ANAIS ANÁLISE DE EFICIÊNCIA DE EMPRESAS DO SETOR DE TRANSPORTE NO BRASIL: UM ESTUDO UTILIZANDO DEA

Transcrição

1 ANÁLISE DE EFICIÊNCIA DE EMPRESAS DO SETOR DE TRANSPORTE NO BRASIL: UM ESTUDO UTILIZANDO DEA RODRIGO PAIVA SOUZA ( rpaivasouza@yahoo.com.br ) PROGRAMA DE PÓS-GRADUAÇÃO EM CONTROLADORIA E CONTABILIDADE DA FEA/USP SIMONE ALVES DA COSTA ( simone.ac@gmail.com ) PROGRAMA DE PÓS-GRADUAÇÃO EM CONTROLADORIA E CONTABILIDADE DA FEA/USP MARCELO ALVARO DA SILVA MACEDO ( malvaro.facc.ufrj@gmail.com, malvaro@facc.ufrj.br ) PROGRAMA DE MESTRADO EM CIÊNCIAS CONTÁBEIS DA FACC/UFRJ O objetivo desta pesquisa é avaliar a eficiência de empresas de transporte de carga, através da aplicação da Análise Envoltória de Dados (DEA), e determinar dessas, quais podem ser consideradas como padrão de referência (benchmarking). A análise dos dados contábilfinanceiros, disponíveis na base Melhores e Maiores da Exame-FIPECAFI, das 2 empresas sob análise, mostra que duas unidades eram eficientes, servindo como padrão de referência para as demais. Percebe-se, ainda, que estas duas empresas operam em modais pouco comuns, no caso marítimo e dutoviário. Além disso, as três empresas com piores resultados operam no modal rodoviário. Cadeia de Suprimentos, DEA, Eficiência, Transporte de Carga.. INTRODUÇÃO É indiscutível a importância do setor de transportes para o bom andamento da economia. Segundo Ballou (2006), os custos com transporte representam aproximadamente 60% dos custos totais da cadeia de suprimentos. O autor ainda argumenta que o transporte é a área operacional da logística que geograficamente movimenta e posiciona os estoques. Mais do que isso, pode-se observar que o setor viabiliza a entrega de produtos aos consumidores, a entrega de matéria prima à produção industrial e o escoamento da própria produção. Assim, sua influência tangencia todos os outros setores da economia, contribuindo significativamente para o funcionamento eficiente da cadeia de suprimentos como um todo. Galindo (2009) considera que o desafio do sistema de transportes é intervir sutil e deliberadamente na sociedade, para que este seja usado efetivamente em coordenação com outras ações públicas e privadas, a fim de alcançar objetivos e metas da sociedade como um todo. O autor ainda afirma que o impacto e o papel do transporte parecem de fato ultrapassar os limites do setor e, fazendo uma retrospectiva sobre o desenvolvimento das cidades, argumenta que não teria sido possível o aumento de tamanho, alcance e produtividade sem o desenvolvimento dos transportes. Observando estes aspectos, este trabalho procura estabelecer um padrão de referência (benchmarking) para avaliação de eficiência das empresas deste setor, a partir de dados divulgados publicamente. Reiner e Hofmann (2006) afirmam que o benchmarking é uma técnica que procura potenciais de melhoria nos processos e que por isso pode ser usada para determinar melhores práticas nos processos que envolvem a cadeia de suprimentos, o que impacta diretamente em um melhor desempenho. Os autores ainda afirmam que a técnica tem potencial para diferenciar processos eficientes dos ineficientes, dentro do escopo da cadeia de suprimentos. /7

2 A mensuração da eficiência se torna importante para estudos de concorrência dentro do setor, manutenção das empresas em longo prazo e para o próprio aprendizado da empresa com os concorrentes considerados como modelo ou referência. Desta forma, para mensuração da eficiência optou-se pela utilização da técnica Análise Envoltória de Dados (Data Envelopment Analysis DEA). A DEA pode ser usada para medir eficiência de setores inteiros, de empresas de um setor ou mesmo de unidades dentro de uma empresa. Esta ferramenta não apenas indica qual a unidade mais eficiente, como também torna possível a identificação dos pontos a serem melhorados para que as demais unidades possam se tornar mais eficientes, bem como a fronteira de eficiência das unidades avaliadas. Dado o importante papel que as empresas do setor de transportes exercem na cadeia de suprimentos, a eficiência das empresas desse setor contribui para a eficiência da cadeia como um todo. Assim, o artigo busca responder à seguinte questão de pesquisa: Em que medida é possível mensurar a eficiência de empresas brasileiras do setor de transporte de carga a partir de dados públicos? A partir deste tipo de estudo também é possível que as próprias empresas do setor se utilizem da técnica para, a partir de dados disponíveis aos usuários externos, realizar estudos concorrenciais e melhorar seus parâmetros de eficiência. Para aplicação da DEA foi utilizada a base de dados Melhores e Maiores da Revista Exame/FIPECAFI, referente ao ano de 2008, ano base Como a DEA analisa apenas conjuntos de unidades com as mesmas características, foram realizados alguns tratamentos na base de dados para que fossem analisadas apenas unidades do setor de transporte de carga. Identificou-se ainda que algumas empresas operavam em diferentes modais ou são empresas de transporte multimodais, entretanto, decidiu-se pela análise das unidades por nível de setor de atuação. 2. O SETOR DE TRANSPORTES De uma maneira simplista, pode-se considerar que transporte é a movimentação dos indivíduos e de bens de um lugar a outro. No entanto, isto não é tão simples se for considerado que a cada dia surgem novas dinâmicas de transporte e uma gama maior de usuários interessados em sua utilização. Barat (2007) vai além ao afirmar que existem inter-relações e gargalos entre o sistema de transportes e o desenvolvimento econômico no longo prazo. A gestão adequada, portanto, requer planejamento e investimento para que o sistema como um todo não corra o risco de ser saturado. Especificamente tratando-se do Brasil, Erhart e Palmeira (2006) afirmam que a falta de planejamento e de investimentos no setor de transportes implicam na incapacidade de acompanhar a demanda, podendo gerar um colapso do sistema nacional. Os autores também argumentam que alguns fatores deste risco já podem ser percebidos, como uma frota de caminhões e locomotivas muito antiga, grande parte das rodovias em condições péssimas, pequena disponibilidade de infra-estrutura ferroviária e os sistemas aéreo e hidroviário com baixa participação, o que é prejudicial ao sistema, como será visto adiante. 2.. A cadeia de suprimentos Ballou (2006) traz os transportes como um elemento da cadeia de suprimentos e entre as atividades chave para o bom andamento da cadeia. A cadeia de suprimentos nada mais é do que a organização dos fluxos de entradas e saídas de produtos, serviços e informações desde o fornecedor até o cliente. Aldigueri e Rocha (2008) afirmam que a meta de uma empresa competitiva é aumentar ao máximo o valor de seus produtos, ao mesmo tempo em que busca minimizar os custos globais da cadeia de suprimento. O transporte faz a ligação entre os elos da cadeia, contribuindo para a eficácia das operações logísticas. Neste contexto, Bowersox, Closs e Cooper (2007) afirmam que o 2/7

