Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012 http://dx.doi.org/10.

1590/S0103-65132012005000036

Estudo da logstica de distribuio fsica de um laticnio utilizando lgica fuzzy

Alysson Vincius Neves dos Santosa*, Leonardo Bonato Felixb, Jos Geraldo Vidal Vieirac
*alysson.santos@ufv.br, UFV, Brasil b leobonato@ufv.br, UFV, Brasil c jose-vidal@ufscar.br, UFSCar, Brasil
a

Resumo
Este estudo versa sobre a viabilidade da aplicao da lgica fuzzy para auxiliar o gerente de uma indstria de laticnios na tomada de deciso na rea de logstica de distribuio fsica. O estudo de caso realizado numa indstria de laticnios de pequeno porte em Minas Gerais identificou que, a cada novo pedido solicitado via internet, o profissional de logstica manipula ao mesmo tempo um grande nmero de informaes e decide, com base na sua experincia, a melhor forma de distribuio desses pedidos. A proposta deste trabalho apresentar um modelo fuzzy como uma alternativa de apoio aos mtodos tradicionais de processamento de pedidos e tomada de deciso logstica. Os resultados permitiram concluir que o modelo foi transcrito de forma adequada ao problema proposto ao apresentar as mesmas decises tomadas pelo especialista e que, se observados os pontos fracos detectados, este modelo pode se constituir em importante ferramenta para a competitividade das indstrias.

Palavras-chave
Distribuio fsica. Lgica fuzzy. Indstria de laticnio.

1. Introduo
Em todos os setores de atividades industriais, a importncia da otimizao da produtividade e eficincia dos processos e a melhoria na qualidade dos servios prestados so cada vez mais crescentes, motivadas pela necessidade do aumento da competitividade em um mercado globalizado. O setor agroindustrial, ramo da indstria estudada neste trabalho, bastante dependente dos processos logsticos de distribuio fsica, por lidar exclusivamente com produtos perecveis. A distribuio fsica compreende os processos de estocagem, transporte, controle, intercmbio de dados e fluxo financeiro, que permitem transferir produtos desde o fabricante at o consumidor final. Ela tem como objetivo garantir que o produto certo seja entregue ao consumidor final, no lugar correto, no momento exato e com o nvel de servios desejado pelo cliente, buscando minimizar os custos dos servios logsticos. No estudo de caso deste trabalho foi identificado que um empecilho para a tomada de decises em distribuio fsica na indstria o volume de informaes no processamento de pedidos que precisam ser analisadas simultaneamente, consumindo tempo e, consequentemente, incorrendo custos para a indstria. Nesse contexto, ferramentas de inteligncia artificial (IA) surgem como alternativas de apoio aos mtodos tradicionais de processamento de pedidos e tomada de deciso em transportes, atividadeschave da logstica de distribuio. A construo de uma metodologia de apoio deciso atravs do uso de tcnicas de IA com o intuito de viabilizar e facilitar o planejamento e controle das atividades logsticas interessante no s do ponto de vista de gerenciamento do sistema, mas tambm da verificao da aplicabilidade dessas tcnicas em relao ao problema proposto. Assim, este trabalho prope uma metodologia baseada em lgica fuzzy para auxiliar o tomador de deciso na escolha da melhor estratgia de distribuio
*UFV, Viosa, MG, Brasil Recebido 18/08/2010; Aceito 10/10/2011

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

577

dos produtos a partir do laticnio, tendo como foco a agilizao dos processos de distribuio e a reduo de custos logsticos.

Fluxos de informao e processamento de pedidos.

