MODELO DE AUXÍLIO À DECISÃO “MAKE”, “BUY” OU … · Na Figura 1 é possível visualizar...
Transcript of MODELO DE AUXÍLIO À DECISÃO “MAKE”, “BUY” OU … · Na Figura 1 é possível visualizar...
MODELO DE AUXÍLIO À DECISÃO
“MAKE”, “BUY” OU “PSEUDO-MAKE”
UTILIZANDO A ANÁLISE BAYESIANA -
ESTUDO DE CASO: MERCADO DE
MILHO
Heleno Luiz dos Santos Junior (UFPE/CAA )
Ingrid Saiala Cavalcante de Souza Feitosa (UFPE/CAA )
Thalles Vitelli Garcez (UFPE/CAA )
A decisão “make or buy” é bastante utilizada e faz parte de diversos
processos. Park e Ro (2011) propôs uma metodologia que adiciona a
esta decisão a opção “pseudo-make” que já era utilizada na prática,
embora não vinha sendo considerada em algumas decisões. O artigo
em questão propõe a utilização de um modelo de auxílio à decisão com
a análise bayesiana, visando a minimização dos riscos numa escolha
voltada ao mercado do milho, considerando, sobretudo, os diversos
elementos que o interferem diretamente. A metodologia utilizada
emprega os conceitos de escolha “make”, “pseudo-make” ou “buy”
associados à teoria da decisão abrangendo a obtenção e tratamento
dos dados para realização dos cálculos para um decisor neutro ao
risco. O modelo construído mostrou-se eficiente como ferramenta de
subsídio à decisão, através da estruturação e modelagem do problema,
apresentando resultados úteis para auxílio na tomada de decisão.
Palavras-chaves: make or buy, análise bayesiana, mercado de milho,
estudo de caso
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
2
1. Introdução
Entre as cadeias produtivas mais importantes do agronegócio brasileiro encontra-se o milho,
configurando-se como insumo básico para a avicultura e suinocultura, dois setores
extremamente competitivos em nível internacional e grandes geradores de receitas, via
exportação. De acordo com o IICA (BRASIL, 2007) considerando apenas a produção
primária, responde por 37% da produção nacional de grãos.
Apesar dos aumentos contínuos na produtividade do grão, a cadeia brasileira de milho ainda
segue a tendência determinada pelas condições do mercado doméstico (CALDARELLI &
BACCHI, 2012). Da mesma maneira, a formação dos preços do milho no Brasil é
grandemente influenciada por fatores do próprio mercado, sendo pouco afetada por
movimentos no mercado mundial do grão (CHIODI, 2006).
Diversos fatores econômicos interferem diretamente neste mercado gerando um determinado
grau de dúvida quanto à lucratividade. O relatório trimestral (janeiro/março de 2010) do
CEPEA afirma que: “a tomada de decisão sobre o plantio safrinha acontece em um momento
em que as informações apontam para rentabilidade baixa ou nula”. Termos referentes aos
valores dos fertilizantes, preços de comercialização e relação entre oferta e demanda do milho
estão entre as principais preocupações.
Aponta-se também as ameaças referentes à perda da plantação devido à proliferação de
pragas, estiagem prolongada e demais condições ambientais desfavoráveis, falta de mão de
obra qualificada e redução da área fértil são alguns dos itens a serem considerados, pois
interferem diretamente na escolha da melhor alternativa.
Seguindo a lógica da racionalidade econômica proposta por Adam Smith (1993) nunca se
deve fazer em casa o que vai custar-lhe mais do que fazer a compra. Partindo desse
pressuposto, este trabalho propõe-se a fazer uma abordagem à luz da análise de decisão,
fazendo ainda uma relação entre as estratégias propostas por Park e Ro (2011) em “make”,
“pseudo-make”, ou “buy”. Para a análise em questão, “make” se adaptaria a plantar, “pseudo-
make” seria uma estratégia de redução ao risco onde se planta uma parte e opta-se por adquirir
outra, por fim, “buy” é a simples opção de comprar o grão.
