Análisis Envolvente de Datos y Cálculo Multivariado para Valorar, Clasificar y Predecir la Eficiencia Productiva y de Innovación de las Empresas del Sector Químico
Resumen: Se desarrolló un método que permitió establecer criterios de valoración, clasificación y predicción para evaluar la eficiencia productiva y de innovación de las empresas del sector químico de Barranquilla. Se recolectó información asociada a variables de clima laboral, gestión de la información, gestión del conocimiento, gestión de la productividad y la innovación. Seguidamente se validó los resultados con el análisis discriminante y se modelaron procesos de pronóstico y predicción de la eficiencia de las empresas del sector con las redes neuronales artificiales. Los resultados muestran que la eficiencia promedio en el sector es del 52,9%, con 6 empresas clasificadas como eficientes. Con las técnicas de análisis discriminante multivariado, se pudo determinar la calidad de clasificación lográndose un 92,6 % de clasificación correcta. Así mismo el modelo de redes neuronales seleccionado generó una precisión de clasificación de 98,82%, 95,78% y 94,28% para las muestras de entrenamiento, prueba y reserva, lo que evidencia la relevancia del modelo de clasificación. Se concluye que las variables analizadas son significativas para discriminar la eficiencia productiva y de innovación.
| Main Authors: | , , |
|---|---|
| Format: | Digital revista |
| Language: | Spanish / Castilian |
| Published: |
Centro de Información Tecnológica
2019
|
| Online Access: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642019000500213 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Resumen: Se desarrolló un método que permitió establecer criterios de valoración, clasificación y predicción para evaluar la eficiencia productiva y de innovación de las empresas del sector químico de Barranquilla. Se recolectó información asociada a variables de clima laboral, gestión de la información, gestión del conocimiento, gestión de la productividad y la innovación. Seguidamente se validó los resultados con el análisis discriminante y se modelaron procesos de pronóstico y predicción de la eficiencia de las empresas del sector con las redes neuronales artificiales. Los resultados muestran que la eficiencia promedio en el sector es del 52,9%, con 6 empresas clasificadas como eficientes. Con las técnicas de análisis discriminante multivariado, se pudo determinar la calidad de clasificación lográndose un 92,6 % de clasificación correcta. Así mismo el modelo de redes neuronales seleccionado generó una precisión de clasificación de 98,82%, 95,78% y 94,28% para las muestras de entrenamiento, prueba y reserva, lo que evidencia la relevancia del modelo de clasificación. Se concluye que las variables analizadas son significativas para discriminar la eficiencia productiva y de innovación. |
|---|