A garantia da tarifação adequada e fornecimento com qualidade de energia elétrica é atribuição do agente regulador e das empresas que atuam no sistema e é essencial para o desenvolvimento do país. Neste contexto, o presente trabalho apresentou uma nova abordagem para a avaliação do setor a fim de tornar a revisão tarifária melhor ajustada à realidade do sistema.
Nessa perspectiva, a presente pesquisa surge na literatura como um trabalho pioneiro no Brasil quanto à aplicação do modelo de redes de Kao (2009) com foco no sistema elétrico brasileiro, verificando a eficiência energética do sistema de maneira unificada, incluindo novas variáveis, para tornar possível o ajuste das tarifas.
Essa abordagem holística favorece a retratação da realidade com maior rigor em virtude da complexidade das informações coletadas e inseridas no modelo de avaliação. A partir disso, foi possível mapear o setor por meio de variáveis multidimensionais, sendo consideradas as de produtividade, custos e qualidade.
Esta análise unificada dos segmentos do setor caracterizou melhor o sistema elétrico brasileiro, ao avaliar a cadeia de suprimentos que este representa, possibilitando assim uma análise mais robusta. Foi percebido também a lacuna na literatura quanto à aplicação da modelagem de DEA em redes com o compartilhamento de recursos entre DMUs no setor elétrico, tanto internacional quanto nacional.
Para o alcance dos objetivos especificados, a etapa inicial da pesquisa foi mapear as empresas pertencentes de cada segmento, geração, transmissão e distribuição do sistema elétrico brasileiro. Devido a inexistência de um banco de dados unificado para as variáveis selecionadas dos três segmentos houve uma limitação e dificuldade na obtenção dos dados para essa análise, sendo necessário em alguns casos retirar da amostra algumas empresas.
Mapeou-se também a metodologia utilizada pelo órgão regulador, a Aneel, para a obtenção dos custos operacionais eficientes a serem aplicados nas revisões tarifárias. Sobre esse fator, também foi encontrada uma limitação do trabalho, devido ao período de transição da metodologia para o segmento de distribuição a qual passava do 3CRTP para o 4CRTP.
As variáveis utilizadas para a análise em redes proposta foram validadas e respaldadas em pesquisas presentes na literatura que tangenciam o tema desta pesquisa. As empresas da amostra foram classificadas de acordo com os segmentos, por região, porte e diferenciou-se, ainda, as empresas verticalizadas.
Análises foram desenvolvidas a respeito das características qualitativas das empresas presentes na amostra e verificou-se que: (a) 53,6% da amostra se concentra na região sudeste do país; (b) 73,5% da amostra é considera como de grande porte; (c) a amostra apresenta 16 empresas geradoras, 28 transmissoras e 50 distribuidoras e ao verificar os caminhos das redes essas se sumarizam em 362 DMUs; e (d) 24,6% da amostra é composta por empresas verticalizadas em pelo menos dois segmentos.
Para responder ao problema de pesquisa de “como analisar o sistema elétrico brasileiro de forma que as tarifas repassadas aos consumidores sejam mais justas e retratem de maneira mais fidedigna a realidade do setor?”, o modelo NDEA proporcionou um score para mensurar a eficiência overall e por segmento. Como resultados obteve-se um nível de eficiência superior ao obtido pelos modelos clássicos, significando que o negligenciamento da avaliação do setor elétrico como uma cadeia de suprimentos afeta negativamente a eficiência das empresas analisadas.
O modelo NDEA-CCR foi validado pela primeira hipótese de pesquisa a qual comprova o impacto da análise unificada na eficiência das empresas. Dessa forma, conclui-se que é importante a avaliação dos elos da cadeia, uma vez que se verificou que as ineficiências em cada segmento afetam o desempenho da empresa como um todo, retratando assim de maneira mais justa a realidade do setor. O aumento da eficiência com o uso do modelo NDEA pode ser repassado aos consumidores com uma redução da tarifação.
Contudo, verificou-se que nenhuma DMU apresenta as três empresas que a compõe 100% eficientes, e apenas 5 DMUs apresentam duas empresas 100% eficientes. Isso significa que todos os caminhos da rede que foram analisados na amostra apresentam deficiências em pelo menos um dos segmentos do sistema elétrico.