O presente artigo estrutura-se com esta breve introdução, seguindo de um levantamento
teórico sobre a análise de decisão e o mercado do milho, descrição da metodologia utilizada
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
3
nesta pesquisa, estudo de caso, apresentação e discussão dos principais resultados, finalizando
com as considerações finais pertinentes.
2. Referencial Teórico
2.1. Análise de Decisão
A todo momento somos solicitados a tomar algum tipo de decisão, a fazer uma escolha. Para
Perdigão e colaboradores (2012) a tomada de decisão é um dos processos no qual somos
envolvidos diariamente nas mais variadas situações em que se está diante de um problema que
possui mais que uma alternativa para a sua solução.
A teoria da decisão pode ser entendida como uma forma estruturada e coerente de se agir em
situação que envolve algum grau de incerteza. Souza (2002) apresenta a existência de uma
correlação lógica entre as preferências do decisor (o que se quer), o conjunto de informações
disponíveis (o que se sabe) e as possíveis alternativas (o que se pode fazer) servindo de
alicerce fundamental para a teoria da decisão.
“O que se quer” diz respeito aos objetivos e as preferencias do decisor, “o que se sabe” refere-
se ao conjunto de informações que possam ser utilizadas no processo decisório e, o “que se
pode fazer” são as alternativas admissíveis pelo decisor (VILLANUEVA et al, 2013,
ANTHONY, 2012). Na Figura 1 é possível visualizar os elementos da Teoria da Decisão com
suas respectivas associações.
Figura 1 – Elementos da Teoria da Decisão
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
4
Fonte: Adaptado de Ferreira, Almeida Filho e Souza (2006)
Em problemas de decisão, a incerteza sobre as consequências da ação adotada é inerente ao
contexto. Estas apenas são conhecidas quando a efetiva ação é tomada. Para o tratamento da
incerteza, a Análise de Decisão adota conceitos estatísticos para a validação dos resultados de
suas análises, utilizando parâmetros sobre distribuições de probabilidade (HANSSON, 1994).
A teoria da decisão se compõe, de forma básica, agregando logicamente quatro conjuntos: o
dos estados da natureza, o de observações, o de ações e o de bens (consequências ou payoffs).
Para relacionar as diversas variáveis desses conjuntos faz-se uso de mecanismos
probabilísticos (conhecimento a priori, função consequência e função de verossimilhança), os
quais permitem combiná-las para geração de resultados. Entre os elementos dessa teoria ainda
encontram-se: a função utilidade, a utilidade da função consequência, regras de decisão,
função risco e risco de Bayes (SOUZA, 2013). O trabalho de Souza (2002) apresenta
detalhadamente todas as fórmulas, conceitos e expressões envolvidas na Teoria da Decisão.
2.2. Mercado de Milho
O Brasil é, de acordo com a CONAB (2013), o terceiro maior produtor e o maior exportador
mundial de milho (Zea mays L.), pela sua performance com produção estimada em 77.998
milhões de toneladas obtidas na safra 2012/2013. A produção é dividida atualmente entre
duas safras, alternadas por épocas do ano, devido às variações climáticas das regiões onde é
feito o plantio.
A primeira safra ou plantio de verão é a mais tradicional, sendo realizada no período chuvoso
que varia entre o final de agosto na região Sul até os meses de outubro/novembro no Sudeste e
Centro-oeste. No Nordeste esse plantio ocorre no início do ano. No início da década de 1980,
agricultores do Paraná iniciaram o cultivo da segunda safra ou safrinha, utilizando uma
semeadura oriunda de sobras de sementes da safra de verão, sendo plantada em sucessão à
cultura de soja entre fevereiro ou março (PEREIRA et al, 2009).
No mercado de produtos agrícolas no Brasil, o milho se destaca, seguindo a tendência
mundial, como principal insumo das indústrias de ração para aves, suínos e bovinos. Para o
intervalo dos anos de 2013/2014 previsões mostram uma demanda de 46.395 mil toneladas de
milho para consumo animal, destas 26.867 mil toneladas se destinariam à avicultura e 12.381
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
5
mil toneladas à suinocultura, sendo o restante destinado a bovinos e outros animais
(ABIMILHO, 2013).
