Análise de custos e eficiência de fazendas produtoras de cana … · 2014-05-23 · Doutora em...

Análise de custos e eficiência de fazendas produtoras de cana-de-açúcar por meio da análise envoltória de dados

Oliveira, T.B.A.; Bornia, A.C.; Silveira, S. De F.R.; Drumond, A.M.; Oliveira, M.W.

Custos e @gronegócio on line - v. 10, n. 1 – JanMar - 2014. ISSN 1808-2882 www.custoseagronegocioonline.com.br

228


Recebimento dos originais: 28/05/2013 Aceitação para publicação: 25/04/2014

Terezinha Bezerra Albino Oliveira

Mestre em Engenharia de Produção pela UFSCar Instituição: Universidade Federal de Alagoas

Endereço: Universidade Federal de Alagoas, Campus Delza Gitai, Maceió/AL. CEP: 57.037-000.

E-mail: [email protected]

Antonio Cezar Bornia Doutor em Engenharia de Produção pela UFSC

Instituição: Universidade Federal de Santa Catarina Endereço: Universidade Federal de Santa Catarina, PPGEP/UFSC, Campus Trindade,

Florianópolis/SC. CEP: 88.040-900.


Suely de Fátima Ramos Silveira Doutora em Economia Aplicada pela USP

Instituição: Universidade Federal de Viçosa Endereço: Av. P.H. Rolfs, s/n, Campus Universitário, Vicosa/MG.

CEP: 36.570-000. E-mail: [email protected]

Alexandre Matos Drumond

Especialista em Administração Pública pela PUC/MG Instituição: Universidade Federal de Viçosa

Endereço: Av. P.H. Rolfs, s/n, Campus Universitário, Vicosa/MG. CEP: 36.570-000.


Mauro Wagner de Oliveira Doutor em Ciências pela USP

Instituição: Universidade Federal de Alagoas Endereço: Universidade Federal de Alagoas, Campus Delza Gitai, Maceió/AL.

CEP: 57.037-000. E-mail: [email protected]

Resumo

A cultura da cana-de-açúcar no Brasil teve grandes avanços nas últimas quatro décadas e, atualmente, o país é uma referência mundial em tecnologias de produção de cana e álcool. Este trabalho analisa a eficiência de fazendas produtoras de cana-de-açúcar usando o método Data Envelopment Analysis (DEA), ou Análise Envoltória de Dados. Inicialmente, levantaram-se os custos e constatou-se que os custos mais relevantes foram os relativos aos recursos humanos.




229

Verificou-se que o lucro relacionou-se com a produtividade e calculou-se o custo médio e o ponto de equilíbrio para este tipo de cultura. A análise de eficiência identificou fazendas com eficiência relativa de 100%, uma vez que não foram detectadas perdas. Para as fazendas não eficientes, a análise aponta uma possível redução do nível de insumos usados. Assim, recomenda-se implementar medidas que aumentem a vida útil do canavial, preservem os recursos naturais e aumentem a eficiência da terra, dos insumos e dos recursos humanos para aumentar a competitividade do sistema produtivo. Palavras-chave: Setor sucroenergético. Custos de Produção. Análise Envoltória de Dados.

1. Introdução

A cultura da cana-de-açúcar é de grande importância, tanto do ponto de vista

socioeconômico quanto do ambiental. Dentre os principais impactos socioeconômicos positivos,

destacam-se a geração de cerca de 4,5 milhões de empregos diretos e indiretos, a interiorização

do desenvolvimento, o aumento de divisas decorrentes das exportações e a possibilidade de

complementar a crescente demanda energética do país, dependente do petróleo e do gás natural

(CEPEA, 2011; CONAB, 2011; OLIVEIRA et al., 2012; RAPASSI et al., 2009). Quanto ao

aspecto ambiental, a elevada taxa de fixação do CO2 atmosférico pela cana-de-açúcar, por um

período prolongado de tempo contribui para a melhoria do meio ambiente, reduzindo o efeito

estufa ocasionado pela queima dos combustíveis fósseis. Além dessa importância ambiental, essa

cultura destaca-se na produção do etanol, combustível denominado “limpo”, derivado de fontes

renováveis, que, em complementação ou substituição aos combustíveis fósseis, contribui para

diminuir os efeitos do aquecimento global (GOLDEMBERG, 2007; MARTINELLI et. al., 2011;

OLIVEIRA et al., 2007; OLIVEIRA et al, 2012).

O setor sucroenergético brasileiro é um dos mais competitivos do mundo devido,

principalmente, ao desenvolvimento da ciência e da tecnologia nacional que aumentaram muito a

eficiência dos sistemas de produção de cana, extração e industrialização do caldo e uso dos

resíduos sucroalcooleiros na adubação dos canaviais e geração de energia elétrica (CAMARGO

et al., 2008; GOLDEMBERG, 2007; OLIVEIRA et al., 2007; RAPASSI et al., 2009). Todavia,

mesmo com esse desenvolvimento científico e tecnológico, Ferreira e Gomes (2009) apontam

que a complexidade ou a difícil aplicação de alguns instrumentos fora do âmbito acadêmico ou

técnico especializado para avaliar inputs e outputs no processo de produção faz com que os

gestores das empresas rurais tenham dificuldade para conhecer o desempenho de suas

propriedades rurais, isto é, a eficiência relativa comparada a um padrão quando há múltiplos

insumos e múltiplos produtos a serem considerados na análise de um sistema produtivo. Para

tanto, estes autores sugerem o uso de técnicas ou métodos que forneçam informações mais




230

objetivas e precisas que as obtidas através da análise de rentabilidade e de indicadores

financeiros, uma vez que há vários fatores externos que podem influenciar os resultados.

A liderança das empresas que compõem o setor sucroenergético também deve estar

associada à eficiência operacional que, ao ser alcançada, permite obter produtos com menor

consumo de recursos, o que, por sua vez, pode levar a maiores resultados financeiros e

econômicos (TORQUATO et al., 2009). Dessa forma, o gerenciamento da produção de cana

requer ampla abrangência de informações de desempenho, ao considerar que o sistema poderá

ser mais eficiente e lucrativo na medida em que há maior domínio do produtor sobre o processo

produtivo e acerca das técnicas de execução e gerência (OLIVEIRA et al., 2012).

