Inputs

Inputs, Outputs e Transformação

A Análise Envoltória de Dados (do inglês Data Envelopment Analysis – DEA) é uma ferramenta matemática utilizada para a medida da eficiência de unidades produtivas. Tal ferramenta é baseada em uma técnica de programação linear proposta por Charnes, Cooper e
Rhodes (Charnes et al, 1978).
DEA possibilita determinar a eficiência relativa de cada unidade produtiva em análise, comparando-a com as demais, considerando a relação entre insumos (inputs) e produtos (outputs) das unidades produtivas analisadas, denominadas DMUs (do inglês Decision Making Units).
(Soares de Mello et al, 2003). Os modelos clássicos de DEA assumem que os inputs precisam ser minimizados e os outputs precisam ser maximizados. (Charnes et al, 1978).
Entretanto, há casos em que o conjunto de DMUs analisado reage de forma diferente desta premissa, ou seja, algum ou alguns de seus inputs e ou outputs não seguem este comportamento. Por exemplo, há casos que determinado output tem o comportamento de quanto menor seu valor, mais a DMU será beneficiada.
Os resultados indesejáveis de um processo produtivo, ou seja, aqueles produtos cuja
Produção deve ser minimizada, são denominados outputs indesejáveis. (Gomes, 2003). Quando há outputs indesejáveis no problema a ser estudado em DEA, torna-se necessário prover o correto tratamento de tais variáveis para que a eficiência das unidades produtivas seja calculada de forma correta. Neste sentido, a literatura em DEA apresenta algumas abordagens que podem ser indesejaveis DEA determina a eficiência de unidades produtivas, onde não seja relevante ou não se deseja considerar somente o aspecto financeiro. (Soares de Mello et al, 2003). As DMUs do problema devem possuir unidades similares, ou seja, cada DMU deve consumir os mesmos inputs para produzir os mesmos outputs, variando somente as quantidades consumidas e produzidas por cada unidade.
Há dois modelos considerados clássicos em DEA, que são o CCR e o BCC. O