2. Reviso bibliogrfica 2.1. Logstica de distribuio fsica

Segundo o Conselho de Profissionais da Gesto da Cadeia de Suprimentos*, logstica a parte da gesto da cadeia de suprimentos que planeja, implementa e controla o fluxo eficiente e eficaz (direto ou reverso) de mercadorias, servios e informaes relativas desde o ponto de origem at o ponto de consumo com o propsito de atender s exigncias dos clientes (COUNCIL, 2007). A logstica de distribuio fsica opera em um movimento jusante da cadeia de suprimentos e se refere ao desempenho de todas as funes exigidas para ligar produtores a clientes finais. Bowersox, Closs e Cooper (2006) identificam quatro participantes do canal de distribuio: os fabricantes, atacadistas, varejistas e consumidores. Com relao estrutura, a distribuio fsica pode ser direta ou indireta. Na distribuio direta, o fabricante estrutura sua rede de transporte de forma que todas as entregas cheguem diretamente ao consumidor, sem envolvimento intermedirio. J na distribuio indireta, o produto passa por alguns intermedirios (e.g., atacadistas e varejistas) antes de chegar ao consumidor, ou usurio final (BOWERSOX; CLOSS; COOPER, 2006; CHOPRA; MEINDL, 2003). Bowersox, Closs e Cooper (2006) ainda classificam a distribuio fsica com relao cobertura de mercado, podendo ser intensiva, seletiva ou exclusiva. A distribuio intensiva se d quando a colocao do produto feita em quantos pontos de venda ou lugares for possvel. Na distribuio seletiva a colocao de um produto feita em um nmero mais limitado de pontos de venda. Por fim, a distribuio exclusiva o oposto da distribuio intensiva e envolve a colocao de um produto em apenas um ponto de venda, em cada rea geogrfica. As atividades que compem a logstica de distribuio podem variar de acordo com as empresas, mas as atividades-chave (i.e., aquelas que esto no circuito crtico do canal de distribuio fsica imediato de uma empresa) so as seguintes (BALLOU, 2006):
Servios ao cliente padronizados; Transporte; Gerncia de estoques; e
* Traduo nossa para Council of Supply Chain Management Professionals.

Os padres dos servios aos clientes definem a qualidade dos servios, bem como o ndice de agilidade com os quais o sistema logstico deve reagir. Ballou (2006) ressalta que os custos logsticos aumentam proporcionalmente ao nvel de servio oferecido. O transporte, de acordo com Gurgel (2000), um elo essencial entre a expedio da empresa e o cliente. Em termos de distribuio fsica, o transporte consiste no movimento do produto entre a unidade produtiva e o cliente. Para Chopra e Meindl (2003), o transporte exerce um papel crucial na logstica de distribuio uma vez que os produtos raramente so fabricados e consumidos no mesmo local. Ballou (2006) lista cinco modais bsicos de transporte: ferrovirio, rodovirio, areo, aquavirio e dutovias. Pode-se utilizar um desses meios ou ento uma combinao de dois ou mais modais, o transporte intermodal. O transporte intermodal tira vantagem das economias inerentes a cada modal e, com isso, oferece um servio integrado a um custo total mais baixo (CHOPRA; MEINDL, 2003; BOWERSOX; CLOSS; COOPER, 2006). A gerncia de estoques e o manuseio de produtos tambm so componentes essenciais do conjunto de atividades logsticas, visto que Ballou (2006) estima que essas atividades sejam responsveis por at 20% dos custos de distribuio fsica da empresa. A reduo de custos pode ser obtida atravs de algumas atividades, como, por exemplo, a consolidao de cargas, onde o armazm recebe os materiais de diferentes fontes; o sortimento, onde a carga reconfigurada enquanto ela transportada da origem para o destino; e o adiamento, onde o armazm pode adiar o compromisso da configurao final de um produto ao completar o acondicionamento, a etiquetagem e as produes leves. O processamento de pedidos a atividade-chave final. representado por uma variedade de atividades, entre elas a preparao, transmisso, recebimento e expedio do produto e relatrio da situao de pedido. Apesar de seus custos serem normalmente menores em relao aos do transporte ou aos de manuteno de estoque, o processamento de pedidos um elemento importante na determinao do tempo total da entrega de mercadorias ou servios a um cliente. Essa atividade desencadeia a movimentao dos produtos e o servio de entrega (BALLOU, 2006).

