Produtividade, Efici

1
Produtividade, Eficiência e Benchmarking de
Serviços Logísticos
2
Introdução

• Dentro dos conceitos modernos de Supply Chain
  management, as atividades logísticas ganharam
  importantes conotações para a melhoria da
  competitividade
• Compreensão de produtividade, eficiência e
  benchmarking aplicados a logística.

3
Produtividade

• Produtividade é definida como a relação entre o
  que foi produzido e os insumos utilizados na
  produção num intervalo de tempo
• Sistema de produção são os elementos que atuam
  para transformar insumos em produtos ou serviços.

4
Produtividade

• Índices de produtividade são de grande
  importância para definir a produtividade através
  das unidades que formam os sistemas de estudos
• Os índices podem servir também para comparar os
  elementos do sistema com outras unidades externas.

5
Produtividade

• Função de produção é uma representação matemática
  de insumos em produtos, que deve-se ajustar aos
  dados através de métodos estatísticos
• Ao se ajustar uma função de produção não deve-se
  esquecer do fator monetário, por isso esses são
  ajustados pelo mercado.

6
Produtividade

• O processo de produção analisado vai definir uma
  estrutura que se apóia nos preços dos insumos
• O processo produtivo propriamente dito, levando
  em conta as variáveis não-monetárias, é
  representado por uma função de produção

7
Produtividade

• A função de produção não mede o desempenho médio
  de um setor
• Procura-se medir a fronteira de máxima
  produtividade, representado pelo máximo
  desempenho, considerando apenas o input e output.

8
Produtividade

• Para ajustar uma função de produção a um conjunto
  de dados, precisa-se selecionar as variáveis da
  mesma e escolher e seguir um tipo de função
  matemática para representar o processo
• Um problema sério de ajuste de função de produção
  é o da não-garantia de que a função represente
  efetivamente a máxima produtividade.

9
Eficiência

• A eficiência é importante para a produtividade
  pois sem eficiência, o plano de produtividade não
  funcionaria e os processos não seriam finalizados
  com êxito.

10
Análise envoltória de dados

• Foi criada e desenvolvida na década de 70, tendo
  hoje larga aplicação na análise da produtividade
  e eficiência de empresas e órgãos públicos,
  servindo também de apoio para estudo de
  benchmarking.

11
Fundamentos da análise envoltória de dados

• Nas regras da análise envoltória de dados, cada
  participante recebe a denominação DMU (Decision
  Making Unit, unidade decisória). Isso porque
  dependendo do problema os participantes podem ser
  empresas, organizações, departamentos e mesmo
  pessoas físicas. Assim o termo DMU é mais
  abrangente.

12
Benchmarking

• A expressão benchmark refere-se ao marco gráfico
  de referência fixo, com coordenadas e altitude
  conhecidas, utilizado para balizar levantamentos
  topográficos, ou seja, é o processo de aferir
  medidas contra padrões pré-definidos numa bancada
  (Bench).

13

• Benchmarking é definido como sendo os
  procedimentos sistemáticos utilizados para
  identificar as melhores práticas observadas em um
  determinado setor e modificar a atuação de um
  determinado participante de forma a atingir um
  nível de desempenho superior.

14

• O Benchmarking se apóia em duas premissas
  básicas. Em primeiro lugar, admiti-se que as
  firmas e devam buscar aperfeiçoamentos contínuos
  em todas as facetas de suas operações se quiserem
  sobreviver. Isso significa que a empresa deve
  corrigir ou aperfeiçoar os processos, ou as
  atividades, estejam apresentando problemas, antes
  que se deteriorem completamente. Deve se evitar a
  demora de uma solução para que o sistema ainda
  possa ser corrigido.

15

• A segunda premissa é que as melhores práticas
  devem ser buscadas externamente à empresa, sempre
  que possível. Tradicionalmente, as empresas
  avaliam seu desempenho fazendo comparações
  internas. Assim, os administradores comparavam a
  produtividade das unidades regionais premiando as
  mais produtivas, estimulando as demais o aumento
  da produtividade.

16

• Tal política pode ser potencialmente desastrosa
  levando a firma a um forte grau de endogenia,
  afastando-a das melhores práticas observadas no
  mercado e tornado-a competitiva. Porém
  recomenda-se que iniciam o benchmarking
  internamente, integrando suas várias unidades
  fazendo upgrade das menos eficientes de modo a se
  aproximarem das eficientes.

17

• Uma vez vencida essa etapa, é necessário realizar
  o benchmarking externo, tomando como referência
  as melhores práticas do mercado.
• Uma das etapas críticas do benchmarking é
  identificar as empresas eficientes que devem
  servir de parceiras para referenciação nesse
  processo. A análise revoltória de dados pode
  servir de excelente apoio nesse processo.

18

• Um dos objetivos do benchmarking é determinar as
  ações necessárias para tornar eficiente uma
  empresa considerada não-eficiente.
• Algumas empresas são eficientes, mas atuam
  isoladamente no mercado, seja porque são grandes
  demais em relação aos outros, seja porque
  utilizam tecnologias ou estratégias de negócio
  muito particulares. Por outro lado, há um
  conjunto de empresas eficientes que servem de
  referência para o benchmarking das não-eficientes.

19
Eficiência Virtual

• Quando uma empresa não é eficiente mas está
  próxima da fronteira de produtividade máxima, a
  análise de envoltória de dados permite estimar
  uma projeção virtual dessa empresa, localizada
  sobre a fronteira.
• Em geral, há três formas de fazer essa projeção
  DEA. Uma delas segue a orientação da maximização
  dos outputs, mantendo os inputs nos níveis
  virtuais.

20

• Noutros casos, se deseja minimizar a utilização
  dos inputs, mas mantendo o output atual.
• A terceira envolve uma variação proporcional de
  todas variáveis, sejam inputs, sejam outputs.
• Essa projeção deve ser vista como uma
  aproximação. Por essa razão, a chamamos de
  eficiência virtual

21
Benchmarking nas unidades Não-eficientes

• O upgrade nas unidades não-eficientes via DEA
  apresenta maior confiabilidade, pois não implica
  mudanças muito drásticas nas variáveis.
• Para DMUs com eficiência baixa, podemos usar os
  resultados do DEA, mas as variáveis qualitativas
  passam a ter predominância na avaliação.

22

• CTLV 1 DANIEL LIBARDI, JOÃO IGOR, JOÃO PEDRO,
  KEVELIN YURI.