You are on page 1of 16

versão impressa ISSN 0101-7438 / versão online ISSN 1678-5142

REDISTRIBUIÇÃO DE INPUTS E OUTPUTS EM MODELOS DE ANÁLISE
ENVOLTÓRIA DE DADOS COM GANHOS DE SOMA ZERO
Eliane Gonçalves Gomes *
Embrapa Monitoramento por Satélite
Campinas – SP
eliane@cnpm.embrapa.br
João Carlos C. B. Soares de Mello
Departamento de Engenharia de Produção
Universidade Federal Fluminense (UFF)
Niterói – RJ
jcsmello@producao.uff.br
Marcos Pereira Estellita Lins
Programa de Engenharia de Produção
Universidade Federal do Rio de Janeiro (UFRJ)
Rio de Janeiro – RJ
lins@pep.ufrj.br
* Corresponding author /autor para quem as correspondências devem ser encaminhadas

Recebido em 08/2003; aceito em 04/2004 após 1 revisão
Received August 2003; accepted April 2004 after one revision

Resumo
Neste artigo apresenta-se uma extensão do modelo DEA com Ganhos de Soma Zero (DEA-GSZ) para
os casos em que devido à redução de outputs (para que a soma seja constante) há a possibilidade ou a
imposição de redução dos inputs utilizados. Nesses casos não há o deslocamento da fronteira como um
todo, mas sim o deslocamento das DMUs pela fronteira eficiente (ou pelas camadas de iso-eficiência),
o que provoca a deformação da fronteira. São apresentados os casos bidimensional e multidimensional.
Para este, devido à complexidade dos algoritmos de determinação de faces do poliedro envolvente
(fronteira DEA), é proposto o uso do modelo de suavização da fronteira que substitui a fronteira
clássica linear por partes por uma única equação polinomial.

Palavras-chave: DEA; ganhos de soma zero; deslocamento pela fronteira; fronteira suavizada.
Abstract
This paper presents an extension to the Zero Sum Gains DEA model (ZSG-DEA) useful for the cases in
which the output reduction (sum of the output is constant) obliges reductions in the inputs values.
Instead of displacing the frontier, the DMUs move themselves along the efficient frontier (or isoefficiency layers). The bidimensional and multidimensional cases are illustrated. For the latter case, due
to the complexity of the algorithms that compute all the faces of the efficient frontier, we propose the
use of the smoothed DEA frontier model.

Keywords: DEA; zero sum gains; movement along the efficient frontier; smoothed frontier.

Pesquisa Operacional, v.24, n.2, p.269-284, Maio a Agosto de 2004

269

Dessa forma.. Ou seja. 2001.269-284. Essas unidades são comparadas e distinguem-se pelas quantidades de recursos (inputs) que consomem e de bens (outputs) que produzem (Cooper et al.. em alguns casos essa liberdade não existe. Estes autores mostram que qualquer jogo de soma constante tem as mesmas propriedades matemáticas de um jogo de soma zero. Entretanto. Introdução O objetivo da Análise Envoltória de Dados (Data Envelopment Analysis – DEA) é avaliar a eficiência de unidades produtivas que realizam tarefas similares. Gomes et al. mantendo-se os valores dos resultados constantes) e orientação a outputs (quando deseja-se maximizar os outputs sem diminuir os inputs). no qual tudo o que é ganho por um jogador é perdido por outro(s). Gomes et al. No caso de competições. Gomes (2003). Nos trabalhos já publicados considera-se a imposição da restrição de soma constante dos outputs (ou inputs). chamado de Modelo DEA com Ganhos de Soma Zero (DEA-GSZ).24. p. 1978) quanto o modelo BCC (Banker et al. Esse novo modelo. Isso ocorre porque foi considerada a impossibilidade de redução de inputs para adequação à redução de outputs (por exemplo. além de todas as suas variantes. 2000).2. (2001a) são propostas alterações no modelo DEA BCC clássico que consideram essas limitações. quando uma DMU ineficiente busca a fronteira eficiente. sem que os seus inputs sejam alterados. ou seja. Deve-se observar que o termo “jogo de soma zero” é usado aqui no sentido mais amplo possível. os modelos DEA permitem medir e localizar a ineficiência. Em Estellita-Lins et al. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero 1. chamadas de unidades de tomada de decisão (Decision Making Units – DMUs). com a conseqüente diminuição da produção das demais unidades produtivas.. Ora. a melhora de posição de qualquer competidor implica na perda de posição de um ou mais de seus adversários. Além de identificar as DMUs eficientes. Os modelos DEA clássicos. 2001b). A forma como é feita esta projeção determina a orientação do modelo. e estimar uma função de produção linear por partes que fornece o benchmark para as DMUs ineficientes. Um outro exemplo é o caso da avaliação de eficiência de unidades produtivas que produzem um determinado produto cuja demanda é constante. Maio a Agosto de 2004 . É suficiente para tal a subtração ao ganho de cada jogador da metade da soma total dos ganhos do jogo (no caso de jogos de 2 jogadores). As principais são orientação a inputs (quando deseja-se minimizar os recursos. esta situação ocorre para todas as DMUs que não caminharam para a fronteira. Estellita-Lins & Angulo-Meza. 2000. tanto o modelo CCR (Charnes et al. Tavares et al. e como tal pode ser tratado.. A situação aqui examinada é inteiramente análoga. 1984). 1999). o que implica no deslocamento da fronteira de eficiência. 270 Pesquisa Operacional. as outras DMUs devem ter os valores de seus outputs reduzidos. (2003). a produção de uma DMU não interfere na produção das demais. (1996) e Williams (1986). Portanto. (2003). visto que já encontram-se na fronteira.. Neste caso. Esse benchmark é determinado pela projeção das DMUs ineficientes na fronteira de eficiência. Gomes & Soares de Mello (2002) e Gomes et al. n. toda a fronteira será deslocada para uma posição que corresponda a um menor valor de output. apresenta uma situação semelhante à de um jogo com soma zero (Osborne & Rubinstein. por exemplo. mas a soma das variações em relação ao valor original apresenta valor nulo. a soma líquida dos ganhos deve ser zero. já que a soma efetiva dos outputs é diferente de zero. é totalmente sem sentido um país reduzir a sua população para adequar-se à quantidade de medalhas olímpicas obtidas). supõem total liberdade de produção. uma certa DMU considerada ineficiente deverá produzir mais unidades do produto para atingir a fronteira de eficiência.Gomes. como em Osborne & Rubinstein (1999). em particular para as eficientes. v. se for considerado como output o resultado final ou um índice que agrega seus resultados (Soares de Mello et al.