O milho é empregado ainda em indústrias de beneficiamento e de transformação, nestas o
grão é insumo para óleo, farinha, amido, margarina, xarope de glicose e flocos para cereais.
Nos últimos anos, a produtividade do milho no Nordeste brasileiro vem aumentando, em
consequência da importância econômica desse cereal, e do uso de variedades e híbridos, que
atendem aos diferentes sistemas de produção ali predominantes (CARVALHO et al, 2005).
Pereira e colaboradores (2009) alertam que a escolha para o cultivo do milho fundamenta-se
na adequação de suas necessidades térmicas à época de semeadura e a região considerada.
Ressalta-se que esses fatores poderão acarretar prolongamento ou redução da fase vegetativa
da cultura, comprometendo o desempenho e o potencial de produção. Diversos fatores
interferem diretamente na rentabilidade desta cultura associando itens relacionados à
produtividade, eficiência e fatores climáticos (HEINEMANN et al, 2009; CARVALHO et al,
2005; FARINELLI et al, 2003).
3. Metodologia da Pesquisa
A metodologia utilizada configura-se um estudo de caso único e exploratório feito em relação
à decisão levantada por Park e Ro (2011) em make, buy ou pseudo-make contextualizada no
mercado de milho brasileiro. A análise bayesiana é amplamente utilizada com eficácia em
setores que vão desde o surgimento da vida no planeta (SPIEGEL & TURNER, 2012), efeitos
climáticos (ZHANG et al., 2013), até questões financeiras e de rendimento (SHANKEN &
TAMAYO, 2012; DENRELL, FANG e ZHAO, 2013; FLEISCHER, MALLER e MÜLLER,
2011).
Baseado neste pressuposto buscou-se realizar um levantamento de dados, necessários para a
estruturação e desenvolvimento do modelo proposto. Inicialmente, obteve-se apoio do Centro
de Estudos Avançados em Economia Aplicada (CEPEA) da Escola Superior de Agricultura
“Luiz de Queiroz” (ESALQ) através da disponibilização das séries históricas dos preços de
mercado do milho por saca de 60 kg, possibilitando a construção de uma base de dados com
índices mensais.
Caldarelli e Bacchi (2012) associam a renda, a taxa de juros e o preço da soja como principais
fatores que influenciam no mercado de milho. Segundo o estudo, a taxa de juros tem efeito
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
6
negativo sobre os preços de milho, pois quando a taxa de juros aumenta, os preços caem em
função do aumento de oferta. O preço do milho também é afetado pelo aumento da renda
através da elevação do consumo. O milho e a soja são produtos substitutos e complementares,
assim, se o preço da soja aumentar, o preço do milho diminui, e vice-versa.
Uma série histórica mensal da taxa de juros Selic pode ser encontrada no website da Receita
Federal. Na página eletrônica da Ipeadata são disponibilizados dados econômicos e
financeiros do país, onde é possível obter os valores mensais em milhões de reais do PIB
brasileiro. Para obtenção dos valores mensais de venda da soja foram utilizados os dados
ofertados pelo CEPEA/ESALQ.
Após a coleta dos dados, buscou-se analisar e tratar as informações obtidas com o auxílio de
uma planilha do Microsoft Excel®, que é apresentada como uma ferramenta prática e flexível
por Figueira e Veit (2004). Com a utilização deste instrumento pôde-se realizar os cálculos
que estruturaram o problema levantado, visando à condução de informações consistentes que
podem ser levadas em consideração na tomada de futuras decisões, no caso especifico, qual
quantidade plantar e/ou comprar o milho, como será mostrado no decorrer do artigo.
4. Estudo de Caso
O estudo em análise está inserido no contexto do processo de escolha da melhor maneira para
aquisição de um insumo básico, o milho, por um decisor que irá investir certo capital nessa
aquisição para seu negócio. Busca-se aqui minimizar os custos relacionados à aquisição do
milho, escolhendo a forma de obtenção mais barata para o decisor, que assim, obterá um
maior lucro final.
