Centro de Convenes Ulysses Guimares Braslia/DF 16, 17 e 18 de abril de 2013

MODELO MATEMTICO PARA A GESTO DE RECURSOS HUMANOS BASEADO EM CONTROLES ESTATSTICOS DE DEMANDA E PRODUTIVIDADE

Alexandre Vrubel Alexandre Brondani Mrcio Lopes Vilanova e Silva Luiz Rodrigo Grochocki

Painel 44/165

Planejamento da fora de trabalho

MODELO MATEMTICO PARA A GESTO DE RECURSOS HUMANOS BASEADO EM CONTROLES ESTATSTICOS DE DEMANDA E PRODUTIVIDADE
Alexandre Vrubel Alexandre Brondani Mrcio Lopes Vilanova e Silva Luiz Rodrigo Grochocki

RESUMO

Um problema comum na gesto de laboratrios que realizam exames periciais a determinao da necessidade de pessoal a curto, mdio e longo prazo. Devido variao na complexidade dos exames realizados, estatsticas simples de demanda e produtividade no so suficientes para uma estimativa precisa da necessidade de pessoal. Utilizando as informaes detalhadas fornecidas pelo Sistema de Gerenciamento de Informaes Periciais, desenvolvido no Laboratrio de Informtica Forense do Instituto de Criminalstica de Curitiba e apresentado no XXI Congresso Nacional de Criminalstica, foi desenvolvido um modelo matemtico de estimativa de recursos humanos necessrios para suprir a demanda corrente e de eventuais exames j no aguardo de percia. Tal modelo permite racionalizar a distribuio de pessoal existente, bem como determinar a necessidade de pessoal adicional, e pode ser aplicado em qualquer laboratrio que efetue exames periciais, quantificando e qualificando a tomada de deciso do gestor pblico.

1 INTRODUO Um problema comum na gesto de laboratrios dos Institutos de Criminalstica que realizam exames periciais a determinao da necessidade de pessoal (peritos criminais) a curto, mdio e longo prazo. Isto ocorre devido diversidade dos exames realizados, uma vez que cada um deles possui uma complexidade diferente, o que ocasiona tempos de realizao de exames variados. No entanto, os controles estatsticos de produtividade padro em geral medem apenas o nmero de solicitaes de exames e o nmero de exames realizados em um determinado perodo de tempo, sem levar em conta a natureza de tais exames. Isto ocasiona dados distorcidos, pois exames simples e rpidos acabam tendo o mesmo peso de exames complexos e demorados. Esta distoro de medidas implica que o uso destas estatsticas para a avaliao do desempenho pessoal acaba por gerar avaliaes incorretas por parte da chefia imediata ou da direo. Por exemplo, um perito pode realizar 40 (quarenta) exames simples em um ms, quando comparado a outro perito que realizou 8 (oito) exames complexos, no mesmo perodo. Em nmeros absolutos, o primeiro perito produziu 5 (cinco) vezes mais laudos periciais que o segundo. No entanto, se o exame complexo leva em mdia 10 (dez) vezes mais tempo para ser realizado do que o exame simples, o perito que entregou menos laudos na realidade possui uma produtividade que 2 (duas) vezes maior do que a do perito que realizou apenas exames mais simples. Cumpre referir que diferenas de complexidade da ordem de dez vezes ou mais so comuns em casos reais. Outro problema da complexidade relativa dos exames no ser levada em considerao quando do uso destas estatsticas distorcidas para a realizao de estimativas de tempo necessrio ou de necessidade de pessoal para atingir determinadas metas. As previses geradas acabam possuindo uma margem de erro muito alta, gerando transtornos para o gestor pblico que baseia seu processo de tomada de decises em informaes no confiveis. Com o intuito de melhorar as informaes de demanda e produtividade de exames periciais, foi desenvolvida pelo Laboratrio de Informtica Forense do Instituto de Criminalstica de Curitiba uma ferramenta informatizada de gesto pericial denominada SGIP (Sistema de Gerenciamento de Informaes Periciais).

