Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

CURSO DE ANLISE DE ENVOLTRIA DE DADOS

Joo Carlos Correia Baptista Soares de Mello Dep. de Engenharia de Produo Universidade Federal Fluminense Rua Passo da Ptria 156, 22210-240, Niteri, RJ jcsmello@producao.uff.br Lidia Angulo Meza Dep. de Cincia dos Materiais Universidade Federal Fluminense Av. dos Trabalhadores 420, 27255-125, Volta Redonda, RJ lidia@metal.eeimvr.uff.br Eliane Gonalves Gomes Embrapa Sede SGE Parque Estao Biolgica, W3 Norte final, 70770-901, Braslia, DF eliane.gomes@embrapa.br Luiz Biondi Neto Dep. de Engenharia Eltrica e Telecomunicaes Universidade do Estado do Rio de Janeiro Rua So Francisco Xavier 524, sala 5019B, 20550-013, Rio de Janeiro, RJ lbiondi@uerj.br

I. INTRODUO A Anlise de Envoltria de Dados (do ingls Data Envelopment Analysis DEA) uma ferramenta matemtica para a medida de eficincia de unidades produtivas. Portanto, para que possamos estud-la, torna-se necessrio, primeiro, que saibamos o que eficincia. Este um conceito que muitas pessoas julgam ser intuitivo, mas que se presta a algumas confuses. O leitor, provavelmente, j ter usado expresses como fulano (ou no ) eficiente, talvez sem se perguntar o que realmente isso quer dizer. Nosso objetivo estudar processos de produo que usem mltiplos recursos (por exemplo, mo-de-obra, vrios tipos de ligas metlicas, peas de terceiros e energia) e tenham como resultado mais de um produto (carros de modelo popular, modelo mdio vans e modelo de luxo, por exemplo). Mas, para entender os conceitos essenciais, comearemos pelo que os economistas chamam de economia de um s produto. Ou seja, vamos admitir que usamos um nico recurso (por exemplo, dinheiro) e que s produzido um nico produto. A partir desta abstrao, o leitor dever entender os conceitos fundamentais e, em seguida, ser capaz de acompanhar os desenvolvimentos para os casos de maior dimenso. I.1. O conceito de eficcia A eficcia est ligada apenas ao que produzido, sem levar em conta os recursos usados para a produo. Note-se que a palavra produzir ser usada, ao longo de todo este texto, de uma forma generalizada. Exemplo: Se um curso pr-vestibular conseguiu aprovar 15 alunos em um vestibular para o curso de odontologia de uma universidade que oferece 20 vagas, podemos dizer que ele foi eficaz. No entanto, no sabemos se ele foi eficiente. No so conhecidos, entre outras coisas, que tipo de alunos estavam inscritos, quantos professores trabalhavam, quantas horas de aula por semana eram dadas, que recursos audiovisuais estavam disposio etc. Alm de tudo isso, no sabemos que resultados foram obtidos pelos cursos concorrentes. Podemos ento dizer que eficcia a capacidade de a unidade produtiva atingir a produo que tinha como meta. Essa meta tanto pode ter sido estabelecida pela prpria unidade como

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

externamente. Alis, uma pessoa pode julgar que um processo de produo eficaz, e outra ter opinio contrria; depende das expectativas de cada um. No vamos nos aprofundar mais no conceito de eficcia, j que no este o objetivo do nosso estudo. Apenas, para deixar as diferenas bem estabelecidas, voltemos ao exemplo do curso. Se ele conseguiu aprovar a quantidade de alunos a que se propunha, foi eficaz. Se forem conhecidos os recursos de que dispunha, podemos avaliar se foi produtivo. E, se soubermos quais foram os resultados da concorrncia, poderemos avaliar a eficincia do curso. Nos prximos itens esses conceitos ficaro mais claros. I.2. O conceito de produtividade Enquanto no item anterior a nossa preocupao era com a quantidade produzida, agora estamos interessados na razo entre o que foi produzido e o que foi gasto para produzir. Ao quociente entre essas duas quantidades chamamos produtividade. Como o resultado da diviso de duas quantidades diferentes, a produtividade tem unidades de medida, diferentes para cada caso. Alguns exemplos: 1) Se um agricultor produz soja, a sua produtividade pode ser medida pela diviso da quantidade colhida pela rea plantada. Teramos, assim, a produtividade medida em toneladas/hectare (se quisermos ser legalistas devemos usar o Sistema Internacional e expressar a produtividade em Kg/m2, embora esta seja uma unidade pouco prtica). O mesmo agricultor pode estar mais interessado em comparar o que colheu com o trabalho que teve, ou que pagou para que outros o fizessem. Neste caso, a produtividade seria calculada em toneladas/homem.hora. Uma pergunta que pode surgir se seria possvel combinar as duas produtividades numa s. Realmente isso pode ser feito, embora no da maneira que muitos achariam natural, que seria a mdia aritmtica. Se isso fosse feito, somaramos quantidades diferentes, o que sabemos que no deve ser feito (lembre-se da velha histria de no poder somar laranjas com bananas). Mas se a mdia no pode ser usada, como fazer? Isso ser respondido adiante, mas podemos, por enquanto, dar uma soluo simples: divida a quantidade colhida pela rea e, em seguida, pela mo-de-obra usada. Teremos, ento, uma terceira medida de produtividade, expressa em toneladas/hectare.homem.hora. 2) Uma companhia area precisa saber a sua produtividade em ocupar os lugares nos avies (lugar em avio considerado um dos produtos mais perecveis que existe: fechou a porta, o lugar no mais ocupado). Ela pode dividir a quantidade de lugares ocupados pela capacidade do avio, e teria uma produtividade medida em vendas/lugares, que representa a ocupao do avio (na gria aeronutica usado um anglicanismo para esta medida de produtividade: load factor). Se tivermos vrias empresas que desenvolvem atividades semelhantes podemos comparar as suas produtividades e investigar porque razo umas so mais produtivas que outras. De forma genrica, uma empresa mais produtiva que outra porque tomou decises que lhe permitem aproveitar melhor os recursos. Essas decises podem ser o uso de uma tecnologia mais avanada, a contratao de mo-de-obra mais qualificada, melhores tcnicas gerenciais, ou outras. O importante que a maior produtividade , via de regra, decorrente de alguma deciso tomada. Portanto, do ponto de vista deste tipo de anlise, as unidades produtoras tomaram decises e, por isso sero, doravante, denominadas por Unidades que Tomam Decises. usual usar uma sigla vinda da traduo para ingls. Uma unidade que toma decises em ingls Decision Making Unit, o que d a sigla DMU. As unidades produtivas passam a ser chamadas de DMUs, mesmo nos caso em que no tomam deciso alguma. J que estabelecemos uma denominao, voltemos comparao de produtividades. Foi deixado implcito, quando vimos o conceito de eficcia, que a eficincia est ligada comparao entre DMUs. Com base nisso, podemos supor que a DMU eficiente ser aquela com maior produtividade. Esta uma definio simplista para eficincia. Realmente, em certos casos, podemos fazer essa afirmao, embora a medida da eficincia seja diferente da medida de produtividade. Para resumir os conceitos at agora apresentados, importante lembrar que a eficcia est ligada quantidade produzida, a produtividade razo entre produtos e recursos e, como ser melhor explicado no prximo item, a eficincia tem relao com certas comparaes de produtividade. Ainda, a produtividade expressa em unidades decorrentes do problema especfico em estudo.

2521

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

I.3. O conceito de eficincia Eficincia um conceito relativo. Compara o que foi produzido, dado os recursos disponveis, com o que poderia ter sido produzido com os mesmos recursos. H importantes distines na forma de avaliar a quantidade mencionada. Os chamados mtodos paramtricos supem uma relao funcional pr definida entre os recursos e o que foi produzido. Normalmente, usam mdias para determinar o que poderia ter sido produzido. Outros mtodos, entre os quais encontra-se a Anlise de Envoltria de Dados, no fazem nenhuma suposio funcional e consideram que o mximo poderia ter sido produzido obtido por meio da observao das unidades mais produtivas. Na Figura 1, o eixo X representa os Recursos; Y representa a Produo; a curva S, chamada Fronteira de Eficincia, indica o mximo que foi produzido para cada nvel de recurso. A regio abaixo da curva chamada de Conjunto Vivel de Produo.

Y C

B A

Figura 1. Produtividade X Eficincia. Na Figura 2 mostramos a diferena entre os conceitos de produtividade e eficincia. Enquanto as unidades B e C so eficientes (uma vez que esto localizadas na fronteira de eficincia), apenas a unidade C a mais produtiva. Podemos observar este fato comparando-se os coeficientes angulares das retas OC e OB. Assim, a unidade mais produtiva aquela cuja reta que a liga a origem tem o maior coeficiente angular possvel. Em outras palavras, sendo C a unidade mais produtiva, a reta OC tem por coeficiente angular a derivada da funo que relaciona produo com recursos, caso esta derivada exista. A unidade A simultaneamente uma unidade no produtiva e no eficiente.

