Benchmarks Da Indústria de Construção Naval

7/23/2019 Benchmarks Da Indústria de Construção Naval

http://slidepdf.com/reader/full/benchmarks-da-industria-de-construcao-naval 1/22

ESCOLA POLITÉCNICA DA UNIVERSIDADE DE SÃO PAULO

Departamento de Engenharia Naval e Oceânica

“As informações e análises contidas nesse documento são de responsabilidade do Centro de Estudos emGestão Naval e de seus coordenadores e não expressam a opinião dos financiadores e demais entidades”

PROJETO: “IMPLANTAÇÃO E CONSOLIDAÇÃO DE LABORATÓRIO DEGESTÃO DE OPERAÇÕES E DA CADEIA DE SUPRIMENTOS DA INDÚSTRIA DE

CONSTRUÇÃO NAVAL”

PR-011 PROTRAN - Programa Tecnológico da TranspetroConvênio FINEP: 01.05.0931.00

Instituições Participantes: Universidade de São Paulo/ Universidade Estadual deCampinas/ Universidade Federal de Pernambuco/Universidade Federal do Rio de Janeiro/ UniversidadeFederal de Londrina/ Instituto de Pesquisas Tecnológicasdo Estado de São Paulo

DOCUMENTO: BENCHMARKS DA INDÚSTRIA:PRODUTIVIDADE E COMPOSIÇÃO DE ATIVOS

Elaborado por:

Emerson Colin (Verax Consultoria), Marcos Pinto (EPUSP-PNV)

Agosto de 2006

Coordenador Geral: Prof. Marcos Pinto – EPUSP-PNV - Coordenador Transpetro: Eng. Nilton Gonçalves Responsáveis: EPUSP-PNV – Prof. Bernardo de Andrade, Dr. Gerson Machado, e Dr Emerson Colin; EPUSP– PRO Prof. João Furtado; UNICAMP-NEIT – Prof. Luciano Coutinho e Prof. Rodrigo Sabbatini; EFPE-DEA –Prof. Marcos Primo; UFRJ-IE – Prof. David Kupfer; IPT – Dr. James Waiss





“As informações e análises contidas nesse documento são de responsabilidade do Centro de Estudos emGestão Naval e de seus coordenadores e não expressam a opinião dos financiadores e demais entidades” 1

O presente estudo faz parte do projeto Implantação e Consolidação de Laboratório de Gestão de

Operações e da Cadeia de Suprimentos da Indústria de Construção Naval, conduzido por encomenda daTranspetro à FINEP.

O conjunto total de trabalhos produzidos dentro do projeto vai encontrando-se disponível no site

www.cegn.org.br tão logo sejam finalizados e compreende os seguintes relatórios:FASE 1 – Projeto 0: Mercado de Construção Naval e Políticas Publicas

1. Avaliação das forças atuantes na indústria – Prof. Luciano Coutinho, Prof. Rodrigo Sabbatini(UNICAMP-NEIT)

2. Oferta mundial e brasileira – Dr Emerson Colin (Verax Consultoria), Prof. Marcos Pinto, GuilhermeGattaz, Daniel Akao, Guilherme Duarte, David Goldberg, Valdir Lopes, Henrique Dias (EPUSP-PNV)

3. Determinação da demanda e do tamanho do mercado por tipos de navios- Prof. Luciano Coutinho,Prof. Rodrigo Sabbatini (UNICAMP-NEIT), Prof. Marcelo Silva Pinho (UFSCAR) e Prof. AndréVillela (FGV-SP)

4. Avaliação do perfil de produção naval dos principais estaleiros do mundo – Dr Emerson Colin(Verax Consultoria), Dr. Gerson Machado (Sólido Consultoria), Prof. Marcos Pinto, Eng. AryOliveira, Guilherme Gattaz, Daniel Akao, Guilherme Duarte, Henrique Dias, João Cardoso (EPUSP-PNV)

5. Avaliação da lucratividade dos principais estaleiros do mundo – Dr. Emerson Colin (VeraxConsultoria), Guilherme Gattaz, Daniel Akao, Guilherme Duarte, Henrique Dias, João Cardoso(EPUSP-PNV)

6. Avaliação de políticas públicas mundiais e modelo adequado ao Brasil - Prof. Luciano Coutinho,Prof. Rodrigo Sabbatini (UNICAMP-NEIT), Prof. David Kupfer (UFRJ)

7. Avaliação de nichos de mercado potencialmente atrativos ao Brasil - Dr Emerson Colin (VeraxConsultoria), Prof. Marcos Pinto, Guilherme Gattaz, Daniel Akao, Guilherme Duarte, HenriqueDias, João Cardoso (EPUSP-PNV)

FASE 2 – Projeto 1: Preenchendo as Lacunas de Produtividade1. Estratégia de produção – Prof. Bernardo Andrade (EPUSP-PNV), Dr. Gerson Machado (Sólido