No apoio à decisão em situações de natureza multidisciplinar, a Data Envelopment

Analysis (DEA) ou Análise Envoltória de Dados vem se destacando como importante ferramenta

para avaliar a eficiência relativa de organizações. Trata-se de uma aplicação da Programação

Linear que tem por finalidade construir uma fronteira sobre os dados de produção ou de

possibilidades de produção, em que medidas de otimização são calculadas para avaliar a

eficiência relativa de cada organização ou unidade produtiva, comparada às demais organizações

em análise, cuja presença de múltiplos insumos e múltiplos produtos dificulta a comparação.

Diante desse cenário, o objetivo desta pesquisa é avaliar a eficiência produtiva de

propriedades canavieiras com uso da Análise Envoltória de Dados e analisar os custos de

produção da cana.

Este trabalho está estruturado da seguinte forma: na introdução, apresenta-se o objeto de

estudo, a importância da pesquisa e o objetivo geral do estudo. Após, é mostrado o referencial

teórico que abrange aspectos relacionados à cultura da cana-de-açúcar e à análise envoltória de

dados (ferramenta usada para avaliar a eficiência das fazendas). Na terceira seção, descrevem-se

o enquadramento metodológico e os procedimentos da pesquisa. No tópico resultados e

discussão, são apresentados e discutidos os resultados da análise dos dados e da avaliação da

eficiência relativa das propriedades canavieiras. Na quinta seção, destacam-se as considerações

finais.

2. Fundamentação Teórica

Na visão de Montgomery e Porter (1998), é essencial para uma empresa a perfeita

compreensão da estrutura do seu setor e de seu desempenho organizacional para que possa haver

vantagem competitiva sustentável. Ressaltam que alguns dos problemas mais difíceis que os




231

gestores enfrentam estão dentro de suas próprias empresas e envolvem mudanças de suas

próprias organizações e não a derrota de adversários externos.

Toda organização tem interesse, de alguma forma, em medir o desempenho de suas

operações, como pré-requisito para a melhoria contínua (SLACK et al., 2009). Conforme reforça

Bueno et al. (2011), é fundamental conhecer as causas que originaram os problemas de um

ambiente organizacional, as possíveis alternativas de solução e o impacto que cada uma delas

gera nos ambientes internos e externos da organização. Portanto, Batalha et al. (2005) comentam

que a gestão do empreendimento agrícola, que compreende a coleta e tabulação de dados,

geração de informações, tomada de decisões e ações que derivam destas decisões, não é tratada

de maneira satisfatória na literatura nacional e internacional. Segundo estes autores,

tradicionalmente, a gestão na propriedade rural, especialmente aquela de menor porte, é

abordada de forma fragmentada e específica, uma vez que os trabalhos nesta área estão quase

sempre restritos aos aspectos econômico-financeiros do empreendimento rural, tais como custos,

finanças e contabilidade.

Cooper e Slagmulder (1999) citam que a gestão de custos tornou-se importante

ferramenta para a sobrevivência das organizações. Porém, não é suficiente reduzir custos, é

preciso administrá-los de modo a reforçar o posicionamento estratégico juntamente aos clientes e

fornecedores. Por sua vez, Batalha e Silva (2000) e Scarpelli (2007) sugerem aplicar técnicas de

gerenciamento que proporcionem meios de realizar cada etapa do processo de maneira

controlada, para otimizar o uso dos recursos, extraindo destes o máximo benefício ao longo do

maior tempo possível, considerando, portanto, o retorno econômico que poderão proporcionar.

A Análise Envoltória de Dados é uma ferramenta relativamente nova da programação

linear, usada para avaliar a eficiência relativa de um conjunto de organizações denominadas

DMUs (Decision Making Units), que utilizam processos tecnológicos semelhantes para converter

insumos em produtos (COOPER et al., 2004; FERREIRA; GOMES, 2009; SALGADO

JÚNIOR et al., 2009). Essa abordagem não paramétrica envolve programação matemática em

sua estimação com a finalidade de construir uma fronteira de produção ou de possibilidades de

produção, utilizada para caracterizar uma transformação eficiente de insumos em produtos

(GOMES; BAPTISTA, 2004); uma vez que produção é um processo no qual os inputs (insumos

ou recursos) são utilizados para gerar outputs (produtos) e fronteira de produção pode ser

definida a partir da máxima quantidade de produtos que pode ser obtida, dados os insumos

empregados (LINS; CALÔBA, 2006).

Em comparação com técnicas convencionais, a Análise Envoltória de Dados (DEA) é

considerada uma das mais adequadas ferramentas de avaliação que, sem perder o rigor da análise




232

científica, atende às demandas de aplicação prática, além de contribuir efetivamente para as

pesquisas acadêmicas (FERREIRA; GOMES, 2009). Da mesma forma, Sousa et al. (2009);

Cook e Zhu (2008); Onusic et al. (2007); Mello et al. (2003) e Kassai (2002) afirmam que DEA

ou Teoria da Fronteira vem sendo muito utilizada em situações em que se propõe medir o

desempenho de unidades organizacionais onde a presença de múltiplos insumos e múltiplos

produtos dificulta a comparação.

A eficiência relativa alcançada serve como referencial entre as DMUs, uma vez que essas

unidades de excelência ou benchmarks das organizações ineficientes espelham o padrão de

eficiência que deve ser almejado por estas organizações (FERREIRA; GOMES, 2009; LINS;

CALÔBA, 2006). As organizações eficientes situam-se sobre a fronteira, enquanto as não

eficientes sob a fronteira (BOZOĞLU et al., 2007; FARE et al. 1994; RAY, 2004). O objetivo é

encontrar o melhor produto virtual com relação a cada produto real. Se o produto virtual é

melhor que o produto real, utilizando-se a mesma quantidade de insumos que a organização real,

esta organização (real) é considerada ineficiente (FERREIRA; GOMES, 2009).

Os modelos DEA são com base em uma amostra de dados observados em diferentes

unidades produtoras. As DMUs reais e virtuais realizam tarefas similares, porém são

independentes no que se refere ao seu desempenho operacional e se diferenciam nas quantidades

de inputs que consomem e de outputs que produzem, levando-se em consideração os recursos

utilizados, consumidos ou transformados durante o processo produtivo. Cada DMU pode ser

uma organização com ou sem fins lucrativos, por exemplo, um município, país, organização,

unidade administrativa ou operacional, empresa, divisão, departamento, indivíduo ou um item

cuja eficiência está sendo avaliada (COOK; ZHU, 2008; COOPER et al., 2004; FERREIRA;

GOMES, 2009; GOMES; BATISTA, 2004; MACEDO; BENGIO, 2003; MELLO et al. 2005;

REIS et al., 2011; SOUZA; MACEDO, 2008; SOUSA et al., 2009; VILELA et al., 2007).