Considerou-se R$26,50 como custo médio de plantio interno do grão por saca, um valor
obtido através de uma estimativa do Instituto Mato Grossense de Economia Agropecuária
(IMEA), ponderando uma cultura de média tecnologia na região nordeste, englobando custos
de fertilizantes, sementes, defensivos, mão-de-obra, impostos e outras despesas. Orçou-se
também, no mesmo cenário, um preço médio de R$ 40,00 a cada saca de milho vendida após
o beneficiamento, que seria o valor-base para computação do lucro. Obviamente, estes valores
podem variar de acordo com o período histórico considerado, o comportamento do mercado
externo e com a eficiência interna da organização.
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
7
Para a escolha de como se deve adquirir o milho necessário ao processo produtivo do decisor,
os estados da natureza a se considerar seriam: condições favoráveis para a compra do milho
(preço de compra no mercado é menor do que o custo de plantar), ou condições favoráveis
para plantio deste insumo. Dito isto, as observações foram obtidas através de dados históricos,
período compreendido entre os anos de 2008 a 2013, referentes às variáveis que
influenciariam o mercado do milho. A estrutura básica para a análise da decisão apresenta-se
da seguinte maneira:
a) Estados da natureza :
θ1 – Condições favoráveis para plantio;
θ2 – Condições favoráveis para compra.
b) Observações :
x1 – Variação na taxa Selic;
x2 – Variação no preço da soja;
x3 – Variação no PIB brasileiro.
c) Alternativas (ações) :
A1 – Plantar 100% do milho necessário;
A2 – Comprar 100% do milho necessário;
A3 – Plantar 75% e comprar 25% do milho necessário;
A4 – Plantar 50% e comprar 50% do milho necessário;
A5 – Plantar 25% e comprar 75% do milho necessário.
d) Consequências (payoffs ou bens) :
– definidos para cada alternativa através da utilidade que ela terá para
o decisor, considerando cada estado da natureza e ação.
5. Resultados e Discussão
Para o espaço de ações foram selecionados cinco pontos de ação, conforme pode ser visto na
Tabela 1.
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
8
Assumindo que o decisor disponha de determinado capital para compra ou plantio do grão,
pois necessita deste insumo para transformação, onde o retorno financeiro poderá ser obtido
pela diferença entre o preço do produto beneficiado e entre os custos de plantio (quando se
opta por cultivar) ou os preços de venda do insumo pelo mercado (quando se escolhe
comprar).
Tabela 1 – Espaço de ações
Plantar Comprar
A1 100% 0%
A2 0% 100%
A3 75% 25%
A4 50% 50%
A5 25% 75%
Fonte: Os autores
Pelas características dos estados da natureza abordados, é válida a hipótese de que estes
podem ser representados de forma dicotômica, uma vez que são eventos mutuamente
exclusivos e excludentes. Considerando os dados disponíveis pode-se construir uma tabela de
frequência para os estados da natureza conforme Tabela 2.
Tabela 2 - Tabela de frequência dos estados da natureza
Fonte: Os autores
Para o conjunto de observações, x1 assumirá o valor de 1 se a variação da taxa Selic for
positiva e 0 se negativa, o mesmo ocorrerá com x2 para a variação do preço de venda da soja
pelo mercado e com x3 para a variação do PIB brasileiro. A combinação destes indicadores
retorna 8 combinações possíveis, descritas abaixo:
Tabela 3 – Tabela das combinações possíveis das observações
Combinações X = {x1, x2, x3}
{0,0,0}
{0,0,1}
{0,1,0}
{0,1,1}
{1,0,0}
{1,0,1}
{1,1,0}
{1,1,1}
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
9
Fonte: Os autores
A partir da definição de todas as possíveis observações na Tabela 3, pode-se construir a
Tabela 4 que associa cada observação ao estado da natureza construindo a Função de
Verossimilhança.