Consultoria), Eng. Ary Oliveira, Bruno Stupello, Marcos Losito, Oddone Freitas, Guilherme Botas(EPUSP-PNV)

2. Estrutura física e organizacional ideal aos estaleiros brasileiros– Dr. James Waiss , Dr RicardoAtman (IPT-SP)

3. Gestão de processos da construção naval– Dr Emerson Colin (Verax Consultoria), Prof. MarcosPinto (EPUSP-PNV)

4. Plano de implementação em estaleiro parceiro – Dr. Gerson Machado (Sólido Consultoria), DrEmerson Colin (Verax Consultoria), Prof. Marcos Pinto, Prof. Bernardo Andrade, eng. Ary Oliveira,Bruno Stupello, Marcos Losito, Oddone Freitas, Guilherme Botas,Julio Favarin, Murilo Ferraz,Alfonso Gallardo, César Camelli, Guilherme Gattaz, Henrique Dias, Daniel Akao, GuilhermeDuarte, João Cardoso, Valdir Lopes, David Goldberg (EPUSP-PNV)

FASE 2 – Projeto 2: Promovendo o Desenvolvimento da Cadeia de Suprimentos.1. Práticas funcionais usuais – Prof. Marcos Primo (UFPE), Adriane Queiroz (EPUSP-PNV)2. Benchmarks específicos e melhores práticas - Prof. Luciano Coutinho, Prof. Rodrigo Sabbatini

(UNICAMP-NEIT)

3. Separação por classes de sistemas - Prof. Luciano Coutinho, Prof. Rodrigo Sabbatini (UNICAMP- NEIT), Prof. Germano Mendes de Paula e Prof. Clésio Xavier (UFU)4. Vantagem competitiva em cada classe - Prof. Luciano Coutinho, Prof. Rodrigo Sabbatini

(UNICAMP-NEIT), Prof. Germano Mendes de Paula e Prof. Clésio Xavier (UFU)5. Opções estratégicas - Prof. Luciano Coutinho, Prof. Rodrigo Sabbatini (UNICAMP-NEIT)6. Plano de implementação em estaleiro parceiro - Dr. Gerson Machado (Sólido Consultoria), Dr

Emerson Colin (Verax Consultoria), Prof. Marcos Pinto, Prof. Bernardo Andrade, Eng. Ary Oliveira,Guilherme Gattaz, Henrique Dias, Daniel Akao, Guilherme Duarte, João Cardoso (EPUSP-PNV)






SUMÁRIO

1 Introdução ....................................................................................................................... 3 2 Composição de ativos ...................................................................................................... 4 2.1 Variáveis de produção ................................................................................. 4 2.2 Base de dados ............................................................................................. 6 2.3 Modelo e forma funcional de relação ........................................................... 7 2.4 Solução do modelo: análise de regressão ................................................... 9 2.5 Efeito da alteração dos ativos no estaleiro médio ..................................... 11

3 Identificação de estaleiros Benchmarks ...................................................................... 13 3.1 Analise por envoltória de dados ................................................................ 13 3.2 Dados para análise: produção e capacidade dos ativos............................ 14 3.3 Modelagem do problema e solução ........................................................... 15

3.4 Resultados ................................................................................................. 17 4 Recomendações para estaleiros brasileiros ................................................................ 19 5 Biblografia ..................................................................................................................... 20

ÍNDICE DE TABELAStabela 1: características dos estaleiros/empresas estudadas .................................................................................... 6 tabela 2: matriz de correlação entre as variáveis escolhidas ................................................................................... 7 tabela 3: combinações de variáveis testadas ........................................................................................................... 7

tabela 4: eficiência das empresas da amostra ........................................................................................................ 16

ÍNDICE DE FIGURAS

Figura 1: validação da qualidade da regressão ..................................................................................................... 10 figura 2: proporção entre ativos e produção para as empresas da amostra ........................................................... 15






1 Introdução

A questão central que norteia este estudo é a relação entre a composição dosativos físicos (diques, guindastes e cais de acabamento) e a produtividade dos

estaleiros.

A partir da elaboração de um modelo, os estaleiros foram comparados quanto à

forma de utilizar cada um destes ativos, identificando o efeito de diferentes

composições destes na produção.

Foram identificados benchmarks de produtividade e os resultados podem auxiliar no

direcionamento de futuros investimentos no setor, como os que estão reativando a

indústria brasileira de construção naval. Também ajudam a identificar empresas

excelentes que deveriam ser objeto de estudo com o intuito de se melhorar

características de gestão de ativos.






2 Composição de ativosO estudo avaliou em detalhes boa parte dos estaleiros a nível mundial. Foram

identificados os principais construtores navais, suas capacidades, os mercados em

que atuam e sua relevância para a indústria. Sua “relevância” foi identificada em

função da produção de navios, expressa em CGT, de estaleiros e grupos

empresariais.