que foram chamados de deslocamento da fronteira. n. isto é. as DMUs eficientes deslocam-se ao longo da fronteira. A esta forma de tentar retirar output das DMUs concorrentes. Este artigo propõe um modelo. Gomes et al. max ho sujeito a ∑ λ j x j ≤ xo j ho yo ≤ ∑ λ j y j (I) j ∑λj = 1 j λj ≥ 0 Em modelos DEA-GSZ é necessária a informação adicional de como a DMU que pretende aumentar os outputs. Neste artigo supõe-se que a DMU em busca da eficiência tenta retirar output das outras DMUs em valor proporcional ao output atual. v. A forma como ela tenta tirar os outputs das DMUs concorrentes é. quando a DMU o busca ganhar Pesquisa Operacional. p. Neste tipo de alteração não há a movimentação da fronteira em apenas uma direção. a estratégia da DMU.269-284. Admite-se ainda como hipótese simplificadora que a DMU consegue atingir o seu objetivo. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero Entretanto. São abordados os casos bidimensional e multidimensional. sob a hipótese de DEA-GSZ. há casos em que à redução de outputs pode corresponder uma redução dos inputs utilizados.1 Modelo Geral A formulação clássica do modelo do envelope DEA BCC com orientação a outputs usa para cada DMU o Problema de Programação Linear (PPL) apresentado em (I). esta alteração será designada por “deformação da fronteira”. Como é evidente.2. Neste caso. 2. o deslocamento das DMUs provoca uma alteração na fronteira. reduzirá os das outras DMUs. (2003) e Gomes (2003). Nas referências citadas mostram-se algumas possíveis estratégias que a DMU pode adotar. Assim.24. em que as DMUs eficientes devem deslocar-se pela fronteira e propõe ainda como fazer o deslocamento das DMUs ineficientes. (2003) e Gomes (2003). Em (II) representa-se o modelo DEA-GSZ com estratégia de redução proporcional e sem alteração de inputs para nenhuma DMU. Esta projeção na fronteira de eficiência é o alvo a determinar. chama-se estratégia de redução proporcional. segundo Estellita-Lins et al. Nesta estratégia. (2003). para distinguir dos casos apresentados em Estellita-Lins et al. Modelos DEA com Ganhos de Soma Zero 2. até atingir o ponto correspondente ao seu novo nível de output. segundo Estellita-Lins et al. λ j representam a contribuição da DMU j para a projeção da DMU o na fronteira. em vez de a fronteira eficiente ser deslocada. para a DMU o em análise. x j representam os inputs. a eficiência é dada por 1 . y j são os ho outputs.Gomes. Maio a Agosto de 2004 271 . (2003). retira efetivamente output das demais em valor proporcional ao output atual. Neste PPL. (2003) e Gomes et al. com a hipótese simplificadora de que consegue fazer da forma pretendida.

Evidentemente. x j e y j são valores originais dos inputs e dos outputs. excetuando-se a DMU o.2 Determinação de Alvos Como pode ser visto.269-284. respectivamente. 2. a nova fronteira gerada a partir desta estratégia. A fronteira superior representa a fronteira do modelo clássico. redução proporcional.2. λ j são as contribuições das DMUs na projeção eficiente. entre outras). A Figura 1 representa. 272 Pesquisa Operacional. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero z unidades de output. O z ho y o o hRoyo yo I Figura 1 – Representação da estratégia de redução proporcional de output das DMUs j.Gomes. Maio a Agosto de 2004 . j ≠ o. Essa alteração é função da estratégia adotada na determinação do alvo (igual redução. mantém-se a condição de que a soma das perdas seja igual ao que será ganho pela DMU o. a redução do nível de output das outras DMUs é proporcional ao seu output original. a inferior representa a nova fronteira considerando-se redução proporcional de outputs de todas as DMUs. ou seja. no modelo DEA-GSZ. hRo é o inverso da eficiência de DMU o no modelo DEA-GSZ. n. que ganha a soma das perdas para tornar-se eficiente. As variáveis de decisão são λ j e hRo . max hRo sujeito a ∑ λ j x j ≤ xo j   yo ( hRo − 1)   hRo yo ≤ ∑ λ j y j  1 − ∑ y j  j  j ≠o   = λ 1 ∑ j (II) j λj ≥ 0 Em (II).24. aquelas com menor nível de output perdem menos e aquelas com maior nível de output perdem mais. v. o modo como uma DMU atinge seu alvo na fronteira provoca alteração na forma da fronteira eficiente. p. para o caso bidimensional. ao contrário do que acontece nos modelos DEA clássicos. a unidade em análise é igualmente a DMU o.

