CATEDRA DE INGINERIA SISTEMELOR AERONAUTICE NICOLAE TIPEI [602715]

UNIVERSITATEA „POLITEHNICA” din BUCUREȘTI
FACULTATEA DE INGINERIE AEROSPAȚIALĂ
CATEDRA DE INGINERIA SISTEMELOR AERONAUTICE "NICOLAE TIPEI"

Nr. Decizie Senat __________ din _____________

TEZĂ DE DOCTORAT

OPTIMIZAREA PERFORMANȚELOR OPERAȚION ALE ALE AEROPORTURILOR

OPTIMIZATION OF OPERATIONAL PERFORMANCE OF AIRPORTS

Autor: Ing. Dan – Cristian ION
Conducător de doctorat: Prof. dr. ing. Adrian Mihail STOICA

COMISIA DE DOCTORAT

Președinte de la
Conducător de doctorat de la
Referent de la
Referent de la
Referent de la

BUCUREȘTI
2013

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

2

UNIVERSITATEA „POLITEHNICA” din BUCUREȘTI

Teză de doctorat

OPTIMIZAREA PERFORMANȚELOR
OPERAȚIONALE ALE AEROPORTURILOR

Coordonator:
Prof. univ. ing. Adrian Mihail STOIC A

Doctorand: [anonimizat]. Dan – Cristian ION

București
2013

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

3
________________________________________________________________

Cuprins
________________________________________________________________

CUVÂNT ÎNAINTE 5

CAPITOLUL 1.
INTRODU CERE 6

CAPITOLUL 2.
ASPECTE PARTICULARE IN MANAGEMENTUL AEROPORTURILOR 10
2.1. AEROPORTUL: DEFINIȚIE ȘI FUNCȚII 10
2.2. STRUCTURA COSTURILOR ȘI VENITURILOR AEROPORTURILOR 12
2.3. RELAȚIA AEROPORT – LINII AERIENE 15
2.4. COMPETIȚIA ÎNTRE AEROPORTURI 19
2.5. IMPACTUL SOCIO -ECONOMIC AL AEROPORTURILOR 22
2.6. SITUAȚIA ACTUALĂ 24

CAPITOLUL 3.
FUNDAMENTE TEORETICE PRIVIND BENCHMARKING -UL 29
3.1. INTRODUCERE ÎN CONCEPTUL DE BENCHMARKING 29
3.1.1. Apariția și dezvo ltarea benchmarking -ului 29
3.1.2. Benchmark și benchmarking 30
3.1.3. Tipuri de benchmarking 32
3.1.4. Implementarea și desfășurarea unui proces de benchmarking 33
3.2. BENCHMARKING AEROPORTUAR 38
3.2.1. Necesitatea indicatorilor d e performanță 38
3.2.2. Metode de analiză comparativă 41
3.2.2.1. Metoda indicatorilor de performanță parțială 43
a. Productivitatea 44
b. Eficiența costurilor 44
c. Generarea veniturilor 45
3.2.2.2. Metoda regresiei simple 46
3.2.2.3. Metoda analizei frontierei stocastice 48
3.2.2.4. Metoda index 55
3.2.2.5. Metoda anal izei anvelopei datelor 56
3.2.3. Benchmarking -ul aeroportuar în literatura de specialitate 62
3.2.4. Perspective ale benchmarking -ului aerop ortuar 66

CAPITOLUL 4.
STUDIU DE CAZ BENCHMARKING: AMERICA DE NORD, EUROPA ȘI ASIA -PACIFIC
67
4.1. DATE GENERALE REFERITOARE LA STUDIUL DE CAZ 67
4.2. CAPACITATEA AEROPORTUARĂ ȘI VOLUMUL DE TRAFIC 69
4.2.1. Capacitatea zonei aeriene 70
4.2.2. Capacitatea terminalel or 71
4.2.2.1. Numărul de porți de îmbarcare 72
4.2.2.2. Dimensiunea terminalelor de pasageri 72
4.2.3. Numărul angajaților 73
4.2.4. Volumul de trafic 75
4.2.4.1. Traficul de pasageri 75
4.2.4.2. Traficul de marfă 76
4.2.4.3. Unitatea ech ivalentă de încărcare (WLU) 77
4.2.4.4. Numărul de mișcări de aeronave 78

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

4
4.2.4.5. Numărul de pasageri per ATM 78
4.3. STRUCTURA TAXELOR LA AEROPORTURILE STUDIATE 79
4.3.1. Taxa de aterizare 80
4.3.2. Taxele de term inal 82
4.3.3. Taxa de securitate 83
4.4. PRODUCTIVITATEA AEROPORTURILOR 84
4.4.1. Productivitatea muncii 84
4.4.1.1. Numărul de pasageri raportat la numărul de angajați 85
4.4.1.2. ATM per angajat 86
4.4.1.3. WLU per anga jat 87
4.4.2. Productivitatea capitalului 88
4.4.2.1. Pasageri per poartă 88
4.4.2.2. Pasageri per metru pătrat al spațiului terminal 89
4.4.2.3. ATM per pistă 90
4.5. ANALIZA STRUCTURII COSTURILOR. INDICATORI DE PERFORMANȚĂ 91
4.5.1. Ponderea costurilor forței de muncă 92
4.5.2. Costul unitar 93
4.5.2.1. Costul forței de muncă per pasager 93
4.5.2.2. Costul forței de muncă per ATM 94
4.5.2.3. Costul forței de muncă per unitate echivalentă de încărcare (WLU)
95
4.5.2.4. Costurile variabile per pasager 96
4.5.2.5. Costurile variabile per ATM 97
4.5.2.6. Costurile variabile per unitatea echivalentă de încărcare (WLU)
97
4.6. PERFORMANȚELE FINANCIARE ALE AEROPORTURILOR 98
4.6.1. Ponderea venitu rilor 99
4.6.1.1. Ponderea veniturilor aeronautice 99
4.6.2. Generarea veniturilor 100
4.6.2.1. Venitul operațional net per pasager 101
4.6.2.2. Venitul operațional net per mișcare aeronavă 102
4.6.2.3. Venitul operațional net per WLU 104
4.6.2.4. Venitul operațional net per angajat 105
4.6.3. Rentabilitatea financiară 106
4.6.3.1. Venitul operațional net 106
4.6.3.2. EBITDA 107
4.6.3.3. Marja operațională 108
4.6.3.4. Rentabilitatea act ivelor 109
4.6.3.5. Rentabilitatea capitalulu i 109
4.7. EVALUAREA ȘI OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE
AEROPORTURILOR UTILIZÂND DEA 110
4.8. SENSIBILITATEA METODEI ANALIZEI ANVELOPEI DATELOR 117

CAPITOLUL 5.
CONCLUZII 131
5.1. CONCLUZII GENERALE 131
5.2. CONTRIBUȚII ORIGINALE ÎN DOMENIUL EVALUĂRII ȘI OPTIMIZĂRII
PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR 139
5.3. PERSPECTIVE 140

ANEXE 141

BIBLIOGRAFIE 199

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

5

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

6

CUVÂNT ÎNAINTE

În cadrul tezei sunt descrise aspecte legate de evaluarea și optimizarea eficienței
operaționale a aeroporturilor. Considerate multă vreme elemente de infrastructură și
administrate ca atare, aeroporturile au devenit în ultima perioadă afaceri în toată puterea
cuvântului . Aeroporturile prezintă însă anumite aspecte particulare care fac dificilă evaluarea
eficienței. Lucrarea analizează sub mai multe aspecte performanțele unui eșantion consistent
de aeroporturi din toată lumea, punând în evidență relațiile dintre caracteri sticile
aeroporturilor și diferitele măsuri ale eficienței.
Doresc să mulțumesc domnului Prof. dr.ing. Adrian Mihail Stoica (Universitatea
Politehnic a din București) pentru că a acceptat sa -mi fie conducător de doctorat, pentru
sprijinul oferit pe întreaga perioadă de elaborare a tezei , îndrumările și recomandările primite,
oferindu -mi șansa de a dezvolta aspecte importante prezentate în aceast ă teză. Un sprijin
substanțial la elaborarea acestei teze mi -a fost acordat și de către domnul Prof.dr. Sorin Eugen
Zaharia (Universitatea Polite hnica din București), căruia îi mulțumesc și pe această cale.
De asemenea, aș dori să mulțumesc d -lui ing. Paolo Sordi , Airport Operation Manager
la S.E.A. Aeroporti di Milano și profesor asociat la Politecnico di Milano, pentr u timpul
acordat și pentru cunoștințele însușite pe parcursul stagiului.
Adresez sincere mulțumiri pentru timpul acordat citi rii acestei teze, pentru aprecierile
și sugestiile profesionale acordate, referenților științifici , domnilor: Prof. dr.ing.,ec. Ioan
Abrudan (Universitatea Tehnică din Cluj-Napoca ) și Prof.d r.ing. Mircea Boșcoianu
(Universitatea Transilvania Brașov ).
Nu în ultimul rând, mulțumesc familiei mele și în special soției pentru sprijinul
acordat pe tot parcursul elaborării acestei lucrări.
Rezultatele prezentate în această lucrare au fost obținute cu sprijinul Ministerului
Muncii, Familiei și Protecției Sociale prin Programul Operațional Sectorial Dezvoltarea
Resurselor Umane 2007 -2013, Contract nr. POSDRU/6/1.5/S/19.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

7

CAPITOLUL 1
INTRO DUCERE

În ultimele trei decenii, industria aeroportuară a trecut prin schimbări profunde la nivel
administrativ. Dacă inițial toate aeroporturile erau considerate elemente de infrastruct ură,
administrate de către stat la nivelul autorităților centrale , ele au devenit afaceri în adevăratul
înțeles al cuvântului. Schimbarea a survenit pe măsură ce legăturile dintre autoritățile centrale
și aeroporturi au început să slăbească, managerii aeroporturilor căpătând libertatea de pune un
accent mai mare pe latura comercială a activității, putând fi astfel în măsură să reducă
deficitele, sau chiar să genereze profit. Totuși, au existat multe semne de întrebare cu privire
la cum putea fi folosită această libertate de schimbare a profilului către comercial. În
majorit atea țărilor, la sfârșitul anilor ‟70, aeroporturile erau percepute ca niște extensii
nesemnificative ale aparatului administrativ central și, ca atare, primeau prea puțină atenție.
Pe măsură ce deficitele bugetare ale țărilor creșteau, aeroporturile au fo st nevoite să se
autofinanțeze într -o măsură din ce în ce mai mare, făcându -se simțită orientarea lor
comercială. În acest moment a devenit evidentă lipsa acută a cunoștințelor teoretice cu privire
la administrarea aeroporturilor ca afacere orientată spre profit. Abia în ultimii ani au apărut
mai multe articole ce tratează diverse particularități referitoare la administrarea comercială a
aeroporturilor, fără însă a se analiza întreg cadrul conceptual al acestei probleme. Managerii
aeroporturilor au fost puș i în situația de a transforma aceste elemente de infrastructură
subvenționate în afaceri de succes fără o bază teoretică și fără posibilitatea de a apela la un
corp de experți în domeniu. Spre deosebire de alte activități comerciale, problema
aeroporturilo r este unică. Investiția inițială este uriașă, activele achiziționate sunt elemente ce
nu pot fi mutate, reprofilate sau revalorificate în caz de eșec, iar cererea pentru serviciile
furnizate este departe de a putea fi controlată, deoarece companiile aerie ne și nu aeroporturile
decid unde și cum va fi satisfăcută nevoia de transport. Maximizarea profitului în aceste
condiții este o sarcină foarte dificilă pentru un manager.
Dacă anii ‟80 au fost dominați de comercializarea activității aeroporturilor, anii ‟ 90 a
fost momentul trecerii la privatizare. Privatizarea aeroporturilor înseamnă în majoritatea

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

8
cazurilor transferul administrării către un management privat, deși în multe cazuri vorbim și
despre transferul dreptului de proprietate. Argumentele pro și con tra privatizării sunt
numeroase și binecunoscute. Principalele avantaje ale privatizării sunt:
– reducerea nevoii de investiții din partea sectorului public;
– accesul pe piețele comerciale;
– reducerea controlului guvernamental și a interferențelor politice;
– diversificarea organizației;
– eficiență crescută;
– competitivitate;
– diversificarea patronatului;
– stimularea managementului și a angajaților.
Pe de altă parte, privatizarea poate crea și efecte negative , cum ar fi:
– crearea de monopoluri private;
– furnizarea de s ervicii cu standarde reduse;
– investiții inadecvate;
– condiții de muncă nefavorabile;
– ignorarea efectelor secundare (probleme de mediu, sociale etc.).
În industria transporturilor au existat câteva evoluții care au favorizat privatizarea
aeroporturilor cum a r fi creșterea cererii pentru transportul aerian și liberalizarea pieței
aeroportuare [100]. Privatizarea a fost văzută ca o metodă de atragere a capitalului necesar
dezvoltării ulterioare. Mai mult, fondurile publice au devenit insuficiente, iar pe fondul
climatului economic modern guvernele au fost nevoite să reducă cheltuielile publice sau să le
redirecționeze către sectoare care nu generează venituri directe, cum ar fi educația sau
sănătatea.
Totodată, un impact major l -au avut și schimbările din sector ul companiilor aeriene.
Trecerea de la o piață dominată de linii aeriene naționale, controlate de stat, la societăți de
transport aerian competitive, cu un mare grad de libertate în alegerea rutelor, a determinat
multe aeroporturi să adopte o politică orie ntată pe client. Numărul mare de aeroporturi
privatizate în întreaga lume demonstrează creșterea gradului de acceptare a acestei soluții . În
cazul multor țări însă, transferul aeroporturilor, care sunt considerate bunuri naționale sau
regionale, către sect orul privat rămâne încă un subiect sensibil. Postura de monopol în care se
găsesc multe aeroporturi continuă să îngrijoreze opinia publică. Spre deosebire de situația
operatorilor aerieni, unde competiția poate fi mult mai ușor stimulată, aeroporturile au totuși o
tendință crescută de a deveni monopoluri. Viziunile asupra privatizării variază considerabil în

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

9
funcție de regiune, țară, chiar și în funcție de autorități ale aceluiași stat. Ca urmare, va exista
în continuare un număr semnificativ de aeroporturi care vor fi conduse după reguli
comerciale, dar fără a fi organizații private.
Privatizarea aeroporturilor poate îmbrăca mai multe forme, dar în general poate fi
încadrată în următoarele categorii:
– vânzare de acțiuni;
– vânzare efectivă (comercială);
– conce siune;
– privatizare prin finanțarea proiectelor;
– contract de management.
Selecția tipului de privatizare implică un proces de decizie complex ce depinde în
ultimă instanță de obiectivele guvernului care decide privatizarea.
Indiferent de forma de proprietat e, unele aeroporturi comerciale s -au transformat în
„povești de succes ” în domeniul performanței financiare, depășind în mod constant profiturile
clienților direcți, companiile aeriene. Pentru a se bucura de acest succes, managerii
aeroporturilor trebuie, însă, să înțeleagă și să poată face față problemelor economice și
financiare cu care se vor confrunta.
În această lucrare mi -am propus să realizez o analiză de benchmarking a unui eșantion
format din 128 de aeroporturi din trei regiuni. Întrucât caracteris ticile particulare ale industriei
aeroportuare nu permit o evaluare obiectivă a performanțelor prin metode economice
tradiționale, am ales o abordare complexă care include folosirea indicatorilor de performanță
parțială, a indicatorilor de performanță fina nciară precum și determinarea eficienței relative a
tuturor aeroporturilor din grup folosind o metodă neparametrică bazată pe programare liniară,
și anume Analiza Anvelopei Datelor (Data Envelopment Analysis -DEA). Rezultatele obținute
în urma calculelor de optimizare au fost validate printr -o analiză de sensibilitate în raport cu
variabilele de intrare și de ieșire, analiză ce a pus în evidență câteva avantaje și vulnerabilități
ale metodei folosite. Tema abordată este de mare actualitate, întrucât în momen tul actual se
manifestă nevoia acută de eficientizare a activităților aeroportuare în condițiile în care
metodele uzuale de evaluare și optimizare a performanțelor din mediul economic nu sunt
aplicabile industriei aeroportuare deoarece nu țin cont de multi plele particularități ale acesteia.
Obiectivul principal lucrării este acela de a măsura și compara, în vederea optimizării,
performanța mai multor aspecte importante ale exploatării aeroporturilor: productivitatea și
eficiența, costurile unitare și compe titivitatea costurilor, rezultatele financiare și taxele de
aeroport, utilizând o metodă mai puțin întâlnită în acest domeniu: benchmarking. În lucrare

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

10
sunt analizate, de asemenea, relațiile dintre diferitele măsuri de performanță și caracteristicile
aerop ortului, precum și strategii de management, în scopul de a oferi o mai bună înțelegere a
diferențelor observate în performanța aeroportuară.
Lucrarea este formată din cinci capitole. Primul capitol reprezintă o introducere ce
prezintă pe scurt schimbări le produse la nivelul industriei aeroportuare, schimbări care au
generat necesitatea dezvoltării prezentei lucrări. Al doilea capitol prezintă particularitățile
aeroporturilor din perspectiva managerială. Aici am analizat funcțiile aeroportului, structura
costurilor și a veniturilor, relația cu transportatorii aerieni, impactul zonal al unui aeroport și
modul cum se manifestă competiția între aeroporturi. Cel de -al treilea capitol pune bazele
teoretice ale metodei de analiză folosită și anume benchmarking -ul. Tot în acest capitol s -au
definit indicatorii de performanță în domeniul aeroportuar ce vor fi folosiți la studiul de caz și
am prezentat mai multe metode de analiză comparativă, analizând avantajele și dezavantajele
fiecăreia dintre ele. În baza acesto ra am selectat metoda principală de analiză pentru studiul de
caz, și anume Analiza Anvelopei Datelor (DEA) .
Al patrulea capitol este reprezentat de studiul de caz. Scopul principal al acestuia a
fost acela de a demonstra că pot fi efectuate cu succes ana lize comparative asupra
aeroporturilor, în ciuda diferențelor majore între acestea. Studiul se desfășoară asupra a 128
de aeroporturi, grupate pe trei regiuni: America de Nord, Europa și Asia Pacific. Studiul de
caz are în vedere performanțele aeroporturil or din perspectiva productivității, a costurilor și a
prestației financiare, precum și optimizarea eficienței operaționale relativ la cele mai
performante aeroporturi din grup. Acest capitol cuprinde și o parte legată de capacitatea
aeroportuară și structu ra taxelor la aeroporturile studiate. Tot în cadrul acestui capitol am
realizat și analiz a de sensibilitate a metodei analizei anvelopei datelor în raport cu variabilele
de intrare și de ieșire, demonstrând că, în ciuda câtorva vulnerabilități minore, meto da aleasă
poate fi folosită cu succes pentru studii de benchmarking asupra aeroporturilor.
Ultimul capitol al tezei conține concluziile finale asupra metodologiei de analiză
utilizate și a studiilor de caz realizate în capitolele anterioare . Tot în capito lul 5 sunt
evidențiate principalele contribuții ale tezei precum și direcțiile unor cercetări viitoare.
Teza conține și un număr de 28 de anexe, în care sunt prezentate rezultatele detaliate
pentru toate aeroporturile din eșantion.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

11

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

12

CAPITOLUL 2.
ASPECTE PARTICULARE ÎN MANAGEMENTUL AEROPORTURILOR

În acest capitol am realizat o prezentare principalelor particularități ale unui aeroport
din perspectiva managerială. Se prezintă succint funcțiile aeroportului, structura costurilor și a
veniturilo r, relația aeroport – companii de transport aerian, competiția între aeroporturi,
precum și impactul socio -economic al aeroporturilor în zona de influență. Aspectele teoretice
prezentate au rolul de a clarifica aspectele economice și operaționale din persp ectiva cărora
voi alege metodele de analiză și voi realiza studi ile de caz.

2.1. AEROPORTUL: DEFINIȚIE ȘI FUNCȚII

Aeroportul este o entitate complexă care, prin însumarea unor elemente și activități
diferite, asigură trecerea de la transportul aerian la cel terestru. Din diverse motive de ordin
istoric, legislativ și comercial, activitățile de care răspunde un manager sau proprietar de
aeroport diferă foarte mult de la țară la țară, iar câteodată chiar în interiorul aceleiași țări. Ca
atare, dacă în un ele cazuri zona de cuprinde toate activitățile care au loc la aeroport, în altele
acoperă doar o mică parte dintre acestea.
În general, un aeroport cuprinde una sau mai multe piste de decolare – aterizare și
clădirile aferente, denumite terminale, ce au r olul de procesare a încărcăturii transportate, fie
că este vorba de pasageri, fie de marfă. De obicei, autoritatea care administrează aeroportul
deține în proprietate pistele, terminalele și celelalte facilități asociate. Există și excepții, cum
ar fi term inalele aflate în proprietatea sau administrarea companiilor aeriene (inițial această
practică a fost răspândită mai mult în Statele Unite), sau, cum ar fi cazul Franței, unde
facilitățile de sol sunt deținute de către guvern și nu de către administratorii aeroportuari.
În cadrul aeroportului se asigură o largă varietate de servicii și facilități, ce pot fi
împărțite în trei categorii: servicii operaționale de bază, servicii de handling și activități
comerciale [87].

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

13
Din cadrul primei categorii fac parte s erviciile ATC (control trafic), serviciul
meteorologic, telecomunicațiile, serviciile de securitate, de stingere incendii și ambulanță etc.
Aceste servicii sunt oferite, de la caz la caz, de către aeroport sau de către guvern, dar chiar și
atunci când sunt furnizate de către aeroport, administratorul poate avea un control limitat
asupra lor din cauza reglementă rilor naționale și /sau internaționale. Aceste servicii sun t
furnizate în general contra -cost, și ca atare se regăsesc în structura taxelor aeroportua re, dar
există și cazul în care statul oferă aceste servicii în mod gratuit sau preferă să taxeze direct.
Serviciile de handling furnizate la un aeroport sunt destinate atât aeronavei în mod
direct (curățenie, furnizare de energie, încărcare -descărcare etc .), cât și procesării încărcăturii
acesteia (pasageri, cargo), așa numitul „ramp handling”[ 110]. Această a doua categorie de
handling se referă la toate activitățile ce derivă din procesarea fluxului de pasageri, bagaje și
cargo, în interiorul terminalelor sau în aeronavă. Diverse părți ale acestui proces pot intra în
responsabilitatea unor autorități diferite. De exemplu, aproximativ jumătate dintre marile
aeroporturi europene nu sunt implicate în niciuna din aceste activități, ele fiind furnizate fie de
către companiile aeriene, fie de către furnizori specializați. De exemplu, Amsterdam,
Copenhaga, Geneva sau Heathrow nu furnizează în mod direct servicii de handling [ 99]. La
polul opus se regăsesc aeroporturile germane sau cel din Viena, unde autoritatea a eroportuară
se ocupă aproape în totalitate de serviciile de handling [85].
Activitățile comerciale la aeroporturi constau în general în concesionarea spațiilor
comerciale către operatori specializați, în schimbul unor taxe sau chirii. Există totuși și
excepții, anumiți operatori fiind implicați direct în derularea de activități comerciale la o parte
sau chiar la toate spațiile comerciale din interiorul terminalelor. Este și cazul DAA (fosta Aer
Rianta), autoritatea aeroportuară irlandeză, care operează în mod direct magazine tip duty free
la toate aeroporturile sale [ 67]. Un alt exemplu interesant este și aeroportul Amsterdam, unde
toate activitățile de catering sunt furnizate de o companie aflată parțial în proprietatea sa. În
afara activităților comercial e obișnuite (duty free, restaurante, buticuri, puncte de presă), unele
aeroporturi pun la dispoziția clienților o gamă de servicii extinse atât în interiorul
terminalelor, cât și pe terenurile aeroportului. Este și cazul aeroportului din Frankfurt ale căru i
activită ți comerciale adiționale includ cinematograf, săli de conferințe și hotel.
Gradul de implicare al autorității aeroportuare în activitățile aeroportului se reflectă în
balanța de venituri și cheltuieli și în numărul total de angajați. Analiza se complică și mai
mult în cazul în care aeroportul nu plătește sau plătește parțial un serviciu furnizat de către un
terț. Este cazul serviciilor de securitate, anti -incendiu sau ATC în anumite țări. Totodată,

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

14
diferențele între funcțiile îndeplinite de admin istratorul aeroportului în cazul diferitelor
aeroporturi ridică probleme în cazul comparației între aeroporturi.

2.2. STRUCTURA COSTURILOR ȘI VENITURILOR AEROPORTURILOR

Deoarece în ultimii ani aeroporturile au fost privite din ce în ce mai mult ca o af acere
generatoare de profit, devine important ă structura costurilor și veniturilor unui aeroport. Vo i
începe prin a prezenta sursele de venit ale. În mod tradițional, veniturile aeroporturilor sunt
împărțite în două categorii: aeronautice și non -aeronautic e [50]. Veniturile aeronautice
reprezintă acele surse de venit ce sunt legate direct de operarea aeronavelor și procesarea
încărcăturii acestora, fie că este vorba de pasageri sau marfă. Veniturile non -aeronautice sunt
cele generate de activități care nu s unt legate direct de operarea aeronavelor, fiind rezultate, în
general, din activități comerciale în interiorul terminalelor și chirii pentru spații din terminale
și terenuri aferente aeroportului. Câteva tipuri de activități pot fi genera venituri încadra bile în
oricare din aceste două categorii. De exemplu veniturile rezultate din handling sunt venituri
aeronautice doar dacă activitatea este prestată de aeroport [ 12]. În cazul în care această
activitate este externalizată, compania care prestează acest se rviciu plătește o taxa de
concesiune, care va fi încadrată ca venit non -aeronautic. În orice caz, taxele de aterizare și de
pasager sunt cele mai importante surse de venituri aeronautice, în timp ce principalele surse
de venit non -aeronautic sunt concesiun ile și chiriile. Tendința dominantă a ultimilor decenii a
fost aceea de micșorare a importanței veniturilor aeronautice cu o creștere proporțională a
celor non -aeronautice [65]. Acest lucru s -a datorat atât presiunilor din partea companiilor
aeriene și a o rganismelor de reglementare pentru minimizarea creșterii taxelor aeroportuare,
cât și focalizării atenției administratorilor aeroporturilor asupra activităților comerciale pe
fondul presiunilor de maximizare a profiturilor.
Spre deosebire de venituri, identificarea costurilor este mai complicată , deoarece nu
există un sistem standardizat de raportare a costurilor de operare. Acest lucru este generat de
diferențel e între diferitele sisteme de contabilitate și de raportare a datelor specifice regiunii
unde e ste situat aeroportul. În mare, se pot identifica trei categorii de costuri: costuri legate de
muncă, de capital și alte costuri. Cele din ultima categorie, denumite în literatura de
specialitate costuri indirecte , reprezintă totalitatea costurilor , altele decât costurile legate de
muncă și capital. În această categorie intră costurile serviciilor externalizate, serviciilor de
consultanță, utilitățile, deplasări și reparații. Costurile indirecte reflectă faptul că aeroporturile

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

15
externalizează serviciile în proporții diferite. În practică, costurile indirecte reprezintă între
27% și 94% din cheltuielile non -capital ale unui aeroport [ 4]. Tendința generală a fost aceea
de scădere a ponderii costurilor legate de muncă. Acest fapt s -a datorat în principal
extern alizării serviciilor practicate de unii operatori aeroportuari, în special în sectorul
handling -ului, dar și a creșterii productivității forței de muncă. De exemplu, la aeroporturile
din Viena și Frankfurt, costurile cu personalul se ridică la circa jumăta te din costurile totale,
reflectând implicarea lor directă în activitățile de handling. La polul opus, aeroporturi ca
Amsterdam, Heatrow și Oslo, care nu desfășoară direct atât de multe activități, au o pondere a
costurilor cu personalul mult mai scăzută, de circa 20%. Trebuie notat însă că, spre deosebire
de alte sectoare, ca de exemplu companiile aeriene, în cazul aeroporturilor posibilitatea de
reducere a costurilor legate de personal este restrânsă datorită faptului că majoritatea
angajaților au îndator iri legate de aspecte ce țin de siguranța operării unui aeroport.
Există mai mulți factori care afectează nivelul și structura costurilor și a veniturilor.
Unii dintre acești factori sunt mai ușor de influențat de către managementul aeroportului față
de alți factori . În primul rând, se poate analiza volumul și natura traficului, asupra cărora
administratorul aeroportului are doar un control limitat, dar care au un impact major asupra
performanțelor unui aeroport [ 127]. Pe măsură ce traficul crește, costuril e per unitate de trafic
scad. Mai multe studii [56], [75] au arătat că există o scădere semnificativă a prețului per
pasager în cazul unei creșteri a traficului până în jurul valorii de 1 – 1,5 milioane de pasageri
pe an, iar din jurul valorii de 3 milioan e de pasageri pe an există o tendință de stagnare a
acestei scăderi. În anul 2000, ICAO a publicat lucrarea [75] în care se regăsește un studiu pe
această temă. A rezultat că la aeroporturile cu mai puțin de 300000 WLU1, costul mediu a fost
de 15 dolari a mericani per unitate, la cele între 300000 și 2,5 milioane a fost de 9,4 dolari per
unitate, iar la aeroporturile cu peste 2,5 milioane WLU a fost în medie de 8 dolari per unitate
[75]. Aceste rezultate indică fa ptul că, în ceea ce privește aeroporturile mici există niște
costuri fixe legate de asigurarea infrastructurii care, împărțite la cantitatea de trafic, ridică
costurile per unitate. Pe de altă parte, pe măsură ce aeroportul devine mai complex, cum este
cazul aeroporturilor foarte mari, costurile fi xe tind să crească datorită creșterii necesității de
coordonare și duplicării unor servicii. Mai mult, costurile pot crește din cauza scumpirii forței
de muncă, prin sindicalizare și necesitatea aducerii de personal de la distanțe din ce în ce mai
mari. Cu toate acestea, aeroporturile mari sunt în măsură să ofere o mai mare varietate de
facilități comerciale, ca atare tind să se bazeze într -o mai mare măsură pe veniturile non –
aeronautice. Studiul ICAO amintit a arătat că aeroporturile cu mai mult de 25 de m ilioane de

1 WLU= 1 pasager sau 100kg cargo

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

16
pasageri pe an au avut o pondere a veniturilor non -aeronautice de circa 58% din totalul
veniturilor, comparativ cu media aeroporturilor studiate, de numai 36%.
Un alt factor ce afectează structura costurilor este tipul de trafic. Costurile asoci ate
traficului internațional de pasageri sunt în general mai ridicate , deoarece necesită mai mult
spațiu în terminal pentru birouri de vamă și control și, ca urmare a acestor necesități de
procesare suplimentară, petrec mai mult timp în terminal. Totodată, pasagerii internaționali au
și o cantitate mai mare de bagaje. Pe de altă parte, pasagerii internaționali obișnuiesc să
cheltuiască mai mult la facilitățile comerciale, ceea ce duce la o creștere a veniturilor. Acesta
este încă un motiv pentru care aeropo rturile mari tind să se bazeze mai mult pe veniturile non –
aeronautice, având în vedere că de obicei au o pondere mai mare a pasagerilor internaționali.
Operatorii aeroporturi își aleg singuri standardele în ceea ce privește facilitățile și serviciile,
de aici decurgând diferențe de costuri. În timp ce unele aeroporturi mizează pe segmentul low
cost, altele decid să se adreseze un ui segment mai exclusivist de clienți , cum este cazul
aeroportului London City, care se bazează pe o calitate crescută a serviciil or, oferind facilități
deosebite [67].
Nu există, deci, un aeroport tipic în ceea ce privește serviciile și facilitățile oferite. În
afara funcțiilor operaționale de bază, aeroporturile au puține lucruri comune între ele. Unii
operatori aeroportuari furni zează în mod direct servicii ca ATC, handling, administrare
parcare auto, servicii de securitate, operare duty free, servicii de curățenie sau servicii de
mentenanță, în timp ce alții preferă să le contracteze terților. În unele situații pot fi închiriate
terminale în totalitate, după cum există cazuri în Statele Unite. Toate aceste aspecte au impact
atât asupra costurilor, cât și a veniturilor. De exemplu, aeroportul din Viena generează peste
30% din venitul brut numai din activitățile de handling, în timp ce Heathrow sau Schiphol
obțin o sumă relativ mică din aceeași activitate, sub formă de chirii și taxe de concesiune
plătite de către companiile aeriene sau companiile de handling.
Pe de altă parte sunt cazuri în care guvernele pot oferi anumite servicii gratuit, cum ar
fi servicii de securitate, pompieri sau ambulanță. În orice fel de comparație economică,
trebuie avute în vedere metodele de raportare contabilă adoptate de fiecare operator în parte.
În mod special în cazul aeroporturilor, aceste proceduri pot varia considerabil, mai ales în
cazul aeroporturilor care adoptă metodele fiscale guvernamentale în detrimentul balanței
comerciale. În cazul unui aeroport deținut de către stat este posibil să constatăm că terenul
aeroportului nu este considerat o ac tivă a aeroportului și, ca atare, să nu o regăsim în balanța
fiscală. De asemenea, diferențe majore apar și în calculul deprecierii. De exemplu, aeroportul
Amsterdam consideră o depreciere totală a clădirilor în 20 – 40 de ani, în timp ce aeroportul

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

17
Copenh aga la 80 de ani. La fel și în cazul pistelor, Amsterdam ia în calcul o depreciere între
15 și 60 de ani, iar Copenhaga de 80 de ani.
Uneori aeroporturile pot avea diverse regimuri de taxare, ceea ce influențează analiza
comparativă a nivelului profitului net. Este cazul unor aeroporturi din Statele Unite, care sunt
scutite de majoritatea taxelor.
Există mulți alți factori care, în funcție de locația aeroportului și zona geografică, sunt
în afara controlului operatorului aeroportuar. Spre exemplu cheltuiel ile generate de situația
meteorologică, cum ar fi deszăpezirea și degivrarea, pot apărea doar la anumite aeroporturi.
Locația aeroportului poate influența chiar și configurația aeroportului. Există cazuri când
necesitatea construirii a două sau mai multe p iste nu a fost determinată de cerințele de trafic,
ci de vânt sau alte caracteristici geografice particulare.
Limitările legate de mediu, impuse pentru reducerea zgomotului sau a altor efecte
negative pot influența aeroporturile, în sensul că acesta nu îș i poate utiliza eficient toate
resursele. Un aeroport poate fi forțat să se închidă pe timpul nopții, chiar dacă există cerere
suficientă pentru a face operarea pe timp de noapte rentabilă . Este și cazul aeroportului
București Băneasa, care a fost nevoit s ă ia decizia restricționării din 29 octombrie 2011 a
operării după ora locală 22.00 (conform AIP [15]sunt interzise zborurile comerciale cu
aeronave cu MTOW peste 50t, precum și zborurile tehnice sau de antrenament cu MTOW
peste 5700kg) . Locația unui aerop ort mai poate să afecteze, de asemenea, costurile și calitatea
muncii, precu m și disponibilitatea capitalului pentru investiții.

2.3. RELAȚIA AEROPORT – LINII AERIENE

Relația dintre aeroport și compani ile aerie ne este deosebit de importantă [30], [108].
Datorită schimbărilor majore care au avut loc la nivelul modului de conducere și administrare
a companiilor aeriene, acestea sunt ob ligate din ce în ce mai mult să limiteze costurile pentru
a-și îmbunătăți performanțele financiare [98], [120]. Acest lu cru este dificil de realizat în
condițiile unei piețe competitive și liberalizate. În plus, creșterea din ultimii ani a prețului
combustibililor constituie un factor suplimentar de presiune în relația aeroport -companii
aeriene.
Astfel, în general, relația aeroport – companie aeriană se rezumă la oferirea
infrastructurii și a serviciilor necesare pentru operarea aeronavelor și procesarea încărcăturii
(pasageri, cargo) în schimbul unor taxe aferente. În anumite cazuri, relația aeroport –

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

18
companie aeriană se extinde , aeroportul concesionând spații (în unele cazuri chiar întregi
terminale) și servicii către companii, acestea preluând o parte din funcțiile tradiționale ale
operatorului aeroportuar.
În mod tradițional, structura taxelor percepute companiilor aeri ene a fost relativ
simplă, ponderea majoritară având -o taxa de aterizare, calculată în funcție de greutatea
aeronavei, și taxa de pasager, bineînțeles calculată în funcție de numărul de pasageri. Multe
aeroporturi își obțin veniturile astfel. La altele îns ă, taxarea a devenit mai complexă și
orientată către piață, ceea ce reflectă atât orientarea către comercializare și competitivitate a
aeroporturilor, cât și problemele cu care se confruntă acestea în prezent: probleme de mediu,
creșterea costurilor legate de securitate și creșterea presiunii asupra facilităților existente.
În ceea ce privește taxa de aterizare, majoritatea aeroporturilor o calculează pe baza
masei maxime la decolare (MTOW) sau a masei maxime autorizate (MAW). Cea mai simplă
metodă constă î n taxarea unei sume fixe per tonă, indiferent de mărimea aeronavei. Această
metodă favorizează aeronavele mici, deoarece masa totală a aeronavei are o rată de creștere
mai mare decât a încărcăturii. De asemenea, favorizează companiile cu un coeficient de
încărcare mai mare. Această metodă simplă este utilizată de multe aeroporturi din întreaga
lume, inclusiv Statele Unite, majoritatea celor germane și Copenhaga. Unele aeroporturi au
taxe de aterizare al căror cuantum pe tonă se reduce odată cu creșterea mas ei aeronavei. Este
și cazul aeroportului din Oslo. Manchester și Bruxelles au un plafon maxim pentru taxarea
aeronavelor mari. Aceste măsuri favorizează aeronavele mari. Avantajele aeronavelor mari
pentru un aeroport ar fi micșorarea numărului de operațiun i la pistă și în zona de aducere la
aterizare. Pe de altă parte, aeronavele mari au și dezavantaje, constând într -o solicitare fizică
crescută a pistei și micșorarea numărului maxim de decolări – aterizări posibile într-un
interval dat, din cauza necesităț ii de separație crescută a traficului impusă de turbulența de
siaj. Cu toate acestea, nu există o relație bine definită între masa aeronavei și costurile
aeroportului.
Unele aeroporturi oferă reduceri ale taxei de aterizare pentru traficul local. Aceste
reduceri nu sunt legate de costuri deoarece resursele consumate pentru aterizarea unei
aeronave nu sunt legate de locul de plecare sau lungimea cursei. Ele au rolul de a ajuta
serviciile locale și regionale, care sunt relativ costisitor de operat. Aici inter vine dimensiunea
socială a problemei, aceste reduceri fiind, de fapt, niște subvenții cu caracter neoficial.
Comisia Europeană s -a pronunțat împotriva diferențierilor de taxare între traficul intern și cel
intra-european, deoarece încalcă principiul pieței unice [ 26].

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

19
În unele cazuri, în taxa de aterizare este inclusă și taxa pentru servicii ATC. La alte
aeroporturi, această taxă este separată, dar se calculează ca și taxa de aterizare, în funcție de
masa aeronavei. În aceste cazuri nu există nici o justifi care obiectivă a modului de calcul al
taxei, deoarece în mod evident costul serviciilor ATC nu este influențat în nici un fel de masa
aeronavei. Se folosește principiul „capacității de a plăti”, companiile aeriene care folosesc
aeronave mai mari fiind mai în măsură să plătească taxe mai mari [ 22], [24], [74]. Există și
cazuri în care companiile aeriene plătesc taxa ATC direct către agenția care furnizează aceste
servicii, fără a implica aeroportul în nici un fel.
Tot mai multe aeroporturi au introdus reduc eri sau suprataxări în funcție de nivelul de
zgomot al aeronavei [6 8]. Acestea se aplică la taxa de aterizare și sunt corespunzătoare clasei
de zgomot în care se încadrează aeronava. Această suprataxare în funcție de zgomot este în
general mai mare noaptea . În plus, câteva aeroporturi au introdus și taxe de emisii.
Taxa de pasager este o altă sursă principală de venit a aeroporturilor. Cel mai frecvent
aceste taxe se percep pentru fiecare pasager care pleacă. La majoritatea aeroporturilor taxele
pentru pasa gerii interni sunt mai scăzute decât cele pentru pasagerii internaționali, datorită
faptului că și costurile de procesare sunt mai scăzute pentru acest tip de pasageri. Din punct de
vedere istoric, asemenea politici sunt menținute pentru a subvenționa comp ania aeriană
națională, care are multe zboruri locale. La unele aeroporturi există taxe speciale pentru orele
de vârf, cum ar fi de exemplu, la aeroportul Glasgow.
Responsabilitatea pentru oferirea și finanțarea serviciilor de securitate la aeroport
difer ă considerabil de la țară la țară. Aceste servicii pot fi oferite de către angajații
aeroportului, de o firmă specializată prin contract cu aeroportul, de către companiile aeriene
sau de către agenții guvernamentale. În multe cazuri, responsabilitatea poat e fi împărțită între
unele dintre organismele enumerate. Finanțarea acestui serviciu poate fi făcută de către stat
prin resurse proprii sau instituirea unei taxe la aeroport, de către operatorul aeroportuar, caz în
care fie este impusă o taxă de securitate , fie este inclusă în cea de pasager. În Statele Unite,
după atentatele de la 11 septembrie 2001, responsabilitatea securității la aeroport a trecut de la
firmele specializate private la agențiile federale și a fost impusă o taxă de 2,5 dolari per
pasager pentru acoperirea unei părți din aceste costuri.
Pe lângă taxele enumerate mai sus, mai există un număr de taxe, relativ mici ca
valoare comparativ cu taxele de aterizare și de pasager. Prima ar fi taxa de parcare, calculată
în mod obișnuit în funcție de masa aeronavei și, în unele cazuri cum ar fi Malta, Singapore și
Malaezia, în funcție de anvergura aeronavei. Această taxă poate fi calculată în funcție de
mărimea locului de parcare (Frankfurt, Shannon) sau ca un procent din taxa de aterizare

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

20
(Viena). De obicei taxa este calculată la oră sau pe zi, uneori cu reducere dacă se parchează la
o poziție îndepărtată. Majoritatea aeroporturilor au o perioadă de parcare netaxabilă, în mod
normal de 1 -4 ore, pentru a permite încărcarea și reîntoarcerea la aeroportul de bază fără a
plăti taxă de parcare. Unele aeroporturi cum ar fi cele aparținând grupului britanic BAA sau
cel din Frankfurt nu au perioada de parcare graturită , cu intenția de a determina companiile
aeriene să minimizeze timpii de ocupare a platformei. Aeroporturile aparținând BAA au mers
chiar mai departe, taxarea făcându -se la sfert de oră, iar în perioada de vârf, fiecare minut este
contabilizat ca trei [ 16], [133]. În cazul aeroporturilor cu taxare la 24 de ore este limpede că
nu există nici o presiu ne asupra companiilor aeriene să eficientizeze utilizarea platformelor
prin micșorarea timpilor de staționare [58].
Mai există și alte taxe pentru anumite facilități pe care aeroportul preferă să le taxeze
separat în loc să le includă în taxele tradiționa le de aterizare și de pasager. De exemplu, la
Paris este impusă o taxă de iluminare, iar la alte aeroporturi cum ar fi Dublin este o taxă
pentru burdufurile de îmbarcare, plătită per operațiune sau funcție de timpul de ocupare a
facilității. La unele aerop orturi este percepută o taxă pentru marfă. Similar traficului de
pasageri, traficul cargo este taxat în funcție de greutate. În cazul unor aeroporturi, taxele
pentru avioane cargo sunt inferioare celor de pasageri, cum este cazul aeroporturilor din
Amsterd am, Frankfurt, Paris sau Manchester, în timp ce pe unele aeroporturi, cum ar fi
Belfast, taxele pentru acest tip de aeronave sunt mai mari. Alte taxe existente pe aeroporturi
sunt cele legate de servicii cum ar fi stingere incendii, folosire hangar, spații de stocare sau
alte activități specifice.
Companiile aeriene plătesc trei tipuri de taxe când utilizează un aeroport. Prima
categorie include taxele de aterizare și pasageri, iar câteodată alte taxe de aeroport, după cum
am menționat mai sus. O a doua cat egorie sunt taxele de handling, în cazul în care operatorul
aeroportuar alege să furnizeze acest serviciu direct. Cea de -a treia categorie sunt taxele pentru
combustibil percepute de companiile de distribuție a combustibililor, care în mod obișnuit
sunt in dependente de operatorul aeroportuar. Sunt și câteva excepții notabile, cum ar fi unele
aeroporturi din orientul mijlociu, spre exemplu Abu Dhabi, unde serviciul de distribuție a
combustibililor este prestat de către o agenție guvernamentală. Date privitoa re la taxele de
handling și combustibil sunt rar date publicității. În general acestea sunt negociate și depind
de mai mulți factori cum ar fi mărimea companiei aeriene, amploarea operațiunilor acesteia la
aeroportul în cauză sau colaborarea părților în ca drul altor aeroporturi.
Mai există o ultimă categorie de taxe și anume taxele guvernamentale. Aceste sume nu
revin operatorului aeroportuar, dar se adaugă la ceea ce compania aeriană trebuie să plătească.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

21
Câteodată aceste taxe reprezintă o finanțare a unui proiect de investiții la aeroport sau
contravaloarea unui serviciu oferit de către stat, cum ar fi serviciul de securitate.

2.4. COMPETIȚIA ÎNTRE AEROPORTURI

Până de curând se credea că majoritatea aeroporturilor sunt monopoluri, al căror rol
era determinat de cererea de pasageri din zona de amplasament. Mai mult, libertatea de
alegere a companiilor aeriene era limitată la anumite aeroporturi din cauza acordurilor
bilaterale [122]. Chiar dacă pentru câteva piețe acest lucru este încă adevărat, în momentul de
față există destule oportunități pentru aeroporturi de a concura pentru pasageri, marfă sau
companii aeriene. Schimbările pe piața companiilor aeriene, care au trecut de la o activitate
intens reglementată și controlată de sectorul public la o activitate liberalizată și orientată spre
comercial, au jucat un rol major în schimbarea situației aeroporturilor. Unele evoluții, precum
formarea unor alianțe globale sau dezvoltarea segmentului low cost, au fost în mod deosebit
importante în crearea unor noi oportunități pentru competiția între aeroporturi [18].
Concurența între aeroporturi se manifestă în multe feluri. Astfel , dacă distanța dintre
ele este mică, zonele de atragere a pasagerilor se pot suprapune pentru anumite categorii de
trafic. În gen eral, pasagerii preferă pentru zborurile scurte cel mai apropiat aeroport, dar
pentru zborurile lungi aceștia sunt dispuși să se deplaseze mai mult pentru a beneficia de un
serviciu mai convenabil.
Dacă un aeroport este situat pe o insulă sau într -o regiu ne îndepărtată, atunci nu va
avea o competiție. Dar în zonele urbane aglomerate există de obicei mai multe aeroporturi, ca,
de exemplu, metropolele Londra, Paris, New York sau Washington. Câteodată aeroporturile
pot fi parte a aceluiași grup aeroportuar, c um ar fi Aeroports de Paris sau Port Authority of
New York and New Jersey . În multe cazuri, un aeroport tinde să devină jucătorul dominant, în
timp ce celelalte vor avea un rol secundar [ 51], [71], [72], [92]. De exemplu, în Londra,
Heathrow este considera t de cei mai mulți pasageri ca fiind aeroportul orașului, cu toate că
există o bogată ofertă și din partea celorlalte aeroporturi. Aeroporturile secundare tind să
îndeplinească roluri mult mai specializate. Ele sunt soluția alternativă când aeroportul
domi nant nu deține suficientă capacitate pentru a face față cererii. Alteori, aeroporturile

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

22
secundare care au o poziție centrală pot atrage traficul pe distanțe scurte (al căror pasageri este
mai puțin dispus să se deplaseze către un aeroport mai îndepărtat) s au traficul de afaceri, care
apreciază apropierea de centru orașului și lipsa aglomerației. Există și aeroporturi care se
promovează ca fiind alternative low cost la marile aeroporturi, fiind încurajate de expansiunea
rapidă a acestor tipuri de curse. Aero porturile secundare sunt în măsură să fie mai flexibile în
privința costurilor, eventual chiar încheind acorduri de preț pe termen lung cu companiile
aeriene. În general, ele sunt situate la distanțe considerabil mai mari față de oraș, dar oferă
timpi de î ntoarcere mici (pentru aeronave), mult mai puține întârzieri și distanțe de mers
reduse de la intrarea în terminal până la îmbarcare. Acestea sunt elemente cheie ale modelului
low cost.
Pot apărea probleme legate de concurență chiar și în cazul aeroportur ilor nou
construite, atunci când sunt percepute ca inferioare celor vechi din punct de vedere al
serviciilor sau sunt situate într -o locație mai puțin convenabilă. Cel mai recent caz este
Milano, unde s -a manifestat o reticență considerabilă din partea com paniilor aeriene în a -și
transfera zborurile de la aeroportul Linate, care este aproape de centrul orașului, la Malpensa,
care fusese modernizat și extins tocmai în acest scop [ 45], [46], [88], [117] , [118]. Problemele
în acest caz au fost mult mai mari, d eoarece principala companie aeriană ce opera aici a decis
să renunțe la baza de la Malpensa. Dacă nu este introdusă o reglementare în acest sens,
singura metodă de a avea certitudinea mutării traficului pe noul aeroport este închiderea celui
vechi, așa cum s-a procedat la Munchen, Hong Kong, Oslo sau Denver. În cazul aeroportului
din Atena, competiția este și mai limitată, deoarece nu doar s -a închis vechiul aeroport, ci în
plus este interzisă dezvoltarea unui alt aeroport în zonă.
Hub-urile constituie o ca tegorie aparte de aeroporturi în ceea ce privește concurența.
Un hub este un aeroport folosit de companiile aeriene ca punct de transfer pentru pasageri sau
marfă în cazul în care nu există o rută directă între aeroportul de plecare și cel de destinație.
Un hub oferă o bună conectivitate a zborurilor și un transfer eficient al pasagerilor. Pentru a
deveni un hub, aeroportul trebuie să fie amplasat într -o poziție geografică avantajoasă și să
dețină o infrastructură care să -i permită procesarea unor valuri de sosiri și plecări simultane.
Unele aeroporturi pot concura ca hub pentru transportul de marfă, mai ales dacă sunt deschise
noaptea și beneficiază de o climă favorabilă. Aeroporturile hub sunt însă foarte dependente de
strategiile companiilor aeriene. Deși multe aeroporturi mari sau medii aspiră să devină hub,
realitatea este că în momentul de față sunt mult mai puține oportunități în acest sens ca urmare
a aderării masive a companiilor aeriene la alianțe globale. O alternativă ar fi încurajarea

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

23
companiilor să creeze baze la aeroport, deoarece în mod normal aceasta înseamnă și apariția
mai multor zboruri, precum și o utilizare mai bună a facilităților aeroportului.
În majoritatea cazurilor, pasagerii au destinație precisă atunci când călătoresc.
Excepția o reprezintă o parte a traficului intercontinental, cum ar fi, de exemplu, americanii
care vizitează Europa și nu au o preferință clară de unde să -și înceapă turul. Similar, în
America de Nord, aeroporturile concurează ca puncte îmbarcare pentru destinațiile de vacanță
[89]. La fel stau lucrurile în cazul traficului de marfă, în mod special în Europa, unde ultima
parte a transportului este auto. Aceste categorii de trafic sunt obiectul concurenței între
aeroporturi.
În ceea ce privește noii competitori, piaț a aeroporturilor este relativ stabilă. Datorită
investițiilor inițiale foarte mari în infrastructură, precum și a proceselor de planificare și
reglementare laborioase, este foarte dificil de intrat pe piața aeroporturilor [101]. În multe
zone din lume este foarte dificil de identificat o locație potrivită pentru construirea unui nou
aeroport. Doar în Europa numărul mare de aerodromuri militare dezafectate ar putea constitui
oportunități de dezvoltare a unor aeroporturi [ 23]. O altă piedică pentru intrarea î n piață a
noilor competitori o constituie și mijloace le de transport alternative [109]. Dezvoltarea
trenurilor de mare viteză reprezintă principala concurență. Dacă pentru aero porturile
supraaglomerate dezvoltarea trenurilor de mare viteză este binevenită, deoarece înlocuiește o
parte din zborurile regionale, creând loc pentru cursele pe distanțe lungi, pentru aeroporturile
regionale acesta reprezintă o reală concurență . Îmbunătățirile aduse infrastructurii auto și
feroviare de la aeroporturile majore reduc dependența acestora de aeroporturile regionale,
punctul de plecare a zborurilor scurte.
Disponibilitatea de a alege un aeroport în detrimentul altuia este diferită de la caz la
caz. În cazul companiilor aeriene, taxele de aeroport pot fi mai mult sau mai puțin
determinante în alegerea rutei de operare. În cazul zborurilor scurte, taxele aeroportuare au un
impact semnificativ asupra costuril or totale, deoarece se aplică unui număr mai mic de
kilometri. În cazul zborurilor low cost, acest impact este și mai mare, deoarece aici toate
cheltuielile sunt minimizate. Ca atare, pentru aceste două categorii de operatori valoarea
taxelor de aeroport va fi un criteriu de alegere a destinației. Deci, pe acest segment,
concurența între aeroporturi se manifestă la nivel ul costurilor. În ceea ce privește zborurile
lungi, influența taxelor de aeroport asupra costului total este mică, aici primând criterii legate
de calitatea serviciilor și poziția geografică. În ceea ce privește pasagerii, cei care călătoresc
în interes pe rsonal sunt mult mai dispuși să schimbe aeroportul de origine pe baza prețului sau
a altor diferențe. Cei care călătoresc în vacanțe aleg inclusiv destinația pe baza criteriilor

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

24
legate de preț sau servicii. Pe de altă parte, cei care călătoresc în interes de afaceri sunt mult
mai limitați în ceea ce privește disponibilitatea de a schimba aeroportul.
După cum s-a menționat , există și cazuri când, din diverse motive pentru unele
aeroporturi nu există concurență. În acest caz, pentru a evita creșterea nejusti ficată a taxelor,
organismele de reglementare intervin pentru limitarea prețurilor. Există mai multe metode de
a interveni asupra majorării prețurilor, cea mai folosită fiind stabilirea unui plafon maxim.
Aceasta are avantajul de a încuraja aeroportul să -și eficientizeze operațiunile pentru a
maximiza profitul, în timp ce metodele care limitează profitul nu stimulează micșorarea
costurilor interne.

2.5. IMPACTUL SOCIO -ECONOMIC AL AEROPORTURILOR

În plan economic, aeroporturile au două tipuri de impact. În primul rând, este vorba
despre venituri, locuri de muncă, investiții de capital, precum și impozite și taxe pe care
aeroportul le aduce prin natura faptului că este generator de activități economice. În al doilea
rând, este un stimulator pentru alte benef icii indirecte care apar ca urmare a prezenței
aeroportului, cum ar fi atragerea de investiții sau dezvoltarea turismului [ 132]. Acest fapt
contribuie la dezvoltarea economică a regiunii învecinate aeroportului. Impactul economic
este măsurat în diverse mo duri. Un indicator important este numărul de locuri de muncă pe
care îl generează. Acesta reprezintă cea mai vizibilă măsură a importanței unui aeroport în
economie. În plus, există măsura venit urilor sau valorii adăugate [ 115]. Aceasta reprezintă
valoarea pe care activitățile legate de aeroport o adaugă economiei sub formă de câștiguri,
salarii, dobânzi și profituri. Acest indicator influențează PIB -ul unei regiuni.
Efectele economice pot fi clasificate ca având un impact direct, indirect sau indus.
Impac tul direct sau primar este reprezentat de locurile de muncă și veniturile realizate în mod
direct de operarea aeroportului. Acesta este și cel mai vizibil impact și, totodată, cel mai ușor
de cuantificat. Acest impact nu este legat doar de operațiunile dir ecte ale operatorului
aeroportuar, dar și de activitățile companiilor aeriene, concesionarilor și firmelor specializate
care furnizează servicii ca handling, ATC, vamă, servicii de securitate etc. către aeroport.
Unele dintre aceste activități, cum ar fi p arcarea, închirierea de mașini, distribuția de marfă
sau hotelurile pot fi situate în afara aeroportului, în zonele învecinate acestuia.
Impactul economic al aeroportului nu este limitat la aceste efecte directe, cu toate că
acestea sunt cel mai des cuant ificate și studiate. Rolul furnizorilor în industria aeroportuară

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

25
trebuie, de asemenea, luat în considerare. Acest lucru presupune studierea impactului indirect,
care este reprezentat de locurile de muncă și veniturile generate de către furnizorii de bunur i și
servicii ce stau la baza activităților prestate la sau în vecinătatea aeroporturilor. Aceste tipuri
de activități includ furnizorii de utilități și combustibil, companiile de construcții și de
salubritate, furnizorii pentru firmele de catering sau ret aileri.
Așa numitul impact indus poate fi definit ca veniturile și locurile de muncă generate
de cheltuirea veniturilor realizate de către angajații direcți sau indirecți pentru bunuri și
servicii cum ar fi hrană, locuință, transport etc. Efectele indirec te și cele induse sunt, de multe
ori, denumite efecte secundare. Acestea sunt mult mai greu de cuantificat, fiind nevoie de
înțelegerea modului în care aeroportul interacționează cu alte sectoare ale economiei. Efectul
lor combinat poate fi măsurat printr -un multiplicator economic [ 113]. Acest concept ia în
considerare ciclurile succesive de cheltuire care pornesc de la stimulii impactului direct și
pleacă de la premisa conform căreia cheltuielile efectuate de un individ sau organizație devin
veniturile unu i alt individ sau organizație și așa mai departe. Asociat acestor activități directe,
indirecte și induse vor apărea și noi investiții sub formă de facilități la aeroport, sisteme
informatice, facilități de mentenanță, birouri și altele. Activitățile aerop ortului pot avea un
impact semnificativ și asupra veniturilor autorităților locale, regionale sau centrale. Angajații
vor plăti impozit pe venit și TVA pe tranzacții. Aeroporturile, mai ales cele private, vor plăti
alte taxe cum ar fi taxe pe proprietate, taxe pe profit etc. Aeroporturile din sectorul public pot
fi scutite de taxare, în schimb transferând profitul către autoritatea publică care îl deține. În
schimbul acestui profit, majoritatea guvernelor alocă fonduri publice considerabile pentru
finanțare a proiectelor de dezvoltare ale aeroportului. În plus, mai există taxe directe la
aeroport, pentru acoperirea cheltuielilor pe care statul le face cu anumite servicii sau pentru
finanțarea investițiilor ulterioare, după cum am amintit în capitolul anterior .
În afara faptului că generează activități economice, un aeroport poate juca un rol
important în atragerea altor activități economice în zonă. El oferă acces rapid la filialele din
regiunea pe care o deservește , precum și la clienți și furnizori, oferind totodată rapiditate și
siguranță în transportul bunurilor. De aceea existența unui aeroport joacă un rol important în
alegerea locației unei companii. Aceste companii nu se bazează în mod direct pe aeroport în
desfășurarea operațiunilor proprii, dar vor p refera o locație în preajma aeroportului datorită
beneficiilor oferite de accesul la serviciile aeriene. În unele cazuri, un aeroport poate contribui
în mod esențial la salvarea economiei locale, cum este cazul câtorva țări în curs de dezvoltare
din Africa și America Latină pentru care transportul aerian a făcut posibil exportul de mărfuri
perisabile ca fructele proaspete sau florile. Globalizarea, exprimată atât prin companii

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

26
multinaționale, cât și prin creșterea dependenței față de componente și produse d in import, a
mărit importanța asigurării unei locații în apropierea unui aeroport internațional. În zonele
dezavantajate economic, unde șomajul este crescut, dezvoltarea unui aeroport constituie o
posibilitate de revigorare a zonei. În concluzie , aeroportu rile joacă un rol important în
dezvoltarea economică, iar zonele care nu sunt accesibile pe calea aerului au o dezvoltare
redusă.
În afara acestor efecte, trebuie amintit că aeroporturile joacă un rol major în
incluziunea socială, în special pentru comuni tățile îndepărtate sau insulare. Impactul social
este foarte greu de cuantificat, dar în absența unui aeroport, unele comunități ar avea de
suferit, deoarece transportul aerian oferă, în cazul zonelor izolate, acces la servicii esențiale ca
spitale sau înv ățământ superior.

2.6. SITUAȚIA ACTUALĂ A TRANSPORTURILOR AERIENE

În ultima perioadă, au avut loc schimbări majore în industria transporturilor aeriene.
Liberalizarea pieței pentru companiile aeriene a reprezentat punctul de început al acestor
schimbăr i, a condus la diversificarea rutelor și a creat un mediu concurențial pentru
transportatorii aerieni [ 48], [49], [67]. După cum era de așteptat, liberalizarea a însemnat și
intrarea pe piață a altor jucători, precum și diversificarea formelor de proprieta te. Apariția
multor operatori privați, mai atenți în ceea ce privește eficiența costurilor, a creat o concurență
puternică marilor companii naționale. Acestea s -au văzut nevoite să -și reorganizeze activitatea
prin renunțarea la rutele neprofitabile și efic ientizarea activității. Presiunea pentru reducerea
costurilor și cererea permanentă pentru dezvoltarea de noi rute au dus, în cele din urmă, la
formarea de alianțe globale între companii. Principalele avantaje de care beneficiază
transportatorii ce aderă l a o alianță sunt diversificarea ofertei de destinații prin însumarea
rețelelor individuale ale fiecărei companii, scăderea costurilor de operare datorită faptului că
aceste companii nu mai concurează între ele, pătrunderea pe unele piețe încă limitate de
legislația privitoare la naționalitate sau formă de proprietate și, nu în ultimul rând, apartenența
la un brand puternic și recunoscut.
După cum se poate observa din figura 2.1., la începutul anului 2012 cele mai mari trei
alianțe controlau peste trei sfer turi din piață [ 77], [78].