Retomando aos problemas do modelo atual elencados no Capítulo 02 da presente pesquisa, os resultados encontrados confirmam as afirmações do primeiro problema, de que as empresas, com objetivos de aumentar a competitividade e eficiência, devem estar cientes que fazem parte de uma rede de suprimentos, de modo que é necessário fortalecer os elos dessa cadeia, ou seja, as relações com os respectivos clientes e fornecedores. Sobre o segundo problema identificado, conclui-se que a análise unificada torna o processo mais objetivo e padronizado para todos os segmentos da cadeia. Dessa forma, o modelo proposto segue os fundamentos e conceitos que orientam as metodologias de revisão tarifária a qual preza pela simplificação do método.
Para solução do terceiro problema verificado no modelo atual da Aneel, adotou-se o uso da variável capacidade de transmissão proposta por Pollit (1994) e Nemoto e Goto (2003), a qual consiste na soma ponderada do comprimento de rede de transmissão (Km) com o nível de tensão (KV), de modo a considerar os diferentes custos devido aos níveis de tensão para a extensão da rede utilizada.
Com relação ao quarto problema sobre a análise em dois estágios e utilização da análise de regressão com variáveis ambientais no segundo estágio, sugere-se a avaliação unificada proposta e posteriormente a análise por cluster para as características exógenas que influenciam na eficiência global das empresas como a região e porte, validadas nas hipóteses H2 e H3. A mesma proposta de análise por cluster responde ao quinto problema do modelo atual, o qual remete ao uso do índice salarial para ajustar o valor do OPEX o qual é divido por regiões visando representar as diferenças de renda e concentração populacional.
O sexto problema identificado sobre a utilização do modelo NDRS pela Aneel, foi analisado no primeiro nível de análises, em que comparou as eficiências obtidas pelo modelo CCR e NDRS. Conclui-se que os critérios utilizados pela Aneel para aplicação
do NDRS não se sustentam uma vez que não se verificou as diferenças supostas entre as empresas de pequeno porte com menores eficiências.
Por fim, respondendo ao último problema sobre a grande quantidade de indicadores de qualidade a serem verificados para a obtenção do Fator X, sugere-se a redução para apenas as três variáveis já consideradas na análise DEA, as quais são o DEC, FEC para o âmbito técnico e o IASC para o âmbito comercial.
A segunda, terceira e quarta hipóteses da pesquisa objetivaram verificar as influências de características externas ao sistema elétrico. Com isso, conclui-se que fatores como a região geográfica, o porte e a gestão unificada impactam na eficiência das empresas. Para isso, sugere-se para trabalhos futuros que sejam analisados com maior detalhe as eficiências através de análise por cluster de cada região e tipo de porte.
É importante ressaltar que para a validação das hipóteses foram utilizados os testes estatísticos não paramétrico de Mann-Whitney e de Kruskal-Wallis através do software Minitab. Além disso, para a validação e seleção das variáveis aplicou-se os métodos AHP e PCA, utilizando os softwares Excel e SPSS, respectivamente. E por fim, para a obtenção das proporções das variáveis compartilhadas entre as DMUs foi utilizado o modelo de compartilhamento de recursos proposto por Li et al. (2015). A utilização conjunta desses métodos agrega e respalda os resultados encontrados no desenvolvimento da pesquisa. Portanto, a pesquisa apresentou algumas limitações quanto a obtenção dos dados, e dificuldades quanto a problemas pouco comentados na literatura e mais recentes como o compartilhamento de recursos entre DMUs. Contudo, o objetivo da pesquisa de propor um novo modelo de análise de eficiência do sistema elétrico brasileiro a fim de tornar a revisão tarifária melhor ajustada à realidade do sistema foi alcançado.
O modelo NDEA-CCR proposto apresentou contribuições com intervenções de melhorias e inclusão do segmento de geração na análise para melhoria do desempenho das organizações. Conclui-se que o trabalho contribui com a proposta de um modelo de gestão para auxiliar o agente regulador a definir os custos operacionais eficientes das empresas. Recomenda-se como propostas de trabalhos futuros a análise por cluster dos fatores exógenos que influenciam a eficiência das empresas, como também se sugere a utilização da abordagem seis sigma para a determinação do intervalo de confiança dos scores de eficiência, para garantir uma melhor qualidade do sistema.
Por fim, recomenda-se a extensão desse projeto para uma avaliação intertemporal, de modo a considerar os subprocessos que compõe a cadeia de suprimentos como também os ganhos de eficiência obtidos ao longo do tempo, para isso sugere-se o uso do modelo DNDEA (Dynamic Network Data Envelopment Analysis), como utilizados nos trabalhos de Tone e Tsusui (2014) e Nemoto e Goto (2003). Ao verificar os ganhos de eficiência obtidos ao longo do tempo, as revisões tarifárias realizadas de quatro em quatro anos apresentarão maior respaldo técnico sobre a evolução das empresas e garantindo, assim, que se mantenha o elevado nível de eficiência em todos os períodos.
