quinta-feira, 27 de maio de 2021

PARA QUE SERVE CALCULAR A PRODUTIVIDADE?

Pessoal, boa noite! No último post eu falei sobre alguns conceitos da área de Eficiência e DEA (Data Envelopment Analysis - Análise Envoltória de Dados), como inputs (entradas ou insumos), outputs (saídas ou produtos), DMUs (Decision Making Units - Unidades Tomadoras de Decisão ou unidades analizadas) e as diferenças entre produtividade, eficácia e eficiência (absoluta e relativa).


PRODUTIVIDADE PARCIAL E TOTAL DOS FATORES



Fonte: Foto por Andreas Klassen em Unsplash


Retomando o assunto, a produtividade é um indicador que pode ser definido como a relação entre inputs e outputs de um sistema. E existe a produtividade parcial dos fatores (PPF) e a total (PTF).


Produtividade=Output/Input


No caso da PPF, a produtividade é calculada parcialmente, ou seja, não se utiliza todos os múltiplos inputs e múltiplos outputs no cálculo. Por exemplo, a produtividade (parcial) de fator único é calculada com base em um único input considerado para gerar um único output. Pode ser uma quantidade por tempo, quantidade por funcionário ou quantidade por capital investido. Ou seja, também é possível incluir os efeitos de custos na produtividade, substituindo valores técnicos (ex: número de funcionários) por custos (ex: custo de mão-de-obra). Já a PTF é medida considerando todos os múltiplos fatores.

Ok, mas alguém pode se perguntar "Para que serve calcular a produtividade?". Bom, para melhorar um processo, sistema, empresa ou DMU (para saber o que é uma DMU, leia meu post antigo), é necessário medir a produtividade, o desempenho, para saber se a DMU está indo bem ou não, para poder ir atrás das causas de não estar indo bem ou de como melhorar.

Voltando ao exemplo do outro post, sobre a produção de soja. Entrando no site do IBGE (Instituto Brasileiro de Geografia e Estatística), procura a Tabela 5457 da Produção Agrícola Municipal (PAM) no seu banco de tabelas estatísticas do Sistema IBGE de Recuperação Automática (SIDRA) e procurando pelo rendimento médio da produção nas lavouras de soja, para os anos de 2015 a 2019, a nível de grandes regiõs do Brasil, é possível encontrar os seguintes dados de produtividade:


Fonte: IBGE - Produção Agrícola Municipal (PAM)

Fonte: Gráfico feito no Excel, com base nos dados do IBGE - PAM

Quais são algumas das possíveis informações que podemos ver nesses dados? Comparando as regiões Sul e Centro-Oeste, é possível ver que a região Sul era a com maior produtividade em 2015, com o Centro-Oeste na segunda posição, mas o ranking não se mantém e, em 2019, o Sul ficou na penúltima posição, enquanto o Centro-Oeste ficou em primeiro. Apesar da aparente "grande piora", na verdade, a redução na sua produtividade foi de apenas 0,73% (se comparado com 2015), enquanto as outras regiões melhoraram até 14,40%.


MATOPIBA


Outra fato que chama a atenção, é a região Nordeste, em 2016, ter reduzido sua produtividade em 38,95%, se comparado a 2015. Fazendo uma busca no Google, é possível encontrar notícias sobre a seca no Nordeste ter batido recorde e afetado a produção agrícola e o estado do Piauí foi o mais afetado. O Piauí faz parte de uma fronteira agrícola conhecida como MATOPIBA. O único estado do MATOPIBA que não pertence ao NE é o Tocantins (TO), que fica na região Norte (N) do país. O TO, que já chegou a ser mais 94% da produção do N, tem representado valores entre 45% e 60% da produção de soja do N nos últimos anos, enquanto boa parte do restante é produzido pelo Pará (PA) e Rondônia (RO). Isso mesmo, esta última informação foi sobre a produção e não produtividade.

Voltando ao MATOPIBA, os estados do Maranhão (MA), Piauí (PI) e Bahia (BA) fazem parte da região Nordeste (NE) e normalmente são responsáveis por mais de 99,5% da produção de soja do NE. Novamente, este último dado é sobre a produção e não a produtividade.  Para saber mais sobre essa região, acesse o site da EMBRAPA.


