Distribution and Logistics

Working paper for Distribution and Logistics Course 2013/2014

19 of December 2014, Lisbon, Portugal 2014 B.V. All rights reserved.

Practical Assignment D
Lus Alvarenga (56339), Francisco Delgado (68093), Miguel Horta (68102),
Miguel Miranda (68103)
Abstract
The goal of this study is to define the optimal distribution network for Koster Express,
an American express carrier. In order to supply eight markets the company is
considering opening one or two distribution centers. With the purpose to determine the
best location and the number of distribution centers that minimize the total cost a
Mixed-Integer-Linear-Programming model is presented. Then, a sensitivity analysis is
performed to analyse the impact that a variation on the demand or on the transportation
costs can have on the optimal solution. Based on the sensitive analysis it is concluded
that the total cost and the location of the distribution centers are more sensitive to
changes on demand than on changes on transportation costs. Finally, taking into account
the growing of the environmental concerns in logistics, the initial model was changed in
order to incorporate two objectives: the maximization of profit and the minimization of
the environmental impact. To represent this trade-off a Pareto curve is presented.
Keywords: Facility location, Optimal Distribution Network, Green Logistics.

1. Introduo
Nesta primeira seco ir ser feita uma contextualizao do problema a abordar e uma
pequena reviso bibliogrfica acerca dos temas relacionados com o mesmo.

1.1 Contextualizao e Descrio do Problema

A empresa de transportes Koster Express ir iniciar as suas operaes em Oklahoma
(USA) e ter como objetivo servir oito mercados (Ardmore, Bartlesville, Duncan, Enid,
Lawton, Muskogee, Ponga City and Tulsa). Para este efeito a empresa quer saber
quantos centros de distribuio dever abrir, sendo que no mximo poder abrir dois
centros de distribuio. As localizaes possveis para estes centros de distribuio so
em Altus, Edmond e Stillwater.
Na anlise da rede de distribuio, que se pode observar na figura 1, pretende-se
minimizar o custo total, cumprindo as restries de capacidade das instalaes e
servindo a procura de todos os mercados. O custo total agrega os custos de investimento
relativos abertura dos centros de distribuio e os custos de transporte desde a origem
at ao ponto de consumo, ou seja, desde Oklahoma at aos centros de distribuio e
posteriormente destes at aos mercados.

L. Alvarenga et al.

Figura 1. Rede de distribuio correspondente ao problema.

Concluindo, a empresa ter de decidir qual ou quais os centros de distribuio ir abrir,

tendo em considerao quais dos fluxos possveis so os mais favorveis para satisfazer
os mercados e minimizar o custo total.

1.2 Reviso Bibliogrfica

O design da cadeia de abastecimento est relacionado com a sequncia de ligaes entre
as diferentes atividades e processos, permitindo responder s encomendas e previses de
uma forma eficiente e econmica (Persson and Olhager 2002) (Papageorgiou 2009).
Deste modo, necessrio contemplar nesta atividade as decises relativas s

