ANÁLISE DE BALANÇOS E MEDIDAS DE PRODUTIVIDADE EM COMPANHIAS FORNECEDORAS DE ÁGUA: UMA APLICAÇÃO DA ANÁLISE ENVOLTÓRIA DE DADOS

Transcrição

1 João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 ANÁLISE DE BALANÇOS E MEDIDAS DE PRODUTIVIDADE EM COMPANHIAS FORNECEDORAS DE ÁGUA: UMA APLICAÇÃO DA ANÁLISE ENVOLTÓRIA DE DADOS Luiza Paula Calado da Silva (UNIVASF ) luizapcs@hotmailcom Abdinardo Moreira Barreto de Oliveira (UNIVASF ) abdinardo@yahoocombr A escassez de recursos hídricos e a consequente necessidade de gerenciamento desses recursos são fatores determinantes para que seja realizada uma análise de eficiência das companhias de água do Brasil Para a realização dessa análise, consstituiu-se um universo de companhias atuantes no país, de acordo com sua localização geográfica e abrangência nessa área, com a posterior exclusão das companhias que não disponibilizam dados de transparência contábil em seus portais online Dessa forma, a classificação das companhias torna-se possível através da aplicação da Análise Envoltória de Dados (DEA), com a identificação dos benchmarks do conjunto e suas eficiências econômico-financeiras, em um período de cinco anos (2009 a 2013) O trabalho também apresenta uma breve caracterização dos modelos CCR e BCC e suas vantagens e desvantagens A escolha de variáveis foi realizada de acordo com a disponibilidade de dados e utilizando o critério de correlação não paramétrica de Spearman para avaliar se poderiam ou não ser utilizadas na análise Após a aplicação da Análise Envoltória de Dados pôde-se constatar que a COMPESA liderou a classificação em todos os anos, tanto no modelo de retornos constantes de escala, quanto no modelo de retornos variáveis Palavras-chave: Análise Envoltória de Dados, Classificação, Companhia de água, Demonstrações Contábeis

2 1 Introdução A água, recurso finito indispensável à existência humana, é um bem cada vez mais escasso e, por este motivo, merecedora de uma gestão eficiente De todo contingente existente na Terra, apenas 0,72% são disponíveis para consumo humano, sendo distribuída entre rios e lagos (COSTA; PERIN, 2004) Tundisi (2008) afirma que 14% desse volume encontra-se no Brasil, porém aponta que o recurso é distribuído de maneira desuniforme, da mesma forma que as demandas de saneamento básico, tratamento de esgotos e recuperação de mananciais se diferem, dado que as regionalidades implicam em distribuições desiguais de água para residências, agricultura, geração de energia e indústrias Isso mostra as diferentes dificuldades existentes no gerenciamento adequado desse recurso, fazendo com que as empresas distribuidoras precisem trabalhar em níveis cada vez mais altos de eficiência Essa regionalidade na demanda e distribuição impõe às organizações que haja um equilíbrio entre os vários tipos de usos e aplicação de soluções tecnológicas para resolução de problemas relacionados à água (SELBORNE, 2001) Dessa forma, para Selborne (2001) é necessário que as companhias de tratamento e distribuição de água estejam atentas aos avanços tecnológicos e invistam os recursos financeiros necessários, para que seja possível conservar, captar, transportar, reciclar e salvaguardar os recursos aquíferos existentes Assim, a constante busca por melhores níveis de eficiência deve ser alimentada por níveis de investimentos satisfatórios em infraestrutura, para que as organizações em questão destaquem-se como benchmarks, ou seja, modelos de referência no setor em que atuam Desse modo, a melhoria quanto aos investimentos necessários se dá não por razão de uma acirrada competitividade mercadológica, e sim de demandas emergenciais, como é o caso de crises hídricas Para Tundisi (2008, p11) A solução para o enfrentamento das consequências dos efeitos das mudanças globais nos recursos hídricos é adaptar-se a essas alterações, desenvolvendo tecnologias avançadas de monitoramento e gestão, ampliando a participação da comunidade usuários e público em geral nessa gestão e no compartilhamento dos processos tecnológicos que irão melhorar a infraestrutura do banco de dados e dar maior sustentabilidade às ações Nesse caso, a divulgação transparente dos resultados do exercício por parte das companhias possibilita que a sociedade analise a situação das empresas fornecedoras, e exija as melhorias necessárias para o enfrentamento a problemas relacionados ao abastecimento de água Tornase essencial que se faça uma análise da situação em que se encontram as companhias de abastecimento e saneamento, medindo suas eficiências Dessa forma, o presente trabalho tem como objetivo aplicar a Análise Envoltória de Dados DEA, de forma longitudinal aos balanços das maiores empresas fornecedoras de água do país, não só identificando os benchmarks, mas também mostrando os possíveis motivos que levaram a tais classificações, utilizando a correlação não paramétrica de Spearman para avaliação das variáveis 2 Referencial Teórico Ferreira e Gomes (2009) afirmam que as primeiras formulações da Análise Envoltória de Dados, realizadas na década de 1950, surgiram a partir de reflexões sobre a Teoria da Produção formulada em 1928 e sobre os métodos matemáticos de programação que buscavam 2