A Análise Envoltória de Dados (DEA) foi proposta por Farrel em 1957, disseminada por

Charnes, Cooper e Rhodes, em 1978, e inovada por Banker, Charnes e Cooper, em 1984.

Existem principalmente dois modelos básicos usados nas aplicações: o modelo CCR e o modelo

BCC. O modelo CCR (sigla para Cooper, Charnes e Rhoudes), também denominado CRS

(Constant Returns to Scale), surgiu em 1978 e tem como propriedade principal a

proporcionalidade entre inputs e outputs na fronteira, ou seja, ao analisar economias, adotam a

hipótese de rendimentos constantes de escala, por considerar que o crescimento proporcional dos

inputs produzirá crescimento proporcional dos outputs. O modelo BCC (sigla para Banker,

Charnes e Cooper), também conhecido como VRS (Variable Returns to Scale), surgiu em 1984,

com o intuito de analisar economias com rendimentos de escala variáveis, tornando-se, assim,




233

uma inovação ao modelo CCR (CALÔBA, 2006; CHARNES et al. 1978; COOK; ZHU, 2008;

COOPER et al. 2004; LIMA, 2011; LINS; FERREIRA; GOMES, 2009; RAY, 2004).

Banker et al. (1984) comentam que, no modelo BCC - ou VRS - são consideradas

situações de eficiência de produção com variação de escala, sem uma relação de

proporcionalidade entre os inputs e outputs. Neste modelo, uma DMU é eficiente se esta, em sua

escala de operação, melhor aproveitar os inputs, enquanto que, no modelo CCR, a DMU é

considerada eficiente quando apresenta o melhor quociente de outputs em relação aos inputs, ou

seja, a que melhor aproveitar os inputs sem considerar sua escala de operação. Nessa ótica,

Ferreira e Gomes (2009) comentam que, quando o conjunto de DMUs tem tamanhos diversos,

elas tendem a ter rendimentos de escala diferentes. Assim, foram propostos modelos

complementares ao modelo básico CCR, como o modelo BCC. Este modelo tem como base o

modelo CCR, porém considera tecnologias com rendimentos de escala crescentes e decrescentes.

A modelagem Análise Envoltória de Dados tem sido bastante difundida em diferentes

setores nacionais e internacionais. Nessa diversidade de estudos sobre DEA, apresentada pela

literatura, encontram-se, a seguir, alguns trabalhos na cadeia agroindustrial. Na agricultura

destacam-se as pesquisas de Ruberto et al. (2013); Adhikari e Bjorndal (2012); Bezerra Neto et

al. (2007); Bozoğlu et al. (2007); Graham (2009); Gunduz et al. (2011); Mulwa e Emrouznejad

(2011); Piewthongngam et al. (2007) e Reig-Martinez et al. (2011). Na atividade zootécnica,

evidenciam-se trabalhos de Armagan e Nizam (2012); Begum et al. (2012); Cabrera et al.

(2010); Chang e Mishra (2011); Gonçalves et al. (2008) e Hansson (2007); Macedo et al. (2007).

Na agroindústria, citam-se os estudos de Ali et al. (2009); Dimara et al. (2008); Dios-Palomares

e Martínez-Paz (2011); Hasnah et al. (2004); Macedo et al. (2010); Mulwa et al. (2009); Salgado

Junior et al. (2009) e Santos (2011).

3. Método de Pesquisa

Esta pesquisa configura-se como sendo predominantemente quantitativa e exploratória.

Além da revisão de literatura, foram feitas consultas diretas a especialistas e técnicos ligados ao

setor sucroenergético. Selecionaram-se 20 fazendas produtoras de cana-de-açúcar localizadas no

noroeste de Minas Gerais (figura 1).




234

Serra dos Aimorés: Localização das 20

fazendas de cana-de-açúcar avaliadas no

estudo.

Figura 1: Mapa do Brasil destacando-se a localização geográfica das propriedades avaliadas no estudo

A escolha da região justifica-se em razão de esta ser uma das regiões canavieiras do

Brasil que tem a maior produtividade agrícola sem irrigação. Esta grande produtividade

possivelmente seja em decorrência da temperatura e radiação solar, uma vez que quando há boa

distribuição de chuvas várias fazendas têm produtividade de colmos superiores a 150 t por ha,

considerada alta por autores como Demattê (2005), Oliveira et al. (2012) e Rapassi (2009).

Os dados foram obtidos do SEBRAE/MG – Serviço Brasileiro de Apoio às Micro e

Pequenas Empresas, correspondentes às safras de 2006-2007; 2007-2008; 2008-2009; 2009-2010

e 2010-2011 (plantio da cana em abril de 2006 e colheita da quarta rebrota em 2011).

Realizaram-se visitas in loco para conhecer os sistemas de produção. Para as análises, foram

considerados os valores médios das cinco safras. A análise dos custos foi com base em Bornia

(2009); Santos, Marion, Segatti (2009). Foram levantados os custos, medidos em reais por

hectare (R$/ha), dos seguintes itens: análise de solo; calcário; adubo químico; adubo orgânico;

muda de cana; inseticida; herbicida; mecanização; recursos humanos na implantação e condução

do canavial e no corte, carregamento e transporte da cana à Destilaria; depreciação de

equipamentos e benfeitorias; bem como os custos de oportunidade relativos à remuneração dos

equipamentos, benfeitorias e do terreno. Também foram obtidas as produtividades, medidas em

toneladas por hectare (t/ha) e as receitas, obtidas pela multiplicação da produção por hectare e do

preço de mercado da cana (R$45,54/t).

O valor do aluguel do terreno (custo de oportunidade) correspondeu ao preço de 10

toneladas de cana e o custo da muda a duas vezes o preço da tonelada de cana.




235

Para mensurar a eficiência relativa das propriedades canavieiras estudadas, utilizou-se o

método Análise Envoltória de Dados (DEA), modelo BCC (retorno variável de escala), com

orientação a insumos. A opção pelo modelo BCC foi pelo fato de o mesmo propiciar um

envelopamento mais completo, sem a exigência de proporcionalidade entre inputs e outputs.

Quanto à orientação aos inputs, deveu-se à possibilidade de intervenção dos administradores das

fazendas na tentativa de reduzir os custos de produção ser uma possibilidade considerada maior

que sua capacidade de influenciar o preço de venda de seus produtos no mercado

sucroenergético. A partir desta escolha, tem-se que os resultados gerados contribuirão para

identificar quais insumos podem ser reduzidos, mantendo-se constante o output, visando atingir a

eficiência na relação insumo-produto.