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

27

Figura nr . 2.1. Cota de piață a celor mai mari trei alianțe ale transportatorilor aerieni

Una dintre provocările generate de crearea acestor mari alianțe a fost reprezentată de
interconectarea traf icului. Concentrarea activității acestor companii aliate în aeroporturi hub a
avut atât efecte pozitive, cât și negative [13 1]. Transportatorii și -au redus costurile prin
operarea cu un grad de încărcare mai ridicat per segment de zbor, pasagerii au benefi ciat de o
interconectare mult mai bună a zborurilor, iar aeroporturile nu au dus lipsă de trafic. Pe de altă
parte, din cauza acestei interconectări au apărut întârzierile în lanț, timpul de călătorie s -a
mărit uneori din cauza fragmentării rutelor, în tim p ce aeroporturile au fost suprasolicitate în
perioadele de vârf [43]. Conceptul de hubbing implică sosirea mai multor curse, transferul
pasagerilor, respectiv plecarea aeronavelor într -un interval cât mai scurt [ 48], [94]. În afara
dificultățil or de sincr onizare, acest model determină apariția unor perioade de vârf în
activitatea aeroportului, cu aglomerarea terminalelor și încărcarea excesivă a serviciilor
aeroportuare. Este de la sine înțeles că această suprasolicitare a capacității operaționale a
aeropo rturilor duce, uneori, la probleme cum ar fi întârzieri în lanț, pierderi ale bagajelor,
pierderea legăturilor pentru următorul segment de zbor etc. Având în vedere că timpul de
tranzit este foarte important, pe măsură ce aeroporturile devin mai congestion ate, se
intensifică și presiunea companiilor aeriene pentru respectarea unor orare din ce în ce mai
stricte.
Aceste probleme cu care se confruntă marile hub -uri au fost exploatate cu succes de
către companiile low cost . Acestea au pătruns pe piață oferind clienților tarife reduse pentru
călătorii directe între aeroporturi secundare. În afara tarifelor foarte mici, atuul acestor
companii a constat tocmai în folosirea aeroporturilor alternative, cu activitate redusă care le Cota de piață a celor mai mari alianțe
Star Alliance: 29,3%
SkyTeam: 24,6% Oneworld:23,2% Restul: 22,90%
Star Alliance
SkyTeam
Oneworld
restul

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

28
puteau asigura timpi de procesare m ici. Despre relația dintre companiile low cost și
aeroporturile pe care operează putem spune că este una simbiotică [ 24], [114]. Abandonate de
marile companii care foloseau o strategie de interconectare pe marile aeroporturi,
aeroporturile secundare se lup tau să supraviețuiască prin puținele curse regionale rămase și,
din când în când, prin cursele deviate de la aeroporturile principale atunci când acestea se
închideau sau nu mai făceau față traficului. De cealaltă parte, operatorii low cost își doreau să
lucreze pe aeroporturi ieftine și cu trafic lejer, astfel încât își să poată minimiza costurile. În
acest context companiil e low cost au cunoscut o puternică dezvoltare pe fondul crizei
economice din ultimii ani . Acestea își datorează în bună măsură succesu l situației
nefavorabile în care se găseau o mare parte din aeroporturile secundare și problemelor cu care
se confruntă marile hub -uri.
Ca și în cazul altor operatori comerciali, aeroporturile urmăresc să-și reducă costurile
acolo unde este posibil și să -și mărească profiturile. O modalitate de a atinge acest scop o
reprezintă, ca și în cazul companiilor aeriene, formarea de alianțe între aeroporturi . În cazul
aeroporturilor acest concept este relativ nou, dar, având în vedere că operatorii aeroportuari
sunt din ce în ce mai presați să obțină profit, formarea de alianțe devine atractivă. Prin
formarea de alianțe, aeroporturile își pot reduce costurile prin marketing comun, pregătirea
personalului în comun și centralizarea aparatului birocratic. Aceste alian țe sunt benefice în
special pentru micii operatori aeroportuari ce pot beneficia de expertiza managerială a marilor
aeroporturi. În cazul aeroporturilor apropiate ca locație, o alianță poate însemna și controlul
capacității pistelor sau terminalelor sau pr oiecte de dezvoltare comună. Alianțele între
aeroporturi pot aduce beneficii operaționale prin simplificarea procedurilor operaționale,
coordonarea sistemelor de comunicații și promovarea transportului intermodal. Pe de altă
parte, formarea acestor alianțe duce la scăderea concurenței între aeroporturi, ceea ce poate
avea un efect negativ atât asupra calității, cât și a prețului serviciilor aeroportuare.
În ceea ce privește cererea pentru transporturi aeriene , aceasta este într -o creștere
continuă [31], [66]. Astfel , dacă până în anii ‟90 valorile de trafic au cunoscut o creștere
spectaculoasă, cunoscând o dublare la fiecare 10 ani, începând cu această dată piața
transporturilor aeriene se apropie de maturitate, rata de creștere diminuându -se treptat către 5
% pe an, cu mențiunea că pe unele piețe, cum ar fi Asia – Pacific, ea s -a menținut la un ritm
de peste 7% [ 77]. În figurile 2.2. și 2.3. este prezentată evoluția anuală a traficului de
pasageri, respectiv de marfă, începând cu anul 1990.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

29

Figura nr . 2.2. Creșterea traficului de pasageri

Figura nr. 2.3. Creșterea traficului de marfă

În ciuda scăderilor de trafic din 2001, respectiv 2002, cauzate de atentatele teroriste de
la 11 septembrie, tendința de creștere atât a valorilor traficului de pasage ri, cât și ale celui de
marfă a continuat . Un alt aspect care afectează semnificativ industria transporturilor aeriene
este criza economică din ultimii ani .
CREȘTEREA TRAFICULUI DE PASAGERI (%)
-6,0-4,0-2,00,02,04,06,08,010,012,014,016,0
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 20112012F 2013F 2014F 2015FMEDIE
ANULEVOLUȚIA (%)
CREȘTEREA TRAFICULUI DE MARFĂ (%)
-10-505101520
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 20112012F 2013F 2014F 2015F MEDIE
ANULEVOLUȚIA (%)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

30
Previziunile privind rata de dezvoltare a transporturilor aeriene sunt optimiste, în ciuda
unei scă deri a pieței în 2008 și 2009 generată de criza financiară globală. Se estimează ca,
după depășirea acestui moment, creșterea traficului aerian să continue cu 4 – 6 % pe an.
În concluzie, operatorii aeroportuari se confruntă cu următoarele aspecte și tendi nțe
[82]:
– au crescut cererile de operare din partea agențiilor aeronautice, cu statut de parteneriat;
– companiile aeriene pretind controlul costului, mai ales după trecerea la alianțe globale;
– pasagerii solicită servicii din ce în ce mai bune, din punct de vedere al calității și
rapidității;
– organizatorii de curse low cost solicită tratament preferențial;
– ecologiștii și autoritățile locale pun o mare presiune în ceea ce privește protecția
mediului;
– autoritățile regionale, care în multe cazuri sunt și acționa ri ai aeroporturilor, doresc să
se asigure că acestea generează un profit maximal.
Toate acestea nu trebuie privite însă ca o amenințare, fiind însă necesar ca
aeroporturile să fie pregătite managerial și tehnic, pentru a prelua oportunitățile oferite de
tendințele de globalizare .
O altă concluzie importantă a succintei prezentări din acest capitol este că varietatea
particularităților geografice, legislative și economice a aeroporturilor face dificilă atât analiza
comparativă cât și optimizarea performanț elor acestora.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

31

CAPITOLUL 3.
FUNDAMENTE TEORETICE PRIVIND BENCHMARKING -UL

În acest capitol voi prezenta cadrul teoretic general al metodei de analiză folosită la
studiul de caz și anume procesul benchmarking. În domeniul aeroportuar, necesitat ea unor
studii privitoare la performanță s -a făcut simțită relativ recent, odată cu schimbarea orientării
către comercial. Dat fiind mediul particularizat al industriei aeroportuare, consider că cea mai
adecvată metodă de analiză a performanțelor o reprezi ntă procedura benchmarking. În prima
parte a capitolului am prezentat succint aspectele generale teoretice și procedurale ale
procesului benchmarking, iar în continuare am definit un set de indicatori de performanță
adaptați specificului aeroporturar, pe b aza cărora s -au realizat studiile de caz dezvoltate în
capitolele următoare.

3.1. INTRODUCERE ÎN CONCEPTUL DE BENCHMARKING

3.1.1. Apariția și dezvoltarea benchmarking -ului

În prezent, conceptul de benchmarking este extrem de utilizat. Semnificația sa
generală este următoarea:
„Benchmarking este practica de a fi destul de modest pentru a admite că altcineva
este mai bun la ceva și de a fi destul de înțelept pentru a învăța cum să -l egalezi sau
cum să -l întreci”, [9]
iar ca definiție poate fi utilizată u rmătoarea formulare:
„Benchmarking este procesul de măsurare și comparare continuă a proceselor de
afaceri cu procese comparabile ale organizațiilor dominante, pentru a obține
informații care vor ajuta organizația să identifice și să implementeze
îmbunătă țiri”. [10]

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

32
Conceptul de benchmarking a fost introdus în anii ‟80 în cadrul companiei Xerox, în
contextul pierderii poziției dominante pe piață. Metoda adoptată s-a bazat pe colectarea și
analiza comparativă a unor informații atât despre competitorii direcț i, cât și despre propria
activitate.
De fapt printr -o astfel de analiză prin referire la un etalon al „bunelor practici”
recunoscute în acele domenii, procesul de benchmarking are ca scop stabilirea unor modele
externe respectivei organizații, dar aplicat e vieții interne ale acesteia, pentru identificarea unor
potențiale oportunități de creștere a anumitor componente ale performanței. Este important de
precizat că benchmarking -ul nu reprezintă doar o modalitate de evaluare a competitivității
unei organizaț ii, ci permite și identificarea unor acțiuni care să conducă la atingerea sau chiar
depășirea nivelului de performanță al acesteia.
Benchmarking -ul a apărut în domeniul economic ca o formă de analiză concurențială,
analiză a domeniilor industriale și ca o comparație a performanțelor prin elaborarea unei
matrici adecvate a performanțelor .
Procedura de benchmarking poate fi utilizată la nivelul organizațiilor (companii), la
nivelul unor componente ale acestora sau chiar pentru grupuri de organizații [76].

3.1.2. Benchmark și benchmarking

Există o distincție importantă între benchmark și benchmarking. Bennchmark
reprezintă rezultate ale unor măsurători utilizate pentru compararea nivelului de performanță,
indicând dacă o analiză detaliată a proceselor ar p utea avea rezultate semnificative pentru
organizație.
Activitatea de comparare și analiză detaliată a proceselor din organizația proprie cu
cele din alte organizații poartă numele de benchmarking .
Pentru o înțelegere mai bună a celor doi termeni Bogan și E nglish propun în 1994 [ 25]
câteva definiții alternative pentru concepte le de benchmark și benchmarking .
Astfel conform [ 25] benchmark reprezintă:
 un punct de observare din care pot fi făcute măsurători;
 un sistem de referință în raport cu care se efectuea ză măsurători.
Benchmarking -ul reprezintă:

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

33
 Activitate de evaluare a produselor, procedurilor și practicilor manageriale
pentru a le compara cu cei mai importanți competitori sau cu unele companii
recunoscute ca lideri mondiali în domeniu.
 Un ansamblu de a ctivități care includ:
– măsurarea performanțelor proprii față de cele ale celor mai bune companii
din același sector economic;
– determinarea modului în care cele mai bune firme ating acele nivele de
performanță;
– utilizarea informației pentru a dezvolta in in teriorul organizației strategii
adecvate și obiective măsurabile;
– implementarea strategiilor .
 Un proces pentru măsurarea a performanțelor proprii, în raport cu
performanțele celor mai buni în domeniu și utilizarea datelor rezultate în urma
analizei pentru surclasarea celor mai buni din domeniu ( Kaiser Associates –
Firmă de consultanță ce promovează Benchmarking -ul).
Definițiile de mai sus sunt sintetizate în tabelul 3.1 . de mai jos, iar în figura 3. 1. se
reprezintă modul în care conceptele de benchmarking și benchmarks contribuie la
determinarea celor mai bune practici.

Tabelul nr 3.1. Trăsături ale benchmarking -ului și benchmarks -urilor

Benchmarking Benchmarks
Determinarea celor mai bune practici ce conduc
spre performante superioare atunci când sunt
implementate în organizația proprie
Măsurători pentru a determina valori
corespunzătoare nivelului de performanță al
unui departament sau funcție a organizației, al
proceselor de producție sau al întregii
organizații față de altele.
Acțiune
– Identificarea practicilor specifice cărora li
se datorează înalta performanță
– Înțelegerea modului în care operează acele
practici
– Adaptarea și aplicarea lor la organizația
proprie Furnizează termeni de comparație și elemente
pentru măsurarea performanței:

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

34

Figura nr . 3.1. Benchmarking -ul pentru cele mai bune practici [ 25]

3.1.3. Tipuri de benchmarking

Există mai multe clasificări ale procesului de benchmarking.
Zairi propune în [129] o clasificare bazată pe existența a patru tipu ri de bază de
benchmarking :
1. Intern – Se compară un proces, produs sau serviciu cu un proces, produs, sau
serviciu similar din interiorul organizației. Partenerii potențiali ai benchmarking -ului sunt ușor
de identificat (nu neapărat din același loc). Partajarea informațiilor confidențiale în interiorul
aceleași organizații nu constituie o restricție . Deși sunt puține șanse pentru identificarea
resurse lor de ameliorare semnificative este avantajoasă utilizarea unui benchmarking intern în
acest scop .
2. Competitiv – În acest caz se face comparație cu cel mai bun dintre concurenți de pe
piață. Sunt în general facilități pentru a identifica și sunt multe șanse pentru că ele sunt
purtătoare de surse de ameliorare interesante.
3. Funcțional – Se compară compani a inițiatoare cu cele mai bune din lume. Ele sunt,
în general, din același domeniu chiar dacă nu sunt concurenți direcți.
4. Generic – Comparațiile se realizează cu una din cele mai bune organizații din lume,
în afara sectorului în care se lucrează, dar care au procese similare cu cele analizate. Este mai
dificil de a identifica astfel de companii, însă există posibilitatea ca acestea să fie mai puțin
rezervate în privința partajării informațiilor sau chiar să sugereze soluții inovative pentru
compania iniț iatoare . Măsurări
Benchmarks
Interpretare
statistică Procese
Benchmarking
Practici
CELE MAI BUNE
PRACTICI

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

35
În lucrarea [25], Bogan și English propun următoarele trei categorii principale de
benchmarking:
1. Benchmarking -ul proceselor
– Focalizat asupra proceselor și sistemelor de lucru (primirea și soluționare
reclamațiilor de la clienți, recrutarea pers onalului, încasarea facturilor,
planificare a strategică etc. ;
– Orientat spre identificarea celor mai eficiente practici din firmă;
– Produce rezultate clare, simplu de evaluat.
2. Benchmarking -ul performanței
– Permite managerilor să evalueze poziția competitiv ă a firmei prin compararea
produselor și serviciilor;
– Focalizat pe elemente precum: prețul, calitatea tehnică, trăsături auxiliare ale
produsului sau serviciului, viteză de răspuns la solicitările clientului,
fiabilitate;
– Metode folosite: analiza modului î n care s -a proiectat produsul, comparația
directă și analiza statistică a funcționării produselor.
3. Benchmarking -ul strategic
o Examinează modul în care firmele sunt în competiție;
o Analizează strategiile urmate de diferite firme; nu se limitează la un sing ur
sector economic;
o Rezultatele activității de benchmarking apar târziu.

3.1.4. Implementarea și desfășurarea unui proces de benchmarking

Există o mare varietate de planuri și de metode care pot veni în sprijinul organizațiilor
ce doresc efectuarea unui benchmarking.
În momentul aplicării procedurii benchmarking, problema cea mai importantă și
dificilă este planificarea și aplicarea efectivă a unei strategii, al cărui scop final va fi
satisfacerea în totalitate a cerințelor clienților.
Unul dintre model ele de implementare a benchmarking -ului se bazează pe
binecunoscutul ciclul P.D.C.A. (Plan -Do-Check -Act) al lui Deming [47]. Ciclul este continuu ,
aceasta însemnând că odată implementate și începute îmbunătățirile, trebuie demarate un nou
plan și o nouă că utare.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

36
În mod practic, benchmarking -ul este implementat în 4 etape – Figura nr. 3.2.

Figura nr. 3.2. Etape în implementarea unui benchmarking

1. Planificarea conține activitățile ce vor fi supuse comparației: stabilirea indicatorilor
de evaluare și de comparație; stabilirea criteriilor de selecție a partenerilor de comparație;
determinarea metodelor de colectare a datelor; determinarea resurselor necesare.
2. Aplicarea (transpunerea în practică) presupune: alegerea concretă a partenerului de
comparare; colectarea datelor.
Alegerea partenerului de comparare are la bază criteriul potrivit căruia rezultatele
obținute să poată fi transferabile organizației în cauză, iar practica acestuia să fie considerată
de cea mai înaltă clasă.
Colectarea datelor se poa te face atât direct, cât și indirect , principalele modalități fiind
sintetizate în Tabelul nr. 3.2.

Tabelul nr. 3. 2. Modalități de colectare a datelor într -un proces de benchmarking
Modalitate de colectare/
zonă de colectare Direct Indirect
Intern 1. Obs ervare directă a procesului
selectat;
2. Studiul unor documente
/ materiale interne 1. Colecțiile de date interne nu
sunt în mod normal folosite în
benchmarking -ul intern
Extern 1. Vizită la fața locului;
2. Chestionare 1. Analize comerciale;
2. Studii di n literatură; Planificare
Aplicare:
Căutare, observare
Verificare
(analiză)Acțiune:
Împlementarea
îmbunătățirilor, modifi
cărilor

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

37
3. Conferințe și consultări;
4. Grupuri experimentale

În această etapă, câteodată, este necesară întoarcerea la faza anterioară, cea de
planificare, în cazul în care datele planificate de a fi colectate sunt imposibil de obținut de la
parte nerul selectat.
3. Verificarea (analiza) presupune: corectarea datelor; identificarea și cuantificarea
diferențelor dintre performanțele proprii și cele ale partenerului ales; identificarea cauzelor
acestor diferențe de performanță.
Corectarea datelor se f ace ținând cont de erorile sistematice care conduc la
imposibilitatea de comparare a datelor aflate într -o stare primară. De asemenea, pot fi
corectate ținându -se cont de diferențele existente în condițiile de piață, între nivelurile de
costuri etc. Ulteri or acestor corecții, vor fi identificate diferențele la nivelul performanțelor
calitative și ale productivității și, în final, se încearcă găsirea unor explicații ale cauzelor
generatoare de diferențe.
4. Acțiunea. În această ultimă etapă, rezultatele obți nute sunt ajustate în vederea
adaptării lor la propria situație și sunt implementate îmbunătățirile rezultate ca necesare.
Acțiunea constă în următoarele activități: comunicarea rezultatelor obținute; acceptarea de
către părțile implicate a acestor rezulta te; adaptarea rezultatelor obținute la propria situație și
stabilirea scopurilor funcționale; întocmirea unui plan de acțiune; implementarea planului de
acțiune.
Succesul ciclului P.D.C.A. al unui proces de benchmarking depinde de angajarea și de
implicare a managementului organizației pentru că, în mod obișnuit, procedura benchmarking
conduce la anumite modificări, iar responsabilitatea acestora cade în sarcina directă a
conducerii organizației respective.
Un alt model de desfășurare a unui benchmarking pres upune parcurgerea mai multor
trepte, prezentate în Figura nr. 3.3. [111].
a. Determinarea domeniului de interes (de concentrare) . La începutul desfășurării
unui proces de benchmarking, organizația în cauză trebuie să se decidă asupra cărui aspect își
va co ncentra atenția: cerințe ale consumatorilor, cerințe ale standardelor, proces general de
îmbunătățire continuă a calității, produse și servicii, nivelul pregătirii profesionale a
angajaților, toate departamentele, cultura calității etc., informațiile obțin ute de -a lungul
experienței de benchmarking venind în sprijinul evaluării generale a firmei. Trebuie avut în
vedere că benchmarking -ul și informațiile furnizate sunt de o mai mare valoare decât
concentrarea asupra măsurării absolute a unuia sau a altuia di ntre aspectele de mai sus. O

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

38
concentrare pe un domeniu îngust de măsurare poate determina diminuarea posibilității
comparațiilor, pe când concentrarea asupra proceselor încurajează îmbunătățirile și adoptarea
de noi metode. Astfel eficiența procesului de benchmarking crește atunci când acesta este
utilizat ca un instrument în susținerea unor obiective strategice mai ample.
b. Înțelegerea propriei organizații este importantă pentru desfășurarea acestui proces,
pornindu -se de la definirea și înțelegerea de că tre organizația în cauză a tuturor aspectelor de
fapt. Pentru derularea procedurii de benchmarking , informațiile referitoare la clienții externi,
clienții interni, intrările și ieșirile firmei sunt esențiale . Atâta timp cât oamenii care muncesc
pentru org anizația respectivă sunt și cei care desfășoară benchmarkingurile, organizația este o
entitate cunoscută.
c. Stabilirea a ceea ce se va măsura . În această etapă se ridică problema de selectare a
diverselor activități sau aspecte ale firmei ce vor fi evalu ate și comparate, alegerea
îndreptându -se către zonele în care se manifestă unele disfuncționalități (puncte slabe ale
firmei).
Aceste evaluări permit celor care vor conduce procesul de benchmarking să analizeze
performanțele propriei organizații și ale c oncurenților și, de aceea, ei trebuie să dezvolte o
strategie de culegere a datelor necesară pentru efectuarea unor comparații valide și de esență.
Se definește ce este într -adevăr important pentru ca respectiva organizație să rămână
competitivă (factorii chei de succes).

Determinarea
domeniului de interes
Înțelegerea propriei
organizații
Stabilirea a ceea ce se
va măsura
Selectarea și stabilirea
concurenților
Desfășurarea
benchmarkingului
Implementarea rezultatelor

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

39

Figura nr. 3.3. Etape în desfășurarea unui benchmarking

Pentru a obține o evaluare și o comparație cât mai consistente este necesar să se
stabilească un set de aspecte, de performanțe concrete ce se vor măsura: produse, servicii,
proces general de îmbunătățire continuă a calității, nivelul pregătirii profesionale a
personalului, nivelul calității etc. și să se stabilească indicatorii de evaluare și de comparație,
precum și metodele de colectare a datelor și modalitățile de măsurare ce se vor aplica în
definirea performanțelor proprii și ale concurenților [112].
d. Selectarea și stabilirea concurenților . Alegerea organizației în raport cu care se face
autoevaluarea și comparația se va realiza în funcție de activitățile și operațiile sup use
investigațiilor, de mărimea organizației respective, de numărul și de tipul clienților, de tipul
de tranzacții și chiar de localizarea diferitelor facilități.
O atenție majoră se acord ă stabilirii criteriilor de selecție a partenerilor de comparație
față de care se va efectua benchmarking -ul. În general, sunt selectați concurenții cei mai
puternici în domeniul ales pentru comparare (produse și servicii, afaceri, procese, angajați
etc.).
Se pot selecta organizațiile dintre concurenții lor direcți sau se poate extinde sfera de
comparare și la liderii absoluți într -un domeniu, lideri care au o faimă pentru anumite practici.
e. Desfășurarea benchmarking -ului. În această etapă se aplică metoda numerică de
benchmarking aleasă. Detalii specifice alegerii aces tor metode în cadrul benchmarking -ului
aeroportuar vor fi prezentate în subcapitolul următor.
f. Implementarea rezultatelor benchmarking -ului (îmbunătățirea performanțelor).
După obținerea rezultatelor se analizează punctele tari și slabe ale ariilor studi ate, prin
identificarea și cuantificarea diferențelor dintre performanțele proprii și cele ale partenerului
ales, la nivelul performanțelor calitative și ale productivității, precum și al cauzelor acestor
diferențe de performanță (se urmărește identificare a cauzelor generatoare de diferențe, care
pot fi de natură tehnologică, de sistem sau datorate factorului uman). Se evidențiază diferența
dintre nivelurile existente și cele dorite ale performanțelor diverselor aspecte studiate
(indicatori) și se fac recom andări pentru îmbunătățirea performanței .

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

40

3.2. BENCHMARKING AEROPORTUAR

3.2.1. Necesitatea indicatorilor de performanță

Așa cum s -a arătat în capitolul 2, evoluțiile din ultimele decenii au generat o gamă
complexă de provocări pentru managerii aeroporturilor: congestionarea infrastructurii,
siguranța, durabilitatea, privatizarea traficului aerian, încheierea de alianțe și fuziuni între
companiile aeriene, creșterea continuă a operatorilor low -cost etc. Toate aceste presiuni au
condus la utilizar ea de către manageri a unor tehnici de analiză comparativă . Datorită
caracteristicilor specifice ale aeroporturilor, utilizarea indicatorilor de performanță în industria
aeroportuară este deosebit de importantă [ 91], [67], [83].
Benchmarking -ul aeroportuar este o componentă a procesului de planificare strategică
a unui aeroport, fiind un proces statistic folosit pentru monitorizarea și compararea
performanțelor economice și operaționale, precum și a calității serviciilor. Procedeul
benchmarking urmărește im plementarea obiectivelor cuprinse în planificarea strategică a
aeroportului, măsurarea separată a performanțelor diferitelor funcții și identificarea celor mai
bune practici pentru integrarea lor în procedurile de operare în scopul măririi eficienței,
calității și gradului de satisfacție a clienților [ 86], [93]. Astfel, benchmarking -ul face legătura
operațiilor zilnice și managementului cu planurile de acțiune și inițiativele strategice pe
termen scurt sau lung ale aeroportului.
Tabelul următor prezintă domeniile principale asupra cărora poate fi efectuat un studiu
de benchmarking în domeniul aeroportuar. Gruparea parametrilor măsurabili se face în funcție
de domeniul de activitate în cadrul aeroportului: facilitățile fizice (pistă, aeronave, terminale,
mijloace de transport și eficiența lor), taxe aeronautice de aerodrom, taxe aeronautice de
terminal, venituri din concesionarea spațiilor din terminal, costuri de operare și întreținere,
alte aspecte financiare (cum ar fi lichidități, datorii, profituri, majo rări de active și capital),
calitatea serviciilor operatorilor aerieni și calitatea serviciilor și facilităților aeroportului,
măsurate prin gradul de satisfacție al pasagerilor.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

41

Tabelul nr. 3. 3. Principalele domenii supuse benchmarking -ului la un a eroport [ 64]
Principalele domenii supuse procesului benchmarking la un aeroport
Valorile de trafic
 Numărul total de pasageri (inclusiv cei în
tranzit)
 Cantitatea totală de marfă (inclusiv poștă)
 Totalul zborurilor operate (comerciale, navetă,
aviație util itară și militare) Eficiența procesului de transport
 Eficiența procesării aeronavelor din punctul de
vedere al pistelor, căilor de rulare,
amplasamentului și formei aeroportului
 Eficiența procesării aeronavelor din punctul de
vedere al zonei terminale (ram pe, porți de acces)
 Eficiența procesării fluxului de pasageri prin
terminal
 Eficiența procesării în zona porților de
securitate și controlului vamal Facilități
 Numărul de aeroporturi din zonă
 Piste, bretele, căi de rulare, platforme de
parcare
 Terminale, săli, porți de îmbarcare
 Ghișee de bilete și de preluări bagaje
 Locuri de parcare
Taxe aeronautice – de aerodrom
 Taxe de aterizare și decolare
 Taxe de parcare, staționare și folosirea porților
de îmbarcare
 Taxe aeronautice de mediu
 Taxe de alimentare și alte servicii la sol Taxe aeronautice – de terminal
 Spațiu pentru casa de bilete
 Porți de îmbarcare și rampe de încărcare
 Spații pentru birouri administrative
 Procesare și manipulare bagaje
 Săli de așteptare pentru pasageri
Taxe din concesiuni non -aeronau tice –terminal
 Comerț cu amănuntul
 Produse alimentare / băuturi
 Ziare / cadouri
 Duty free
 Publicitate
 Hoteluri
Taxe din concesiuni non -aeronautice – zona
adiacentă
 Parcări
 Închirieri auto
 Taxiuri, autobuze, limuzine
 Trenuri și stații de tren sau metrou
 Alte vehicule comerciale
 Hoteluri, centre pentru conferințe, clădiri
pentru birouri
Costuri de operare și de întreținere
 Costuri cu personalul (salarii și beneficii)
 Costuri indirecte cu serviciile externalizate
 Provizii și materiale
 Reparații și întrețin ere
 Costuri cu comunicațiile și utilitățile
 Costuri cu securitatea și protecția împotriva
incendiilor
 Alte costuri de operare Alte chestiuni financiare
 Alte venituri din taxe non -operaționale
 Balanța de plăți și lichiditățile
 Datorii (limite și împrumuturi )
 Rentabilitatea capitalurilor și a activelor proprii
 Profitul operațional și profitul net
 Cheltuielile și costurile (existente și
prognozate)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

42
Calitatea serviciilor liniilor aeriene
 Numărul operatorilor aerieni
 Rutele operate și frecvența
 Tipurile de aero nave și varietatea flotei
 Competiția între operatorii aerieni și prețul
biletelor Calitatea serviciilor și facilităților aeroportului
 Calitatea transportului către aeroport
 Calitatea procesării pasagerilor (check -in, porți
îmbarcare, vamă, controale de sec uritate)
 Calitatea serviciilor comerciale ale aeroportului
 Calitatea facilităților aeroportului

În domeniul aeronautic, benchmarking -ul este folosit relativ recent [ 5]. Introducerea
acestei forme de evaluare se datorează în principal scăderii implicării statului și liberalizării
masive a pieței. După cum am precizat în capitolul anterior, necesitatea de eficiență a
aeroporturilor s -a făcut simțită odată cu privatizarea acestora [ 104]. Esența succesului unui
aeroport o reprezintă găsirea echilibrului într e cheltuielile generate de oferirea serviciilor și
mărimea taxelor corelat cu obținerea dimensiunii ideale a traficului taxat. Multitudinea de
activități și costuri ce trebuie echilibrate, la care se adaugă faptul că mărimea profitului nu
este întotdeauna proporțională cu volumul activității, cum ar fi de așteptat, face ca analiza
activității unui aeroport să fie deosebit de complexă.
În 2005, Anne Graham, de la universitatea Westminster din Londra, a publicat
lucrarea cu titlul „Airport benchmarking: a re view of the current situation” în care prezintă
principalele motive ale creșterii interesului pentru aplicarea tehnicilor de benchmarking în
monitorizarea eficienței aeroporturilor [ 64]. În viziunea ei, principalele motive sunt:
 Benchmarking -ul aeroportuar a început să fie acceptat în ultimii ani, în special
datorită transferului aeroporturilor din sectorul public către autorități autonome;
 Liberalizarea, comercializarea și globalizarea industriei aeronautice au condus la
creșterea cifrei de afaceri, a comp lexității și competitivității aeroporturilor,
sporind nevoia pentru indicatori de performanță;
 Multe dintre aeroporturi au adoptat filosofii și practici de afaceri agresive în
scopul maximizării eficienței;
 Operatorii aeroportuari folosesc continuu tehnici de benchmarking atât intern, cât
și raportat la alte aeroporturi, în scopul identificării modalităților de îmbunătățire a
eficienței.
Studii complete de benchmarking aeroportuar sunt puține, în general fiind realizate la
inițiativa autorităților, în cad rul unor proiecte de amploare. Mai numeroase sunt studiile
efectuate de către agenții sau asociații interesate[ 35]. Probabil că majoritatea aeroporturilor
folosesc benchmarking -ul și realizează în mod constant studii asupra eficienței proprii și
performanț elor concurenței, însă acestea nu sunt făcute publice [ 5], [60], [124].

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

43
Având în vedere tendința generală de comercializare a activității aeroporturilor,
consider că se poate începe o analiză prin simplificarea activităților acestora la nivelul oricărei
unități teoretice de producție, și anume prin identificarea intrărilor și ieșirilor sistemului.
Principalele intrări pentru un aeroport sunt munca și capitalul. În funcție de parametrul de
performanță pe care dorim să -l măsurăm, mărimea acestor intrări poat e fi definită în termeni
fizici sau financiari. De exemplu, munca poate fi exprimată în număr de angajați sau în costuri
cu angajații. Intrarea capital este, în general, definit ă prin mărime fizică, reprezentând, de
exemplu, numărul de piste, suprafața pla tformelor sau a terminalului, dar nu este exclusă nici
utilizarea sa în termeni financiari. Această variantă este însă ceva mai greoaie, deoarece
activele fixe sunt înregistrate diferit în contabilitate, în funcție de regiune, aceste diferențe
putând gener a erori.
În ceea ce privește ieșirile , pot fi utilizați diferiți indicatori . În mod obișnuit, se
consideră ca mărimi de ieșire („produse”) ale activității unui aeroport numărul de
pasageri, cantitatea de marfă și număr de decolări/aterizări. Acest din urmă indicator este
denumit în literatura de specialitate ATM (Air Transport Movement). Deoarece ponderea
pasagerilor în raport cu marfa este variabilă, pentru a se putea realiza o comparație reală a
valorilor traficului pe diferite aeroporturi, s -a adoptat o unitate de măsură folosită inițial de
către transportatori, și anume unitatea echivalentă de încărcare – WLU (WorkLoad Unit).
Această unitate reprezintă echivalentul unui pasager sau a 100 kilograme de marfă,
combinându -se astfel cele două ieșiri esențiale ale unui aeroport într -o singură mărime. Astfel,
ieșirea totală definit ă în unități echivalente de încărcare devine:
WLU it = P it + [M it / 100]
unde WLU reprezintă unitățile echivalente de încărcare generate de aeroportul i în perioada t,
P este numărul d e pasageri și M cantitatea de marfă în kilograme.
Adoptarea WLU este firească din punctul de vedere al operatorului aerian, care are în
vedere limitarea în funcție de greutate, dar este total arbitrară în cazul aeroportului, deoarece
aceeași greutate de p asageri și marfă nu necesită resurse similare în termeni fizici sau
financiari, și nici nu generează aceleași venituri. Cu toate acestea, WLU reprezintă un mod
rezonabil de a aprecia ieșirea totală combinat ă a aeroporturilor.

3.2.2. Metode de analiză com parativă

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

44
Odată stabilite principalele intrări și ieșiri trebuie aleasă metoda de analiză a
performanței.
Având în vedere aspectele particulare ale aeroporturilor descrise în capitolul anterior,
determinarea performanțelor acestora nu poate fi făcută utili zând metodele folosite în mod
curent pentru evaluarea altor unități economice. În lipsa unor metode care să țină cont de
aceste particularități, evaluarea performanțelor aeroporturilor s -a făcut inițial doar cu ajutorul
indicatorilor de performanță parția lă. Folosirea acestora este foarte populară datorită
complexității reduse a calculelor, însă rezultatele obținute oferă o imagine trunchiată a
performanțelor aeroporturilor, pentru interpretarea rezultatelor fiind necesară o bună
cunoaștere a tuturor aspec telor operaționale ale fiecărui aeroport în parte.
Pentru determinarea eficienței totale a aeroporturilor pot fi folosite și alte metode,
prezentate în figura 3. 4.

Fig. 3.4. Metode de analiză comparativă

Există două tipuri de abordări în ceea c e privește determinarea eficienței relative
integrale în cadrul unui eșantion de firme: parametrice (sau statistice) și neparametrice.
Principala diferență între cele două tipuri de abordări constă în faptul că în cazul primului tip metode tip
frontierămetode
non-frontierăDeterminarea
eficienței
integrală
metode
neparametrice
Analiza
anvelopei
detelor –
DEAindexmetode
parametrice
regresia
Analiza
stocastică a
frontierei –
SFAparțială
indicatori de
performanță
parțială

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

45
se utilizează o funcție i de cost sau de producție. Modul de parametrizare a funcției cost sau de
producție are un rol important asupra rezultatelor analizei comparative .
Abordarea parametrică se bazează pe tehnici econometrice și include analiza prin
regresie și analiza frontier ei stocastice (Stochastic Frontier Analysis – SFA). În timp ce
regresia simplă determină o estimare a funcție i cost sau de producție, SFA , care constituie o
extensie a acestei metode , urmărește estimarea unei frontiere a funcției cost sau de producție
cu diferite niveluri intermediare ale eficienței.
Abordarea neparametrică se bazează pe tehnici de programare matematică, principala
metodă de analiză fiind metoda analizei anvelopei datelor (DEA – Data Envelopment
Analysis ). DEA este un procedeu de calcul a eficienței relative prin raportarea la cele mai
bune modele de bune practici din grup. Ea implică utilizarea metodelor de programare
matematică în scopul determinării unei limite (frontiere) de bune practici, eficiența fiind
calculată prin relativ la aceas tă limită.

3.2.2.1. Metoda indicatorilor de performanță parțială

Așa cum s -a afirmat mai sus, aeroporturile produc mai multe ieșiri utilizând diferite
intrări. Acestea, la rândul lor, cauzează dificultăți în definirea generală a unei măsuri coerente.
În acest caz, sunt folosite măsurile parțiale , care cel mai adesea sunt utilizate în industrie, în
universități și în presă pentru evaluarea diferențelor de performanță. În general, măsurile
parțiale pentru aeroporturi se referă la relația dintre o anumită ieșire și o anumită intrare. De
exemplu, numărul pasagerilor unui aeroport raportat la numărul angajaților reprezintă o
măsură parțială a productivității.
Pentru evaluarea performanței aeroporturilor se utilizează o varietate largă de
indicatori de perform anță parțială. Determinarea acestor măsuri de performanță necesită
resurse computaționale reduse precum și un număr relativ mic de date. Cu toate acestea,
productivitatea unei anumit e intrări depinde de mărimea celorlalte intrări . Prin urmare, un
raport ca re indică o productivitate mare pentru o intrare poate fi atribuit un ei productivități
scăzute a alte ia. Ca atare, analiza oricărei măsuri parțiale de productivitate trebuie făcută cu
precauție.
Aplicarea indicatorilor de performanță parțială este însă în prezent cea mai utilizată
metodă de analiză comparativă între aeroporturi, datorită complexității reduse. Această
abordare a fost introdusă inițial de către Universitatea Westminster (secția transporturi) și

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

46
Universitatea Cranfield (departamentul transport uri aeriene). Aceste studii sunt axate în
principal pe:
– Productivitate;
– Eficiența costurilor;
– Capacitatea de generare a veniturilor.
Pentru fiecare dintre aceste aspecte au fost elaborate unități de măsură în raport cu
intrările și ieșirile aeroportului. Î n cazul de față, sunt disponibile informații cu privire la
următoarele intrări : capacitatea aeronautică (număr de piste, capacitatea teoretică a pistelor și
platformelor), capacitatea terminalelor prin numărul de porți și suprafață, și număr de
angajați. T otodată, sunt accesibile date despre volumul de trafic ca ieșire general ă, prin:
valorile traficului de pasageri, valorile traficului de marfă, valori WLU, număr mișcări de
aeronave (ATM). În continuare se prezintă succint indicatorii de performanță parția lă în
funcție de aceste mărimi.

a. Productivitatea

În ceea ce privește productivitatea, datele disponibile permit definirea unei game largi
de indicatori de performanță, grupați în trei categorii: productivitatea muncii și productivitatea
capitalului.
Din prima categorie fac parte numărul de pasageri per angajat, numărul de mișcări de
aeronave per angajat și numărul de unități echivalente de încărcare per angajat. Prin agregarea
acestor indicatori de performanță parțială se obține productivitatea genera lă a muncii. În ceea
ce privește productivitatea capitalului, indicatorii parțiali de performanță sunt legați de
activele aeroportului (ele reprezentând capitalul investit). Aceștia sunt numărul de pasageri
per poartă de îmbarcare, numărul de pasageri per metru pătrat de terminal și numărul de
mișcări de aeronave per pistă.

b. Eficiența costurilor

Componentele costurilor variabile includ costurile forței de muncă și costurile
indirecte. Costurile forței de muncă includ salarii, beneficii, precum și alte cheltuieli direct
legate de personalul unui operator aeroportuar. Costurile indirecte se referă la toate categoriile

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

47
de cheltuieli cu excepția costurilor cu personalul și cele legate de capital. În general, costurile
de aeroport pot fi clasificate în patr u mari categorii: costurile legate de muncă, costuri
contractuale și alte costuri legate de servicii, costurile de achiziție și bunuri materiale și
costurile legate de capital. Cu toate acestea, puține aeroporturi fac distincția între costuri
contractuale și alte servicii legate de bunuri și costurile de achiziție și bunuri materiale, de
aceea în continuare se vor folosi costurile indirecte ca mărime generală.
Indicatorii de performanță parțială pentru eficiența costurilor sunt definiți tot prin
raportare d irectă la ieșiri . Astfel, pentru categoria costuri cu angajații, indicatorii sunt costuri
cu personalul per pasager, costuri de personal per ATM și costuri de personal per WLU. Prin
adăugarea costurilor indirecte la costurile legate de muncă se obțin următ orii indicatori:
costuri variabile per pasager, costuri variabile per ATM și costuri variabile per WLU.

c. Generarea veniturilor

Veniturile unui aeroport pot fi împărțite în două componente principale: venituri
aeronautice și venituri non -aeronautice. V eniturile aeronautice se referă la veniturile direct
legate de activitățile aviatice, inclusiv taxele de aterizare, taxele de terminal pentru pasageri,
taxele de han dling etc. Serviciile de handling nu sunt în general considerate a fi o activitate de
bază, și multe aeroporturi nu furnizează servicii de handling în mod direct. În mod tradițional,
veniturile aeronautice sunt sursele principale de venit pentru aeroporturi. Cu toate acestea, din
ce în ce mai multe aeroporturi caută alte surse de venituri care s ă le permită să reducă
diversele tarife legate de aviație, în scopul de a atrage mai multe companii aeriene la aeroport
și creșterea în continuare a veniturilor non -aeronautice.
Două dintre componentele principalele ale veniturilor non -aeronautice sunt
concesiunile și parcările. Deseori, aeroporturile nu operează concesiuni în mod direct, ci mai
degrabă atrag venituri prin plățile de leasing și/sau alte forme de acorduri financiare cu
operatorii de concesiune. În orice caz, veniturile din concesiuni și parc ările auto devin tot mai
importante pentru aeroporturi.
Indicatorii de performanță parțială pentru generarea veniturilor unui aeroport sunt:
– Venituri aeronautice per ATM;
– Venit operațional net per pasager;
– Venit operațional net per ATM;
– Venit operațional net per WLU;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

48
– Venit operațional net per angajat.

În continuare se prezintă principalele metode parametrice și neparametrice avute în
vedere pentru procesul de benchmarking al aeroporturilor, prezentând principalele avantaje și
dezavantaje.

3.2.2.2. Metoda regresiei simple

Este o metodă deterministă constând în două etape: în prima etapă se determină prin
metoda regresiei (de obicei liniară) un model de forma:
𝑐𝑖=𝑓 𝑥𝑖;𝛽 +𝑢𝑖 𝑖=1,….,𝑁 (3.1)
în care 𝑖 reprezintă indicele agentului economic (în cazul prezentei tezei, aeroportul), 𝑐𝑖
reprezintă costul total, 𝑥𝑖 reprezintă un vector al ieșirilor , iar 𝛽 este un vector conținând
parametri i ce urmează a fi determinați pe baza datelor disponibile privind costurile 𝑐𝑖 și
ieșirile 𝑥𝑖. Parametri i 𝛽 sunt comuni pentru toți age nții economici. În expresia ( 3.1), termenul
𝑢𝑖 are semnificația de ineficiența agentului economic și se determină în etapa a doua a
metodei. Calculul v ectorilor parametrilor 𝛽 ai funcției liniare 𝑓 𝑥𝑖;𝛽 se poate face în cazul
regresiei liniare folosind expresia [121]:
𝛽= Φ𝑇Φ −1Φ𝑇𝐶 , (3.2)
în care s -au notat
Φ= 𝑥1𝑇
⋮
⋮
𝑥𝑛𝑇 𝐶= 𝑐1
⋮
⋮
𝑐𝑛 .
Expresia ( 3.2) rezultă direct prin minimizarea sumei pătratelor abaterilor dintre
termenii 𝑐𝑖 și 𝑓 𝑥𝑖;𝛽 .
În figura 3.5. se ilustrează graficul ipotetic al funcției 𝑓 𝑥𝑖;𝛽 obținut după aplic area
metodei regresiei liniare, folosind datele (costuri și ieșiri ) aferente agenților notați A, B, C, D,
E.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

49

Fig. 3.5.Regresia liniară simplă și regresia liniară corectată

Calculând d iferența 𝑐𝑖−𝑓 𝑥𝑖;𝛽 =𝑢𝑖 se determină inefi ciența agentului 𝑖 în raport cu media
dată de 𝑓 𝑥𝑖;𝛽 .
O variantă modificată a metodei regresiei liniare simple constă în translația dreptei
𝑓 𝑥𝑖;𝛽 astfel încât toate costurile agenților 𝑖=1,….,𝑁să se afle deasupra sau pe această
dreaptă . Această metodă este denumită regresia liniară corectată pentru ca re termenii liberi
𝑢𝑖 din expresia (1) sunt nenegativi.
În acest fel se determină o eficiență relativă a aeroporturilor în raport cu cel mai
eficient aeroport (în cazul figurii 3.5., aeroportul C )
Metoda regresiei liniare poate fi aplicată și în cazul în care modelul (1) conține
termeni aleatori. De exemplu dacă
𝑐𝑖=𝑓 𝑥𝑖;𝛽 +𝜀𝑖,
unde 𝜀𝑖 este un vector ale cărui componente sunt mărimi stocastice de tip zgomot alb, atu nci
𝜃 = Φ𝑇𝑅−1Φ −1Φ𝑇𝑅−1𝐶 (3.3)
unde 𝑅este varianța presupusă cunoscută a vectorului 𝜀= 𝜀1,𝜀2,…𝜀𝑛 𝑇, adică
𝑅=𝐸 𝜀1
⋮
𝜀𝑁 𝜀1…𝜀𝑁 , 𝐸 ∙ reprezen tând valoarea medie [121]
Metodele prezentate succint mai sus, bazate pe regresia liniară, nu au fost utilizate
direct în cadrul prezentei teze pentru analiza eficienței aeroporturilor. Acestea constituie însă
modele premergătoare metodei analizei frontie rei stocastice care va fi prezentată în secțiunea
următoare.
EA
C
BDcosturi
outputuri

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

50
Avantaje si dezavantaje
Principalul avantaj al metodei analizei de regresie îl reprezintă simplitatea .
Dezavantajul principal îl reprezintă faptul că valoarea reziduală obținută în urma
estim ărilor reflectă o combinație a ineficienței relative, erorilor de măsurare și zgomotului
statistic. Totodată metoda se bazează pe ipoteza cunoașterii a priori a caracteristicilor
statistice ale variabilelor aleatoare 𝜀𝑖, i=1,… N (în cazul de mai sus a varianței R), ceea ce în
aplicații nu este realist. Un alt dezavantaj major îl reprezintă faptul că metoda estimează o
funcție medie care nu oferă o informație directă privind ineficiența relativă în cadrul
eșantionului.

3.2.2.3. Metoda analizei front ierei stoc astice

Analiza frontierei stocastice diferă de metoda regresiei liniare în mai multe privințe.
Daca în cazul regresiei simple se folosește metoda celor mai mici pătrate pentru a se
determina funcția cost, în cazul metod ei analizei frontierei stocastice se folosește metoda
verosimilității maxime pentru a se determina o frontiera eficienței în eșantionul respectiv. În
plus, SFA separă componentele eroare și ineficiență, necesitând formulări separate pentru
distribuția ineficienței, respectiv a ero rii, ceea ce conduce la o mai mare precizie în
determinarea eficienței relative.
Deși m etoda analizei frontierei stocastice a fost propusă încă din 1977 ( [3], [96 ]),
utilizarea ei pentru sectorul aeroportuar a început abia în ultimii ani (a se vedea [90] ș i
bibliografia acesteia). Metoda constă în determinarea unei funcții cost parametrizate în raport
cu care se calculează eficiența fiecărui aeroport. Această funcție, denumită frontieră , se
determină pe baza informațiilor de la toate aeroporturile din eșant ionul considerat.
Modelul general al funcției frontieră stocastic ă are forma :
𝑦𝑖=𝑓 𝒙𝑖;𝜷 +𝜀𝑖, 𝑖=1,….,𝑁
unde
 𝑖=1,….,𝑁 reprezintă indicele aeroportului ,
 f reprezintă o funcție cost sau de producție;
 𝒙𝒊 este vectorul v ariabilelor de ieșire (în cazul funcției cost), respectiv de intrare (în cazul
funcției de producție) ale unității i, 𝑦𝑖 reprezintă vectorul intrărilor (în cazul funcției cost),

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

51
respectiv ieșirilor (în cazul funcției de producție) ale unității i, iar β este un vector care
conține parametrii funcției f ce urmează să fie determinați,
 𝜀𝑖 este o valoare reziduală compusă din zgomotul 𝑣𝑖 și ineficiența 𝑢𝑖,
𝜀𝑖=𝑣𝑖+ 𝑆𝑢𝑖,
iar parametrul S are valoarea 1 dacă frontiera reprezintă o funcție cost, respectiv -1, dacă
aceasta reprezintă o funcție de producție .
În continuare ne vom referi doar la cazul fun cției cost , a cărei formă Cobb -Douglas
[36] va fi:
𝐶𝑖=𝜷𝟎+𝜷′𝒙𝒊+𝑤𝑖+𝑣𝑖+𝑢𝑖 (3.4)
unde variabilele sunt exprimate în logaritmi, iar
 𝐶𝑖 este valoarea scalară a costurilor pentru aeroportul i,
 𝑤𝑖 este o variabilă aleatoare denumită heterogenitate specifică fiecărui aeroport
introdusă diferențierea ineficienței în raport cu factori independenți de managementul
aeroportului (de exemplu particularități geografie, etc.); o justificare detaliată a acestei
variabile poate fi găsită în lucrarea [69]
 𝑣𝑖 ș𝑖 𝑢𝑖 reprezintă zgomotul statistic și respectiv ineficien ța aeroportului 𝑖.
Zgomotele 𝑣𝑖, 𝑖=1,….,𝑁 includ erori de măsurare, pozitive sau negative și sunt
presupuse independente și identic distribuite, având media nulă și varianța 𝜎𝑣2 necunoscută.
În continuare se va utiliza notația uzuală 𝑣𝑖~𝑁(0,𝜎𝑣2) pentru a caracteriza faptul că
aceste variabile aleatoare au distribuția normală (gaussiană) cu distribuția de probabilitate
𝜑 𝑥 =1
𝜎𝑣 2𝜋𝑒−𝑥2
2𝜎𝑣2 (3.5)
Variabilel e 𝑢𝑖, 𝑖=1,….,𝑁 sunt de asemenea independente și identic distribuite, dar
ele sunt nenegative ( 𝑢𝑖≥0) și semnifică ineficiența (sau diferența față de costul minim
posibil). Distribuția de probabilitate considerată pentru aceste variabile este, de obicei,
distribuția semi -normală 𝑁+(0,𝜎𝑢2) definită pe semiaxa pozitivă. Varianța 𝜎𝑢2 este, de
asemenea, necunoscută și se calculează împreună cu varianța 𝜎𝑣2 pe baza datelor disponibile
𝐶𝑖 și 𝒙𝒊, 𝑖=1,….,𝑁.
În figura 3. 6. sunt reprezentate funcțiile de distribuție de probabilitate normală și semi –
normală pentru 𝜎𝑣=1 și respectiv 𝜎𝑢=1,2.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

52

Figura 3. 6. Funcțiile densitate de probabilitate normală și semi -normală

În ipoteza că 𝑢 și 𝑣 sunt mărimi aleatoare indepe ndente, rezultă covarianța
componentei stocastice 𝑢+𝑣:
𝜎2=𝜎𝑣2+𝜎𝑢2. (3.6)
Utilizarea metodei de analiză a frontierei stocastice implică două etape.
Etapa I. Se determină funcția frontieră (2.1) calculând parametrii 𝜷𝟎,𝜷 și varianțele
𝜎𝑣2,𝜎𝑢2 și 𝜎𝑔2 ale variabilelor aleatoare 𝑢,𝑣 și respectiv 𝑤. Definind
𝜆=𝜎𝑢
𝜎𝑣 , (3.7)
din (3.6) rezultă direct că 𝜎𝑢 ș𝑖 𝜎𝑣 se exprimă în raport cu variabilele 𝜎 ș𝑖 𝜆 astfel:
𝜎𝑣= 𝜎2
1+𝜆2
𝜎𝑢= 𝜎2𝜆2
1+𝜆2.
Calculul necunoscutelor 𝜷𝟎,𝜷,𝜎,𝜆 și 𝜎𝑔 se realizează, de exemplu, utilizând funcția de
verosimilitate definită ca probabilitatea realizării costurilor 𝐶𝑖 condiționată de variabilele 𝑤𝑖
[70]:
𝑓(𝑐𝑖|𝑤𝑖)=2
𝜎𝜑 𝜀𝑖
𝜎 Φ 𝜆𝜀𝑖
𝜎 , (3.9)
unde s -a notat
𝜀𝑖=𝑐𝑖−𝜷𝟎−𝜷′𝒙𝒊−𝑤𝑖,

(3.8)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

53
și unde Φ reprezintă distribuția cumulativă definită prin relația:
Φ= φ t dtx
−∞ . (3.10)
Dacă se presupune că variabilele de heterogenitate 𝑤𝑖,𝑖=1,….,𝑁 sunt independente
și identic distribuite și având distribuție normală, adică
𝑔 𝑥 =1
𝜎𝑔 2𝜋𝑒−𝑥2
2𝜎𝑔2,
rezultă funcția de verosimilitate pentru aeroportul 𝑖 (a se vedea [70]):
𝐿𝑖 𝜷𝟎,𝜷,𝜎,𝜆,𝜎𝑔 =𝑓 𝑐𝑖 = 2
𝜎𝜑 𝜀𝑖
𝜎 Φ 𝜆𝜀𝑖
𝜎 𝑔 𝑤𝑖 𝑑𝑤𝑖
𝑤𝑖 (3.11)
Necunoscutele 𝜷𝟎,𝜷,𝜎,𝜆 și 𝜎𝑔se determină maximizând funcția de verosimilitate
globală:
𝐿𝑔 𝜷𝟎,𝜷,𝜎,𝜆,𝜎𝑔 = 𝐿𝑖 𝜷𝟎,𝜷,𝜎,𝜆,𝜎𝑔 (3.12)𝑁
𝑖=1
În studiul de caz prezentat în această secțiune, în locul funcției 𝐿𝑔 s-a utilizat funcția
ln𝐿𝑔 care prezintă avantaje din punct de vedere computațional.
După determinarea necunoscutelor 𝜷𝟎,𝜷,𝜎,𝜆 și 𝜎𝑔, se calculează 𝜎𝑣 și 𝜎𝑣 folosind
relațiile (2.5).
Etapa a -II-a Se determină media ineficienței 𝑢. Această medie se poate calcula, de
exemplu, folosind relațiile:
𝐸 𝑢 = 𝑥
𝜎𝑢 2𝜋∞
0𝑒−𝑥2
2𝜎𝑢2𝑑𝑥= 𝜋
2𝜎𝑢.
Expresia de mai sus a fost utilizată în lucrări mai vechi (de exemplu [116]), dar are
dezavantajul că estimarea ineficienței este independentă de observațiile 𝑖=1,….,𝑁. Acest
neajuns a fost analizat și în lucrarea [84] în care s -a propus utilizarea mediei condiționate de
observațiile 𝑤𝑖, adică 𝐸 𝑢𝑖|𝜀𝑖 pentru care, în cazul distribuției normale pentru 𝑣𝑖 și semi –
normale pentru 𝑢𝑖 se obține ([69], [84] ):
𝑢 𝑖=𝐸 𝑢𝑖|𝜀𝑖 =𝜎𝜆
1+𝜆2 𝜑(𝑎𝑖)
1−Φ(𝑎𝑖)−𝑎𝑖 (3.13)
unde s -a notat
𝑎𝑖=𝑆𝜀𝑖𝜆
𝜎 3.14
variabila 𝑆=±1 fiind definită la începutul secțiunii.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

54
Pentru testarea metodei am realizat următorul studiu de caz pentru determinare a
eficienței relative pentru un eșantion de patru aeroporturi din Marea Britanie și anume Londra
Heathrow, Londra Gatwick, Manchester și Edinburgh. Datele utilizate pentru 𝑐𝑖 și 𝑥𝑖,
𝑖=1,….,𝑁 au fost cele publicate în CRI – Centre for Study of Regulated Industries –
Airport Statistics 2008 -2009 [119].

Tabelul 3. 4. Date statistice ale aeroporturilor [119]
Aeroport 𝑥1
(venituri operaționale
pasageri -mii £) 𝑥2
(venituri operaționale
cargo-mii £) C
(costuri totale -mii £)
HEATHROW 835300 740300 1400700
GATWICK 228300 237100 361400
MANCHESTER 143040 143429 224689
EDINBURGH 49046 41244 52793

Deși în acest exemplu s -au considerat doar două ieșiri, metoda poate fi folosită și
pentru ma i multe componente ale vectorului 𝒙, caz în care crește timpul de calcul necesar
maximiz ării funcției de verosimilitate, deoarece se mărește numărul parametrilor în raport cu
care se realizează optimizarea.
Pentru aplicarea metodei frontierei stocastice am realizat programele de calcul
prezentate în anexa 28. Deoarece parametrii 𝜆,𝜎 și 𝜎𝑔 din problema de optimizare sunt
nenegativi, am folosit o procedură de optimizare cu restricții din cadrul pachetului software
MATLAB, și anume fmincon.m . În scopu l evitării convergenței către o soluție de optim local,
algoritmul de calcul numeric este folosit pentru diferite valori inițiale ale variabilelor,
alegându -se situația în care se obține optimul global al funcției cost.
Soluția optimă obținută pe baza date lor din tabelul 3.4. este:

𝑍𝑜𝑝𝑡𝑖𝑚=
𝛽0
𝛽1
𝛽2
𝜎
𝜆
𝜎𝑔
=
0,1000
0,2641
0,7538
0,1558
0,1000
0,1125

pentru care s -a obținut din ( 3.8):
deviația standard lui v: 𝜎𝑣=0,155
deviația standard lui u: 𝜎𝑢=0,0155
Folos ind (3.13) s-a calculat ineficiența celor patru aeroporturi analizate , și anume :

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

55
𝑢𝐻=48,7958∙10−4 𝑢𝐺=25,4560∙10−4
𝑢𝑀=99,0532∙10−4 𝑢𝐸=70,3104∙10−4
Valorile estimate ale ineficienței celor patru aeropor turi au rezultat foarte mici, punând în
evidență unele vulnerabilități ale metodei SFA. Valorile neobișnuit de mici obținute pot fi
cauzate de două dezavantaje recunoscute ale acestei metode și anume sensibilitatea la
mărimea eșantionului și la valorile excesive ale datelor, adică mult diferite în raport cu media
eșantionului . În ambele situații amintite metoda analizei frontierei stocastice are tendința de a
returna valori ale eficienței aproape de 100%, și valori mari ale zgomotului statistic. În cazul
nostru s-a obținut 𝜆=0,1, ceea ce ne arată că zgomotului statistic are varianța sensibil mai
mare decât cea a ineficienței.

Fig. 3.7. Reprezentarea grafică a rezultatelor obținute prin metoda SFA
(𝑢 are distribuție semi -normală)

În unele lucrări (de e xemplu [84],[70]) s-a analizat cazul în care variabila stocastica 𝑢𝑖
ce exprimă ineficiența are o distribuție exponențială, de forma:
𝑓 𝑢 =𝑒−𝑢
𝜎𝑢
𝜎𝑢 (3.15)
In Figura 3.8. sunt reprezentate graficele funcțiilor de densitate de probabilitate pentru
distribuție normal ă cu 𝜎𝑣=1si pentru cea exponential ă pentru 𝜎𝑢=3.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

56

Figura 3. 8. Funcțiile densitate de probabilitate pentru distribuție normală și exponențială

Definind
𝐴=𝜀
𝜎𝑣+𝜎𝑣
𝜎𝑢 (3.16)
media condiționată de observațiile 𝑤𝑖 (în cazul distribuției normale pentru 𝑣𝑖 și exponențiale
pentru 𝑢𝑖) are expresia [84]:
𝑢 𝑖=𝐸 𝑢𝑖 𝜀𝑖 =𝜎𝑣 𝑓 𝐴
1−Φ 𝐴 −𝐴 (3.17)

Consider ând acelea și valori numerice ca mai sus dar pentru cazul în care 𝑢𝑖 are o distribuție
exponențială, am obținut următoarele rezultate:

𝑍𝑜𝑝𝑡𝑖𝑚=
𝛽0
𝛽1
𝛽2
𝜎
𝜆
𝜎𝑔
=
0,1415
0,1743
0,8374
14,0509
0,1090
0,1090

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

57

Fig. 3.9. Reprezentarea grafică a rezultatelor obținute prin metoda SFA
(𝑢 are distribuție exponențială)

Avantaje ș i dezavantaje ale metodei SFA

SFA admite prezența erorilor de măsurare și își propune, să separe aceste erori de
componenta ineficienței. În practică acest deziderat nu este întotdeauna realizabil deoarece
componenta estimată a ineficienței reprezintă doar o mică parte a termenului rezidual 𝜀𝑖.
Acest fapt poate provoca probleme în analiză, făcând SFA vulnerabilă la valorile excesive ,
adică la observațiile care se situează mult în afara mediei eșantionului. În acest caz se poate
întâmpla ca modelul SFA să considere un nivel mult prea mare al zgomotului statistic și, ca
atare, să indice un nivel foarte mic al ineficienței, chiar și în cazul în care acesta este
semnificativ. Ca urmare, toate firmele din eșantion vor rezulta a fi aproape 100% eficiente. În
aceste cazuri principalul avantaj scontat al metodei frontier ei stocastice , acela de a
descompune termenul rezidual în zgomot statistic și ineficiență, devine un dezavantaj.
Această problemă a SFA nu este doar o idee preconcepută fără acoperire practică, ea putând
apărea în sectoare unde există diferențe majore într e elementele eșantionului, cum ar fi
sectorul aeroportuar, unde o analiză comparativă între operatori de mărimi diferite ar

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

58
distorsiona scorul eficienței pentru întregul eșantion. Există, de asemenea, și posibilitatea de a
rezulta o varianță foarte mică pe ntru termenul zgomot statistic. În acest caz, cea mai mare
pondere a deviațiilor de la frontieră este atribuită ineficienței.
SFA, față de tehnicile neparametrice, are avantajul de a oferi prin evidențierea
frontierei informații privitoare la semnificația și influența unor factori individuali. Totuși,
metoda fiind statistică nu garantează corectitudinea estimărilor bazate pe maximizarea
verosimilității atunci când eșantionul de aeroporturi este mic.
Metoda SFA prezintă și unele aspecte teoretice discutab ile. Modelul frontierei
stocastice depinde în mare măsură de funcțiile alese de distribuție de probabilitate. Cele mai
utilizate funcții distribuție de probabilitate sunt distribuția normală trunchiată în 0, respectiv
distribuția exponențială , așa cum s -au prezentat și în exemplele de mai sus . Selectarea tipului
de funcțiilor de distribuție nu are o justificare teoretică riguroasă, în schimb concluziile
analizei eficienței pot depinde sensibil de alegerea acestor funcții .

