Escolar Documentos
Profissional Documentos
Cultura Documentos
ISSN: 1696-8352
Page 1
ISSN: 1696-8352
RESUMO
Nos últimos anos as dificuldades enfrentadas pelos produtores rurais no tocante à
comercialização da produção e, consequentemente, rentabilidade da atividade tornaram-
se complexas, exigindo novas metodologias para resolução de problemas, controle e
avaliação do desempenho dos processos produtivos. Esta pesquisa teve como objetivo
identificar no período de 2013 à 2020, se existiu diferença significativa no resultado
financeiro proveniente da comercialização da produção de soja em três momentos: i)
venda de toda a produção antecipadamente no mês de maio do ano corrente; ii) venda de
parte da produção, necessária para cobrir os custos com o barter em maio do ano corrente
e o restante após a colheita em março, no mês de abril do ano seguinte; e iii) venda de
parte da produção, necessária para cobrir os custos com o barter em maio do ano corrente
e o restante no mês de setembro do ano seguinte levando em consideração os custos pós-
colheita com armazenagem gerados no período. A metodologia utilizada neste trabalho
foi a System Dynamics, complementada por testes estatísticos, teste F e teste Tukey e, por
fim, simulação Monte Carlo. Conclui-se que a comercialização de toda produção no mês
de maio foi a estratégia que demonstrou maior probabilidade de obtenção de uma margem
de comercialização superior aos demais meses analisados nesse estudo.
ABSTRACT
In recent years, the difficulties faced by rural producers regarding the commercialization
of production and, consequently, profitability of the activity have become complex,
requiring new methodologies for solving problems, controlling and evaluating the
performance of production processes. This research aimed to identify, in the period from
2013 to 2020, whether there was a significant difference in the financial result resulting
from the commercialization of soybean production in three moments: i) sale of all
production in advance in the month of May of the current year; ii) sale of part of the
production, necessary to cover barter costs in May of the current year and the remainder
after the harvest in March, in April of the following year; and iii) sale of part of the
production, necessary to cover barter costs in May of the current year and the remainder
in September of the following year, taking into account post-harvest storage costs
generated in the period. The methodology used in this work was System Dynamics,
complemented by statistical tests, F test and Tukey test and, finally, Monte Carlo
simulation. It is concluded that the commercialization of all production in the month of
May was the strategy that demonstrated the greatest probability of obtaining a higher
commercialization margin than the other months analyzed in this study.
Page 2
ISSN: 1696-8352
RESUMEN
En los últimos años, las dificultades que enfrentan los productores rurales en cuanto a la
comercialización de la producción y, en consecuencia, la rentabilidad de la actividad se
han tornado complejas, lo que requiere nuevas metodologías para la solución de
problemas, el control y la evaluación del desempeño de los procesos productivos. Esta
investigación tuvo como objetivo identificar en el periodo 2013 a 2020, si se presentó una
diferencia significativa en el resultado financiero de la comercialización de la producción
de soja en tres momentos: (i) venta de toda la producción por adelantado en el mes de
mayo del año en curso; (ii) venta de parte de la producción, necesaria para cubrir los
costos con el trueque en mayo del año en curso y el resto después de la cosecha en marzo,
en el mes de abril del año siguiente; y (iii) venta de parte de la producción, necesaria para
cubrir los costos con el trueque en mayo del año en curso y el resto en el mes de
septiembre del año siguiente teniendo en cuenta los costos post-cosecha generados en el
período. La metodología utilizada en este trabajo fue la Dinámica de Sistemas,
complementada con pruebas estadísticas, prueba F y prueba Tukey, y finalmente
simulación Monte Carlo. Se concluye que la comercialización de toda la producción en
mayo fue la estrategia que mostró mayor probabilidad de obtener un mayor margen de
comercialización que los otros meses analizados en dicho estudio.
1 INTRODUÇÃO
Conforme reportam Borlachenco e Gonçalves (2017), no Brasil os grãos,
principalmente de culturas como soja e milho, testemunharam crescimento rápido da
produção e da produtividade, em razão da expansão geográfica na região Centro-oeste do
país e da adoção e difusão das inovações tecnológicas.
Há mais de vinte anos, Calvazara (1999), ressaltava que o setor agrícola brasileiro
vinha caminhando a passos largos para a modernização, pois o mercado agrícola sofria
com a grande influência e competição de empresas estrangeiras, que ofereciam qualidade
em seus produtos, quantidade e preços mais baixos. Nas décadas passadas a agricultura
brasileira por contar com privilégios governamentais produzia para consumo e venda sem
a preocupação com planejamento e racionalização das atividades dentro e fora da
propriedade.
Um dos maiores desafios da cadeia produtiva da soja é o de administrar a
sazonalidade, característica predominante na maioria dos produtos agrícolas (Ojima,
2006). Conforme ressalta Matos et al. (2014) são muitas as formas para controlar a
Page 3
ISSN: 1696-8352
produção de uma empresa, desde o modo mais simples de controle feito manualmente até
os mais sofisticados os quais utilizam recursos eletrônicos. Embora as considerações de
Matos et al. (2014) se apliquem às organizações industriais o mesmo raciocínio pode ser
estendido para propriedades agrícolas. No Planejamento e Controle de Produção (PCP)
deve-se considerar as questões inerentes a qualquer atividade agrícola, como clima e
sazonalidade, solo e topografia, disponibilidade de infraestrutura (irrigação, mecanização,
eletrificação e armazenamento) para analisar o status quo operacional da empresa e
promover eventuais adequações futuras.