Com o propósito de avaliar a eficiência relativa das 20 propriedades canavieiras (DMUs),

foram considerados os inputs e outputs necessários para a implantação e condução de um

canavial, apresentados na figura 2.

• Análise de solo

• Calcário, adubo químico e orgânico

• Muda de cana

• Inseticida e herbicida

• Mecanização

• Recursos Humanos (RH)

• Depreciação de benfeitorias e

equipamentos

• Remuneração do capital

investido

Inputs

• Fazendas produtoras de cana

Decision Making Unit

(DMUs)• Receita da cana-de-

açúcar

Outputs

Figura 2: Processo de produção das fazendas produtoras de cana Fonte: Elaborada pelos autores.

Os inputs e outputs utilizados no modelo de processo de produção das fazendas

canavieiras (figura 2), em R$/ha, foram:

a) Input 1: Insumos ou matéria-prima (análise de solo; calcário; adubo químico; adubo

orgânico; muda de cana; inseticida e herbicida).




236

b) Input 2: Serviços e Outros (mecanização e recursos humanos na implantação e condução

do canavial; no corte, carregamento e transporte da cana à Destilaria) + depreciação de

benfeitorias e equipamentos + custo de oportunidade (remuneração do capital investido).

c) Output: Receita da cana (resultado da operação tonelada de cana produzida vezes o preço

da tonelada de cana).

Para tratamento dos dados, utilizou-se o software SIAD – Sistema Integrado de Apoio à

Decisão (ÂNGULO-MEZA et al., 2005).

4. Resultados e Discussão

Na tabela 1 são apresentados os custos e as receitas levantados nas 20 fazendas

canavieiras, em reais por hectare, além da produção de cana, em toneladas por hectare, e a área

plantada, em hectares.

Tabela 1: Área, matéria-prima (MP), serviços (mecanização e recursos humanos), depreciação e remuneração do capital, produtividade e receita de 20 fazendas canavieiras

MP Serviços Depreciação e(insumos) (Mecan.+ RH) Remuneração Capital

(ha) (R$/ha) (R$/ha) (R$/ha) (R$/ha) (t/ha) (R$/ha)DMU 1 479,73 619,93 1.724,96 489,28 2.834,17 87,53 3.986,31DMU 2 240,89 900,74 1.516,25 493,32 2.910,31 74,49 3.392,45DMU 3 256,03 647,74 1.624,04 505,34 2.777,12 81,23 3.699,16DMU 4 91,20 873,76 1.587,97 522,76 2.984,49 78,98 3.596,53DMU 5 519,17 635,34 1.524,70 510,93 2.670,97 75,02 3.416,48DMU 6 33,11 629,29 1.850,46 551,86 3.031,62 90,31 4.112,66DMU 7 46,59 583,94 1.525,07 511,01 2.620,02 75,04 3.417,54DMU 8 280,37 643,39 1.693,27 511,47 2.848,13 85,55 3.896,15DMU 9 52,46 856,14 1.477,32 528,75 2.862,21 68,23 3.107,32

DMU 10 27,60 860,75 1.454,56 492,64 2.807,96 70,64 3.216,92DMU 11 134,30 857,52 1.815,43 522,66 3.195,61 88,24 4.018,28DMU 12 30,47 872,50 1.495,63 507,43 2.875,56 73,21 3.333,77DMU 13 20,81 862,35 1.633,53 462,16 2.958,04 81,82 3.726,16DMU 14 50,97 644,79 1.306,43 511,07 2.462,29 73,89 3.364,73DMU 15 19,73 859,64 1.570,96 541,24 2.971,84 73,77 3.359,61DMU 16 52,46 622,15 1.499,58 551,74 2.673,47 73,45 3.345,00DMU 17 35,22 920,79 1.589,11 534,82 3.044,72 74,85 3.408,52DMU 18 17,65 829,37 1.741,06 566,62 3.137,05 83,84 3.817,91DMU 19 54,53 678,50 1.777,66 515,10 2.971,27 90,83 4.136,27DMU 20 253,41 679,49 1.641,13 498,99 2.819,60 82,30 3.747,77

Área Fazenda Produção Receita Custo Total

Fonte: Dados da pesquisa.




237

Os custos com aluguel da terra foi o mesmo para todas as propriedades: R$455,40/ha Os

custos mais relevantes foram os de recursos humanos na implantação e condução do canavial,

incluindo corte, carregamento e transporte dos colmos industrializáveis por tonelada da cana, que

oscilou de R$1.135,27/ha a R$1.679,30/ha; sendo influenciado principalmente pela distância da

fazenda à indústria e pela produtividade da lavoura. O custo operacional efetivo (COE) variou de

R$1.949,06/ha a R$2.670,79/ha, obtendo-se um custo médio operacional igual a R$2.354,20/ha.

O lucro médio totalizou R$732,15/ha. No diagrama de dispersão apresentado na figura 3,

mostra-se a relação entre o custo e a produtividade.

Figura 3: Produtividade e custos das fazendas canavieiras Fonte: Dados da pesquisa.

A relação estimada entre o custo e a produtividade é representada pela equação custos =

1.908 + 12,188xProdutividade, significando custos fixos de R$1.908,00/ha e custos variáveis de

R$12,188/t. Considerando-se preço de venda de R$45,54/t, chega-se a uma margem de

contribuição unitária de R$33,35/t (R$45,54-R$12,188) e ponto de equilíbrio de 57,21 t/ha

(R$1.908,00/R$33,35). Resultados semelhantes foram obtidos por Carvalho (2006) em pesquisa

conduzida em São Paulo, na qual o autor apontou que para cobrir os custos operacionais, foram

necessárias 53 toneladas de cana. Oliveira et al. (2012) em estudo conduzido em uma fazenda de

650 hectares em Iturama, Estado de Minas Gerais, verificaram relação de troca de 33 toneladas

de cana por hectare, considerando um valor de venda de R$45,00 a tonelada de cana. Contudo,

estes autores não consideraram o custo de mecanização da lavoura, da depreciação de

equipamentos e das benfeitorias, bem como a remuneração do capital investido, o que reduziu o

ponto de equilíbrio, comparativamente aos valores deste estudo e o de Carvalho (2006).




238

A produtividade da cana variou de 68,23 a 90,83 t de colmos industrializáveis por

hectare, sendo a produtividade média de 80 t/ha. Valor próximo de produtividade média foi

encontrado por Moreira e Bonizio (2012), 82 t/ha em propriedades de grande porte. Na média,

as produtividades das fazendas encontram-se acima do ponto de equilíbrio.

