Estudos referentes à análise de eficiência através de uma modelagem DEA

5.1.1. “Avaliação da Eficiência Portuária Através de uma Modelagem DEA”, de Otávio Henrique Paiva Martins Fontes (2006)

Fontes (2006) tinha como objetivo apresentar um modelo em DEA para se calcular valores numéricos para mensurar a eficiência portuária. O autor levou em consideração a movimentação total de cargas nos portos, independentemente da natureza ou do acondicionamento. Seus dados de análise foram obtidos junto à ANTAQ e compreendem as seguintes características:

 Período de análise: 2002, 2003 e 2004.

 Portos e terminais em estudo: foram estudados 31 portos e terminais, durante três anos consecutivos e simultaneamente na mesma análise, totalizando assim 93 DMUs.  Modelagem escolhida: DEA – BCC orientada a output.

 Input do modelo: extensão total de cais aportável.

 Outputs do modelo: movimentação total de embarcações e movimentação total de carga transportada dentro e fora do cais.

O autor chegou a oito DMUs com valor máximo de eficiência: Areia Branca (2002 e 2004), Rio Grande (2004), Santarém (2002), Santos (2003 e 2004), São Sebastião (2004) e Tubarão (2004).

Existem algumas diferenças importantes na abordagem desta dissertação e na abordagem de Fontes (2006).

Primeiramente, todos os dados de Fontes (2006) foram dispostos em uma mesma análise. Isso permitiu que se aumentasse o número de DMUs, e como o número de variáveis foi pequeno (um input e dois outputs), os resultados obtidos através de DEA – BCC apresentaram uma discriminação bem satisfatória. Já neste trabalho, os dados foram tratados separadamente, ou seja, foram feitas três análises (2010, 2011 e 2012) com um número reduzido de DMUs (apenas 19 terminais) e com um alto número de variáveis (quatro inputs e um output). Esta disposição dos dados fez com que quase a totalidade dos terminais estudados fossem considerados eficientes, o que carece de comprovação empírica.

Com relação às DMUs e variáveis escolhidas, Fontes (2006) considerou a movimentação do porto como um todo, não importando qual a natureza da carga (granel sólido, granel líquido, carga geral ou contêineres). Já neste trabalho foram considerados apenas terminais que movimentam um único tipo de mercadoria (contêineres). Essa separação foi importante pois para cada tipo de mercadoria a operação é muito diferente e foram utilizados alguns indicadores operacionais. O tempo de operação, por exemplo, de desembarque de contêineres é em média muito menor que um desembarque de minério de ferro. É de se esperar que a eficiência de um terminal seja influenciada pelo tipo de carga que opera predominantemente. Em termos de resultados, não parece viável a comparação direta, uma vez que as seleções de DMUs, de variáveis e de metodologia foram bem diferentes.

5.1.2. “Avaliação dos Terminais que Movimentam Contêineres no Brasil Através da Análise Envoltória de Dados”, de Renato Leite Fernandes (2010)

Fernandes (2010a) tinha como objetivo aplicar um modelo em DEA para se calcular a eficiência portuária restrita a terminais de contêineres, sejam estes públicos ou privados. Seus dados de análise foram obtidos junto à ANTAQ e às autoridades portuárias através de pesquisa direta, e compreendem as seguintes características:

 Período de análise: 2008.

 Portos e terminais em estudo: foram estudados 21 terminais (sendo dois destes internacionais), ou seja, 21 DMUs.

 Modelagem escolhida: DEA – BCC orientada a output.

 Output do modelo: movimentação total de contêineres em TEU.

O autor chegou a cinco DMUs com valor máximo de eficiência no modelo CCR orientado a

output, sem restrição de pesos: Teconvi, Tecon Salvador, T-37, Tecon Santos e Tecondi. Ao

utilizar o modelo BCC orientado a output o resultado passou para nove DMUs eficientes: Teconvi, Tecon Salvador, T-37, Rodrimar, Tecon Santos, Tecondi, CP São Francisco do Sul, Pecém e Super Terminais. Optou-se pelo segundo modelo em razão da diferença de escalas muito grande entre os terminais estudados.