3 formas de alocar eficientemente recursos na economia Posteriormente, entre 1947 e 1951 é estruturado o método de programação linear denominado Simplex, que viria a embasar os cálculos realizados pelo método DEA Para Ferreira e Gomes (2009), nascia o método de análise do posicionamento, com a vantagem de não precisar estabelecer funções que relacionem os insumos e os resultados/produtos, além de dispensar a conversão em medidas únicas, de forma que insumos e produtos possam ter unidades de medida independentes umas das outras Ademais está fundamentado no benchmarking de unidades produtivas, ou seja, mostra quais unidades possuem uma melhor medida de eficiência utilizando os mesmos insumos e produzindo os mesmos produtos que as demais Nessa perspectiva, Castro (2003) avalia que os dois métodos, paramétricos e não paramétricos, utilizam integralmente os dados coletados em suas amostras, porém, a equação de regressão formulada estatisticamente é imposta a todo o conjunto avaliado, enquanto no DEA é feita a otimização das medidas de eficiência de cada unidade pertencente ao conjunto, fugindo da utilização de médias, que tendem a esconder resultados muito baixos e muito altos Castro (2003) esclarece que, dessa forma, não é necessário estabelecer uma meta de fronteira da eficiência máxima, uma vez que cada unidade é avaliada em relação às outras, ou seja, a unidade (ou as unidades) com maior eficiência será a própria fronteira, enquanto as demais estarão iguais ou abaixo dela, como mostra a Figura 01 Assim, a medida de eficiência das unidades de produção cada uma em particular, será avaliada de acordo com as quantidades de insumos e produtos da unidade benchmarking do grupo de referência Então, surgirão duas possibilidades para cada unidade avaliada: sua medida será ineficiente se, no mesmo conjunto de unidades (que utilizam os mesmos insumos e produzem os mesmos produtos), for encontrada uma unidade ou mais unidades com produtividade maior que a sua; e será eficiente caso nenhuma outra unidade do conjunto produzir maior quantidade de outputs com o mesmo nível de inputs ou, se nenhuma unidade produzir a mesma quantidade de outputs com menor consumo de inputs (CASTRO, 2003) Figura 01: comparação entre a DEA e análise de regressão Fonte: Castro (2003), adaptado Quanto à orientação dos modelos, Menegazo (2013) mostra que a análise pode ocorrer sob três perspectivas: a primeira, orientada a insumos, indica a quantidade de insumos a ser reduzida, mantendo constante a quantidade de produtos, para tornar a unidade eficiente; a segunda, orientada a produtos, consiste em admitir constante o insumo e indica o aumento na quantidade de produtos para tornar a unidade eficiente; e a terceira linha de análise, sem 3