3.2.2.4. Metoda index

O metodă s implă de estimare ne parametrică a eficienței mai multor firme ar fi
construirea unui indice al performanței relative cum ar fi:
Eficien ța=β1×1+β2×2+⋯+βkxk1
𝑐𝑜𝑠𝑡
unde 𝑥1,𝑥2,….,𝑥𝑘 sunt ieșiri , iar β1,β2,…,βk sunt ponderi ale acestor ieșiri .
Această abordare are două probleme majore. Prima este ipoteza relației liniare între
costuri și ieșiri , iar a doua este faptul că se consideră aceleași valori ale ponderilor a priori
fixate pentru toate firmele . Urmare a a cestor probleme, metoda este considerată ca fiind
imprecisă și, ca atare, nu se va utiliza în capitolele următoare ale tezei . Detalii suplimentare
privind această metodă pot fi găsite, de exemplu, în lucrările [59], [33] .

3.2.2.5. Metoda analizei anvelop ei datelor

Metoda analizei anvelopei datelor (Data Envelopment Analysis – DEA) este
considerată ca una dintre cele mai de succes metode pentru evaluarea eficienței. DEA este un
procedeu de calcul a l eficienței relative prin raportarea la cele mai bune mod ele de bune
practici din grup [123]. Metoda a fost propusă inițiala în [34] și dezvoltată [17] , fiind utilizată

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

59
inițial pentru evaluarea organizațiilor non -profit, ale căror performanțe nu pot fi măsurate
printr -un singur parametru . Primele aplicații pent ru aeroporturi sunt relative recente ([62],
[63],[106], [97] , [106], [19], [20], [21] ). DEA implică utilizarea unor tehnici de programare
matematică în scopul determinării unei limite (frontiere) de bune practici, eficiența fiind
calculată prin raportare la această limită. Limita de bune practici este neparametrică, iar
intrările pot fi variabile sau fixe. Exemple de intrări variabile sunt numărul de angajați,
numărul de porți de îmbarcare etc., în timp ce intrările fixe sunt considerate cele a căror
schimb are se face foarte rar sau de loc, cum ar fi numărul de piste ale aeroporturilor.
Metoda are avantajul de a putea lucra cu un număr mare variabile și de restricții ale
acestora .
Pentru ilustrarea modului de evaluare a eficienței relative pe baza metodei DEA se
prezintă un exemplu simplu de analiză comparativă a cinci aeroporturi care produc o singură
variabilă de ieșire , și anume număr de pasageri , folosind două variabile de intrare și anume
costul cu forța de muncă și costul capitalului . Deoarece are ca racter ilustrativ, în acest
exemplu se vor folosi valori fictive ale variabilelor , prezentate în tabe lul 3.5., urmând ca
aplicații ale metodei DEA cu date reale să fie detaliate în capitolul IV. Diferențele
semnificative dintre datele de intrare și de ieși re ale aeroporturilor din acest exemplu nu
permit o comparație imediată a eficienței. Pentru aceasta este necesar calculul rapoartelor
costuri cu forța de muncă / număr pasageri și respectiv costuri capital / număr pasageri
prezentate în ultimele două colo ane ale tabelului 3.5. și reprezentate grafic în figura 3.10.
Deoarece aceste rapoarte semnifică intrări / ieșiri, un aeroport este cu atât mai eficient cu cât
aceste rapoarte, adică punctele din figura 3.10., sunt mai apropiate de originea sistemului de
axe.

Tabelul 3.5. Exemplu fictiv de aeroporturi cu două variabile de intrare și una de ieșire
var. intrare 1 var. intrare 2 Cost muncă/
PAX cost capital/Pax pasageri forță de muncă capital
A 300000 600 600 0,002 0,002
B 200000 400 800 0,002 0,004
C 100000 600 500 0,006 0,005
D 200000 200 600 0,001 0,003
E 100000 300 100 0,003 0,001

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

60

Figura 3.10. Exemplu grafic de calcul al eficienței prin metoda DEA

Curba D-A-E liniară pe porțiuni reprezintă limita de bune practici , punctele situate pe
aceasta fiind considerate ca având o eficiență de 100%. Deci, în cazul considerat ,
aeroporturile D, A și E au un coeficient de eficiență 1,0. Curba D -A-E, denumită și isocuantă
unitate (adică mulțimea perechilor de intrări care generează o ieșire unitate) per mite
măsurarea ineficienței aeroporturilor care nu sunt situate pe aceasta. Astfel, a eroporturile
situate deasupra limitei de eficiență sunt considerate ineficiente, consumând cantități mai mari
de intrări la producerea unei singure unități de ieșire . Pent ru a deveni eficiente, aeroporturile
B și C trebuie să -și diminueze rapoartele dintre variabilele de intrare și cele de ieșire astfel
încât să atingă punctele B‟, respectiv C‟, situate pe limita de eficiență. Eficiența lor este dată
de raportul dintre dist anța de la origine la proiecția punctului de limita eficienței și di stanța
dintre punct și origine, astfel:
BBEB0'0
,
.0'0
CCEC

În cazul exemplului de mai sus eficiența aeroportului B este de 0,667 (66,7%), iar a
aeroportului C e ste de 0,364 (36,4%). Acum apare o altă caracteristică importantă a DEA, în
special în ceea ce privește benchmarking -ul. Analizând cazul aeroportului B, se constată din

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

61
figură că acesta tinde să producă aceleași rezultate ca D și A, care aparțin curbei de eficiență
maximă . Cu toate acestea, aeroportul la care este raportat în vederea stabilirii eficienței
relative este B‟, un punct virtual situat pe limita de bune practici. Aeroportul virtual B‟
reprezintă o combinație între caracteristicile aeroporturilor D și A. Daca se analizează
aeroportul B, atunci acesta trebuie raportat la aeroporturile D și A, acestea reprezentând cele
mai eficiente aeroporturi cu caracteristici asemănătoare aeroportului B. Prin urmare , DEA
poate să identifice perechile corespondente cu care aeroporturile ineficiente se pot compara în
vederea îmbunătățirii eficienței. Reprezentările în spațiul intrare /intrare, așa cum este și cel
din exemplul de mai sus, se numesc și măsuri orientate pe intrări [34]. O alternativă a acestor
reprezentă ri sunt mărimile orientate pe ieșiri care se referă la modificările posibile ale ieșirilor
pentru care intrările rămân constante (ușor de ilustrat grafic de exemplu în cazul a două ieșiri
și a unei intrări).
Exemplul prezentat este ușor de reprezentat graf ic și de interpretat, dar dacă se
consideră mai multe variabile de intrare, respectiv de ieșire, metoda DEA nu mai poate fi
ilustrată grafic . În astfel de cazuri este necesară folosirea unor metode de programare liniar ă
pentru determinarea coeficienților d e eficiență și a potențialului de optimizare pentru fiecare
dintre aeroporturile comparate.
Se presupune că sunt disponibile date cu privire la M intrări și P ieșiri pentru fiecare
dintre cele N aeroporturi. X, matricea intrărilor MxN , respectiv Y, matri cea ieșirilor PxN
reprezintă datele pentru toate cele N aeroporturi. Pentru fiecare aeroport se urmărește
obținerea mărim ii raportului dintre suma ponderată a tuturor intrărilor și suma ponderată a
tuturor ieșirilor sub forma 𝑢𝑇𝑦𝑖
𝑣𝑇𝑥𝑖 unde u reprezintă vectorul de dimensiune Mx1 al ponderilor
intrărilor , iar v, vectorul de dimensiune Px1 al ponderilor ieșirilor . Ponderile u și v se obțin
prin rezolvarea următoarei probleme de optimizare [39],[42]:
𝑚𝑎𝑥𝑢,𝑣(𝑢𝑇𝑦𝑖𝑣𝑇𝑥𝑖)
cu restricțiile 𝑢𝑇𝑦𝑗𝑣𝑇𝑥𝑗 ≤1, 𝑗=1,2,…𝑁 (3.18)
𝑢≥0
𝑣≥0
în care „T” reprezintă transpusa, iar ultimele două condiții semnifică faptul că elementele
pond erilor u și v sunt nenegative. Acest model este denumit CCR (Charnes -Cooper -Rhodes)
[34] și rezolvarea problemei de optimizare implică determinarea unor valori pentru ponderile
u și v astfel încât măsura eficienței pentru aeroportul i să fie maximizată, cu restricția ca
măsura eficienței fiecărui aeroport să fie mai mică sau egală cu 1. Deoarece atât în problema

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

62
de maximizare cât și în restricții necunoscutele u și v apar sub formă de rapoarte, pr oblema de
programare matematică (3.18) are un număr infinit d e soluții (adică, dacă (𝑢∗,𝑣∗) este o
soluție, orice pereche (𝛼𝑢∗,𝛼𝑣∗) este, de asemenea, o soluție a problemei de optim).
De aceea, în locul problemei de optimizare (3.18) se consideră problema de optimizare
modificată
𝑚𝑎𝑥𝑢,𝜈(𝜇𝑇𝑦𝑖)
cu restricțiile 𝜈𝑇𝑥𝑗≤1
𝜇𝑇𝑦𝑗− 𝜈𝑇𝑥𝑗≤0, 𝑗=1,2,…𝑁 (3.19)
𝜇≥0
𝜈≥0
unde schimbarea notației necunoscutelor din u, v în , respectiv  este făcută pentru a sublinia
transformarea problemei (3.18) în problema de optimizare (3.19) care reprezintă o problemă
de programare liniară . Această formă a modelului DEA este denumită formă multiplicativă
(față de modelul (3.18) denumit forma raport ).
În aplicațiile în care numărul de restricții este mai mare decât numărul de variabile
M+P conținute de vectorii u și v, în locu l problemei primale (3.18) se preferă forma duală a
acesteia ( [39], [42]) care conține un număr mai mic de restricții.
Forma duală a problemei se exprimă folosind o variabilă 𝜃 și un vector nenegativ 𝜆 de
dimensiune Nx1, 𝜆=(𝜆1,𝜆2,…𝜆𝑁)𝑇, astfel [42]:
, min,

,0,0,0


XxYy
ii
(3.20)
Valoarea obținută pentru  reprezintă scorul eficienței aeroportului i. Ea satisface
restricția
1 , cu valoarea 1 indicâ nd un punct pe limita de bune practici , adică un aeroport
eficient. Problema de programare liniară se rezolvă succesiv pentru toate aeroporturile
𝑖=1,2,…𝑁 obținându -se câte o valoare optimă 𝜃𝑖∗ pentru fiecare aeroport din eșantion.
Așa cum apare î n Fare et al. (1994) [ 52] și Cooper et al. (2007) [42], funcția producție
asociată programării liniare (3.20) poate fi definită ca
 0, , |,    XxYyyx T . Tot
acolo se arată că această funcție este închisă și convexă și prezintă un randament de scar ă
const ant. Spunem despre o unitate de producție (în cazul nostru, un aeroport) că are un
randament de scară constant dacă modificarea unei intrări produce modificarea proporțională
a ieșirilor . În cazul în care variația ieșirilor nu este proporțională cu variați a intrărilor,
randamentul de scară este variabil.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

63
Randamentele de scară constante pot fi prezumate doar în cazul în care aeroporturile
operează la o scară optimă . În realitate însă, competiția imperfectă, restricțiile financiare,
cadrul legislativ etc. pot face ca acest lucru să nu fie valabil . Banker, Charnes și Cooper [ 17]
au sugerat o modificare a modelului DEA cu randamente de scară constante (CRS) pentru a -l
adapta la situațiile cu cazul randamentelor de scară variabile (VRS). În cazul utilizării
model ului CRS pentru aeroporturi ce nu operează la scara optimă, eficiența obținută este
afectată de eficiența de scară. Folosirea specificațiilor VRS permite calcularea eficienței
neafectate de eficiența de scală.
Problema de programare liniară CRS poate fi m odificată ușor pentru a se adapta la
VRS, adăugând condiția de convexitate 𝑁1𝑇𝜆=1 la ecuația (3.20):
, min,

,01 1,0,0


Tii
NXxYy
(3.21)
unde N1 este un vecto r de unitate de forma N x1. Condiția de convexitate garantează că o
firmă ineficientă este raportată doar la firme cu caracteristici similare .
Eficiența obținută în cazul unei analize folosind modelul CRS este, de fapt, formată
din două componente [ 53]. Prima ar fi eficiența “pură”, ce poate fi determi nată cu ajutorul
modelului DEA cu randamente de scară variabile , iar cea de -a doua componentă reprezintă
eficiența de sca ră. Prin urmare, dacă există diferențe între mărimea eficienței obținute cu
modelul CRS și cea obținută cu modelul VRS, atunci firma operează cu ineficiență de sca ră.
Modelele prezentate până acum au fost modele orientate pe optimizarea intrărilor . În
acest caz ineficiența tehnică este reprezentată de posibilitatea reducerii intrărilor , menținând
constant nivelul ieșirilor . Modelele DEA orientate optimizarea ieșirilor sunt similare cu
modelele corespondente orientate pe optimizarea intrărilor. În acest caz ineficiența tehnică
este considerată a fi posibilitatea creșterii ieșirilor , menținân d constant nivelul intrărilor . În
situația randamentelor de scară constante, eficiența va fi identică pentru ambele modele , dar
ea va diferi în condițiile randamentelor de scară variabile. Alegerea orientării nu este atât de
importantă ca în cazul estimări lor econometrice. În cele mai multe studii există tendința de a
se alege modelele orientate pe optimizarea intrărilor deoarece multe firme au anumite
comenzi exacte de satisfăcut și deci, intrările sunt considerate ca fiind principala variabilă de
decizie . De cele mai multe ori, însă, alegerea orientării are o influență minoră aspra eficienței
[37].

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

64
Avantajele principale ale DEA față de alte metode sunt:
– DEA este uș or de înțeles și de implementat; procesul de benckmarking se realizează prin
raportare la fir me similare, care sunt reale și observabile, nu derivate dintr -o funcție de
producție estimată;
– DEA încorporează intrări și ieșiri multiple, deci nu necesită date legate de prețuri pentru
calculul eficienței;
– poate determina sursele de ineficiență și nivel ul de eficiență;
– DEA identifică perechile firmelor (aeroporturilor) care nu sunt eficiente. Astfel, oferă
modele pentru comparație, facilitând îmbunătățirea operațiunilor. Această caracteristică
impune DEA ca principal instrument de benchmarking ;
– DEA poat e fi folosită pentru studierea eficienței pe diferite perioade de timp, folosind
indicele de productivitate Malmquist.
Ca orice metodă de evaluare, DEA se bazează pe un număr de ipoteze de lucru și,
deci, are câteva vulnerabilități care trebuiesc amintite:
– DEA este mai degrabă o abordare deterministă decât statistică, ca atare este sensibilă de
erorile de măsurare;
– DEA măsoară eficiența relativ la cele mai bune practici din eșantion, deci comparațiile
între eșantioane sau studii diferite nu sunt relevante;
– rezultatele DEA sunt sensibile la numărul de intrări, ie șiri și la mărimea eșantionului – un
număr mic de observații relativ la numărul de intrări și ieșiri tinde să crească procentul de
eficiență.
Un aspect important care poate influența negativ concluzi ile analizei bazate pe metoda
DEA se referă la situații în care datele utilizate generează puncte situate în apropierea
porțiunilor frontierei de eficiență paralele cu axele ( [8]). Pentru evitarea acestor dezavantaje s –
au propus metode alternative ale DEA care minimizează efectul apropierii de frontiera
eficienței (a se vedea de exemplu [8], [41]).
În ciuda celor câteva vulnerabilități corectabile, DEA este un instrument folositor de
examinare a eficienței aeroporturilor. Ea poate fi folosită cu succes nu d oar pentru
determinarea eficienței relative, ci și pentru identificarea posibilităților de optimizare a
performanțelor operaționale.

3.2.3. Benchmarking -ul aeroportuar în literatura de specialitate

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

65
Cu toate că pentru alte domenii economice există o foar te mare varietate de studii de
benchmarking, lista lucrărilor care tratează sectorul aeroportuar este destul de restrânsă,
indicând că acest domeniu este încă insuficient cercetat.
Tabelul următor prezintă o listă a acestor lucrări, a metodelor de benchmar king
folosite precum și a principalelor intrări și ieșiri utilizate pentru determinarea eficienței
aeroporturilor .

Tabelul 3. 6. Studii de benchmarking aeroportuar [19]
LUCRAREA METODA EȘANTION INTRĂRI IEȘIRI
Gillen, D., Lall, A.,
Non-Parametric
Measures of Efficiency
of US Airports.
-1997 DEA 21
aeroporturi
din SUA A) Zona de terminal:
a. Nr. de piste
b. Nr. de porți
c. Suprafața terminalului
d. Nr. de benzi colectoare
pentru bagaje
e. Nr. de locuri de parcare
B) Zona de aerodrom
a. Suprafața aeroportului
b. Nr. de piste
c. Suprafața pistelor
d. Nr. de angajați A) Zona de terminal:
a. Nr. de pasageri
b. Cantitatea de cargo
B) Zona de aerodrom
a. Mișcări aeronave de
linie
b. Mișcări de aeronave
regionale
Parker, D . The
Performance of the
BAA Before and After
Privatisation -1999
DEA 32
aeroporturi
din Mare a
Britanie din
1979/1980
până în
1995/1996.
Într-un al
doilea
model,sunt
analizate 22
de
aeroporturi
din 1988/89
până în
1996/97 a. Numărul de angajați
b. Intrarea „Capital”
estimat ă pe baza unei
rentabilități anuale de
8% aplicată la valoarea
netă a acțiunilo r.
c. Alte intrări definite ca
pondere reziduală a
costurilor totale de
operare
a. Timpul de escală
b. Numărul de pasageri
c. Cargo și poștă

Murillo -Melchor, C.,
An Analysis of
Technical Efficiency
and Productive
Change in Spanish
Airports Using the
Malmquist In dex-1999 DEA 33 de
aeroporturi
civile
spaniole, în
perioada
1992 -1994 a. Număr de angajați
b. Capitalul acumulat
corectat cu amortizarea
c. Cheltuieli intermediare
a. Număr de pasageri
Gillen, D., Lall, A.,
Developing Measures
of Airport Productivity
and
Performanc e: An
Application of Data
Envelopment Analysis -DEA 22
aeroporturi
din SUA în
perioada
1989 -1993 A) Zona de terminal:
a. Nr. de piste
b. Nr. de porți
c. Suprafața terminalului
d. Nr. de benzi colectoare
pentru bagaje
e. Nr. de locuri de parcare A) Zona de terminal:
a. Nr. de pasageri
b. Cantitatea de cargo
B) Zona de aerodrom
a. Mișcări aeronave de
linie
b. Mișcări de aeronave

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

66
2001. B) Zona de aerodrom
a. Suprafa ța aeroportului
b. Nr. de piste
c. Suprafața pistelor
d. Nr. de angajați regionale
Pels, E., Nijkamp, P.
Rietveld, P., Relative
Efficiency of Europ ean
Airports -2001. DEA și
SFA 34
aeroporturi
europene în
perioada
1995 -1997 a. Suprafața terminalului
b. Nr. poziții parcare
aeronave la terminal
c. Nr. poziții parcare
aeronave pe apron
d. Nr. birouri de check -in
e. Nr. benzi bagaje A) Zona de terminal:
a. Nr. de pasageri
B) Zona de aerodrom
a. Mișcări aeronave

Adler, N., Berechman,
J., Measuring Airport
Quality from the
Airlines’
Viewpoint: An
Application of Data
Envelopment Analysis –
2001. DEA 26
aeroporturi
europene a. Suprafața terminalului
b. Nr. piste
c. Distanța față de centr ul
orașului
d. Timpul minim de
conectare
a. Gradul de satisfacție a
pasagerilor față de
fiecare aeroport
Martín, J.C. and
Román, C ., An
application of DEA to
measure the efficiency
of
Spansih airports prior
to privatization -2001. DEA Aeroporturile
din Spania în
1997 a. Munca
b. Capitalul a. Pasageri
b. Cargo
c. ATM
Fernandes, E.,
Pacheco, R. R .,
Efficienct Use of
Airport Capacity –
2002. DEA 16
aeroporturi
braziliene
în 1998 a. Suprafața aeroportului
b. Suprafața săli așteptare
plecări
c. Nr. ghișee de check -in
d. Lungimea fațadei
e. Nr. de locuri de parcare
pentru autovehicule
f. Suprafața săli sosiri a. Pasageri interni
Pels, E., Nijkamp, P.,
Rietveld, P.,
Inefficiency and Scale
Economics of
European
Airport Operations –
2003. DEA și
SFA 33
aeroporturi
europene,
în perioada
1995 -1997 A) Zona de ter minal:
a. Suprafața aeroport
b. Nr. poziții parcare
aeronave la terminal
c. Nr. poziții parcare
aeronave pe apron
d. Nr. piste
B) Zona de mișcare
a. Nr. ghișee de check -in
b. Nr. benzi colectoare
bagaje
c. Nr. anual de curse
interne și internaționale A) Zona de terminal:
a. Nr. anual d e curse
interne și
internaționale
B) Zona de miscare:
a. Nr. anual de pasageri
interni și
internaționali
Sarkis, J., Operational
Efficiency of Major US
Airports -2000. DEA 43
aeroporturi
americane
din
perioada
1990 -1994 a. Costuri de operare
b. Nr. de angajați
c. Nr. de porți
d. Nr. de piste a. venituri operaționale
b. ATM
c. Nr. aeronave aviație
generală
d. Nr. pasageri
e. Cantitate marfă
Sarkis, J., Talluri, S.,
Performance -Based DEA 43
aeroporturi a. Costur i de operare
b. Nr. de angajați a. venituri operaționale
b. ATM

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

67
Clustering for
Benchmarking of US
Airports -2004. americane
din
perioada
1990 -1994 c. Nr. de porți
d. Nr. de piste c. Nr. aeronave aviație
generală
d. Nr. pasageri
e. Cantitate marfă
Barros, C.P., Sampaio,
A., Technical and
Allocative Efficiency in
Airports -2004. DEA 10
aeroporturi
portugheze
din
perioada
1990 -2000 a. Nr. angajați
b. Capital aproximat prin
valoarea de catalog a
bunurilor
c. Costuri legate de capital
d. Costuri cu forța de
muncă a. Număr aeronave
b. Număr pasageri
c. Cargo
d. Poștă
e. Vânzări către
companii aeriene
f. Vânzări către pasageri
Lin, L.C. and Hong,
C.H., Operational
performance
evaluation of
International major
airports: An
application of data
envelopment analysis –
2006. DEA 20
aeroporturi
majore din
lume în
2003 a. Nr. angajați
b. Nr. birouri de check -in
c. Nr. de piste
d. Nr. de locuri de parcare
e. Nr. benzi co lectoare
bagaje
f. Nr. apron -uri
g. Nr. porți îmbarcare
h. Suprafață terminal a. Număr pasageri
b. Cantitate cargo
c. ATM
Barros, C.P. Dieke,
P.U.C., Performance
Evaluation of Italian
Airports with Data
Envelopment Analysis –
2007. DEA 31
aeroporturi
italiene
din2001 –
2003 a. Costuri cu forța de
muncă
b. Capital investit
c. Costuri operaționale a. ATM
b. Nr. pasageri
c. Cantitate cargo
d. Încasări din handling
e. Venituri aeronautice
f. Venituri comerciale
Barros, C.P.,
Technical change and
productivity growth in
airports: A case study –
2008. SFA 10
aeroporturi
portugheze
din 1990 –
2000 a. Costuri de operare
b. Costuri capital
c. Costuri cu forța de
muncă
a. Vânzări către
companii aeriene
b. Vânzări către pasageri
c. Taxe non -aeronautice

Cele mai multe lucrări iau în calcul un număr restrâns de aeroporturi, limitând st udiul
la o anumită țară sau regiune. Acest lucru este cauzat de dificultatea colectării datelor despre
intrările și ieșirile utilizate. Totodată limitarea studiului la o anumită regiune asigură o
oarecare uniformizare în ceea ce privește modul de organizar e, cadrul legislativ și modul de
calcul și raportare a veniturilor și cheltuielilor.
Având în vedere intenția de a realiza un studiu global, asupra unui număr semnificativ
mai mare de aeroporturi, am luat în considerare pentru calculul eficienței patru va riabile de
intrare, și anume numărul de angajați, numărul de piste, suprafața terminalelor și numărul de
porți de îmbarcare. Ieșirile sunt în număr de trei, respectiv număr pasageri, tone cargo și
deplasări de aeronave. Având în vedere că mi -am propus opti mizarea performanțelor
operaționale ale aeroporturilor nu am luat în calcul variabilele financiare din mai multe
motive. În primul rând costurile și respectiv veniturile unui aeroport sunt diferite în funcție de
regiune, fiind dependente în mare măsură de locație, regim fiscal și cota de piață a
aeroportului și doar în mică măsură de eficiența acestuia. În al doilea rând, valoarea reală a

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

68
costurilor și veniturilor este diferită de la regiune la regiune, fiind influențată nu doar de
cursul de schimb al moned elor locale, ci și de gradul de dezvoltare al zonei. Valoarea în
bunuri și servicii a aceleiași unități monetare (de exemplu dolarul american) este diferită, iar
pentru a obține o imagine cât de cât reală a performanțelor financiare ale aeroporturilor ar f i
necesară o ponderare a costurilor, respectiv a veniturilor, pe baza unui indice regional, cum ar
fi, de exemplu, PPP (Purchasing Power Parity). O asemenea ponderare ar introduce însă erori
legate de modul de calcul și nu ar rezolva în totalitate problema echivalenței financiare.
În altă ordine de idei, consider că, din punct de vedere al performanțelor operaționale,
este irelevant faptul că un aeroport generează, de exemplu, venituri de 3 dolari per pasager, în
timp ca altul generează 10 dolari per pasag er. Capacitatea de generare a veniturilor este
dependentă de mai mulți factori aflați în afara controlului managerial, cum ar fi locația,
importanța regională, capacitatea de plată operatorului aerian/ pasagerului, etc. În mare măsură
aceeași situație se re găsește și în cazul cheltuielilor.
Ca atare am ales să păstrez în calcule doar variabilele de intrare și de ieșire primare, în
forma lor fizică (nr./buc.), ținând cont și de faptul că acestea includ și componenta financiară
(costuri: piste, angajați, termi nal, respectiv venituri: pasageri, cargo, ATM).
Deși unele studii iau în calcul intrarea „numărul de ghișee de check -in”, am considerat
că această variabilă este irelevantă, având în vedere că acest număr nu este constant, el
depinzând de alegerea operator ilor aerieni într -o anumită perioadă de timp și într -un anumit
context (reglementări în vigoare la aeroport, rentabilitatea financiară). Totodată apariția
canalelor alternative de efectuare a check -in-ului, cum ar fi ghișeele electronice din aeroport
sau p osibilitatea efectuării acestei proceduri prin intermediul internetului fac utilizarea
variabilei menționate nu doar irelevantă, ci chiar generatoare de erori.

3.2.4. Perspective ale benchmarking -ului aeroportuar

În ultimii ani s -au înregistrat progre se considerabile în zona analizei comparative a
aeroporturilor, iar acest sector nu se mai află atât de mult în urma altor industrii în cunoașterea
și utilizarea practică a indicatorilor de performanță. Au început să apară din ce în ce mai multe
lucrări pr ivitoare la indicatorii de performanță aeroportuară, și există dovezi că din ce în ce
mai multe aeroporturi, în special din Europa, recurg la metode și tehnici de analiză
comparativă. Cu toate acestea, rămân o serie de dificultăți fundamentale la aceste an alize
comparative, mai ales la aeroporturile din zone geografice diferite, dificultăți care decurg în

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

69
mare parte din diversificarea intrărilor și ieșirilor ( inputs and outputs ). Există relativ puține
studii care au făcut o comparație internațională de per formanță și sunt necesare noi studii de
specialitate.
Interesul pentru acest domeniu va crește, fără îndoială, odată cu procesul de
privatizare și comercializare din ciclul evolutiv al industriei aeroportuare. Alte organizații,
cum ar fi autoritățile de r eglementare, pot ajuta, de asemenea, la îmbunătățirea practicilor
actuale în acest domeniu.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

70

CAPITOLUL 4.
STUDIU DE CAZ BENCHMARKING: AMERICA DE NORD, EUROPA ȘI ASIA -PACIFIC

4.1. DATE GENERALE REFERITOARE LA STUDIUL DE CAZ

În acest capitol am realizat o analiză comparativă asupra a 128 de aeroporturi, din trei
regiuni: Europa, America de Nord și Asia Pacific. Obiectivul principal a fost măsurarea și
compararea performanțelor acestora în ceea ce privește câteva aspecte importante ale operării
aeroporturilor: productivitatea și eficiența, analiza structurii costurilor și performanța
financiară. Fiecare criteriu enumerat este tratat separat de către un subcapitol. La acestea se
adaugă un subcapitol care prezintă situația principalelor intrări și ieșiri , precum și structura
taxelor la aeroporturile studiate. Ulterior am realizat o evaluare a performanțelor operaționale
ale aeroporturilor , utilizând me toda analizei anvelopei datelor . Această evaluare a fost
realizată din două perspective și anume o ptimizarea variabilelor de intrare, respectiv a celor
de ieșire și este urmată de o analiză de sensibilitate a metodei. De asemenea, sunt examinate
și relațiile de cauzalitate dintre diferiții indicatori de performanță și caracteristicile
aeroportului, pre cum și strategiile de management, în vederea unei mai bune înțelegeri a
diferențelor observate în ceea ce privește performanța aeroporturilor.
Aeroporturile prezente în acest studiu prezintă caracteristici diferite în ceea ce privește
mărimea, forma de pro prietate și reglementările locale. Datele de la care s -a pornit în
realizarea studiului sunt din anul 2008. Cu toate că la prima vedere pot părea depășite, ele au
fost cele mai noi disponibile având în vedere că timpii de procesare și raportare a datelor la
nivelul industriei aeroportuare sunt de 1,5 – 2 ani până la publicare. Anexa numărul 1 prezintă
o statistică relevantă pentru aeroporturile studiate. După cum era de așteptat, datele indică
diferențe semnificative cu privire la mărime, operare și mediul de afaceri. De exemplu, pentru
anul 2008, numărul de pasageri anual s -a situat între 1,38 milioane de pasageri la Hai Yai
International Airport din Tailanda și 90,22 milioane de pasageri la Hartsfield -Jackson Atlanta
International Airport din Statele Unite . Unele aeroporturi deservesc predominant aeronave de
mari dimensiuni, în timp ce altele au un trafic compus mai mult din aeronave mici. De

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

71
exemplu, media pasagerilor per aeronavă a fost de 200 la aeroportul internațional Tokio
Narita din Japonia, dar de n umai 25 de pasageri per aeronavă la aeroportul Winnipeg din
Canada. Tot ca structură a traficului, unele aeroporturi au în principal trafic internațional, cum
este cazul aeroporturilor din Amsterdam, Bruxelles, Singapore și Hong Kong, în timp ce
altele des ervesc în principal traficul intern, cum ar fi Chicago Midway, Albuquerque sau
Jacksonville, care au raportat în anul 2008 o pondere a pasagerilor internaționali sub 1% din
total. După cum s-a menționat în capitolele precedente, aeroporturile se bazează în tr-o măsură
diferită pe veniturile din activități aeronautice. În timp ce pentru aeroportul Shanghai Pudong
ponderea veniturilor aeronautice a fost de 97,3% din total, la Nashville acesta a fost de numai
26,3%, iar la Richmond de numai 14,8%, partea consis tentă a veniturilor fiind obținută din
alte surse cum ar fi concesiunile, chiriile sau activitățile comerciale.
Al doilea subcapitol prezintă valorile principalelor intrări și ieșiri ale aeroporturilor
studiate. Este vorba de capacitatea aeroportuară și n umărul de angajați, respectiv, volumul de
trafic exprimat sub diverse forme: trafic de pasageri, trafic de marfă, WLU, ATM, pasageri
per ATM.
În termeni financiari, ieșirea unui aeroport este reprezentat ă de veniturile sale,
realizate din două surse major e: taxe de aeroport (venituri operaționale) și taxe din concesiuni
și chirii (venituri neoperaționale). Cel de -al treilea subcapitol va analiza structura taxelor la
aeroporturile din eșantionul studiat.
Partea a patra a studiului de caz este dedicată produ ctivității și eficienței. Am realizat
mai întâi calcularea și compararea unor indicatori de performanță parțială, cum ar fi
productivitatea muncii și productivitatea capitalului. În cel de -al cincilea subcapitol am
analizat structura costurilor aeroporturi lor din eșantionul studiat. Costurile legate de capital
sunt foarte greu de cuantificat din mai multe motive. În primul rând, nu toți operatorii aerieni
sunt responsabili pentru cheltuielile de capital, datorită felului de proprietate și a structurii de
guvernare locală sau regională. În al doilea rând, sunt diferențe mari în ceea ce privește
sistemele de contabilitate, a modului de înregistrare costurilor de capital și a felului în care
este privită durata de viață și amortizare a diferitelor active fixe. Nu în ultimul rând, tuturor
acestor dificultăți se li adaugă și lipsa de coerență în modul de raportare a acestor date. Având
în vedere toate acestea, pentru păstrarea preciziei rezultatelor, toate măsurile de performanță a
costurilor au avut în vedere cos turile variabile, excluzând costurile de capital.
Al șaselea subcapitol este dedicat performanței financiare a aeroporturilor. Aici am
examinat ponderea veniturilor care reflectă, într -o oarecare măsură, strategiile de afaceri ale
aeroporturilor și care a jută la evidențierea diferențelor operaționale dintre regiuni. În al doilea

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

72
rând, am comparat performanța relativă a aeroporturilor în generarea de venituri, iar apoi am
examinat performanțele financiare relative ale aeroporturilor prin utilizarea unora di ntre cele
mai cunoscute unități de măsură financiare. Am avut în vedere veniturile operaționale nete în
locul veniturilor totale nete pentru a determina performanța operațională a aeroporturilor și
factorii controlabili ce o determină. A stfel, am exclus ve niturile ne operaționale (cum ar fi
finanțarea nerambursabilă) și cheltuielile neoperaționale.
Penultima parte a studiului de caz este reprezentată de evaluare și optimizarea
performanțelor operaționale ale aeroporturilor utilizând o metodă de determinare a eficienței
relative, și anume analiza anvelopei datelor – DEA . Această metodă implică utilizarea
programării liniare în scopul determinării unei limite (frontiere) de bune practici, eficiența
fiind calculată prin relativ la această limită. Avantajul princ ipal al acestei metode este acela
că, fiind bazată pe programare liniară, poate lucra cu un număr mare de variabile, spre
deosebire de alte tehnici care sunt limitate în ceea ce privește numărul de parametri. Pentru
determinarea performanțelor operaționale ale aeroporturilor am luat în calcul un număr de
patru intrări , și anume numărul de angajați, numărul de piste, suprafața totală a terminalelor
de pasageri precum și numărul de porți de îmbarcare, respectiv trei ieșiri : numărul de
pasageri, cantitatea de marfă în tone și numărul de mișcări de aeronavă. Am ales aceste
variabile pentru că ele reprezintă intrări și ieșiri ale unui aeroport. Ele conțin totodată
componenta financiară a cheltuielilor de capital respectiv veniturilor, care nu este însă
exprimată în termeni monetari, ci în termeni fizici. Acest lucru ne permite să determinăm
performanța operațională pură a aeroporturilor fără influența diferențelor de prețuri sau a
sistemelor de gestiune fiscală. În urma calculelor am determinat pentru fiecare aero port din
eșantion eficiența tehnică relativă, randamentul de scară, aeroporturile echivalente, precum și
parametrii ce ar trebui modificați pentru obținerea eficienței maxime.
În ultima parte am realizat o analiză de sensibilitate a metodei DEA în raport cu
variabilele de intrare și de ieșire. Având în vedere că, în cazul acestei metode, eficiența este
exprimată prin raportare la cele mai eficiente unități din eșantion, nu printr -o funcție de
producție, este dificil prevăzut evoluția rezultatelor în cazul schimbării uneia sau a mai multor
variabile de intrare sau de ieșire. Ca atare, am realizat în continuare o determinare a
sensibilității metodei pentru câteva din cele mai plauzibile variante.

4.2. CAPACITATEA AEROPORTUARĂ ȘI VOLUMUL DE TRAFIC

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

73
Dacă aeroportul este redus la o entitate comercială teoretică, atunci intrările sunt
capitalul și forța de muncă, iar ieșirile numărul de pasageri și cantitatea de marfă. Aceste
mărimi pot fi exprimate atât fizic, cât și în termeni financiari. În termeni fizici, ca pitalul se
traduce prin capacitatea aeroportului (elementele de infrastructură de care depinde capacitatea
aeroportului), iar forța de muncă este reprezentată de numărul de angajați.
Acest subcapitol reprezintă introducerea în studiul de caz, prezentând i ndicatorii
pentru principalele intrări și ieșiri ale unui aeroport, precum și valorile acestora pentru
aeroporturile din grupul țintă.
În cadrul unui aeroport distingem două zone, cu facilități și servicii diferite. Zona de
operațiuni aeronautice ( airside ) și zona de operațiuni terestre ( landside ). Operațiunile
aeronautice se referă la activitățile care facilitează circulația aeronavelor, inclusiv servicii la
pistă, servicii la platforma, încărcarea și descărcarea bagajelor sau transportul de marfă.
Operaț iunile terestre se referă la activitățile asociate direct cu manipularea și prelucrarea de
pasageri și de marfă, precum și activitățile comerciale și facilitățile ce au loc în aeroporturi,
cum ar fi concesiunile, închirieri birouri, parcări etc.
Ca indicat or pentru capacitatea zonei aeronautice este utilizat numărul de piste, iar
numărul de porți și suprafața totală a terminalelor sunt folosite pentru a indica capacitatea
zonei terestre din aeroporturi.
Numărul de persoane angajate direct de către un operat or de aeroport poate reprezenta
un alt indicator pentru capacitatea aeroporturilor. Cu toate acestea, acest indicator poate
produce erori dat fiind faptul că aeroporturile au, în general, proporții diferite de externalizare
a serviciilor, astfel responsabi litățile operatorilor de pe aeroporturi sunt diferite de la un
aeroport la altul. Prin urmare este necesară o atenție sporită atunci când sunt evaluate cifrele
ce indică forța de muncă încadrată la un aeroport.
O parte semnificativă a activităților aeropor tuare este legată de mișcarea (deplasarea)
aeronavelor. Ca atare, numărul deplasărilor de aeronave pe un aeroport este un indicator
important al activității aeroportului.
Datele prezentate în subcapitolele următoare sunt sintetizate în anexa nr. 1. În
continuare se prezintă o sinteză a acestora împreună cu unele comentarii privind datele de
intrare și de ieșire utilizate în studiul de caz.

4.2.1. Capacitatea zonei aeriene

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

74
Capacitatea zonei de operațiuni aeriene este cel mai adesea reflectată de numărul d e
piste ale unui aeroport, iar dimensiunile fiecărei piste restricționează dimensiunea maximă a
aeronavelor care pot ateriza în condiții de siguranță.
La nivelul întregului eșantion, numărul mediu de piste a fost de 2,8, iar în regiunea
America de Nord de 3,4. Dallas/FortWorth are un număr de 7 piste, acesta fiind astfel
aeroportul cu cel mai mare număr de piste dintre aeroporturile din America de Nord. Boston,
Denver, Detroit și Chicago O ‟Hare au câte 6 piste. Dallas/FortWorth este singurul aeroport
din lume pe care pot ateriza patru aeronave simultan.
La polul opus se află San Diego, care este cel mai aglomerat aeroport din America de
Nord, respectiv Orange County ambele având doar o singură pistă, iar Albany, Austin,
Jacksonville, LaGuardia, Ontario, Pal m Beach, San Antonio, Sacramento, Edmonton, Halifax
și Winnipeg au fiecare doar 2 piste.
Numărul mediu de piste pentru aeroporturile europene din eșantionul nostru este de
2,4. Cea mai scurtă pistă este la Geneva, de 823 de metri, iar cea mai lungă la Madr id, de
4350 metri.
Amsterdam are 6 piste, fiind aeroportul cu cel mai mare număr de piste din Europa.
Trebuie remarcat, totuși, faptul că datorită regimului de vânt puternic, Amsterdam are nevoie
de mai multe piste cu orientări diferite, dar se utilizează în mod normal maximum trei piste
simultan.
Cinci dintre aeroporturile europene studiate au doar o singură pistă. Acestea sunt
Roma Ciampino, Sofia, Ljubljana, Riga și Tallinn.
Cele mai multe dintre marile aeroporturi din Asia Pacific dețin 2 piste, iar num ărul
mediu al pistelor în eșantionul nostru este de 1,9. Lungimea pistelor variază de la 1652 metri
(Adelaide) la 4124 metri (Kuala Lumpur).

4.2.2. Capacitatea terminalelor

Capacitatea terminalelor poate fi exprimată fizic prin numărul de porți de îmba rcare și
prin suprafața totală. Deși unele surse indică și numărul birourilor de check -in drept un
indicator de capacitate, consider că acesta nu mai este relevant în condițiile în care au fost
introduse un număr de metode netradiționale pentru realizarea operațiunilor de check -in cum
ar fi automatele din aeroport sau pagin ile web ale companiilor aeriene . De altfel, numărul
birourilor de check -in variază destul de mult în diverse perioade de timp ale zilei sau

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

75
săptămânii , astfel încât informații relevante p rivitor la acest parametru sunt destul de greu de
obținut. Ca urmare, acest indicator nu se regăsește în lista celor studiate.

4.2.2.1. Numărul de porți de îmbarcare

Numărul mediu de porți pentru aeroporturile din America de Nord este de 71. În anul
2008, șase aeroporturi au avut 140 de porți sau mai mult, în timp ce opt aeroporturi au avut
mai puțin de 25 de porți.
Chicago O‟Hare și Atlanta au avut cel mai mare număr de porți dintre aeroporturile
din America de Nord cu 186, respectiv 182 de porți în anu l 2008, în timp ce Albuquerque,
Reno, Jacksonville, Louisville, Richmond, Albany, Winnipeg și Orange County au avut mai
puțin de 25 de porți.
Numărul mediu de porți pentru aeroporturile europene este de 68. În anul 2008, patru
aeroporturi au avut mai mult de 120 de porți, în timp ce nouă aeroporturi au avut 20 de porți
sau mai puțin.
Aeroportul Heathrow a avut în anul 2008, 264 de porți, excluzând terminalul 5, fiind
astfel aeroportul cu cel mai mare număr de porți din Europa. Aeroportul München s -a clasat
pe locul al doilea având un număr de 200 de porți, fiind urmat pe locul al treilea de aeroportul
din Frankfurt cu 174 de porți. Charles de Gaulle a avut un număr de 124 porți.
Aeroporturile Ljubljana, Roma Ciampino și Bratislava au avut în 2008 cel mai mi c
număr de porți, 6, 7 și respectiv 9 porți.
Numărul mediu de porți al aeroporturilor din Asia -Pacific este de 59. În anul 2008,
șase aeroporturi au avut 100 de porți sau mai mult, în timp ce șapte aeroporturi au avut mai
puțin de 20 de porți.
Din eșantion ul studiat, New Bangkok (Suvarnabhumi) a avut cele mai multe porți de
îmbarcare, respectiv 124, fiind urmat de aeroportul Beijing Capital cu 120 de porți.
În anul 2008 aeroportul Hat Yai a avut cele mai puține porți de îmbarcare, 8, urmat de
Phuket și Pena ng, cu câte 11 porți.

4.2.2.2. Dimensiunea terminalelor de pasageri

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

76
Suprafața medie a terminalelor la nivelul eșantionului a fost de 218654 m², variind
între 1,38 milioane m² la aeroportul Beijing Capital și 5974 m² la aeroportul Chiang Mai din
Tailanda .
Dimensiunea medie a terminalelor din cele 62 de aeroporturi din America de Nord
este de 184541 m². Denver, New York JFK, Atlanta și Chicago O‟Hare au cea mai mare zonă
terminală, aceasta depășind 500000 m². San Francisco și Orlando le -au urmat cu suprafe țe ale
terminalelor de peste 400000 m². Albany, Louisville și Reno au avut cele mai mici suprafețe
ale zonelor terminale din America de Nord în 2008, având 26967 m², 33445 m² și respectiv
35303 m².
Dimensiunea medie a terminalelor aeroporturilor europene e ste de 182076 m².
Aeroportul Frankfurt continuă să aibă cel mai mare spațiu al zonei terminalelor din Europa,
având – în anul 2008 – 800000 m², fiind urmat de Amsterdam cu 591885 m², iar cel de -al
treilea fiind Paris Charles de Gaulle cu o suprafață de 542 595 m². Cele mai mici suprafețe ale
terminalelor dintre aeroporturile din Europa sunt pentru Roma Ciampino cu 10320 m²,
Ljubljana cu 12000 m² și Bratislava cu o suprafață de 18626 m².
Suprafața medie a zonei terminalelor a celor 25 de aeroporturi din Asia Pacific este de
363242 m², cea mai mare medie regională înregistrată la nivelul celor 128 de aeroporturi
studiate. Cele mai mari terminale din zona Asia – Pacific au fost la aeroporturile din Beijing
Capital cu 1382000 m², respectiv Singapore cu o suprafaț ă de 1043020 m². Acestea au fost
singurele aeroporturi din eșantion care au avut terminale de peste un milion de metri pătrați.
Hat Yai și Chiang Mai sunt cele două aeroporturi internaționale secundare din Thailanda care
au cea mică suprafață a zonei termi nalelor, având 7257 m², respectiv 5974 m². Acestea au fost
aeroporturile cu cea mai mică suprafață a terminalelor din întregul eșantion.

4.2.3. Numărul angajaților

Numărul angajaților prezentați în acest studiu include doar numărul de angajați care se
regăsesc pe statul de plată al operatorului aeroportuar. Datorită faptului că responsabilitățile
operatorilor aeroportuari variază de la un aeroport la altul, numărul total al angajaților nu
poate fi în întregime comparat. Mulți operatori aeroportuari apele ază la metoda externalizării
unor servicii și, ca atare, au un număr sensibil mai mic de angajați. În acest caz, ar fi necesară
corelarea cifrelor obținute cu sumele cheltuite pentru contractarea acestor servicii.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

77
În medie, la nivelul eșantionului, numărul de angajați a fost de 1127, cu un maxim de
aproape 18000 de angajați la aeroportul Frankfurt, și un minim de 120 de angajați la New
Orleans și Adelaide.
Numărul total al angajaților pe cele 62 de aeroporturi din America de Nord variază de
la 120 (New Orle ans) la 3300 (Los Angeles) de angajați, media fiind de 550 angajați. Acest
număr mediu de 550 angajați poate ajunge la 505 dacă scoatem din calcul aeroportul din Los
Angeles. Numărul cel mai mare de angajați în 2008, între aeroporturile din Canada, l -a avu t
aeroportul din Montreal (600 de angajați).
În anul 2008 aeroportul Los Angeles a avut cel mai mare număr de angajați (3292),
fiind urmat de Dallas/Fort Worth, Chicago O‟Hare și Miami cu 1740, 1600 și respectiv 1400
de angajați.
Aeroporturile canadiene W innipeg, Halifax și Ottawa au avut un număr de 149, 152,
respectiv 157 angajați și alături Pal Beach (156 angajați) și New Orleans (120 angajați) au fost
aeroporturile nord -americane cu cel mai mic număr de angajați.
Excluzând Frankfurt -ul, numărul angajaț ilor din aeroporturile Europei variază între
136 și 5192 angajați, cu o medie de 1526 angajați. Aeroportul Frankfurt a avut în anul 2008
un total de 17996 angajați. După cum s-a arătat în capitolele anterioare, la aeroportul din
Frankfurt majoritatea opera țiunilor, inclusiv handlingul, sunt desfășurate în mod direct de
către operatorul aeroportuar, fapt ce se reflectă în numărul neobișnuit de mare de angajați. În
acest caz, numărul mare de angajați nu reflectă o capacitate aeroportuară proporțională sau o
productivitate a muncii scăzută, ci este rezultatul implicării operatorului în furnizarea directă a
unor servicii pe care alte aeroporturi preferă să le contracteze. Numărul de angajați ai
aeroportului Frankfurt ridică media europeană la 1927 angajați.
Keflavik, Roma Ciampino, Lisabona și Malta a avut cel mai mic număr de angajați,
acesta fiind de 136, 298, 340 și respectiv 359 angajați.
Numărul angajaților în aeroporturile din Asia Pacific variază între 120 și 6440
angajați, având o medie de 1249 angajați. În medie, aeroporturile europene tind să aibă mai
mulți angajați decât aeroporturile din Asia Pacific, care la rândul lor au mai mulți angajați
decât aeroporturile din America de Nord. Un posibil motiv pentru această tendință este faptul
că operatorii aero portuari europeni tind să efectueze cele mai multe servicii și activități în
mod direct. Pe de altă parte, operatorii aeroportuari din America de Nord au doar un rol
administrativ, lăsând serviciile în seama operatorilor specializați sau a companiilor aeri ene.
Aeroportul Shanghai Pudong are cei mai mulți angajați (6440), fiind urmat de
Shenzhen International Airport care are un număr de 3998 angajați. Datorită reorganizării,

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

78
Beijing Capital International Airport a avut în anul 2008 un număr de 1965 angajați , în
comparație cu 7984 de angajați în anul 2005. Adelaide și Hat Yai sunt aeroporturile cu cel
mai mic număr de angajați, acestea având 120, respectiv 137 angajați.

4.2.4. Volumul de trafic

4.2.4.1. Traficul de pasageri

Media traficului de pasage ri la nivelul întregului eșantion a fost de 21,1 milioane. Cele
mai aglomerate trei aeroporturi la nivel global au fost, în ordine, Atlanta, Chicago O‟Hare și
Londra Heat hrow, acestea având în 2008 un trafic de 90,2 milioane, 70,8 milioane, respectiv
67 mi lioane de pasageri. La coada clasamentului s -au situat aeroporturile Hat Yai, Ljubljana,
Tallinn și Keflavik, toate înregistrând mai puțin de 2 milioane de pasageri.
Media pasagerilor la aeroporturile din America de Nord în 2008 a fost de 21,5
milioane, în scădere cu 1,65 față de anul anterior. Evident, Atlanta și Chicago O‟Hare au
condus și topul regional, urmate de Los Angeles cu 60,8 milioane de pasageri, în creștere cu
1,2% față de anul anterior. La polul opus s -au situat Albany cu 2750777 pasageri, res pectiv
Winnipeg și Halifax cu 3,57 și 3,58 milioane de pasageri. Cea mai mare creștere a traficului
de pasageri raportat la anul anterior a înregistrat -o San Francisco, 9,6%, pe fondul unei
tendințe regionale de scădere, al cărei record negativ a fost stab ilit de Detroit – 29,1%.
Această scădere majoră a fost înregistrată pe fondul problemelor financiare grave ale
industriei locale, orașul Detroit fiind puternic afectat de criza financiară globală.
Spre deosebire de declinul traficului de călători în Americ a de Nord, cele 41 de
aeroporturi europene au avut o creștere de 2,6% pasageri în perioada 2007 -2008 , având o
medie de 20 milioane de pasageri . Pe de o parte, Istanbul, Sofia și Riga au avut cele mai mari
creșteri procentuale ale traficului de pasageri, ia r pe de altă parte Roma Ciampino și Keflavik
au avut parte de cele mai mari scăderi ale traficului de călători. Pentru aeroportul București
Otopeni nu au fost disponibile date anterioare anului 2008, an în care s-a înregistrat un trafic

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

79
de pasageri puțin p este 5 milioane. Cele mai mari valori ale traficului de pasageri în Europa s –
au înregistrat pe aeroporturile Heat hrow (67 milioane), Charles de Gaulle (60,8 milioane) și
Frankfurt (53,4 milioane). Cele mai mici valori de trafic au fost la aeroporturile din Keflavik,
Tallinn și Ljubljana, sub 2 milioane de pasageri.
Cu o medie de 22,2 milioane de pasageri, în creștere cu 3% față de anul anterior,
regiunea Asia – Pacific a înregistrat în 2008 cel mai mare trafic dintre aeroporturile din
eșantion. Cu aproape 5 6 milioane de pasageri, aeroportul Beijing Capital este cel mai bine
clasat aeroport din regiune în ceea ce privește numărul de pasageri, înregistrând totodată și o
creștere de 4,4% față de anul anterior. El este urmat de Hong Kong cu 47,7 milioane (în
scădere cu 2,5%) și Bangkok cu 46,9 milioane, care a înregistrat o creștere de aproape 12%.
Cei mai puțini pasageri au folosit aeroporturile Hat Yai (1,3 milioane), Chiang Mai (3,3
milioane), respectiv Penang (3,4 milioane).

4.2.4.2. Traficul de marfă

În m edie, evoluția în traficul de marfă pe aeroporturile din America de Nord în
perioada 2007 – 2008 a fost în scădere cu 3,6%. În general, mai mult de două treimi din tre
aeroporturi au un volum de marfă sub media regională. Memphis, sediul central al Fedex, e ste
încă cel mai mare aeroport de marfă din America de Nord și din întregul eșantion,
înregistrând 3,7 milioane de tone de marfă. Acesta a fost urmat de Louisville (2,3 milioane
tone), respectiv Miami și Los Angeles ( cu câte 2 milioane tone).Washington Ron ald Reagan a
avut cea mai mare creștere a traficului de marfă în perioada 2007 -2008, de 31,5%, fiind urmat
de Montreal, cu o creștere de 23,5%. Cu toate acestea, Ronald Reagan rămâne aeroportul cu
cel mai mic trafic de marfă din regiune, înregistrând numai 3307 tone în 2008. Aeroportul San
Diego a avut o scădere de 24,4% reprezentând astfel cea mai mare scădere a traficului de
marfă între 2007 și 2008, fiind urmat de Baltimore cu 21,2%.
Cu 314972 de tone Europa are cea mai scăzută medie a traficului de marf ă dintre cele
trei regiuni. Cel mai bine clasat din Europa, Frankfurt, cu 2,1 milioane tone marfă, ocupă abia
poziția a șasea în clasamentul global. Acesta a înregistrat o scădere de 2,7% față de anul
anterior. Este urmat de Charles de Gaulle cu 2 milioane tone și Amsterdam Schiphol,
respectiv Londra Heathrow cu 1,5 milioane tone. În Europa, cea mai spectaculoasă creștere
fașă de anul anterior a înregistrat -o Bratislava, de 253,5%. În ciuda aceste creșteri, Bratislava

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

80
ocupă în continuare ultimul loc la traf icul de marfă, cu 6961 tone. Tot în coada clasamentului
s-au situat și Riga cu 7669 tone, respectiv Birmingham, cu 12213 tone.
Aeroporturile din regiunea Asia – Pacific au realizat în anul 2008 o medie a traficului
de marfă mai mare decât suma mediilor cel orlalte două regiuni, respectiv 850799 tone.
Primele trei aeroporturi din această regiune ocupă pozițiile 2, 3 și 4 din clasamentul general,
fiind surclasate doar de Memphis. În scădere cu 10,5% față de anul anterior, Hong Kong este
performerul regiunii la traficul de marfă cu 3,4 milioane tone, fiind urmat de Shanghai
Pudong și Incheon cu 2,6, respectiv 2,4 milioane de tone. Cel mai slab clasat aeroport din
regiune în ceea ce privește traficul de marfă este Hat Yai, cu 10270 tone.

4.2.4.3. Unitatea echi valentă de încărcare (WLU)

Unitatea echivalentă de încărcare (WLU) reprezintă o metodă de agregare a ieșirilor ,
combinând traficul de marfă cu cel de pasageri. WLU este echivalentul unui pasager sau a
100 kg de marfă. Această echivalență este valabilă mai mult pentru transportatori, care
calculează încărcătura în funcție de limitările de masă ale aeronavei, decât pentru operatorii
aeroportuari, pentru care pasagerii și marfa generează venituri și cheltuieli diferite, a căror
relație de echivalență este dif erită de la caz la caz. Cu toate acestea, WLU s -a impus ca
metodă de agregare a traficului de marfă și a celui de pasageri din cauza lipsei alternativelor
viabile, oferind totuși o imagine corectă asupra volumului total al traficului, dar mai puțin
precisă în termeni financiari.
Media WLU în anul 2008 pentru eșantionul studiat a fost de 25.769.708, având
tendința de stagnare (+0,2%). În continuare media regiunii Asia – Pacific este considerabil
mai bună decât a celorlalte două regiuni.
Cu o medie 25.496.44 4 unități echivalente de încărcare, America de Nord s -a clasat pe
locul doi la acest indicator. Pe primele locuri ale acestui clasament sunt, atât la nivel regional,
cât și global, Atlanta, cu 96,7 milioane de unități, Chicago O‟Hare, cu 85,6 milioane de
unități, respectiv Los Angeles, cu 82,4 milioane de unități. Cel mai slab clasat aeroport nord –
american a fost Albany, cu 2,97 milioane WLU.
Aeroporturile europene au realizat o medie de 23.158.979 WLU. Cele mai bine clasate
aeroporturi europene au fost Lon dra Heathrow, Paris Charles de Gaulle și Frankfurt, care au
avut, în ordine, 81,9 milioane WLU, 81,3 milioane WLU, respectiv 74,6 milioane WLU. Cel

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

81
mai mic trafic combinat s -a înregistrat la Ljubljana, Tallinn și Bratislava, care au avut un
număr de unităț i echivalente de încărcare de 1,84 milioane, 2,23 milioane, respectiv 2,28
milioane. Otopeni s -a clasat pe locul 111 din 128 de aeroporturi, fiind penalizat de traficul de
marfă redus .
Asia-Pacific a obținut cea mai bună medie regională, de 30.728.997 WLU. Cu 81,7
milioane de unități echivalente de încărcare, Hong Kong a avut cel mai mare trafic combinat
din regiune, clasându -se pe locul 5 în eșantionul nostru. A fost urmat de Beijing Capital, cu
69,6 milioane WLU și Bangkok cu 59,9 milioane WLU. Cel mai re dus trafic combinat a fost
la aeroportul Hat Yai, de numai 1,48 milioane WLU.

4.2.4.4. Numărul de mișcări de aeronave

În industria aeroportuară se folosește în mod uzual termenul de mișcare de aeronavă,
sau ATM (Air Traffic Movement), pentru a defin i din punct de vedere operațional o aterizare
urmată de o decolare.
Numărul mediu de mișcări de aeronave a fost la nivelul celor 128 de aeroporturi
studiate de 239941, variind între 968116 la Atlanta și 10270 la Hat Yai.
Aeroporturile din America de Nord au realizat o medie de 286254 mișcări de
aeronave. Cel mai mare număr de mișcări de aeronave l -a înregistrat aeroportul Atlanta, de
aproape 970 de mii, fiind urmat de Chicago O ‟Hare, cu 870 de mii de ATM și Los Angeles,
cu 659 de mii de ATM. Cele mai puți ne mișcări de aeronave au fost la aeroportul Albany,
54334.
Aeroporturile europene au avut o medie anuală de 212816 mișcări de aeronave. Cel
mai mare număr de mișcări l -a avut Charles de Gaulle, 559812, fiind urmat de Frankfurt, cu
485783 și Londra Heathr ow, cu 478693. Aeroporturile europene cu cel mai mic număr de
mișcări de aeronave au fost Keflavik și Malta, fiecare înregistrând circa 27 de mii ATM.
Aeroporturile din regiunea Asia -Pacific au avut o medie de 169568 de mișcări de
aeronave în anul 2008. C el mai mare număr de mișcări l -a înregistrat aeroportul Beijing
Capital, 429646, fiind urmat la distanță de Sydney (298964 ATM) și Hong Kong (296000
ATM). Cele mai puține mișcări de aeronave din regiune le -au avut aeroporturile Hat Yai
(10270) și Chiang Ma i (25400).

