Escolar Documentos
Profissional Documentos
Cultura Documentos
Redistribuição de Inputs e Outputs em Modelos de Análise Envoltória de Dados Com Ganhos de Soma Zero PDF
Redistribuição de Inputs e Outputs em Modelos de Análise Envoltória de Dados Com Ganhos de Soma Zero PDF
Redistribuição de Inputs e Outputs em Modelos de Análise Envoltória de Dados Com Ganhos de Soma Zero PDF
Resumo
Neste artigo apresenta-se uma extenso do modelo DEA com Ganhos de Soma Zero (DEA-GSZ) para
os casos em que devido reduo de outputs (para que a soma seja constante) h a possibilidade ou a
imposio de reduo dos inputs utilizados. Nesses casos no h o deslocamento da fronteira como um
todo, mas sim o deslocamento das DMUs pela fronteira eficiente (ou pelas camadas de iso-eficincia),
o que provoca a deformao da fronteira. So apresentados os casos bidimensional e multidimensional.
Para este, devido complexidade dos algoritmos de determinao de faces do poliedro envolvente
(fronteira DEA), proposto o uso do modelo de suavizao da fronteira que substitui a fronteira
clssica linear por partes por uma nica equao polinomial.
Palavras-chave: DEA; ganhos de soma zero; deslocamento pela fronteira; fronteira suavizada.
Abstract
This paper presents an extension to the Zero Sum Gains DEA model (ZSG-DEA) useful for the cases in
which the output reduction (sum of the output is constant) obliges reductions in the inputs values.
Instead of displacing the frontier, the DMUs move themselves along the efficient frontier (or isoefficiency layers). The bidimensional and multidimensional cases are illustrated. For the latter case, due
to the complexity of the algorithms that compute all the faces of the efficient frontier, we propose the
use of the smoothed DEA frontier model.
Keywords: DEA; zero sum gains; movement along the efficient frontier; smoothed frontier.
269
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
1. Introduo
O objetivo da Anlise Envoltria de Dados (Data Envelopment Analysis DEA) avaliar a
eficincia de unidades produtivas que realizam tarefas similares, chamadas de unidades de
tomada de deciso (Decision Making Units DMUs). Essas unidades so comparadas e
distinguem-se pelas quantidades de recursos (inputs) que consomem e de bens (outputs) que
produzem (Cooper et al., 2000; Estellita-Lins & Angulo-Meza, 2000).
Alm de identificar as DMUs eficientes, os modelos DEA permitem medir e localizar a
ineficincia, e estimar uma funo de produo linear por partes que fornece o benchmark
para as DMUs ineficientes. Esse benchmark determinado pela projeo das DMUs
ineficientes na fronteira de eficincia. A forma como feita esta projeo determina a
orientao do modelo. As principais so orientao a inputs (quando deseja-se minimizar os
recursos, mantendo-se os valores dos resultados constantes) e orientao a outputs (quando
deseja-se maximizar os outputs sem diminuir os inputs).
Os modelos DEA clssicos, tanto o modelo CCR (Charnes et al., 1978) quanto o modelo
BCC (Banker et al., 1984), alm de todas as suas variantes, supem total liberdade de
produo, ou seja, a produo de uma DMU no interfere na produo das demais.
Entretanto, em alguns casos essa liberdade no existe. No caso de competies, por exemplo,
se for considerado como output o resultado final ou um ndice que agrega seus resultados
(Soares de Mello et al., 2001; Gomes et al., 2001b), a melhora de posio de qualquer
competidor implica na perda de posio de um ou mais de seus adversrios.
Um outro exemplo o caso da avaliao de eficincia de unidades produtivas que produzem
um determinado produto cuja demanda constante. Neste caso, uma certa DMU considerada
ineficiente dever produzir mais unidades do produto para atingir a fronteira de eficincia,
com a conseqente diminuio da produo das demais unidades produtivas.
