TCC Samuel 2015-7

UNIVERSIDADE FEDERAL DO PIAUÍ
CENTRO DE TECNOLOGIA
CURSO DE ENGENHARIA ELÉTRICA
SAMUEL DE ALENCAR BEZERRA
ANÁLISE ENVOLTÓRIA DE DADOS APLICADA NA CLASSIFICAÇÃO DE

AMBIENTES ENERGETICAMENTE EFICIENTES NA UNIVERSIDADE FEDERAL
DO PIAUÍ
TERESINA
2015

DO PIAUÍ
Trabalho de Conclusão de Curso de Graduação

em Engenharia Elétrica da Universidade
Federal do Piauí, como requisito à obtenção do
grau de Engenheiro Eletricista.
Orientador: Prof. Dr. Fábio Rocha Barbosa.

Coorientador: Prof. Dr. Nelber Ximenes Melo.
TERESINA
2015
___________________________________________________________________________
Página reservada para ficha catalográfica que deve ser confeccionada após apresentação e
alterações sugeridas pela banca examinadora.
___________________________________________________________________________

DO PIAUÍ
Trabalho de Conclusão de Curso de Graduação

em Engenharia Elétrica da Universidade
Federal do Piauí, como requisito à obtenção do
grau de Engenheiro Eletricista.
Aprovada em: ___/___/______.
BANCA EXAMINADORA
________________________________________
Prof. Dr. Fábio Rocha Barbosa (Orientador)
Universidade Federal do Piauí (UFPI)
_________________________________________
Prof. Msc. Nelber Ximenes Melo (Co-orientador)
_________________________________________
Prof. Dr. Bartolomeu Ferreira dos Santos Júnior
_________________________________________
Prof. Esp. Osvaldo Augusto Vasconcelos de Oliveira Lopes da Silva
Instituto Federal de Educação, Ciência e Tecnologia do Piauí (IFPI)
AGRADECIMENTOS
À minha família, pela torcida e pelos incentivos.

Ao Prof. Dr. Fábio, pela orientação deste trabalho e pelas sugestões.
Ao Prof. Jackson Santos, pelas sugestões e colaboração valiosa com a utilização
da Análise Envoltória de Dados.
Aos professores da Universidade Federal do Piauí, em especial aos da Engenharia
Elétrica, pelos conhecimentos transmitidos ao longo do curso.
Aos professores participantes da banca examinadora pelas contribuições e
aperfeiçoamento deste trabalho.
Aos meus amigos, de longa data ou mais recentes, pelo apoio.
À todos que ajudaram direta ou indiretamente.
“Não se pode gerenciar o que não se pode
medir. Não se pode medir o que não se pode
descrever.”
Robert S. Kaplan e David P. Norton, 1997.
RESUMO
Nos últimos anos, eficiência energética é um tema de interesse coletivo que vem sendo cada
vez mais discutido, pois a busca pelo consumo racional de energia leva à desaceleração do
esgotamento de recursos, gera conforto e reduz gastos com energia. Neste trabalho, foi feita
uma aplicação da Análise Envoltória de Dados (Data Envelopment Analysis - DEA) na
avaliação da eficiência energética de ambientes do Bloco 5 da Universidade Federal do Piauí,
utilizando as variáveis de saída (produtos) fluxo luminoso e capacidade de refrigeração total
associadas às variáveis de entrada (insumos) potência instalada da iluminação e consumo de
energia elétrica (potência média demandada multiplicada pelo período de uma hora) dos
aparelhos de ar condicionado. Por meio da comparação com salas virtuais classificadas como
“A” (segundo o RTQ-C) na iluminação e condicionamento de ar, foi confirmada a
ineficiência (eficiência menor que 1) de todas as salas do Bloco 5. Posteriormente, utilizando
a formulação Dual do modelo CCR, foram identificadas e estabelecidas um conjunto de metas
e alvos para cada ambiente e os resultados dessa aplicação foram confrontados com a
metodologia atual de avaliação de eficiência descrita no RTQ-C. A utilização da DEA
possibilitou uma avaliação combinada da iluminação e do condicionamento de ar em um
único indicador e um processo menos trabalhoso de avaliação do que o do RTQ-C.
Palavras-chave: Eficiência, Metas, DEA.

ABSTRACT
In the last few years, energy efficiency is a collective interest matter that has been
increasingly discussed, as the pursuit for rational energy consumption leads to slowing
resource depletion, generates comfort and reduces energy costs. In this paper, it was made an
application of the technique Data Envelopment Analysis to evaluate the energy efficiency of
the Block 5 ambiences of the Federal University of Piauí, using the output variables luminous
flux and total cooling capacity associated with the input variables installed lighting capacity
and consumption (electric power demanded multiplied by one hour) of air conditioners. By
comparing with ambiences classified as “A” (according to the RTQ-C) in lighting and air
conditioning systems, it was found that all rooms in the Block 5 were inefficient (efficiency
less than one). After this, using the Dual formulation of the CCR model, it was identified and
established a set of goals and targets to each ambience and the result of this application was
compared with the current efficiency evaluation described on the RTQ-C. Using DEA, it was
possible to evaluate air conditioning and lighting systems in a single combined indicator, and
the process was faster than the evaluation method described on the RTQ-C.
Keywords: Efficiency, targets, DEA.

LISTA DE ILUSTRAÇÕES
Figura 1 – Distribuição típica de consumo de energia elétrica em prédios públicos....... 19

Figura 2 – Modelo de Etiqueta Nacional de Conservação de Energia (ENCE).............. 21
Figura 3 – Eficiência técnica e alocativa em um processo produtivo.............................. 33
Figura 4 – Representação de uma DMU.......................................................................... 36
Figura 5 – Informações utilizadas em um programa DEA.............................................. 38
Figura 6 – Tipos de retorno de escala.............................................................................. 38
Figura 7 – Modelos clássicos utilizados na DEA............................................................ 39
Figura 8 – Fronteira de Eficiência do Modelo CCR........................................................ 43
Figura 9 – Fronteira de Eficiência do Modelo BCC........................................................ 44
Figura 10 – Bloco de Engenharia Civil da Universidade Federal do Piauí....................... 47
Figura 11 - Modelo Primal construído no Excel............................................................... 56
Figura 12 - Modelo Dual construído no Excel.................................................................. 57
Figura 13 - Gráfico comparativo com os escores obtidos................................................. 58
LISTA DE TABELAS
Tabela 1 – Correspondência entre níveis de eficiência e pontuações................................. 19

Tabela 2 – Correspondência entre níveis de eficiência e pontuações finais....................... 21
Tabela 3 – Limites máximos aceitáveis de densidade de potência de iluminação para
cada nível de eficiência..................................................................................... 24
Tabela 4 – Índices de eficiência mínimos para aparelhos tipo janela................................ 28
Tabela 5 – Índices de eficiência mínimos para aparelhos tipo split................................... 28
Tabela 6 – Índices de eficiência mínimos para aparelhos não regulamentados pelo
INMETRO para os níveis A e B....................................................................... 30
Tabela 7 – Características físicas dos ambientes da amostra.......................................... 48
Tabela 8 – Características dos sistemas de iluminação dos ambientes........................... 48
Tabela 9 – Características dos sistemas de condicionamento de ar dos ambientes........ 49
Tabela 10- Coeficientes de correlação linear entre as variáveis selecionadas................ 53
Tabela 11- Dados dos sistemas das salas “A” acrescentadas.......................................... 55
Tabela 12- Escores de eficiência dos ambientes ............................................................ 58
Tabela 13- Pesos obtidos pela formulação Primal.......................................................... 60
Tabela 14- Metas obtidas pela formulação Dual............................................................. 61
Tabela 15- Folgas e distâncias obtidas pela formulação Dual........................................ 63
Tabela 16- Comparação entre a eficiência dos equipamentos antes e depois das
sugestões....................................................................................................... 64
Tabela 17- Classificação final das salas.......................................................................... 65
Tabela 18- Economia gerada após aplicação das metas.................................................. 66
LISTA DE ABREVIATURAS E SIGLAS
ANEEL Agência Nacional de Energia Elétrica

AR Área
BCC Banker, Charnes e Cooper (modelo DEA)
CCR Charnes, Cooper e Rhodes (modelo DEA)
CEE Coeficiente de Eficiência Energética
CNS Consumo (dos aparelhos de ar condicionado)
CRE Capacidade de Refrigeração Total
DEA Data Envelopment Analysis – Análise Envoltória de Dados
DMU Decision Making Unit – Unidade Tomadora de Decisão
DPI Densidade de Potência de Iluminação
DPIRL Densidade de Potência de Iluminação Relativa Limite
DPIRF Densidade de Potência de Iluminação Relativa Final
EF Iluminância Média Final
ELETROBRÁS Centrais Elétricas Brasileiras S.A.
INMETRO Instituto Nacional de Metrologia, Qualidade e Tecnologia
FLM Fluxo Luminoso
PIL Potência Instalada de Iluminação
PL Programação Linear
RTQ-C Relatório Técnico da Qualidade para o Nível de Eficiência Energética em
Edifícios Comerciais, de Serviços e Públicos
UFPI Universidade Federal do Piauí
LISTA DE SÍMBOLOS E UNIDADES
BTU British Thermal Unit – Unidade Térmica Britânica

h Hora
kWh Quilowatt – hora
lm Lúmen
lx Lux
M Metro
m² Metro quadrado
R$ Real
W Watt
W/m² Watt por metro quadrado
W/m²/100lx Watt por metro quadrado por 100 lux
% Porcentagem
SUMÁRIO
1 INTRODUÇÃO.................................................................................................. 13
1.1 Contextualização................................................................................................ 13
1.2 Objetivos............................................................................................................ 16
1.3.1 Objetivo Geral..................................................................................................... 16
1.3.2 Objetivos Específicos.......................................................................................... 16
1.3 Justificativa........................................................................................................ 16
1.4 Estrutura do trabalho....................................................................................... 17
2 REVISÃO DA LITERATURA........................................................................ 18
2.1 Classificação de ambientes segundo o RTQ-C................................................ 18
2.1.1 Avaliação do Sistema de Iluminação................................................................. 22
2.1.2 Avaliação do Sistema de Condicionamento de Ar............................................. 27
2.2 Medição de eficiência e Análise Envoltória de Dados.................................... 31
2.2.1 Conceitos preliminares....................................................................................... 31
2.2.2 Características da DEA...................................................................................... 34
2.2.3 Modelos de DEA................................................................................................. 38
2.2.4 Vantagens e limitações da técnica..................................................................... 45
3 METODOLOGIA UTILIZADA………….…………………………………. 46
3.1 Definição e seleção das DMUs.......................................................................... 47
3.2 Pré-seleção das variáveis................................................................................... 50
3.3 Seleção das variáveis.......................................................................................... 52
3.4 Escolha do modelo de cálculo........................................................................... 54
3.5 Escolha do software e implementação do programa....................................... 54
4 RESULTADOS E DISCUSSÕES.................................................................... 58
5 CONCLUSÃO E TRABALHOS FUTUROS.................................................. 68
REFERÊNCIAS................................................................................................. 70
ANEXO A - LIMITE MÁXIMO ACEITÁVEL DE DPI PARA O NÍVEL
DE EFICIÊNCIA PRETENDIDO – MÉTODO DAS ÁREAS DO
EDIFÍCIO........................................................................................................... 75
ANEXO B – CARACTERÍSTICAS DOS EQUIPAMENTOS
UTILIZADOS NAS SALAS “A”..................................................................... 76
APÊNDICE A - SITES DAS CARACTERÍSTICAS DOS APARELHOS
DE AR CONDICIONADO DAS SALAS DO BLOCO 5 ............................. 78
13
1 INTRODUÇÃO
1.1 Contextualização
A Segunda Revolução Industrial aliada ao desenvolvimento da eletricidade, no

século XIX, provocou inúmeras mudanças no modo de vida da época que são observadas até
hoje. Uma delas foi a crescente dependência de energia elétrica para a realização de processos
e serviços em indústrias, bem como na vida cotidiana das pessoas. Nas fábricas da época, a
utilização da energia elétrica favoreceu o surgimento de pequenas indústrias e permitiu que os
motores fossem acoplados aos instrumentos, diminuindo o uso de eixos e correias de
transmissão (DATHEIN, 2003). A relativa facilidade de geração e transmissão da energia
elétrica, a aplicação na iluminação pública e nas telecomunicações e o aprimoramento das
indústrias foram alguns dos fatores que tornaram a energia elétrica um fator indispensável
para a modernização da sociedade.
Hoje em dia, é difícil imaginar a vida sem eletricidade. O uso em iluminação,
condicionamento de ambientes, eletrodomésticos, indústrias, hospitais, etc. mostram que a
energia elétrica é um elemento indispensável ao funcionamento de praticamente tudo na
sociedade moderna. O crescimento da população e o conseqüente crescimento do consumo de
energia elétrica, aliado à dependência desse recurso, mostram que é necessária sua utilização
de forma racional. Segundo o relatório “Projeção da Demanda de Energia Elétrica para os
Próximos Dez Anos (2015-2024)”, produzido pela Empresa de Pesquisa Energética (EPE), o
consumo deverá atingir um patamar de 786 TWh em 2024, crescendo 4,1% ao ano em relação
aos 525 TWh (EPE, 2015) registrados em 2014.
Diante da disponibilidade finita de recursos, é necessário um gerenciamento
adequado do uso da energia elétrica. Nas últimas décadas, temas como sustentabilidade e
conservação de energia estão sendo cada vez mais abordados, o que mostra uma preocupação
em aliar crescimento econômico com menores impactos ambientais. O consumo sustentável
certamente é um tema polêmico, visto que o crescimento do consumo de eletricidade está
relacionado com o crescimento econômico e à melhoria da qualidade de vida (GADELHA,
200-). Segundo Menkes (2004), as primeiras discussões sobre conservação de energia
surgiram com a crise do petróleo na década de 1970, porém, somente a partir da década de
1990 foi dada uma maior relevância a essa questão. Os impactos ambientais provocados pelo
consumo descontrolado e o esgotamento de recursos para a produção de energia levantaram
14
uma discussão sobre o estilo de vida que estava sendo levado.

O uso inadequado da energia elétrica leva a crises energéticas que trazem uma
série de impactos negativos, como ocorreu em 2001 com a famosa Crise do Apagão, causando
alterações no fornecimento de energia elétrica. Devido a uma conjunção de fatores, como falta
de investimentos na expansão do setor elétrico, pluviosidade baixa e dependência excessiva
de usinas hidrelétricas, foi necessário adotar um racionamento de energia, que vigorou em
junho de 2001 a fevereiro de 2002. O racionamento visava uma redução de cerca de 20% do
consumo (BARDELIN, 2003), meta atingida pela adoção de medidas como multas,
bonificações para consumidores e interrupção do fornecimento de energia. Segundo Bardelin
(2003), o racionamento teve impactos em quase todos os segmentos do país, tendo efeitos na
indústria, na economia, no comércio, na política, na segurança e na vida das pessoas, além de
ter custado R$ 45,2 bilhões ao Tesouro Nacional (UOL, 2009).
Com a crescente preocupação com a conservação da energia, surge logo um termo
bastante difundido: eficiência. O termo “eficiência” pode ser aplicado em diferentes
contextos: um carro, por exemplo, é dito mais eficiente que outro quando com a mesma
quantidade de combustível consegue percorrer uma distância maior; em um ambiente público,
por sua vez, a eficiência pode ser aplicada no uso da energia elétrica: um ambiente é dito mais
eficiente que outro quando consegue consumir menos energia para produzir um determinado
nível de iluminação e refrigeração. Em suma, eficiência energética é a capacidade de utilizar
menos energia para produzir a mesma quantidade de iluminação, aquecimento, transporte e
outros serviços baseados na energia (U.S. National Policy Development Group, 2001,
tradução do autor).
Existem vários meios para promover a eficiência energética, podendo-se citar
como exemplo ações de conscientização da população e investimento em equipamentos
eficientes. Em dezembro de 1985, foi dado um grande avanço nas políticas públicas
relacionadas à conservação de energia: o Ministério de Minas e Energia criou o PROCEL
(Programa Nacional de Conservação de Energia Elétrica), coordenado pela Eletrobrás
(Centrais Elétricas Brasileiras S. A.). Este programa englobava diversos setores, fazendo
desde a conscientização sobre o uso na energia elétrica até o combate às perdas nos sistemas
de geração, transmissão e distribuição (MORALES, 2007).
Posteriormente, em 1993, foi lançado o Selo Procel em colaboração com o
Programa Brasileiro de Etiquetagem (PBE), que consiste na etiquetagem da eficiência
energética de equipamentos em relação à similares; equipamentos considerados mais
15
eficientes recebem uma classificação “A” e o Selo Procel. Conforme a legislação, as

distribuidoras de energia elétrica devem destinar 0,25% da receita operacional líquida a
programas que promovam a eficiência energética (ANEEL, 2005).
Segundo dados divulgados na página do PROCEL, os resultados acumulados de
economia do consumo no período de 1986 a 2013 totalizam 70,1 bilhões de kWh (PROCEL
INFO, 2015a). Outro aspecto interessante do programa é o sub-programa PROCEL Edifica,
criado para racionalizar o consumo de energia nas edificações residenciais e nos edifícios
comerciais, de serviços e públicos; de forma similar ao Selo Procel, é feita uma avaliação da
eficiência energética do edifício e depois sua etiquetagem, sendo conferida a Etiqueta
Nacional de Conservação de Energia (ENCE) com a classificação energética posteriormente
(PBE EDIFICA, 2015). A conservação de energia em edifícios é uma meta importante, visto
que as edificações comerciais, residenciais e públicas respondem por cerca de 50% da
eletricidade consumida no país (PROCEL INFO, 2015b), e geralmente esses edifícios
possuem um bom potencial de economia 1.
A avaliação da eficiência de ambientes não é uma tarefa fácil. Em prédios
públicos, como é o caso do objeto de estudo deste trabalho, a avaliação é feita seguindo os
critérios descritos no Relatório Técnico da Qualidade para o Nível de Eficiência Energética
em Edifícios Comerciais, de Serviços e Públicos (RTQ-C). Nesse tipo de edifício, são
avaliados os sistemas de envoltória, iluminação e condicionamento de ar; segundo dados
divulgados na página do PROCEL, 70% do consumo de energia nos prédios públicos é
devido aos sistemas de iluminação e climatização, em especial este último (PROCEL INFO,
2015b).
Com o avanço da computação, foram surgindo técnicas de tratamento de dados,
tais como redes neurais, lógica fuzzy e Análise Envoltória de Dados (Data Envelopment
Analysis – DEA), e com isso novas possibilidades de metodologias de avaliação da eficiência
energética de ambientes. Num mundo cada vez mais moderno, o mercado exige recursos
computacionais para o tratamento de dados com precisão e agilidade, que ao contrário de
humanos, não cometem erros de precisão devido à fadiga de trabalho.
A DEA, utilizada neste trabalho, é uma técnica que utiliza programação
matemática para calcular e avaliar a eficiência das unidades produtivas, chamadas DMUs
(Decision Making Units – Unidades Tomadoras de Decisão), bem como compará-las e
1
Segundo Lamberts et al.(2014), com a adoção de medidas técnicas e gerenciais de baixo custo, é possível
reduzir de 30% a 50% do consumo de energia em prédios públicos.
16
estabelecer o quanto o índice de eficiência das unidades menos eficientes estão distantes do
índice das mais eficientes. As DMUs podem variar dependendo do contexto de aplicação da
técnica, podendo ser empresas, salas de aula, equipamentos, etc. Neste trabalho, é
desenvolvida uma aplicação da DEA para avaliação e comparação da eficiência energética de
vários ambientes (salas de aula) da Universidade Federal do Piauí, focando a análise
principalmente na avaliação de dois pontos: sistemas de iluminação e condicionamento de ar.
1.2 Objetivos
1.2.1 Objetivo Geral
Avaliar a eficiência energética de ambientes do Centro de Tecnologia da

