Sie sind auf Seite 1von 15

AVALIAO DE EFICINCIA ORGANIZACIONAL

ATRAVS DE ANLISE ENVOLTRIA DE DADOS


Marcelo Alvaro da Slva Macedo
Brasil NEGEN/DCAC/CHS/UFRuralRJ alvaro@ufrrj.br
M!rca da Co"#a $e%&o
Brasil NEGEN/DCAC/CHS/UFRuralRJ alvaro@ufrrj.br
'alavra"(C)ave* Avala+,o de E-c.%ca/ A%!l"e E%vol#0ra de Dado"/ 'er-or1a%ce
Or&a%2aco%al
Te1a* A3lcaco%e" Ma#e1!#ca" a la Co%#a4ldad de Ge"#0%
Recursos Audiovisuales: Microcomputador e Canho de Projeo (Data Show)
AVALIAO DE EFICINCIA ORGANIZACIONAL ATRAVS DE
ANLISE ENVOLTRIA DE DADOS


'alavra"(C)ave* Avala+,o de E-c.%ca/ A%!l"e E%vol#0ra de Dado"/ 'er-or1a%ce
Or&a%2aco%al
Te1a* A3lcaco%e" Ma#e1!#ca" a la Co%#a4ldad de Ge"#0%
RESUMO:
A Contabilidade Gerencial deve se preocupar, dentre outros propsitos, com a avaliao
da eficincia organizacional, ou seja, em avaliar como a empresa utiliza seus recursos
(inputs) para obteno de seus produtos (outputs). A finalidade deste trabalho , ento,
contribuir para uma avaliao das tcnicas de Anlise Envoltria de Dados (DEA Data
Envelopment Analysis) na elucidao do funcionamento da empresa, no que tange sua
performance. Sob o enfoque dos modelos DEA, tratar-se- a problemtica deste trabalho
atravs de um exemplo ilustrativo, no qual ser aplicado o modelo de Retorno Constante
de Escala (CRS Constant Returns to Scale), tambm conhecido como modelo CCR
(Charnes, Cooper e Rhodes 1978). Analisar-se- a utilizao deste modelo como
ferramenta gerencial no estabelecimento de uma ordem de eficincia relativa dentre as
unidades (empresas, unidades de negcio, filiais, etc) avaliadas, que fornece tambm as
razes pelas quais uma unidade ineficiente, bem como quais unidades eficientes
podem servir de benchmark para cada uma destas. De forma geral, busca-se entender
como esta tcnica, baseada em programao linear, pode servir de parmetro no
processo de tomada de deciso, avaliando a eficincia relativa de cada unidade,
destacando as eficientes e as ineficientes, analisando os motivos pelos quais as unidades
ineficientes no alcanaram o ndice de 100 % (eficincia) e quais seriam as unidades
eficientes que poderiam ser utilizadas como referncia para as ineficientes.
56 I%#rod7+,o
A globalizao da economia e a abertura de mercados vm alterando o perfil da
atividade das empresas, que cada vez mais precisam encontrar formas de se adaptarem
aos novos tempos. Desta forma, o mundo atual impe s empresas uma busca pela
vantagem comparativa a ser percebida pelos clientes. O ganho da produtividade das
empresas arma mais poderosa para atrair e manter a clientela, com melhores produtos
e servios a custos e preos menores. E os empresrios devem buscar maiores ndices
de produtividade para conseguirem se manter num mercado to competitivo, emergindo
nessa perspectiva a seguinte questo: Como medir na prtica, a produtividade? As
dificuldades na medio da produtividade podem ser desdobradas em trs partes:
quais so as entradas apropriadas para o sistema e os medidores
para as mesmas?
quais so as sadas apropriadas do sistema e os medidores para as
mesmas?
quais so as formas apropriadas para medir o relacionamento entre
essas entradas e sadas?
Felizmente, desenvolveu-se uma tcnica com capacidade de comparar a
eficincia de mltiplas unidades de servio que fornecem servios similares mediante a
considerao explcita do uso de suas mltiplas entradas (isto , recursos) na produo
de mltiplas sadas (isto , servios).
A tcnica, referida como Anlise Envoltria de Dados (DEA), contabiliza
explicitamente o mix de entradas e sadas, e mais abrangente e confivel que o
conjunto de taxas operacionais ou medidores de lucratividade. Ento, o mtodo DEA
pode ser utilizado para comparar um grupo de unidades de servios a fim de identificar as
unidades relativamente ineficientes, medindo a magnitude das ineficincias, e, pela
comparao das unidades ineficientes com as eficientes, descobrir formas para reduzir
as ineficincias.
O objetivo deste trabalho , ento, efetuar uma avaliao da potencialidade da
metodologia de DEA, bem como suas aplicaes, em oferecer subsdios s empresas
para realizarem diagnsticos de eficincia em suas unidades, em termos do uso de
insumos (inputs) para obteno de produtos (outputs).
A literatura se refere a dois tipos bsicos de mtodos que trabalham com o
objetivo de mensurar eficincia e produtividade e, embora usem tcnicas distintas para
efetuar a mensurao, os dois tipos convergem no fato de estimar uma fronteira relativa
ao mximo de produto possvel de se obter utilizando os insumos disponveis. O primeiro
conjunto de mtodos formado por modelos paramtricos. O segundo conjunto de
mtodos, que o objetivo deste nosso estudo, estabelece fronteira de produo baseada
em programao matemtica. Tais mtodos so tcnicas no-paramtricas, descritas na
literatura e tratadas freqentemente sob o ttulo de DEA (Data Envelopment Analysis).
86 'ro&ra1a+,o L%ear
De acordo com Bronson (1985), a Pesquisa Operacional (PO) diz respeito
locao eficiente de recursos escassos como capital, pessoal, etc.; que so importantes
para a tomada de deciso, pois congrega diversas tcnicas da modelagem matemtica,
que se consagraram devido sua grande utilidade na soluo de problemas de
otimizao. Os principais modelos de PO so denominados de Programao Matemtica
e constituem uma das mais importantes variedades de modelos quantitativos. Um
problema de Programao Matemtica um problema de otimizao no qual o objetivo e
as restries so expressas como funes matemticas e relaes funcionais.
Segundo Goldbarg e Luna (2000), as tcnicas de soluo do processo de
modelagem matemtica foram agrupadas em vrias subreas como:
Programao linear;
Programa no-linear;
Programao inteira; e
Programao quadrtica.
Contudo, dentre os modelos citados, nosso estudo abranger unicamente
mtodos determinsticos em Programao Linear, que so um tipo especial de modelo de
otimizao.
Segundo Fitzsimmons e Fitzsimmons (2000), a Programao Linear (PL) uma
ferramenta computacional de modelagem para tomadas de deciso associadas
alocao de recursos que transcendem todos os aspectos de gerenciamento de geraes
de servios. Ela se refere ao planejamento que utiliza modelos matemticos que
consistem em expresses lineares. Este o modelo bsico para a compreenso de todos
os outros. Um modelo um veculo para uma viso bem estruturada da realidade, ou
seja, uma abstrao seletiva da realidade. A modelagem seleciona as caractersticas da
realidade mais importantes para o problema de interesse. Sendo assim, a Programao
Matemtica fortemente direcionada ao apoio da tomada de deciso no gerenciamento
de sistemas de grande porte, principalmente no tratamento de variveis quantificadas. No
que diz respeito tomada de deciso como o nome mesmo j diz o ato de selecionar,
dentre vrias decises possveis, a mais adequada para o alcance de certo objetivo.
Ainda conforme Fitzsimmons e Fitzsimmons (2000), modelos de programao
linear so uma classe especial de modelos de otimizao com restries e para que um
determinado sistema possa ser representado por meio de um modelo PL todas as
relaes entre variveis so expressas com funes lineares e todos os modelos de PL
possuem a seguinte forma algbrica:
n n mn m m
n n
n n
n n
b x a ... x a x a
b x a ... x a x a
b x a ... x a x a (S.a.): Sujeito a
x c ... x c x e): c ou Minimiz Maximize (