3 transporte constitui-se na maior despesa envolvendo a maioria das operações logísticas. Fleury (998) também aborda esta problemática ressaltando que grandes investimentos estão sendo realizados com o objetivo de aprimoramento das operações logísticas. No entanto, todo este esforço empresarial esbarra nas enormes deficiências ainda hoje encontradas na infra-estrutura de transportes e comunicações. Existem aí enormes oportunidades para aumento de produtividade e melhoria da qualidade de serviços. Lambert e Pohlen (200) afirmam que a gestão da cadeia de suprimentos é a integração de processos de negócios-chave de um usuário final, através de fornecedores que providenciam produtos, serviços e informação que adiciona valor aos clientes e outros stakeholders. Ballou (2006) conceitua a gestão da cadeia de suprimentos como a colaboração entre empresas para impulsionar o posicionamento estratégico e para melhorar a eficiência operacional. Por estas abordagens, fica evidente que a mensuração da eficiência no contexto da cadeia de suprimentos é fundamental para a manutenção do desempenho. Litman (2002) cita alguns benefícios que projetos para melhoria no setor de transportes podem trazer, a saber: melhorias na acessibilidade ao sistema de transporte e na mobilidade; aumento na produtividade econômica; geração de renda; aumento na segurança e confiabilidade das atividades de transporte; redução nos custos de transporte, entre outros. Dessa forma, uma melhoria no sistema de transporte que dê suporte às atividades de um dado sistema produtivo, possivelmente acarretará numa redução de custos e/ou numa maior atratividade ao consumo (ALDIGUERI e ROCHA, 2008) Modais de Transporte A Lei 9.6/98 conceitua o Transporte Multimodal de Cargas como aquele que utiliza duas ou mais modalidades de transporte, regido por um único contrato, desde a origem até o destino, e é executado sob a responsabilidade única de um Operador de Transporte Multimodal OTM (pessoa jurídica contratada como principal para a realização do Transporte Multimodal de Cargas da origem até o destino, por meios próprios ou por intermédio de terceiros). Wanke e Fleury (2006) afirmam que a principal decisão relativa ao transporte de cargas é a escolha dos modais de transporte. A Agência Nacional de Transporte Terrestre (ANTT) estabelece cinco como os modos básicos de transporte: rodoviário, ferroviário, dutoviário, aquaviário e aéreo. Segundo os autores, cada modal apresenta uma estrutura de custos diferenciada que se justifica pelas suas características operacionais. Assim, poderia ser estabelecido um enfoque estratégico às diferentes decisões de transporte observando-se a composição da estrutura de custos em termos de seus componentes fixos ou variáveis, diretos ou indiretos. Eles ainda apresentam uma breve síntese das diferenças observadas entre as estruturas de custos, a saber: Modal Ferroviário: custos fixos elevados em decorrência de substanciais investimentos (exemplos: trilhos, terminais, locomotivas e vagões); custos variáveis pequenos; Modal Rodoviário: custos fixos pequenos, pois a construção e a manutenção de rodovias dependem do poder público; custos variáveis medianos (exemplos: combustível, óleo e manutenção); Modal Aquaviário: custos fixos medianos, decorrentes do investimento em embarcações e em equipamentos; custos variáveis relativamente pequenos, em razão da capacidade de transportar grandes volumes e toneladas; Modal Dutoviário: custos fixos mais elevados, em decorrência de direitos de passagem, construção, estações de controle e capacidade de bombeamento; custos variáveis mais baixos, muitas vezes desprezíveis; 3/7

4 Modal Aéreo: custos fixos baixos (exemplos: aeronave e sistemas de manuseio); custos variáveis mais elevados (exemplos: combustível, mão-de obra e manutenção). Erhart e Palmeira (2006) argumentam que o transporte de cargas vem se deteriorando nas últimas décadas, o que acarreta em inúmeros desperdícios com acidentes, roubos de carga, ineficiências operacionais e de energia. Um estudo realizado pelo Centro de Estudos em Logística - COPPEAD, sobre Custos Logísticos no Brasil, constatou que o grande problema da matriz de transporte do Brasil é que, devido à falta de infra-estrutura adequada, nem sempre se utiliza o modal mais adequado ao tipo de carga transportado (LIMA, 2005). Assim, alguns modais como o rodoviário ficam sobrecarregados em detrimento a outros, como o ferroviário, que seriam mais úteis e eficientes se oferecessem a estrutura adequada para utilização. No presente trabalho, privilegiou-se a análise das empresas de transporte de carga, por ser entendido que são as que mais contribuem para o desenvolvimento do setor no contexto da cadeia de suprimentos, servindo de ferramenta fundamental de apoio para o desenvolvimento de todos os elos da cadeia. Como foi visto, o planejamento e desenvolvimento destas empresas implicam em ganho para todos, resultando até em uma demanda para um planejamento nacional de infra-estrutura mais efetiva e adequada às necessidades do país. 3. ANÁLISE ENVOLTÓRIA DE DADOS (DEA) A utilização da metodologia de Análise Envoltória de Dados tem crescido no ambiente acadêmico, dada a freqüente publicação de trabalhos que se utilizam dessa técnica. A DEA é uma técnica de programação linear não paramétrica que tem o objetivo de medir a eficiência relativa de unidades homogêneas, dado um conjunto de recursos (inputs) e resultados (outputs), sendo os inputs uma medida do tipo quanto menor melhor e, os outputs, medidas do tipo quanto maior melhor (MACEDO, BARBOSA e CAVALVANTE, 2009). As unidades citadas são denominadas de unidades de tomada de decisão ou DMU s (Decision Making Unit) que, para efeito da DEA, podem ser empresas, unidades de uma empresa, agências de um banco, cidades ou qualquer outro tipo de unidade homogênea que se tenha interesse em fazer comparações. Segundo Charnes, Cooper e Rhodes (978), o propósito da técnica é mensurar a eficiência de qualquer DMU através da máxima proporção de resultados ponderados sobre os recursos ponderados. A DEA tem como objetivo solucionar o problema da mensuração de eficiência de produtividade, que é uma questão importante tanto para os teóricos da economia quanto para os elaboradores de políticas econômicas (FARRELL, 957). Banker, Charnes e Cooper (984) argumentam que o principal uso dessa técnica tem sido na avaliação dos gestores e dos programas de eficiência. Outra vantagem da DEA é que é possível medir as eficiências das DMU s sob análise a partir de dados empíricos e ela não requer indicadores necessariamente monetários, ou seja, essa técnica permite a avaliação da eficiência relativa sob diversas perspectivas, desde que existam dados suficientes. O trabalho de Farrell (957) pode ser considerado como pioneiro na tentativa de encontrar métodos de calcular a eficiência relativa de unidades produtivas, bem como encontrar as fronteiras de eficiência. O autor realizou um trabalho comparando unidades agrícolas de quarenta e oito estados norte-americanos, encontrando aqueles que seriam os mais eficientes dentre a amostra, e também, desenhou a fronteira de eficiência para as unidades analisadas, indicando ainda os pontos a melhorar para unidades ineficientes. Um trabalho que agregou muito valor nessa linha foi o de Charnes, Cooper e Rhodes (978), onde os autores desenvolveram o modelo básico da DEA que foi batizado com suas iniciais (modelo CCR). O modelo CCR basicamente consiste na mensuração do valor 4/7