Universidade Federal do Piauí utilizando DEA.
1.2.2 Objetivos Específicos
 Obter escores de eficiência para cada ambiente e identificar os ambientes mais

eficientes;
 Estabelecer metas e sugestões para melhorar a eficiência dos ambientes menos
eficientes, tendo como referência os ambientes modelos;
 Comparar os resultados obtidos pela aplicação da DEA com os resultados
obtidos pela aplicação da RTQ-C, disponibilizado pelos bolsistas do
Laboratório de Eficiência Energética do curso de Engenharia Elétrica;
 Verificar a economia de energia resultante do cumprimento das metas.
1.3 Justificativa
“Energia eficiente é a máxima prioridade na mudança para um padrão de vida

sustentável” (OCDE, 1997 apud MENKES, 2004, p. 19). A melhora da eficiência energética
do ambiente traz vários benefícios. O primeiro e mais imediato é o benefício econômico com
a redução dos gastos da Universidade com energia elétrica, fazendo com que os recursos
economizados possam ser investidos em outras áreas. Outro benefício é a melhoria do
conforto e do bem-estar no ambiente, no que diz respeito aos aspectos térmico e visual. Os
17
benefícios da eficiência energética podem ser vistos especialmente quando a energia está mais
cara e há uma maior demanda (U.S. National Policy Development Group, 2001).
Por último, a melhora da eficiência energética também contribui para a
preservação ambiental, pois desacelera o esgotamento de recursos e reduz a necessidade da
expansão dos sistemas de geração, transmissão e distribuição da energia elétrica. A melhora
da eficiência energética
[...] reduz a necessidade de aumentar a capacidade geradora e novos investimentos,

conseqüentemente liberando recursos em medidas de proteção ambiental, de
segurança e melhoria nas geradoras já existentes, em tecnologias limpas, entre
outras (Menkes, 2004, p. 20).
A busca pela melhoria da eficiência energética discutida acima está relacionada

diretamente com o processo de classificação dos edifícios, de modo que tendo o
conhecimento da situação em que se encontra o objeto de estudo, é possível desenvolver
medidas que possam melhorar a eficiência do mesmo. O método de classificação descrito no
RTQ-C em alguns casos pode se mostrar extremamente trabalhoso, e nesse aspecto, a
utilização de técnicas computacionais como a DEA pode auxiliar no processo de avaliação da
eficiência, por meio da avaliação combinada da iluminação e do condicionamento de ar em
um único indicador e do fornecimento de relatórios com metas e sugestões para o ambiente.
1.4 Estrutura do trabalho
Este trabalho foi dividido em cinco capítulos. No primeiro, foi realizada uma
breve contextualização sobre conservação de energia e a importância de se promover a
eficiência energética, além de delimitar o contexto da pesquisa e os objetivos do trabalho.
No segundo capítulo, foi feita uma revisão da literatura, abordando o método de
avaliação da eficiência descrito no RTQ-C e os pontos importantes da DEA, como a forma de
implementação, os objetivos e as características da técnica.
No terceiro capítulo, foi descrita a metodologia utilizada neste trabalho para a
aplicação da técnica, abordando suas etapas e os critérios utilizados para escolha da amostra,
dos dados e dos softwares utilizados.
No quarto capítulo, são apresentados os resultados obtidos pela aplicação da
DEA, e em seguida são feitas análises e discussões em torno destes resultados.
Por fim, no capítulo cinco são apresentadas as principais conclusões deste
trabalho e recomendações para trabalhos futuros.
18
2 REVISÃO DA LITERATURA
Este capítulo apresenta uma revisão da literatura existente, com o objetivo de

abordar a classificação da eficiência de ambientes conforme a metodologia atual e sua
ligação com a DEA.
2.1 Classificação de ambientes segundo o RTQ-C
Conforme dito anteriormente, a avaliação da eficiência de prédios públicos,

comerciais e de serviços é feita atualmente por meio da avaliação dos sistemas de envoltória,
iluminação e condicionamento do ar, seguindo os critérios descritos no RTQ-C. O RTQ-C foi
aprovado em junho de 2009 pela portaria nº 163 do Instituto Nacional de Metrologia,
Qualidade e Tecnologia (INMETRO) (BRASIL, 2009), e seu texto de regulamentação foi
desenvolvido pela equipe do Laboratório de Eficiência Energética (LabEEE) da Universidade
Federal de Santa Catarina (UFSC) em parceria com a Eletrobrás, no âmbito do programa
PROCEL Edifica (LAMBERTS et al., 2007). Em 2010, foi feita uma revisão do RTQ-C pela
portaria nº 372 (OLIVEIRA, 2013), cuja alteração mais significante foi a forma de avaliação
do sistema de iluminação; posteriormente foram feitas retificações do regulamento em 2012
(portaria nº 17), 2013 (portaria nº 299) e 2014 (portaria nº 126).
Na primeira redação do RTQ-C em 2009, a avaliação era aplicável a edifícios com
área total útil mínima de 500 m² e/ou com tensão de abastecimento superior ou igual a 2,3 kV
(subgrupos A1, A2, A3, A3a, A4 e AS) (BRASIL, 2009). A redação de 2014 tornou sua
aplicação mais geral, de modo que o RTQ-C não cita mais alguma restrição de área e agora se
aplica a edifícios condicionados, parcialmente condicionados ou ventilados naturalmente
(BRASIL, 2014). A avaliação pode ser feita pelo método prescritivo, que utiliza equações e
tabelas com valores pré-estabelecidos ou por simulação computacional, que utiliza softwares
para determinar o desempenho da eficiência, sendo que o primeiro método geralmente é mais
rápido e simplificado.
A classificação pelo RTQ-C pode ser aplicada em diferentes fases do edifício, seja
na fase de projeto ou no edifício já construído (OLIVEIRA, 2013). Além disso, o edifício
pode ser avaliado individualmente nos sistemas de envoltória, iluminação e condicionamento
do ar (obtendo a pontuação em apenas um ou dois desses sistemas), e no caso desses dois
últimos, pode ser avaliada apenas uma parte do edifício, como um pavimento ou um conjunto
19
de ambientes.
Segundo os critérios da RTQ-C, a pontuação geral do edifício é composta pela
soma das pontuações dos sistemas de iluminação, condicionamento de ar e envoltória, de
modo que a iluminação corresponde a 30%, a envoltória 30% e o condicionamento de ar 40%
da pontuação global. Para cada sistema, é conferida uma pontuação de 1 a 5, que corresponde
a um nível de classificação, como mostrado na Tabela 1:
Tabela 1 – Correspondência entre níveis de eficiência e pontuações

A 5
B 4
C 3
D 2
E 1
Fonte: Brasil (2014)
Conforme o relatório Avaliação do Mercado de Eficiência Energética no Brasil, a

distribuição do consumo por setores em prédios públicos é feita da forma ilustrada na Figura
1, o que explica a maior pontuação dada aos sistemas de condicionamento de ar:
Figura 1 – Distribuição típica de consumo de energia elétrica em prédios públicos
Fonte: Eletrobrás (2009)
A pontuação geral do edifício é calculada de acordo com a Equação 1:
AC APT ANC
PT = 0,30 EqNumEnv∙ + ∙5+ ∙EqNumV +
AU AU AU
20
AC APT ANC
+0,30(EqNumDPI) + 0,40 EqNumCA∙ + ∙5+ ∙EqNumV +B
AU AU AU (1)
Na qual:
EqNumEnv é a pontuação da envoltória;
EqNumDPI é a pontuação do sistema de iluminação;
EqNumCA é a pontuação do sistema de condicionamento de ar;
EqNumV é a pontuação dos ambientes não condicionados ou ventilados
naturalmente;
APT é a área de piso dos ambientes de permanência transitória, desde que não
condicionados;
ANC é a área do piso dos ambientes não condicionados de permanência
prolongada;
AC é a área de piso dos ambientes condicionados;
AU é a área útil;
B é a pontuação das bonificações, que pode ser no máximo 1.
Na Equação 1, pode-se verificar que além da pontuação dos três sistemas, podem
ser conferidas bonificações, que variam de 0 até 1 e são conferidas caso o edifício consiga
economizar em um ou mais dos itens abaixo (BRASIL, 2014):
a) 40% do consumo anual de água com sistemas de racionalização de água;
b) 10% do consumo de energia elétrica com o uso de energias renováveis;
c) 30% do consumo de energia elétrica com sistemas de co-geração ou inovações
tecnológicas;
d) Sistemas de aquecimento solar de água devem ter pelo menos 70% de fração
solar.
Assim, de acordo com a pontuação final, o edifício é classificado de acordo

conforme a Tabela 2:
21
Tabela 2 – Correspondência entre níveis de eficiência e pontuações finais
Classificação Geral PT
A ≥4,5 a 5
B ≥3,5 a <4,5
C ≥2,5 a <3,5
D ≥1,5 a <2,5
E <1,5
Além da pontuação necessária, para ser classificado em A ou B o edifício

necessita:
Possuir circuito elétrico por uso final: iluminação, sistema de condicionamento de

ar, e outros; ou possui instalado equipamento que possibilite medição por uso final.
Exceções: hotéis, desde que possuam desligamento automático para os quartos;
edificações com múltiplas unidades autônomas de consumo; edificações cuja data de
construção seja anterior a junho de 2009. (BRASIL, 2014, p.18-19)
Ao final da avaliação, a classificação do edifício é apresentada na ENCE,

conforme a Figura 2:
Figura 2 – Modelo de Etiqueta Nacional de Conservação de Energia (ENCE)

22
Vale ressaltar que a pontuação de cada sistema está sujeita a uma série de pré-
requisitos, de modo que caso eles não sejam atendidos, a classificação máxima para o sistema
será limitada para um nível mais baixo. Nas seções 2.1.1 e 2.2.2 serão detalhadas como
funciona a avaliação dos sistemas de iluminação e ar condicionado utilizando o método
prescritivo.
O sistema de envoltória, que não se deve confundir com a envoltória da DEA, é
formado pelos planos externos do edifício (fachadas, paredes, coberturas, aberturas, brises,
entre outros elementos, ou seja, a parte física do edifício), e embora seja utilizado no cálculo
da pontuação geral, sua avaliação é mais complexa e foge dos propósitos deste trabalho.
2.1.1 Avaliação do Sistema de Iluminação
O sistema de iluminação artificial, constituído basicamente por lâmpadas,

luminárias e reatores, é imprescindível para a realização das atividades em edifícios públicos,
porém ele consome energia e dissipa uma parcela na forma de calor, o que torna importante
um projeto eficiente do sistema. Os gastos com iluminação representam 22% do consumo de
energia do país (ELETROBRÁS, 2009) e respondem por 23% do consumo em prédios
públicos, conforme observado na Figura 1.
Segundo Konigami (2011, p.112), “uma iluminação eficiente é aquela que
apresenta um consumo mínimo de energia elétrica, mantendo os padrões de conforto”. Um
dos aspectos importantes de um sistema de iluminação eficiente é a escolha correta dos
equipamentos: lâmpadas incandescentes aquecem2 demais, tem uma vida útil reduzida e
eficiência3 baixa (no máximo 15 lm/W) (OSRAM, 2007), enquanto lâmpadas fluorescentes
têm consumo menor, produzem uma iluminação mais agradável e possuem índice de
eficiência geralmente entre 55 e 90 lm/W (OSRAM, 2007); uma tecnologia que vem
ganhando cada vez mais espaço são as lâmpadas de LED, que possuem vida útil altíssima e
eficiência entre 80 e 140 lm/W (OSRAM, 2007), apesar de seu preço relativamente caro. Por
outro lado, a escolha de uma luminária adequada potencializa a distribuição do fluxo
luminoso e otimiza a iluminação artificial, de modo que uma menor quantidade de lâmpadas
se torna necessária para promover a iluminação desejada. Por último, reatores eletrônicos
2
Apenas 10% da energia consumida por lâmpadas incandescentes é convertida em luz visível, os outros 90% são
dissipados na forma de calor.
3
A eficiência mencionada é a luminosa, que relaciona o fluxo luminoso e a potência demandada por uma
lâmpada; no caso da lâmpada em questão, para cada Watt demandado a lâmpada produz 15 lúmens.
23
(dispositivos utilizados para fornecer a descarga necessária para acender alguns tipos de
lâmpadas, como a fluorescente) apresentam melhor performance, maior economia e menor
carga térmica que reatores mais antigos, como os eletromagnéticos.
Segundo dados da Eletrobrás (2012), o uso de tecnologias energeticamente
eficientes desde a concepção inicial do projeto pode gerar uma economia de mais de 50% do
consumo, comparando com edifícios que não utilizem essas tecnologias. Ainda segundo
Eletrobrás (2012), a economia teórica em edificações residenciais, comerciais, de serviços e
públicas poderia chegar aos 53 bilhões de kWh, economia suficiente para suprir anualmente
2,7 milhões de residências.
Outro aspecto importante de um bom projeto luminotécnico é o aproveitamento
da iluminação natural do edifício, especialmente num país com condições favoráveis como o
Brasil. Segundo Souza (2009, p.33), “a utilização da iluminação natural pode afetar o arranjo
funcional do espaço, o conforto visual e térmico dos ocupantes e o uso de energia da
edificação, além do tipo de iluminação artificial associado”. Assim, a busca pela eficiência da
iluminação em prédios públicos não se resume apenas à escolha adequada de lâmpadas,
luminárias e reatores, mas também o aproveitamento dos recursos naturais disponíveis.
O método de avaliação da eficiência do sistema de iluminação sofreu alterações
da redação do RTQ-C de 2009 para a de 2010. No primeiro, a eficiência é definida pelo
cálculo da densidade de potência de iluminação relativa final DPIRF (potência instalada total
por metro quadrado de área para cada 100 lux de iluminância), que é comparado pelos limites
tabelados estabelecidos no RTQ-C para cada nível de eficiência. No método de 2010, é
estabelecida uma densidade de potência de iluminação (DPI) limite para cada ambiente
baseada na sua atividade desenvolvida (valores expressos no Anexo A). A seguir será
detalhado como funciona a avaliação da iluminação pelo RTQ-C de 2009, que foi utilizado
pelos bolsistas da UFPI para obter a classificação atual dos sistemas de iluminação mostrada
na Tabela 8. O método de 2010, que é o método em vigor da última edição do RTQ-C, foi
utilizado para obter a classificação após a aplicação das metas, mostrada no Capítulo 4.
Inicialmente deve-se calcular o índice do ambiente K (relação entre as dimensões
do local) de todos os ambientes da edificação, utilizando a equação abaixo para ambientes
retangulares, como é o caso dos ambientes estudados:
C∙L (2)
K=
h∙(C+L)
24
Na qual:
K é o índice do ambiente (adimensional);
C é o comprimento do ambiente, em metros (m);
L é a largura do ambiente, em metros (m);
h é a altura média entre o plano de trabalho e o plano das luminárias, em metros
(m).
O próximo passo é obter os valores de densidade de potência luminosa relativa
limite DPIRL em função de K e do nível de eficiência desejado, cujos valores são tabelados
pela RTQ-C (Tabela 3):
Tabela 3 – Limites máximos aceitáveis de densidade de potência de iluminação para cada nível de eficiência
A Tabela 3 define limites de densidade de potência relativa apenas para os níveis

de eficiência A, B, C e D; caso a densidade de potência relativa calculada para o ambiente
seja maior que o limite do nível D, a classificação do ambiente automaticamente será “E”.
Com a obtenção desses valores, deve-se proceder para calcular a Densidade de
Potência de Iluminação Relativa Final DPIRF. Para o cálculo da DPIRF é necessário fazer o
projeto luminotécnico do ambiente, que pode ser feito por softwares, pelo método do ponto a
ponto ou pelo método dos Lúmens descrito a seguir.
Primeiramente, é necessário verificar na NBR 5413 – Iluminância de Interiores a
iluminância média (relação entre o fluxo luminoso incidente em uma superfície e sua área)
adequada para a função desempenhada no ambiente que será estudado, chamada de
iluminância de projeto (EP). Quanto mais elevada a exigência visual da atividade, maior
deverá ser o valor da iluminância média sobre o plano de trabalho (OSRAM, 2007); para salas
de aula, a iluminância média de projeto é estabelecida em 300 lux. Além disso, também é
25
necessário verificar o catálogo fornecido pelo fabricante das lâmpadas para saber o fluxo
luminoso ΦL (radiação total da fonte luminosa) de cada lâmpada e o fator de utilização FU,
que é a razão entre o fluxo luminoso útil e o fluxo emitido e depende das luminárias e das
refletâncias do teto, piso e paredes do ambiente. No projeto também deve ser levado em
consideração o fator de depreciação FD, pois o sistema de iluminação possui uma vida útil a
partir da qual os níveis de iluminação começam a serem comprometidos.
O objetivo do método dos Lúmens é calcular o número de lâmpadas mínimo que
garante o fluxo luminoso adequado no ambiente, dado pela Equação 3:
A∙EP (3)
n=
ΦL ∙FU ∙FD
Na qual:
n é o número de luminárias adequado;
A é a área do ambiente, em m²;
EP é a iluminância de projeto, em lux (lx);
ΦL é o fluxo luminoso individual da lâmpada escolhida, em lúmens (lm);
FU é o fator de utilização (adimensional);
FD é o fator de depreciação (adimensional).
Caso o número de luminárias obtido não for um valor inteiro, deve-se arredondar
para o próximo maior número inteiro. Com o número de luminárias obtido, pode-se obter a
iluminância média do ambiente, que deve ser calculada prevendo seu valor no final da vida
útil do sistema de iluminação. O cálculo é feito pela Equação 4:
n∙ΦL ∙FU ∙FD (4)

EF =
A
Na qual:
EF é a iluminância média final, em lux (lx);
n é o número de luminárias;
A é a área do ambiente, em m²;
EP é a iluminância de projeto, em lux (lx);
ΦL é o fluxo luminoso de cada luminária, em lúmens (lm);
26
FU é o fator de utilização (adimensional);