.
.
.

.
.
.


+ + +
+ + +
+ + +
+ + +
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
2 2 1 1
e s restries de no-negatividade
0 2 1 n , ..., x , x x .
Esta estrutura de problema contm as seguintes caractersticas:
Variveis de Deciso: as variveis x
1
, x
2
,..., x
n
so denominadas variveis
de deciso, as quais assumem valores reais maiores ou iguais a zero.
Funo Objetivo: a funo c
1
x
1
+c
2
x
2
+...+c
n
x
n
denominada funo objetivo,
a qual pode ser maximizada (por exemplo, lucros) ou minimizada (por
exemplo, custos), isso vai depender da natureza dos coeficientes c
1
, c
2
,...,
c
n
, onde esta funo deve ser maior ou menor possvel, atendendo s
seguintes restries do sistema.
Restries: quando valores numricos so designados para as variveis
de deciso x
1
, x
2
,...,x
n
para influenciar a funo objetivo, estes valores
tambm influenciam as restries. Os modelos requerem que os valores
numricos sejam tais que no violem nenhuma restrio. O conjunto dos
nmeros b
1
, b
2
,..., b
n
denominado lado direito da inequao, (RHS -
Right-Hand Sides) que limitam indiretamente os possveis valores das
variveis de deciso.
Parmetros: os coeficientes na funo objetivo e os valores RHS so
parmetros. Os parmetros so entidades cujo valor permanece fixo
durante a resoluo do problema, entretanto pode ser mudado depois.
Constantes: os coeficientes a
11
, a
12
,..., a
1n
representam o consumo do
primeiro recurso RHS por unidade de cada varivel de deciso, que
refletem uma taxa constante de utilizao do recurso.
Portanto o modelo de Programao Linear reduz um sistema real a um conjunto
de equaes ou inequaes onde pretendemos otimizar uma funo objetivo. E uma das
grandes contribuies Programao Matemtica desse sculo, segundo Goldbarg e
Luna (2000) o algoritmo simplex. O estudo desse algoritmo na opinio dos autores
indispensvel para quem deseja dominar as tcnicas quantitativas de anlise e soluo
de problemas em um contexto razoavelmente avanado. Deste modo, eles definem
simplex como um algoritmo que utiliza um ferramental baseado na lgebra Linear para
determinar, por um mtodo iterativo, a soluo tima de um PPL. Em suma, simplex um
algoritmo.
De acordo com os autores, dualidade um conceito amplo que engloba a
possibilidade do tratamento de duas naturezas distintas de uma mesma entidade, ou
seja, eles definem duais como um par de modelos de programao matemtica primal e
dual. Este par de modelos preservam as seguintes condies:
as funes objetivos so simtricas, isto , se o primal for de minimizao
o dual ser de maximizao, reciprocamente.
so simtricas as descries das restries, ou seja, se na forma cannica
o primal possui restries > ento o dual ter restries <.
os termos independentes no primal surgem como os coeficientes da
funo objetivo no dual, reciprocamente.
a matriz de restrio do primal a transposta da matriz de restrio do
dual, reciprocamente.
Os PPLs abaixo generalizam o par de modelos primal x dual.
0 0

