Escolar Documentos
Profissional Documentos
Cultura Documentos
1
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
2
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
1. Introdução
3
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
2. Revisão Bibliográfica
A análise dos indicadores revelou que embora todas as capacidades sejam importantes,
aquelas ligadas com a produção de manufaturas de alta sofisticação tecnológica se mostram
mais relevantes no quesito de complexidade econômica (HIDALGO E HAUSMANN, 2009).
Países industrializados, exportadores de bens de alta tecnologia com valor agregado elevado
possuem maior complexidade do que países exportadores de commodities, na qual a
sofisticação pode existir, mas não na mesma proporção da indústria. Isso se mostra relevante
4
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
quando se observa que a complexidade está ligada a retornos de escala e produtividade. Disso,
decorre o fato que deve existir uma setorização adequada da economia quando busca-se elevar
a complexidade (GALA, 2017).
Sen (1981) avaliou a variação dos índices de ‘qualidade de vida’, que seria uma
composição de longevidade e escolaridade de um indivíduo. Países que apresentaram uma
mudança do sistema produtivo voltada para o setor manufatureiro de exportação obtiveram
avanços rápidos e significativos na qualidade de vida se comparados aos demais países, sendo
isso ilustrado pela política econômica da Coréia do Sul no período citado.
5
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
crescimento econômico e as variáveis de desenvolvimento humano pode ser obtida por ambos
os lados, o que significa que estas são forças que se influenciam mutuamente. Desta forma, o
autor concluiu que pode existir um ciclo virtuoso no qual o país cuja economia cresce,
percebe o desenvolvimento humano avançar e como consequência, vê sua economia
apresentar novos avanços. Porém, o crescimento econômico não foi capaz de explicar
completamente a variação de desenvolvimento humano (SEN, 1981). Neste aspecto, a
complexidade pode ser o conceito capaz de explicar de maneira mais eficiente como as
variáveis econômicas e os indicadores de desenvolvimento humano estão relacionados.
3. Método
Eficiência Social é definida como a efetividade com a qual uma UF, país ou região
convertem a geração de riqueza econômica, geralmente mensurada pelo Produto Interno
Bruto (PIB), em desenvolvimento humano para seus habitantes (MARIANO et al., 2015). O
estudo pioneiro de Despotis (2005a; 2005b) utilizou o PIB per capita como o único indicador
social deste cálculo. O autor encontrou que Canadá, Japão, Reino Unido, Eslovênia, Suécia,
Nova Zelândia, Espanha, Grécia são os países desenvolvidos que apresentaram maior
eficiência relativa com a aplicação do modelo DEA, sendo os quatro últimos indicados como
benchmark para países em desenvolvimento.
6
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
3.1. Econometria
Decision Making Unit (DMU) é um sistema autônomo de tomada de decisão que gera
um valor de eficiência relativo para uma amostra. O objetivo de cada DMU deve ser o de
converter um conjunto de inputs em um conjunto de outputs. Uma DMU avalia a eficiência
relativa de um conjunto de variáveis. Porém, em casos com vários inputs e outputs, ele não é
capaz de avaliar a correlação entre diferentes parâmetros. Isso pode ser resolvido usando a
Análise por Envoltória de Dados (do inglês, Data Envelopment Analysis - DEA).
O DEA, que foi desenvolvido por Charnes, Cooper e Rhodes (1978), é um método
matemático não-paramétrico baseado em programação linear, que avalia as fronteiras lineares
entre conjuntos de variáveis correlacionadas (MARIANO E REBELATTO, 2014), sendo
7
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
4. Resultados
4.1. Econometria
A partir de uma base de dados secundária, procedeu-se com a análise estatística das
variáveis, buscando encontrar uma correlação entre elas. O período estudado foi entre os anos
de 2006 e 2015. A matriz de correlação demonstrou haver correlação positiva e significativa a
1% com o ECI normalizado em relação ao: PIB per capita (0,28), número de trabalhadores
empregados (0,82), quantidade de empregados com ensino superior (EES = 0,84), quantidade
de profissionais no setor de P&D (P&D = 0,89), acesso a rede de esgoto (RES = 0,35) e
número de médicos a cada mil habitantes (MED = 0,31). Já a variável de taxa de homicídio
apresentou uma correlação negativa e estatisticamente significativa a 1% com o índice de
8
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
Isso mostra que a complexidade econômica das unidades federativas brasileiras possui
correção com os aspectos sociais e econômicas de cada região. Isto reforça os resultados de
pesquisas internacionais que avaliaram outros países (HARTMANN et al., 2017; FERRAZ et
al., 2018). Verifica-se que o aumento da complexidade econômica nas UFs elevaria a
qualidade de vida da população, além de reduzir a número de homicídios por habitante.
Do mesmo modo, foi aplicado regressão linear a cinco diferentes modelos. Cada
modelo buscava explicar uma das variáveis de qualidade de vida que obtiveram correlação
significativa com as variáveis econômicas (ECI Normalizado, quantidade de trabalhadores e
PIB per capita). A Tabela 1 apresenta as estimativas obtidas.
9
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
A análise DEA para o ano de 2015 mostrou que 11 estados brasileiros foram
eficientes: Alagoas, Ceará, Distrito Federal, Espírito Santo, Goiás, Minas Gerais, Pará, Rio de
Janeiro, Santa Catarina, São Paulo e Sergipe. As demais UFs avaliadas se dividiram dentro da
escala. Os estados mais ineficientes foram Acre (57,0%), Mato Grosso do Sul (56,4%) e em
último o Piauí (35,4%).