Constatou-se, também, que houve relação positiva entre a produtividade da lavoura e o

lucro, em R$/ha, como seria o esperado. Na figura 4, verifica-se que tal relação pode ser descrita

pela equação Lucro = 33,352xProdutividade - 1908.

Figura 4: Produtividade e lucro das fazendas canavieiras


Novamente, tem-se a estimativa de R$1.908,00 para os custos fixos e de R$33,35 para a

margem de contribuição. O coeficiente de determinação (R2) indica que 67,82% da variação no

lucro pode ser explicada pela variação na produtividade.

Na figura 5, encontra-se a relação entre os custos e a área plantada.




239

Figura 5: Área plantada e custos das fazendas canavieiras Fonte: Dados da pesquisa.

Observa-se que o custo unitário (R$/ha) não apresenta correlação com a área (coeficiente

de determinação de apenas 5,91%). A estimativa para a inclinação da reta de regressão é a = -

0,2818. Testando-se a hipótese nula de que o valor real (parâmetro) seja zero, obtém-se

estatística t=-1,06, com um valor p de 0,302, o que reforça a hipótese de não haver relação entre

área plantada e custos unitários. Portanto, conclui-se que é possível realizar a análise diretamente

com os custos unitários, sem considerar a área plantada.

O ranking e o escore de eficiência relativa das 20 propriedades, utilizando a modelagem

DEA nas variáveis matéria-prima (análise de solo, calcário, adubo químico, adubo orgânico,

muda de cana, inseticida e herbicida); serviços (mecanização e recursos humanos); depreciação

de equipamentos e benfeitorias, bem como os custos e oportunidade do capital investido (terreno,

equipamentos e benfeitorias) versus a receita da venda da cana encontram-se sintetizados na

tabela 2.




240

Tabela 2: Resultado do escore de eficiência e ranking de 20 fazendas canavieiras usando o modelo BCC, orientado a inputs

Categoria Ranking Fazendas Escore de

(DMUs) Eficiência

Grupo de Fazendas Eficientes

1º DMU1 1

1º DMU6 1

1º DMU7 1

1º DMU14 1

1º DMU19 1

Grupo de Fazendas Ineficientes

2º DMU8 0,978

3º DMU13 0,973

4º DMU16 0,964

4º DMU3 0,964

5º DMU20 0,961

6º DMU5 0,960

7º DMU11 0,950

8º DMU10 0,933

9º DMU4 0,929

10º DMU2 0,913

11º DMU18 0,909

12º DMU12 0,907

13º DMU9 0,906

14º DMU17 0,868

15º DMU15 0,860 Fonte: Dados da pesquisa.

Pode-se categorizar, pela tabela 2, o estudo das propriedades canavieiras em dois grupos

distintos: fazendas eficientes e fazendas ineficientes. Dessa forma, identificaram-se neste estudo

cinco fazendas eficientes e 15 fazendas ineficientes na relação insumo-produto. As DMUs 1, 6,

7, 14 e 19 foram consideradas eficientes, uma vez que estas obtiveram escore de eficiência

relativa de 100%. Estas DMUs para o nível de produção obtido foram eficientes na utilização de

seus insumos, pois não identificaram perdas.

Nota-se que houve diferença nos escores de eficiência relativa das 20 fazendas, variando

de 100% a 86%. Para as fazendas que não foram eficientes, considera-se que é possível reduzir o

nível de insumos usados mantendo-se constante o valor da receita (output). Deste modo,

considera-se que tais fazendas podem se projetar para o nível de eficiência, ou seja, para um

escore de eficiência igual 100%, conforme resultados da tabela 3.




241

Pela análise da tabela 3, pode-se observar que, na Fazenda 17 (DMU17), foram sugeridos

os maiores percentuais de redução de insumos: input1 (29,77%) e input2 (13,95%). A média

percentual de redução foi de 17,74% e 6,83% para os inputs 1 e 2, respectivamente.

Para as DMUs 9, 10, 12, 15 e 16 foram sugeridos incrementos em output (receita sobre a

venda da cana) oscilando de 1,75% a 8,28%. Pode-se inferir que este aumento deverá ser na

produtividade, uma vez que o preço da tonelada de cana foi o mesmo para todas as DMUs.

As DMUs 1, 6, 7, 14 e 19 foram consideradas eficientes, pois estas não tiveram folga nos

insumos e no produto. Segundo Ferreira e Gomes (2009), em DEA, a utilização de insumos além

do estritamente necessário (excesso) ou produção aquém da adequada (escassez) são

denominadas folgas. Ao fazer um paralelo com a engenharia, a folga de insumo é a “energia

dissipada”, isto é, parte da energia que é perdida no processo produtivo. Assim, neste estudo,

para o nível de produção obtido, cinco DMUs foram eficientes na utilização de seus insumos,

uma vez que nestas propriedades não se identificaram perdas (folgas).

As propriedades que foram consideradas eficientes constituem-se referência para as

demais unidades de análise. Esta referência varia conforme a aproximação dos níveis de

utilização de insumos e produtos entre as fazendas, podendo variar de 0 a 1. A importância da

DMU eficiente para as demais é tanto maior quanto mais próximo de 1. Na tabela 4, estão

apresentados os resultados da análise de benchmark, considerando as DMUs que são principais

referências para as demais propriedades rurais.




242

Tabela 3: Insumo/produto atual, alvo e percentual de redução desses insumos e produto nas fazendas canavieiras ineficientes

DMUs Ins/Prod.

Atual Alvo Redução proporcional das variáveis

---------------R$/ha-------------

DMU2 Input1 900,74 646,00 28,28% Input2 2.009,57 1.834,58 8,71% Output 3.392,45 3.392,45 0,00%





DMU9 Input1 856,14 644,79 24,69% Input2 2.006,07 1.817,50 9,40% Output 3.107,32 3.364,73 -8,28%










Estatística Descritiva Mínimo Máximo Média

Redução Input1 2,24% 29,77% 17,74% Input2 2,24% 13,95% 6,83%

Incremento Output 0,00% 8,28% 1,05% Fonte: Dados da pesquisa.