2.2. Lgica fuzzy

A lgica fuzzy (ou lgica nebulosa) foi desenvolvida a partir de 1965 com os trabalhos do professor Lotfi Zadeh, para representar o conhecimento incerto ou impreciso (SANDRI; CORREA, 1999).

578

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

Formalmente, um conjunto fuzzy A pode ser expresso por (TSOUKALAS; UHRIG, 1997 apud FUJIMOTO, 2005):

A ={ x , A ( x ) | x X }

(1)

Onde X o universo de discurso ao qual o conjunto pertence, x um componente do conjunto fuzzy, e A a funo de pertinncia. O universo de discurso indica o domnio em que o modelamento do sistema fuzzy vlido. A funo de pertinncia A indica o grau de pertinncia (ou compatibilidade) entre x e o conceito expresso por A (SANDRI; CORREA, 1999): A (x) = 1 indica que x completamente compatvel com A;
A (x) = 0 indica que x completamente incompatvel com A; e 0 < A (x) < 1 indica que (x) parcialmente compatvel com A, com grau A (x).

A lgica fuzzy pode ser comparada com a lgica clssica (ou booleana), que trata com a definio clssica de conjuntos. Nessa definio, um certo valor pertence ou no a um determinado conjunto, sendo representado pelos valores 0 e 1, respectivamente. No caso da lgica fuzzy, um certo valor pode pertencer a um determinado conjunto com um certo grau de pertinncia A (x). Ainda de modo anlogo lgica clssica, na lgica fuzzy existe a necessidade de proceder s operaes de unio, interseo e complemento; ou, na nomenclatura da lgica booleana, E, OU e NEGAO (CHENetal., 1996 apud FUJIMOTO, 2005). O anlogo ao operador E na lgica fuzzy conhecido como Norma-T, sendo que esse operador define a interseo entre dois conjuntos fuzzy (Equao2). O anlogo ao operador OU chamado Conorma-T, e esse operador define a unio entre dois conjuntos fuzzy (Equao3):
A B = min( A , B )
(2)

A B = max( A , B )

(3)

O mapeamento do conhecimento a respeito de um processo atravs de regras fuzzy do tipo SE-ENTO possvel atravs dos sistemas de inferncia fuzzy, que pode ser dividido em trs etapas: fuzzificao; regras e inferncias; e defuzzificao, como mostra a Figura1: Na fuzzificao as entradas no fuzzy ou determinsticas so apresentadas ao sistema por intermdio de medies ou observaes de dados, os quais so considerados como sendo o conjunto de dados de entrada do sistema. Nessa fase tambm ocorre a ativao das regras fuzzy relevantes para um dado sistema. As regras so elementos da base de conhecimento e definem a estratgia de controle do sistema. Podem ser fornecidas por especialistas, com base em seu conhecimento a respeito do processo que se deseja analisar, em forma de sentenas lingusticas, e se constituem em aspecto fundamental no desempenho de um sistema de inferncia fuzzy. Dessa forma, o sistema de inferncia fuzzy ter um desempenho confivel e satisfatrio somente se as regras expressarem o comportamento do sistema de forma fiel e consistente. Os mtodos de extrao de regras podem partir tambm de dados numricos. Esses mtodos so particularmente teis em aplicaes onde haja disponvel um conjunto de dados numricos que refletem o comportamento entrada/sada do sistema. No processo de inferncia ocorrem as operaes com os conjuntos fuzzy. Um aspecto importante a definio dos conjuntos fuzzy correspondentes s variveis de entrada e s de sada, pois o desempenho do sistema de inferncia depender do nmero de conjuntos e de sua forma adotada. possvel efetuar uma sintonia manual das funes de pertinncias dos conjuntos, mas mais comum empregarem-se mtodos automticos. A integrao entre sistemas de inferncias fuzzy e redes neurais artificiais tem se mostrado adequada para a sintonizao das funes de pertinncias, assim como para a gerao automtica de regras (SILVA, 2007). Aps o processo de inferncia, tem-se o processo de defuzzificao que, de posse do conjunto fuzzy de sada adquirido atravs do processo de inferncia,