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

82

4.2.4.5. Numărul de pasageri per ATM

Numărul mediu de pasageri per mișcare aeronavă reprezintă un indicator pentru
dimensiunile aeronavelor ce utilizează un anumit aeroport. Numărul mediu de pasageri per
ATM a fost, la nivelul eșantionului, d e 86, cu o valoare maximă de 200 de pasageri per ATM
la Tokio Narita și una minimă de 25 de pasageri per ATM la Winnipeg.
Dintre cele 63 de aeroporturi nord americane studiate, Sacramento a avut cea mai
mare creștere a acestui indicator în 2008, de 21,4%, creștere datorată, se pare, scăderii
numărului de ATM. Pe de altă parte, Detroit a înregistrat o scădere de 28,5% din cauza
scăderii semnificative a numărului de pasageri. Acest fapt poate fi pus pe seama problemelor
pe care le -a avut industria auto, consi derată motorul economic al orașului.
Numărul mediu de pasageri per mișcare aeronavă a fost în regiunea America de Nord
de 70, cea mai scăzută medie dintre regiunile studiate. Cel mai mare număr de pasageri per
ATM a fost de 100, la aeroportul din San Franc isco. Următoarele clasate au fost Palm Beach,
Orange County și Los Angeles, toate cu 95 de pasageri per mișcare aeronavă.
Media pasagerilor per mișcare aeronavă pentru Europa a fost de 86. Cei mai mulți
pasageri per mișcare aeronavă au fost la cele două ae roporturi din Londra prezente în
eșantionul nostru, Heathrow și Gatwick, și anume 140, respectiv 130. Ljubljana și Tallinn au
avut cei mai puțini pasageri per ATM, 35, respectiv 43. Co o medie de 71 de pasageri per
mișcare aeronavă, Otopeni s -a situat în a doua parte a clasamentului global. Marile aeroporturi
europene, cum ar fi Amsterdam Schiphol, Paris Charles de Gaulle, Frankfurt, Manchester,
Madrid au avut peste 100 de pasageri per mișcare aeronavă, indicând o pondere semnificativă
a aeronavelor mari.
Media numărului de pasageri per ATM în regiunea Asia -Pacific a fost de 126, mai
mare decât cele înregistrate în Europa și America de Nord. Acest fapt e explicabil prin
numărul considerabil de zboruri intercontinentale realizat cu aeronave de mari dimensiuni .
Cele mai mari șapte valori ale acestui indicator s -au înregistrat în această regiune, care dă 13
din primele 15 aeroporturi în clasamentul numărului de pasageri per mișcare aeronavă. Tokio
Narita, cu o medie de 200 de pasageri per mișcare aeronavă este c el mai bine clasat aeroport
din eșantion la acest indicator, fiind urmat de Bangkok (183 pax/ATM), Taipei (164
pax/ATM) și Hong Kong (161 pax/ATM). Doar patru din cele 25 de aeroporturi din regiune

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

83
au mai puțin de 100 de pasageri per mișcare aeronavă, aces tea fiind Penang, Auckland,
Christchurch și Adelaide.

4.3. STRUCTURA TAXELOR LA AEROPORTURILE STUDIATE

În continuare se analizează structura taxelor aeronautice percepute pentru utilizarea
pistei aeroporturilor, platformelor și facilităților terminalel or. În general, sursa de venituri a
unui aeroport include o combinație de activități aeronautice și non -aeronautice (comerciale).
Cu toate acestea, veniturile non -aeronautice constau dintr -o gamă tot mai mare de activități
comerciale, unele dintre acestea efectuate de către operatorul aeroportuar în mod direct, iar
altele prin intermediul sub -contractorilor. Prin urmare, astfel de taxe non -aeronautice sunt
dificil de comparat între aeroporturi și nu vor fi analizate în mod specific în această secțiune.
În acest subcapitol s-a realizat o comparație a taxelor de aterizare și a taxelor de
terminal (taxe de pasageri), care reprezintă partea dominantă a veniturilor unui aeroport.
Taxele aeronautice includ, de obicei, taxele de aterizare (și/sau de decolare), taxe le de parcare
a aeronavelor și închirierea hangarelor, taxele de pasageri (terminal), taxele de securitate,
suprataxa de zgomot, taxele de handling. Compararea taxelor de handling, de parcare sau a
taxelor de securitate este complexă. De exemplu, serviciil e de handling tind sa fie furnizate de
companiile aeriene sau de terțe părți pentru aeroporturile din America de Nord, precum și
pentru mai multe aeroporturi din Asia Pacific și regiuni europene, iar taxele sunt negociate
confidențial între operatorii și c ompaniile aeriene. În plus, tarifele pentru parcarea aeronavelor
și închirierea hangarelor și taxele de securitate variază foarte mult între aeroporturi, și ele tind
să reprezinte o parte infimă a veniturilor aeronautice ale unui aeroport. Ca atare, aceast ă
secțiune nu va include o comparație a tarifel or pentru serviciile de handling la sol, de parcare
a aeronavelor și închirierea hangarelor, precum și taxele de securitate.
Pentru comparație, în această parte a studiului de caz s-a avut în vedere patru dint re
cele mai populare tipuri de aeronave care reflectă diferite clase de greutate ale aeronavelor:
 Boeing 747 -400 în configurația cu două clase de confort pentru pasageri, cu o masă
maximă la decolare (MTOW) de 396900 kg și cu 524 de locuri;
 Airbus 320 în configurația cu două clase de confort pentru pasageri, cu 150 de locuri și
MTOW de 73474 kg;
 Boeing 767 -400 în configurația cu două clase de confort, cu 304 de locuri și MTOW de
204120 kg;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

84
 Bombardier CRJ200 -LR cu o MTOW de 24041 kg și cu 50 de locuri.
Accentul principal se pune pe tarifele internaționale, de aceea analiz a CRJ 200 în
context internațional poate să nu pară adecvat ă, dar trebuie ținut cont că unele dintre
aeroporturile eșantion deservesc o cantitate semnificativă de trafic regional.

4.3.1. Taxa de aterizare

Taxa de aterizare în mod normal se referă la:
(1) utilizarea instalațiilor pentru controlul traficului aerian în timpul procedurilor de
aterizare/decolare;
(2) utilizarea de piste, căi de rulare și alte facilități ale aerodromului;
(3) parcarea aeronavei la un stand sau în zona de staționare pentru o durată specificată
de timp;
(4) utilizarea de porți de acces, burdufuri de îmbarcare – debarcare și alte facilități în
clădirea terminalului.
Taxele de aterizare sunt de obicei bazate pe masa aeronavelor (cu unele excepții). Cele
mai multe aeroporturi percep o rată fixă pe tonă. La unele aeroporturi, taxele de aterizare se
calculează folosind o taxă fixă pentru o anumită masă , plus o taxă suplimentară per tonă
depășită. Alte aeroporturi calculează taxa în funcție de tipul de avion sau în funcție de masa
acestuia. Unele aeroporturi impun în continuare taxe de aterizare diferențiate între traficul
intern și traficul internațional, sau între diferite perioade de timp ale zilei [12 8],[133].
Punctul de la care taxele de aterizare sunt percepute variază semnificativ pentru
aeroporturile din Europa. Unele aeroporturi au atât taxe de aterizare, cât și de decolare, în
timp ce altele pot percepe o singură o singură taxă, fie pentru decolare, fie p entru aterizare.
De reținut faptul că taxele de aterizare din anexa numărul 3 nu includ TVA -ul din
diferite țări, care variază considerabil. Taxele sunt exprimate la echivalentul lor în dolari
americani (USD) pentru toate regiunile. Taxele sunt calculate p entru zboruri internaționale și
sunt bazate pe MTOW (masa maximă la decolare) pentru Europa, Asia -Pacific și câteva
aeroporturi nord americane care folosesc această bază de calcul, respectiv pe masa maximă
brută la aterizare (MGLW) pentru celelalte.
Cele m ai multe dintre aeroporturile din America de Nord calculează taxele de aterizare
pe baza masei brute maxime a aeronavelor la aterizare (Maximum Gross Landing Weight –
MGLW), în timp ce toate aeroporturile canadiene utilizează masa maximă de decolare

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

85
(Maxim um Take -off Weight – MTOW) ca bază de calcul pentru taxe. Aeroporturile care
utilizează MTOW ca bază în calculele taxei de aterizare sunt notate cu steluță în tabelul
IV.3.1.a.
Taxele de aterizare, în 2009, au continuat să varieze semnificativ la nivelul
aeroporturilor din America de Nord. De exemplu, taxele de aterizare pentru un Boeing 747 au
variat de la 391 USD pentru Charlotte (CLT) la 5509 USD pentru LaGuardia International din
New York.
Taxele de aterizare pentru mai multe aeroporturi europene sunt, în general, diferite în
funcție de perioadă (“de vârf” și în afara acesteia) sau variază în funcție de momentul zilei. În
plus, aeroporturile impun, de asemenea, suprataxe de zgomot și/sau de emisii de noxe. De
reținut faptul că suprataxele pentru zgomot și/sau emisii nu sunt separate, dar acest lucru este
reflectat de taxele de aterizare pe bază atunci când este cazul.
În 2009, aeroportul Gatwick din Londra(LGW) a perceput 588 USD pentru aterizarea
unui Boeing 747 în afara orelor “de vârf”, fiind cea mai mică taxă de aterizare printre
aeroporturile europene. În schimb, Varșovia a perceput cel mai mult pentru aterizarea unui
Boeing 747 (7758 USD). În general, taxele de aterizare ale aeroporturilor europene sunt
comparabile cu taxele de aterizare ale aeropor turilor din America de Nord.
Unele aeroporturi tind să aibă taxe relativ mari de aterizare pentru un tip de aeronavă
și taxe relativ modeste pentru un alt tip. De exemplu, în 2009, Bruxelles (BRU) a continuat să
aibă o taxă de aterizare relativ mare pentru un Airbus 320, dar o taxă de aterizare relativ
modestă pentru un Boeing 747.
Taxele de aterizare reflectă politica aeroportului respectiv de stimulare sau descurajare
a unui anume tip de trafic. De exemplu, aeroportul Heathrow are taxe apropiate ca valoar e
pentru orice tip de aeronavă, ceea ce ne indică faptul că administratorul aeroportuar dorește să
stimuleze traficul cu aeronave de capacitate mare pentru a micșora aglomerația la pistă. În
schimb la aeroportul Charles de Gaulle, taxa de aterizare pentru cele patru tipuri de aeronavă
sunt proporționale cu numărul de locuri, ceea ce ne indică faptul ca aeroportul nu întâmpină
probleme majore în ceea ce privește congestionarea traficului, probabil și datorită faptului că
are deține patru piste de decolare – aterizare. Aeroporturile care aleg să taxeze traficul în
diferit, în funcție de perioadă, au în general probleme legate de capacitate la un anumit
moment al zilei și încearcă, prin suprataxare, să redistribuie traficul excedentar în perioadele
neaglomerate . În eșantionul nostru este cazul aeroporturilor Manchester și Londra Gatwick.
Unele aeroporturi aleg să taxeze disproporționat aeronavele mari, în baza principiului
”capacității de a plăti”, aceste aeronave fiind în general în dotarea unor companii aerien e mai

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

86
”înstărite”, care aleg aeroportul în funcție de locație și facilități, nu de costuri. O ușoară
tendință în acest sens se poate observa la aeroportul Schiphol din Amsterdam.
Cele mai multe dintre aeroporturile din Australia percep o taxă generală per pasager
pentru zborurile internaționale care se referă atât la zona de operațiuni aeriene, cât și la zona
de terminal [14], [28]. Ca urmare, studiul nu este în măsură să includă taxele de aterizare
pentru aceste aeroporturi din Australia (Melbourne, Sydney ), așa cum este prezentat și în
anexa 3. c.
Dintre aeroporturile din regiunea Asia – Pacific, în 2009, Kuala Lumpur (658 USD) a
avut o taxă relativ scăzută de aterizare pentru un Boeing 747. În schimb, Tokyo Narita (7381
USD) și Osaka Kansai (8706 USD) au a vut cele mai mari taxe de aterizare pentru un Boeing
747 din acest eșantion de aeroporturi.

4.3.2. Taxele de terminal

Taxele de terminal sunt percepute, în general, pe baza numărului de pasageri, în
funcție de ora de plecare. Mai puțin frecventă este pe rceperea taxei la sosire, însă există și
câteva cazuri de aeroporturi care o percep atât la plecare, cât și la sosire.
În unele aeroporturi, se plătesc taxe separate pentru utilizarea de burdufuri, birouri de
check -in sau pentru benzile transportoare pent ru bagaje. Taxele sunt în general relativ mici și
sunt percepute în maniere mult diversificate.
O comparație directă între taxe de terminal pentru aeroporturile din America de Nord
și cele pentru aeroporturi din Europa și Asia Pacific, în general, este dificilă . Întâi de toate,
realizarea unei comparații coerente pe baza taxelor de terminal între aeroporturile din
America de Nord este dificilă, dat fiind faptul că nu toate aeroporturile americane incluse în
eșantion furnizează informații detaliate referito are la taxele de terminal. În general,
aeroporturile din America de Nord, raportează veniturile totale colectate în urma serviciilor
oferite la terminal. Pe de altă parte, aeroporturile europene și cele din Asia Pacific nu separă
veniturile lor aeronautice în taxe de aterizare și taxe de terminale (de pasageri). Din cauza
acestor diferențe, pentru analiza separată a taxelor de terminal ar fi necesare ponderarea
valorilor raportate de către aeroporturi în funcție de mai mulți factori ipotetici ca structura
traficului pe tipuri de aeronavă, gradul mediu de încărcare al aeronavelor, ponderea traficului
intern/internațional etc. Toate aceste presupuneri ce trebuie folosite pentru extragerea taxei de
terminal din valorile raportate de către aeroporturi ar genera un grad de precizie scăzut, de

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

87
aceea consider că, în condițiile date, analiza comparativă a taxelor de terminal devine
irelevantă.

4.3.3. Taxa de securitate

Siguranța și securitatea au fost întotdeauna un aspect important al exploatării
aeroporturilor, devenind preocuparea supremă a companiilor aeriene, aeroporturilor,
guvernelor și publicului călător, datorită eveniment ului din 11 septembrie 2001. În frunte cu
Statele Unite, guvernele din întreaga lume au întărit măsurile de securitate ale aviației și a
autorităților. Acest lucru a fost foarte costisitor pentru toate părțile implicate: aeroporturi,
publicul călător, companiile aeriene și personalul de securitate. Multe țări au implementat
diverse taxe de securitate pentru călători în scopul de a finanța sporirea măsurilor de
securitate.
Finanțarea securității transporturilor aeriene diferă de la țară la țară. În unele țări,
securitatea aeriană este considerată ca o politică națională, astfel, cele mai multe aeroporturi
din respectiva țară au tendința să urmeze proceduri similare cu privire la măsurile de
securitate și taxe. În același timp, în alte țări, aeroporturile finanțează și pun în aplicare
propriile măsuri de securitate, și, ca atare, nivelul și formatul taxelor de securitate diferă de la
aeropor t la aeroport. Uneori, costurile de securitate sunt suportate de către guvern prin
intermediul impozitării generale, iar alteori sunt plătite prin intermediul unei taxe speciale de
plecare. În multe cazuri, costurile de securitate sunt finanțate direct de către operatorul
aeroportuar, care include aceste costuri în sistemul general de taxare sau într -o taxă
suplimentară specială. Anexa nr. 4 prezintă un tablou incomplet al tarifelor de securitate
aeriene pentru diferite aeroporturi.

4.4. PRODUCTIVITATEA A EROPORTURILOR

Acest subcapitol reprezintă o analiza comparativă asupra aeroporturilor selectate, din
perspectiva productivității. Comparația a fost realizată folosind indicatorii de performanță
parțială în ceea ce privește productivitatea muncii și produc tivitatea capitalului.

4.4.1. Productivitatea muncii

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

88

Productivitatea muncii este o măsură populară de evaluare a performanței pentru o
unitate de producție. Cu toate acestea, cifrele privind productivitatea muncii nu pot fi
întotdeauna direct comparabi le între aeroporturi datorită faptului că acestea operează sub
diferite structuri de conducere și că sfera de aplicare a responsabilităților operatorilor
aeroportuari poate varia în consecință. Spre exemplu, pe unele aeroporturi serviciile de
stingere a in cendiilor, serviciile de salvare, de securitate și cele meteorologice sunt furnizate
direct de către unii operatori aeroportuari, în timp ce astfel de servicii sunt furnizate de
guverne sau de către terțe părți în cazul altor aeroporturi. Mai mult decât at ât, unii operatorii
aeroportuari sunt angajați în unele activități non -aeronautice cum ar fi operarea hotelieră și
investițiile în terenuri. În alte cazuri, angajații guvernului sunt implicați în managementul
aeroporturilor, dar nu apar pe statul de plată al operatorilor de aeroporturi ca o formă
alternativă de subvenție de la guvern. Prin urmare, este foarte important să se înțeleagă faptul
că performanța relativă indicată de măsuri parțiale din această secțiune poate să nu reflecte
eficiența reală a perso nalului unui aeroport. Sub rezerva celor de mai sus, în următoarele
pagini sunt prezentate unele dintre măsurile utilizate în mod obișnuit pentru productivitatea
muncii.

4.4.1.1. Numărul de pasageri raportat la numărul de angajați

Media de pasageri per angajat a fost la nivelul eșantionului de 32088, foarte apropiată
de cea a regiunii Asia -Pacific (32080) și a variat între un maxim de 147100 la New York JFK
și un minim de 2911 la Riga.
Numărul total mediu de pasageri pe angajat pentru aeroporturile din America de Nord
în anul 2008 a fost de 42760, înregistrând astfel o scădere cu 2% față de anul 2007. Cu toate
acestea, media aeroporturilor nord -americane este cea mai ridicată dintre cele trei regiuni.
Aeroportul New York JFK a continuat să ocupe primul l oc la acest indicator (147100
pasageri/angajat), fiind urmat îndeaproape de Atlanta (145991 pasageri/angajat). Newark,
New York LaGuardia și Charlotte Douglas au fost aeroporturile nord americane care au mai
avut peste 100000 de pasageri per angajat.
Alban y, Indianapolis, și Ontario au avut cel mai mic număr de pasageri pe angajat în
2008, între aeroporturile din America de Nord, cu valori de 11558, 13586 și, respectiv, 15851.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

89
În 2008, numărul mediu de pasageri per salariat a fost de 15953 pentru aeroportur ile
europene, fiind cea mai mică medie regională. Acest rezultat era oarecum așteptat deoarece
aeroporturile mici (în special cele est -europene) au un trafic foarte redus, în timp ce marile
aeroporturi europene, au în general un număr de angajați peste med ie. Madrid și Barcelona au
avut peste 50000 de pasageri pe angajat, având astfel cel mai mare număr de pasageri per
angajat dintre aeroporturile europene în anul 2008. Pe de altă parte, Riga a avut cel mai mic
număr de pasageri per angajat printre aeroport urile europene în 2008, 2911, reflectând o
scădere 32,3% față de anul 2007. Un număr foarte mic de pasageri per angajat au avut și
Frankfurt, Bratislava și Sofia, de 2971, 3192, respectiv 3383. Frankfurt este singurul mare
aeroport european care obține un scor atât de mic la acest indicator din cauza numărului foarte
mare de angajați.
Numărul mediu de pasageri pe angajat în 2008 a fost de aproximativ 32080 pentru
aeroporturile din zona Asia Pacific, cu numai 8 unități sub media eșantionului.
Sydney și Brisb ane au avut cel mai mare număr de pasageri dintre aeroporturile din
Asia Pacific cu circa 107 mii și respectiv 83 mii pasageri pe angajat în anul 2008.
Productivitatea muncii ridicată rezultată pentru aceste aeroporturi s -a datorat faptului că multe
dintre serviciile aeroportuare au fost externalizate, păstrându -se doar activitățile
administrative centrale.
Shenzhen și Shanghai Pudongau avut cel mai mic număr de pasageri pe angajat, 5353,
respectiv 4384.
O prezentare grafică a acestui indicator pentru toat e aeroporturile incluse in eșantion
se regăsește în anexa numărul 5.

4.4.1.2. ATM per angajat

Numărul mediu de deplasări de aeronave comerciale (ATM), per angajat, în 2008,
pentru aeroporturile din America de Nord a fost 619, înregistrând o scădere cu 3 % față de
anul 2007, rămânând cea mai bună medie regională din eșantion. Aeroportul New York
LaGuardia s -a clasat pe primul loc, la acest indicator de performanță parțială, înregistrând
1841 mișcări ale aeronavelor comerciale per angajat, urmat de la Atlan ta cu 1567
ATM/angajat și de Calgary, cu 1449 ATM/angajat. Charlotte Douglas, Newark, New York
JFK și Memphis sunt celelalte aeroporturi nord -americane care au mai avut peste 1000 de
mișcări de aeronave per angajat. În schimb, Los Angeles, Albany și Miami a avut cele mai

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

90
puține deplasări de aeronave per angajat în 2008, în cadrul eșantionului din America de Nord.
Fiecare dintre aceste aeroporturi au avut mai puțin de 275 de mișcări per angajat, mult sub
media din America de Nord.
În Europa, numărul mediu de deplasări de aeronave pe salariat în anul 2008 a fost de
185. Madrid și Barcelona au rămas primele din topul aeroporturilor europene în anul 2008,
înregistrând valori de 589 și respectiv 565 deplasări ale aeronavelor pe angajat, ambele sub
cea mai bună me die regională, cea nord -americană. La polul opus, Frankfurt și Riga au avut
cele mai mici valori pentru această măsură, de 27 și respectiv 45 mișcări de aeronave per
angajat. Frankfurt are cel mai mic număr de mișcări de aeronave per angajat dintre toate c ele
128 de aeroporturi incluse în eșantion. Amsterdam Schiphol a înregistrat un număr de 173
ATM/angajat, Paris Charles de Gaulle 145 ATM/angajat, iar București Otopeni 94
ATM/angajat.
Numărul mediu de deplasări de aeronave pe angajat în 2008 a fost de 281 pentru
aeroporturile din Asia Pacific.
În 2008, Sydney a fost liderul regional al eșantionului în materie de mișcări de
aeronave pe angajat, cu 977 deplasări de aeronave pe angajat, locul secund fiind ocupat de
Adelaide, cu 860 de deplasări de aeronave pe r angajat.
Shanghai Pudong și Shenzhen au avut cel mai mic numărul de mișcări de aeronave pe
salariat în anul 2008 înregistrând 41, respectiv 47 de mișcări de aeronave pe angajat.
O prezentare grafică a acestui indicator pentru toate aeroporturile incluse in eșantion
se regăsește în anexa numărul 6.

4.4.1.3. WLU per angajat

Media la nivelul eșantionului a fost de 38957 WLU/angajat, variind de la 196341
WLU/angajat la New York J FK, la 2971 WLU/angajat la Riga, după cum rezultă din anexa
numărul 7.
Număru l mediu de unități echivalente de încărcare (WLU) per angajat pentru
aeroporturile din America de Nord a fost de 52050, înregistrând astfel schimbări
nesemnificative față de numărul mediu din 2007. Clasamentul pentru această măsură este
similar cu cel pent ru numărul de pasageri pe angajat, însă WLU este un indicator de
performanță care influențează pozitiv aeroporturile cu cote mari de trafic de marfă, cum ar fi
Memphis și Louisville.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

91
Aeroportul New York JFK a continuat să fie în frunte în anul 2008, atât î n clasamentul
global cât și în cel al regiunii America de Nord, cu 196 mii de WLU/angajat, fiind urmat de
Atlanta, cu 156488 WLU/angajat și Memphis cu 155111 WLU/angajat. Dintre cele nouă
aeroporturi din întreg eșantionul care au avut peste 100000 WLU/anga jat, șapte au fost din
America de Nord, iar celelalte două din Asia -Pacific. La polul opus s -a situat aeroportul
Albany care a avut 12468 WLU per angajat în anul 2008, aceasta fiind cea mai mică valoare
printre aeroporturile din America de Nord.
Clasamentu l aeroporturilor europene în ceea ce privește WLU per angajat a fost, în
general, în concordanță cu cele bazate pe indicatorii anteriori. Numărul mediu de unități
echivalente de încărcare per angajat a fost de 17675, fiind cea mai scăzută medie regională.
Madrid (68 de mii WLU per angajat) și Barcelona (55 de mii WLU per angajat) au
realizat un raport WLU per angajat considerabil mai mare decât de alte aeroporturi, în ciuda
faptului că ambele aeroporturi care se confruntă cu un declin față de anul anterior de
aproximativ -2,2% și respectiv -7,1%.
În concordanță cu indicatorii anteriori, Riga a avut cel mai mic raport WLU per
angajat printre aeroporturile europene, acesta fiind sub 3000 WLU per angajat. Cu 4144 WLU
per salariat, aeroportul Frankfurt rămâne la coada clasamentului, dar scapă de rușinea
ultimelor trei locuri datorită celor peste 2 milioane de tone de marfă. Amsterdam Schiphol și
Paris Charles de Gaulle au avut peste 20000 WLU/angajat, iar București Otopeni 6923
WLU/angajat.
Numărul mediu de WLU p er angajat în anul 2008 a fost de 41368 pentru aeroporturile
din Asia Pacific.
Sydney este clasat pe primul loc la acest indicator de performanță, având o creștere de
la 120000 WLU per angajat în 2007 la aproape 123000 WLU per angajat în 2008, urmat de
aeroportul din Taipei cu 103560 WLU per angajat. La polul opus s -au situat aeroporturile
Shanghai Pudong, și Shenzhen Bao'an care au avut cel mai mic WLU per angajat în anul
2008, mai exact 8426, respectiv 6849.
La toți indicatorii de performanță parțială con struiți prin raportare la numărul de
angajați, aeroporturile nor -americane obțin cele mai bune rezultate, deoarece au un număr
mediu de angajați direcți considerabil mai mic decât aeroporturile din celelalte două regiuni.
Aeroporturile europene obțin cele mai slabe rezultate din cauza numărului mare de angajați.
Acest număr mare de angajați este rezultatul fie a opțiunii de aeroporturilor de a presta
servicii care sunt în mod obișnuit externalizate, fie a necesității de a asigura o calitate mai

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

92
bună a servi ciilor standard la aeroport în condițiile unei concurențe mărite2, fie a ineficienței
manageriale a operatorului aeroportuar.

4.4.2. Productivitatea capitalului

Este imposibil de construit un indice al capitalului total al aeroporturilor, deoarece nu
există o metodă de a cuantifica unitar intrarea capital constituit din active fixe. Astfel, trei
măsuri parțiale de productivitate de capital sunt prezentate în această secțiune: pasageri pe
poartă, pasageri per metru pătrat de spațiu terminal, și deplasăril e de aeronave per pistă.

4.4.2.1. Pasageri per poartă

Numărul de pasageri per poartă este un indicator de utilizare a resurselor terminalului
unui aeroport.
Numărul mediu de pasageri per poartă pentru aeroporturile din eșantionul studiat a
fost de 31141 2, iar pentru cele din America de Nord a fost de 288223, cea mai mică medie
regională. Aeroportul John Wayne din Orange County a avut cel mai mare număr de pasageri
per poartă între aeroporturile din America de Nord, acesta fiind de 642115, urmat de Los
Angeles cu 555917 și Atlanta cu 495729 pasageri per poartă. Aeroporturile Pittsburgh,
Halifax, și Cincinnati s -au confruntat cu un număr de pasageri per poartă mic decât jumătatea
numărului mediu din America de Nord în 2008.
Numărul mediu de pasageri per poa rtă, printre aeroporturile europene a fost în 2008 de
309418. Istanbul a avut cel mai mare număr de pasageri per poartă, printre aeroporturile
europene în 2008, acesta fiind de 892285, care a fost semnificativ mai mare decât cel al
următoarelor două clasat e, Roma Ciampino (684422), și Madrid Barajas (669033). Acestea au
fost și primele trei clasate la nivelul întregului eșantion. Keflavik și Varșovia au avut cel mai
mic număr de pasageri per poartă, în 2008, de 142238 și, respectiv, 141203. Amsterdam
Schiph ol și Paris Charles de Gaulle au avut circa 500000 pasageri per poartă. La acest
indicator de performanță parțială, aeroportul București Otopeni s -a situat în prima treime a
clasamentului, având 361731 pasager per poartă.

2 În cazul aeroporturilor europene concurența este mult mai pronunțată datorită distanțelor mult mai mic i între
aeroporturi și a unei rețele alternative de transport mult mai dezvoltate. În condițiile liberei circulații din cadrul
Uniunii Europene, trenurile de mare viteză sau transportul auto devin alternative atractive pe distanțe scurte și
medii.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

93
Numărul mediu de pasageri per poar tă pentru aeroporturile din Asia Pacific a fost de
372192 în 2008, cel mai mare dintre cele trei regiuni. Aeroportul Seul Gimpo a avut un număr
de 648395 de pasageri per poartă în 2008 ocupând, astfel, locul întâi în regiunea Asia -Pacific,
în acest eșantio n. Phuket International din Tailanda s -a clasat pe locul al doilea cu 540315 de
pasageri per poartă, urmat de Sydney, cu un număr de 505754 pasageri per poartă. La coada
clasamentului s -au aflat aeroporturile Hat Yai și Meilan International care au avut 17 2511 și,
respectiv, 204769 de pasageri per poartă. Reprezentarea grafică a numărului mediu de
pasageri per poartă pentru toate aeroporturile incluse in eșantion se regăsește în anexa
numărul 8.

4.4.2.2. Pasageri per metru pătrat al spațiului terminal

Numărul de pasageri per metru pătrat al spațiului terminal de pasageri indică gradul de
utilizare al acestui spațiu, acest raport fiind folosit ca indicator de performanță parțială pentru
productivitatea capitalului. Rezultatele complete pentru acest indicat or se găsesc în anexa
numărul 9.
Numărul mediu de pasageri per metru pătrat de terminal pentru aeroporturile din
America de Nord în 2008 a fost de 127, iar la nivelul întregului eșantion de 130. Aeroportul
Oakland s -a clasat pe primul loc cu 264 de pasager i per metru pătrat, fiind urmat îndeaproape
de San Diego, cu 242 de pasageri per metru pătrat și Fort Lauderdale, cu 238 pax/mp.
Pittsburgh, Honolulu, Sacramento și Halifax au avut cel mai mic număr de pasageri per metru
pătrat din regiune în 2008, fiecare dintre aceste aeroporturi înregistrând mai puțin de 60 de
pasageri per metru pătrat de spațiu terminal.
În medie, aeroporturile europene au avut 146 de pasageri per metru pătrat de terminal
în 2008, fiind cele mai aglomerate din acest eșantion. Cu toate a cestea, dacă excludem
primele trei clasate, respectiv Dublin, Roma Ciampino și Berlin Tegel , media ar scădea la
120 de pasageri per metru pătrat, sub valoarea medie globală a eșantionului studiat.
Aeroporturile Dublin, Roma Ciampino și Berlin Tegel au avu t cel mai mare număr de
pasageri per metru pătrat de suprafață al terminalelor printre aeroporturile europene în 2008,
acesta fiind de 587, 464, și respectiv 350 de pasageri per metru pătrat. Aeroportul din Malta a
avut cel mai mic număr de pasageri per me tru pătrat de terminal în 2008, și anume 9, fiind
urmat la mare distanță cel din Sofia, cu 49 de pasageri pe metru pătrat.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

94
În medie, aeroporturile din Asia Pacific din grupul luat în calcul au înregistrat 111
pasageri per metru pătrat de terminal. Chiang M ai International din Tailanda, cu 548 de
pasageri per metru pătrat de spațiu terminal, a rămas pe primul loc în rândul aeroporturilor de
top din Asia Pacific după acest indicator în anul 2008, fiind urmat la mare distanță de Hat Yai
și Brisbane cu 190 de p asageri și, respectiv, 187 pe metru pătrat.
Shanghai Pudong a înregistrat 34 de pasageri per metru pătrat de terminal, aceasta
fiind mai mică valoare pentru un aeroport din Asia Pacific.

4.4.2.3. ATM per pistă

Numărul de decolări / aterizări de aeronave (ATM) per pistă oferă un indiciu asupra
utilizării pistei. Trebuie remarcat, totuși, că mai mulți factori impun limite privind mișcările
aeronavelor, cum ar fi orele de funcționare, numărul de poziții de parcare, regulamentul de
reducere a zgomotului, num ărul de porți, configurația pistei, condiții meteorologice
nefavorabile, controlul traficului aerian și așa mai departe. Mulți dintre acești factori sunt
dincolo de controlul managerial.
Numărul mediu de deplasări ale aeronavelor per pistă pentru aeroportu rile din eșantion
a fost de 84732, iar pentru cele din America de Nord a fost 82722. Mai mult de jumătate
dintre aeroporturile studiate din această regiune, au avut în anul 2008 un număr de mișcări de
aeronave per pistă sub media regională. San Diego, unul dintre cele două aeroporturi cu o
singură pistă în eșantionul nostru din America Nord, s -a clasat pe primul loc în această
măsură cu un număr de 223126 deplasări de aeronave per pistă în anul 2008. Atlanta și
LaGuardia au urmat, cu un număr de 193623 și r espectiv 184074 deplasări de aeronave per
pistă. Aeroporturile din Reno, Nashville și Ottawa au avut cel mai mic număr de deplasări de
aeronave per pistă printre aeroporturile din America de Nord, înregistrând 22314, 26475,
respectiv 26592 deplasări de ae ronave per pistă.
Numărul mediu de deplasări de aeronave per pistă pentru aeroporturile europene a fost
de 85933. Cele mai multe deplasări de aeronave per pistă în 2008 s-au înregistrat pe
aeroporturile Heathrow și Munchen, cu 239347, respectiv 216148 depl asări de aeronave per
pistă. Keflavik, Malta și Bratislava a avut cel mai mic număr de deplasări de aeronave per
pistă printre aeroporturile europe ne din eșantion în 2008, acestea înregistrând, în ordine,
13466, 13535, respectiv 16423 deplasări per pistă. Aeroportul Otopeni s -a situat sub valoarea
mediei europene cu 35857 deplasări per pistă.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

95
Aeroporturile studiate din regiunea Asia – Pacific au realizat o medie de 87747
deplasări de aeronave per pistă, fiind media regională cea mai ridicată din eșantion.
Aeroportul Shenzhen Bao'an, cu un număr de deplasări de aeronave per pistă de 187942, s -a
clasat pe primul loc în această măsură în anul 2008, fiind urmat de Auckland cu 159627
deplasări de aeronave per pistă și Hong Kong, cu 148 de mii. Pe ultimul loc găs im aeroportul
Hat Yai cu 10270 deplasări per pistă, la mare distanță de penultimul loc, ocupat de aeroportul
Ching Mai din Tailanda, care a înregistrat 25400 de deplasări per pistă.
O prezentare grafică a rezultatelor la acest indicator pentru toate aeropo rturile incluse
in eșantion se regăsește în anexa numărul 10.

4.5. ANALIZA STRUCTURII COSTURILOR. INDICATORI DE PERFORMANȚĂ

În acest subcapitol m -am concentrat pe componentele costurilor variabile ale
aeroporturilor (de exemplu, legate de costurile non -capital); nu voi analiza în special costuri
legate de capital, deoarece aceste costuri sunt dificil de cuantificat. Nu toți operatorii de
aeroport sunt direct responsabili pentru cheltuielile de capital, datorită diferențelor în
structurile de proprietate și de guvernare [ 63]. Varietatea sistemelor de contabilitate
contribuie, de asemenea, la această dificultate. Mai mult decât atât, lipsa unor unități de
măsură consistente și comparabile care cuantifice uniform costurile legate de capital face
aproape impo sibilă analiza comparativă a acestor costuri „fixe”. De aceea aceste costuri sunt
excluse din analiza prezentată în acest subcapitol, ea urmând să se desfășoare numai asupra
costurilor variabile.
Componentele costurilor variabile includ costurile forței de muncă și costurile
indirecte . Costurile forței de muncă includ salarii, beneficii, precum și alte cheltuieli direct
legate de personalul unui operator aeroportuar. Costurile indirecte , după cum se explică în
capitolul anterior, se referă la toate categori ile de cheltuieli cu excepția costurilor cu
personalul și cele legate de capital. În general, costurile de aeroport pot fi clasificate în patru
mari categorii: costurile legate de muncă, costuri contractuale și alte costuri legate de servicii
(adică servic ii de cumpărare de la părțile din afară), costurile de achiziție și bunuri materiale,
precum și costurile legate de capital. Cu toate acestea, puține aeroporturi fac distincția între
costuri contractuale și alte servicii legate de bunuri și costurile de ac hiziție și bunuri materiale.
Astfel, în continuare voi analiza aceste două costuri într -o singură componentă de cost.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

96

4.5.1. Ponderea costurilor forței de muncă

Ponderea costurilor forței de muncă din costurile variabile totale pentru aeroporturile
din America de Nord în 2008 a variat de la 18,0% la 70,7%, cu o cotă medie generală de
38,9%.
În cadrul grupului de aeroporturi din America de Nord, aeroportul internațional
Reno/Tahoe a continuat să aibă cea mai mare cotă a costului forței de muncă, aceasta f iind de
70,7%, fiind urmat de San Francisco și Los Angeles, cu ponderi de 56,8%, respectiv de
56,2%. Aeroporturile New Orleans și New York JFK au avut cele mai mici costuri ale forței
de muncă, de 18,1% și respectiv 18,0%.
În 2008, costurile forței de munc ă pentru aeroporturile europene au variat aproximativ
de la 21,6% la 72,8% din totalul costurilor variabile. Ponderea medie a costului forței de
muncă, în 2008, a fost pentru aeroporturile europene de 41,67%.
Riga a avut cea mai mare cotă a costului forț ei de muncă de 72,8%, în 2008, fiind
urmată de Varșovia cu 67,7% și Viena cu 61,3%.
Pe de altă parte, aeroporturile Oslo, Hamburg și Stockholm Arlanda au costul forței de
muncă în 2008 mai mic de 25%. Sub media europeană s -au situat și Amsterdam Schiphol c u o
pondere a costurilor cu forța de muncă de 25,2%, Londra Heathrow, cu 28,6%, precum și
Paris Charles de Gaulle de 40,8%.
Ponderile costului forței de muncă pentru aeroporturile din Asia Pacific în 2008 au
variat de la 5,6% la 56,8%. Ponderea medie a cos tului forței de muncă pentru aeroporturile
din Asia Pacific în 2008 a fost de 28%, fiind astfel mai mică decât ponderea medie a costului
forței de muncă a aeroporturilor din America de Nord (38,9%) și cea a aeroporturilor
europene (41,67%).
Shenzhen a con tinuat să aibă cea mai mare cotă a costului forței de muncă între
aeroporturile individuale cu 56,8%, urmat de Guangzhou Baiyun cu 51,9%. În schimb,
aeroporturile Osaka Kansai și Beijing Capital au avut cele mai mici ponderi ale costului forței
de muncă în tre aeroporturile eșantion din Asia Pacific, ambele sub 10%.

4.5.2. Costul unitar

Costul unitar măsoară costurile suportate pentru producerea unei singure unități dintr –
o variabilă de ieșire. La fel ca în cazul determinării productivității, sunt folosiț i mai mulți

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

97
indicatori de performanță parțială pentru a măsura unitatea de cost per ieșire pentru fiecare
aeroport.

4.5.2.1. Costul forței de muncă per pasager

În 2008, costul unitar al forței de muncă per pasager a variat de la 0,49 dolari
americani la 5,92 dolari americani pentru aeroporturile din America de Nord, cu o medie de
2,68 dolari, după cum se poate observa în anexa 11.
Charlotte și Atlanta au avut cea mai mică unitate a costului forței de muncă per
pasager, aceasta fiind de 0,49 dolari și res pectiv 0,96 dolari americani, în timp ce Ontario,
Miami și Winnipeg au înregistrat cea mai mare unitate a costului forței de muncă per angajat
printre aeroporturile din America de Nord, de 5,92 dolari americani, 5,07 și respectiv 5,05
dolari americani.
Costul unitar al forței de muncă per pasager pentru aeroporturile din Europa a fost în
medie de 7,71 dolari americani, fiind cel mai ridicat cost mediu regional pentru aeroporturile
din eșantion. Oslo a avut cel mai mic cost unitar al forței de muncă per pasa ger printre
aeroporturile europene, aceasta fiind de 3,55 dolari americani, urmat de Atena (3,6 USD) și
Malta (3,89 USD). Cele mai mari costuri cu forța de muncă per pasager, atât din regiune cât și
la nivel global, le -a avut aeroportul Frankfurt, de 17,34 dolari. Au urmat Viena, Munchen și
Koln -Bonn, cu 16,32 USD, 13,31 USD, respectiv 13,19 USD.
Unitatea de cost cu forța de muncă per pasager pentru aeroporturile din Asia Pacific a
de 1,92 dolari americani, aeroporturile de aici având cele mai mici costuri cu forța de muncă
per pasager.
Aeroporturile Meilan și Beijing Capital au avut cea mai mică unitate a costului forței
de muncă per pasager, aceasta fiind de 0,87 dolari și respectiv 0,89 dolari americani, urmate
de Sydney și Macao, cu 0,91 dolari, respect iv 0,94 dolari. Tokyo Narita a avut cea mai mare
unitate a costului forței de muncă per pasager, de 3,81 dolari americani, mai mică decât media
generală a eșantionului, de 4,03 dolari.

4.5.2.2. Costul forței de muncă per ATM

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

98
La nivelul eșantionului, med ia costurilor forței de muncă per mișcare aeronavă a fost
de 335,85 dolari, cea mai mare valoare înregistrându -se la aeroportul Frankfurt, de 1908,03
dolari, iar cea mai mică în America de Nord, la aeroportul Charlotte Douglas, de numai 34,29
dolari. Repre zentarea grafică a tuturor rezultatelor pentru acest indicator se găsește în
anexa12.
Costul forței de muncă per mișcare aeronavă variază semnificativ între aeroporturile
din America de Nord, variind de la 34,29 USD la 499,87 USD. Costul mediu al forței de
muncă per mișcare aeronavă, pentru aeroporturile din America de Nord a fost de 182,11 USD,
cel mai scăzut cost mediu regional al eșantionului. O influență mare asupra acestui indicator o
are numărul mai mare de mișcări de aeronave din regiunea America de Nord, în special dacă
îl comparăm cu cel al regiunii Asia -Pacific. Acest număr mare de mișcări se datorează
faptului că în America de Nord zborurile locale și de aviație generală sunt mult mai prezente
(ceea ce înseamnă un număr mare de aeronave mici), în timp ce în regiunea Asia -Pacific sunt
dominante zborurile intercontinentale, efectuate cu aeronave mari.
Charlotte, Memphis și Calgary au avut cel mai mic cost al forței de muncă per mișcare
aeronavă, de 34,29 USD, 64,44 USD și respectiv 64,53 USD în timp ce aeroporturile San
Francisco, Miami și Los Angeles au continuat să aibă cel mai mare cost al forței de muncă per
mișcare aeronavă de 499,87 USD, 457,73 USD și respectiv 441,74 USD.
În Europa, costul mediu al forței de muncă per mișcare aeronavă a fost d e 669,08
USD, aeroporturile de aici având cele mai mari costuri cu forța de muncă per ATM. Dintre
aeroporturile europene, Oslo a avut cel mai mic cost al forței de muncă per mișcare aeronavă
de 286,70 USD, fiind urmat Tallinn și Atena, cu 289,36 USD, respe ctiv 297,64 USD. Cele
mai mari costuri din Europa le -au avut Frankfurt, Paris Orly, Viena și Paris Charles de Gaulle,
de 1.908,03 USD, 1.253,34 USD, 1.209,87 USD, respectiv 1.196,86 USD.
În regiunea Asia Pacific, costul forței de muncă mediu per ATM a fos t de 145,95
USD. Cel mai mic cost al forței de muncă per mișcare aeronavă a fost de 81,26 dolari și a fost
înregistrat la Adelaide. Costuri sub 100 dolari a mai avut doar aeroportul Macao (96,6 USD).
Tokyo Narita a avut încă cel mai mare cost al forței de muncă per deplasarea de aeronave în
valoare de 760,36 USD, la mare distanță de următorul aeroport cu costuri ridicate, Bai Yun, a
cărui forță de muncă a costat 436,07 dolari per ATM.

4.5.2.3. Costul forței de muncă per unitate echivalentă de încărcare ( WLU)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

99
Costul forței de muncă per WLU a variat de la 14,37 dolari la Viena, la 0,43 dolari la
aeroportul Louisville, înregistrând o valoare medie de 3,46 dolari (vezi anexa 13) .
Costul mediu al forței de muncă per WLU pentru aeroporturile din America de Nor d a
fost de 2,27 USD. Aeroporturile Louisville, Memphis, Charlotte, și Atlanta au avut cel mai
mic cost al forței de muncă per WLU în 2008, toate sub 0,5 USD. Aeroporturile Reno/Tahoe,
San Francisco și Albany au continuat să aibă cea mai mare valoare a cos tului forței de muncă
per WLU, respectiv de 4,41 USD, 4,35USD, 4,28 USD.
Aeroporturile europene au avut cel mai mare cost mediu cu forța de muncă per WLU
din întreg eșantionul, de 6,82 USD. Cele mai mici costuri cu forța de muncă per unitate
echivalentă de încărcare le -au avut Bruxelles, Atena și Oslo, de 3,22 USD, 3,36 USD,
respectiv 3,39USD. Acestea au fost singurele aeroporturi europene care au avut costuri sub
media eșantionului. Cele mai mari costuri cu forța de muncă per WLU le -au avut Viena,
Frankfu rt și Munchen, de 14,37 USD, 12,43 USD, respectiv 12,33 USD, acestea fiind și cele
mai mari valori la nivelul întregului eșantion.
Costul mediu al forței per WLU pentru aeroporturile din regiunea Asia Pacific a fost
de 1,43 USD, fiind cele mai scăzute dint re cele trei regiuni.
Beijing Capital, Macao și Brisbane au avut cele mai scăzute costuri cu forța de muncă
per WLU, de 0,71 USD, 0,79 USD, respectiv de 0,92 USD. De cealaltă parte, aeroporturile
Bai Yun, Tokyo Narita, și Seul Gimpo au avut cele mai mari v alori pentru această măsură,
toate de 3,03 USD, 2,4 USD, respectiv 2,16 USD.
Aeroporturile din regiunea Asia -Pacific, în general, cele mai mici costuri cu forța de
muncă, ceea ce le permite să fie foarte competitive. Aeroporturile europene au costuri mult
mai mari cu forța de muncă, în special cele germane care au mai mulți angajați direcți, pentru
că preferă să furnizeze direct anumite servicii aeroportuare, care la alte aeroporturi sunt în
general externalizate .

4.5.2.4. Costurile variabile per pasager

Costurile variabile per pasager au fost la nivelul eșantionului, în medie, de 10,7 USD,
variind între 36,12 USD la Frankfurt și 1,95 USD la Atlanta.
America de Nord a fost regiunea cu ele mai mici costuri variabile per pasager,
înregistrând o medie de 6 ,98USD. Atlanta și Charlotte au înregistrat cele mai mici valori
pentru această măsură în 2008, acestea fiind de 1,95 și respectiv 2,02 USD, iar New York JFK

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

100
a avut cel mai mare cost variabil per pasager (13,75 USD), dintre aeroporturile din America
de Nor d, urmat de Newark, cu 11,75 USD. Toate aeroporturile nord -americane au avut costuri
variabile per pasager sub media europeană (cea mai ridicată) și doar cinci aeroporturi nord –
americane au avut costuri variabile per pasager mai mari decât media întregului eșantion.
Aeroporturile europene au avut cele mai mari costuri variabile per pasager,
înregistrând o medie de 18,07 USD. Cel mai mic cost variabil per pasager din regiune l -a avut
Istanbul de 3,57 USD, semnificativ mai mic decât costurile altor aeroportur i europene, fiind
singurul aeroport european care se situează sub media regională cea mai scăzută, cea nord –
americană. Pe de altă parte, aeroporturile germane Frankfurt, Munchen și Koln/Bonn au avut
costurile variabile per pasager considerabil mai mari, t oate înregistrând valori de peste 30,00
USD, fiind astfel aeroporturile cu cele mai mari costuri variabile per pasager din întregul
eșantion.
Costul variabil mediu per pasager pentru aeroporturile din Asia Pacific, în 2008, a
fost de 8,98 USD. Cu toate a cestea, această valoare este pozitiv oblică față de valorile
înregistrate de aeroporturile Tokyo Narita și Osaka Kansai. Excluzând aceste două
aeroporturi, medie ar fi de 6,71 USD. Creșterea semnificativă a costurilor variabile per
pasager pentru Beijing C apital în 2008 față de anul anterior ar putea, în mare parte, să fie
atribuită deschiderii noului său terminal și Jocurilor Olimpice de vară din 2008. Tokyo Narita
și Osaka Kansai au înregistrat cele mai mari costuri variabile per pasager de 28,75 USD și
respectiv 29,90 USD.
Pe de altă parte, aeroporturile Meilan, Christchurch și Melbourne au avut cele mai
mici cost variabile per pasager, de 2,86 USD, 3,84 USD și respectiv 4,00 USD.
Reprezentarea grafică a rezultatelor la acest indicator pentru toate aeropo rturile incluse
in eșantion se regăsește în anexa numărul 14.

4.5.2.5. Costurile variabile per ATM

La nivelul eșantionului media costurilor variabile per mișcare aeronavă a fost de 950
USD, variind între 5739 USD la Tokio Narita și 140 USD la Charlotte D ouglas.
Cea mai mică medie a costurilor variabile per mișcare aeronavă s -a înregistrat în
America de Nord și a fost de 490 USD. Charlotte, Memphis, Albuquerque, Louisville și
Atlanta au avut cele mai mici costuri variabile per mișcare aeronavă, toate înre gistrând valori
mai mici de 200 USD. Pe de altă parte, Miami și New York JFK au avut cele mai mari costuri
variabile per mișcare aeronavă, de 1528 USD, respectiv 1014 USD. Doar trei aeroporturi

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

101
nord-americane au avut costuri variabile per ATM mai mari decâ t media eșantionului (vezi
anexa 15) .
Media costurilor variabile unitare per mișcare aeronavă a fost în Europa de 1602 USD,
cu un maxim de 3975 USD la Frankfurt și un minim de 401 USD la Istanbul. În afară de
Istanbul, Ljubljana, Tallinn și Riga au avut c ele mai mici costuri variabile per mișcare
aeronavă, toate sub 800 USD. Frankfurt, Heathrow Londra și Paris Orly au avut cele mai mari
costuri variabile per mișcare aeronavă, de 3975 USD, 3314USD, respectiv 3074 USD.
Costurile variabile per mișcare aeronav ă au fost, în medie de 1204 USD pentru
aeroporturile din Asia Pacific. Cele mai mari costuri variabile per ATM din regiune le -au
înregistrat Tokyo Narita (5739 USD) și Osaka Kansai (3434 USD). Acestea sunt, împreună cu
Frankfurt, primele în topul global al costurilor variabile per mișcare aeronavă. Cele mai mici
costuri variabile per ATM din regiunea Asia -Pacific le -au avut Christchurch, de 270 USD,
Auckland, de 331 USD, și Meilan, de 335 USD.
Rezultatele complete pentru acest indicator sunt prezentate în anexa 15.

4.5.2.6. Costurile variabile per unitatea echivalentă de încărcare
(WLU)

Costurile variabile per unitatea echivalentă de încărcare au fost, în medie, de 9,1 USD,
variind între 32,68 USD la Munchen și 0,98 USD la Louisville.
Media costurilor v ariabile per WLU a fost în America de Nord de 5,96 USD, cea mai
scăzută dintre cele trei regiuni. Louisville, Memphis, Atlanta și Charlotte Douglas au avut
cele mai mici costuri variabile per WLU, de 0,98 USD, 1,07 USD, 1,82 USD și respectiv 1,95
USD. San Jose, New York JFK și New York LaGuardia au avut cele mai mari costuri
variabile per WLU, fiecare înregistrând o valoare mai mare de 10,00 USD.
În 2008, aeroporturile europene au avut o medie a costurilor variabile per WLU de
15,97 USD, fiind cea mai mare valoare medie regională. În clasamentul global aeroporturile
europene ocupă primele nouă locuri, iar din primele 37 de aeroporturi cu cele mai mari costuri
variabile per WLU, 35 sunt din Europa. Istanbul, Bruxelles au avut cele mai mici costuri
variabile p er WLU, de 2,82 USD, respectiv 9,57 USD, fiind sigurele aeroporturi europene
care au costuri variabile per WLU mai mici de 10,00 USD. Munchen a avut cele mai mari
costuri variabile per WLU (32,68 USD) în cadrul aeroporturilor europene, fiind urmat de
Frank furt și Paris Orly, cu 25,90 USD, respectiv 25,62 USD.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

102
Pentru aeroporturile din Asia Pacific, media costurilor variabile per WLU a fost 6,46
USD, fiind puternic influențate de costurile mari înregistrate de Tokio Narita (18,62 USD) și
Osaka Kansai (19,47 U SD). Acestea au fost singurele aeroporturi care au avut costuri
variabile per WLU comparabile cu cele ale aeroporturilor europene. Dacă excludem aceste
două aeroporturi, media costurilor variabile per WLU pentru aeroporturile din regiunea Asia –
Pacific scad e considerabil, până la 5,05 USD, situându -se sub media nord -americană (cea mai
scăzută). Cele mai scăzute costuri variabile per WLU din regiune le -au avut Meilan,
Shzenzhen și Auckland, de 2,63 USD, 3,36 USD, respectiv 3,42 USD.
Reprezentarea grafică a r ezultatelor la acest indicator pentru toate aeroporturile incluse
in eșantion se regăsește în anexa numărul 16.

4.6. PERFORMANȚELE FINANCIARE ALE AEROPORTURILOR

Acest subcapitol oferă informații referitoare la performanțele financiare ale
aeroporturilor . În primul rând, am examinat ponderea veniturilor care reflectă, într -o oarecare
măsură, strategiile de afaceri ale aeroporturilor și care ajută la evidențierea diferențelor
operaționale dintre regiuni. În al doilea rând, am comparat performanța relativă a
aeroporturilor în generarea de venituri, după care am examinat performanțele financiare
relative ale aeroporturilor prin utilizarea unora dintre cele mai cunoscute unități de măsură
financiare. Aici am avut în vedere veniturile operaționale în locul veni turilor totale pentru a
determina performanța operațională a aeroporturilor și factorii controlabili care o determină.
Pentru aceasta am exclus veniturile neoperaționale (cum ar fi finanțarea nerambursabilă) și
cheltuielile neoperaționale.

4.6.1. Ponder ea veniturilor

Veniturile unui aeroport pot fi împărțite în două componente principale: 1) venituri
aeronautice și 2) venituri non -aeronautice. Veniturile aeronautice se referă la veniturile direct
legate de activitățile aviatice într -un aeroport, inclusi v taxele de aterizare, taxele de terminal
pentru pasageri, taxele de handling la sol etc. De reținut faptul că serviciul de handling nu este
în general considerat a fi o activitate de bază, multe aeroporturi alegând să nu furnizeze acest
serviciu în mod di rect. În mod tradițional, veniturile aeronautice sunt sursele principale de

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

103
venit pentru aeroporturi. Cu toate acestea, din ce în ce mai multe aeroporturi caută alte surse
de venituri care să le permită să reducă diversele tarife legate de aviație, în scop ul de a atrage
mai multe companii aeriene la aeroport și a crește în continuare veniturile non -aeronautice
[105], [125] , [130].

4.6.1.1. Ponderea veniturilor aeronautice

La nivel global, în anul 2008, ponderea medie a veniturilor aeronautice a fost de
50,6%, cu o tendință de scădere față de anul anterior, fapt ce reflectă o preocupare a
operatorilor aeroportuari pentru diversificarea surselor de venit și scăderea taxelor
aeroportuare în vederea măririi competitivității pe piață. Media regională a ponder ii
veniturilor aeronautice pentru America de Nord a fost de 48,55%, cea mai scăzută dintre cele
trei zone studiate. Acest rezultat arată că aeroporturile nord americane se bazează mai puțin pe
taxarea directă a traficului și mai mult pe sursele alternative de venit, cum ar fi concesiunile și
parcările. De altfel, o caracteristică regională este aceea că pasagerii din această regiune
folosesc intensiv mașina proprietate personală pentru transportul la/ de la aeroport în dauna
altor mijloace de transport în co mun, făcând ca veniturile din parcări să fie o sursă importantă
de profit pentru aeroporturi.
Cele mai mari cote ale veniturilor aeronautice în America de Nord, de 71,4%, le -a avut
aeroportul din Memphis, urmat de New York JFK și Miami, cu 70,8%, respectiv 69%.
Jacksonville, Nashville și Richmond au avut cele mai mici cote ale veniturilor aeronautice,
acestea fiind de 27,5%, 26,3% și respectiv 14,8% (a se vedea anexa numărul 17) .
Media ponderii veniturilor aeronautice la aeroporturile europene studiate a f ost de
52,8%. De reținut faptul că unii dintre operatorii aeroportuari europeni furnizează în mod
direct servicii de handling. Serviciile de handling nu sunt, în general, considerate ca fiind
afaceri de bază ale aeroporturilor, datorită faptului că majori tatea operatorilor aeroportuari nu
oferă astfel de servicii în mod direct. Bratislava, Varșovia, Otopeni și Helsinki au avut cel mai
mare procent din cota de venituri aeronautice în 2008 de 76,3%, 74,0%, 72,4 și respectiv
72,3%. Cea mai mică pondere a ven iturilor din activități aeronautice au avut -o Frankfurt,
Paris Orly și Paris Charles de Gaulle, de 26,9%, 29,5%, respectiv 29,6%. Aeroporturile mari
tind să aibă o pondere scăzută a veniturilor aeronautice, datorită faptului că au un trafic
suficient de ma re încât să genereze venituri mari din activități conexe, cum ar fi concesiunile
spațiilor comerciale, servicii sau vânzare cu amănuntul. Aceste venituri mari din activități

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

104
non-aeronautice permit micșorarea taxelor aeronautice pentru mărirea competitivită ții
aeroportului. În cazul aeroporturilor mari, dar supraaglomerate, cum ar fi Londra Heathrow,
veniturile non -aeronautice foarte mari nu au ca urmare și o scădere a celor aeronautice,
deoarece cererea este foarte mare și nu este nevoie de stimularea trafi cului prin micșorarea
taxelor aeroportuare. Astfel, în anul 2008, Londra Heatrow a avut o pondere a veniturilor
aeronautice de 53%, în condițiile în care a înregistrat cel mai mare venit operațional net din
întregul eșantion, de peste un miliard de dolari americani. În cazul aeroporturilor mici,
ponderea veniturilor aeronautice este mare, deoarece acestea nu pot genera venituri mari din
activități non -aeronautice din cauza traficului redus.
Aeroporturile din regiunea Asia – Pacific au avut o pondere medie a veniturilor
aeronautice de 52,8%, similară cu cea a aeroporturilor europene. Cea mai mare pondere a
acestei categorii de venituri a avut -o aeroportul internațional Shanghai Pudong, de 97,3%.
Următoarele aeroporturi care se bazează cu predilecție pe acest tip venit au fost Jakarta
(75,1%), Penang (67%), Kuala Lumpur (67%) și Bankok (66,5%). La polul opus s -au situat
aeroporturile din Brisbaine, Taipei, Bai Yun și Sydney, a căror pondere a veniturilor
aeronautice a fost de 29,1%, 33,9%, 34,2%, respectiv 34,3 %. În general aeroporturile
australiene urmează modelul american, bazându -se cu predilecție pe veniturile din activități
non-aeronautice.

4.6.2. Generarea veniturilor

Performanțele financiare ale unui aeroport nu depind numai de capacitatea sa de a
reduce costurile, ci și pe capacitatea sa de a genera venituri. Această secțiune analizează
performanța aeroporturilor în ceea ce privește generarea de venituri, utilizând ca indicatori de
performanță parțială venitul operațional per pasager, venitul operațion al per mișcare aeronavă,
venitul operațional per WLU și venitul operațional per angajat. Pentru calculul acestor
indicatori de performanță parțială la nivelul eșantionului ales am utilizat venitul operațional
net.

4.6.2.1. Venitul operațional net per pas ager

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

105
Media acestui indicator de performanță parțială a fost, la nivelul întregului eșantion de
6,88 USD, cea mai mare valoare medie înregistrându -se în Europa, iar cea mai scăzută în
America de Nord. Valoarea acestui indicator reflectă relația între capac itatea aeroportului de a
genera venituri și numărul de pasageri. Această valoare nu este proporțională cu mărimea
aeroportului, așa cum era de așteptat, deoarece intervin mai multe criterii legate de calitatea
traficului, nu doar de cantitate. Unele aeropo rturi beneficiază de poziții favorabile în ceea ce
privește locația, fapt ce le permite o taxare mai mare fără repercusiuni asupra valorilor de
trafic, altele găzduiesc în special trafic business, care aduce venituri mai mari legate de
servicii, unele sunt destinații de vacanță și produc venituri substanțiale din zona comercială
(duty -free, suveniruri), în timp ce aeroporturile low -cost sunt penalizate prin faptul că sunt
folosite preponderent de pasageri care cheltuie puțin pe bunuri și servicii la aeropor t și
beneficiază de taxe scăzute. O reprezentare grafică a rezultatelor la acest indicator pentru
toate aeroporturile incluse in eșantion se regăsește în anexa numărul 18.
Venitul operațional net per pasager a fost, în medie, 3,93 USD la aeroporturile din
America de Nord, fiind ce mai mică medie regională. Montreal, Louisville, Vancouver și
Newark au generat cel mai mare venit operațional net per pasager din regiune, și anume 9,81
USD, 9,06USD, 8,90USD, respectiv 8,56USD. Cel mai mic venit operațional per p asager a
fost la aeroportul San Jose, acesta înregistrând o pierdere netă de 40 de cenți per pasager, fiind
singurul aeroport american care înregistrează pierdere în anul 2008 . Venit operațional net per
pasager mai mic de 1 dolar au avut Washington Baltimo re (0,75 USD) și Chicago Midway
(0,88 USD). În general aeroporturile americane se situează la coada clasamentului în ceea ce
privește acest indicator de performanță parțială.
Media venitului operațional net per pasager a fost în Europa de 10,16 USD, fiind cea
mai mare dintre cele trei regiuni, depășind cu numai 5 cenți media zonei Asia – Pacific. Cel
mai mare venit operațional net per pasager l -a avut aeroportul din Atena, de 19,19 USD.
Această performanță se datorează atât calității traficului (Atena fiind o binecunoscută
destinație de vacanță, ca atare aeroportul beneficiind de pasageri dispuși să cheltui ască mai
mult pentru bunuri și servicii la aeroport), cât și unui ajutor din partea statului sub forma
închiderii vechiului aeroport și a blocării oricăru i proiect similar în zonă. Alte șase aeroporturi
europene au avut un venit operațional net per pasager mai mare de 15 dolari, și anume Oslo
(18,63 USD), Bruxelles (17,61 USD), Zurich (17,56 USD), Ljubljana și Budapesta (ambele
16,84 USD), Londra Heathrow ( 15,98 USD), respectiv Paris Orly (15,11 USD). Paris Charles
de Gaulle și Amsterdam Schiphol se situează peste medie, cu 14,86 USD, respectiv 13,01
USD. Chiar dacă majoritatea aeroporturilor europene obțin rezultate peste medie la acest

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

106
indicator, recordul negativ al eșantionului este din această regiune. Aeroportul Berlin Tegel se
clasează pe ultimul loc la nivel global, cu o pierdere operațională netă per pasager de 1 USD,
fiind unul din cele două aeroporturi din întregul eșantion care au înregistrat în an ul 2008 un
venit operațional net negativ, alături de San Jose. Următoarele două cele mai slabe aeroporturi
europene la acest indicator, însă la distanță de ultimele locuri ale clasamentului general, au
fost Helsinki (1,61 USD) și Frankfurt (3,24 USD).
Veni tul operațional net per pasager a fost în regiunea Asia -Pacific de 10,11 USD. Cele
mai bine trei clasate la nivelul eșantionului nostru de 128 de aeroporturi au fost din această
regiune. Acestea au fost Kansai International (Osaka), cu un venit operațional de 32,66 dolari
per pasager, Sydney, cu 19,38 USD și Seoul Incheon, cu 19,26 USD. Tokio Narita a fost
următorul clasat (și locul 5 la nivel global), cu 18,68 USD. Pe ultimele locuri în această
regiune au fost Kuala Lumpur, Beijing Capital și Penang, cu un venit operațional net per
pasager de 0,66 USD, 0,79 USD, respectiv 0,98 USD. Per total, aeroporturile din regiunea
Asia-Pacific au obținut scoruri bune la acest indicator de performanță parțială, clasându -se
mult peste aeroporturile din America de Nord.