apresentada em Gomes et al. Uma forma de determinar estes alvos intermediários. respectivamente. v. os inputs e os outputs. xj e yj são. (2003) e Gomes (2003) prova-se que. servem ainda como ferramenta na solução do problema de várias DMUs em busca simultânea de eficiência (Gomes.. Além da possibilidade de cooperação entre unidades ineficientes.. n. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero A busca por eficiência pode ser feita por uma única DMU ou por várias DMUs em regime de cooperação. Gomes & Soares de Mello (2002) e Gomes (2003). que representam diferentes níveis de utilização da tecnologia. em particular. como apresentado em Gomes et al. As camadas de iso-eficiência.24. além da sua utilidade gerencial. O processo repete-se até que todas as DMUs tenham sido retiradas do conjunto inicial (Barr et al. 1998). As camadas de iso-eficiência são obtidas da seguinte forma: as DMUs com 100% de eficiência formam a camada 1. Max hRA Max hRB sujeito a ∑ λ j x j ≤ xA j* ∑ λ j x j ≤ xB j ** hRA y A ≤ ∑ λ j y ' j j* (III) hRB y B ≤ ∑ λ j y ' j j ** ∑λj = 1 j* ∑λj = 1 j ** λj ≥ 0 Em Gomes et al. j ∗∗ é o conjunto de referência da DMU B. 2003). com o mesmo modelo DEA. o problema não linear multiobjetivo reduz-se a um problema não linear com uma única função objetivo. então. O modelo DEA-GSZ para o caso de duas DMUs (A e B) que buscam eficiência em cooperação é apresentado em (III). os gestores podem argumentar que é um salto extremamente grande tentar atingir a eficiência de uma só vez. Nesse Problema Bi-objetivo Não Linear.Gomes. é buscá-los nas camadas de iso-eficiência. λ j é a contribuição da DMU j na formação do alvo da DMU em análise. As DMUs eficientes neste subconjunto formam a camada 2. retiradas do conjunto de análise e calculam-se novamente as eficiências. 2000. y j ' são os novos valores de output. sendo mais factível uma busca gradativa de alvos.2. hRj é a eficiência da DMU j no modelo DEA-GSZ. Tavares. j ∗ é o conjunto de referência da DMU A. Maio a Agosto de 2004 273 . quando é usada a estratégia de redução proporcional. Isto ocorre. p. Essas DMUs são. função da estratégia de busca escolhida. Pesquisa Operacional.269-284. em determinadas condições. Neste caso. 2003). o modelo (II) transforma-se em um problema de Programação Não Linear Multiobjetivo. (2003) e Gomes (2003). A busca de alvos consecutivos em camadas de iso-eficiência é chamada de Busca Seqüencial de Alvos Intermediários (Gomes et al. (2003).

0 0.5 1.0 Output 5.5 1.0 0. Entretanto.5 D 3.5 Output Output F 2.0 0.5 1.0 0..269-284. v.0 0.0 Input Figura 3 – Alteração da fronteira para DMUs atuando em cooperação na busca da fronteira eficiente no modelo DEA-GSZ seqüencial.5 B C 4.0 0. poderá reduzir o número de vôos na rota.0 E Output Output E 2.0 0.0 5.5 0. construção da fronteira (através da identificação das DMUs extremo-eficientes) e determinação dos alvos (com as diferentes possibilidades de projeção na fronteira).5 1. Esse seria o exemplo da avaliação de eficiência de companhias aéreas operando em uma determinada rota.5 F 3.0 Input 2.5 1. devido à redução de outputs (no valor necessário para que a soma permaneça constante).5 D 1.5 0.0 D 1.5 C 4. nos quais a solução pode ser dividida em duas etapas distintas. As Figuras 2 e 3 mostram a alteração da fronteira para os casos em que uma única DMU busca eficiência e em que DMUs atuam em cooperação no modelo DEA-GSZ.0 4. com conseqüente deslocamento da fronteira eficiente.0 0.5 3.0 F 3.5 2.3 Alterações na Fronteira de Eficiência No modelo DEA-GSZ.0 F 3. p.0 4..5 3.0 E 2.2.0 Input 2.0 1.5 1.5 4. Maio a Agosto de 2004 .0 3.5 B H 3.0 1.0 Input 2.0 2. há a possibilidade ou a imposição de redução dos inputs utilizados. há casos em que.0 H A 2.0 0.5 3.0 2.0 4.5 4. 5.0 1.0 H B C 4. 2003).0 A 1.0 0.5 1.0 2.5 0.0 0. em vez de buscar-se a projeção diretamente na fronteira eficiente.5 0.0 B 4.5 2.5 C B 4.0 3.5 0. as etapas de construção da fronteira e determinação dos alvos estão interligadas.Gomes.0 1. uma determinada DMU que tenha reduzido o número de passageiros transportados pelo fato de outra companhia ter aumentado esse número (por exemplo.5 B 0.0 5.5 G 1.0 3.0 H E 2.24. Nos casos até aqui tratados. pela redução das tarifas praticadas).5 3.0 0. verifica-se que o ajuste às novas condições impostas dá-se somente pela alteração no valor do output.0 1.5 A H D 1.5 G 1.5 3.5 F C E D 2.0 3.0 2.0 1. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero 2.5 3.0 0. isto é.0 D 1.5 3.5 4.5 A 0. Poder-se-ia considerar como output o número de passageiros e como inputs pessoal.5 3.5 H A 1.5 4. a busca da eficiência é feita de forma seqüencial.0 1. n.5 G G 1.0 Input Figura 2 – Alteração da fronteira para uma única DMU que busca eficiência no modelo DEA-GSZ seqüencial. assentos.0 2.0 3. O processo é repetido até ser atingida a fronteira eficiente. Nesse caso.0 5.5 2. Ao impor-se demanda constante. não há o 274 Pesquisa Operacional.5 4.5 A 2. cada alvo é determinado na camada de isoeficiência imediatamente superior.0 3. 2001c. ao contrário dos modelos clássicos. Nestas figuras.0 0.5 4. cuja elasticidade preço permita considerar a demanda como constante.5 3.5 C 4. Soares de Mello et al.0 1.0 0.0 4. a saber.0 0. 5.5 2.5 4.0 3.0 4.Km oferecidos e combustível usado (Gomes et al.0 3. com a conseqüente redução dos inputs considerados.0 2.5 G 2.5 G E 2.5 Input 2.0 F Output 3.0 2.0 3.5 0.