Este sistema fornece informaes detalhadas sobre os exames realizados, e foi apresentado no XXI Congresso Nacional de Criminalstica, ocorrido em 2011 em Gramado-RS (SILVA, 2011), e foi disponibilizado gratuitamente para os institutos periciais dos demais Estados da Federao. Tal sistema vem sendo adotado por diversos laboratrios do Instituto de Criminalstica de Curitiba, melhorando significativamente os dados estatsticos disponveis para o processo de tomada de deciso por parte dos gestores dos referidos laboratrios. Um exemplo prtico do uso do SGIP para a avaliao de resultados de novas tcnicas periciais tambm foi apresentado na VIII Conferncia Internacional de Percias em Crimes Cibernticos (ICCYBER) realizada em Florianpolis (VRUBEL, 2011). Este trabalho demonstrou uma nova metodologia e novas ferramentas para o exame pericial de aparelhos celulares, e atravs dos dados registrados no SGIP foi demonstrado um aumento de 240% na produo de laudos de telefonia celular. Sem um mecanismo de controle adequado, seria muito difcil mensurar a eficincia desta nova tcnica de exame. Portanto, a combinao de diversas ferramentas, tais como sistemas estatsticos e mtodos de avaliao de produtividade, so imprescindveis para avaliar o trabalho das equipes e justificar investimentos por parte da Administrao Pblica. Outra dificuldade encontrada pelos Institutos de Criminalstica no Brasil o acmulo de exames aguardando por percia. O Ministrio da Justia, atravs da Secretaria Nacional de Segurana Pblica, publicou o Diagnstico da Percia Criminal no Brasil (SENASP, 2012), que entre outras informaes, demonstra o passivo de exames aguardando percia nas vrias unidades da federao. Este acmulo de materiais espera de exame resulta da falta crnica de pessoal na percia criminal brasileira. O SGIP tambm mantm informaes sobre os materiais aguardando exame, inclusive priorizando as percias que precisam ser realizadas. Apesar da riqueza de informaes oferecidas pelo SGIP, ainda era difcil a utilizao destas informaes para a realizao de estimativas de tempo e de pessoal, devido falta de um modelo matemtico que levasse em conta a natureza diversificada dos exames periciais realizados. Foi tal necessidade que motivou este trabalho.

2 OBJETIVOS O principal objetivo deste trabalho apresentar um modelo matemtico desenvolvido para quantificar a necessidade de pessoal para o atendimento da demanda de exames periciais em laboratrios forenses. Tal modelo leva em conta as diferentes complexidades de exames, bem como as estatsticas especficas de demanda e produo para cada tipo de exame, de forma a obter estimativas de tempo e pessoal mais precisas. Alm de considerar o equilbrio entre demanda e produo, o modelo pode ser estendido para levar em conta o eventual passivo de exames espera de exame pericial. A demonstrao do modelo matemtico em funcionamento se d atravs da utilizao dos dados estatsticos fornecidos pelo SGIP para os exames realizados no Laboratrio de Informtica Forense do Instituto de Criminalstica de Curitiba. Os exames de informtica forense so particularmente indicados para este estudo, devido a sua grande variedade em termos de complexidade, e consequentemente de tempos de realizao das percias. Alm disso, um dos laboratrios com a maior quantidade de passivo de exames no aguardo de percia no Instituto de Criminalstica de Curitiba (SENASP, 2012). Deve-se deixar claro que o modelo apresentado pode ser utilizado por qualquer laboratrio forense, seja ele de Balstica, Anlises Qumicas e Biolgicas, DNA, Documentoscopia e Grafotecnia, Identificao Veicular, Percias Audiovisuais, dentre outros, e no apenas para a Informtica Forense. O requisito primordial a disponibilidade de informaes estatsticas individualizadas por tipo de exame realizado, informaes estas prontamente obtidas atravs da utilizao do SGIP. Como resultado da aplicao do modelo matemtico proposto, espera-se quantificar a real necessidade de pessoal, tanto a sua falta quanto o seu excesso, em face dos dados estatsticos coletados. Alm disso, estimativas de eliminao ou acmulo de passivo de exames dadas eventuais alteraes no quadro de pessoal tambm so esperadas, de forma a subsidiar a tomada de deciso por parte dos gestores pblicos.