5 máximo dos outputs utilizados que poderia ser obtido a partir do valor mínimo dos inputs, também utilizados na análise (Figura ). Nesse sentido, a DEA mede a eficiência relativa das DMU s, pois está condicionada às DMU s que integram a análise, aos dados passados de input e output e, ainda, a quais as variáveis de input e output serão selecionadas na análise, cuja decisão depende da disponibilidade de dados completos e similares para todas as unidades sob análise. Max E S.a.: c = s j= m i= s j= m i= uj y vi x uj y jk vi x ik jc ic, k uj 0, j, vi 0, i =, 2,..., c,..., n Figura : O modelo CCR Feitas estas considerações, o grande problema a ser solucionado pela DEA é, portanto, a atribuição dos pesos v e u aos inputs e outputs, respectivamente, de forma a maximizar o resultado. Para obter tais pesos é preciso estabelecer algumas contingências que a DEA deverá considerar, por exemplo, é preciso indicar ao modelo que o valor máximo da relação entre os outputs e os inputs é igual a um e que, portanto, a razão entre o primeiro e o segundo deve ser menor ou igual a um. É preciso indicar também que os pesos das variáveis devem ser sempre maiores ou iguais a zero. Outros pressupostos da DEA serão apresentados durante o desenvolvimento do problema específico deste trabalho. O outro trabalho que contribui bastante para o desenvolvimento da DEA foi o de Banker, Charnes e Cooper (984). Os autores criaram o modelo de DEA chamado BCC, onde buscavam fazer pequenos ajustes ao modelo anterior (CCR), de forma a capturar se havia ganho de escala crescente, constante ou decrescente (BANKER, CHARNES e COOPER, 984), já o modelo CCR assumia apenas ganhos constantes. O modelo BCC é demonstrado a seguir (Figura 2). Max Ec = S.a.: s s j= j= uj yjc + u' vi x uj yjk + u' m m i= i= vi x ik uj 0, j, vi 0, i ic u' irrestrito, k =, 2,..., c,..., n Figura 2: O modelo BCC Porém, as modelagens apresentadas (Figuras e 2) têm como base uma programação fracionária, que não é de fácil solução e interpretação. Por conta disso, utiliza-se o artifício matemático proposto por Charnes e Cooper (962), no sentido de linearizar esta problema fracionário, transformando-o em um problema de programaçãi linear (PPL). Assim sendo, o modelo DEA-BCC, que será utilizado neste trabalho, pelo fato de ter-se unidades de tamanhos 5/7

6 muito diferentes, fica da seguinte maneira (Figura 3): Max Ec = S.a.: m i= s j= s j= vi x uj y u j, vi uj yjc + u' ic jk = - u' irrestrito m i= 0, i, j. vi xik + u' 0, k =, 2,...,c,..., n Figura 3: Modelo BCC linearizado Neste modelo, c é a unidade (DMU Decision Making Units) que está sendo avaliada e u é uma variável irrestrita, que responde pela questão dos retornos variáveis de escala. O problema acima envolve a procura de valores para u j e v i, que são os pesos, de modo que maximize a soma ponderada dos outputs (y j ) da DMU em estudo, sujeita as restrições de que a soma ponderada dos inputs (x i ), desta mesma DMU, seja igual a um e a diferença entre a soma ponderada dos outputs (y j ) e a soma ponderada dos inputs (x i ) seja menor ou igual a zero, para todas as DMU's. Esta última restrição faz com que quando o mesmo conjunto de coeficientes de entrada e saída (os vários u j e v i ) for aplicado a todas as outras unidades que estão sendo comparadas, nenhuma unidade excederá 00% de eficiência. Esta forma de PPL é conhecida como problema dos multiplicadores, como também são chamados os pesos, u j e v i e será utilizada nesta análise para calcular o desempenho multicriterial de cada transportadora. Macedo e Manhães (2009) dizem que neste modelo, para cada DMU a ser analisada, formula-se um problema de otimização com o objetivo de determinar os valores que esta DMU atribuiria aos multiplicadores u j e v i (importância relativa de cada variável/critério), de modo a aparecer com a maior eficiência possível. 4. ANÁLISE DA EFICIÊNCIA, DESEMPENHO ORGANIZACIONAL E DEA Num quadro de globalização e de abertura dos mercados, considerações sobre desempenho superior e estratégias que permitam alcançá-lo, passaram a estar mais presentes nas organizações. Daí, entender as razões do sucesso das empresas e os meios que levam as organizações a alcançarem vantagem competitiva sustentável tornou-se uma área de pesquisa de relevante importância nas ciências gerenciais. A mensuração de desempenho é definida por Neely (998) como sendo o processo de quantificar a eficiência e a efetividade organizacional, gerando informações importantes para que ações preventivas e/ou corretivas sejam tomadas. O autor ressalta ainda que as avaliações feitas em caráter comparativo, por exemplo, em relação a seu ambiente competitivo, são geradoras de resultados potencialmente relevantes, já que informam o posicionamento da empresa perante as demais, além de subsidiar a escolha de benchmarks (referências). De acordo com Gasparetto (2004), Marques (2004) e Iudícibus (2008), a Contabilidade, através de suas demonstrações, pode ser considerada como uma das mais importantes linguagens dos negócios e um importante provedor de informações para a avaliação do desempenho organizacional. Isso porque, a avaliação do desempenho da empresa é, de modo macro, a finalidade gerencial das informações que a Contabilidade fornece. Apesar da indiscutível importância dos aspectos não-financeiros na análise e avaliação do desempenho organizacional, o que se percebe é que ainda se tem na análise contábilfinanceira o foco principal de muitos estudos. Brito e Vasconcelos (2005) destacam que os indicadores contábil-financeiros acabam sendo usados, uma vez que estão disponíveis e são 6/7