onde A e B so as respectivas funes de pertinncia dos conjuntos fuzzy A e B. O anlogo ao operador NEGAO definido na Equao4. Esse operador define o complemento de um conjunto fuzzy.
= 1 A
(4)
Figura1. Diagrama do processo de inferncia fuzzy. Fonte: adaptado de Silva (2007).

onde A a funo de pertinncia do conjunto fuzzy A.

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

579

responsvel pela interpretao dessa informao para sadas precisas (dados no fuzzy). Isso se faz necessrio, j que em aplicaes prticas so requeridos valores no fuzzy. A tcnica mais usual para defuzzificao a do centroide, que utiliza a soma (ou integral) dos valores de pertinncia multiplicados pelos valores das variveis, dividindo esse valor final pela rea total do conjunto (fuzzy) a ser defuzzificado (OLIVEIRAJUNIORetal., 2007). O objetivo da lgica fuzzy estudar os princpios formais do raciocnio aproximado, fazendo com que as decises tomadas pela mquina se aproximem cada vez mais das decises humanas (OLIVEIRAJUNIORetal., 2007; GUIMARESetal., 2002 apud CAMARGOS, 2002). O enfoque fuzzy aliado tecnologia possui grande valor prtico, tornando possvel a incluso da experincia de especialistas em controles computadorizados e permitindo decises em problemas complexos, como ser apresentado neste trabalho.

funes de pertinncia associadas a cada varivel tambm foram especificados; 3. Ajuste das funes de inferncia fuzzy e mtodo de defuzzificao; 4. Verificao do comportamento do modelo definido atravs da comparao com os exemplos levantados; 5. Validao do modelo, onde dez novos exemplos de pedidos via internet foram criados e fornecidos tanto ao sistema fuzzy quanto ao funcionrio especialista em logstica da indstria. A forma de distribuio escolhida pelo funcionrio foi comparada com a resposta fornecida pelo sistema fuzzy.

4. Resultados e discusses
A indstria de laticnios onde o estudo de caso foi realizado se localiza na Zona da Mata de Minas Gerais e fabrica vrios produtos derivados de leite, como iogurte, requeijo, manteiga, doce de leite, entre outros. A distribuio fsica direta e a cobertura de mercado classificada como intensiva, atendendo vrias cidades de Minas Gerais e de outros estados, como Paran, Esprito Santo, So Paulo e Rio de Janeiro. A indstria utiliza como forma exclusiva de transporte o modal rodovirio, com um caminho prprio, oito caminhes de representantes terceirizados e ainda conta com os servios de caminhes de duas transportadoras contratadas (aqui chamadas de transportadoras 1 e 2). O sistema de distribuio dessa indstria pode ser resumido da seguinte forma:
Um caminho refrigerado prprio utilizado nas entregas em cozinhas industriais no Esprito Santo;