3 METODOLOGIA Conforme apresentado anteriormente, para o desenvolvimento do modelo matemtico proposto, fundamental a definio de uma forma de discriminar a complexidade relativa dos exames, visando o aumento da preciso das estimativas obtidas a partir dos dados estatsticos. Tal discriminao varia conforme as particularidades de cada laboratrio forense. Por exemplo, nos exames realizados em um laboratrio de balstica, os testes de prestabilidade e eficincia em armas de fogo so muito mais simples do que os exames de confronto balstico. Em outros laboratrios, como usual no caso do Laboratrio de Informtica Forense, a complexidade do exame varia principalmente conforme o tipo do material examinado. Por exemplo, em geral um exame em computador leva muito mais tempo para ser concludo do que um exame em um aparelho de telefonia celular ou de um simples carto de memria. Desta forma, o modelo no impe nenhuma restrio especfica, apenas torna-se necessrio discriminar os diversos tipos de exame, sendo que cada tipo possui sua prpria complexidade. Nas equaes a seguir, n indica o nmero de exames distintos. O mtodo sugerido para determinar a complexidade relativa de cada tipo de exame estimar o tempo mdio em horas necessrias para a realizao de um caso tpico daquele exame. claro que existem variaes de caso para caso, mas visando a simplificao do modelo matemtico proposto, sugere-se utilizar este tempo mdio, que pode ser obtido a partir dos dados estatsticos j disponveis. Nas equaes a seguir, a complexidade de cada exame i ser denotada por ci, para um total de n diferentes exames sendo considerados. Note-se que o valor de complexidade ci adimensional, e serve apenas para relativizar a complexidade entre exames, no importando o seu valor absoluto. Por exemplo, se para dois exames quaisquer temos as complexidades c1 = 10 e c2 = 100, isto indica que o exame 2 demanda 10 vezes mais tempo para a sua realizao do que o exame 1. O mesmo resultado relativo seria obtido caso as complexidades fossem c1 = 2 e c2 = 20, por exemplo.

O prximo requisito do modelo matemtico so os dados estatsticos propriamente ditos. No mnimo, so necessrias as informaes de demanda (tambm conhecidas como exames solicitados ou entradas de exames) e as informaes de produo (tambm chamadas de exames realizados ou sadas de exames), para cada tipo de exame i sendo considerado. As informaes do passivo de exames aguardando exame pericial tambm podem ser utilizadas no modelo. Entretanto, esta no uma condio obrigatria para a aplicao do modelo matemtico proposto. Apesar da aparente simplicidade, a obteno destes dados estatsticos no trivial. O primeiro aspecto a ser considerado o fator tempo. Os dados estatsticos precisam se referir a um perodo de tempo especfico. Por exemplo, as informaes de demanda e produo podem ser acumuladas em perodos de meses, trimestres, semestres ou anos. Quanto maior o intervalo de tempo, menor o efeito de variaes sazonais nos dados estatsticos, sejam elas: frias de peritos, feriados, operaes policiais com grande volume de apreenses. normal existirem variaes nos dados de demanda e produo e estas variaes acabam sendo uniformizadas quando um intervalo de tempo maior utilizado para a coleta das estatsticas. Por outro lado, quanto maior o intervalo de tempo torna-se mais difcil garantir a constncia das variveis importantes para as estimativas, como por exemplo, a quantidade de pessoal e as ferramentas tcnicas disponveis. Imagine-se que os dados foram acumulados durante um ano, mas que nos primeiros sete meses havia 5 peritos trabalhando, e nos cinco meses seguintes este nmero diminuiu para 4. As estatsticas de produo acabariam ficando superestimadas, pois na realidade houve uma reduo na capacidade produtiva durante o ano. Outro exemplo se houver uma melhoria tcnica significativa, como aquela mencionada em (VRUBEL, 2011). Naquele trabalho, foi demonstrada uma melhoria na capacidade produtiva de 240% nos exames de telefonia celular. Se os dados estatsticos coletados combinassem informaes de perodos de tempo anteriores melhoria com perodos de tempo aps a mesma, a capacidade produtiva atual seria subestimada.

Logo, o intervalo de tempo de coleta das estatsticas deve ser ajustado conforme as caractersticas especficas de cada laboratrio e tambm de acordo com eventos que causem impacto nos exames periciais. O segundo aspecto que dificulta a definio dos parmetros estatsticos a tendncia de modificao da demanda com o passar do tempo. Como o modelo matemtico proposto visa criao de estimativas, torna-se importante levar em conta eventuais tendncias futuras nos dados de demanda. Por exemplo, a Figura 1 apresenta graficamente os dados de demanda e produo de exames em aparelhos celulares. Nota-se claramente uma tendncia de crescimento no nmero de aparelhos recebidos para exame, apesar de eventuais variaes entre os diversos meses. J os valores de produo apresentam caractersticas de sazonalidade, com reduo da produo nos meses de julho e novembro, meses em que comum haver peritos em frias ou acmulo de feriados.