4 orientação, que indica a redução na quantidade de insumos e o aumento da quantidade de produtos simultaneamente Para a análise isolada da eficiência técnica de cada unidade, Kassai (2002) indica que há três tipos de relações entre insumos e produtos, sendo elas: retornos crescentes de escala, quando o aumento no consumo de recursos implica num aumento mais que proporcional na quantidade de produtos obtidos; retornos constantes de escala, quando o aumento da quantidade de insumos resulta num aumento proporcional da quantidade de produtos; e retornos decrescentes de escala, quando o aumento na quantidade de insumos resulta numa quantidade menos que proporcional na quantidade dos produtos, como mostrado na Figura 02 Figura 02: respectivamente, retornos crescentes, constantes e decrescentes de escala Fonte: Kassai (2002), adaptado 21 Modelo CCR De acordo com Castro (2003) o modelo CCR, também conhecido por Retornos Constantes de Escala, determina para cada DMU a máxima razão entre a soma ponderada dos produtos e a soma ponderada dos insumos, com a alocação de pesos sendo realizada de forma otimizada pelo próprio modelo de programação linear A resposta do modelo supõe retornos constantes de escala, ou seja, aumento na quantidade de inputs resultando em aumentos proporcionais de outputs, bem como a redução de inputs implica na redução proporcional de outputs Dessa forma, o modelo preocupa-se em atribuir 100% ou 1 à DMU mais eficiente, tornando-a o padrão e comparando as demais a ela O modelo básico CCR é mostrado na equação (3): (3) Sujeito a: Nesse caso, busca-se maximizar a eficiência da DMU 0, sendo: n o número total de DMUs do conjunto analisado; S a quantidade de produtos/outputs; R a quantidade de insumos/inputs; O jk a quantidade do output j produzido pela DMU 0; I ik a quantidade de insumo i consumido pela DMU 0; V j o peso do output j; e U i o peso do input i 4

5 Assim, busca-se o valor de U e V, para que a soma ponderada dos outputs dividida pela soma ponderada dos inputs seja maximizada Essa operação deve ser realizada n vezes, possibilitando que uma alternativa de maximização da eficiência seja dada a cada unidade produtiva do grupo particularmente 22 Modelo BCC Segundo Castro (2003), o modelo BCC permite a análise de unidades que operam em condições de retornos variáveis de escala crescentes e decrescentes Também conhecido por Retornos variáveis de escala, o método considera que acréscimos nas quantidades de inputs não acarretam em acréscimos proporcionais nos produtos Para o autor, apesar de ter uma menor capacidade de classificação das DMUs, o método tende a se aproximar mais da realidade das unidades produtivas O modelo de funcionamento parte da formulação do CCR, porém com o acréscimo de uma restrição, que garante a comparação entre as unidades produtivas mais eficientes, em vez de uma só Isso se dá pela curva de retornos variáveis que é considerada como eficiente, diferente da reta dos retornos constantes Dessa forma, o novo modelo de programação linear é obtido de acordo com a equação (4): Sujeito a: (4) Com todas as variáveis descritas igualmente ao modelo CCR, ocorrendo apenas a inclusão da variável X 0, que se refere exatamente ao retorno de escala, modificado de um modelo para o outro (de constante para variável), possibilitando que seja mensurada a eficiência de escala da unidade Nesse caso, quando X 0 possui valores negativos, o retorno é crescente; quando positivo, o retorno é decrescente; e quando nulo, constante 3 METODOLOGIA Essa coleta foi realizada nos próprios sites das companhias, permitindo avaliar o comprometimento de cada uma delas com a transparência fiscal de suas contas Ademais, esses dados foram coletados e utilizados longitudinalmente, ou seja, não será realizada apenas uma observação em um ponto no tempo, e sim a evolução no comportamento das variáveis no intervalo de cinco anos que abrangem de 2009 a 2013 Por fim, foi aplicado o método DEA orientado a input aos dados coletados, com a finalidade de comparar, de forma longitudinal, os resultados obtidos nos modelos CCR e BCC, e com esses resultados espera-se identificar a eficiência das unidades produtivas que nesse caso são as companhias fornecedoras de água Os dados coletados serão inseridos no software livre SIAD, disponibilizado e desenvolvido na 5

