Tr 433 UMA ANÁLISE COMPARATIVA DE DESEMPENHO DE
Transcrição
Tr 433 UMA ANÁLISE COMPARATIVA DE DESEMPENHO DE
Sitraer 7 (2008) 445-456 – Tr. 433 UMA ANÁLISE COMPARATIVA DE DESEMPENHO DE EMPRESAS AÉREAS A NÍVEL MUNDIAL Elton Fernandes Heloisa Márcia Pires Universidade Federal do Rio de Janeiro Coppe Engenharia de Produção RESUMO A competitividade das empresas aéreas é um assunto de grande complexidade, muitos são os fatores que definem a escolha de viajem de um passageiro ou decisão de envio de uma carga. Alguns desses fatores são definidos pelos gestores das empresas aéreas e outros não são controláveis pelas empresas, dependem de fatores do ambiente externo à organização. Este artigo busca contribuir para o aumento do conhecimento da relação passageiro e carga com a receita e lucro de empresas aéreas, utilizando Análise Envoltória de Dados e inferência estatística. Trata-se de uma análise multivariável comparativa de uma amostra de empresas de várias localidades do mundo. Os resultados mostram a posição das empresas em relação à fronteira da eficiência com respeito ao uso de suas demandas de passageiros e carga para produzir receita e a tendência de relação entre margem operacional e lucro líquido da amostra. A análise indica que muitas empresas devem buscar a melhoria do seu desempenho através do aperfeiçoamento de seu portfólio de clientes, buscando uma combinação de passageiros e cargas que produza maior valor agregado. A busca indiscriminada de clientes pode não levar aos resultados esperados. Adicionalmente, se observa que existe uma razoável relação entre margem operacional e lucro líquido, o que fortalece a necessidade de controle dos custos para se obter resultados para os acionistas. ABSTRACT The competitiveness of airlines is a subject of great complexity, many are the factors that define passenger choice of travel or decision of sending a cargo. Some of these factors are defined by airline managers and others are not controllable by airlines, they depend on external environment factors. This article seeks to contribute for the knowledge increase about the relation between passenger and cargo with airline revenue and profit, using Data Envelopment Analysis and statistics inference. So, it is about a multicriteria analysis of a sample of companies from several parts of the world. The results show the position of companies in relation to the efficiency frontier with respect to the use of its demands of passengers and cargo to produce revenue and the trend between operational margin and net profits of the sample. The analysis indicates that many companies must search for the improvement of its performance through the improvement of its portfolio of customers, searching a combination of passengers and cargo that produces better aggregate value. The indiscriminate search for customers will not lead to the waited results. Additionally, if it is observed that there is a reasonable relation between operational margin and net profits, this fortifies the necessity of the control of the costs to get results for the shareholders. 1. INTRODUÇÃO A indústria do transporte aéreo tem sido objeto de crescente desregulamentação ao longo dos últimos anos em todas as partes do mundo. Embora, a intensidade desta desregulamentação seja diferenciada entre países e blocos econômicos, existe uma tendência de uniformização da regulação. Apesar desta tendência, existe uma divisão geopolítica dos mercados, que procura atender aos interesses da sociedade de cada economia, vide última rodada de Doha da Organização Mundial do Comércio, onde ficou frustrada a intenção do Brasil de obter definições sobre redução de subsídios agrícolas europeus e americanos. As empresas obtêm a licença para atuar fora das fronteiras nacionais por acordos, na sua maior parte, de reciprocidade entre países e blocos econômicos. A competição não é livre e os mercados são regulados com maior ou menor intensidade. A busca de eficiência tem sido