Produtividade, Eficiência e

Benchmarking de Serviços
Logísticos
 Introdução
 Dentro dos conceitos modernos de Supply
Chain management, as atividades
logísticas ganharam importantes
conotações para a melhoria da
competitividade;

 Compreensão de produtividade, eficiência

e benchmarking aplicados a logística.
 Produtividade
 Produtividade é definida como a relação
entre o que foi produzido e os insumos
utilizados na produção num intervalo de
tempo;
 Sistema de produção são os elementos
que atuam para transformar insumos em
produtos ou serviços.
 Produtividade
 Índices de produtividade são de grande
importância para definir a produtividade
através das unidades que formam os
sistemas de estudos;
 Os índices podem servir também para
comparar os elementos do sistema com
outras unidades externas.
 Produtividade
 Função de produção é uma
representação matemática de insumos em
produtos, que deve-se ajustar aos dados
através de métodos estatísticos;
 Ao se ajustar uma função de produção
não deve-se esquecer do fator monetário,
por isso esses são ajustados pelo
mercado.
 Produtividade
 O processo de produção analisado vai
definir uma estrutura que se apóia nos
preços dos insumos;
 O processo produtivo propriamente dito,
levando em conta as variáveis não-
monetárias, é representado por uma
função de produção
 Produtividade
 A função de produção não mede o
desempenho médio de um setor;
 Procura-se medir a fronteira de máxima
produtividade, representado pelo máximo
desempenho, considerando apenas o
input e output.
 Produtividade
 Para ajustar uma função de produção a
um conjunto de dados, precisa-se
selecionar as variáveis da mesma e
escolher e seguir um tipo de função
matemática para representar o processo;
 Um problema sério de ajuste de função de
produção é o da não-garantia de que a
função represente efetivamente a máxima
produtividade.
 Eficiência
 A eficiência é importante para a
produtividade pois sem eficiência, o plano
de produtividade não funcionaria e os
processos não seriam finalizados com
êxito.
 Análise envoltória de dados
 Foi criada e desenvolvida na década de
70, tendo hoje larga aplicação na análise
da produtividade e eficiência de empresas
e órgãos públicos, servindo também de
apoio para estudo de benchmarking.
Fundamentos da análise envoltória
de dados
 Nas regras da análise envoltória de
dados, cada participante recebe a
denominação DMU (Decision Making Unit,
unidade decisória). Isso porque
dependendo do problema os participantes
podem ser empresas, organizações,
departamentos e mesmo pessoas físicas.
Assim o termo DMU é mais abrangente.
 Benchmarking
 A expressão benchmark refere-se ao
marco gráfico de referência fixo, com
coordenadas e altitude conhecidas,
utilizado para balizar levantamentos
topográficos, ou seja, é o processo de
aferir medidas contra padrões pré-
definidos numa bancada (Bench).
 Benchmarking é definido como sendo os
procedimentos sistemáticos utilizados
para identificar as melhores práticas
observadas em um determinado setor e
modificar a atuação de um determinado
participante de forma a atingir um nível de
desempenho superior.
 O Benchmarking se apóia em duas
premissas básicas. Em primeiro lugar,
admiti-se que as firmas e devam buscar
aperfeiçoamentos contínuos em todas as
facetas de suas operações se quiserem
sobreviver. Isso significa que a empresa
deve corrigir ou aperfeiçoar os processos,
ou as atividades, estejam apresentando
problemas, antes que se deteriorem
completamente. Deve se evitar a demora
de uma solução para que o sistema ainda
possa ser corrigido.
 A segunda premissa é que as melhores
práticas devem ser buscadas
externamente à empresa, sempre que
possível. Tradicionalmente, as empresas
avaliam seu desempenho fazendo
comparações internas. Assim, os
administradores comparavam a
produtividade das unidades regionais
premiando as mais produtivas,
estimulando as demais o aumento da
produtividade.
 Tal política pode ser potencialmente
desastrosa levando a firma a um forte
grau de endogenia, afastando-a das
melhores práticas observadas no mercado
e tornado-a competitiva. Porém
recomenda-se que iniciam o
benchmarking internamente, integrando
suas várias unidades fazendo upgrade
das menos eficientes de modo a se
aproximarem das eficientes.
 Uma vez vencida essa etapa, é
necessário realizar o benchmarking
externo, tomando como referência as
melhores práticas do mercado.
 Uma das etapas críticas do benchmarking
é identificar as empresas eficientes que
devem servir de parceiras para
referenciação nesse processo. A análise
revoltória de dados pode servir de
excelente apoio nesse processo.
 Um dos objetivos do benchmarking é
determinar as ações necessárias para
tornar eficiente uma empresa considerada
não-eficiente.
 Algumas empresas são eficientes, mas
atuam isoladamente no mercado, seja
porque são grandes demais em relação
aos outros, seja porque utilizam
tecnologias ou estratégias de negócio
muito particulares. Por outro lado, há um
conjunto de empresas eficientes que
servem de referência para o
benchmarking das não-eficientes.
 Eficiência Virtual
 Quando uma empresa não é eficiente mas está
próxima da fronteira de produtividade máxima, a
análise de envoltória de dados permite estimar
uma projeção virtual dessa empresa, localizada
sobre a fronteira.
 Em geral, há três formas de fazer essa projeção
DEA. Uma delas segue a orientação da
maximização dos outputs, mantendo os inputs
nos níveis virtuais.
 Noutros casos, se deseja minimizar a
utilização dos inputs, mas mantendo o
output atual.
 A terceira envolve uma variação
proporcional de todas variáveis, sejam
inputs, sejam outputs.
 Essa projeção deve ser vista como uma
aproximação. Por essa razão, a
chamamos de eficiência virtual
 Benchmarking nas unidades Não-
eficientes
 O upgrade nas unidades não-eficientes
via DEA apresenta maior confiabilidade,
pois não implica mudanças muito
drásticas nas variáveis.
 Para DMUs com eficiência baixa,
podemos usar os resultados do DEA, mas
as variáveis qualitativas passam a ter
predominância na avaliação.
CTLV 1 – DANIEL LIBARDI, JOÃO IGOR,
JOÃO PEDRO, KEVELIN YURI.