Em Estellita-Lins et al. (2003), Gomes et al. (2003), Gomes (2003), Gomes & Soares de Mello
(2002) e Gomes et al. (2001a) so propostas alteraes no modelo DEA BCC clssico que
consideram essas limitaes. Esse novo modelo, chamado de Modelo DEA com Ganhos de Soma
Zero (DEA-GSZ), apresenta uma situao semelhante de um jogo com soma zero (Osborne
& Rubinstein, 1999), no qual tudo o que ganho por um jogador perdido por outro(s). Ou seja,
a soma lquida dos ganhos deve ser zero. Deve-se observar que o termo jogo de soma zero
usado aqui no sentido mais amplo possvel, como em Osborne & Rubinstein (1999),
Tavares et al. (1996) e Williams (1986). Estes autores mostram que qualquer jogo de soma
constante tem as mesmas propriedades matemticas de um jogo de soma zero, e como tal
pode ser tratado. suficiente para tal a subtrao ao ganho de cada jogador da metade da
soma total dos ganhos do jogo (no caso de jogos de 2 jogadores). A situao aqui examinada
inteiramente anloga, j que a soma efetiva dos outputs diferente de zero, mas a soma das
variaes em relao ao valor original apresenta valor nulo. Nos trabalhos j publicados
considera-se a imposio da restrio de soma constante dos outputs (ou inputs), o que implica
no deslocamento da fronteira de eficincia. Isso ocorre porque foi considerada a impossibilidade de reduo de inputs para adequao reduo de outputs (por exemplo, totalmente sem
sentido um pas reduzir a sua populao para adequar-se quantidade de medalhas olmpicas
obtidas). Dessa forma, quando uma DMU ineficiente busca a fronteira eficiente, as outras
DMUs devem ter os valores de seus outputs reduzidos, sem que os seus inputs sejam alterados.
Ora, esta situao ocorre para todas as DMUs que no caminharam para a fronteira, em
particular para as eficientes, visto que j encontram-se na fronteira. Portanto, toda a fronteira
ser deslocada para uma posio que corresponda a um menor valor de output.
270
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
Entretanto, h casos em que reduo de outputs pode corresponder uma reduo dos inputs
utilizados. Neste caso, em vez de a fronteira eficiente ser deslocada, as DMUs eficientes
deslocam-se ao longo da fronteira, at atingir o ponto correspondente ao seu novo nvel de
output. Como evidente, o deslocamento das DMUs provoca uma alterao na fronteira.
Neste tipo de alterao no h a movimentao da fronteira em apenas uma direo. Assim,
esta alterao ser designada por deformao da fronteira, para distinguir dos casos
apresentados em Estellita-Lins et al. (2003) e Gomes et al. (2003), que foram chamados de
deslocamento da fronteira.
Este artigo prope um modelo, sob a hiptese de DEA-GSZ, em que as DMUs eficientes
devem deslocar-se pela fronteira e prope ainda como fazer o deslocamento das DMUs
ineficientes. So abordados os casos bidimensional e multidimensional.
j x j xo
j
ho yo j y j
(I)
j = 1
j
j 0
Em modelos DEA-GSZ necessria a informao adicional de como a DMU que pretende
aumentar os outputs, reduzir os das outras DMUs. A forma como ela tenta tirar os outputs
das DMUs concorrentes , segundo Estellita-Lins et al. (2003), Gomes et al. (2003) e Gomes
(2003), a estratgia da DMU. Nas referncias citadas mostram-se algumas possveis
estratgias que a DMU pode adotar. Neste artigo supe-se que a DMU em busca da
eficincia tenta retirar output das outras DMUs em valor proporcional ao output atual.
Admite-se ainda como hiptese simplificadora que a DMU consegue atingir o seu objetivo,
isto , retira efetivamente output das demais em valor proporcional ao output atual. A esta
forma de tentar retirar output das DMUs concorrentes, com a hiptese simplificadora de que
consegue fazer da forma pretendida, chama-se estratgia de reduo proporcional, segundo
Estellita-Lins et al. (2003) e Gomes (2003).
Em (II) representa-se o modelo DEA-GSZ com estratgia de reduo proporcional e sem
alterao de inputs para nenhuma DMU. Nesta estratgia, quando a DMU o busca ganhar
271
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
z unidades de output, a reduo do nvel de output das outras DMUs proporcional ao seu
output original, ou seja, aquelas com menor nvel de output perdem menos e aquelas com
maior nvel de output perdem mais. Evidentemente, mantm-se a condio de que a soma
das perdas seja igual ao que ser ganho pela DMU o.
max hRo
sujeito a
j x j xo
j
yo ( hRo 1)
hRo yo j y j 1
y j
j
j o
1
j
(II)
j 0
Em (II), a unidade em anlise igualmente a DMU o. hRo o inverso da eficincia de
DMU o no modelo DEA-GSZ; x j e y j so valores originais dos inputs e dos outputs,
respectivamente; j so as contribuies das DMUs na projeo eficiente. As variveis de
deciso so j e hRo .