7 comparáveis, mesmo com a restrição de se ter apenas uma dimensão limitada de desempenho sendo mensurada. Os autores complementam ressaltando que mesmo quando trata-se apenas do desempenho contábil-financeiro, o desempenho tem uma natureza multidimensional ou multicriterial, já que seus indicadores carregam informações de várias áreas da organização. Porém, Matarazzo (2003), Marques (2004) e Assaf Neto (2006) destacam que apesar de ser fonte de informações necessárias a qualquer abordagem de análise de desempenho organizacional, a principal preocupação da análise contábil-financeira é fornecer uma avaliação genérica sobre diferentes aspectos da empresa em análise, todos vistos sob a ótica econômico-financeira, sem descer a um nível maior de profundidade, que só seria alcançada com a inclusão de outras informações estratégicas da organização em análise. Neste sentido, Matarazzo (2003), Assaf Neto (2006) e Iudícibus (2008) destacam que uma questão que se torna interessante na análise contábil-financeira é o que fazer com o conjunto de índices calculados no sentido de se obter uma visão do desempenho da empresa. Para isso, é preciso aplicar metodologias que integrem os indicadores da análise contábilfinanceira, de modo a organizar e condensar a informação, haja vista a quantidade de indicadores e a diversidade de combinações possíveis para análise de desempenho. Segundo Santos e Casa Nova (2005), o que está na base de aplicação destas metodologias é o entendimento do desempenho como um fator multidimensional ou multicriterial, expresso mediante uma análise conjunta dos indicadores. A resposta mais importante do uso destes métodos é a caracterização de uma medida de desempenho, que faz com que a decisão fique orientada por um único indicador construído a partir de várias abordagens de desempenho diferentes. (MACEDO, 2006). Dentre os métodos de Apoio Multicritério à Decisão (AMD) destaca-se a Análise Envoltória de Dados (DEA). Apesar de originalmente ser uma metodologia proposta em um ambiente de produção (transformação de insumos em produtos), salientam Macedo e Manhães (2009), a DEA pode ser utilizada como um método multicritério, quando se utiliza indicadores do tipo quanto menor melhor no lugar dos inputs (ex.: risco, custo, endividamento etc.) e do tipo quanto maior melhor no lugar dos outputs (ex.: lucratividade, retorno, liquidez etc.). Isso transforma a DEA em um método de Apoio Multicritério à Decisão (AMD), aplicado com o intuito de consolidar várias perspectivas (critérios) de desempenho diferentes. A seguir destacam-se alguns exemplos de trabalhos mais recentes em que a técnica de Análise Envoltória de Dados foi utilizada, reforçando a afirmação anterior de que a utilização da DEA tem crescido no meio acadêmico. Belloni (2000) desenvolveu tese de doutorado utilizando a DEA com o objetivo de medir a eficiência produtiva de 33 universidades federais brasileiras, utilizando como medida de mensuração, indicadores de eficiência produtiva. Constatou-se ao final que, dentre as unidades avaliadas, havia 6 que seriam tecnicamente eficientes e que havia oportunidades de melhoria de eficiência, principalmente no indicador da atividade de pesquisa. Kassai (2002) realizou, em sua tese de doutorado, um estudo com o objetivo de avaliar o desempenho econômico das empresas do setor alimentício com base na DEA, utilizando dados de demonstrações contábeis publicadas na revista Melhores e Maiores. Já Niederauer (2002) propôs, em sua tese de doutorado, a utilização da DEA como uma ferramenta para avaliar a produtividade dos projetos de ciência e tecnologia (C&T) que solicitam bolsa auxílio ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq). Como medida de input o autor utilizou o tempo de doutorado e como medidas de output o autor utilizou indicadores de C&T desenvolvidos e propostos por ele. Santos e Casa Nova (2005) criaram um modelo estruturado de análise de demonstrações contábeis baseado em Análise Envoltória de Dados. Foi um estudo inovador, justamente por utilizar a DEA em demonstrações contábeis, o que tinha sido feito em poucos 7/7

8 estudos até então. Para isso, eles partiram de dados publicados em demonstrações contábeis de empresas do setor elétrico brasileiro, obtidos da base de dados Melhores e Maiores, para os anos de 999 e Os scores de eficiência obtidos pela aplicação do modelo foram comparados com o indicador de Excelência Empresarial da Melhores e Maiores e com o Retorno sobre o Patrimônio Líquido, e os resultados sugeriram a complementaridade dos métodos de avaliação de empresas apresentados. Minato (2006) utilizou a DEA para avaliar a produtividade de uma indústria do ramo automotivo no Brasil, ao longo de alguns anos. O que chama atenção neste trabalho é que a base de comparação é a própria empresa, que se utiliza da metodologia como indicador de desempenho para a companhia. Reiner e Hofmann (2006) publicaram um estudo no International Journal of Production Research utilizando a técnica DEA combinada com análise de dependência (para determinação dos inputs e outputs apropriados), onde o objetivo principal era medir o desempenho da cadeia de suprimentos em nível interorganizacional em 65 empresas européias e norte-americanas. Os indicadores de inputs e outputs foram extraídos do modelo SCOR, que é uma instituição americana de melhores práticas relacionadas à cadeia de suprimentos, e o principal achado foi que as companhias mais eficientes eram aquelas que melhor atendiam às melhores práticas do mercado e, também, as que possuíam melhor desempenho financeiro. Macedo, Barbosa e Cavalcante (2009) publicaram um trabalho cujo objetivo era relacionar a DEA com os indicadores do Balance Scorecard (BSC) de 50 agências de um grande banco brasileiro. Entre os principais achados, os autores destacaram que 26 unidades foram apontadas como eficientes, mas apenas 0 poderiam ser apontadas como benchmarking por possuírem um nível de desempenho significativamente superior às demais, sendo também destacado pelos autores que, dentre as variáveis analisadas, o resultado econômico é a que mais apresentava potencial de melhorias. Outros trabalhos recentes já relacionaram diretamente segmentos do setor de transportes à DEA. No transporte de passageiros, Ceretta e Sonza (2007) utilizaram a DEA para analisar a eficiência das empresas de transporte coletivo do município de Santa Maria no Rio Grande do Sul, a fim de justificar um aumento ótimo de transporte coletivo que não onerasse tanto os passageiros nem prejudicasse as empresas de menor porte. Já o trabalho de Soares de Mello et al. (2003) teve como objetivo avaliar a eficiência das companhias aéreas brasileiras, através do uso de Análise de Envoltória de Dados (DEA). Os resultados da análise das empresas de transporte aéreo de passageiros nos anos de 998, 999 e 2000 mostram que a separação em três modelos de análise de eficiência permitiu uma desagregação de variáveis, levando à descoberta de eficiências não evidentes e à explicação de algumas ineficiências. Além disso, os autores perceberam que as companhias passaram a utilizar menos os recursos de que dispunham, em vez de diminuir esses recursos. Isto significa deixar aviões por mais tempo em terra e fazer menos uso de suas tripulações. Esta última prática é bastante corrente, uma vez que pessoal de vôo tem um salário fixo e um adicional por horas voadas. A partir da DEA, Araújo (2008), em sua dissertação, pôde construir um modelo para analisar a eficiência das rotas do transporte escolar rural no que tange aos custos. Foram identificadas rotas que possuíam boas práticas na prestação de serviços e que poderiam servir de referência para as consideradas ineficientes. Correia e Soares de Mello (2008) avaliaram o desempenho das companhias aéreas brasileiras no período de 200 a 2005, utilizando a DEA para verificar como as empresas deste segmento se portaram frente a um novo período de concorrência a baixo custo, diferente do cenário anterior ao período proposto no trabalho, onde havia monopólio no setor. 8/7