MELHORIA DA PRODUTIVIDADE

Estamos falando sobre produtividade em quilos de soja produzida por hectare de terra, mas, no mínimo, vários outros fatores e variáveis influenciam a produtividade total e a produção de soja, como o tipo da semente, o tipo de solo, a temperatura da região, o fertilizante usado, a quantidade de chuva, etc.

Quando a chuva é pouca, uma opção é utilizar  a irrigação para aumentar a produtividade da lavoura. Existem vários tipos de irrigação. Por exemplo: irrigação superficial, localizada, ou por aspersão (principais: convencional, auto-propelido e o pivô-central).


IRRIGAÇÃO E TRANSFORMAÇÃO DIGITAL



Fonte: Foto por Pedro Kümmel em Unsplash


Recentemente, vi uma notícia sobre transformação digital e agro, pois já estão fazendo testes, no Brasil, com o primeiro pivô inteligente (smart pivot) usado em irrigação, desenvolvido para, além de irrigar, monitorar a lavoura e fazer autodiagnósticos preditivos. A ideia por trás dele é utilizar sensores, mapas (imagens de satélite) e algoritmos para otimizar o processo e a produção, mas economizando recursos (água, energia, fertilizantes, entre outros insumos). Ou seja, a ideia é economizar recursos e otimizar o processo (e a produção), ou seja, aumentar a produtividade e ser mais eficiente.

Para quem se interessa por transformação digital de forma geral (não somente no agro), por exemplo, na área de comércio, varejo e que se interessa por ecommerce, eu recomendo acompanhar os posts da Dra. Isotilia Costa Melo (link para o blog dela aqui), onde ela fala sobre livros, o trabalho dela, e escreve sobre transformação digital e ecommerce.



Se você gostou desse post e quer continuar acompanhando o meu trabalho, também poderá acompanhar pelo FacebookInstagram, ou pelo LinkedIn. Uma boa semana a todos!



SOBRE O AUTOR

Meu nome é Paulo, sou pesquisador, Doutor em Ciências em Engenharia de Produção, com experiência em Pesquisa Operacional e Modelagem Matemática. Trabalho com métodos quantitativos desde 2012. Tenho experiência em desenvolver e aplicar modelos de otimização do estado-da-arte para medição de desempenho, análise de eficiência, benchmarking, construção de indicadores compostos e rankings. Esses métodos podem ser adaptados e aplicados aos mais diferentes contextos, como Gestão de Operações, Cadeia de Suprimentos e Logística. Estou sempre lendo artigos sobre pesquisas científicas e modelos matemáticos aplicados às mais diversas áreas.

Atualmente trabalho em um projeto de Pós-Doutorado relacionado à Análise de Desempenho de Corredores Verdes de Transportes (Logística e Sustentabilidade). Um dos principais resultados desse projeto foi o artigo "Which Green Transport Corridors (GTC) Are Efficient? A Dual-Step Approach Using Network Equilibrium Model (NEM) and Data Envelopment Analysis (DEA)", publicado na revista científica internacional (normalmente chamamos de "journal"), de alto impacto e revisada por pares, chamada JMSE (https://www.mdpi.com/2077-1312/9/3/247/htm).

Já apliquei modelos de Análise Envoltória de Dados (Data Envelopment Analysis - DEA) em diversos contextos, para analisar, por exemplo, sistemas de controle de estoque (de empresas brasileiras, chilenas, e canadenses, de diversos setores, incluindo e-commerce), rotas e corredores de transportes (brasileiros e norte-americanos, incluindo corredores verdes de transportes), cadeias de suprimento (internacional, do Brasil para o Reino Unido, ou puramente brasileira, por exemplo, analisando o impacto da pandemia no setor brasileiro de etanol), políticas públicas (voltadas para sustentabilidade ou social), entre outros.