FD é o fator de depreciação (adimensional).
O valor da iluminância média final EF obtido deve ser superior à iluminância de

projeto EP prevista na NBR 5413 para a atividade principal do ambiente para que o projeto
luminotécnico esteja de acordo com as normas. Por fim, calcula-se a densidade de potência de
iluminação relativa final DPIRF utilizando a Equação 5:
n∙P∙100 (5)
DPIRF =
A∙EF
Na qual:
P é a potência instalada do sistema de iluminação do ambiente, em watts (W).
A razão P/A também é conhecida como DPI, e é utilizada para avaliar a

iluminação conforme a redação de 2010 do RTQ-C. Com os valores obtidos pela aplicação da
Equação 5, é feita uma comparação da DPIRF com a DPIRL fornecida pela Tabela 3; para
alcançar o nível de eficiência desejado, a DPI RF deve ser menor que a DPIRL estabelecido para
aquele nível. Caso não se consiga o nível de eficiência desejado, é necessário verificar a
DPIRL do nível imediatamente mais abaixo e assim sucessivamente, até que a DPI RF se
encaixe nos limites estabelecidos. Se o nível de eficiência obtido for muito baixo, pode-se
tentar refazer o projeto utilizando diferentes equipamentos para que se alcance um nível de
eficiência maior.
Além do critério principal da DPIRL, o ambiente deve obedecer aos pré- requisitos
abaixo para ser classificado em A, B ou C (BRASIL, 2014):
 O ambiente deve possuir divisão de circuitos, de modo que haja um
acionamento independente da iluminação do ambiente. Para ambientes
maiores que 250 m², o controle deve ser feito em uma área de até 250 m² para
ambientes até 1000 m² e em uma área até 1000 m² para ambientes maiores que
1000 m²;
 Ambientes com janela voltada para o ambiente externo devem possuir um
controle para o acionamento independente da fileira de luminárias mais
próxima à janela, favorecendo o aproveitamento da luz natural;
27
 Ambientes com área maior que 250 m² devem possuir um dispositivo de

controle automático para desligamento da iluminação, evitando que grandes
áreas fiquem com a iluminação desnecessariamente acesa.
Os três pré-requisitos são obrigatórios para obter uma classificação A, enquanto

para obter uma classificação B apenas o primeiro e o segundo são obrigatórios; por último,
apenas o primeiro é obrigatório para obter uma classificação C. Caso nenhum dos três pré-
requisitos seja atendido, a classificação máxima do sistema de iluminação será “D”, mesmo
que a DPIRF esteja dentro dos limites de classificações mais altas. Após determinar a
eficiência pelo método da DPIRF e checar se os pré-requisitos são satisfeitos, é obtida a
pontuação final da iluminação utilizando a Tabela 1.
2.1.2 Avaliação do Sistema de Condicionamento de Ar
Assim como o sistema de iluminação, o sistema de condicionamento de ar é visto

como indispensável em boa parte das edificações, pois proporciona conforto e aumenta a
produtividade no ambiente de trabalho. A escolha de aparelhos de ar condicionado com
potência e capacidade adequadas e eficiência energética elevada ajuda a reduzir muito o
consumo, visto que o sistema de condicionamento de ar é o maior responsável pela utilização
da energia em prédios públicos, como visto na Figura 1. O condicionamento ambiental é uma
fonte de economia de grande importância, mediante a redução da carga térmica, aliada ao uso
de tecnologias eficientes de geração de frio e melhor controle de sistemas (SOUZA, 2010).
Mascaro (1992) apud Moraes (2013) afirma que o consumo de sistemas de ar
condicionados é em torno de 25% a 45% maior do que deveria, devido aos projetos
inadequados que levam em conta apenas o aparelho e não as condições do edifício, como
radiação, localização e materiais utilizados na construção.
O RTQ-C de 2010 trata a classificação do sistema de condicionamento de ar de
duas formas, dependendo se o aparelho é regulamentado pelo INMETRO ou não. Para
aparelhos classificados pelo INMETRO, a eficiência do sistema de ar condicionado é obtida
pela verificação da etiqueta do aparelho, cuja classificação resulta de testes e avaliações em
laboratório no mesmo. Segundo Nogueira et al. (2004), “os sistemas compostos por
condicionadores de ar de janela e split, avaliados pelo PBE/INMETRO, são classificados
através do nível de eficiência que o INMETRO atribui a cada modelo”. O aparelho deve
28
passar por ensaios descritos na norma IEC60335-1/2010 e estes ensaios devem ser realizados
pelos seus respectivos fabricantes.
Assim, a classificação do sistema conforme o RTQ-C para ambientes com
aparelhos regulamentados pelo INMETRO é um procedimento mais simples, pois se baseia
na razão entre a capacidade de refrigeração e a potência do equipamento (Equação 6):
CAP (6)
CEE =
PR
Na qual:
CEE é o coeficiente de eficiência energética do aparelho, em W/W;
CAP é a capacidade de refrigeração, em watts (W);
PR é a potência média demandada pelo aparelho, em watts (W).
Em algumas literaturas, o CEE também é chamado EER (Energy Efficiency Ratio

– Razão de Eficiência Energética, dado em W/W ou BTU/h/W). Nas tabelas a seguir, são
apresentados os limites de eficiência mínimos para cada nível:
Tabela 4 – Índices de eficiência mínimos para aparelhos tipo janela
Fonte: INMETRO, disponível em: http://www.inmetro.gov.br/consumidor/pbe/condicionadores.asp
Tabela 5 – Índices de eficiência mínimos para aparelhos tipo split
Fonte: INMETRO, disponível em: http://www.inmetro.gov.br/consumidor/pbe/condicionadores.asp

29
Segundo Moraes (2009), em um estudo comparativo da eficiência de aparelhos

brasileiros com os de outros países, os aparelhos brasileiros apresentaram CEE menores, com
uma média de 2,08 W/W para condicionadores de ar tipo janela, enquanto a média de outros
países era de 2,80 W/W. O equipamento mais eficiente no Brasil apresenta CEE 4,79 W/W,
enquanto na China há equipamentos com coeficiente 6,0 W/W e no Japão muitos ultrapassam
6,5 W/W, o que mostra que os limites mínimos de eficiência no país ainda estão muito abaixo
da média global e precisam ser revistos. Conforme a CB3E (2013), os limites atuais são
compatíveis com os da China em 2004, e são menores que os 3,8 W/W exigidos pelos Estados
Unidos em 2006.
Ambientes que possuem diferentes aparelhos com diferentes classificações devem
ter a eficiência determinada pelo seguinte cálculo, realizando a equivalência posteriormente
com a Tabela 2:
x
CAPn (7)
EqNumCA = ( EqNumCAn )
CRE
n=1
Na qual:
EqNumCA é a eficiência do sistema de condicionamento de ar;
EqNumCAn é a equivalência de eficiência de cada aparelho individualmente;
CAPn é a capacidade de refrigeração de cada aparelho;
CRE é a capacidade de refrigeração total dos aparelhos do ambiente.
Para obter uma classificação “A”, além da etiquetagem nível “A” pelo
INMETRO, o sistema deve obedecer aos pré-requisitos: a unidade de condicionamento de
janela ou a unidade condensadora do split do ambiente deve estar sempre ou parcialmente
sombreada, para que a ventilação seja mantida e não comprometa a eficiência; o isolamento
dos dutos deve ter no mínimo 2,5 cm de espessura. Se o pré-requisito não for cumprido, a
classificação máxima do sistema será “B”, mesmo que o INMETRO avalie o aparelho como
“A”.
Além das medidas de proteção contra insolação, Konigami (2011) cita outras
medidas para aumentar a eficiência dos sistemas de condicionamento de ar, como a
manutenção periódica, evitando o acúmulo de sujeira nas superfícies que fazem a troca de
calor e a instalação de persianas exteriores ou brise-soleil que realizem o envelopamento da
30
edificação, evitando a elevação da temperatura do fluido do condensador.

Caso o aparelho não seja classificado pelo INMETRO, o aparelho deve apresentar
um valor mínimo de eficiência de acordo com o tipo de resfriamento, capacidade e nível de
eficiência desejado. A regulamentação desses valores é feita pela ASHRAE (American
Society of Heating, Refrigeration and Air Conditioning Engineers) e os valores tabelados
constam no RTQ-C. Para classificação em níveis A e B, por exemplo, o RTQ-C fornece a
seguinte tabela:
Tabela 6 – Índices de eficiência mínimos para aparelhos não regulamentos pelo INMETRO para os níveis A e B
Além disso, para obter uma classificação “A”, aparelhos não regulamentados pelo
INMETRO devem obedecer a uma série de pré-requisitos e especificações de projeto, como
cálculo detalhado da carga térmica, controle de temperatura por zona, controle do sistema de
ventilação, automação, equipamentos de rejeição de calor e isolamento de zonas, além do
sombreamento da unidade condensadora do split ou da unidade de condicionamento de janela.
31
2.2 Medição de eficiência e Análise Envoltória de Dados
2.2.1 Conceitos preliminares
Para entender o funcionamento por trás da DEA, é importante diferenciar os

conceitos de produtividade, eficácia e eficiência. Coelli et al. (1998) apud Galvão (2008)
afirma que produtividade está relacionada ao “coeficiente de produção que uma firma obtém
em relação aos insumos que utiliza”; em outras palavras, é uma medida que envolve todos os
fatores de produção e relaciona a quantidade de resultados obtidos com a quantidade de
recursos usados por um sistema.
Um sistema é dito eficaz quando ele realiza o que foi proposto; por exemplo, uma
montadora de carros que tem meta de produção 10.000 carros por ano e produz 13.000 carros
é dita eficaz, pois conseguiu cumprir os resultados desejados. Assim, o conceito de eficácia
leva em conta apenas se o objetivo foi atingido, e não os recursos utilizados para tal. Para
Kassai (2002), “a eficácia está relacionada ao conceito de fazer a coisa certa”.
O conceito de eficiência está ligado a produzir uma determinada quantidade com
o menor consumo de recursos, ou seja, está relacionado à otimização e economia de recursos
utilizados. Para Galvão (2008), a inversa também é verdadeira: “se considera uma unidade
como sendo a mais eficiente quando para uma determinada quantidade de recursos utilizados
tem-se o maior valor de produção possível”. A eficiência pode ser obtida comparando a
produtividade do sistema com a máxima produtividade, ou seja, os valores de entradas e
saídas observados e os valores ótimos. Assim, um sistema eficiente não é necessariamente
produtivo, já que sua produção pode ser mínima com o mínimo de recursos utilizados. Além
desse conceito básico de eficiência, a DEA trabalha com vários outros “tipos” de eficiência,
discutidos mais a seguir.
Em 1951, Tjalling Koopmans, influenciado pelos trabalhos de Vilfredo Pareto4,
propôs uma definição mais formal de eficiência; para Koopmans, um processo é considerado
eficiente quando não é possível melhorar um componente sem piorar outro (RAFAELI,
2009), ou seja, aumentar um produto sem diminuir algum outro ou diminuir algum insumo
sem provocar o aumento de outro. Este conceito é chamado de eficiência Pareto-Koopmans, e
é um dos conceitos básicos utilizados na DEA ainda hoje. Por volta da mesma época, Debreu
4
Economista, sociólogo e engenheiro italiano que tratou de conceitos de eficiência ligados à economia
32
introduziu a primeira quantificação de eficiência como sendo uma espécie de coeficiente de

utilização de recursos, que permitia analisar a ineficiência de um processo (RAMOS, 2007).
Baseado nos estudos de Debreu, em 1957 Michael J. Farrell lançou as bases do
que viria a ser a DEA anos depois, com seu trabalho em medir a eficiência produtiva de
firmas e indústrias, e também tratou dos retornos de escala posteriormente num artigo de
1961. Farrell propôs um novo conceito de eficiência produtiva consistindo em um
componente técnico e um componente alocativo, baseados na razão entre um produto (output)
e um insumo (input) consumido por um processo, conceitos que mais tarde seriam utilizados
na DEA.
Conforme Ramos (2007), “o inicio da discussão apresentada por Farrell é sobre a
eficiência em termos de uma perspectiva de preços ou técnica”. A eficiência técnica é a
capacidade de produzir o máximo a partir do consumo de uma quantidade fixa de recursos no
processo, enquanto a eficiência alocativa é a capacidade de combinar os insumos e produtos
em proporções adequadas de acordo com seus preços. Segundo Coelli (1996, p.03, tradução
do autor):
Farrell propôs que a eficiência de uma firma consiste em dois componentes:

eficiência técnica, que reflete a capacidade de uma firma de obter a saída máxima
usando um conjunto de entradas, e eficiência alocativa, que reflete a capacidade de
uma firma de usar essas entradas em proporções ideais, considerando seus
respectivos preços. As duas medidas são combinadas para fornecer a medida da
eficiência econômica total.
Em suma, “a eficiência técnica é a medida determinada pelas possibilidades de

produção e a alocativa é definida em termos de variáveis econômicas” (ANJOS, 2005). Anjos
(2005) também afirma que a eficiência técnica é utilizada como sinônimo de eficiência
produtiva, devido à dificuldade de obter informações detalhadas sobre o custo dos fatores de
produção.
Na Figura 3, tem-se um processo de produção com função y = f(x1, x2), definido
por dois insumos (x1 e x2) e um produto (y). A curva QQ’ é chamada de isoquanta 5 e é
definida pela função 1 = f(x1/y, x2/y), e a reta PP’ representa a linha de isocusto (CANTO,
2002). Considerando a curva QQ’ como as melhores combinações dos insumos para o
processo em questão, os conceitos de eficiência técnica e alocativa discutidos por Farrell são
ilustrados a seguir.
5
Isoquanta é uma curva que representa todas as combinações de insumos que resultam em um mesmo produto.
33
Figura 3 – Eficiência técnica e alocativa em um processo produtivo
Fonte: Canto (2002)
Na Figura 3, têm-se quatro pontos de operação A, B, C e D. Segundo os conceitos

de Farrell, a razão OB/OA é chamada eficiência técnica, e a razão OD/OB é chamada
eficiência alocativa; no ponto A, se observa ineficiência técnica e alocativa, pois nesse ponto
é utilizada uma combinação de insumos x1A e x2A maior que o limite definido pela isoquanta
QQ’ e um produz um custo maior que os limites da reta PP’. Nos pontos B e D, se observam a
mesma proporção de recursos, porém em B tem-se um custo maior (ineficiência alocativa) e
em D tem-se uma ineficiência técnica. Por último, em C se observa eficiência técnica e
alocativa. A eficiência produtiva é medida pela relação OD/AO, ou seja, o produto da
eficiência técnica pela eficiência alocativa.
Na literatura, o componente técnico da eficiência também é conhecido como
eficiência técnica global, e é dividido em eficiência técnica pura e eficiência de escala
(POSSAMAI, 2006; PENA, 2008); outros autores consideram a eficiência técnica como
sendo a eficiência total, e a dividem nos componentes eficiência técnica e de escala
(GALVÃO, 2008). Neste trabalho será utilizada a primeira abordagem, e esses conceitos
serão explicados posteriormente.
Com base nos trabalhos de Farrell, Edward Rhodes, em 1978, sob orientação de
W.W. Cooper criou o primeiro programa DEA com sua tese de doutoramento, que tinha o
objetivo de avaliar os resultados de um programa do governo americano de acompanhamento
de estudantes carentes, comparando o desempenho de alunos que tinham aderido ao programa
com o de alunos que não tinham aderido. Rhodes foi o pioneiro em utilizar um modelo que
34
avaliasse a eficiência por meio de inputs e outputs em diferentes unidades de medida, sem que
fosse estabelecido previamente um valor para os respectivos pesos (GALVÃO, 2008).
2.2.2 Características da DEA
A DEA é uma técnica que utiliza Programação Linear (PL) para avaliar o
desempenho e o grau de eficiência das unidades produtivas, chamadas DMUs, considerando
os recursos (inputs) disponíveis e os resultados alcançados (outputs). A Programação Linear é
uma área da Pesquisa Operacional (PO) que começou a ter destaque no final da década de
1940, após a Segunda Guerra Mundial.
A PL trata de problemas em que há diversas opções de escolha e envolvem o
planejamento de recursos e a otimização de funções, que podem ser o custo de uma empresa,
o lucro, as vendas, tempo de produção, entre outras. Para Jubran (2006), a PL possui três
elementos: a função-objetivo, que é uma função envolvendo as variáveis de decisão e que
deve ser maximizada ou minimizada; as restrições, que são condições a serem satisfeitas e
expressam relações de interdependência entre as variáveis; por último, têm-se as variáveis do
modelo, que são as características a serem estudadas. Um problema de PL é freqüentemente
expresso da seguinte forma (PASSOS, 2008 apud ALMEIDA, 2013):
MAX ou MIN(Z) = c1 x1 +c2 x2 +..+cn xn

Sujeito a: a11 x1 +a12 x2 +..+a1n x1n = b1
a21 x1 +a22 x2 +..+a2n x1n = b2
... ... ...
am1 x1 +am2 x2 +..+amn x1n = bm
x1, x2, xn ≥ 0
Na qual:
Z é a função-objetivo;
X (x1, x2,..., xn) são as variáveis do modelo;
A (a1, a2,..., an) são os coeficientes das variáveis;
B (b1, b2,..., bn) são os termos independentes;
35
Assim, a função Z deve ser maximizada ou minimizada seguindo as restrições

impostas pelas equações a11 x1 +a12 x2 +..+a1n x1n = b1 , e pelos pesos x1,x2,...,xn ≥ 0.
Além de ser baseada em PL, a DEA também é dita uma técnica não-paramétrica.
Anjos (2005) afirma que a eficiência pode ser medida utilizando métodos paramétricos e não-
paramétricos. Técnicas paramétricas necessitam de uma função específica que descreva a
produção ou o custo, e as unidades de referência devem ser estimadas de acordo com essa
função, enquanto técnicas não-paramétricas como a DEA estimam uma função de produção e
avaliam a eficiência por números e índices; neste caso, a referência é feita por uma fronteira
composta pelas unidades com melhor desempenho. Por ser não-paramétrica, a DEA apresenta
a vantagem de não ser necessário saber uma função que relacione as entradas com as saídas.
Segundo Cooper; Seiford e Tone (2000), uma aplicação de DEA possui os
seguintes elementos básicos:
a) DMU, que é o objeto de estudo ou unidade produtiva que se deseja avaliar e
comparar com outras unidades de mesma natureza;
b) inputs ou entradas, que são a matéria-prima empregada pela DMU para a
realização de uma atividade, processo ou serviço;
c) outputs ou saídas, que são os produtos gerados pela DMU;
d) envoltória ou fronteira de eficiência, que é o conjunto formado pelas melhores
DMUs, ou seja, as DMUs que obtiveram desempenho máximo dentre as
analisadas;
e) eficiência relativa, que é o valor de eficiência das DMUs em relação à
fronteira de eficiência;
f) pesos calculados, que são os melhores pesos para cada entrada e saída da
DMU, e devem ser calculados pelo programa para cada DMU de modo a
atingir a maior eficiência possível.
De acordo com Emrouznejad (2005) apud Jubran (2006), a DEA permite a

comparação de várias unidades produtivas que empregam múltiplas entradas (insumos) para
gerar múltiplas saídas (produtos), sendo que estas unidades produtivas devem seguir o mesmo
segmento de atividade e devem utilizar as mesmas entradas e saídas. O modelo básico de uma
DMU é mostrado abaixo (Figura 4):
36
Figura 4 – Representação de uma DMU
Fonte: Jubran (2006)
A DMU é uma definição bem flexível, visto que depende do contexto em que é
aplicado, podendo ser empresas, universidades, programas, firmas, etc. Com o passar do
tempo, a DEA foi ganhando cada vez mais aplicações, podendo-se citar vários campos, como
administração pública (PEÑA, 2008), companhias aéreas (GOMES et al., 2003), educação
superior (CASADO, 2007; BANDEIRA,BECKER E BORENSTEIN, 2001), distribuição de
energia elétrica (GALVÃO, 2008), indústrias (ANJOS, 2005), transportes (MELLO et al.,
2012), cultivo do camarão (RODRIGUES, 2008), entre outros. Neste trabalho, as DMU são
os ambientes (sala de aula), que serão avaliadas pela DEA.
As entradas e saídas em um programa DEA devem fornecer informações
relevantes ao caso que se deseja estudar. A combinação linear das saídas multiplicadas pelos
respectivos pesos é chamada de saída virtual, enquanto a combinação linear das entradas
multiplicadas pelos respectivos pesos é chamada de entrada virtual. A eficiência de uma
DMU varia entre zero e um [0,1], e pode ser calculada conforme a Equação 8:
saída virtu al u1 y1j +u2 y2j +.. (8)

