Search

All public administration contracts must be evaluated in order to improve heir performance while respecting the limits established by laws and regulations. The purpose of this article is to apply an approach to improve the performance of a common building maintenance service contract for the Paraná State Court of Justice (PRCJ), which has a total built area of 544 283,79 m² in 224 buildings distributed over 161 counties, by optimizing the territorial partitioning of Paraná State. To partition the state into 14 regions, a binary integer linear programming (BILP) mathematical model is applied to the facilities location problem (FLP) in three scenarios. The results show that Scenario 3 (in which the location of the 14 maintenance offices and the configuration of their areas of activity were optimized) is the best in terms of minimizing the distances traveled by maintenance teams. In this scenario, the total distance traveled would be 9 775 km per day (instead of the current 11 150 km), achieving savings of around 12,3% when compared to the current solution. With this solution, in addition to the distance, the direct and indirect costs associated with the displacement of work teams and the time spent on their corresponding trips would be minimized. Furthermore, the users of maintenance services could be served more quickly, resulting in a higher number of services and greater satisfaction for the target audience of the contract., Todos los contratos de la administración pública deben ser evaluados a fin de mejorar su ejecución, respetando los límites establecidos por las leyes y los reglamentos. El objetivo de este artículo es aplicar un enfoque para mejorar el desempeño de un contrato de servicio común de mantenimiento de edificios en la Corte de Justicia del Estado de Paraná (PRCJ), que tiene un área total construida de 544 283,79 m² en 224 edificios distribuidos en 161 municipios, optimizando la partición territorial del Estado de Paraná. Para dividir el estado en 14 regiones, se aplicó un modelo matemático de programación lineal entera binaria (BILP) al problema de ubicación de instalaciones (FLP) en tres escenarios. Los resultados muestran que el Escenario 3 (en el que se optimizó la ubicación de las 14 oficinas de mantenimiento y la configuración de sus áreas de actividad) es el mejor escenario en cuanto a la minimización de las distancias recorridas por los equipos de mantenimiento. En este escenario, la distancia total recorrida sería de 9 775 km diarios (en lugar de los 11 150 km actuales), consiguiendo un ahorro en torno al 12,3 % respecto a la solución actual. Con esta solución, además de la distancia, se minimizarían los costos directos e indirectos relacionados con el desplazamiento de los equipos de trabajo y el tiempo empleado en sus respectivos viajes. Además, los usuarios de los servicios de mantenimiento podrían ser atendidos más rápidamente, lo que redundaría en un mayor número de servicios y una mayor satisfacción del público objetivo del contrato.

Given its importance in financial risk management, credit risk analysis, since its introduction in 1950, has been a major influence both in academic research and in practical situations. In this work, a systematic literature review is proposed which considers both “Credit Risk” and “Credit risk” as search parameters to answer two main research questions: are machine learning techniques being effectively applied in research about credit risk evaluation? Furthermore, which of these quantitative techniques have been mostly applied over the last ten years of research? Different steps were followed to select the papers for the analysis, as well as the exclusion criteria, in order to verify only papers with Machine Learning approaches. Among the results, it was found that machine learning is being extensively applied in Credit Risk Assessment, where applications of Artificial Intelligence (AI) were mostly found, more specifically Artificial Neural Networks (ANN). After the explanation of each answer, a discussion of the results is presented., Dada su importancia en la gestión del riesgo financiero, el análisis del riesgo crediticio, desde su introducción en 1950, ha tenido una gran influencia tanto en investigaciones académicas como en situaciones prácticas. En este trabajo se propone una revisión bibliográfica sistemática que considere “Credit Risk” y “Credit risk” como parámetros de búsqueda para responder dos preguntas de investigación principales: ¿se están aplicando efectivamente las técnicas de aprendizaje automático en las investigaciones sobre la evaluación del riesgo de crédito? Incluso, ¿cuáles de estas técnicas cuantitativas se han aplicado mayoritariamente en los últimos diez años de investigación? Se siguieron diferentes pasos para seleccionar los artículos para el análisis, así como los criterios de exclusión para verificar solo los artículos con enfoques de aprendizaje automático. Entre los resultados, se encontró que el aprendizaje automático se está aplicando ampliamente en la Evaluación de Riesgo de Crédito, donde en su mayoría se encontraron aplicaciones de Inteligencia Artificial (AI), más específicamente, de Redes Neuronales Artificiales (ANN). Después de la explicación de cada respuesta, se presenta una discusión sobre los resultados.

The aim of this paper is to evaluate the efficiency and productivity change of Paraná’s Credit Union. The analysis considered 45 units (each credit union researched), each of one with 10 variables in each period (8 inputs and 2 outputs). This evaluation has taken into account quarterly credit union’s data, from January 2009 to July 2015 (27 periods). The methodology included Data Envelopment Analysis (DEA), Principal Components Analysis (PCA) and Malmquist Index (MI) techniques. The results showed that DMUs 453, 498 and 517 were considered 100% efficient in all periods, making them ideal benchmarks. There was no case that a DMU was not considered 100% efficient in at least one observation. The MI showed that the difference between the biggest and the smallest average was significant (varying between 19.837 for DMU 251 and 0.926 for DMU 450). The average between all MI was 4,735 with a standard deviation of 3,547, evidencing the different measures of efficiency between each DMU when compared to the others., El objetivo de este trabajo es evaluar la eficiencia y el cambio de productividad de las Cooperativas de Crédito de Paraná. El análisis consideró 45 unidades (cada cooperativa estudiada), cada una con 10 variables en cada período (8 inputs y 2 outputs). Esta evaluación ha tenido en cuenta los datos de la cooperativa de crédito trimestral, de enero de 2009 a julio de 2015 (27 períodos). La metodología incluía Análisis de Envoltura de Datos (DEA), Análisis de Componentes Principales (PCA) y Índice de Malmquist (MI). Los resultados mostraron que las DMUs 453, 498 y 517 se consideraron 100% eficientes en todos los períodos, considerando como puntos de referencia. No hubo casos en que una DMU no se considerara 100% eficiente en al menos una observación. El MI mostró que la diferencia entre el mayor y el menor promedio fue significativa (variando entre 19.837 para DMU 251 y 0.926 para DMU 450). El promedio entre todos los MI fue 4,735 con una desviación estándar de 3,547, evidenciando las diferentes medidas de eficiencia entre cada DMU en comparación con las otras.