Benchmarking interno para redução de custos, baseado na regulação tarifária e aplicado aos processos operacionais da distribuição

baseado na regulação tarifária e aplicado aos

processos operacionais da distribuição

Nyvea Maria da Silva, Jocimar Lopes Santos, Yara Rodrigues Lopes

O desafio de melhorar a eficiência operacional, sem comprometer a qualidade de serviços, motivou a condução de um benchmarking interno, por meio da adoção de uma metodologia de suporte aos processos operacionais da distribuição de energia elétrica, com o objetivo de alcançar o equilíbrio entre redução de custo e aumento da qualidade de serviço.

Palavras-chave: Benchmarking. Eficiência operacional. Revisão tarifária. Tomada de decisão. Introdução

O projeto “Desenvolvimento de metodologia e sistema computacional para suporte à tomada de decisão nos processos operacionais de distribuição, de forma otimizada à regulação do serviço de energia elétrica” foi registrado na Aneel (Agência Nacional de Energia Elétrica) sob o código PD-4950-0362/2010, ciclo 2010/2011, e concluído em 2012. A entidade executora foi o CPqD, e a Cemig Distribuidora (Cemig D) foi responsável pelo suporte financeiro e de negócio. Com o intuito de subsidiar a tomada de decisão para promover a melhoria da produtividade, por meio da redução de custos, foram realizados estudos empregando conceitos da metodologia de custeio ABC (Activity Based Costing) (NAKAGAWA, 2001) e de benchmarking para a avaliação interna de desempenho, no contexto de um projeto de P&D da Aneel.

Os custos operacionais foram tratados em duas abordagens, referentes ao mapeamento de custos na visão da Empresa de Referência (ER), modelo desenvolvido pela Aneel, segundo Nota Técnica no _{166 (2006) e na visão por} desagregação de custos de atividades realizadas em campo pela distribuidora. A determinação dos custos se dá com base em dados contábeis, informações da rede de distribuição e estatísticas de atividades de campo executadas, método que pode produzir informações sobre o comportamento estratégico das empresas em relação aos custos, segundo um dos dois seguintes enfoques: ER e benchmarking.

O modelo da ER foi empregado pela Aneel para determinar os custos operacionais, tanto no 1o ciclo de revisão tarifária, vigente de 2003 a 2006, como no 2o _{ciclo, vigente de 2007 a 2010. Esse} método baseia-se em uma empresa hipotética, criada para a identificação e definição detalhada das atividades e dos processos necessários para

prestar o serviço de distribuição de energia elétrica. Cada distribuidora, portanto, tem como resultado os seus custos regulatórios calculados pelo modelo da ER.

Podem ser obtidos os custos eficientes organizados em diferentes setores da ER, conforme Figura 1.

Estrutura central

Setores da empresa de referência

Estrutura regional

Processos de O&M

Processos comerciais

Custos adicionais Sistemas

Figura 1 Setores da Empresa de Referência (ER) da Aneel

A abordagem do mapeamento de custos para a ER permitiu alocar os custos reais de operação da Cemig D em cada um dos setores do modelo da Aneel e, assim, comparar os custos reais e os regulatórios.

Para o 3º ciclo de revisão tarifária periódica (3CRTP), de acordo com a Nota Técnica no ₀₀₃₁ (ANEEL, 2011), vigente de 2011 a 2014, foi proposta a substituição da metodologia da ER por outra que emprega técnicas de

benchmarking entre as empresas do setor. Trata-se de uma metodologia de comparação de desempenho ou eficiência, com a utilização de indicadores, funções de produção, custos ou distâncias. Do ponto de vista regulatório, a assimetria de informação se inverte, uma vez que a Aneel passa a analisar, de forma centralizada, uma menor quantidade de informações intrínsecas das empresas.