Y C

B A

Figura 2. Curva de um processo de produo. Existem duas formas bsicas de uma unidade no eficiente tornar-se eficiente. A primeira reduzindo os recursos, mantendo constantes os produtos (orientao a inputs); a segunda fazendo o inverso (orientao a outputs). H ainda formas hbridas que no sero consideradas aqui.

2522

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Na Figura 3 apresentamos essas duas formas. Seja a fronteira de eficincia definida por f(x). A DMU ineficiente P precisa caminhar at o ponto B se quiser tornar-se eficiente reduzindo recursos. No entanto, se preferir aumentar os produtos, tem que caminhar at o ponto D.

Y B

D P

f(x)

C Figura 3. Alcance da fronteira de eficincia.

No primeiro caso, a eficincia definida pelo quociente AB/AP e um nmero entre 0 e 1. J no segundo caso, a eficincia dada por CP/CD que tambm um valor entre 0 e 1. No entanto, h autores que preferem inverter a definio de eficincia orientada a output, que passa a ser ento um nmero maior do que 1, e quanto maior, menos eficiente ser a DMU. Embora esta definio seja coerente com alguns modelos matemticos mais avanados, ao longo deste texto sero usadas definies que garantam que a eficincia seja um nmero no negativo menor do que a unidade.

II. INTRODUO ANLISE DE ENVOLTRIA DE DADOS COM UM RECURSO E UM PRODUTO Vamos agora formalizar alguns conceitos, usando para isso a economia de um recurso (input) e um produto (output). Inicialmente, consideremos um caso particular em que postulamos que a fronteira de eficincia uma reta que passa pela origem e de declividade igual produtividade da DMU mais produtiva. A Figura 4 ilustra este conceito. Nessa figura, a DMU eficiente representada pelo ponto de coordenada (Xef, Yef). A DMU O uma DMU ineficiente. O ponto O a projeo de O no eixo Y e o ponto O a projeo de O na fronteira eficiente (assumindo-se orientao a inputs).

Y (Xef, Yef) O (0, YO) O O (XO, YO)

X
Figura 4. Exemplo com input e output nicos. Como temos uma projeo horizontal, o valor da ordenada no se altera. Assim , o ponto O tem por coordenadas (0, YO), uma vez que est sobre o eixo. Para calcular as coordenadas do ponto O,

2523

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

basta observarmos que ele resulta da interseco da fronteira eficiente com a reta horizontal que passa Y = YO YO X ef Yef por O. Assim, o sistema fornece essas coordenadas, que so X O ' = e YO ' = YO . Y = X Y ef X ef A produtividade da DMU eficiente o coeficiente angular a da reta, dado por a = Yef X ef . Para calcular a eficincia de O, usamos as definies da seo anterior, considerando orientao a O' O" recursos. Assim temos Ef = . O" O Ora, o numerador da expresso acima abscissa de O e o denominador a abscissa de O. Y0 X ef Usando o valor de X O ' calculado acima, temos Ef =

Yef O' O" = XO O" O

Y0 1 P = O . Y X 0 ef Pef X ef

Assim, podemos observar que neste modelo a eficincia de uma DMU a razo entre a sua produtividade (PO) e a produtividade da DMU mais eficiente (Pef). Esta constatao foi obtida com argumentos geomtricos e com um nico produto e um s recurso. Vamos agora pensar em eficincia como uma quantidade ligada ao quociente entre uma soma ponderada dos produtos e uma soma ponderada dos recursos. Para os pesos no serem arbitrrios, e assim eliminarmos a subjetividade da anlise, vamos permitir que cada DMU escolha os pesos mais apropriados, ou seja, aqueles que maximizem essa razo. Entretanto, isto no pode ser feito de forma totalmente livre, j que o resultado tem que ser uma eficincia, isto , um nmero entre 0 e 1. Assim, impomos que os pesos que uma DMU O escolhe, quando aplicados a ela mesma e s outras (no total de k DMUs) no podem dar um quociente superior unidade. Estas consideraes eqivalem ao problema de programao matemtica apresentado em (1).
Maximizar uYO X O

sujeito a uYk 1, para todo k X k

(1)

Esta restrio aplicada tantas vezes quantas o nmero de DMUs, ou seja, uma restrio para cada DMU. Alm disso, necessrio impor a restrio de no negatividade dos pesos u e (variveis de deciso). Observamos que existe uma infinidade de valores das variveis de deciso que conduzem a um mesmo resultado. Podemos contornar esse inconveniente se optarmos por no calcular o valor de cada varivel, mas apenas o da sua razo. Essa razo deve ser a maior possvel, sendo o seu valor limitado pela restrio mais forte, que a restrio referente DMU mais produtiva. Para esta DMU, o Yef maior valor da razo entre as variveis de deciso dada pela expresso = 1 , o que conduz a X ef

PO , ou seja, o mesmo valor encontrado anteriormente. Pef Este ltimo modelo chamado Modelo dos Multiplicadores, visto que ele determina os coeficientes (pesos) dos produtos e dos recursos. O modelo que vimos anteriormente chamado Modelo do Envelope, por ser baseado em uma curva que limita a regio onde as DMUs podem existir. Ef =

2524

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Acabamos de demostrar a equivalncia dos dois modelos para este caso particular. Mais adiante, usando o conceito de dualidade em problemas programao linear, veremos que este resultado pode ser generalizado para modelos multidimensionais.
II.1. Comparao entre DEA e Regresso Linear DEA foi desenvolvida para determinar a eficincia de unidades produtivas, onde no seja relevante ou no se deseja considerar somente o aspecto financeiro. Dispensa-se, assim, a converso de todos os insumos e produtos em unidades monetrias e sua atualizao para valores presentes. Em contraste com as aproximaes paramtricas, que otimizam um plano de regresso a partir das observaes (Figura 5), DEA otimiza cada observao individual com o objetivo de calcular uma fronteira de eficincia, determinada pelas unidades que so Pareto eficientes. Uma unidade Pareto eficiente se, e somente se, ela no consegue melhorar alguma de suas caractersticas sem piorar as demais.
10 9 8 7 6 Output 5 4 3 2 1 0 0 2 4 Input 6 8 10

Fronteira de eficincia

Reta de regresso

Figura 5. Comparao entre DEA (abordagem no paramtrica) e regresso (tcnica paramtrica).

III. ANLISE DE ENVOLTRIA DE DADOS COM MLTIPLOS RECURSOS E MLTIPLOS PRODUTOS

Com base nas observaes anteriores, podemos definir os modelos DEA multidimensionais. Embora vrias formas da fronteira possam ser determinadas, existem dois modelos que so considerados clssicos: o CCR e o BCC.
III.1. Modelo CCR O modelo CCR, apresentado originalmente por Charnes et al. (1978), constri uma superfcie linear por partes, no paramtrica, envolvendo os dados. Trabalha com retornos constantes de escala, isto , qualquer variao nas entradas (inputs) produz variao proporcional nas sadas (outputs). Esse modelo igualmente conhecido como modelo CRS Constant Returns to Scale.

III.1.1. Modelo CCR orientado a inputs Este modelo determina a eficincia pela otimizao da diviso entre a soma ponderada das sadas (output virtual) e a soma ponderada das entradas (input virtual) generalizando, assim, a definio de Farrel (1957). O modelo permite que cada DMU escolha os pesos para cada varivel (entrada ou sada) da forma que lhe for mais benevolente, desde que esses pesos aplicados s outras DMUs no gerem uma razo superior a 1.