Uma restrição interessante foi colocada em Fernandes (2010a): a imposição de pesos mínimos. Quando se observa o peso de cada uma das variáveis estudadas para se calcular o valor de eficiência, nota-se uma grande quantidade de pesos nulos.

Neste trabalho cogitou-se a ideia de se impor uma restrição de pesos para impedir o surgimento de pesos nulos nas variáveis, o que não foi aplicado. Optou-se por não fazer essa restrição por duas razões: a primeira é que essa restrição seria totalmente empírica, uma vez que o uso de indicadores como prancha média, consignação média e taxa de ocupação dos berços estavam sendo utilizados pela primeira vez, em uma amostra de apenas três anos. A segunda razão é que a restrição de pesos implica em uma redução geral das eficiências dos terminais, o que não seria interessante neste trabalho, onde a ideia foi a de se atingir os maiores valores possíveis, utilizando-se modelos clássicos.

Pensou-se inclusive em utilizar faixa de pesos baseando-se na correlação existente entre cada

input com o output em estudo. Por exemplo, em 2012, a correlação entre prancha média e a

quantidade de contêineres movimentadas foi de 0,73052. Se somarmos todas as correlações das variáveis utilizadas (tabela 4.14) o resultado será 2,82894. A participação da prancha média nesse número é de 26%, e uma faixa de tolerância para o peso da variável poderia ser de 13% a 39%. Entretanto, esse tipo de restrição iria acarretar em um problema de continuidade de análise. O objetivo principal desta dissertação é criar uma metodologia contínua de avaliação de eficiência dos terminais de contêineres. Que pesos seriam considerados para comparar resultados de um ano para o outro? Por todas essas razões, não foram impostas quaisquer restrições aos pesos das variáveis utilizadas.

Comparando os resultados obtidos na modelagem CCR em Fernandes (2010a), dois terminais foram considerados eficientes em ambos os estudos: Tecon Santos Brasil (SP) e Libra Terminais (SP). Neste trabalho os outros terminas considerados eficientes na pesquisa de Fernandes (2010a) mostraram-se ineficientes: a APM Terminais (antigo Teconvi) apresentou

um índice médio de eficiência de 79,2%, o Tecon Salvador apresentou média de 59,1% e o Ecoporto Santos (antigo Tecondi) apresentou média de 90,6%. No sentido inverso, neste trabalho o TUP Chibatão foi considerado eficiente nos três anos em análise, enquanto que em Fernandes (2010a) este índice foi de 51,4%.

Os resultados deste trabalho na modelagem BCC foram poucos discriminatórios: em geral apenas cinco terminais eram considerados ineficientes em cada ano. Os terminais considerados eficientes em Fernandes (2010a) também atingiram a eficiência nesse trabalho.

5.1.3. “Estudo Comparativo das Estruturas de Custos e Avaliação de Projetos/Investimentos entre Terminais Portuários de Uso Público e Terminais Portuários de Uso Privativo Misto”, de Paulo César Coutinho et

al (2012)

O trabalho desenvolvido pela equipe de pesquisadores da Universidade de Brasília – UnB investigou a existência de retornos crescentes de escala e eficiência de terminais. O estudo compreende as seguintes características:

 Período de análise: 2010.

 Portos e terminais em estudo: foram estudados 15 terminais, públicos e privados, totalizando assim 15 DMUs.

 Modelagem escolhida: DEA – BCC orientada a output.

 Inputs do modelo: investimentos em máquinas e equipamentos, despesas administrativas e custos de serviços prestados.

 Output do modelo: movimentação total de contêineres em TEU.

Relativa à existência ou não de retornos crescentes de escala, o estudo coordenado por Coutinho (2012) concluiu, após vários testes econométricos, que não existem evidências de retorno crescente de escala nas operações dos terminais de contêineres.