Pr
0 0


= =
u x
c : uA Sujeito a b Ax Sujeito a:
ub ximizar: W Ma cx Z Minimizar:
Dual imal
T
onde x um vetor coluna e u um vetor linha; A a matriz de restrio do primal e
T
A

a matriz de restrio do dual; e b o coeficiente no primal que surge como coeficiente na


funo objetivo.
Estes PPLs apresentam propriedades importantes como a que referencia ao valor
das funes objetivo Z
0
e W
0
quando encontram seus valores timos x' e u'. Alm desses
valores numricos, existe uma dependncia entre a condio de viabilidade de cada um
desses modelos, que pode ser verificada atravs do Teorema das Folgas
Complementares, que segundo o autor diz:
Dado um par de programas duais, uma condio necessria e suficiente
para que as solues x e u sejam timas que se verifiquem as
seguintes relaes de complementaridade de folga u!"x # $% & ' e
!c # u"%x & '( ) !*old$arg e +una, ,''', p(-./%(
O que foi dito at aqui, que existem mtodos aritmticos simples capazes de
maximizar (ou minimizar) funes lineares sujeitas a restries em forma de
desigualdades lineares. Porm existem mtodos para resolver problemas mais
complexos, que exigem solues inteiras ou que envolvem funes no-lineares ou
restries aleatrias, mas so muito complicados e no garantem muitas vezes a
convergncia. Discutimos alguns mtodos de resoluo de problemas lineares, mas note
que no caso de problemas grandes, com muitas variveis e restries, as dificuldades de
computao so enormes.
96 A%!l"e E%vol#0ra de Dado" :DEA;
Lins e Meza (2000) relatam que, segundo CHARNES (1994) a histria da Analise
Envoltria de Dados (DEA) teve incio com a dissertao de RHODES para obteno de
grau Ph.D, que foi supervisionada por COOPER e publicada em 1978. O objetivo da tese
foi desenvolver um mtodo para comparar a eficincia de escolas pblicas norte-
americanas (Decision Making Units DMU's) levando em conta "outputs como:
Scores aritmticos;
Melhoria de auto-estima medida em testes psicolgicos;
Habilidade psicomotora;
e "inputs como:
Nmero de professor-hora;
Tempo gasto pela me em leituras com o filho.
nicialmente esta tcnica foi utilizada na avaliao de escolas pblicas norte-
americanas, entretanto hoje aplicada em problemas diversos de cunho empresarial.
De acordo com Pereira (1995), a Anlise Envoltria de Dados (DEA) uma
tcnica de Pesquisa Operacional, que tem como base a Programao Linear, e cujo
objetivo analisar comparativamente unidades independentes (empresas,
departamentos, etc) no que se refere ao seu desempenho operacional. Ela fornece uma
medida para avaliar a eficincia relativa das unidades de tomada de deciso (DMUs).
Definimos DMU, ou Decision Making Unit, como uma firma, departamento, diviso ou
unidades administrativa ou operacional, cuja eficincia est sendo avaliada. Cada DMU
representada por um conjunto de S outputs e um conjunto M de inputs. A idia bsica a
comparao dos outputs com os inputs. Os outputs podem ser, por exemplo, os valores
mensais de um faturamento da empresa com classes diversas de produtos. Para produzi-
los as empresas tm que utilizar fatores de insumos diversos como rea da loja, grau de
acessibilidade, dentre outros. sto , tem-se um conjunto de inputs. Existe uma extensa
literatura sobre a avaliao da produtividade, que se refere a dois conjuntos de mtodos
bsicos para analisar a eficincia, ou produtividade, da utilizao dos recursos produtivos
de organizaes ou empresas. So conhecidos como mtodos paramtricos e, no-
paramtricos, onde estes tm o objetivo de estimar uma fronteira relativa que leve ao
mximo de produo, utilizando o mnimo de insumos.
Ainda segundo Pereira (1995), os mtodos no-paramtricos se derivam das
tcnicas de DEA, iniciadas por FARREL (1957) e ampliadas por CHARNES, COOPER e
RHODES (1978) e BANKER, CHARNES e COOPER (1984). Os resultados de DEA so
mais detalhados do que os obtidos na abordagem paramtrica, servindo melhor ao
embasamento de recomendaes de natureza gerencial. Este conjunto de mtodos
recebeu grande destaque depois da publicao do artigo introdutrio de CHARNES,
COOPER e RHODES (1978) para a obteno de grau de Ph.D de RHODES, que ficou
popularmente conhecido como DEA (Data Envelopment Analysis). A DEA representa uma
das mais adequadas ferramentas para avaliar a eficincia, em comparao com
ferramentas convencionais, sendo assim, so destacadas as seguintes caractersticas:
No requer a priori uma funo de produo explcita;
Examina a possibilidade de diferentes, mas igualmente eficientes,
combinaes de inputs e outputs;
Localiza a fronteira eficiente dentro de um grupo analisado e as unidades
includas;
Determina, para cada unidade ineficiente, subgrupos de unidades
eficientes, os quais formam seu conjunto de referncia.
So vrias as formulaes dos modelos de DEA encontradas na literatura,
conforme diz o Bandin (1997), entretanto dois modelos bsicos DEA so geralmente
usados nas aplicaes. O primeiro modelo chamado de CCR (CHARNES, COOPER e
RHODES, 1978), tambm conhecido como CRS (Constant Returns to Scale), avalia a
eficincia total, identifica as DMUs eficientes e ineficientes e determina a que distncia da
fronteira de eficincia esto s unidades ineficientes.
O segundo chamado de modelo BCC (BANKER, CHARNES e COOPER, 1984),
tambm conhecido como VRS (Variable Returns to Scale), utiliza a formulao dual,
sendo este normalmente usado no $enc0mar1ing( Este modelo permite a projeo de
cada DMU ineficiente sobre a superfcie de fronteira (envoltria) determinada pelas DMUs
eficientes.
A autora define 2enc0mar1ing como um processo contnuo e sistemtico de
avaliao de empresas e servios atravs de sua comparao com unidades
consideradas eficientes, levando ao estabelecimento de aes gerenciais efetivas com o
objetivo de aprimorar os resultados (reduo de custos, aumento de produo, etc). A
DEA tem sido utilizada, igualmente, para o benchmarking das unidades ineficientes,
relacionadas aos grupos de referncia formados por unidades eficientes (BANKER,
CHARNES e COOPER, 1984). Trata-se de uma poderosa ferramenta para definir
estratgias para o Benchmarking, com a finalidade de indicar linhas de ao para tornar
eficientes empresas ineficientes.
Ainda de acordo com Bandin (1997), FARREL (1957) define uma organizao
eficiente como aquela que consegue produzir o maior output dado um certo mix de
inputs. Ento, a ineficincia tcnica pode ser associada ao fracasso em alcanar a
fronteira de eficincia, ou seja, fracasso em alcanar o mximo de outputs dado um certo
mix de inputs (CHARNES e COOPER, 1990). FARREL (1957) props que a eficincia de
uma firma consiste de dois componentes: eficincia tcnica, que reflete a habilidade de
uma firma para obter output mximo para um dado set de inputs e eficincia alocativa,
que reflete a habilidade da firma em usar propores timas, dando seus respectivos
preos e a produo tecnolgica. Essas duas medidas so combinadas para fornecer a
medida de total eficincia econmica.
Conforme dito anteriormente, a Anlise Envoltria de Dados (DEA) envolve o uso
de mtodos de programao linear para construir uma fronteira no-paramtrica sobre os
dados. Medidas de eficincia so calculadas em relao a sua fronteira.
De acordo com Coelli, Rao e Baltese (1998), Charnes, Cooper e Rhodes (1978)
propuseram um modelo que tinha uma orientao input e assumia CRS (ou CRST).
Artigos subseqentes tem considerado vrias alternativas, assim como Banker, Charnes
e Cooper (1984), em que o modelo de Retorno Varivel de Escala foi proposto. Segundo
Fitzsimmons e Fitzsimmons (2000), para generalizarmos o modelo DEA CRS/tica primal,
definiremos algumas notaes:
Faa E
k
, com k = 1,...,n DMUs, onde n o nmero total de unidades que
esto sendo avaliadas, ser a razo de eficincia da unidade k, definida
como a relao dos outputs sobre os inputs.
Faa u
j
, com j = 1,...,s outputs de cada DMU, ser um coeficiente de sada
para j, onde s o nmero total de tipos de sadas sendo considerados. A
varivel u
j
a medida da diminuio relativa na eficincia com cada
unidade de reduo do valor de sada.
Faa v
i
, com i = 1,...,m inputs de cada DMU, ser um coeficiente de entrada
para i, onde m o nmero total de tipos de entrada. A varivel v
i
mede o
aumento relativo na eficincia com cada reduo unitria do valor de
entrada.
Faa y
jk
ser o nmero observado de unidades de sada j, geradas pela
unidade de servio k durante um perodo de tempo.
Faa x
ik
ser o nmero real de unidades de entrada i, utilizadas pelas
unidades de servios k durante um perodo de tempo.
Assim, segundo os autores, um caminho intuitivo para introduzir DEA por meio
de forma de razo. Para cada DMU, gostaramos de obter uma medida de razo de todos
os outputs sobre todos os inputs, ou seja, os pesos timos u
j
e v
i
so obtidos pela
resoluo do problema de programao matemtica.
) 1 1 2 2 0
0
, , , , 2 1 1
1
1
1
1
. . . o (equa i ,
j, , u
n c , , !
x
" u
S.a.:
x
" u
Max #
i
j
m
i
i! i
$
j
j! j
m
i
ic i
$
j
jc j
c