REFERÊNCIAS
ABDALA, V. (2015). Custo de energia elétrica aumenta 60% em 12 meses. Portal EBC. Rio de Janeiro/RJ.
ABRADEE – Associação Brasileira de Distribuidoras de Energia Elétrica (2015). Disponível em: < http://www.abradee.com.br/>.
ABRAGE – Associação Brasileira das Empresas Geradoras de Energia Elétrica (2015). Disponível em: < http://www.abrage.com.br/>.
ABRATE – Associação Brasileira das Grandes Empresas de Transmissão de Energia Elétrica (2015). Disponível em: < http://www.abrate.org.br/>.
ABREU, A.O; CAMPOS, R. (2007) O método AHP/ABC aplicado em uma indústria de serviços. In: XXVII Encontro Nacional de Engenharia de Produção, 2007. Foz do Iguaçu – PR. Anais do Encontro Nacional de Engenharia de Produção - ENEGEP.
ADLER, N.; GOLANY, B. (2001) Evaluation of deregulated airline networks using data envelopment analysis combined with principal component analysis with an application to Western Europe. European Journal of Operational Research 132, p. 260-273.
ADLER, N.; YAZHEMSKY, E. (2010) Improving discrimination in data envelopment analysis: PCA–DEA or variable reduction. European Journal of Operational Research 202, p. 273-284. AGRELL, P. J.; BOGETOFT, P. (2014) International Benchmarking of electricity transmission system operators. IEEE - International Conference on the European Energy Market, EEM, p. 1- 5.
AGRELL, P. J.; BOGETOFT, P.; TIND, J. (2005) DEA and Dynamic Yardstick Competition in Scandinavian Electricity Distribution. Journal of Productivity Analysis, 23, 173-201.
ALVES, L. A.; SOARES DE MELLO, J. C. C. B. (2015) Weights based clustering in Data Envelopment Analysis using Kohonen Neural Network: an application in Brazilian Electrical Sector. IEEE Latin America Trasactions, v.13, n.1.
AMADO, C. A. F.; SANTOS, S. P.; SEQUEIRA, J. F. C. (2013) Using Data Envelopment Analysis to support the design of process improvement interventions in electricity distribution. European Journal of Operational Research 228, 226-235.
AMARAL FILHO, J. B. S. (2010) Reforma e modelo do setor elétrico brasileiro. VI Seminário Internacional do Setor de Energia Elétrica (IV SISEE). GESEL/UFRJ. Rio de Janeiro. BAIN, J. S. (2000) Organización industrial. Omega, 679p. Barcelona.
ANDRADE, G. N.; ALVES, L. A.; SILVA, C. E. R. F.; SOARES DE MELLO, J. C. C. B. (2014) Evaluating Electricity Distributors Efficiency using self-organizing map and Data Envelopment Analysis. IEEE Latin America Transactions, v. 12, n. 8.
ANDRADE, G. N.; SANT'ANA, A. P. (2011) Análise da evolução da eficiência de empresas de transmissão de energia elétrica. Relatórios de pesquisa em Engenharia de Produção, v. 11, n.2. ANEEL - Agência Nacional de Energia Elétrica. (2008) Atlas de energia elétrica do Brasil. 3 ed. Brasília/DF.
ANEEL - Agência Nacional de Energia Elétrica. (2008) Por dentro da conta de luz: informação de utilidade pública. 4 ed. Brasília/DF.
ANEEL - Agência Nacional de Energia Elétrica. (2012) Relatório ANEEL 2011. Brasília/DF. ANEEL (2006) Nota Técnica, nº 068/2006-SRT.
ANEEL (2009). Benchmarking dos custos operacionais das concessionárias de transmissão de energia elétrica. Nota Técnica nº 396/2009 - SRE/ANEEL.
ANEEL (2013) Nota Técnica nº 196/2013 - SRE/ANEEL. ANEEL (2015) Nota Técnica nº 66/2015 - SRM/SGT/ANEEL.
ANEEL (2015). Banco de Informações de Geração. Disponível em: <http://www.aneel.gov.br/>. AZADEH, A.; AMALNICK, M. S.; GHADERI, S. F.; ASADZADEH, S. M. (2007) An integrated DEA PCA numerical taxonomy approach for energy efficiency assessment and consumption optimization in energy intensive manufacturing sectors. Energy Policy 35, p. 3792- 3806.
