Danilo Fontes Teodoro Junior

Associação Educacional Dom Bosco (aedb@aedb.br)

Resumo

O objetivo do estudo é de analisar o cenário atual de capacidade de transporte planejada

e utilizada no momento de um fornecedor da empresa alvo doobjeto de estudo, e avaliar
possibilidades de redução para veículos com uma capacidade de carga ou frequência de
entrega menores. Além disso, foi identificada a necessidade de otimização nos pontos
de descarga, com o intuito de reduzir o tempo de permanência do veículo de entrega das
peças no interior da empresafábrica. Ferramentas de Business Intelligence e
programação linear foram empregadas para realização das análises. Os resultados
obtidos demonstraram redução nos custos de transporte e melhoria nos processos de
descarga, trazendo resultados financeiros positivos para a empresa e otimizando
seusotimização de processos internos.

Palavras-chave: Logística, Cadeia de suprimentos, Programação linear, Business

Intelligence, Transporte.

Abstract

The objective of the study is to analyze the current scenario of planned and utilized
transport capacity of a supplier of the company under study, and evaluate possibilities of
reduction for vehicles with lower capacity or delivery frequency. Additionally, the need
for optimization in the unloading points was identified, aiming to reduce the time of the
delivery vehicle's stay inside the factory. Business Intelligence and linear programming
tools were employed for the analysis. The obtained results showed a reduction in
transportation costs and an improvement in unloading processes, bringing positive
financial results to the company, and optimizing its internal processes.

Artigo Completo
Keywords: Logistics, Supply chain, Linear programming, Business Intelligence,
Transportation.

Resumen

El objetivo del estudio es analizar la capacidad de transporte planificada y utilizada

actualmente por un proveedor de la empresa objetivo del estudio, y evaluar
posibilidades de reducción para vehículos con una capacidad o frecuencia de entrega
menor. Además, se identificó la necesidad de optimización en los puntos de descarga,
con el fin de reducir el tiempo de permanencia del vehículo de entrega de las piezas en
el interior de la fábrica. Se emplearon herramientas de Business Intelligence y
programación lineal para el análisis. Los resultados obtenidos demostraron una
reducción en los costos de transporte y una mejora en los procesos de descarga, lo que
trajo resultados financieros positivos para la empresa y optimizó sus procesos internos.

Palabras clave: Logística, Cadena de suministro, Programación lineal, Business

Intelligence, Transporte.

ESTRUTURA DO ARTIGO / PAPER STRUCTURE / ESTRUCTURA DEL

ARTÍCULO:

1. INTRODUÇÃO / INTRODUCTION / INTRODUCCIÓN

2. FUNDAMENTAÇÃO TEÓRICA / THEORETICAL BACKGROUND /
FUNDAMENTOS TEÓRICOS
3. MÉTODO / METHOD
4. RESULTADOS / RESULTS
5. DISCUSSÕES / DISCUSSIONS / DISCUSIONES
6. CONSIDERAÇÕES FINAIS / FINAL CONSIDERATIONS /
CONSIDERACIONES FINALES
REFERÊNCIAS / REFERENCES / REFERENCIAS

Artigo Completo
 1. INTRODUÇÃO / INTRODUCTION / INTRODUCCIÓN

Em contexto geral, a cadeia de suprimentos, que inclui todos os participantes de um