2525

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Estas condies so formalizadas nas equaes (2), onde Eff o a eficincia da DMU o em anlise; vi e u j so os pesos de inputs i, i = 1,..., r , e outputs j, j = 1,..., s respectivamente; xik e y jk
so os inputs i e outputs j da DMU k, k = 1,..., n ; xio e y jo so os inputs i e outputs j da DMU o.

s u j y jo j =1 Max Eff o = r vi xio i =1 sujeito a

(2)

u
j =1 r i =1

y jk 1, k
ik

v x
i

v i , u j 0, i, j O problema apresentado de programao fracionria, que deve ser resolvido para cada uma das DMUs e pode ser transformado em um problema de programao linear (PPL). Para tal, obriga-se que o denominador da funo objetivo deva ser igual a uma constante, normalmente igual unidade. A formulao do modelo CCR , ento, apresentada em (3). Nesse modelo as variveis de deciso so os pesos vi e u j . Max Eff o = u j y jo
j =1 s

sujeito a

v x
i i =1 s j =1

io

=1
r

(3)

u j y jk vi xik 0, k
i =1

v i , u j 0, i, j A estrutura matemtica desses modelos permite que uma DMU seja considerada eficiente com vrios conjuntos de pesos. Em particular, podem ser atribudos pesos zeros a algum input ou output, o que significa que essa varivel foi desconsiderada na avaliao. No exemplo da Tabela 1 mostramos um conjunto de DMUs que empregam dois inputs e um output em seu processo produtivo. A formulao apresentada em (4) mostra a representao do PPL (3) para a DMU A. Em DEA o nmero de PPLs a resolver igual ao nmero de DMUs. Resolvendose os 5 PPLs, podemos observar que as DMUs B, C e E so eficientes. Tabela 1. Dados do exemplo numrico. Pesos Input 2 Input 1 Input 2 Output 3 2 0,045 0,273 6 5 0,200 0,133 3 4 0,050 0,300 2 1 0,429 0,286 5 8 0,025 0,150

DMU A B C D E

Input 1 4 1 2 1 10

Output 0,227 0,200 0,250 0,429 0,125

Eficincia (%) 45,45 100,00 100,00 42,85 100,00

2526

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Max Eff A = 2 u1 sujeito a 4v1 + 3v 2 = 1 2u1 4v1 3v 2 0 5u1 1v1 6v 2 0 4u1 2v1 3v 2 0 1u1 1v1 2v 2 0 8u1 10v1 5v 2 0 u1 , v1 , v 2 0 As DMUs eficientes tm algumas particularidades. Para o caso da DMU E, por exemplo, ao calcularmos as variveis no problema de programao linear achamos os pesos 0,025 e 0,150 para seus inputs No entanto, os peso 0,000 e 0,200 para os mesmos inputs fornecem a mesma soluo para o PPL que calcula a eficincia da DMU E. Como sabemos, da teoria de Programao Linear se um PPL tem duas solues timas, ento tem uma infinidade. Assim, existe uma infinidade de conjuntos de pesos timos que tornam a DMU E eficiente. Isso acontecer para todas as DMUs extremoeficientes (vrtices da fronteira). At este momento usamos o PPL chamado Modelo dos Multiplicadores, com orientao a inputs. A denominao de orientao a recursos vem fato de a eficincia ser atingida com reduo de recursos, o que melhor visualizado no dual deste modelo, apresentado em (5) e conhecido como Modelo do Envelope. Por serem duais, os modelos (3) e (5) tm o mesmo valor para a funo objetivo. (4)

Min ho sujeito a ho x jo x ik k 0,i

k =1 n

(5)

y jo + y jk k 0,j
k =1

k 0,k A funo objetivo representa a eficincia, que o valor que deve ser multiplicado por todos os inputs de forma a obter valores que coloquem a DMU na fronteira eficiente (ou seja, provoca decrscimo no valor dos inputs). O primeiro conjunto de restries garante que essa reduo em cada um dos inputs no ultrapasse a fronteira definida pelas DMUs eficientes. O segundo grupo de restries garante que reduo nos inputs no altere o nvel atual dos outputs da DMU. Enquanto no Modelo dos Multiplicadores, os pesos so as variveis de decises, no Modelo do Envelope so ho e k s. Em (6) apresentamos a formulao do Modelo do Envelope orientado a inputs para a DMU A.

Min h A sujeito a 4h A 4 A 1B 2 C 1D 10 E 0 3h A 3 A 6 B 3 C 2 D 5 E 0 2 + 2 A + 5 B + 4 C + 1D + 8 E 0 A , B , C , D , E 0

(6)

2527

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Consideremos um novo exemplo. Na Tabela 2 mostramos seus dados e as eficincias. Estas foram calculadas pelos PPLs (3) ou (5). Para a DMU A, o modelos dos Multiplicadores e do Envelope so os apresentados em (7) e (8), respectivamente. Podemos derivar modelos anlogos para as demais DMUs. Tabela 2. Exemplo numrico com 6 DMUs, 2 inputs e 1 output: dados e eficincia. DMU Input 1 Input 2 Eficincia (%) Output A 4 3 1 85,71 B 26 12 4 64,86 C 16 2 2 100,00 D 4 2 1 100,00 E 6 12 3 100,00 F 20 2 2 100,00
Max Eff A = 1 u1 sujeito a 4v1 + 3v 2 = 1 1u1 4v1 3v 2 0 4u1 26v1 12v 2 0 2u1 16v1 2v 2 0 1u1 4v1 2v 2 0 3u1 6v1 12v 2 0 2u1 20v1 2v 2 0 u1 , v1 , v 2 0 (7)

Min hA sujeito a 4h A 4 A 26 B 16 C 4 D 6 E 20 F 0 3hA 3 A 12 B 2 C 2 D 12 E 2 F 0 1 + 1 A + 4 B + 2 C + 1D + 3 E + 2 F 0 A , B , C , D , E 0 Na Figura 6 podemos ver a interpretao geomtrica dos s para o exemplo da Tabela 2. Nessa figura, o eixo horizontal representa o primeiro input dividido pelo output, enquanto que o eixo vertical representa o segundo input dividido pelo output. Ela equivalente a uma curva de nvel da fronteira eficiente para o output igual a 1. As retas que ligam as DMUs ineficientes origem permitem encontrar os alvos dessas DMUs, que so os pontos onde as retas interceptam a fronteira. Por exemplo, para a DMU A, o alvo encontrase no segmento de reta determinado pelas DMUs E e D, que so assim os seus benchmarks. No entanto, o alvo mais prximo da DMU D do que da DMU E. Portanto, a DMU D um benchmark mais importante para a unidade A. Esta anlise geomtrica pode ser feita algebricamente pelo clculo dos s. Um igual a zero significa que a DMU correspondente no benchmark para a DMU em anlise. Quanto maior for o , maior a importncia da DMU correspondente como referncia para a DMU ineficiente. No exemplo da Figura 6, para a DMU A B, C e F so iguais a zero.

(8)

2528

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

4,5 4,0 3,5 3,0 Input2/Output 2,5 2,0 1,5 1,0

C
0,5 0,0 0,0 2,0 4,0 6,0 Input1/Output 8,0

10,0

12,0

Figura 6. Alvos e benchmarks para o exemplo da Tabela 2. Na Figura 6 ainda observamos que a DMU F, apesar de eficiente, tem um comportamento diferente das demais. Enquanto para as DMUs C, D e E s possvel reduzir um input e permanecer na regio vivel de produo aumentando o outro (ou diminuindo o output), a DMU F pode diminuir o Input 1 mantendo constante o Input 2 e mesmo assim permanecer na regio vivel de produo. Essa quantidade que ainda possvel ser reduzida conhecida como folga. Observamos, assim, que apesar de ser 100% eficiente, a DMU F no , grosso modo falando, to eficiente quanto as outras unidades eficientes. O leitor familiarizado com conceitos de Multicritrio certamente j identificou que as DMUs C, D e E so timos de Pareto ou no dominadas. J a DMU F dominada pela DMU C. Assim, chamamos a regio da fronteira limitada pelas DMUs C, D e F de fronteira Pareto eficiente ou fronteira fortemente eficiente. O segmento CF da fronteira, bem como o segmento vertical acima da DMU E, chamada de fronteira no Pareto eficiente ou fronteira fracamente eficiente. Para o modelo DEA CCR orientado a inputs, a folga igual a zero ocorre quando

y
k =1

jk

k y jo = 0 e ho x jo xik k = 0 , para outputs e inputs, respectivamente, com valores timos

k =1

de ho e k . Alguns autores sugerem que o clculo de eficincia seja feito em duas fases: identificao da fronteira eficiente e clculo das folgas. Nessa 2 etapa resolvido um PPL (para cada DMU) que minimiza a soma das folgas. Alternativamente, possvel incorporar as folgas na funo objetivo, multiplicadas por um nmero muito pequeno. O estudo detalhado destes modelos foge ao escopo de um curso introdutrio como este. III.1.2. Modelo CCR orientado a outputs Podemos desenvolver um modelo orientado a outputs, ou seja, que maximiza as sadas mantendo inalteradas as entradas. Neste modelo, apresentado em (9), as variveis de deciso so as mesmas do modelo orientado a inputs. Entretanto, ho representa por quanto todos os produtos devem ser multiplicados, mantendo-se constantes os recursos, para a DMU o atingir a fronteira eficiente. Vemos que ho , ento, um nmero maior que 1 (provoca incremento no valor dos outputs), pelo que a eficincia 1 ho . No caso do modelo CCR, as duas orientaes fornecem o mesmo valor de eficincia, no entanto, com s diferentes.