4.6.2.2. Venitul operațional net per mișcare aeronavă

Media venitului operațional net per ATM a fost de 626,58 USD la nivelul
eșantionului. Și în ceea ce privește acest indicator regiunea America de Nord a o bținut cele
mai slabe rezultate, după cum se po ate observa și în anexa numărul 19.
Media venitului operațional net per ATM a fost de 266,55 USD pentru aeroporturile
nord-americane. Această medie scăzută reflectă o mai mare fragmentare a tipului de trafic, în
regiunea America de Nord traficul regional ș i cel al aviației generale având o pondere
însemnată din total, acest fapt reflectându -se într -un număr mare de mișcări de aeronave care
generează venituri mai mici decât media la nivel mondial.
Cel mai mare venit operațional net per ATM din regiune l -au o bținut, în ordine,
Newark, New York JFK, Vancouver și San Francisco, cu 718,61 USD, 681,16 USD, 571,40
USD, respectiv 565,73 USD. San Jose este ultimul clasat, înregistrând o pierdere de 32,03
USD per ATM. Tot la coada clasamentului se găsesc și Washington Baltimore, Milwakee și
Cincinnati, cu un venit operațional net per mișcare aeronavă de 64,22 USD, 69,66 USD,
respectiv 77,69 USD.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

107
Venitul operațional net per ATM a avut în Europa o medie de 883,80 USD. Cele mai
mari scoruri din Europa la acest indicator d e performanță parțială le -au obținut Londra
Heathrow, cu un venit operațional net per ATM de 2238,23 USD, Paris Orly, cu 1720,32
USD, respectiv Paris Charles de Gaulle, cu 1615,47 USD. În cazul aeroportului Heathrow, în
afara venitului operațional foarte m are, la această clasare foarte bună contribuie și mărimea
medie a aeronavelor. Londra Heathrow este un aeroport aglomerat fără posibilități de
extindere, care cu numai două piste reușește să facă față unui trafic de 67 de milioane de
pasageri pe an. Acest succes se datorează faptului că echipa managerială a decis să stimuleze
prin modul de taxare traficul cu aeronave mari, care transportă mai mulți pasageri odată.
Ultimele clasate sunt Berlin Tegel, cu o pierdere operațională netă de 89,8 USD per
ATM, Hels inki, cu un venit operațional net per ATM de 120,18 USD, respectiv Riga, cu
279,11 USD.
Cea mai mare valoare medie a acestui indicator este obținută de aeroporturile din
regiunea Asia -Pacific, de 1279,67 USD. De remarcat faptul că cele mai bine clasate
aeroporturi nord -americane au obținut rezultate sub media europeană și mult sub cea a
regiunii Asia -Pacific. Cele mai bine clasate cinci aeroporturi din tot eșantionul sunt din
această regiune. Ele sunt Kansai International (Osaka), Tokio Narita, Seoul Incheo n, Hong
Kong și Singapore, acestea înregistrând venituri operaționale nete per ATM de 3.750,53 USD,
3.730,50 USD, 2.734,56 USD, 2.350,34 USD, respectiv 2.239,59 USD. Cele mai slabe
rezultate la acest indicator din regiunea Asia -Pacific le -au avut Penang, K uala Lumpur și
Beijing Capital, cu un venit operațional net per ATM de 86,92 USD, 87,22 USD, respectiv
103,22 USD.
Rezultatele foarte bune înregistrate de aeroporturile din Asia -Pacific, la acest indicator
de performanță, se datorează atât veniturilor ope raționale mari, cât și unui număr mai mic de
mișcări de aeronave față ce celelalte regiuni, explicat prin specificul traficului din această
zonă. Traficul aerian în regiunea Asia -Pacific compus într -o mare măsură din aeronave mari
(zboruri intercontinental e), traficul local și operațiunile de aviație generală reprezentând doar
o mică parte din total.

4.6.2.3. Venitul operațional net per WLU

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

108
La nivel global, venitul operațional net per unitatea echivalentă de încărcare (WLU) a
fost de 7,74 dolari.
Cea mai mică valoare medie a acestui indicator a fost înregistrată pentru aeroporturile
din regiunea America de Nord, și anume 3,27 USD. Primele trei aeroporturi din clasamentul
regional au fost Montreal, Vancouver și Newark, cu venituri operaționale nete per WLU de
8,52 USD, 7,96 USD, respectiv 6,71 USD. Toate au avut scoruri sub media europeană, care,
în cazul acestui indicator, a fost cea mai bună medie regională, și doar primele două clasate au
fost peste media zonei Asia -Pacific, ceea ce spune multe despr e performanțele aeroporturilor
nord-americane în ceea ce privește generarea de venituri. Ultimele clasate din regiune au fost,
și în acest caz, San Jose, cu o pierdere operațională netă per WLU de 37 de cenți, Washington
Baltimore și Chicago Midway, cu ven ituri operaționale nete per WLU de 0,72 USD, respectiv
0,88 USD.
Aeroporturile din Europa au obținut cel mai mare medie regională din eșantion, de
9,05 USD per WLU. Cele mai bine clasate aeroporturi europene au fost Atena și Oslo, cu
venituri operaționale nete per WLU de 17,86 USD, respectiv 17,68 USD. Amsterdam
Schiphol și Paris Charles de Gaulle s -au situat peste media europeană, având venituri
operaționale nete per WLU de 9,78 USD, respectiv 11,13 USD. Ultimele clasate au fost tot
Berlin Tegel, cu o pier dere operațională netă per WLU de 0,98 USD, Helsinki, cu un venit
operațional net per WLU de 1,45 USD, și Frankfurt, cu 2,32 USD.â
Aeroporturile din Asia -Pacific realizează o medie a venitului operațional net per WLU
de 7,45 USD. Această diferență semnific ativă față de media europeană apare din cauza
cantității de aproape trei ori mai mare de marfă transportată prin aeroporturile din Asia –
Pacific. Referitor la unitatea echivalentă de încărcare spuneam anterior că este folosită în
echivalarea traficului carg o cu cel de pasageri, dar că este relevantă doar din punct de vedere
al transportatorilor, nu și al aeroporturilor. Din perspectiva managementului aeroportuar
această echivalență este oarecum arbitrară, deoarece 100 kg de cargo nu necesită aceleași
resurse ca un pasager și nici nu generează aceleași venituri.
Cu toate acestea, cel mai bine clasat aeroport din eșantion l a acest indicator de
performanță parțială este tot din Asia, Kansai International, care a avut un venit operațional
net per WLU de 21,27 USD. Următoarele clasate din regiune sunt Sydney, Auckland și
Brisbane, cu venituri operaționale nete per WLU de 16,96 USD, 12,53 USD, respectiv12,15
USD. Cele mai mici scoruri din regiune la acest indicator de performanță parțială le -au
obținut Kuala Lumpur, Beijing Capital și Peneng, cu venituri operaționale nete per WLU de
0,54 USD, respectiv câte 0,64 USD fiecare. Rezu ltatele complete se regăsesc în anexa 20.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

109

4.6.2.4. Venitul operațional net per angajat

La nivelul întregului eșantion, venitul operațional net per angajat a fost, în medie, de
213609 USD.
Cea mai mică valoare medie regională a acestui indicator a fost de 167095 USD,
înregistrată de aeroporturile din America de Nord. Cele mai bine clasate aeroporturi nord –
americane au fost Newark, New York JFK și Calgary, obținând un venit operațional net per
angajat de 1009130 USD, 901818 USD, respectiv 454017 USD. Cele mai slabe aeroporturi la
acest indicator de performanță parțială au fost San Jose, care are o pierdere operațională netă
de 12769 USD, San Antonio și Washington Baltimore, care au avut un venit operațional net
per angajat de 24856 USD, respectiv 32694 USD .
Aeroporturile din Europa obțin rezultate ceva mai slabe la acest indicator, având în
medie, un venit operațional net per angajat de 167943 USD, cu numai 848 USD mai mult
decât media obținută de aeroporturile americane. Acest lucru se datorează faptului c ă
aeroporturile europene, deși generează venituri mai mari față de cele nord -americane, au de
aproape patru ori mai mulți angajați permanenți.
Oslo, Atena și Bruxelles sunt aeroporturile europene cu cel mai mare venit operațional
net per angajat, de 823271 USD, 441911 USD, respectiv 436185 USD. Berlin Tegel este
ultimul clasat, înregistrând o pierdere operațională netă per angajat de 24666 USD. Frankfurt
și Riga sunt alte două codașe ale regiunii la acest indicator, având un venit operațional net per
angaja t de 9626 USD, respectiv 12598 USD. Aeroportul Frankfurt a ajuns pe penultima
poziție în topul european la acest indicator deoarece are un venit relativ modest pentru
mărimea lui și un număr foarte mare de angajați.
Regiunea Asia -Pacific este performera cl asamentului după acest indicator. Media
regională a venitului operațional net per angajat a fost de 445401 USD, patru din cele cinci
aeroporturi care au un venit operațional net per angajat de peste 1 milion de dolari fiind din
această regiune. Cele mai bu ne trei aeroporturi ale regiunii la acest indicator în anul 2008 au
fost Sydney, Kansai și Brisbane, având un venit operațional net per angajat de 2082418 USD,
1290471 USD, respectiv 1088674 USD. Aceste aeroporturi au ocupat și primele locuri la
nivelul în tregului eșantion. Ultimele trei clasate din regiunea Asia -Pacific au fost Penang,
Kuala Lumpur și Beijing Capital, cu venituri operaționale nete per angajat de 8956 USD,

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

110
11589 USD, respectiv 22568 USD. O prezentare grafică a rezultatelor la acest indicato r
pentru toate aeroporturile incluse in eșantion se regăsește în anexa numărul 21.

4.6.3. Rentabilitatea financiară

Această secțiune compară aeroporturile din punct de vedere al unor raporturi
financiare frecvent utilizate.

4.6.3.1. Venitul operaționa l net

Venitul operațional net este unul dintre indicatorii de bază pentru performanța
financiară globală. Acesta se calculează prin scăderea cheltuielilor totale de operare din
veniturile totale de operare.3
Media venitului operațional net pentru aeroport urile din America de Nord a fost 84,14
milioane USD în 2008, față de 158,79 milioane USD, cât a fost media generală, la nivelul
întregului eșantion și de circa trei ori mai mică decât a oricăreia dintre celelalte regiuni.
Chicago O'Hare, Newark și New York JFK au avut cele mai mari venituri operaționale
nete, de 345,77 milioane USD , 302,74 milioane USD , respectiv 293,09 milioane USD . San
Jose continuă să înregistreze venituri operaționale nete negative și în 2008, înregistrând o
pierdere operațională netă d e 4,15 milioane USD. San Antonio și Halifax urmează în coada
clasamentului, cu un venit operațional net de 7,06 milioane USD , respectiv 10,74 milioane
USD.
Media veniturilor operaționale nete în 2008, a fost în Europa de 231,04 milioane USD
pentru aeroport urile prezente în eșantion.
Aeroportul Heathrow a continuat să aibă cel mai mare venit operațional net dintre
aeroporturile europene, cu 1,07 miliarde USD, urmat Paris Charles de Gaulle cu 904 milioane
USD și Amsterdam Shiphol, cu 617 milioane USD.
Riga ș i Tallinn au generat mai puțin de 20 de milioane USD în 2008, în timp ce Berlin
Tegel a înregistrat o pierdere de 14,48 milioane USD.

3 De reț inut că amortizarea nu este inclusă în cheltuielile de exploatare (operare), ca urmare a formatului
standardizat al raportului financiar FAA Airport Financial Report. Astfel, venitul operațional net este aici, în
esență, EBITDA (earnings before interest, t ax, depreciation and amortization – profitul înainte de dobânzi, taxe,
depreciere și amortizare).

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

111
Media veniturilor operaționale nete a fost în 2008 a fost de 260,16 milioane USD
pentru aeroporturile din regiunea Asia -Pacific.
Tokio Narita, Hong Kong și Sydney au avut cele mai mari venituri operaționale nete
dintre aeroporturile din Asia, de 721,18 milioane USD , 695,7 milioane USD și respectiv
637,22 milioane USD . Penang a avut cel mai mic venit operațional net din regiun e, de 3,33
milioane USD. Reprezentarea grafică a rezultatelor pentru acest indicator se găsește în anexa
22.

4.6.3.2. EBITDA

EBITDA este definit ca profitul înainte de dobânzi, taxe, depreciere și amortizare.
Acest lucru este similar cu venitul operați onal net în raportul nostru, cu excepția faptului că
EBITDA include veniturile și cheltuielile non -operaționale. Includerea veniturilor și
cheltuielilor non -operaționale indică ponderea activităților non -operaționale care afectează
profitabilitatea general ă a aeroporturilor.
EBITDA mediu pentru aeroporturile din America de Nord a fost 141,11 milioane
USD în 2008 , după cum se poate observa și în anexa 23 .
Atlanta, Chicago O'Hare și Dallas au avut cea mai mare valoare EBITDA dintre
aeroporturile din America d e Nord, în 2008, aceasta fiind de 456 milioane USD , 447 milioane
USD și respectiv 416 milioane USD.
Halifax, Albany și General Mitchell au avut cel mai mic EBITDA în 2008, de 14,62
milioane USD, 14,80 milioane USD, respectiv 25,06 milioane USD.
Trebuie pr ecizat că pentru circa jumătate dintre aeroporturile din Europa și Asia –
Pacific prezente în eșantion nu am putut obține date privitoare la EBITDA. Pentru celelalte
rezultatele vor fi prezentate în continuare.
Media EBITDA a fost de 235,49 milioane USD pentru aeroporturile europene în 2008.
Healthrow, München și Zürich au avut cea mai mare EBITDA dintre aeroporturile europene,
de 879 milioane USD , 506 milioane USD și respectiv 388 milioane USD .
Riga și Tallinn au avut cel mai mic EBITDA printre aeroporturil e europene în 2008,
ambele sub 20 milioane USD .
Media EBITDA a fost de 250,36 milioane USD pentru aeroporturile din zona Asia –
Pacific.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

112
Hong Kong, Sydney și Bangkok au avut cea mai mare valoare a EBITDA dintre
aeroporturile din Asia -Pacific, de 696 milioa ne USD , de 542 milioane USD, respectiv de 441
milioane USD . Macao, cu o EBITDA de 24,75 milioane USD, și Meilan, cu 34,49 milioane
USD au ocupat ultimele locuri din regiune, fiind singurele aeroporturi din Asia -Pacific care
au avut EBITDA mai mică de 80 mi lioane USD.

4.6.3.3. Marja operațională

Marja operațională a unui aeroport arată cât din cifra de afaceri reprezintă profitul
operațional. Este considerată unul din cei mai importanți indici financiari, deoarece reflectă
capacitatea de a genera valoare adăugată. Rezultatele pentru acest indicator sunt prezentate în
anexa 24.
Marja medie de exploatare pentru aeroporturile din America de Nord a fost 35,19% în
2008.
Vancouver, Louisville, Albuquerque și Atlanta au avut cele mai mari marje de
exploatare prin tre aeroporturile din America de Nord acestea fiind de 60,3%, 57,3%, 55,4% și
respectiv 54,5%. La polul opus s -au situat San Jose, Washington Baltimore și Chicago
Midway, cu marje de exploatare de -3,6%, 9,4%, respectiv 12,3%.
Marja operațională în Europa a fost în medie de 36,62%. Istanbul a avut cea mai mare
marjă de exploatare printre aeroporturile individuale, de 73,4%, fiind urmat de Atena cu
59,2% și Bruxelles cu 57,6%. Cele mai mici marje operaționale au fost înregistrate la Berlin
Tegel, de -5,9% (s ingurul aeroport european cu marjă negativă și cea mai mică marjă
operațională din eșantion), Helsinki, de 7,7% și Frankfurt, de 8,2%. Acestea au fost, de altfel,
singurele aeroporturi din Europa cu o marjă operațională mai mică de 15%.
Marja operațională medie pentru regiunea Asia -Pacific a fost de 53,15%, cea mai
mare dintre cele trei regiuni. Sydney, Auckland și Brisbane au avut cea mai mare marjă
operațională din regiune, clasându -se pe primele trei locuri și la nivel global, cu valori de
82,4%, 78,5%, respectiv 75,1%. Cea mai mică marjă de exploatare din zona Asia -Pacific a
avut-o aeroportul Beijing Capital, de 7,9%, aceasta fiind de altfel singura valoare sub 30%
înregistrată de aeroporturile din această regiune. Aceste cifre spun totul despre profita bilitatea
aeroporturilor din Asia -Pacific comparativ cu celelalte două regiuni.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

113

4.6.3.4. Rentabilitatea activelor

Rentabilitatea activelor (Return on Assets – ROA) indică profitabilitatea activelor unui
aeroport. Aici, este calculată prin împărțirea v enitului operațional net la valoarea totală a
activelor.
Aeroporturile din America de Nord au avut un ROA mediu de 3,9% în 2008 (a se
vedea anexa 25) .
Vancouver, Calgary și Montreal au avut cel mai mare ROA dintre aeroporturile din
America de Nord în 2008 , de 10%, 9,9%, respectiv 9,1%. San Jose a continuat să aibă un
randament negativ, iar Ontario și LaGuardia au avut o rentabilitate a activelor mai mică de
1,0%.
Pentru circa jumătate dintre aeroporturile din Europa și Asia -Pacific incluse în
eșantion nu a u fost disponibile date pentru determinarea ROA. Cifrele prezentate în
continuare se referă doar la aeroporturile pentru care au existat date.
Aeroporturile europene au avut cea mai bună rentabilitate medie a activelor, de
12,02%. Copenhaga, Oslo, Geneva ș i Malta au avut cea mai bună rentabilitate a activelor din
regiune, de 20,1%, 19,6%, 18,1%,respectiv 16,5%. Cea mai mică rentabilitate a activelor au
avuto Tallinn și Bratislava, de 5,6%, respectiv 5,5%.
ROA mediu pentru aeroporturile din regiunea Asia -Pacific a fost de 8,51%.
Aeroporturile din această regiune cu cea mai bună rentabilitate a activelor au fost Shzenzhen,
Christchurch și Singapore, cu valori de 15,8%, 13,9%, respectiv 11,4%. Cea mai mică
rentabilitate a activelor au înregistrat -o Beijing Cap ital (0,8%), Kansai (2,6%) și Macao
(2,7%). Dacă în cazul aeroportului Beijing cauza acestei clasări slabe o constituie un venit
operațional net foarte mic față de media regională, în cazul aeroportului Kansai cauza o
constituie valoarea foarte mare a acti velor, acesta fiind un aeroport nou, construit pe o insulă
artificială în apropiere de Osaka.

4.6.3.5. Rentabilitatea capitalului

Rentabilitatea capitalului ( Return on Equity – ROE) indică modul în care un aeroport
poate genera profit din capitalul pr opriu. În cazul nostru, ROE este calculat ca venitul

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

114
operațional4 net împărțit la totalul capitalului propriu (în cazul aeroporturilor din America de
Nord, la activele nete). Aeroporturile canadiene sunt operate ca entități non -profit de către
autoritățile locale. Aceste aeroporturi nu au acționari și, prin urmare, nu au capitaluri proprii.
Ele sunt excluse pentru a evita comparații înșelătoare cu aeroporturile din SUA.
ROE mediu pentru aeroporturile din SUA a fost de 9,75% în 2008.
San Francisco, Denver și Portland au avut cel mai mare ROE dintre aeroporturile din
America de Nord, de 66,9%, 19,9% și respectiv 17,3%.
Ontario și LaGuardia au avut cel mai mic ROE, ambele sub 1,0%.
ROE mediu în Europa a fost de 42,9%, cea mai bună rentabilitate a capitalului di ntre
cele trei regiuni.
Oslo și Dusseldorf au avut cel mai mare ROE între aeroporturile individuale europene,
de 195,3% și respectiv 70,4%. Geneva, Copenhaga, Atena și Munchen au avut o rentabilitate
a capitalului peste media regională.
Bratislava a avut , în 2008, cel mai mic ROE, de 6,3%, la mare distanță de penultima
clasată, Londra Gatwick, care a avut o rentabilitate a capitalului de 15,6%. Trebuie însă
precizat că datele nu sunt disponibile pentru o bună parte a aeroporturilor din Europa și Asia –
Pacific, clasamentele incluzând doar acele aeroporturi pentru care a fost posibilă determinarea
ROE.
Rentabilitatea medie a capitalului pentru aeroporturile din regiunea Asia -Pacific a fost
de 22,96%. Cele mai bine clasate aeroporturi din această zonă au fost Adelaide,Brisbane și
Tokio Narita, cu valori ale ROE de 112,9%, 38,1%, respectiv 33,3%. Cea mai mică
rentabilitate a capitalului a avut -o aeroportul Beijing Capital și a fost de 2,5%. Valori ale
ROE sub 10% au mai avut Macao, Meilan și Kansai. Rezultatele pentru celelalte aeroporturi
sunt reprezentate grafic în anexa 26.

IV.7. EVALUAREA ȘI OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE
ALE AEROPORTURILOR UTILIZÂND DEA

În continuare am aplicat modelul BCC pentru aeroporturile din eșantion pentru care
sunt date consistente. Pentru aceasta am folosit programul DEAP 2.1, realizat de Tim Coelli
[38].

4 Acesta este venitul operațional înainte de depreciere și amortizare.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

115
Pentru calculul eficienței am luat în considerare patru variabile de intrare, și anume
numărul de angajați, numărul de piste, suprafața terminalelor și numărul de porț i de
îmbarcare. Ieșirile sunt în număr de trei, respectiv număr pasageri, tone cargo și deplasări de
aeronave. Am exclus variabilele fără legătură cu partea operațională, cum ar fi venituri non –
aeronautice sau costurile indirecte . Acestea ar putea influenț a calculul de optimizare indicând
o eficiență generală în locul eficienței operaționale. Modelul folosit presupune un randament
de scală variabil și este orientat pe optimizarea intrărilor . Dintre cele 1 28 de aeroporturi
incluse în eșantion, 40 sunt consid erate ca fiind eficiente, în timp de 30 operează la o scală
eficientă. Graficele următoare prezintă rezultatele eficienței tehnice rezultate în urma
calculului cu ajutorul programului DEAP 2.1.
Dintre cele 40 de aeroporturi care au rezultat ca fiind efici ente, 16 sunt din America de
Nord, respectiv Albuquerque, Atlanta, Charlotte Douglas, New York J.F.K., Las Vegas, Los
Angeles, New York LaGuardia, Memphis, Oakland, Chicago O'Hare, San Diego, Louisville,
Newark, New Orleans, Orange County, Winnipeg. Cele m ai ineficiente aeroporturi din
această regiune au fost Pittsburgh, cu o eficiență tehnică relativă de 36,3%, St. Louis cu
44,5%, Washington Dulles cu 45,4%, Kansas City cu 46,6%. Analizând aeroportul Pittsburg,
rezultatele calculului de optimizare arată că acesta are un randament de scală crescător și o
eficiență de scală de 87,6%. Aeroporturile eficiente cu caracteristici similare la care ar trebui
să se raporteze Pittsburg („perechile” sale) în cadrul unui studiu de benchmarking sunt Orange
County, Louisv ille, New York LaGuardia, Adelaide și Hat Yai. Totodată, rezultatul aplicării
metodei DEA ne oferă și ponderile acestor aeroporturi, respectiv 0,337, 0,30, 0,249, 0,145,
0,239. Asta înseamnă că proiecția aeroportului Pittsburg pe limita de bune practici es te o
combinație a acestor aeroporturi eficiente astfel: 33,7% Orange County, 3% Louisville, 24,9%
New York LaGuardia, 14,5% Adelaide și 23,9% Hat Yai. Concret, pentru a opera cu o
eficiență tehnică egală cu 1, aeroportul din Pittsburg ar trebui, conform ca lculului, să atragă cu
1481000 mai mulți pasageri și să diminueze numărul de angajați cu 290. Este adevărat că din
punct de vedere managerial este greu a pune în astfel de soluții , dar calculul de optimizare
indică atât gradul de ineficiență, variabilele c are pot fi optimizate, precum și „perechile”
pentru studiul de analiză comparativă. Având aceste informații, echipa managerială poate
avea o imagine aspra a ceea ce trebuie făcut pentru îmbunătățirea eficienței.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

116

Figura nr. 4.1. Eficiența tehnică relativ ă a aeroporturilor (optimizarea intrărilor)

Cele mai eficiente aeroporturi europene au fost Roma Ciampino, Dublin, Istanbul
Atatürk, Londra Heathrow, Ljubljana, Madrid Barajas, Riga, Sofia, Tallinn și Viena. Eficiență
de peste 90% au mai obținut Paris Cha rles de Gaulle, Keflavik International din Reykjavik,
Munchen și Berlin Tegel. La polul opus, cele mai ineficiente aeroporturi din punct de vedere

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

117
operațional au fost Köln -Bonn, cu o eficiență tehnică relativă de 45,1%, respectiv Varșovia și
Budapesta cu 5 0,0%. Analizând rezultatele pentru aeroportul Köln -Bonn observăm că
operează cu un randament de scală crescător, ceea ce ne indică că operează sub capacitatea
optimă. Eficiența de scală este de 91,5%. Aeroporturile de referință pentru Köln -Bonn sunt
Hong K ong cu o pondere de 0,013, Louisville cu o pondere de 0,170, Roma Ciampino cu
0,123, Penang International cu o pondere de 0,047 și Auckland cu 0,647. În vederea atingerii
performanțelor optime, Köln -Bonn ar trebui să -și mărească traficul de pasageri cu 2,3 5% și să
micșoreze considerabil numărul de angajați de la 1943 la 294. Acest rezultat pare exagerat, el
putând fi pus pe seama numărului foarte mare de angajați raportat la ceilalți parametri ai
aeroportului. Numărul mare de angajați este determinat de fap tul că aeroporturile germane
preferă să furnizeze direct serviciile la aeroport în loc să folosească contractori externi.
Comparând însă cu scorul de eficiență obținut de alte aeroporturi care practică aceeași politică
privitoare la serviciile la aeroport, cum ar fi Frankfurt, Munchen sau Berlin, observăm că
eficiența aeroportului Koln -Bonn rămâne în continuare scăzută, neputând fi pusă doar pe
seama numărului mare de angajați [ 79]. În acest caz, eficiența scăzută este explicită prin
capacitatea mare a aero portului (inclusiv numărul de angajați) raportată la variabilele de ieșire
scăzute (pasageri, cargo, ATM).
Situații asemănătoare regăsim și în cazul aeroporturilor din Budapesta și Varșovia,
care au un număr mare de angajați (cca. 1600, respectiv peste 20 00) și un număr redus de
pasageri, 8,4 respectiv 9,4 milioane. Ambele aeroporturi au un randament de scală crescător,
indicând operarea sub limita optimă de trafic. Pentru cele două cazuri, aeroporturile de
referință sunt în număr de trei, din care două su nt comune, respectiv San Diego și Roma
Ciampino. În plus, pentru Varșovia cel de -al treilea aeroport de referință este Orange County.
Având în vedere interesul pentru aeroporturile din Europa, voi analiza încă două
aeroporturi, respectiv Paris Charles de Gaulle și Amsterdam Schiphol. Ambele sunt
considerate repere pentru industria transporturilor aeriene și ambele au obținut în condițiile
modelului prezentat rezultate bune, dar nu perfecte. Eficiența tehnică a fost la CDG de 92,0%,
iar la Schiphol de 84,6% . Ambele aeroporturi au avut un randament de scală descrescător,
ceea ce indică o aglomerare, acestea operând peste capacitatea optimă. Randamentul de scală
a fost de 99,8% la CDG, ceea ce înseamnă că acest aeroport operează foarte aproape de limita
optimă (este ușor aglomerat), iar la Schiphol de 89,4%. Pentru Charles de Gaulle, proiecția sa
pe axa eficienței este reprezentată de un punct virtual format din 77,2% Los Angeles, 4,5%
Atlanta și 18,3% Hong Kong. Pentru a atinge un coeficient de eficiență de 1, CDG ar trebui să
realizeze o creștere a cantității de cargo cu 164000 tone, o creștere a numărului de ATM cu

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

118
8,35% și o reducere a numărului de angajați cu 28%. Aeroporturile de referință pentru
Schiphol sunt Hong Kong, cu o pondere de 0,132, Madrid Baraj as, cu 0,119, Los Angeles, cu
0,406 și Istanbul cu 0,343. Pentru eficientizare, Schiphol ar trebui să își crească numărul de
ATM cu 3200 și să își reducă personalul cu cca 400 angajați. Aeroportul „Henri Coandă” din
Otopeni a avut o eficiență relativă de 6 1,7%. Aeroporturile de referință pentru Otopeni au fost
Albuquerque, cu o pondere de 0,036, Roma Ciampino, cu 0,923 și Istanbul Ataturk, cu 0,041.
Pentru a obține o eficiență relativă maximă în cadrul eșantionului nostru, aeroportul Otopeni
ar trebui să ai bă un trafic de pasageri cu 15% mai mare, un trafic de marfă cu 130% mai mare
și un număr de angajați redus cu 53%.
În ceea ce privește regiunea Asia -Pacific, rezultatele au indicat un număr de 14
aeroporturi care operează eficient. Aceste sunt Taipei, Shenzhen, Sydney, Penang, Tokyo
Narita, Macau, Phuket, Hong Kong, Hat Yai, Meilan International, Chiang Mai, Brisbane,
Auckland, Adelaide. Cele mai ineficiente au fost Kuala Lumpur, Kansai International din
Osaka, Jakarta și Incheon International din Seul.
Kuala Lumpur a operat cu o eficiență tehnică de 63,7%, și un randament de scală
crescător. Eficiența de scală de 96,9% indică că a operat puțin sub capacitatea optimă.
Rezultatele calculului de optimizare indică necesitatea creșterii traficului de marfă cu 55% și a
numărului total de ATM cu cca. 17%, simultan cu reducerea numărului de angajați cu cel
puțin o treime. Aeroporturile relevante pentru comparație sunt San Diego, cu o pondere de
0,635, Londra Heathrow, cu 0,031, Shenzhen cu o pondere de 0,091 și Ho ng Kong cu 0,243.
Rezultatele calculului de optimizare nu sunt detaliate pentru fiecare aeroport în parte,
din dorința de a insista doar asupra celor relevante. De altfel, mărimea eșantionului studiat, de
128 de aeroporturi, a fost aleasă pentru a asigura o cât mai mare precizie în stabilirea limitei
de bune practici , nu pentru a analiza detaliat fiecare aeroport . Cu toate acestea, rezultatele
calculului, prezentate în anex a 27, oferă posibilitatea de a analiza fiecare aeroport în parte.
În concluzie, c u 14 aeroporturi eficiente dintr -un total de 25 și un singur aeroport cu
eficiență sub 75% ( Kuala Lumpur 63,2%), Asia -Pacific conduce în topul eficienței utilizării
intrărilor cu o eficiență medie de 92,2%.
Pentru verificare, am rulat același model orientat însă pe ieșiri , rezultatele prezentând
diferențe minore, fapt ce confirmă teoriile lui Coelli și Perelman [37], și, ca atare, nu le voi
mai detalia în această secțiune. Variații semnificative ale eficienței au înregistrat doar Sofia,
Riga și Tallinn, din E uropa, respectiv Meilan International, din regiunea Asia – Pacific. În
cazul acestor aeroporturi, eficiența relativă determinată din calculul de optimizare a
variabilelor de ieșire este mult mai scăzută și oarecum în concordanță cu așteptările, ceea ce

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

119
ne duce cu gândul la o eroare în calculul de optimizare a intrărilor, unde toate au obținut o
eficiență maximă. În secțiunea următoare am realizat un studiu al sensibilității metodei în
raport cu variabilele de intrare și de ieșire, din care a rezultat că în cazul acestor aeroporturi
variabila „număr de piste” influențează în mod pozitiv rezultatele în cazul calculului orientat
pe optimizarea intrărilor (toate aceste aeroporturi având o singură pistă). Pe de altă parte,
randamentul foarte scăzut în raport cu v ariabilele de ieșire se explică prin faptul că
aeroporturile menționate au ieșiri mici (pasageri, cargo, mișcări de aeronave), neproporționale
cu variabilele de intrare, acestea din urmă nemaiputând fi însă reduse fără a afecta
funcționarea normală.
Având în vedere că rezultatele sunt în general apropiate celor obținute anterior, voi
descrie pe scurt doar evoluția aeroporturilor din Europa care prezintă un interes deosebit prin
prisma poziției geografice sau a celei din piață. Cu excepția aeroporturilor Sof ia, Riga și
Tallinn, toate celelalte care au obținut eficiență maximă la calculul de optimizare a
variabilelor de intrare, obțin randament de 100% și în cazul optimizării ieșirilor. Dintre
aeroporturile de interes, detaliate în calculul anterior, Amsterdam , Charles de Gaulle,
Munchen, Frankfurt și Otopeni înregistrează eficiențe ușor crescute, de până la 6%, în timp ce
Budapesta, Bratislava și K öln – Bonn au parte de randamente mai mici față de cele obținute în
calculul de optimizare a intrărilor .

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

120

Figura nr. 4.2. Eficiența tehnică relativă a aeroporturilor (optimizarea ieșirilor)

În concluzie, m odelul prezentat răspunde problemelor cu care se confruntă managerii
aeroporturilor și este mult mai ușor de folosit decât alte metode de determinare a eficienței .
Chiar dacă abordarea matematică bazată pe programarea liniară oferă un set de rezultate
destul de categorice, cu valori precise care sunt greu de transpus în practica managerială,

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

121
rezultatele aplicării metodei oferă o perspectivă completă asupra gradului de ineficiență al
aeroportului studiat relativ la „perechile” sale din grup. Programul utilizat indică, în afara
eficienței relative, aeroporturile cu caracteristici similare, care trebuie avute în vedere în cazul
unui studiu de benchmarking precum și var iabilele care trebuie optimizate și în ce măsură.
Punctul forte al metodei constă în faptul că nu este necesară echivalarea tuturor intrărilor și
ieșirilor printr -o unitate de măsură comună, cum ar fi o anume monedă, fiind astfel foarte ușor
de folosit.

4.8. SENSIBILITATEA METODEI ANALIZEI ANVELOPEI DATELOR

Așa cum am precizat anterior, DEA este o metodă sensibilă la erorile de măsurare. În
această secțiune mi -am propus să determin în ce măsură această sensibilitate afectează
precizia rezultatelor în div erse situații. Având în vedere că, în cazul acestei metode, eficiența
este exprimată prin raportare la cele mai eficiente unități din eșantion, nu printr -o funcție de
producție, este dificil de prevăzut efectul schimbării uneia sau a mai multor variabile d e
intrare sau de ieșire asupra rezultatelor . Ca atare, am realizat în continuare o determinare a
sensibilității metodei pentru câteva din cele mai plauzibile variante.
Analizând rezultatele obținute în secțiunea anterioară am observat un rezultat
neaștepta t în ceea ce privește eficiența relativă a aeroportului Sofia comparativ cu cea a
aeroportului Otopeni, atunci când am utilizat programul DEAP 2.1 orientat pe optimizarea
intrărilor . Aeroportul din Sofia avea o eficiență maximă, iar aeroportul Otopeni de n umai
61,4%, în condițiile în care la o analiză superficială se poate observa că aeroportul Sofia
”produce” mai puțin (pasageri, marfă, mișcări de aeronave) în condițiile în care are mai mulți
angajați, o suprafață mai mare a terminalului și un număr aproxi mativ egal de porți. Singura
variabilă de intrare mai mică decât în cazul aeroportului Otopeni este numărul de piste, Sofia
având o singură pistă spre deosebire de Otopeni care are două. În ceea ce privește aceeași
analiză, dar din perspectiva optimizării ieșirilor , rezultatele eficienței relative sunt mult mai
conforme așteptărilor, respectiv 66,3% pentru Otopeni și 49% pentru Sofia. Având în vedere
aceste rezultate și faptul că în teorie analiza DEA din cele două perspective (optimizare
intrări, respectiv ieșiri) produce în general rezultate apropiate, am căutat explicații pentru
această anomalie. Analizând ”perechile” acestor aeroporturi (aeroporturi eficiente, cu
caracteristici apropiate), a devenit evident că aeroporturile Otopeni și Sofia erau evaluate prin
raportare la standarde diferite. Roma Ciampino reprezenta în acest caz singurul reper comun,

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

122
iar în timp ce Sofia era raportată la aeroporturile Ljubljana și Peneng (Malaiezia), ambele
aeroporturi mici, Otopeni mai avea ca ”perechi” aeroporturile Alb uquerque și Istanbul,
ultimul având peste 28 milioane de pasageri în anul 2008. În acest caz aeroportul Otopeni este
dezavantajat față de aeroportul din Sofia care are caracteristici apropiate, dar obține un scor al
eficienței mai bun. În mod firesc se pun e problema dacă influența parametrului de intrare
”număr de piste” nu este cumva exagerat de mare. Ca urmare, am refăcut calculul de eficiență
pentru câteva situații diferite, pentru a analiza influența fiecărei dintre aceste situații asupra
rezultatelor î ntregului eșantion. Ca și în cazul secțiunii anterioare, nu voi detalia rezultatele
decât pentru aeroporturile relevante (cele mai eficiente, cele mai puțin eficiente, respectiv cele
care prezintă un interes deosebit din punct de vedere al notorietății sau al rezultatelor).
Mai întâi am dorit să văd dacă, pentru cele două aeroporturi, Sofia și Otopeni, se obțin
rezultate conform așteptărilor în cazul în care ar avea același număr de piste. În acest scop am
refăcut calculul pentru două situații fictive, prim a în care aeroportul Otopeni ar deține o
singură pistă, iar cea de -a doua, în care aeroportul din Sofia ar avea două piste de decolare –
aterizare, toate celelalte variabile rămânând neschimbate pentru întregul eșantion. Așa cum
era de așteptat, pentru restu l eșantionului rezultatele au fost identice, deoarece nici unul dintre
cele două aeroporturi pentru care am modificat pe rând valoarea parametrului de intrare
”număr de piste” nu reprezenta un punct pe limita de bune practici a eșantionului, deci
referinț a față de care s -a calculat eficiența relativă a celorlalte aeroporturi din grup nu s -a
modificat. Pentru prima ipoteză de lucru, respectiv o singură pistă pentru aeroportul Otopeni,
calculul de optimizare orientat pe intrări a indicat un randament de 100% pentru acest
aeroport, la fel ca în cazul aeroportului din Sofia, iar în cazul optimizării variabilelor de ieșire
de 76,2%, față de numai 49% obținut de aeroportul din Sofia. Pentru a doua ipoteză de lucru,
respectiv ipoteza că aeroportul Sofia ar avea do uă piste, Otopeni își păstrează scorurile
inițiale, de 61,4%, respectiv 66,3% pentru calculul de optimizare a intrărilor, respectiv
ieșirilor, în timp ce Sofia, așa cum era de așteptat, obține randamente sensibil mai mici față de
cele inițiale, de 50%, res pectiv 40,5%. Aceste valori ale eficienței relative reflectă mai bine
asemănările și deosebirile dintre cele două aeroporturi, datorită faptului că sunt analizate prin
raportare la aeroporturi cu caracteristici similare. În concluzie, presupusa anomalie in ițială
(randamentul aeroportului Sofia mai mare decât cel al aeroportului Otopeni) nu reprezintă o
vulnerabilitate a programului, ci doar consecința firească a faptului că Otopeni ”consumă” de
două ori mai mult din variabila de intrare ”piste”. Analiza ace stor două situații fictive, a arătat
că rezultatele inițiale erau corecte, dar nu a răspuns întrebării legitime dacă parametrul
”număr de piste” nu are o influență prea mare asupra eficienței relative calculate prin metoda

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

123
analizei anvelopei datelor. Ca at are am decis refacerea calculelor de eficiență pentru toate
aeroporturile din eșantion excluzând această variabilă de intrare . Înainte de a trece la
descrierea rezultatelor pentru această etapă a analizei de sensibilitate sunt necesare câteva
precizări cu privire la această variabilă de intrare și a motivelor pentru care a fost inclusă în
calculul performanței operaționale. Numărul de piste reprezintă un indicator important atât al
capacității aeroportuare cât și al mărimii capitalului de intrare. Așa cum a m precizat,
abordarea performanțelor aeroporturilor prin prisma instrumentelor clasice de calcul al
productivității nu este posibilă din cauza dificultății evaluării unitare a valorii și modului de
amortizare a capitalului. Metoda DEA înlătură aceste probl eme prin faptul că poate încorpora
această intrare în analiza eficienței fără a fi nevoie de informații despre echivalarea valorii și a
modului de calcul al deprecierii. În determinarea performanțelor operaționale numărul de
piste reprezintă o intrare de bază, de aceea se impune precizarea că excluderea sa din calculul
pentru determinarea eficienței este făcută doar în scopul determinării sensibilității metodei în
raport cu acest parametru.
Folosind același program, DEAP versiunea 2.1, am refăcut calculul d e determinare a
eficienței în ambele variante, optimizare intrări , respectiv optimizare ieșiri . Prin înlăturarea
intrării „număr de piste”, calculul de determinare a eficienței s -a bazat pe trei variabile de
intrare, respectiv angajați, suprafață terminale și număr de porți, și trei de ieșire, respectiv
număr de pasageri, tone de marfă și mișcări de aeronave. Rezultatele au fost apropiate în
cadrul ambelor seturi, iar în ceea ce privește aeroporturile considerate eficiente 100%,
rezultatele au fost identice .
La nivelul întregului eșantion de 128 de aeroporturi, 29 au rezultat ca având eficiență
maximă, dintre acestea 15 fiind din regiunea America de Nord, 7 din Europa și 7 din zona
Asia –Pacific. Primul lucru cere poate fi observat este faptul că numărul ae roporturilor cu
eficiență maximă a scăzut față de calculul prezentat în capitolul anterior, care includea toate
variabilele de intrare și cele de ieșire.
Din cele 62 de aeroporturi nord – americane prezente în eșantion, Albuquerque,
Atlanta, Charlotte Doug las, New York JFK, Las Vegas, Los Angeles, New York La Guardia,
Memphis, New Orleans, Oakland, Chicago O‟Hare, San Diego, Louisville, Orange County și
Winnepeg sunt cele care au rezultat ca fiind eficiente. Aeroportul Newark nu mai obține
maximum de eficie nță, el având acum 95,3% (respectiv 94,8% în cazul calculului optimizării
otputurilor). Și în cazul ultimelor clasate ordinea se menține. În cazul calculului de eficiență
orientat pe optimizarea intrărilor ultimele clasate au fost Pittsburg, cu o eficiență de 34,5%,
St. Louis, cu 42,9%, Kansas City, cu 43,3%, respectiv Washington Dulles, cu 44,1%. Ordinea

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

124
ultimelor clasate este aceeași ca și în cazul calcului DEA ce include variabila de intrare
”număr de piste”, diferențe minore (sub 3%) înregistrându -se în ceea ce privește eficiența. În
ceea ce privește optimizarea ieșirilor , la ultimele locuri sunt aceleași, și anume Pittsburg, cu
33,3%, Kansas City, cu o eficiență relativă de 45%, St. Louis, cu 46,9%, respectiv Albany cu
47,1%. Valorile eficienței relativ e sunt identice cu cele reieșite din calculul DEA ce includea
variabila de intrare ”număr de piste”, aceasta nefiind însă o regulă generală, de -a lungul
eșantionului înregistrându -se variații minore în ceea ce privește acest scor al eficienței, variații
care duc la mici schimbări în clasament, în special acolo unde scorurile sunt apropiate.
În cazul Europei, doar 7 din cele 41 de aeroporturi prezente în studiu au rezultat ca
fiind eficiente. Acestea sunt Roma Ciampino, Dublin, Istanbul, Londra Heathrow, Lju bljana,
Madrid și Viena. Așa cum era de așteptat, printre cele trei aeroporturi care nu mai realizează
un scor maxim al eficienței regăsește și Sofia, a cărei eficiență disproporționat de mare în
raport cu variabilele de intrare și de ieșire a făcut obiect ul unei analize separate la începutul
acestei secțiuni. Celelalte două, Riga și Tallinn, se încadrează în aceeași categorie de
aeroporturi, cu trafic destul de scăzut, dar care obțin o eficiență ridicată în cadrul calculului de
optimizare a intrărilor , datorită faptului că nu dețin decât o singură pistă. Eliminând intrarea
„număr de piste”, eficiența tehnică relativă scade considerabil, la numai 61,9% pentru Tallinn,
43,3% pentru Sofia, respectiv 37,9% în cazul aeroportului din Riga, care ajunge din top la
coada clasamentului. Explicația pentru aceste variații majore ale eficienței relative este
simplă, aeroporturile menționate având valori mari ale variabilelor de intrare, cu excepția
numărului de piste, respectiv valori modeste ale variabilelor de ieșire. În cazul acestor trei
aeroporturi aceste contraperformanțe sunt explicabile, deoarece chiar și în cazul unui trafic
modest, aeroporturile au nevoie de anumite condiții minimale de funcționare, reflectate în
variabilele de intrare care, deși nu sunt corelat e din punct de vedere al eficienței cu cele de
ieșire, nu mai pot fi reduse (sau pot fi reduse doar într -o foarte mică măsură) fără a afecta
funcționarea aeroportului. Nu la fel stau lucrurile în cazul aeroporturilor Frankfurt și
Munchen. Acestea înregistr ează, în cadrul calcului de optimizare a variabilelor de intrare,
scăderi semnificative ale eficienței, de la 94,7% la 37,9% în cazul aeroportului Munchen,
respectiv de la 87,5% la 56% în cazul aeroportului Frankfurt. Singurul lucru pe care îl au în
comun aceste două aeroporturi germane este numărul foarte mare de angajați, peste 4500 la
aeroportul din Munchen, respectiv aproape 18000 la aeroportul Frankfurt. Aceste valori foarte
mari sunt explicate prin faptul că aceste aeroporturi furnizează în mod direct serviciile la
aeroport. Impactul atât de mare al variabilei de intrare ”număr de piste” este justificat prin
prisma faptului că această intrare „ diluează” valoarea exagerată (raportat la celelalte din grup)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

125
a numărului de angajați. Proiecția aeroportului Frankfurt pe limita de bune ar fi, în acest caz,
un aeroport virtual compus din 61,4 Los Angeles, 22% Hong Kong și 16,6% Istanbul, și ar
avea 2560 angajați față de aproape 18000 în prezent, un spațiu al terminalelor și un număr de
porți de îmbarcare reduse la jumătate. În ceea ce privește aeroportul din Munchen, o proiecție
a sa pe frontiera eficienței ar fi un aeroport virtual compus din 58,7% Charlotte Douglas,
18,2% Madrid Barajas, 16% Roma Ciampino, 6,5% Los Angeles și 0,6% și ar avea numai
614 angajați față de 4528 în prezent, respectiv un număr de porți și un spațiu terminal de 2,5
ori mai mic. Ultimele poziții în clasamentul eficienței bazate pe optimizarea intrărilor pentru
aeroporturile din Europa, în cazul eliminării din calcule a variabilei de int rare ”număr de
piste” se găsesc Varșovia, cu o eficiență de 28,6%, Koln -Bonn, cu 35,6%, Budapesta, cu
37,4%, respectiv Riga și Munchen cu 37,9%. Cu excepția acestor ultime două aeroporturi, ale
căror situații particulare au fost analizate anterior , rezulta tele pentru celelalte aeroporturi nu
sunt surprinzătoare , ele fiind considerate cele mai ineficiente și în analiza din capitolul
anterior, în care erau incluse toate variabilele. Tot în capitolul anterior s-au analizat mai
detaliat alte câteva aeroporturi care nu obținuseră o eficiență maximă și nici nu se clasaseră pe
ultimele poziții ale clasamentului , dar reprezintă puncte de interes. Amsterdam Schiphol
obținuse inițial o eficiență a intrărilor de 84,6%, iar în urma eliminării din calcule a variabilei
de intrare ”număr de piste”, procentajul eficienței relative nu s -a schimbat, indicând că
celelalte intrări utilizate sunt ușor crescute. În cazul aeroportului Charles de Gaulle,
excluderea numărului de piste din calcului eficienței relative a dus la o scăde re a acesteia, de
la 92% la 88,6%, indicând faptul că această variabilă avea tendința de a crește eficiența. Ca și
în cazul aeroportului din Amsterdam, celelalte variabile sunt relativ ridicate , în special
numărul de angajați. Acest fapt se datorează nu at ât prestării unor servicii care sunt în mod
tradițional externalizate, ci faptului că aceste aeroporturi excelează printr -un nivel crescut al
calității serviciilor, spre deosebire de aeroporturile low -cost, cum ar fi Roma Ciampino, care
obțin performanțe o peraționale mai bune cu costul unei scăderi a calității serviciilor. În cazul
aeroportului Otopeni, eficiența utilizării intrărilor rămâne neschimbată, de 61,4%, indicând
faptul că această variabilă de intrare este in concordanță cu celelalte, mai mari dec ât necesarul
pentru traficul înregistrat.
În cazul optimizării ieșirilor , modificările nu sunt spectaculoase. Există câteva
schimbări în valorile eficienței relative în cazul unora dintre aeroporturi, dar, cu o singură
excepție notabilă, acestea nu sunt se mnificative. În acest caz, nota discordantă o face tot
aeroportul Munchen, a cărui eficiență scade de la 95,1% la 49,8% odată cu scoaterea din
calcule a variabilei de intrare ”număr de piste”. La fel ca în cazul aeroporturilor cu o singură

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

126
pistă prezentat anterior, aeroportul din Munchen a obținut în calculul din secțiunea anterioară
o eficiență ridicată datorită numărului relativ mic de piste (două) pentru valoarea traficului, în
ciuda faptului că valoarea celorlalte intrări este mare. În cazul calculului de optimizare a
ieșirilor fără variabila de intrare ”număr de piste”, o proiecție virtuală a aeroportului Munchen
pe frontiera eficienței ar fi un aeroport virtual compus din 78,8% Atlanta, 20,8% Charlotte
Douglas și 0,4% Memphis și ar avea cantități duble din toate cele trei variabile de ieșire
(pasageri, marfă și mișcări de aeronave) laolaltă cu un număr semnificativ mai mic de
angajați, respectiv 560 în loc de 4528. În ceea ce privește aeroportul Frankfurt, acesta se
încadrează în tendința de variație l a nivelul eșantionului, înregistrând o scădere de 3%, până la
87,1%. Nu are modificări spectaculoase ca în cazul calculului de optimizare a intrărilor
deoarece variabilele sale de ieșire sunt substanțiale, Frankfurt fiind unul din cele mai mari
aeroporturi în ceea ce privește valorile de trafic. Pentru a avea o eficiență maximă, aeroportul
Frankfurt ar trebui să își crească fiecare variabilă de ieșire cu 15 -20% și să micșoreze numărul
de angajați cu circa 93%. ”Perechile” eficiente ale aeroportului Frankfur t sunt Hong Kong,
Atlanta și Chicago O‟Hare, cu ponderi de 57,9%, 20,3%, respectiv 21,8%. Celelalte trei
aeroporturi analizate, Amsterdam Schiphol, Paris Charles de Gaulle și București Otopeni nu
au înregistrat modificări ale eficienței față de calculul ef icienței ieșirilor care includea
variabila „număr de piste”. Ultimele din clasamentul eficienței ieșirilor (calcul fără variabila
„număr de piste”) sunt Varșovia, cu o eficiență relativă de 33,6%, Sofia, cu 40,3% și Koln –
Bonn cu 40,6%. Față de calculul de bază (care includea variabila „număr de piste”), singura
diferență este prezența pe penultimul loc al aeroportului Sofia, a cărui eficiență a scăzut cu
aproape 9%, de la 49%. După cum arătam anterior, aeroportul Sofia era avantajat de
introducerea în calcu l a acestei variabile, el având o singură pistă. Scoaterea din calculul de
optimizare a acestei variabile de intrare a modificat „perechile” pentru aeroportul Sofia,
proiecția optimă a acestuia fiind formată acum din Roma Ciampino, cu o pondere de 57,9%,
Albuquerque, cu 28,1% și Istanbul cu 14%.
În regiunea Asia –Pacific au rezultat tot șapte aeroporturi ca având eficiență maximă,
dar dintr -un total de 25 de aeroporturi prezente în eșantionul nostru. Acestea sunt Adelaide,
Brisbane, Chiang Mai, Hat Yai, Ho ng Kong, Phuket și Sidney. Șapte aeroporturi nu mai obțin
procentul maxim de eficiență, acestea fiind Auckland, Meilan, Macao, Tokio Narita, Penang,
Shenzen Baoan și Taoyuan International (Taipei). Eficiența acestora în cazul calculului
orientat pe optimiz area intrărilor a fost, în ordine, de 84,4%, 38,1%, 64,4%, 93,6%, 74,5%,
70,8%, respectiv 88,9%. Cinci din cele șapte aeroporturi a căror eficiență a scăzut în urma
eliminării variabilei de intrare „număr de piste” au o singură pistă. Celelalte două, respe ctiv

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

127
Tokio Narita și Taipei au câte două piste. Este evident că și în cazul regiunii Asia -Pacific
tendința de scădere a eficienței relative pentru unele aeroporturi (în special pentru cele cu
singură pistă) este prezentă. Cu excepția aeroportului Meilan ca re are o scădere mai
pronunțată, de peste 60%, în celelalte cazuri influența acestei variabile de intrare nu este atât
mare ca în cazul celor trei aeroporturi europene, Riga, Tallinn și Sofia. Acest fapt poate fi
explicat prin faptul că aeroporturile în ca uză au celelalte variabile de intrare mult mai
echilibrate și corelate cu cele de ieșire. Cele mai ineficiente aeroporturi ale regiunii Asia –
Pacific în cazul calculului de optimizare a intrărilor , cu excluderea variabilei de intrare
„număr de piste” sunt M eilan, cu o eficiență relativă de 38,1%, Kuala Lumpur, cu 40,5%,
respectiv Jakarta, cu 53,1%. La fel ca în cazul determinării eficienței intrărilor cu includerea
tuturor variabilelor, ultimele clasate ale zonei Asia -Pacific obțin randamente mai bune față d e
cele ale ultimelor clasate din celelalte regiuni, având doar două aeroporturi între ultimele 15
din clasamentul general, și nici unul în ultimele cinci.
În ceea ce privește calculul de optimizare a ieșirilor , excluderea variabilei de intrare
„număr de pi ste” duce, de asemenea, la micșorarea numărului de aeroporturi eficiente ale
regiunii Asia -Pacific, de la 12 la 7. Acestea sunt Adelaide, Brisbane, Chiang Mai, Hat Yai,
Hong Kong, Phuket și Sydney. Aeroporturile care nu mai obțin eficiența maxima în urma
excluderii din calcule a aceste variabile sunt Tokyo Narita, care are în aceste condiții o
eficiență de 94,5%, Taipei, care obține 88,6%, Auckland, 84,8%, Penang, 56,8% și Shenzhen
Baoan, 72,9%. După cum se poate observa, scăde rea randamentelor nu este una radicală, ceea
ce arată că în aceste cazuri parametrul „număr de piste” influențează ușor pozitiv
performanțele operaționale. Cele mai puțin eficiente aeroporturi din regiunea Asia -Pacific din
punct de vedere variabilelor de ieșire, în condițiile excluderi i numărului de piste din calculul
de optimizare, sunt Meilan cu o eficiență relativă de 40,5%, Kuala Lumpur, cu 46,6%,
respectiv Macao, cu 48,2%.
O concluzie care se desprinde în urma analizei de sensibilitate a metodei DEA în
raport cu variabila de intrar e „număr de piste” este aceea că, în general, această intrare
influențează pozitiv eficiența aeroporturilor din eșantionul nostru. De fapt, un impact
important al acestui parametru se poate observa în special la aeroporturile mici și foarte mici,
a căror e ficiență este influențată cu valori foarte mari. După cum spuneam, aceste aeroporturi
sunt în situația de a nu putea reduce intrările sub o anumită limită fără a afecta funcționarea
normală a activității. Parametrul „număr de piste” influențează în mod poz itiv eficiența
deoarece, în general, aceste aeroporturi au o singură pistă, ceea ce echivalează cu un
„consum” cantitativ minim din această intrare . La aeroporturile cu un număr mare de piste nu

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

128
se observă o influență a numărului de piste asupra eficienței relative. Asta se datorează
faptului că aeroporturile cu un număr mare de piste sunt, de obicei, aeroporturi mari, care au
variabile de ieșire (pasageri, marfă, mișcări de aeronave) și de intrare (angajați, suprafață
terminal, număr de porți) mari, iar in fluența unei singure variabile este mică. Atât la nivelul
întregului eșantion, cât și regional, media eficienței relative a scăzut în urma eliminării
parametrului „număr de piste”. Influența acestei variabile este mai mare în cazul calculului de
optimizare a intrărilor (firesc, dacă avem în vedere că este o variabilă de intrare) și mai mică
în cazul optimizării ieșirilor .
Dacă până acum am analizat evoluția rezultatelor în raport cu variația unei intrări
(număr de piste), în continuare se procedează similar în raport cu o ieșire . Pentru aceasta am
ales variabila de ieșire „număr de pasageri”, deoarece acesta a reprezentat multă vreme
principalul indicator asupra activității aeroporturilor. Pentru determinarea sensibilității
metodei în raport cu acest paramet ru am avut în vedere trei tipuri de variație a numărului de
pasageri.
Pentru început am aplicat o creștere procentuală fictivă de 25% a numărului de
pasageri pentru toate aeroporturile din eșantion. Așa cum era de așteptat, valorile eficienței
relative au rămas neschimbate, atât în varianta de calcul de optimizare a intrărilor cât și în cea
de optimizare a ieșire . Spun că era de așteptat deoarece orice creștere procentuală în două
numere nu modifică raportul dintre acestea, iar în cazul nostru eficiența re lativă se obține prin
raportarea aeroportului la proiecția sa pe frontiera eficienței, acest aeroport virtual fiind o
combinație procentuală a „perechilor” sale eficiente. Pentru verificarea practică a acestei
concluzii am refăcut calculele în ambele varia nte de optimizare pentru creștere a variabilei de
ieșire „număr de pasageri” cu 75%, rezultatele fiind similare.
Având în vedere rezultatele obținute, am decis aplicarea pentru toate aeroporturile din
eșantion a unei creșteri cu o valoare fixă a acestei v ariabile de ieșire . Valoarea aleasă a fost
de 1,5 milioane de pasageri, în speranța că se va dovedi suficient de mare pentru a modifica
valorile eficienței relative, dar nu destul de mare pentru a modifica limita de bune practici. De
altfel, pentru anumite aeroporturi această valoare este la limita credibilității, deoarece o
asemenea creștere poate depăși capacitatea fizică a aeroportului la nivelul facilităților date.
Este de așteptat ca m odificarea cu o valoare fixă a variabilei de ieșire „număr de pasage ri” să
modifice semnificativ eficiența aeroporturilor mici și să nu afecteze aproape deloc eficiența
celor foarte mari, în funcție de ponderea valorii de variație de 1,5 milioane în valoarea totală
ieșirii „număr de pasageri”. Această presupunere s -a doved it corectă doar în ceea ce privește
tendința de creștere mai pronunțată a eficienței aeroporturilor mici, însă valorile creșterii

