Resumo

O crescimento acelerado e desordenado das cidades brasileiras favoreceu ao aumento na quantidade de produção de Resíduos Sólidos Urbanos (RSU) (BRASIL, 2019a). Por ser uma temática relevante ao desenvolvimento sustentável da sociedade, mecanismos de regulamentação e controle foram elaborados e implementados, a fim de melhorar o gerenciamento dos Resíduos Sólidos no País. Entre as principais Leis, destacam-se a Lei nº 11.445/2007 (Diretrizes Nacionais para o Saneamento Básico); a Lei nº 12.35/2010 (Política Nacional de Resíduos Sólidos); e a Lei nº 14.026/2020 (Marco Legal de Saneamento Básico)

Com exigências bem definidas, o Governo Federal, estados e municípios precisam seguir as recomendações para que gerenciem seus resíduos de maneira ambientalmente sustentável. Medir a eficiência na prestação dos serviços pelo poder público se apresenta como uma alternativa necessária para uma melhor gestão dos RSU, uma vez que só se gerencia o que se mede (DEMING, 1990). O presente artigo se propôs a mensurar a eficiência relativa na gestão de resíduos sólidos urbanos de municípios de Pernambuco. A partir desta análise, será possível estabelecer parâmetros de benchmarking entre os municípios.

Uma maneira sustentável de se tratar a problemática dos RSU é através de sistemas de gerenciamento integrado de resíduos sólidos (REICHERT; MENDES, 2014). Desse modo, foram instituídas no Brasil algumas leis que tratam especificamente sobre resíduos sólidos e questões que perpassam o assunto. A Análise Envoltória de Dados, do inglês Data Envelopment Analysis (DEA), é um método não-paramétrico, que utiliza programação matemática, e é utilizado para calcular a eficiência comparada de unidades de produção. Assim, o DEA se apresenta como uma ferramenta para calcular a eficiência na gestão dos RSU.

Para a realização deste estudo utilizou-se a ferramenta matemática Análise Envoltória de Dados (DEA) para medir o desempenho operacional relativo entre Unidades Tomadoras de Decisão (Decison Making Units - DMU) (CHARNES; COOPER; RHODES, 1978). Os dados quantitativos relativos às DMU e aos inputs e outputs foram coletados a partir de dados secundários disponíveis em sistemas oficiais federais, estaduais e municipais. A escolha dos inputs e outputs se baseou nos estudos realizados por Soares et al. (2021). Utilizou-se o software livre de Análises de Envoltória de Dados – DEA-SAED V 1.0.

Considerando os custos que os municípios possuem com a coleta de RSU e a quantidade de resíduos coletados, as DMU que se revelaram eficientes foram Cabo de Santo Agostinho e Jaboatão dos Guararapes. Considerando a quantidade coletada de RSU e a produtividade dos trabalhadores como saídas, os municípios de Cabo de Santo Agostinho, Ipojuca, Olinda e Jaboatão dos Guararapes são consideradas eficientes. Com o Custo Unitário com Coleta como input e produtividade média dos empregados e população atendida como outputs, Petrolina se mostrou a DMU mais eficiente e servindo de benchmark para as demais.

Os municípios de Jaboatão dos Guararapes e Cabo de Santo Agostinho foram considerados DMU eficientes em todas as análises. A gestão dos RSU praticado por essas DMU devem servir de parâmetro local entre as outras DMU analisadas no estudo. Em contrapartida, independente das variáveis utilizadas, o município de Abreu e Lima, apresentou um desempenho ruim em todas as análises observadas. O custo empregado na coleta dos resíduos está elevado em relação nível de entrega de resultados à sociedade, mostrando que há uma capacidade latente de melhorar a performance municipal.

BRASIL. Ministério das Cidades. Plano Nacional de Saneamento Básico - PLANSAB. Brasília: Ministério das Cidades, 2019a. DEMING, W.E. Qualidade: a revolução da administração. (Out of the crisis). Rio de Janeiro: Marques Saraiva, 1990. REICHERT, G. A.; MENDES, C. A. B. Avaliação do ciclo de vida e apoio à decisão em gerenciamento integrado e sustentável de resíduos sólidos urbanos. Eng. Sanit. Ambient., Rio de Janeiro, v. 19, n. 3, p. 301-313, set. 2014. CHARNES, A., COOPER, W. W., RHODES, E., Measuring the Efficiency of Decision Making Units. European Journal Of Operational Research, 2(6), 1978