3. Materiais e mtodos
O estudo de caso realizado em uma indstria de laticnios possibilitou um amplo e detalhado conhecimento das atividades logsticas dessa indstria, bem como a definio do escopo deste trabalho, que se limitou ao processamento de pedidos de clientes via internet e forma como esses pedidos so distribudos. A partir de entrevistas com funcionrios dessa indstria, foi levantada uma amostra composta de vinte exemplos de pedidos feitos via internet no ano de 2008 e as respectivas formas de distribuio desses pedidos. A coleta e anlise dos dados se referiram distncia entre a indstria e o cliente (em km); ao valor total da nota fiscal (em R$); quantidade solicitada, em termos do peso total do pedido (em kg); urgncia ou no do pedido; e forma de distribuio do pedido (entre as trs opes disponveistransportadora 1, transportadora 2 e correios). Para facilitar a modelagem do problema em lgica fuzzy, utilizou-se a Fuzzy Logic Toolbox do software MATLAB. Os passos seguidos para a formulao do modelo de inferncia fuzzy do tipo Mamdani foram (THE MATHWORKS, 2008; OLIVEIRAJUNIORetal., 2007): 1. Elaborao das regras fuzzyo modelo conta com
nove regras, que foram criadas a partir da experincia do funcionrio da indstria especialista em logstica e da anlise numrica das variveis dos exemplos levantados; 2. Fuzzificao das entradas e definio das sadas: o modelo possui trs entradas (peso, distncia e urgncia) e trs sadas (transportadora 1, transportadora 2 e correios). Os parmetros das

As entregas da linha de leite na regio de Viosa so feitas com dois caminhes trmicos do representante;
Quatro caminhes refrigerados do representante so utilizados para distribuio das linhas de iogurtes, requeijo e manteiga em Viosa, regio de Ouro Preto, Ub e Barbacena; Um caminho do representante faz a entrega da linha de doce de leite em Viosa; Um caminho do distribuidor faz a entrega da linha de doce de leite na regio metropolitana de Belo Horizonte; Caminhes da transportadora 1 so usados para a distribuio da linha de doces de leite em outras regies e estados; Caminhes da transportadora 2 fazem entregas rpidas na cidade de So Paulo ou no estado do Rio de Janeiro; e Os pedidos feitos via internet so entregues atravs do servio dos correios ou das transportadoras.

Como possvel notar, a logstica de distribuio na indstria em questo bastante definida. No

580

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

entanto, com relao aos pedidos feitos via internet, foi identificado que, a cada novo pedido, o funcionrio responsvel pelo processamento dos pedidos analisa a quantidade solicitada em termos do peso total do pedido (em kg), o valor total da nota fiscal (em R$) e a distncia entre a indstria e o cliente (em km) e a urgncia ou no do pedido para s ento, com base nessas variveise tambm na sua experincia , decidir a melhor forma de distribuio desse pedido entre as trs opes disponveis (transportadora 1, transportadora 2 e correios). Foi identificado que tanto a transportadora 1 quanto os correios atuam nos 26 estados brasileiros e Distrito Federal. J a transportadora 2 atua nos quatro estados da regio Sudeste e Bahia. Dessa forma, a amostra na qual se baseia a construo do modelo neste trabalho composta pelos pedidos recebidos a partir dos estados do Sudeste, por se tratar de uma regio onde as trs opes disponveis de distribuio atuam concomitantemente. Os vinte pedidos que compem a amostra so apresentados na Tabela1 e o tratamento numrico das variveis mostradas nessa tabela resultou nos grficos mostrados na Figura2. interessante observar que as variveis peso e valor da nota fiscal apresentam praticamente o mesmo comportamento. Isso explicado pelo fato de uma varivel ser diretamente proporcional outra. O diagrama de disperso apresentado na Figura3 deixa esse fato mais claro ao indicar que 95,73% da variao do valor da nota fiscal explicado pela variao do peso. J que as variveis peso e valor da nota fiscal apresentam praticamente o mesmo comportamento,
Tabela1. Vinte pedidos feitos via internet.
Pedido 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Distncia (km) 233 340 619 402 233 619 233 233 340 233 340 402 233 402 402 340 619 340 619 340 Valor NF (R$) 27,00 46,07 81,60 127,67 104,07 11.664,00 5.377,50 2.617,50 1.780,80 6.800,46 5.199,66 10.818,00 3.606,00 14.144,50 1.413,90 4.452,00 11.186,40 523,50 199,44 15.582,00

uma delas pode deixar de ser usada como varivel de entrada. Isso torna o modelo mais simples e reduz o esforo computacional da mquina. Desse modo, neste trabalho, o valor da nota fiscal ser descartado como varivel de entrada na construo do modelo.

