universidade federal fluminense · web viewuma vez que o orçamento empresarial é o instrumento...
TRANSCRIPT
UNIVERSIDADE FEDERAL FLUMINENSEESCOLA DE ENGENHARIA
MESTRADO PROFISSIONAL EM SISTEMAS DE GESTÃO
RELATÓRIO DE PESQUISA E PRODUÇÃO TÉCNICA
Data: 18/Maio/2020
1. IDENTIFICAÇÃO DO PROJETO
Titulo: PROPOSTA DE DIRETRIZES ORÇAMENTÁRIAS INTEGRADAS AOS
PRINCÍPIOS DA PRODUÇÃO ENXUTA: PESQUISA SURVEY
Autor: Rafael Figueira Alves Assinatura: __________________________
Orientador: Prof. Dr. Julio Vieira Neto Assinatura: __________________________
Coorientador (se houver): Assinatura: _______Não há_________________
Linha de Pesquisa: Sistemas de Gestão Organizacional
Projeto de Pesquisa: Organizações e Estratégia
2. INTRODUÇÃO
A transição para o modelo de Produção Enxuta envolve uma transformação radical nos
sistemas e processos contábeis, uma vez que estes foram moldados sobre as premissas do
modelo de produção em massa. Neste contexto, surge o conceito de Lean Accounting
(Contabilidade Enxuta), que visa não só implementar princípios enxutos nos processos
contábeis, como também, auxiliar na eliminação de desperdícios e geração de valor através da
gestão econômico-financeira dos processos.
Considerado um dos artefatos mais utilizados no contexto organizacional, o Orçamento
Empresarial, é um dos poucos instrumentos capazes de integrar toda a gama de atividades
organizacionais em um único plano.
Por estar diretamente relacionado aos objetivos organizacionais e modelo de gestão
empregado, o orçamento exerce papel relevante para o sucesso na implementação,
desenvolvimento e manutenção dos benefícios da filosofia enxuta.
Uma vez que o orçamento empresarial é o instrumento que combina os objetivos
operacionais e financeiros e firma o compromisso adotado pela gerência para o cumprimento
dos objetivos organizacionais, propõe-se a seguinte situação problema: quais diretrizes são
mais relevantes para a criação do orçamento empresarial sobre a ótica do modelo enxuto?
Utilizando-se do método de Análise Fatorial, o presente estudo tem o objetivo de propor
diretrizes orçamentárias sobre a ótica do modelo enxuto, a fim de aumentar a sua integração
aos conceitos deste modelo de produção, abrindo caminhos para a adoção do modelo contábil
enxuto.
3. PROCESSO METODOLÓGICO
3.1. REVISÃO SISTEMÁTICA DE LITERATURA (RSL)
Com intuito de identificar obras aderentes à temática estudada a fim de apoiar a
fundamentação teórica do presente trabalho, foi realizada uma pesquisa bibliométrica
utilizando a base de dados Scopus (Elsevier), acessada através portal de periódicos CAPES
(Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) entre os dias 07 de
Setembro e 09 de Setembro de 2019.
De acordo com Guedes e Borschiver (2005), a bibliometria é um instrumento quantitativo
que auxilia na organização e sistematização de informações científicas e tecnológicas, sendo
possível mapear e gerar indicadores de tratamento e gestão da informação e do conhecimento.
Quadro 1: Diretrizes de busca para bibliometria
Relevância Termos de busca
P PopulationA revelação da população é relevante para adequação dos objetivos pretendidos à revisão sistemática
Lean Accounting, Lean Manufacturing, Lean Thinking
I Intervention
Intervenção a ser observada na populção definida. Para este estudo serão os tipos de orçamento empresarial, Orçamento estático, Orçamento ajustado, Orçamento Base Zero, Activity Based-Budgeting, Controle Matricial, Orçamento flexível, Rolling Budget , Balance Scorecard , Beyond Budget)
Value stream costing, Budget, Base-zero Budgeting, Flexible Budget, Acvtivity Based Budgeting, Rolling Budget, Rolling Forecast, Balance Scorecard, Beyond Budgeting
C ComparisonÉ aplicado em áreas da saúde para comparação de protocolos clínicos.
Não é aplicável para este estudo
O OutcomeTratam-se das saídas esperadas da busca em termos de resultados
Management Accounting, Management Control Systems, Decision Making, Business Strategy
Acrônimo
Fonte: Elaboração própriaA partir da definição das palavras-chave foi elaborado o seguinte string de busca,
adicionando-se os conectores boolianos “OR” e “AND”, conforme abaixo.
( ("Lean Accounting*" OR "Lean Manufacturing" OR "Lean Thinking") AND (“Value
stream costing” OR "Budget*" OR "Budgeting" OR “Base zero Budgeting” OR “Flexible
Budget” OR "Activity Based Budgeting" OR “Rolling Budget” OR “Rolling Forecast” OR
“Balance Scorecard” OR “Beyond Budgeting”) AND ("Management Accounting" OR
"Management Control Systems" OR “Decision Making” OR “Business strategy”) ).
Após inserir o string acima na opção de busca avançada foram reportados 262 resultados,
onde posteriormente, foram inseridos os seguintes filtros descritos na tabela abaixo,
resultando em uma nova lista com 170 artigos.
Quadro 2: Filtros utilizados para pesquisa na base Scopus
Critério de Filtro Filtros AplicadosTipos de Documento
ArticleReview
Idioma EnglishPortuguese
Área
Business, Management and AccountingEngineeringEconomics, Econometrics and FinanceDecision SciencesComputer ScienceMultidisciplinary
Fonte: Elaboração própria
O resultado com 170 artigos foi ordenado conforme ano de publicação, sendo o mais
antigo publicado no ano de 1997 e o mais recente em 2019. Destaca-se que no período de
1997 até 2007 apenas 19 artigos foram encontrados.
Figura 1: Lista de artigos com base no ano de publicação
Fonte: Elaboração própria.
