa, jugos y similares Equipaje y efectos personales (ropa) Esencias y concentrados Extintores Ferretería Fibra de vidrio y similares Fibras sintéticas, en bruto, procesadas, semiprocesadas, puras o mezcladas Fósforos Fulminantes comunes y eléctricos Gobelinos Grabados artísticos originales Grecas para uso comercial Guantes Herramientas manuales Hilos e hilazas Hojalata Hormas Huevos Impresos y libros Incubadoras Instrumental medico y odontológico Instrumentos musicales Insumos para la impresión y producción de moneda legal colombiana(billetes y moneda fraccionaria) Valor 4 12 9 9 9 5 7 11 8 8 9 7 9 11 6 8 8 8 5 9 9 6 10 5 8 4 4 4 11 5 8 9 9 5 120 Juguetería 8 121 122 123 124 125 126 127 128 129 130 Ladrillos y lozas de asfalto, gres o refractarios Laminas de metal Lámparas o pantallas Lana Lavamanos, lavaplatos y sanitarios Leche en polvo Levadura Licores Linternas o lámparas portátiles Litografías, excluyendo obras de arte 9 4 9 5 7 9 5 12 7 8 Anexo D 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 89 Mercancías Llantas Madera Maletas, maletines y similares Mancornas y pisacorbatas Mangueras Maniquíes de cartón y de pasta plásticos Mantecas Maquinaria Mármol Mercurio Metales preciosos Miel Miembros artificiales (ortopédicos) Modelos anatómicos para enseñanza Monturas para anteojos o gafas Motocicletas Muebles Neumáticos Obras de arte y objetos artísticos Oro Panela Papel Paraguas o sombrillas Pegantes Persianas Piedras preciosos Pieles no manufacturadas Pinturas Pinturas artísticas originales Plásticos Plata Postes Prendas de vestir Productos agrícolas Productos químicos Pulpa o pasta de papel o madera Quesos Reflectores Relojes Repuestos partes y accesorios Rines para vehículos automotores Rollos, cintas, películas o placas para cinematografía, grabación o rayos x Ropa de cama y similares Semen en ampolletas Soldaduras Tabaco Valor 9 8 8 9 8 12 6 7 11 7 4 6 9 12 9 8 8 9 8 4 7 7 9 6 7 4 9 7 7 11 10 6 9 8 9 5 7 7 8 11 9 11 8 12 8 8 Anexo D 177 178 179 180 181 182 183 184 185 90 Mercancías Tablillas para la fabricación de lápices Taxímetros Telas o paños Teléfonos Thermos Triciclos, patinetas y similares Tubería Tubos para alumbrado Vehículos automotores Valor 6 8 6 7 12 8 3 11 8 Justificación de los valores asignados a cada tipo de mercancía: Este listado de mercancías, fue tomado a partir de información suministrada por FASECOLDA y para la asignación de valor a cada tipo de mercancía, se tuvieron en cuenta los valores anteriormente utilizados en la determinación de tarifas por parte de FASECOLDA, así como también informes de la policía y de COLFECAR acerca de las mercancías con mayor numero de siniestros.