A Figura 1 representa, para o caso bidimensional, a nova fronteira gerada a partir desta
estratgia. A fronteira superior representa a fronteira do modelo clssico; a inferior
representa a nova fronteira considerando-se reduo proporcional de outputs de todas as
DMUs, excetuando-se a DMU o, que ganha a soma das perdas para tornar-se eficiente.
ho y o
o
hRoyo
yo
I
Figura 1 Representao da estratgia de reduo proporcional de output das DMUs j, j o.
272
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
A busca por eficincia pode ser feita por uma nica DMU ou por vrias DMUs em regime de
cooperao. Neste caso, o modelo (II) transforma-se em um problema de Programao No
Linear Multiobjetivo, como apresentado em Gomes et al. (2003) e Gomes (2003).
Alm da possibilidade de cooperao entre unidades ineficientes, os gestores podem argumentar
que um salto extremamente grande tentar atingir a eficincia de uma s vez, sendo mais factvel
uma busca gradativa de alvos. Uma forma de determinar estes alvos intermedirios, apresentada
em Gomes et al. (2003), Gomes & Soares de Mello (2002) e Gomes (2003), busc-los nas
camadas de iso-eficincia, que representam diferentes nveis de utilizao da tecnologia.
As camadas de iso-eficincia so obtidas da seguinte forma: as DMUs com 100% de
eficincia formam a camada 1. Essas DMUs so, ento, retiradas do conjunto de anlise e
calculam-se novamente as eficincias, com o mesmo modelo DEA. As DMUs eficientes
neste subconjunto formam a camada 2. O processo repete-se at que todas as DMUs tenham
sido retiradas do conjunto inicial (Barr et al., 2000; Tavares, 1998).
A busca de alvos consecutivos em camadas de iso-eficincia chamada de Busca Seqencial
de Alvos Intermedirios (Gomes et al., 2003). As camadas de iso-eficincia, alm da sua
utilidade gerencial, servem ainda como ferramenta na soluo do problema de vrias DMUs
em busca simultnea de eficincia (Gomes, 2003).
O modelo DEA-GSZ para o caso de duas DMUs (A e B) que buscam eficincia em
cooperao apresentado em (III). Nesse Problema Bi-objetivo No Linear, hRj a
eficincia da DMU j no modelo DEA-GSZ; xj e yj so, respectivamente, os inputs e os
outputs; j a contribuio da DMU j na formao do alvo da DMU em anlise; j o
conjunto de referncia da DMU A; j o conjunto de referncia da DMU B; y j ' so os
novos valores de output, funo da estratgia de busca escolhida.
Max hRA
Max hRB
sujeito a
j x j xA
j*
j x j xB
j **
hRA y A j y ' j
j*
(III)
hRB y B j y ' j
j **
j = 1
j*
j = 1
j **
j 0
Em Gomes et al. (2003) e Gomes (2003) prova-se que, em determinadas condies, o
problema no linear multiobjetivo reduz-se a um problema no linear com uma nica funo
objetivo. Isto ocorre, em particular, quando usada a estratgia de reduo proporcional.
273
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
5,0
4,5
C
4,0
4,5
4,0
F
3,5
A
2,0
2,5
1,0
0,5
0,5
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
2,5
1,5
1,0
0,5
0,0
0,0
2,0
1,5
1,0
2,0
1,5
3,0
Output
Output
2,5
3,5
3,0
B
C
4,0
3,5
3,0
Output
5,0
4,5
0,0
0,0
0,5
1,0
1,5
Input
2,0
2,5
3,0
3,5
4,0
0,0
0,5
1,0
1,5
2,0
Input
2,5
3,0
3,5
4,0
Input
Figura 2 Alterao da fronteira para uma nica DMU que busca eficincia no modelo
DEA-GSZ seqencial.
5,0
5,0
5,0
4,5
4,5
4,5
B
C
4,0
4,0
4,0
3,5
3,0
3,0
H
E
2,5
1,5
2,5
0,5
0,0
0,0
1,0
1,5
3,0
3,5
C
E
D
2,5
2,0
1,5
G
1,0
0,5
0,5
1,5
1,0
0,0
3,5
3,0
2,0
2,0
F
Output
3,5
Output
Output
2,0
Input
2,5
3,0
3,5
4,0
1,0
0,5
0,0
0,0
0,5
1,0
1,5
2,0
Input
2,5
3,0
3,5
4,0
0,0
0,5
1,0
1,5
2,0
2,5
4,0
Input
Nos casos at aqui tratados, verifica-se que o ajuste s novas condies impostas d-se somente
pela alterao no valor do output, com conseqente deslocamento da fronteira eficiente.
