27 a 30/09/05, Gramado, RS

Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
B S
C
A

O X
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
B S
C
A

O X
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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
D f(x)
B
A P

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).

(Xef, Yef)

O O O
(0, YO) (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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

basta observarmos que ele resulta da interseco da fronteira eficiente com a reta horizontal que passa
Y = YO
YO X ef
por O. Assim, o sistema Yef fornece essas coordenadas, que so X O ' = e YO ' = YO .
Y = X Yef
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
O' O" Yef Y0 1 P
Usando o valor de X O ' calculado acima, temos Ef = = = = O .
O" O XO 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).

uYO
Maximizar
X O
sujeito a (1)
uYk
1, para todo k
X k

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.

Ef =
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.

2524
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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 Fronteira de eficincia
8

6
Output

5
Reta de regresso
4

0
0 2 4 6 8 10
Input

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
Max Eff o = r
j =1

vi xio
i =1
sujeito a
s
(2)
u
j =1
j y jk
r
1, k
v x
i =1
i ik

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 .

s
Max Eff o = u j y jo
j =1

sujeito a
r

v x
i =1
i io =1 (3)
s r

u j y jk vi xik 0, k
j =1 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. Resolvendo-
se os 5 PPLs, podemos observar que as DMUs B, C e E so eficientes.

Tabela 1. Dados do exemplo numrico.

Pesos
DMU Input 1 Input 2 Output Input 1 Input 2 Output Eficincia (%)
A 4 3 2 0,045 0,273 0,227 45,45
B 1 6 5 0,200 0,133 0,200 100,00
C 2 3 4 0,050 0,300 0,250 100,00
D 1 2 1 0,429 0,286 0,429 42,85
E 10 5 8 0,025 0,150 0,125 100,00

2526
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

Max Eff A = 2 u1
sujeito a
4v1 + 3v 2 = 1
2u1 4v1 3v 2 0
5u1 1v1 6v 2 0 (4)
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 extremo-
eficientes (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.

Min ho
sujeito a
n
ho x jo x ik k 0,i (5)
k =1
n
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
(6)
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

2527
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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 Output Eficincia (%)
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
(7)
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

Min hA
sujeito a
4h A 4 A 26 B 16 C 4 D 6 E 20 F 0
(8)
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 encontra-
se 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.

2528
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

4,5

4,0 E

3,5

A B
Input2/Output 3,0

2,5

2,0
D
1,5

1,0
C F
0,5

0,0
0,0 2,0 4,0 6,0 8,0 10,0 12,0
Input1/Output

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
n n

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

Max ho
sujeito a
n
x jo xik k 0 , i (9)
k =1
n
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
Min ho = is=1

u j y jo
j =1
sujeito a
r
(10)
v x i io
i =1
s
1, k
u j y jo
j =1

u j , v i 0, j,i

r
Min ho = vi xio
i =1

sujeito a
s

u
j =1
j y jo = 1 (11)
s r

u
j =1
j y jk vi xik 0, k
i =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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

Min Eff A = 4v1 + 3v2

sujeito a
2 u1 = 1
2u1 4v1 3v2 0
5u1 1v1 6v2 0 (12)
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
(13)
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 A
6,0
Output2/Input

5,0
B
4,0
C E
3,0
D
2,0

1,0

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

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

Min ho
sujeito a
n
ho xio xik k 0, i
k =1
n (14)
y jo + y jk k 0, j
k =1
n

k =1
k =1

k 0, k

Max ho
sujeito a
n
xio xik k 0, i
k =1
n (15)
ho y jo + y jk k 0, j
k =1
n

k =1
k =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
n
duais associadas condio
K =1
k = 1 e so interpretados como fatores de escala.

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

sujeito a
r

v x
i =1
i io =1 (16)
r s
vi xik + u j y jk + u* 0, k
i =1 j =1

vi , u j 0, u*

r
Min Eff o = vi xio + v*
i =1

sujeito a
s

u
j =1
j y jo = 1 (17)
r s
vi xik + u j y jk v* 0, k
i =1 j =1

vi , u j 0, u*

2532
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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

input
u*<0 u*=0 u*>0

(a)
output
C

B Hiperplanos suporte
vi xik + u j y jk + v* 0
i j
v*>0
D
A

v*=0 input

v*<0 (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.

2533
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

Max Eff A = 1 u1 + u*
sujeito a
4v1 + 3v2 = 1
1u1 + u* 4v1 3v2 0
4u1 + u* 26v1 12v2 0
(18)
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 (19)
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.

O CCR

C
B BCC

E E E E

D
A

Figura 9. Representao das fronteiras BCC e CCR.

2534
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
(20)
IOi u i SOi

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)

vi
i i (22)
vi +1

2537
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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.
s
A restrio ao output virtual j apresentada em (24), na qual u
j =1
j y jo o output virtual total da DMU

o. Podemos obter resultado semelhante para os inputs.

u j y jo
j s
j (24)
u j =1
j 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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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 otimista Eficincia pessimista + 100

Eficincia final = (25)
2

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

(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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

(a)

(b)

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

2542
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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 com eficincia Passageiro.Km

M1, a DMU
da frota transforma em
oferecido

com eficincia
M3, a DMU
Pessoal
transforma em
de vo

Pessoal
+
total

Pessoal com eficincia

M2, a DMU
Passageiro.Km
de vendas transforma em 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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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. 73-
91, 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
 27 a 30/09/05, Gramado, RS
Pesquisa Operacional e o Desenvolvimento Sustentvel

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