Universidade Federal Fluminense · Web viewUma vez que o orçamento empresarial é o instrumento...

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


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


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.



responderNada

ImportantePouco



1 3 7 19 58 92 180 5

Total Moda


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).



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


responderNada

ImportantePouco



1 3 4 16 52 104 180 5

Total Moda


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.



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.



responderNada

ImportantePouco



4 8 12 29 64 63 180 4

Total Moda


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.



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.



responderNada

ImportantePouco



2 11 14 34 51 68 180 5

Total Moda


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.



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


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


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


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


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


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


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.


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


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.


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.


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


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.

Universidade Federal Fluminense · Web viewUma vez que o orçamento empresarial é o instrumento...

Documents

Transcript of Universidade Federal Fluminense · Web viewUma vez que o orçamento empresarial é o instrumento...