Entretanto, h casos em que, devido reduo de outputs (no valor necessrio para que a soma
permanea constante), h a possibilidade ou a imposio de reduo dos inputs utilizados.
Esse seria o exemplo da avaliao de eficincia de companhias areas operando em uma
determinada rota, cuja elasticidade preo permita considerar a demanda como constante.
Poder-se-ia considerar como output o nmero de passageiros e como inputs pessoal,
assentos.Km oferecidos e combustvel usado (Gomes et al., 2001c; Soares de Mello et al.,
2003). Ao impor-se demanda constante, uma determinada DMU que tenha reduzido o
nmero de passageiros transportados pelo fato de outra companhia ter aumentado esse
nmero (por exemplo, pela reduo das tarifas praticadas), poder reduzir o nmero de vos
na rota, com a conseqente reduo dos inputs considerados. Nesse caso, no h o
274
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
deslocamento da fronteira, mas sim o deslocamento das DMUs pela fronteira eficiente ou
pelas camadas de iso-eficincia (para as DMUs que perderam output e no eram eficientes).
Sob outras condies, DMUs em deslocamento pela fronteira so encontrados na literatura.
Korhonen & Syrjnen (2001), por exemplo, apresentam uma proposta interativa, baseada em
DEA e Programao Linear Multiobjetivo para o problema da alocao eficiente de recursos.
Nessa abordagem, as DMUs deslocam-se pela fronteira mas no h a restrio de a soma dos
outputs ou dos inputs ser constante.
A seguir desenvolvem-se os modelos DEA-GSZ em que as DMUs devem deslocar-se pela
fronteira. So abordados os casos bidimensional e multidimensional.
F
D
yo
yB
yB
yo
C
G
(a)
xC xC
xA xA xG xG
xo
(b)
275
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
O alvo da DMU o na 2a camada dado por yo ' , onde yo ' = ho2 yo . Como o modelo utilizado
o DEA-GSZ, o ganho deve ser igual soma das perdas, ou seja, ganho = ( ho2 1) yo .
y j yo ho2 1
yj
(Estellita-Lins et al., 2003; Gomes, 2003; Gomes et al., 2001a). Com o valor
j o
da perda, possvel calcular o valor dos nveis de output para essas DMUs. O valor dos
inputs obtido atravs das equaes das faces que contm as DMUs. Ressalte-se que a
obteno dessas equaes, para dimenses superiores, um problema combinatrio de alta
complexidade (Fukuda, 1993).
Na Figura 4 (b) verifica-se que h duas possibilidades para o clculo do nvel de input aps o
deslocamento para as DMUs A e C, extremos da regio no Pareto eficiente inferior. Ou o
valor do input no se altera ( I NA ) ou calculado pelo prolongamento da face ( I PF ) que
contm esta DMU.
Ainda possvel facultar ao decisor escolher um valor para o input que esteja contido no
intervalo ( I PF , I NA ] . A Figura 5 um recorte ampliado para o caso da DMU C.
O
yC
y C
x C x C
Figura 5 Possibilidades do valor de input para DMUs limites da regio Pareto ineficiente.
276
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
(IV)
277
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
O modelo (V) representa a formulao geral do modelo DEA BCC tridimensional suavizado,
com garantia de convexidade (Soares de Mello et al., 2004; Soares de Mello, 2002). Nesse
modelo, z representa o aproximante polinomial que substituir a fronteira DEA clssica;
ymin , xmin , ymax e xmax representam o menor e o maior valor de cada input; e, f, g, ... so as
variveis de deciso (coeficientes do polinmio). Esta formulao, por aproximar toda a
fronteira por um nico polinmio, garante a existncia de derivadas parciais em todo o
domnio, uma vez que as parcelas de um polinmio so funes de classe C1 (contnuas e
com primeira derivada contnua) em 2. Assim, alm do aproximante garantir a suavidade de
toda a fronteira, as restries garantem que a fronteira ser convexa (mesmo fora da regio
de calibrao) e monotonamente crescente para os valores do inputs menores ou iguais ao
maior valor de cada um. Garante-se ainda, alm das propriedades j enunciadas, que a
fronteira suavizada est prxima da fronteira original, onde o conceito de proximidade
refere-se a uma pseudo-mtrica baseada em comprimento de arco. O estudo detalhado dessas
propriedades apresentado em Soares de Mello et al. (2002) e Soares de Mello (2002).