2529

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Max ho sujeito a x jo xik k 0 , i

k =1 n

(9)

ho y jo + y jk k 0, j
k =1

k 0, k Em (9), ho a eficincia ( ho = 1 Eff o ) e k a contribuio da DMU k na formao do alvo da DMU o. As equaes apresentadas em (10) mostram o modelo DEA CCR orientado a outputs, na forma fracionria. Em (11) apresentado o modelo linearizado. Em ambos ho = 1 Eff o .

r vi xio i =1 Min ho = s u j y jo j =1 sujeito a

(10)

v x
i i =1 s j =1

io

u j y jo

1, k

u j , v i 0, j,i Min ho = vi xio

i =1 r

sujeito a

u
j =1 s

y jo = 1 y jk vi xik 0, k
i =1 r

(11)

u
j =1

u j , vi 0, j,i Considerando os dados da Tabela 1, apresentamos em (12) o modelo CCR dos Multiplicadores orientado a outputs para a DMU A.

2530

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Min Eff A = 4v1 + 3v2 sujeito a 2 u1 = 1 2u1 4v1 3v2 0 5u1 1v1 6v2 0 4u1 2v1 3v2 0 1u1 1v1 2v2 0 8u1 10v1 5v2 0 u1 , v1 , v2 0 Para a mesma DMU A, o modelo do Envelope orientado a outputs o apresentado em (13). Max hA sujeito a 4 4 A 1B 2 C 1D 10 E 0 3 3A 6 B 3C 2 D 5 E 0 2hA + 2 A + 5 B + 4 C + 1D + 8 E 0 A , B , C , D , E 0 Na Figura 7 apresentamos a interpretao grfica de problema orientado a output, com 5 DMUs, 2 outputs e 1 input. O leitor poder notar que esta fronteira tem o aspecto invertido em relao s apresentadas at este momento. Uma observao mais atenta mostra que isso ocorre por considerarmos nos eixos o quociente entre outputs e inputs e no o inverso, como feito anteriormente.
8,0 7,0

(12)

(13)

Output2/Input

6,0 5,0 4,0 3,0 2,0 1,0 0,0 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0

B C D E

Output1/Input

Figura 7. Interpretao grfica do modelo CCR orientado a outputs.

III.2. Modelo BCC O modelo BCC, devido a Banker et al. (1984), considera retornos variveis de escala, isto , substitui o axioma da proporcionalidade entre inputs e outputs pelo axioma da convexidade. Por isso, esse modelo tambm conhecido como VRS Variable Returns to Scale. Ao obrigar que a fronteira seja convexa, o modelo BCC permite que DMUs que operam com baixos valores de inputs tenham retornos crescentes de escala e as que operam com altos valores tenham retornos decrescentes de escala. Matematicamente, a convexidade da fronteira eqivale a uma restrio adicional ao Modelo do Envelope, que passa a ser o indicado em (14) para orientao a inputs, e (15) para orientao a outputs.

2531

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Min ho sujeito a ho xio xik k 0, i

k =1 n n

y jo + y jk k 0, j
k =1

(14)

k =1

=1

k 0, k Max ho sujeito a xio xik k 0, i

k =1 n

ho y jo + y jk k 0, j
k =1

(15)

k =1

=1

k 0, k Os duais dos PPLs (14) e (15) geram os modelos BCC dos Multiplicadores orientados a inputs e a outputs, apresentados em (16) e (17), respectivamente. Nestes modelos u * e v* so as variveis duais associadas condio
s

K =1

= 1 e so interpretados como fatores de escala.

Max Eff o = u j y jo + u*
j =1

sujeito a

v x
i i =1 r i =1

io

=1
s

(16)

vi xik + u j y jk + u* 0, k
j =1

vi , u j 0, u* Min Eff o = vi xio + v*

i =1 r

sujeito a

u
j =1 r i =1

y jo = 1
s

(17)

vi xik + u j y jk v* 0, k
j =1

vi , u j 0, u*

2532

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

A Figura 8 traz a interpretao geomtrica dos fatores de escala para os casos de orientao a inputs (a) e a outputs (b). Podemos notar que os fatores de escala representam os interceptos dos hiperplanos suporte das faces da fronteira de eficincia. No modelo orientado a inputs, quando positivos, indicam retornos crescentes de escala; quando negativos, indicam retornos decrescentes de escala; caso sejam nulos, a situao de retornos constantes de escala. J no modelo orientado a outputs, quando positivos, indicam retornos decrescentes de escala; quando negativos, indicam retornos crescentes de escala; caso sejam nulos, a situao de retornos constantes de escala.
output

Hiperplanos suporte
vi xik + u j y jk + u* 0
i j

D A

u*<0

u*=0

u*>0

input

(a)
output C

Hiperplanos suporte

vi xik + u j y jk + v* 0
i j

v*>0 A

v*=0

input

(b) Figura 8. Interpretao geomtrica dos fatores de escala no modelo BCC, com orientao a inputs (a) e a outputs (b). Considerando os dados da Tabela 1, em (18) e (19) apresentamos a formulao do modelo DEA BCC, dos Multiplicadores e do Envelope, respectivamente, orientados a inputs, para a DMU A.

v*<0

2533

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Max Eff A = 1 u1 + u* sujeito a 4v1 + 3v2 = 1 1u1 + u* 4v1 3v2 0 4u1 + u* 26v1 12v2 0 2u1 + u* 16v1 2v2 0 1u1 + u* 4v1 2v2 0 3u1 + u* 6v1 12v2 0 2u1 + u* 20v1 2v2 0 u1 , v1 , v2 0, u* Min hA sujeito a 4hA 4 A 26 B 16 C 4 D 6 E 20 F 0 3hA 3 A 12 B 2 C 2 D 12 E 2 F 0 1 + 1A + 4 B + 2 C + 1D + 3E + 2 F 0 A + B + C + D + E + F = 1 A , B , C , D , E 0 A Figura 9 representa os modelos CCR e BCC para uma fronteira bidimensional. Nesta figura, a eficincia da DMU E dada por E' ' E' para o modelo BCC, e por E' ' E' ' ' no modelo CCR, ambos E' ' E E' ' E para orientao a inputs. (19) (18)

CCR

B E E A E D

BCC
E

I
Figura 9. Representao das fronteiras BCC e CCR.

2534

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

III.3. Algumas caractersticas de DEA O objetivo primrio de DEA consiste em comparar um certo nmero de DMUs que realizam tarefas similares e se diferenciam nas quantidades dos recursos consumidos e das sada produzidas. Destacamos ainda os seguintes objetivos: Identificar as DMUs eficientes, medir e localizar a ineficincia e estimar uma funo de produo linear por partes (piece-wise linear frontier), que fornece o benchmark (referncia) para as DMUs ineficientes. Ao identificar a origem e a ineficincia relativa de cada uma das DMUs, possvel analisar qualquer de suas dimenses relativas a entradas e/ou sadas. A fronteira de eficincia compreende o conjunto de DMUs Pareto eficientes; Determinar a eficincia relativa das DMUs, contemplando cada uma relativamente a todas as outras que compem o grupo a ser estudado. Assim, sob determinadas condies, DEA pode ser usado na problemtica da ordenao como ferramenta Multicritrio de apoio deciso (BARBA-ROMERO, POMEROL, 1997), j que, neste caso, estabelece uma relao binria de pr-ordem entre as DMUs; Subsidiar estratgias de produo que maximizem a eficincia das DMUs avaliadas, corrigindo as ineficientes atravs da determinao de alvos; Estabelecer taxas de substituio entre as entradas, entre as sadas e entre entradas e sadas, permitindo a tomada de decises gerenciais. O estabelecimento dessas taxas de substituio nem sempre tem soluo nica (ROSEN et al., 1998; SOARES DE MELLO et al., 2001), j que como vimos anteriormente, os pesos das unidades extremo-eficientes no so nicos; Considerar a possibilidade de os outliers no representarem apenas desvios em relao ao comportamento mdio, mas possveis benchmarks a serem analisados pelas demais DMUs. Os outliers podem representar as melhores prticas dentro do universo investigado; No necessidade de determinar uma forma funcional para a estimativa da fronteira, como feito nos modelos de Fronteira Estocstica (SFA) (AIGNER et al., 1977; MEEUSEN, VAN DEN BROECK, 1977). Coelli (1995) apresenta uma rpida comparao entre SFA e DEA. Segundo Angulo Meza (1998), em modelagem por DEA devemos cumprir trs etapas para implementar o problema:

III.3.1. Definio e seleo de DMUs O conjunto de DMUs adotado deve ter a mesma utilizao de entradas e sadas, variando apenas em intensidade. Deve ser homogneo, isto , realizar as mesmas tarefas, com os mesmos objetivos, trabalhar nas mesmas condies de mercado e ter autonomia na tomada de decises. III.3.2. Seleo das variveis A escolha das variveis de entrada e sada deve ser feita a partir de uma ampla lista de possveis variveis ligadas ao modelo. Esta listagem permite-nos ter maior conhecimento sobre as unidades a serem avaliadas, explicando melhor suas diferenas. possvel que um grande nmero de DMUs localizem-se na fronteira. Isto reduz a capacidade de DEA em discriminar unidades eficientes de ineficientes. Devemos, assim, procurar um ponto de equilbrio na quantidade de variveis e DMUs escolhidas, visando aumentar o poder discriminatrio de DEA. Na literatura encontramos diferentes abordagens para o problema se seleo de variveis: por mtodo estatstico (LINS, MOREIRA, 1999) e com tcnicas Multicritrio (SOARES DE MELLO et al., 2002; SENRA, 2004). III.3.3. Escolha e aplicao do modelo Como vimos, os modelos DEA mais conhecidos so o CCR e o modelo BCC. Ao escolher um modelo particular, determinamos (CHARNES et al., 1994): As propriedades implcitas dos retornos de escala; A geometria da superfcie de envelopamento dos dados, que tem relao com as medidas de eficincia; As projees de eficincia, ou seja, o caminho das DMUs ineficientes at a fronteira de eficincia.

2535

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

O benchmark das unidades ineficientes determinado pela projeo destas na fronteira de eficincia. A forma como feita esta projeo determina a orientao do modelo: orientao a inputs, quando a eficincia atingida por uma reduo equiproporcional de entradas, mantidas as sadas constantes; e orientao a outputs, quando se deseja maximizar os resultados sem diminuir os recursos. III.3.4. Propriedades dos modelos Os modelos DEA tm algumas propriedades comuns. Outras so individuais, prprias de cada modelo. Algumas dessas caractersticas so: Em qualquer modelo DEA, cada DMU escolhe seu prprio conjunto de pesos, de modo que aparea o melhor possvel em relao s demais. Dessa forma, cada DMU pode ter um conjunto de pesos (multiplicadores) diferente; Todos os modelos so invariantes com a escala de medida, isto , usar como varivel, por exemplo, a rea plantada de uma determinada cultura em km2, m2 ou hectares no afeta o resultado; Em qualquer modelo DEA, a DMU que apresentar a melhor relao (output j ) (input i ) ser sempre eficiente; Pr escolha das variveis, ou seja, identificar quais variveis podero compor o modelo. A deciso se elas entraro efetivamente no modelo depende de uma segunda anlise, mais aprofundada; O modelo CCR tem como propriedade principal a proporcionalidade entre inputs e outputs na fronteira, ou seja, o aumento (decremento) na quantidade dos inputs, provocar acrscimo (reduo) proporcional no valor dos outputs. No modelo BCC, a DMU que tiver o menor valor de um determinado input ou o menor valor de um certo output ser eficiente. A esta DMU chamamos de eficiente por default ou eficiente partida; O modelo BCC invariante a translaes a outputs quando orientado a inputs e vice-versa. Essa propriedade pode ser importante quando trabalhamos com casos em que h variveis negativas, por exemplo.

IV. TPICOS AVANADOS IV.1. Modelos DEA com Restries aos Pesos Os modelos DEA clssicos permitem total liberdade em relao seleo dos pesos que daro o mximo valor de eficincia a uma dada DMU. Essa liberdade importante na identificao das unidades ineficientes, ou seja, aquelas DMUs que apresentam um baixo desempenho, inclusive com seu prprio conjunto de multiplicadores. A flexibilidade (com base no PPL) na escolha dos pesos uma das vantagens apontadas modelagem por DEA. Entretanto, os pesos calculados podem ser inconsistentes com os conhecimentos que temos em relao aos valores relativos de inputs e outputs. Assim, a incorporao de julgamentos de valor no clculo das eficincias surge como uma evoluo natural das aplicaes de DEA a problemas reais, ou seja, h a necessidade da introduo de condies alm das de no negatividade. A atribuio de pesos como forma de representar a estrutura de preferncias do decisor, apesar da suposta simplicidade, pode encontrar alguma relutncia por parte dos decisores. Atribuir pesos uma tarefa para a qual muitos decisores no esto tcnica nem psicologicamente preparados (GOMES et al., 2002). Por outro lado, uma vez dados os pesos, o decisor pode sentir-se alijado do processo de deciso, sendo-lhe apresentado um resultado final do qual julga que no participou. Na literatura do Apoio Multicritrio Deciso encontramos alguns argumentos contra a utilizao de pesos para deduzir e representar a informao de preferncias do decisor (STEUER, 1986; KORHONEN, WALLENIUS, 1989; WIERZBICKI, 1986). Quando h preferncias entre os inputs e/ou outputs, por parte dos agentes de deciso, incorporamos esses julgamentos de valor aos modelos DEA por meio de restries aos pesos (ou multiplicadores) associados aos inputs e/ou aos outputs das unidades avaliadas. Allen et al. (1997)

2536

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

apresentam uma completa reviso da evoluo da incorporao de julgamentos de valor atravs de restries aos pesos. Os mesmos autores identificam tipos de julgamento de valor usados no clculo da eficincia de uma DMU: Julgamentos para identificar vises prvias em relao a inputs e outputs (DYSON, THANASSOULIS, 1988); Julgamentos para relacionar os valores de alguns inputs e/ou outputs (THANASSOULIS et al., 1995; WONG, BEASLEY, 1990); Julgamentos para incorporar vises prvias das DMUs eficientes e ineficientes (CHARNES et al., 1990); Julgamentos para satisfazer as necessidades de eficincia em relao s noes econmicas da substituio de inputs/outputs (BESSENT et al., 1988; OLESEN, PETERSEN, 1991); Julgamentos para permitir a discriminao entre unidades (THOMPSON et al., 1990). Os resultados padro de DEA tm interpretao alterada quando da imposio de restries aos pesos. Allen et al. (1997) discutem essas situaes. Podemos dividir a incorporao de julgamentos de valor atravs de restries aos pesos em trs grupos de mtodos (LINS, ANGULO MEZA, 2000): restries diretas sobre os multiplicadores; ajuste dos nveis de input-output observados para a captura de julgamentos de valor; restrio a inputs e outputs virtuais. IV.1.1. Restries Diretas aos Pesos Nesse enfoque, desenvolvido por Dyson, Thanassoulis (1988) e generalizado por Roll et al. (1991), impomos limites numricos aos multiplicadores com o objetivo de no superestimar ou ignorar inputs e outputs na anlise. Seja I o = vi xio o numerador da funo objetivo na formulao original, no qual I o o
i

input virtual consumido pela DMU o. Os limites impostos aos multiplicadores de inputs, vi , e de outputs, u j , so dados pelas relaes apresentadas em (20), onde II, SI, IO, SO so os limites inferior

e superior para inputs e outputs, respectivamente.

II i vi SI i IOi u i SOi

(20)

Esse tipo de restrio pode levar inviabilidade do PPL, j que estabelecer um limite superior ao peso de um input implica em um limite inferior no input virtual do restante das variveis. Lins, Silva (2001) discutem em que condies as restries aos pesos no tornam o PPL invivel. IV.1.2. Mtodo de Regies de Segurana O mtodo de Regies de Segurana Assurance Region Method (AR) desenvolvido por Thompson et al. (1990), recebe este nome pela adio de restries aos modelos DEA clssicos que tm limites superior e inferior para cada multiplicador. Ou seja, limita a variao dos pesos a uma determinada regio. As restries da abordagem por AR so de dois tipos: Tipo I, ou mtodo Cone Ratio, e Tipo II.
Regies de Segurana Tipo I: Mtodo Cone Ratio As restries desse enfoque, desenvolvido por Charnes et al. (1990), so exemplificadas em (21) e (22) e incorporam na anlise a ordenao relativa ou valores relativos de inputs ou outputs. k i vi + k i +1vi +1 vi + 2

(21) (22)

vi i vi +1

2537

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

A formulao (22) a mais usada e reflete a taxa marginal de substituio. Os valores limites so dependentes da escala das variveis, ou seja, so sensveis s unidades de medida. Podemos ainda com o mtodo do Cone Ratio selecionar DMUs como padro e utilizar seus pesos como limites para o intervalo de variao dos pesos das demais DMUs.
Regies de Segurana Tipo II Apresentadas por Thompson et al. (1990), so restries que relacionam os pesos de inputs e outputs, conforme (23). i vi u j

(23)

Em muitas aplicaes de DEA requeremos as relaes entre pesos de inputs e outputs, j que a medida de eficincia reflete a combinao das variveis. Assim como nos modelos de AR do Tipo I, os modelos do Tipo II produzem os mesmos ndices de eficincia relativa, independente da orientao do modelo, e so igualmente influenciados pela escala das variveis input e output. IV.1.3. Restries aos Inputs e Outputs Virtuais Esse tipo de restrio aos pesos dos multiplicadores considera os nveis de inputs e outputs das DMUs, ao incluir somente os inputs e outputs que contribuem significativamente aos custos totais ou benefcios de uma unidade. Wong, Beasley (1990) propuseram esse tipo de restrio, que ao invs de restringir os valores dos pesos, limita a proporo de output (input) virtual total da DMU o utilizado pelo output j (input i) no intervalo j , j (determinado pelo decisor), ou seja, a importncia dada ao output j pela DMU o.