Figura2. Grfico das variveis levantadas na amostra do problema.

Figura3. Diagrama de disperso entre as variveis peso e valor da nota fiscal.

Peso (kg) 4,8 10 14,4 24,4 20 1.200 740 500 192 917,6 778,4 1.080 360 1.360 196 480 1.520 100 19,20 1.680

Urgncia

Deciso Correios Correios Correios Correios Correios Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 1

Sim Sim Sim

Transportadora 2 Transportadora 2 Transportadora 2 Transportadora 2 Transportadora 2

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

581

A partir da experincia do funcionrio da indstria e da anlise dos grficos da Figura2, possvel extrair as regras que serviro de base para o sistema de inferncia fuzzy. Lembrando que os pedidos de 1 a 5 foram entregues via correios, os de 6 a 15, via transportadora 1, e os de 16 a 20, via transportadora 2, as regras extradas so as que seguem:
Regra 1: Se o peso pequeno, ento a entrega via correios muito provvel; Regra 2: Se a distncia pequena e o peso no pequeno ento a entrega via transportadora 1 muito provvel; Regra 3: Se a distncia grande e o peso no pequeno ento a entrega via transportadora 1 muito provvel; Regra 4: Se a distncia mdia e o peso mdio e o pedido no urgente, ento a entrega via transportadora 1 muito provvel; Regra 5: Se a distncia muito grande e o peso mdio e o pedido no urgente, ento a entrega via transportadora 1 muito provvel; Regra 6: Se a distncia mdia e o pedido urgente, ento a entrega via transportadora 2 muito provvel; Regra 7: Se a distncia muito grande e o pedido urgente, ento a entrega via transportadora 2 muito provvel; Regra 8: Se a distncia mdia e o peso grande e o pedido no urgente, ento a entrega via transportadora 2 muito provvel; e Regra 9: Se a distncia muito grande e o peso grande e o pedido no urgente, ento a entrega via transportadora 2 muito provvel.

Desse modo, o modelo do sistema fuzzy de Mamdani criado para esse problema possui trs variveis de entrada, que so a distncia, o peso e a urgncia do pedido, e trs sadas, que so correios, transportadora 1 e transportadora 2. A distncia foi classificada em pequena, mdia, grande e muito grande e modelada por quatro funes de pertinncia gaussianas (gaussmf). O domnio dessa varivel vai de 100 a 700km e os parmetros das funes de pertinncia so: pequena [50 233], mdia [50 340], grande [50 402] e muito grande [50 619]. O peso foi classificado em pequeno, mdio e grande e modelado por trs funes de pertinncia do tipo sino generalizada (gbellmf). O domnio dessa varivel vai de 0 a 1.800kg e os parmetros das funes de pertinncia so: pequeno [37,5 2,5 0], mdio [450 2,5 900] e grande [450 2,5 1.800]. A urgncia do pedido foi classificada em baixa, mdia e alta e modelada por trs funes de pertinncia gaussianas (gaussmf). O domnio dessa varivel vai