xmax ymax z 2 z 2
Min 1 + + dydx
xmin ymin x y
sujeito a
z ( xefi , yefi ) = Z efi
(V)
z
( xmax , ymax ) 0
x
z
( xmax , ymax ) 0
y
e, f , g , h, i,... 0
Assim, para o problema das DMUs que se deslocam na fronteira DEA para o caso
multidimensional, aps obtida a equao da fronteira suavizada, procede-se como no caso
bidimensional, ou seja, determinam-se os novos valores de inputs calculando-se a interseo
dos planos horizontais que representam os novos nveis de output com a fronteira suavizada.
Os novos outputs so calculados segundo o modelo DEA-GSZ. Os passos dessa abordagem
so mostrados atravs de um exemplo numrico.
4.1 Exemplo numrico
Na Tabela 1 so apresentados os dados para o exemplo numrico hipottico (caso multidimensional) e as eficincias segundo o modelo DEA BCC clssico.
Tabela 1 Valores de input e output para o exemplo numrico tridimensional.
DMU
A
B
C
D
E
278
Input 1
1,0
2,0
3,0
2,0
5,0
Input 2
1,0
5,0
4,0
1,0
3,0
Soma
Output
18,5
26,0
33,5
22,0
25,0
125,0
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
Rodando-se o modelo DEA BCC clssico, a DMU E a unidade ineficiente que busca
eficincia; as DMUs C e D so seus benchmarks. A eficincia de E 84,3%, ou seja,
hE = 1,1867 . O alvo yE ' que deveria ser atingido na fronteira clssica tem valor 29,71.
Entretanto, sob o paradigma DEA-GSZ, as DMUs no devem caminhar nas faces produzidas
pelo modelo clssico, mas sim na fronteira suavizada. Para tal, necessrio obter a equao
dessa fronteira que substituir o poliedro DEA BCC clssico.
Para a escolha do aproximante h uma relao entre o nmero de DMUs extremo-eficientes e
o grau do polinmio (Soares de Mello et al., 2004; Soares de Mello, 2002). Essa relao
garante que o nmero de restries de igualdade seja inferior ao nmero de variveis de
deciso (coeficientes do polinmio). As restries de igualdade garantem que a fronteira
suavizada contenha todas as DMUs extremo-eficientes. Como no exemplo h 3 DMUs
extremo-eficientes (DMU B eficiente mas no extremo-eficiente), o polinmio deve ser de
grau 2 e expresso pela equao (VI). O problema da suavizao fica resolvido com o
clculo dos coeficientes desse polinmio.
z = a + bx + cy + dxy + ex 2 + fy 2
(VI)
Deve-se obter a funo objetivo (FO) do modelo suavizado, que envolve a integrao dupla
do quadrado das derivadas parciais do aproximante apresentado em (VI). Dessa forma,
obtm-se as equaes (VII), (VIII) e (IX).
z
z
= b + dy + 2ex = b 2 + d 2 y 2 + 4e2 x 2 + 2bdy + 4bex + 4dexy
x
x
2
(VII)
z
z
= c + dx + 2 fy = c 2 + d 2 x 2 + 4 f 2 y 2 + 2cdx + 4cfy + 4dfxy
y
y
55
(1 + b
(VIII)
11
(IX)
Ao integrar-se a expresso em (IX) e aplicarem-se os limites de integrao, obtm-se a FO.
Assim, o modelo de suavizao apresentado pelo problema de programao quadrtica (X).
124 2
496 2
Min 4 24 ( bd + 2cf ) + 4 ( b2 + c2 ) +
d + 4 f 2 ) +12[8 ( 2be + cd ) + 48 ( de + df )] +
d + 4e2 )
(
(
3
3
sujeito a
b + 5d + 10 e 0
c + 5d + 10 f 0
a + b + c + d + e + f = 18,5
a + 2b + 5c + 10d + 4e + 25 f = 26
(X)
a + 3b + 4c + 12d + 9e + 16 f = 33,5
a + 2b + c + 2d + 4e + f = 22
e0
f 0
279
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
(XI)
O alvo a ser buscado pela DMU E, yE ' , est na fronteira suavizada e tem valor de 36,24. O
ganho tem valor yE ' yE , ou seja, 36, 24 25 = 11, 24 . No modelo DEA-GSZ, o ganho deve
ser igual soma das perdas (proporcionais ao nvel de output) das demais DMUs. Assim,
y j ( yE ' yE ) 11, 24 y j
cada DMU j, j E , perder
=
. A Tabela 2 apresenta os novos
100
yj
jE
16,42
23,08
29,73
19,53
36,24
Soma
125,00
A anlise da Tabela 2 permite verificar que houve o deslocamento das DMUs pela fronteira
de eficincia suavizada, j que todas, exceto a DMU E, tiveram seus valores de output
reduzido, de modo a manter a soma constante (igual a 125,0).