AZADEH, A.; ASADZADEH, S. M.; MOVAGHAR, S. A. (2011) Implementation of data envelopment analysis-genetic algorithm for improved performance assessment of transmission units in power industry. International Journal of Industrial and Systems Engineering 8 (1), p. 83- 103.
AZADEH, A.; GHADERI, S. F.; OMRANI, H.; EIVAZY, H. (2009) An integrated DEA–COLS– SFA algorithm for optimization and policy making of electricity distribution units. Energy Policy 37, p. 2605-2618.
BACELAR, T. S. (2006) O fator redutor da tarifa de distribuição de energia elétrica: um enfoque utilizando a Análise por Envoltória de Dados - DEA. Dissertação (mestrado) - Universidade Federal de Pernambuco. CCSA. Economia. Recife/PE.
BAGDADIOGLU, N.; PRICE, C. M. W.; WEYMAN-JONES, T. G. (1996) Efficiency and ownership in electricity distribution: A non-parametric model of the Turkish experience. Energy Economics 18, p. 1-23.
BANKER, R. D.; CHANG, H. (2006) The super-efficiency procedure for outlier identification, not for ranking efficient units. European Journal of Operational Research 175, p. 1311-1320. BANKER, R. D.; NATARAJAN, R. (2008) Evaluating contextual variables affecting productivity using data envelopment analysis. Operations Reseach, v.56, n.1, p. 48-58.
BANKER, R.D., CHARNES, A., COOPER, W.W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science 30, 1078–1092. BEAMON, B. M. (1998) Supply chain design and analysis: models and methods. Production Economics, 55, p. 281-294.
BI, G. B.; FENG, C. P.; DING, J. J.; KHAN, M. R. (2012). Estimating relative efficiency of DMU: Pareto principle and Monte Carlo oriented DEA approach. INFOR, 50, 44–57.
CAMPISTA, M. E. M.; VELLOSO, P. B.; COSTA, L. H. M. K.; DUARTE, O. C. M. B. (2004) Uma análise da capacidade de transmissão na rede de energia elétrica domiciliar. XXI Simpósio Brasileiro de telecomunicações, Belém/PA.
CASTELLI, L.; PESENTI, R.; UKOVICH, W. (2010) A classification of DEA models when the internal structure of the Decision Making Units is considered. Ann Oper Res 173, p. 207-235.
CAVES, D. W., CHRISTENSEN, L. R., DIEWERT, W. E. (1982) The Economic Theory of Index Numbers and the Measurement of Input, Output and Productivity, Econometrica, v.50, n.6, p. 1393-1414.
ÇELEN, A. (2013) Efficiency and productivity (TFP) of the Turkish electricity distribution companies: An application of two-stage (DEA&Tobit) analysis. Energy Policy 63, 300-310. ÇELEN, A.; YALÇIN, N. (2012) Performance assessment of Turkish electricity distribution utilities: An application of combined FAHP/TOPSIS/DEA methodology to incorporate quality of service. Utilities Policy 23, p. 59-71.
CHARNES, A.; COOPER, W. W.; RHODES, E. (1978) Measuring the efficiency of decision making units. European Journal of Operational Research, v.2, n.6, p. 429-444.
CHARNES, A.; COOPER, W.W.; DIVINE, R.; RUEFLI, T.W.; THOMAS, D. (1989) Comparisons of DEA and existing ratio and regression systems for effecting efficiency evaluation of regulated electric cooperatives in Texas, Research in governmental and Nonprofit Accounting 5, 187-210.
CHEBERLE, L. A. D.; LOPES, P. H. S.; PESSANHA, J. F. M. (2006) Aspectos da regulação da continuidade dos serviços de distribuição de energia elétrica e revisão tarifária – uma proposta de integração. Congreso Internacional de Distribuición Eléctrica, Buenos Aires, Argentina.
CHEN, P. C.; CHANG, C. C.; YU, M. M.; HSU, S. H. (2012) Performance measurement for incineration plants using multi-activity network data envelopment analysis: The case of Taiwan. Journal of Environmental Management, 93, p. 95–103.
CHEN, T. (2002) An Assessment of technical efficiency and cross-efficiency in Taiwan's electricity distribution sector, European Journal of Operational Research, 137.
CHEN, Y. (2011) Structured methodology for supplier selection and evaluation in a supply chain. Information Sciences 181, p. 1651-1670.