Porém, com a reformulação do método de revisão tarifária promovida pela Aneel, surge uma dificuldade para as concessionárias quanto ao desenvolvimento de iniciativas em antecipação ao próximo ciclo de revisão, uma vez que, em * Companhia Energética de Minas Gerais (Cemig).

decorrência da indisponibilidade de informações das demais empresas, essa análise não pode ser replicada por uma só concessionária que deseje antever seu desempenho relativo. Assim, com objetivos diferentes dos definidos para o benchmarking conduzido pela Aneel, mas ainda com foco na eficiência operacional, foi empregada no projeto de pesquisa e desenvolvimento uma metodologia que combinou o conhecimento de custos até o nível de atividade com benchmarking interno, ou seja, entre diferentes sub-regiões da área de concessão da Cemig D. Essa metodologia teve como objetivo identificar as diferenças de eficiência existentes e avaliar os fatores que influenciam tais diferenças, direcionando as ações gerenciais que possam contribuir para o ganho de eficiência da Cemig D como um todo. A combinação de métodos de mapeamento de custos ABC (NAKAGAWA, 2001) com a aplicação de benchmarking para determinação da fronteira de eficiência não encontra paralelo no setor de distribuição, e sua implementação resulta num elevado nível de inovação, trazendo benefícios não só à Cemig D, mas também à comunidade por ela atendida.

O método de desenvolvimento da pesquisa é apresentado na Seção 1, que se divide em quatros subseções. A primeira Subseção contém um resumo do mapeamento de custos que foi desenvolvido no projeto – insumo básico para que a análise de benchmarking fosse viável. A segunda Subseção mostra as metodologias de

benchmarking consideradas nas literaturas

acessadas. Na terceira Subseção, são descritas as caracterizações de regiões que compuseram os clusters, utilizados nas análises de

benchmarking, bem como as ferramentas

utilizadas (sistemas de software). Finalmente, a prova de conceito é apresentada na quarta Subseção. A Seção 2 contém as conclusões do trabalho.

1 Desenvolvimento da pesquisa

O estudo realizado definiu a composição de um modelo misto de avaliação, dividido em duas etapas. Na primeira etapa, realizou-se o mapeamento de custos de operação e manutenção (O&M) para os setores da Empresa de Referência e para as atividades de campo nas regiões geoelétricas da distribuidora. A segunda etapa consistiu em uma análise de

benchmarking interno, segundo as

características da rede de distribuição e das regiões, permitindo priorizar as áreas para otimização.

1.1 Mapeamento de custos

O mapeamento de custos de O&M da distribuidora oferece informações úteis ao microgerenciamento e à otimização em escala localizada. No entanto, é preciso especificar quais custos foram considerados. Segundo Figura 2, os custos de O&M representam a parcela dos custos gerenciáveis relacionada ao provimento do serviço de distribuição de energia. Com esse modelo, é possível construir um mapeamento em que se estabelece a relação dos custos com os setores da ER e entre as atividades de campo com os coletores de custos da contabilidade, que constituem uma base denominada PMSO (Pessoal, Material, Serviços e Outros).

Com esse propósito, foi desenvolvida uma metodologia para o mapeamento de custos, com base no sistema de custeio ABC, com a combinação de tratamento analítico para estruturação prévia da informação e uso de elementos multidimensionais no processo de distribuição de custos (CPqD, 2011). O uso de dimensões se faz necessário uma vez que a distribuição de custos compreende uma quantidade muito elevada de elementos de custos.

Custos relacionados ao provimento do serviço de distribuição de energia, como, por exemplo, custos com pessoal (administrativo, operação e manutenção), material, serviços e

infraestrutura física.

Com uma abordagem clássica de custos, o mapeamento resultaria em uma enorme diversidade de opções e combinações de informações, acarretaria esforços impraticáveis e, ainda, exigiria um processo de manutenção extremamente trabalhoso. No entanto, com a aplicação do conceito de multidimensionalidade, componentes como Atividade, Região, Execução e Localização constituem dimensões, ou seja, os elementos de custos referentes às atividades contêm diversas dimensões.

Assim, os elementos de custos passam a relacionar-se a tantos valores quanto forem necessários, abrangendo todas as combinações dos itens definidos em cada dimensão e tornando desnecessário explicitar no mapeamento todas as possibilidades de distribuição de custos. Em lugar disso, desenvolve-se um algoritmo que fica a cargo do trabalho de organização dos valores de custos de cada item combinado no elemento de custo e da forma com que devem ser distribuídos.

Quando ocorre a transferência de custos para vários elementos, ou quando há incremento de dimensões, é necessário o uso de drivers de custos para definir a proporção com que o custo deve ser distribuído entre os elementos de destino. Os drivers de custos podem ter as mais distintas naturezas, como, por exemplo, o tempo de execução de atividades, quilometragem de veículos e aplicação de materiais. Tipicamente, são valores obtidos dos sistemas de informação e suporte à força de trabalho da Cemig D, mas também podem ser utilizados outros valores dos sistemas financeiros.