sistema de produção e distribuição de determinado produto ou serviço, está interligada e
conectada. A influência de um fornecedor nos processos internos e nos custos da
empresa é evidente, impactando a performance da companhia e o produto-final entregue
aos clientes (LAMBERT; COOPER; PAGH, 1998).
Alinhado a isso, tem-se matérias-primas de diferentes demandas e tempos de
entregas, que possuem criticidades maiores ou menores em relação ao seu papel na
produção. Ou seja, nem sempre há previsibilidade do momento e da quantidade de
peças que serão entregues, fazendo com que seja necessário que o processo logístico se
adapte a essa variabilidade. Nesse sentido, a melhoria contínua e a otimização dos
processos devem ser sempre buscadas, para proporcionar maior eficiência logística,
independente da instabilidade de entrega de determinados agentes da cadeia de
suprimentos. (CHRISTOPHER; PECK; TOWILL, 2001).
Assim sendo, visando pela redução de custos de transporte e melhoria de processos
de descarga, foram elaboradas propostas capazes de alcançar esses objetivos, trazendo
resultados financeiros positivos para a empresa e otimizando seus processos internos.
Para isso, se fez necessário analisar o cenário atual de demanda e capacidade de
entrega de um fornecedor da empresa alvo objeto do de estudo, bem como a capacidade
de transporte planejada e utilizada no momento e avaliar possibilidades de redução para
veículos com uma capacidade ou frequência de entrega menores, levando em
consideração a longa distância (700Km) em que o fornecedor se encontra e a criticidade
de alguns de seus itens.
Além disso, o histórico de tempo de permanência do veículo de entrega das peças
desse fornecedor no interior da fábrica empresa foi levantadoestudado, identificando a
necessidade de otimização nos pontos de descarga (PDs), ou docas, com o intuito de
reduzir esse o tempo de estadia na empresa. Com isso, foi preciso estratificar as
informações de peças, proporcionando a possibilidade de entender separadamente a
demanda e a volumetria ocupada no veículo por cada PD, definindo o limite máximo de
pontos de descarga por entrega, que foi estabelecido como três para os PD’s com
volume considerável.
Para todas essas análises, foram empregadas ferramentas de Business Intelligence
(BI) e programação Linear utilizando o MS Excel, além de simulações no programa
MAXLOAD realizadas pelo time de transporte da empresa.
No processo atual, o fornecedor XYZ,, da empresa do estudo de casoestudada,
fornece diversas peças, desde suportes e fixações até peças mais elaboradas, como o
cockpit (estrutura de proteção da parte frontal do ônibusde veículos). Ele O fornecedor
realiza entregas diárias na planta da empresa, com o uso deutilizando dois tipos de
veículos, um bitrem e uma carreta 2 eixos. As entregas são oriundas do Sul, da cidade
de Fazenda Rio Grande,, no interior do no estado do Paraná, que está localizada a
aproximadamente 700 Km km de distância da fábricaempresa. Este tem duas janelas de
entregas por dia e uma alta variedade de docas (pontos de Descargadescarga). Esta
condição causa uma instabilidade na cadeia logística, fazendo com que o fornecedor
ultrapasse o limite de tempo de permanência (tempo máximo permitido para estadia do

Artigo Completo
veículo dentro da fábrica), que hoje atualmente é está estimado emde 4 horas, o que
acarretagerando multas que a empresa precisa pagar para as transportadoras.
Assim sendo, os atrasos proporcionados pelo gargalo causado no processo de
descarregamento nesses nos nove pontos de descarga em que esse o fornecedor realiza
suas entregas, entrega podem prejudicar o bom funcionamento da linha de
montagemprodução, ocasionando até a sua parada de produção devido à falta de peça na
borda de linha.
Além disso, existe uma peça JIS (Just In Sequence) entregue diariamente, que é
considerada uma peça crítica, : Oo cockpit do ônibus. Nesse item não serão foram
realizadas modificações devido ao risco de parada de linha e necessidade de estoque de
segurança maior em decorrência da instabilidade da produção dessa peça no fornecedor.
O cockpit ocupa aproximadamente uma carreta por dia, representando cerca de 33% da
volumetria diária entregue atualmente por essa empresa. A embalagem dessa peça é um
rack metálico, desenvolvido especialmente para o cockpit, o que inviabiliza o
empilhamento com outros itens de embalagens universais.
Com tudo isso em menteDiante deste cenário, deve-se entendera questão problema a
ser respondida é: Quais os procedimentos e medidas necessárias para a otimização
do transporte e do processo de descarga desse fornecedor e quais os benefícios que
eles trazem ao serem implementados?
O projeto estudo tem como objetivo identificar e implementar medidas atingíveis que
buscam reduzir o custo de transporte e o tempo de permanência ocupado pelo
fornecedor dentro da fábrica, por meio da otimização no número de pontos de descarga
por viagem e no modelo de veículo e frequência de entrega.

DentreOs os objetivos específicos são, se encontram:

: Eestratificar e analisar dados do processo atual e identificar causas raízes

do problema visando às oportunidades de melhoria,;
eElaborar planejamento de transporte otimizado para reduzir custo e melhorar as
operações internas e ;
Iimplementar alterações e acompanhar processo para realizar medidas de correção.;

A razão pela qual o projeto em questão está sendo realizado, é primordialmente a

agregação de valor à empresa. Isso pode ocorrer de várias formas, a mais comum sendo
a redução de custo, reduzindo as despesas de um processo, mantendo sua eficiência e
produtividade, proporcionando a empresa uma maior rentabilidade ou até mesmo uma
redução no custo do produto-final, o que agrada o cliente.
Com isso, foi identificadoHá a oportunidade de redução no custo de transporte por
otimização de embalagens e replanejamento do processo, além de melhoria na eficiência
na descarga de peças. , e essesOs resultados financeiros e operacionais previstos na
finalização do estudo justificam o investimento de recursos da empresa na realização do
projeto.
Além disso, temos o ganho operacional devido a maior eficiência que o projeto
proporcionará ao processo de carga e descarga do fornecedor no interior da fábrica,

Artigo Completo
evitando até mesmo o pagamento de multas para a transportadora, que hoje é pago em
pacotes, por isso existe uma dificuldade em calcular o valor exato de redução desse
pagamento pelos efeitos da implementação do projeto.
O conhecimento e ganho de experiência obtidos pelo realizador do projeto e pela
equipe também possuem peso na decisão da escolha do projeto. Além disso, a literatura
e metodologia utilizadas para maximização da cubagem no transporte de carga e as
simulações por programação linear geram referência bibliográfica para expansão desse
estudo para novos fornecedores.