10
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
5. Conclusão
Esse artigo trouxe uma revisão a respeito dos conceitos de complexidade econômica e
desenvolvimento humano no cenário brasileiro. Por meio de modelos econométricos foi
possível verificar que a complexidade explica o desenvolvimento humano nas UFs do Brasil.
Estados mais complexos possuem um nível de desenvolvimento maior do que aqueles com
menor complexidade econômica.
O modelo DEA mostrou que os estados do Sudeste são mais eficientes que as demais
UFs brasileiras. A região Norte foi a mais ineficiente. Chama atenção o fato de alguns estados
do Nordeste terem alcançado a eficiência social. Sendo assim, estudos futuros devem analisar
a influência dos programas sociais sobre o cálculo de eficiência das regiões brasileiras.
Vale destacar que o fato de um estado ter sido considerado eficiente, não significa que
haja desenvolvimento social e econômico, mas sim que no modelo DEA ele pôde ser
considerado como uma das melhores práticas para o fenômeno analisado. Portanto, conclui-se
que as unidades federativas do Brasil precisam de políticas públicas que continuem
desenvolvendo a complexidade econômica, por meio da diversificação da matriz produtiva,
incentivos à Ciência e Tecnologia, bem como elevação da participação relativa da Indústria na
composição dos setores econômicos. Por meio deste tipo de estratégia, o Brasil poderá, não
apenas crescer economicamente, mas desenvolver os aspectos sociais e humanos.
11
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
Referências
CHARNES, A., COOPER, W. W., GOLANY, B., SEIFORD, L., & STUTZ, J.. Foundations of Data
Envelopment Analysis for Pareto-Koopmans Efficient Empirical Production Functions. Journal of Econometrics,
1985
CHARNES, A., COOPER, W. W., & RHODES, E. Measuring Efficiency of Decision-Making Units. European
Journal of Operational Research, 1978.
COOK, W. D.. & ZHU, J. Data Envelopment Analysis – A Handbook on the Modeling of Internal Structures
and Networks. International Series in Operations Research & Management Science. Springer Science + Business
Media New York. 2014.
DESPOTIS, D. A reassessment of the human development index via data envelopment analysis. Journal of the
Operational Research Society. 2005
DESPOTIS, D. Measuring human development via data envelopment analysis: the case of Asia and the Pacific.
Omega. 2005.
Ferraz, Diogo, Moralles, Herick Fernando, Campoli, Jessica Suárez, Oliveira, Fabíola Cristina Ribeiro de, &
Rebelatto, Daisy Aparecida do Nascimento. Economic Complexity and Human Development: DEA performance
measurement in Asia and Latin America. Gestão & Produção, Epub June 07,
2018.https://dx.doi.org/10.1590/0104-530x3925-18. 2018.
GALA, P. Complexidade Econômica: Uma nova perspectiva para entender a antiga questão da riqueza das
nações. Rio de Janeiro: Contraponto. 2017.
HARTMANN, D. Economic complexity and human development: how economic diversification and social
networks affect human agency and welfare (Vol. 110): Routledge. 2014.
HARTMANN, D., GUEVARA, M., JARA-FIGUEROA, C., ARISTARÁN, M., & HIDALGO, C. Linking
economic complexity, institutions and income inequality. 2015.
HARTMANN, D., JARA-FIGUEROA, C., GUEVARA, M., SIMOES, A., & HIDALGO, C. A. The structural
constraints of income inequality in Latin America. 2017.
HAUSMANN, R., HIDALGO, C. A., BUSTOS, S., COSCIA, M., SIMOES, A., & YILDIRIM, M. A. The atlas
of economic complexity: Mapping paths to prosperity: Mit Press. 2014.
HIDALGO, C. A., HAUSMANN, R. The building blocks of economic complexity. Proceedings of the National
Academy of Sciences of the United States of America. 2009.
12
XXVI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Desafios da Engenharia de Produção no Contexto da Indústria 4.0
Bauru, SP, Brasil, 6 a 8 de novembro de 2019
HUMAN DEVELOPMENT REPORT. United Nations Development Programme – UNDP The Human
Development Report 2016. New York: Oxford University Press. 2016.
MARIANO, E. B., & REBELATTO, D. A. D. Transformation of wealth produced into quality of life: analysis of
the social efficiency of nation-states with the DEA's triple index approach. Journal of the Operational Research
Society. 2014.
MARIANO, E. B., SOBREIRO, V. A., & REBELATTO, D. A. D. Human development and data envelopment
analysis: A structured literature review. Omega-International Journal of Management Science. 2015
MIT’s Observatory of Economic Complexity: Country Ranking. (n.d.). Retrieved June 28, 2015, from
https://atlas.media.mit.edu/rankings. 2015.
RANIS, G., STEWART, F., & RAMIREZ, A. Economic growth and human development. World Development,
2000.
SEN, A. Public action and the quality of life in developing countries. Oxford Bulletin of Economics and
Statistics, 1981.
SEN, A. Mortality as an indicator of economic success and failure. Economic Journal, 1998.
TACCHELLA, A., CRISTELLI, M., CALDARELLI, G., GABRIELLI, A., & PIETRONERO, L. Economic
complexity: Conceptual grounding of a new metrics for global competitiveness. Journal of Economic Dynamics
& Control, 2001.
13