Figura 1 - Grfico mensal de demanda e produo de exames de telefonia celular em 2012.

Desta forma, o que se sugere a realizao de uma anlise estatstica de regresso clssica (AGRESTI, 2007) de forma a modelar as informaes de demanda com o passar do tempo. Apesar de no obrigatrio, tal anlise aumentaria ainda mais a preciso das estimativas fornecidas pelo modelo matemtico sendo apresentado. De posse da categorizao de exames, sua complexidade relativa e as informaes estatsticas de demanda e produo, pode-se definir o modelo matemtico para quantificar a necessidade de pessoal para o equilbrio entre

demanda e produo. O modelo responde tal questo atravs do clculo do Fator de Ajuste (FA). Este fator adimensional, e indica o quociente entre demanda e produo ponderado pelas complexidades relativas dos n tipos de diferentes exames. A Equao (1) apresenta a frmula para o clculo do Fator de Ajuste FA, onde ei indica o nmero de entradas (demanda), si o nmero de sadas (produo) e ci a complexidade, cada um deles por tipo de exame i, em um total de n diferentes exames sendo considerados.
n

ci FA =
i =1 n

ei
(1)

ci
i =1

si

Esta Equao (1) possui um significado lgico: O numerador equivale quantidade terica de esforo para atender a demanda, enquanto o denominador equivale quantidade terica de esforo realizado para a produo. A mtrica de esforo amplamente utilizada em engenharia de software (GHEZZI et al, 1992). Deve ser notado que como a complexidade ci de cada exame multiplica cada valor de demanda ei ou de produo si, aparecendo tanto no numerador quanto no denominador da Equao (1), ela funciona como um fator de ponderao relativo entre exames, cujo valor absoluto pode ser arbitrrio. Por outro lado, a complexidade e quantidade de exames so naturalmente equilibradas. Isto ocorre pelo fato de mesmo que um exame seja complexo, se ele for pouco solicitado ao laboratrio, vai determinar um peso menor no clculo do Fator de Ajuste FA do que outro exame que apesar de mais simples, acaba tomando muito tempo devido grande quantidade de solicitaes. O valor do Fator de Ajuste FA pode ser interpretado da seguinte maneira:
a) Se FA = 1.0, isto indica que h equilbrio entre a demanda e a

produo. No entanto, um cuidado deve ser tomado. Se no houver passivo de exames aguardando percia, ento no haver forma da produo ser maior que a demanda, o que faria com que o limite mnimo de FA fosse 1.0. Logo, em situaes de FA = 1.0 e ausncia de passivo, h a possibilidade de excesso de pessoal presente no laboratrio, que atende plenamente a demanda solicitada, mas que apresenta uma parcela de capacidade produtiva que est ociosa.

10

Neste caso, parte do pessoal poderia ser realocada para outras sees. Esta eventualidade ser discutida com mais detalhes a seguir.
b) Se FA > 1.0, isto indica que a demanda maior que a capacidade

produtiva, logo h carncia de pessoal ou de ferramentas que venham a aumentar a produtividade do laboratrio. A capacidade de produo teria que ser aumentada pelo valor do fator FA para que a demanda e produo entrassem em equilbrio. Por exemplo, se os dados estatsticos se referiam a 6 peritos, e o fator FA calculado foi de 1.5, mantidas as demais condies constantes (como ferramental

disponvel e carga horria), seriam necessrios 9 (nove) (6 x 1.5) peritos para equilibrar a demanda com a produo.
c) Se FA < 1.0, isto indica que a produo est sendo maior que a