EFF𝑗 = =
entrada virtual v1 x1j +v2 x2j +..
Na qual:
EFFj é o escore de eficiência da DMU j;
u1,u2,..., são os pesos atribuídos para as saídas;
v1,v2,..., são os pesos atribuídos para as entradas;
y1j é o valor do output 1 para a unidade j;
x1j é o valor do input 1 para a unidade j.
Embora a formulação da Equação 8 seja geralmente associada ao conceito de

37
produtividade discutido anteriormente, é unanimidade na literatura que a DEA resulta em

medidas de eficiência (RAFAELI, 2009). Sendo assim, para manter a coerência com a
literatura, a Equação 8 representa o conceito de eficiência.
Uma DMU considerada eficiente obedece ao conceito de eficiência de Pareto –
Koopmans e é dita Pareto-eficiente6: seu escore de eficiência é 1 ou 100%. As DMUs que
recebem um escore 1 formam a fronteira de eficiência do programa, que é a referência para
melhorar as DMUs ineficientes, ou seja, as estratégias que a DEA fornece fazem com que
uma DMU ineficiente se aproxime da fronteira. Uma DMU ineficiente recebe um índice que
reflete seu potencial de melhora (RODRIGUES, 2008): um índice de 0,7, por exemplo,
significa que a DMU precisa reduzir seus inputs em 30% e manter a mesma produção para
alcançar a fronteira.
Segundo Bandeira, Becker e Borenstein (2001), o sucesso de um modelo DEA
está na escolha correta das variáveis de input/output, que devem conter as informações mais
relevantes para o caso estudado. Como a DEA é uma técnica não-paramétrica, as conclusões
sobre os resultados fornecidos pelo modelo estão restritas às variáveis analisadas e ao
conjunto de DMUs escolhido. Uma DMU que recebe um escore 1, por exemplo, não pode ser
considerada que está em sua capacidade máxima de eficiência e desempenho, apenas é mais
eficiente dentre as DMUs analisadas. Esta é uma das principais limitações da técnica.
Os principais objetivos da DEA, podem ser resumidos, conforme Gomes et al.
(2003):
a) comparar DMUs que realizam tarefas semelhantes e diferem na quantidade de
insumos que consomem e produtos que geram;
b) identificar as DMUs eficientes, medir e localizar a ineficiência e estabelecer
uma fronteira de eficiência, que servirá de modelo para as DMUs ineficientes;
c) determinar a eficiência relativa de cada uma das DMUs, ou seja, a distância
em relação à fronteira de eficiência;
d) subsidiar estratégias de produção que maximizem a eficiência das DMUs
ineficientes avaliadas, tomando como modelo as DMUs eficientes; as metas
são obtidas a partir de projeções da DMU analisada na fronteira de eficiência.
Bandeira, Becker e Borenstein (2001) afirmam que “as metas fornecidas não
devem ser tomadas como objetivos rígidos, mas como indicativos de como os
inputs e outputs podem ser melhor ajustados”.
6
Nenhum de seus inputs ou outputs podem ser melhorados sem piorar outros inputs ou outputs
38
Resumidamente, um programa DEA básico pode ser resumido de acordo com a

Figura 5:
Figura 5 – Informações utilizadas em um programa DEA
Fonte: Jubran (2006)
2.2.3 Modelos de DEA
De acordo com a literatura, o tipo de retorno de escala utilizado no programa

determina dois modelos básicos de DEA (DIAS, 2014). O retorno de escala pode ser variável
ou constante, e reflete as condições de operação de uma DMU. A Figura 6 ilustra os tipos de
retorno de escala.
Figura 6 – Tipos de retorno de escala
Fonte: Mariano et al. (2006)
Na primeira região, um aumento nos inputs provoca um aumento desproporcional

e maior no número de outputs: o retorno de escala é dito crescente, e ocorre quando a DMU
está operando abaixo da capacidade ideal. Na segunda região, um aumento nos inputs provoca
um aumento proporcional e o retorno de escala é dito constante; ocorre quando a DMU está
operando na capacidade ideal. Na terceira região, um aumento de inputs provoca um aumento
menor no número de outputs: o retorno de escala é dito decrescente, e ocorre quando a DMU
39
está operando acima da capacidade ideal. O tipo de retorno de escala que um programa DEA
vai utilizar determina dois modelos largamente utilizados: BCC e CCR 7, onde o primeiro
utiliza retornos de escala variáveis e o segundo utiliza retornos de escala constantes.
Além da classificação de acordo com o tipo de retorno de escala, pela Equação 8,
pode ser visto que a eficiência de uma DMU pode ser melhorada de duas formas: mantendo
constante a saída virtual e diminuindo a entrada virtual ou mantendo constante a entrada
virtual e aumentando a saída virtual. Isso gera duas possibilidades de orientação de um
modelo DEA, conhecidos na literatura como orientação a inputs (ou insumos) e orientação a
outputs (ou produtos), respectivamente. A Figura 7 mostra os modelos DEA clássicos:
Figura 7 – Modelos clássicos utilizados na DEA
Fonte: Kassai (2002)
A escolha entre modelo BCC ou CCR está relacionada também ao tipo de

eficiência que se deseja medir. Possamai (2006) afirma que a eficiência técnica global pode
ser decomposta em eficiência de escala 8 e eficiência técnica pura, sendo que a eficiência de
escala mede as perdas de produto por a DMU não estar trabalhando em escala ótima,
enquanto a eficiência técnica pura mede as perdas de produto devido às capacidades de
produção. No modelo CCR, é feita a suposição que as DMUs estão trabalhando em escala
7
Nomes dados em homenagem aos autores que os desenvolveram: Banker, Charnes e Cooper (1984) e Charnes,
Cooper e Rhodes (1978), respectivamente.
8
Razão entre a quantidade de inputs apropriada para a escala de produção e a quantidade de fato utilizada pela
DMU para aquele nível de produção (RAFAELI, 2009, p.59).
40
ótima, e é medida a eficiência global a partir da comparação com todas as outras DMUs
(MARIANO et al., 2006). O modelo BCC por sua vez mede a eficiência técnica pura, e
compara uma DMU apenas com outras que estão operando em escala semelhante
(MARIANO et al., 2006). A partir das duas eficiências fornecidas pelos dois modelos, pode-
se determinar a eficiência de escala:
eficiência global (calculada pelo modelo CCR )

Eficiência de escala = (9)
eficiência técnica pu ra (calculada pelo modelo BCC )
Os modelos BCC e CCR fornecem resultados, sugestões e fronteiras de eficiência

diferentes, portanto é importante a escolha adequada do modelo para cada estudo. A seguir
serão comentadas as características de cada modelo.
O modelo CCR, também chamado de CRS (Constant Returns to Scale – Retornos
Constantes de Escala), foi primeiro modelo de DEA desenvolvido e desconsidera os ganhos
de escala no cálculo da eficiência conforme dito anteriormente. O modelo fracionário original
orientado a inputs é apresentado a seguir (PEÑA, 2008):
𝑠
𝑗 =1 uj yj0
MAX EFF0 = 𝑟
𝑖=1 vi xi0
sujeito a:
𝑠
𝑗 =1 uj yjk
𝑟 ≤ 1, ∀k
𝑖=1 vi xik
vi , uj≥ 0, ∀i,j
Como o modelo acima é muito difícil de ser resolvido devido às infinitas soluções
possíveis (MARIANO et al., 2006), as equações são linearizadas e transformadas num
problema de Programação Linear que é facilmente solucionado por diversos softwares. A
formulação linearizada do modelo CCR orientado à inputs é apresentada a seguir (GALVÃO,
2008, p. 41):
MAX EFF0 = ujyj0

(10.1)
𝑗 =1
sujeito a:
41
vi xi0 = 1
(10.2)
𝑖=1
𝑠 𝑟
uj yjk − vi xik ≤ 0, ∀k
(10.3)
𝑗 =1 𝑖=1
vi , uj≥ 0, ∀i,j (10.4)
Na qual:
EFF0 é a eficiência da DMU 0;
uj é o peso referente ao output j;
vi é o peso referente ao input i;
yj0 é a quantidade de output j para a DMU 0;
xi0 é a quantidade de input i para a DMU 0;
k é a quantidade de DMUs utilizadas no programa;
r é a quantidade de inputs;
s é a quantidade de outputs.
O objetivo do programa DEA é fornecer pesos uj e vi (variáveis de decisão) para

maximizar a Equação 10.1 (função-objetivo) para cada DMU, que representa a multiplicação
dos j outputs pelos respectivos pesos. A eficiência gerada pelo programa varia entre 0 e 1,
sendo que as consideradas mais eficientes obterão um EFF igual a 1. A Equação 10.2 expressa
a minimização do consumo e restringe os insumos, utilizado devido à orientação aos inputs. A
Equação 10.3 limita a eficiência de todas as DMUs, inclusive da analisada, e é muito
importante, pois teoricamente a produtividade de uma DMU pode assumir qualquer valor
(MARIANO et al., 2006). O conjunto de equações apresentado deve ser aplicado para cada
DMU.
A formulação apresentada nas Equações 10.1, 10.2, 10.3 e 10.4 também é
conhecida como Modelo dos Multiplicadores ou Primal, pois há apenas uma variável
envolvida (pesos). Associada à formulação Primal, existe outro tipo de formulação que utiliza
duas variáveis, chamada Dual ou Modelo do Envelope; utilizando esta formulação é possível
obter a distância entre as DMUs eficientes e as demais, bem como as metas de cada input (no
caso do modelo de orientação a inputs) para que a DMU ineficiente alcance a fronteira de
referência. O modelo Dual orientado a inputs é apresentado a seguir (CASADO, 2008, p.11):
42
Min θ0 (11.1)
sujeito a:
𝑛
θ0 xi0 − xik λk ≥ 0, ∀i
(11.2)
𝑘 =0
𝑛
− yj0 + yjk λk ≥ 0, ∀j
(11.3)
𝑘 =0
λk ≥ 0, ∀k (11.4)
Na qual:
θ 0 é a eficiência da DMU 0;
λk é a contribuição da DMU k na formação do alvo da DMU 0;
yj0 é a quantidade de output j para a DMU 0;
xi0 é a quantidade de input i para a DMU 0;
n é o número de DMUs utilizadas no programa.
No modelo acima, as variáveis de decisão são θ e λ; o programa encontra os

valores de λ para minimizar a eficiência (Equação 11.1). A Equação 11.2 garante que a
minimização dos recursos não ultrapasse a fronteira de eficiência, e a Equação 11.3 faz com
que a diminuição dos recursos não altere os produtos da DMU. Quando a DMU 0 é
considerada eficiente, θ 0 e λ0 são iguais a 1 e os λk das demais DMUs são iguais a 0, o que
significa que seus recursos não podem ser minimizados sem alterar os resultados; por outro
lado, quando a DMU é considerada ineficiente (θ menor que 1), é possível reduzir seus
recursos de xi0 para λk ∙xik e manter os mesmos resultados.
Assim, o modelo Dual orientado a inputs estabelece um conjunto de metas λk ∙xik
para cada input, para que as DMUs ineficientes atinjam a fronteira. Os modelos Primal e Dual
fornecem os mesmos escores (EFF0= θ0), pois obedecem ao princípio da dualidade da
programação matemática (GALVÃO, 2008), porém o modelo Primal fornece informações
sobre a contribuição de cada fator na eficiência global da DMU e o modelo Dual fornece mais
informações interessantes para a melhora da eficiência.
A fronteira de eficiência do modelo CCR é uma reta com ângulo de 45º, conforme
mostra a Figura 8:
43
Figura 8 – Fronteira de Eficiência do Modelo CCR
Fonte: Possamai (2006)
As DMUs eficientes (θ = EFF=1) formam a fronteira de referência e servem como

base para melhorar as demais, como dito anteriormente; na Figura 8, a única DMU eficiente é
a 2, logo as medidas que a DEA fornecerá para melhorar as demais tomarão como base esta
DMU. Considerando a DMU ineficiente P1, pode-se melhorar sua eficiência projetando este
ponto na fronteira “caminhando” no eixo horizontal (orientação ao input) ou no eixo vertical
(orientação ao output). Assim, no modelo CCR, os dois tipos de orientação fornecem os
mesmos escores finais, devendo ser escolhida a abordagem que se adéqua melhor no caso
estudado. A eficiência global da DMU P1 é dada pela produtividade observada dividida pela
produtividade máxima potencial, conforme a Equação 12:
y1
EFFP1 =
yE1
(12)
O modelo BCC também é chamado de VRS (Variable Returns to Scale –

Retornos de Escala Variáveis) e considera que a produtividade varia de acordo com a escala
utilizada. O modelo BCC é mais adequado em situações que apresentem competição
imperfeita, quando se tem DMUs de várias escalas para serem comparadas, como, por
exemplo, empresas grandes sendo comparadas com empresas pequenas. De maneira similar
ao modelo CCR, ele possui um modelo fracionário, de difícil solução, e modelos linearizados.
O modelo BCC orientado a inputs é mostrado a seguir (GALVÃO, 2008, p. 45):
44
MAX EFF0 = ujyj0 + u∗

(13.1)
𝑗 =1
sujeito a:
𝑟
vi xi0 = 1
(13.2)
𝑖=1
𝑠 𝑟
uj yjk − vi xik + u∗ ≤ 0, ∀k
(13.3)
𝑗 =1 𝑖=1
vi , uj≥ 0, ∀i,j , u∗ ∈ R (13.4)
As equações são praticamente as mesmas do modelo CCR, porém há o acréscimo

do termo u∗ que define a inclinação da fronteira em determinado ponto, fornecendo
informações sobre o retorno da escala. A fronteira de eficiência do modelo BCC é uma função
linear por partes, como mostrada a seguir na Figura 9:
Figura 9 – Fronteira de Eficiência do Modelo BCC
Fonte: Dias (2014)
A eficiência técnica pura medida pelo modelo BCC é sempre menor que a
eficiência global quando a DMU não está operando ótima, e é igual em caso contrário, como
se pode ver na Figura 9. Conforme a Figura, as DMUs A, B, C e D são eficientes segundo o
modelo BCC; a DEA utilizará essas DMUs como referência para fornecer medidas que
melhorem a eficiência de E e F. Diferente do modelo CCR, as orientações a input e output não
45
chegam ao mesmo resultado, pois agora a fronteira não é mais uma reta. Nota-se também que
apenas B e C são eficientes segundo o modelo CCR. A e D possuem eficiência técnica pura,
porem são ineficientes de escala; B e C possuem eficiência global; por último, E e F são
ineficientes em todos os aspectos. Rafaeli (2009, p.61) afirma:
Se uma DMU for totalmente, ou seja, 100% eficiente tanto no CCR quanto no BCC,
então está operando na escala de produção mais eficiente. Se, ao invés disto, a DMU
apresentar escore 1 no BCC, mas não no CCR, então é localmente eficiente,mas não
globalmente eficiente, devido a seu tamanho de escala.
Portanto, o modelo CCR é mais restritivo que o BCC, apresentando um número

menor de DMUs eficientes (RODRIGUES, 2008).
2.2.4 Vantagens e limitações da técnica
Assim como toda técnica, a DEA possui suas vantagens e limitações; a seguir são
enumeradas algumas delas. Vantagens:
 Foca na análise individual de cada DMU e otimiza a eficiência de cada uma
delas, ao contrário de técnicas paramétricas como a regressão (RAFAELI,
2009);
 Não necessita de uma função que relacione diretamente os inputs e outputs;
 Não necessita de atribuição prévia de pesos;
 Combina diversos inputs e outputs em unidades diferentes em uma única
medida de eficiência, mesmo que não haja uma relação direta entre eles;
 Permite decompor as fontes de ineficiência (ANJOS, 2005).
Limitações da técnica:
 O uso de muitos inputs e outputs deixa o modelo ineficiente (mais DMUs
alcançam a eficiência máxima) e diminui o poder de discriminação da DEA;
 A DEA não calcula eficiências absolutas, apenas relativas, ou seja, não se
pode afirmar que uma DMU com índice 1 está no máximo de desempenho;
 A inclusão ou exclusão de um input ou output importante pode mudar muito
os índices de eficiência (POSSAMAI, 2006), visto que as conclusões estão
restritas aos dados analisados.
46
3 METODOLOGIA UTILIZADA
Este trabalho foi desenvolvido essencialmente em três fases: inicialmente, foi

reunida a bibliografia acerca da classificação de ambientes com base no RTQ-C e das
aplicações da DEA em diversos campos. Na segunda fase foi feita a obtenção de dados e a
implementação e programação da DEA no software Microsoft Excel 2007. A terceira fase foi
a aplicação propriamente dita da DEA na classificação da eficiência energética, com a
obtenção de resultados, metas, comparações e sugestões.
A aplicação da técnica DEA envolve diversas etapas; Golany e Roll (1989) com o
trabalho An Application Procedure for DEA foram dois dos primeiros autores a estabelecer
uma metodologia sistemática de aplicação da técnica, que posteriormente foi utilizada por
diversos autores como referência. Segundo Golany e Roll (1989, p.238, tradução do autor),
um estudo de eficiência utilizando a DEA deve seguir três etapas iniciais:
(i) Definição e seleção das DMUs que vão entrar na análise;