sinônimo de sobrevivência para as empresas, uma vez que se observa uma queda das barreiras protecionistas de empresas nacionais no setor de transporte aéreo. No entanto, diferenças entre países no que diz respeito a impostos e taxas, a custos de insumos, a leis trabalhistas, as 445 Sitraer 7 (2008) 445-456 – Tr. 433 infra-estruturas aeronáutica e aeroportuária, a economia de escala, a regulação entre outras tornam a competição complexa e de difícil gerenciamento. Em um cenário instável e propenso a grandes transformações, as empresas de transporte aéreo buscam a lucratividade e sobrevivência. Países de dimensões continentais enfrentam o dilema de abrir a competição de seus mercados domésticos às empresas internacionais, freqüentemente os tomadores de decisão se vêem entre o dilema da soberania nacional ou eficiência do mercado. O transporte aéreo, de forma geral, é responsável por um mercado de alto poder aquisitivo de empresas e pessoas, um mercado de trabalho de empregos de qualidade, transporta mercadorias de alto valor agregado, cria visibilidade dos países. American é sinônimo de Estados Unidos, Air France sinônimo de França, Luthansa sinônimo de Alemanha e assim por diante. O risco de sobrevivência aumentou de tal forma que não raro se observa guerras de preços e competição predatória no setor, práticas que atingem a indústria em cheio comprometendo a rentabilidade do negócio de transporte aéreo. Estudos mostram que o negócio de transporte aeroviário de passageiros e cargas requer um imobilizado expressivo na composição do ativo. O capital fixo, para a constituição e manutenção das operações da empresa é grande. Como opção à imobilização pode-se fazer o arrendamento mercantil (leasing) das aeronaves. No contrato de leasing operacional a empresa arcará com o custo do leasing não fazendo imobilização de capital. Desta maneira, as empresas têm duas alternativas ao acesso às aeronaves que precisam para a manutenção de seu negócio: a compra ou o leasing operacional do equipamento. Em grande parte devido a necessidade de imobilizações, as empresas de aviação dão especial atenção aos ganhos relativos às economias de escala. Quanto maior for a empresa, menores serão seus custos fixos unitários. O tamanho representa, a princípio, uma variável relevante no negócio. No Brasil, existe uma tendência forte para abertura do mercado a empresas internacionais. Em anos recentes, houve um aumento significativo da participação das empresas internacionais no tráfego aéreo internacional de longo curso. A redução de participação das empresas nacionais neste segmento do mercado tem levado a uma grande preocupação sobre a capacidade competitiva destas empresas. Embora este artigo não esteja dirigido para uma avaliação direta da competitividade das empresas brasileiras, ele oferece uma avaliação da relação de indicadores econômicos e financeiros das empresas com seus padrões operacionais. Esta análise é realizada através da Análise Envoltória de Dados que busca identificar as empresas que apresentam os melhores desempenhos com relação a um conjunto de dados. 2. REVISÃO DA LITERATURA O uso da Análise Envoltória de Dados para avaliação de desempenho de empresas aéreas é recente, pode-se dizer que ele teve início nos anos 90 (Chan e Sueyoshi, 1991; Charnes et al., 1996; Good et al., 1995; Tofallis, 1997). A partir de 2000 alguns trabalhos foram publicados em periódicos científicos indexados pelo ISI Web of Knowledge (Capobianco e Fernandes, 2004; Chiou e Chen, 2006; Fernandes e Capobianco, 2001; Greer, 2008; Lin, 2008; Scheraga, 2004; Tsionas, 2003). 