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

129
moderate , doar în privința optimizării variabilelor de ieșire. Din calculul de optimizare a
intrărilor nu au rezultat schimbăr i ale valorilor eficienței relative pentru nici un aeroport din
eșantion. Această tendință era oarecum explicabilă , deoarece valoarea de creștere a ieșirii nu a
fost suficient de mare pentru a modifica frontiera eficienței, iar intrările au rămas constante .
Calculul de optimizare a variabilelor de ieșire a relevat o creștere ușoară a eficienței relative la
nivelul întregului eșantion, media eficienței celor 128 de aeroporturi crescând de la 78,65% la
79,37%. După cum s-a menționat anterior creșterea a fost mai pronunțată la aeroporturile
mici, dar nu atât de mare pe cât mă așteptam. Cea mai mare influență a măririi fictive a
numărului de pasageri s -a înregistrat asupra eficienței aeroportului Keflavik, care a înregistrat
o creștere de 13,3%, fiind urmat de a eroportul din Malta cu 9,7%. Acestea sunt, de altfel,
singurele aeroporturi care au înregistrat creșteri de peste 5%. La nivelul întregului eșantion,
prin modificarea crescătoare a numărului de pasageri cu 1,5 milioane, 58 de aeroporturi au
înregistrat cre șteri ale eficienței relative, restul au rămas constante. Creșterea eficienței a avut
într-adevăr legătură cu mărimea aeroportului, astfel:
 toate cele 12 aeroporturi care au înregistrat o creștere peste 2% au mai puțin
de 10 milioane de pasageri pe an;
 13 aeroporturi au înregistrat o creștere între 1 și 1,6%, toate având mai puțin
de 30 milioane de pasageri pe an;
 17 aeroporturi au avut o creștere între 0,4 și 0,9%, cel mai mare dintre ele
având sub 40 milioane pasageri per an;
 Un număr de 10 aeroporturi au înregistrat o creștere între 0,2 și 0,3%, între
ele, cel mai mare dintre acestea având sub 50 milioane de pasageri per an;
 6 aeroporturi au avut o creștere de 1%, toate având un număr de pasageri
anual sub pragul de 61 milioane de pasageri .
Chiar dacă la nivelul întregului eșantion s -a înregistrat o tendință de ușoară creștere,
nici un alt aeroport nu a apărut în categoria celor cu eficiență maximă, la vârful clasamentului
neînregistrându -se astfel schimbări. În zona aeroporturilor ineficiente s -au produs mici
schimbări, însă ultimele trei clasate la nivelul eșantionului au rămas aceleași, respectiv
Pittsburg, Varșovia și Koln -Bonn, eficiența acestora nefiind influențată de creșterea generală a
numărului de pasageri cu 1,5 milioane.
Dintre marile aeroportu ri europene, Amsterdam Schiphol a înregistrat o creștere a
eficienței relative de 0,3%, Paris Charles de Gaulle de 0,1%, iar Frankfurt nu a fost influențat
de creșterea variabilei de ieșire „număr de pasageri” cu 1,5 milioane. În Europa centrală și de
est Budapesta și Otopeni au avut creșteri ale eficienței de 1,4%, Praga de 0,7%, în timp ce

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

130
Sofia, Riga și Tallinn nu au avut modificări ale eficienței în urma modificării numărului de
pasageri la nivelul întregului eșantion.
Justificare unor modificări atât d e mici la nivelul întregului eșantion constă în faptul că
metoda DEA realizează determinarea eficienței prin raportarea aeroporturile asemănătoare
aflate pe limita de bune practici. Deși variația parametrului „număr de piste” a fost făcută cu o
valoare con stantă, în cadrul unui grup de aeroporturi cu caracteristici asemănătoare această
modificare este echivalentă cu o creștere procentuală apropiată pentru fiecare aeroport din
grup. Cum eficiența este determinată prin raportarea la proiecția aeroportului pe limita de
bune practici, iar această proiecție reprezintă o combinație a aeroporturilor eficiente cu
caracteristici asemănătoare, este evident de ce variația eficienței este mică. Pentru a observa
modificări substanțiale , o variabilă trebuie modificată suf icient de mult pentru a schimba
limita bune practici sau trebuie modificată doar în ceea ce privește un anume aeroport. Pentru
a modifica o variabilă pentru întreg eșantionul cu o valoare constantă aleasă astfel încât să
modifice frontiera de eficiență, tr ebuie aleasă o valoare destul e mare a acestei constante, fapt
ce ar putea genera valori ale ieșirii modificat e imposibil de atins cu variabilele de intrare date.
De exemplu, ar putea rezulta un număr de mișcări de aeronave mai mare decât capacitatea
teore tică a pistei sau un număr de pasageri exagerat față de suprafața terminalului. Din aceste
considerente am ales să modific, pe rând și ulterior simultan , o variabilă de ieșire și una de
intrare doar pentru aeroportul București Otopeni, toate celelalte date rămânând constante.
Pentru început am presupus o creștere a numărului de pasageri cu aceeași valoare de
1,5 milioane, care reprezintă pentru Otopeni o creștere de 29,6%. Deși pare o valoare mare
pentru acest aeroport, aceasta este credibilă mai ales în co ntextul mutării în decursul acestui
an a traficului de pe aeroportul Băneasa, care a fost de 1881509 pasageri în anul 2010
conform raportărilor Ministerului Transporturilor. În ambele variante ale calculului de
optimizare, această modificare a dus la creșt erea eficienței, de la 61,4% la 66,6% în varianta
de optimizare a intrărilor , respectiv de la 66,3% la 70,5% pentru calculul orientat pe
optimizarea ieșirilor . Valorile eficienței relative pentru celelalte aeroporturi din eșantion au
rămas la fel, deoarece aeroportul Otopeni nu are eficiență de 100% în niciunul din cazuri și nu
influențează limita de bune practici. Următoarea modificare a vizat o variabilă de intrare,
respectiv numărul de angajați . Această variabilă reprezintă, în general, ținta tuturor
măsurătorilor de eficiență ale managerilor, deoarece este singura intrare care poate fi reglat ă
în funcție de ieșiri cu costuri relativ mici. Aeroportul Otopeni avea în anul 2008 un număr de
764 angajați proprii, un număr destul de mare având în vedere că ser viciile la aeroport sunt
externalizate în mare măsură. Am ales refacerea calculelor cu un total de 264 angajați.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

131
Această alegere de scădere cu 65% a numărului de angajați nu a fost în totalitate arbitrară,
fiind influențată de paritatea pasageri – angajat la câteva aeroporturi europene eficiente
(Madrid Barajas, Roma Ciampino, Istanbul Ataturk, Dublin). Rezultatul a fost o creștere a
eficienței la 76,1% de la 61,4%, în cazul calcului de optimizare a intrărilor , respectiv la 68,3%
de la 66,3%, în cazul folos irii DEA pentru optimizarea ieșirilor . La fel ca și în cazul
schimbării numărului de pasageri, valoarea aleasă nu a determinat schimbarea frontierei
eficienței și, implicit, toate celelalte valori ale eficienței pentru aeroporturile din eșantion au
rămas n eschimbate. Următoarea analiză de sensibilitate a costat în modificare a combinată a
variabilei de intrare „număr de angajați” și a celei de ieșire „număr de pasageri” , valorile
alese fiind cele de mai sus. Calculele au relevat o eficiență de 78,5% în ceea ce privește
folosirea intrărilor , în creștere cu 17,1%, respectiv de 72,6% în producerea ieșirilor , în
creștere cu 6,3%. Nici în acest caz creșterea eficienței nu a fost atât de spectaculoasă ca în
cazul variației fictive a numărului de piste, realizată la începutul acestei secțiuni. Fiind o
metodă de calcul al eficienței bazată pe raportarea la cel mai bun din grup, variația unui
parametru nu aduce o vari ație proporțională a eficienței . În cazul variației intrării „număr de
piste”, pentru aeroportul Otop eni s -a schimbat grupul de aeroporturi asemănătoare, el
beneficiind de o comparație mai favorabilă, lucru care nu s -a mai întâmplat în cazul variației
numărului de pasageri și angajați.
Un aspect procedural privind determinarea performanțelor operaționale ale
aeroporturilor cu ajutorul metodei analizei anvelopei datelor (DEA) este în ce măsură este
relevant un eșantion atât de mare și dacă nu ar fi mai indicată o analiză a aeroporturilor
grupate pe mărimi sau pe regiuni. În continuare se analizează aceste a lternative .
Pentru început am analizat atât din punct de vedere al optimizării variabilelor de
intrare, cât și a celor de ieșire un eșantion format din 41 de aeroporturi care au avut un trafic
de peste 25 de milioane de pasageri în anul 2008. Acestea au fo st extrase din eșantionul inițial
de 128 de aeroporturi, dintre ele 19 fiind din regiunea America de Nord, 11 fiind situate în
Europa și 11 aparținând zonei Asia -Pacific. În cazul calculului pentru optimizarea intrărilor ,
din totalul de 41 de aeroporturi, 23 au rezultat ca având o eficiență maximă, doar 18 fiind
considerate ineficiente. Media eficienței relative a acestor 41 de aeroporturi a fost de 93,1%,
în timp ce media celor 18 aeroporturi ineficiente a fost de 84,3%. Pentru comparație, în cadrul
analiz ei lor în eșantionul extins, de 128 de aeroporturi, cele 41 de aeroporturi au obținut
următoarele rezultate: 13 aeroporturi au avut eficiența maximă, media eficienței tuturor celor
41 a fost de 85,3%, iar a celor 28 considerate ineficiente a fost de 78,4%. Se poate observa cu
ușurință că, în cazul restrângerii eșantionului, eficiența relativă a aeroporturilor ce îl compun

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

132
tinde să crească. La nivelul eșantionului de 41 de aeroporturi cu peste 25 milioane de
pasageri, distribuția pe regiuni a celor 23 de aer oporturi eficiente este următoarea: 9 din zona
Asia –Pacific, 6 din Europa și 8 din regiunea America de Nord. Cu 9 aeroporturi eficiente din
11 și o eficiență medie de 93,7% la nivelul aeroporturilor din eșa ntionul restrâns, regiunea
Asia-Pacific este cea mai eficientă din punct de vedere al utilizării intrărilor , fapt confirmat și
de rezultatele anterioare (eșantionul extins).
În cazul calcu lului pentru optimizarea ieșirilor , 19 din cele 41 de aeroporturi cu peste
25 milioane de pasageri au rezultat ca fii nd eficiente, media eficienței eșantionului fiind de
90,4%, iar a aeroporturilor ineficiente de 82,2%. Pentru aceleași aeroporturi s-au obținut în
cadrul eșantionului extins următoarele rezultate: doar 13 aeroporturi au avut eficiența
maximă, media eficien ței a fost de 86,5%, iar media pentru aeroporturile ineficiente a fost de
80,3%. Se constată și în acest caz o creștere a eficienței relative, datorată restrângerii
eșantionului. Cu 6 aeroporturi eficiente din 11 Europa se clasează tot pe locul doi, Zona A sia
–Pacific obținând o eficiență medie cu 1% mai bună, de 87,23%, deși a avut numai 5 din 11
aeroporturi cu eficiență maximă. Se poate concluziona că, la fel ca în cazul eficienței utilizării
intrărilor , și în cazul calcului de optimizare a ieșirilor , la nivelul aeroporturilor cu peste 25 de
milioane de pasageri, regiunea Asia -Pacific este cea mai eficientă, urmată de Europa și
America de Nord . Dacă se iau în calcul doar aeroporturile cu peste 25 de milioane de
pasageri, Europa obține , prin aplicarea metod ei DEA, o eficiență medie mai bună decât
regiunea America de Nord. Media europeană este scăzută de aeroporturile mai mici și mai
ineficiente din zona centrală și de est.
Pornind de la aceeași idee, a relevanței mărimii eșantionului, am refăcut calculul de
optimizare al celor 128 de aeroporturi, însă grupat pe cele trei regiuni. Rezultatele vor fi
detaliate în continuare.
Eșantionul pentru regiunea America de Nord a numărat 61 de aeroporturi. Calculul de
optimizare a ieșirilor a arătat o eficiență medie a ac estor aeroporturi de 83,9% și un număr de
19 aeroporturi eficiente. În concordanță cu teoria metodei analizei anvelopei datelor,
rezultatele au fost mai bune decât în cele obținute în cadrul eșantionului extins, unde
aeroporturile din această regiune au av ut o eficiență medie de 80,9%, doar 16 dintre ele fiind
creditate cu eficiență maximă. Același lucru poate fi observat și în cazul calculului de
optimizare a variabilelor de ieșire. Și în acest caz tot 19 aeroporturi sunt considerate eficiente,
cu o medie a eficienței de 81,8%, iar rezultatele sunt mai bune decât în cazul analizei
comparative la nivel global (16 aeroporturi cu eficiență maximă și o medie de 79%). În cazul

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

133
comparației aeroporturilor doar în interiorul regiunilor media regională nu mai are re levanță
pentru analiza comparativă interregională, de aceea nu voi mai face referire la acest aspect.
Cele 41 de aeroporturi europene au obținut și ele rezultate mai bune restrângerea
eșantionului la nivelul continentului. În urma calculului de optimizare a intrărilor a rezultat un
număr de 25 de aeroporturi cu eficiență maximă, și o eficiență medie la nivelul eșantionului
continental de 91,2%. Amsterdam, Charles de Gaulle și Frankfurt obțin și ele eficiența
maximă în cadrul acestei comparații regionale, de și nu au obținut aceleași performanțe la
nivel global. Trebuie reamintit că, în cadrul eșantionului global, aeroporturile europene au
avut însă cele mai slabe rezultate, doar 10 aeroporturi având fiind eficiente, iar media
regională a fost de 77,1%. Aceeaș i concluzie se obține și cazul calculului de optimizare a
variabilelor de ieșire, în cadrul comparației regionale reieșind un număr de 23 aeroporturi
eficiente, cu o medie a eficienței de 87,9%, în timp ce în cadrul eșantionului global
aeroporturile europe ne obțin o medie de 71,7%, doar 7 dintre ele fiind considerate eficiente.
În ambele variante de calcul mai mult de jumătate dintre aeroporturile europene sunt plasate
pe frontiera eficienței. Ținând cont de faptul că DEA este o metodă de determinare a efic ienței
relativ la cele mai bune practici dintr -un grup, coroborat cu eficiența mai scăzută obținută de
aceleași aeroporturi europene în cadrul comparației globale, putem trage concluzia că o bună
parte din aeroporturile europene suferă de aceeași măsură a ineficienței. Această teorie este
susținută și de scorurile eficienței obținute în cadrul comparației globale de către aeroporturile
europene considerate eficiente în eșantionul restrâns. Amsterdam Schiphol, Barcelona, Paris
Charles de Gaulle, Frankfurt și Munchen au în comun faptul că sunt aeroporturi mari, pentru
care a rezultat eficiența maximă în cadrul eșantionului restrân s la nivelul continentului, dar
care și la nivelul comparației globale au înregistrat eficiențe asemănătoare, în jurul valorilor
de 80 – 90%. Aceeași situație se regăsește și la nivelul aeroporturilor medii spre mici, unde
Birmingham, Lisabona, Oslo, Otopeni și Zurich obțin acum o eficiență maximă, iar în cadrul
eșantionului extins, de 128 de aeroporturi, înregistrau eficiențe în jurul a 60 – 70%.
La nivelul eșantionului zonal, dintr -un total de 25 de aeroporturi, în urma calculului de
optimizare a variabilelor de intrare, în regiunea Asia –Pacific au rezultat ca având eficiență
maximă un număr de 20 de aeroporturi, media eficienței pen tru această regiune fiind de
96,5%. La fel ca în cazul celorlalte 2 regiuni și în acest caz s -a înregistrat o creștere a
eficienței comparativ cu situația analizei comparative a acelorași aeroporturi în eșantionul
global, când au rezultat 14 aeroporturi ef iciente și o medie a eficienței pentru această zonă de
92,3%. În cazul calculului de optimizare a variabilelor de ieșire au rezultat 18 aeroporturi
eficiente și o medie a eficienței relative de 94,7%, marcând o creștere față de valorile obținute

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

134
de aceleaș i aeroporturi în cadrul eșantionului global, unde doar 12 aeroporturi din Asia –
Pacific au avut eficiență maximă, iar media zonei a fost de 89,1%.
În urma analizei comparative asupra aeroporturile grupate în eșantioane mai mici (pe
mărimi și pe regiuni) a rezultat în toate cazurile o creștere a performanțelor operaționale.
Acest lucru este o consecință directă a micșorării numărului de aeroporturi incluse în eșantion,
metoda analizei anvelopei datelor fiind sensibilă la numărul de unități supuse comparație i.
Totodată, această creștere a eficienței relative poate fi și o consecință a faptului că
aeroporturile dintr -o anumită zonă tind să aibă un comportament asemănător (și implicit o
pondere intrări – ieșiri asemănătoare), ceea ce duce la micșorarea „distanț ei” față între
aeroporturile ineficiente și cele care compun frontiera eficienței, la care sunt raportate
acestea. Totodată nu consider necesară o segregare pe baze regionale a calculului de eficiență,
deoarece intrările și ieșirile nu conțin variabile de natură financiară, care ar putea fi afectate
de PIB -ul regional, sau nivelul de trai dintr -o anumită zonă. Marele avantaj al metodei DEA îl
reprezintă tocmai capacitatea de a realiza analiza comparativă doar pe baza mărimii fizice a
variabilelor de intrar e și ieșire, acestea fiind mărimi universale. Acest avantaj face posibilă o
analiză globală a aeroporturilor, singura vulnerabilitate de care trebuie ținut cont este faptul că
eficiența relativă tinde să crească odată cu micșorarea eșantionului. În concluz ie, folosind
metoda analizei anvelopei datelor, nu există factori care să împiedice o analiză comparativă
globală, aceasta fiind și cea mai indicată din punct de vedere al preciziei rezultatelor.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

135

CAPITOLUL 5.
CONCLUZII

5.1. CONCLUZII GENERA LE

Această lucrare a luat naștere din nevoia unui răspuns la o întrebare de actualitate:
„Cum se pot evalua performanțele aeroporturilor?”. Această problemă a apărut în ultima
perioadă ca urmare a schimbărilor profunde prin care trece industria aeroportua ră atât în ceea
ce privește structura patronatului, dar mai ales a rolului său economic. Dacă inițial toate
aeroporturile erau considerate elemente de infrastructură, administrate de către stat, la nivelul
autorităților centrale, ele au devenit afaceri în adevăratul înțeles al cuvântului. Schimbarea a
survenit pe măsură ce legăturile dintre autoritățile centrale și aeroporturi au început să
slăbească pe fondul creșterii deficitelor bugetare naționale, fapt ce a determinat nevoia de
autofinanțare a aeroportu rilor, managerii aeroporturilor căpătând libertatea de pune un accent
mai mare pe latura comercială a activității. În acest moment, a devenit evidentă lipsa acută a
cunoștințelor teoretice cu privire la administrarea aeroporturilor ca afacere orientată spr e
profit. Abia în ultimii ani au apărut mai multe articole ce tratează diverse particularități
referitoare la administrarea comercială a aeroporturilor, deși încă nu s-a publicat nici o lucrare
coerentă care să analizeze întreg cadrul conceptual al acestei probleme. Managerii
aeroporturilor au fost puși în situația de a transforma aceste elemente de infrastructură
subvenționate în afaceri de succes fără o bază teoretică și fără posibilitatea de a apela la un
corp de experți în domeniu. Spre deosebire de alt e activități comerciale, problema
aeroporturilor este unică. Investiția inițială este uriașă, activele achiziționate sunt elemente ce
nu pot fi mutate, reprofilate sau revalorificate în caz de eșec, iar cererea pentru serviciile
furnizate este departe de a putea fi controlată, deoarece companiile aeriene și nu aeroporturile
decid unde și cum nevoia de transport va fi satisfăcută. Maximizarea profitului în aceste
condiții este o sarcină foarte dificilă pentru un manager. Prin urmare, se face simțită nevoia
găsirii unor metode de evaluare a performanțelor aeroporturilor.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

136
Obiectivul principal al tezei a fost acela de a măsura și compara performanța mai
multor aspecte importante ale exploatării aeroporturilor – productivitatea și eficiența,
costurile unitare ș i competitivitatea costurilor, rezultatele financiare și taxele de aeroport -,
utilizând o metodă mai puțin întâlnită în acest domeniu: benchmarking -ul. În lucrare sunt
analizate, de asemenea, relațiile dintre diferitele măsuri de performanță și caracteris ticile
aeroportului, precum și strategii de management, în scopul de a oferi o mai bună înțelegere a
diferențelor observate în performanța aeroportuară.
Studiul de caz s -a desfășurat asupra unui eșantion de 128 de aeroporturi de diferite
mărimi, cu forme de organizare și proprietate diferite, din trei regiuni ale mapamondului,
anume America de Nord, Europa și Asia -Pacific. Studiul de caz s -a axat în principal pe
analiza principalelor intrări și ieșiri ale aeroporturilor, dar cuprinde și o un subcapitol ce
urmărește gradul de corelare a acestor variabile cu performanțele financiare ale aeroporturilor,
acolo unde au fost disponibile.
Pentru determinarea productivității aeroporturilor s-a folosit un număr de șase
indicatori de performanță parțială, trei pentr u productivitatea muncii și trei pentru
productivitatea capitalului. Aceștia determină relația dintre o anume ieșire și un singur factor
de intrare. Acești indicatori sunt ușor de calculat, necesită date limitate și sunt intuitivi și ușor
de înțeles. Totuș i, trebuie precizat că performanța în raport cu o anumită intrare depinde de
ponderea altor intrări folosite. De exemplu, un aeroport cu un grad ridicat de externalizare a
serviciilor poate apărea ca având o productivitate a muncii ridicată. Ca atare, folo sirea
indicatorilor de performanță parțială trebuie dublată de o bună cunoaștere a aeroporturilor
comparate în vederea unei interpretări corecte a rezultatelor. În ceea ce privește
productivitatea muncii, indicatorii folosiți sunt: pasageri per angajat, m ișcări de aeronave per
angajat și unități echivalente de încărcare (WLU) per angajat. Rezultatele au fost următoarele:
1. Media de pasageri per angajat a fost la nivelul eșantionului de 32088, foarte
apropiată de cea a regiunii Asia -Pacific (32080) și a varia t între un maxim de
147100 la New York J FK și un minim de 2911 la Riga (detalii în secțiunea 4.4.1.1.
și în anexa numărul 5 ).
2. Numărul mediu de mișcări de aeronave per angajat a fost, la nivelul eșantionului,
de 414, cu un maxim de 1841 ATM/angajat la New Y ork La Guardia și un minim
de 27 ATM/angajat la Frankfurt (detalii în secțiunea 4.4.1.2. și în anexa numărul
6).

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

137
3. Media unităților de încărcare echivalente per angajat la nivelul eșantionului a fost
de 38957, variind de la 196341 WLU/angajat la New York J FK, la 2971
WLU/angajat la Riga (detalii în secțiunea 4.4.1.3. și în anexa numărul 7 ).
La toți indicatorii de performanță parțială construiți prin raportare la numărul de
angajați, aeroporturile nor d-americane obțin cele mai bune rezultate, deoarece au un nu măr
mediu de angajați direcți considerabil mai mic decât aeroporturile din celelalte două regiuni.
Aeroporturile europene obțin cele mai slabe rezultate din cauza numărului mare de angajați.
Acest număr mare de angajați este rezultatul fie a opțiunii de ae roporturilor de a presta
servicii care sunt în mod obișnuit externalizate, fie a necesității de a asigura o calitate mai
bună a serviciilor standard la aeroport în condițiile unei concurențe mărite5, fie a ineficienței
manageriale a operatorului aeroportua r. Factori care influențează productivitatea muncii sunt
gradul de externalizare a serviciilor, mărimea aeroportului și ponderea traficului internațional.
Pentru productivitatea capitalului am utilizat trei indicatori de performanță parțială, și
anume pasa geri pe poartă, pasageri per metru pătrat de spațiu terminal, și deplasări de
aeronave per pistă. Am ales acești indicatori ținând cont de faptul că este imposibil de
construit un indice al capitalului total al aeroporturilor, deoarece nu există o metodă d e a
cuantifica unitar intrarea capital constituit din active fixe.
1. Numărul mediu de pasageri per poartă pentru aeroporturile din eșantionul studiat a
fost de 311412, variind de la un minim de 107326 la Cincinnati, la un maxi m de
892285 la Istanbul Ataturk (detalii în secțiunea 4.4.2.1. și în anexa numărul 8 ).
2. Numărul de pasageri per metru pătrat al spațiului terminal de pasageri indică
gradul de utilizare al acestui spațiu, acest raport fiind folosit ca indicator de
performanță parțială pentru productivita tea capitalului. Media la nivelul
eșantionului a fost de 130, variind între 587 pasageri per metru pătrat de terminal
la Dublin și 9 pasageri per metru pătrat la aeroportul din Malta (detalii în secți unea
4.4.2.2. și în anexa numărul 9 ).
3. Numărul mediu de d eplasări ale aeronavelor per pistă pentru aeroporturile din
eșantion a fost de 84732, cu un maxim de 254001 ATM/pistă la Heathrow și un
minim de 172511 ATM/pistă la Hat Yai (detalii în secțiunea 4.4.2.3. și în anexa
numărul 10 ).
Ulterior calculelor de prod uctivitate am trecut la analiza costurilor, unde m -am
concentrat pe componentele costurilor variabile ale aeroporturilor (costuri cu forța de muncă

5 În cazul aeroporturilor europene concurența este mult mai pronunțată datorită distan țelor mult mai mici între
aeroporturi și a unei rețele alternative de transport mult mai dezvoltate. În condițiile liberei circulații din cadrul
Uniunii Europene, trenurile de mare viteză sau transportul auto devin alternative atractive pe distanțe scurte și
medii.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

138
și costurile non -capital), excluzând costurile legate de capital, acestea fiind aproape imposibil
de cuantif icat din mai multe motive:
 nu toți operatorii de aeroport sunt direct responsabili pentru cheltuielile de
capital, datorită diferențelor în structurile de proprietate și de guvernare [ 63];
 varietatea sistemelor de contabilitate;
 lipsa unor unități de măsu ră consistente și comparabile care cuantifice uniform
costurile legate de capital;
De aceea aceste costuri „fixe” sunt excluse din analiza prezentată, ea urmând să se
desfășoare numai asupra costurilor variabile. Am analizat costurile aeroporturilor din do uă
perspective, și anume ponderea costurilor cu forța de muncă, respectiv costul unitar. Un
număr de șase indicatori de performanță parțială au fost construiți prin raportarea costurilor cu
forța de muncă, respectiv a costurilor variabile la unitatea de ieșire:
 costul forței de muncă per pasager;
 costul forței de muncă per ATM;
 costul forței de muncă per unitate echivalentă de încărcare (WLU);
 costurile variabile per pasager;
 costurile variabile per ATM;
 costurile variabile per unitatea echivalentă de încăr care (WLU).
Având în vedere că rezultatele analizei costurilor trebuie corelate cu cele privind
performanța financiară a aeroporturilor,voi prezenta rezumatul acestor rezultate într -un tabel.
Valorile marcate cu roșu indică rezultate negative (costuri mari ), iar cele cu negru rezultate
pozitive (costuri mici). Culorile folosite pentru a evidenția regiunea din care provine
aeroportul sunt portocaliu pentru America de Nord, gri pentru Europa, respectiv albastru
pentru Asia -Pacific. Aeroporturile prezentate în tabel au avut cele mai mari (roșu), respectiv
cele mai mici (negru) cinci valori ale indicatorilor corespunzători coloanei.
După cum se poate observa, aeroporturile europene au cele mai mari costuri unitare,
atât în ceea ce privește forța de muncă, cât și costuri variabile. Cu excepția aeroportului
Istanbul, nici un aeroport european nu se remarcă prin costuri mici. America de Nord și Asia –
Pacific au avut cele mai mici costuri unitare. Asia Pacific are cele mai mici costuri cu forța de
muncă din întregul e șantion. În ceea ce privește costurile variabile, această regiune este
surclasată de America de Nord doar din cauza costurilor variabile foarte mari înregistrate de
aeroporturile Tokio Narita și Osaka Kansai, care ridică media regională.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

139

Tabelul 5.1 . Costuri unitare
Ponderea
costurilor
cu forța de
muncă Costuri cu
forța de
muncă per
pasager Costuri cu
forța de
muncă per
ATM Costuri cu
forța de
muncă per
WLU Costuri
variabile
per
pasager Costuri
variabile
per ATM Costuri
variabile
per WLU
America de
Nord 38,9% 2,68 182,11 2,27 6,98 489,79 5,96
Europa 41,7% 7,71 669,08 6,82 18,07 1.602,
02 15,97
Asia-Pacific 28,0% 1,92 245,95 1,43 8,98 1.203,
57 6,46
Media
eșantionului 37,9% 4,03 335,85 3,46 10,70 950,09 9,10
RNO
CPH
RIX
VIE
WAW
ICN
KIX
MFM
NRT
PEK
CLT
CDG
CGN
FRA
MUC
ORY
VIE
HAK
MFM
PEK
SYD
ABQ
CLT
MEM
SDF
YYC
CDG
DUB
FRA
ORY
VIE
CLT
MEM
SDF
DUB
FRA
MUC
ORY
VIE
MFM
PEK

ATL
CLT
SLC
CGN
FRA
IST
MUC
HAK
KIX
NRT ABQ
ATL
CLT
MEM
SDF
FRA
LHR
ORY
KIX
NRT
ATL
CLT
MEM
SDF
DUB
FRA
MUC
ORY
VIE
HAK

Factori care influențează nivelul costurilor variabile unitare sunt ponderea traficului
internațional, ponderea veniturilor aeronautice, indicele total al ieșirilor .
În continuare am determi nat performanța financiară aeroporturilor din eșantionul
studiat. În primul rând, am examinat ponderea veniturilor care reflectă, într -o oarecare
măsură, strategiile de afaceri ale aeroporturilor și care ajută la evidențierea diferențelor
operaționale dint re regiuni. În al doilea rând, am comparat performanța relativă a
aeroporturilor în generarea de venituri, după care am examinat performanțele financiare
relative ale aeroporturilor prin utilizarea unora dintre cele mai cunoscute unități de măsură
financia re. Aici am avut în vedere veniturile operaționale nete în locul veniturilor totale nete
pentru a determina performanța operațională a aeroporturilor și factorii controlabili care o
determină. Pentru aceasta am exclus veniturile neoperaționale (cum ar fi f inanțarea
nerambursabilă) și cheltuielile neoperaționale.
Tabelul următor prezintă indicatorii de performanță financiară folosiți, media
regională a acestora, precum și cele mai bune, respectiv cele mai slabe cinci rezultate ale
aeroporturilor din eșantion . Ca și în cazul tabelului anterior, valorile marcate cu roșu

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

140
reprezintă performanțe slabe (venituri mici), iar cele cu negru rezultate pozitive (venituri
mari). Și culorile folosite pentru a evidenția regiunea din care provine aeroportul sunt
aceleași, po rtocaliu pentru America de Nord, gri pentru Europa, respectiv albastru pentru
Asia-Pacific.

Tabelul 5. 2. Performanțel e financiare ale aeroporturilor

Din această parte se desprind câteva concluzii semnificative :
o Aeroporturile din Asia – Pacific sunt mai profitabile decât cele din America de
Nord și Europa în ceea ce privește venitul operațional net și marja de exploatare;
o Aeroporturile din America de Nord au venituri operaționale considerabil mai mici
decât cele d in Europa și Asia -Pacific.;
o Aeroporturile europene au o rentabilitate a activelor considerabil mai mare decât
cele din regiunile Asia Pacific și America de Nord.
Privind integrat aceste două secțiuni se constată că aeroporturile din Asia -Pacific au,
în med ie, venituri mai mari și cheltuieli mai mici decât cele din celelalte regiuni.
Aeroporturile europene generează venituri operaționale consistente, însă sunt penalizate de
costurile cele mai mari. Aeroporturile germane, care au foarte puține servicii extern alizate, ar
Ponderea
veniturilor
aeronautice
Venitul
operațional
net
Venitul
operațional
net per
pasager
Venitul
operațional
net per ATM
Venitul
operațional
net per WLU
Venitul
operațional
net per
angajat
EBITDA
Marja
operațională
ROA
ROE
America
de Nord 48,5% 84,14 3,93 3,27 167.095 167.095 141,1
1 35,19
% 3,90
% 9,75
%
Europa 52,8% 231,04 10,16 9,05 164.943 164.943 235,4
9 36,62
% 12,02
% 42,90
%
Asia-
Pacific 52,8% 260,16 10,11 7,45 445.401 445.401 250,3
6 53,15
% 8,51
% 22,96
%
Medie
eșantion 50,6% 158,79 6,88 5,74 213.609 213.609 175,7
7 38,45
% 6,66
% 20,76
%
BNA
JAX
RIC
TPA
BTS
FRA
OTP
WAW
CGK
PVG
SAT
SJC
YHZ
CDG
LHR
TXL
HKG
NRT
PEN
SYD
BWI
SJC
ATH
TXL
ICN
KIX
KUL
NRT
PEK
SYD
BWI
CVG
MKE
SJC
TXL
HKG
ICN
KIX
NRT
SIN
BWI
SJC
ATH
BUD
OSL
TXL
KIX
KUL
PEK
PEN
SYD
EWR
SJC
FRA
TXL
BNE
KIX
KUL
NRT
PEN
SYD
ALB
ATL
YHZ
LHR
MUC
RIX
TLL
HKG
MFM
SYD
SJC
FRA
HEL
IST
TXL
ADL
AKL
BNE
PEK
SYD
DCA
LGA
ONT
SJC
CPH
GVA
MLA
OSL
PEK
SZX
HNL
JFK
LGA
ONT
SFO
DUS
GVA
OSL
ADL
PEK

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

141
trebui să se remarce prin venituri operaționale peste medie, deoarece încasează toate
beneficiile din serviciile prestate, nu doar o redevență. Dacă în cazul aeroportului Munchen
acest lucru este valabil, aeroportul Frankfurt surprinde prin ven iturile sale modeste, care
raportate la numărul uriaș de angajați duce la o clasare în ultimele cinci din lume la acest
indicator.
În ceea ce privește aeroporturile nord -americane, cheltuielile medii neobișnuit de mici
pentru nivelul de trai regional sunt urmare a unei externalizări masive a serviciilor
aeroportuare, ceea ce duce, implicit, la un nivel mediu modest al veniturilor realizate.
*
În penultima parte a studiului de caz se constituie într -o abordare diferită a problemei
eficienței aeroporturilor. Încercând să simplific întrucâtva problema agregării intrărilor și
ieșirilor diferite, am apelat la o metodă de determinare a eficienței relative prin raportarea la
cele mai bune modele de bune practici din grup, și anume metoda analizei anvelopei datelor .
DEA implică utilizarea metodelor de programare liniară în scopul determinării unei limite
(frontiere) de bune practici, eficiența fiind calculată relativ la această limită. Limita de bune
practici este non -parametrică, iar intrările pot fi variabile sau f ixe. Programarea liniară are
avantajul de a putea lucra cu un număr mare de relații și variabile, ceea ce duce la dispariția
limitărilor întâlnite la alte tehnici care pot prelucra un număr limitat de parametri. Pentru
calculul eficienței am luat în consid erare patru variabile de intrare, și anume numărul de
angajați, numărul de piste, suprafața terminalelor și numărul de porți de îmbarcare. Ieșirile
sunt în număr de trei, respectiv număr pasageri, tone cargo și deplasări de aeronave. Am
exclus variabilele fără legătură cu partea operațională, cum ar fi venituri non -aeronautice sau
costurile indirecte . Acestea ar fi putut influența calculul de optimizare indicând o eficiență
generală în locul eficienței operaționale. Avantajul principal al acestei metode îl constituie
faptul că permite o analiză comparativă globală, variabilele introduse în calcul nefiind
influențate de reglementările locale și, ca urmare, nu a mai fost necesară împărțirea
eșantionului pe regiuni.
Rezultatele calculului de evaluare și optim izare prin metoda DEA au arătat că
aeroporturile din regiunea Asia -Pacific sunt cele mai eficiente din punct de vedere
operațional, urmate de cele din America de Nord. În ceea ce privește Europa, sunt relevate
două aspecte specifice. Marile aeroporturi eur opene au un randament bun, dar nu se situează
pe frontiera eficienței (cu două excepții: Londra Heatrow și Madrid Barajas), cauza fiind o
ușoară supraaglomerare (randament de scară descrescător). O bună parte din aeroporturile cu
o eficiență relativă maxim ă sunt aeroporturi cu profil low cost . Se pare că succesul acestei

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

142
strategii a companiilor aeriene se extinde acum și asupra aeroporturilor de pe care acestea
operează. Cauza principală o reprezintă faptul că aceste zboruri sunt în general zboruri
directe, fără transfer de pasageri, ceea ce asigură un flux mare de pasageri și aeronave fără a fi
necesare facilități extinse (ex.: terminale mari, angajați). Rezultatele sunt următoarele:
i. Aeroporturile cu eficiență relativă maximă, care formează limita de bune practici,
sunt: Albuquerque, Atlanta, Charlotte Douglas, New York J.F.K., Las Vegas, Los
Angeles, New York LaGuardia, Memphis, Oakland, Chicago O'Hare, San Diego,
Louisville, Newark, New Orleans, Orange County, Winnipeg din America de
nord; Roma Ciampino, Dublin, Istanbul Atatürk, Londra Heathrow, Ljubljana,
Madrid Barajas, Riga, Sofia, Tallinn și Viena din Europa; respectiv Taipei,
Shenzhen, Sydney, Penang, Tokyo Narita, Macau, Phuket, Hong Kong, Hat Yai,
Meilan International, Chiang Mai, Brisbane, Aucklan d, Adelaide din regiunea
Asia-Pacific.
ii. Cele mai ineficiente aeroporturi sunt: Pittsburgh, cu o eficiență tehnică relativă de
36,3%, St. Louis cu 44,5%, Washington Dulles cu 45,4%, Kansas City cu 46,6%,
respectiv Köln -Bonn cu 45,1%, respectiv Varșovia și Bu dapesta cu 50,0%. Cel
mai ineficient aeroport din regiunea Asia -Pacific a fost Kuala Lumpur cu 63,7%,
de altfel și singurul din zonă cu eficiență sub 75%.
Benchmarking -ul a fost folosit intens pentru a evalua diverse tipuri de organizații și
entități econo mice. Apariția sa în domeniul aeroportuar a fost întârziată de două motive: în
primă fază de lipsa necesității, iar ulterior de lipsa unor indicatori de performanță și a unor
metode care să integreze aspectele complexe ale activității unui aeroport într -o măsură
generală a performanței. Înlăturând aceste ultime bariere, lucrarea demonstrează viabilitatea
folosirii benchmarking -ului pentru evaluarea și optimizarea performanțelor operaționale ale
aeroporturilor.
Ultima parte a studiului de caz a constat într -o analiză de sensibilitate a metodei DEA
în raport cu variabilele de intrare și de ieșire. Având în vedere că, în cazul acestei metode,
eficiența este exprimată prin raportare la cele mai eficiente unități din eșantion, nu printr -o
funcție de producție, e ste dificil prevăzut evoluția rezultatelor în cazul schimbării uneia sau a
mai multor variabile de intrare sau de ieșire. Ca atare, am realizat în continuare o determinare
a sensibilității metodei pentru câteva din cele mai plauzibile variante. Analiza nu a relevat
probleme majore de sensibilitate, dar au fost identificate câteva puncte slabe. Primul ar fi o
influență disproporționată a variabilei de intrare „număr de piste” în cazul aeroporturilor cu
trafic foarte redus (în cazul nostru din Europa). O a do ua vulnerabilitate constă în tendința de

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

143
creștere a eficienței relative a aeroporturilor ineficiente din eșantion în cazul micșorării
eșantionului. Pentru o minimă precizie a metodei este necesar ca numărul de aeroporturi
supuse analizei să fie mai mare de cât suma variabilelor de intrare și de ieșire. Nu este
necesară separarea aeroporturilor pe categorii, deoarece acestea sunt oricum comparate cu
proiecția lor pe frontiera eficienței, care este for mată din aeroporturi cu caracteristici
apropiate.

5.2. CONTRIBUȚII ORIGINALE ÎN DOMENIUL EVALUĂRII ȘI OPTIMIZĂRII
PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

Evaluarea și optimizarea performanțelor operaționale ale aeroporturilor reprezintă o
direcție de cercetare relativ nouă în domeniul managementului ae roportuar. Din cunoștințele
autorului nici un studiu asupra performanțelor aeroporturilor nu a fost realizat încă în
România, iar la nivel mondial preocupările în acest sens sunt relativ recente.
Prin această lucrare am încercat să demonstrez că este posib ilă o analiză comparativă
globală, transfrontalieră între aeroporturi, în ciuda diferențelor în organizare, funcționare și
mediu de operare. Principalele contribuții sunt următoarele:
– Explorarea mai multor metode de analiză comparativă în vederea identific ării celei
mai adecvate cerințelor mediului aeroportuar;
– Crearea unor proceduri de calcul MATLAB pentru verificarea practică a
viabilității folosirii metodei frontierei stocastice pentru analiza comparativă a
aeroporturilor;
– În baza cercetării efectuate, a legerea unei metode de analiză care să nu fie
vulnerabilă la diversitatea datelor de intrare și care nu necesită echivalarea
variabilelor folosite într -o unitate comună de măsură;
– Utilizarea unei metode neparametrice de analiză comparativă , pentru evaluare a și
optimizarea performanțelor operaționale a 128 de aeroporturi;
– Analiza integrată a performanțelor aeroporturilor din trei perspective și anume
productivitate, costuri și performanța financiară;
– Definirea unor indicatori de performanță pentru aeroportur i și demonstrarea
viabilității acestora prin folosirea lor în cadrul unui studiu de caz amplu ;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

144
– Validarea rezultatelor obținute prin analiza comparativă cu metoda DEA prin
raportarea la metoda indicatorilor de performanță parțială și a unor indicatori
finan ciari uzuali;
– Efectuarea unei analize de sensibilitate a metodei DEA în raport cu variabilele de
intrare și de ieșire;
– Identificarea, în urma analizei de sensibilitate a unor puncte slabe ale metodei
precum modului de evitare a erorilor induse de către ace stea;
– Validarea rezultatelor cercetării prin publicarea în reviste de sp ecialitate [79], [80],
[81], [82] .
Lucrarea constituie un studiu complex ce analizează o problemă de actualitate:
evaluarea și optimizarea performanțelor operaționale ale aeroporturilo r. Ea propune un set de
indicatori de performanță pentru analiza comparativă a activității aeroporturilor, utilizând o
metodă de determinare a eficienței tehnice relative bazată pe analiza anvelopei datelor . Având
în vedere natura complexă a activității un ui aeroport, metodele prezentate vor necesita unele
ajustări minore pentru a se plia pe nevoia managerului aeroportului de a analiza diverse
aspecte mai puțin cunoscute sau despre care nu există date publice relevante, dar care ar trebui
supuse analizei co mparative. DEA, fiind o metodă deterministă neparametrică, poate utiliza
orice fel de variabile de intrare și de ieșire pentru calculul eficienței tehnice relative, singura
restricție fiind alegerea unui eșantion relevant în raport cu numărul de variabile.

5.3. PERSPECTIVE ÎN DOMENIUL EVALUĂRII ȘI OPTIMIZĂRII
PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

Metoda analizei anvelopei datelor deschide noi posibilități în ceea ce privește
evaluarea performanțelor aeroporturilor. Cu toate că aplicarea ei poate produce un set de
rezultate mult prea categorice, dificil de transpus în practică, DEA prezintă un set de avantaje
care cred că o vor impune ca metodă de analiză a performanțelor aeroporturilor. Principalul
avantaj este capacitatea de a lucra cu variabi lele „așa cum sunt”, fără a fi necesară o
transformare într -o unitate de măsură comună. După cum am demonstrat în această lucrare, un
studiu de benchmarking este complex și cuprinde mai multe aspecte ale activității. Metoda
folosită determină cu ușurință e ficiența relativ la cele mai performante modele ale grupului,
identificând totodată segmentele activității și valoarea cu care trebuie îmbunătățite.
Transpunerea practică a rezultatelor obținute poate fi limitată de anumite aspecte particulare

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

145
ale activit ății aeroportului (de exemplu reducerea numărului de angajați sub o anumită valoare
nu este posibilă fără a afecta funcționarea aeroportului), fapt pentru care analiza trebuie
dublată de folosirea indicatorilor de performanță parțială pe segmentele inefici ente, însă
avantajele folosirii DEA în domeniul complex al performanțelor aeroportuare sunt
incontestabile.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

146

ANEXE

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

147
ANEXA NR. 1: Date generale

Cod
A/PAeroport angajati piste terminal porti PAX CARGO ATM WLUvenituri
aero% costuri
FMVenitul
Operatio
nal Net
(mil USD)EBITD
A (mil
USD)Marja
operatio
nalaROA ROE
ABQ Albuquerque International Sunport 260 4 53.326 23 6.467.263 61.788 180.439 7.085.143 50,0% 49,80% 36,29 49,23 55,30%
ALB Albany International Airport 238 2 26.967 21 2.750.777 21.659 54.334 2.967.367 49,7% 46,00% 11,77 14,80 29,90% 3,40% 6,30%
ATL Hartsfield-Jackson Atlanta International Airport 618 5 538.837 182 90.222.648 648.704 968.116 96.709.688 41,8% 49,40% 210,49 456,07 54,50% 3,20% 5,50%
AUS Austin Bergstrom Airport 328 2 61.000 25 9.039.075 91.553 137.129 9.954.605 45,9% 46,20% 30,40 59,60 35,80%
BNA Nashville International Airport 270 4 76.180 61 9.772.467 79.266 105.901 10.565.127 26,3% 48,00% 25,38 64,80 34,10% 4,60% 9,00%
BOS Boston Logan International Airport 702 6 256.537 102 26.009.544 266.609 370.604 28.675.634 51,0% 38,20% 188,32 262,21 41,90% 5,60% 12,20%
BWI Baltimore Washington International Airport 490 4 183.576 78 21.321.252 94.529 249.456 22.266.542 54,1% 24,10% 16,02 91,53 9,40%
CLE Cleveland-Hopkins International Airport 350 3 86.864 86 11.106.194 79.817 235.975 11.904.364 56,5% 36,00% 36,51 78,52 32,80%
CLT Charlotte Douglas International Airport 345 3 157.935 91 34.739.020 132.009 499.006 36.059.110 48,5% 24,40% 76,95 145,91 52,30% 5,30% 10,30%
CVG Cincinnati/Northern Kentucky International Airport 381 3 132.067 127 13.630.443 43.914 279.790 14.069.583 54,6% 49,60% 21,74 85,87 25,70%
DCA Ronald Reagan Washington National Airport 517 3 105.543 44 18.028.288 3.307 271.483 18.061.358 49,1% 43,80% 69,90 42,53 35,30% 1,10% 6,00%
DEN Denver International Airport 1.035 6 750.272 142 51.245.336 251.045 622.057 53.755.786 59,0% 30,60% 167,95 287,50 31,00% 3,40% 19,90%
DFW Dallas/Fort Worth International Airport 1.740 7 327.712 155 57.093.188 726.065 649.608 64.353.838 37,1% 41,20% 255,83 415,87 40,80% 4,50% 16,60%
DTW Detroit Metropolitan Wayne County Airport 699 6 221.278 147 25.662.462 225.854 456.653 27.921.002 47,3% 37,80% 56,36 165,90 22,10% 1,90% 9,00%
EWR Newark Liberty International Airport 300 3 322.753 111 35.366.360 978.013 421.282 45.146.490 67,3% 23,00% 302,74 402,67 42,10% 1,20% 3,10%
FLL Fort Lauderdale Hollywood International Airport 413 3 94.909 57 22.621.698 130.574 247.572 23.927.438 33,7% 23,90% 64,02 113,44 34,20% 3,50% 6,80%
HNL Honolulu International Airport 650 4 366.318 58 18.809.104 410.537 286.593 22.914.474 47,0% 27,20% 36,83 46,65 21,10% 1,60% 2,30%
IAD Washington Dulles International Airport 729 4 234.178 143 23.786.870 320.659 311.080 26.993.460 52,6% 40,60% 154,94 85,34 43,90% 2,50% 13,20%
IAH Houston-Bush Intercontinental Airport 719 5 360.274 124 43.177.000 383.838 584.895 47.015.380 68,6% 42,90% 193,61 203,32 51,70% 5,20% 14,60%
IND Indianapolis International Airport 600 3 62.524 33 8.151.488 1.007.955 170.025 18.231.038 41,4% 47,50% 52,28 144,94 46,70% 2,00% 5,40%
JAX Jacksonville International Airport 224 2 57.414 23 6.842.758 74.023 106.774 7.582.988 27,5% 42,60% 18,47 49,68 31,10% 2,70% 4,30%
JFK New York-John F. Kennedy International Airport 325 4 555.664 118 47.807.476 1.600.328 430.280 63.810.756 70,8% 18,00% 293,09 411,05 30,80% 1,20% 3,00%
LAS Las Vegas McCarran International Airport 1.398 4 266.941 96 46.975.120 92.417 556.138 47.899.290 36,4% 40,00% 181,35 288,95 43,80% 3,50% 12,00%
LAX Los Angeles International Airport 3.292 4 371.150 112 62.262.752 2.012.807 658.784 82.390.822 60,7% 56,20% 194,69 369,25 27,30% 4,40% 6,00%
LGA LaGuardia International Airport 200 2 173.729 72 23.076.904 11.524 368.148 23.192.144 66,9% 28,80% 70,33 161,10 22,90% 0,30% 0,70%
MCI Kansas City International Airport 554 3 99.154 66 9.944.087 104.114 153.390 10.985.227 35,5% 35,20% 26,17 80,46 25,10% 2,90% 5,30%
MCO Orlando International Airport 677 4 410.046 98 36.569.136 171.345 329.214 38.282.586 39,3% 31,30% 144,86 289,88 42,20% 5,30% 10,70%
MDW Chicago Midway Airport 240 5 87.422 43 17.345.636 14.254 188.748 17.488.176 56,0% 23,00% 15,33 61,93 12,30%
MEM Memphis International Airport 306 4 95.969 83 10.532.095 3.693.172 328.218 47.463.815 71,4% 41,80% 59,65 66,51 54,10% 4,90% 10,70%
MIA Miami International Airport 1.400 4 325.150 101 34.065.832 2.037.435 377.568 54.440.182 69,0% 45,10% 179,02 263,64 31,90% 2,90% 15,00%
MKE General Mitchell International Airport 230 5 75.200 54 7.959.968 83.224 164.768 8.792.208 35,1% 39,10% 11,48 25,06 17,70%
MSP Minneapolis/St. Paul International Airport 546 4 260.129 117 34.066.432 233.252 417.244 36.398.952 40,8% 47,20% 114,82 193,46 47,50%
MSY Louis Armstrong New Orleans International Airport 120 3 92.903 41 7.944.397 45.247 92.989 8.396.867 64,0% 18,10% 15,82 38,06 25,50%
OAK Oakland International Airport 318 3 51.652 30 13.627.030 622.009 158.726 19.847.120 54,4% 22,00% 38,44 95,97 24,10% 1,40% 4,20%
ONT Ontario International Airport 448 2 53.001 28 7.101.458 507.022 125.863 12.171.678 62,0% 52,30% 27,06 62,63 25,20% 0,60% 0,80%
ORD Chicago O'Hare International Airport 1.600 6 500.155 186 70.819.016 1.480.847 870.020 85.627.486 59,6% 30,00% 345,77 447,06 44,70%

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

148

Cod
A/PAeroport angajati piste terminal porti PAX CARGO ATM WLUvenituri
aero% costuri
FMVenitul
Operatio
nal Net
(mil USD)EBITD
A (mil
USD)Marja
operatio
nalaROA ROE
PBI Palm Beach International Airport 156 2 52.026 25 6.631.622 16.134 69.573 6.792.962 37,6% 26,30% 20,14 35,31 31,30% 4,10% 6,30%
PDX Portland International Airport 370 3 142.688 52 13.301.955 191.972 235.773 15.221.675 54,4% 39,00% 90,48 117,02 50,90% 7,60% 17,30%
PHL Philadelphia International Airport 777 4 224.361 124 32.286.996 542.334 474.046 37.710.336 63,9% 33,00% 61,59 159,05 24,60%
PHX Phoenix Sky Harbor International Airport 850 3 326.090 121 41.645.768 257.110 491.922 44.216.868 34,6% 29,40% 85,35 251,61 30,30%
PIT Pittsburgh International Airport 452 4 195.096 75 8.710.291 82.635 145.439 9.536.641 62,5% 38,10% 47,53 83,67 36,70% 5,00% 13,00%
RDU Raleigh-Durham International Airport 271 3 60.229 49 10.274.283 111.414 186.517 11.388.423 33,9% 48,60% 44,10 64,14 51,10%
RIC Richmond International Airport 179 3 39.000 22 3.630.790 51.926 81.427 4.150.050 14,8% 48,90% 20,97 53,40 49,80% 4,10% 6,90%
RNO Reno/Tahoe International Airport 233 3 35.303 23 4.434.638 57.120 66.941 5.005.838 35,9% 70,70% 15,77 48,74 33,60% 3,20% 3,80%
SAN San Diego International Airport 322 1 77.601 45 18.771.550 131.109 223.126 20.082.640 43,8% 28,90% 21,70 54,09 16,00% 3,50% 4,40%
SAT San Antonio International Airport 432 2 55.923 28 8.250.126 128.159 128.622 9.531.716 45,6% 48,30% 10,74 48,09 16,80%
SDF Louisville Intl-Standiford Field 180 3 33.445 23 3.902.582 2.309.945 149.328 27.002.032 51,0% 44,10% 35,36 58,44 57,30% 4,80% 12,10%
SEA Seattle-Tacoma International Airport 822 3 286.714 79 32.196.528 290.768 340.878 35.104.208 57,0% 43,50% 163,15 267,83 45,50% 2,60% 6,20%
SFO San Francisco International Airport 1.200 4 466.700 93 37.121.164 550.547 370.569 42.626.634 56,1% 56,80% 209,64 318,73 39,10% 4,80% 66,90%
SJC Norman Y. Mineta San José International Airport 325 3 45.164 32 10.380.825 80.129 129.568 11.182.115 43,0% 32,80% -4,15 33,61 -3,60% -0,20%
SLC Salt Lake City International Airport 572 4 102.987 80 21.903.088 172.866 340.980 23.631.748 41,0% 49,70% 33,62 80,57 30,40% 3,80% 3,90%
SMF Sacramento International Airport 417 2 195.334 27 10.598.243 79.319 143.043 11.391.433 35,3% 36,40% 22,98 65,33 20,60% 2,20% 4,80%
SNA John Wayne Orange County Airport 175 1 40.413 14 8.989.603 16.921 94.876 9.158.813 42,3% 24,00% 42,35 72,01 39,60% 7,40% 10,00%
STL St. Louis-Lambert International Airport 634 4 161.927 88 14.431.471 81.078 228.920 15.242.251 68,0% 43,40% 35,19 63,73 26,10%
TPA Tampa International Airport 600 3 101.577 62 18.679.896 103.186 213.899 19.711.756 28,9% 46,10% 75,65 138,35 45,20% 5,00% 11,80%
YEG Edmonton International Airport 219 2 88.820 30 6.437.334 38.879 122.191 6.826.124 43,0% 51,70% 41,70 60,71 51,20% 7,50%
YHZ Halifax International Airport 152 2 65.254 33 3.578.931 27.950 89.033 3.858.431 57,2% 44,10% 7,06 14,62 18,90% 2,80%
YOW Ottawa International Airport 157 3 68.971 35 4.339.224 20.086 79.777 4.540.084 52,2% 41,40% 18,13 30,70 33,70% 4,50%
YUL Montréal-Pierre Elliot Trudeau International Airport 600 3 199.186 57 12.805.778 193.800 245.232 14.743.778 49,2% 39,50% 125,59 155,69 52,10% 9,10%
YVR Vancouver International Airport 400 3 299.380 61 17.852.460 211.312 278.000 19.965.580 45,9% 34,50% 158,85 176,95 60,30% 10,00%
YWG Winnipeg International Airport 149 2 41.000 19 3.570.033 148.251 142.810 5.052.543 39,4% 49,80% 11,32 34,70 23,80% 2,50%
YYC Calgary International Airport 170 3 141.648 50 12.507.111 125.000 246.370 13.757.111 42,6% 23,70% 77,18 140,34 53,50% 9,90%
Medie
AMN550 3,42 184.541 71 21.502.788 399.366 286.254 25.496.444 48,5% 38,9% 84,14 141,11 35,19% 3,90% 9,75%

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

149

Cod
A/PAeroport angajati piste terminal porti PAX CARGO ATM WLUvenituri
aero% costuri
FMVenitul
Operatio
nal Net
(mil USD)EBITD
A (mil
USD)Marja
operatio
nalaROA ROE
AMS Amsterdam Schiphol International Airport 2.579 6 591.885 94 47.430.020 1.567.712 446.693 63.107.140 35,3% 25,20% 617,01 38,50%
ARN Stockholm Arlanda International Airport 815 3 133.000 92 18.136.104 210.000 220.000 20.236.104 57,8% 21,60% 174,79 30,10%
ATH Athens International Airport 715 2 180.000 50 16.466.491 122.196 199.418 17.688.451 48,6% 27,30% 315,97 315,97 59,20% 14,60% 50,00%
BCN Barcelona El Prat Airport 569 3 155.200 101 30.272.084 110.845 321.693 31.380.534 68,9% 56,20% 184,87
BHX Birmingham International Airport 695 2 66.488 31 9.627.589 12.213 112.227 9.749.719 50,8% 36,10% 70,44 70,44 38,80% 9,00% 16,10%
BRU Brussels International Airport 748 3 190.804 109 18.515.730 661.143 258.795 25.127.160 64,0% 33,60% 326,27 326,27 57,60%
BTS Bratislava Milan Rastislav Stefanik Airport 695 2 18.626 9 2.218.545 6.961 32.845 2.288.155 76,3% 51,50% 20,07 40,00% 5,50% 6,30%
BUD Budapest Ferihegy International Airport 1.590 2 75.800 52 8.443.053 55.000 117.876 8.993.053 52,3% 142,18 142,18 54,40%
CDG Paris Charles de Gaulle International Airport 3.858 4 542.595 124 60.874.680 2.040.000 559.812 81.274.680 29,6% 40,80% 904,36 35,50% 9,60%
CGN Cologne/Bonn Konrad Adenauer International 1.943 3 204.000 55 10.345.600 591.900 141.700 16.264.600 68,6% 42,20% 61,56 68,84 16,00% 36,30%
CIA Rome Ciampino Airport 298 1 10.320 7 4.790.956 19.638 59.351 4.987.336 39,9% 37,00% 40,87 41,10%
CPH Copenhagen Kastrup International Airport 1.700 3 91.465 108 21.530.016 347.254 264.095 25.002.556 40,9% 61,00% 317,99 332,18 52,00% 20,10% 50,70%
DUB Dublin International Airport 1.350 3 40.000 71 23.466.712 114.422 211.890 24.610.932 33,8% 42,70% 136,34 18,80%
DUS Flughafen Dusseldorf International Airport 2.302 2 235.530 85 18.150.000 90.054 228.531 19.050.540 66,3% 38,50% 200,36 222,15 32,80% 13,80% 70,40%
EDI Edinburgh Airport 400 2 40.126 24 9.006.702 49.132 125.550 9.498.022
FCO Rome Leonardo Da Vinci/Fiumicino Airport 3.278 4 285.000 86 35.227.208 137.424 346.654 36.601.448 40,7% 37,00% 318,02 42,50%
FRA Frankfurt Main International Airport 17.996 3 800.000 174 53.467.448 2.111.116 485.783 74.578.608 26,9% 48,00% 173,24 8,20%
GVA Geneva Cointrin International Airport 650 2 87.000 45 11.522.302 54.687 190.113 12.069.172 49,3% 51,60% 101,17 103,45 36,40% 18,10% 50,80%
HAM Hamburg International Airport 686 2 130.660 42 12.838.207 78.018 172.064 13.618.387 53,9% 23,00% 98,26 107,32 29,10% 14,70% 38,70%
HEL Helsinki Vantaa International Airport 600 3 122.086 43 13.443.446 149.069 180.000 14.934.136 72,3% 40,80% 21,63 7,70%
IST Istanbul Atatürk International Airport 1.750 3 318.500 32 28.553.132 766.221 254.531 36.215.342 34,4% 281,04 281,04 73,40%
KEF Keflavik International Airport 136 2 38.000 14 1.991.338 51.915 26.892 2.510.488
LGW London Gatwick International Airport 2.186 2 202.519 107 34.214.472 112.366 263.653 35.338.132 49,1% 34,40% 269,71 268,19 34,40% 7,20% 15,60%
LHR London Heathrow International Airport 5.192 2 364.800 264 67.056.228 1.486.262 478.693 81.918.848 53,0% 28,60% 1.071,43 879,14 40,30% 6,00% 38,00%
LIS Lisbon Portela Airport 340 2 148.475 37 13.603.620 88.835 144.771 14.491.970 56,5% 40,20% 96,99 38,10%
LJU Ljubljana Airport 446 1 12.000 6 1.673.050 17.188 47.926 1.844.930 52,3% 58,30% 28,18 28,18 48,20% 15,50% 16,60%
MAD Madrid Barajas International Airport 797 4 300.000 76 50.846.496 330.525 469.746 54.151.746 68,9% 56,20% 310,52 197,01
MAN Manchester International Airport 2.141 2 136.400 103 21.219.196 142.595 204.610 22.645.146 51,8% 35,10% 170,27 37,20% 9,50%
MLA Malta International Airport 359 2 329.000 10 3.121.686 18.227 27.070 3.303.956 69,6% 33,60% 29,60 29,60 45,00% 16,50% 38,60%
MUC Munich International Airport 4.528 2 458.000 200 34.552.188 274.464 432.296 37.296.828 46,6% 37,70% 305,17 506,60 20,00% 7,00% 47,00%
ORY Paris Orly Airport 3.304 3 371.500 102 26.209.704 140.000 230.167 27.609.704 29,5% 40,80% 395,96 35,90%
OSL Oslo Airport 435 2 144.000 71 19.344.460 90.987 239.807 20.254.330 31,0% 24,80% 358,12 349,68 56,40% 19,60% 195,30%
OTP Otopeni Henri Coanda 764 2 39.905 14 5.064.230 22.464 71.714 5.288.870 72,4%