Meu perfil introvertido não é uma barreira para a comunicação. Já apresentei trabalhos em vários congressos nacionais e internacionais. E, por exemplo, participei do painel de especialistas em Logística e Cadeia de Suprimentos (Supply Chain and Logistics Panel) para falar sobre Análise de Desempenho em Transportes (Transportation Performance Evaluation) no congresso internacional de Engenharia de Produção e Gestão de Operações (Industrial Engineering & Operations Management - IEOM), em 2021.

Além disso, eu sou amante da música (principalmente rock e metal), adoro viajar, montanhismo, escrever sobre coisas da minha área e estou sempre disposto a colaborar.

domingo, 16 de maio de 2021

EFICIÊNCIA E CONCEITOS BÁSICOS

Pessoal, boa noite! No último post eu falei sobre uma palestra que eu dei no painel de especialistas em Cadeia de Suprimentos e Logística do congresso internacional IEOM (Industrial Engineering & Operations Management), sobre Análise de Desempenho em Transportes. Nele eu falei sobre o velho e o novo paradigma dos transportes, assim como alguns métodos, aplicações que já fiz e artigos publicados, porém como as aplicações e artigos, por si só, são assuntos longos, deixei para falar mais desse assunto em outros posts.

Essa semana eu recebi um email de um pessoal da Lituânia e da Bósnia e Herzegovina, querendo tirar umas dúvidas sobre Análise Envoltória de Dados (Data Envelopment Analysis - DEA) e trocar uma ideia sobre métodos de tomada de decisão multi-critério (MultiCriteria Decision-Making - MCDM). E também, lembrando dos cursos sobre DEA que já dei, uma das coisas que eu percebi é que várias pessoas têm dúvidas e confundem conceitos da área de DEA e eficiência, quando estão começando a aprender sobre o assunto.

Então, antes de falar sobre as aplicações, penso que seria bom eu apresentar alguns conceitos, pois alguns deles podem ser confusos e outros são contra-intuitivos, principalmente quando alguém não conhece a literatura sobre modelos de DEA para fazer análise de eficiência.


"EFICIENSÁRIO" - O GLOSSÁRIO DA EFICIÊNCIA


Fonte: Imagem feita pelo autor do blog, Paulo Nocera Alves Junior


Conversando com o Eri Carneiro (link para o LinkedIn dele aqui), ele tem um projeto chamado Escola de PhDs (já fiz o curso dele e é muito bom, participei de uma das primeiras turmas e recomendo), com uma proposta de ajudar, principalmente, pessoas da área acadêmica a melhorar seu marketing pessoal e tirar ideias do papel, e ele teve essa ideia de fazer um glossário da eficiência, o "eficiensário". Então, aproveitando esse momento do email com dúvidas que recebi, achei uma boa hora para postar sobre isso.


O QUE SÃO INPUTS E OUTPUTS? E DMU?


Vou começar pelas definições, mas também vou apresentando alguns problemas, confusões e extensões dessas definições. Para facilitar, antes de apresentar as definições de produtividade, eficácia e eficiência, vamos definir inputs, outputs e unidades tomadoras de decisão (Decision-Making Unit - DMU) dentro de alguns exemplos.

Primeiramente, cada DMU é um sistema que transforma um conjunto de inputs em um conjunto de outputs. Sim, qualquer sistema. Ou seja, as DMUs podem ser sistemas produtivos ou de estoques de empresas, ou as próprias empresas, indivíduos, rotas, regiões, países, etc.

Vamos pensar em um sistema produtivo (em uma empresa), que transforma insumos em produtos. Nesse caso, o que são os inputs e outputs? Os inputs são os insumos e os outputs são os produtos desse sistema. Ou seja, pra esse exemplo, com uma definição clara do processo que é realizado nesse sistema, onde podem comprar matéria-prima (um insumo) para produzir algo (um produto), creio que não vá surgir nenhuma dúvida, mas a definição de input e output pode variar dependendo do objetivo do tomador de decisão, do sistema, da teoria, etc.

Falando de forma geral, inputs podem ser os insumos, as entradas de um sistema, ou até mesmo um indicador do tipo "quanto menor, melhor"; e outputs podem ser os produtos, as saídas de um sistema, ou até mesmo um indicador do tipo "quanto maior, melhor". Existem outros tipos de variáveis e classificações (como as intermediárias, as indesejáveis, as não-descricionárias, entre outras), mas inputs e outputs são essenciais.