A Figura 3 exemplifica o processo de distribuição de custos entre elementos multidimensionais, com a utilização de drivers de custos, e mostra o esquema de distribuição no qual os elementos de

destino possuem mais dimensões que o elemento de origem. Pode-se observar que os elementos de destino 1 e 2 têm, além da dimensão A do elemento de origem, as dimensões B e C, respectivamente. Os drivers têm as mesmas dimensões dos elementos de destino correspondentes, enquanto a soma de

drivers tem a mesma dimensão do elemento de

origem.

A metodologia de mapeamento de custos resultou na especificação funcional de um algoritmo, que proporciona flexibilidade no tratamento das informações de custos e capacidade para tratar uma grande diversidade de informações, com base na distribuição de custos em etapas e com utilização de verificação de consistência.

Para o mapeamento de custos da ER, inclui-se uma fase a mais na distribuição de custos com o propósito de associar os custos regulatórios obtidos pelo modelo da Aneel com os custos da Cemig D. A Figura 4 apresenta o processo de desagregação de custos da ER utilizado para essa finalidade.

Com a finalidade de dispensar um tratamento adequado às informações de custos disponibilizadas pelo mapeamento, foi desenvolvido um ambiente analítico. Esse ambiente permitiu as análises para o desenvolvimento e a implantação de ações de melhoria e controle administrativo e operacional, com base em valores desagregados, segundo custos operacionais, anuidades de veículos, aluguéis, sistemas de TI, telecomunicações, custo de capital e depreciação, e em valores comparativos de desvio, segundo os valores calculados pelo modelo da ER. A Figura 5 e a Figura 6 ilustram parte desse ambiente analítico construído. Elemento origem Elemento destino 1 Elemento destino 2 Driver 1 Driver 2 X X Soma de  Drivers Dim A Dim B Dim B Dim A Dim A Dim B Dim A Dim B Dim A Dim A Dim B Dim B

Elemento de custo

...

...

Figura 4 Desagregação de custos para a Cemig D

Figura 5 Custos operacionais na visão ER e na visão da Cemig D – histórico de 3 anos

Figura 6 Painel de custos de Operação e Manutenção

1.2 Metodologia de benchmarking

Para ampliar a capacidade de análise, com base na apuração individualizada de custos das diversas regiões internas à área de concessão da Cemig D, foi elaborada a análise de

benchmarking, segundo as especificidades da

rede de distribuição e das regiões, permitindo priorizar áreas para otimização.

Define-se benchmarking como um método de comparação de uma medida do desempenho observado em uma unidade, ou firma, com uma medida de referência. Uma firma é considerada eficiente quando, excepcionalmente, não existir

outra firma que utilize menos insumos e produza mais que ela (JAMASB; POLLITT, 2001).

Enquanto o objetivo do benchmarking conduzido pela Aneel era avaliar o desempenho relativo das empresas a fim de determinar tarifas adequadas e oferecer incentivos à melhoria de desempenho, o projeto em desenvolvimento definiu como meta analisar as diferentes regiões da Cemig D como se fossem diferentes empresas para identificar as diferenças de eficiência existentes e avaliar os fatores que influenciam tais diferenças, direcionando ações gerenciais que possam contribuir para o ganho de eficiência como um todo.

Dessa forma, foi conduzida a análise de eficiência de custos em cada uma das atividades nas quais o custo pôde ser decomposto. Tomou-se o custo de cada atividade por região e foram selecionadas as informações de variáveis que pudessem estar relacionadas à maior ou menor eficiência em cada atividade em particular. Em decorrência do grande número de atividades, o processo de decomposição partiu inicialmente de uma análise do custo total, com os fatores que pudessem influenciá-lo.

É importante destacar que uma distribuidora não tem controle sobre o crescimento do número de clientes atendidos ou sobre a extensão de sua área de concessão, uma vez que, pelas diretrizes regulatórias, deve atender a todos os clientes da área definida pelo órgão regulador. Assim, o conceito de eficiência é orientado a uma minimização dos custos, mantendo constantes as variáveis relativas a fatores como número de consumidores, área, extensão de rede, etc. Entre os diversos métodos para análise de

benchmarking, os de fronteira são os mais

usados, com destaque para os três métodos (ou modelos) descritos na Tabela 1: mínimos quadrados ordinários corrigidos (Corrected Ordinary Least Squares – COLS), análise envoltória de dados (Data Envelopment Analysis – DEA) e análise de fronteira estocástica (Stochastic Frontier Analysis – SFA). Foram selecionados os métodos DEA, em virtude de sua característica de flexibilidade na estrutura do modelo (não paramétrico), e SFA, por propiciar flexibilidade no termo do erro.