2. FUNDAMENTAÇÃO TEÓRICA / THEORETICAL BACKGROUND /

FUNDAMENTOS TEÓRICOS

Com a velocidade de mudança da expectativa dos consumidores atualmente, as

empresas necessitam manter uma flexibilidade e agilidade na hora de realizar decisões
estratégicas e operacionais assertivas. Com isso, ter acesso a dados atualizados sobre as
operações e fornecedores se tornou essencial, com a quantidade e qualidade do acesso
aos dados apresentando correlação direta com a agilidade do negócio, e proporcionando
uma tomada de decisão baseada em fatos estatísticos (NIU et al., 2021).
Obtendo os dados necessários para iniciar o processo, o Business Intelligence
possibilita, através de ferramentas que geram Dashboards interativos, a conversão de
dados em informações chaves, para se tomar uma decisão melhor e mais ágil (LIANG;
LIU, 2018).
A programação linear é um método matemático que busca sempre obter o melhor
resultado matematicamente possível de um modelo, levando em consideração as
diversas restrições que aparecem no contexto. De acordo com Hiller & Lieberman
(1988) e Williams (1993), a programação linear é uma ferramenta para o planejamento
de atividades para a obtenção de um resultado ótimo, respeitando as alternativas viáveis.
Com ela, pode-se resolver problemas complexos de uma forma mais simplificada,
buscando otimizar os recursos disponíveis, e proporcionando informações que suportam
a tomada de decisão (GOULART et al., 2021).
Buscando uma estratégia de otimização logística, deve-se pensar no planejamento e
administração da demanda, no armazenamento, e no transporte. O transporte envolve a
seleção da localização do fornecedor, visando pela menor distância possível, o modal de
transporte que melhor se adeque a determinada situação, e o tipo de veículo dentro
daquele modal que atenda às necessidades de carga, volume e tempo de entrega
(TAVASSZY et al., 2020).
Podendo representar entre 30% e 60% dos custos logísticos totais, o transporte
impacta diretamente no produto final, ou seja, a competitividade da empresa é afetada,
demandando alta eficiência nesse quesito para não haver perda de market share para os
concorrentes no mercado (BALLOU, 2007).
O modal rodoviário apresenta maior flexibilidade se comparado a outros modais,
como o ferroviário e o aéreo, por exemplo. Apesar de possuir, em média, um custo mais
elevado do que o ferroviário, esse modal não necessita da realização de transbordo entre

Artigo Completo
o destino e a origem, e possui uma velocidade maior, proporcionando uma facilidade na
entrega capaz de atender as demandas de forma eficiente e no prazo certo (BALLOU,
2007).
Para fins de comparação entre o modal rodoviário e o ferroviário, na Tabela 1 são
exibidas as vantagens e as desvantagens de cada um deles.

Tabela 1 – Ferroviário x Rodoviário

Fonte: Elaborado pelo autor (2021)

No Brasil, utiliza-se muito o modal rodoviário, devido principalmente às condições

precárias da malha ferroviária (BARRETO, RIBEIRO, 2020). Porém, o transporte por
cabotagem, navegando pelas costas do país, sem sair do território nacional, está
sofrendo mudanças em sua legislação (BRASIL. Lei n° 14.301, de 10 de janeiro de
2022), e pode apresentar-se como alternativa viável operacional e financeiramente para
as empresas brasileiras (FAY; AKHAVAN; GOLDBERG, 1967).

 Tipos de veículos – modal rodoviário

Na hora da escolha do tipo de veículo para realizar o transporte, deve-se levar em

consideração a capacidade volumétrica e a capacidade de peso que ele possui. Na
Tabela 2 está apresentada essa relação:

Tabela 2 – Tipos de veículos

Artigo Completo
 Fonte: Dados Internos (2021)