Conhecendo os ativos de um grande número de estaleiros e suas produções, pode-

se avaliar as correlações entre ativos e produção por intermédio da análise de

regressão múltipla1.

Assim, sabendo-se uma correlação típica entre ativos e produção, pode-se

determinar, para um dado conjunto de ativos, qual poderia ser a produção. O

método poderia ser usado para se estimar a capacidade “teórica” de estaleiros

desativados ou com produção incompatível com seus ativos como é o caso de

algumas das empresas brasileiras. Em suma, o que se procura é a produção como

uma função dos ativos que compõem o estaleiro.

O texto a seguir discorre sobre as variáveis usadas na regressão, as análises feitas

e o melhor resultado encontrado.

2.1 Variáveis de produção

Como comentado anteriormente, a produção está associada aos principais ativos

da empresa, dentre eles os diques e carreiras, os berços de acabamento, máquinas

de içamento, máquinas para o processamento de aço entre outros.

Os ativos considerados como variáveis da função são: diques e carreiras, cais de

acabamento e guindastes. Abaixo seguem as definições de cada variável usada na

regressão:

1 Para detalhes sobre análise de regressão múltipla, veja Hair et al. (2005, seção 2), por exemplo.






• Produção, P [CGT]: é dada como a média de CGTs entregues entre 2000 e

2006. Alguns testes foram feitos com o máximo de CGTs entregue em um

ano, sendo este máximo escolhido no período entre 2000 e 2006.

• Comprimento total de dique, L [metros]: sendo o dique e a carreira os

principais ativos do estaleiro buscou-se relacionar a produção com uma de

suas características físicas. A principal característica é o comprimento. Na

função, a variável é dada com sendo a soma do comprimento de todos os

diques2 e carreiras do estaleiro. A área total de dique também foi testada e

ofereceu resultados equivalentes.

• Comprimento total de cais de acabamento, B [metros]: o cais deacabamento permite a liberação antecipada do dique. Por essa razão

também é uma característica que define a capacidade de produção de um

estaleiro. O comprimento total de cais de acabamento é a soma do

comprimento de todos os cais do estaleiro. Está também muito bem

relacionado à capacidade de reparo.

• Capacidade de içamento total, I [toneladas]: principal ativo depois dos

diques, os guindastes são responsáveis pela montagem dos blocos e peloprocesso de edificação do navio. Existem dois principais tipos de máquinas

de elevação: guindastes e de pórticos. Para definição desta variável não se

levou em conta o tipo do guindaste, mas sim sua capacidade máxima de

carga. A capacidade de içamento total é definida como o somatório das

capacidades máximas de içamento de cada guindaste.

2 Nos casos em que o dique é largo o suficiente para a construção de dois navios a contrabordo, o comprimentodo dique foi considerado duas vezes.






2.2 Base de dados

Nesta seção foi considerada a produção associada a ativos. Os estaleiros que

fazem parte do mesmo grupo foram agregados em uma única empresa, sempre quea disponibilidade de informações permitiu3.

tabela 1: características dos estaleiros/empresas estudadas

Estaleiro (Grupo)Produção Média 00-06

L [m] B [m] I [t]

Média 426.443 1.132 1.526 2.001Soma 14.072.627 37.367 50.373 66.032Ulsan (Hyundai HI) 2.269.353 3.445 5.000 4.960Ulsan (Hyundai MIPO) 652.936 1.435 2.065 2.370Mokpo (Hyundai SAMHO) 712.161 905 2.200 2.040Okpo Dockyard (Daewoo) 1.528.457 1.469 3.600 2.150Hanjin HI 476.226 1.172 1.151 1.800Jinhae (STX) 469.096 385 470 750Imabari Shipyard (Imabari) 119.737 371 332 1.170Marugame (Imabari) 387.684 560 450 2.230Saijo (Imabari) 170.709 420 800 3.210Sasebo Heavy Industries 222.063 400 514 594Koyo 338.703 1.628 2.380 2.640Kobe e Sakaide (Kawasaki) 353.835 1.805 971 1.330Hiroshima (Tsuneishi) 268.755 266 1.420 1.250Kagawa (Tsuneishi) 170.252 380 550 1.170Cebu (Tsuneishi) 120.474 268 660 270

Tsuneishi Co 559.482 1.804 3.490 3.972Shin Kurushima 382.667 1.324 395 2.225Shikoku Dockyard 54.199 169 160 190Dalian Shipbuilding (CSIC) 417.050 2.669 3.357 3.485Guangzhou WenchongShipyard 90.768 480 1.200 305Jiangnan Shipyard (CSSC) 151.280 566 517 1.240Kaosiung Shipyard (CSSC) 282.397 1.225 1.800 700Wuchang (CSIC) 20.388 856 316 720NACKS 162.209 350 646 1.000Chengxi + Shanghai Shipyard 119.959 1.957 1.980 867Aker 438.943 2.515 1.600 3.330

Damen 136.106 565 1.300 790Fincantieri 486.575 3.893 5.415 5.564IZAR Gijon Shipyard 119.856 650 325 450Meyer Werft 170.502 985 650 1040Stocznia Szczecinska Nowa 158.663 516 189 1.556Nagasaki (Mitsubishi) 448.789 1.002 1.768 1.803*

3 Grupos que não tiveram todos os ativos dos estaleiros identificados tiveram a produção ajustada de acordocom as informações dsponíveis.