Para a DMU E os valores dos inputs permanecem inalterados. Para as demais DMUs, os
valores dos inputs so dados pela equao da fronteira suavizada. Entretanto, ao deslocar-se
nessa fronteira, a DMU pode seguir qualquer direo, j que qualquer ponto na curva de
nvel resultante da interseo da fronteira suavizada com o plano de corte z = z N soluo
do problema, onde z N o novo valor do output. Optou-se por escolher o deslocamento que
d o caminho mais curto at o plano z = z N , considerando-se a distncia Euclidiana. Esta
opo garante que a DMU em questo deve promover alteraes mnimas nos seus inputs.
Assim, para cada DMU j, j E , resolvido o problema de otimizao apresentado em
(XII). Nesse problema, xO , yO e zO so os valores originais dos inputs e do output,
respectivamente, e xN e y N so os novos valores de inputs, ou seja, as variveis de deciso.
A Tabela 3 apresenta os resultados finais.
280
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
Min ( xO xN ) + ( yO yN ) + ( zO z N )
2
sujeito a
9, 2964 + 4, 6910 x + 5, 2513 y + 1,1005 xy 0, 7639 x 2 1, 0754 y 2 = z N
(XII)
xN , y N 0
Tabela 3 Novos valores dos inputs para as DMUs
no modelo DEA-GSZ em fronteira suavizada.
DMU
Input 1
Input 2
A
B
C
D
E
0,76
1,69
2,28
1,84
5,00
0,76
5,16
4,14
0,63
3,00
Comparando-se os valores inicias dos inputs (Tabela 1) com os resultados finais (Tabela 3)
no paradigma do modelo DEA-GSZ, constata-se que todas, exceto a DMU E, tiveram o valor
do input alterado para adequarem-se reduo do output.
5. Concluses
Um resultado importante dos modelos DEA com Ganhos de Soma Zero (DEA-GSZ) o fato
de os dois problemas tradicionais em DEA (determinao da fronteira e busca de alvos)
ficarem estreitamente acoplados, ou seja, a simples busca por eficincia altera a forma da
fronteira.
Alm disso, a possibilidade de reduo de inputs para as DMUs que tiveram reduo no
nvel de output, provocando o deslocamento dessas DMUs ao longo da fronteira de
eficincia (ou camadas de iso-eficincia), expande as aplicaes do modelo DEA-GSZ e os
resultados obtidos anteriormente, em que havia o deslocamento da fronteira.
O caso bidimensional, que provoca o deslocamento das DMUs por retas, de implementao
relativamente fcil para as DMUs que no estejam no incio da regio fracamente eficiente.
Para estas, o problema do deslocamento ao longo da fronteira no tem soluo nica.
No caso multidimensional, alm do problema das DMUs que marcam o incio da regio
fracamente eficiente, existe um outro problema, qual seja, a necessidade de determinar a
equao de todas as faces. Este um problema de alta complexidade, para o qual no existe
algoritmo eficiente. O uso de uma fronteira suavizada permitiu contornar estes dois
problemas. De fato, a fronteira suavizada tem uma nica face de equao polinomial,
determinada por um problema de programao quadrtica. E, pelo fato de a equao ser
polinomial, no existem, neste tipo de fronteira, regies fracamente eficientes. Portanto, para
todas as DMUs possvel calcular de forma nica o seu deslocamento. Desta argumentao
conclui-se que o uso da fronteira suavizada tem dupla vantagem: simplifica os clculos e
permite soluo nica para todas as DMUs.
281
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
Uma alternativa distncia Euclidiana para encontrar o novo valor dos inputs no caso
tridimensional o emprego das mtrica de Tchebycheff. Neste caso, o problema de
programao quadrtica substitudo por um problema MinMax, possvel de ser linearizado.
