Please enable JavaScript.
Coggle requires JavaScript to display documents.
Análise Envoltória de Dados (DEA) - Coggle Diagram
Análise Envoltória de Dados (DEA)
Introdução
Definição da DEA
A DEA é uma metodologia quantitativa e não paramétrica.
Desenvolvida por Charnes, Cooper e Rhodes em 1978.
Objetivo da DEA
Avaliar a eficiência na transformação de múltiplos insumos em múltiplos produtos.
Identificar DMUs que operam na fronteira de eficiência.
Conceitos e Fundamentos
Unidades de Tomada de Decisão (DMUs)
Definição de DMUs como entidades que realizam decisões.
Importância da comparação entre diferentes DMUs para avaliação de eficiência.
Fronteira de Eficiência
Conceito de eficiência em relação à fronteira.
DMUs eficientes estão localizadas na fronteira de eficiência.
Benchmarks
Importância dos benchmarks para a melhoria contínua.
DMUs que servem como referência para comparação.Importância dos benchmarks para a melhoria contínua.
Vantagens da DEA
Flexibilidade da Metodologia
Não exige suposições sobre a distribuição dos dados.
Adaptável a diferentes contextos e setores.
Avaliação Relativa de Eficiência
Permite a avaliação em múltiplas dimensões.
Considera vários insumos e produtos simultaneamente.
Identificação de Melhores Práticas
Ajuda a identificar unidades eficientes como benchmarks.
Promove a melhoria contínua através da comparação.
Desvantagens da DEA
Sensibilidade a Dados Extremos
O impacto de dados extremos pode distorcer os resultados.
Necessidade de cuidado na seleção dos dados.
Dificuldade na Interpretação
Resultados podem ser complexos e difíceis de entender.
Requer familiaridade com a metodologia para interpretação adequada.
Limitações na Modelagem
Não fornece informações sobre as causas da ineficiência.
Apenas aponta quais unidades são eficientes ou ineficientes.