Tabela 1 Características dos métodos mais usados na literatura de benchmarking

Modelo Representação da eficiência

Estrutura

do modelo Termo do erro

COLS Fronteira Paramétrico Determinístico DEA Fronteira _paramétricoNão Determinístico SFA Fronteira Paramétrico Estocástico O DEA é um método de programação matemática utilizado para estimar melhores

práticas da fronteira de produção ou de custo e avaliar a eficiência relativa das diversas firmas. Uma concessionária é considerada eficiente quando nenhuma outra – ou combinação linear de outras concessionárias – apresenta custos menores produzindo mais, na abordagem orientada por insumos (BOGETOFT; OTTO, 2011). A Tabela 2 apresenta as vantagens e desvantagens do uso do método.

Tabela 2 Características do método DEA

Vantagens Desvantagens

– Decompõe a ineficiência total em ineficiência alocativa e ineficiência técnica.

– Não há suposições sobre a inclinação da fronteira eficiente. Pode-se trabalhar com rendimentos não constantes de escala. – Identifica as firmas

eficientes (aquelas que estão na fronteira). – Pode incluir fatores fixos e

ambientais.

– Pode incorporar múltiplos insumos (inputs) e produtos (outputs).

– Cada firma é comparada com um pequeno conjunto de firmas que estão na fronteira. – Não permite realizar

provas estatísticas para avaliar a inclusão de variáveis.

– Não considera efeitos aleatórios atribuíveis às variáveis ambientais ou erros.

– Em amostras pequenas, os resultados não são confiáveis. – Os resultados são sensíveis a outliers. – Com o aumento do número de inputs e outputs, pode-se identificar um grande número de firmas eficientes.

Algumas suposições no DEA ajudam a definir a fronteira:

a) descartabilidade de inputs: permite produzir certa quantidade de outputs com certa quantidade de inputs e também é possível produzir os mesmos outputs com mais inputs.

b) convexidade: significa que a combinação linear de duas possibilidades de produção é também um plano de produção viável, ou seja, dentro do conjunto tecnológico. c) retorno de escala: define a maneira como

a escala de produção pode sofrer aumento ou diminuição. As tecnologias de retorno de escala são:

– CRS (Constant Returns to Scale): (x,y)  T , se  ≥0

– DRS (Decreasing Returns to Scale): (x,y)  T, quando 0 ≤  ≤ 1

– IRS (Increasing Returns to Scale): (x,y)  T, quando  ≥ 1

O SFA é um método paramétrico que assume uma relação estocástica entre input e output, ou seja, considera que desvios da fronteira podem ocorrer aleatoriamente em todas as firmas, ou por ineficiência específica de cada firma. Entre as suas principais vantagens destacam-se a

capacidade de interpretação estatística das relações identificadas e a possibilidade de realização de testes estatísticos para avaliar a inclusão de variáveis, além da produção de resultados pouco sensíveis a outliers. No entanto, as maiores desvantagens são a exigência de especificação da estrutura da função e a dificuldade de aplicação em amostras pequenas.

A metodologia desenvolveu-se originalmente no contexto de uma fronteira estocástica de produção, mas uma abordagem alternativa é a situação na qual se estima a eficiência de custo. Neste estudo, foi tratado o caso especial em que se dispõe de um input x e vários outputs y. As funções de fronteira de custo mostram o mínimo custo utilizado para produzir a combinação de outputs y quando os preços do

input e a tecnologia T são fixos. A ineficiência,

portanto, corresponde a altos valores de x (inputs), ou seja, maior custo.

Os modelos de fronteira estocástica podem ser descritos em diversas formas funcionais, porém duas delas se destacam na literatura e foram avaliadas neste estudo: a forma Cobb-Douglas (ou log-linear) e a forma Translog. Enquanto a forma Cobb-Douglas tem grande apelo em razão de sua simplicidade, a forma Translog é a mais encontrada na literatura.

Independentemente da forma funcional selecionada, o passo final da análise é a aplicação de uma medida de eficiência para comparação das firmas. A eficiência de uma firma é medida com base na razão entre o custo total observado e o custo mínimo definido pela fronteira de custo.