6 pesquisa realizada por Meza (2005), que aplica os modelos DEA e expõe seus resultados A Figura 03 ilustra as etapas desenvolvidas nessa pesquisa Figura03: etapas da pesquisa A escolha das variáveis para aplicação da ferramenta se deu, em maior parte, pela disponibilidade de dados das companhias de água e seus demonstrativos contábeis, uma vez que grande parte delas não possui relatórios financeiros completos Macedo (2006) aponta que a utilização isolada de índices contábeis na análise empresarial tem se tornado obsoleta, pois não leva em consideração fatores operacionais que implicam diretamente no desempenho, tais como: índice de satisfação dos clientes, qualidade de produtos e serviços ofertados, níveis de inovação tecnológica, entre outros Porém, quando associadas a outras técnicas de análise, são ferramentas de grande importância e eficiência, pois afasta-se a subjetividade do analista, e possibilita-se que várias perspectivas da problemática sejam visualizadas A variável escolhida foi a taxa de receita imobilizada, índice que representa o valor relativo à imobilização dos ativos em relação ao faturamento total da empresa Assim, é um índice do tipo quanto menor, melhor é a situação da empresa, pois um alto percentual de imobilização significa alto valor de recursos que não são reversíveis em curto prazo Em contrapartida, o output 01 escolhido é um índice caracterizado por ser da natureza quanto maior, melhor: a liquidez corrente, obtida através da razão entre Ativo Circulante (caixas, estoques)/passivo Circulante (empréstimos, financiamentos), e significa a porção do realizável curto prazo para cada unidade monetária de dívida que deve ser paga no mesmo período de tempo De forma similar, o segundo output também é do tipo quanto maior, melhor, tratando-se do índice de rentabilidade sobre o patrimônio líquido Ele traduz o ganho dos proprietários/acionistas, para cada unidade monetária de investimento realizado, quanto de lucro foi obtido 4 RESULTADOS E DISCUSSÕES Após o levantamento das informações contábeis de cada uma das empresas, foram calculados os três índices mencionados, para cada uma delas, nos anos de 2009 a 2013, de acordo com a disponibilidade de dados, como foi visto nas Tabelas 01 e 02 Em seguida, foi calculada a correlação não paramétrica de Spearman entre as variáveis, para avaliar a pertinência de utilizá-las conjuntamente na classificação das companhias, como é mostrado na Tabela 01 de correlações entre input x output 01, e input x output 02 Tabela 01: correlações entre input e outputs 6

7 Fonte: dados da pesquisa De acordo com Hair et al (2005), a classificação de índices de correlação (em módulo) segue a seguinte ordem: de 0,91 a 1,00 é forte; de 0,71 a 0,90 é muito forte; de 0,41 a 0,70 moderada; 0,21 a 0,40 pequena, mas definida; 0,01 a 0,20 leve, quase imperceptível Dessa forma, pôde-se observar que mais de 50% dos índices estão acima de 0,90 o que representa uma forte correlação entre os dados, ou seja, o aumento ou a redução de uma determinada variável implica também em um aumento ou redução de outra Uma vez comprovada a correlação entre input e outputs, verificou-se que é pertinente sua utilização na análise envoltória de dados para a classificação das companhias anteriormente citadas, ficando ilustrada a escolha de variáveis na Figura 04 Figura 04: escolha das variáveis Fonte: dados de pesquisa O primeiro ano em análise, 2009, conta com 10 DMU s, sendo que o modelo CCR apresenta duas 100% eficientes, enquanto a isoquanta do modelo BCC engloba cinco delas É notório observar que em todo o período em questão (2009 a 2013) as duas DMU s mais eficientes para o modelo CCR aparecem também como mais eficientes no modelo de retornos variáveis de escala, porém, nesse último, acompanhadas de outras companhias que não atingiram níveis de eficiência máxima no modelo de retornos constantes de escala 7

8 Conforme a Tabela 02, que mostra os resultados obtidos para o ano de 2009, a COMPESA e a CESAN são as empresas mais eficientes no ramo de distribuição de água no Brasil, de acordo com o modelo CCR Já no modelo BCC a CORSAN, SANESUL e DESO também despontam nessa categoria A ascensão da Companhia de Saneamento do Sergipe do penúltimo lugar no modelo CCR ao primeiro no modelo BCC, se deve ao fato de sua liquidez corrente estar com um índice de 2,57 o maior para o ano de 2009 entre todas as companhias que apresentaram registro, representando uma boa condição de honrar seus compromissos de curto prazo Essa mudança de situação se deve ao fato de o modelo BCC trabalhar em cima de variações nos pesos das variáveis, de acordo com a contribuição de cada uma delas para o resultado final Assim, variáveis que trazem uma boa contribuição, quando aumentam, passam a ter maior peso, da mesma forma quando pioram e acabam contribuindo para resultados negativos à DMU Tabela 02: resultados para o ano de 2009 Fonte: dados da pesquisa Para os anos de 2010 e 2011 os resultados são bastante próximos, com a CORSAN apresentando grande melhoria na análise do modelo CCR do ano de 2009, chegando à fronteira de eficiência, além da CEDAE, que sai da segunda posição no modelo CCR dos anos de 2010 e 2011 à isoquanta do modelo BCC do mesmo período analisado A companhia DESO teve seu desempenho bruscamente reduzido, chegando à última colocação, em decorrência de um aumento significativo na taxa de receita imobilizada, além de apresentar um índice de rentabilidade negativo aos acionistas, ou seja, causando prejuízo ao investidores Em uma análise mais aprofundada do ano de 2010, a SANESUL saiu da sétima posição no modelo CCR para a classificação de maior eficiência no modelo BCC, devendo esse fato ao bom índice de liquidez corrente de suas contas (1,27), conseguindo assim ultrapassar a CESAN (1,07), como mostrado nas Tabelas 03 e 04, que trazem os resultados dos anos 2010 e 2011, respectivamente 8