=
=

=
=
=
=

onde c o ndice da unidade que est sendo avaliada. O problema acima envolve a
procura de valores para u e v, que so os pesos, de modo que maximize a soma
ponderada dos outputs (output "virtual) dividida pela soma ponderada dos inputs (input
"virtual) da DMU em estudo, sujeita a restrio de que esse quociente seja menor ou
igual a 1, para todas as DMUs.
Esta funo est sujeita restrio de que, quando o mesmo conjunto de
coeficientes de entrada e sada (v
i
s e u
j
s) for aplicado a todas as outras unidades de
servios que esto sendo comparadas, nenhuma unidade de servio exceder 100% de
eficincia ou uma razo de 1,00. Um problema como este de formulao de razo
particular possui infinitas solues timas. Para evitar isto, ainda segundo Coelli, Rao e
Baltese (1998), uma possvel imposio seria _ v
i
x
ic
= 1, pois alm disto, queremos
linearizar as restries do problema, de modo a transform-lo em um Problema de
Programao Linear (PPL). Ento introduzindo a transformao linear desenvolvida por
Charnes e Cooper (1962) obtemos:
) . . . o (equa x, ". , , u
n ...,c , , ! x % " u
x S.a.:
" u Max #
i j
m
i
i! i
$
j
j! j
m
i
ic i
$
j
jc j c
2 1 2 2 0
, , , 2 1 0
1
1 1
1
1