demanda, ou seja, o passivo de exames aguardando percia est sendo reduzido. A parcela da fora de trabalho responsvel por suprir a demanda seria representada pelo fator FA, enquanto que a parcela da equipe responsvel pela reduo do passivo seria representada pelo fator (1.0 - FA). Por exemplo, se os dados estatsticos se referiam a 10 peritos, e o fator FA calculado foi de 0.8, mantidas as demais condies constantes (como ferramental disponvel e carga horria), seriam necessrios 8 (oito) (10 x 0.8) peritos para atender a demanda atual, e os 2 (dois) (10 x 0.2) peritos remanescentes estariam reduzindo o passivo de exames acumulados. Na eventualidade de FA = 1.0 e ausncia de passivo, h a possibilidade de capacidade produtiva ociosa. Para se determinar a real quantidade de pessoal necessrio para o atendimento da demanda, torna-se necessrio um clculo alternativo para o fator FA, que efetua um quociente entre a complexidade efetivamente produzida e a complexidade mxima terica de produo pela equipe de trabalho. No caso da complexidade ci de cada exame i for medida em horas (como sugerido anteriormente), pode-se utilizar a Equao (2) para o clculo do Fator de Ajuste Alternativo FAALT, em situaes de ausncia de passivo. Nesta equao, NPINT indica o nmero de peritos da equipe durante o intervalo de tempo de medio das estatsticas de produo si, e CHINT indica a carga horria total por perito durante o intervalo de tempo de medio das estatsticas si. Por exemplo,

11

se as estatsticas so anuais, CHINT pode ser obtido atravs da multiplicao do nmero de dias teis no ano em questo (descontando-se tambm as frias) pela carga horria diria.
n

ci si FAALT =
i=1

NPINT

CH INT

(2)

Como o numerador da Equao (2) representa o nmero de horas gastas em produo, e o denominador a carga horria mxima da equipe de trabalho, a Equao (2) deveria retornar valores entre 0.0 e 1.0 para FAALT. Caso este novo fator FAALT seja > 1.0, isto indica uma produo superior ao mximo terico, ou seja, as complexidades dos exames esto certamente superestimadas, necessitando de reviso. Como a Equao (2) depende diretamente do valor numrico da complexidade ci, que um valor estimado, a equao como um todo apresenta uma preciso bem menor do que a Equao (1), onde as complexidades ci so utilizadas apenas como fatores de ponderao. FAALT deve ser utilizado para se ter um indicativo se os valores de complexidade ci estimados refletem a realidade do tempo mdio de execuo dos exames, e para se verificar uma eventual capacidade de produo ociosa. Por exemplo, se FAALT for 0.5, em um caso em que o FA calculado pela Equao (1) resultou em 1.0 e no h passivo de exames acumulados, isto indica que aproximadamente metade dos peritos seria capaz de atender a demanda atual, sendo a outra metade passvel de realocao para outras sees. Outra interpretao seria a de que os peritos gastam metade de sua carga horria efetuando exames, e outra metade com outras atividades, como pesquisa e aperfeioamento. Logo, o fator FAALT serve como mais um indicador de produtividade, sendo necessria uma avaliao qualitativa por parte do gestor do laboratrio para uma interpretao correta de seu significado. Deve-se notar que o fator FA no se refere obrigatoriamente a mudanas na quantidade de pessoal. Melhorias de tcnicas, procedimentos ou de equipamentos que aumentassem a capacidade produtiva por um fator equivalente ao FA permitiriam que o mesmo nmero de peritos, anteriormente incapazes de atender a demanda, passasse ento a supri-la. Como exemplo, vide (VRUBEL, 2011).

12

Por fim, existe uma variao possvel na Equao (1), que leva em conta o passivo de exames aguardando percia, para cada tipo de exame i. Nesta Equao (3), o fator tempo passa a ter maior importncia, pois dado um passivo de exames, levar-se- uma quantidade de tempo t at que tal passivo seja completamente esgotado. A ideia proposta : para cada tipo de exame i, se colocar o passivo pi junto s entradas ei durante um perodo de tempo t (assim eij significa a entrada ei no tempo j), divididas pela produo efetiva si, constante durante o tempo t. O Fator de Ajuste com Passivo FAP indicaria o ajuste necessrio capacidade produtiva para atender a meta de zerar o passivo pi em adio ao atendimento das demandas eij. Note-se que t medido na mesma unidade que as estatsticas de demanda ei e de produo si, ou seja, se ei e si so estatsticas anuais, t medido em anos, e deve ser fornecido pelo usurio da Equao (3), ou seja, um parmetro de entrada.
n t

ci FAP =
i=1 n

pi +
j=1

eij
(3)

ci
i=1

si t

Esta Equao (3) j prev, em adio ao tratamento do passivo de exames pi, uma projeo de modificao da demanda eij durante o intervalo de tempo t. Por exemplo, uma anlise de regresso pode indicar que a demanda est aumentando linearmente, logo os valores eij variariam segundo uma progresso aritmtica de ano para ano. Em suma, o modelo matemtico proposto apresenta trs indicadores:
a) Fator de Ajuste FA: Indica a relao entre demanda e produo,