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

150

Cod
A/PAeroport angajati piste terminal porti PAX CARGO ATM WLUvenituri
aero% costuri
FMVenitul
Operatio
nal Net
(mil USD)EBITD
A (mil
USD)Marja
operatio
nalaROA ROE
AMS Amsterdam Schiphol International Airport 2.579 6 591.885 94 47.430.020 1.567.712 446.693 63.107.140 35,3% 25,20% 617,01 38,50%
PRG Prague International Airport 2.415 2 90.395 55 12.630.557 47.871 178.628 13.109.267
RIX Riga International Airport 1.268 1 30.860 18 3.690.549 7.669 57.232 3.767.239 63,3% 72,80% 15,97 15,97 27,20% 12,70% 25,70%
SOF Sofia International Airport 955 1 65.639 15 3.230.696 18.647 48.626 3.417.166 56,1%
TLL Tallinn Airport 411 1 24.000 12 1.811.536 41.867 41.654 2.230.206 64,0% 44,00% 12,52 17,44 31,40% 5,60% 22,50%
TXL Berlin Tegel Airport 587 2 41.391 54 14.486.610 33.569 161.237 14.822.300 67,4% 32,20% -14,48 -5,90%
VIE Vienna International Airport 4.266 2 70.536 57 19.747.288 267.985 266.402 22.427.138 45,8% 61,30% 275,35 295,55 34,40% 10,80% 24,20%
WAW Warsaw Frederic Chopin Airport 2.016 2 140.000 67 9.460.606 37.726 129.728 9.837.866 74,0% 67,70% 97,56 41,40%
ZRH Zurich International Airport 1.254 3 138.614 67 22.099.232 387.671 274.991 25.975.942 44,7% 35,00% 388,13 388,13 49,10% 12,50% 29,40%
Medie
EUR1.927 2,39 182.076 68 20.009.263 314.972 212.816 23.158.979 52,8% 41,7% 231,04 235,49 36,62% 12,02% 42,90%
ADL Adelaide International Airport 120 2 75.000 14 6.725.386 17.672 103.185 6.902.106 56,3% 19,90% 69,66 81,20 62,30% 9,20% 112,90%
AKL Auckland International Airport 300 1 115.200 28 13.202.772 220.999 159.627 15.412.762 45,6% 33,10% 193,14 193,54 78,50% 8,90% 14,50%
BKK Bangkok International Airport 2.775 2 563.000 124 46.932.120 1.292.931 256.118 59.861.430 66,5% 36,70% 308,86 441,05 53,90%
BNE Brisbane Airport 224 2 100.000 63 18.689.932 137.805 175.344 20.067.982 29,1% 22,80% 243,86 248,19 75,10% 8,80% 38,10%
CAN Bai Yun Airport 3.482 2 320.000 74 33.435.472 685.868 280.392 40.294.152 34,2% 51,90% 142,99 202,73 37,80% 11,00% 16,50%
CGK Jakarta Soekarno-Hatta International Airport 2.154 2 321.817 104 32.240.936 472.385 250.173 36.964.786 75,1%
CHC Christchurch International Airport 176 3 46.000 18 5.905.211 24.564 84.092 6.150.851 47,4% 40,80% 37,04 62,00% 13,90% 20,20%
CNX Chiang Mai International Airport 157 1 5.974 16 3.276.309 22.398 25.400 3.500.289
HAK Meilan International Airport 676 1 102.000 33 8.221.997 74.063 66.411 8.962.627 54,0% 30,50% 18,82 34,49 44,40% 6,60% 7,10%
HDY Hat Yai International Airport 137 1 7.257 8 1.380.086 10.407 10.270 1.484.156
HKG Hong Kong Chek Lap Kok International Airport 1.131 2 710.000 106 47.700.000 3.400.000 296.000 81.700.000 34,7% 19,40% 695,70 695,70 62,10% 10,60% 15,40%
HKT Phuket International Airport 175 1 45.688 11 5.943.468 18.542 40.218 6.128.888
ICN Incheon International Airport 933 3 600.000 90 29.973.522 2.423.717 211.102 54.210.692 42,4% 12,20% 577,27 59,30% 7,70% 15,50%
KIX Kansai International Airport 388 2 330.000 52 15.332.766 820.759 133.502 23.540.356 56,6% 5,60% 500,70 52,20% 2,60% 8,70%
KUL Kuala Lumpur International Airport 1.578 2 479.404 106 27.529.356 649.076 209.681 34.020.116 67,0% 38,20% 18,29
MFM Macau International Airport 236 1 45.000 19 5.097.802 100.767 49.764 6.105.472 61,3% 10,00% 24,20 24,75 33,40% 2,70% 6,00%
NRT Tokyo Narita International Airport 720 2 789.700 87 38.598.048 2.099.349 193.321 59.591.538 55,3% 13,20% 721,18 39,40% 7,40% 33,30%
PEK Beijing Capital International Airport 1.965 3 1.382.000 120 55.938.136 1.367.710 429.646 69.615.236 53,6% 9,60% 44,35 158,55 7,90% 0,80% 2,50%
PEN Penang International Airport 372 1 23.272 11 3.405.762 178.921 38.335 5.194.972 67,0% 38,20% 3,33
PVG Shanghai Pudong International Airport 6.440 3 824.000 98 28.235.692 2.603.027 265.735 54.265.962 97,3% 44,40% 270,00 294,19 56,00%
SEL Seoul Gimpo International Airport 627 2 125.743 22 14.264.693 203.977 108.015 16.304.463 47,8% 33,60% 55,48 36,70%
SIN Singapore Changi International Airport 1.794 2 1.043.020 102 37.285.000 1.883.894 231.900 56.123.940 37,5% 21,60% 519,36 56,30% 11,40% 12,50%
SYD Sydney Kingsford Smith International Airport 306 3 387.487 65 32.874.008 470.000 298.964 37.574.008 34,3% 22,00% 637,22 542,41 82,40% 10,30%
SZX Shenzhen Baoan International Airport 3.998 1 152.000 55 21.400.508 598.036 187.942 27.380.868 63,9% 56,80% 121,70 87,56 57,00% 15,80% 18,30%
TPE Chiang Kai-Shek International Airport (Taoyuan Int.-Taipei) 356 2 487.500 55 21.936.080 1.493.120 134.072 36.867.280 33,9%
Medie ASP 1.249 1,88 363.242 59 22.221.002 850.799 169.568 30.728.997 52,8% 28,0% 260,16 250,36 53,15% 8,51% 22,96%
MEDIE GLOBALĂ 1.127 2,79 218.654 68 21.164.669 460.504 239.941 25.769.708 50,6% 37,9% 158,79 175,77 38,45% 6,66% 20,76%

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

151
ANEXA NR. 2: Pasageri / ATM

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

152
ANEXA NR. 3A: Taxe de aterizare în 2009 – America de Nord

Aeroport Boeing 747 -400 Boeing 767 -400 Airbus A320 -100 Bombardier
CRJ200 -LR
ABQ 1291 695 288 93
ALB 1545 832 345 111
ATL 698 376 156 50
AUS 1936 1042 432 140
BOS 2732 1471 610 197
CLT 391 211 87 28
CVG 1304 702 291 94
DCA 1989 1071 444 143
DEN 2360 1270 527 170
DFW 2849 1534 636 205
DTW 2086 1123 466 150
EWR* 5486 2822 1016 332
FLL 685 369 153 49
HNL 1258 677 281 91
IAD 2112 1137 471 152
IAH 1922 1035 429 139
IND 1271 684 284 92
JFK* 4113 2385 859 281
LAS 659 355 147 47
LAX 2654 1429 592 191
LGA 5509 2966 1230 397
MCI 1408 758 314 102
MCO 944 508 211 68
MDW 2255 1214 503 163
MEM 918 494 205 66
MIA 1252 674 279 90
MSP 1376 741 307 99
OAK 1206 649 269 87
ORD 4413 2376 985 318
PBI 868 467 194 63
PDX 1819 979 406 131
PHL 1200 646 268 86
PIT 2104 1133 470 152
RDU 632 340 141 46
RIC 808 435 180 58
RNO 1317 709 294 95
SAN 1330 716 297 96
SAT 724 390 162 52
SDF 1050 565 234 76
SEA 2080 1120 464 150
SFO 2054 1106 458 148
SJC 1174 632 262 85
SLC 704 379 157 51
SNA 1278 688 285 92
STL 3847 2071 858 277
TPA 653 352 146 47
YEG* 2633 1354 487 134
YHZ* 2728 1403 505 139
YOW* 2432 1251 450 124
YUL* 3327 1711 616 202
YVR* 1975 1016 366 101
YWG* 3150 1620 583 191
YYC* 3102 1595 444 126
* Aeroporturi care folosesc MTOW ca bază pentru taxele de aterizare

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

153
ANEXA NR. 3B: Taxe de aterizare în 2009 – Europa

Aeroport Boeing 747 –
400 Boeing 767 –
400 Airbus A320 –
100 Bombardier
CRJ200 -LR
AMS 7121 3662 942 262
ARN 1621 865 310 39
ATH 3092 2075 924 272
BCN 4638 2315 740 245
BHX 7611 3914 1409 461
BRU 2794 1995 1005 257
BTS 3780 2721 1382 452
BUD 4132 2125 954 368
CDG 3590 1861 688 253
CGN 2634 2015 886 310
CIA 2917 1482 510 142
CPH 4112 2115 761 249
DUB 6320 3250 1170 383
DUS 7209 4797 1854 1041
EDI 3645 1875 675 221
FCO 2900 1471 503 137
FRA 1574 850 353 117
GVA 2811 1423 482 173
HAM 3221 1656 596 195
HEL 3724 1856 590 146
IST 4011 2093 793 301
KEF 3235 1664 599 196
LGW -în afara orelor de
vârf 588 353 353 313
LGW -în pe rioada de vârf 1792 1196 1196 1196
LHR 1533 1379 1379 1379
LIS 3209 1650 594 160
LJU 7597 3907 1406 460
MAD 4638 2315 740 245
MAN -în afara orelor de
vârf 1258 1258 771 252
MAN -în perioada de vârf 3489 2137 948 310
MLA 2215 1129 393 114
MUC 2440 1255 452 148
ORY 3590 1861 688 253
OSL 4592 2810 1344 440
PRG 2662 1629 810 317
RIX 4935 2538 914 299
SOF 3406 1930 930 515
TLL 5995 3083 1110 363
TXL 1215 625 225 74
VIE 3459 1776 636 387
WAW 7758 3947 1365 423
ZRH 3548 1792 602 191

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

154
ANEXA NR. 3C: Taxe de aterizare în 2009 – Asia Pacific

Aeroport Boeing 747 -400 Boeing 767 -400 Airbus A320 -100 Bombardier
CRJ200 -LR
ADL 3557 1829 658 216
AKL 3870 1990 716 149
BKK 1676 823 258 77
CAN 2781 1251 445 283
CGK 2161 1070 347 106
CNX 2095 1028 322 96
HAK 2781 1251 445 283
HDY 2095 1028 322 96
HKG 3329 1771 716 316
HKT 2095 1028 322 96
ICN 3524 1842 676 220
KIX 8706 4477 1612 528
KUL 658 317 96 22
MFM 2593 1676 728 261
NRT 7381 3407 1296 378
PEK 2781 1251 445 283
PVG 2781 1251 445 283
SEL 3202 1676 611 200
SIN 2879 1419 451 140
SZX 2781 1251 445 283
TPE 2843 1327 420 127

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

155
ANEXA NR. 4a: Taxe de securitate la aeroporturile din America de Nord

Aeroport Taxă de securitate (per pasager care pleacă)
Taxe de securitate specifice aeroportului
YEG 2,12 CAD per pasager îmbarcat
YHZ 1,27 CAD x capacitatea aeronavei
YOW 1,44 CAD x pasager aterizat
YUL 2,31 CAD per pasager
15% din taxa de aterizare pentru zborurile cargo
YVR 0,63 – 0,94 CAD per pasager
YWG 2,20 CAD per pasager
YYC Inclusă în taxa de terminal
Taxe de securitate impuse de către guvern
La toate aeroporturile internaționale din Statele Unite:
 2,5 USD per segment de zbor;
 plafon maxim: 5 USD per călătorie simplă;
 10 USD per călătorie dus -întors, indif erent de numărul de segmente.
La toate aeroporturile internaționale din Canada :
 17,0 CAD (8,5 USD) pentru destinații internaționale;
 5,0 CAD pentru călătorie internă simplă; 10 CAD per călătorie internă dus -întors.

Aeroporturile din Statele Unite nu impun taxe adiționale de securitate, în timp ce multe aeroporturi din
Canada preferă să adauge taxei de securitate guvernamentale o taxă proprie.

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

156
ANEXA NR. 4b: Taxe de securitate la aeroporturile din Europa

Aeroport Taxă de secu ritate (per pasager care pleacă)
AMS 12,78 EUR
ARN 30,00 SEK (cca 3,3 EUR)
ATH 4,11 EUR
BCN 1,26 EUR
BHX Inclusă în taxa de pasager
BRU 6,57 EUR
BUD Inclusă în taxa de pasager
BTS Nu se plătește
CDG Nu se plătește
CGN 4,23 EUR
CIA 1,81 EUR
DUB Inclusă în taxa de pasager
DUS 3,99 EUR per pasager
EDI Inclusă în taxa de pasager
FCO 1,81 EUR
FRA 6,79 EUR
GVA Inclusă în taxa de pasager
HAM 3,04 EUR per pasager
HEL 4,51 EUR
IST Nu se plătește
KEF Inclusă în taxa de pasager
LGW Inclusă în taxa de pasager
LHR Inclusă în taxa de pasager
LIS 4,07 EUR per pasager
LJU 3,90 EUR per pasager
MAD 1,26 EUR
MAN 3,30 GBP (cca 4,5 EUR)
MLA 0,94 MTL (cca 2 EUR)
MUC 5,65 EUR
ORY Nu se plătește
OSL 40,00 NOK (5,2 EUR)
PRG Inclusă în taxa de pasager
RIX Inclusă în taxa de pasager
SOF Inclusă în taxa de pasager
TXL 5,08 EUR per pasager
VIE 8 EUR
ZRH Inclusă în taxa de pasager
Notă: Tabelul include doar taxele de securitate impuse de către aeroporturi

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

157
ANEXA NR. 4c: Taxe de securitate la aeroporturile din Asia -Pacific

Aeroport Taxă de securitate (per pasager care pleacă)
ADL 7,75 AUD per pasager
BKK Nu se plătește
BNE Internațional: 6,49 AUD per pasager; Intern: 5,03 AUD per pasager
CAN Aeronavă fuselaj lat: 100 USD per zbor; Aeronavă fuselaj îngust: 80 USD per
zbor
CGK Nu se plătește
CNX Nu se plătește
HAK Aeronavă fuselaj lat: 100 USD per zbor; Aeronavă fuselaj îngust: 80 USD per
zbor
HDY Nu se plătește
HKG 33,00 HKD
HKT Nu se plătește
KIX Nu se plătește
KUL Inclusă în taxa de terminal
MFM Nu se plătește
NRT Nu se plătește
PEK Aeronavă fuselaj lat: 100 USD per zbor; Aeronavă fuselaj îngust: 80 USD per
zbor
PVG Aeronavă fuselaj lat: 100 USD per zbor; Aeronavă fuselaj îng ust: 80 USD per
zbor
SIN 6,00 SGD (cca 4,7 USD) per pasager
SYD Finanțată de guvern
SZX Aeronavă fuselaj lat: 100 USD per zbor; Aeronavă fuselaj îngust: 80 USD per
zbor
TPE 644,00 -3218,00 TWD (19,30 – 96,50 USD) per zbor, în funcție de tonaj
Notă: Tab elul include doar taxele de securitate impuse de către aeroporturi

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

158
ANEXA NR. 5: Pasageri / angajat

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

159
ANEXA NR. 6: ATM / angajat

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

160
ANEXA NR. 7: WLU / angajat

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

161
ANEXA NR. 8: Pasageri / poartă

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

162
ANEXA NR. 9: Pasageri / mp terminal

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

163
ANEXA NR. 10: ATM / pistă

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

164
ANEXA NR. 11: Costuri cu forța de muncă per pasager

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

165
ANEXA NR. 12: Costuri cu forța de muncă per ATM

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

166
ANEXA NR. 13: Costuri cu forța de muncă per WLU

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

167
ANEXA NR. 14: Costuri variabile per pasager

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

168
ANEXA NR. 15: Costuri variabile per ATM

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

169
ANEXA NR. 16: Costuri variabile per WLU

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

170
ANEXA NR. 17: Ponderea veniturilor aeronautice

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

171
ANEXA NR. 18: Venit operațional net per pasager

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

172
ANEXA NR. 19: Venit operațional net per AT M

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

173
ANEXA NR. 20: Venit operațional net per WLU

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

174
ANEXA NR. 21: Venit operațional net per angajat

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

175
ANEXA NR. 22: Venit operațional net (milioane USD)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

176
ANEXA NR. 23: EBITDA

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

177
ANEXA NR. 24: Marja operațională

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

178
ANEXA NR. 25: ROA

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

179
ANEXA NR. 26: ROE

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

180
ANEXA NR. 27: Rezultatele aplicării metodei DEA

Results from DEAP Version 2.1
Instruction file = all -ins.txt
Data file = all -dta.txt
Input orientated DEA
Scale assumption: VRS

EFFICIENCY SUMMARY:

firm crste vrste scale
1 1.000 1.000 1.000 –
2 0.470 0.636 0.740 irs
3 1.000 1.000 1.000 –
4 0.794 0.801 0.991 drs
5 0.540 0.652 0.828 irs
6 0.582 0.604 0.963 drs
7 0.565 0.571 0.990 drs
8 0.775 0 .776 0.999 irs
9 1.000 1.000 1.000 –
10 0.651 0.676 0.963 irs
11 0.937 0.982 0.954 drs
12 0.752 0.763 0.986 drs
13 0.750 0.953 0.787 drs
14 0.618 0.638 0.969 drs
15 0.950 1.000 0.950 irs
16 0.974 0.984 0. 990 drs
17 0.752 0.757 0.993 drs
18 0.454 0.454 0.999 –
19 0.823 0.836 0.984 drs
20 0.785 0.794 0.989 drs
21 0.673 0.723 0.931 irs
22 1.000 1.000 1.000 –
23 0.983 1.000 0.983 drs
24 1.000 1.000 1.000 –
25 1.000 1.000 1.000 –
26 0.441 0.466 0.945 irs
27 0.642 0.655 0.980 irs
28 0.914 0.943 0.969 irs
29 1.000 1.000 1.000 –
30 0.779 0.783 0.995 drs
31 0.623 0.740 0.842 irs
32 0.660 0.662 0.998 drs
33 0 .497 1.000 0.497 irs
34 1.000 1.000 1.000 –
35 0.720 0.730 0.987 irs
36 0.863 1.000 0.863 drs
37 0.580 0.931 0.623 irs
38 0.728 0.729 1.000 –
39 0.717 0.738 0.971 drs
40 0.792 0.812 0.975 drs
41 0.318 0. 363 0.876 irs
42 0.843 0.844 0.998 irs
43 0.569 0.804 0.707 irs
44 0.512 0.666 0.769 irs
45 1.000 1.000 1.000 –
46 0.699 0.701 0.997 irs
47 1.000 1.000 1.000 –
48 0.752 0.752 1.000 –
49 0.678 0.684 0.9 92 irs
50 0.833 0.837 0.995 irs
51 0.914 0.949 0.963 drs
52 0.770 0.773 0.997 drs
53 1.000 1.000 1.000 –
54 0.445 0.445 0.999 –
55 0.705 0.716 0.985 drs
56 0.628 0.717 0.876 irs
57 0.456 0.857 0.532 irs 58 0.389 0.801 0.485 irs
59 0.696 0.697 0.998 drs
60 0.761 0.762 1.000 –
61 1.000 1.000 1.000 –
62 0.914 0.973 0.939 irs
63 0.756 0.846 0.894 drs
64 0.519 0.520 0.998 irs
65 0.681 0.681 1.000 –
66 0. 820 0.837 0.980 drs
67 0.567 0.570 0.996 drs
68 0.503 0.509 0.988 drs
69 0.430 0.686 0.627 irs
70 0.444 0.500 0.888 irs
71 0.918 0.920 0.998 drs
72 0.413 0.451 0.915 irs
73 1.000 1.000 1.000 –
74 0.786 0.7 87 0.998 irs
75 1.000 1.000 1.000 –
76 0.533 0.533 0.998 irs
77 0.797 0.810 0.984 drs
78 0.679 0.682 0.995 drs
79 0.834 0.875 0.953 drs
80 0.723 0.727 0.995 irs
81 0.672 0.672 1.000 –
82 0.625 0.633 0.98 7 drs
83 1.000 1.000 1.000 –
84 0.289 0.960 0.301 irs
85 0.836 0.850 0.983 drs
86 1.000 1.000 1.000 –
87 0.632 0.633 0.998 irs
88 0.943 1.000 0.943 irs
89 1.000 1.000 1.000 –
90 0.618 0.625 0.988 drs
91 0.391 0.724 0.541 irs
92 0.926 0.947 0.978 drs
93 0.501 0.528 0.950 irs
94 0.640 0.650 0.985 irs
95 0.604 0.614 0.983 drs
96 0.598 0.609 0.982 irs
97 0.521 1.000 0.521 irs
98 0.478 1.000 0.478 irs
99 0.5 02 1.000 0.502 irs
100 0.977 0.977 1.000 –
101 1.000 1.000 1.000 –
102 0.359 0.500 0.718 irs
103 0.711 0.736 0.966 drs
104 1.000 1.000 1.000 –
105 1.000 1.000 1.000 –
106 0.968 0.968 1.000 –
107 0.853 1.00 0 0.853 irs
108 0.907 0.933 0.972 irs
109 0.763 0.766 0.997 irs
110 0.689 0.859 0.802 irs
111 1.000 1.000 1.000 –
112 0.482 1.000 0.482 irs
113 0.463 1.000 0.463 irs
114 1.000 1.000 1.000 –
115 0.789 1.000 0.789 irs
116 0.749 0.753 0.995 irs
117 0.635 0.750 0.847 irs
118 0.617 0.637 0.969 irs
119 0.522 1.000 0.522 irs
120 0.981 1.000 0.981 irs
121 0.953 0.957 0.997 drs
122 0.606 1.000 0.606 irs
123 0.754 0.760 0.992 irs
124 0.870 0.879 0.990 irs 125 0.804 0.822 0.977 irs
126 0.989 1.000 0.989 irs
127 1.000 1.000 1.000 –
128 0.969 1.000 0.969 irs
mean 0.744 0.819 0.914
Note: crste = technical efficiency from
CRS DEA
vrste = technical effic iency from
VRS DEA
scale = scale efficiency = crste/vrste

FIRM BY FIRM RESULTS:

Results for firm: 1
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 6467263.000 0.000
0.000 6467263.000
output 2 61788.000 0.000
0.000 61788.000
output 3 180439.000 0.000
0.000 180439.000
input 1 260.000 0.000
0.000 260.000
input 2 4.000 0.000
0.000 4.000
input 3 53326.000 0.000
0.000 53326.000
input 4 23.000 0.000
0.000 23.000
LISTING OF PEERS:
peer lambda weight
1 1.000

Results for firm: 2
Technical efficiency = 0.636
Scale efficiency = 0.740 (irs)
PROJECTION SUM MARY:
variable original radial
slack projected
value movement
movement value
output 1 2750777.000 0.000
69732.310 2820509.310
output 2 21659.000 0.000
29955.102 51614.102
output 3 54334.000 0.000
0.000 54334.000
input 1 238.000 -86.674
0.000 151.326
input 2 2.000 -0.728
0.000 1.272
input 3 26967.000 -9820.764
0.000 17146.236
input 4 21.000 -7.648
0.000 13.352

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

181
LISTING OF PEERS:
peer lambda weight
53 0.030
73 0.027
113 0.395
61 0.272
111 0.276

Results for firm: 3
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 90222648.000 0.000
0.000 90222648.000
output 2 648704.000 0.000
0.000 648704.000
output 3 968116.000 0.000
0.000 968116.000
input 1 618 .000 0.000
0.000 618.000
input 2 5.000 0.000
0.000 5.000
input 3 538837.000 0.000
0.000 538837.000
input 4 182.000 0.000
0.000 1 82.000
LISTING OF PEERS:
peer lambda weight
3 1.000

Results for firm: 4
Technical efficiency = 0.801
Scale efficiency = 0.991 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 9039075.000 0.000
0.000 9039075.000
output 2 91553.000 0.000
0.000 91553.000
output 3 137129.000 0.000
0.000 137129.000
input 1 328.000 -65.299
0.000 262.701
input 2 2.000 -0.398
0.000 1.602
input 3 61000.000 -12144.021
0.000 48855.979
input 4 25.000 -4.977
0.000 20.023
LISTING OF PEERS:
peer lambda weight
24 0.002
47 0.001
73 0.394
89 0.054
61 0.340
9 0.046
53 0.163

Results for firm: 5
Technic al efficiency = 0.652
Scale efficiency = 0.828 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 9772467.000 0.000
0.000 9772467.000
output 2 79266.000 0.000
0.000 79266.000
output 3 105901.000 0.000
0.000 105901.000
input 1 270.000 -93.928
0.000 176.072
input 2 4.000 -1.392 –
1.377 1.232
input 3 76180.000 -26501.636
0.000 49678.364
input 4 61.000 -21.221
-20.198 19.581
LISTING OF PEERS:
peer lambda weight
104 0.079
47 0.021
107 0.108
25 0.002
53 0.790

Results for firm: 6
Technical efficiency = 0.604
Scale efficiency = 0.963 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 26009544.000 0.000
2152211.833 28161755.833
output 2 266609.000 0.000
0.000 266609.000
output 3 37060 4.000 0.000
0.000 370604.000
input 1 702.000 -277.746
0.000 424.254
input 2 6.000 -2.374 –
0.024 3.602
input 3 256537.000 –
101498.793 0.000 155 038.207
input 4 102.000 -40.356
0.000 61.644
LISTING OF PEERS:
peer lambda weight
47 0.048
1 0.337
3 0.006
9 0.357
89 0.252

Results for firm: 7
Technical efficiency = 0.571
Scale efficiency = 0.990 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected value movement
movement value
output 1 21321252.000 0.000
0.000 21321252.000
output 2 94529.000 0.000
0.000 94529.000
output 3 249456.000 0.000
8538.823 257994.823
input 1 490.000 -210.437
0.000 279.563
input 2 4.000 -1.718 –
0.384 1.898
input 3 183576.000 -78839.188
0.000 104736.812
input 4 78.000 -33.498
0.000 44.502
LISTING OF PEERS:
peer lambda weight
3 0. 026
53 0.612
34 0.011
89 0.070
9 0.280

Results for firm: 8
Technical efficiency = 0.776
Scale efficiency = 0.999 (irs)
PROJECTION SUMMARY:
variable original radial
slack projecte d
value movement
movement value
output 1 11106194.000 0.000
3281487.236 14387681.236
output 2 79817.000 0.000
712222.674 792039.674
output 3 235975.000 0.000
0.000 235975.000
input 1 350.000 -78.294
0.000 271.706
input 2 3.000 -0.671
0.000 2.329
input 3 86864.000 -19431.134
0.000 67432.866
input 4 86.000 -19.238
-26.507 40.255
LISTING OF PEERS:
peer lambda weight
73 0.322
9 0.331
47 0.319
61 0.028

Results for firm: 9
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 34739020.000 0.000
0.000 34739020.000
outpu t 2 132009.000 0.000
0.000 132009.000
output 3 499006.000 0.000
0.000 499006.000

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

182
input 1 345.000 0.000
0.000 345.000
input 2 3.000 0.000
0.000 3.000
input 3 157935.000 0.000
0.000 157935.000
input 4 91.000 0.000
0.000 91.000
LISTING OF PEERS:
peer lambda weight
9 1.000

Results for firm: 10
Technical efficiency = 0.676
Scale efficiency = 0.963 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 13630443 .000 0.000
6712054.522 20342497.522
output 2 43914.000 0.000
35119.866 79033.866
output 3 279790.000 0.000
0.000 279790.000
input 1 381.000 -123.463
0.000 2 57.537
input 2 3.000 -0.972
0.000 2.028
input 3 132067.000 -42796.247
0.000 89270.753
input 4 127.000 -41.154
-31.291 54.555
LISTING OF PEERS:
peer lambd a weight
45 0.009
53 0.131
9 0.514
111 0.345

Results for firm: 11
Technical efficiency = 0.982
Scale efficiency = 0.954 (drs)
PROJECTION SUMMARY:
variable original radial
slack pro jected
value movement
movement value
output 1 18028288.000 0.000
0.000 18028288.000
output 2 3307.000 0.000
240943.484 244250.484
output 3 271483.000 0.000
0.000 271483.000
input 1 517.000 -9.295
0.000 507.705
input 2 3.000 -0.054
0.000 2.946
input 3 105543.000 -1897.511
0.000 103645.489
input 4 44.000 -0.791
0.000 43.209
LISTING OF PEERS:
peer lambda weight
61 0.216
24 0.071 1 0.309
73 0.140
9 0.201
89 0.062

Results for firm: 12
Technical eff iciency = 0.763
Scale efficiency = 0.986 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 51245336.000 0 .000
11570404.197 62815740.197
output 2 251045.000 0.000
205484.885 456529.885
output 3 622057.000 0.000
0.000 622057.000
input 1 1035.000 -245.499
0.000 789.501
input 2 6.000 -1.423 –
0.278 4.299
input 3 750272.000 –
177962.147 -199675.035
372634.818
input 4 142.000 -33.682
0.000 108.318
LISTING OF PEERS:
peer lambda weight
24 0.018
3 0.299
89 0.683

Results for firm: 13
Technical efficiency = 0.953
Scale efficiency = 0.787 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 57093188.000 0.000
0.000 57093188.000
output 2 726065.000 0.000
0.000 726065.000
output 3 649608.000 0.000
0.000 649 608.000
input 1 1740.000 -80.943
-434.209 1224.847
input 2 7.000 -0.326 –
2.821 3.853
input 3 327712.000 -15244.862
0.000 312467.138
input 4 155.000 -7.210
-25.885 121.905
LISTING OF PEERS:
peer lambda weight
75 0.112
9 0.345
24 0.232
3 0.311

Results for firm: 14
Technical efficiency = 0.638
Scale efficiency = 0.969 (drs) PROJECTION S UMMARY:
variable original radial
slack projected
value movement
movement value
output 1 25662462.000 0.000
6111707.002 31774169.002
output 2 225854.000 0.000
169274.337 395128.337
output 3 456653.000 0.000
0.000 456653.000
input 1 699.000 -253.127
0.000 445.873
input 2 6.000 -2.173 –
0.753 3.074
input 3 221278.000 -80130.770
0.000 141147.230
input 4 147.000 -53.233
-5.428 88.340
LISTING OF PEERS:
peer lambda weight
75 0.103
29 0.074
9 0.822

Results for fir m: 15
Technical efficiency = 1.000
Scale efficiency = 0.950 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 35366360.000 0.000
0.000 35366360.000
output 2 978013.000 0.000
0.000 978013.000
output 3 421282.000 0.000
0.000 421282.000
input 1 300.000 0.000
0.000 300.000
input 2 3.000 0.000
0.000 3.000
input 3 322753.000 0.000
0.000 322753.000
input 4 111.000 0.000
0.000 111.000
LISTING OF PEERS:
peer lambda weight
15 1.000

Results for firm: 16
Technical efficiency = 0.984
Scale efficiency = 0.990 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value m ovement
movement value
output 1 22621698.000 0.000
0.000 22621698.000
output 2 130574.000 0.000
259132.154 389706.154
output 3 247572.000 0.000
44519.772 292091.772
input 1 413.000 -6.533
0.000 406.467

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

183
input 2 3.000 -0.047
0.000 2.953
input 3 94909.000 -1501.205
0.000 93407.795
input 4 57.000 -0.902
0.000 56.098
LISTING OF PEERS:
peer lambda weight
45 0.030
34 0.523
89 0.013
9 0.364
75 0.070

Results for firm: 17
Technical efficiency = 0.757
Scale efficiency = 0.993 (drs)
PROJECT ION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 18809104.000 0.000
5769635.215 24578739.215
output 2 410537.0 00 0.000
0.000 410537.000
output 3 286593.000 0.000
0.000 286593.000
input 1 650.000 -157.676
0.000 492.324
input 2 4.000 -0.970
0.000 3 .030
input 3 366318.000 -88860.732
-116531.111 160926.157
input 4 58.000 -14.070
0.000 43.930
LISTING OF PEERS:
peer lambda weight
47 0.076
1 0.036
89 0.420
83 0.0 40
61 0.427

Results for firm: 18
Technical efficiency = 0.454
Scale efficiency = 0.999 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 23786870.000 0.000
0.000 23786870.000
output 2 320659.000 0.000
0.000 320659.000
output 3 311080.000 0.000
9179.646 320259.646
input 1 729.000 -397.805
0.000 331.195
input 2 4.000 -2.183
0.000 1.817
input 3 234178.000 –
127787.780 0.000 106390.220
input 4 143.000 -78.033
-2.601 62.366
LISTING OF PEERS: peer lambda weight
29 0.052
9 0.319
3 0.005
45 0.622
75 0.001

Results for firm: 19
Technical efficiency = 0.836
Scale efficiency = 0.984 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 43177000.000 0.000
10224942.426 53401942.426
output 2 383838.000 0.0 00
0.000 383838.000
output 3 584895.000 0.000
0.000 584895.000
input 1 719.000 -117.720
0.000 601.280
input 2 5.000 -0.819 –
0.308 3.874
input 3 360274.000 -58986.863
0.000 301287.137
input 4 124.000 -20.302
0.000 103.698
LISTING OF PEERS:
peer lambda weight
3 0.225
24 0.003
9 0.329
89 0.422
47 0.022

Results for firm: 20
Technical efficiency = 0.794
Scale efficiency = 0.989 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8151488.000 0.000
0.000 8151488.000
output 2 1007955.000 0.000
0.000 1007955.000
output 3 170025.000 0.000
0.000 170025.000
input 1 600.000 -123.511
-177.451 299.039
input 2 3.000 -0.618
0.000 2.382
input 3 62524.000 -12870.644
0.000 49653.356
input 4 33.000 -6.793
0.000 26.207
LISTING OF PEERS:
peer lambda weight
47 0.391
24 0.027
1 0.044
61 0.230
9 0.080
73 0.229

Results for firm: 21
Technical efficiency = 0.723
Scale efficiency = 0.931 (irs)
PROJECTION SUMMARY :
variable original radial
slack projected
value movement
movement value
output 1 6842758.000 0.000
0.000 6842758.000
output 2 74023.000 0.000
0.000 74023.000
output 3 106774.000 0.000
0.000 106774.000
input 1 224.000 -62.126
0.000 161.874
input 2 2.000 -0.555 –
0.060 1.385
input 3 57414.000 -15923.743
0.000 41490.257
input 4 23.000 -6.379
-1.295 15.326
LISTING OF PEERS:
peer lambda weight
104 0.068
61 0.302
113 0.042
53 0.581
47 0.008

Results for firm: 22
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 47807476.000 0.000
0.000 47807476.000
output 2 1600328.000 0.000
0.000 1600328.000
output 3 430280.000 0.000
0.000 430280.000
input 1 325.000 0.000
0.000 325.000
input 2 4.000 0.000
0.000 4.000
input 3 555664.000 0.000
0.000 555664.000
input 4 118.000 0.000
0.000 118.0 00
LISTING OF PEERS:
peer lambda weight
22 1.000

Results for firm: 23
Technical efficiency = 1.000
Scale efficiency = 0.983 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

184
output 1 46975120.000 0.000
0.000 46975120.000
output 2 92417.000 0.000
0.000 92417.000
output 3 556138.000 0.000
0.000 556138.000
input 1 1398.000 0.000
0.000 1398.000
input 2 4.000 0.000
0.000 4.000
input 3 266941.000 0.000
0.000 266941.000
input 4 96.000 0.000
0.000 96.000
LISTING OF PEERS:
peer lambda weight
23 1.000

Results for firm: 24
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable origin al radial
slack projected
value movement
movement value
output 1 62262752.000 0.000
0.000 62262752.000
output 2 2012807.000 0.000
0.000 2012807 .000
output 3 658784.000 0.000
0.000 658784.000
input 1 3292.000 0.000
0.000 3292.000
input 2 4.000 0.000
0.000 4.000
input 3 371150.000 0.000
0.000 371150.000
input 4 112.000 0.000
0.000 112.000
LISTING OF PEERS:
peer lambda weight
24 1.000

Results for firm: 25
Technical efficiency = 1.000
Scale efficiency = 1.000 ( crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 23076904.000 0.000
0.000 23076904.000
output 2 11524.000 0.000
0.000 11524.000
output 3 368148.000 0.000
0.000 368148.000
input 1 200.000 0.000
0.000 200.000
input 2 2.000 0.000
0.000 2.000
input 3 173729.000 0.000
0.000 173729.000
input 4 72.000 0.000
0.000 72.000
LISTING OF PEERS: peer lambda weight
25 1.000

Results for firm: 26
Technic al efficiency = 0.466
Scale efficiency = 0.945 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 9944087.000 0.000
1596119.581 11540206.581
output 2 104114.000 0.000
0.000 104114.000
output 3 153390.000 0.000
0.000 153390.000
input 1 554.000 -295.830
0.000 258.170
input 2 3.000 -1.602
0.000 1.398
input 3 99154.000 -52947.140
0.000 46206.860
input 4 66.000 -35.243
0.000 30.757
LISTING OF PEERS:
peer lambda weight
47 0.018
45 0.175
111 0.309
73 0.297
61 0.039
9 0.161

Results for firm: 27
Technical efficiency = 0.655
Scale efficiency = 0.980 (irs)
PROJECTION SUMMARY:
variable original ra dial
slack projected
value movement
movement value
output 1 36569136.000 0.000
0.000 36569136.000
output 2 171345.000 0.000
80395.954 251740.954
output 3 329214.000 0.000
39128.578 368342.578
input 1 677.000 -233.886
0.000 443.114
input 2 4.000 -1.382
0.000 2.618
input 3 410046.000 –
141660.582 -54640.802 213744.615
input 4 98.000 -33.857
0.000 64.143
LISTING OF PEERS:
peer lambda weight
114 0.008
53 0.519
89 0.284
3 0.189

Results for firm: 28
Technical efficiency = 0.943
Scale efficiency = 0.969 (irs) PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 17345636.000 0.000
0.000 17345636.000
output 2 14254.000 0.000
36159.065 50413.065
output 3 188748.000 0.000
40216.341 228964.341
input 1 240.000 -13.668
0.000 226.332
input 2 5.000 -0.285 –
3.072 1.644
input 3 87422.000 -4978.764
0.000 82443.236
input 4 43.000 -2.449
-0.668 39.883
LISTING OF PEERS:
peer lambda weight
53 0. 650
25 0.056
9 0.294

Results for firm: 29
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 10532095.000 0.000
0.000 10532095.000
output 2 3693172.000 0.000
0.000 3693172.000
output 3 328218.000 0.000
0.000 328218.000
input 1 306.000 0.000
0.000 306.000
input 2 4.000 0.000
0.000 4.000
input 3 95969.000 0.000
0.000 95969.000
input 4 83.000 0. 000
0.000 83.000
LISTING OF PEERS:
peer lambda weight
29 1.000

Results for firm: 30
Technical efficiency = 0.783
Scale efficiency = 0.995 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 34065832.000 0.000
0.000 34065832.000
output 2 2037435.000 0.000
0.000 2037435.000
output 3 377568.000 0.000
19228.781 396796.781
input 1 1400.000 -304.338
0.000 1095.662

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

185
input 2 4.000 -0.870
0.000 3.130
input 3 325150.000 -70682.422
0.000 254467.578
input 4 101.000 -21.956
0.000 79.044
LISTING OF PEERS:
peer lambda weight
47 0.293
24 0.233
3 0.098
114 0.117
29 0.111
45 0.147

Results for firm: 31
Technical efficiency = 0.740
Scale efficiency = 0.842 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 7959968 .000 0.000
0.000 7959968.000
output 2 83224.000 0.000
21963.620 105187.620
output 3 164768.000 0.000
0.000 164768.000
input 1 230.000 -59.790
0.000 1 70.210
input 2 5.000 -1.300 –
1.900 1.800
input 3 75200.000 -19548.603
0.000 55651.397
input 4 54.000 -14.038
-14.866 25.097
LISTING OF PEERS:
peer lambd a weight
25 0.060
9 0.058
53 0.258
61 0.623

Results for firm: 32
Technical efficiency = 0.662
Scale efficiency = 0.998 (drs)
PROJECTION SUMMARY:
variable original radial
slack pro jected
value movement
movement value
output 1 34066432.000 0.000
0.000 34066432.000
output 2 233252.000 0.000
0.000 233252.000
output 3 417244.000 0.000
3317.849 420561.849
input 1 546.000 -184.669
0.000 361.331
input 2 4.000 -1.353
0.000 2.647
input 3 260129.000 -87981.316
0.000 172147.684
input 4 117.000 -39.572
0.000 77.428
LISTING OF PEERS: peer lambda weight
34 0.090
3 0.137
53 0.163
89 0.029
9 0.418
45 0.164

Results for firm: 33
Technical eff iciency = 1.000
Scale efficiency = 0.497 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 7944397.000 0 .000
0.000 7944397.000
output 2 45247.000 0.000
0.000 45247.000
output 3 92989.000 0.000
0.000 92989.000
input 1 120.000 0.000
0.000 120.000
input 2 3.000 0.000
0.000 3.000
input 3 92903.000 0.000
0.000 92903.000
input 4 41.000 0.000
0.000 41.000
LISTING OF PEERS:
peer lambda weight
33 1.000

Results for firm: 34
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 13627030.000 0.000
0.000 13627030.000
output 2 622009.000 0.000
0.000 622009.000
output 3 158726.000 0.000
0.000 158726.000
input 1 318. 000 0.000
0.000 318.000
input 2 3.000 0.000
0.000 3.000
input 3 51652.000 0.000
0.000 51652.000
input 4 30.000 0.000
0.000 3 0.000
LISTING OF PEERS:
peer lambda weight
34 1.000

Results for firm: 35
Technical efficiency = 0.730
Scale efficiency = 0.987 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected value movement
movement value
output 1 7101458.000 0.000
1927756.971 9029214.971
output 2 507022.000 0.000
0.000 507022.000
output 3 125863.000 0.000
0.000 125863.000
input 1 448.000 -120.823
0.000 327.177
input 2 2.000 -0.539
0.000 1.461
input 3 53001.000 -14294.089
0.000 38706.911
input 4 28.000 -7.551
0.000 20.449
LISTING OF PEERS:
peer lambda weight
47 0.186
24 0.020
9 0.013
45 0.169
73 0.497
53 0.114

Results for firm: 36
Technical efficiency = 1. 000
Scale efficiency = 0.863 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 70819016.000 0.000
0.000 70819016.000
output 2 1480847.000 0.000
0.000 1480847.000
output 3 870020.000 0.000
0.000 870020.000
input 1 1600.000 0.000
0.000 1600.000
input 2 6.000 0.000
0.000 6.000
input 3 500155.000 0.000
0.000 500155.000
input 4 186.000 0.000
0.000 186.000
LISTING OF PEERS:
peer lambda weight
36 1.000

Results for firm: 37
Technical efficiency = 0.931
Scale efficiency = 0.623 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement valu e
output 1 6631622.000 0.000
0.000 6631622.000
output 2 16134.000 0.000
0.000 16134.000
output 3 69573.000 0.000
12874.892 82447.892
input 1 156.000 -10.759
0.000 145.241

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

186
input 2 2.000 -0.138 –
0.450 1.412
input 3 52026.000 -3588.140
0.000 48437.860
input 4 25.000 -1.724 –
10.399 12.876
LISTI NG OF PEERS:
peer lambda weight
53 0.401
47 0.000
104 0.412
113 0.187

Results for firm: 38
Technical efficiency = 0.729
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original r adial
slack projected
value movement
movement value
output 1 13301955.000 0.000
1943666.544 15245621.544
output 2 191972.000 0.000
0.000 191972.000
outpu t 3 235773.000 0.000
0.000 235773.000
input 1 370.000 -100.384
0.000 269.616
input 2 3.000 -0.814
0.000 2.186
input 3 142688.000 -38712.535
0.000 103975.465
input 4 52.000 -14.108
0.000 37.892
LISTING OF PEERS:
peer lambda weight
24 0.001
89 0.087
105 0.181
3 0.029
61 0.598
9 0.103

Results fo r firm: 39
Technical efficiency = 0.738
Scale efficiency = 0.971 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 32286996.000 0.000
1724958.171 34011954.171
output 2 542334.000 0.000
0.000 542334.000
output 3 474046.000 0.000
0.000 474046.000
input 1 777.000 -203.481
0.000 573.519
input 2 4.000 -1.048
0.000 2.952
input 3 224361.000 -58755.865
0.000 165605.135
input 4 124.000 -32.473
-3.506 88.021
LISTING OF PEERS: peer lambda weight
29 0.072
24 0.078
9 0.728
3 0.011
45 0.110

Results for firm: 40
Technical efficiency = 0.812
Scale efficiency = 0.975 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 41645768.000 0.000
3428525.212 45074293.212
output 2 257110.000 0.000
86648.060 343758.060
output 3 491922.000 0.000
0.000 491922.000
input 1 850.000 -160.074
-156.258 533.669
input 2 3.000 -0.565
0.000 2.435
input 3 326090.000 -61409.925
-17826.445 246853.630
input 4 121.000 -22.787
0.000 98.213
LISTING OF PEERS:
peer lambda weight
45 0.625
3 0.353
86 0.022

Results for firm: 41
Technical efficiency = 0.363
Scale efficiency = 0.876 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8710291.000 0.000
1481645.499 1 0191936.499
output 2 82635.000 0.000
0.000 82635.000
output 3 145439.000 0.000
0.000 145439.000
input 1 452.000 -287.718
0.000 164.282
input 2 4.00 0 -2.546
0.000 1.454
input 3 195096.000 –
124187.068 -450.038 70458.894
input 4 75.000 -47.741
0.000 27.259
LISTING OF PEERS:
peer lambda weight
53 0.337
47 0.030
104 0.145
113 0.239
25 0.249

Results for firm: 42 Technical efficiency = 0.844
Scale efficiency = 0.998 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 10274283.000 0.000
0.000 10274283.000
output 2 111414.000 0.000
1012216.637 1123630.637
output 3 186517.000 0.000
0.000 186517.000
input 1 271.000 -42.260
0.000 228.740
input 2 3.000 -0.468 –
0.178 2.354
input 3 60229.000 -9392.163
0.000 50836.837
input 4 49.000 -7.641
-8.071 33.288
LISTING OF PEERS:
peer lambda weight
47 0.472
111 0.165
9 0.205
73 0.158

Results for firm: 43
Technical efficiency = 0.804
Scale efficiency = 0.707 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3630790.000 0.000
0.000 3630790.000
output 2 51926.000 0.000
14142.559 66068.559
output 3 81427.000 0.000
0.000 81427.000
input 1 179.000 -35.048
0.000 143.952
input 2 3.000 -0.587 –
0.912 1.501
input 3 39000.000 -7636.160
0.000 31363.840
input 4 22.000 -4.308
-4.080 13.612
LISTING OF PEERS:
peer lambda weight
113 0.392
104 0.108
53 0.107
61 0.393

Results for firm: 44
Technical efficiency = 0.666
Scale efficiency = 0.769 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 4434638.000 0.000
0.000 4434638.000

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

187
output 2 57120.000 0.000
0.000 57120.000
output 3 66941.000 0.000
0.000 66941.000
input 1 233.0 00 -77.707
0.000 155.293
input 2 3.000 -1.001 –
0.771 1.229
input 3 35303.000 -11773.829
0.000 23529.171
input 4 23.000 -7.671
-1.191 14 .139
LISTING OF PEERS:
peer lambda weight
111 0.252
47 0.005
113 0.251
61 0.218
53 0.274

Results for firm: 45
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 18771550.000 0.000
0.000 18771550.000
output 2 131109.000 0.000
0.000 131109.000
output 3 223126.000 0.000
0.000 223126.000
input 1 322.000 0.000
0.000 322.000
input 2 1.000 0.000
0.000 1.000
input 3 77601.000 0.000
0.000 77601.000
input 4 45.000 0.000
0.000 45.000
LISTING OF PEERS:
peer lambda weight
45 1.000

Results for firm: 46
Technical efficiency = 0.701
Scale efficien cy = 0.997 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8250126.000 0.000
817507.907 9067633.9 07
output 2 128159.000 0.000
0.000 128159.000
output 3 128622.000 0.000
0.000 128622.000
input 1 432.000 -129.056
0.000 302.944
input 2 2.000 -0.597
0.000 1.403
input 3 55923.000 -16706.475
0.000 39216.525 input 4 28.000 -8.365
0.000 19.635
LISTING OF PEERS:
peer lambda weight
47 0.024
61 0.120
9 0.096
24 0.014
53 0.177
73 0.569

Results for firm: 47
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3902582.000 0.000
0.000 3902582.000
output 2 2309945.000 0.000
0.000 2309945.000
output 3 149328.000 0.000
0.000 149328.000
input 1 180.000 0.000
0.000 180.000
input 2 3.000 0.000
0.000 3.000
input 3 33445.000 0.000
0.000 33445.000
input 4 23.000 0.000
0.000 23.000
LISTING OF PEERS:
peer lambda weight
47 1.000

Results for firm: 48
Technical efficiency = 0.752
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable o riginal radial
slack projected
value movement
movement value
output 1 32196528.000 0.000
174113.875 32370641.875
output 2 290768.000 0.000
102890.117 3 93658.117
output 3 340878.000 0.000
0.000 340878.000
input 1 822.000 -203.930
0.000 618.070
input 2 3.000 -0.744
0.000 2.256
input 3 286714.000 -71130.813
-744.074 214839.114
input 4 79.000 -19.599
0.000 59.401
LISTING OF PEERS:
peer lambda weight
105 0.616
89 0.224
3 0.102
24 0.058

Results for firm: 49
Tech nical efficiency = 0.684
Scale efficiency = 0.992 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 37121164.000 0.000
0.000 37121164.000
output 2 550547.000 0.000
0.000 550547.000
output 3 370569.000 0.000
0.000 370569.000
input 1 1200.000 -379.484
0.000 820.51 6
input 2 4.000 -1.265
0.000 2.735
input 3 466700.000 –
147587.620 -74842.021 244270.359
input 4 93.000 -29.410
0.000 63.590
LISTING OF PEERS:
peer lambda wei ght
105 0.416
24 0.096
89 0.413
47 0.014
114 0.021
3 0.040

Results for firm: 50
Technical efficiency = 0.837
Scale efficiency = 0.995 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 10380825.000 0.000
0.000 10380825.000
output 2 80129.000 0.000
90737.569 170866.569
output 3 129568.000 0.000
0.000 129568.000
input 1 325.000 -52.940
0.000 272.060
input 2 3.000 -0.489 –
0.782 1.729
input 3 45164.000 -7356.827
0.000 37807.173
input 4 32.000 -5.213
0.000 26.787
LISTING OF PEERS:
peer lambda weight
34 0.223
75 0.010
73 0.304
111 0.332
9 0.131

Results for firm: 51
Technical efficiency = 0.949
Scale efficiency = 0.963 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

188
value movement
movement value
output 1 21903088.0 00 0.000
0.000 21903088.000
output 2 172866.000 0.000
1111086.739 1283952.739
output 3 340980.000 0.000
0.000 340980.000
input 1 572.000 -28.920
0.000 543 .080
input 2 4.000 -0.202 –
0.564 3.234
input 3 102987.000 -5206.903
0.000 97780.097
input 4 80.000 -4.045
-1.529 74.426
LISTING OF PEERS:
peer lambda weight
47 0.148
29 0.234
75 0.231
9 0.387

Results for firm: 52
Technical efficiency = 0.773
Scale efficiency = 0.997 (drs)
PROJECTION SUMMARY:
variable original radial
slack proje cted
value movement
movement value
output 1 10598243.000 0.000
1912219.992 12510462.992
output 2 79319.000 0.000
35389.200 114708.200
output 3 143043.000 0.000
0.000 143043.000
input 1 417.000 -94.621
0.000 322.379
input 2 2.000 -0.454
0.000 1.546
input 3 195334.000 -44322.912
-72116.708 78894.381
input 4 27.000 -6.127
0.000 20.873
LISTING OF PEERS:
peer lambda weight
89 0.077
53 0.674
83 0.066
61 0.183

Results for firm: 53
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8989603.000 0.000
0.000 8989603.000
output 2 16921.000 0.000
0.000 16921.000
output 3 94876.000 0.000
0.000 94876.000 input 1 175.000 0.000
0.000 175.000
input 2 1.000 0.000
0.000 1.000
input 3 40413.000 0.000
0.000 40413.000
input 4 14.000 0.000
0.000 14.000
LISTING OF PEERS:
peer lambda weight
53 1.000

Results for firm: 54
Technical efficiency = 0.445
Scale efficiency = 0.999 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 14431 471.000 0.000
1897024.252 16328495.252
output 2 81078.000 0.000
0.000 81078.000
output 3 228920.000 0.000
0.000 228920.000
input 1 634.000 -351.816
0.000 282.184
input 2 4.000 -2.220
0.000 1.780
input 3 161927.000 -89855.609
0.000 72071.391
input 4 88.000 -48.832
0.000 39.168
LISTING OF PEERS:
peer la mbda weight
9 0.350
61 0.064
53 0.237
73 0.342
47 0.004
24 0.002

Results for firm: 55
Technical efficiency = 0.716
Scale efficiency = 0.985 (drs)
PROJECTION SUMMARY:
variable origina l radial
slack projected
value movement
movement value
output 1 18679896.000 0.000
0.000 18679896.000
output 2 103186.000 0.000
226086.480 329272. 480
output 3 213899.000 0.000
1452.868 215351.868
input 1 600.000 -170.247
0.000 429.753
input 2 3.000 -0.851
0.000 2.149
input 3 101577.000 -28822.024
0.000 72754.976
input 4 62.000 -17.592
0.000 44.408
LISTING OF PEERS:
peer lambda weight 45 0.437
34 0.397
75 0.094
89 0.023
9 0.048

Results for firm: 56
Technical efficiency = 0.717
Scale efficiency = 0.876 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 6 437334.000 0.000
2560362.321 8997696.321
output 2 38879.000 0.000
0.000 38879.000
output 3 122191.000 0.000
0.000 122191.000
input 1 219.000 -61.954
0.000 157.046
input 2 2.000 -0.566
0.000 1.434
input 3 88820.000 -25126.921
-665.142 63027.938
input 4 30.000 -8.487
0.000 21.513
LISTING OF PEERS:
peer lambda weight
25 0.147
53 0.391
113 0.185
104 0.266
47 0.010

Results for firm: 57
Technical efficiency = 0.857
Scale efficiency = 0.532 (irs)
PROJECTION SUMMARY:
variable original radia l
slack projected
value movement
movement value
output 1 3578931.000 0.000
1889740.573 5468671.573
output 2 27950.000 0.000
0.000 27950.000
output 3 89033.000 0.000
0.000 89033.000
input 1 152.000 -21.805
0.000 130.195
input 2 2.000 -0.287
0.000 1.713
input 3 65254.000 -9361.050
0.000 55892.950
input 4 33.000 -4.734 –
13.566 14.700
LISTING OF PEERS:
peer lambda weight
113 0.287
61 0.088
47 0.000
25 0.034
104 0.590

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

189
Results for firm: 58
Technic al efficiency = 0.801
Scale efficiency = 0.485 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 4339224.000 0.000
809520.235 5148744.235
output 2 20086.000 0.000
1150.677 21236.677
output 3 79777.000 0.000
0.000 79777.000
input 1 157.000 -31.183
0.000 125.817
input 2 3.000 -0.596 –
0.674 1.730
input 3 68971.000 -13698.923
0.000 55272.077
input 4 35.000 -6.952 –
15.457 12.592
LISTING OF PEERS:
peer lambda weight
61 0.042
113 0.270
104 0.688

Results for firm: 59
Technical efficiency = 0.697
Scale efficiency = 0.998 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 12805778.000 0.000
10017772.525 22823550.525
output 2 193800.000 0.000
0.000 193800.000
output 3 245232.000 0.000
0.000 245232.000
input 1 600.000 -181.646
0.000 418.354
input 2 3.000 -0.908
0.000 2.092
input 3 199186.000 -60302.111
0.000 138883.889
input 4 57. 000 -17.256
0.000 39.744
LISTING OF PEERS:
peer lambda weight
24 0.012
105 0.215
53 0.325
9 0.046
61 0.121
89 0.281

Results for firm: 60
Technical efficiency = 0.762
Scale eff iciency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value output 1 17852460.000 0.000
4578197.675 22430 657.675
output 2 211312.000 0.000
0.000 211312.000
output 3 278000.000 0.000
0.000 278000.000
input 1 400.000 -95.382
0.000 304.618
input 2 3.000 -0.715
0.000 2.285
input 3 299380.000 -71388.822
-85419.996 142571.181
input 4 61.000 -14.546
0.000 46.454
LISTING OF PEERS:
peer lambda weight
105 0.102
53 0. 230
89 0.113
3 0.130
61 0.425

Results for firm: 61
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3570033.000 0.000
0.000 3570033.000
output 2 148251.000 0.000
0.000 148251.000
output 3 142810.000 0.000
0.000 142810.000
input 1 149.000 0.000
0.000 149.000
input 2 2.000 0.000
0.000 2.000
input 3 41000.000 0.000
0.000 41000.000
input 4 19.000 0.000
0.000 19.000
LISTING OF PEERS:
peer lambda weight
61 1.000

Results for firm: 62
Technical efficiency = 0.973
Scale efficiency = 0.939 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 12507111.000 0.000
2780984.995 15288095.995
output 2 125000.000 0.000
0.000 125000.000
output 3 246370.000 0.000
0.000 246370.000
input 1 170.000 -4.546
0.000 165.454
input 2 3.000 -0.080 –
0.872 2.048 input 3 141648.000 -3787.49 1
-12342.260 125518.249
input 4 50.000 -1.337
-3.373 45.290
LISTING OF PEERS:
peer lambda weight
25 0.532
104 0.420
47 0.048

Results for firm: 63
Technical efficiency = 0.846
Scale efficiency = 0.894 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 47430020.000 0.000
0.000 47430020.000
output 2 1567712.000 0.000
0.000 1567712.000
output 3 446693.000 0.000
3202.455 449895.455
input 1 2579.000 -397.834
0.000 2181.166
input 2 6.0 00 -0.926 –
1.681 3.394
input 3 591885.000 -91303.653
-111311.656 389269.691
input 4 94.000 -14.500
0.000 79.500
LISTING OF PEERS:
peer lambda weight
114 0.132
89 0.119
24 0.406
83 0.343

Results for firm: 64
Technical efficiency = 0.520
Scale efficiency = 0.998 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 18136104.000 0.000
0.000 18136104.000
output 2 210000.000 0.000
0.000 210000.000
output 3 220000.000 0.000
0.000 220000 .000
input 1 815.000 -391.414
0.000 423.586
input 2 3.000 -1.441
0.000 1.559
input 3 133000.000 -63875.001
0.000 69124.999
input 4 92.000 -44.184
-0.195 47.621
LISTING OF PEERS:
peer lambda weight
45 0.567
75 0.123
9 0.112
111 0.122

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

190
47 0.045
73 0.031

Results for firm: 65
Technical efficiency = 0.681
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 16466491.000 0.000
965422.464 17431913.464
output 2 122196.000 0.000
171646.224 293842.224
output 3 199418.000 0.000
0.000 199418.000
input 1 715.000 -227.963
0.000 487.037
input 2 2.000 -0.638
0.000 1.362
input 3 180000.000 -57389.306
0.000 122610.694
input 4 50.000 -15.941
0.000 34.059
LISTING OF PEERS:
peer lambda weight
89 0.032
53 0.226
24 0.066
9 0.034
105 0.642

Results for firm: 66
Technical efficiency = 0.837
Scale efficiency = 0.980 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 30272084.000 0.000
0.000 30272084.000
output 2 110845.000 0.000
30588.136 141433.136
output 3 321693.000 0.000
76779.767 398 472.767
input 1 569.000 -92.966
0.000 476.034
input 2 3.000 -0.490
0.000 2.510
input 3 155200.000 -25357.347
0.000 129842.653
input 4 101.000 -16.502
-6.335 78.163
LISTING OF PEERS:
peer lambda weight
3 0.023
9 0.578
75 0.130
45 0.268

Results for firm: 67
Technical efficiency = 0.570
Scale efficiency = 0.996 (drs)
PROJECTION S UMMARY: variable original radial
slack projected
value movement
movement value
output 1 9627589.000 0.000
0.000 9627589.000
output 2 12213.000 0.000
93842.950 106055.950
output 3 112227.000 0.000
0.000 112227.000
input 1 695.000 -299.130
0.000 395.870
input 2 2.000 -0.861
0.000 1.139
input 3 66488.000 -28616.620
0.000 37871.380
input 4 31.000 -13.342
0.000 17.658
LISTING OF PEERS:
peer lambda weight
53 0.096
9 0.009
24 0.034
73 0.718
89 0.006
45 0.137

Results for firm: 68
Technical efficiency = 0.509
Scale efficiency = 0.988 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value mov ement
movement value
output 1 18515730.000 0.000
1465307.617 19981037.617
output 2 661143.000 0.000
0.000 661143.000
output 3 258795.000 0.000
0.000 258795.000
input 1 748.000 -367.517
0.000 380.483
input 2 3.000 -1.474
0.000 1.526
input 3 190804.000 -93748.279
0.000 97055.721
input 4 109.000 -53.555
0.000 55.445
LISTING OF PEERS:
peer lambda weight
29 0.136
86 0.007
24 0.005
3 0.023
45 0.825
114 0.005

Results for firm: 69
Technical efficiency = 0.686
Scale efficiency = 0.627 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value output 1 2218545.000 0.000
0.000 2218545.000
output 2 6961.000 0.000
10655.641 17616.641
output 3 32845.000 0.000
17079.867 49924.867
input 1 695.000 -218.156
-56.737 420.107
input 2 2.000 -0.628 –
0.372 1.000
input 3 18626.000 -5846.586
-1073.339 11706.075
input 4 9.000 -2.825
0.000 6.175
LISTING OF PEERS:
peer lambda weight
88 0.825
73 0.175