as DMUs deslocam-se pela fronteira mas não há a restrição de a soma dos outputs ou dos inputs ser constante.2. A DMU o busca eficiência e as demais deslocam-se pela fronteira..Gomes. As DMUs B e E são referências para a DMU o nessa camada.24. apresentam uma proposta interativa. 2003). com este valor de output.. Pesquisa Operacional. a DMU o (ineficiente) busca eficiência de forma gradual nas camadas de iso-eficiência (Gomes et al. 3. j ≠ o . v. Sob outras condições. As demais DMUs j. DMUs em deslocamento pela fronteira são encontrados na literatura. Destaca-se que o procedimento é análogo para as buscas que não consideram alvos intermediários nas camadas de iso-eficiência. A vantagem dessa estratégia é a possibilidade de aprender e gerar conhecimento sobre as práticas desse estágio de utilização da tecnologia (Gomes et al.269-284. baseada em DEA e Programação Linear Multiobjetivo para o problema da alocação eficiente de recursos. A Figura 4 (a) e (b) representa um exemplo bidimensional hipotético. O O F F D D E y’o E B B yB y’B o C yo G C G o A A I (a) x’C xC x’A xA x’G xG I xo (b) Figura 4 – (a) Configuração espacial e (b) representação do deslocamento de DMUs eficientes pela(s) fronteira(s). n. A seguir desenvolvem-se os modelos DEA-GSZ em que as DMUs devem deslocar-se pela fronteira. 2003. isto é. Gomes. e com input que. a soma dos outputs deve ser constante e a busca é a seqüencial de alvos intermediários. É representada a configuração espacial (8 DMUs e as camadas de iso-eficiência). mas sim o deslocamento das DMUs pela fronteira eficiente ou pelas camadas de iso-eficiência (para as DMUs que perderam output e não eram eficientes). Nessa abordagem. 2003). DMUs Eficientes em Deslocamento pela Fronteira: Caso Bidimensional Supõe-se o paradigma do DEA-GSZ. Maio a Agosto de 2004 275 . por exemplo. 2002. O valor do input é dado pela interseção das faces que contêm as DMUs (Gomes. 2003) com a reta horizontal que representa o valor do novo output. ou seja. Korhonen & Syrjänen (2001). Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero deslocamento da fronteira. a mantenha na fronteira. Gomes & Soares de Mello. São abordados os casos bidimensional e multidimensional. p. A estratégia da DMU o na busca por eficiência é a estratégia proporcional de projeção na 2a camada de iso-eficiência. deslocam-se pela fronteira até atingir um ponto com o valor de output determinado pelo modelo DEA-GSZ.

onde yo ' = ho2ª yo . González-Araya & Estellita-Lins (2002) e González-Araya (2003) afirmam que essa fronteira eficiente tem regiões com propriedades diferentes. v.24. 2003. Ainda é possível facultar ao decisor escolher um valor para o input que esteja contido no intervalo ( I PF .269-284. Essa fronteira é constituída pelas DMUs eficientes e pelas faces por elas geradas. Ou o valor do input não se altera ( I NA ) ou é calculado pelo prolongamento da face ( I PF ) que contém esta DMU. Para a estratégia proporcional. p. é possível calcular o valor dos níveis de output para essas DMUs. Maio a Agosto de 2004 . O yC y’ C C x’ C x C I Figura 5 – Possibilidades do valor de input para DMUs limites da região Pareto ineficiente. 4. extremos da região não Pareto eficiente “inferior”. O valor dos inputs é obtido através das equações das faces que contêm as DMUs. Gomes et al. DMUs Eficientes em Deslocamento pela Fronteira: Caso Multidimensional Os modelos DEA clássicos geram uma fronteira eficiente empírica. 276 Pesquisa Operacional.Gomes.. o ganho deve ser igual à soma das perdas. A Figura 5 é um recorte ampliado para o caso da DMU C. baseada nas melhores práticas observadas. j ≠ o tem valor ( ) y j yo ho2ª − 1 ∑ yj (Estellita-Lins et al. é um problema combinatório de alta complexidade (Fukuda. Gomes. para dimensões superiores. Ressalte-se que a obtenção dessas equações.. que criam uma envoltória sob o conjunto de DMUs ineficientes. 2001a). Muitas faces não cumprem as condições de eficiência de Pareto-Koopmans e são denominadas regiões não ParetoKoopmans eficientes ou fracamente eficientes (a projeção radial das DMUs ineficientes nessas regiões apresenta folgas diferentes de zero nos inputs e/ou nos outputs). a perda de output de cada DMU j. ganho = ( ho2ª − 1) yo . Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero O alvo da DMU o na 2a camada é dado por yo ' . as faces que cumprem essas condições de eficiência são denominadas regiões ParetoKoopmans eficientes ou fortemente eficientes. 2003. n. ou seja. Em oposição. Com o valor j ≠o da perda. Como o modelo utilizado é o DEA-GSZ.2. I NA ] . 1993). linear por partes. Na Figura 4 (b) verifica-se que há duas possibilidades para o cálculo do nível de input após o deslocamento para as DMUs A e C.