=
=
=

= =
=
=

Esta forma do problema conhecida como problema dos multiplicadores, como


tambm so chamados os pesos, u
j
e v
i
. Denotamos este primeiro PPL por CRS/M/.
Usando a dualidade em programao linear, podemos derivar uma forma de
envelopamento equivalente deste problema. O modelo do envelope, tambm, ser
desenvolvido a partir da anlise de eficincia relativa as DMUs que esto sendo
observadas. Desta forma o PPL ser expresso como:
) . . . (equao # e j &
" "
x S.a.: #x
Min #
j
n
j
j j
n
j
j j
3 1 2 2 0 0
0
1
1
,

=
=

onde E ser interpretado como o indicador de eficincia da DMU analisada, baseado na


possibilidade da reduo de insumos para obter a eficincia mxima.
Esta forma de envelopamento envolve pouqussimas constantes do que a forma
dos multiplicadores, (m + s < n + 1), e em geral recomendado que o nmero total de
variveis, m + s, seja a metade do nmero de DMUs do modelo dos multiplicadores
sendo esta a forma preferida para resoluo. O valor de E obtido ir satisfazer a restrio
> 1 e o conjunto de pontos, tais que E = 1 definido como a fronteira de eficincia .
Observe que o problema de programao linear pode ser solucionado n vezes, para cada
DMU. Este modelo denotado por CRS/E/, sendo E a indicao para o modelo do
envelope.
Os PPLs acima apresentados so modelos com orientao input () que
procuraram identificar ineficincia tcnica como uma reduo proporcional em input
usado, com nveis constantes de output. sto corresponde ao output de Farrel baseado
em medidas de ineficincia tcnica, que tambm possvel para medida de ineficincia
tcnica como acrscimo na produo de output, com nveis de input fixado. As duas
medidas provm o mesmo valor sobre CRS, mas no so iguais quando assumido
VRS.
Coelli, Rao e Baltese (1998) relatam que em um certo nmero de estudos,
verificou-se que os analistas tendem a selecionar modelos com orientao input porque
muitas firmas tm ordens particulares para preencher e, portanto, as quantidades de
input apresentam-se como variveis de deciso primria, ainda que este argumento no
seja forte em todas as indstrias. Segundo eles em algumas indstrias, as firmas
poderiam ter uma quantidade fixada de recursos e poderia ser perguntado: Como
possvel produzir muito output? Neste caso, uma orientao output poderia ser mais
apropriada, onde o objetivo maximizar os produtos obtidos sem alterar o nvel atual dos
inputs. O modelo para este propsito se obtm invertendo o quociente do modelo
apresentado inicialmente, na qual obtemos:
) 1 3 2 2 ( 0
, , , , 2 1 1
. . . equao x, " , , u
n c ... , , !
" u
x
S.a.:
" u
x
Min
i j
j! j
i! i
jc j
ic i

=

Assim, a eficincia pela tica dos outputs calculada pelo inverso da funo
objetivo, ou seja , eficincia =
#
1
. Este problema define a relao dos inputs sobre os
outputs, onde c o ndice da unidade que est sendo avaliada. Temos neste problema as
mesmas variveis de deciso u
x
e v
y
e podemos linearizar este da mesma forma que o
primeiro, porm queremos minimizar a soma ponderada dos inputs ("input virtual)
dividida pela soma ponderada dos outputs ("output virtual) da DMU em estudo, sujeita a
restrio de que este quociente seja maior ou igual a 1, para todas as DMUs. Para
transform-lo em um problema de programao linear, teremos que usar a imposio
1 =

jc j " u
e ento, teremos:
) . . . (equao " x u
n c ! " u x
" u a S
x Min
i j
n
j
j! j
m
i
i! i
$
j
jc j
m
i
ic i
2 3 2 2 , , 0 ,
, , , , 1 , 0
1 : . .
1 1
1
1

=
=

= =
=
=

Esta forma de problema conhecida como problema dos multiplicadores,
entretanto com orientao output( Denotamos este PPL por CRS/M/O. Formulando o dual
deste modelo obtemos o modelo do envelope (CRS/E/O):
) . . . (equao # j
" #"
x x a S
# M'x
j
n
j
j j
n
j
j j
3 3 2 2 0 , 0
0
: . .
1
1