3.2. UNIVERSO E AMOSTRA
De acordo com Hair et al (2009, p.30), as análises multivariadas são definidas como “um
conjunto de técnicas para análise de dados que está sempre em expansão e que engloba um
vasto domínio de possíveis situações de pesquisa”.
Vale ressaltar que, segundo Bartlett, Kotrlik e Higgins (2001), estudos com Análise de
Componentes Principais, o número de respondentes por variável analisada não pode ser
inferior a cinco, e com base no questionário proposto, representaria uma amostra de sessenta e
cinco respondentes (5 * 22 = 110).
Os autores salientam que alguns pesquisadores mais conservadores consideram dez
respondentes por variável a razão ótima para se atingir o melhor tamanho de amostra, sendo
assim, para este estudo a amostra deveria ser de cento e trinta respondentes (13 * 100 = 130),
e concluem que um último critério para pesquisa com Análise de Componentes Principais, o
tamanho mínimo de amostra não pode ser inferior a cem observações, uma vez que o aumento
no tamanho da amostra acarretará na diminuição aceitável de significância dos fatores.
Desse modo, este estudo irá buscar o tamanho mínimo de 130 respondentes em uma
população de gestores e especialistas em orçamento empresarial e produção enxuta.
3.3. INSTRUMENTOS PARA COLETA DE DADOS
A partir da análise dos artigos acima e demais artigos selecionados com relevância
acadêmica para este estudo, foram identificados os construtos da contabilidade enxuta
propostos por Maskell e Baggaley (2006) e Maskell e Kennedy (2007) e as variáveis
apresentadas por outros autores relacionados a própria contabilidade enxuta e o orçamento
empresarial.
Foi gerado um questionário composto por 22 perguntas fechadas, referindo-se a cada uma
destas variáveis com cinco opções de resposta classificadas pela Escala de Likert (discordo
totalmente, discordo parcialmente, não concordo nem discordo, concordo parcialmente,
concordo totalmente). Já o perfil do respondente foi composto por questões abertas, fechadas
e parcialmente fechadas tanto numéricas quanto categóricas.
3.4. TRATAMENTO DOS DADOS
O questionário aplicado foi dividido em três partes: perfil do respondente, análise das
variáveis da contabilidade enxuta mais relevantes para o orçamento empresarial e, por último,
qual o nível de integração entre os conceitos do orçamento empresarial e a contabilidade
enxuta.
Primeiramente, todas as variáveis foram avaliadas por estatística descritiva, com o intuito
de se verificar se cada variável encontrada a partir da revisão da literatura é corroborada pela
percepção dos especialistas. Ressalta-se que o perfil dos especialistas quanto a sua experiência
na temática estudada foi detalhadamente descrito conforme respostas encontradas na primeira
parte do questionário.
Após a tabulação dos dados, as respostas foram inseridas no software estatístico SPSS 25
a fim de se calcular o coeficiente de relação de Spearman, salientando que as respostas “NA”
não sei responder, serão tratadas como missing value (valor omisso).
Segundo Siegel (1975), este coeficiente é a mais antiga estatística baseada em postos,
sendo introduzida por Spearman em 1904. Este coeficiente exige que as variáveis a serem
correlacionadas X e Y, sejam medidas pelo menos em escala ordinal, e no caso de variáveis
quantitativas com distribuição conjunta, diferentemente da distribuição normal bivariada, esse
coeficiente pode ser utilizado como alternativa ao coeficiente de Pearson.
Na segunda parte do questionário, que visa à identificação das principais variáveis
voltadas para o “orçamento enxuto”, foi utilizado o método de análise multivariada de dados,
denominada Análise Fatorial. Segundo Hair et al. (2009), os fatores são tratados como um
conjunto de variáveis que são fortemente inter-relacionadas, representando as dimensões
latentes que resumem ou explicam um conjunto original de variáveis observadas.
Optou-se por este método porque o objetivo deste trabalho é identificar os padrões ou
relações latentes entre as variáveis e determinar se a informação pode ser resumida a um
conjunto menor de fatores, com perda mínima de informação, de modo a manter a natureza e
o caráter das variáveis originais, mas reduzindo seu número para simplificar a análise (HAIR
et al, 2009).
Neste sentido, entende-se por resumo de dados como uma a estrutura, onde, através dela,
o pesquisador pode ver o conjunto de variáveis em diversos níveis de generalização (variando
do mais detalhado até o mais generalizado), de modo que as variáveis não são vistas pelo que
representam individualmente, mas sim, pelo que representam coletivamente na expressão de
um conceito (HAIR et al, 2009). Assim, a identificação de variáveis representativas ou a
criação de um novo conjunto de variáveis, menor que o original, que substitua parcial ou
completamente o conjunto original, pode ser utilizado para conseguir o redução dos dados
(HAIR et al, 2009).
Os autores ressaltam também que o conjunto de variáveis selecionadas pelo pesquisador
já possui alguma estrutura subjacente, sendo assim, o mesmo também deve garantir que a
matriz de dados tenha correlações suficientes para justificar a aplicação de análise fatorial,
para o qual é esperado um número substancial de correlações maiores que 0,30. Ainda
segundo os autores, outra maneira de se analisar a adequação da Análise Fatorial é através do
teste de esfericidade de Bartlett, cujo resultado fornece a significância estatística de que a
matriz tem correlações significantes entre pelo menos algumas variáveis.
Com relação à extração de fatores, será utilizado o método de Análise de Componentes
Principais, pois a análise de fatores principais, com suas suposições mais restritivas e uso
apenas de dimensões latentes, é considerado teoricamente como mais fundamentada. O
critério inicial para a determinação do número de fatores latentes a se extrair será o de raiz
latente, no qual apenas fatores maiores que um, são considerados significantes, onde para fins
de intepretação dos fatores, optou-se pelo método de rotação ortogonal (HAIR et al., 2009).