(ii) Determinação dos fatores inputs e outputs que são relevantes e adequados para
comparar a eficiência relativa das DMUs selecionadas;
(iii) Aplicação dos modelos DEA e análise dos resultados.
A metodologia proposta por Golany e Roll foi utilizada em teses de mestrado e

doutorado por vários autores na literatura acadêmica (ANJOS, 2005; GALVÃO, 2008;
POSSAMAI, 2006; JUBRAN, 2006; KASSAI, 2008) e será aplicada neste trabalho com
algumas adaptações. Foram realizadas as seguintes etapas, descritas ao longo deste capítulo:
 Definição e seleção das DMUs;
 Pré-seleção das variáveis;
 Seleção das variáveis;
 Escolha do modelo DEA;
 Escolha do software e implementação do programa.
Embora aplicada em diversos campos de atuação, não foram encontrados estudos

ou bibliografias que tratassem especificamente da utilização da DEA na classificação da
eficiência energética de ambientes, o que gerou algumas dificuldades na utilização da técnica,
tais como:
 Determinação dos inputs e outputs adequados para se utilizar no modelo;
 Decidir se as DMUs mais eficientes conforme os índices gerados pelo modelo
correspondiam de fato aos índices do RTQ-C.
47
3.1 Definição e seleção das DMUs
Neste trabalho, os objetos de estudos (DMUs) que tiveram suas eficiências

energéticas avaliadas foram ambientes da Universidade Federal do Piauí, mais
especificamente do Bloco de Engenharia Civil (Bloco 5) do Centro de Tecnologia (Figura
10), campus Petrônio Portela.
Figura 10 – Bloco de Engenharia Civil da UFPI
Fonte: Elaborada pelo autor
Neste bloco de dois pavimentos, bolsistas do Laboratório de Eficiência Energética

do curso de Engenharia Elétrica da referida universidade já haviam feito estudos de avaliação
dos sistemas de iluminação e condicionamento de ar utilizando os critérios do RTQ-C, logo
os dados referentes aos sistemas mencionados já estavam disponíveis e não foi necessário
fazer medições para coleta de dados, o que motivou a escolha do Bloco 5 em relação aos
demais. Os ambientes analisados (10 no total) funcionam em sua maioria como salas de aula
ou laboratórios. Como as salas cujas informações foram coletadas apresentavam todas as
informações necessárias, não houve seleção e exclusão de salas da amostra, e cada sala do
Bloco 5 foi considerada uma DMU.
As características físicas das salas constam na Tabela 7:
48
Tabela 7 – Características físicas dos ambientes da amostra

MEDIDA Comprimento Largura Pé-Direito9 Plano de
SALA (m) (m) (m) trabalho (m) Área (m²)
550-1 8,86 4,77 2,62 0,78 42,26
550-2 8,86 4,77 2,62 0,78 42,26
550-3 8,86 4,77 2,62 0,78 42,26
551 7 8,86 2,62 0,78 62,02
552-1 5,1 10,5 2,62 0,78 53,55
552-2 5,1 10,5 2,62 0,78 53,55
553 8,88 7,1 2,62 0,78 63,04
554 9,74 7,14 2,62 0,78 69,54
555 8,9 7,5 2,62 0,78 66,75
556 10,62 10,66 2,62 0,78 113,20
Fonte: Adaptado de UFPI (2014)
A seguir estão as características dos sistemas de iluminação (Tabela 8):
Tabela 8 – Características dos sistemas de iluminação dos ambientes
Potência Fluxo
SALA Instalada Luminoso EF N K DPI DPIRF Classificação
(W) (lm) (lx) (W/m²) (W/m²/100lx)
550-1 495 30000 287,50 10 1,18 11,71 4,125 D
550-2 297 18000 172,50 6 1,18 7,02 4,125 D
550-3 297 18000 172,50 6 1,18 7,02 4,125 D
551 990 60000 415,31 20 1,49 15,96 4,125 E
552-1 1188 72000 537,81 24 1,31 22,18 4,125 D
552-2 990 60000 448,18 20 1,31 18,48 4,125 D
553 990 60000 380 20 1,51 15,70 4,125 E
554 990 60000 345,12 20 1,57 14,23 4,125 E
555 990 60000 449,43 20 1,55 14,83 4,125 E
556 1188 72000 298,81 24 2,03 10,49 4,125 E
Fonte: Adaptado de UFPI (2014)
9
Distancia do pavimento ao teto do ambiente
49
De acordo com a NBR 5413, o nível de iluminância adequado para salas de aula é
300 lx10, então pela Tabela 8 observa-se que o EF calculado pela Equação 4 (considerando um
FU de 0,5 e um FD de 0,81) está adequado na maior parte das salas. Conforme UFPI (2014),
todas as lâmpadas analisadas são do tipo fluorescente, tem fluxo luminoso 3000 lm e potência
40 W, com mais 9,5 W adicionais devido às perdas do reator, o que equivale a uma eficiência
luminosa de 60,60 lm/W. As lâmpadas são todas dos modelos OSRAM universal 40 W luz do
dia especial k878., Sylvania plus F 40 W T12 e General Electric Duramax F 40 W super luz
do dia. A seguir são apresentados os dados dos aparelhos de ar-condicionado (Tabela 9):
Tabela 9 – Características dos sistemas de condicionamento de ar dos ambientes

Potência Capacidade Número Potência Capacidade
SALA Unitária Unitária de Total Total Modelo Classifi
(W) (BTU/h) Aparelhos (W) (BTU/h) cação
550-1 1938 18000 2 3876 36000 Electrolux B
550-2 1228 12000 1 1228 12000 Elgin C
550-3 1228 12000 1 1228 12000 Elgin C
1938 18000 1 Electrolux
551 2650 21000 1 4588 39000 Consul Airmaster C
552-1 3150 30000 2 6300 60000 Springer Mundial B
552-2 3150 30000 2 6300 60000 Springer Mundial B
2370 21000 1 LG Gold
553 2650 21000 1 5020 42000 Consul Airmaster D
3230 30000 1 ?
554 1815 18000 1 5045 48000 Elgin B
3150 30000 1 Springer Mundial C

555 2650 21000 1 5800 51000 ?
1938 18000 1 Electrolux
2650 21000 2 Consul Airmaster
556 2180 21000 1 12568 111000 Springer Silentia C
3150 30000 1 Springer Mundial
Devido ao Bloco 5 ser o mais antigo do Centro de Tecnologia da UFPI, a maioria

dos aparelhos eram antigos e apenas informavam a marca/modelo e a capacidade unitária;
10
A norma NBR 5413/1992 foi substituída pela NBR ISO/CIE 8995-1/2013, no entanto ela foi utilizada nesta
análise devido a mesma vigorar na época da construção das salas de aula.
50
para a obtenção da potência média, foram tiradas fotos dos aparelhos e posteriormente foram
feitas consultas na internet em sites especializados no ramo de refrigeração ou na tabela de
índices de eficiência para aparelhos tipo janela mais antigos (disponibilizada no site do
INMETRO); os sites de referência com as características constam no Apêndice A. Também
houve casos em que o aparelho informava apenas a potência média e a capacidade de
refrigeração (salas 554 e 555); os modelos destes aparelhos permanecem desconhecidos, pois
suas partes externas estavam completamente desgastadas. Por último, a classificação
apresentada é referente à sala, não aos aparelhos individualmente, sendo obtida pela aplicação
da Equação 7 e comparação com a Tabela 2.
3.2 Pré-seleção das variáveis
Golany e Roll (1989) afirmam que a lista inicial de fatores que afetem a avaliação
da DMU deve ser a maior possível, e a partir daí deve ser feita uma seleção dos fatores mais
relevantes utilizando uma análise baseada em três etapas: julgamentos baseados no estudo da
importância dos fatores, análise quantitativa não-DEA e análise baseada na DEA. Com
relação à primeira parte da análise, os autores recomendam responder as seguintes perguntas
para auxiliar na identificação e seleção de fatores (Golany e Roll, 1989, p.241):
 O fator contribui ou está relacionado com os objetivos da aplicação?
 O fator possui informações relevantes não expressas em outros fatores?
 O fator contém elementos que lidam com a noção de eficiência técnica?
 Os dados do fator estão disponíveis e são confiáveis?
A segunda parte da análise (análise quantitativa não-DEA) se refere à adoção de

valores numéricos para os fatores selecionados, que podem receber unidades físicas,
monetárias, etc (Golany e Roll, 1989). Para os possíveis fatores qualitativos que forem
incluídos no modelo DEA, deve-se tentar atribuir valores numéricos e mensurá-los a partir de
alguma variável que represente as características analisadas. Nessa parta da análise, também
deve ser feita a decisão se o fator é input ou output, a partir da análise das relações de
operação e produção intrínsecas à DMU.
Os autores afirmam que o último passo (análise baseada em DEA) é escolher o
modelo (BCC ou CCR), realizar tentativas e testes com as variáveis selecionadas e observar
como se comportam os escores de eficiência de cada DMU. Assim, devem-se examinar os
fatores que influenciem pouco ou nada na eficiência da DMU e retirá-los. Também se deve
51
verificar o poder discriminatório da DEA de acordo com as variáveis; as melhores

combinações de inputs e outputs geram o menor número de DMUs eficientes, o que indica
que o modelo não está atribuindo um escore 1 erroneamente a DMUs que não são eficientes.
Para a lista inicial de fatores e na realização da primeira parte da análise,
considerou-se que como o objetivo é comparar e validar o modelo DEA tomando como base o
RTQ-C, foram escolhidos inputs e outputs que influíssem diretamente na classificação dos
sistemas. Assim, foram pré-selecionados os seguintes fatores:
 DPIRF, Densidade de Potência de Iluminação Relativa Final – indica a DPIRF
do ambiente, em W/m²/100 lx. É o parâmetro principal para classificação da
iluminação de acordo com o RTQ-C de 2009;
 K, Índice do Ambiente – parâmetro importante que leva em conta as
dimensões do ambiente, utilizado para determinar a classificação da
iluminação juntamente com DPIRF;
 N, Número de Lâmpadas;
 PIL, Potência Instalada da Iluminação – indica a potência de iluminação total
do ambiente, em W. Influencia diretamente no cálculo da DPI RF;
 EF, Iluminância Média Final, em lux – influencia diretamente no cálculo da
DPIRF;
 FLM, Fluxo Luminoso, em lúmens – indica o fluxo luminoso total irradiado
pelas lâmpadas do ambiente. Influencia diretamente na iluminância média
final EF, logo na DPIRF do ambiente;
 AR, Área, em m² – fator importante que influencia no projeto dos sistemas de
iluminação e condicionamento de ar;
 CNS, Consumo, em W∙h – indica o consumo de energia elétrica dos aparelhos
de ar condicionado considerando o período de uma hora, ou seja, o produto da
potência demandada por um período de uma hora; um aparelho com potência
média 3150 W, por exemplo, terá um CNS 3150 W∙h. Influencia diretamente
no CEE do aparelho, conforme a Equação 6, e portanto na classificação, logo
é um fator que não pode deixar de ser considerado no modelo;
 CRE, Capacidade de Refrigeração Total – indica a capacidade de refrigeração
total dos aparelhos do ambiente, em BTU/h. Assim como o fator CNS,
influencia diretamente no CEE do aparelho, logo na classificação pelo RTQ-
C.
52
Logicamente, não foram utilizados todos esses fatores no modelo DEA. Conforme
dito na seção 2.4, a utilização de muitos inputs e outputs diminui o poder de discriminação da
DEA, e faz com que muitas DMUs sejam consideradas eficientes pelo modelo. Para Golany e
Roll (1989, p.239, tradução do autor), “o número de DMUs deve ser pelo menos duas vezes
maior que o número de inputs e outputs considerados”. Assim, prosseguiu-se para a segunda
parte da análise e seleção; como os fatores selecionados já estavam com seus dados numéricos
tabelados na seção 3.1, nesta parte foi feita apenas a classificação dos fatores em input ou
output.
Para os fins deste trabalho, foram classificados como inputs os fatores DPI, K, N,
AR, PIL e CNS, e como outputs os fatores FLM, CRE e EF. Na seção 3.3, são descritos
alguns dos critérios considerados para essa classificação e é continuada a terceira etapa da
seleção de fatores.
3.3 Seleção das variáveis
Além dos procedimentos recomendados por Golany e Roll, a seleção levou em

conta alguns critérios, e um deles foi que os fatores inputs e outputs selecionados deveriam
manter a coerência com o modelo DEA e com o RTQ-C; em outras palavras, características
como PIL não poderiam ser outputs, pois o aumento de um output no modelo DEA aumenta a
eficiência da DMU, enquanto o aumento dessa característica no RTQ-C produz um efeito
inverso, reduzindo a classificação do sistema. Da mesma forma, características como CRE
não poderiam ser inputs, pois a diminuição de um input provoca um aumento da eficiência no
modelo DEA, enquanto no RTQ-C a diminuição desse fator reduz a classificação.
A seleção também levou em conta evitar a inclusão de muitos fatores redundantes;
por exemplo, os fatores K e AR representam praticamente a mesma característica, que são as
dimensões do ambiente, portanto seria redundante incluir ambos no modelo. Além disso,
apesar da área (ou do K) ser um fator relevante para as DMUs, não foi feita sua inclusão no
modelo para que fossem evitadas metas que envolvessem modificar as dimensões dos
ambientes, o que seria inviável. A área está implícita na maior parte das variáveis, pois o
projeto e dimensionamento da iluminação e do condicionamento de ar são dependentes desse
fator. Por isso, excluir AR do modelo não gera prejuízos à análise final.
Com relação aos sistemas de iluminação, pôde-se ver pelas Equações 3, 4 e 5 que
muitas das características estão diretamente relacionadas, assim foram evitadas combinações
53
redundantes como DPI, N e PLI ou PLI, EF e AR. Para estudar melhor a interdependência
entre as variáveis, foi calculado o coeficiente de Pearson11 para as variáveis analisadas. O
Coeficiente de Pearson (r) pode ser facilmente calculado no Microsoft Excel 2007 a partir da
função PEARSON; os resultados de correlação obtidos constam na Tabela 10:
Tabela 10 – Coeficientes de correlação linear entre as variáveis selecionadas

R DPI K N PIL CNS AR FLM EF CRE
DPI 1
K 0,2894 1
N 0,3923 0,8344 1
PIL 0,4843 0,8446 0,9734 1
CNS 0,3409 0,8070 0,8492 0,8541 1
AR 0,3835 0,9603 0,8705 0,8881 0,8763 1
FLM 0,3949 0,8474 0,9950 0,9834 0,8559 0,8723 1
EF -0,6739 -0,5454 -0,6018 -0,7289 -0,559 -0,6198 -0,6261 1
CRE 0,2910 0,7941 0,8469 0,8413 0,9958 0,8592 0,8516 -0,51 1
A Tabela 10 mostra que a maior parte dos fatores de input relacionados à

iluminação possuem uma correlação forte, e alguns deles possuem correlação muito forte com
fatores de output, como é o caso de FLM, N e PIL; portanto, incluir os três fatores seria
redundante e não acrescentaria nenhuma informação relevante ao modelo, o que levou à
escolha de FLM e PIL dentre esses fatores. Por outro lado, apesar das variáveis relacionadas
ao condicionamento de ar (CNS e CRE) apresentarem uma correlação razoável com algumas
das variáveis de iluminação, elas acrescentam informações novas e relevantes e não poderiam
ser excluídas do modelo.
Por último, também foram verificadas as combinações que geravam menos DMUs
com 1 de eficiência. Após alguns testes com algumas combinações de variáveis pré-
selecionadas (terceira parte da análise e seleção proposta por Golany e Roll), foram
selecionadas as variáveis definitivas para o programa DEA: como inputs CNS e PIL, e como
outputs FLM e CRE.
11
Coeficiente para estimar a associação linear e o grau de relacionamento entre duas variáveis X e Y,
desenvolvido por Karl Pearson. Varia entre -1 e 1, e quanto mais perto desses extremos, mais fortemente estão
relacionadas as variáveis. (FILHO, Dalson B.T.;JUNIOR, José A. da Silva, 2009)
54
3.4 Escolha do modelo de cálculo
Para a escolha do modelo de DEA, dois aspectos foram levados em consideração:

o tipo de retorno de escala e a orientação. O primeiro ponto é que as salas analisadas não
possuíam características e dimensões com variações extremas de uma para outra, ou seja, não
apresentavam grandes diferenças de escala; assim, o modelo CCR é mais adequado para este
tipo de situação. Caso existissem salas com áreas de 500 ou 700 m² na amostra, por exemplo,
haveriam diferenças de escala e seria mais vantajoso optar pelo BCC. Foram utilizadas as
formulações Primal e Dual do modelo CCR para obter resultados mais completos.
Com relação à orientação, foi visto que é possível escolher entre dois métodos:
aumentar os produtos e manter os insumos constantes (orientação a outputs) ou diminuir os
insumos e manter os produtos constantes (orientação a inputs); neste trabalho, optou-se pela
orientação a inputs. Como a maioria das salas analisadas possuía equipamentos com
capacidade (FLM das lâmpadas e CRE dos condicionadores de ar) adequada ou acima do
necessário, não seriam viáveis metas que aumentassem a eficiência das DMUs pela troca de
equipamentos com capacidade maior e mesmo consumo. Assim, do ponto de vista da
eficiência energética e supondo que os aparelhos estão praticamente adequados a seus
ambientes, optou-se por equipamentos com mesma capacidade e consumo menor.
3.5 Escolha do software e implementação do programa
Para a implementação da DEA com formulação Primal e Dual, foi utilizado o