=
=

Alguns autores fixam o primal como um problema de minimizao ou de


maximizao, contudo isso no necessrio para caracterizar a dualidade. Fixar o
modelo como representante de uma das classes dessa relao no mnimo
inconveniente porque a relao reflexiva, ou seja, o dual do dual o primal. Ento
temos a seguinte relao:
Quadro 01 Tipos de Modelos e Orientaes e a Funo Objetivo
Modelo<Ore%#a+,o F7%+,o O4=e#vo
Envelope/3utput Maximizar
Envelope/4nput Minimizar
Multiplicador/3utput Minimizar
Multiplicador/4nput Maximizar
Lins e Moreira (2000) apresentam uma implementao da metodologia DEA que,
segundo eles, foi desenvolvida por Golany e Roll (1989), e que utilizada largamente de
maneira formal como intuitivamente. De acordo com os autores, Golany e Roll
estabelecem trs principais fases. A primeira visa a determinao do conjunto de DMUs
homogneas a serem avaliadas, ou seja, define e seleciona DMUs a entrarem na anlise.
Lembrando que uma vez definidas as DMUs, estas devem ser no mnimo o dobro do
nmero de variveis utilizadas no modelo.
A segunda fase seleciona as variveis (input e output), considerando a princpio
uma grande lista de possveis variveis a entrar no modelo. Estas variveis podem ser
controlveis ou no, quantitativas ou qualitativas. Vale a pena ressaltar que, a introduo
de um grande nmero de variveis reduz a capacidade do DEA de distinguir as DMUs
eficientes das ineficientes e, portanto, o modelo deve ser o mais compacto possvel para
maximizar o poder discriminatrio do DEA.
A terceira fase a aplicao dos modelos DEA. Conforme os autores, a literatura
sobre DEA extensivamente referenciada por Charnes (1995) e Coelli (1998), no tem se
dedicado muito a seleo de variveis para modelagem, pelo contrrio tm adotado uma
abordagem baseada na opinio do interessado, usurio e/ou especialista. Desta forma,
ou autores afirmam que no preciso se preocupar em utilizar alguma tcnica para
seleo de variveis quando se tem uma pequena disponibilidade de variveis e grandes
quantidades de observaes, ou at mesmo nos casos em que o nmero de DMUs
pequeno em relao ao nmero de possveis inputs e outputs. Assim, eles limitam-se a
afirmar que as variveis escolhidas so as que melhor descrevem a performance das
DMUs sob anlise. Ao contrrio dos pesos, que representam um sistema de valor relativo
para cada DMU o qual fornece o melhor escore possvel para a DMU. Na sua forma
clssica DEA permite total flexibilidade na seleo dos pesos, que importante para
identificar as DMUs ineficientes, que tem baixa performance , fazendo com que cada
DMU atinja o escore mximo de eficincia vivel para seus nveis de inputs e outputs.
Portanto o interesse aqui estabelecer limites, permitindo certa flexibilidade e certa
incerteza sobre o valor real dos pesos.
>6 E?e13lo N71@rco Il7"#ra#vo
Para ilustrar a aplicao das tcnicas de Anlise Envoltria de Dados (DEA)
vamos nos utilizar de um exemplo numrico. Cabe ressaltar que este s deve ser
encarado como uma forma ilustrativa de demonstrar a aplicao do modelo apresentado
anteriormente, procurando apresentar o conjunto de ferramentas gerenciais oriundas
desta anlise. Este exemplo baseado no que proposto em Fitzsimmons e
Fitzsimmons (2000).
Uma nova rede de lanchonetes do tipo fast food estabeleceu seis unidades (filiais)
em diferentes bairros do Rio de Janeiro. Cada unidade se localizou no estacionamento de
um shopping. Somente uma refeio-padro era oferecida, consistindo de um
hambrguer (carne bovina), batatas fritas e um refrigerante (300 ml). A tabela abaixo
resume os dados de duas entradas (inputs): salrios (R$) e consumo de materiais (R$)
durante um dia tpico, a fim de gerar uma sada (output) relativa venda de refeies.
Tabela 01 Dados das DMU's em termos de Outputs e nputs
A%dade de Serv+o Re-e+Be" Ve%dda" Sal!ro" e1 RC Ma#era" e1 RC
DMAD" O7#37# 5 :75; I%37# 5 :v5; I%37# 8 :v8;
1 20 80 30
2 22 100 30
3 18 100 28
4 25 130 29
5 17 150 25
6 19 165 27
Para obtermos uma compreenso de DEA, iremos aplicar este exemplo nos PPLs
formulados, e ento resolv-los a fim de determinar as taxas de eficincia e outras
informaes pertinentes. Como qualquer modelo CRS gera a mesma resposta, vamos
rodar apenas o CRS/M/, onde a formulao para a DMU 01 fica da seguinte maneira:
Max 20 u1
st
20 u1 - 80 v1 - 30 v2 <=0
22 u1 - 100 v1 - 30 v2 <= 0
18 u1 - 100 v1 - 28 v2 <= 0
25 u1 - 130 v1 - 29 v2 <= 0
17 u1 - 150 v1 - 25 v2 <= 0
19 u1 - 165 v1 - 27 v2 <= 0
80 v1 + 30 v2 = 1
Repetiu-se esta formulao para as outras 5 DMU's, trocando-se apenas a funo
objetivo e a ltima linha pelos respectivos valores dos outputs e inputs de cada uma
destas. Atravs da utilizao do programa LNDO 6.1 da Lindo Systems (programao
linear), rodou-se os PPL's e obteve-se as seguintes respostas:
Tabela 02 Eficincia das DMU's e Pesos dos Outputs e dos nputs
DMUs Eficincia
Pesos
Outut 1 (u1) !nut 1 ("1) !nut 2 ("2)
01 100 # 0,0$ 0,012$ 0,00
02 %%,31&2' # 0,0&$1&3 0,00&'$( 0,01(1&3
03 '&,1&201 # 0,0&)(&) 0,00$030 0,01(($1
0& 100 # 0,0& 0,00&30& 0,01$1%0
0$ (','' # 0,0&)& 0,00 0,0&
0) '1,)2%)3 # 0,0&2%)3 0,00 0,03(03(
Os resultados nos mostram que somente as DMU's 01, 03 e 05 so eficientes.
sto tambm poderia ser visto atravs do seguinte grfico da fronteira eficiente.
Grfico 01 Fronteira Eficiente
0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
0 0,05 0,1 0,15 0,2 0,25 0,3
E7# 5 < I%3 5
O
7
#