4. INSTRUMENTO DE APOIO À GESTÃO (RESULTADO DA PESQUISA)
O survey consiste em um questionário eletrônico enviado a especialistas em
“Produção Enxuta” e “Orçamento Empresarial”, com o objetivo de capturar suas
percepções acerca da utilização das variáveis estudadas para a criação de um
“orçamento enxuto”. A validação do instrumento foi realizada através do coeficiente
Alfa de Chronbach, que apresentou valor de 0.915, calculado pelo programa SPSS. O
valor é superior à referência de 0,7 tida como satisfatória para inferir que houve
validação do instrumento de pesquisa como um todo.
Foi obtido um total de 232 respostas, das quais, 180 foram consideradas válidas
para esta pesquisa de acordo com o critério de seleção adotado. Neste critério,
considerou-se como respostas válidas apenas aquelas onde o especialista apresente
experiência “maior que 5 anos” em um constructo e ao “menos de 5 anos” no segundo,
sendo assim, os respondentes que marcaram “não possuo experiência” em qualquer
um dos constructos analisados foram desconsiderados da base de dados final utilizada
para análise dos resultados.
4.1. Análise pelo coeficiente de correlação Spearman
O segundo bloco do questionário buscou avaliar qual a percepção dos
especialistas com relação a importância do orçamento empresarial para o cumprimento
dos objetivos da produção enxuta. Desse modo, a partir da indicação da escala Likert,
quanto mais próximo de 5, maior a sua relevância para a construção de um “orçamento
enxuto”, por outro lado, quanto mais próximo de 1, menor a sua relevância.
A primeira pergunta – o orçamento empresarial ajuda a comunicar os objetivos da
produção enxuta – apresentou como moda a resposta “parcialmente importante”, cuja
frequência relativa encontrada foi de 43%, conforme representado no gráfico da figura
2 e tabela 1.
Tabela 1: Pergunta 1 - frequência absoluta
N.A 1 2 3 4 5Não sei
responderNada
ImportantePouco
Importante Neutro Parcialmente Importante
Extremamente Importante
1 3 15 24 78 59 180 4
Total Moda
Fonte: Elaboração própria
Ainda de acordo com o gráfico abaixo, percebe-se que 76% dos respondentes
concordaram com a afirmativa, ao passo que 13% permaneceram neutros, 10%
discordaram e 1% não soube responder. Deste modo, pode-se inferir que baseado na
percepção dos especialistas, o orçamento empresarial pode ser utilizado como
instrumento para comunicar os objetivos da produção enxuta.
Figura 2: Frequência relativa da pergunta 1
Fonte: Elaboração própria.
Segundo Otley (1999), o orçamento é considerado uma plataforma central para
planejamento e controle, além de ser uma das poucas técnicas capazes de integrar toda
a gama de atividades organizacionais em um único plano. Assim, complementado por
Padoveze e Francischetti (2018), sua utilização auxilia para congruência dos objetivos
corporativos e setoriais, uma vez que estabelece e coordena os objetivos para todas as
áreas da empresa de maneira que todos trabalhem sinergicamente em prol da estratégia
estabelecida (neste caso a implantação da filosofia e técnicas da produção enxuta).
A segunda pergunta – o orçamento empresarial auxilia a obter informações para
tomada de decisões que contribuam para eficiência global da empresa, ao invés de
melhorias locais isoladas de processos – teve como moda a resposta “extremamente
importante”, cuja frequência relativa encontrada foi de 58% conforme tabela 2 e figura
3.
Tabela 2: Pergunta 2 - frequência absoluta
N.A 1 2 3 4 5Não sei
responderNada
ImportantePouco
Importante Neutro Parcialmente Importante
Extremamente Importante
1 3 7 19 58 92 180 5
Total Moda
Fonte: Elaboração própria.
Conforme o gráfico abaixo, nota-se também que 87% concordaram com a
afirmativa, enquanto 9% permaneceram indiferentes, 3% discordaram e apenas 1%
não soube responder. Baseado no resultado encontrado, a percepção dos especialistas
demonstra que o orçamento pode ser também utilizado como uma ferramenta para
identificar desperdícios nos processos relacionados ao fluxo de valor, ao passo que, as
melhorias implantadas resultarão na melhoria global do sistema, conforme (LIKER,
2007; MASKELL e BAGGALEY, 2006).
Figura 3: Frequência relativa da pergunta 2
Fonte: Elaboração própria.
A terceira pergunta – Eu utilizo a informação do orçamento focando em
oportunidades de eliminação de desperdícios, melhoria contínua e geração de valor
para os clientes – apresentou novamente como moda a resposta “extremamente
importante”, cuja frequência relativa foi de 51% conforme destacado no gráfico da
figura 4 e tabela 3.
Tabela 3 : Pergunta 3 - frequência absoluta
N.A 1 2 3 4 5Não sei
responderNada
ImportantePouco
Importante Neutro Parcialmente Importante
Extremamente Importante
1 3 4 16 52 104 180 5
Total Moda
Fonte: Elaboração própria.
De acordo com o gráfico abaixo, percebe-se que 83% dos respondentes
concordam com a afirmativa, 11% permaneceram neutros, 6% discordaram e apenas
1% não soube responder. Sendo assim, como o cerne da produção enxuta é a
eliminação dos desperdícios (CORREA e CORREA, 2019), é necessário identificar
todos os processos da fábrica e descontinuar aqueles que não agregam valor à
produção, que são denominados na metodologia enxuta como desperdícios.
Deste modo, as informações provenientes do orçamento podem ser utilizadas na
identificação de desperdícios no sistema, monitoramento das ações para melhoria
contínua e seus resultados, de modo a aumentar a qualidade dos produtos e reduzir os
custos, gerando assim mais valor para os clientes.
Figura 4: Frequência relativa da pergunta 3
Fonte: Elaboração própria.
Já a quarta pergunta – O orçamento induz a comportamentos que estão
essencialmente alinhados aos objetivos da produção enxuta – apresentou como moda a
resposta “parcialmente importante”, cuja frequência relativa foi de 36% conforme
destacado no gráfico da figura 5 e tabela 4.