mas que seja continuamente diferenciável. Pille & Paradi (1997) desenvolveram um algoritmo (“Algoritmo Gerador de Faces”) que determina todas as faces eficientes presentes na fronteira estimada pelos modelos com rendimentos de escala variáveis. tem sido objeto de estudo de diversos autores (Ali. a determinação de todas as faces. Dulá & Thrall. onde z representa o output e x e y os inputs. 1994. Para o caso de um output e dois inputs. (2002) para resolver o problema de múltiplas soluções ótimas na formulação dos multiplicadores. já que há uma única equação a ser determinada.. n. Entre as propriedades mantidas estão a atribuição de eficiência unitária às DMUs extremo-eficientes do modelo DEA original. Em DEA. González-Araya & Estellita-Lins. como já destacado. Devido à complexidade dos algoritmos existentes na literatura e pela impossibilidade de obter-se um algoritmo eficiente para a determinação de todas as faces (Dulá. z = a + bx + cy + dxy + ex 2 + fy 2 + gx3 + hx 2 y + ixy 2 + + jy 3 + kx 4 + lx 3 y + mx 2 y 2 + nxy 3 + oy 4 + .. Como já foi visto. 1993. 1980. Barber et al. 1996). 1993. optou-se pelo uso do modelo de fronteira DEA suavizada. p. Dessa forma.24..Gomes. Fukuda.2. o grau do polinômio é função do número de DMUs extremo-eficientes. esta determinação apresenta problemas de praticidade e. O modelo de suavização original. convexidade e monotonicidade crescente dos outputs com os inputs. Em González-Araya & Estellita-Lins (2002) e González-Araya (2003) é proposto um algoritmo de busca de todas as faces eficientes da fronteira DEA com maior dimensão. já que devem ser testadas todas as combinações possíveis de formação de hiperplanos a partir das DMUs eficientes. Dulá. (2004) e Soares de Mello (2002). Armand. O polinômio deve possuir o menor grau possível que não cause inviabilidade da suavização. assim. em vez de determinar uma equação para cada face. ou ainda terem tempo de execução extremamente elevado. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero A determinação das DMUs eficientes. Logo. A técnica usada consiste em substituir a fronteira DEA clássica por outra que tenha propriedades semelhantes. o uso da fronteira suavizada no lugar da fronteira original permite contornar o problema da complexidade de determinação das equações das faces. segmentos de reta. Pesquisa Operacional. o que obriga à determinação de todas as faces. um outro modelo foi proposto por Soares de Mello et al.269-284. A especificação de todas as faces do poliedro envolvente também tem recebido atenção (González-Araya. 2003. na verdade. o polinômio que substituirá a fronteira DEA original tem a forma apresentada em (IV). Para os casos de dimensões superiores. é relativamente simples e pode ser feita com o uso de geometria analítica elementar. representa toda a fronteira suavizada por uma única equação polinomial.. a obtenção dessas equações. 2001. substituía cada face linear por outra parabólica. 2002). em especial extremo-eficientes. desenvolvido para fronteiras bidimensionais. é um problema combinatório de alta complexidade. como forma de acelerar os algoritmos de solução dos modelos DEA. v. Maio a Agosto de 2004 (IV) 277 . 2002). Este tipo de fronteira foi originalmente desenvolvido por Soares de Mello et al. 1993. Esse algoritmo envolve uma série de modelos de programação linear que devem ser resolvidos seqüencialmente. ou não serem factíveis de implementação. 2002). agora planos ou hiperplanos. No caso bidimensional. Esse modelo mantém todas as características anteriores da fronteira suavizada mas. Na literatura são encontrados diferentes algoritmos que permitem encontrar todas as faces eficientes em um poliedro (Ecker et al. esses algoritmos têm a limitação de na determinação da fronteira estimada por DEA ou não serem facilmente implementados. Entretanto.

as restrições garantem que a fronteira será convexa (mesmo fora da região de calibração) e monotonamente crescente para os valores do inputs menores ou iguais ao maior valor de cada um. p. Os passos dessa abordagem são mostrados através de um exemplo numérico. Os novos outputs são calculados segundo o modelo DEA-GSZ. Esta formulação. Garante-se ainda. ymin .0 Input 2 1. yefi ) = Z efi (V) ∂z ( xmax . uma vez que as parcelas de um polinômio são funções de classe C1 (contínuas e com primeira derivada contínua) em ℜ2.0 4. além das propriedades já enunciadas. ymax ) ≥ 0 ∂x ∂z ( xmax . 2004. ou seja. para o problema das DMUs que se deslocam na fronteira DEA para o caso multidimensional. ymax e xmax representam o menor e o maior valor de cada input..Gomes.. Soares de Mello. v.0 25.0 3.1 Exemplo numérico Na Tabela 1 são apresentados os dados para o exemplo numérico hipotético (caso multidimensional) e as eficiências segundo o modelo DEA BCC clássico.0 125.5 22. garante a existência de derivadas parciais em todo o domínio. O estudo detalhado dessas propriedades é apresentado em Soares de Mello et al. além do aproximante garantir a suavidade de toda a fronteira.0 5. ymax ) ≥ 0 ∂y e.  xmax ymax   ∂z  2  ∂z 2   Min  ∫ ∫ 1 +   +    dydx   xmin ymin   ∂x   ∂y    sujeito a z ( xefi . com garantia de convexidade (Soares de Mello et al.. f ..0 5. procede-se como no caso bidimensional.0 Soma Output 18. Maio a Agosto de 2004 . são as variáveis de decisão (coeficientes do polinômio). xmin . DMU A B C D E 278 Input 1 1.0 2.. 2002). onde o conceito de proximidade refere-se a uma pseudo-métrica baseada em comprimento de arco.0 100.0 100. g.24. 4. determinam-se os novos valores de inputs calculando-se a interseção dos planos horizontais que representam os novos níveis de output com a fronteira suavizada. i. z representa o aproximante polinomial que substituirá a fronteira DEA clássica. n.0 Eficiência BCC clássica (%) 100. g .0 33.0 100.. h. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero O modelo (V) representa a formulação geral do modelo DEA BCC tridimensional suavizado.0 2. ≤ 0 Assim.0 3. f. por aproximar toda a fronteira por um único polinômio. Nesse modelo.269-284.3 Pesquisa Operacional.2. Tabela 1 – Valores de input e output para o exemplo numérico tridimensional. após obtida a equação da fronteira suavizada. (2002) e Soares de Mello (2002).5 26.0 84. que a fronteira suavizada está próxima da fronteira original. Assim.0 1. . e.