de 0 a 1kg e os parmetros das funes de pertinncia so: baixa [0,2123 0], mdia [0,2123 0,5] e alta [0,2123 1]. uma varivel binria, onde o valor 0 indica um pedido no urgente, e 1 um pedido urgente. A varivel de sada correios foi classificada em pouco provvel, provvel e muito provvel e modelada por trs funes de pertinncia triangulares (trimf). O domnio dessa varivel vai de 0 a 1 e os parmetros das funes de pertinncia so: pouco provvel [-0,5 0 0,5], provvel [0 0,5 1] e muito provvel [0,5 1 1,5]. Por fim, as variveis de sada transportadora 1 e transportadora 2 foram classificadas em improvvel, pouco provvel, provvel e muito provvel e modeladas por quatro funes de pertinncia gaussianas (gaussmf). O domnio dessas variveis vai de 0 a 1 e os parmetros das funes de pertinncia so: improvvel [0 0,1416], pouco provvel [0,1416 0,3333], provvel [0,1416 0,6667] e muito provvel [0,1416 1]. Cada varivel de sada fornecer um valor entre 0 e 1, onde o maior valor entre os trs indica a melhor opo de envio para o pedido. Por fim, as funes de inferncia fuzzy e o mtodo de defuzzificao foram ajustados da seguinte forma: and method (min), or method (max), implication (min), aggregation (max) e defuzzification (centroid). Com o sistema de inferncia fuzzy completamente definido e implementado na Fuzzy Logic Toolbox do MATLAB, possvel agora verificar o comportamento desse sistema atravs da comparao com os exemplos levantados. A deciso que o modelo apresenta quanto forma de distribuio dos pedidos feitos via internet pode ser vista utilizando o Rule Viewer da Fuzzy Logic Toolbox (Figura4). Para o caso apresentado na Figura4 tem-se que um pedido feito a partir de MG (distncia de 233km), com um peso de 360kg e no urgente, a melhor

Figura4. Deciso do sistema fuzzy de Mamdani.

582

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

Tabela2. Exemplos gerados para o processo de validao do modelo.

Pedido 1 2 3 4 5 6 7 8 9 10 Distncia (km) 233 619 402 340 402 340 233 619 340 619 Peso (kg) 10 1172 1500 460 1334 1772 9,6 312 1229 894 Sim Sim Sim Urgncia Deciso funcionrio Correios Transportadora 2 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 2 Correios Transportadora 2 Transportadora 1 Transportadora 1 Deciso modelo Correios Transportadora 2 Transportadora 1 Transportadora 1 Transportadora 1 Transportadora 2 Correios Transportadora 2 Transportadora 1 Transportadora 1

deciso de entrega via transportadora 1 (que apresentou um ndice de 0,89, o maior entre as trs sadas). Esse caso o mesmo do pedido 13 (Tabela1), cuja deciso foi a mesma apresentada pelo modelo. Na etapa de verificao desse modelo, repetiu-se o mesmo procedimento para os demais exemplos da Tabela1, onde o modelo apresentou, em todos os casos, as mesmas decises tomadas pelo especialista da indstria. Para o processo de validao do modelo, foram gerados dez exemplos diferentes de pedidos feitos via internet. Esses exemplos foram fornecidos ao modelo e ao funcionrio de logstica da indstria. Os exemplos e as respostas fornecidas tanto pelo modelo quanto pelo funcionrio so apresentados na Tabela2.

5. Concluso
A lgica fuzzy foi desenvolvida incialmente para modelagem de processos com variveis contnuas. No entanto, os resultados deste trabalho mostram que a lgica fuzzy tambm produz resultados satisfatrios na modelagem problemas de natureza discreta. A partir dos dados levantados e dos resultados apresentados no processo de verificao do modelo, pode-se concluir que o sistema fuzzy foi transcrito de forma adequada, visto que o mesmo apresentou as mesmas decises tomadas pelo especialista em logstica em todos os vinte exemplos que compem a amostra. J os resultados apresentados na validao indicam que o modelo tambm foi coerente ao apresentar, nos dez exemplos gerados, as mesmas decises tomadas pelo especialista em logstica. Entretanto, amostras maiores (tanto para verificao quanto validao) podem trazer resultados mais consistentes, aumentando o grau de confiabilidade dos resultados ainda que outras novas situaes de teste apontem diferenas importantes entre as decises fornecidas pelo modelo e o mtodo heurstico.