Tabela 4: Pergunta 4 - frequência absoluta
N.A 1 2 3 4 5Não sei
responderNada
ImportantePouco
Importante Neutro Parcialmente Importante
Extremamente Importante
4 8 12 29 64 63 180 4
Total Moda
Fonte: Elaboração própria.
Analisando o gráfico abaixo é possível perceber que, 71% dos respondentes
concordaram com a afirmativa, ao passo que, 16% permaneceram neutros, 11%
discordaram e 2% não souberam responder.
De acordo com Fullerton et al. (2013), existe uma relação positiva entre a
utilização da Produção Enxuta e a Contabilidade Enxuta, onde a combinação de ambas
aumentou a eficácia dos controles internos, como também, a performance operacional
e financeira das empresas estudadas. Assim, dado a importância do orçamento
empresarial na condução do planejamento estratégico e no controle operacional, sua
utilização exercerá influência sobre os indivíduos da organização de modo a perseguir
os objetivos da produção enxuta.
Figura 5: Frequência relativa da pergunta 4
Fonte: Elaboração própria.
Por fim, a última pergunta – O orçamento empresarial ajuda a tornar transparente
as atividades: 1) que geram valor 2) que não geram e são necessárias e 3) que não
geram valor para os clientes – apresentou como moda a resposta “extremamente
importante”, cuja frequência relativa foi de 38% conforme destacado no gráfico da
figura 6 e tabela 5.
Tabela 5: Pergunta 5 - frequência absoluta
N.A 1 2 3 4 5Não sei
responderNada
ImportantePouco
Importante Neutro Parcialmente Importante
Extremamente Importante
2 11 14 34 51 68 180 5
Total Moda
Fonte: Elaboração própria.
A partir do gráfico abaixo, percebe-se que 66% dos respondentes concordam com
a afirmativa, 19% permaneceram indiferentes, 14% discordaram e apenas 1% não
soube responder. Considerando que, segundo a classificação das atividades de Hines e
Taylor (2000), resta às empresas concentrarem seus esforços a fim de: eliminar as
atividades que não geram valor para os clientes e redesenhar os processos de modo a
reduzir ou eliminar as atividades necessárias, porém que não geram valor.
Deste modo, como o orçamento concentra as informações de recursos utilizados
para a realização dos processos, logo, o mesmo pode ser utilizado para identificar e
priorizar quais as atividades que não geram valor que mais consomem recursos, a fim
de eliminá-las.
Figura 6: Frequência relativa da pergunta 5
Fonte: Elaboração própria.
4.2. Análise pelo coeficiente de correlação Spearman
Utilizando-se do método de análise multivariada de dados denominada Análise
Fatorial, o presente capítulo visa apresentar os fatores latentes a partir das variáveis
emergentes da revisão da literatura. Deste modo, busca-se apresentar como as
variáveis do orçamento empresarial voltadas para a contabilidade enxuta se inter-
relacionam e agregam-se em fatores latentes que contribuirão para a criação de um
orçamento enxuto.
O quadro abaixo apresenta as variáveis analisadas e posteriormente submetidas ao
método de análise fatorial.Quadro 3: Rótulos das variáveis do orçamento empresarial e contabilidade enxuta.
Variável DescriçãoVAR01 Conhecimento da metodologia enxutaVAR02 Fluxo de informação contínuaVAR03 Mapas de Fluxo de Valor (Value Stream Map)VAR04 Gerenciamento visualVAR05 Utilização de métricas financeirasVAR06 Utilização de métricas operacionaisVAR07 Utilização de indicadores de desempenho voltados para funcionários e equipamentos VAR08 Utilização de indicadores de desempenho voltados para processosVAR09 Precisão na alocação de despesas administrativas, diretas e indiretas VAR10 Utilização do Takt Time VAR11 Projeção financeira do estado futuro dos fluxos de valorVAR12 Estrutura organizacional segmentada em fluxos de valor ao invés de centros de custo e lucroVAR13 Demonstrativo de resultado por fluxo de valor (Value Stream Income Statement)VAR14 Custeio de fluxo de valor (Value Stream Costing)VAR15 Utilização de Boxes Scores para monitoramento da performance dos mapas de fluxo de valorVAR16 Utilização de outras fontes de informação (que não sejam oriundas dos sistemas contábeis)VAR17 Planejamento Hoshin
Fonte: Elaboração própria
A partir das respostas obtidas no questionário, totalizou-se 180 indivíduos únicos,
gerando 2.954 respostas para um universo de 3.060 respostas possíveis (180
indivíduos multiplicado por 18 variáveis). Em se tratando de dados perdidos, foi
contabilizado um total de 106 não-respostas, representando 3% das respostas totais e
variação individual em relação às variáveis entre 0.56% e 13.33%.
O resultado do quadro demonstrado no apêndice D apresenta o padrão dos dados
perdidos, onde a letra “S” refere-se aos dados perdidos não-ignoráveis, tratados pelos
respondentes como a opção “N/A” - não sei responder. Ainda de acordo com o
quadro, percebe-se maior concentração nas variáveis, VAR10, VAR15, VAR16 e
VAR17, destacadas pela letra “S” na cor vermelha em negrito.
Com intuito de verificar a variabilidade dos dados perdidos, foi aplicado o teste de
MCAR de Little, cuja primeira extração apresentou significância menor que 0,05,
rejeitando-se assim a hipótese nula para que os dados perdidos sejam considerados do
nível MCAR, conforme demonstrado na tabela 6, referente a Estatística Estimada de
EM (Maximização de Expectativa).