A restrio ao output virtual j apresentada em (24), na qual

o. Podemos obter resultado semelhante para os inputs. j u j y jo j

u
j =1

y jo o output virtual total da DMU

u
j =1

(24)

y jo

IV.2. Fronteira Invertida Como vimos at aqui, embora os modelos DEA tenham a vantagem de permitir fazer ordenaes sem depender de opinies de decisores, so extremamente benevolentes com as unidades avaliadas. Estas podem ser eficientes ao considerar apenas algumas das variveis, aquelas que lhes so mais favorveis. Essa caracterstica de benevolncia dos modelos DEA faz com que ocorram empates para as unidades 100% eficientes, o que provoca uma baixa discriminao entre as DMUs. A fronteira invertida uma avaliao pessimista das DMUs e seu conceito foi introduzido por Yamada et al. (1994) e Entani et al. (2002), e usado por Lins et al. (2005) e Leta et al. (2005). Para tanto, fazemos uma troca dos inputs com os outputs do modelo original. Esta fronteira invertida composta pelas DMUs com as piores prticas gerenciais (e podemos cham-la de fronteira ineficiente). Podemos igualmente afirmar que as DMUs pertencentes fronteira invertida tm as melhores prticas sob uma tica oposta. A Figura 10 mostra as duas fronteiras, a clssica e a invertida, para o caso DEA BCC.

2538

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Output

Fronteira clssica

Fronteira invertida

Input

Figura 10. Fronteiras DEA BCC clssica e invertida. Existem vrios mtodos para contornar o problema da baixa discriminao. Um deles, empregado por Leta et al. (2005), o baseado na mdia aritmtica da eficincia segundo as ticas otimista e pessimista, apresentada em (25). Cada uma destas ticas constri uma fronteira DEA, mutuamente invertidas.
Eficincia final = Eficincia otimista Eficincia pessimista + 100

(25)

V. USO DO PROGRAMA SIAD

O SIAD (ANGULO MEZA et al., 2004) foi desenvolvido, primariamente, para calcular todos resultados dos modelos DEA clssicos (eficincia, pesos, alvos, benchmarks e folgas). Mdulos adicionais de DEA vm sendo incorporados, como a possibilidade de adicionar restries aos pesos (dos tipos Regies de Segurana e Inputs/Outputs Virtuais) e calcular os resultados da fronteira invertida. Alm de DEA, j est um operao um mdulo de Multicritrio, que fornece resultados do mtodo Multicritrio de Borda. Por integrar em um nico software ferramentas de Apoio Deciso, a sigla SIAD significa Sistema Integrado de Apoio Deciso. Encontram-se em desenvolvimento mdulos adicionais de DEA (modelos avanados), alm de outros mtodos de Pesquisa Operacional. O SIAD, desenvolvido em Delphi 7.0, deve ser usado em uma plataforma Windows e permite trabalhar com at 100 DMUs e 20 variveis, entre inputs e outputs. Embora para muitas outras reas de pesquisa poderia parecer um nmero insuficiente, para a rea de DEA essa quantidade de DMUs representa um nmero de grande porte, j que na literatura quase no existem muitas aplicaes com uma quantidade DMUs maior do que 100. Em relao s variveis, destacamos que o nmero 20 um nmero que considerado como mais do que suficiente, pois em muitas aplicaes reais, e devido s prprias caractersticas da anlise de eficincia, trabalhamos com um mximo de 10 variveis. Na Figura 11 mostramos a tela de apresentao do software (a) e a tela de informaes (b). O software foi desenvolvido para permitir a entrada de dados de duas formas: diretamente no programa, utilizando uma grade de entrada vazia (com a prvia indicao da quantidade de variveis e DMUs), e por meio de um arquivo (em formato txt) com os dados j incorporados. Para a entrada via formato txt, os dados devem estar dispostos conforme a Figura 12, na qual a separao das colunas feita por tabulaes. Os dados da Figura 12 referem-se ao exemplo da Tabela 1. importante destacar que caso haja valores decimais, o caracter . deve ser usado como o separador de decimais no arquivo txt.

2539

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

(a)

(b) Figura 11. Tela de apresentao (a) e de informaes (b) sobre o SIAD.

Figura 12. Entrada de dados via arquivo em formato txt. A Figura 13 mostra a tela do SIAD para entrada de dados via tela (a) e com os dados j carregados (b). Caso seja necessrio editar os dados, dispomos na janela de entrada de dados de uma forma de mudar os rtulos das DMUs e das variveis, alm de permitir a alterao do valor de inputs e outputs.

2540

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Na Figura 13 (b) podemos observar que o SIAD dispe das opes para o tipo de modelo (CCR ou BCC) e para o tipo de orientao (input ou output), cobrindo, assim, os modelos bsicos e mais utilizados em DEA.

(a)

(b) Figura 13. Entrada dos dados via tela (a) e dados j carregados (b). Entretanto, como j destacamos, um dos objetivos do SIAD incorporar novos desenvolvimentos em DEA e, assim, foram includas opes avanadas que podem ser escolhidas conjuntamente com o modelo e a orientao. Nesse mdulo, at o momento, podemos escolher no utilizar nenhuma opo avanada ou optar pela incluso de restrio aos pesos. A opo de restries aos pesos leva-nos a uma janela adicional, na qual indicamos o nmero de restries a serem includas no modelo escolhido e, posteriormente, quais so estas restries. Os resultados contemplando qualquer modelo so apresentados em uma janela adicional. Nessa janela, apresentada na Figura 14 (a) mostramos os ndices de eficincia para todas as DMUs. Contamos tambm com opes adicionais que mostram os resultados de eficincia segundo a fronteira invertida e para o ndice composto (Figura 14 (b)), os pesos das variveis, os benchmarks de todas as DMUs (eficientes e ineficientes) e os alvos para as DMUs (que incluem as folgas e os nveis que as variveis devem atingir para que as DMUs ineficientes alcancem a fronteira de eficincia), conforme mostrado na Figura 14 (c).

2541

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

(a)

(b)

(c) Figura 14. Telas de resultados: (a) e (b) eficincias; (c) pesos, benchmarks, alvos e folgas.

2542

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

Devemos atentar para o fato de as eficincias serem mostradas como os resultados principais, enquanto que os demais resultados somente so mostrados ao usurio caso seja solicitado. O objetivo ajudar na visualizao dos resultados, j que a apresentao de todos os resultados dos modelos DEA em uma nica tela poderia dificultar o seu entendimento, dependendo da quantidade de DMUs e de variveis. Adicionalmente, podemos salvar tanto os dados quanto os resultados, a partir de uma opo na janela de entrada de dados e na janela de resultados. Na primeira podemos salvar os valores e rtulos das variveis e os rtulos das DMUs; na segunda, os resultados completos da anlise DEA. Em ambos os casos, o arquivo de sada no formato txt e no arquivo de resultados constam o nome do arquivo de origem dos dados, o tipo de modelo usado (CCR ou BCC), orientao e, se for o caso, as especificaes dos modelos avanados usados. Na janela de entrada de dados, tem-se uma opo, anteriormente mencionada, para uso de modelos Multicritrio. Ao escolhermos essa opo, a cor da janela alterada para indicar a sada da abordagem DEA e a entrada da abordagem Multicritrio. Dado que esse mdulo est em estgio inicial de desenvolvimento, dispomos somente do mtodo de Borda, com a pretenso de serem includos outros mtodos. O software SIAD encontra-se disponvel gratuitamente para download no endereo http://www.uff.br/decisao.