software Microsoft Excel 2007, pela simplicidade e praticidade com o tratamento de dados e
por ter a ferramenta Excel Solver, que resolve rapidamente problemas de Programação
Linear. A vantagem do software Excel é não ser necessário utilizar uma linguagem de
programação específica e códigos extensos e complexos para implementar a DEA.
Foram construídos dois programas, um para a formulação Primal e um para a
formulação Dual, mostrados a seguir. O modelo Primal fornece a eficiência e os pesos,
enquanto o modelo Dual fornece as metas e a eficiência, e ambos se complementam em
termos de resultados, conforme explanado na seção 2.2.3.
Conforme dito anteriormente, um programa de DEA calcula apenas eficiências
relativas, portanto a comparação das salas do Bloco 5 seria apenas entre salas com
classificação B, C e D; como o objetivo deste trabalho é melhorar a eficiência energética dos
55
ambientes para que eles se tornem mais próximos da classificação “A” segundo os critérios do
RTQ-C, foram acrescentadas diversas salas com classificação “A” no programa, de modo que
com essa adição apenas salas “A” irão formar a fronteira de eficiência. Logo, ao evitar que
salas B, C e D participem da fronteira de eficiência, as metas sugeridas pelo programa
tornarão as salas ineficientes mais próximas da eficiência de salas com classificação “A”. É
importante ressaltar que mesmo que os ambientes ineficientes alcancem a fronteira, eles ainda
estão sujeitos aos pré-requisitos descritos nas seções 2.1.1 e 2.1.2 para que a classificação
final dos sistemas possa ser “A”.
Na Tabela 11 constam os dados das salas “A” acrescentadas; a maior parte destas
salas são salas virtuais, isto é, salas criadas com iluminação “A” e condicionamento de ar
“A”, enquanto outras salas foram coletadas de estudos de caso utilizando o RTQ-C (salas A4
e A5). No processo de criação das salas virtuais foram utilizadas diferentes áreas, lâmpadas e
condicionadores de ar, para que o modelo não considerasse que existe apenas uma
característica ideal de ambiente “A”. Optou-se por acrescentar 9 salas, para obter um número
razoável de configurações sem que fossem adicionadas salas virtuais em excesso; a partir de
testes, verificou-se que os resultados com 11, 14 e 16 salas virtuais eram praticamente os
mesmos resultados obtidos com 9 salas, tornando desnecessária a adição de ambientes com
configurações redundantes. Foram utilizadas lâmpadas com eficiências luminosas de 100, 114
e 120 lm/W e aparelhos de ar condicionado avaliados pelo INMETRO com CEE’s variando
entre 3,33 e 3,48 W/W (informações disponíveis no Anexo B).
Tabela 11 – Dados dos sistemas das salas “A” acrescentadas
MEDIDA
SALA PIL FLM CNS AR CRE Marca
A1 140 15960 1580 16,00 18000 Fujitsu
A2 230 25360 2640 24,61 30000 LG
A3 160 19200 1040 15,18 12000 Elgin
A4 80 9600 785 9,14 9000 Samsung
A5 240 27360 2080 27,30 24000 Hitachi
A6 425 42500 3774 48,04 44000 Elgin
A7 578 66120 6070 67,05 70000 Fujitsu/LG
A8 300 34200 3110 34,22 36000 Samsung
A9 500 57000 4540 56,00 54000 Fujitsu
Fonte: Elaborado pelo autor
56
Todas as salas “A” acrescentadas também serviam como salas de aula ou

laboratório. Isto é importante para que a comparação realizada pela DEA faça sentido, pois
caso fossem utilizados ambientes com outras finalidades muito diferentes, os níveis
adequados de refrigeração e especialmente de iluminação seriam diferentes. Por fim, os
modelos construídos no Excel são mostrados nas Figuras 11 e 12:
Figura 11 – Modelo Primal construído no Excel
Na Figura 11, tem-se a planilha construída com os dados de inputs (PIL na coluna
B2 a B21 e CNS na coluna C2 a C21) e outputs (FLM na coluna D2 a D21 e CRE na coluna
E2 a E21) para o cálculo da eficiência do modelo Primal. A Equação 10.1 é implementada no
quadro Escore (célula H24) e no Solver, que calcula a eficiência e os pesos respectivos a cada
fator (linha B24 a E24) da DMU cujo número é informado no quadro DMU Avaliada (célula
G24). No Solver e no quadro Restrição (célula I24), tem-se a programação da Equação 10.2
(restrição dos inputs) para a DMU informada. Por fim, no Solver e na coluna Equação, são
programadas as restrições impostas pela Equação 10.3 para cada DMU. A programação
realizada nada mais é do que um problema de PL, onde o Escore (célula H24) é a função-
objetivo, os pesos (linha B24 a E24) são as variáveis de decisão e as restrições são impostas
no Solver.
O modelo Dual construído no Excel é mostrado na Figura 12. Neste problema de
PL, o Escore (célula K11) é a função-objetivo, os Lambdas (coluna G2 a G21) e o próprio
escore são as variáveis e as restrições são implementadas no Solver. Similarmente ao modelo
57
anterior, têm-se os dados de inputs nas colunas B2 a B21 e C2 a C21 e outputs nas colunas D2
a D21 e E2 a E21. A Equação 11.1 é realizada no Solver. Na coluna G2 a G21, têm-se a
variável λ de cada DMU. As Equações 11.2 e 11.3 são programadas nas colunas J4 a J7 e L4
a L7 e no Solver, manipuladas da seguinte forma: na coluna J4 a J5 está o lado esquerdo da
𝑛
Equação 11.2 ( 𝑘 =0 xik λk ) e na coluna L4 a L5 está o lado direito da Equação 11.2 (θ0 xi0 ); da
𝑛
mesma forma, na coluna J6 a J7 está o lado esquerdo da equação 11.3 ( 𝑘=0 yjk λk ) e na
coluna L6 a L7 está o lado direito da Equação 11.3 ( yj0 ). Na coluna M4 a M8 são informadas
as folgas de input/output, discutidas a seguir no Capítulo 4. Por fim, o programa calcula a
eficiência e as metas da DMU informada no quadro DMU Avaliada (célula K10).
Figura 12 – Modelo Dual construído no Excel
Os resultados obtidos são apresentados e analisados no Capítulo 4.

58
4 RESULTADOS E DISCUSSÕES
Os escores obtidos para todas as salas a partir da aplicação dos programas

mostrados nas Figuras 11 e 12 são apresentados na Tabela 12 e na Figura 13:
Tabela 12 – Escores de eficiência dos ambientes

SALA ESCORE SALA ESCORE
550-1 0,7807
550-2 0,8477 A1 1,0000
550-3 0,8477 A2 1,0000
551 0,7342 A3 1,0000
552-1 0,8072 A4 1,0000
552-2 0,8007 A5 0,9810
553 0,7182 A6 0,9802
554 0,8087 A7 1,0000
555 0,7443 A8 1,0000
556 0,7588 A9 1,0000
Figura 13 – Gráfico comparativo com os escores obtidos

59
Conforme observado, todas as 9 salas “A” acrescentadas apresentaram escore

máximo ou próximo de 1, enquanto as salas com sistemas B, C, D e E apresentaram escores
menores, o que indica que o programa atribuiu um escore condizente com o RTQ-C. Os
escores gerados para as salas do Bloco 5 estão na faixa de 0,7182 a 0,8477, o que indica que
as pontuações das salas foram relativamente próximas, com um escore médio de 0,7848. Pela
Tabela 8, nota-se que a eficiência luminosa em todas as salas é a mesma (60,60 lm/W), e pela
Tabela 9, observa-se que a razão entre a capacidade de refrigeração e a potência demandada
(CEE) dos aparelhos de ar-condicionado está entre a faixa de 2,45 (sala 553) a 2,88 W/W
(salas 550-2 e 550-3), ou seja, a maior parte dos aparelhos tem eficiências não muito
distantes, com um índice médio de 2,69 W/W. Assim, os escores relativamente próximos
gerados expressam o fato de várias salas terem características similares.
As salas que foram consideradas as mais eficientes do Bloco 5 foram a 554
(0,8087), a 550-2 (0,8477) e a 550-3 (0,8477), sendo estas duas últimas as mais eficientes; das
Tabelas 8 e 9, observa-se que as salas 550-2 e 550-3 apresentaram um dos melhores CEE’s
entre as salas avaliadas (apesar de uma classificação “C”) e foram classificadas como “D”
com relação à iluminação, o que de certa forma justifica seus escores, visto que nenhuma
outra sala possui um CEE tão alto com uma classificação similar de iluminação. Por outro
lado, a sala 553 obteve um dos piores escores (0,7182), justificado por um condicionamento
de ar “D” (pior classificação dentre as salas analisadas) e uma iluminação “E”; juntamente
com as salas 551 e 555, são as salas que precisam mais urgentemente de troca de
equipamentos.
Observou-se também que o sistema de ar condicionado foi mais preponderante
para a determinação do escore final: salas em que esse sistema foi classificado como “B” ou
“C” com CEE elevado (como é o caso das salas 550-2 e 550-3) obtiveram escores melhores
que as demais salas do Bloco 5, mesmo que a classificação fosse “E” na iluminação. Como a
classificação da iluminação de todas as salas é “D” ou “E”, o critério mais importante para
desempate é o condicionamento de ar. Considerando que o condicionamento de ar responde
pela maior parte do consumo de energia em prédios públicos (conforme a Figura 1), é
justificável que a eficiência desse sistema seja mais relevante para a determinação do escore
final.
Na Tabela 13, são apresentados os pesos obtidos, ou seja, o resultado da aplicação
da formulação Primal (Equações 10.1 a 10.4):
60
Tabela 13 – Pesos obtidos pela formulação Primal
SALA PIL CNS FLM CRE

550-1 0 2,5798∙10-4 0 2,1690∙10-5
550-2 0 8,1967∙10-4 3,9032∙10-6 6,4793∙10-5
550-3 0 8,1967∙10-4 3,9032∙10-6 6,4793∙10-5
551 0 2,1796∙10-4 1,0379∙10-6 1,7229∙10-5
552-1 0 1,5873∙10-4 7,5585∙10-7 1,2547∙10-5
552-2 0 1,5873∙10-4 0 1,3345∙10-5
553 0 1,9920∙10-4 9,4858∙10-7 1,5746∙10-5
554-1 0 1,9821∙10-4 9,4388∙10-7 1,5668∙10-5
554-2 0 4,1981∙10-4 1,9991∙10-6 3,3185∙10-5
555 0 1,7241∙10-4 8,2101∙10-7 1,3628∙10-5
556 1,5907∙10-4 6,4530∙10-5 0 6,8982∙10-6
A 1,3875∙10-3 5,0996∙10-4 9,8829∙10-7 5,4679∙10-5
A2 8,3315∙10-4 3,0620∙10-4 5,9341∙10-7 3,2831∙10-5
A3 3,201∙10-3 4,6920∙10-4 2,6188∙10-5 4,1432∙10-5
A4 5,1277∙10-3 7,5131∙10-4 4,1948∙10-5 6,6366∙10-5
A5 1,8356∙10-3 2,6896∙10-4 1,5017∙10-5 2,3758∙10-5
A6 0 2,6497∙10-4 0 2,2277∙10-5
A7 7,0658∙10-4 9,7462∙10-5 4,0614∙10-6 1,0449∙10-5
A8 2,7374∙10-3 3,7902∙10-4 1,5700∙10-5 4,0640∙10-5
A9 8,5822∙10-4 1,2574∙10-4 7,0208∙10-6 1,1107∙10-5
Como foi expresso na seção 2.2.2, os pesos representam a contribuição de cada

fator no cálculo do escore final da DMU (Equação 8). Uma análise rápida da Tabela 13
mostra que os pesos dos fatores relacionados ao condicionamento de ar são maiores que os da
iluminação, confirmando o que foi dito anteriormente. Outro ponto importante a ser discutido
é ocorrência de vários pesos nulos: em três salas do Bloco 5, foram atribuídos “0” para o
fluxo luminoso, e em apenas uma foi atribuído um peso diferente de zero para a potência da
iluminação.
Em uma primeira análise, a DEA parece ter desconsiderado completamente esses
fatores do cálculo da eficiência. No entanto, o peso zero tem um significado e deve ser
interpretado de acordo com o contexto. Para um input, um peso zero significa que o fator deve
ser reduzido em certa quantidade para fazer parte do cálculo da eficiência, ou seja, indica que
o recurso está em excesso; por outro lado, um peso zero para um output significa que o
mesmo está em falta e deve ser aumentado (BELLONI, 2000). Portanto, os pesos zero obtidos
para PIL indicam que há um excesso desse fator em algumas salas, o que condiz com a
61
realidade, pois nenhuma conseguiu uma classificação “A”, indicando que a DPI (potência de
iluminação por metro quadrado) é superior ao estabelecido pelo RTQ-C. No caso específico
das salas 550-1 e 556, um peso 0 para FLM é benéfico, pois indica que esse fator deve ser
aumentado; dos dados da Tabela 8, tem-se que a iluminância média dessas salas estão abaixo
da média de 300 lx. Assim, um aumento do fluxo luminoso seria bastante desejável, pois esse
fator influi diretamente na iluminância. Por esses motivos, não foram implementadas técnicas
de restrição de pesos, que poderiam afetar negativamente o resultado final do programa.
Na Tabela 14, são apresentadas as metas obtidas, ou seja, o resultado da aplicação
da formulação Dual (Equações 11.1 a 11.4):
Tabela 14 – Metas obtidas pela formulação Dual
PIL PIL REDUÇÃO CNS CNS REDUÇÃO FLM FLM AUMENTO

ATUAL META (%) ATUAL META (%) ATUAL META (%)
SALA (W) (W) (W∙h) (W∙h) (lm) (lm)
550-1 495,00 333,333 32,66 3.876 3026,667 21,91 30.000 38.000 26,6667
550-2 297,00 151,020 49,15 1.220 1034,286 15,22 18.000 18.000 0
550-3 297,00 151,020 49,15 1.220 1034,286 15,22 18.000 18.000 0
551 990,00 502,041 49,29 4.588 3368,571 26,58 60.000 60.000 0
552-1 1188,00 620,408 47,78 6.300 5085,714 19,27 72.000 72.000 0
552-2 990,00 555,556 43,88 6.300 5044,444 19,93 60.000 63.333 5,5556
553 990,00 506,122 48,88 5.020 3605,714 28,17 60.000 60.000 0
554 990,00 514,286 48,05 5045 4080,000 19,13 60000 60.000 0
555 990,00 518,367 47,64 5.800 4317,143 25,57 60.000 60.000 0
556 1188,00 901,464 24,12 12.568 9536,701 24,12 72.000 100.659 39,8055
Como as salas A1, A2, A3, A4, A7, A8 e A9 apresentavam escore 1,00, as metas
geradas são os mesmos dados atuais para estas salas, logo essas metas não foram incluídas na
Tabela 14. As salas A5 e A6, apesar de poderem ser melhoradas, não interessam para este
trabalho, visto que o foco é a melhoria da eficiência das salas do Bloco 5, portanto suas metas
também não foram incluídas. As metas da Tabela 14 refletem o escore obtido para cada
DMU; a sala 553, por exemplo, por estar em um estado mais crítico e apresentar o menor
escore, precisa de uma redução maior em seus inputs para alcançar a fronteira de eficiência:
sua meta de redução de consumo dos condicionadores de ar é a maior dentre as salas, e sua
redução da potência de iluminação é uma das maiores.
62
Os pesos zeros gerados no modelo Primal também tem relação com as metas do
modelo Dual para alcançar a eficiência, gerando reduções adicionais nos inputs e aumentos
nos outputs, conhecidos como folgas12 (BELLONI, 2000), discutidas a seguir.
Uma das conseqüências da existência de folgas são as metas de aumento geradas
para o fator FLM; na seção 3.4, foi escolhido o modelo de orientação a inputs, que mantém
constante as saídas e apresenta redução nas entradas, então teoricamente não eram para serem
geradas metas de aumento de outputs. No entanto, no caso das salas 550-1, 552-2 e 556, foi
gerado um peso zero para este fator, o que implica na existência de uma folga. Apesar das
salas atingirem a fronteira com as reduções de input sugeridas, a eficiência 1,00 obtida é uma
eficiência “fraca”, pois não obedece ao conceito de Pareto-Koopmans exposto na seção 2.1: a
folga gerada indica que é possível ainda aumentar o fator FLM sem prejudicar os demais
fatores. Tomando como base a sala 550-1, a redução de sua PIL para 333,33 W e de seu CNS
para 3026,66 W∙h levaria esta DMU para a fronteira de eficiência, tornando seu escore 1,00;
no entanto, com esses mesmos inputs é possível obter um FLM de 38.000 lm, sem precisar
aumentar nenhum input ou reduzir outro output. Assim, como já foi explicado, esse aumento
é extremamente desejável para as salas 550-1 e 556, devido à suas iluminâncias não estarem
adequadas.
Outra conseqüência das folgas são as reduções adicionais nos inputs. Para a sala
550-1, por exemplo, o escore de eficiência é 0,7807, o que indica que seus inputs devem ser
reduzidos em aproximadamente em 21,91 %. Para o fator CNS, observa-se que a redução é
realmente 21,91%, porém para o fator PIL uma redução de 21,91% implica em uma meta de
potência de iluminação de 386,44 W, o que não condiz com a meta de 333,33 W. Isso também
ocorre devido à existência das folgas, devido ao peso zero atribuído a esse fator. Novamente,
as metas de PIL 386,44 W e CNS 3026,66 W∙h levam esta DMU para a fronteira de
eficiência, porém é possível reduzir ainda mais a PIL para 333,33 W sem haver prejuízo nos
outputs gerados, fazendo com que a DMU realmente se torne eficiente no conceito de Pareto-
Koopmans. Em outras palavras, existe uma folga de 52,11 W na potência de iluminação,
gerando uma possibilidade de redução adicional de recursos sem prejudicar a produção. Para
todas as outras DMUs que obtiveram 0 no peso do fator PIL, também existem folgas
associadas, apresentadas a seguir juntamente com os λ do modelo Dual.
12
Do inglês, slacks.
63
Tabela 15 – Folgas e distâncias obtidas pela formulação Dual
PIL FLM
SALA FOLGA(W) FOLGA(lm) λ1 ALVO λ2 ALVO
550-1 53,20 8000 0,667 A9
550-2 100,76 0 0,816 A3 0,041 A9
550-3 100,76 0 0,816 A3 0,041 A9
551 224,83 0 2,883 A3 0,082 A9
552-1 338,61 0 1,327 A3 0,816 A9
552-2 237,14 3333,33 1,111 A9
553 204,96 0 2,398 A3 0,245 A9
554 286,34 0 1,429 A3 0,571 A9
555 218,52 0 0,944 A3 0,735 A9
556 0 28.659,92 2,450 A2 0,676 A9
Uma observação importante é que o valor das folgas não tem relação direta com o
escore de eficiência. A sala 550-2, por exemplo, obteve o maior escore, no entanto sua
redução de PIL foi uma das maiores (49,15%), enquanto a sala 551 obteve um dos menores
escores e teve uma meta de redução de PIL bem próxima (49,29%). Também servem como
exemplos as salas 550-1 e 553: a sala 550-1 não obteve um dos maiores escores e sua folga de
PIL foi a menor, e a sala 553 obteve o menor escore sem, no entanto, apresentar a maior
folga.
Os λ da Tabela 15 determinados pelo modelo Dual indicam em qual DMU da
envoltória as DMUs ineficientes vão tomar como referência, além de servirem como
indicadores de distância entre elas e as salas alvo. Tomando a sala 550-1 como exemplo, tem-
se que seu λ é 0,667 e seu alvo é a sala A9: esta sala é dita benchmark (GOMES et al, 2003) e
serve como referência para a sala 550-1, de modo que suas metas tomam como base os dados
da sala A9 ponderados por 0,667. Por outro lado, a sala 550-2 apresenta dois alvos, as salas
A3 e A9, portanto suas metas serão uma combinação linear dos dados dessas salas ponderados
pelos seus respectivos λ. É interessante ressaltar que praticamente todos os alvos foram as
salas A3 e A9, conseqüência de suas eficiências de aparelho elevadas: a sala A3 possui a
maior eficiência luminosa dentre as salas (120 lm/W), enquanto a sala A9 possui o maior CEE
(3,486).
Em termos dos parâmetros dos equipamentos, as metas geradas na Tabela 14
implicam em um aumento da eficiência luminosa das lâmpadas e do CEE dos ar
64
condicionados. Na Tabela 16 é mostrado um comparativo entre os valores antigos e os novos,