Tabela 4 - Função de Verossimilhança
0,0909 0,1515 0,1818 0,0606 0,0606 0,1515 0,0909 0,2121
0,1026 0,1026 0,1026 0,2564 0,0256 0,1538 0,0769 0,1795
Fonte: Os autores
Ao considerar um agente decisor neutro ao risco obteve-se uma função utilidade linear, onde
o ganho mínimo tem utilidade zero e o máximo ganho utilidade 1. A função perda também foi
construída considerando o perfil do decisor e pode ser observada na Tabela 5.
Tabela 5 - Função Perda
Plantar Comprar
A1 -0,5035 -0,5035
A2 -0,2874 -0,7527
A3 -0,4495 -0,5658
A4 -0,3955 -0,6281
A5 -0,3415 -0,6904
Fonte: Os autores
O risco de Bayes foi utilizado para construção da Tabela 6, relacionando as ações já definidas
e as observações consideradas.
Tabela 6 - Risco de Bayes
X1 X2 X3 X4 X5 X6 X7 X8
A1 -0,0974 -0,1279 -0,1432 -0,1596 -0,0434 -0,1537 -0,0845 -0,1972
A2 -0,1044 -0,1371 -0,1534 -0,1710 -0,0465 -0,1647 -0,0905 -0,2112
A3 -0,1187 -0,1302 -0,1457 -0,1625 -0,0442 -0,1565 -0,0860 -0,2007
A4 -0,1009 -0,1325 -0,1483 -0,1653 -0,0450 -0,1592 -0,0875 -0,2042
A5 -0,1026 -0,1348 -0,1508 -0,1682 -0,0457 -0,1620 -0,0890 -0,2077
Fonte: Os autores
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
10
Objetivando-se reduzir o risco de Bayes é possível indicar A3 quando as variações da taxa
Selic, do preço da soja e do PIB forem negativas (X1). Para todas as demais observações, A2
ofereceu menor risco. Estes resultados são condizentes também numa análise qualitativa, pois
ao observar um mercado totalmente desfavorável à compra, através das observações
consideradas, a ação de plantar internamente 75% do necessário e adquirir externamente os
25% restantes é compreensivelmente aceitável.
Quando pelo menos um dos indicadores apresenta variação positiva a alternativa de comprar
externamente toda a quantidade necessária do grão também é oportuna, considerando
principalmente os riscos inerentes ao cultivo do milho, que a empresa deve assumir para si,
inclusive o risco de perda total da plantação devido a fatores externos e causas especiais. O
menor risco de Bayes, entre todas as observações foi obtido quando observa-se uma variação
positiva em todas as observações (X8), justamente por este ser o melhor cenário.
6. Considerações Finais
A decisão “make or buy” é amplamente utilizada e levantada por diversos autores em diversas
situações e mercados (FERREIRA & SERRA, 2010; FERREIRA, SALERNO,
LOURENÇÃO, 2011; PREKER, HARDING, TRAVIS, 2000), embora poucas vezes seja
utilizado um método quantitativo e estruturado de apoio a decisão. Neste sentido, propôs-se a
utilização da metodologia levantada por Park e Ro (2011) que já engloba a ideia de pseudo-
make envolvendo ações mistas e percentuais entre compra e venda.
O modelo utilizado envolve minimização de risco de Bayes e mostrou-se adequado na
estruturação, análise e suporte à decisão em questão. Este trabalho buscou associar a decisão
make, pseudo-make ou buy com o suporte da Teoria da Decisão, abordando um caso
específico de escolha para o milho, sobretudo, devido às inúmeras incertezas envolvidas
relacionadas à perda de plantação ou a valores altos para compra externa.
Neste caso especifico a ação de comprar externamente toda a quantidade necessária
apresentou menor risco envolvido com exceção de quando todos os indicadores apresentarem
variação negativa, que a alternativa favorável é cultivar 75% e comprar o restante. Ressalta-se
por fim, a importância e necessidade de atualizações e adaptações na utilização deste modelo
em outros casos, devido principalmente à utilização de novas informações que surgirão ou
mesmo diferentes graus de utilidade e níveis de aversão ao risco que variam de acordo com o
decisor.
