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 )

[email protected]

Ingrid Saiala Cavalcante de Souza Feitosa (UFPE/CAA )

[email protected]

Thalles Vitelli Garcez (UFPE/CAA )

[email protected]

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.



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



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



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



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



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.



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.



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}



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



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.



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.



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.

MODELO DE AUXÍLIO À DECISÃO “MAKE”, “BUY” OU … · Na Figura 1 é possível visualizar...

Documents

Transcript of MODELO DE AUXÍLIO À DECISÃO “MAKE”, “BUY” OU … · Na Figura 1 é possível visualizar...