243

Tabela 4: Principais benchmarks para as Fazendas ineficientes

Principais benchmarks Fazendas Ineficientes Índice de Importância de Referência

DMU1 DMU3 0,528 DMU8 0,751

DMU7 DMU5 0,560

DMU16 0,736

DMU14

DMU2 0,964 DMU4 0,700 DMU 9 1,000 DMU 10 1,000 DMU 12 1,000 DMU13 0,532 DMU 15 1,000 DMU17 0,943 DMU20 0,471

DMU19 DMU11 0,847 DMU18 0,587


A DMU 14 é considerada principal benchmark (parceira de excelência) para maior

número de DMUs ineficientes (DMU2, DMU4, DMU9, DMU10, DMU12, DMU13, DMU15,

DMU17 e DMU20). Destas, as DMUs 9, 10, 12, 15 são as que se encontram mais próximas à

DMU14, com “lâmbda” igual a 1,000.

A DMU6 é considerada eficiente, no entanto, não se constitui a principal referência para

nenhuma outra fazenda (DMU).

5. Considerações Finais

O método Análise Envoltória de Dados (DEA) apresenta-se como uma importante

ferramenta de análise de eficiência a ser utilizada em estudos de fazendas produtoras de cana-de-

açúcar. A aplicação deste método para análise das 20 fazendas, objeto deste estudo, permitiu a

identificação de que em todos as variáveis de produção (input 1 e input 2) é possível

implementar reduções em seus gastos ou incremento na produção visando à eficiência na relação

insumo-produto.

O custo total médio de implantação e condução do canavial foi R$ 2.872,82/ha, gerando

um lucro médio de R$732,15/ha. Quanto à eficiência relativa das propriedades avaliadas pelo

método DEA, verificou-se que, das 20 DMUs, somente 25% das fazendas foram consideradas




244

eficientes. Observa-se que algumas propriedades operaram em níveis baixos de eficiência, uma

vez que, para todos os inputs, deveriam intervir e reduzir seus custos cerca de 12%, em média.

Nos casos das DMUs 2; 4; 9; 10; 11; 12; 13; 15; 17; e 18 necessitam-se reduções de 20 a 28%

nos insumos, enquanto que nas demais DMUs consideradas ineficientes as sugestões de reduções

nos insumos situaram-se abaixo de 4%. Este resultado indica que há grandes diferenças de

desempenho entre as fazendas deste mesmo setor de atividade.

A aplicação da modelagem DEA resultou na existência de fazendas consideradas

eficientes na relação insumo-produto que podem ser estudadas com maior profundidade a fim de

espelhar sua forma de produção e ser utilizada para o desenvolvimento das demais fazendas,

principalmente para aquelas que cada uma das fazendas eficientes foi considerada a principal

parceira de excelência.

Assim, um estudo mais aprofundado pode ser realizado na perspectiva de

desenvolvimento da atividade sucroenergética na região do nordeste de Minas Gerais, para

identificar os produtores de cana eficientes e explorar os seus conhecimentos, com o propósito de

melhorar os ineficientes. Recomenda-se implementar medidas que aumentem a vida útil do

canavial, preservem os recursos naturais e aumentem a eficiência da terra, dos insumos e dos

recursos humanos para aumentar a competitividade do sistema produtivo.

6. Referências

ADHIKARI, C. B.; BJORNDAL, T. Analyses of technical efficiency using SDF and DEA

models: Evidence from Nepalese agriculture. Applied Economics, v. 44, n. 25, p. 3297-3308,

2012.

ALI, J. et al. Efficiency and productivity changes in the indian food processing industry:

Determinants and policy implications. International Food and Agribusiness Management

Review, v. 12, n. 1, p. 43-66, 2009.

ÂNGULO-MEZA, L.; BIONDI NETO, L.; RIBEIRO, P.G. SIAD v.3.0. Sistema Integrado de

Apoio à Decisão: uma implementação computacional de modelo de Análise Envoltória de Dados

e um método Multicritério. XXXVII Simpósio Brasileiro de Pesquisa Operacional, Gramado,

2005.




245

ARMAGAN, G.; NIZAM, S. Productivity and efficiency scores of dairy farms: The case of

Turkey. Quality and Quantity, v. 46, n. 1, p. 351-358, 2012.

BANKER, R.D., CHARNES, A., COOPER, W.W. Models for the estimation of technical and

scale inefficiencies in Data Envelopment Analysis. Management Science, 30, pp. 1078-1092,

1984.

BATALHA, M.O.; BUAINAIN, A. M.; SOUZA FILHO, H. M. Tecnologia de gestão e

agricultura familiar. Available at: <http://www2.ufersa.edu.br/portal/view/ uploads/2005>.

Acesso em março 2012.

BATALHA, M.O.; SILVA, A. L. Redesenhando tecnologias de gestão no contexto das cadeias

agroindustriais. In: MONTOYA, M. A e PARRÉ, J. L. (Coord.). O agronegócio brasileiro no

final do Século XX: estrutura produtiva, arquitetura organizacional e tendências. v.1. Passo

Fundo: UPF, p. 183-216, 2000.

BEGUM, I. A. et al. Contract farmer and poultry farm efficiency in Bangladesh: a data

envelopment analysis. Applied Economics, v. 44, n. 28, p. 3737-3747, 2012.

BEZERRA NETO, F.; GOMES, E. G.; OLIVEIRA, A. M. Produtividade biológica em sistemas

consorciados de cenoura e alface avaliada através de indicadores agroeconômicos e métodos

multicritério. Hortic. bras., v. 25, n. 2, abr.-jun. 2007.

BORNIA, A.C. Análise gerencial de custos: aplicação em empresas modernas. 2. ed. São Paulo:

Atlas, 2009.

BOZOĞLU, M. et al. Evaluation of different trout farming systems and some policy issues in the

Black Sea region, Turkey. Journal of Applied Sciences, v. 6, n. 14, p. 2882-2888, 2007.

BUENO, D.F.S. et al. A Utilização da Análise por Envoltória de Dados na Liberação de Crédito

em uma Agência Bancária no Rio Grande do Sul. VIII SEGeT – Simpósio de Excelência em

Gestão e Tecnologia – 2011.




246

BURNQUIST, H.L. Mechanical harvesting:balance between costs and opportunities. Abr-

Jun.2011. Available at: <http://www.revistaopinioes.com.br/aa/materia>. Acesso em setembro

2011.

CABRERA, V. E ; SOLÍS, D., CORRAL, J. Determinants of technical efficiency among dairy

farms in Wisconsin. Journal of Dairy Science, Volume 93, Issue 1, January 2010, p. 387-393.

CAMARGO, A. M. P. et al. Dinâmica e tendência da expansão da cana-de-açúcar sobre as

demais atividades agropecuárias. Informações Econômicas, São Paulo, v. 38, n. 3, p. 47-61, mar.

2008.