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
11
REFERÊNCIAS
ABIMILHO – Associação Brasileira das Indústrias do Milho. Oferta e Demanda do Milho no Brasil,
Agosto/2013. Disponível em: <http://www.abimilho.com.br/estatistica> Acesso em: 17 fev. 2014.
ANTHONY, L. Community Resilience and Decision Theory Challenges for Catastrophic Events. Risk analysis,
v. 32, 2012.
BRASIL. Ministério da Agricultura, Pecuária e Abastecimento. Cadeia produtiva do milho. Secretaria de
Política Agrícola, Instituto Interamericano de Cooperação para a Agricultura; coordenador Luiz Antônio
Pinazza. – Brasília: IICA: MAPA/SPA, 2007.
CALDARELLI, C. E.; BACCHI, M. R. P. Fatores de influência no preço do milho no Brasil. Nova economia.
v.22, n. 1 Belo Horizonte Jan./Abr. 2012.
CARVALHO, H. W. L.; CARDOSO, M. J.; LEAL, M. L. S.; SANTOS, M. X.; TABOSA, J. N.; SOUZA, E. M.
Adaptabilidade e estabilidade de cultivares de milho no Nordeste brasileiro. Pesquisa Agropecuária Brasileira,
Brasília, v. 40, n. 5, 2005.
CEPEA – CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA. Piracicaba: Relatório de
Pesquisa do Milho Esalq-USP/Cepea, CNA, 2010. Disponível em:
<http://cepea.esalq.usp.br/milho/custos/2010/01Jan_Mar.pdf>. Acesso em: 08 fev. 2013.
CEPEA – CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA; ESALQ – ESCOLA
SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ. Indicadores de preços. Disponível em:
<www.cepea.esalq.usp.br>. Acesso em: 15 fev. 2013.
CHIODI, L. Integração espacial no mercado brasileiro de milho. 2006. 89p. Dissertação (Mestrado em
Economia Aplicada) – Escola Superior de Agricultura "Luiz de Queiroz", Universidade de São Paulo,
Piracicaba, 2006.
CONAB – Companhia Nacional de Abastecimento. Acompanhamento da Safra Brasileira de Grãos – Safra
2012/2013, Oitavo Levantamento, Maio/2013. Brasília: CONAB, 2013. Disponível em:
<http://www.conab.gov.br/> Acesso em: 16 fev. 2014.
DENRELL, J.; FANG, C.; ZHAO, Z. Inferring superior capabilities from sustained superior performance: A
Bayesian analysis. Strategic Management Journal, v. 34, n. 2, p.182-196, 2013.
FARINELLI, R.; PENARIOL, F. G.; BORDIN, L.; COICEV, L.; FORNASIERI FILHO, D. Desempenho
Agronômico de cultivares de milho nos períodos de safra e safrinha. Bragantia, Campinas, v. 62, n. 2, 2003.
FERREIRA, M. P.; SERRA, F. A. R. Make or buy in a mature industry? models of client - supplier relationships
under TCT and RBV perspectives. Brazilian Administration Review, Curitiba, v. 7, n. 1, 2010.
FERREIRA, R. J. P.; ALMEIDA FILHO, A. T.; SOUZA, F. M. C. Modelo de decisão para escolha de portfólio
de investimentos. In: Simpósio Brasileiro de Pesquisa Operacional, 38, 2006, Goiânia, Anais... Goiânia:
SOBRAPO, 2006.
FERREIRA, V. L.; SALERNO, M. S.; LOURENCAO, P. T. M. As estratégias na relação com fornecedores: o
caso Embraer. Gestão & Produção, São Carlos, v. 18, n. 2, 2011.
FIGUEIRA, J. S.; VEIT, E. A. Usando o Excel para medidas de intervalo de tempo no laboratório de Física.
Revista Brasileira de Ensino de Física. São Paulo, v. 26, n. 3, 2004.
FLEISCHER, P.; MALLER, R.; MÜLLER, G.A Bayesian analysis of market information linkages among
NAFTA countries using a multivariate stochastic volatility model. Journal of Economics and Finance, v.35, n.