9 Tabela 03: resultados para o ano de 2010 Fonte: dados da pesquisa O ano de 2011, primeiro ano de análise da AGESPISA, mostra diferentes resultados no desempenho da companhia, de acordo com o modelo DEA utilizado na análise, passando da décima colocação no modelo CCR para a fronteira de eficiência no modelo de retornos variáveis de escala, apesar da alta taxa de receita imobilizada Isso de deve aos baixos resultados de todas as companhias para o índice de rentabilidade, sendo a maioria detentora de índices baixos e até mesmo negativos, aumentando a eficiência das companhias com melhores resultados para esse índice 9

10 Tabela 04: resultados para o ano de 2011 Fonte: dados da pesquisa Diferente dos resultados obtidos em 2009, no ano de 2012 a CESAN aparece em sexto lugar tanto no modelo de retornos constantes, quanto no modelo de retornos variáveis de escala, pois, apesar de um baixo nível de imobilização da receita o que é um resultado positivo, o índice de liquidez abaixo de zero e uma rentabilidade de 6 centavos para cada real investido não representam resultados expressivamente eficientes quando comparados, por exemplo, à COMPESA, com índices de liquidez de 2,5 e a SANECAP com 59 centavos de retorno para cada unidade monetária investida Em contrapartida, quanto à SANESUL, pode-se observar que a saída do sexto lugar para o primeiro do modelo CCR para o BCC, no mesmo ano, se deu pelo fato de obter a segunda melhor taxa de liquidez corrente com R$ 1,58 recuperáveis em curto prazo para cada R$ 1,00 em obrigações a pagar no mesmo período, como pode ser visualizado na Tabela 05, que traz os resultados para o ano de 2012 Tabela 05: resultados para o ano de

11 Fonte: dados da pesquisa Assim como nos anos anteriores, no ano de 2013 a COMPESA aparece como líder em ambos os modelos de classificação, sendo acompanhada 2013 pela Companhia de Água e Esgoto do Rio de Janeiro, como é mostrado na Tabela 06 Tabela 06: resultados para o ano de 2013 Fonte: dados da pesquisa A CEDAE obteve uma melhora expressiva em seus índices no intervalo de 5 anos da análise, conseguindo dobrar o seu índice de liquidez corrente de 0,5 para 1 ou seja, passando de uma situação de endividamento à capacidade de pagar suas dívidas de curto prazo, além de reduzir em 262 vezes sua taxa de imobilização da receita, saindo de 5,51 (a mais alta de todos os dados coletados) para 0,02 o que representa uma menor necessidade de investimento em instalações para desempenhar suas atividades 11

12 A CAGECE saiu do sétimo lugar em 2009 para a quinta posição no ano de 2010, se mantendo em segundo e terceiro nos anos de 2011, 2012 e 2013, respectivamente, mostrando que a recuperação de sua taxa de receita imobilizada (passando de 2,55 em 2009 a 0,03 em 2013) representou uma grande contribuição para melhores resultados de desempenho na classificação realizada, além de uma média de liquidez corrente acima de 1 no mesmo período Empresas como CAERD e CASAL, ocuparam as últimas posições nas classificações de ambos os modelos, em todos os anos que entraram na base de dados Isso se deve, em ambos os casos, aos baixos índices de liquidez corrente e retornos financeiros, apesar de taxas de receita imobilizada relativamente baixas Portanto, fazendo uma análise geral, observa-se que no modelo CCR há sempre duas companhias na fronteira de eficiência, representando de 15 a 20% do total de empresas em análise, enquanto no modelo BCC esse número chega a 50% no ano de 2009 e cai para 18,75% em CONCLUSÕES Após realizar o estudo da atual situação da crise de recursos hídricos, e da constatação de uma real necessidade de diagnosticar os níveis de eficiência das principais companhias de distribuição de água no Brasil, foi realizada uma revisão de literatura acerca da temática e da ferramenta que seria utilizada para obter tal diagnóstico Sabendo que para utilizar a Análise Envoltória de Dados é necessário ter conhecimento das variáveis a serem utilizadas, foi feito um levantamento das demonstrações contábil-financeiras dessas companhias e, de acordo com a disponibilidade de dados e sua relevância para a avaliação em questão, selecionou-se três variáveis e calculou-se a correlação entre elas, com o intuito de averiguar se há uma relação entre o crescimento e decrescimento desses índices contábeis, chegando a valores de correlações relativamente altos em mais de 50% dos dados Feito isto, pôde-se aplicar a metodologia DEA e, finalmente obter os valores relativos de eficiência de cada uma das unidades produtivas, tanto no modelo de retornos constantes de escala, quando no de retornos variáveis, para cada um dos anos de 2009 a 2013, de acordo com a disponibilidade de relatórios contábil-financeiros A diferença entre as fronteiras de eficiência do modelo CCR e BCC fica evidente quando se compara os resultados ano a ano Companhias dadas como ineficientes no modelo CCR se mostraram pertencentes à isoquanta no modelo BCC isso porque os retornos variáveis de escala permitem que as condições de produção de cada DMU sejam analisadas, e os devidos pesos às variáveis sejam estabelecidos, permitindo que variáveis favoráveis contribuam para uma melhoria de eficiência quando seus valores sejam melhores em relação à demais unidades 12