CARVALHO, E. P. Toda a energia da cana - relação de troca. Agroanalysis. São Paulo: FGV.

Edição Especial. Junho de 2006, p. 2- 24.

CEPEA - Centro de Estudos Avançados em Economia Aplicada. Disponível em:

<http://www.cepea.esalq.usp.br/pib/>. Acesso em 10 maio 2013.

CHANG, H. H.; MISHRA, A. K. Does the Milk Income Loss Contract program improve the

technical efficiency of US dairy farms? Journal of Dairy Science, v. 94, n. 6, p. 2945-2951, Jun

2011.

CHARNES, A., COPPER, W.W., RHODES, E. Evaluating program and managerial efficiency:

an application of data envelopment analysis to program follow through. Management Science,

27(6), p. 668-697, 1978.

CONAB - Companhia Nacional de Abastecimento. Disponível em: <http://www.conab.

gov.br/conabweb/download/safra/3_levantamento2010_dez 2010. pdf>. Acesso em: 29 dez.

2011.

COOK, W.D.; ZHU, J. Data Envelopment Analysis: modeling operacional processes and

Measuring Productivity. Kluwer Academic Publishers, 247 p., 2008.




247

COOPER, R.; SLAGMULDER, R. Supply chain development for the lean enterprise –

interorganizational cost management. New Jersey: The IMA Foundation for Applied Research,

Inc., 1999. 512 p.

COOPER, W. W.; LI, S.; SEIFORD, L. M.; ZHU, J. Sensitivity analysis in DEA. In: Handbook

on data envelopment analysis. Boston: Kluwer Academic, chap. 3, p. 75-97. 2004.

DEMATTÊ, J.L.I. Recuperação e manutenção da fertilidade dos solos. Informações

Agronômicas, n. 111, set. 2005.

DIMARA, E. et al. Productive efficiency and firm exit in the food sector. Food Policy, v. 33, n.

2, p. 185-196, 2008.

DIOS-PALOMARES RAFAELA, R.; MARTÍNEZ-PAZ, J. M. Technical, quality and

environmental efficiency of the olive oil industry. Food Policy, v. 36, n. 4, p. 526-534, 2011.

FARREL, M.J. The measurement of productive efficiency. Statist Soc., 120 (part 3) p. 253-281,

1957.

FARE, F. et al. Productivity growth, technical progress, and efficiency change in industrialized

countries. The American Economic Review (AER), 84(1), 66 - 83. 1994.

FERREIRA, C. M. C.; GOMES, A. P. Introdução à análise envoltória de dados: teoria, modelos

e aplicações. Viçosa: Editora UFV. 389 p. 2009.

GOLDEMBERG, J. Ethanol for a sustainable energy future. Science, 9 February 2007: 315 808-

810. 2007.

GOMES; A. P.; A. J. M. S. BAPTISTA. Análise envoltória de dados: conceitos e modelos

básicos. In: SANTOS, M. L; VIEIRA, W. C. (Editores). Métodos quantitativos em economia.

Viçosa, UFV, cap. 5, p. 121-160. 2004.

GONÇALVES, R. M. L. et al. Analysis of technical efficiency of milk-producing farms in

Minas Gerais. Economia Aplicada, v. 12, n. 2, p. 321-335, 2008.




248

GRAHAM, M. Developing a social perspective to farm performance analysis. Ecological

Economics, v. 68, n. 8-9, p. 2390-2398, 2009.

GUNDUZ, O. et al. Measuring the technical and economic efficiencies of the dry apricot farms

in Turkey. Journal of Food Agriculture & Environment, v. 9, n. 1, p. 319-324, Jan. 2011.

HANSSON, H. Strategy factors as drivers and restraints on dairy farm performance: Evidence

from Sweden. Agricultural Systems. Volume 94, Issue 3, June 2007, Pages 726–737.

HASNAH et al. Assessing the performance of a nucleus estate and small holder scheme for oil

palm production in West Sumatra: A stochastic frontier analysis. Agricultural Systems, v. 79, n.

1, p. 17-30, 2004.

KASSAI, S. Utilização da Análise por Envoltória de Dados (DEA) na Análise de Demonstrações

Contábeis. Tese (Doutorado). Departamento de Contabilidade e Atuária. Faculdade de

Economia, Administração e Contabilidade. Universidade de São Paulo. São Paulo: USP. 2002.

LIMA, S. C. Desempenho fiscal da dívida dos grandes municípios brasileiros. São Paulo, 2011.

193 p. Tese (Doutorado) – Universidade de São Paulo, 2011.

LINS, M.P.E.; CALÔBA, G. M. Programação linear: com aplicações em teoria dos jogos e Data

Envelopment Analysis. RJ: Interciência. 2006. cap. 10, p. 255-284.

MACEDO, M. A. S.; BENGIO, M. Mensurando a Eficiência da Relação Risco x Retorno em

Ativos através da Análise Envoltória de Dados. XXXVIII Congresso Latino-Americano de

Escolas de Administração (CLADEA), Lima, Peru. XXXVIII CLADEA. 2003.

MACEDO, I. C. et al. Balanço das emissões de gases do efeito estufa na produção e no uso do

etanol no Brasil. São Paulo: Secr. de Meio Ambiente do Estado de São Paulo, 2004.

MACEDO, M. A. S.; CÍPOLA, F. C.; FERREIRA, A. F.R. Desempenho social no agronegócio

brasileiro: aplicando DEA no segmento de usinas de processamento de cana-de-açúcar. Revista

de Economia e Sociologia Rural, v. 48, n. 1, p. 223-243, 2010.




249

MACEDO, M. A. S.; STEFFANELLO, M; OLIVEIRA, C. A. Eficiência combinada dos fatores

de produção: aplicação de Análise Envoltória de Dados (DEA) à produção leiteira. Custos e

@gronegócio on line - v. 3, n. 2 - Jul/Dez - 2007.

MARTINELLI, L. A. et al. Sugar and ethanol production as a rural development strategy in

Brazil: Evidence from the state of São Paulo. Agricultural Systems, v. 104, n. 5, p. 419-428.

2011.

MELLO, J. C. C. B. S.; ÂNGULO-MEZA, L.; GOMES, E. G.; SERAPIÃO, B. P.; LINS, M. P.

E. Análise de envoltória de dados no estudo da eficiência e dos benchmarks para companhias

aéreas brasileiras. Pesquisa Operacional, v. 23, n. 2, p. 325-345. 2003.