5

<

I
%
3

8
DMU 04
DMU 01
DMU 06
DMU 05
DMU 03
DMU 02
Neste grfico utilizou-se como eixo x os valores de output 1 / input 1 e no eixo y os
valores de output 1 / input 2. Como nosso objetivo maximizar os pontos nestes dois
eixos, temos as DMU's 01 e 04 como eficientes.
O DEA aponta as DMU's 02, 03, 05 e 06 como ineficientes, porm cada uma delas
apresenta um grau diferente de ineficincia. Para torna-las eficiente teramos que projetar
cada DMU ineficiente sobre a fronteira atravs de uma linha que passaria pela origem do
grfico e pelo ponto representativo de cada uma destas.
Alm destes resultados pode-se obter uma anlise de benchmarking, identificando
quais DMU's eficientes podem ser consideradas como referncia para quais DMU's
ineficientes. No grfico anterior pode-se ter uma idia de quais DMU's so referncias
para quais DMU's. Mas na anlise pelo DEA pode-se ter uma melhor viso de quais e
como as DMU's ineficientes usam as DMU's eficientes como benchmarks.
Quadro 02 Anlise de Benchmarking
DMU's neficientes
Referncias
DMU's Eficientes Pesos
02
01 0,628571
04 0,377143
03
01 0,394083
04 0,404734
05 04 0,680000
06 04 0,760000
As concluses que podemos chegar com estes nmeros, podem ser visualmente
obtidas atravs da anlise do grfico anterior. Cada DMU ineficiente utiliza um conjunto
de DMU's eficientes como referncia para que ela possa se tornar eficiente. Os pesos
encontrados no modelo, que representam o peso relativo associado a cada unidade
eficiente no clculo da taxa de eficincia para as unidades ineficientes, mostram o quanto
os inputs da DMU ineficiente precisam se referenciar aos inputs das DMU's eficientes,
utilizadas como benchmark, para que a mesma possa alcanar a eficincia mantendo os
atuais nveis de outputs. O quadro a seguir mostra os nveis de inputs ideais para cada
DMU ineficiente:
Quadro 03 Nveis de nputs ideais e Desperdcios Associados
DMU 02
nputs
Conjunto de Referncia Valor do
nput deal
Valor do
nput Atual
Excesso de
nputs
DMU 01 DMU 04
nput 1 (R$) 80 x 0,628571 130 x 0,377143 99,31427 100 0,68573
nput 2 (R$) 30 x 0,628571 29 X 0,377143 29,794277 30 0,205723
DMU 03
nputs
Conjunto de Referncia Valor do
nput deal
Valor do
nput Atual
Excesso de
nputs DMU 01 DMU 04
nput 1 (R$) 80 x 0,394083 130 x 0,404734 84,14205 100 15,85794
nput 2 (R$) 30 x 0,394083 29 x 0,404734 23,559775 28 4,440224
DMU 05
nputs
Conjunto de Referncia Valor do
nput deal
Valor do
nput Atual
Excesso de
nputs
DMU 04
nput 1 (R$) 130 x 0,68 88,40 150 61,60
nput 2 (R$) 29 x 0,68 19,72 25 5,28
DMU 06
nputs
Conjunto de Referncia Valor do
nput deal
Valor do
nput Atual
Excesso de
nputs
DMU 04
nput 1 (R$) 130 x 0,76 129,24 165 35,76
nput 2 (R$) 29 x 0,76 22,04 27 4,96
Uma outra forma de verificar o grau de ineficincia de cada DMU analisar a folga
ou a sobra da restrio referente a DMU que est sendo analisada. Por exemplo, na
anlise da DMU 02 temos que o somatrio do produto dos pesos pelos respectivos
outputs e inputs igual a 0,006857 [(22 x 0,045143) (100 x 0,0048457) (30 x
0,017143)]. Ou seja, a restrio tem uma folga de 0,006857. Se multiplicarmos este valor
pelo uso de cada input obteremos a reduo necessria em cada um deles para que a
DMU se torne eficiente. Em outras palavras, para o input 1 teremos (100 x 0,006857 = R$
0,6857) e para o input 2 (30 x 0,006857 = R$ 0,20532), que so exatamente os valores
de excesso de uso de inputs calculados no quadro anterior.
O exposto acima persegue a idia inicial de benchmark, ou seja, a tentativa de
olhando o que j existe tentar fazer com que uma DMU ineficiente se torne eficiente. Mas
podemos ver isso de outra forma, ou seja, pela reduo individual de cada input. Em
outras palavras, podemos buscar a alterao de um dos inputs para tentar alcanar a
eficincia para a DMU. Pode-se perceber que o valor de 0,006857 exatamente o nvel
de ineficincia total (o que falta para ser eficiente, ou seja, 1 0,9931428). Como os
valores dos pesos v1 e v2 esto associados com as entradas de insumos, podemos obter
ineficincia das DMU's em relao a cada input dividindo a ineficincia total pelo valor do
peso associado a cada input. Novamente usando a DMU 02 como exemplo podemos ver
o seguinte: para o input 1 (0,006857 / 0,004857 = R$ 1,411776817) ou para o input 2
(0,006857 / 0,017143 = R$ 3,999883334). Em resumo pode-se dizer que para que a
DMU 02 se torne eficiente, mantendo o mesmo nvel de outputs, basta que o input 1 seja
reduzido em R$ 1,411776817 ou que o input 2 seja reduzido em R$ 3,999883334.
O problema no caso dos inputs que no estejam sendo considerados na
resoluo do problema, ou seja, os inputs que tenham peso igual a zero. Quando isso
acontece precisamos observar, alm do exposto anteriormente, a reduo necessria no
coeficiente daquele input (valor da utilizao do input) para que o mesmo fizesse parte da
soluo tima. O quadro a seguir mostra as folgas de cada DMU (nvel de ineficincia) e
a reduo no coeficiente necessria para o respectivo input fazer parte do soluo tima