é necessário obter a equação dessa fronteira que substituirá o poliedro DEA BCC clássico..2. hE = 1. 124 2 496 2   Min 4 24 ( bd + 2cf ) + 4 ( b2 + c2 ) + d + 4 f 2 )  +12[8 ( 2be + cd ) + 48 ( de + df )] + d + 4e2 ) ( ( 3 3   sujeito a b + 5d + 10 e ≥ 0 c + 5d + 10 f ≥ 0 a + b + c + d + e + f = 18. a DMU E é a unidade ineficiente que busca eficiência. ∂z  ∂z  = b + dy + 2ex ⇒   = b 2 + d 2 y 2 + 4e2 x 2 + 2bdy + 4bex + 4dexy ∂x  ∂x  2 (VII) 2 ∂z  ∂z  = c + dx + 2 fy ⇒   = c 2 + d 2 x 2 + 4 f 2 y 2 + 2cdx + 4cfy + 4dfxy ∂y  ∂y  55 ∫ ∫ (1 + b 2 (VIII) + d 2 y 2 + 4e2 x 2 + 2bdy + 4bex + 4dexy + c 2 + d 2 x 2 + 4 f 2 y 2 + 2cdx + 4cfy + 4dfxy ) dxdy 11 (IX) Ao integrar-se a expressão em (IX) e aplicarem-se os limites de integração. o polinômio deve ser de grau 2 e é expresso pela equação (VI). Entretanto. Maio a Agosto de 2004 279 . sob o paradigma DEA-GSZ. n. z = a + bx + cy + dxy + ex 2 + fy 2 (VI) Deve-se obter a função objetivo (FO) do modelo suavizado. As restrições de igualdade garantem que a fronteira suavizada contenha todas as DMUs extremo-eficientes.3%. A eficiência de E é 84. obtém-se a FO. obtêm-se as equações (VII). Como no exemplo há 3 DMUs extremo-eficientes (DMU B é eficiente mas não extremo-eficiente).5 a + 2b + c + 2d + 4e + f = 22 e≤0 f ≤0 Pesquisa Operacional. (VIII) e (IX). Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero Rodando-se o modelo DEA BCC clássico. ou seja.5 a + 2b + 5c + 10d + 4e + 25 f = 26 (X) a + 3b + 4c + 12d + 9e + 16 f = 33. Para a escolha do aproximante há uma relação entre o número de DMUs extremo-eficientes e o grau do polinômio (Soares de Mello et al. Essa relação garante que o número de restrições de igualdade seja inferior ao número de variáveis de decisão (coeficientes do polinômio). as DMUs C e D são seus benchmarks.71. que envolve a integração dupla do quadrado das derivadas parciais do aproximante apresentado em (VI). Dessa forma.24. Assim. p. as DMUs não devem caminhar nas faces produzidas pelo modelo clássico.1867 . Soares de Mello. o modelo de suavização é apresentado pelo problema de programação quadrática (X). mas sim na fronteira suavizada. v.Gomes. 2004. O alvo yE ' que deveria ser atingido na fronteira clássica tem valor 29. 2002). Para tal.269-284. O problema da suavização fica resolvido com o cálculo dos coeficientes desse polinômio.

z = 9. Esta opção garante que a DMU em questão deve promover alterações mínimas nos seus inputs.73 D 19. e = −0. 2964 . 6910 .24. Assim. onde z N é o novo valor do output. para cada DMU j. ou seja. A Tabela 3 apresenta os resultados finais.2. Assim.1005 . O ganho tem valor yE '− yE . Optou-se por escolher o deslocamento que dê o caminho mais curto até o plano z = z N . tem-se a = 9. tiveram seus valores de output reduzido. 2513 . n. Tabela 2 – Novos valores de output para as DMUs no modelo DEA-GSZ em fronteira suavizada. d = 1. 36. a DMU pode seguir qualquer direção. p. exceto a DMU E.08 C 29. 280 Pesquisa Operacional. v. ou seja. o ganho deve ser igual à soma das perdas (proporcionais ao nível de output) das demais DMUs.0).1005 xy − 0. apresentada em (XI) e é sob essa curva que as DMUs eficientes deslocar-se-ão em busca dos novos valores de inputs e outputs no modelo DEA-GSZ. DMU Novo valor de output A 16. 2513 y + 1. 24 y j cada DMU j. perderá = . j ≠ E . e xN e y N são os novos valores de inputs. Para a DMU E os valores dos inputs permanecem inalterados. No modelo DEA-GSZ. os valores dos inputs são dados pela equação da fronteira suavizada. 0754.24.53 E 36. Maio a Agosto de 2004 . 6910 x + 5.269-284. b = 4. 7639 e f = −1. é resolvido o problema de otimização apresentado em (XII). c = 5. de modo a manter a soma constante (igual a 125. Com os valores dos coeficientes obtém-se a equação da fronteira suavizada. yE ' .Gomes. j ≠ E . xO . já que todas. 0754 y 2 (XI) O alvo a ser buscado pela DMU E. Para as demais DMUs. as variáveis de decisão. A Tabela 2 apresenta os novos 100 ∑ yj j≠E valores de output para as DMUs em questão. yO e zO são os valores originais dos inputs e do output. já que qualquer ponto na curva de nível resultante da interseção da fronteira suavizada com o plano de corte z = z N é solução do problema. Nesse problema.00 A análise da Tabela 2 permite verificar que houve o deslocamento das DMUs pela fronteira de eficiência suavizada.24 Soma 125. está na fronteira suavizada e tem valor de 36. 7639 x 2 − 1. Entretanto. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero Como resultado do modelo de otimização (X). respectivamente.42 B 23. considerando-se a distância Euclidiana. 24 . 24 − 25 = 11. y j ( yE '− yE ) 11. 2964 + 4. ao deslocar-se nessa fronteira.