446 Sitraer 7 (2008) 445-456 – Tr. 433 Segundo Araujo et al. (2008), a literatura sobre produtividade das empresas das empresas aéreas começa a ficar mais aparente a partir dos movimentos de desregulamentação da indústria de transporte aéreo nos Estados Unidos por volta de 1978. Os estudos sobre produtividade buscam comparar fatores específicos com estrutura de capital, efeitos da regulação na produtividade, produtividade do trabalho etc. Em um recente artigo Greer (2008) examina as mudanças em produtividade das maiores empresas aéreas americanas entre 2000 e 2004, utilizando Análise Envoltória de Dados. Esta análise encontrou um significativo aumento de eficiência de uso dos insumos para produzir resultados operacionais. Um ponto importante nesta análise é a identificação de empresas líderes que se estabelecem como “benchmarking” para as demais. Como estamos observando uma tendência, que podemos chamar de mundialização da regulação, ou seja, uma equalização é de se esperar que as empresas passem a considerar “benchmarkings” a nível mundial, sem levar em consideração as diferenças regionais. Assim, os padrões da empresas líderes americanas, européias e asiáticas passam a ser a principal referência para as empresas em todo o planeta. 3. METODOLOGIA A análise de desempenho das organizações tem sido uma tônica na rota de globalização do mundo. Não há como competir neste cenário, com uma redução de barreiras à entrada, sem uma contínua busca por um desempenho diferenciado, pode-se dizer mesmo exclusivo. A busca desta performance diferenciada pode ser atingida através de caminhos distintos, no entanto a relação entre inputs, produtos, receita e lucros continua sempre sendo um indicador de resultados de grande significado. Os caminhos trilhados por estudiosos são fortemente influenciados pelo background de cada um, isto significa que economistas, administradores, engenheiros etc. buscam formulações dirigidas pela visão do mundo através de lentes específicas, dando uma visão parcial da questão. Um exemplo da visão parcial da questão da produtividade das organizações é a eterna luta entre o dimensionamento da parcela da produtividade das organizações atribuídas ao capital e ao trabalho. Portanto, basicamente, quando uma determinada quantidade de inputs ou produtos produz maiores quantidades de outputs (receita e lucro), significa que houve um aumento na produtividade. Se estivermos lidando com uma única variável de output e de input, esse cálculo é simples, mas usualmente nos defrontamos com diversos tipos de inputs que são agregados para produzirem alguns outros outputs (Lovell, 1993). Assim, para podemos calcular a produtividade temos que conhecer e mensurar as diferentes variáveis que compõem tanto os inputs quanto os outputs. Encontrar esta razão na prática é uma tarefa bastante complexa já que a proporção de outputs pode mudar através do tempo ou mesmo variar entre as empresas, dificultando a definição do output total. Isso se deve porque dificilmente uma indústria produz somente um tipo de output. Às vezes, dependendo do processo produtivo, é possível variar-se, dentro de certos limites, as quantidades e os tipos dos produtos obtidos (por exemplo, carga e passageiros na geração de receita). Para se agregar outputs num único valor, torna-se necessário utilizar alguma ponderação de acordo com a importância relativa de cada output. No que se refere aos inputs, da mesma forma que os outputs, são de difícil mensuração adequada, pois diversos inputs como equipamento, energia, matérias primas, mão-de-obra etc. devem ser agregados para poderem produzir os outputs. 447 Sitraer 7 (2008) 445-456 – Tr. 433 Existem duas maneiras de se mensurar tanto os outputs quanto os inputs: fisicamente i.e. as quantidades dos diversos tipos de produtos fabricados, o número total de empregados, o número de passageiros transportados etc. e financeiramente, o que corresponde a receita total da produção, o valor da mão-de-obra, o desempenho do capital, etc. Examinado o relacionamento entre os outputs e os inputs, verificamos que aparecem dois tipos básicos de produtividade: total e parcial. A produtividade total mensura o relacionamento entre todos os inputs e todos os outputs, e, por conseguinte, refletindo o impacto do conjunto de todos os insumos para fabricar os produtos. Com a dificuldade de se