Tabela 6: Estatística Estimada de EM – Médias EMV
AR
01
VA
R02
VA
R03
VA
R04
VA
R05
VA
R06
VA
R07
VA
R08
VA
R09
VA
R10
VA
R11
VA
R12
VA
R13
VA
R14
VA
R15
VA
R16
VA
R17
4.33 4.13 4.19 4.11 4.52 4.50 4.18 4.38 4.25 3.73 4.10 3.89 4.00 3.96 3.65 3.66 3.94
Médias EMa
a. Teste MCAR de Little: Qui-quadrado = 534,904, DF = 456, Sig. = ,006
Fonte: Elaboração própria
Novas rodadas foram realizadas excluindo as variáveis com maior concentração
de dados perdidos do tipo não-ignoráveis, até que, após a exclusão da VAR10,
conforme apresentado na nova tabela de dados perdidos no apêndice E, o resultado do
novo teste MCAR de Little apresentou significância maior do que 0,05, que por sua
vez, não rejeitou a hipótese nula de os dados perdidos serem do nível MCAR, vide
tabela 7.
Tabela 7: Estatística Estimada de EM – Médias EM (excluindo VAR10)
VA
R01
VA
R02
VA
R03
VA
R04
VA
R05
VA
R06
VA
R07
VA
R08
VA
R09
VA
R11
VA
R12
VA
R13
VA
R14
VA
R15
VA
R16
VA
R17
4.33 4.13 4.19 4.11 4.52 4.50 4.18 4.38 4.25 4.10 3.89 4.00 3.96 3.65 3.65 3.95
Médias EMa
a. Teste MCAR de Little: Qui-quadrado = 399,371, DF = 363, Sig. = ,091
Fonte: Elaboração própria
Segundo Hair et al. (2009), uma vez que os dados perdidos apresentam
comportamento do nível MCAR, pode-se aplicar qualquer método de substituição dos
dados omissos. Sendo assim, para este estudo, foi utilizado o método de mediana de
pontos próximos, gerando-se assim novos valores que serviram de base para a
aplicação da Análise Fatorial.
Destaca-se que as variáveis que apresentaram dois pontos foram ajustadas desta
maneira, ao passo em que outras variáveis que não apresentaram dois pontos, para
cima ou para baixo, o span no programa SPSS foi ajustado para um ponto.
A partir da análise visual da matriz geral de correlações apesentada na tabela 34,
percebe-se uma quantidade significativa de correlações maiores que 0,30 (em
destaque), o que segundo Hair et al. (2009), justifica a aplicação da análise fatorial.
Tabela 8: Matriz de correlações
VAR01 VAR02 VAR03 VAR04 VAR05 VAR06 VAR07 VAR08 VAR09 VAR11 VAR12 VAR13 VAR14 VAR15 VAR16 VAR17VAR01 1.000 ,626** ,454** ,433** 0.123 ,324** ,404** ,450** 0.045 ,274** ,245** ,288** ,209** ,243** ,191** ,228**
VAR02 ,626** 1.000 ,512** ,461** ,245** ,394** ,387** ,464** ,162* ,328** ,261** ,288** ,280** ,261** ,252** ,320**
VAR03 ,454** ,512** 1.000 ,434** ,259** ,443** ,438** ,389** 0.109 ,415** ,416** ,397** ,373** ,351** ,147* ,346**
VAR04 ,433** ,461** ,434** 1.000 ,241** ,268** ,260** ,264** 0.107 ,235** ,202** ,169* ,149* ,224** ,177** ,275**
VAR05 0.123 ,245** ,259** ,241** 1.000 ,512** ,315** ,255** ,358** ,300** ,253** ,222** ,216** ,201** ,286** ,224**
VAR06 ,324** ,394** ,443** ,268** ,512** 1.000 ,512** ,484** ,265** ,286** ,224** ,262** ,269** ,241** ,256** ,313**
VAR07 ,404** ,387** ,438** ,260** ,315** ,512** 1.000 ,656** ,306** ,437** ,278** ,286** ,287** ,336** ,238** ,287**
VAR08 ,450** ,464** ,389** ,264** ,255** ,484** ,656** 1.000 ,163* ,393** ,192** ,198** ,233** ,203** ,172* ,291**
VAR09 0.045 ,162* 0.109 0.107 ,358** ,265** ,306** ,163* 1.000 ,445** ,277** ,231** ,343** ,317** ,296** ,135*
VAR11 ,274** ,328** ,415** ,235** ,300** ,286** ,437** ,393** ,445** 1.000 ,417** ,331** ,376** ,377** ,198** ,228**
VAR12 ,245** ,261** ,416** ,202** ,253** ,224** ,278** ,192** ,277** ,417** 1.000 ,660** ,597** ,442** ,261** ,454**
VAR13 ,288** ,288** ,397** ,169* ,222** ,262** ,286** ,198** ,231** ,331** ,660** 1.000 ,699** ,502** ,262** ,362**
VAR14 ,209** ,280** ,373** ,149* ,216** ,269** ,287** ,233** ,343** ,376** ,597** ,699** 1.000 ,532** ,298** ,412**
VAR15 ,243** ,261** ,351** ,224** ,201** ,241** ,336** ,203** ,317** ,377** ,442** ,502** ,532** 1.000 ,293** ,260**
VAR16 ,191** ,252** ,147* ,177** ,286** ,256** ,238** ,172* ,296** ,198** ,261** ,262** ,298** ,293** 1.000 ,241**
VAR17 ,228** ,320** ,346** ,275** ,224** ,313** ,287** ,291** ,135* ,228** ,454** ,362** ,412** ,260** ,241** 1.000
Fonte: Elaboração própria
Uma vez obtida a matriz de correlações, foi aplicado o teste de esfericidade de
Bartlett, que conforme Hair et al. (2009), trata-se de um teste estatístico que identifica
a presença de correlações entre as variáveis e determina a adequação da análise dos
componentes principais de uma amostra, pois fornece a probabilidade estatística de
que a matriz de correlação tenha correlações significantes entre pelo menos algumas
das variáveis, onde a significância (sig) encontrada deverá ser menor que 0,05.