Fonte: Imagem por Kelly Sikkema em Unsplash   


Por exemplo, no caso de um agricultor que usa a terra para produzir soja, a terra seria o input e a soja produzida seria o output. Porém, no caso de um sistema que tem como um dos resultados a emissão de CO2 ou outros gases do efeito estufa, como essa variável poderia ser classificada? Diga nos comentários o que você pensa sobre o assunto. Eu diria que, em termos de processo, essa variável é um output por ser uma saída de um sistema, mas ao mesmo tempo, ela é indesejável, pois é um indicador do tipo "quanto menor, melhor" (ou seja, é um output indesejável que, matematicamente e de forma simplificada, poderia ser classificado como um "input" ou pode-se fazer alguma transformação nos dados). Existem várias maneira de considerar ou tratar essa variável. Para mais informações sobre como classificar as variáveis em inputs ou outputs, pode-se ler os artigos de Cook, Tone e Zhu (2014) ou o livro de Dyckhoff e Souren (2020).

Outro ponto relacionado a inputs e outpus, que às vezes pode parecer confuso é a orientação dos modelos DEA (podem ser orientados ao input, ao output, ou sem orientação), mas isso é tema para outro post, quando eu for falar sobre os modelos.


VOCÊ SABE A DIFERENÇA ENTRE PRODUTIVIDADE, EFICÁCIA E PRODUTIVIDADE?


Agora que já sabemos o que são inputs e outputs, vamos falar sobre produtividade, eficácia e eficiência (absoluta e relativa). A produtividade é um indicador de desempenho ou KPI (Key Performance Indicator) que pode ser definido como a relação entre inputs e outputs de um sistema. E existe a produtividade parcial dos fatores (PPF) e a total (PTF).

Por exemplo, quando alguém entra no site do IBGE (Instituto Brasileiro de Geografia e Estatística), procura a Tabela 5457 da Produção Agrícola Municipal (PAM) no seu banco de tabelas estatísticas do Sistema IBGE de Recuperação Automática (SIDRA) e procura pelo rendimento médio da produção nas lavouras, por exemplo, da soja, para o ano de 2019, vai encontrar um resultado (produtividade) de 3185 quilogramas por hectare, a nível Brasil. Ou seja, em média, no Brasil, para cada hectare de terra (input) usado por um agricultor, 3185 quilos de soja (output) foram produzidos. Essa medida é uma PPF, pois com certeza existem, no mínimo, vários outros fatores e variáveis que influenciam a produção de soja, como o tipo da semente, o tipo de solo, a temperatura da região, o fertilizante usado, a quantidade de chuva, etc. 

A eficácia e a eficiência podem ser vistas como uma comparação entre indicadores de produtividade. A eficácia pode ser definida como a comparação de um indicador de produtividade com uma meta, ou seja, valores de eficácia iguais ou maiores do que 1, indicam que foi eficaz. Já a eficiência pode ser definida como a comparação de um indicador de produtividade com o valor máximo, resultando em um valor entre 0 e 1, e quanto mais próximo de 1, melhor. E essa eficiência pode ser absoluta (quando a comparação é feita com base no valor máximo determinado teoricamente, um máximo absoluto) ou relativa (quando a comparação é feita com base no valor máximo observado, um máximo relativo à amostra). 


A parte sobre DEA e os métodos MCDM, como o WASPAS, AHP, BWM, entre outros, vai ficar para outro post. Para quem tiver o interesse de já ver algo sobre AHP, recomendo ler o último post (link para o post aqui) da Dra. Isotilia Costa Melo (link para o LinkedIn dela aqui). E também vale a pena passar no blog dela (link para o blog dela aqui), onde ela fala sobre livros, o trabalho dela, e começou a escrever algumas coisas sobre ecommerce.


Ainda estou organizando melhor o blog e outras páginas relacionadas (sim, até hoje). Quem quiser também poderá acompanhar pelo Facebook e pelo Instagram. Uma boa semana a todos!