após a aplicação das metas.
Tabela 16 – Comparação entre a eficiência dos equipamentos antes e depois das sugestões
EFICIÊNCIA
LUMINOSA AUMENTO CEE ATUAL AUMENTO
SALA (lm/W) META (%) (W/W) META (%)
550-1 60,61 114,000 88,100 2,722 3,486 28,06
550-2 60,61 119,189 96,662 2,883 3,400 17,96
550-3 60,61 119,189 96,662 2,883 3,400 17,96
551 60,61 119,512 97,195 2,491 3,393 36,20
552-1 60,61 116,053 91,487 2,791 3,458 23,88
552-2 60,61 114,000 88,100 2,791 3,486 24,89
553 60,61 118,548 95,605 2,452 3,414 39,22
554 60,61 116,667 92,500 2,788 3,448 23,65
555 60,61 115,748 90,984 2,577 3,462 34,35
556 60,61 111,663 84,243 2,565 3,380 31,79
A partir da Tabela 16, é possível observar uma das características da DEA

explanada nas seções 2.2.2 e 2.2.3: as metas do modelo Dual tendem a fazer com que as
DMUs ineficientes se pareçam com as DMUs da envoltória. As metas de eficiência luminosa
entre 111,66 e 119,51 lm/W e o de CEE entre 3,38 e 3,48 W/W refletem a tentativa de
“imitar” as DMUs da fronteira de eficiência, que apresentam eficiências luminosas entre 100
e 120 lm/W e CEE entre 3,33 e 3,48 W/W (conforme o Anexo B). Assim, como a fronteira de
eficiência é composta apenas por salas “A”, as salas ineficientes tendem a “imitar” tais salas,
fazendo com que sua metas as aproximem de uma classificação “A”.
A Tabela 16 de certa forma sugere que os escores obtidos na Tabela 12 foram
razoáveis: caso fossem obtidos escores muito baixos, como 0,4 ou 0,3, isso acarretaria em
reduções de 60% e 70% nos inputs, ou um aumento de 150% e de 233,33% nas eficiências
dos equipamentos, o que possivelmente levaria à metas difíceis ou impossíveis de serem
implementadas, pois os aparelhos possuem um limite de eficiência energética que a tecnologia
atual consegue produzir.
Os valores de eficiência luminosa meta podem ser alcançados pela utilização de
lâmpadas fluorescentes modernas ou lâmpadas de LED. As lâmpadas de LED vem ganhando
cada vez mais espaço no mercado, pois conseguem alcançar eficiências luminosas maiores,
65
tem vida útil maior, necessitam de menor manutenção e não necessitam de reatores, o que
evita perdas desnecessárias e a geração de reativos. A principal desvantagem dos LEDs em
relação às lâmpadas fluorescentes é um custo inicial bem maior. Com relação aos aparelhos
de ar condicionado, o CEE meta sugere a utilização de aparelhos tipo split, visto que
apresentam eficiência maior que os aparelhos tipo janela para uma mesma classificação “A”,
conforme as avaliações do INMETRO.
Tabela 17 – Classificação final das salas

CLASSIFICAÇÃO
CLASSIFICAÇÃO AR
POTÊNCIA POTÊNCIA EF ILUMINAÇÃO CONDICIONADO
ILUMINAÇÃO ILUMINAÇÃO NOVO SCORE
ATUAL NOVA ATUAL NOVA
SALA LIMITE(W) NOVA(W) (lx) FINAL
550-1 452,18 333,333 359,678 D A B A 1,00
550-2 452,18 151,020 170,374 D A C A 1,00
550-3 452,18 151,020 170,374 D A C A 1,00
551 663,61 502,041 386,972 E A C A 1,00
552-1 572,99 620,408 537,815 D B B A 1,00
552-2 572,99 555,556 473,078 D A B A 1,00
553 674,53 506,122 380,711 E A D A 1,00
554 744,08 514,286 345,125 E A B A 1,00
555 714,23 518,367 359,551 E A C A 1,00
556 1211,24 901,464 355,689 E A C A 1,00
Conforme a redação de 2010 do RTQ-C, a densidade de potência máxima para

uma classificação “A” da iluminação é 10,7 W/m² (Anexo A); multiplicando esse fator pelas
áreas de cada ambiente, foram obtidas as potências limites de classificação A para cada sala.
Observando a Tabela 16, conclui-se que as metas de iluminação sugeridas pela modelo Dual
foram eficazes, pois tornaram todas as salas ineficientes “A” no quesito iluminação, exceto a
sala 552-1, que subiu da classificação “D” para “B”. Além disso, as metas sugeridas para as
salas 550-1 e 556 corrigiram também a iluminância abaixo do recomendado; agora, todas as
salas possuem pelo menos a iluminância média final adequada para salas de aula (300 lx,
conforme a NBR 5413), com exceção das salas 550-2 e 550-3 cujas metas apenas tornaram a
iluminação eficiente porém ainda inadequada. Com relação ao condicionamento de ar, pela
Tabela 5, têm-se que o CEE mínimo para obter classificação “A” é 3,23 W/W para aparelhos
66
tipo split; pela Tabela 16, observa-se que todos os valores estão acima do limite mínimo, logo
a classificação nova de todas as salas será “A”.
Por fim, as metas geradas pelo modelo Dual promovem uma economia devido à
redução do consumo de energia no Bloco 5. Para o cálculo da economia de energia, foram
observados os horários de funcionamento normal de cada sala (disponibilizados em quadros
fixados na porta de cada sala), obedecendo à tarifação do horário de ponta e fora de ponta; na
sala 553, por exemplo, diariamente são ministradas aulas das 8 às 12 (8 às 10 nas sextas-
feiras) e das 14 às 20 horas (14 às 22 nos dias de terça e quinta), totalizando 52 horas
semanais das quais 13 horas e meia são tarifadas pelo horário de ponta. Para o cálculo da
economia mensal, foi considerado um mês comercial de 30 dias, sendo 22 dias letivos e 8
finais de semana. A economia anual foi obtida a partir da economia mensal multiplicada por
9, considerando que 3 meses no ano são férias escolares. Como o enquadramento tarifário da
UFPI é a modalidade Horo-Sazonal Verde, a tarifa de consumo atual é de 0,3898 R$/KWh
para horário fora ponta e para horário de ponta 1,4668 R$/KWh (disponível em
http://www.eletrobraspiaui.com/sv_tarifas.php). Assim, a economia gerada por sala e total é
mostrada na Tabela 18:
Tabela 18 – Economia gerada após aplicação das metas
HORAS
ECONOMIA ECONOMIA AR SEMANAIS ECONOMIA ECONOMIA
ILUMINAÇÃO CONDICIONADO DE MENSAL ANUAL
SALA (W∙ 𝐡) (W∙ 𝐡) UTILIZAÇÃO (R$) (R$)
550-1 161,67 849 40 81,3102 731,7919
550-2 145,98 186 40 26,6842 240,1282
550-3 145,98 186 40 26,6842 240,1282
551 487,96 1.219 10 29,2764 263,4877
552-1 567,59 1.214 14 51,6912 465,2210
552-2 434,44 1.256 14 49,0465 441,4193
553 483,33 1.414 52 291,6869 2625,1827
554 475,71 965 46 194,4738 1750,2642
555 471,74 1.483 24 127,0831 1143,7480
556 286,54 3.031 20 160,1814 1441,6330
TOTAL 1038,1183 9343,0648
A Tabela 18 revela um potencial de economia anual considerável com a aplicação

das metas, apesar de algumas salas apresentarem uma economia individual relativamente
67
baixa. A sala 551, por exemplo, é utilizada por apenas 10 horas na semana, o que reduz seu
potencial de economia; por outro lado, as salas 550-2 e 550-3 apresentaram escores de
eficiências mais altos, o que leva a uma economia menor por estarem mais próximas das salas
ideais.
A substituição dos equipamentos das salas 553 e 554 seria bastante vantajosa, pois
estas salas são utilizadas durante muitas horas e apresentam uma capacidade de redução de
potência e consumo consideráveis. Por meio de pesquisas na internet, foi observado que
aparelhos split de 21.000 BTU/h custam em torno de R$ 2.000,00 a 3.000,00, totalizando um
investimento de R$ 4.000,00 a 6.000,00 para substituir os aparelhos da sala 553; considerando
o potencial de economia mensal do ambiente, o investimento teria retorno (payback)
aproximadamente em 2 anos. Para a sala 554, o tempo de retorno seria um pouco maior,
devido ao potencial de economia ser menor: neste caso, estima-se que o tempo de retorno do
investimento esteja em torno de 2 anos e meio. Ainda assim, a troca dos equipamentos das
salas 553 e 554 é um investimento vantajoso, considerando que o tempo de retorno é razoável
e os equipamentos têm alta durabilidade.
68
5 CONCLUSÃO E TRABALHOS FUTUROS
Neste trabalho, foi feita uma aplicação da DEA na avaliação e melhoramento da

eficiência energética de ambientes, por meio da identificação e quantificação individualizada
de metas e alvos para cada ambiente e do confronto desses resultados com a metodologia de
avaliação descrita no RTQ-C. A característica de agregar múltiplos fatores (sem que sejam
conhecidas funções de relação entre eles) em um único índice de desempenho torna a DEA
uma ferramenta bastante atrativa para identificar as diferenças entre as DMUs, avaliar as
metas e auxiliar na tomada de decisões. Apesar de sua aplicação parecer relativamente
simples, devem-se tomar alguns cuidados na aplicação da técnica DEA, especialmente na
seleção de variáveis input/output, pois o programa irá gerar resultados independentemente dos
dados inseridos, cabendo a quem aplica interpretar os resultados obtidos e conhecer a
importância dessa escolha.
A DEA pode ser utilizada como ferramenta de análise e diagnóstico
complementar ao RTQ-C, informando quais ambientes precisam de maior atenção e quais
estão mais perto de uma classificação ótima. Verificou-se que todos os ambientes do Bloco 5
da UFPI obtiveram escores de eficiência mais baixos em relação às salas “A” acrescentadas
no programa, confirmando as suas classificações obtidas no RTQ-C. As salas consideradas
mais eficientes do Bloco 5 foram a 550-2 e a 550-3, ambas com escores 0,8477, enquanto os
piores resultados foram os das salas 551 e 553, com escores 0,7342 e 0,7182,
respectivamente. Foi visto que os escores relativamente baixos gerados para as salas 551 e
553 estão diretamente relacionados com a baixa eficiência dos sistemas de iluminação e
condicionamento de ar destas salas, que são os menos eficientes dentre os sistemas das salas
analisadas. Deve-se, no entanto, reiterar as limitações da técnica mencionadas na seção 2.2.4:
os índices calculados são eficiências relativas às DMUs analisadas, e não absolutas, e os
escores gerados estão restritos às variáveis analisadas, não podendo ser extrapolados para
outros fatores.
Os resultados obtidos após a aplicação das metas geradas pela formulação Dual
foram bastante satisfatórios, visto que as metas conseguiram elevar a classificação do
condicionamento de ar e da iluminação de todas as salas para nível “A” (com exceção da sala
552-1 que teve sua iluminação elevada para “B”). Foi observado que as metas geradas se
relacionam diretamente com o escore de cada ambiente, de modo que salas com escores mais
baixos apresentaram potenciais de redução maiores; as folgas geradas, por outro lado, não
69
apresentaram relação direta com os escores, tendo um caráter mais imprevisível. Além disso,
foi comprovado que a aplicação das metas de fato revela uma economia potencial
interessante, sobretudo nas salas 553 e 554 por serem utilizadas durante períodos mais longos;
nestas salas, pela avaliação do payback, foi visto que o investimento na troca dos
equipamentos tem um retorno em um tempo de aproximadamente 2 anos, considerado
razoável devido aos benefícios da troca dos equipamentos e à durabilidade dos mesmos.
A DEA, por ser aplicada geralmente na avaliação de empresas, instituições de
ensino, companhias aéreas e outras aplicações no campo da economia, é uma técnica com um
grande potencial ainda inexplorado no campo da eficiência energética, não apenas no que se
refere à classificação de ambientes, mas também na avaliação de aparelhos e equipamentos, e
futuramente poderá ser utilizada por instituições públicas (como a UFPI) e privadas como
ferramenta auxiliar para a gestão do consumo de energia.
Por ser uma técnica ainda não explorada, a DEA abre a possibilidade para o
desenvolvimento de diversos trabalhos futuros no campo da eficiência energética. Como
sugestão para futuras pesquisas, pode-se dar continuidade ao estudo, fazendo a avaliação dos
demais Blocos do Centro de Tecnologia da UFPI utilizando o RTQ-C e a DEA, a fim de
comparar e tornar os resultados mais abrangentes.
Como possíveis trabalhos futuros, pode-se também apontar:
 Reavaliação dos sistemas de iluminação e condicionamento de ar do Bloco 5
com base no RTQ-C de 2010, considerando que algumas salas sofreram
modificações em seus equipamentos no período entre a última avaliação e a
realização deste estudo;
 Utilização da NBR ISO/CIE 8995-1/2013 para refazer o projeto luminotécnico
do Bloco 5, de modo que a iluminância média final das salas se adéqüe ao
valor definido pela norma (500 lux);
 Utilização da DEA com abordagem de orientação a outputs para obter novas
metas para o sistema de iluminação, considerando que a iluminância média
final das salas está abaixo do permitido conforme a norma atual;
 Implementação da DEA com abordagens de restrição de pesos para comparar
os resultados obtidos com restrições e sem restrições e verificar se tais
técnicas alteram significativamente os resultados.
70
REFERÊNCIAS
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA (ANEEL). Atlas de Energia Elétrica

no Brasil. 2ª edição. Brasília: ANEEL, 2005, p. 39-48. Disponível em:
<http://www.aneel.gov.br/arquivos/pdf/atlas_par1_cap2.pdf>. Acesso em: 26 de março de
2015.
ALMEIDA, Luara de Jesus; MARTINS, G. A. S.; SILVA, Warley G. Otimização de

processos utilizando a programação linear. Enciclopédia Biosfera, Centro Cientifico
Conhecer. Goiânia, v.9, n.16, p. 1642-1644, 2013. Disponível em:
<http://www.conhecer.org.br/enciclop/2013a/agrarias/otimizacao%20de%20processos.pdf>.
Acesso em: 03 de abril de 2015.
ANJOS, Maria A. dos. Aplicação da Análise Envoltória de Dados (DEA) no estudo da

eficiência econômica da indústria têxtil brasileira nos anos 90. 2005. 239 p. Tese
(Doutorado) – Programa de Pós-Graduação em Engenharia de Produção, Universidade
Federal de Santa Catarina. Florianópolis, 2005.
BANDEIRA, D. M.; BECKER, J. L.; BORENSTEIN, D. Eficiência relativa dos

departamentos da UFRGS utilizando DEA. In: RECITEC, Recife, v.5, n.1, p.116-143,
2001. Disponível em:
<https://docs.google.com/file/d/0B9zr_v5XGE7HT2tjb09YMHUwRzg/edit?pli=1>. Acesso
em: 03 de abril de 2005.
BARDELIN, Cesar E. A. Impactos do Racionamento de Energia de 2001 e 2002 no Brasil.

Departamento de Engenharia e Automação. Escola Politécnica da USP. São Paulo – SP.
Disponível em:
<http://www.seeds.usp.br/pir/arquivos/congressos/CLAGTEE2003/Papers/EUE%20B-
066.pdf>. Acesso em: 26 de março de 2015.
BELLONI, José A. Uma metodologia de evaliação da Eficiência produtiva de

Universidades Federais brasileiras. 2000. 246 p. Tese (Doutorado) –. Programa de Pós-
Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina.
Florianópolis, 2000.
BRASIL; Instituto Nacional de Metrologia, Normalização e Qualidade Industrial

(INMETRO). Regulamento Técnico da Qualidade para Eficiência Energética de Edifícios
Comerciais, de Serviços e Públicos – Parte 2: RTQ-C. Portaria nº 163, de 27 de fevereiro
de 2009. Brasília, DF, 2009.
BRASIL; Instituto Nacional de Metrologia, Normalização e Qualidade Industrial

(INMETRO). Regulamento Técnico da Qualidade para Eficiência Energética de Edifícios
Comerciais, de Serviços e Públicos – RTQ-C. Portaria nº 372/2010 com alterações das
portarias nº 17/2012 e nº 299/2013. Brasília, DF, 2014.
CASADO, Frank L. Análise Envoltória de Dados: conceitos, metodologia e estudo da arte

na Educação Superior. Revista Sociais e Humanas, Santa Maria, v. 1, p. 1-154, Jun. 2007.
71
CANTO, Miguel A. da C. Mensuração e analise da eficiência técnica de produção do

setor metal-mecânico da indústria de Caxias do Sul. 2002. 91p. Tese (Mestrado) –
Programa de Pós-Graduação em Economia, Universidade Federal do Rio Grande do Sul.
Porto Alegre, 2002.
CB3E – Centro Brasileiro de Eficiência Energética em Edificações. Nota técnica referente

aos níveis mínimos de eficiência energética de condicionadores de ar do Brasil.
Disponível em: <http://cb3e.ufsc.br/sites/default/files/projetos/etiquetagem/nota-tecnica-
niveis-minimos-ar-condicionado.pdf>. Acesso em: 13 de abril de 2015.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Data envelopment analysis: a

comprehensive text with models, applications, references and dea-solver software. USA:
Kluwer Academic Publishers, 2000.
COELLI, T. et al. An Introduction to Efficiency and Productivity Analysis. Boston:

Kluwer Academic Publishers, 1998 apud GALVÃO, Paulo José L.N. Análise Envoltória de
Dados aplicada ao setor energético brasileiro de distribuição de energia elétrica. 2008. Tese
(Mestrado) – Faculdade de Economia e Finanças IBMEC. Programa de Pós-Graduação e
Pesquisa em Administração e Economia. Rio de Janeiro, 2008.
COELLI, Tim. A guide to DEAP version 2.1: a data envelopment analysis program.
Centre for Efficiency and Productivity Analysis, University of New England, Working Paper
n.8, 1996. Disponível em: <http://www.owlnet.rice.edu/~econ380/DEAP.PDF>. Acesso em:
03 de abril de 2015.
DATHEIN, Ricardo. Inovação e Revoluções Industriais: uma apresentação das mudanças

tecnológicas determinantes nos séculos XVIII e XIX. Publicações DECON Textos
Didáticos02/2003. DECON/UFRGS. Porto Alegre, Fevereiro 2003.
DIAS, Luis F. Avaliação da eficiência dos principais aeroportos brasileiros através da

análise envoltória de dados (DEA). 2014. 53 p. Tese (Mestrado) – Fundação Instituto
Capixaba de Pesquisas em Contabilidade, Economia e Finanças - FUCAPE. Vitoria, 2014.
ELETROBRÁS; PROCEL. Relatório de Resultados do Procel 2012 – ano base 2011. Rio
de Janeiro: ELETROBRÁS/PROCEL, 2012.
__________. Avaliação do mercado de eficiência energética do Brasil – Sumário Executivo –

ano base 2005. Rio de Janeiro: ELETROBRÁS/PROCEL, 2009.
EMPRESA DE PESQUISA ENERGÉTICA (EPE). Projeção da demanda de energia

elétrica para os próximos 10 anos (2015-2024). Rio de Janeiro: Ministério de Minas e
Energia, EPE, 2015. 90p. Disponível em:
<http://www.epe.gov.br/mercado/Documents/DEA%2003-2015-
%20Proje%C3%A7%C3%B5es%20da%20Demanda%20de%20Energia%20El%C3%A9trica
%202015-2024.pdf>. Acesso em: 26 de março de 2015.
EMROUZNEJAD, Ali. Conventry: Warwick Bussiness School, 1995-2001. Data

Envelopment Analysis Home Page apud GALVÃO, Paulo José L.N. Análise Envoltória de
Dados aplicada ao setor energético brasileiro de distribuição de energia elétrica. 2008.
72
Tese (Mestrado) – Faculdade de Economia e Finanças IBMEC. Programa de Pós-Graduação e

Pesquisa em Administração e Economia. Rio de Janeiro, 2008.
FILHO, Dalson B.T., JUNIOR, José A. da Silva. Desvendando os mistérios do Coeficiente

de Correlaçao de Pearson (r). In: Revista Politica Hoje, Vol. 18, n.1, p. 115- 139, 2009.
Disponível em:
<http://www.revista.ufpe.br/politicahoje/index.php/politica/article/viewFile/6/6>. Acesso em:
08 de maio de 2015.
GADELHA, Sergio R. B. de. Consumo de Eletricidade e Crescimento Econômico no

Brasil. Disponível em: <http://www.ime.unicamp.br/sinape/sites/default/files/ConsEletric-
CrescEcon_conident.pdf >. Acesso em: 27 de março de 2015.
GALVÃO, Paulo José L.N. Análise Envoltória de Dados aplicada ao setor energético
brasileiro de distribuição de energia elétrica. 2008. 109 p. Tese (Mestrado) –. Programa de
Pós-Graduação e Pesquisa em Administração e Economia, Faculdade de Economia e Finanças
IBMEC. Rio de Janeiro, 2008.
GOLANY, B.; ROLL, Y. An application procedure for DEA. Omega Int. Journal of
Management Science, Great Britain, v.17, n.3, p. 237-250, 1989.
GOMES, Eliane G.; MELLO, João C. C. B. S. de; MEZA, Lídia A.; SERAPIÃO, Bruno P.;
LINS, Marcos P. E. Análise de envoltória de dados no estudo da eficiência e dos
benchmarks para companhias aéreas brasileiras. In: Pesquisa Operacional, v.23, n.2,
p.325-345, maio de 2003.
JUBRAN, Aparecido J. Modelo de análise de eficiência na administração pública: estudo

aplicado às prefeituras brasileiras usando a análise envoltória de dados. 2006. Tese
(Doutorado) - Escola Politécnica. Universidade de São Paulo, São Paulo, 2006.
KASSAI, Silvia. Utilização da análise envoltória de dados (DEA) na análise de

demonstrações contábeis. 2002. 350 p. Tese (Doutorado) – Universidade de São Paulo. São
Paulo, 2002.
KONIGAMI, Tanuska R.M. Eficiência Energética em Edificações Comerciais, de Serviços

e Públicas. 2011. Tese (Mestrado) – Programa de Pós-Graduação em Engenharia Elétrica,
Escola Politécnica da Universidade Federal da Bahia. Salvador, 2011.
LAMBERTS, Roberto et al. Regulamentação de Etiquetagem Voluntária de Nível de

Eficiência Energética de Edifícios Comerciais e Públicos. In: Encontro Nacional sobre
Conforto no Ambiente Construído. Ouro Preto, MG. 2007.
LAMBERTS, Roberto; DUTRA, L.; PEREIRA, F. O. R. Eficiência Energética na

Arquitetura. 3ª edição. Rio de Janeiro: ELETROBRÁS/PROCEL, 2014.
MARIANO, Enzo B.; ALMEIDA, Mariana R.; REBELATTO, Daisy A. N. Princípios

básicos para uma proposta de ensino sobre Análise por Envoltória de Dados. In:
Congresso Brasileiro do Ensino de Engenharia. Passo Fundo, SP. 2006.
73
MASCARÓ et al. (1992). Incidência das Variáveis Projetivas e de Construção no

Consumo Energético dos Edifícios. Saga/DC Luzatto. Porto Alegre apud MORAES,
Carmelina S. Análise de Medidas Para Eficientização e Uso Racional da Energia Elétrica em
Condicionadores de Ar. 2013. Tese (Mestrado) – Universidade Federal de Mato Grosso.
Programa de Pós-Graduação em Engenharia de Edificações e Ambiental. Cuiabá, 2013.
MELLO, João C. C. B. S. de; AZEVEDO, Guilherme H. I.; ROBOREDO, Marcos C.;

AIZEMBERG, Luiz; SILVEIRA, Juliana Q. Uso da análise envoltória de dados para
mensurar eficiência temporal de rodoviárias federais concessionadas. Journal of
Transport Literature, vol. 6, n.1, p. 37-56, 2012.
MENKES, Monica. Eficiência Energética, Políticas Públicas e Sustentabilidade. 2004. 293

p. Tese (Doutorado) – Centro de Desenvolvimento Sustentável, Universidade de Brasília.
Brasília, 2004.
MORAES, Carmelina S. Análise de Medidas Para Eficientização e Uso Racional da

Energia Elétrica em Condicionadores de Ar. 2013. 180 p. Tese (Mestrado) – Programa de
Pós-Graduação em Engenharia de Edificações e Ambiental, Universidade Federal de Mato
Grosso. Cuiabá, 2013.
MORALES, Clayton. Indicadores de Consumo de Energia Elétrica como Ferramentas de

Apoio à Gestão: Classificação por Prioridades de Atuação na Universidade de São
Paulo. 2007. 114 p. Tese (Mestrado) – Escola Politécnica da Universidade de São Paulo. São
Paulo, 2007.
NOGUEIRA, Éllen Mara M.; OLIVEIRA, Felipe S.; LAKOSKI, Roger. Estudo da
Eficiência Energética de Agências Bancárias em Curitiba – PR considerando os
parâmetros do RTQ-C pelo INMETRO. Monografia Universidade Tecnológica Federal do
Paraná. Curitiba, 2011.
OLIVEIRA, Bruno Gabriel F. Análise do Desempenho Energético de Edificações:

Aplicações Analíticas do RTQ-C no Edifício do CEAMAZON. 2013. 167 p. Tese
(Mestrado) –, Instituto de Tecnologia, Universidade Federal do Pará. Belém, 2013.
OSRAM. Manual Luminotécnico Prático. São Paulo, 2007. Disponível em:

<http://www.iar.unicamp.br/lab/luz/ld/Livros/ManualOsram.pdf>. Acesso em: 06 de abril de
2015.
PASSOS, E. J. P. F. Programação Linear como instrumento da pesquisa operacional. São

Paulo: Editora Atlas, 2008 apud ALMEIDA, Luara et al. Otimização de processos
utilizando a programação linear. Enciclopédia Biosfera, Centro Cientifico Conhecer.
Goiânia, v.9, n.16, p. 1642-1644, 2013.
POSSAMAI, Rodrigo Panizzi. Avaliação de eficiência técnica em concessionárias de

rodovias utilizando analise envoltória de dados. 2006. 169 p. Tese (Mestrado) –. Programa
de Pós-Graduação em Engenharia de Produção, Universidade Federal do Rio Grande do Sul.
Porto Alegre, 2006.
PBE Edifica. O que é a Etiqueta PBE Edifica?. Disponível em:

<http://www.pbeedifica.com.br/conhecendo-pbe-edifica>. Acesso em: 27 de março de 2015.
74
PEÑA, Carlos Rosano. Um modelo de avaliação de eficiência da administração pública

através do método análise envoltória de dados (DEA). RAC, Curitiba, v.12, n.1, p. 83-106.
PROCEL INFO. Apresentação do Programa. Disponível em:

<http://www.eletrobras.com/pci/main.asp?View={89E211C6-61C2-499A-A791-
DACD33A348F3}>. Acesso em: 27 de março de 2015. 2015a.
PROCEL INFO. Edificações. Disponível em:

<http://www.procelinfo.com.br/main.asp?TeamID={82BBD82C-FB89-48CA-98A9-
620D5F9DBD04}>. Acesso em: 27 de março de 2015. 2015b.
RAFAELI, Leonardo. A análise envoltória de dados como ferramenta para avaliação do

desempenho relativo. 2009. 166 p. Tese (Mestrado) – Programa de Pós-Graduação em
Engenharia de Produção, Universidade Federal do Rio Grande do Sul. Porto Alegre, 2009.
RAMOS, Rubens E.B. Michael J. Farrell e a medição da eficiência técnica. In: XXVII
Encontro Nacional de Engenharia de Produção - ENEGEP. Foz do Iguaçu, PR. 2007.
RODRIGUES, Iran R. Utilização da Análise Envoltória de Dados (DEA), no diagnostico

da eficiência de cultivo do camarão marinho Litopennaeus vannamei (Boone,1931). 2008.
51 p. Tese (Mestrado) – Programa de Pós-Graduação em Biometria e Estatística Aplicada,
Universidade Rural de Pernambuco. Recife, 2008.
SOUZA, E.P. Economia de Energia em Ar Condicionado no Brasil: Eficiência e

Economicidade. 2010. 137 p. Tese (Mestrado) – Programa de Pós-Graduação em Engenharia
da Energia, Universidade Federal de Itajubá. Itajubá, 2010.
SOUZA, Roberta Vieira Gonçalves de. Sustentabilidade e eficiência energética no

ambiente construído. Belo Horizonte: CREA-MG, 2009. Disponível em: <http://www.crea-
mg.org.br/publicacoes/Cartilha/Sustentabilidade%20e%20Efici%C3%AAncia%20Energ%C3
%A9tica%20no%20Ambiente%20Constru%C3%ADdo.pdf >. Acesso em: 02 de abril de
2015.
UNIVERSIDADE FEDERAL DO PIAUÍ (UFPI). Programa de metodologias de

diagnóstico energético aplicadas em iluminação e redimensionamento de circuito elétrico para
conservação e uso eficiente de energia na Universidade Federal do Piauí. Teresina, 2014.
UOL. Apagão de energia elétrica custou ao país R$ 45 bilhões, conclui TCU. 2009.
Disponível em:
<http://economia.uol.com.br/ultnot/valor/2009/07/16/ult1913u109995.jhtm>. Acesso em: 27
de março de 2015.
U.S. Report of the National Policy Development Group. Using energy wisely: increasing
Energy Conservation and Efficiency. Disponível em:
<https://www.netl.doe.gov/publications/press/2001/nep/chapter4.pdf >. Acesso em: 27 de
março de 2015.
75
ANEXO A – LIMITE MÁXIMO ACEITÁVEL DE DENSIDADE DE POTÊNCIA DE

ILUMINAÇÃO (DPIL) PARA O NÍVEL DE EFICIÊNCIA PRETENDIDO – MÉTODO
DAS ÁREAS DO EDIFÍCIO
Fonte: Brasil, 2014

76
ANEXO B – CARACTERÍSTICAS DOS EQUIPAMENTOS UTILIZADOS NAS

SALAS “A”
Potência
Elétrica Capacidade de Nº
Média Refrigeração De CEE
SALA Marca Modelo (W) Nominal (Btu/h) Aparelhos (W/W)
A1 Fujitsu ASBA18JCC 1580 18000 1 3,34
A2 LG TSNC072YMA0 660 7500 4 3,33
A3 Elgin SSQIA-12000-2 1040 12000 1 3,38
A4 Samsung AR09HPSUAWQNAZ 785 9000 1 3,36
A5 Elgin SSQIA-12000-2 1040 12000 2 3,38
A6 Hitachi RACIV22BH 1887 22000 2 3,42
A7 Fujitsu ABBA30LCT 2530 29000 2 3,36
LG ASNW122B4A0 1010 12000 1 3,48
A8 Samsung AR18HVSPASNNAZ 1555 18000 2 3,39
A9 Fujitsu ASBA30JFC 2270 27000 2 3,48
Fonte: Disponível em
http://www.inmetro.gov.br/consumidor/pbe/condicionadores_ar_split_hiwall_indicenovo.pdf
http://www.inmetro.gov.br/consumidor/pbe/condicionadores_ar_piso-teto_indicenovo.pdf
SALAS A3 e A4
Fonte: Disponível em: http://latinasur.com/arq_gal/produtos/13_LAMPADA_LED.pdf

77
SALAS A1, A5, A8 e A9
Fonte: Disponível em:

http://www.valepinho.com.br/wwwroot/pdf/gallery/80/fluorescente_tubular_tl5_he_out2009.pdf
SALAS A2 e A6
Fonte: Disponível em:

http://www.arkshop.com.br/lampada-led-3u-e27-5w-bivolt-90-mais-economica-6000k-branco-frio
78
APÊNDICE A – SITES DAS CARACTERÍSTICAS DOS APARELHOS DE AR

CONDICIONADO DAS SALAS DO BLOCO 5
Springer Mundial:
http://www.cotacota.com.br/descricaoproduto/condicionador-de-ar-springer-carrier-mundial-
ych305d-janela-30000-btus_2185
Springer Silentia:
http://cdn.springer.com.br/downloads_docs/08c2f-MS-Silentia--GW256.08.100--B-07.06.pdf
Consul:
http://www.maxfrio.com.br/popup/tmaster.htm
LG Gold:
http://shopping.uol.com.br/ar-condicionado-lg-wmm210fga-janela-21000-btus-frio-
220v_184848.html#aba4
Elgin,Electrolux:
http://www.inmetro.gov.br/consumidor/pbe/condicionadores_ar_janela_indice-antigo.pdf

TCC Samuel 2015-7

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

TCC Samuel 2015-7

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DO PIAUÍ

SAMUEL DE ALENCAR BEZERRA

ANÁLISE ENVOLTÓRIA DE DADOS APLICADA NA CLASSIFICAÇÃO DE

ANÁLISE ENVOLTÓRIA DE DADOS APLICADA NA CLASSIFICAÇÃO DE

Trabalho de Conclusão de Curso de Graduação

Orientador: Prof. Dr. Fábio Rocha Barbosa.

ANÁLISE ENVOLTÓRIA DE DADOS APLICADA NA CLASSIFICAÇÃO DE

Trabalho de Conclusão de Curso de Graduação

Aprovada em: ___/___/______.

À minha família, pela torcida e pelos incentivos.

Palavras-chave: Eficiência, Metas, DEA.

Keywords: Efficiency, targets, DEA.

Figura 1 – Distribuição típica de consumo de energia elétrica em prédios públicos....... 19

Tabela 1 – Correspondência entre níveis de eficiência e pontuações................................. 19

ANEEL Agência Nacional de Energia Elétrica

BTU British Thermal Unit – Unidade Térmica Britânica

A Segunda Revolução Industrial aliada ao desenvolvimento da eletricidade, no

uma discussão sobre o estilo de vida que estava sendo levado.

eficientes recebem uma classificação “A” e o Selo Procel. Conforme a legislação, as

1.2.1 Objetivo Geral

Avaliar a eficiência energética de ambientes do Centro de Tecnologia da

1.2.2 Objetivos Específicos

 Obter escores de eficiência para cada ambiente e identificar os ambientes mais

“Energia eficiente é a máxima prioridade na mudança para um padrão de vida

[...] reduz a necessidade de aumentar a capacidade geradora e novos investimentos,

A busca pela melhoria da eficiência energética discutida acima está relacionada

1.4 Estrutura do trabalho

Este capítulo apresenta uma revisão da literatura existente, com o objetivo de

2.1 Classificação de ambientes segundo o RTQ-C

Conforme dito anteriormente, a avaliação da eficiência de prédios públicos,

Tabela 1 – Correspondência entre níveis de eficiência e pontuações

Conforme o relatório Avaliação do Mercado de Eficiência Energética no Brasil, a

Figura 1 – Distribuição típica de consumo de energia elétrica em prédios públicos

Fonte: Eletrobrás (2009)

A pontuação geral do edifício é calculada de acordo com a Equação 1:

Assim, de acordo com a pontuação final, o edifício é classificado de acordo

Tabela 2 – Correspondência entre níveis de eficiência e pontuações finais

Além da pontuação necessária, para ser classificado em A ou B o edifício

Possuir circuito elétrico por uso final: iluminação, sistema de condicionamento de

Ao final da avaliação, a classificação do edifício é apresentada na ENCE,

Figura 2 – Modelo de Etiqueta Nacional de Conservação de Energia (ENCE)

Fonte: Brasil (2009)

2.1.1 Avaliação do Sistema de Iluminação

O sistema de iluminação artificial, constituído basicamente por lâmpadas,

Fonte: Brasil (2009)

A Tabela 3 define limites de densidade de potência relativa apenas para os níveis

n∙ΦL ∙FU ∙FD (4)

FU é o fator de utilização (adimensional);

O valor da iluminância média final EF obtido deve ser superior à iluminância de

A razão P/A também é conhecida como DPI, e é utilizada para avaliar a

 Ambientes com área maior que 250 m² devem possuir um dispositivo de

Os três pré-requisitos são obrigatórios para obter uma classificação A, enquanto

2.1.2 Avaliação do Sistema de Condicionamento de Ar

Assim como o sistema de iluminação, o sistema de condicionamento de ar é visto

Em algumas literaturas, o CEE também é chamado EER (Energy Efficiency Ratio

Tabela 4 – Índices de eficiência mínimos para aparelhos tipo janela

Fonte: INMETRO, disponível em: http://www.inmetro.gov.br/consumidor/pbe/condicionadores.asp

Tabela 5 – Índices de eficiência mínimos para aparelhos tipo split

Fonte: INMETRO, disponível em: http://www.inmetro.gov.br/consumidor/pbe/condicionadores.asp

Segundo Moraes (2009), em um estudo comparativo da eficiência de aparelhos

edificação, evitando a elevação da temperatura do fluido do condensador.

Fonte: Brasil (2009)

2.2 Medição de eficiência e Análise Envoltória de Dados

2.2.1 Conceitos preliminares

Aprovada em: _/_/______.