CHERCHYE, L.; POST, T. (2003) Methodological Advances in DEA: a survey and an application for the Dutch electricity sector. Statistica Neerlandica. V. 57, nr. 4, pp. 410-438. CHIEN, C.; LO, F.; LIN, J. T. (2003) Using DEA to measure the relative efficiency of the service center and improve operation efficiency through reorganization, IEEE Transactions on Power Systems, vol 18, no 1.
CHOI, T. Y.; KRAUSE, D. R. (2006) The Supply Base and Its Complexity: Implications for Transaction Costs, Risks, Responsiveness, and Innovation. Journal of Operations Management 24 (5), p. 637–652.
COELLI, T. J.; RAO, D. S. P.; O'DONNEL, C. J.; BATTESE, G. E. (2005) An Introduction to efficiency and productivity analysis. Springer Science + Bussiness Media, Inc.
COELLI, T.; PERELMAN, S. (1999) A comparison of parametric and non-parametric distance functions: With application to European railways. European Journal of Operational Research 117, p. 326-339.
COOK, W. D.; HABABOU, M. (2001). Sales performance measurement in bank branches. Omega, 29, 299–307.
COOK, W. D.; LIANG, L.; ZHU, J. (2010) Measuring performance of two-stage network structures by DEA: A review and future perspective. Omega 38, p.423-430.
COOK, W. D.; SEIFORD, L. M. (2009) Data envelopment analysis (DEA) - Thirty years on. European Journal of Operational Research 192, p.1-17.
COOK, W. D.; ZHU, J.; GONGBING, B.; YANG, F. (2010) Network DEA: Additive efficiency decomposition. European Journal of Operational Research 207, p. 1122-1129.
COOK, W.D.; SEIFORD, L.M.; ZHU, J. (2004). Models for performance benchmarking: measuring the effect of e-business activities on banking performance. Omega 32(4), 313-322. COOPER, W. W.; SEIFORD, L. M; TONE, K. (2000) Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software. Boston: Kluwer Academic Publishers.
CULLINANE, K.; WANG, T.; SONG, D.; JI, P. (2006) The technical efficiency of container ports: Comparing data envelopment analysis and stochastic frontier analysis. Transportation Research PART A 40, p. 354-374.
DANIEL, L. P.; GOMES, A. P. (2013) Um modelo para medir eficiência das concessionárias de distribuição de energia elétrica brasileiras. P&D em Engenharia de Produção, Itajubá, v.11, n.2, p. 74-89.
DELMAS, M.; TOKAT, Y. (2002) Deregulation, restructuring and productivity: the U.S. electric utility sector. Annual Conference of the International Society for New Institutional Economics, MIT.
DIEESE. (2012) Nota Técnica n. 114. Disponível em: <http://www.dieese.org.br/>
DYSON, R.G.; ALLEN, R.; CAMANHO, A.S.; PODINOVSKI, V.V.; SARRICO, C.S.; SHALE, E.A. (2001) Pitfalls and protocols in DEA. European Journal of Operational Research, v.132, p.245-259.
EBRAHIMNEJAD, A.; TAVANA, M.; LOTFI, F. H.; SHAHVERDI, R.; YOUSEFPOUR, M. (2014) A three-stage Data envelopment analysis model with application to banking industry. Measurement 49, p. 308-319.
EMROUZNEJAD, A.; PARKER, B. R.; TAVARES, G. (2008) Evaluation of research in efficiency and productivity: A survey and analysis of the first 30 years of scholarly literature in DEA. Socio-Economic Planning Sciences 42, p. 151-157.
ESTRADA, S. A.; SONG, H. S.; KIM, Y. A.; NAMN, S. H.; KANG, S. C. (2009) A method of stepwise benchmarking for inefficient DMUs based on the proximity-based target selection. Expert Sustems with Applications 36, p. 11595-11604.
FALLAHI, A.; EBRAHIMI, R.; GHADERI; S. F. (2011) Measuring efficiency and productivity change in power electric generation management companies by using data envelopment analysis: A case study. Energy 36, p. 6398-6405.
FÄRE, R. (1988) Fundamentals of production theory (Springer, Heidelberg).
FÄRE, R.; GRABOWSKI, R.; GROSSKOPF, S.; KRAFT, S. (1997). Efficiency of a fixed but allocatable input: A non-parametric approach. Economics Letters, 56, 187–193.
FÄRE, R.; GROSSKOPF, S. (1996) Intertemporal Production Frontiers: With Dynamic DEA. Kluwer Academic Publishers, Boston.