9 No transporte de cargas também existem vários trabalhos publicados, como por exemplo, o de Rios e Maçada (2006). Neste artigo, sob a ótica do transporte marítimo, os autores mediram a eficiência relativa das operações dos terminais de contêineres do MERCOSUL nos anos de 2002, 2003 e 2004, encontrando três terminais considerados eficientes e que poderiam servir de referência aos demais. Já Macedo (2006) apresentou uma metodologia multicriterial baseada em Análise Envoltória de Dados (DEA) que discutiu a problemática da seleção de fornecedores/parceiros, considerando explicitamente uma série de vetores de desempenho, muitas vezes conflitantes, que de alguma forma impactam a performance empresarial. Neste trabalho, o autor concluiu que a metodologia apresentada foi capaz de discriminar os Prestadores de Serviços Logísticos (PSL s) em eficientes e ineficientes, construindo um ranking que sustentaria a decisão de escolha. Min e Joo (2006) aplicaram DEA para mensurar o desempenho dos Prestadores de Serviços Logísticos (PSL s) em termos competitivos. O propósito do artigo também foi prover aos PSL s a possibilidade de identificação de potenciais fontes de ineficiências. Os resultados mostraram que o desempenho está relacionado com a diversidade de serviços e com a capacidade financeira de longo prazo dos PSLs. O trabalho de Macedo e Manhães (2009) teve como objetivo analisar as eficiências de operação técnica global, técnica pura e de escala de 0 terminais de contêineres no Brasil, pela aplicação da metodologia de Análise Envoltória de Dados (DEA) às informações do ano de 2007 referentes a movimentação, produtividade, área disponível, tamanho de calado e de berço. Os resultados mostraram que apenas os terminais Santos-Brasil, TVV e Tecon Salvador é que são totalmente eficientes e podem ser utilizados como benchmarks para os demais. Além disso, observa-se que o maior problema para a amostra, como um todo, parece estar na eficiência de escala, já que essa se mostra, em média, menor que a eficiência técnica. Por fim, os autores perceberam que, de maneira geral, os terminais ineficientes não conseguem manter uma relação ótima entre infraestrutura disponível e movimentação. Isso pode estar demonstrando problemas de processos e procedimentos na movimentação dos contêineres, além de questões tecnológicas dos equipamentos utilizados e de treinamento da mão-de-obra. Soares de Mello e Gomes (2004) apresentam uma nova abordagem para mensurar a eficiência aeroportuária baseada em Análise de Envoltória de Dados, para alguns aeroportos em todo mundo, que utiliza programação linear para calcular uma medida de eficiência comparada. O principal destaque nos resultados foi a ausência de aeroportos brasileiros entre aqueles que apresentam maior eficiência. Como pode ser visto, a DEA tem sido cada vez mais utilizada para diferentes propósitos nos trabalhos científicos. Podem-se observar trabalhos de natureza concorrencial, avaliação de setores, revisão de políticas públicas e, até mesmo, verificação da performance da empresa como indicador de desempenho. O presente estudo se encontra nesse contexto de análise do desempenho organizacional, mas especificamente na análise de eficiência. Porém, diferentemente dos estudos aqui apresentados, esse trabalho procura contribuir para essa discussão através da utilização de variáveis contábil-financeiras. 5. METODOLOGIA Esta pesquisa pode ser caracterizada, de acordo com Vergara (2009), como sendo descritiva e quantitativa, pois procura-se através da aplicação da Análise Envoltória de Dados (DEA) às informações das empresas transportadoras de carga, expor características a respeito do desempenho das mesmas. 9/7

10 Como dito anteriormente, o objetivo principal desse trabalho é realizar uma análise de eficiência das empresas do setor de transporte, mais especificamente do transporte de carga, utilizando a DEA a partir de dados públicos. Para tanto, foram selecionadas as informações da base de dados Melhores e Maiores (MM) da Exame-FIPECAFI. As informações são do anuário de 2008, ano base As variáveis de input e output selecionadas nesse primeiro estágio foram: Número de empregados e Investimento no imobilizado como inputs e Vendas, Ebitda e Rentabilidade ajustada como outputs. No entanto, para reduzir o problema da magnitude das variáveis, optou-se por criar uma nova variável a partir da divisão do valor do Ebitda pelo valor das Vendas, a qual se denominou Margem Ebitda. A amostra foi escolhida por conveniência e disponibilidade de dados, uma vez que o escopo do trabalho refere-se a informações públicas. Inicialmente foi realizado um filtro na base de dados da MM para selecionar apenas as empresas do setor de transportes e constatouse que havia 35 empresas pertencentes a esse setor, segundo a classificação da revista. Destas, foram eliminadas por não apresentarem dados completos para o período em estudo, dado que uma das premissas para utilização da DEA é que existam dados completos e comparáveis de todas as unidades avaliadas. Restaram, portanto, 24 empresas. Outra premissa da DEA é a homogeneidade das unidades avaliadas. Sendo assim, procurou-se refinar um pouco mais o filtro, investigando o tipo de transporte que cada uma dessas 24 empresas realizam como atividade principal. Constatou-se que havia 0 empresas cuja especialidade é o transporte de passageiros e 4 para o transporte de carga. O escopo do trabalho remete a empresas de transporte de carga e, tendo sido eliminadas da amostra as empresas de transporte de passageiros, restaram 4 empresas. Entretanto, havia duas empresas com rentabilidade ajustada negativa, o que prejudicaria a utilização dessa variável na análise, já que a DEA não trabalha com variáveis negativas. Assim, optou-se pela exclusão dessas duas empresas para a manutenção dos dados originais, restando 2 empresas. Constatou-se ainda que havia na amostra empresas operando em diferentes modais de transporte. Embora o nível de detalhe de empresas do setor de transporte de carga tenha sido considerado razoável para o propósito de demonstrar e utilizar a técnica, obtendo a eficiência relativa destas empresas, admite-se que um maior refinamento através separação de cada modal poderia trazer resultados interessantes em termos de comparação de eficiência. No entanto, a maioria das empresas constante desta amostra atua em nível multimodal de transporte ou realiza também outras atividades relacionadas à gestão logística. Por esse motivo, optou-se por avaliar a eficiência dessas empresas em nível de setor de atuação, cujos dados estão disponíveis publicamente. Além disso, esta opção traz uma possível comparação entre diferentes modais. As empresas que foram submetidas à DEA, bem como as variáveis e dados consideradas na análise estão na Tabela. Tabela : Empresas do Setor de Transporte de Carga e Variáveis de Análise Denominação Vendas Ebitda Margem_Ebitda Rentab_aj. Empregados Invest_imob Transpetro ,89 7, ,455 MRS ,43 39, ,029 ALL_Brasil ,37 2, ,387 Grupo_Júlio_Simões ,7 7, ,594 Prosegur ,67 22, ,330 TBG ,67 5, ,928 Tegma ,42 8, ,033 Sada ,7, ,652 Norsul ,79 7, ,67 Atlas_Transportes ,44 4, ,958 Vix ,32 33, ,39 Coopercarga ,03 0, ,469 0/7