Geoje Shipyard (Samsung) 1.612.353 1.583 2.702* 8.870

tabela 2: matriz de correlação entre as variáveis escolhidasPmáx [CGT] Pméd [CGT] L [m] B [m] I [t]

Pmáx [CGT] 1,00 0,98 0,50 0,63 0,67Pméd [CGT] 1,00 0,55 0,69 0,68L [m] 1,00 0,86 0,66B [m] 1,00 0,68I [t] 1,00

As características de cada empresa usada para a análise de regressão são

apresentadas a seguir na tabela 1.

Os campos com * são estimativas baseadas nas médias. A estimativa da Samsung

baseou-se na média das empresas coreanas e a da Mitsubishi na média das

empresas não-coreanas.

A tabela 2 apresenta os coeficientes de correlação entre as variáveis escolhidas

para a análise.

Pela tabela pode-se observar que todas as variáveis parecem ter boa correlação

com produção, e várias das variáveis possuem boa correlação entre si, o que é

intuitivo desde que as empresas tenham ativos “balanceados”. Os ativos mostraram

mais correlação com a produção média do que com a produção máxima.

2.3 Modelo e forma funcional de relação

Definidas as variáveis, partiu-se para as análises de correlação entre os ativos e a

produção. Diversas combinações de funções foram feitas para se tentar chegar a

uma equação que definisse adequadamente a relação.

Inicialmente foram testadas algumas combinações de variáveis conforme a tabela 3.

A representa a área do dique.

tabela 3: combinações de variáveis testadas

Produção At ivos






Máximo CGT L B I Máximo CGT A B I Média dos CGTs L B I Média dos CGTs

A B I

Além das variáveis, algumas formas funcionais de relacionamento entre as mesmas

foram testadas. Nos testes considerou-se relacionamentos multiplicativos e aditivos.

O formato que teve o melhor desempenho em termos de resultados e grau de

intuitividade do modelo foi o seguinte:

ˆ ( )b c d

j j j j jP a L B I = +

onde o índice j representam um estaleiro ou empresa ( 1,2,..., j n= ), ̂j

P é a

estimativa de produção de j, e as variáveis , e j j j L B I representam as variáveis

descritas na seção anterior (comprimento dique, comprimento dos berços de

acabamento e capacidade total de içamento para a empresa j). Os parâmetros

, eb c d são definidos pela regressão. O ja pode ser considerado como o fator do

estaleiro e ajuda a capturar as particularidades de cada empresa. Ele foi definido

como

/

/ j j

j

P Aa

P A=

onde as barras sobre as variáveis representam médias. A variável j

a representa a

produtividade do dique para a massa de dados em análise. Esta variável é

provavelmente a mais difícil de se definir quando o estaleiro não existe, ou possui

uma produção muito baixa, mas há vários métodos que poderiam ser usado para se

estimá-la apropriadamente. Os possíveis métodos de estimação do valor da variável

não serão explorados neste documento.

Assim, a equação que procura representar a produção relaciona a quantidade de

berços e diques multiplicado pela capacidade de içamento, o que é razoavelmente

intuitivo tendo em vista que os guindastes potencializam os berços de forma mais






multiplicativa do que aditiva4. Para concluir, cada estaleiro possui sua característica

particular associada com sua produtividade no uso dos ativos que foi estimada

como sendo a produtividade do dique. A composição das variáveis no formato

apresentado gera a estimativa da produção do estaleiro, ou ̂jP .

2.4 Solução do modelo: análise de regressão

Com a finalidade de resolver o problema, o mesmo foi modelado em programação

matemática e possui o seguinte formato:

2max R

sujeito a:

0,001bcd ≥

1 1ˆ 0

n n

j j j jP P

= =− =∑ ∑

onde:

2

12

2 2

1 1

ˆ( )

ˆ ˆ( ) ( )

n

j j

n n

j j j j j

P P R

P P P P

=

= =

−=

− + −

∑

∑ ∑

é o coeficiente de determinação, uma função que é usada para julgar a adequação

de um modelo de regressão. Para detalhes sobre a função, sugere-se consultar

Montgomery e Runger (2003, p. 221).