Cabe ainda ressaltar que, de forma anloga, os modelos apresentados neste artigo podem ser
usados em situaes em que a soma dos inputs deve ser constante, como o caso de
funcionrios estveis em empresas pblicas. Nessa situao, o modelo DEA-GSZ (orientado
a inputs) uma ferramenta til nos problemas de (re)alocao de recursos.
Os desenvolvimentos futuros devero contemplar a aplicao dos modelos aqui propostos a
estudos de casos reais, em especial na modelagem de outputs indesejveis (emisso de
poluentes, por exemplo) (Gomes, 2003).
Agradecimentos
Ao CNPq pelo apoio financeiro e aos revisores pelas valiosas contribuies para melhoria
deste artigo.
Referncias Bibliogrficas
(1) Ali, A.I. (1993). Streamlined computation for data envelopment analysis. European
Journal of Operational Research, 64(1), 61-67.
(2) Ali, A.I. (1994). Computational aspects of Data Envelopment Analysis. In: DEA:
Theory, Methodology and Applications [edited by A. Charnes, W.W. Cooper, A.Y.
Lewin and L.M. Seiford], Kluwer Academic Publishers, Boston.
(3) Armand, P. (1993). Finding all Maximal Efficient Faces in Multiobjetive Linear
Programming. Mathematical Programming, 61, 357-375.
(4) Banker, R.D.; Charnes, A. & Cooper, W.W. (1984). Some models for estimating
technical scale inefficiencies in Data Envelopment Analysis. Management Science,
30(9), 1078-1092.
(5) Barber, C.B.; Dobkin, D.P. & Huhdanpaa, H. (1996). The Quickhull Algorithm for
Convex Hulls. ACM Transactions on Mathematical Software, 22(4), 469-483.
(6) Barr, R.S.; Durchholz, M.L. & Seiford, L. (2000). Peeling the DEA onion: Layering
and rank-ordering DMUs using tiered DEA. Southern Methodist University Technical
Report, USA.
(7) Charnes, A.; Cooper, W.W. & Rhodes, E. (1978). Measuring the efficiency of decisionmaking units. European Journal of Operational Research, 2, 429-444.
(8) Cooper, W.W.; Seiford, L.M. & Tone, K. (2000). Data Envelopment Analysis: A
Comprehensive Text with Models, Applications, References and DEA-Solver Software.
Kluwer Academic Publishers, USA.
(9) Dul, J.H. & Thrall, R.M. (2001). A computational framework for accelerating DEA.
Journal of Productivity Analysis, 16, 63-78.
(10) Dul, J.H. (2002). Computations in DEA. Pesquisa Operacional, 22(2), 165-182.
282
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
(11) Ecker, J.G.; Hegner, N.S. & Kouada, I.A. (1980). Generating all Maximal Efficient
Faces for Multiple Objective Linear Programs. Journal of Optimization Theory and
Applications, 30, 353-381.
(12) Estellita-Lins, M.P. & Angulo-Meza, L. (2000). Anlise Envoltria de Dados e
perspectivas de integrao no ambiente de Apoio Deciso. Editora da COPPE/UFRJ,
Rio de Janeiro, Brasil.
(13) Estellita-Lins, M.P.; Gomes, E.G.; Soares de Mello, J.C.C.B. & Soares de Mello, A.J.R.
(2003). Olympic ranking based on a Zero Sum Gains DEA model. European Journal of
Operational Research, 148(2), 312-322.
(14) Fukuda, K. (1993). cdd.c: C Implementation of the Double Description method for
computing all vertices and extremal rays of a convex polyhedron given a system of
linear inequalities. Department of Mathematics, Swiss Federal Institute of Technology,
Lausanne, Switzerland.
(15) Gomes, E.G. & Soares de Mello, J.C.C.B. (2002). Determinao de Alvos em Modelos
DEA com Ganhos de Soma Zero. Anais do XXXIV Simpsio Brasileiro de Pesquisa
Operacional, Rio de Janeiro, Brasil.
(16) Gomes, E.G. (2003). Modelos de Anlise de Envoltria de Dados com Ganhos de Soma
Zero. Tese de Doutorado, Programa de Engenharia de Produo, COPPE/UFRJ, Rio de
Janeiro, Dezembro.
(17) Gomes, E.G.; Soares de Mello, J.C.C.B. & Estellita-Lins, M.P. (2001a). Modelos DEA
com soma de outputs constante. Anais do XXXIII Simpsio Brasileiro de Pesquisa
Operacional, Campos do Jordo, Brasil.