Quanto à eficiência dos terminais pesquisados no estudo, nota-se que na modelagem CCR apresentaram-se como eficientes os terminais de Paranaguá e Pecém. Já na modelagem BCC, além dos dois já citados aparecem na relação o Tecon Santos Brasil, a Libra Terminais (SP) e o Teconvi.

Quando compara-se os resultados obtidos anteriormente com este trabalho, percebe-se que dependendo das variáveis que sejam utilizadas na análise, o resultado pode ser bem diferente. O estudo realizado pela UnB utilizou-se basicamente de variáveis financeiras para se se determinar a eficiência dos terminais, enquanto neste trabalho foram utilizados variáveis físicas e indicadores operacionais.

Neste trabalho, considerando a modelagem CCR, o Terminal de Contêineres de Paranaguá (TCP) apresentou uma eficiência média de 77,9% nos três anos de estudo e o Terminal de Pecém apresentou uma média de 41,27%. Terminais considerados eficientes neste trabalho não obtiveram um bom resultado na análise feita pela UnB. Naquele estudo, sempre considerando a mesma modelagem, o Tecon Santos Brasil apresentou uma eficiência de 75,9%, a Libra Terminais (SP) mostrou uma eficiência de 36,1% e o TUP Chibatão obteve uma eficiência de 41%.

Quando se observam os resultados obtidos através da modelagem escolhida naquele estudo, percebe-se que os terminais que alcançaram a eficiência também o fizeram neste trabalho. Novamente é preciso destacar que a modelagem BCC neste trabalho apresentou mais de 70% dos terminais estudados como eficientes. Em suma, a escolha do modelo a ser seguido, bem como das variáveis a serem analisadas são extremamente importantes, podendo levar a resultados, em princípio destoantes.

Para exemplificar a importância da escolha de variáveis, a tabela 5.1 mostra como seria o resultado da eficiência dos terminais no ano de 2010 utilizando-se como inputs uma variável financeira do estudo da UnB (custos dos serviços prestados, em R$), uma variável física (área do terminal, em m2) e uma variável de produtividade (prancha média, em contêiner/hora). Como output foi mantida a quantidade movimentada de contêineres (em unidades/ano). A escolha dentre as variáveis financeiras para esse teste foi aquela que tivesse maior correlação com o output.

Tabela 5.1: Teste de análise de eficiência segundo DEA-CCR e DEA-BCC utilizando dados físicos, financeiros e de produção

AREA PRANCHA CUSTOS QUANT CCR Score BCC Score

DMU-01 596.000 39,90 337.978.000 842.026 100,00 100,00 DMU-02 332.000 19,40 114.070.000 300.341 94,91 100,00 DMU-04 270.000 32,70 175.042.000 252.985 66,32 68,33 DMU-06 400.000 19,30 76.334.000 87.122 34,98 35,07 DMU-07 180.000 28,70 104.698.420 223.219 87,78 93,17 DMU-09 280.000 22,90 57.488.000 217.085 100,00 100,00 DMU-12 450.000 21,20 30.192.158 95.013 56,53 64,17 DMU-13 118.000 28,10 55.321.000 150.292 97,22 100,00 DMU-14 209.000 23,10 164.204.000 212.435 71,94 76,26 DMU-16 104.000 15,50 55.967.027 124.257 86,42 100,00 DMU-18 380.000 13,40 12.464.335 103.252 100,00 100,00 DMU-19 71.000 31,40 15.671.000 74.604 100,00 100,00

Com os dados da tabela 5.1, quatro terminais foram considerados eficientes nas duas modelagens analisadas: o Tecon Santos Brasil, o Tecon Suape, o Terminal Privativo de Pecém e o TESC, o que mostra mais um resultado bem diferente dos demais feitos anteriormente, tanto neste trabalho como no estudo da UnB.