(para os casos de peso igual a zero ver tabela 02).
Quadro 04 Folgas e Reduo de Custo
DMU's Folgas ou Nvel de neficincia Reduo de Coeficientes (custos)
01 0,00
02 0,006857
03 0,15858
04 0,00
05 0,2112 Para o nput 1 = R$ 29,92
06 0,183704 Para o nput 1 = R$ 35,888889
O fato do peso assumir valor zero acontece, pois a formulao busca a melhor
combinao de pesos para que a DMU alcance o melhor ndice de eficincia possvel.
Conforme, j abordado na reviso bibliogrfica anterior, se um determinado input tem
peso igual a zero ou um outro valor muito alto em relao aos outros, ou seja, se a
importncia daquele input est sendo sub-avaliada ou superavaliada na problemtica,
pode-se utilizar do artifcio de restringir os pesos a valores (ou faixa de valores) que o
analista, segundo sua experincia e expertise, considere ideais.
F6 CONCLASO E CONSIDERAGES FINAIS
Aps esta pesquisa conseguimos obter algumas concluses sobre os modelos
no-paramtricos. Na anlise geral, notamos que o modelo CRS/DEA, apesar das
deficincias apresentadas, como sensibilidade na coleta de dados, possibilita realizar a
mensurao da eficincia de unidades organizacionais similares.
O modelo possibilita a comparao em um sentido multidimensional na
capacidade com que cada unidade organizacional transforma seus insumos em produtos
e ainda, informa alteraes que devem ser realizadas no nvel de utilizao de insumos e
de produtos fabricados, para tornar unidades ineficientes em eficientes.
Outros estudos realizados, relativos mensurao de eficincia organizacional,
apresentam deficincias quanto s metodologias utilizadas para tal fim. Os prprios
autores, que desenvolvem tais trabalhos, reconhecem estas limitaes. Assim, as
caractersticas apresentadas pelas tcnicas de DEA na quantificao da eficincia, e as
deficincias metodolgicas existentes em outros modelos leva-nos a concluir que estas
tcnicas podem ser teis principalmente no Brasil, onde existe uma carncia muito
grande de instrumentos, deste porte e neste campo, para auxlio gerncia no processo
decisrio.
Aps termos realizado este estudo sobre o funcionamento do modelo de
CRS/DEA, observamos que este pode ser til para a determinao dos nveis de
eficincia, no qual encontram-se empresas similares.
Um ponto importante para aqueles que trabalham ou venham a trabalhar com
DEA ser cuidadoso com a utilizao do banco de dados, pois erros de informao
podero invalidar os resultados e, assim, levar a concluses totalmente viezadas.
Outro fator relevante a escolha do modelo a ser utilizado para anlise que
dever ser adequado com os objetivos que se pretenda atingir. Caso contrrio se obter
um grupo de unidades eficientes, que na realidade no representam os padres de
referncia necessrios para se efetuar possveis interferncias ou comparaes.
Em outros trabalhos estaremos explorando os outros modelos de DEA e
comparando-os com o apresentado neste trabalho e abordando as vantagens e
desvantagens em utilizar as restries aos pesos nos modelos apresentados,
possibilitando assim, verificarmos a robustez dos escores de eficincia, quando da
introduo das preferncias e experincias dos analistas.
H6 $4lo&ra-a
ACKOFF, Russell L.; SASEN, Maurice W.. Pesquisa Operacional. Rio de
Janeiro: Livros Tcnicos e Cientficos da Universidade de So Paulo, 1971.
BANDN, Neiva Terezinha. Avaliao da Produtividade de Supermercados
e seu Benchmarking. Florianpolis, Outubro de 1995. Programa de Ps-
Graduao em Engenharia de Produo Universidade Federal de Santa
Catarina. Tese de Mestrado - Consultada no dia 30/01/03 s 16 : 42 h no
site: http://www.eps.ufrsc.br/disserta98/neiva.
BRONSON, Richard. Pesquisa Operacional. So Paulo: McGraw-Hill Ltda,
1985.
COELL, Tim; RAO, D. S. Prasada; BALTESE, George E.. An ntroduction
to Efficiency and Productivity Analysis. Massachusetts: KAP, 1998.
FTZSMMONS, James A.; FTZSMMONS, Mona J. A Administrao de
Servios. 2 edio. Porto Alegre: Bookman, 2000.
GOLDBARG, Marco Csar; LUNA, Henrique Pacca. Otimizao
Combinatria e Programao Linear: Modelos a Algoritmos. Rio de
Janeiro: Campus, 2000.
LNS, Marcos Pereira Estellita; MEZA, Ldia ngulo. Anlise Envoltria de
Dados e Perspectivas de ntegrao no Ambiente de Apoio Deciso. Rio
de Janeiro: COPPE/UFRJ, 2000.
LNS, Marcos Pereira Estellita; MORERA, Maria Cristina Bessa.
mplementao com Seleo de Variveis em Modelos de DEA. n: LNS,
Marcos Pereira Estellita; MEZA, Ldia ngulo (org.). Anlise Envoltria de
Dados e Perspectivas de ntegrao no Ambiente de Apoio Deciso. Rio
de Janeiro: COPPE/UFRJ, 2000. Cap. , p.38 52.
PERERA, Marcelo Farid. Mensuramento de Eficincia Multidimensional
utilizando Anlise de Envelopamento de Dados: Reviso da Teoria e
Aplicaes. Florianpolis, Fevereiro de 1995. Programa de Ps-Graduao
em Engenharia de Produo - Universidade Federal de Santa Catarina.
Tese de Mestrado - Consultada no dia 30/01/03 s 15:43 no site:
http://www.eps.ufrsc.br/disserta/farid.

Das könnte Ihnen auch gefallen