O principal resultado de um estudo de

benchmarking é a lista dos valores de eficiência

das firmas. A medida de eficiência orientada a

inputs avalia se é possível reduzir os inputs sem alterar os outputs.

1.3 Caracterização das regiões

No projeto foram analisadas várias ferramentas estatísticas que contemplassem rotinas associadas aos modelos selecionados, mencionados na seção anterior. Rotinas de estimação especializadas nos modelos DEA e de fronteira estocástica foram encontradas nos sistemas de software Frontier, Stata e R. Foi obtida também uma rotina em linguagem SAS (Statistical Analysis System) para estimação de uma função de custo Translog, porém com funcionalidades limitadas. Para o estudo realizado no projeto, optou-se pela utilização do R, que apresenta vantagens interessantes, como, por exemplo, seu uso livre, seu reconhecimento na comunidade acadêmica e a inclusão de suas técnicas implementadas de SFA e DEA em um pacote benchmarking, desenvolvido pelos autores da principal

referência utilizada para consulta (BOGETOFT; OTTO, 2011).

A Figura 7 apresenta uma visualização do cenário considerado em uma análise de

benchmarking. Nesse cenário, supõe-se que as diferentes firmas usam diferentes quantidades de recursos para geração dos seus produtos e cada uma delas opera de forma diversa na definição dos seus processos, mas também sob a influência de fatores exógenos e, portanto, fora de seu controle, tais como fatores ambientais ou sociais. PROCESSOS RECURSOS (inputs) PRODUTOS (outputs) Fatores exógenos GERÊNCIA Esforços/Habilidades

Fonte: BOGETOFT; OTTO, 2011.

Figura 7 Representação do cenário de uma análise de benchmarking

Ao avaliar os custos operacionais sob a perspectiva das regiões em que a Cemig D atua, foi possível identificar características distintas entre as regiões, em um ambiente semelhante ao de várias empresas em operação.

Uma vez que serve diversas regiões com características heterogêneas, a Cemig D pode adicionar a perspectiva dos custos de operação e manutenção de forma regionalizada ao seu processo de avaliação de produtividade.

No entanto, como as regiões apresentam especificidades próprias, a comparação simples dos custos de atividades de uma região em relação a outras pode levar a interpretações equivocadas e, portanto, exige a inclusão, nessas análises, de fatores que possam afetar o desempenho das atividades analisadas.

Durante os estudos, também foi realizada uma análise comparativa das regiões quanto às suas condições climáticas e sociais. Foram definidos três grupos distintos de regiões, com diferentes graus de desenvolvimento e de danos ambientais, o que pode influenciar seu grau de eficiência.

Em uma abordagem inspirada por aquela apresentada na Nota Técnica no _{271 da Aneel} (2010), foram selecionadas algumas variáveis que evidenciam a diferenciação socioeconômica das regiões e que refletem dimensões consideradas importantes para a análise de

benchmarking, como violência, desigualdade,

informalidade, infraestrutura e comprometimento da renda. As variáveis analisadas foram:

a) proporção de óbitos por homicídio; b) taxa de analfabetismo entre indivíduos

com mais de 15 anos de idade;

c) índice de desenvolvimento humano (IDH) total e nas dimensões Educação, Renda e Longevidade;

d) média de anos de estudo das pessoas com mais de 25 anos;

e) renda per capita em reais;

f) percentual de pessoas com renda per

capita domiciliar inferior a R$ 75,50;

g) índice de Theil, que mede a desigualdade na distribuição da renda domiciliar per capita;

h) percentual de pessoas que vivem em domicílios com água encanada;

i) percentual de pessoas que vivem em domicílios com serviço de coleta de lixo; j) percentual de pessoas que vivem em

domicílios com iluminação elétrica; k) percentual de domicílios com instalações

sanitárias;

l) percentual de pessoas que vivem em domicílios localizados em aglomerações subnormais.

Essas informações foram coletadas para cada município da área de concessão da Cemig D, utilizando-se o ano 2000 como referência. Com exceção da variável que determina o percentual de domicílios com instalações sanitárias, que foi coletada pelo IBGE (Instituto Brasileiro de Geografia e Estatística), todas as outras foram coletadas pelo IPEA (Instituto de Pesquisa Econômica Aplicada).