Este trabalho buscou contribuir para a melhoria dos atuais mtodos de processamento de pedidos e tomada de deciso logstica, fornecendo um instrumento que traduz informaes vagas, imprecisas e qualitativas, comuns na linguagem humana, em valores numricos, tornando mais curto o tempo da preparao do pedido e possibilitando a tomada de aes procurando maximizar a eficincia da distribuio fsica. Todavia, direcionar esforos para reduo de custos de forma isolada pode no garantir o resultado desejado. interessante planejar e coordenar aes gerenciais de forma integrada, avaliando todo o processo. Com isso, o modelo proposto neste trabalho pode ser inserido em um sistema logstico mais amplo, composto, por exemplo, de mecanismos integrados de coleta e distribuio de pedidos eletrnicos, verificao de estoques e consolidao de cargas, podendo se tornar um importante fator de competitividade, j que pode conferir indstria maior rapidez, confiabilidade e eficincia tanto no processamento quanto na distribuio dos pedidos.

Referncias
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos-Logstica Empresarial.5.ed. Porto Alegre: Bookman,2006.616p. BOWERSOX, D. J.; CLOSS, D. J.; COOPER, M. B. Gesto Logstica de Cadeia de Suprimentos. Porto Alegre: Bookman,2006.528p. CAMARGOS, F. L. Lgica Nebulosa: uma abordagem filosficae aplicada. Florianpolis: UFSC, 2002. Disponvel em: <http://www.inf.ufsc.br/~barreto/ trabaluno/IAfernandoLC.pdf>. Acesso em:21 set.2007. CHOPRA, S.; MEINDL, P. Gerenciamento da Cadeia de Suprimentos. So Paulo: Prentice Hall,2003.465p. COUNCIL OF SUPPLY CHAIN MANAGEMENT PROFESSIONALSCSCMP. Supply Chain-Logistics Definition. Disponvel em: <http://cscmp.org/ AboutCSCMP/Definitions/Definitions.asp>. Acesso em:01 out.2007.

Santos, A. V. N. et al. Estudo da logstica de distribuio ... laticnio utilizando lgica fuzzy. Produo, v. 22, n. 3, p. 576-583, maio/ago. 2012

583

FUJIMOTO, R. Y. Diagnstico automtico de defeitos em rolamentos baseado em Lgica Fuzzy. 2005. 158 f. Dissertao (Mestrado em Engenharia)-Escola Politcnica, Universidade de So Paulo, So Paulo, 2005. GURGEL, F. A. Logstica Atlas,2000.484p.

br/cnrn/minicursos-5ern/log-neb.pdf>. Acesso em:21 set.2007. SILVA, S. F. Identificao de Torque de Carga em motores de induo usando abordagem baseada em Sistemas Fuzzy.2007.95 f. Dissertao (Mestrado em Engenharia Eltrica)-Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos,2007. THE MATHWORKS. Fuzzy Logic Toolbox 2: Users Guide. Disponvel em: <http://www.mathworks.com/access/ helpdesk/help/pdf_doc/fuzzy/fuzzy.pdf>. Acesso em:9 nov.2008.

Empresarial.

So

Paulo:

OLIVEIRAJUNIOR, H. A.etal. (Coord.). Inteligncia Computacional Aplicada Administrao, Economia e Engenharia em Matlab. So Paulo: Thomson Learning,2007.370p. SANDRI, S.; CORREA, C. Lgica Nebulosa. So Jos dos Campos: ITA,1999. Disponvel em: <http://www.ele.ita.

Abstract

Study of physical distribution logistics of a dairy industry using fuzzy logic

This study focuses on the viability of fuzzy logic application to assist the management of a dairy industry in the process of decision-making in physical distribution logistics. The case study, carried out in a small dairy industry in the State of Minas Gerais, identified that, for each new order request via internet, the logistician copes with a large amount of information at the same time and decides, based on experience, the best way to distribute such orders. The purpose of this research was to present a fuzzy model as an alternative support to traditional methods for order processing and logistics decision-making. The results showed that the model adequately reproduced the problem proposed as it produced the same decisions made by the specialist and, if the weak points detected are observed, this model can be used as an important tool for the competitiveness of industries.

Keywords
Physical distribution. Fuzzy logic. Dairy industry.