Pratical Assignment D

infraestruturas (nmero e locais) e s capacidades das mesmas (Chopra and Meindl

2009). O problema a modelar neste trabalho um exemplo de um caso onde as referidas
decises necessitam de ser tomadas.
O planeamento varia consoante diferentes fatores como o horizonte temporal e o
montante em termos de investimento, por exemplo. Neste mbito possvel distinguir
trs tipos diferentes de planeamento: estratgico, ttico e operacional (Simchi-Levi,
Kaminsky et al. 2003) (Salema, Pvoa et al. 2009).
O planeamento estratgico, realizado para um horizonte temporal a longo prazo, utiliza
usualmente informao agregada e refere-se a decises de aquisio de recursos,
decises de investimento e de reconfigurao como localizao e capacidade dos
armazns e fluxos fsicos e de informao (Carvalho, Guedes. et al. 2010). Deste modo,
como no problema a abordar se pretende saber quantos centros de distribuio devem
ser abertos e em que localizaes, pode-se afirmar que este problema se insere nas
decises relacionadas com o planeamento estratgico.
Por sua vez o planeamento ttico, que abrange decises a mdio prazo, pretende
disponibilizar os recursos e meios necessrios para que o planeamento operacional
possa ir ao encontro do planeamento estratgico. As decises so tomadas a nvel de
afetao de recursos, produo e distribuio (Carvalho, Guedes. et al. 2010) (Comelli,
Fenies et al. 2008).
Por ltimo, o planeamento operacional, realizado para um horizonte a curto prazo,
responsvel por gerir o dia-a-dia das organizaes. Este planeamento mais detalhado
do que o planeamento estratgico e do que o ttico. Desta forma, as decises tomadas
so pormenorizadas e relativas afetao de recursos, nvel de inventrio e
escalonamento, tendo sempre como objetivo a satisfao do consumidor final com o
menor custo possvel (Carvalho, Guedes. et al. 2010) (Swaminathan and Tayur 2003).
De forma a solucionar problema relativos ao design da rede logstica surgiram, com o
desenvolvimento da investigao operacional, uma srie de modelos que auxiliam as
empresas neste processo de tomada de deciso. Um dos estudos efetuados (Geoffrion
and Graves 2010) prope que uma rede logstica com vrios produtos possa ser
otimizada atravs da aplicao de um modelo denominado Mixed-Integer-LinearProgramming (MILP). Neste modelo so utilizadas variveis binrias para ativar a
localizao tima dos centros de distribuio. So tambm usados conjuntos de
variveis contnuas para determinar os fluxos de produtos entre os diversos pontos da
rede. precisamente este modelo que ir ser implementado no problema em estudo.
Por ltimo, resta referir que neste tipo de problemas existem diferentes custos que o
modelo pretende minimizar, como o custo fixo da operao, o custo de manuteno, os
custos de transporte entre a fbrica e os centros de distribuio e os custos de transporte
entre os centros de distribuio e os retalhistas (Erlebacher and Meller 2000).
Atualmente os problemas de redes logsticas tendem a incorporar novas restries em
termos ambientais e sociais, de modo a se atingir uma soluo sustentvel que permita
que as empresas se mantenham no mercado de uma maneira eficiente e sustentvel
(Lee, Dong et al. 2010).
A cadeia de abastecimento tradicional raramente se preocupa com a proteo ambiental
e a conservao de recursos. Tradicionalmente o seu objetivo passa por maximizar os
benefcios econmicos (Ying and Li-jun 2012). Deste modo, surge o conceito de Green
Supply Chain Management que acompanha o pensamento dos consumidores
relativamente aos problemas ambientais (Beamon 1999) (Zhu, Sarkis et al. 2007).

L. Alvarenga et al.

Como tal, este problema de extrema importncia para qualquer tipo de negcio nos
dias de hoje (Sarkis, Zhu et al. 2011) (Vachon and Klassen 2008).
O conceito de Green Supply Chain Management pode ser definido como um
pensamento ambiental integral acerca da cadeia de abastecimento que inclui o design do
produto, a seleo e fornecimento de material, os processos de produo, a entrega do
produto final ao consumidor e a gesto do problemas relacionados o end-of-life dos
produtos (Hoejmose, Brammer et al. 2012). A estratgia Green passa por melhorar no
apenas uma operao, mas todo o processo da cadeia de abastecimento, atravs da
conciliao da otimizao dos benefcios econmicos e os ambientais (Ying and Li-jun
2012).
Em logstica Green Logistics define-se como uma atividade logstica, cujo objetivo
passa por reduzir a poluio do ambiente e o consumo de recursos, recorrendo a
tecnologia logstica avanada de planeamento no transporte, armazenamento,
embalamento, manuseamento, processamento e distribuio (Zhang and Zhao 2012).
Devido crescente preocupao com a sustentabilidade das atividade logsticas, neste
trabalho ir-se- tambm ter em considerao o impacte ambiental da rede distribuio
atravs da representao de uma curva de Pareto em que se pretende relacionar os
objetivos de maximizao do lucro e da minimizao do impacte ambiental.

2. Formulao do Modelo e Nomenclatura

Como foi referido anteriormente, o objetivo do modelo ser saber quantos centros de
distribuio devero ser abertos por parte da Koster Express (no mximo podero ser
abertos dois) para servir os oito mercados existentes. Esta empresa ir operar a partir de
Oklahoma.
No problema em questo existe um conjunto de centros de distribuio que podero ser
abertos dci (i=1,..,3) e um conjunto de mercados a servir mj (j=1,...,8).
Na tabela 1 esto representadas as capacidades relativas a cada possvel centro de
distribuio (Capi).
Tabela 1. Capacidade dos possveis centros de distribuio.

dci
1
2
3

Capacidade (ton/ano)
3000
3500
2000

As procuras de cada mercado (Dj) esto ilustradas na tabela 2.

Pratical Assignment D

5
Tabela 2. Procura relativa a cada mercado.

mj
1
2
3
4
5
6
7
8

Procura (ton/ano)
800
450
500
500
150
150
750
1200

O custo de transporte quando considerando os transportes de Oklahoma para os centros

de distribuio igual a 1/ton.km (c1i), enquanto que para o transporte dos centros de
distribuio para os mercados este custo igual a 0,5/ton.km (c2i,j).
O custo anual de investimento (ci) igual a 150 000 para o centro de distribuio 1 e a
200 000 para os restantes centros de distribuio.
As distncias de Oklahoma para as localizaes dos centros de distribuio (dist1i)
encontram-se na tabela 3.
Tabela 3. Distncias de Oklahoma para cada centro de distribuio.

dci
1
2
3

Distncia para Oklahoma (km)

141,4
14,4
66,6

Na tabela 4 pode-se observar as distncias dos centros de distribuio para os mercados

a servir (dist2i,j).
Tabela 4. Distncia entre as localizaes dos centros de distribuio e os mercados.