Com exceção da variável que determina a proporção de domicílios subnormais, todas as outras variáveis da dimensão Infraestrutura apresentaram associação positiva entre si, isto é, municípios com maior proporção de domicílios com água encanada, por exemplo, tendem a ter também maior concentração de domicílios com serviço de coleta de lixo, com ligação à rede elétrica e com instalações sanitárias.

Como interpretação imediata dessas informações, constata-se que o Estado de Minas Gerais é composto por regiões distintas, formadas por municípios totalmente desenvolvidos e por municípios com baixo nível de infraestrutura.

Esse comportamento sugere que tais variáveis influenciam de forma diferenciada cada uma das regiões da distribuidora e que consequentemente, devem ser levadas em consideração na realização do cálculo da eficiência pelos modelos de benchmarking interno.

As regiões foram agrupadas em três conjuntos definidos por tais variáveis, conforme Figura 8, que apresenta a classificação do município-sede de cada região.

Cluster1 Cluster2 Cluster3

Figura 8 Mapa das sedes das regiões de acordo com os agrupamentos

Pode-se observar claramente que os três

clusters estão geograficamente separados por

regiões distintas: o primeiro grupo é formado por regiões presentes no Sudeste do Estado e na região do Triângulo Mineiro e apresenta maior grau de desenvolvimento; o segundo grupo abrange o Norte e o Nordeste e tem o menor nível de desenvolvimento; e o terceiro grupo é formado por regiões do Centro-Oeste do Estado e apresenta um comportamento intermediário. A aplicação de metodologias de benchmarking, como as utilizadas no 3CRTP, pode ser útil no processo de análise e comparação das diferentes regiões, como se fossem empresas independentes, desde que seus resultados sejam interpretados à luz das características intrínsecas de cada região e dos fatores não gerenciáveis pela Cemig D, que afetam, de forma específica, cada uma das regiões.

1.4 Prova de conceito

Nesse contexto, uma prova de conceito da análise de benchmarking interno foi conduzida entre as regiões da Cemig D. Foi considerado um único input, que é o custo operacional em reais, observado em 2010 e 2011. Os dados de 2009 não foram utilizados, uma vez que se trata de um ano com alocação orçamentária diferente dos demais, que tiveram, por exemplo, maior investimento em manutenção preventiva. O custo refere-se ao valor realizado acumulado no ano das atividades de O&M, que são: Execução e Operação, Manutenção de IP, Manutenção de Redes, Perdas não Técnicas e Serviços Comerciais.

Não foram consideradas as atividades de Manutenção em Linhas ou Subestações, que correspondem à cerca de 15% dos custos anuais, uma vez que não estão ligadas diretamente ao conceito de região geoelétrica.

Quanto aos outputs, foram consideradas as variáveis relativas à extensão total de rede (km), número total de unidades consumidoras (UC) e consumo anual (MWh) por região.

Definidas as variáveis, os modelos foram estimados no software R, utilizando o pacote

benchmarking. Com o método SFA, foram

consideradas duas formas funcionais: Cobb-Douglas e Translog. No método DEA foi empregado um modelo orientado a insumos, com retornos não decrescentes de escala, assumindo convexidade e descartabilidade. Na interpretação dos resultados, foi considerada para cada região a sua posição no ranking de eficiência e também seu grau de desenvolvimento socioeconômico avaliado pelo

cluster. Foi possível concluir que o cluster de

maior desenvolvimento compreende regiões mais eficientes, porém apresenta grande variabilidade entre as regiões, em todos os modelos e anos.

No entanto, o cluster menos desenvolvido apresentou comportamento interessante, composto na sua maioria por regiões de grande eficiência mas com uma região discrepante que ocupa uma das últimas posições de eficiência. Com esses resultados, foi possível identificar a necessidade de análise de outros fatores de influência na análise para melhoria da eficiência. Verificou-se que, nas análises realizadas, o SFA tende a produzir valores de eficiência mais

compatíveis com a realidade da Cemig D, enquanto o DEA apresenta valores com grande variabilidade. Porém, ao considerarmos o posicionamento das regiões no ranking de eficiência, os dois métodos apresentaram resultados semelhantes, o que tornou a escolha do modelo um fator de pouca influência na análise.

Anteriormente à aplicação do benchmarking por atividades, foi preciso estabelecer critérios para a seleção das atividades elegíveis entre as 180 mapeadas nas áreas de Operação e Manutenção e Serviços Comerciais. Embora essa etapa tenha sido complexa, foi também crucial para maximizar o ganho de eficiência por meio do

benchmarking.