 Processos logísticos – in house

Com o objetivo de facilitar o fluxo logístico de materiais dentro da fábrica, são

criados “Supermercados” descentralizados, locais designados para armazenar
determinadas peças mais perto do seu local de consumo, para assim diminuir a
movimentação interna (NOURMOHAMMADI et al., 2021). Assim sendo, obtém-se
também, pontos de descarga (PDs) de materiais descentralizados. Isso permite a
possibilidade de otimizar as entregas dos veículos de acordo com cada PD e assim,
tornar os processos internos mais rápidos e eficientes.
O lead time é o prazo total do ciclo do produto, iniciando na solicitação e pedido por
parte do cliente e terminando no momento da entrega (BALLOU, 2002). Para que isso
aconteça no menor tempo possível e atenda a demanda do cliente, a logística precisa
suprir a produção de forma otimizada, entregando a peça certa no momento certo, e
mantendo o fluxo interno com a menor quantidade de gargalos possível.
Visando reduzir o tempo das operações logísticas, deve-se eliminar os desperdícios
que causam gargalos. Para isso, é necessário a realização de um mapeamento do
processo, identificação dos problemas e das causas raízes e elaboração da proposta de
solução (DMAIC). Na Tabela 3, identifica-se os principais desperdícios Lean e seus
exemplos que podem ser encontrados no dia a dia da logística.

Tabela 3 – Desperdícios na Logística

Artigo Completo
 Fonte: Elaborado pelo autor (2021)

3. MÉTODO / METHOD

Para que se possa identificar o fato gerador do problema e propor solução

satisfatória, se faz necessária uma análise das informações que poderão contribuir para
uma visão acurada da situação. Na figura 1, evidencia-se uma estrutura geral e resumida
do fluxo de procedimentos que foram realizados nessa etapa., que serão posteriormente
explicados de forma mais detalhada.

Figura 1 – Fluxo etapa 1

1°

Artigo Completo
 Obtenção da
planilha de
dados

Análise do
Adição de
Dashboard e
informações
Brainstorm
faltantes para
para identificar
análise
causas raízes

Geração de Tratamento da
Dashboard planilha

Fonte: Elaborado pelo autor (2021)

Os dados e planilhas utilizados são de origem interna, e já são colhidos como

procedimento padrão, separados por fornecedor, e retiradas do sistema SAP® GUI, o
ERP (Enterprise Resource Planning) usado pela empresa.

b.1) Obtenção da planilha de dados

A base de dados utilizada deve ser solicitada ao disponente logístico, terceira

prestadora de serviços administrativos, responsável principalmente pelo MRP
(Manufactoring Resource Planning) e suporte no planejamento de transportes da
empresa. Deve-se especificar o fornecedor em questão, e solicitar a planilha por e-mail
(o que foi feito nesse caso) ou solicitar acesso à pasta no servidor na qual esta se
encontra.
Na aba de capacitação do ano vigente, encontram-se informações importantes como
volume anual planejado pelo TAED (área da empresa responsável pelo cálculo dos
volumes estimados), que representa o volume de todas as peças que serão entregues por
aquele fornecedor ao decorrer do ano. Esse volume planejado não é dividido
linearmente durante o ano, pois existe uma variação na produção que causa uma
flutuação na quantidade de entrega de cada peça por mês.
Por esse motivo, para determinados fornecedores, se faz necessário um estudo mais
elaborado com base em uma análise histórica, correlacionando o volume de produção de
determinado tipo de veículo com a quantidade de peças daquele fornecedor por carro.
Assim sendo, utilizando a previsão de venda trimestral, o planejamento de transporte vai
se alterando a um período menor.

Artigo Completo
 Para o fornecedor em estudo, não foi preciso esse tipo de análise, pois este não
possui peças que sofrerão variabilidade considerável, por isso, o volume anual foi
dividido pelo número de semanas em que ocorrerão entregas no ano (51 semanas),
resultando em um volume semanal estimado.
Outra informação importante é o ponto de descarga (local da fábrica empresa onde
no qual será descarregado e armazenado) cada peça. Isso é necessário para entender se
algum ponto de descarga (PD) está apresentando gargalo devido ao excesso de volume
de descarga por parte desse fornecedor, o que poderia ser a possível causa do aumento
no indicador de tempo de permanência. Como foi introduzido anteriormente, o
fornecedor em estudo vem apresentando excesso no tempo máximo de permanência
excedente (que atualmente é de quatro horas), o que gera multas e prejuízos financeiros
à empresa.
Além disso, a informação de embalagem, identificando qual o modelo e qual a
quantidade de peças por unidade, que cada recipiente consegue comportar, é essencial
para a previsão da volumetria que será ocupada no veículo no momento do transporte.
Na figura 2, encontra-se um exemplo da planilha, ocultando algumas informações
sigilosas, e com apenas uma amostra das peças, que no total da população, são
equivalentes a quantidade de 185 tipos diferentes (Part Numbers que apresentam
volume maior que o previsto para 2021).