Distncia
dci/mj (km)
1
2
3

169,8
112,5
162,6

291,8
146
115

88,2
93,5
145,3

208,2
88,8
65,8

54,2
100,7
152,5

274,2
145,7
119,2

245
91,9
41,9

248
102,2
71,2

De forma a resolver o problema relativo rede tima a implementar foram definidas

quatro variveis:

xi : varivel positiva que corresponde ao fluxo de Oklahoma para o centro de

distribuio i;
yi,j : varivel positiva que equivale ao fluxo do centro de distribuio i para o
mercado j;
wi : varivel binria que assume o valor 1 caso o centro de distribuio i abra e
assume o valor 0 caso contrrio;
z : varivel relativa ao custo total a usar na funo objetivo.

L. Alvarenga et al.

O modelo matemtico correspondente ao problema encontra-se representado em

seguida.
min z =

! ! +
!

! 1! 1! +
!

!,! 2!,! 2!,!

!

(1)

Sujeito a:
! 2

(2)

! 1

(3)

! ! !
! =

(4)

! ,!

(5)

! ,! !

(6)

A funo objetivo (1) corresponde minimizao do custo total, sendo constituda por
trs parcelas. A primeira parcela corresponde aos custos anuais de investimento
referentes abertura de um ou mais centros de distribuio. Nesta parcela multiplica-se
o custo anual de investimento pela varivel binria, pois pretende-se que o custo de
investimento do centro de distribuio i s seja considerado caso este abra. A segunda
parcela equivale aos custos relativos ao transporte de Oklahoma para os centros de
distribuio. Nesta caso multiplica-se o custo de transporte, expresso em euros por
toneladas e por quilmetros, pelo nmero de toneladas transportadas e pela distncia
relativa ao transporte. Por fim, a terceira parcela corresponde aos custos de transporte
dos centros de distribuio para os mercados. Tal como na parcela anterior, o custo de
transporte multiplicado pelo nmero de toneladas transportadas e pela distncia.
As equaes (2) e (3) visam restringir o nmero de centros de distribuio a abrir. No
mximo devem ser abertos dois centros de distribuio e deve-se tambm garantir que
no mnimo pelo menos um aberto.
A equao (4) refere-se restrio de capacidade dos centros de distribuio. Caso o
centro de distribuio i abra (wi igual a 1) o fluxo que entra neste centro de
distribuio deve ser menor ou igual do que a capacidade do mesmo.
A equao (5) corresponde a um balano de massa. Esta restrio visa garantir que o
fluxo que entra num centro de distribuio i deve ser igual aos fluxos que saem deste
para os diversos mercados.
Com a ltima restrio (6) pretende-se que a procura dos mercados seja satisfeita. Deste
modo, os fluxos direcionados para um mercado j devem ser maiores ou iguais que a
procura desse mercado.

Pratical Assignment D

3. Resultados do Modelo
Nesta seo ir-se- responder s diversas questes e discutir os resultados obtidos.
3.1 Resultados para o problema base
Com a implementao do modelo no software GAMS obteve-se um custo total de
732062 e foram abertos dois dos trs centros de distribuio disponveis (em Edmond
e Stillwater).
Os fluxos obtidos, expressos em toneladas, de Oklahoma para os centros de distribuio
esto representados na tabela 5.
Tabela 5. Fluxos obtidos de Oklahoma para os centros de distribuio.

Fluxo (ton)
Oklahoma

Centro
distribuio 1
-

Centro de
distribuio 2
3500

Centro de
distribuio 3
1000

Na tabela 6 encontram-se os fluxos dos dois centros de distribuio que foram abertos
para os oito mercados.
Tabela 6. Fluxos obtidos dos centros de distribuio para os mercados.

Fluxo (ton)
Mercado 1
Mercado 2
Mercado 3
Mercado 4
Mercado 5
Mercado 6
Mercado 7
Mercado 8

Centro de
distribuio 2
800
450
500
500
150
150
950

Centro de
distribuio
3
750
250

Como foi referido anteriormente, a soluo tima corresponde a abertura de dois centros
de distribuies. O mercado 8, localizado em Tulsa, o nico mercado que servido a
partir dos dois centros de distribuies, enquanto que os restantes mercados so servidos
apenas por um dos dois centros de distribuio. Verifica-se tambm que os fluxos
direcionados para cada mercado correspondem exatamente procura de cada um desses
mercados (representada na tabela 2).
3.2 Resultados para uma Variao da Capacidade dos Centros de Distribuio
Aps se obter a soluo tima para o problema inicial, pretendeu-se verificar em que
medida essa soluo se alteraria se fosse considerado que cada centro de distribuio

L. Alvarenga et al.

devia operar a pelo menos 60% da sua capacidade instalada. Deste modo, foi adicionada
uma restrio ao modelo inicial.
! ! !