11 Fonte: Revista Exame Melhores e Maiores 2008 (adaptado) Após a definição das unidades que seriam submetidas à DEA, foi utilizado o software Frontier Analyst para realizar a análise. A análise foi realizada utilizando-se 2 unidades e 4 variáveis, ou seja, uma proporção de 3 unidades para cada variável. A recomendação é de que exista uma proporção entre 2 e 4 unidades para cada variável (REINER e HOFMANN, 2006). 6. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS Uma vez definidas quais seriam as DMU s e as variáveis, conforme tabela, iniciouse o processo de análise dos dados para verificar quais seriam as unidades eficientes e qual o potencial de melhoria de cada unidade. A primeira decisão que o software requer é que se defina o nome da variável e o seu tipo, sendo os tipos disponíveis: input controlável, input não controlável, output ou texto. Neste caso, as variáveis Empregados e Invest_Imob foram definidas como input controlável, já Margem_Ebitda e Rentab_aj. foram definidas como output. Após a digitação de todos os dados, realizou-se uma etapa muito importante desta análise que é a decisão de que tipo de DEA utilizar, sendo tal opção é possível através do menu DEA options. Conforme descrito anteriormente, existem dois principais modelos de DEA, sendo que o primeiro assume ganho de escala constante (CCR), enquanto o segundo assume ganho de escala variável (BCC). Neste trabalho foi utilizado o modelo BCC, por acreditar-se que este é mais adequado aos propósitos deste estudo. Isto se justifica pois segundo Reiner e Hofmann (2006) o modelo BCC é mais adequado ao contexto de cadeia de suprimentos, pois nem sempre as unidades (DMU s) operam no nível de escala ótimo, e completam sugerindo que imperfeições no fluxo de informações, competição imperfeita e contingência dos recursos podem ser as causas de as DMU s não operarem em escala ótima. Depois de todo esse procedimento, foi efetuada a análise no software, que retorna com o score de eficiência de cada unidade, lembrando que esta deve variar entre zero e cem por cento, sendo este último considerado como eficiente. Conforme demonstra a figura 4, na amostra contendo doze DMU s, duas são consideradas eficientes, pois atingem o score de eficiência de cem por cento, todas as demais foram consideradas ineficientes quando comparadas com essas duas empresas, que foram consideradas como padrão de referência (benchmarks) para a amostra selecionada. Figura 4: Score de Eficiência das Empresas de Transporte de carga /7

12 Outra saída interessante fornecida pelo software é o gráfico contendo o potencial de melhorias de cada variável para todas as unidades, demonstrado na Figura 5. Conforme pode ser observado, as principais oportunidades de melhorias estão nos outputs, ou seja, a análise identificou que existe uma maior necessidade de aumentar os outputs do que reduzir os inputs. Isso acontece por conta da orientação do modelo DEA-BCC que foi à outputs. A escolha se justifica em virtude do foco do estudo estar em incrementar a margem e a rentabilidade ao invés de reduzir empregados e investimentos. Os percentuais a seguir não significam, entretanto, que os inputs não precisariam ser reduzidos, mas somente mostram uma escolha metodológica. Figura 5: Gráfico do Potencial de Melhorias das Variáveis A Tabela 2 apresenta um resumo do score de eficiência encontrado para cada unidade (DEA), o valor atual de suas variáveis (Actual), bem como o valor alvo estabelecido pela DEA para essas unidades (Target). Apresenta ainda, o potencial de melhoria de cada variável (Potential Improvement), quanto cada variável contribuiu para estabelecer o score de eficiência (Input / Output Contributions) e qual foi a unidade considerada como o benchmarking para cada unidade (Peers). Tabela 2: Resultados da Análise de Eficiência das Empresas do Setor de Transporte 2/7