calcular índices de produtividade globais, passou-se a desenvolver medidas de produtividade parciais. Esses índices parciais mensuram a razão de um ou mais outputs para um ou mais inputs, fornecendo uma indicação parcial ao invés de uma indicação total. Essas medidas parciais de produtividade têm a grande desvantagem de não fornecerem um quadro completo da situação, o que sem dúvida alguma é uma limitação. Por exemplo, uma empresa pode em uma determinada etapa de um processo produtivo utilizar mais recursos de mão-de-obra do que outra firma que tem essa mesma etapa do processo mais automatizada. Com o cálculo da produtividade parcial de mão-de-obra, estaremos fazendo uma análise localizada, esquecendo do conjunto. Ou seja, uma firma é mais produtiva do que a outra em relação a um insumo, no caso, a energia elétrica. Não se pode esquecer que estamos nos referindo a apenas uma etapa do processo de produção. Isto não significa, necessariamente, que uma empresa é mais produtiva do que a outra, pois aspectos relevantes do processo total podem não terem sido considerados. A ferramenta denominada Análise Envoltória de Dados (Data Envelopment Analysis - DEA) é um método de programação linear não paramétrico destinado a mensurar a performance de uma firma, organização, programa, i.e., o que for produzido pelas decision-making units (DMU). Em nosso estudo as DMUs são as empresas aéreas. Esse procedimento é uma técnica matemática baseada em programação linear a qual não necessita que a forma funcional relacionando os inputs aos outputs seja especificada. O DEA otimiza cada observação com o intuito de se construir a Fronteira de Eficiência. Esta consiste em uma curva discreta formada unicamente por DMUs eficientes. Evidentemente, deve-se ter em mente que se estamos nos referindo a eficiência relativa, já que estamos lidando com amostras. A partir da determinação da fronteira passe a se ter o benchmarking de eficiência da amostra. Charnes et al. (1994) colocam que o DEA envolve um princípio alternativo para se extrair informação sobre um conjunto de observações. Em contraste com as abordagens paramétricas, cujo objetivo é otimizar um plano de regressão através da análise dos dados, o DEA otimiza sobre cada observação, com o objetivo de calcular uma fronteira determinada pelas DMUs Pareto-eficientes. É importante notar que na abordagem DEA pode se encontrar DMUs em áreas Pareto-não-eficientes, o que requer cuidado na interpretação dos resultados (Fernandes et al. 2008). Charnes et al. (1994) apresentam as diversas formulações desenvolvidas para a abordagem do DEA. Na pesquisa desenvolvida para este estudo a questão principal diz respeito a minimização de input e maximização de output que as organizações podem realizar. Desta forma, foram utilizadas as orientações input e output num modelo de rendimento variável de escala (VRS), uma vez que o artigo se refere a organizações de tamanhos diversos. No caso que estamos analisando, verifica-se a convexidade da fronteira de eficiência. As DMUs sobre 448 Sitraer 7 (2008) 445-456 – Tr. 433 a fronteira de eficiência com escala inferior ao encontro da reta de retornos constantes de escala com esta fronteira apresentam retornos crescentes de escala, aquelas superiores apresentam retornos decrescentes de escala (Banker et al. 1984). Os modelos BCC-I e BCC-O propostos são detalhados em Cooper et al. (2007). Estes modelos são conhecidos como BCC (variáveis de escala), sendo esta sigla uma homenagem a seus formuladores Banker et al. (1984). 