(7)

Para o caso em estudo o parmetro maxcap presente na equao (7) foi definido como
sendo 60%. Aps se implementar esta nova restrio no software GAMS verificou-se
que a soluo tima se alterou. Apesar dos centros de distribuio abertos terem sido os
mesmos, em Edmond e Stillwater, o custo total aumentou para o valor de 739400.
A soluo tima alterou-se uma vez que um dos centros de distribuio no operava a
pelo menos 60% da sua capacidade instalada. O centro de distribuio 2 (Edmond)
operava no limite da sua capacidade, no entanto o centro de distribuio 3 (Stillwater)
operava a exatamente 50% da sua capacidade. necessrio referir que este valores
foram obtidos a partir da diviso entre os fluxos recebidos por cada um dos centros de
distribuio (ver tabela 5) e a capacidade instalada de cada um destes.
De modo a que o centro de distribuio 3 operasse a pelo menos 60% da sua capacidade
o fluxo de entrada neste centro de distribuio necessitaria de aumentar para 1200
toneladas. Na tabela 7 pode-se comprovar que foi isto que sucedeu, sendo que o
aumento de fluxo recebido pelo centro de distribuio 3 teve como consequncia uma
diminuio de fluxo recebido pelo centro de distribuio 2 em 200 toneladas.
Tabela 7. Fluxos de Oklahoma para os centros de distribuio com a nova restrio de
capacidade.

Fluxo (ton)
Oklahoma

Centro
distribuio 1
-

Centro de
distribuio 2
3300

Centro de
distribuio 3
1200

Na tabela 8 pode-se observar os fluxos recebidos por cada mercado, obtidos com a
adio da nova restrio de capacidade. A partir da comparao desta tabela com a
tabela 6 verifica-se que a alterao nos fluxos se cingiu ao mercado 8, onde o centro de
distribuio 3 passou a entregar mais 200 toneladas que anteriormente provinham do
centro de distribuio 2.
Tabela 8. Fluxos dos centros de distribuio para os mercados com a nova restrio de
capacidade.

Fluxo (ton)
Mercado 1

Centro de
distribuio 2
800

Centro de
distribuio 3
-

Mercado 2

450

Mercado 3

500

Mercado 4

500

Mercado 5

150

Mercado 6

150

Mercado 7

750

Mercado 8

750

450

Pratical Assignment D

O aumento do custo total deve-se essencialmente ao fato do centro de distribuio 3 se

localizar mais longe de Oklahoma do que o centro de distribuio 2. Com um aumento
da capacidade utilizada do centro de distribuio 3, o fluxo transportado a partir de
Oklahoma para este centro de distribuio aumentou, o que teve como consequncia um
aumento dos custos de transporte. Por outro lado, verificou-se uma reduo de custos de
transporte para o mercado 8 dado que o centro de distribuio 3 se localiza mais perto
deste mercado do que o centro de distribuio 2. Contudo, esta poupana reduzida
quando comparada com os aumentos dos custos de transporte de Oklahoma para o
centro de distribuio 3.
3.3 Anlise de Sensibilidade
De modo a analisar a robustez dos resultados obtidos e a observar o impacte que a
variao de certos fatores poderiam ter no custo total foi efetuada uma anlise de
sensibilidade. Os fatores estudados nesta anlise de sensibilidade foram os que se
considerou estarem associados a uma maior incerteza: a procura e os custos de
transporte.
Em primeiro lugar, foi analisado qual o impacte que a variao da procura nos
diferentes mercados teria no custo final. Dado se tratarem de cidades pertencentes ao
mesmo pas (USA) e tambm ao mesmo estado (estado norte-americano de Oklahoma),
considerou-se que a procura nas diferentes cidades varia de modo semelhante. Assim
fez-se uma anlise da variao da procura total.
Os resultados obtidos podem ser observados na figura 2. Nesta figura o valor 100%, no
eixo das abcissas, corresponde ao valor da procura inicial. Analisando esta figura
possvel observar a variao do custo total em funo da variao da procura de todos
os mercados (desde mais a menos 20% do valor inicial).

Custo Total ()

900000
850000
800000
750000
700000
650000
600000
550000
80%

85%

90%

95% 100% 105% 110% 115% 120%

Variao da Procura

Figura 2. Anlise de sensibilidade procura.