2, p.123-148, 2011.
XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10
Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.
12
HANSSON, S. O. Decision Theory: A Brief Introduction, Department of Philosophy and the History of
Technology, Royal Institute of Technology (KTH), Stockholm, 1994.
HEINEMANN, A. B.; ANDRADE, C. L. T.; GOMIDE, R. L.; AMORIM, A. O.; PAZ, R. L. Padrões de
deficiência hídrica para a cultura de milho (safra normal e safrinha) no estado de Goiás e suas consequências
para o melhoramento genético. Ciência e Agrotecnologia, Lavras, v. 33, n. 4, 2009.
IPEADATA - Instituto de Pesquisa Econômica Aplicada. PIB. Disponível em: <http://ipeadata.gov.br/> Acesso
em: 07 mar. 2014.
IMEA – Instituto Mato Grossense de Economia Agropecuária. Custo de Produção. Disponível em:
<http://www.imea.com.br/publicacoes.php?categoria=3&subcategoria=3> Acesso em: 07 mar. 2014.
PARK, J-K; RO, Y. K. The impact of a firm's make, pseudo-make, or buy strategy on product performance.
Journal of Operations Management, v. 29, n. 4, p. 289–304, 2011.
PERDIGÃO, J. G. L.; FULGÊNCIO, E. V.; SOUSA, S. A. C.; MAGALHÃES NETO, J. B.; DORNELAS, J. S.
Processo decisório: um estudo comparativo da tomada de decisão em organizações de segmentos distintos. In:
Simpósio de Excelência em Gestão e Tecnologia, IX, 2012, Resende/RJ, Anais... Resende/RJ: SEGeT, 2012.
PEREIRA, J. L. A. R.; PINHO, R. G. V.; BORGES, I. D.; PEREIRA, A. M. A. R.; LIMA, T. G. Cultivares,
doses de fertilizantes e densidades de semeadura no cultivo de milho safrinha. Ciência e Agrotecnologia,
Lavras, v. 33, n. 3, 2009.
PREKER, A. S; HARDING, A.; TRAVIS, P. Make or buy" decisions in the production of health care goods and
services: new insights from institutional economics and organizational theory. Bull World Health Organ,
Genebra, v. 78, n. 6, 2000.
RECEITA FEDERAL. Taxa de Juros Selic. Disponível em:
<http://www.receita.fazenda.gov.br/pagamentos/jrselic.htm>. Acesso em: 15 fev. 2013
SHANKEN, J.; TAMAYO, A. Payout yield, risk, and mispricing: A Bayesian analysis. Journal of Financial
Economics, v. 105, n. 1, p.131-152, 2012.
SMITH, A. Riqueza das Nações, Lisboa: Gulbenkian, 1993.
SOUZA, F. M. C. Decisões racionais em situações de incerteza. Recife: Editora Universitária, 2002.
SOUZA, J. V. P.; SILVA, A. A. Estrutura de capital por teoria da decisão: tomando decisões racionais nos
setores de utilidade pública e de telecomunicações da BM&FBOVESPA, In: Simpósio Brasileiro de Pesquisa
Operacional, 45, 2013, Natal, Anais... Natal/RN: SOBRAPO, 2013.
SPIEGEL, D. S.; TURNER, E. L. Bayesian analysis of the astrobiological implications of life's early emergence
on Earth. Proceedings of the National Academy of Sciences of the United States of America, v. 109, n. 2, p.
395-400, 2012.
VILLANUEVA, R.R.; ARANEDA, M.E.; VELA, M.; SEIJO, J.C. Selecting stocking density in different
climatic seasons: A decision theory approach to intensive aquaculture. Aquaculture, v. 384-387, 2013.
ZHANG, Y.; ISUKAPALLI, S. S.; BIELORY, L.; GEORGOPOULOS, P. G. Bayesian analysis of climate
change effects on observed and projected airborne levels of birch pollen. Atmospheric Environment, v. 68,
p.64-73, 2013.