levando em conta a complexidade relativa dos exames. o mais importante para se avaliar a situao presente de um laboratrio. Vide Equao (1).
b) Fator de Ajuste Alternativo FAALT: utilizado em casos de ausncia de

passivo de exames a periciar, ou para verificar a consistncia das complexidades atribudas aos exames. Vide Equao (2).
c) Fator de Ajuste com Passivo FAP: utilizado para estimar a

necessidade de mudanas na capacidade produtiva visando eliminao de passivo de exames num perodo de tempo prestabelecido. Vide Equao (3).

13

4 RESULTADOS OBTIDOS O modelo proposto foi aplicado aos dados estatsticos do Laboratrio de Informtica Forense do Instituto de Criminalstica de Curitiba. Estes dados encontram-se transcritos no Quadro 1, e se referem demanda, produo e passivo ao final do ano de 2012. Durante este ano, o laboratrio dispunha de 5 peritos atuando em tempo integral (40h semanais), e um perito atuando em tempo parcial (20h por semana) na realizao de exames periciais. Cumpre referir que a melhor forma de quantificar os exames requeridos na Informtica Forense atravs da diferenciao dos materiais sendo examinados, pois de maneira geral cada material possui a sua forma particular de exame. Desta forma, as estatsticas do Quadro 1 foram quantificadas para cada tipo de material passvel de exame pelo laboratrio.
Quadro 1 - Dados estatsticos de materiais submetidos a exame em 2012.
Complexidade (ci) 3 1 3 1 3 30 2 1 3 1 25 2 Entradas em 2012 (ei) 35 386 9 448 2273 172 11 2 8 35 1 58 Sadas em 2012 (si) 25 314 9 440 1531 75 3 2 6 141 1 0 Passivo em 01/01/2013 (pi) 61 326 18 1100 5467 556 346 1 12 74 1 62

Item

Material

1 2 3 4 5 6 7 8 9 10 11 12

Carto de Memria Carto SIM Cmera Digital CD Celular CPU Disquete Documentos Duplicadora CD/DVD DVD Gravador de Imagens Gravador/Leitor de DVD

14

13 14 15 16 17 18 19 20 21 22

HD Material para clonagem MP3/MP4/MP5/GPS Notebook Outros PDA Pen drive Sem Material Sistema de Informaes Tablet TOTAL

30 3 3 30 3 6 3 3 30 6 192

20 95 7 80 220 2 75 7 1 4 3949

13 95 4 31 86 6 39 7 1 1 2834

121 0 20 180 282 3 83 3 0 3 8719

Uma rpida observao dos valores apresentados no Quadro 1 deixa claro que a demanda do laboratrio muito superior capacidade produtiva. Foram encaminhados a exame 3949 materiais, mas foram efetivamente examinados apenas 2834. Apenas os materiais dos itens 10 e 18 (DVD e PDA) tiveram produo superior demanda, enquanto para todos os demais itens houve aumento ou estabilizao do passivo de materiais aguardando percia. Aplicando as Equaes (1), (2) e (3) apresentadas anteriormente sobre os dados do Quadro 1, obtm-se os seguintes indicadores: FA = 1.75

FAALT = 0.986 FAP FAP FAP = 6.35 (calculado para t = 1 ano) = 3.28 (calculado para t = 3 anos) = 2.66 (calculado para t = 5 anos)

A anlise de tais indicadores indica:

a) Como o Fator de Ajuste FA = 1.75 > 1.0, a demanda superior

capacidade produtiva. Isto implica que o passivo de exames aguardando percia est aumentando. Para equilibrar a capacidade