Como era de esperar o aumento da procura leva a um aumento do custo total, uma vez
que as quantidades a transportar para os mercados so maiores. Na tabela 9 pode-se
observar que para valores menores do que 90% da procura inicial a deciso relativa aos
centros de distribuio a abrir altera-se. Nesse caso as localizaes escolhidas passam a

10

L. Alvarenga et al.

ser em Altus e Edmond. Para valores maiores do que 90% da procura inicial deve-se
abrir o centro de distribuio em Stillwater, em detrimento do centro de
distribuilocalizado em Altus. Concluindo, verificou-se que uma variao da procura
de apenas 10% pode alterar a deciso sobre quais centros de distribuio abrir. Assim,
crucial obter uma boa estimativa da procura e da sua evoluo de modo a que a deciso
relativa aos centros de distribuio a abrir seja uma deciso devidamente suportada.
Tabela 9. Custo total e centros de distribuio a abrir para cada nvel de procura.

Variao da
Procura
120%
115%
110%
105%
100%
95%
90%
85%
80%

Custo
()
824165
801139
778113
755088
732062
709036
687198
644805
602335

Centros Distribuio que abrem

Altus
Edmond
Stillwater
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
1
1
0
1
1
0

Custo Total ()

O segundo fator estudado na anlise de sensibilidade foi o custo de transporte. Neste

caso, variou-se o custo relativo ao transporte de Oklahoma para os centros de
distribuio (1/ton.km) e o custo referente ao transporte dos centros de distribuio
para os mercados (0,5/ton.km). Optou-se por analisar o custo de transporte dado a
incerteza que lhe est associada devido s constantes variaes do preo do petrleo.
Procedeu-se de igual forma ao anteriormente explicitado para o caso da procura, ou
seja, analisou-se o impacte no custo total resultante de variaes mximas de 20% dos
custos de transporte, tanto positivas como negativas. Os resultados obtidos podem ser
observados na figura 3.

820000
800000
780000
760000
740000
720000
700000
680000
660000
640000
80%

85%

90%

95%

100% 105% 110% 115% 120%

Variao dos Custos de Transporte

Figura 3. Anlise de sensibilidade aos custos de transporte.

Pratical Assignment D

11

Ao analisar a figura 3 pode-se concluir que um aumento dos custos de transporte leva a
um aumento dos custos totais, como era previsvel. Tambm se pode observar que neste
caso a localizao dos centros de distribuio a abrir no se modifica (ver tabela 10).
Tabela 10. Custos e centros de distribuio abrir para cada nvel de custos de transporte.

Variao dos
Custos de
Transporte
120%
115%
110%
105%
100%
95%
90%
85%
80%

Custo
()
798475
781871
765268
748665
732062
715459
698956
682253
665650

Centros de Distribuio que

abrem
Altus
Edmond
Stillwater
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
1
1

Como forma de concluso, e atravs de uma anlise das tabelas 9 e 10, pode-se afirmar
que os custos totais so mais sensveis variao da procura. Nesse caso, o custo total
oscila entre os 824165 a 602335, o que corresponde a uma variao de 221830. No
caso dos custos de transporte, o custo total varia entre os 798475 e os 665650, o que
equivale a uma diferena de 132825. Para alm dos custos totais serem mais sensveis
a uma variao da procura, verificou-se que a deciso sobre os centros de distribuio a
abrir tambm afetada por uma possvel variao da procura dos mercados.
3.4 Incorporao dos Impactes Ambientais
De acordo com o relatrio da Agncia Europeia para o Ambiente, o transporte
(incluindo via martima) tem uma contribuio de cerca de 24% do total de gases de
efeito de estufa (GEE) emitidos pelos 27 pases da Unio Europeia. Por sua vez, o
transporte por via rodoviria responsvel por 17% do total de GEE emitidos (Vicente
2011). As empresas de transportes, alm de GEE, geram outros poluentes prejudiciais
ao ambiente e sade humana, como o monxido de carbono (incolor, inodoro e
venenoso), os xidos de azoto (NOx), os compostos orgnicos volteis e outras
pequenas partculas (PSRC 2010). No sentido de cumprir as metas ambientais cada vez
mais restritas, o sector dos transportes tem um importante papel na reduo dos
impactes ambientais.
No presente estudo, e de modo a incorporar os impactes ambientais para alm dos
aspetos econmicos procedeu-se a uma anlise multiobjectivo para a deciso sobre
quais os centros de distribuio a abrir.
A programao matemtica multiobjectivo (PMMO) aplica-se, como nome indica,
quando existe mais que uma funo objetivo e, em geral, no existe uma nica soluo
tima que otimize simultaneamente todas as funes objetivo. Nestes casos, o decisor
procura a soluo prefervel ao invs da soluo tima. Em PMMO o conceito de
otimizao substitudo por uma curva de eficincia ou otimizao de Pareto. As