Uma terceira medida para quantificar o grau de correlações entre variáveis e a
adequação da análise fatorial é o teste KMO. Segundo Hair et al. (2005), este teste tem
as seguintes interpretações: maior ou igual a 0,80, admirável; entre 0,80 e 0,70,
mediano; entre 0,70 e 0,60, medíocre e menor que 0,60 inaceitável. Conforme
apresentado na tabela 35, tanto para o teste de Bartlett, quanto o KMO, ratificam a
adequabilidade dos dados para a aplicação da técnica de Análise Fatorial.
Tabela 9: Teste KMO e Bartlett
0.885Aprox. Qui-quadrado 1601.711gl 120Sig. 0.000
Teste de KMO e BartlettMedida Kaiser-Meyer-Olkin de Teste de esfericidade de Bartlett
Fonte: Elaboração própria
O método de extração utilizado para identificação dos fatores latentes
representados nas variáveis originais foi o de Análise de Componentes Principais, cujo
critério inicial para determinar o número de fatores à serem extraídos foi o de raiz
latente, no qual apenas fatores que possuem raiz latente maior que 1 são considerados
significantes e mantidos para fins de interpretação. Neste trabalho, foram extraídos
três fatores conforme pode ser observado no gráfico de Escarpa vide figura 39.
Figura 7: Autovalor para o critério de raiz latente
Fonte: Elaboração própria
De acordo com Hair et al. (2009), também é necessário a análise das
comunalidades, que nada mais são que a quantia da variância explicada pela solução
fatorial para cada variável, onde segundo os autores, pelo menos 30% da variância
deve ser explicada por cada variável para ser considerada na análise fatorial. As
comunalidades encontradas estão listadas conforme tabela 10.
Tabela 10: Comunalidades
Variável Inicial Extração Variável Inicial ExtraçãoVAR01 1.000 0.703 VAR09 1.000 0.659VAR02 1.000 0.742 VAR11 1.000 0.534VAR03 1.000 0.646 VAR12 1.000 0.755VAR04 1.000 0.530 VAR13 1.000 0.803VAR05 1.000 0.579 VAR14 1.000 0.815VAR06 1.000 0.648 VAR15 1.000 0.648VAR07 1.000 0.621 VAR16 1.000 0.394VAR08 1.000 0.686 VAR17 1.000 0.416
Método de Extração: análise de Componente Principal.Fonte: Elaboração própria
Ainda segundo os autores, a quantidade de fatores extraídos deve ser suficiente
para explicar no mínimo 60% da variância total, assim, no presente estudo, a variância
total encontrada para os três fatores extraídos, explica 63% da variância total, vide
tabela 11.
Tabela 11: Variância total explicada
Total % de variância % cumulativa Total % de variância % cumulativa Total % de variância % cumulativaVAR01 6.852 42.827 42.827 6.852 42.827 42.827 3.612 22.573 22.573VAR02 2.029 12.679 55.506 2.029 12.679 55.506 3.563 22.271 44.844VAR03 1.300 8.124 63.630 1.300 8.124 63.630 3.006 18.786 63.630VAR04 0.876 5.476 69.105VAR05 0.773 4.833 73.938VAR06 0.711 4.446 78.384VAR07 0.629 3.932 82.316VAR08 0.498 3.112 85.428VAR09 0.436 2.726 88.154VAR11 0.371 2.318 90.472VAR12 0.357 2.229 92.701VAR13 0.312 1.948 94.649VAR14 0.249 1.557 96.206VAR15 0.246 1.539 97.745VAR16 0.214 1.339 99.084VAR17 0.147 0.916 100.000
Variância total explicada
ComponenteAutovalores iniciais
Somas de extração de carregamentos ao quadrado
Somas de rotação de carregamentos ao quadrado
Método de Extração: análise de Componente Principal.
Fonte: Elaboração própria
Como resultado, a tabela 38 apresenta a matriz fatorial inicial não rotacionada,
contendo as cargas fatoriais para cada variável sobre cada fator. Segundo Hair et al.
(2009), é preciso decidir sobre quais cargas fatoriais valem a pena ser consideradas.
Para os autores, em se tratando de significância prática, cargas fatoriais na faixa
de ± 0,30 a ± 0,40 atendem ao nível mínimo para intepretação da estrutura. Dado que
o presente estudo trabalha com uma amostra de 180 observações, por interpolação, a
carga fatorial mínima indicada segundo Hair et al. (2009), seria de ± 0,43, conforme
destacado na tabela 38.
Os autores ainda ressaltam que esta orientação é muito conservadora e
recomendam sua utilização como ponto de partida na interpretação de cargas fatoriais,
uma vez que, as cargas menores consideradas significantes são acrescentadas à
interpretação com base em outras considerações.
Tabela 12: Matriz dos Fatores
1 2 3VAR01 0.633 0.404VAR02 0.698VAR03 0.723VAR04 0.560VAR05 0.605 0.457VAR06 0.693VAR07 0.691VAR08 0.666 0.479VAR09 0.601 0.530VAR11 0.704VAR12 0.698 -0.492VAR13 0.658 -0.567VAR14 0.712 -0.546VAR15 0.677 -0.416VAR16 0.512VAR17 0.597
a. 3 componentes extraídos.
Componente Fator
Método de Extração: análise de
Fonte: Elaboração própria
Apesar de soluções fatoriais não-rotacionadas atingirem a meta de redução de
dados, o “pesquisador deve-se perguntar se a solução fatorial não-rotacionada (que
preenche as exigências matemáticas desejáveis) fornecerá informação que oferece
interpretação a mais adequada das variáveis sobre exame” (HAIR et al., 2009, p. 116).
Deste modo, a fim de simplificar a interpretação, os autores recomendam
empregar um método rotacional para conseguir soluções mais simples e teoricamente
mais significativas. Para tanto, aplicou-se uma rotação fatorial do tipo ortogonal
utilizando-se o método Varimax com normalização de Kaizer.
O objetivo final de qualquer rotação é obter alguns fatores teoricamente
significativos e, se possível, a estrutura fatorial mais simples. As rotações ortogonais
são amplamente utilizadas, pois trata-se de um método de rotação mais simples (no
qual os eixos são mantidos em 90º) e comumente oferecidos em todos os pacotes
computacionais (HAIR et al., 2009).