4 A análise inicial testou relacionamentos aditivos (dique+berço+guindaste), que foi descartada por não fazermuito sentido físico. Um segundo teste foi feito com a equação de Cobb-Douglas [Mansfield, 1999, p. 247] queofereceu resultados muito bons e equivalentes aos apresentados aqui.






y = 1,2348x - 100136

R2 = 0,9143

-

0,5

1,0

1,5

2,0

2,5

3,0

- 0,5 1,0 1,5 2,0 2,5 3,0

Valor efetivo [Milhões de CGT]

V a l o r e s t i m a d o [ M i l h õ e s d e C G T

Figura 1: validação da qualidade da regressão

A primeira restrição define que todas as variáveis devem ser não-negativas. A

segunda restrição força que a estimativa de produção agregada para todas as

empresas seja igual à produção efetiva das empresas.

A solução do problema gera os seguintes valores para os parâmetros: 1,435,b =

1,393c = e 0,242d = , com 2 89,4% R = . Como o valor da função-objetivo é bastante

alto, não se utilizou outros métodos de otimização para funções multimodais. Assim,

usando os resultados e a massa de dados, a equação que relaciona ativos e

produção é definida por:

1,435 1,393 0,242ˆ ( ) j j j j j

P a L B I = +

A qualidade do modelo pode ser observada confrontando as estimatimas com osdados reais, como pode ser observado na Figura 1.

O valor de R2, bastante próximo de 1, confirma a qualidade da regressão utilizada.






2.5 Efeito da alteração dos ativos no estaleiro médio

A análise marginal da função de estimativa de produção oferece algumas idéias de

efeitos de alteração na quantidade de ativos sobre a produção mundial. Maisespecificamente, as derivadas da função são dadas por:

0 ,435 0 ,242

0 ,393 0 ,242

1,435 1,393

0,758

ˆ1,435

ˆ1,393

ˆ0,242

j

j j j

j

j

j j j

j

j j j

j

j j

Pa L I

L

Pa B I

B

P L Ba

I I

∂=

∂

∂=

∂

∂ +=

∂

Para um estaleiro médio, com um fator do estaleiro 1 j

a = , e com valores dos ativos

compatíveis com as médias da amostra, pode-se dizer que o maior incremento na

produção se dá quando acontece a adição de diques. Para o incremento de 1% no

comprimento do dique, a estimativa indica que a produção deve crescer em 2180

CGTs por ano. Para o incremento de 1% no comprimento do berço de acabamento,

a produção anual deve crescer em 2380 CGTs e para a adição de 1% na

capacidade de içamento, a produção deve crescer 710 CGTs/ano.

Uma outra informação interessante é que o incremento de produção se dá a taxas

crescentes com o aumento dos diques e dos berços, mas a taxas decrescentes com

o aumento de capacidade de içamento. Ou seja, a amostra indicou que quanto

maior o estaleiro, maior o benefício em se adicionais mais berços ou mais diques;

um estaleiro maior ganha mais por cada metro linear de dique ou de berço do que

um menor. Por outro lado, no caso das capacidades de içamento, embora sempre

haja benefício em se adicionar mais guindastes, o benefício é cada vez menor.

As análises indicam que para um estaleiro médio no atual contexto da indústria de

construção naval mundial, para aumentar sua produção é preferível a adição de

diques, depois berços e finalmente guindastes.






É bom lembrar que a análise não levou em conta os custos da adição de

capacidade e portanto os resultados devem ser avaliados com cautela para se

direcionar investimentos. Atente também que as análises são para um estaleiro

médio (supostamente bem representado pela amostra) e as recomendações não

são necessariamente válidas para casos específicos.

Por outro lado, a análise deixa bastante claro quais devem ser, em média, os

principais investimentos para se aumentar a produção. Também indica que,

aparentemente, os investimentos em capacidade de içamento não têm propiciado

aumentos de capacidade como os que cais de acabamento e diques propiciariam.






3 Identi ficação de estaleiros BenchmarksA análise de benchmarks é provavelmente uma das ferramentas de gestão mais

úteis e utilizadas: empresas estão continuamente avaliando competidores para

aprender e copiar suas melhores técnicas.

No caso de empresas brasileiras isso é ainda mais verdade. Aqui a indústria precisa

ser revitalizada, e existem uma série de empresas com excelente desempenho e

que podem ser usadas como benchmarks de gestão.

Mas após a percepção de que se basear nos melhores é importante, surge umadúvida: qual é a empresa que inequivocamente pode ser considerada benchmark?

A análise por envoltória de dados é uma técnica que dá um tratamento formal para

a pergunta e serve para se identificar benchmarks. Lamentavelmente ela não vai

muito além da identificação, mas a identificação por si só já é um passo importante.

O restante da seção introduz a técnica, reapresenta os dados, constrói o problema,

e apresenta sua solução, com as empresas consideradas benchmark na gestão de

capacidade dos seus principais ativos.

3.1 Analise por envol tória de dados

Todo o item é baseado em Colin (2007, capítulo 10).

Considere que um determinado estaleiro seja representado por um índice j

( 1,2,..., j n= ). Considere que sua eficiência η seja definida pela sua capacidade de

transformar entradas em saídas, ou seja,

valor de mercado das saídas geradas pelo estaleirovalor de mercado das entradas consumidas pelo estaleiro j j

jη = .