Figura 2 – Planilha Base

Fonte: Dados Internos (2021)

b.2) Adição de informações faltantes para análise

Algumas informações referentes aos PDs estavam faltantes ou incorretas, e

precisavam ser retificadas. Para a identificação dos erros, é necessário um conhecimento
de chão de fábrica, pois a planilha se baseia no planejado, mas pode acontecer de
operacionalmente estar sendo feito algo diferente, por diversos motivos. Assim sendo, o
ideal é observar peças que estão em PDs fora dos padrões para aquele fornecedor, como

Artigo Completo
por exemplo, um fornecedor que somente entrega peças metálicas possuir um Part
Number (PN) listado para descarga no PD de itens inflamáveis.
Além disso, o GEMBA (iIda ao chão de fábrica para analisar o processo de perto) é
fundamental para evitar possíveis erros.
Quando um erro desse tipo é identificado, deve-se confirmar a informação com o
operador logístico, que para esse caso, terá uma relação mais consistente e atualizada de
PNs por PDs, pois eles acompanham o dia a dia do processo.
Outra informação importante é a metragem cúbica ocupada por cada embalagem,
para realizar o cálculo de cubagem estimada e necessária por semana, para suportar a
entrega do fornecedor.
Para embalagens universais, o padrão é o mesmo, e as dimensões de cada uma
podem facilmente serem encontradas na internet. Para racks especiais, a informação
deve ser solicitada ao operador logístico, que possui uma planilha do time de
desenvolvimento de embalagens e que possuem as informações de todos esses racks.

b.3) Tratamento da planilha

Após concluída a inserção dos itens faltantes, é preciso realizar alguns cálculos para
gerar informações importantes para a tomada de decisão, sendo elas:

VOLUME SEMANAL
- Volume semanal:
51

Volume semanal
- Quantidade de embalagens entregues por semana:
Múltiplo

- Volumetria semanal ocupada no veículo por peça: Quantidade de embalagens

entregues por semana x Metragem cúbica de cada embalagem.

É importante enfatizar que o segundo cálculo deve ser sempre arredondado para
cima, pois mesmo que ocupe uma pequena fração de uma embalagem, será transportada
a embalagem inteira.

b.4) Geração de Dashboard

Com todas as informações essenciais para geração dos indicadores que auxiliarão na
identificação do problema e tomada de decisão, se faz necessário a criação de um
Dashboard interativo para facilitar esse processo e permitir uma análise visual mais
rápida. A ferramenta de Business Intelligence (BI) utilizada para este fim foi o Power

Artigo Completo
BI, da Microsoft®. Como o tratamento dos dados já havia sido feito anteriormente na
planilha base, foi necessário apenas realizar o upload do arquivo para o software de BI
para depois criar os indicadores.

b.5) Análise do Dashboard e brainstorm para identificar causas raízes

Os indicadores essenciais para a análise são:

- Quantidade de Part Numbers por Ponto de Descarga;

- Volume anual de Part Numbers por Ponto de Descarga;

- Volume por fluxo de entrega (Frequência de entrega na semana);

- Quantidade de embalagens por tipo de embalagem;

- Volume de embalagens anual;

- Nº de embalagens no processo por Ponto de Descarga.

Entender o que esses indicadores representam é o que ajudará a encontrar gargalos

que podem ser os causadores do tempo de permanência acima do limite permitido por
parte do fornecedor, além de ajudar na definição da divisão de Pontos de Descarga por
veículo e dia da semana específicos.
Para realizar um bom planejamento de transporte e processos internos de
movimentação de veículos e descarga de peças, são necessários alguns procedimentos,
que estão demonstrados na figura Figura 3, e serão posteriormente detalhados.

Figura 3 – Fluxo Etapa 2

Artigo Completo
 Analisar
Dashboard

Examinar
Simulação
fotografias
por software
do processo
especializado
atual

Programação
Linear no
Excel

Fonte: Elaborado pelo autor (2021)

Para o planejamento otimizado de transporte, foram reunidas algumas evidências:

Primeiro, levou-se em consideração as análises anteriormente realizadas a partir de
dados sistêmicos e indicadores; além disso, fotos dos veículos na primeira doca
(Primeira ponte de descarga do veículo dentro da fábrica) foram analisadas, com o
intuito de identificar a condição do mesmodeste ao chegar na fábrica, ou seja, a
volumetria ocupada pelas embalagens.
Como as conclusões da análise dos indicadores já foram apresentadas anteriormente
para identificar a causa raiz do problema de tempo de permanência, o próximo passo
para chegar a uma solução otimizada de transporte foi a inspeção visual do processo.
As fotografias de primeira doca são tiradas como processo padrão pelo conferente da
carga, e podem ser encontradas nas pastas compartilhadas, para os colaboradores que
possuírem acesso. Elas também podem ser solicitadas para qualquer membro de
operação logística da empresa, e serão enviadas por e-mail (nesse caso, foram recebidas
por e-mail). Com essa inspeção, é possível determinar se a cubagem (volumetria) do
veículo está sendo utilizada em uma porcentagem ideal, ou se está sendo subutilizada, o
que indicaria possibilidade de troca do veículo para um com menor capacidade
volumétrica, e consequentemente, de menor custo.
Com os conceitos introduzidos na etapa de análise de dados, pode-se empregaá-los
também na geração de uma solução otimizada através dautilizando a ferramenta Solver,
do Eexcel. Essa solução permite uma diretriz, obtida de forma mais rápida, que depois
deverá passar pelo software de simulação comumente utilizado pelo time de transporte
da empresa.