Em se tratando da abordagem para simplificação dos fatores, o critério
VARIMAX se concentra na simplificação das colunas da matriz fatorial, onde a
simplificação máxima possível é conseguida através da maximização da soma das
variâncias de cargas exigidas da matriz fatorial (HAIR, et al., 2009). As relações entre
os fatores encontram-se na Matriz de Transformação de Componente, vede tabela 39.
Os valores maiores que 0,5 nas diagonais (1,1), (2,2) e (3,3) indicam que esses 3
fatores são adequados para representar as 16 variáveis do modelo.
Tabela 13: Matriz de Transformação de Componente
Componente 1 2 31 0.584 0.594 0.5532 -0.756 0.646 0.1053 -0.295 -0.479 0.827Método de Extração: análise de Componente Principal. Método de Rotação: Varimax com Normalização de Kaiser.
Fonte: Elaboração própria
Com a abordagem VARIMAX, há uma tendência para algumas cargas altas e
algumas cargas próximas de 0 em cada coluna da matriz, decorrente da simplificação
deste critério pois a interpretação é mais fácil quando as correlações variável-fator são
próximas de +1 ou -1, o que indica uma associação positiva ou negativa entre variável
e o fator, ao passo que, as correlações variável-fator próximas de 0, apontam para
uma clara falta de associação.
A partir da Análise Fatorial, é possível identificar a estrutura fatorial para as
dezesseis variáveis remanescentes, derivando três grupos distintos (onde as cargas
fatoriais menores que 0,40 foram suprimidas) vide tabela 14.
Tabela 14 : Matriz VARIMAX de cargas fatoriais rotacionadas
1 2 3VAR01 0.816VAR02 0.820VAR03 0.695VAR04 0.707VAR05 0.719VAR06 0.428 0.673VAR07 0.571 0.535VAR08 0.651 0.512VAR09 0.757VAR11 0.553VAR12 0.827VAR13 0.878VAR14 0.858VAR15 0.748VAR16 0.555VAR17 0.547
Variável Dimensão
Método de Extração: análise de Componente Principal. Método de Rotação: Varimax com Normalização de Kaiser.a
a. Rotação convergida em 6 iterações.
Fonte: Elaboração própria
Dimensão 1
VAR12 - Estrutura organizacional segmentada em fluxos de valor ao invés de centros de custo e lucro
VAR13 - Demonstrativo de resultado por fluxo de valor (Value Stream Income Statement)
VAR14 - Custeio de fluxo de valor (Value Stream Costing) VAR15 - Utilização de Boxes Scores para monitoramento da performance dos
mapas de fluxo de valor VAR17 - Planejamento Hoshin
Dimensão 2
VAR01 - Conhecimento da metodologia enxuta VAR02 - Fluxo de informação contínua VAR03 - Mapas de Fluxo de Valor (Value Stream Map) VAR04 - Gerenciamento visual VAR07 - Utilização de indicadores de desempenho voltados para funcionários e
equipamentos VAR08 - Utilização de indicadores de desempenho voltados para processos
Dimensão 3
VAR05 - Utilização de métricas financeiras VAR06 - Utilização de métricas operacionais VAR09 - Precisão na alocação de despesas administrativas, diretas e indiretas VAR11 - Projeção financeira do estado futuro dos fluxos de valor
VAR16 - Utilização de outras fontes de informação (que não sejam oriundas dos
sistemas contábeis)
5. RESULTADOS PARA A AMOSTRA PESQUISADA
Com relação às variáveis agrupadas na primeira dimensão, à exceção da VAR15, que é
voltada para o controle gerencial, percebe-se maior concentração de variáveis voltadas para os
principais processos contábeis, que vaão desde a elaboração de demonstrações financeiras
(VAR13), até a contabilidade de custos (VAR14) e estrutura de custos (VAR12) da empresa,
englobando também o planejamento contábil-financeiro (VAR17). Sendo assim, dado a
natureza destas variáveis, essa dimensão será denominada de “Processos Contábeis Enxutos” .
Já para a dimensão 2, nota-se maior concentração de variáveis relacionadas aos conceitos
e fundamentos da produção enxuta, que são a base para o modelo contábil enxuto. Sendo
assim, esta dimensão foi denominada “Princípios da Produção Enxuta”.
Por fim, a terceira dimensão, apresentou variáveis relacionadas ao controle gerencial
exercido pela contabilidade, sendo assim, em se tratando do modelo contábil enxuto, esta
dimensão ficou denominada como “Controle Gerencial Enxuto”. A figura 40 apresenta a
esquematização das dimensões encontradas.
Figura 8: Framework para criação de orçamentos enxutos
Fonte: Elaboração própria
A presente dissertação buscou apresentar diretrizes para a criação do orçamento
empresarial sobre a ótica dos conceitos enxutos, de modo que a sua utilização contribua para
aumentar a integração deste artefato contábil-financeiro aos conceitos deste modelo de
produção.
Em se tratando do orçamento empresarial, identificou-se a existência de duas correntes
distintas quanto aos seus conceitos, técnicas e ritual, onde os proponentes (vertente
Americana) encorajam maior rigidez e o contínuo aperfeiçoamento deste artefato, ao passo
que, os oponentes (vertente Europeia), defendem maior flexibilidade e inclusive a
descontinuação de sua utilização. Apesar da vasta literatura científica existente sobre a
temática estudada, não foram encontrados estudos sobre a utilização do orçamento
empresarial em empresas enxutas, tampouco a utilização de técnicas e conceitos enxutos
voltados para sua criação.