12

L. Alvarenga et al.

solues da curva de eficincia de Pareto so solues no dominadas, ou seja, no

podem ser melhoradas num objetivo sem piorar o desempenho em pelo menos um dos
outros objetivos.
Para implementar vrios objetivos os mtodos mais utilizados so o mtodo de
ponderao (weighting) e o mtodo do -constraint (Mavrotas 2009).
No mtodo do -constraint apenas uma funo objetivo selecionada para ser
otimizada, enquanto todas as outras so convertidas em restries, impondo um limite
superior (upper bound) (Demir, Bekta et al. 2011).
Como descrito em (Mavrotas 2009), o mtodo -constraint, ao contrrio do mtodo de
ponderao que pode levar a uma soluo extrema, capaz de produzir solues noextremas (interior) eficientes e requer um menor esforo computacional. Alm disso, o
mtodo de ponderao requer a normalizao das funes objetivo, o que pode afetar os
resultados. Tal procedimento no necessrio para o mtodo -constraint.
No problema em estudo efetuou-se uma anlise multiobjectivo, usando o mtodo do constraint, para os resultados econmicos e ambientais otimizados, utilizando como
funo objetivo o lucro e a quantidade de poluentes emitidos, respetivamente.
Os dados da quantidade de poluentes emitidos pelo consumo de gasleo esto definidos
na tabela 11.
Tabela 11. Poluentes emitidos por consumo de utilidade (Duque, Barbosa-Pvoa et al. 2010).

Utilidade
Diesel

CO
14,828

CO2
2609,5

NOx
34,6

Partculas
0,198

HC/NMHC
45,47

unidades
Kg/m3

Dado que as emisses de poluentes so diretamente proporcionais ao consumo de

combustvel pelos veculos, optou-se por usar como funo objetivo a quantidade de
poluentes emitidos. Contudo caso houvesse mais dados dos impactes ambientais
causados pelo consumo de outras utilidades (gua, eletricidade, etc.) a funo objetivo
tornar-se-ia mais complexa e ento seria aconselhado uma normalizao segundo a
metodologia de mnimo impacte ambiental (MMIA) (Stefanis, Livingston et al. 1997)
ou a metodologia EI99 (E99 2000). A metodologia EI99 tem a vantagem de concentrar
todos os impactes num nico indicador, que pode ser a funo objetivo a minimizar
(Duque, Barbosa-Pvoa et al. 2010).
O consumo de um veculo depende, como se sabe, das caractersticas do prprio
veculo, de fatores ambientais e de trfego, bem como a forma de conduo e
velocidade (Demir, Bekta et al. 2011). Contudo considerou-se que o consumo por
camio, quando conduzido a uma velocidade de 80 km/h, de 40 litros por 100 km
(cons) e que a carga mxima que pode transportar de 25 toneladas (maxcarg).
Para a realizao da anlise multiobjectivo definiram-se as seguintes funes objetivo:

max profits =

!,!
!

! ! +
!

! 1! 1! +
!

!,! 2!,! 2!,!

!

(8)

A funo objetivo (8) tem em vista a otimizao dos resultados econmicos e por isso
corresponde maximizao do lucro (diferena entre as receitas e os custos).

Pratical Assignment D

13

min z =
!

! 1!
+

!,! 2!,!

(9)

A funo objetivo (9) responsvel pela otimizao dos impactes ambientais e como tal
tem a finalidade de minimizar a quantidade de poluentes emitidos. A primeira parcela
da funo objetivo corresponde poluio, expressa em quilogramas, emitida pela
deslocao dos produtos desde Oklahoma at aos centros de distribuio e a segunda
parcela representa a poluio resultante do transporte desde os centros de distribuio
at aos mercados.
necessrio referir que no presente trabalho no se teve em conta os impactes
ambientais decorrentes da abertura de cada novo centro distribuio ou do uso de
eletricidade ou outras utilidades por estes. Apenas se considerou os impactes resultantes
do consumo de combustvel necessrio distribuio dos produtos.
Para a obteno da curva de Pareto definiram-se os limites (boundaries), ou seja os
valores que maximizam cada funo objetivo, o nmero de intervalos (10) e calculou-se
(1961125). Assim obteve-se uma aproximao superfcie de Pareto, que pode ser
utilizada para analisar o trade-off entre lucro e impacte ambiental.
Tabela 12. Resultados da anlise multiobjectivo usando o mtodo -constraint.

Impacte Ambiental

Lucro

Diesel

CO

CO2

NOx

Partculas

HC/NMHC

Poluentes Emitidos, kg

106

Litros

kg

kg

kg

kg

kg

46212,0 (A)

63,88

17086,5

253,4

44587,2

591,2

3,4

776,9

44526,3 (B)

61,92

16463,2

244,1

42960,7

569,6

3,3

748,6

42840,5 (C)

59,96

15839,9

234,9

41334,2

548,1

3,1

720,2

41154,7 (D)

58,00

15216,6

225,6

39707,7

526,5

3,0

691,9

39469,0 (E)

56,03

14593,3

216,4

38081,2

504,9

2,9

663,6

28320,6 (F)

54,07

10471,3

155,3

27324,8

362,3

2,1

476,1

27391,7 (G)