Artigo Completo
 Porém, para facilitar a resolução e não despender muito tempo realizando inúmeras
simulações no software até chegar a um modelo planejado ideal, o Eexcel serve como
uma ferramenta para filtrar as possibilidades e aproximar a solução gerada pelo seu
modelo, ao mais próximo possível do ideal. Assim sendo, o MAXLOAD (Software de
simulação) realizará apenas os ajustes finais e validação da proposta sugerida pelo
Solver.
A seguir, estão descritas as etapas realizadas no excel Excel para preparar o modelo
de otimização de cubagem e escolha do tipo de veículo que melhor satisfaça o processo,
com o menor custo possível:

- Elaborar uma tabela com os pontos de descarga na vertical e os dias da semana na

horizontal,

- Adicionar uma coluna na vertical após todos os dias da semana, contendo a

metragem cúbica semanal que será destinada a cada ponto de descarga;

- Adicionar uma coluna ao lado dessa última com a soma da cubagem ocupada por
ponto de descarga;

- Adicionar uma nova coluna ao lado dessa última com a subtração entra a coluna da
soma de cubagem e a coluna de metragem cúbica semanal;

- Adicionar uma linha na horizontal abaixo de todos os PDs contendo a cubagem

máxima do veículo;

- Adicionar uma linha abaixo dessa última com a soma da cubagem ocupada por dia
da semana;

- A célula em amarelo é a soma entre todos os valores da linha de somatório de

cubagem por dia.;

O resultado da elaboração da tabela deve ficar como o exemplo a seguirilustrado dna

figura 4.:

Artigo Completo
 Figura 4 – Tabela para otimização no Solver

Fonte: Elaborado pelo autor (2021)

1. A otimização acontece por partes, definindo quais os PDs e dias da semana,

além de qual o veículo, e fazendo as simulações no Solver até que se obtenha um
resultado satisfatório, ou seja, servirá como comprovação para as propostas dos
analistas e ferramenta de auxílio para validar as conclusões resultantes da inspeção das
fotos e análise do dashboard.
2. O procedimento no Solver foi realizado da seguinte forma:
3. - A célula em amarelo (somatório das cubagens) é o que se busca maximizar;
4. - A primeira restrição é que as células em azul (somatório da metragem cúbica
diária) não deve ser maior do que o máximo de capacidade do veículo determinado para
se analisar;
5. - A segunda restrição é que as células da coluna 2 (Somatório de metragem
cúbica por PD) deve ser menor ou igual a cubagem semanal total ocupada por cada PD.
6. As células de modificação são as em branco, entre os PDs e dias da semana, para
o qual a pré-análise realizada estiver buscando validação.
7. Na Figura 5 está demonstrado um exemplo do que foi citado anteriormente,
utilizando a tabela da Figura 4:

Artigo Completo
 Figura 5 – Exemplo Solver

Fonte: Elaborado pelo autor (2021)

O método de LP Simplex deve ser selecionado para esse modelo em específico.

4. RESULTADOS / RESULTS

Uma parte da planilha base finalizada com a adição de informações e tratamento dos
dados está representada abaixo na Figura 6.

Artigo Completo
 Figura 6 - Planilha Base Finalizada

Fonte: Dados Internos (2021)

A seguir, nas Figuras 7 e 8, têm-se o Dashboard gerado com os indicadores

pertinentes a análise da causa raiz.

Figura 7 - Dashboard – Análise Causa Raiz Parte 1

Fonte: Elaborado pelo autor (2021)

Artigo Completo
 Figura 8 - Dashboard – Análise Causa Raiz Parte 1

Fonte: Elaborado pelo autor (2021)

Para a análise das causas raízes, foram utilizadas algumas interações e filtros nesses
indicadores que permitiram uma melhor visão e entendimento. A seguir, serão
apresentadas as conclusões de análise para cada interação realizada.

- Nota-se que ao total, esse fornecedor descarrega em 9 nove pontos de descarga

diferentes. Ao O cenário de quantidade de PDs por entrega varia de 4 a 6 pontos
distintos, o que pode ser um dos motivos de gargalo, pois são mais locais de diferentes e
mais movimentação que o veículo deve fazer no interior da fábrica para descarregar
todas as peças.

