Metodologias de Sistemas de Informação Geográfica em sistemas de produção florestal : uma aplicação geoestatística

As florestas são uma fonte importante de recursos naturais, desempenhando um papel fulcral na sustentabilidade ambiental. A sua gestão quer territorial quer económica, conduz a uma maximização da produção, sem alteração da qualidade da matéria-prima. Portugal apresenta mais de um terço do seu território coberto por floresta, apresentando uma possibilidade de aplicação de sistemas de gestão, territorial e económica que maximizem a sua produção. Os Sistemas de Informação Geográfica (SIG) são modelos da realidade em que é possível integrar toda a informação disponível sobre um assunto tendo por base um campo comum a todos as variáveis, a localização geográfica. Os SIG podem contribuir de diversas formas para um maior desenvolvimento das rotinas e ferramentas de planeamento e gestão florestal. A sua integração com modelos quantitativos para planeamento e gestão de florestas é uma mais-valia nesta área. Nesta dissertação apresentam-se modelos geoestatísticos, com recurso a Sistemas de Informação Geográfica, de apoio e suporte à produção de pinha em Pinheiro-manso (Pinus pinea L.). Procurando estimar as áreas com melhor propensão à produção, a partir de dados amostrais. Estes foram previamente estudados tendo sido selecionadas quatro variáveis: largura da copa, área basal, altura da árvore e produção de pinha. A geoestatística aplicada, inclui modelos de correlação espacial: kriging, onde são atribuídos pesos às amostras a partir de uma análise espacial baseada no variograma experimental. Foi utilizada a extensão Geostatistical Analyst do ArcGis da ESRI, para realizar 96 krigings para as quatro variáveis em estudo, com diferentes parametrizações, destes foram selecionados 8 krigings. Com base nos critérios de adequação dos modelos e da análise de resultados da predição dos erros - cross validation. O resultado deste estudo é apresentado através de mapas de previsão para a produção de pinha em Pinheiro manso, em que foram analisadas áreas com maior e menor probabilidade de produção tendo-se realizado análises de comparação de variáveis. Através da interseção de todas as variáveis com a produção, podemos concluir que os concelhos com maiores áreas de probabilidade de produção de pinha em Pinheiro manso, da área de estudo, são Alcácer do Sal, Montemor-o-Novo, Vendas Novas, Coruche e Chamusca. Com a realização de um cruzamento de dados entre os resultados obtidos dos krigings, e a Carta de Uso e Ocupação do Solo de Portugal Continental para 2007 (COS2007), realizaram-se mapas de previsão para a expansão do Pinheiro manso. Nas áreas de expansão conseguimos atingir aumentos mínimos na ordem dos 11% e máximo na ordem dos 61%. No total consegue-se atingir aproximadamente 128 mil ha para área de expansão do Pinheiro manso. Superando, os valores esperados pelos Planos Regionais de Ordenamento Florestal, abrangidos pela área da amostra em estudo, em que é esperado um incremento de cerca de 130 mil hectares de área de Pinheiro manso para 2030.

Instrumentos de responsabilidade social corporativa: desenvolvimento de um modelo de análise com aplicação ao setor do alojamento hoteleiro