Pela análise do gráfico de Pareto do custo de cada atividade, bem como seu percentual acumulado, conforme Figura 9, foi possível observar que 16 atividades representam aproximadamente 80% do custo total, e aproximadamente 98% do custo total foi representado por 43 atividades.

O processo de priorização de atividades para análise de benchmarking baseou-se no conceito de potencial de redução de custos. Definiu-se a mediana como o limite para as regiões, ou seja, aquelas que apresentassem custo unitário acima desse limite poderiam reduzir até este valor, possibilitando uma eficiência de custos. O ambiente analítico permitiu visualizar comparações entre regiões, conforme Figura 10.

Figura 10 Potencial de redução por atividades

Conclusão

As análises realizadas permitiram uma melhor compreensão da aplicação do benchmarking interno como ferramenta de apoio à gestão, uma vez que as regiões de maior eficiência podem servir como referência para aquelas com pior desempenho, elevando assim o grau de eficiência da Cemig D como um todo.

A metodologia pode ser replicada para o custo de O&M desagregado por atividade e propiciar ações gerenciais que levem à redução de custos na Cemig D.

Durante os estudos, o método de fronteira estocástica teve maior destaque do que o método DEA, uma vez que apresentou comportamento mais adequado aos clusters identificados para o benchmarking, reafirmando suas vantagens, anteriormente citadas.

Os resultados da aplicação da metodologia de mapeamento de custos, para relatórios de BI (Business Inteligence) e de benchmarking, constituíram um ferramental inovador para o planejamento, a análise e o desenvolvimento de ações para melhoria da eficiência administrativa e operacional da Cemig D. Foi possível conhecer os custos até o nível de atividades, constatar que a apuração desses custos não depende da estrutura organizacional, mas sim da alocação dos drivers de custo, e obter uma estrutura da árvore de custos perene.

Ao analisar as áreas de execução das atividades, foram observadas oportunidades de redução de custos, com melhoria dos processos, na ordem de dois a três milhões de reais.

Referências

AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA (ANEEL). Nota Técnica no

166/2006-SRE/ANEEL: Metodologia de determinação de custos operacionais para revisão tarifária periódica das concessionárias de distribuição de energia elétrica, 2006. Disponível em: <http://www.aneel.gov.br/arquivos/PDF/NT_Empr esa%20de%20Refer%C3%AAncia.pdf>. Acesso em: 28 dez. 2011.

______. Nota Técnica no

271/2010-SRE/ANEEL: Metodologia de tratamento

regulatório para perdas não técnicas de energia elétrica, 2010. Disponível: < http://www.aneel.gov.br/aplicacoes/audiencia/arq uivo/2010/040/documento/nota_tecnica_n

%C2%BA_271_perdas_nao_tecnicas.pdf >. Acesso em: 28 dez. 2011.

______. Nota Técnica no

0031/2011-SRE/ANEEL: Metodologia de tratamento

regulatório para perdas não técnicas de energia elétrica, 2011. Disponível em: < http://www.aneel.gov.br/aplicacoes/audiencia/arq uivo/2010/040/contribuicao/light_-_perdas_-_nt_031_2011.pdf >. Acesso em: 28 dez. 2011. BOGETOFT, P.; OTTO, L. Benchmarking with DEA, SFA and R. International Series in Operations Research & Management Science. V. 157, 2011.

CENTRO DE PESQUISA E

TELECOMUNICAÇÕES (CPqD). Planejamento e Estudo do Ambiente Regulatório. Campinas: CPqD, 2011 (relatório técnico resultante do projeto).

JAMASB, T.; POLLITT, M. Benchmarking and Regulation of Electricity Transmission and Distribution Utilities: Lessons from International

Experience. Cambridge Working Papers in Economics 0101, Faculty of Economics, Cambridge, 2001. Disponível em: <http://www.dspace.cam.ac.uk/handle/1810/280> . Acesso em: 29 dez. 2011.

NAKAGAWA, M. ABC: Custeio Baseado em Atividades. 2. ed. São Paulo: Atlas, 2001. Abstract

The challenge to improve operational efficiency with no detriment to service quality was the motivation to conduct an internal benchmarking study, adopting a support methodology to support electric power distribution operational processes, with the purpose of achieving the best balance between cost reduction and increased service quality.