MELLO, J. C. C. B. S; ÂNGULO-MEZA, L.; GOMES, E. G.; BIONDI NETO, L. Curso de

Análise de Envoltória de Dados. XXXVIII Simpósio Brasileiro de Pesquisa Operacional e

Desenvolvimento sustentável, 27 a 30/09/2005, Gramado, RS. 2005.

MONTGOMERY, C.A.; PORTER, M.E. Estratégia: a busca da vantagem competitiva. 3. ed.

Rio de Janeiro: Campus, 1998.

MOREIRA, M.G; BONIZIO, R.C. Análise comparativa dos custos de cana-de-açúcar: produção

independente x usina de açúcar e álcool. Custos e @gronegócio on line - v. 8, n. 2, Abr/Jun -

2012.

MULWA, M. R. et al. Impact of liberalization on efficiency and productivity of sugar industry in

Kenya. Journal of Economic Studies, v. 36, n. 3, p. 250-264, 2009.

MULWA, M. R.; EMROUZNEJAD, A. Measuring productive efficiency using Nerlovian profit

efficiency indicator and metafrontier analysis. Operational Research, p. 1-17, 2011.

OLIVEIRA, M.W.; FREIRE, F.M.; MACÊDO, G.A.R.; FERREIRA, J.J. Nutrição mineral e

adubação da cana-de-açúcar. Informe Agropecuário, v. 28, n.239. Belo Horizonte. p. 30-43.

2007.




250

OLIVEIRA, T. B. A; SELIG P. M.; BARBOSA, V. M.; CAMPOS, L.M.S.; OLIVEIRA, M. W.

Sustentabilidade da produção de cana-de-açúcar: um estudo de caso em uma propriedade

agrícola. XII Congreso Internacional de Costos. Punta del Este. Uruguay. 27-29 nov. 2011.

OLIVEIRA, T. B. A.; SELIG, P. M.; BARBOSA, V. M.; CAMPOS, L. M. S.; BORNIA, A. C.;

OLIVEIRA, M. W. Tecnologia e custos de produção de cana-de-açúcar: um estudo de caso em

uma propriedade agrícola. Latin American Journal of Business Management, v. 3, p. 150-172,

2012.

ONUSIC, L. M.; CASA NOVA, S. P. C.; ALMEIDA, F. C. Modelos de previsão de insolvência

utilizando a análise por envoltória de dados: aplicação a empresas brasileiras. Revista de

Administração Contemporânea, v. 11, p. 77-97. 2007.

PIEWTHONGNGAM, K.; SUKSAWAT, J.; TENGLOLAI, A. Identifying efficient cane

growers and exploiting their expertise in improving inefficient ones? Essan Center for Business

and Economic Research, Khon Jaen, Thailand. Proceeding of the 2007 IEEE IEEEM. p.1654-

1658. 2007.

RAPASSI, R. M. A.; TARSITANO, M. A. A.; BOLONHEZI, A. C. Avaliação técnica e

econômica de sistemas de produção da cana-de-açúcar (saccharum spp) na região oeste do

Estado de São Paulo. Informações Econômicas, SP, v.39, n.10, out. 2009.

RAY, SUBHASH C. Data Envelopment Analysis: theory and techniques for economics and

operations research. USA: Cambridge University Press, 2004.

REIG-MARTINEZ, E. et al. Ranking farms with a composite indicator of sustainability.

Agricultural Economics, v. 42, n. 5, p. 561-575, Sep. 2011.

REIS, P. R. C.; DRUMOND, A. M.; SILVEIRA, S. F. R. Emancipação municipal e eficiência

nos gastos públicos para geração de bem-estar nos municípios mineiros de pequeno porte. XVIII

Congresso Brasileiro de Custos, 2011, Rio de Janeiro. XVIII Congresso Brasileiro de Custos.

2011.




251

RUBERTO, I. V. G; MARETH, T; PAIM, E. S. E; PIENIZ, L. P. Contribuição da programação

linear na gestão de custos e na produtividade em uma propriedade rural. Custos e @gronegócio

on line - v. 9, n. 1 – Jan/Mar - 2013.

SALGADO JUNIOR, A. P.; BONACIM, C. A. G.; PACAGNELLA JUNIOR, A. C. Aplicação

da Análise Envoltória de Dados (DEA) para avaliação de eficiência de usinas de açúcar e álcool

da região nordeste do Estado de São Paulo. Organizações Rurais & Agroindustriais, Lavras,

v.11, n.3, 2009. p. 494-513.

SANTOS, G. J. MARION, J. C.; SEGATTI, S. Administração de custos na agropecuária. 4. ed.

2009.

SANTOS, R. B. N. Eficiência técnica na indústria de base florestal brasileira via metas

intermediárias. Revista Árvore, Viçosa-MG, v. 35, n.6, p. 1319-1326, 2011.

SCARPELLI, M. Planejamento e controle da produção. In: BATALHA, M.O (Coord.). Gestão

Agroindustrial. Vol.1, 2. ed. São Paulo: Atlas, p. 290-380, 2007.

SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da produção. São Paulo: Atlas.

2009.

SOUSA, M. C. S.; TANNURI-PIANTO, M. E.; ARAUJO, P.L.C.P. Residual and technical tax

efficiency scores for Brazilian municipalities: a two-stage approach. 31º Meeting of the Brazilian

Econometric Society, 2009, Foz do Iguaçu. XXXI Encontro Brasileiro de Econometria. 2009.

SOUZA, M. W.; MACEDO, M. A. S. Análise da eficiência utilizando a metodologia DEA em

Organização Militar de Saúde: o caso da Odontoclínica Central do Exército. Sociedade,

Contabilidade e Gestão, Rio de Janeiro, v. 3, n. 2, jul./dez. 2008.

TORQUATO, S. A.; MARTINS, R.; RAMOS, S. F. Cana-de-açúcar no Estado de São Paulo:

eficiência econômica das regionais novas e tradicionais de produção. Informações Econômicas,

v. 39, n. 5. 2009.




252

VILELA, D. L.; NAGANO, M. S.; MERLO, E. M. Aplicação da Análise Envoltória de Dados

em Cooperativas de Crédito Rural. RAC, 2. ed. (Especial): p. 99-120. 2007.

VITTI, G.C.; MAZZA, J.A. Planejamento, estratégias de manejo e nutrição da cultura de cana-

de-açúcar. Informações Agronômicas, v. 97, p. 1-16. 2000.

Análise de custos e eficiência de fazendas produtoras de cana … · 2014-05-23 · Doutora em...

Documents

Transcript of Análise de custos e eficiência de fazendas produtoras de cana … · 2014-05-23 · Doutora em...