15

produtiva com a demanda atual, seriam necessrios 5.5 x 1.75 = 9.6 peritos, ou um aumento equivalente de 75% de produtividade obtido a partir de ferramentas ou procedimentos mais eficientes.
b) O Fator de Ajuste Alternativo FAALT indica que as complexidades

estimadas para os diversos exames so coerentes, ou seja, se aproximam da realidade do exame, uma vez que este fator ficou prximo a 1.0.
c) O Fator de Ajuste com Passivo FAP foi calculado para trs diferentes

intervalos de tempo t (um, trs, e cinco anos), ou seja, qual deveria ser o ajuste na quantidade de peritos para atender a demanda corrente bem como o passivo de exames acumulados num perodo de um, trs, ou cinco anos. Neste caso, os valores obtidos de 6.35, 3.28, e 2.66 indicam a necessidade de 5.5 x (6.35, 3.28, 2.66) = 34.9, 18.0, e 14.6 peritos para cumprir respectivamente as metas de um, trs, ou cinco anos para eliminar o passivo de exames. Neste clculo, no foi considerado o aumento de demanda com o passar do tempo ( eij foi constante durante o perodo de tempo t), o que indica que tal quantidade de peritos possivelmente est subestimada. Do ponto de vista gerencial, estes indicadores so extremamente preocupantes. A quantidade de peritos atual claramente insuficiente para atender a demanda (5.5 peritos contra uma necessidade de 9.6), o que ocasiona um aumento cada vez maior do passivo de exames. Para uma meta de eliminar o passivo em 5 anos, seriam necessrios 14.6 peritos no mnimo. E isto ainda implicaria que determinados exames aguardariam 5 anos antes de serem realizados, com claro prejuzo no atendimento justia e ao cidado. Todos estes indicadores matemticos reforam a percepo intuitiva de que a percia criminal no Brasil no recebe os recursos necessrios para cumprir a sua misso institucional para com a sociedade, sofrendo de uma falta crnica de pessoal.

16

5 CONCLUSO O modelo apresentado permite racionalizar a distribuio de pessoal existente, bem como determinar a necessidade de pessoal adicional, tanto para equilibrar a demanda com a capacidade produtiva, quanto para esgotar eventuais passivos de materiais ou exames aguardando percia. O mtodo pode ser aplicado em qualquer laboratrio que efetue exames periciais, pois permite uma total customizao de seus parmetros s diferentes realidades dos laboratrios forenses. Atravs da aplicao do modelo matemtico, possvel estimar com mais preciso as necessidades de pessoal, servindo de subsdio para requisies de concursos pblicos, contrataes ou realocaes de pessoal entre setores, bem como para a determinao de metas realsticas para a fora de trabalho existente. Outra aplicao da de justificar a aquisio de equipamentos e de ferramentas que possibilitem o aumento da produtividade da equipe de trabalho. Todos estes benefcios servem, em ltima anlise, para a melhoria do processo de tomada de deciso do gestor pblico.

REFERNCIAS AGRESTI, A. An introduction to categorical data analysis. 2 ed. New Jersey: Wiley Series in Probability and Statistics, 2007. GHEZZI, C., JAZAYERI, M., MANDRIOLI, D. "Fundamentals of Software Engineering (2nd Edition)". Ed. Prentice Hall, 1992. SECRETARIA NACIONAL DE SEGURANA PBLICA. "Diagnstico da Percia Criminal no Brasil". Braslia, 2012. Portal do Ministrio da Justia (http://portal.mj.gov.br) acessado em 17/03/2013. SILVA, M. L. V. "Sistema Informatizado para Gerenciamento de Informaes Periciais Permitiu Melhorias nos Trabalhos em Laboratrios Forenses". XXI Congresso Nacional de Criminalstica, Gramado, 2011. VRUBEL, A. "Using XSLT Filters to Improve Productivity and Quality on Cell Phone Forensics". VIII Conferncia Internacional de Percias em Crimes Cibernticos, Florianpolis, 2011.

17

___________________________________________________________________
AUTORIA Alexandre Vrubel Instituto de Criminalstica de Curitiba - Polcia Cientfica do Paran - Secretaria de Estado de Segurana Pblica do Paran Endereo eletrnico: alexandre.vrubel@ic.pr.gov.br Alexandre Brondani Instituto de Criminalstica de Curitiba - Polcia Cientfica do Paran Secretaria de Estado de Segurana Pblica do Paran Endereo eletrnico: brondani@ic.pr.gov.br Mrcio Lopes Vilanova e Silva Instituto de Criminalstica de Curitiba - Polcia Cientfica do Paran - Secretaria de Estado de Segurana Pblica do Paran Endereo eletrnico: marcio.silva@ic.pr.gov.br Luiz Rodrigo Grochocki Instituto de Criminalstica de Curitiba - Polcia Cientfica do Paran Secretaria de Estado de Segurana Pblica do Paran Endereo eletrnico: luiz.grochocki@ic.pr.gov.br