VI. APLICAES

Apresentamos aqui dois casos prticos de aplicao dos modelos DEA. O primeiro caso refere-se avaliao de companhias areas; o segundo, sobre avaliao em educao.
VI.1. Avaliao de eficincia de companhias areas Nesta aplicao, apresentada em Soares de Mello et al. (2003b), foram considerados os dados relativos ao transporte areo de passageiros. Os autores identificaram alguns problemas na conduo desse estudo. Primeiro, que tipo de eficincia deveria ser medida; segundo, o uso do modelo BCC apontava a Varig eficiente sem nenhuma avaliao (eficiente por default). Para contornar o primeiro problema, foram propostos trs modelos: Operacional, de Vendas e Global, cujos relacionamentos mostramos na Figura 15.
Combustvel

Capacidade da frota

com eficincia M1, a DMU transforma em

Passageiro.Km oferecido

Pessoal de vo + Pessoal de vendas Pessoal total

com eficincia M3, a DMU transforma em

com eficincia M2, a DMU transforma em

Passageiro.Km pago

Figura 15. Modelos DEA usados e seus relacionamentos. O modelo que considera o aspecto meramente Operacional (M1) avaliava, de forma rudimentar, a capacidade de a empresa em colocar avies no ar com os recursos de que dispunha. Os inputs desse modelo foram quantidade de pessoal de vo, combustvel usado e a soma das capacidades

2543

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

de passageiros do total das aeronaves da frota; o output foi passageiro.km oferecidos. Uma empresa que apresentasse baixa eficincia neste modelo demonstrava que teria a possibilidade de melhorar a utilizao de seus avies ou diminuir os recursos que usava. O modelo de Vendas (M2) buscava medir a capacidade de cada companhia em ocupar os avies que colocou no ar. Como inputs foram usados a quantidade de pessoal envolvido em vendas e o output do modelo anterior, passageiro.km oferecidos. O output era passageiro.km pagos. A baixa eficincia neste modelo demonstrava a ineficincia da sistemtica de vendas da empresa em relao aos vos por ela realizados e aos meios disponveis para a venda. O terceiro modelo (M3), modelo Global, foi obtido da justaposio dos dois anteriores e buscava retratar a eficincia das operaes de negcios da empresa, ou seja, eficincia conjunta de uso da frota e venda da capacidade oferecida. Foram considerados como inputs combustvel usado, soma das capacidades de passageiros do total das aeronaves da frota e quantidade total de pessoal, e como output passageiro.km pagos. Para corrigir o segundo problema, os autores aumentaram o conjunto de DMUs. Foram considerados os dados das companhias nos anos de 1998, 1999 e 2000, e cada companhia foi considerada como uma unidade diferente em cada um dos trs anos. Adicionalmente, foram considerados alm das companhias isoladas, os grupos dos quais participavam poca, Grupo Varig, Grupo Tam e Grupo Transbrasil. Como resultados desse estudo, os autores obtiveram uma avaliao temporal da eficincia dessas companhias, como tambm um estudo sobre os alvos que deveriam alcanar na busca da eficincia. Como na etapa de determinao de alvos, os valores calculados pelos modelos DEA clssicos podiam no ser adequados s polticas gerenciais das companhias, j que so nicos, os autores usaram uma abordagem DEA-Multiobjetivo (LINS et al., 2004; ANGULO MEZA, 2002) para a determinao de alvos alternativos, que conferem maior grau de liberdade ao gestor.
VI.2. Avaliao educacional senso comum entre especialistas da rea de educao que a avaliao educacional deve ser quantitativa e comparada. A avaliao por DEA nesse caso bastante interessante, j que apresenta essas duas caractersticas em consonncia. Entretanto, como os pesos atribudos pelos modelos DEA clssicos so calculados de modo que cada DMU beneficie-se com a melhor combinao de pesos, maximizando sua eficincia, esses pesos podem no ser considerados realistas pelos especialistas no assunto, o que pode gerar dificuldades na aceitao dos resultados do modelo. Soares de Mello et al. (2003a) propuseram uma metodologia que aliou a subjetividade da avaliao qualitativa com a objetividade da avaliao quantitativa de DEA, com o objetivo de avaliar a eficincia dos Programas de Ps-Graduao em Engenharia da Universidade Federal do Rio de Janeiro (12 DMUs), em relao gerao de produo cientfica a partir das teses defendidas. Essa medida refletiu a qualidade dos programas de ps-graduao, isto , mediu a capacidade de cada programa de gerar publicaes cientficas baseadas nas teses defendidas. Como inputs foram escolhidos Teses de Mestrado e Teses de Doutorado; como outputs, publicaes em Revistas Internacionais, em Revistas Nacionais, em Congressos Internacionais e Nacionais, Livros publicados e Extras. Os dados usados referiam-se ao somatrio das variveis para o perodo compreendido entre 1996 e 2000 (inclusive). O modelo DEA escolhido pelos autores foi o CCR. Como havia um consenso sobre a importncia de cada varivel, foi usada uma tcnica de restrio aos pesos. As restries incorporadas foram as seguintes: publicaes em revista foram consideradas mais relevantes que as publicaes em congressos; publicaes internacionais foram preferveis s publicaes nacionais; todos os tipos de publicao foram mais relevantes que as publicaes classificadas como extras; publicao em revista internacional foi mais importante que livros; para os inputs, as teses de doutorado foram consideradas mais relevantes que as de mestrado. Dentre as DMUs eficientes no modelo DEA CCR com restries aos pesos, estavam as nicas com conceito mximo na avaliao realizada pela CAPES. Para a DMU de menor eficincia foi notada a falta de empenho ou de possibilidade em divulgar os resultados obtidos pelas teses defendidas. Nesse caso, os autores identificaram a necessidade de uma definio, por parte dos gestores dessa unidade, de uma estratgia para publicaes.

2544

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

VII. LIVROS DE DEA

Aps a publicao do artigo de Charnes et al. (1978), diversos livros de DEA foram publicados. Aqui falaremos brevemente sobre alguns deles e deixaremos outras referncia para o leitor interessado. O livro de Tim Coelli, D.S. Rao e George Battese, publicado em 1998 (COELLI et al., 1998) traz uma reviso sobre anlise de eficincia e produtividade. No um livro dedicado exclusivamente a DEA, mas traz, de modo bastante didtico, algumas definies importantes no universo das fronteiras de produo. Os autores abordam DEA em trs captulos e tratam tambm da anlise de fronteiras estocsticas. Abraham Charnes, William Cooper, Arie Lewin e Lawrence Seiford publicaram em 1994 o primeiro texto dedicado exclusivamente modelagem DEA, englobando tanto conceitos tericos e quanto casos de aplicao (CHARNES et al., 1994). Nos primeiros cinco captulos, os autores discorrem sobre os modelo DEA clssicos, alguns modelos avanados, aspectos computacionais de DEA e softwares de DEA disponveis at a data. Nos quinze captulos seguintes, diversos autores apresentam alguns casos de sucesso de aplicao de modelos DEA nas reas de sade, transportes, educao, esportes, indstrias etc. No final do livro, os autores abordam o processo de modelagem em DEA e apresentam uma vasta reviso bibliogrfica (de 1978 at 1992). Em 2000, William Cooper, Lawrence Seiford e Kaoru Tone (COOPER et al., 2000) publicaram um livro exclusivamente de DEA, com a discusso detalhada e didtica de modelos DEA clssicos e avanados. Dentre os modelos avanados, os autores abordam os modelos com restries aos pesos, modelos com variveis categricas e no discricionrias, modelos alocativos e com variao nos dados. Esse livro acompanhado de um software de DEA, o DEA-Solver. Tambm em 2000, foi editado por Marcos Estellita Lins e Lidia Angulo Meza (LINS, ANGULO MEZA, 2000) o primeiro (e nico at o momento) livro de DEA em portugus. Alm de tratar dos modelos DEA clssicos, este livro apresenta ainda um modelo de seleo de variveis, modelos com restries aos pesos, avaliao cruzada, modelo aditivo e de modelos de determinao de alvos. Autores convidados abordaram casos de aplicao, alm da integrao de modelos DEA com outros modelos de apoio deciso, como modelos de programao multiobjetivo, com sistemas de informao geogrfica etc. Dentre os livros de DEA recentemente lanados, podemos citar os de William Cooper, Lawrence Seiford e Joe Zhu (COOPER et al., 2004), de Subhash Ray (RAY, 2004), de Joe Zhu (ZHU, 2002).