63 3. E. DMU Input 1 Input 2 A B C D E 0. pelo fato de a equação ser polinomial. para o qual não existe algoritmo eficiente. y N ≥ 0 Tabela 3 – Novos valores dos inputs para as DMUs no modelo DEA-GSZ em fronteira suavizada. tiveram o valor do input alterado para adequarem-se à redução do output. para todas as DMUs é possível calcular de forma única o seu deslocamento. Este é um problema de alta complexidade.00 0. não existem.76 1. determinada por um problema de programação quadrática.16 4. é de implementação relativamente fácil para as DMUs que não estejam no início da região fracamente eficiente. Portanto.69 2.1005 xy − 0. existe um outro problema. que provoca o deslocamento das DMUs por retas. p.14 0. exceto a DMU E.28 1. 2964 + 4. Desta argumentação conclui-se que o uso da fronteira suavizada tem dupla vantagem: simplifica os cálculos e permite solução única para todas as DMUs. Pesquisa Operacional. em que havia o deslocamento da fronteira. 5. a simples busca por eficiência altera a forma da fronteira. Além disso. v. Conclusões Um resultado importante dos modelos DEA com Ganhos de Soma Zero (DEA-GSZ) é o fato de os dois problemas tradicionais em DEA (determinação da fronteira e busca de alvos) ficarem estreitamente acoplados. além do problema das DMUs que marcam o início da região fracamente eficiente. regiões fracamente eficientes. 0754 y 2 = z N (XII) xN .Gomes. n. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero Min ( xO − xN ) + ( yO − yN ) + ( zO − z N ) 2 2 2 sujeito a 9.2.269-284. o problema do deslocamento ao longo da fronteira não tem solução única. O caso bidimensional. 6910 x + 5. O uso de uma fronteira suavizada permitiu contornar estes dois problemas. Para estas. a possibilidade de redução de inputs para as DMUs que tiveram redução no nível de output.76 5.24. neste tipo de fronteira. Maio a Agosto de 2004 281 . ou seja.00 Comparando-se os valores inicias dos inputs (Tabela 1) com os resultados finais (Tabela 3) no paradigma do modelo DEA-GSZ. provocando o deslocamento dessas DMUs ao longo da fronteira de eficiência (ou camadas de iso-eficiência). De fato. No caso multidimensional. expande as aplicações do modelo DEA-GSZ e os resultados obtidos anteriormente. a necessidade de determinar a equação de todas as faces. constata-se que todas. 2513 y + 1. qual seja.84 5. 7639 x 2 − 1. a fronteira suavizada tem uma única face de equação polinomial.

Pesquisa Operacional. n.H. como é o caso de funcionários estáveis em empresas públicas. & Huhdanpaa. 429-444. (2000). Computations in DEA. The Quickhull Algorithm for Convex Hulls. Nessa situação.. European Journal of Operational Research. Cooper.P. Measuring the efficiency of decisionmaking units. 61.W. D. 63-78.L. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero Uma alternativa à distância Euclidiana para encontrar o novo valor dos inputs no caso tridimensional é o emprego das métrica de Tchebycheff.I.24. C.W.I.B. W. Southern Methodist University Technical Report. R. A. W. (2000). Management Science.269-284.D. (2) Ali.Y. (8) Cooper. ACM Transactions on Mathematical Software. Some models for estimating technical scale inefficiencies in Data Envelopment Analysis. (1993). In: DEA: Theory. K. 30(9). Methodology and Applications [edited by A. Charnes. 2003). A.M. por exemplo) (Gomes. L. A. 22(2). Seiford]. p. 357-375. 165-182. 469-483. L. & Tone. Neste caso. (2001).. Streamlined computation for data envelopment analysis.S. possível de ser linearizado. Dobkin. (1996). Seiford. em especial na modelagem de outputs indesejáveis (emissão de poluentes. W.. Data Envelopment Analysis: A Comprehensive Text with Models. Boston. Agradecimentos Ao CNPq pelo apoio financeiro e aos revisores pelas valiosas contribuições para melhoria deste artigo. Kluwer Academic Publishers. & Cooper. 282 Pesquisa Operacional. o problema de programação quadrática é substituído por um problema MinMax. USA. European Journal of Operational Research. v. Cabe ainda ressaltar que. (6) Barr. Os desenvolvimentos futuros deverão contemplar a aplicação dos modelos aqui propostos a estudos de casos reais. os modelos apresentados neste artigo podem ser usados em situações em que a soma dos inputs deve ser constante. Charnes. J. & Thrall. & Rhodes. (1993).W. (4) Banker. 22(4).M. Lewin and L. W.Gomes. A.M. de forma análoga. Maio a Agosto de 2004 . J.. M. 61-67. 2. (10) Dulá. (3) Armand. Computational aspects of Data Envelopment Analysis. (5) Barber. Cooper. (9) Dulá. (7) Charnes.H. Peeling the DEA onion: Layering and rank-ordering DMUs using tiered DEA. Durchholz. (1994). R. Finding all Maximal Efficient Faces in Multiobjetive Linear Programming.W. References and DEA-Solver Software. Referências Bibliográficas (1) Ali. (2002). (1978). A. 64(1). E. P. & Seiford. Applications. Kluwer Academic Publishers. 16. o modelo DEA-GSZ (orientado a inputs) é uma ferramenta útil nos problemas de (re)alocação de recursos. 1078-1092. H. Mathematical Programming. (1984). R. Journal of Productivity Analysis..2. A computational framework for accelerating DEA. USA.