Com relação aos objetivos específicos, destaca-se que a maioria das variáveis estudadas
foram corroboradas pelos especialistas, sendo classificadas majoritariamente como
“Extremante Importante”. A exceção ficou por conta da VAR07 (Utilização de indicadores de
desempenho voltados para funcionários e equipamentos), pois segundo Cunningham e Fiume
(2017), Fullerton et al. (2013) e Fullerton et al. (2014), Grasso (2005), o cerne da metodologia
enxuta consiste na geração de valor global da empresa, logo, indicadores de desempenho
voltados para funcionários e equipamentos podem estimular ações que promovam melhorias
locais isoladas que não contribuam para o incremento da eficiência global dos processos.
Sobre as correlações existentes entre os objetivos da produção enxuta e as variáveis
voltadas para o orçamento empresarial, a partir do Coeficiente de Spearman, percebeu-se um
número considerável de correlações significativas, o que evidencia como o orçamento
empresarial pode ser utilizado como instrumento auxiliar para se atingir os objetivos da
produção enxuta.
Ademais, através da pesquisa, constatou-se a evolução no desenvolvimento e aplicação
do modelo contábil enxuto, onde através deste, emergiram estruturas que representam uma
simplificação dos diferentes aspectos da contabilidade gerencial, que é a base para a criação
do orçamento empresarial. A partir da Análise dos Componentes Principais, foram gerados
três fatores latentes:
Processos Contábeis Enxutos
Princípios da Produção Enxuta
Controle Gerencial Enxuto
As três dimensões listadas acima resumem dezesseis das dezessete variáveis que
emergiram da revisão da literatura e representam uma simplificação através de fatores
intimamente relacionados aos princípios enxutos, contribuindo assim para a propagação da
metodologia enxuta em todo o ambiente organizacional e abrindo portas para contadores
incorporarem a contabilidade enxuta para fins gerenciais.
Como perspectiva para futuros projetos, sugere-se primeiramente a aplicação deste framework
a um estudo de caso, a fim de se verificar sua viabilidade prática e aprimoramento de cada um
dos fatores latentes, bem como, se a utilização do orçamento enxuto pode simplificar a
transição para o modelo contábil enxuto.
6. PRODUÇÃO TECNICA E TECNOLOGICA RESULTADO DA PESQUISA
Objetivo: Apresentar a produção técnica e tecnológica do discente, relacionada ao tema da dissertação, para fins de avaliação de seus impactos junto à sociedade, o meio ambiente e o setor produtivo.
I) Produção Técnica
DESENVOLVIMENTO DE TÉCNICA
Título da Produção: PROPOSTA DE DIRETRIZES ORÇAMENTÁRIAS INTEGRADAS AOS PRINCÍPIOS DA PRODUÇÃO ENXUTA: PESQUISA SURVEY
Natureza ( ) Analítica ( ) Instrumental ( ) Pedagógica ( x ) Processual( ) Terapêutica ( ) Outra
Finalidade:Finalidade da técnica
Framework criado com o intuito de auxiliar os profissionais da área contábil-financeira durante a criação do orçamento empresarial, de modo a incluir conceitos e técnicas enxutas que auxiliarão no cumprimento dos objetivos do modelo de produção enxuta.
Disponibilidade ( x ) Restrita ( ) IrrestritaInstituição Financiadora: Não aplicávelCidade PetrópolisPaís BrasilDivulgação ( ) Impresso ( ) Meio magnético ( X ) Meio digital ( ) Filme
( ) Hipertexto ( ) Outro ( ) VáriosURL:Observações: (Especialista, quando houver, CPF e Instituição)
II) Produção Tecnológica
O discente, com apoio do professor orientador, deve identificar e detalhar o(s) tipo(s) de produção tecnológica realizado(s) durante o mestrado. Ou seja, o produto propriamente dito resultado da dissertação e ou decorrentes desta.
II.1) TIPOS DE PRODUÇÃO TECNOLÓGICA
( ) novos Produtos e protótipos
( ) novo Processo ou técnica de fabricação/montagem de produtos
( ) novos Equipamentos ou máquinas
( ) novo Dispositivo para auxílio à fabricação/montagem/transporte
( ) aprimoramento de Equipamentos ou máquinas já existentes
( ) aprimoramento de Processos ou técnicas de fabricação/montagem de produtos
( X ) novo Processo de gestão ou de negócio
( ) nova Técnica ou procedimento gerencial
( ) aprimoramento de Técnica ou procedimento gerencial já existente
( ) novo Serviço
( ) novo Software
( ) aprimoramento em software já existente
( ) criação de Empresa ou incubadoras
II.2- Título da Produção Tecnológica: PROPOSTA DE DIRETRIZES ORÇAMENTÁRIAS INTEGRADAS AOS
PRINCÍPIOS DA PRODUÇÃO ENXUTA: PESQUISA SURVEY.
II.3- Descrição: A partir da utilização do framework proposto, as empresas praticantes do modelo de
produção enxuta, poderão direcionar esforços para aperfeiçoamento do orçamento empresarial,
adicionando componentes da contabilidade enxuta que facilitarão o acompanhamento e benefícios
das ações de melhoria contínua e geração de desperdícios oriundos da aplicação das técnicas e
ferramentas do modelo enxuto.
II.4- Finalidade: Aplicar conceitos e técnicas enxutas durante a criação do orçamento empresarial de
modo a suportar a operação e direcionar esforças para o cumprimento dos objetivos da produção
enxuta.
II.5- Avanços tecnológicos e grau de inovação:
( ) impacto social
( X ) impacto econômico
( ) impacto ambiental
( ) impacto acadêmico
( ) impacto tecnológico
( ) Impacto cultural
( ) Impacto profissional
( ) Impacto legal
( ) Outros impactos considerados pertinentes:
______________________________________________________________________
______________________________________________________________________
Descrição do(s) impacto(s) selecionado(s) acima:
II.6- Situação atual:
Finalizado / implantado ( ); Em teste ( ); Piloto/Protótipo ( X ); ( ) Outros:_____________
28
ANEXOS
1. Deve-se dispor aqui os comprobatórios de toda produção citada nos itens 6 (Produção Cientifica) e 7 (Produção Tecnológica);
2. Deve incluir aqui materiais adicionais relevantes para o Relatório de Pesquisa.