REFERNCIAS BIBLIOGRFICAS

AIGNER, D.J.; LOVELL, C.A.K.; SCHMIDT, P. Formulation and estimations of stochastic frontier production function models. Journal of Econometrics, v. 6, p. 21-37, 1977. ALLEN, R.; ATHANASSOPOULOS, A.; DYSON, R.G.; THANASSOULIS, E. Weights restrictions and value judgements in data envelopment analysis: evolution, development and future directions. Annals of Operations Research, n. 73, p. 1334, 1997. ANGULO MEZA, L. Data envelopment analysis na determinao da eficincia dos programas de ps-graduao da COPPE/UFRJ. 1998. Tese (Mestrado em Engenharia de Produo) COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro. ANGULO MEZA, L. Um enfoque multiobjetivo para os modelos de determinao de alvos na Anlise Envoltria de Dados. 2002. Tese (Doutorado em Engenharia de Produo) COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro. ANGULO MEZA, L.; BIONDI NETO, L.; SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; COELHO, P.H.G. FSDA Free Software for Decision Analysis (SLAD Software Livre de Apoio Deciso): A Software Package for Data Envelopment Analysis Models. In: XII CONGRESO LATINO-IBEROAMERICANO DE INVESTIGACIN OPERATIVA, 12., 2004, La Habana. Memorias..., La Habana, 2004.

2545

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

BANKER, R.D.; CHARNES, A.; COOPER, W.W. Some models for estimating technical scale inefficiencies in data envelopment analysis. Management Science, v. 30, n. 9, p. 1078-1092, 1984. BARBA-ROMERO, S.; POMEROL, J.C. Decisiones multicriterio: fundamentos tericos e utilizacin prctica. Madrid: Universidad de Alcal, 1997. (Coleccin de Economia). BESSENT, A.; BESSENT, W.; ELAM, J. Efficiency frontier determination by constraint facet analysis. Operation Research, v. 36, p. 785-796, 1988. CHARNES, A.; COOPER, W.W.; HUANG, Z.M.; SUN, D.B. Polyhedral cone-ratio DEA models with an illustrative application to large commercial banks. Journal of Econometrics, v. 46, p. 7391, 1990. CHARNES, A.; COOPER, W.W.; LEWIN, A.Y.; SEIFORD, L.M. Data envelopment analysis: Theory, methodology and applications. Boston: Kluwer Academic Publishers, 1994. CHARNES, A.; COOPER, W.W.; RHODES, E. Measuring the efficiency of decision-making units. European Journal of Operational Research, v. 2, p. 429-444, 1978. COELLI, T.J. Recent developments in frontier modeling and efficiency measurement. Australian Journal of Agricultural Economics, v. 39, n. 3, p. 219-245, 1995. COELLI, T.J.; RAO, D.S.P.; BATTESE, G.E. An Introduction to Efficiency and Productivity Analysis, Boston: Kluwer Academic Publishers, 1998. COOPER, W.; SEIFORD, L.M.; ZHU, J. Handbook on Data Envelopment Analysis (International Series in Operations Research & Management Science). Springer, 2004. COOPER, W.W.; SEIFORD, L.M.; TONE, K. Data Envelopment Analysis: a comprehensive text with models, applications, references and DEA-Solver Software. Boston: Kluwer Academic Publishers, 2000. DYSON, R.G.; THANASSOULIS, E. Reducing weight flexibility in data envelopment analysis. Journal of the Operational Research Society, v. 39, n. 6, p. 563-576, 1988. ENTANI, T.; MAEDA, Y.; TANAKA, H. Dual models of interval DEA and its extensions to interval data. European Journal of Operational Research, v. 136, p. 32-45, 2002. FARREL, M.J. The measurement of productive efficiency. Journal of the Royal Statistic Society, series A, part 3, p. 253-290, 1957. GOMES, E.G.; LINS, M.P.E.; SOARES DE MELLO, J.C.C.B. Seleco do melhor municpio: integrao SIG-Multicritrio. Investigao Operacional, v. 22, n. 1, p.59-85, 2002. KORHONEN, P.; WALLENIUS, J. A careful look at efficiency and utility in multiple criteria decision making: a tutorial. Asia-Pacific Journal of Operational Research, n. 6, p. 46-62, 1989. LETA, F.R.; SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; ANGULO MEZA, L. Mtodos de melhora de ordenao em DEA aplicados avaliao esttica de tornos mecnicos. Investigao Operacional, v. 25, 2005. LINS, M.P.E.; ANGULO MEZA, L. Anlise Envoltria de Dados e perspectivas de integrao no ambiente de Apoio Deciso. Rio de Janeiro: Editora da COPPE/UFRJ, 2000. LINS, M.P.E.; ANGULO MEZA, L.; SILVA, A.C.M. A multi-objective approach to determine alternative targets in data envelopment analysis. Journal of the Operational Research Society, v. 55, p. 1090-1101, 2004. LINS, M.P.E.; SILVA, A.C.M. Evitando a inviabilidade em modelos DEA com restries aos pesos. Relatrio Tcnico EP03/01-PO, Programa de Engenharia de Produo/COPPE/UFRJ, Rio de Janeiro, 2001. LINS, M.P.E.; MOREIRA, M.C.B. Mtodo I-O stepwise para seleo de variveis em modelos de anlise envoltria de dados. Pesquisa Operacional, v. 19, n. 1, p. 39-50, 1999. LINS, M.P.E.; NOVAES, L.F.L.; LEGEY, L.F.L. Real estate value assessment: a double perspective data envelopment analysis. Annals of Operations Research, 2005 (forthcoming). MEEUSEN, W.; VAN DEN BROECK, J. Efficiency estimation from Cobb-Douglas production functions with composed error. International Economic Review, v. 18, p. 435-444, 1977. OLESEN, O.; PETERSEN, N. Collinearity in data envelopment analysis: an extended facet approach. Working Paper 1/1991, Department of Management, Odense University, Denmark, 1991. RAY, S. C. Data Envelopment Analysis: Theory and Techniques for Economics and Operations Research. Cambridge: Cambridge University Press, 2004.

2546

Pesquisa Operacional e o Desenvolvimento Sustentvel

27 a 30/09/05, Gramado, RS

ROLL, Y.; COOK, W.D.; GOLANY, B. Controlling factor weights in DEA. IIE Transactions, v. 23, n. 1, p. 2-9, 1991. ROSEN, D.; SCHAFFNIT, C.; PARADI, J.C. Marginal rates and two-dimensional level curves in DEA. Journal of Productivity Analysis, v. 9, n. 3, p. 205-232, 1998. SENRA, L.F.A.C. Mtodos de seleo de variveis em DEA: estudo de caso no setor eltrico brasileiro. Dissertao (Mestrado em Engenharia de Produo) - Universidade Federal Fluminense, 2004, 88 p. SOARES DE MELLO, J.C.C.B.; ANGULO MEZA, L.; GOMES, E.G.; SERAPIO, B.P.; LINS, M.P.E. Anlise de Envoltria de Dados no estudo da eficincia e dos benchmarks para companhias areas brasileiras. Pesquisa Operacional, v. 23, n. 2, p. 325-345, 2003b. SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; ANGULO MEZA, L.; SOARES DE MELLO, M.H.C.. Uma anlise da qualidade e da produtividade de Programas de Ps-Graduao em Engenharia. Ensaio - Avaliao e Polticas Pblicas em Educao, v. 11, n. 39, p. 167-179, 2003a. SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; SOARES DE MELLO, M.H.C., LINS, M.P.E. Mtodo multicritrio para seleo de variveis em modelos DEA. Revista Pesquisa Naval, v. 15, p. 55-66, 2002. SOARES DE MELLO, J.C.C.B.; LINS, M.P.E.; GOMES, E.G. Estimativa de planos tangentes fronteira DEA em DMUs extremo-eficientes. In: XXXIII SBPO Simpsio Brasileiro de Pesquisa Operacional, Campos do Jordo. Anais..., So Paulo, 2001. STEUER, R.E. Multiple Criteria Optimization: Theory, Computation and Application. New York: John Wiley & Sons, 1986. THANASSOULIS, E.; BOUSSOFIANE, A.; DYSON, R. G. Exploring output quality targets in the provision of perinatal care in England using DEA. European Journal of the Operational Research, v. 60, p. 588-608, 1995. THOMPSON, R.G; LANGEMEIER, L.N.; LEE, C.T.; LEE, E.; THRALL, R.M. The role of multiplier bounds in efficiency analysis with application to Kansas farming. Journal of Econometrics, v. 46, n. 1,2, p. 93-108, 1990. WIERZBICKI, A.P. On the completeness and constructiveness of parametric characterizations to vector optimization problems. OR Spectrum, v. 8, n. 2, p. 73-87, 1986. WONG, Y.H.B.; BEASLEY, J.E. Restricting weight flexibility in DEA. Journal of the Operational Research Society, v. 41, p. 829-835, 1990. YAMADA, Y.; MATUI, T.; SUGIYAMA, M. New analysis of efficiency based on DEA. Journal of the Operations Research Society of Japan, v. 37, n. 2, p. 158-167, 1994. ZHU, J. Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets and DEA Excel Solver. Springer, 2002.

2547