52,11

10127,8

150,2

26428,6

350,4

2,0

460,5

26462,8 (H)

50,15

9784,4

145,1

25532,3

338,5

1,9

444,9

25533,9 (I)

48,19

9440,9

140,0

24636,1

326,7

1,9

429,3

24605,0 (J)

46,23

9097,5

134,9

23739,8

314,8

1,8

413,7

23676,0 (K)

44,27

8754,0

129,8

22843,6

302,9

1,7

398,0

14

L. Alvarenga et al.

Lucro (Milhes de )

65,00
C

60,00
E
55,00

F
G
H

50,00
45,00

J
K

40,00
20000,0 25000,0 30000,0 35000,0 40000,0 45000,0 50000,0
Impacto Ambiental (Poluentes Emitidos, kg)
Figura 4. Curva de Pareto, Lucro vs Impacto Ambiental.

Como esperado o poluente mais emitido o dixido de carbono, atingindo um valor de

mais de 44 toneladas (ver tabela 12).
Como visvel na tabela 12 e na figura 4 o lucro mximo possvel de 63,88 milhes
de euros que corresponde maior quantidade de poluentes emitidos, cerca de 46
toneladas. Quando o mnimo de impacte ambiental atingido, com 23676 kg de
poluentes emitidos, o lucro toma o valor menor (44,27 milhes de euros). Assim
conclui-se que no possvel melhorar o objetivo econmico sem causar um maior
dano ambiental e vice-versa.
A grande diferena visvel entre o ponto E e F (ver figura 4) deve-se ao fato da rede
logstica ser alterada. Desde a situao A at situao E os centros de distribuio a
funcionar esto localizados em Altus e Edmond, enquanto que a partir da situao F at
K passam a abrir os centros de distribuio de Edmond e Stillwater.
Cabe ento ao decisor selecionar uma opo que maximize o lucro para um nvel
aceitvel de impacte ambiental.

4. Concluses
Com o objetivo de satisfazer a procura de oito mercados e minimizar os seus custos, a
empresa Koster Express pretende abrir um ou dois centros de distribuio que
assegurem a ligao entre Oklahoma e os referidos mercados. No presente trabalho
pretendeu-se estudar as diferentes alternativas existentes, quanto ao nmero de centros
de distribuio e sua localizao, e descobrir a soluo tima para o problema
apresentado.
Para auxiliar esta anlise foi feita uma reviso bibliogrfica a partir da qual se concluiu
que este tipo de deciso est inserido no nvel estratgico do planeamento, onde se
tomam decises para um horizonte temporal de longo-prazo. Tambm se concluiu que
para a resoluo do problema em questo deveria ser implementado um modelo MixedInteger-Linear-Programming (MILP). Por fim, considerou-se que o impacte ambiental

Pratical Assignment D

15

tambm deveria ser incorporado no modelo, dado a crescente importncia da

sustentabilidade nas atividades logsticas.
Numa primeira fase do trabalho foi desenvolvido um modelo de otimizao onde se
considerou que toda a procura estimada deveria ser satisfeita e que os centros de
distribuio possuam uma capacidade mxima que no poderia ser excedida. O
objetivo deste modelo foi minimizar os custos totais, que se dividem em custos de
transporte e em custos de investimento. A soluo tima correspondeu a um custo total
de 732062, sendo que a deciso consistiu em abrir os centros de distribuio em
Edmond e Stillwater.
De modo a garantir que os centros de distribuio utilizavam grande parte da sua
capacidade estudou-se qual seria o impacte no custo total se cada centro tivesse que
operar a pelo menos 60% da sua capacidade instalada. Na anlise dos resultados
obtidos, considerando esta nova restrio, verificou-se que o custo total aumentou para
739400, porm os centros de distribuio a abrir foram os mesmos, em Edmond e
Stillwater.
Efetuou-se tambm uma anlise de sensibilidade de modo a suportar a tomada de
deciso. Deste modo, foram estudadas possveis variaes dos dois fatores que se
considerou estarem sujeitos a uma maior incerteza no modelo: a procura e os custos de
transporte. Concluiu-se, a partir da anlise de sensibilidade, que o custo total mais
sensvel a variaes na procura do que a variaes no custo de transporte. Verificou-se
tambm que caso haja uma variao de -10% na procura total a deciso em relao aos
centros de distribuio a abrir alterada. Deste modo, essencial que as previses da
procura sejam obtidas com a maior preciso possvel.
Por fim, e tendo em conta as constantes preocupaes ambientais, decidiu-se modificar
o modelo para que este tivesse em conta dois objetivos: a maximizao do lucro e a
minimizao do impacte ambiental. Estes dois objetivos revelaram ser antagnicos, ou
seja, a maximizao do lucro leva um maior impacte ambiental e a minimizao do
impacte ambiental leva a um lucro inferior. Para representar este trade-off foi obtida
uma curva de Pareto. A partir da anlise desta curva o decisor pode saber qual ser o
lucro mximo para um determinado impacte ambiental que considere aceitvel.