4. ESTUDO DE CASO Para análise de um estudo de caso se selecionou 44 empresas, envolvendo Europa, América do Norte e América do Sul. Os dados básicos encontram-se no Anexo 1. As empresas foram selecionadas da base de dados ATW (2007b) e IATA (2007) entre aquelas que possuiam os dados definidos para a análise DEA, inputs e outputs: PAX – passageiros quilômetros transportados em milhares (Input); FRT – toneladas quilômetros de carga transportadas em milhares (Input); CDO – Custo operacional em US $ milhões (2006) (Input); RL – Receita líquida em US $ milhões (2006) (Output); LL – Lucro líquido em US $ milhões (2006) (Output). Os modelos de DEA e nomenclatura utilizada para as DMUs é a seguinte: BCC-I – Resultado do modelo DEA de retorno variável de escala orientado para input (insumo) Cooper et al. (2007) ; BCC-O – Resultado do modelo DEA de retorno variável de escala orientado para output (resultado) Cooper et al. (2007); EMP – Sigla da empresa aérea em IATA (2007) (Quadro 1). As características de cada empresa podem ser encontradas em ATW (2007a). Como passageiros e carga fazem parte das variáveis do estudo, nenhuma empresa somente cargueira foi selecionada. Partiu-se dos dados operacionais da IATA (2007) para o ano de 2006 e dos dados financeiros da ATW (2007) para 2006. O primeiro passo foi verificar a existência de dados coincidentes. O segundo passo foi eliminar outlyers, ou empresas com dados incoerentes. Neste sentido, se obteve as empresas da amostra. Um perfil da amostra de empresas do presente estudo é mostrado nas Figuras 1 a 3. 449 Sitraer 7 (2008) 445-456 – Tr. 433 Figura 2 - Curva de Lorentz para passageiros, 2006 100% 100% 90% 90% 80% 80% 70% 70% 60% 60% PAX RL Figura 1 - Curva de Lorentz para receita líquida, 2006 50% 50% 40% 40% 30% 30% 20% 20% 10% 10% 0% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0% 10% 20% 30% 40% Empresas 50% 60% 70% 80% 90% Empresas Figura 3 - Curva de Lorentz para carga, 2006 100% 90% 80% 70% FRT 60% 50% 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Empresas A Curva de Lorentz para a amostra de empresas de aviação mostra que aproximadamente 60% do total da receita líquida de 2006 foram de 20% das empresas selecionadas. Comportamento semelhante pode ser verificado no caso de passageiros. Por outro lado, 65% da carga esteve concentrada em 20% das empresas. No caso da carga, pode-se considerar que a concentração é ainda maior, pois não foram incluídas empresas cargueiras na amostra. O comportamento da concentração de passageiros é semelhante à receita. A figura 4 mostra que existe uma relação razoável entre a margem operacional (RL/CDO) e a relação lucro líquido e custo operacional (LL/CDO). Uma empresa que se destaca é a Singapore Airlines (SQ). Pode-se observar nesta figura que a única empresa brasileira do estudo TAM (JJ) está exatamente na reta de tendência. O Quadro 1 mostra as relações LL/CDO e RL/CDO para todas as empresas do estudo. 450 100% Sitraer 7 (2008) 445-456 – Tr. 433 Figura 4 – Relação margem operacional e lucro líquido das empresas aéreas da amostra, 2006 Empresas Aéreas - Relação Lucro e Receita por Custo 20% CM (LL/CDO) = 3,2843(RL/CDO)3 - 10,196(RL/CDO)2 + 11,193(RL/CDO) - 4,2739 R² = 0,7216 18% SQ 16% 14% JJ LL/CDO 12% Linha de tendência ZL 10% 8% SK 6% FI AFKL 4% LH/HM US/FJ 2% AA 0% 100% WF 105% 110% 115% 120% 125% RL/CDO 5. RESULTADOS O posicionamento em relação à fronteira da eficiência nos modelos DEA orientados para input e output, considerando 3 inputs e 2 outputs (BCC-I e BCC-O) estão mostrados no Quadro 1. Doze empresas apareceram na fronteira da eficiência em ambas as abordagens e com apenas com uma exceção (Mahan Air), o posicionamento com relação à orientação input é próximo ao posicionamento com relação à output. Este é um primeiro indicador de consistência da análise de eficiência. No entanto, Cooper et al. (2007) recomenda que se busque olhar a questão da eficiência sobre vários ângulos, de maneira a que a análise não fique tendenciosa por uma característica peculiar de uma DMU. Por exemplo, a empresa Regional Express possui uma relação PAX/RL bastante elevada comparada com as demais. De outra forma, ela tem uma relação de FRT/RL bastante baixa. Assim, trata-se de uma empresa focada em passageiros. Quando se analisa o número de vezes que esta empresa aparece como referência para aquelas fora da fronteira, se observa que foi uma vez no modelo BCC-I e nenhuma