13 Variable/DMU Transpetro MRS ALL JulioSimoes Prosegur TBG Tegma Sada Norsul Atlas_transp. Vix Coopercarga DEA 33,4% 78,25% 40,7% 24,25% 43,69% 00,00% 8,82% 23,8% 00,00% 48,05% 65,05%,70% Actual Invest_imob 49,45 43,03 48,39 67,59 39,33 4,93 236,03 2,65 0,7,96 328,39 8,47 Empregados Margem_Ebitda 5,89 39,43 24,37 4,7,67 60,67,42 6,7 8,79 5,44 6,32,03 Rentab_aj. 7,06 39,96 2,22 7,66 22,3 5,07 8,64,84 7,8 4,38 33,22 0,70 Target Invest_imob 4,93 4,93 4,93 4,93 4,93 4,93 4,93 4,93 0,7,96 4,93 4,93 Empregados Margem_Ebitda 60,67 60,67 60,67 60,67 60,67 60,67 60,67 60,67 8,79 34,54 60,67 60,67 Rentab_aj. 5,07 5,07 5,07 5,07 5,07 5,07 5,07 5,07 7,8 29,93 5,07 5,07 Potential Improvement Invest_imob -90,0% -88,6% -89,8% -92,7% -87,5% 0,0% -97,9% -77,2% 0,0% 0,0% -98,5% -4,8% Empregados -95,% -9,7% -89,0% -96,6% -98,4% 0,0% -89,7% -76,2% 0,0% -80,7% -93,% -4,5% Margem_Ebitda 28,8% 53,9% 49,0% 32,4% 49,9% 0,0% 43,3% 883,3% 0,0% 535,0% 27,8% 5790,3% Rentab_aj. 99,4% 27,8% 37,9% 566,7% 28,9% 0,0% 49,% 33,3% 0,0% 08,% 53,7% 795,7% Input / Output Contributions Invest_imob 3,0% 39,9% 49,7% 29,7% 0,7% 47,7% 8,8% 48,9% 00,0% 00,0% 80,7% 47,9% n_empregados 69,0% 60,% 50,3% 70,3% 89,3% 52,3% 8,2% 5,% 0,0% 0,0% 9,3% 52,% Margem_Ebitda 0,0% 0,0% 00,0% 00,0% 0,0% 00,0% 00,0% 0,0% 00,0% 0,0% 0,0% 00,0% rentab_aj 00,0% 00,0% 0,0% 0,0% 00,0% 0,0% 0,0% 00,0% 0,0% 00,0% 00,0% 0,0% Peers TBG TBG TBG TBG TBG TBG TBG TBG Norsul Norsul, TBG TBG TBG A técnica DEA encontra a otimização entre os inputs e outputs através das observações geradas (BANKER, CHARNES e COOPER, 984). A combinação ótima entre inputs e outputs é aquela onde ambos são iguais a um, portanto, a divisão do primeiro pelo segundo também é um ou cem por cento. Neste exemplo, existem duas unidades cuja combinação entre inputs e outputs são ótimas, TBG e Norsul. Estas unidades passam a ser o padrão de referência (benchmarking) em relação às demais unidades. Nesse sentido, é importante lembrar que a DEA é uma medida de eficiência relativa e que, portanto, a inclusão de novas unidades/variáveis ou mesmo a exclusão de alguma(s) dela(s) poderia alterar os resultados e análises. Através da Tabela 2 pode-se notar que a unidade TBG foi considerada como benchmarking para todas as outras unidades não eficientes e a unidade Norsul influenciou o score de eficiência apenas da unidade Atlas Transporte. Como a unidade TBG foi considerada através da DEA como o padrão de referência, o valor meta para as variáveis das outras unidades foi exatamente o valor atual da TBG. Conseqüentemente, o potencial de melhoria para cada variável nas unidades não eficientes é quando seus valores atuais se afastam do valor de referência. É preciso fazer uma ponderação de que essa unidade, TBG, representa uma transportadora de gás (Brasil-Bolívia), portanto, utiliza exclusivamente o modal dutoviário que, conforme visto na revisão teórica, apresenta custos variáveis baixos contribuindo para a alta rentabilidade desta unidade. Outra informação importante que pode ser extraída da Tabela 2 é quanto cada variável contribuiu para estabelecer o score de eficiência de cada unidade. De acordo com a tabela, na maioria dos casos, as duas variáveis de input contribuem para o score enquanto que das variáveis de output apenas uma ou outra contribui. Apesar de ser atribuído valor zero em algumas variáveis para certas unidades, não houve nenhuma variável que se destacasse em número de zeros, significando que todas as variáveis utilizadas são relevantes. Segundo Macedo, Barbosa e Cavalcante (2009), quando uma variável tem peso ( u ou v ) igual a zero, isto representa que esta é naturalmente problemática na obtenção de índices de eficiência. 7. CONCLUSÃO E CONSIDERAÇÕES FINAIS A Gestão da Cadeia de Suprimentos é uma das atividades mais importantes no contexto atual, onde as empresas são globalizadas e altamente competitivas. Neste cenário, o papel das empresas do setor de transporte, aqui especificamente relacionadas ao transporte de carga, é fundamental para o bom funcionamento da cadeia. Assim, a melhora no nível de 3/7

14 eficiência refletirá no desenvolvimento e manutenção da rentabilidade de todos os participantes deste processo. O uso crescente da DEA na publicação de artigos acadêmicos e também em teses e dissertações demonstra a preocupação dos pesquisadores em medir a eficiência de unidades tomadoras de decisão através de técnicas quantitativas. Também é possível perceber que a DEA está sendo considerada como relevante por parte da comunidade científica para esse propósito. As críticas à DEA dizem que a utilização de dados passados não seria relevante para mensuração de eficiência e que não há uma teoria que a fundamente. Sobre esse segundo ponto, Farrell (957) argumenta que o problema de mensuração de eficiência de uma determinada indústria é importante tanto para os teóricos da economia quanto para os responsáveis por estabelecer políticas econômicas. Portanto, a DEA mesmo que não seja uma teoria em si, contribui para consolidar outras teorias. Quanto ao outro ponto, apesar de ser realizada a partir de dados passados, a técnica DEA representa uma maneira de mensurar eficiência relativa utilizando dados empíricos. Os dados necessários para responder a questão de pesquisa foram extraídos do anuário Melhores e Maiores da Exame-FIPECAFI. Realizou-se um filtro para capturar apenas as empresas do transporte de carga, resultando então em 2 empresas (unidades) para serem analisadas. Constatou-se que havia apenas duas unidades eficientes na amostra, que seriam os benchmarks para as outras unidades. Portanto, em resposta à questão de pesquisa proposta, constatou-se que é possível estabelecer uma análise de eficiência relativa das empresas do setor de transporte de carga a partir de dados públicos, e que tal análise também pode contribuir para que as empresas identifiquem os pontos que requerem melhorias, colaborando assim, para que o nível de eficiência geral do setor possa ser elevado. No entanto, é preciso que se façam algumas ressalvas. Em primeiro lugar, a DEA é um índice de eficiência relativa, ou seja, é válida apenas para a amostra e variável utilizada, de forma que a inclusão ou exclusão de novas unidades poderiam modificar o resultado encontrado. Em segundo lugar, um maior refinamento no filtro no sentido de comparar empresas ou setores de empresas de mesmo modal, utilizando variáveis específicas do setor, poderiam trazer resultados interessantes. Mesmo assim a comparação aqui realizada apresentou que estas duas empresas operam em modais pouco comuns, no caso marítimo e dutoviário. Além disso, as três empresas com piores resultados operam no modal rodoviário. Dentre as limitações deste estudo, observa-se que não é possível afirmar que as variáveis utilizadas para mensurar a eficiência são as mais adequadas, uma vez que estas foram selecionadas pela conveniência na obtenção dos dados, ou seja, foram selecionadas dentre as variáveis disponíveis na base de dados escolhida, sendo consideradas as que se julgou serem mais adequadas para o propósito deste artigo. Outra limitação é a aplicação das técnicas sobre uma amostra específica, não aleatória, o que inviabiliza a generalização destes achados para dados que não façam parte desta amostra. Para futuras pesquisas, indica-se o aumento no número de DMU s e a inclusão de indicadores de input e output mais específicos do setor de transportes junto com variáveis contábil-financeiras. Já que em conjunto estas podem contribuir para o estabelecimento de um padrão de referência mais completo, levando à elevação do nível de eficiência desse importante setor da economia tão fundamental para a cadeia de suprimentos. REFERÊNCIAS BIBLIOGRÁFICAS AGÊNCIA NACIONAL DE TRANSPORTE TERRESTRE - ANTT. Disponível em: < Acesso em: /0/200. 4/7