16

L. Alvarenga et al.

Referncias
Beamon, B. M. (1999). "Designing the green supply chain." Logistics Information
Management 12(4): 332 - 342.
Carvalho, J. C., A. P. Guedes., A. Arantes, L. Ferreira, S. Carvalho, T. Ramos, A. L.
Martins, C. Lus, S. Azevedo, R. Oliveira, A. Barbosa-Povoa, E. B. Dias, J. Q. Dias and
J. R. Menezes (2010). Logstica e Gesto da Cadeia de Abastecimento. Lisboa, Edies
Silabo.
Chopra, S. and P. Meindl (2009). Supply chain management: strategy, planning, and
operation, Prentice Hall.
Comelli, M., P. Fenies and N. Tchernev (2008). "A combined financial and physical
flows evaluation for logistic process and tactical production planning: Application in a
company supply chain." Int J Prod Eco 112(1): 19-19.
Demir, E., T. Bekta and G. Laporte (2011). "The bi-objective Pollution-Routing
Problem." European Journal of Operational Research 232(3): 464-478.
Duque, J., A. P. F. D. Barbosa-Pvoa and A. Q. Novais (2010). "Design and Planning of
Sustainable Industrial Networks: Application to a Recovery Network of Residual
Products." Industrial & Engineering Chemistry Research 49(9): 4230-4248.
E99 (2000). Eco-indicator 99 Manual for Designers, Ministry of Housing, Spatial
Planning and the Environment.
Erlebacher, S. and R. Meller (2000). "The interaction of location and inventory in
designing distribution systems." IIE Transactions 32(2): 155-166.
Geoffrion, A. M. and G. W. Graves (2010). Multicommodity Distribution System
Design by Benders Decomposition A Long View of Research and Practice in
Operations Research and Management Science. M. S. Sodhi and C. S. Tang, Springer
US. 148: 35-61.
Hoejmose, S., S. Brammer and A. Millington (2012). "Green supply chain
management: The role of trust and top management in B2B and B2C markets."
Industrial Marketing Management 41(4): 609-620.
Lee, D.-H., M. Dong and W. Bian (2010). "The design of sustainable logistics network
under uncertainty." International Journal of Production Economics 128(1): 159-166.
Mavrotas, G. (2009). "Effective implementation of the -constraint method in MultiObjective Mathematical Programming problems." Applied Mathematics and
Computation 213(2): 455-465.
Papageorgiou, L. G. (2009). "Supply chain optimisation for the process industries:
Advances and opportunities." Computers & Chemical Engineering 33(12): 1931-1938.
Persson, F. and J. Olhager (2002). "Performance simulation of supply chain designs."
International Journal of Production Economics 77(3): 231-245.

Pratical Assignment D

17

PSRC (2010). Chapter 6 air quality and climate change. . Washington, Puget Sound
Regional Council.
Salema, M., A. Pvoa and A. Novais (2009). "A strategic and tactical model for closedloop supply chains." OR Spectrum 31(3): 573-599.
Sarkis, J., Q. Zhu and K.-h. Lai (2011). "An organizational theoretic review of green
supply chain management literature." International Journal of Production Economics
130(1): 1-15.
Simchi-Levi, D., P. Kaminsky and E. Simchi-Levi (2003). Designing and Managing the
Supply Chain: Concepts, Strategies, and Case Studies, McGraw-Hill/Irwin.
Stefanis, S. K., A. G. Livingston and E. N. Pistikopoulos (1997). "Environmental
impact considerations in the optimal design and scheduling of batch processes."
Computers & Chemical Engineering 21(10): 1073-1094.
Swaminathan, J. M. and S. R. Tayur (2003). "Tactical planning models for supply chain
management." Handbooks in Operations Research and Management Science 11: 423454.
Vachon, S. and R. D. Klassen (2008). "Environmental management and manufacturing
performance: The role of collaboration in the supply chain." International Journal of
Production Economics 111(2): 299-315.
Vicente, A. S. (2011). Laying the foundations for greener transport. term 2011:
Transport indicators tracking progress towards environmental targets in Europe. EEA
Report 7/2011, European Environment Agency.
Ying, J. and Z. Li-jun (2012). "Study on Green Supply Chain Management Based on
Circular Economy." Physics Procedia 25(0): 1682-1688.
Zhang, G. and Z. Zhao (2012). "Green Packaging Management of Logistics
Enterprises." Physics Procedia 24, Part B(0): 900-905.
Zhu, Q., J. Sarkis and K.-h. Lai (2007). "Green supply chain management: pressures,
practices and performance within the Chinese automobile industry." Journal of Cleaner
Production 15(1112): 1041-1052.

18

Anexos Implementao em GAMS

L. Alvarenga et al.

Pratical Assignment D

19