no modelo BCC-O. Isto indica um posicionamento isolado dos padrões das demais empresas. As empresas que aparecem como referência com mais freqüência no modelo BCC-I são: US Airways (6), Air Seychelles (6), Singapore Airlines (8), Air Pacific (11), Icelandair (12), Scandinavian Airlines (14), Copa (22) e Lufthansa (28). As Empresas que aparecem com referência com mais freqüência no modelo BCC-O são: Air Seychelles (5), US Airways (8), Singapore Airlines (9), Air Pacific (9), Icelandair (11), Scandinavian Airlines (13), Copa (21) e Lufthansa (30). Estas empresas aparecem como as referências em transformar seus produtos em receita e lucratividade. Quadro 1 – Variáveis e resultados dos modelos DEA das empresas aéreas, 2006 Sigla Empresa AFKL Air France-KLM LH Lufthansa PAX/RL FRT/RL RL/CDO LL/CDO BCC-I BCC-O 2333 46 106% 4% 100% 100% 2013 47 107% 4% 100% 100% 451 Sitraer 7 (2008) 445-456 – Tr. 433 AA US SQ SK CM FI WF FJ ZL HM BA JP EK QF CX JK CO CS SU SA TP KE CI W5 LX ET IB LA RJ NH TG NZ TK MI JJ UL PR AV CA IC 9W CZ American Airlines US Airways Singapore Airlines Scandinavian Airlines Copa Icelandair Wideroe Air Pacific Regional Express Air Seychelles British Airways Adria Airways Emirates Qantas Cathay Pacific Spanair Continental Airlines Continental Micronesia Aeroflot South African Airways TAP - Air Portugal Korean Air China Airlines Mahan Air SWISS Ethiopian Airlines Iberia Lan Airlines Royal Jordanian All Nippon Airways Thai Airways Air New Zealand Turkish Airlines Silkair TAM Linhas Aéreas Srilankan Airlines Philippine Airlines Avianca Air China Limited Indian Airlines Jet Airways China Southern Airlines 4425 3157 1887 2830 2554 1935 4439 2552 10013 5078 2166 4256 1976 2390 2139 5650 3566 3048 2615 2527 3326 2555 2629 8907 3125 3293 3910 2918 3140 3896 3754 5238 5804 7352 6651 5252 5539 6402 5448 7029 7785 7980 23 6 135 12 21 74 1 65 7 43 42 21 134 43 154 6 17 42 51 63 29 186 359 46 57 82 31 147 102 52 116 52 45 80 32 165 110 60 143 75 91 129 452 105% 105% 110% 102% 124% 106% 101% 105% 113% 107% 113% 101% 112% 106% 109% 102% 104% 113% 119% 102% 102% 107% 102% 108% 106% 105% 102% 111% 103% 106% 110% 103% 102% 104% 117% 101% 102% 108% 106% 101% 113% 101% 1% 3% 16% 8% 20% 5% 1% 3% 10% 4% 6% 0% 12% 4% 8% 1% 3% 8% 13% 3% 0% 5% 1% 4% 7% 3% 1% 9% 2% 2% 5% 3% 5% 6% 13% 1% 2% 1% 8% 1% 8% 0% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 99% 97% 96% 92% 88% 85% 84% 84% 82% 80% 77% 74% 72% 70% 69% 67% 67% 66% 66% 61% 53% 48% 45% 45% 42% 40% 40% 39% 37% 35% 31% 28% 100% 100% 100% 100% 100% 100% 100% 100% 100% 100% 99% 95% 96% 92% 88% 88% 92% 82% 81% 80% 78% 75% 72% 44% 70% 65% 67% 66% 64% 65% 53% 48% 45% 35% 42% 38% 38% 40% 37% 35% 31% 29% Sitraer 7 (2008) 445-456 – Tr. 433 6. DISCUSSÃO A análise DEA pode ser visualizada quando consideramos dois inputs e um output (FRT/RL e PAX/RL) (Cooper et al., 2007). Esta visualização ajuda a dar consistência à análise. Grandes empresas como British Airways e Air France-KLM não se mostraram como referência, mas na análise da Figura 5 pode-se observar que estas empresas estão próximas à fronteira de eficiência e podem ser consideradas. Um caso especial é da American Airlines que na análise dos modelos BCC-I e O apareceu na fronteira, mas não foi referência para outras empresas. Isto se confirma na análise da figura 5. A American Airlines fica longe da fronteira e próxima a uma área Pareto-não-eficiente (Fernandes et al., 2007). A empresa brasileira TAM apresentou em 2006 uma excelente lucratividade, no entanto, seria difícil dizer que ela possui parâmetros sólidos para manter esta lucratividade. A proximidade das empresas asiáticas e do oriente médio da fronteira de eficiência (vide Quadro 1), mostra que está havendo um catch-up das empresas de transporte aéreo em relação à operação de empresas pioneiras americanas e européias. A empresa brasileira que faz parte do estudo não apresenta um posicionamento favorável. A análise aqui desenvolvida não contempla