O conceito de Responsabilidade Social Corporativa (RSC) reflete a necessidade das empresas desempenharem, a par da sua função primordial, funções importantes a nível das sociedades em que estão inseridas visando aumentar a sua contribuição para um mundo mais justo em termos económicos, sociais e ambientais. A Comissão Europeia (2004) define instrumentos como tendo o objetivo de ajudar as empresas a gerir os seus processos, sistemas e impactos, disponibilizando orientações e critérios de referência, apoiando as empresas na promoção da RSC e estabelecendo níveis mínimos de desempenho. Pretende-se nesta dissertação a criação e validação da aplicabilidade prática de um modelo de análise de instrumentos de RSC, adaptando e expandindo as propostas de classificação fornecidas pela literatura em diversidade e escala e dando origem a um modelo de análise para o setor do Alojamento Hoteleiro. Com este objectivo em mente foram compilados 347 instrumentos no modelo de análise elaborado, agrupados em cinco categorias diferentes, nomeadamente, Códigos de conduta, princípios e diretrizes; Sistemas de gestão e outros instrumentos de gestão de RSC; Índices bolsistas; Modelos de divulgação e comunicação; e Prémios e rankings. Foi verificada a sua validade e aplicabilidade prática com recurso à informação disponibilizada por uma amostra constituida por 31 empresas de de âmbito internacional, conseguida pela compilação dos seus relatórios de sustentabilidade publicados na base de dados online da Global Reporting Initiative (GRI). O estado de qualidade positiva da comunicação de temáticas de RSC através de indicadores GRI neste relatórios de sustentabilidade foi analisada e verificou-se inferior a 50%. Para a amostra de empresas de Alojamento Hoteleiro, a aplicação prática do modelo de análise foi validada com sucesso. Durante o teste da validação do modelo foi possivel obter alguns resultados que serão mencionados em seguida. A ordem das categorias do modelo de análise é coincidente com a ordem decrescente da frequência de utilização de instrumentos pela amostra. As frequências relativas mais altas verificaram-se em primeiro lugar em descritores da categoria Códigos de conduta, princípios e diretrizes, seguindo-se da categoria Sistemas de gestão e outros instrumentos de gestão de RSC de cariz ambiental. Parece, no entanto, existir uma falta de correspondência entre os indicadores requeridos pela GRI e avaliados na análise de qualidade dos relatórios e os dados práticos obtidos com a utilização de ferramentas de RSC. Um exemplo prático deste fenómeno vericou-se nos resultados destas duas categorias que obtiveram maiores frequências de utilização de instrumentos de RSC, pois estas foram também as que obtiveram piores resultados de qualidade de comunicação nos relatórios. Durante esta análise foi compilada uma listagem detalhada dos instrumentos mais utilizados em cada nível de análise de cada categoria do modelo.

Modelo preditivo de insolvência no setor farmacêutico : aplicação à farmácia comunitária portuguesa

O setor farmacêutico apresenta um elevado grau de complexidade, dada a regulamentação a que está sujeito. Atualmente, um dos principais problemas deste setor prende-se com o acentuado aumento (142,6% entre dezembro de 2012 e julho de 2014) do número de farmácias insolventes, sendo impacto da crise económica e consequentes medidas regulamentares aplicadas com o Memorando de Entendimento da Troika. Dada a importância que as farmácias têm na dispensa do medicamento assim como o papel do farmacêutico no aconselhamento diário aos utentes, a redução do número de farmácias levanta problemas no acesso ao medicamento por parte da população. Assim, é necessário dotar as farmácias de ferramentas que lhes permitam gerir o seu negócio, criando bases sólidas de forma a terem uma maior capacidade de reagir em tempos de crise. Desta forma, o objetivo principal do trabalho é fornecer às farmácias uma dessas ferramentas, através da criação de um modelo preditivo de insolvência que permita estimar uma probabilidade de uma farmácia entrar em insolvência. Para o efeito, desenvolveu-se um modelo teórico, com base na revisão de literatura científica e na análise do setor farmacêutico em Portugal, que foi depois testado recorrendo a métodos de estimação com recurso ao modelo logit através do método da Máxima Verosimilhança. O modelo empírico foi estimado com dados de uma amostra de 97 farmácias, selecionadas a partir de uma base de dados da ANF. Esta amostra é composta por todas as farmácias insolventes e por uma seleção aleatória de farmácias solventes, para as quais foi possível utilizar informação proveniente do IES, mantendo a total confidencialidade, nomeadamente dados relativos às dimensões consideradas no modelo teórico: Autonomia Financeira, Endividamento, Gestão de Inventários, Gestão de Funcionários, Liquidez, Prazo Médio de Pagamentos do Estado, Prazo Médio Pagamentos a Fornecedores, Rendibilidade, Solvabilidade, Tesouraria, Dimensão e Localização. As dimensões referidas foram selecionadas após uma análise extensiva da bibliografia sobre esta temática. Estas dimensões foram incluídas na estimação através de variáveis proxy (com exceção da Tesouraria), para as quais foi também levada a cabo uma análise de sensibilidade. Depois de validados os pressupostos da estimação e de uma análise crítica sobre os resultados, foi possível selecionar um modelo em que mais de 90% das observações foram classificadas corretamente. O modelo preditivo selecionado inclui as variáveis proxy das dimensões: Autonomia Financeira, Prazo Médio Pagamentos a Fornecedores, Endividamento, Rendibilidade, Dimensão e Localização. Em testes posteriores, validou-se a capacidade preditiva do modelo com recurso a uma amostra de teste.