FÄRE, R.; GROSSKOPF, S. (2000) Network DEA. Socio-Economic Planning Sciences 34, p. 35-49.
FÄRE, R.; GROSSKOPF, S.; Lindgren, B.; Roos, P. (1989) Productivity developments in Swedish hospitals: A Malmquist output index approach. Discussion Paper No. 89-3, Southern Illinois University.
FÄRE, R.; GROSSKOPF, S.; LOGAN, J. (1983) The relative efficiency of Illinois electric utilities, Resources and Energy, vol. 5.
FÄRE, R.; GROSSKOPF, S.; NORRIS, M.; ZHANG, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. American Economic Review, 84, pp. 66-83.
FÄRE, R.; GROSSKOPF, S.; WHITTAKER, G. (2007) Network DEA. In: Zhu, J.; COOK, W. D. (Eds.) Modeling Data Irregularities and Structural Complexities in DEA. Springer Verlag, New York, p. 209-240.
FARRELL, J. M. (1957) The measurement of thecnical efficiency. Journal of the Royal Statistics Society, SERIES A (GENERAL), PART III, 253-290.
FRANCISCO, C. A. C. (2013) Uma metodologia para a Análise do desempenho sustentável dos postos de revenda de combustível na cidade de Natal/RN, com o uso de Data Envelopment Analysis - DEA. Tese de Doutorado, Programa de Pós-Graduação em Ciência e Engenharia de Petróleo, Universidade Federal do Rio Grande do Norte, Natal/RN.
FRIED, H. O.; LOVELL, C. A. K.; SCHMIDT, S. (2008) The measurement of productivity efficiency and productivity growth. Oxford University Press. New York.
FROHLICH, M. T.; WESTBROOK, R. (2001) Arcs of integration: an international study of supply chain strategies. Journal of Operations Management 19, 185-200.
FROTA NETO, J. Q.; BLOEMHOF-RUWAARD, J. M.; VAN NUNEN, J. A. E. E.; VAN HECK, E. (2008) Designing and evaluating sustainable logistics networks. Int. J. Production Economics 111, 195-208.
GELAN, A.; MURIITHI, B. W. (2012) Measuring and explaning technical efficiency of diary farms: A case study of smallholder farms in east african. Agrekon, v.51, n.2, p.53-74.
GOLANY, B., ROLL, Y. (1989). An application procedure for DEA. OMEGA 17 (3), 237–250. GOLANY, B.; ROLL, Y.; RYBAK, D. (1994) Measuring Efficiency of Power Plants in Israel by Data Envelopment Analysis. IEEE Transactions on Engineering Management, v. 41, n. 3, p. 291- 301.
GOMES JUNIOR, S. F. (2006) Métodos não convencionais de restrições aos pesos em DEA, aplicados ao campeonato mundial de Fórmula 1, Niterói. Tese (Mestrado em Engenharia de Produção) Universidade Federal Fluminense.
GOULART, D. D. (2013) Avaliação de Índices de eficiência e de produtividade de distribuidoras de energia elétrica no Brasil aplicando a Análise Envoltória de Dados (DEA). Dissertação (Mestrado), Universidade Federal do Pampa, Alegrete/RS.
GOULART, D. D.; SPERANDIO, M. (2014) Análise dos índices de eficiência e produtividade de empresas distribuidoras de energia elétrica no Brasil. V Simpósio Brasileiro de Sistemas Elétricos, Foz do Iguaçu/PR.
GUAN, J. C.; CHEN, K. H. (2010) Measuring the innovation production process: A cross-region empirical study of China’s high-tech innovations. Technovation, 30, p. 348–358.
HATTORI, T.; JAMASB, T.; POLLITT; M. G. (2003) A comparison of UK and Japanese electricity distribution performance 1985-1998: lessons for incentive regulation. Massachusetts Institute of Technology, Center for Energy anda Environmental Policy Research, University of Cambridge.
HJALMARSSON, L.; VEIDERPASS, A. (1992) Efficiency and Ownership in Swedish Electricity retail distribution. The Journal of Productivity ANalysis, 3, 7-23.
HO, W. (2008) Integrated analytic hierarchy process and its applications - A literature review. European Journal of Operational Research 186, p. 211-228.
HONKAPURO, S. (2008) Performance Benchmarking and Incentive Regulation – Considerations of Directing Signals for Electricity Distribution Companies. Thesis, Lappeenranta University of Technology, Lappeenranta, Finland.
HSIEH, L.; LIN, L. (2010) A performance evaluation model for international tourist hotels in