todas as empresas importantes em operação, sendo assim, esta é uma limitação do estudo. No entanto, ela tem uma amostra significativa das empresas de transporte de passageiros a nível mundial. Figura 5 – Fronteira da eficiência da relação passageiros e carga com a receita líquida das empresas aéreas da amostra, 2006 400 CI 350 300 Fronteira da eficiência FRT/RL 250 200 KE CX 150 SQ 100 FJ LH BA 0 0 TG AFKL FI 50 LA EK 2000 SU QF CM SK RJ ET LX NH TP IB AA CO US HM JJ JK ZL WF 4000 6000 8000 10000 12000 PAX/RL 7. CONCLUSÕES A análise DEA identificou várias grandes empresas mundiais fora da fronteira da eficiência como Continental Airlines, All Nippon Airways, Korean Air, Iberia entre outras. A American Airlines, um caso especial, que nas análises dos modelos BCC-I e BCC-O se encontra na fronteira, mas através de 453 Sitraer 7 (2008) 445-456 – Tr. 433 uma observação de outros elementos se encontra fora da fronteira. A análise aqui apresentada não foi exaustiva, incluindo todas as empresas ou considerando todos os elementos definidores de uma operação de transporte aéreo eficiente e sustentável, no entanto, indica que a busca de operações com valor agregado para passageiros e carga é um importante fator na composição de receitas das empresas. Pode-se observar que os resultados deste estudo são preliminares e que são necessárias outras análises para se testar com mais segurança os parâmetros que levam as empresas para a fronteira da eficiência ou a estarem fora dela. O estudo está limitado ao ano de 2006, assim, uma série histórica com vários anos daria mais consistência aos resultados. Uma hipótese interessante para futuros estudos é se a economia de escala é um fator fundamental para a sustentabilidade das empresas de transporte aéreo. REFERÊNCIAS BIBLIOGRÁFICAS Adler N, Golany B. 2001. Evaluation of deregulated airline networks using data envelopment analysis combined with principal component analysis with an application to Western Europe. European Journal of Operational Research 132(2): 260-273 Araujo Jr. AH, Santos IC, Rocha A. 2008. Relative efficiency and productivity of international airlines. 12th ATRS Word Conference, 6-10 July, Digital Annals, Athens ATW. 2007a. World airline report. Paris ATW. 2007b. World airline financial and traffic results. Paris Banker RD, Charnes A, Cooper WW. 1994. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science 30 (9): 1078-1092. Capobianco HMP, Fernandes E. 2004. Capital structure in the world airline industry. Transportation Research Part A-Policy and Practice 38 (6): 421-434 Chan PS, Sueyoshi T. 1991. Environmental-Change, Competition, Strategy, Structure and Firm Performance an Application of Data Envelopment Analysis in the Airline Industry. International Journal of Systems Science 22 (9): 1625-1636 Charnes A, Cooper WW, Lewin AY, Seiford LM. 1994. Data Envelopment Analysis: Theory, Methodology and Applications. Kluwer Academic Publishers. Boston Charnes A, Gallegos A, Li H. 1996. Robustly efficient parametric frontiers via Multiplicative DEA for domestic and international operations of the Latin American airline industry. European Journal of Operational Research 88 (3): 525-536 Chiou Y-C, Chen Y-H. 2006. Route-based performance evaluation of Taiwanese domestic airlines using data envelopment analysis. Transportation Research Part E: Logistics and Transportation Review 42 (2): 116127 Cooper WW, Seiford LM, Tone K. 2007. Data envelopment analysis: a comprehensive text with model, applications, references and DEA-Solver software, second edition, Springer, New York Fernandes E, Capobianco HMP. 2001. Airline capital structure and returns. Journal of Air Transport Management 7 (3): 137-142 Fernandes E, Pires HM, Lins MPE, Silva ACM. 2008. Financial performance of air transport companies: an analysis of the non-Pareto-efficient space in data envelopment analysis. In: Data Mining IX: Data Mining, Protection, Detection and other Security Technologies, 2008, Cádiz. WIT Press. 