- Na parte 1, pode-se identificar que o PD com maior volume de entrega é o setor do

armazém denominado Standard Parts, o que indica que ele possa estar representando
um gargalo. Na parte 2, filtrando somente por esse PD, constata-se que todas as
embalagens referentes a suas peças são embalagens padrão, GLTs ou KLTs, sem
nenhum tipo de embalagem especial, (GLTs e KLTs são facilmente empilháveis,
diferente de racks metálicos), com 85% sendo de KLTs, ou seja, embalagens padrões
menores.

- O segundo maior volume de peças está com o PD da do módulo Maxion, com

aproximadamente 16% do volume total (Standard representa aproximadamente 55%).
Porém, analisando a parte 2, as embalagens do PD Maxion são majoritariamente de
GLTs e alguns racks metálicos. Assim sendo, o PD Maxion, apesar de representar um

Artigo Completo
volume de peças menor que o PD Standard, na volumetria ocupada no veículo pelas
embalagens, ele é superior.

- O PD do setor Linha fFinal é composto pelo Cockpit, peça ao qual não entrará no
planejamento otimizado devido a sua criticidade para a produção, e algumas outras
peças que possuem racks metálicos como embalagem.

- O PD do módulo Kroschu apresenta características similares ao PD Maxion, porém

com menor volumetria.

- Os demais PDs representam pouca volumetria e somente têm possibilidade de

representar gargalos se vierem de forma distribuída em veículos diferentes durante dias
diferentes da semana, pois diminuiriam a quantidade de descarga por vez e aumentariam
a frequência, o que gera mais movimentação para o veículo e maior tempo operacional
para o processo.

A seguir, Na figura 9, está apresentada uma das fotos do veículo na primeira doca,
evidenciando a proporcionalidade de aproveitamento médio de cubagem por parte das
peças desse fornecedor em estudo.

Figura 9 – Foto do veículo na primeira doca

Fonte: Dados Internos (2021)

Essa imagem representa apenas um exemplo do que é visto em relação as entregas

esse fornecedor. O que se nota analisando o histórico diário de fotos de primeira doca
(Esse fornecedor realiza entregas de segunda a sexta feita, duas vezes ao dia, sendo um
Bitrem e uma Carreta 2 eixos) é que o percentual de cubagem ocupada não está
otimizado, ou seja, existe possibilidade, mesmo que sem nenhuma medida de melhoria

Artigo Completo
implementada, de reduzir custos de transporte, mudando o tipo de veículo, ou reduzindo
a frequência.
Assim sendo, foram analisadas algumas propostas de alterações no planejamento de
transporte, que foram testadas e validadas pelo modelo do Solver e pela operação de
transporte, avaliandaavaliando a que representava maior redução de custo. Chegou se a
conclusão de que a proposta ideal operacionalmente e financeiramente era a redução da
frequência da Carreta 2 eixos diária para duas vezes por semana, o que resultaria num
saving estimado de aproximadamente 800 mil reais para a empresa.
Além disso, para melhoria do processo interno e redução do tempo de permanência,
foi proposta a solução de para os PDs com volume considerável, serem limitados a
quantidade de 3 três PDs por veículo. Os PDs com pouco volume seriam concentrados
em dois dias da semana, em uma das carretas do bitrem. A outra carreta do bitrem seria
dedicada a descarga diária de cockpit, por esse motivo não entrou no modelo.
Os demais três dias do bitrem seriam dedicados aos racks metálicos Maxion, linha
final (exceto cockpit) e demais embalagens Kroschu.
Na carreta 2 dois eixos, com frequência de 2 duas vezes por semana, será
transportado embalagens GLTs e KLTs, exclusivamente, para os PDs Maxion e
Standard, diminuindo o gargalo causado por esses pontos atualmente. A configuração
no modelo do solver Solver ficou como representado abaixo nas figuras Figuras 10 e
11:

Figura 10 – Proposta de transporte otimizado – Bitrem

Fonte: Elaborado pelo autor (2021)

Figura 11 – Proposta de transporte otimizado – Carreta 2 eixos

Artigo Completo
 Fonte: Elaborado pelo autor (2021)

5. DISCUSSÕES / DISCUSSIONS / DISCUSIONES

O estudo realizado permitiu a identificação de oportunidades de melhoria na cadeia

de suprimentos da empresa alvo do estudo, com foco na redução de custos de transporte
e melhoria dos processos de descarga. A análise do cenário atual de demanda e
capacidade de entrega do fornecedor permitiu a identificação de possibilidades de
redução para veículos com uma capacidade ou frequência de entrega menores, levando
em consideração a longa distância em que o fornecedor se encontra e a criticidade de
alguns de seus itens. Além disso, o levantamento do histórico de tempo de permanência
do veículo de entrega das peças desse fornecedor no interior da fábrica permitiu a
identificação da necessidade de otimização nos pontos de descarga (PDs), ou docas,
com o intuito de reduzir esse tempo de estadia na empresa. Com isso, foi possível
propor soluções capazes de trazer resultados financeiros positivos para a empresa e
otimizar seus processos internos. Além disso, o presente estudo gera base teórica para
pesquisas futuras e aplicações em outros fornecedores da empresa, expandindo os
ganhos e tornando esse procedimento um padrão para análise do fluxo de carga e
descarga no interior da empresa.