Por exemplo, assim como definido no estudo Capacidade de Produção Naval, a

saída pode ser definida como a produção e a entrada como os ativos de produção.

Cada um dos estaleiros pode ter um conjunto de saídas, ji

S (valor da saída i da






unidade j), onde o i representa o conjunto de saídas existentes ( 1,2,..., )i m= . Da

mesma forma, as entradas podem ser definidas como um conjunto jk

E (valor da

entrada k da unidade j), onde o k representa o conjunto de entradas existentes( 1, 2,..., )k l= .

Como a análise de o que é melhor quando se trata com subjetividades é muito

conflituosa, a análise por envoltória assume que cada unidade possa definir seu

próprio critério de ponderação, onde ela pode atribuir pesos para cada uma das

entradas e saídas em análise de acordo com sua conveniência. Considere que cada

unidade j possa atribuir um pesoi

w para a saída i e um outro pesok

v para a

entrada k. Neste caso a eficiência pode ser redefinida como 1

1

J

j nj j

n K

k nk k

w S

v E η

=

=

=∑

∑.

Como cada unidade pode definir seus próprios pesos, as variáveis de decisão do

problema são iw ( 1,2,..., )i m= e k

v ( 1, 2,..., )k l= , onde elas devem ser maiores do

que 0. O objetivo de cada unidade é maximizar sua eficiência, ou seja, a função-

objetivo do problema é definida por

1

1

max maxm

i jii j l

k jk k

w S

v E η

=

=

= ∑

∑.

Considerando arbitrariamente que o denominador é 1 (isto é,1

1l

k jk k v E

= =∑ se

transforma numa restrição), a função-objetivo se transforma em1

max m

i jiiw S

=∑ .

Adicionalmente, cada unidade deverá ter uma eficiência de no máximo 100%, ou

seja,

1 10

m l

i ji k jk i k w S v E

= =− ≤∑ ∑ , para 1,2,..., j n= .

3.2 Dados para análise: produção e capacidade dos ativos

Os dados usados na análise são os seguintes:






• Saídas: Produção máxima e produção média;

• Entradas: comprimentos de dique e de berço de acabamento, e capacidade

de içamento.

-

0,3

0,5

0,8

1,0

1,3

1,5

1,8

2,0

2,3

2,5

U l s a n ( H y u n d a i H I )

G e o j e S h i p y a r d ( S a m s u n g )

O k p o D o c k y a r d ( D a e w o o )

M o k p o ( H y u n d a i S A M H O )

U l s a n ( H y u n d a i M I P O )

T s u n e i s h i C o

F i n c a n t i e r i

H a n j i n H I

J i n h a e ( S T X )

N a g a s a k i ( M i t s u b i s h i )

A k e r

D a l i a n S h i p b u i l d i n g ( C S I C )

M a r u g a m e ( I m a b a r i )

S h i n K u r u s h i m a

K o b e e S a k a i d e ( K a w a s a k i )

K o y o

K a o s i u n g S h i p y a r d ( C S S C )

H i r o s h i m a ( T s u n e i s h i )

S a s e b o H e a v y I n d u s t r i e s

S a i j o ( I m a b a r i )

M e y e r W e r f t

K a g a w a ( T s u n e i s h i )

N A C K S

S t o c z n i a S z c z e c i n s k a N o w a

J i a n g n a n S h i p y a r d ( C S S C )

D a m e n

C e b u ( T s u n e i s h i )

C h e n g x i + S h a n g h a i S h i p y a r d

I Z A R G i j o n S h i p y a r d

I m a b a r i S h i p y a r d ( I m a b a r i )

G u a n g z h o u W e n c h o n g S h i p y a r d

S h i k o k u D o c k y a r d

W u c h a n g ( C S I C )

M é d i a

P r o d

u ç ã o [ m i l h õ e s d e C G T ]

-

200

400

600

800

1.000

1.200

1.400

C G T / L ,

C G T / B e C G T /

Produção CGT/L CGT/B CGT/I figura 2: proporção entre ativos e produção para as empresas da amostra

A figura 2 apresenta os dados graficamente.

3.3 Modelagem do problema e solução

O problema modelado no formato da análise por envoltória de dados é o seguinte:

1max m

j i jii w S η == ∑

s. a:

1 10

m l

i ji k jk i k w S v E

= =− ≤∑ ∑ , para 1,2,..., j n=






11

l

k jk k v E

= =∑

0iw ε ≥ > , para 1,2,...,i m=

0k

v ε ≥ > , para 1,2,...,k l= .