Estellita-Lins.B. 125-133 (21) González-Araya. E. Programa de Engenharia de Produção. (2002). Brasil. COPPE/UFRJ. (1980). cdd.P. J. M. M. (16) Gomes.P. Brasil.C.269-284.N. Anais do XXXIV Simpósio Brasileiro de Pesquisa Operacional. Serapião.B.C. A.. & Biondi. Anais do XXXIII Simpósio Brasileiro de Pesquisa Operacional.. & Estellita-Lins.C. & Soares de Mello. M..C. (2001c). (2002). Programa de Engenharia de Produção. M. Un algoritmo para encontrar las facetas eficientes de mayor dimensión de la frontera DEA. Determinação de Alvos em Modelos DEA com Ganhos de Soma Zero. Editora da COPPE/UFRJ. Switzerland. (14) Fukuda. 23(2). Projeções Não Radiais em Regiões Fortemente Eficientes da Fronteira DEA – Algoritmos e Aplicações. J. Tese de Doutorado. Hegner. Modelos de Análise de Envoltória de Dados com Ganhos de Soma Zero.C.. Soares de Mello. & Estellita-Lins.P. Análise Envoltória de Dados e perspectivas de integração no ambiente de Apoio à Decisão. (2003). Anais do XXI ENEGEP – Encontro Nacional de Engenharia de Produção.C. E. v. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero (11) Ecker. M.G. Rio de Janeiro. Busca seqüencial de alvos intermediários em modelos DEA com soma de outputs constante.C.C. & Angulo-Meza. (2003). Rio de Janeiro. (2003). I. Uso de Análise de Envoltória de Dados e Auxílio Multicritério à Decisão na análise de dados das Olimpíadas 2000. Olympic ranking based on a Zero Sum Gains DEA model.C. & Estellita-Lins.C.. E. (17) Gomes.F. 25p.. Rio de Janeiro. Journal of Optimization Theory and Applications. (19) Gomes. L. Avaliação de Eficiência de Companhias Aéreas Brasileiras: Uma Abordagem por Análise de Envoltória de Dados. 312-322. J. In: Panorama Nacional da Pesquisa em Transportes 2001 [editado por J. Maio a Agosto de 2004 283 . M.c: C Implementation of the Double Description method for computing all vertices and extremal rays of a convex polyhedron given a system of linear inequalities. Rio de Janeiro. Campos do Jordão. & Soares de Mello. Soares de Mello. Gomes. Soares de Mello. P. Working Paper W-293.G.P. & Syrjänen. N. Setti e O. Soares de Mello. (1993).C. Lausanne. (15) Gomes. (12) Estellita-Lins. 353-381. & Kouada. M. Soares de Mello. K. p. (20) Gomes.A. (22) González-Araya.. Brasil. E. B.B. (2003).Gomes. (2001b).S. Salvador. Investigação Operacional. E. Generating all Maximal Efficient Faces for Multiple Objective Linear Programs. J. 148(2). & Estellita-Lins.G.2. Lima Júnior]. 2. Tese de Doutorado.G. J. J.24. (18) Gomes. 30.G. Helsinki School of Economics and Business Administration. n. Department of Mathematics.P. (2001).. L.G.R. M. Modelos DEA com soma de outputs constante. M. (13) Estellita-Lins.A.P. Chile. J. M. Dezembro. Pesquisa Operacional. (2000).B. (2001a).G. European Journal of Operational Research. E.J.B. Brasil.P.C.R. E. (23) Korhonen. COPPE/UFRJ.P. Resource allocation based on efficiency analysis.B. Anais do XI Congreso Latino Iberoamericano de Investigacion de Operaciones (CLAIO).C.C. Swiss Federal Institute of Technology.G.. 163-178. Concepción.

Pesquisa Operacional. P. R. Pesquisa Operacional.. B. (2004). Biondi. Copenhagen. J. October.C. Faculdade de Ciências e Tecnologia.. The MIT Press. & EstellitaLins. J. Denmark. M. 325-345.D..G..269-284.J. 24(1). Angulo-Meza. (31) Tavares.P.. New York. (30) Soares de Mello. Suavização da fronteira DEA com o uso de métodos variacionais.C. Disponível em: <http://www. A. COPPE/UFRJ.br/pdf/pope/v22n2/a06v22n2. J. Universidade de Coimbra. A Course in Game Theory. Estellita-Lins.Gomes. (2003). 183-201. Serapião.. (25) Pille. p.P. Facets at the Frontier and Efficiency Measurement in DEA.C. G. Boston.C. E. Oliveira. Soares de Mello & Estellita Lins – Redistribuição de inputs e outputs em modelos de análise envoltória de dados com ganhos de soma zero (24) Osborne. & Estellita-Lins.. (32) Tavares.J. & Gomes. & Paradi.. (1999). Investigação Operacional.P.G. Programa de Engenharia de Produção. M. M. Maio a Agosto de 2004 . M.P.P.2. J. Estellita-Lins.C. L. Boletim da SOBRAPO – Sociedade Brasileira de Pesquisa Operacional.C..N.R. (26) Soares de Mello.G. (28) Soares de Mello. Gomes.C. L. Investigação Operacional. (33) Williams. Themido. Construction of a smoothed DEA frontier. (2002). 19.B. 22(2). Suavização da fronteira DEA: o caso BCC tridimensional. & Correia. Editora McGraw Hill de Portugal Ltda. E. USA.H. (2002).B.C. Dover Publications Inc. The Complete Strategyst: Being a Primer on the Theory of Games of Strategy. 89-107.24. & Rubinstein.C.N. 5-6. Fifth European Workshop on Efficiency and Productivity Analysis. Tese de Mestrado. Tese de Doutorado. 23(2). (27) Soares de Mello.. L.pdf>. v.B. Uso da Pesquisa Operacional em esportes: o caso das Olimpíadas. A. (1996). Dezembro. J. (2001). J. (29) Soares de Mello. Gomes. M. Gomes. (1997). (1986).scielo. Portugal..G. E. A model to analyse the modernisation of telecommunication services in OECD countries.B. (1998). I. & Soares de Mello. E. J. Data envelopment analysis: the basic models and their main extensions.V. Análise de Envoltória de dados no estudo da eficiência e dos benchmarks para companhias aéreas brasileiras.C. Rio de Janeiro.C. F.B. 284 Pesquisa Operacional. n.