Results for firm: 70
Technical efficiency = 0.500
Scale efficiency = 0.888 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8443053.000 0.000
1343868.586 9786921.586
output 2 55000.000 0.000
4472.164 59472.164
output 3 117876.000 0.000
0.000 117876.000
input 1 1590.000 -795.000
-488.424 306.576
input 2 2.000 -1.000
0.000 1.000
input 3 75800.000 -37900.000
-3537.133 34362.867
input 4 52.000 -26.000
-5.421 20.579
LISTING OF PEERS:
peer lambda weight
45 0.357
73 0.643

Results for firm: 71
Technical efficiency = 0.920
Scale efficiency = 0.998 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 60874680.000 0.000
0.000 60874680.000
output 2 2040000.000 0.000
164107.453 2204107.453
output 3 559812.000 0.000
46786.45 3 606598.453
input 1 3858.000 -308.415
-773.813 2775.772
input 2 4.000 -0.320
0.000 3.680
input 3 542595.000 -43375.917
-58563.921 440655.162

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

191
input 4 12 4.000 -9.913
0.000 114.087
LISTING OF PEERS:
peer lambda weight
3 0.045
24 0.772
114 0.183

Results for firm: 72
Technical efficiency = 0.451
Scale efficiency = 0.915 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 10345600.000 0.000
243517.861 10589117.861
output 2 591900.000 0.0 00
0.000 591900.000
output 3 141700.000 0.000
0.000 141700.000
input 1 1943.000 -1066.411
-582.807 293.783
input 2 3.000 -1.647
0.000 1.353
input 3 204000.000 –
111964.883 0.000 92035.117
input 4 55.000 -30.187
0.000 24.813
LISTING OF PEERS:
peer lambda weight
114 0.013
47 0.170
73 0.123
122 0.047
105 0.647

Results for firm: 73
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 4790956.000 0.000
0.000 4790956.000
output 2 19638.000 0.000
0.000 19638.000
output 3 59351.000 0.000
0.000 59351.000
input 1 298.000 0.000
0.000 298.000
input 2 1.000 0.000
0.000 1.000
input 3 10320.000 0.000
0.000 10320.000
input 4 7.000 0.000
0.000 7.000
LISTING OF PEERS:
peer lambda weight
73 1.000

Results for firm: 74
Technical efficiency = 0.787 Scale efficiency = 0.998 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 21530016.000 0.000
0.000 21530016.000
output 2 347254.000 0.000
0.000 347254.000
output 3 264095.000 0.000
0.000 264095.000
input 1 1700.000 -361.558
0.000 1338.442
input 2 3.000 -0.638
0.000 2.362
input 3 91465.000 -19452.858
0.000 72012.142
input 4 108.000 -22.970
-22.430 62.601
LISTING OF PEERS:
peer lambda weight
45 0.182
29 0.058
101 0.167
75 0.346
9 0.163
73 0.083

Results for firm: 75
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 23466712.000 0.000
0.000 23466712.000
output 2 114422.000 0.000
0.000 114422.000
output 3 211890.000 0.000
0.000 211890.000
input 1 1350.000 0.000
0.000 1350.000
input 2 3 .000 0.000
0.000 3.000
input 3 40000.000 0.000
0.000 40000.000
input 4 71.000 0.000
0.000 71.000
LISTING OF PEERS:
peer lambda weight
75 1.000

Results for firm: 76
Technical efficiency = 0.533
Scale efficiency = 0.998 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 18150000.000 0.000
1213315.645 19363315.645
output 2 90054.000 0.000
89075.061 179129.061 output 3 228531.000 0.000
0.000 228531.000
input 1 2302.000 -1074.058
-841.253 386.689
input 2 2.000 -0.933
0.000 1.067
input 3 235530.000 –
109892.650 -38947.636 86689.713
input 4 85.000 -39.659
0.000 45.341
LISTING OF PEERS:
peer lambda weight
105 0.068
24 0.022
45 0.910

Results for firm: 77
Technical efficiency = 0.810
Scale efficiency = 0.984 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 9006702.000 0.000
0.000 9006702.000
output 2 49132.000 0.000
25024.246 74156.246
output 3 125550.000 0.000
0.000 125550.000
input 1 400.000 -76.084
-22.319 301.597
input 2 2.000 -0.380 –
0.226 1.394
input 3 40126.000 -7632.396
0.000 32493.6 04
input 4 24.000 -4.565
0.000 19.435
LISTING OF PEERS:
peer lambda weight
73 0.817
9 0.140
1 0.027
47 0.016

Results for firm: 78
Technical efficiency = 0.682
Scale efficien cy = 0.995 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 35227208.000 0.000
0.000 35227208.0 00
output 2 137424.000 0.000
89771.408 227195.408
output 3 346654.000 0.000
0.000 346654.000
input 1 3278.000 -1041.452
-1650.249 586.299
input 2 4.000 -1.271
0.000 2.729
input 3 285000.000 -90547.193
0.000 194452.807
input 4 86.000 -27.323
0.000 58.677

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

192
LISTING OF PEERS:
peer lambda weight
75 0.003
45 0.283
9 0.029
89 0.555
73 0.130

Results for firm: 79
Technical efficiency = 0.875
Scale efficiency = 0.953 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 53467448.000 0.000
6048919.195 59516367.195
output 2 2111116.000 0.000
0.000 2111116.000
output 3 485783.000 0.000
0.000 485783.000
input 1 17996.000 -2246.047
-13948.406 1801.547
input 2 3.000 -0.374
0.000 2.626
input 3 800000.000 -99846.505
-149923.864 550229.631
input 4 174.00 0 -21.717
0.000 152.283
LISTING OF PEERS:
peer lambda weight
86 0.210
45 0.075
3 0.234
114 0.482

Results for firm: 80
Technical efficiency = 0.727
Scale efficiency = 0.995 (irs)
PROJECTI ON SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 11522302.000 0.000
3214198.273 14736500.273
output 2 54687.00 0 0.000
0.000 54687.000
output 3 190113.000 0.000
0.000 190113.000
input 1 650.000 -177.454
-214.578 257.968
input 2 2.000 -0.546
0.000 1. 454
input 3 87000.000 -23751.567
0.000 63248.433
input 4 45.000 -12.285
0.000 32.715
LISTING OF PEERS:
peer lambda weight
53 0.432
73 0.246
9 0.227
24 0.00 0
45 0.095

Results for firm: 81
Technical efficiency = 0.672
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 12838207.000 0.000
2577524.695 15415731.695
output 2 78018.000 0.000
145457.909 223475.909
output 3 172064.000 0.000
0.000 172064.000
input 1 686.000 -225.166
0.000 460.834
input 2 2.000 -0.656
0.000 1.344
input 3 130660.000 -42886.480
0.000 87773.520
input 4 42.000 -13.786
0.000 28.214
LISTING OF PEERS:
peer lambda weight
89 0.005
24 0.081
9 0.043
53 0.680
105 0.191

Results for firm: 82
Technical efficiency = 0.633
Scale efficiency = 0.987 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 13443446.000 0.000
0.000 13443446.000
output 2 149069.000 0.00 0
17673.147 166742.147
output 3 180000.000 0.000
0.000 180000.000
input 1 600.000 -220.132
0.000 379.868
input 2 3.000 -1.101
0.000 1.899
input 3 122086.000 -44791.756
0.000 77294.244
input 4 43.000 -15.776
0.000 27.224
LISTING OF PEERS:
peer lambda weight
89 0.123
9 0.042
24 0.029
73 0.323
53 0 .123
61 0.360

Results for firm: 83
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY: variable original radial
slack projected
value movement
movement value
output 1 28553132.000 0.000
0.000 28553132.000
output 2 766221.000 0.000
0.000 766221.000
output 3 254531.000 0.000
0.000 254531.000
input 1 1750.000 0.000
0.000 1750.000
input 2 3.000 0.000
0.000 3.000
input 3 318500.000 0.000
0.000 318500.000
input 4 32.000 0.000
0.000 32.000
LISTING OF PEERS:
peer lambda weight
83 1.000

Results for firm: 84
Technical efficiency = 0.960
Scale efficiency = 0.301 (irs)
PROJECTION SUMMARY:
variable original radial
slack proje cted
value movement
movement value
output 1 1991338.000 0.000
1700883.910 3692221.910
output 2 51915.000 0.000
0.000 51915.000
output 3 26892.000 0.000
25159.707 52051.707
input 1 136.000 -5.501
0.000 130.499
input 2 2.000 -0.081 –
0.461 1.458
input 3 38000.000 -1537.017
0.000 36462.983
input 4 14.000 -0.566
-2.635 10.799
LISTING OF PEERS:
peer lambda weight
47 0.017
113 0.559
104 0.425

Results for firm: 85
Technical efficiency = 0.850
Scale efficiency = 0.983 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 34214472.000 0.000
0.000 34214472.000
output 2 1 12366.000 0.000
255545.151 367911.151
output 3 263653.000 0.000
87573.202 351226.202
input 1 2186.000 -326.890
-856.639 1002.471

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

193
input 2 2.000 -0.299
0.000 1.701
input 3 202519.000 -30284.296
0.000 172234.704
input 4 107.000 -16.001
0.000 90.999
LISTING OF PEERS:
peer lambda weight
86 0.126
3 0.129
45 0.716
75 0.029

Results for firm: 86
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 67056228.000 0.000
0.000 67056228.000
output 2 1486262.000 0.000
0.000 1486262.000
output 3 478693.000 0.000
0.000 478693.000
input 1 5192.00 0 0.000
0.000 5192.000
input 2 2.000 0.000
0.000 2.000
input 3 364800.000 0.000
0.000 364800.000
input 4 264.000 0.000
0.000 264. 000
LISTING OF PEERS:
peer lambda weight
86 1.000

Results for firm: 87
Technical efficiency = 0.633
Scale efficiency = 0.998 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 13603620.000 0.000
0.000 13603620.000
output 2 88835.000 0.000
0.000 88835.000
output 3 144771.000 0.000
0.000 144771.000
input 1 340.000 -124.743
0.000 215.257
input 2 2.000 -0.734
0.000 1.266
input 3 148475.000 -54474.320
-22461.305 71539.375
input 4 37.000 -13.575
0.000 23.425
LISTING OF PEERS:
peer lambda weight
114 0.000
53 0.874
89 0.024
105 0.048 3 0.042
47 0.012

Results for firm: 88
Technical efficiency = 1.00 0
Scale efficiency = 0.943 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 1673050.000 0.000
0.000 1673050.000
output 2 17188.000 0.000
0.000 17188.000
output 3 47926.000 0.000
0.000 47926.000
input 1 446.000 0.000
0.000 446.000
input 2 1.000 0.000
0.000 1.000
input 3 12000.000 0.000
0.000 12000.000
input 4 6.000 0.000
0.000 6.000
LISTING OF PEERS:
peer lambda weight
88 1.000

Results for firm: 89
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 50846496.000 0.000
0.000 50846496.000
output 2 330525.000 0.000
0.000 330525.000
output 3 469746.000 0.000
0.000 469746.000
input 1 797.000 0. 000
0.000 797.000
input 2 4.000 0.000
0.000 4.000
input 3 300000.000 0.000
0.000 300000.000
input 4 76.000 0.000
0.000 76.000
LISTING OF PEERS:
peer lambda weight
89 1.000

Results for firm: 90
Technical efficiency = 0.625
Scale efficiency = 0.988 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 21219196.000 0.000
0.000 21219196.000 output 2 142595.000 0.000
41623.740 184218.740
output 3 204610.000 0.000
27682.718 232292.718
input 1 2141.000 -802.397
-711.527 627.076
input 2 2.000 -0.750
0.000 1.250
input 3 136400.000 -51119.539
0.000 85280.461
input 4 103.0 00 -38.602
-7.803 56.595
LISTING OF PEERS:
peer lambda weight
75 0.105
45 0.855
86 0.040

Results for firm: 91
Technical efficiency = 0.724
Scale efficiency = 0.541 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3121686.000 0.000
0.000 3121686.000
output 2 18227.000 0.000
0.000 18227.000
output 3 27070.000 0.000
12985.439 40055.439
input 1 359.000 -99.068
0.000 259.932
input 2 2.000 -0.552 –
0.446 1.002
input 3 329000.000 -90788.925
-228747.070 9464.005
input 4 10.000 -2.760
0.000 7.240
LISTING OF PEERS:
peer lambda weight
73 0.498
113 0.363
88 0.138
47 0.001

Results fo r firm: 92
Technical efficiency = 0.947
Scale efficiency = 0.978 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 34552188.000 0.000
18920770.144 53472958.144
output 2 274464.000 0.000
727151.825 1001615.825
output 3 432296.000 0.000
0.000 432296.000
input 1 4528.000 -240.269
-946.125 3341.606
input 2 2.000 -0.106
0.000 1.894
input 3 458000.000 -24302.782
-147171.638 286525.580

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

194
input 4 200.000 -10.613
0.000 189.387
LISTING OF PEERS:
peer lambda weight
45 0.315
86 0.616
3 0.070

Results for firm: 93
Technical efficiency = 0.528
Scale efficiency = 0.950 (irs)
PROJECTION SUMMARY:
variable original radial
slack project ed
value movement
movement value
output 1 26209704.000 0.000
0.000 26209704.000
output 2 140000.000 0.000
475693.770 615693.770
output 3 230167.000 0.000
20812.217 250979.217
input 1 3304.000 -1560.753
-1256.440 486.807
input 2 3.000 -1.417
0.000 1.583
input 3 371500.000 –
175490.202 0.000 196009.798
input 4 102.000 -48.183
0.000 53.817
LISTING OF PEERS:
peer lambda weight
89 0.146
114 0.144
53 0.146
45 0.564

Results for firm: 94
Technical efficiency = 0.650
Scale efficiency = 0.985 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 19344460.000 0.000
0.000 19344460.000
output 2 90987.000 0.000
12323.156 103310.156
output 3 239807.000 0.000
0.000 239807.000
input 1 435.000 -152.320
0.000 282.680
input 2 2.000 -0.700
0.000 1.300
input 3 144000.000 -50423.269
0.000 93576.731
input 4 71.000 -24.861
0.000 46.139
LISTING OF PEERS:
peer lambda weight
25 0.108
53 0.228
45 0.586
9 0.054
3 0.021
105 0.003

Results for firm: 95
Technical efficiency = 0.614
Scale efficiency = 0.983 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 5064230.000 0.000
762421.702 5826651.702
output 2 22464.000 0.000
29336.589 51800.589
output 3 71714.000 0.000
0.000 71714.000
input 1 764.000 -294.623
-113.136 356.241
input 2 2.000 -0.771 –
0.039 1.190
input 3 39905.000 -15388.647
0.000 24516.353
input 4 14.000 -5.399
0.000 8.601
LISTING OF PEERS:
peer lambda weight
1 0.036
73 0.923
83 0.041

Results for firm: 96
Technical efficiency = 0.609
Scale efficiency = 0.982 (irs)
PROJECTION SUMMA RY:
variable original radial
slack projected
value movement
movement value
output 1 12630557.000 0.000
1592322.261 14222879.261
output 2 47871.000 0.000
47420.345 95291.345
output 3 178628.000 0.000
0.000 178628.000
input 1 2415.000 -943.223
-865.080 606.697
input 2 2.000 -0.781
0.000 1.219
input 3 90395.000 -35305.437
0.000 55089.563
input 4 55.000 -21.481
0.000 33.519
LISTING OF PEERS:
peer lambda weight
9 0.072
101 0.074
45 0.440
73 0.413

Results for firm: 97
Technical efficiency = 1.000
Scale efficiency = 0.521 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value output 1 3690549.000 0.000
522127.541 4212676.541
output 2 7669.000 0.000
11514.597 19183.597
output 3 57232.000 0.000
0.000 57232.000
input 1 1268.000 0.000
-942.550 325.450
input 2 1.000 0.000
0.000 1.000
input 3 30860.000 0.000 –
20228.410 10631.590
input 4 18.000 0.000 –
11.185 6.815
LISTING OF PEERS:
peer lambda weight
88 0.185
73 0.815

Results for firm: 98
Technical efficiency = 1.000
Scale efficiency = 0.478 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3230696.000 0.000
0.000 3230696.000
output 2 18647.000 0.000
0.000 18647.000
output 3 48626.000 0.000
4984.350 53610.350
input 1 955.000 0.000 –
582.926 372.074
input 2 1.000 0.000
0.000 1.000
input 3 65639.000 0.000 –
54460.408 11178.592
input 4 15.000 0.000
-8.494 6.506
LISTING OF PEERS:
peer lambda weight
73 0.499
122 0.001
88 0.500

Results for firm: 99
Technical efficiency = 1.000
Scale efficiency = 0.502 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 1811536.000 0.000
1918012.601 3729548.601
output 2 41867.000 0.000
0.000 41867.000
output 3 41654.000 0.000
2256.945 43910.945
input 1 411.000 0.000 –
141.640 269.360
input 2 1.000 0.000
0.000 1.000
input 3 24000.000 0.000 –
12447.451 11552.549

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

195
input 4 12.000 0.000
-4.135 7.865
LISTING OF PEERS:
peer lambda weight
73 0.597
122 0.154
113 0.249

Results for fi rm: 100
Technical efficiency = 0.977
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 14486610.000 0.000
0.000 14486610.000
output 2 33569.000 0.000
32708.001 66277.001
output 3 161237.000 0.000
0.000 161237.000
input 1 587.000 -13.497
0.000 573.503
input 2 2.000 -0.046 –
0.047 1.908
input 3 41391.000 -951.702
0.000 40439.298
input 4 54.000 -1.242 –
10.616 42.142
LISTING OF PEERS:
peer lambda weight
9 0.154
75 0.300
73 0.210
111 0.337

Results for firm: 101
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 19747288.000 0.000
0.000 19747288.000
output 2 267985.000 0.000
0.000 267985.000
output 3 26640 2.000 0.000
0.000 266402.000
input 1 4266.000 0.000
0.000 4266.000
input 2 2.000 0.000
0.000 2.000
input 3 70536.000 0.000
0.000 70 536.000
input 4 57.000 0.000
0.000 57.000
LISTING OF PEERS:
peer lambda weight
101 1.000

Results for firm: 102
Technical efficiency = 0.500
Scale efficiency = 0.718 (irs) PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 9460606.000 0.000
1951256.660 11411862.660
output 2 37726.000 0.000
15668.978 53394.978
output 3 129728.000 0.000
0.000 129728.000
input 1 2016.000 -1008.000
-767.106 240.894
input 2 2.000 -1.000
0.000 1.000
input 3 140000.000 -70000.000
-22617.804 47382.196
input 4 67.000 -33.500
-10.824 22.676
LISTING OF PEERS:
peer lambda weight
73 0.158
45 0.316
53 0.526

Results for firm: 103
Technical efficiency = 0.736
Scale efficiency = 0.966 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 22099232.00 0 0.000
0.000 22099232.000
output 2 387671.000 0.000
0.000 387671.000
output 3 274991.000 0.000
0.000 274991.000
input 1 1254.000 -330.499
-164.909 758. 591
input 2 3.000 -0.791
0.000 2.209
input 3 138614.000 -36532.567
0.000 102081.433
input 4 67.000 -17.658
0.000 49.342
LISTING OF PEERS:
peer lambda w eight
9 0.279
73 0.459
34 0.053
24 0.128
75 0.062
47 0.019

Results for firm: 104
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 6725386.000 0.000
0.000 6725386.000 output 2 17672.000 0.000
0.000 17672.000
output 3 103185.000 0.000
0.000 103185.000
input 1 120.000 0.000
0.000 120.000
input 2 2.000 0.000
0.000 2.000
input 3 75000.000 0.00 0
0.000 75000.000
input 4 14.000 0.000
0.000 14.000
LISTING OF PEERS:
peer lambda weight
104 1.000

Results for firm: 105
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 13202772.000 0.000
0.000 13202772.000
output 2 22 0999.000 0.000
0.000 220999.000
output 3 159627.000 0.000
0.000 159627.000
input 1 300.000 0.000
0.000 300.000
input 2 1.000 0.000
0.000 1.000
input 3 115200.000 0.000
0.000 115200.000
input 4 28.000 0.000
0.000 28.000
LISTING OF PEERS:
peer lambda weight
105 1.000

Results for firm: 106
Technical effi ciency = 0.968
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 46932120.000 0. 000
0.000 46932120.000
output 2 1292931.000 0.000
1169724.824 2462655.824
output 3 256118.000 0.000
72979.570 329097.570
input 1 2775.000 -87.598
-471.926 2215.477
input 2 2.000 -0.063
0.000 1.937
input 3 563000.000 -17772.054
0.000 545227.946
input 4 124.000 -3.914
0.000 120.086
LISTING OF PEERS:
peer lambda weight
86 0.132

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

196
127 0.200
114 0.623
3 0.046

Results for firm: 107
Technical efficiency = 1.000
Scale efficiency = 0.853 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 18689932.000 0.000
0.000 18689932.000
output 2 137805.000 0.000
0.000 137805.000
output 3 175344.000 0.000
0.000 175344.000
input 1 224.000 0.000
0.000 224.000
input 2 2.000 0.000
0.000 2.000
input 3 100000.000 0.000
0.000 100000.000
input 4 63.000 0.000
0.000 63.000
LISTING OF PEERS:
peer lambda weight
107 1.000

Results for firm: 108
Technical efficiency = 0.933
Scale efficiency = 0.972 (irs)
PROJECTION SUMMARY:
variable origin al radial
slack projected
value movement
movement value
output 1 33435472.000 0.000
0.000 33435472.000
output 2 685868.000 0.000
440643.109 1126511 .109
output 3 280392.000 0.000
17065.677 297457.677
input 1 3482.000 -231.715
-2536.104 714.181
input 2 2.000 -0.133
0.000 1.867
input 3 320000.000 -21294.910
0.000 298705.090
input 4 74.000 -4.924
0.000 69.076
LISTING OF PEERS:
peer lambda weight
89 0.167
45 0.526
24 0.030
114 0.277

Results for firm: 109
Technical efficiency = 0.766
Scale efficiency = 0.997 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected value movement
movement value
output 1 32240936.000 0.000
0.000 32240936.000
output 2 472385.000 0.000
393826.608 866211.608
output 3 250173.000 0.000
49278.105 299451.105
input 1 2154.000 -504.810
0.000 1649.190
input 2 2.000 -0.469
0.000 1.531
input 3 321817.000 -75420.830
0.000 246396.170
input 4 104.000 -24.373
0.000 79.627
LISTING OF PEERS:
peer lambda weight
3 0.081
45 0.461
127 0.250
114 0.154
86 0.053

Results for firm: 110
Technical efficiency = 0.859
Scale efficiency = 0.802 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 5905211.000 0.000
0.000 5905211.000
output 2 24564.000 0.000
11508.451 36072.451
output 3 84092. 000 0.000
0.000 84092.000
input 1 176.000 -24.837
0.000 151.163
input 2 3.000 -0.423 –
1.223 1.353
input 3 46000.000 -6491.501
0.000 3950 8.499
input 4 18.000 -2.540
-2.090 13.370
LISTING OF PEERS:
peer lambda weight
113 0.235
61 0.156
53 0.411
104 0.197

Results for firm: 111
Technical efficiency = 1.000
Scale effic iency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3276309.000 0.000
0.000 327630 9.000
output 2 22398.000 0.000
0.000 22398.000
output 3 25400.000 0.000
0.000 25400.000 input 1 157.000 0.000
0.000 157.000
input 2 1.000 0.000
0.000 1.000
input 3 5974.000 0.000
0.000 5974.000
input 4 16.000 0.000
0.000 16.000
LISTING OF PEERS:
peer lambda weight
111 1.000

Results for firm: 112
Technical efficiency = 1.000
Scale efficiency = 0.482 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 8221997.000 0.000
0.000 8221997.000
output 2 74063.000 0.000
0.000 74063.000
output 3 66411.000 0.000
27412.607 93823.607
input 1 676.000 0.000 –
375.312 300.688
input 2 1.000 0.000
0.000 1.000
input 3 102000.000 0.000
-56629.862 45370.138
input 4 33.000 0.000 –
18.321 14.679
LISTING OF PEERS:
peer lambda weight
53 0.371
122 0.044
105 0.206
73 0.367
127 0.012

Results for firm: 113
Technical efficiency = 1.000
Scale efficiency = 0.463 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 1380086.000 0.000
0.000 1380086.000
output 2 10407.000 0.000
0.000 10407.000
output 3 10270.000 0.000
0.000 10270.000
input 1 137.000 0.000
0.000 137.000
input 2 1.000 0.000
0.000 1.000
input 3 7257.000 0.000
0.000 7257.000
input 4 8.000 0.000
0.000 8.000
LISTING OF PEERS:
peer lambda weight
113 1.000

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

197

Results for firm: 114
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PRO JECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 47700000.000 0.000
0.000 47700000.000
output 2 34000 00.000 0.000
0.000 3400000.000
output 3 296000.000 0.000
0.000 296000.000
input 1 1131.000 0.000
0.000 1131.000
input 2 2.000 0.000
0.000 2.000
input 3 710000.000 0.000
0.000 710000.000
input 4 106.000 0.000
0.000 106.000
LISTING OF PEERS:
peer lambda weight
114 1.000

Results for firm: 115
Technical effici ency = 1.000
Scale efficiency = 0.789 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 5943468.000 0.00 0
0.000 5943468.000
output 2 18542.000 0.000
0.000 18542.000
output 3 40218.000 0.000
0.000 40218.000
input 1 175.000 0.000
0.000 175.000
input 2 1.000 0.000
0.000 1.000
input 3 45688.000 0.000
0.000 45688.000
input 4 11.000 0.000
0.000 11.000
LISTING OF PEERS:
peer lambda weight
115 1.000

Results for firm: 116
Technical efficiency = 0.753
Scale efficiency = 0.995 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 29973522.000 0.000
0.000 29973522.000
output 2 2423717.000 0.000
0.000 2423717.000 output 3 211102.000 0.000
25948.449 237050.449
input 1 933.000 -230.719
0.000 702.281
input 2 3.000 -0.742
0.000 2.258
input 3 600000.000 –
148372.444 -53685.344 397942.212
input 4 90.000 -22.256
0.000 67.7 44
LISTING OF PEERS:
peer lambda weight
47 0.284
89 0.054
114 0.513
3 0.004
53 0.145

Results for firm: 117
Technical efficiency = 0.750
Scale efficiency = 0.847 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 15332766.000 0.000
0.000 15332766.000
output 2 820759.000 0.000
0.000 820759.000
output 3 133502.000 0.000
0.000 133502.000
input 1 388.000 -97.045
0.000 290.955
input 2 2.000 -0.500
0.000 1.500
input 3 3 30000.000 -82538.037
-34030.966 213430.998
input 4 52.000 -13.006
-3.329 35.665
LISTING OF PEERS:
peer lambda weight
53 0.560
29 0.049
45 0.039
114 0.052
128 0.300

Results for firm: 118
Technical efficiency = 0.637
Scale efficiency = 0.969 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 27529356.000 0.000
0.000 27529356.000
output 2 649076.000 0.000
360055.771 1009131.771
output 3 209681.000 0.000
35840.852 245521.852
input 1 1578.000 -573.048
0.000 1004.952
input 2 2.000 -0.726
0.000 1.274 input 3 479404.000 –
174094.854 -58524.974 246784.172
input 4 106.000 -38.494
0.000 67.506
LISTING OF PEERS:
peer lambda weight
114 0.243
127 0.091
86 0.031
45 0.635

Results for firm: 119
Technical efficiency = 1.000
Scale efficiency = 0.522 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 5097802.000 0.000
1025584.213 6123386.213
output 2 100767.000 0.000
0.000 100767.000
output 3 49764.000 0.000
17039.267 66803.267
input 1 236.000 0.000
-12.821 223.179
input 2 1.000 0.000
0.000 1.000
input 3 45000.000 0.000
-2444.613 42555.387
input 4 19.000 0.000
-1.032 17.968
LISTING OF PEERS:
peer lambda weight
111 0.416
122 0.113
105 0.315
113 0.156

Results for firm: 120
Technical efficiency = 1. 000
Scale efficiency = 0.981 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 38598048.000 0.000
0.000 38598048.000
output 2 2099349.000 0.000
0.000 2099349.000
output 3 193321.000 0.000
0.000 193321.000
input 1 720.000 0.000
0.000 720.000
input 2 2.000 0.000
0.000 2.000
input 3 789700.000 0.000
0.000 789700.000
input 4 87.000 0.000
0.000 87.000
LISTING OF PEERS:
peer lambda weight
120 1.000

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

198
Results for firm: 121
Technical efficiency = 0.957
Scale efficiency = 0.997 (drs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement valu e
output 1 55938136.000 0.000
0.000 55938136.000
output 2 1367710.000 0.000
1367318.702 2735028.702
output 3 429646.000 0.000
35889.349 465535.349
input 1 1965.000 -85.399
-155.059 1724.541
input 2 3.000 -0.130
0.000 2.870
input 3 1382000.000 –
60061.797 -728199.194 593739.009
input 4 120.000 -5.215
0.000 114.785
LISTI NG OF PEERS:
peer lambda weight
24 0.297
114 0.611
3 0.092

Results for firm: 122
Technical efficiency = 1.000
Scale efficiency = 0.606 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 3405762.000 0.000
0.000 3405762.000
output 2 178921.000 0.000
0.000 178921.000
output 3 383 35.000 0.000
0.000 38335.000
input 1 372.000 0.000
0.000 372.000
input 2 1.000 0.000
0.000 1.000
input 3 23272.000 0.000
0.000 2 3272.000
input 4 11.000 0.000
0.000 11.000
LISTING OF PEERS:
peer lambda weight
122 1.000

Results for firm: 123
Technical efficiency = 0.760
Scale efficiency = 0.992 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 28235692.000 0.000
4493985.635 32729677.635
output 2 2603027.000 0.00 0
0.000 2603027.000 output 3 265735.000 0.000
0.000 265735.000
input 1 6440.000 -1547.342
-3964.775 927.883
input 2 3.000 -0.721
0.000 2.279
input 3 824000.000 –
197982.828 -195731.527
430285.646
input 4 98.000 -23.547
0.000 74.453
LISTING OF PEERS:
peer lambda weight
114 0.535
47 0.264
24 0.072
105 0.129

Results for firm: 124
Technical efficiency = 0.879
Scale efficiency = 0.990 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 14264693.000 0.000
0.000 14264693.000
output 2 203977.000 0.000
0.000 203977.000
output 3 108015.000 0.000
30849.304 138864.304
input 1 627.000 -76.099
0.000 550.901
input 2 2.000 -0.243 –
0.233 1.525
input 3 125743.000 -15261.340
-988.760 109492.900
input 4 22.000 -2.670
0.000 19.330
LISTING OF PEERS:
peer lambda weight
83 0.231
47 0.003
53 0.747
89 0.018

Results for firm: 125
Technical efficiency = 0.822
Scale efficiency = 0.977 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 37285000.000 0.000
0.000 37285000.000
output 2 1883894.000 0.000
353565.219 2237459.219
output 3 231900.000 0.000
36363.875 268263.875
input 1 1794.000 -318.553
-633.876 841.571
input 2 2.000 -0.355
0.000 1.645 input 3 1043020.000 –
185204.934 -372938.483
484876.583
input 4 102.000 -18.112
0.000 83.888
LISTING OF PEERS:
peer lambda weight
45 0.341
53 0.014
114 0.645

Results for firm: 126
Technical efficiency = 1.000
Scale efficiency = 0.989 (irs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 32874008.000 0.000
0.000 32874008.000
output 2 470000.000 0.000
0.000 470000.000
output 3 298964.000 0.000
0.000 298964.000
input 1 306.000 0.000
0.000 306.000
input 2 3.000 0.000
0.000 3.000
input 3 387487.000 0.000
0.000 387487.000
input 4 65.000 0.000
0.000 65.000
LISTING OF PEERS:
peer lambda weight
126 1.000

Results for firm: 127
Technical efficiency = 1.000
Scale efficiency = 1.000 (crs)
PROJECTION SUMMARY:
variable original radial
slack projected
value movement
movement value
output 1 21400 508.000 0.000
0.000 21400508.000
output 2 598036.000 0.000
0.000 598036.000
output 3 187942.000 0.000
0.000 187942.000
input 1 3998.000 0.000
0.000 3998.000
input 2 1.000 0.000
0.000 1.000
input 3 152000.000 0.000
0.000 152000.000
input 4 55.000 0.000
0.000 55.000
LISTING OF PEERS:
peer la mbda weight
127 1.000

Results for firm: 128
Technical efficiency = 1.000
Scale efficiency = 0.969 (irs)

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

199
PROJECTION SUMMARY:
variable original radial
slack projected
value moveme nt
movement value
output 1 21936080.000 0.000
0.000 21936080.000 output 2 1493120.000 0.000
0.000 1493120.000
output 3 134072.000 0.000
0.000 134072.000
input 1 356.000 0.000
0.000 356.000
input 2 2.000 0.000
0.000 2.000 input 3 487500.000 0.000
0.000 487500.000
input 4 55.000 0.000
0.000 55.000
LISTING OF PEERS:
peer lambda weight
128 1.000

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

200
ANEXA NR. 28: Programe de calcul folosite pentru exemplificarea metodei SFA

verosim
function y=verosim(z,xbold,c)
%UNTITLED2 Summary of this function goes here
%Vectorul z are n+4 componente, unde n este nr. de componente ale lui xbold
%global c xbold w
%c=4;xbold=[3;8];
miu=0;
n=size(z)*[1;0];
beta0=z(1); % scalar
beta=z(2:n -3);% vector cu "n" componente
sigma=z(n -2);
lambda=z(n -1);
sigmag=z(n); % covarianta functiei g
sigmav=z(4)/sqrt(1+z(5)^2);
sigmau=sigmav*z(5);
S=-1;
R=1001; % nr. de puncte cu care se calculeaza media
pas=0.1; % latimea intervalului intre 2 puncte in care se calculeaza medie
y=0;
for i=-(R-1)/2:(R-1)/2 % se calculeaza media; (6) din [Barros]
w=i*pas;
epsilon=c -(beta0+w) -beta'*xbold;
arg=-S*lambda*epsilon/sigma;
%%Fimare=quad(@(x)distnorm(x,miu,sigma),0,abs(arg));
%%Fimic=distnorm(epsilon/sigma,miu,sigma);
miu=0;
Fimic=normpdf(epsilon/sigma,miu,1);
Fimare=normcdf(arg,miu,1);
y=y+2/sigma*Fimic*Fimare*normpdf(w,0,sigmag);
end
y=y/R;
end
verosim total
function y= verosimtotal(z)
% Aceasta procedura calculeaza verosimilitatea totala=produsul
% verosimilitatilor fiecarui aeroport
% X este o matrice ale carei linii sunt x_i, i=1,..,N
% C este un vector ale carui componente sunt c_i, i=1,…,N
global X C
X;
[N,m]=size(X);
y=1;
for i=1:N
L(i)=verosim(z,X(i,:)',C(i));
y=y*L(i);
end
y=-log10(y)
end

main_3(distribuție seminormală)
% Programul principal
clear;
global X C
Xinit=[853e+6 7 40e+6;228e+6 237e+6;143e+6 143e+6;490e+5 412e+5];
Cinit=[1400e+6;361e+6;224e+6;52e+6];
X=log(Xinit)
C=log(Cinit)
k=1e-0; %k=1e-6; %Factor de scalare
z=[1 1 1 1 0.5 100]';
%z=[1 1 1 10 0.5 2000]';

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

201
%z=[1.4e+6 1.7 5e -2 1e+5 0.8 30]';
X=k*X;
C=k*C;
options= optimset( 'fmincon' );
optnew = optimset(options, 'Algorithm' ,'interior –
point','DiffMaxChange' ,Inf,'DiffMinChange' ,0,…
'ScaleProblem' ,'none');
[Zoptim,fval,exitflag]=fmincon(@verosimtotal,z,[],[],[],[],[0.1 0.1 1e -3 1e-3 0.1
0.1]',…
[2e+1 1e+2 1e+2 1e+2 10 1e+2]',[],optnew); % 1e-8*ones(7,1),1e+10*z)
Zoptim(1)=k^( -1)*Zoptim(1);
Zoptim(4)=k^( -1)*Zoptim(4);
%Se face aducerea matricilor X si C la forma initiala
X=k^(-1)*X;
%
C=k^(-1)*C;

medieu_2(distribuție seminormală)
% Relatia (3) din Jondrow
% Date intrare: sigmau, sigmav
% Date iesire: E(u|epsilon)
sigmav=Zoptim(4)/sqrt(1+Zoptim(5)^2);
sigmau=sigmav*Zoptim(5);
sigma=sqrt(sigmau^2+sigmav^2);
for i=1:4
zgomot=randn(1);
epsilon=C(i) -(Zoptim(1)+sqrt(Zoptim(6))*zgomot) -Zoptim(2)*X(i,1) -Zoptim(3)*X (i,2);
S=-1;
miustar= -S*sigmau^2*epsilon/sigma^2;
sigmastar=sigmau*sigmav/sigma; % Prima relatie din Sectiunea 2
lambda=sigmau/sigmav;
arg=S*epsilon*lambda/sigma; % Atentie: s -a schimbat semnul pt. ca este nevoie de de
epsilon=v+u
F=quad(@(x)distnorm(x, 0,1),0,abs(arg));
% f=normpdf(arg,miustar,sigmastar);
%F=normcdf(arg,miustar,sigmastar);
f=normpdf(arg,0,1);
mediacond(i)=abs(sigmastar*(f/(1 -F)-arg))
eps(i)=epsilon;
fnom(i)=Zoptim(1)+sqrt(Zoptim(6))*zgomot+Zoptim(2)*X(i,1)+Zoptim(3)*X(i,2);
end
clf
% i=0;
%
%
% for h=0.02:0.01:0.1,
% i=i+1;
% j=0;
% for sigma=0.1:0.1:2,
% j=j+1;
% gamopt(i,j)=mixed_H2_H_inf_new(h,sigma);
%
% end
% end
%
plot3(X(:,1),X(:,2),fnom(:), 'b',X(:,1),X(:,2),C(:), 'gx',X(:,1),X(:,2),mediacond, 'ro'
)
%axis([min(X(:,1)) max(X(:,1)) min(X(:,2)) max(X(:,2)) min(C(:)) max(C(:))])
grid on
% h=0.02:0.01:0.1,%%%0.025:0.005:0.1;
% sigma=0.1:0.1:2;
% surfl(h,sigma,gamopt');

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

202
% shading interp;
% colormap([.85 .85 .85]);
% %meshc (h,sigma,gamopt);

main_exp (distribuție exponențială)
% Programul principal
clear;
global X C
Xinit=[853e+6 740e+6;228e+6 237e+6;143e+6 143e+6;490e+5 412e+5];
Cinit=[1400e+6;361e+6;224e+6;52e+6];
X=log(Xinit)
C=log(Cinit)
k=1e+0; %k=1e-6; %Factor de sca lare
z=[1 1 1 1 0.5 0.1]'; %Conditii initiale
%z=[1 1 1 10 0.5 2000]';
%z=[1.4e+6 1.7 5e -2 1e+5 0.8 30]';
X=k*X;
C=k*C;
options=optimset( 'fmincon' );
optnew = optimset(options, 'Algorithm' ,'interior –
point','DiffMaxChange' ,Inf,'DiffMinChange' ,0,…
'ScaleProblem' ,'none');
[Zoptim,fval,exitflag]=fmincon(@verosimtotalexp,z,[],[],[],[],[0.1 0.1 1e -3 1e-3 0.1
0.1]',…
[2e+2 1e+2 1e+2 1e+2 100 100]',[],optnew); % 1e-8*ones(7,1),1e+10*z)
Zoptim(1)=k^( -1)*Zoptim(1);
Zoptim(4)=k^( -1)*Zoptim(4);
%Se face aducere a matricilor X si C la forma initiala
X=k^(-1)*X;
%
C=k^(-1)*C;

medieu_exp (distribuție exponențială)
%Procedura de calcul "u" si "v" la SFA
global X C
% Relatia (3) din Jondrow
% Date intrare: sigmau, sigmav
% Date iesire: E(u|epsilon)
sigmav=Zoptim(5) ;
sigmau=1/Zoptim(4);
sigma=sqrt(sigmau^2+sigmav^2);
for i=1:4
zgomot=randn(1);
epsilon=C(i) -(Zoptim(1)+sqrt(Zoptim(6))*zgomot) -Zoptim(2)*X(i,1) -Zoptim(3)*X(i,2);
S=-1;
A=S*epsilon/sigmav+sigmav/sigmau;
F=normcdf(A,0,1);
f=normpdf(A,0,1);
mediacond (i)=sigmav*(f/(1 -F)-A)
eps(i)=epsilon;
fnom(i)=Zoptim(1)+sqrt(Zoptim(6))*zgomot+Zoptim(2)*X(i,1)+Zoptim(3)*X(i,2);
end
clf
% i=0;
% for h=0.02:0.01:0.1,
% i=i+1;
% j=0;
% for sigma=0.1:0.1:2,
% j=j+1;
% gamopt(i,j)=mixed _H2_H_inf_new(h,sigma);
%

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

203
% end
% end
plot3(X(:,1),X(:,2),fnom(:), 'b',X(:,1),X(:,2),C(:), 'gx',X(:,1),X(:,2),mediacond, 'ro'
)
%axis([min(X(:,1)) max(X(:,1)) min(X(:,2)) max(X(:,2)) min(C(:)) max(C(:))])
grid on
% h=0.02:0.01:0.1,%%%0.025:0 .005:0.1;
% sigma=0.1:0.1:2;
% surfl(h,sigma,gamopt');
% shading interp;
% colormap([.85 .85 .85]);
% %meshc(h,sigma,gamopt);

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

204

BIBLIOGRAFIE

1. Adler, N., Berechman, J., „Measuring Airport Quality from the Airlines‟ Viewpoint: An
Application of Da ta Envelopment analysis”, Transport Policy, 8, pp 171 -181, 2001;
2. Adler, Nicole; Raveh, Adi, Presenting DEA graphically, Omega -The International Journal of
Management Science;
3. Aigner, D., Lovell, C.A.K., Schmidt, P., Formulation and estimation of stochasti c frontier
production models, Journal of Econometrics, 6, pp. 21 -37, 1977;
4. Air Transport Research Society, Airport Benchmarking Report 2010: Global standards for
airport excellence;
5. Airport Council International (ACI), Airport Benchmarking to Maximise Effi ciency, iulie
2006;
6. Airport Council International, A Strategic Response To The Liberalised Market, decembrie
1997;
7. Airports Council International (ACI), Annual Report 2008, ACI website 2009 www.aci.aero;
8. Ali, A.S., Seiford, L.M., The Mathematical Programmi ng Approach to Efficiency Analysis,
The Measurement of Productive Efficiency, Oxford University Press, New York, p.120 -129,
1993;
9. American Productivity and Quality Center -Basic of Benchmarking, Houston, 1993
10. Anderson, B., Peterson, P.G., The Benchmarking H andbook, Chapman and Hall, Londra,
1996;
11. Ashford, Norman și Wright, Paul H., Airport Engineering, Ediția a treia, John Wiley & Sons,
1992;
12. Ashford., N., Moore, C., Airport Finance, Loughborough Airport Consultancy, ediția a doua,
1999;
13. Australian Competiti on & Consumer Commission, Airport monitoring report 2007 –08 – Price,
financial performance and quality of service monitoring, martie 2009;
14. Australian Government, Department of Infrastructure, Transport, Regional Development and
Local Government, National A viation Policy White Paper: Flight Path to the Future,
decembrie 2009;
15. Autoritatea Aeronautică Civilă Română, AIP Romania (Publicația de Informare Aeronautică),
disponibil doar pentru consultare la www.aisro.ro;
16. BAA Corporate Responsibility Report 2008;
17. Banker, R.D., Charnes A., Cooper, W.W., Some Models for Estimating Technical and Scale
Inefficiencies in Data Envelopment Analysis, Management Science vol. 30, iss. 9, 1984, pp.
1078 -1092;
18. Barrett, Sean D., Airport competition in the deregulated European avi ation market, Journal of
Air Transport Management 6 (2000), pp. 13 -27;
19. Barros, C.P., Sampaio, A., Technical and Allocative Efficiency in Airports, International
Journal of Transport Economics, 31, pp 355 -377, 2004;
20. Barros, C.P., & Dieke, P.U.C., Performanc e Evaluation of Italian Airports with Data
Envelopment Analysis, Journal of Air Transport Management,13, pp 184 -191, 2007;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

205
21. Barros, C.P., Technical change and productivity growth in airports: A case study,
Transportation Research, Part A, 42, 5, pp 818 -832, 2008;
22. Bazargan, Massoud, Airline operations and scheduling, ediția a doua, Ashgate Publishing
Limited, 2010;
23. Behnen, Tobias, Germany‟s changing airport infrastructure: the prospects for “newcomer”
airports attempting market entry, Journal of Transport Geo graphy 12 (2004), pp. 277 –286.
24. Belobaba, Peter, Odoni, Amedeo, Barnhart, Cynthia, The Global Airline Industry, John Wiley
& Sons, L td., 2009;
25. Bogan, Christopher E., English, Michael J., Benchmarking for best practices: Winning
through innovative adaptatio n, McGraw -Hill, 1994;
26. Brusati, Marco, Programma di finanziamento di R&S della Comunità Europea in campo
aeronautico, Politecnico di Milano, ian. 2009;
27. Bureau of Infrastructure, Transport and Regional Economics, Air passenger movements
through capital city airports to 2025 –26, Working Paper 72, Canberra 2008;
28. Bureau Of Transport And Communications Economics, International Aviation: Trends and
Issues, Report 86, Australian Government Publishing Service, Canberra 1994;
29. Bureau of Transport and Regional Economic s, Regional Public Transport In Australia:
Economic Regulation And Assistance Measures, Working Paper 54, Canberra 2003;
30. Burghouwt, Guillaume, Airline Network Development in Europe and its Implications for
Airport Planning, Ashgate Publishing Limited, 2007 ;
31. Button, K., Taylor, S., International air transportation and economic development, Journal on
Air Transport Management, nr. 6, 2000;
32. Casarotto, Massimo, Medici, Giorgio, Il Processo Di Assistenza Aeroportuale, SEA -Aeroporti
di Milano, Politecnico di Mila no, 2005;
33. Caves, D.W., Christensen, L.R., Diewert, W. E., Multilateral Comparisons of Output, Input
and Productivity Using Superlative Index Numbers, Economic Journal, 92/1982, pp. 73 -86;
34. Charnes, A., Cooper, W.W., Rhodes, E., Measuring the efficiency of decision making units,
European Journal of Operational Research, 2/1978, pp. 429 -444;
35. Civil Aviation Authority (UK), The Use of Benchmarking in the Airport Reviews, 2000;
36. Cobb, C., Douglas, P.H., A Theory of Production, American Economic Review, Supplement
18, pp. 139 -165, 1928;
37. Coelli, T.J. and S. Perelman (1996), A Comparison of Parametric and Non -parametric
Distance Functions: With Application to European Railways, CREPP Discussion Paper,
University of Liege, Liege.
38. Coelli, Timothy J., A Guide to DEAP Ve rsion 2.1: A Data Envelopment Analysis (Computer)
Program, Centre for Efficiency and Productivity Analysis (CEPA), Working Paper 96/08,
1996;
39. Coelli, Timothy J., Rao, Prasada D.S., O‟Donnell, Christopher J., Battese, George E., An
introduction to efficienc y and productivity analysis, Springer Science+Business Media, Inc.,
2005;
40. Comite d‟Actions pour la Mis en Place de Societes Aeroportaires, “Le Livre Blanc des grands
aéroports régionaux français”, noiembrie 2002;
41. Cooper, W.W., Seiford, L.M., Zhu, J., Data Envelopment Analysis: History, Models and
InterpretationsI, Kluwer Academic Publishers, Boston, 2004;
42. Cooper, William W., Seiford, Lawrence M., Tone, Kaoru, Data Envelopment Analysis: A
comprehensive text with models, applications, references and dea -solve r software, ed. a doua,
Springer Science+Business Media, LLC, 2007;
43. Czerny, Achim I., Zhang, Anming, Airport congestion pricing and passenger types,
Transportation Research Part B, 2010;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

206
44. d‟Orey, Rui Albuquerque, Portuguese Airport Charges (A Benchmark exer cice), Instituto
Superior de Economia e Gestao, octombrie 2008;
45. Dallanoce, P., La gestione operativa degli aeroporti di Linate e Malpensa, Politecnico di
Milano, noiembrie 2007;
46. Dallanoce, Paolo Il coordinamento degli scali milanesi, Politecnico di Milano, noiembrie
2004;
47. Deming, W. Edwards, Out of the Crisis, MIT Center for Advanced Engineering Study, 1986;
48. Dennis, Nigel, Developments of Hubbing at Europeean Airports, Air & Space Europe l, vol. 3
l, Nr. l/2 – 2001;
49. Doganis, Rigas, Flying off Course: The E conomics of International Airlines, ediția a doua,
Taylor & Francis, 2005;
50. Doganis, Rigas, The airport business, Taylor & Francis 2005;
51. Erie, Steven P., Mckenzie, Andrew, MacKenzie, Scott, Shaler, Susan Regional Airport
Management Study, Citigroup Technolo gies Corporation, septembrie 2005;
52. Fare, R., S. Grosskopf, and C.A.K. Lovell (1994), Production Frontiers, Cambridge University
Press.
53. Farrell, M.J., The Measurement of Productive Efficiency, Journal of the Royal Statistical
Society, 1957, A CXX, Part 3, p p. 253 -290;
54. Federal Aviation Administration, Aviation Capacity Enhancement Plan, 2000;
55. Federal Aviation Administration, The MITRE Corporation, Airport Capacity Benchmark
Report 2004, septembrie 2004;
56. Federal Aviation Authorities (FAA), FAA Airport Benefit – Cost Analysis Guidance, Draft
report, FAA Office of Aviation Policy and Plans,1997;
57. Fernandez, Elton; Pacheo, R. Rodriquez, Airport Management: a strategic approach, Springer
Science Business Media B.V. 2006;
58. Fisher, J.B., Managing demand to reduce airpo rt congestion and delays, Transportation
Research, nr. 1218, Transportation Research Board, National Research Council, 1989,
Washington D.C., pag. 1 -10;
59. International Monetary Fund, Producer price index manual : theory and practice,
Washington, D.C., 200 4;
60. Fry, Jackie, Humphreys, Ian, Francis, Graham Benchmarking in civil aviation: some empirical
evidence, Benchmarking: An International Journal Vol. 12 No. 2, 2005, pp. 125 -137;
61. Geacăr, C. M., Ion, D. C. and Stoica, A. M., Language Modeling in Air Traffic Control,
U.P.B. Sci. Bull., Series D, Vol. 74, Iss. 4, 2012;
62. Gillen, D., Lall, A., Non -Parametric Measures of Efficiency of US Airports,
International Journal of Transport Economics, 28, pp 283 -306, 1997;
63. Gillen, D., Henriksson, L., Morrison, B., Airport Financing, Costing, Pricing and
Performance, Research conducted for the Canada Transportation Act Review, aprilie 2001;
64. Graham, Anne, Airport benchmarking: a review of the current situation, Benchmarking: an
international journal, 12 (2), 2005, pp. 99 -111.
65. Graham, Anne, Dennis, Nigel, Airport traffic and financial performance: a UK and Ireland
case study, Journal of Transport Geography 15/2007, pp. 161 –171;
66. Graham, Anne, Limits to air transport growth: the demand factors, 1996;
67. Graham, Anne, Managing Airpor ts, ediția a treia, editura Elsevier, 2008;
68. Graham, Brian, Guyer, Claire, Environmental sustainability, airport capacity and European air
transport liberalization: irreconcilable goals?, Journal of Transport Geography 7/1999, pp. 165
– 180;
69. Greene, W., Dis tinguishing Between Heterogeneity and Inefficiency, Heath Economics, 13
(10), pp. 959 -980, 2004;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

207
70. Greene, W., Fixed and random effects in stochastic frontier models, Journal of Productivity
Analysis, 23, pp. 7 -32, 2005;
71. Hancioglu, Bülent, The Market power o f Airports, Regulatory Issues and Competition
between Airports, GAP Project website, www.gap -projekt.de, 2008;
72. Hess, Stephane, Polak, John W., Mixed logit modelling of airport choice in multi -airport
regions, Journal of Air Transport Management 11/2005, p p. 59 –68;
73. Hoerter, Sam, The Airport Management Primer, ediția a doua, Mount Pleasant, South Carolina
2001;
74. Holloway , Stephen, Straight and Level: Practical Airline Economics, ediția a treia, Ashgate
Publishing Limited, 2008;
75. ICAO, Financial situation of a irports and air navigation services, 2000;
76. Institut d‟Innovation Informatique pour l‟Entreprise, Le Benchmarking (Analyse comparative)
Concept Et Mise En Place, 2003;
77. International Air Transport Asociation (IATA), Fact Sheet – Industry Statistics, IATA web site
2011;
78. International Air Transport Association (IATA), Annual Report 2011, www.iata.org;
79. Ion, D. C., Zaharia, S.E., Using DEA for determining operational performance of airports,
Review of Management and Economic Engineering, Vol. 11, Nr. 2, pp. 129 -144, 2012;
80. Ion, D.C., Boșcoianu, M., Determining the sensitivity of Data Envelopment Analysis method
used in airport benchmarking,INCAS BULLETIN, Volume 5, Issue 1/ 2013, pp. 121 – 134
ISSN 2066 – 8201;
81. Ion, D.C., Geacăr, C.M., „Estimation of the cost funct ion using bayesian approach”, U.P.B.
Sci. Bull., Series D, Vol. 74, Iss. 4, 2012;
82. Ion, D.C., Impact of globalization on airport industry, AFASES 2011, ISSN:2247 -3173;
83. Janic, Milan, Methodology for sustainability of an air transport system, Journal of Air
Transportation, 2002;
84. Jondurow, J., Lovell, C.A.K., Materov, I.S., Schmidt, P., On the estimation of technical
inefficiency in the stochastic frontier production function model, Journal of Econometrics, 19,
pp 233 -238, 1982,
85. Kamp, Vanessa; Niemeier, Hans -Martin, Benchmarking Of German Airports – Some First
Results And An Agenda For Further Research, GAP Project website, www.gap -projekt.de;
86. Kamp, Vanessa; Niemeier, Hans -Martin, Can we learn from benchmarking studies of airports
and where do we want to go fro m here?, GAP Project website, www.gap -projekt.de;
87. Kazda , Antonín, Caves, Robert E., Airport design and operation, Elsevier Ltd., 2007;
88. Kolletzek, Massimo, Gli Aeroporti Italiani in Europa, Piacenza, 03 nov 2005;
89. Kozak, Metin, Destination Benchmarking. Co ncepts, Practices and Operations, CABI
Publishing, 2004;
90. Leibert, V., Niemeier, H. -M., Benchmarking of Airports – a Critical Assessment, WCTR
World Conference, 11 -15 Iulie 2010, Lisabona;
91. Lemaitre, Anne, The development of performance indicators at airport s: A management
perspective, 8th World Conference on Transport Research, Antwerp, iulie 1998;
92. Lian, Jon Inge, Rønnevik, Joachim, Airport competition – Regional airports losing ground to
main airports, Journal of Transport Geography 19/2011, pp. 85 –92;
93. Mack enzie -Williams, Peter Aviation benchmarking: issues and industry insights from
benchmarking results, Benchmarking: An International Journal Vol. 12 No. 2, 2005, pp. 112 –
124;
94. Malighettia, Paolo, Palearia, Stefano, Redondi, Renato, Connectivity of the Europe an airport
network: „„Self -help hubbing‟‟and business implications, Journal of Air Transport
Management 14/2008, pp. 53 –65;

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

208
95. McLay, Peter, Reynolds -Feighan, Aisling, Competition between airport terminals: The issues
facing Dublin Airport, Transportation Res earch Part A, 40/2006, pp. 181 –203;
96. Meeusen, W., van den Broeck, J., Efficiency estimation from Cobb -Douglas production
functions with composed error, International Economic Review, 18 (2), pp.435 -444, 1977;
97. Martin, J.C., Roman, C., An application of DEA t o measure the efficincy of Spanish airports
prior to privatisation, Journal of Air Transport Management, 7, pp 149 -157, 2001;
98. Morrell, Peter S., Airline Finance, ediția a treia, Ashgate Publishing Limited, 2007;
99. Müller, Jürgen, Orak,, Günes, Petkov, Evgeni , Schulz, Stefan, Restructuring of the European
Ground Handling Market after the EU Market Liberalization, GAP Project website, www.gap –
projekt.de ;
100. Müller, Jürgen; Ülkü, Tolga; Živanović, Jelena, Privatization, restr ucturing and its effects on
performance: A comparison between German and British airports, 2009 GAP Project website,
www.gap -projekt.de;
101. Müller -Rostin, Christiane, Niemeier, Hans -Martin, Ivanova, Plamena, Müller, Jürgen,
Hannak, Ignaz, Ehmer, Hansjochen, A irport Entry and Exit: A European Analysis, iulie 2008,
GAP Project website, www.gap -projekt.de;
102. Mumayiz, S.A., A Methodology For Planning And Operations Management Of Airport
Passenger Terminals: A Capacity / Level Of Service Approach, Loughborough Unive rsity,
1985;
103. Oum, T. H., Yan, J., Yu, C, Ownership Forms Matter for Airport Efficiency: A Stochastic
Frontier Investigation of Worldwide Airports, Journal of Urban Economics, 64/2008, pp. 422 –
435;
104. Oum, Tae H.; Adler, Nicole; Yu, Chunyan, Privatization, co rporatization, ownership forms
and their effects on the performance of the world‟s major airports, Journal of Air Transport
Management, 2006;
105. Pashkin, Roman, Retail management structures and retail revenues in North American
airports, Humboldt -Universitat zu Berlin, School of Business and Economics, 2010;
106. Pels, E., Nijkamp, P., Rietveld, P., Relative Efficiency of European Airports, Transport
Policy, 8/2001, pp. 183 -192;
107. Pels, Eric, Nijkamp, Peter, Rietveld, Piet, Access to and competition between airport s: a case
study for the San Francisco Bay area, Transportation Research Part A, 37/2003, pp. 71 –83;
108. Pels, Eric, Nijkamp, Peter, Rietveld, Piet, Substitution and complementarity in aviation:
airports vs airlines, Transportation Research. -part E, vol. 33, nr . 4, 1997, pp. 275 -286;
109. Picardi, Renato, Airports as Multimodal Interchange Nodes, European Conference of
Ministers of Transport, Paris, 2003;
110. Picardi, Renato, Logistica e Organizzazione del Transporto Aereo, Politecnico di Milano,
1999;
111. Porter, L.J., Tann er, S.J., Assessing Business Excellence, Butterworth -Heinemann, 1998
112. Pulakos, Elaine D., Performance Management: A New Approach for Driving Business , John
Wiley & Sons, Ltd., 2009;
113. Reynolds -Feighan,, Aisling J. Europeean and American approaches to air tra nsport
liberalization: some implications for small communities, Transportation Research Part A, vol
29A, Nr.6/1995, pp. 467 – 483;
114. Reynolds -Feighan,, Aisling J., Traffic distribution in low -cost and full -service carrier
networks in the US air transportatio n market, Journal of Air Transport Management 7/2001,
pp. 265 –275;
115. Robertson, John A. W., Airports and economic regeneration, Journal of Air Transport
Management, vol. 2, nr. 2, 1995, pp. 81 -88;
116. Schmidt, P., Lovell, C.A.K., Estimating technical and allocat ive inefficincy relative to

OPTIMIZAREA PERFORMANȚELOR OPERAȚIONALE ALE AEROPORTURILOR

209
stochastic production and cost frontiers, Journal of econometrics 9, pp 343 -366, 1979;
117. SEA -Aeroporti di Milano, Carta dei servizi Linate 2010, http://sea -aeroportimilano.it;
118. SEA -Aeroporti di Milano, Carta dei servizi Malpensa 20 10, http://sea -aeroportimilano.it;
119. Sharp, R., Starkie, D., Marchant, J., The UK Airport Industry – Airport Statistics 2008 -2009,
University of Bath, 2010;
120. Shaw, Stephen, Airline marketing and management, Ashgate Publishing Limited, 2007;
121. Sonderstorm, T., S toica, P., System Identification, Prentice Hall 1989;
122. Starkie, David, Airport regulation and competition, Journal of Air Transport Management,
8/2002, pp. 63 –72;
123. Subash, Ray, Data envelopment analysis: theory and techniques for economics and and
operations research, Cambridge University Press, 2004;
124. UK Civil Aviation Authotrity (CAA), The use of benchmarking in airport review,
Consultation paper, 2000;
125. Volkova, Nadezda, Determinants of retail revenue for today‟s airports, GAP Project website,
www.gap -projek t.de, 2003;
126. Wang, Jun, Provan, Gregory, A Benchmark Diagnostic Model Generation System, 2002;
127. Wensveen, John G., Air Transportation: A Management Perspective – ediția a șasea, TJ
International Ltd., 2006;
128. Wolszczak, Grzegorz, Airport Charges Regulation: Th e Impact of the Institutional Structure
on the Regulatory Process, GAP Project website;
129. Zairi, Mohamed, Effective benchmarking: learning from the best, Chapman and Hall,
Springer, 1996;
130. Zenglein, Max J.; Müller, Jürgen, Non -Aviation Revenue in the Airport Business – Evaluating
Performance Measurement for a Changing Value Proposition, 2009 GAP Project website,
www.gap -projekt.de;
131. Zhang, Anming, Zhang, Yimin, Airport capacity and congestion when carriers have market
power, Journal of Urban Economics, Nr. 60/2 006, pp. 229 –247;
132. Zhang, Yunlong, Xie, Yuanchang, Small community airport choice behavior analysis: A case
study of GTR, Journal of Air Transport Management, 11/2005, pp. 442 –447;
133. Zuidberg, Joost; Veldhuis, Jan, Benchmark for airport charges and government al taxes for the
years 2003, 2006 and 2007, SEO Econonomic Research, SEO report nr. 2008 -24 A,
Amsterdam, mai 2008.