SOBRE O AUTOR

Meu nome é Paulo, sou pesquisador, Doutor em Ciências em Engenharia de Produção, com experiência em Pesquisa Operacional e Modelagem Matemática. Trabalho com métodos quantitativos desde 2012. Tenho experiência em desenvolver e aplicar modelos de otimização do estado-da-arte para medição de desempenho, análise de eficiência, benchmarking, construção de indicadores compostos e rankings. Esses métodos podem ser adaptados e aplicados aos mais diferentes contextos, como Gestão de Operações, Cadeia de Suprimentos e Logística. Estou sempre lendo artigos sobre pesquisas científicas e modelos matemáticos aplicados às mais diversas áreas.

Atualmente trabalho em um projeto de Pós-Doutorado relacionado à Análise de Desempenho de Corredores Verdes de Transportes (Logística e Sustentabilidade). Um dos principais resultados desse projeto foi o artigo "Which Green Transport Corridors (GTC) Are Efficient? A Dual-Step Approach Using Network Equilibrium Model (NEM) and Data Envelopment Analysis (DEA)", publicado na revista científica internacional (normalmente chamamos de "journal"), de alto impacto e revisada por pares, chamada JMSE (https://www.mdpi.com/2077-1312/9/3/247/htm).

Já apliquei modelos de Análise Envoltória de Dados (Data Envelopment Analysis - DEA) em diversos contextos, para analisar, por exemplo, sistemas de controle de estoque (de empresas brasileiras, chilenas, e canadenses, de diversos setores, incluindo e-commerce), rotas e corredores de transportes (brasileiros e norte-americanos, incluindo corredores verdes de transportes), cadeias de suprimento (internacional, do Brasil para o Reino Unido, ou puramente brasileira, por exemplo, analisando o impacto da pandemia no setor brasileiro de etanol), políticas públicas (voltadas para sustentabilidade ou social), entre outros.

Meu perfil introvertido não é uma barreira para a comunicação. Já apresentei trabalhos em vários congressos nacionais e internacionais. E, por exemplo, participei do painel de especialistas em Logística e Cadeia de Suprimentos (Supply Chain and Logistics Panel) para falar sobre Análise de Desempenho em Transportes (Transportation Performance Evaluation) no congresso internacional de Engenharia de Produção e Gestão de Operações (Industrial Engineering & Operations Management - IEOM), em 2021.

Além disso, eu sou amante da música (principalmente rock e metal), adoro viajar, montanhismo, escrever sobre coisas da minha área e estou sempre disposto a colaborar.

quinta-feira, 6 de maio de 2021

ANÁLISE DE DESEMPENHO EM TRANSPORTES

Pessoal, boa noite! No último post eu falei sobre o capítulo de livro “Como o Setor de Transportes no Brasil foi afetado pela pandemia da COVID-19? – Uma abordagem baseada em Análise Envoltória de Dados” do livro “Transparência em Tempos de Pandemia”. E disse que iria abordar alguns conceitos relacionados com os métodos desse capítulo. O principal método desse capítulo foi a Análise Envoltória de Dados (Data Envelopment Analysis – DEA) aplicado a dados do setor de transportes, para medir o desempenho e tentar entender as expectativas e o impacto da Covid-19 (no início da pandemia) nesse setor.

Seguindo nessa mesma linha, mas de forma mais geral, sem esse foco da pandemia, hoje eu gostaria de falar sobre uma palestra que eu dei em um congresso esse ano, que, de certa forma, tem relação com o meu projeto de pós-doutorado sobre desempenho de corredores de transporte verde.


IEOM - INDUSTRIAL ENGINEERING & OPERATIONS MANAGEMENT



Fonte: Imagem feita pelo autor do blog, Paulo Nocera Alves Junior. Baseada em sua apresentação.


No mês passado, eu fui convidado para fazer parte do painel de especialistas em Cadeia de Suprimentos e Logística, para falar sobre Análise de Desempenho em Transportes, no Congresso Internacional de Engenharia de Produção e Gestão de Operações (Industrial Engineering & Operations Management - IEOM) e eu gostaria de compartilhar um pouco do tema da palestra com vocês.