15 ALDIGUERI, D. R.; ROCHA, C. H. M. Excedente financeiro gerado pelo transporte e a possibilidade e uso no financiamento de projetos de transporte. In: CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES, 22, 2008, Fortaleza. Anais do XXII Congresso da ANPET. Fortaleza: ANPET, CD. ARAÚJO, C. E. F. Análise de eficiência nos custos operacionais de rotas do transporte escolar rural Dissertação (Mestrado em Transportes) Departamento de Engenharia Civil e Ambiental da Universidade de Brasília, Brasília. ASSAF NETO, A. Estrutura e Análise de Balanços: um enfoque econômicofinanceiro. 8 ed. São Paulo: Atlas, BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos. 5 ed. São Paulo: Bookman, BANKER, R. D.; CHARNES, A.; COOPER, W.W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis. Management Science. v. 30, n. 9, p , 984. BARAT, J. Logística, transporte e desenvolvimento econômico. São Paulo: Editora CLA, BELLONI, J. A. Uma Metodologia de Avaliação da Eficiência Produtiva de Universidades Federais Brasileiras Tese (Doutorado em Engenharia de Produção) - Programa de Pós Graduação da Universidade Federal de Santa Catarina, Santa Catarina. BOWERSOX, D. J.; CLOSS, D. J.; COOPER, M.B. Gestão da Cadeia de Suprimentos e Logística. Rio de Janeiro: Elsevier, BRITO, L. A. L.; VASCONCELOS, F. C. A Influência do País de Origem no Desempenho das Empresas. RAC. v. 9, n. 4, p. 97-8, CHARNES, A.; COOPER, W.W. Programming with linear fractional functionals, Naval Research Logistics Quarterly, v. 9, p. 8-85, 962. CHARNES, A.; COOPER, W.W.; RHODES, E. Mensuring the Eficiency of Decision Making Units. European Journal of Operation Research. v. 2, p , 978. CERETTA, P. S.; SONZA, I. B. Análise da eficiência de unidades de tomada de decisão em empresas de transporte coletivo. In: CONGRESSO USP DE CONTROLADORIA E CONTABILIDADE, 7, 2007, São Paulo. Anais do 7º Congresso USP de Controladoria e Contabilidade. São Paulo: EAC/FEA/USP, CD. CORREIA, T. C. V. D.; SOARES DE MELLO, J. C. C. B. Avaliação da eficiência das companhias aéreas brasileiras com o modelo DEA nebuloso. In: CONGRESSO DE PESQUISA E ENSINO EM TRANSPORTES, 22, 2008, Fortaleza. Anais do XXII Congresso da ANPET. Fortaleza: ANPET, CD. ERHART, S.; PALMEIRA, E. M. Análise do Setor de Transporte. Observatório de la Economía Latinoamericana. n. 7, FARRELL, M. J. The meansurement of Productive Efficiency. Journal of the Royal Statistics Society. v. 20, n. 3, p , 957. FLEURY, P. F. Perspectivas para a logística brasileira. Rio de Janeiro: Centro de Estudos em Logística da COPPEAD, 998. GALINDO, E. P. Análise Comparativa do Entendimento do Transporte como Objeto do Planejamento. Brasília Dissertação (Mestrado em transportes) - Departamento de Engenharia Civil e Ambiental da Universidade de Brasília, Brasília. GASPARETTO, V. O Papel da Contabilidade no Provimento de Informações para a Avaliação do Desempenho Empresarial. Revista Contemporânea de Contabilidade. v. 0, n. 02, p , IUDÍCIBUS, S. Análise de Balanços. 9 ed. São Paulo: Atlas, /7

16 KASSAI, S. Utilização de Análise envoltória de Dados (DEA) na Análise de Demonstrações Contábeis Tese (Doutorado em Contabilidade e Atuária) Programa de Pós Graduação em Ciências Contábeis, Departamento de Contabilidade e Atuária, Faculdade de Economia, Administração e Contabilidade da Universidade de São Paulo, São Paulo. LAMBERT, D. M.; POHLEN, T. L. Supply Chain Metrics. The International Journal of Logistic Management. v. 2, n., p. -9, 200. LITMAN, T. Transportation Cost Analysis: Techniques, Estimates and Implications - A guidebook for quantifying the full costs and benefits of different transportation modes. Canadá, Disponível em: < Acesso em: 05/0/200. LIMA, M. P. Custos Logísticos na economia brasileira. Rio de Janeiro: Centro de Estudos em Logística da COPPEAD, MACEDO, M. A. S. Seleção de PSL s com base no desempenho organizacional. Revista Alcance. v. 3, n. 2, p , MACEDO, M. A. S.; BARBOSA, A. C. T. A. M.; CAVALCANTE, G. T. Desempenho de Agências Bancárias no Brasil: aplicando Análise Envoltória de Dados (DEA) a indicadores relacionados às perspectivas do BSC. Revista Economia & Gestão (E&G). v. 9, n. 9, p. 9-29, MACEDO, M. A. S.; MANHÃES, J. V. P. Avaliação de Eficiência de Terminais de Contêineres no Brasil através da Análise Envoltória de Dados (DEA). Revista de Negócios. v. 4, n. 3, art. 2, MARQUES, J. A.V. C. Análise Financeira das Empresas: liquidez, retorno e criação de valor. Rio de Janeiro: UFRJ, MATARAZZO, D. C. Análise Financeira de Balanços: abordagem básica e gerencial. 6 ed. São Paulo: Atlas, MIN, H.; JOO, S. J. Benchmarking the operational efficiency of third party logistics providers using data envelopment analysis. Supply Chain Management: An International Journal. v., n. 3, p , MINATO, E. Avaliação de produtividade de uma indústria na linha do tempo utilizando DEA Dissertação (Mestrado em Engenharia de Produção) Programa de Pós Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina, Florianópolis. NEELY, A. Measuring business performance. London: The Economist Books, 998. NIEDERAUER, C. A. P. Ethos: Um Modelo para Medir a Produtividade Relativas de Pesquisadores Baseada na Análise por Envoltória de Dados Tese (Doutorado em Engenharia de Produção) Programa de Pós Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina, Santa Catarina. REINER, G.; HOFMANN, P. Efficiency analysis of supply chain processes. International Journal of Production Research. v. 44, n. 23, p , RIOS, L. R.; MAÇADA, A. C. G. Analysing the Relative Efficiency of Container Terminals of Mercosur using DEA. Maritime Economics & Logistics. v. 8, n. 4, p , SANTOS, A.; CASA NOVA, S. P. Proposta de um modelo estruturado de análise de demonstrações contábeis. RAE-eletrônica. v. 4, n., art. 8, SOARES DE MELLO, J. C. C. B.; GOMES, E. G. Eficiências aeroportuárias: uma abordagem comparativa com análise de envoltória de dados. Revista de Economia e Administração. v. 3, n., p. 5-23, /7

17 SOARES DE MELLO, J. C. C. B.; MEZA, L. A.; GOMES, E. G.; SERAPIÃO, B. P.; LINS, M. P. E. Análise de Envoltória de Dados no Estudo da Eficiência e dos Benchmarks para Companhias Aéreas Brasileiras. Pesquisa Operacional, v. 23, n. 2, p , VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração. 0. ed. São Paulo: Atlas, WANKE, P.; FLEURY, P. F. Estrutura e Dinâmica do Setor de Serviços no Brasil. Rio de Janeiro: Centro de Estudos em Logística da COPPEAD, /7