¿De qué se trata el trabajo publicado?

Cuando las Unidades de Decisión (DMU) son ineficientes, es crucial establecer aspiraciones realistas que les permitan alcanzar la eficiencia, definiendo soluciones que sean matemáticamente óptimas y a la vez, económicamente viables. En este sentido, los modelos de distancia mínima (closest target) en el marco del Análisis Envolvente de Datos (DEA) han sido útiles para establecer objetivos de mejora. Sin embargo, en algunos casos, estos modelos pueden conducir a resultados insatisfactorios, ya que el esfuerzo se concentra en unas pocas variables, lo que puede ser inabordable en ciertos contextos.
Dada la situación observada y ante la ausencia de información sobre las limitaciones de mejora en las distintas variables (entradas/salidas), consideramos que una solución plausible y conservadora sería aquella en la que fuera posible una redistribución equitativa de los esfuerzos. En este trabajo, proponemos diferentes enfoques con el objetivo de alcanzar esta distribución equitativa de los esfuerzos para lograr niveles óptimos de funcionamiento sin descuidar el esfuerzo global necesario. Por lo tanto, proponemos distintos modelos alternativos para la planificación de mejoras dirigidas hacia objetivos eficientes DEA, donde el decisor puede elegir aquel que mejor se adapte a sus circunstancias. Además, y como novedad en el contexto DEA de benchmarking, analizamos qué propiedades satisfacen los objetivos generados por los diferentes modelos propuestos. Por último, un ejemplo empírico utilizado en la literatura sirve para ilustrar la metodología propuesta.