VELHO PARADIGMA


Há décadas, as pessoas estão buscando e tentando mudar o paradigma dos transportes. Para mudar esse paradigma, também é importante mudar a forma como se mede o desempenho de sistemas de transporte.

Antigamente se dava muita ênfase e valor para a velocidade de deslocamento dos veículos e não existia tanta preocupação com as reais necessidades das pessoas. Às vezes até se preocupavam com o nível de serviço, mas no final das contas, isso era praticamente a mesma coisa que preocupar somente em manter uma alta velocidade.

Ok, a velocidade ainda é importante, pensando no trânsito urbano ou no transporte inter-regional de carga, porque algumas pessoas estão sempre com pressa ou precisam receber um produto importante o mais rápido que pode ser entregue, então a velocidade ainda é importante, mas não é o único critério importante, pois normalmente as necessidades das pessoas não se resumem em apenas uma única medida ou variável, então o paradigma começou a mudar.


NOVO PARADIGMA


Como pensar nos transportes baseando-se apenas em uma única medida não era mais o suficiente, então surgiu um novo paradigma que se baseia em quatro aspectos principais:

- A mobilidade, para a população.

- A acessibilidade, considerando o uso do solo.

- A habitabilidade, para a comunidade.

- E a sustentabilidade, pensando no desenvolvimento.


Esses aspectos podem ser abordados em conjunto ou separadamente. Sobre as variáveis e medidas em cada um dos quatro aspectos, pode ser importante, por exemplo, considerar:

- A infraestrutura de transporte.

- As conexões de uso do solo e transporte.

- As emissões de CO2 (ou poluição do ar) e consumo de energia, que estão relacionadas ao consumo de combustível fóssil.

- A segurança e outros meios de transporte.

- Além das medidas operacionais, entre outras.


CONTEXTO E SELEÇÃO DE VARIÁVEIS


Assim, a análise de desempenho depende de muitos fatores e aspectos. Cada contexto, localidade e organização exige medidas diferentes e eles têm a liberdade de escolher suas próprias medidas, dependendo do objetivo e da análise desejada.

Por exemplo, o Banco Mundial aplica Análise Multivariada para construir índices de desempenho logístico internacional, com base na eficiência alfandegária, qualidade da infraestrutura e pontualidade dos embarques, entre outras medidas.

Porém, por exemplo, não é obrigatório usar essas medidas para avaliar redes multimodais ou corredores de transporte verde. E, por exemplo, em problemas de roteamento de veículos, pode ser muito mais importante considerar o congestionamento na área urbana do que nos outros contextos citados, apesar de ser uma medida relacionada ao tempo.


MÉTODOS


E é possível desenvolver e aplicar modelos de Pesquisa Operacional (otimização) ou estatísticos, por exemplo, métodos de tomada de decisão multicritério, multi-objetivo ou de análise multivariada para resolver esses problemas e avaliar sistemas como o de transporte.

Alguns exemplos de modelos:

- Modelos de transportes (Network Equilibrium Model, Vehicle Routing Problem, etc.).

- Análise de Envoltório de Dados (Data Envelopment Analysis – DEA).

- Fronteira Estocástica (Stochastic Frontier Analysis – SFA).

- Análise multivariada (Componentes Principais – PCA, Análise Fatorial – FA, etc.).

- Outros métodos de tomada de decisão multicritério (MCDM).


APLICAÇÕES


Na minha apresentação, ainda falei sobre aplicações que já fiz e de artigos publicados, por exemplo, para criar indicadores compostos para avaliar o desempenho logístico, rotas urbanas de serviço de ônibus, fluxos inter-regionais de transporte de carga, sustentabilidade, corredores de transporte verdes, entre outros. Como são assuntos longos, futuramente abordarei esses artigos separadamente em outros posts.


Ainda estou organizando melhor o blog e outras páginas relacionadas. Quem quiser também poderá acompanhar pelo Facebook e pelo Instagram. Uma boa semana a todos!

RESEARCH IN TRANSPORTATION ECONOMICS

Pessoal, boa noite! Muita coisa aconteceu nos últimos meses e fiquei sem tempo de atualizar aqui. Ainda pretendo escrever mais sobre isso. V...