40: 185-194. Southampton Good D, Nadiri I, Roeller L-H, Sickles, RC. 1995. Airline efficiency differences between Europe and the US: implications for the pace of EC integration and domestic regulation. European Journal of Operational Research 80, 508-518 454 Sitraer 7 (2008) 445-456 – Tr. 433 Greer MR. 2008. Nothing focuses the mind on productivity quite like the fear of liquidation: Changes in airline productivity in the United States, 2000-2004. Transportation Research Part A-Policy and Practice 42 (2): 414-426 IATA. 2007. WATS 10 year traffic results 1997-2006. São Paulo Lin ETJ. 2008. Route-based performance evaluation of Taiwanese domestic airlines using data envelopment analysis: A comment. Transportation Research Part E-Logistics and Transportation Review 44 (5): 894899 Lovell CAK. 1993. Production frontiers and productive efficiency. In: Fried HO, Lovell CAK, Schimidt SS. (Eds.) The Measurement of Productive Efficiency. Oxford University Press. New York Scheraga CA. 2004. Operational efficiency versus financial mobility in the global airline industry: a data envelopment and Tobit analysis. Transportation Research Part A: Policy and Practice 38 (5): 383-404 Sengupta JK. 1999. A dynamic efficiency model using data envelopment analysis. International Journal of Production Economics 62 (3): 209-218 Tofallis C. 1997. Input efficiency profiling: An application to airlines. Computers & Operations Research 24 (3): 253-258 Tsionas EG. 2003. Combining DEA and stochastic frontier models: An empirical Bayes approach. European Journal of Operational Research 147 (3): 499-510 455 Sitraer 7 (2008) 445-456 – Tr. 433 ANEXO 1 – Dados das empresas aéreas, 2006 Empresa Air France-KLM Lufthansa American Airlines US Airways Singapore Airlines Scandinavian Airlines Copa Icelandair Wideroe Air Pacific Regional Express Air Seychelles British Airways Adria Airways Emirates Qantas Cathay Pacific Spanair Continental Airlines Continental Micronesia Aeroflot South African Airways TAP - Air Portugal Korean Air China Airlines Mahan Air Swiss Ethiopian Airlines Iberia Lan Airlines Royal Jordanian All Nippon Airways Thai Airways Air New Zealand Turkish Airlines Silkair TAM Linhas Aéreas Srilankan Airlines Philippine Airlines Avianca Air China Limited Indian Airlines Jet Airways China Southern Airlines PAX 71.777.638 51.212.907 99.834.761 36.483.394 18.022.009 25.098.816 2.173.830 1.536.213 1.906.054 630.734 1.273.697 438.835 36.086.877 850.002 16.747.667 23.805.278 16.667.005 9.082.431 46.818.302 1.476.993 7.232.727 7.715.488 7.080.970 21.967.135 9.837.589 873.758 10.637.588 1.953.882 27.571.131 8.854.379 1.965.537 49.226.247 18.204.379 12.063.629 16.437.100 1.564.545 22.778.912 3.121.565 6.867.766 7.417.138 31.314.550 9.083.722 10.705.839 48.511.929 456 FRT 1.404.790 1.201.374 519.995 73.408 1.292.768 106.715 18.081 58.641 461 15.996 911 3.740 694.428 4.181 1.136.132 423.687 1.198.678 9.586 217.530 20.351 141.387 191.172 60.970 1.600.511 1.343.793 4.542 195.105 48.706 221.757 445.075 63.703 658.711 561.728 118.839 127.720 16.919 109.161 98.070 136.840 69.420 822.094 97.154 124.783 786.538 CDO 29.108 23.782 21.503 10.999 8.685 8.703 684 747 424 236 113 81 14.756 199 7.562 9.431 7.124 1.577 12.660 427 2.322 3.002 2.090 8.069 3.655 91 3.215 567 6.893 2.731 608 11.872 4.396 2.242 2.770 205 2.915 587 1.220 1.068 5.424 1.275 1.213 6.039 RL 30.765 25.447 22.563 11.557 9.549 8.868 851 794 429 247 127 86 16.663 200 8.475 9.961 7.793 1.608 13.128 485 2.766 3.053 2.129 8.598 3.742 98 3.404 593 7.051 3.034 626 12.635 4.849 2.303 2.832 213 3.425 594 1.240 1.159 5.748 1.292 1.375 6.079 LL 1.092 1.030 231 304 1.404 692 134 37 3 8 12 3 859 0 942 350 548 14 343 36 309 83 9 367 23 4 216 15 74 241 10 274 239 58 132 13 378 8 29 13 423 11 101 26
Documentos relacionados
Uma análise comparativa de desempenho de empresas
20% das empresas – concentração ainda maior, pois não foram consideradas empresas cargueiras na amostra
Leia mais