(18) Gomes, E.G.; Soares de Mello, J.C.C.B. & Estellita-Lins, M.P. (2001b). Uso de Anlise
de Envoltria de Dados e Auxlio Multicritrio Deciso na anlise de dados das
Olimpadas 2000. Anais do XXI ENEGEP Encontro Nacional de Engenharia de
Produo, Salvador, Brasil.
(19) Gomes, E.G.; Soares de Mello, J.C.C.B. & Estellita-Lins, M.P. (2003). Busca
seqencial de alvos intermedirios em modelos DEA com soma de outputs constante.
Investigao Operacional, 23(2), 163-178.
(20) Gomes, E.G.; Soares de Mello, J.C.C.B.; Serapio, B.P.; Estellita-Lins, M.P. & Biondi,
L.N. (2001c). Avaliao de Eficincia de Companhias Areas Brasileiras: Uma
Abordagem por Anlise de Envoltria de Dados. In: Panorama Nacional da Pesquisa
em Transportes 2001 [editado por J.R.A. Setti e O.F. Lima Jnior], 2, 125-133
(21) Gonzlez-Araya, M.C. & Estellita-Lins, M.P. (2002). Un algoritmo para encontrar las
facetas eficientes de mayor dimensin de la frontera DEA. Anais do XI Congreso
Latino Iberoamericano de Investigacion de Operaciones (CLAIO), Concepcin, Chile.
(22) Gonzlez-Araya, M.C. (2003). Projees No Radiais em Regies Fortemente
Eficientes da Fronteira DEA Algoritmos e Aplicaes. Tese de Doutorado, Programa
de Engenharia de Produo, COPPE/UFRJ, Rio de Janeiro.
(23) Korhonen, P. & Syrjnen, M. (2001). Resource allocation based on efficiency analysis.
Working Paper W-293, Helsinki School of Economics and Business Administration,
25p.
283
Gomes, Soares de Mello & Estellita Lins Redistribuio de inputs e outputs em modelos de anlise envoltria de dados com ganhos de soma zero
(24) Osborne, M.J. & Rubinstein, A. (1999). A Course in Game Theory. The MIT Press,
Boston, USA.
(25) Pille, P. & Paradi, J. (1997). Facets at the Frontier and Efficiency Measurement in
DEA. Fifth European Workshop on Efficiency and Productivity Analysis, Copenhagen,
Denmark, October.
(26) Soares de Mello, J.C.C.B. (2002). Suavizao da fronteira DEA com o uso de mtodos
variacionais. Tese de Doutorado, Programa de Engenharia de Produo, COPPE/UFRJ,
Rio de Janeiro, Dezembro.
(27) Soares de Mello, J.C.C.B.; Angulo-Meza, L.; Gomes, E.G.; Serapio, B.P. & EstellitaLins, M.P. (2003). Anlise de Envoltria de dados no estudo da eficincia e dos
benchmarks para companhias areas brasileiras. Pesquisa Operacional, 23(2), 325-345.
(28) Soares de Mello, J.C.C.B.; Estellita-Lins, M.P. & Gomes, E.G. (2002). Construction of
a smoothed DEA frontier. Pesquisa Operacional, 22(2), 183-201. Disponvel em:
<http://www.scielo.br/pdf/pope/v22n2/a06v22n2.pdf>.
(29) Soares de Mello, J.C.C.B.; Gomes, E.G.; Biondi, L.N. & Estellita-Lins, M.P. (2004).
Suavizao da fronteira DEA: o caso BCC tridimensional. Investigao Operacional,
24(1), 89-107.
(30) Soares de Mello, J.C.C.B.; Gomes, E.G.; Estellita-Lins, M.P. & Soares de Mello, A.J.R.
(2001). Uso da Pesquisa Operacional em esportes: o caso das Olimpadas. Boletim da
SOBRAPO Sociedade Brasileira de Pesquisa Operacional, 19, 5-6.
(31) Tavares, G. (1998). Data envelopment analysis: the basic models and their main
extensions. A model to analyse the modernisation of telecommunication services in
OECD countries. Tese de Mestrado, Faculdade de Cincias e Tecnologia, Universidade
de Coimbra, Portugal.
(32) Tavares, L.V.; Oliveira, R.C.; Themido, I.H. & Correia, F.N. (1996). Investigao
Operacional. Editora McGraw Hill de Portugal Ltda.
(33) Williams, J.D. (1986). The Complete Strategyst: Being a Primer on the Theory of
Games of Strategy. Dover Publications Inc., New York.
284