6. CONSIDERAÇÕES FINAIS / FINAL CONSIDERATIONS /

CONSIDERACIONES FINALES
Com base nos resultados obtidos neste estudo, é possível afirmar que a utilização de
ferramentas de Business Intelligence e programação linear para análise de processos
logísticos e de transporte pode trazer benefícios significativos para as empresas,
incluindo redução de custos, otimização de processos internos e melhoria da eficiência
operacional. Essa abordagem permite a identificação de oportunidades de melhoria na
cadeia de suprimentos, bem como a proposição de soluções capazes de trazer ganhos
financeiros para a empresa, sem comprometer a qualidade do serviço prestado aos
clientes.
É importante ressaltar que a implementação das soluções propostas requer um
compromisso contínuo da empresa com a melhoria de seus processos logísticos e

Artigo Completo
operacionais. Isso inclui a adoção de práticas e políticas que incentivem a redução de
custos de transporte e a melhoria da eficiência operacional, bem como o investimento
em tecnologias e recursos capazes de automatizar processos e agilizar a tomada de
decisões.
Além disso, é fundamental que a empresa mantenha um diálogo aberto e constante
com seus fornecedores e clientes, com o objetivo de alinhar as expectativas e
necessidades de cada parte envolvida na cadeia de suprimentos. Isso permite uma
melhor gestão da demanda e capacidade de entrega, evitando a ocorrência de atrasos ou
interrupções no fluxo de produtos e serviços.
Por fim, é importante destacar que o estudo realizado apresenta limitações que
devem ser consideradas em pesquisas futuras. É possível que outras variáveis não
consideradas neste estudo possam influenciar os resultados obtidos, o que torna
importante a realização de análises complementares e aperfeiçoamento dos métodos
utilizados. No entanto, os resultados obtidos neste estudo indicam um potencial
significativo de melhoria nos processos logísticos e de transporte das empresas, o que
justifica a realização de futuras pesquisas nesse campo.
REFERÊNCIAS / REFERENCES / REFERENCIAS

LAMBERT, Douglas M.; COOPER, Martha C.; PAGH, Jens. Supply chain
management: implementation issues and research opportunities. The International
Journal of Logistics Management, v. 9, n. 2, p. 1-19, 1998.

CHRISTOPHER, Martin; PECK, Helen; TOWILL, Denis. A taxonomy for selecting

global supply chain strategies. The International Journal of Logistics Management,
v. 12, n. 2, p. 13-24, 2001.

HILLER, F. S.; LIEBERMAN, G. J. Pesquisa operacional. São Paulo: McGraw-Hill

do Brasil, 1988.

WILLIAMS, H. P. Model building in mathematical programming. 4th ed. New York:

John Wiley & Sons, 1993.

BRASIL. Lei n° 14.301, de 10 de janeiro de 2022. Institui o Programa de Estímulo ao

Transporte por Cabotagem (BR do Mar). Diário Oficial da União, Brasília, DF, 11 jan.
2022. Seção 1, p. 1-2.

FAY, D. L.; AKHAVAN, S.; GOLDBERG, V. M. Angewandte Chemie International

Edition, 6(11), 951–952., n. 465, p. 106–111, 1967.

GOULART, P. et al. Programação Linear Para Dimensionamento De Frota De Um

Operador Logístic. Revista Eletrônica de Estratégia & Negócios, v. 14, n. I, p. 60,
2021.

Artigo Completo
LIANG, T. P.; LIU, Y. H. Research Landscape of Business Intelligence and Big Data
analytics: A bibliometrics study. Expert Systems with Applications, v. 111, n. 128, p.
2–10, 2018.

NIU, Y. et al. Organizational business intelligence and decision making using big data
analytics. [s.l.] Elsevier Ltd, 2021. v. 58

NOURMOHAMMADI, A. et al. Integrated locating in-house logistics areas and

transport vehicles selection problem in assembly lines. International Journal of
Production Research, v. 59, n. 2, p. 598–616, 2021.

TAVASSZY, L. et al. Logistics Decisions in Descriptive Freight Transportation

Models: A Review. Journal of Supply Chain Management Science, v. 1, n. 3–4, p. 3–
4, 2020.

Artigo Completo