13 Como principais resultados, observou-se que a COMPESA, Companhia Pernambucana de Saneamento, desponta como a melhor companhia fornecedora de água dentre todas as companhias analisadas, pois lidera o ranking classificatório em todos os anos e modelos analisados Um outro resultado de pesquisa é a constatação de que as variáveis utilizadas se adequam à análise realizada, contribuindo tanto no caráter classificatório, quanto no significado operacional do resultado alcançado Assim, o objetivo inicialmente proposto por esse trabalho foi atingido, dado que as companhias fornecedoras de água foram classificadas quanto à eficiência, utilizando DEA, aplicando e comparando os resultados obtidos nos modelos CCR e BCC, e analisando as variáveis contábeis escolhidas 6 REFERÊNCIAS CASTRO, C E T Avaliação da eficiência gerencial de empresas de água e esgotos brasileiras por meio da envoltória de dados (DEA) Dissertação (Engenharia de Produção), Pontifícia Universidade Católica - PUC, Rio de Janeiro, 2003 COSTA, T P; PERIN, A C M A Gestão dos Recursos Hídricos no Brasil Revista do Curso de Direito, v 1, n (1), São Paulo, 2004 FERREIRA, C M C; GOMES, A P Introdução à análise envoltória de dados: teoria, modelos e aplicações Viçosa - MG, Editora UFV, 2009 HAIR, J F; BABIN, B; MONEY, A H; SAMOUEL, P Fundamentos de métodos de pesquisa em administração Porto Alegre: Artmed Editor SA, 2005 KASSAI, S Utilização da Análise por Envoltória de Dados (DEA) na Análise de Demonstrações Contábeis Tese (Doutorado em Contabilidade e Controladoria), Faculdade de Economia, Administração e Contabilidade - Universidade de São Paulo São Paulo, 2002 MACEDO, M A S; SANTOS, R M; SILVA, F F Desempenho Organizacional No Setor Bancário Brasileiro: uma aplicação da análise envoltória de dados Revista de Administração Mackenzie, v 7, n1, p 11-44, 2006 MENEGAZO, L R Análise De Eficiência Dos Portos Marítimos Do Brasil: uma abordagem utilizando a análise envoltória de dados (DEA) Monografia (Ciências Econômicas) Universidade Federal de Santa Catarina, Florianópolis, 2013 MEZA, L A et al SIAD - Sistema Integrado De Apoio À Decisão: uma implementação computacional de modelos de análise de envoltória de dados Relatórios de Pesquisa em Engenharia de Produção, UFF, Rio de Janeiro, n3, p 1-11, 2003 Anual SELBORNE, L A Ética do Uso da Água Doce: um levantamento Brasília: UNESCO, p SENRA, L F A C; NANCI, L C; MELLO, J C C B S; MEZA, L A Estudo sobre métodos de seleção de variáveis em DEA Pesquisa Operacional, v 27, n (2), Rio de Janeiro, maio/agosto 2007 TUNDISI, J G Recursos Hídricos no Futuro: problemas e soluções Revista Estudos Avançados, v 22, n (63), São Paulo,