A solução do problema indica as eficiências de uso dos ativos conforme tabela 4.

tabela 4: eficiência das empresas da amostra

Estaleiro (empresa) [Ordemalfabética]

Eficiência DEA considerando aváriável associada ao diquecomo ...comprimento área

Aker 35,4% 35,1%Cebu (Tsuneishi) 76,0% 100,0%Chengxi + Shanghai Shipyard 27,6% 27,6%Dalian Shipbuilding (CSIC) 20,6% 20,6%Damen 25,1% 46,4%Fincantieri 10,0% 12,0%Geoje Shipyard (Samsung) 84,2% 83,1%Guangzhou Wenchong Shipyard 56,5% 56,5%Hanjin HI 45,7% 65,0%Hiroshima (Tsuneishi) 99,3% 100,0%Imabari Shipyard (Imabari) 42,6% 62,4%IZAR Gijon Shipyard 62,9% 71,0%

Jiangnan Shipyard (CSSC) 29,4% 45,3%Jinhae (STX) 100,0% 100,0%Kagawa (Tsuneishi) 37,5% 44,9%Kaosiung Shipyard (CSSC) 56,5% 56,1%Kobe e Sakaide (Kawasaki) 46,5% 46,2%Koyo 19,7% 23,4%Marugame (Imabari) 87,9% 87,9%Meyer Werft 29,3% 29,1%Mokpo (Hyundai SAMHO) 73,5% 63,3%NACKS 43,9% 44,9%Nagasaki (Mitsubishi) 46,2% 57,9%Okpo Dockyard (Daewoo) 100,0% 100,0%

Saijo (Imabari) 49,5% 39,9%Sasebo Heavy Industries 57,7% 59,3%Shikoku Dockyard 44,8% 62,0%Shin Kurushima 96,2% 96,1%Stocznia Szczecinska Nowa 88,4% 88,3%Tsuneishi Co 27,6% 39,4%Ulsan (Hyundai HI) 68,2% 68,1%Ulsan (Hyundai MIPO) 57,1% 57,5%






Wuchang (CSIC) 7,7% 7,8%

As eficiências são oferecidas como dois conjuntos. No primeiro caso, a variávelassociada ao dique foi seu comprimento. No segundo caso, foi sua área.

3.4 Resultados

Os resultados indicam que para os critérios de produção média e produção máxima,

as empresas benchmark são a Daewoo, a STX, e a Tsuneishi. O resultado se alinha

com algumas das análises feitas anteriormente como giro de dique, por exemplo.

Percebe-se pelos dados que com exceção do estaleiro de Cebu da Tsuneishi, todas

as outras empresas que tiveram desempenho superior, foram bem tanto em termos

de área como em termos de comprimento do dique.

A informação adicional da análise é o que se pode avaliar adicionalmente. A

primeira informação relevante é a definição de um valor concreto de eficiência de

cada uma das empresas no uso dos ativos. Embora seja fácil identificar empresas

com desempenho excelente, é difícil se reconhecer como as outras empresas se

posicionam perante o benchmark. Por exemplo é difícil saber que o estaleiro de

Hiroshima da Tsuneishi tem um desempenho comparável com as melhores

empresas.

Desempenhos inferiores também ajudam a desmistificar algumas crenças

frequentemente propagadas. A Hyundai HI, por exemplo, tem uma eficiência

razoavelmente baixa quando se consideram os 3 principais ativos. A análise do

dique exclusivamente indica uma produtividade dentre as melhores, mas a

composição com os outros ativos indica que, ou há uma ineficiência no seu uso, ou

há uma ociosidade relevante (o que não parece ser verdade). Caso a Hyundai HI

fosse gerida com as mesmas competências de uma composição entre Daewoo e

STX, sua produção poderia ser aproximadamente 30% maior. Alternativamente,

pode-se dizer que se a Hyundai HI fosse gerida como os benchmarks, ela poderia

ter aproximadamente 30% a menos de ativos.






Os resultados podem ser usados para se orientar esforços subseqüentes para se

identificar os motivos que levam a tal desempenho. Empresas brasileiras

interessadas em melhorar, podem usar a relação de eficiências para direcionar

esforços de transferência de tecnologia. A ampla gama de estaleiros permite que o

mais parecido possa ser selecionado para servir como um benchmark operacional.

A análise aqui é focada em capacidade e produtividade. Entretanto, é bom salientar

que detalhes adicionais poderiam ser adicionados, como por exemplo:

• Qual o efeito dos diversos tipos de ativos? Pórticos × outros tipos de

guindastes e diques secos × carreiras;

• As saídas poderiam ser receitas e lucros eventualmente. Uma empresa

eficiente operacionalmente não é necessariamente eficiente financeiramente;

• Foco produtivo. É possível que a diversidade de produção possa levar a mais

ineficiência (embora existam contra-exemplos).






4 Recomendações para estaleiros brasileiros

Os pontos a seguir reforçam as principais recomendações para os estaleiros

brasileiros:

• A média atual de produção por ativo é a seguinte: 377 CGT/m linear de dique

(ou, alternativamente, 6,56 CGT/m2 de dique), 279 CGT/m linear de cais de

acabamento e 213 CGT/t de capacidade de içamento total, e assume valores

máximos de 1218 CGT/m, 998 CGT/m, 711 CGT/t, respectivamente. Valores

que divergem substancialmente da média (especialmente para baixo)

sugerem possibilidade de melhorias.

• De forma geral, empresas possuem uma sobre-capacidade de içamento e o

gargalo das operações é o dique. Em outras palavras, a adição de diques

promove o maior incremento em termos de produção do que guindastes e

cais de acabamento. Para um estaleiro médio, as proporções 192:157:395 se

aplicam, e para uma resposta definitiva sobre o assunto, uma análise de

investimento associada aos diversos tipos de ativos é necessária. Caso a

construção de 1 metro de cais e de dique sejam equivalentes, é preferível se

investir em diques. Caso um guindaste de 100 toneladas requeira mais

investimentos do que um cais de 25 metros, é preferível se investir em cais.6

• A análise de benchmarks mediu a eficiência de cada estaleiro relacionada

com uso de ativos e produção gerada. Os números devem ser usados para

se direcionar esforços de aprendizado de gestão de ativos e para se avaliar o

desempenho atual de empresas específicas. É comum que empresas

possuam bom desempenho em determinados critérios, mas a relação de

eficiências considera todos os ativos de uma só vez. O próximo passo é

investigar mais profundamente os motivos que levam aos desvios de

desempenho, tanto superior quanto inferior.

5 Um metro de dique aumenta a produção em 192 CGT/ano, etc.6 É evidente que as recomendações são válidas para uma empresa média. Casos específicos requerem análisesespecíficas. Em geral o investimento ideal para expansão de capacidade é feito no gargalo da empresa.






5 Biblografia

ARROW, Kenneth. The economic implication of learning by doing. Review of

Economic Studies, v. 29, pp. 155-73, 1962.BODIE, Zvi; MERTON, Robert C. Finanças. Tradução de James Sudelland Cook.

Supervisão técnica de Elias Pereira. Porto Alegre, Bookman, 1999.

COLIN, Emerson C. Pesquisa Operacional: 170 aplicações em estratégia,

finanças, logística, produção, marketing e vendas. Rio de Janeiro, LTC, 2007.

CRAGGS, John; BLOOR, Damien; TANNER, Brian; BULLEN, Hamish. Naval CGT

coefficients and shipyard learning. 2004.

DAMODARAN, Aswath. Corporate Finance: Theory and Practice. 2nd edition. New

York, Wiley, 2001.

ERICHSEN, Stian. The effect of learning when building ships. Journal of Ship

Production, v. 10, n. 3, pp. 141-5, 1994.

FIRST MARINE INTERNATIONAL. Overview of the international commercial

shipbuilding industry: background report. The European Community. May,

2003.FIRST MARINE INTERNATIONAL. Findings for the global shipbuilding

Industrial base benchmarking study: Part 1: Major shipyards. August, 2005.

HAIR Jr., Joseph F.; ANDERSON, Rolph E.; TATHAM, Ronald L.; BLACK, William

C. Análise mult ivariada de dados . 5a. edição. Tradução de Adonai Schlup

Sant'Anna [e] Anselmo Chaves Neto. Revisão técnica de Maria Aparecida

Gouvêa. Porto Alegre, Bookman, 2005.

JONES, Alan R. Case study: applying learning curves in aircraft production —

procedures and experiences. In: ZANDIN, Kjell B.; MAYNARD, Harold B. (eds.)

Maynard's Industrial Engineering Handbook. 5th ed. McGraw-Hill, 2001.

Chap. 17.10.






MANSFIELD, Edwin. Microeconomia: Teoria e aplicações. Tradução de José

Edgard Mota Freitas; Mario da Fonseca Gelli. Rio de Janeiro, Campus, 1982.

MANSFIELD, Edwin. Managerial economics : Theory, applications, and cases. 4th

edition. New York, USA, Norton, 1999.

MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e

probabilidade para engenheiros. 2a. ed. Tradução de Verônica Calado. Rio

de Janeiro, LTC, 2003.

STX CORPORATION. Introduced the SLS shipbuilding. STX News Dream &

Future, Number 45, 2005.

STX CORPORATION. World’s best in ground shipbuilding. STX News Dream &

Future, Number 57, 2006.

TUPPER, Eric. Introduction to naval architecture. 3rd edition. Oxford, Butterwoth-

Heinemann, 1996.

UPTON, David; KIM, Bowon. Daewoo Shipbuilding and Heavy Machinery. Harvard

Business School Case 9-696-001. Boston, Harvard Business School, 1994.

YOON, Mark. Korean Shipbuilding Sector . Merrill Lynch Global SecuritiesResearch & Economics Group, Global Fundamental Equity Research

Department, 6 November 2003.

Benchmarks Da Indústria de Construção Naval

Documents

Transcript of Benchmarks Da Indústria de Construção Naval