A sazonalidade exige que se estabeleçam estratégias de comercialização do
produto que maximize o retorno, visando compensar os riscos e incertezas inerentes ao
mercado agrícola (Arantes; Souza, 1993). Atualmente os produtores rurais utilizam-se da
prática comercial conhecida comumente como barter, que conforme Johann, Cunha e
Wander (2017) consistem em operações que remetem ao mais primitivo dos comércios,
o escambo, ou seja, trocar produtos, propriedades, serviços por outros produtos ou
serviços sem usar dinheiro. No entanto, na maior parte das regiões produtoras de grãos o
barter é feito considerando somente os gastos referentes à aquisição de fertilizantes,
sementes e defensivos agrícolas.
A utilização da operação de bater caracteriza-se como um mitigador de riscos e
incertezas. Outras alternativas também podem ser utilizadas para otimizar os resultados
financeiros da atividade agrícola como exemplo os modelos matemáticos desenvolvidos
para maximizar os lucros ou minimizar os custos de produção abordados pela pesquisa
operacional.
De acordo com Andrade (2002), a pesquisa operacional com um enfoque mais
clássico, é definida como a arte de aplicar técnicas de modelagem a problemas de decisão,
por meio de métodos matemáticos e estatísticos buscando encontrar a solução ótima de
maneira sistêmica.
Nas simulações desenvolvidas nos primórdios da Pesquisa Operacional, os
problemas eram resolvidos através da obtenção de resultados ótimos para cada parte
individual do modelo (Gavira et al., 2002). Na área de mecanização agrícola, por
exemplo, alguns autores como Couto et al. (2012) utilizando o aplicativo Microsoft Excel
Page 4
ISSN: 1696-8352
Page 5
ISSN: 1696-8352
2 METODOLOGIA
Para elaborar um sistema de simulação que reflita os resultados financeiros do
processo de comercialização de grãos aplicável a uma propriedade rural é necessário
monitorar o fluxo de informações da cultura em estudo, desde o plantio até o
armazenamento, possibilitando a programação das atividades que deverão ser executadas,
como plantio, colheita, armazenamento entre outras (Figura 1).
Page 6
ISSN: 1696-8352
Nesse contexto, foi considerado como ponto de partida para construção do modelo
uma propriedade agrícola produtora de soja localizada no município de Rio Verde – GO
e que adquiri fertilizantes, sementes e defensivos agrícolas via barter. Conforme
informações contidas no Censo Agropecuário realizado pelo Instituto Brasileiro de
Geografia e Estatística (IBGE), em 2017, no referido município a área total cultivada com
soja foi de 338.063 ha, em 893 estabelecimentos, o que resulta em uma área média de
378,57 ha/estabelecimento. No mesmo ano a produtividade da cultura naquele município
foi de 58,33 sacas de soja/ha.
Considerou-se que a propriedade possui uma estrutura que assegure atender um
ritmo operacional diário para plantio e colheita de 25,24 ha, necessários para se respeitar
a janela de plantio e possibilitar a utilização da mesma área em segunda safra. Assim, a
semeadura deverá ocorrer até o fim da primeira quinzena de novembro. Logo, serão
necessários 15 dias tanto para plantio quanto para colheita, considerando a escolha de
uma cultivar com Grau de Maturação Relativo (GMR) entre 5,6 e 6,0 que apresentará
ciclo médio, ou seja, 120 dias para seu desenvolvimento pleno. Tais ponderações são
Page 7
ISSN: 1696-8352
Fonte: Picanço Filho, Figueiredo e Oliveira Neto (2009) conforme simbologia utilizada pelo Software
Stella 9.
Page 8
ISSN: 1696-8352
1
Foram considerados como custos com o barter os gastos para aquisição de fertilizantes, sementes e de-
fensivos agrícolas.
Page 9
ISSN: 1696-8352
Figura 3 – Índices sazonais dos preços da soja pagos ao produtor, em Rio Verde-GO, no período de
01/2013 a 12/2019
1,04
1,02
Índice de sazonalidade - IS
1,00
0,98
0,96
0,94
0,92
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ
.Fonte: elaborado pelos autores.
CMBa
Qtda (sc) = PT × (1)
Pa
Sendo,
Page 10
ISSN: 1696-8352
CMBCONAB,k
CMBa = ×100 (2)
IPA base maio,a
Em que:
Sendo,
Pn
Pn base setembro 2020 = ×100 (4)
IPAnbase setembro 2020
Donde,
Page 11
ISSN: 1696-8352
Em que:
Após obtenção das margens totais pós barter em valores correspondentes ao poder
de compra no mês de setembro de 2020, foi verificado se existe diferença, do ponto de
vista estatístico, entre as estratégias de comercialização analisadas.
A análise estatística foi realizada com o emprego do software Sisvar 5.0 (Ferreira,
2011) e consistiu de um teste de F a 5% de probabilidade e, constatada diferença entre os
tratamentos, utilizou-se o teste de Tukey também a 5% de probabilidade. Posteriormente,
a técnica Monte Carlo foi empregada a fim de determinar as probabilidades de ocorrência
das margens pós barter dentro das estratégias de comercialização consideradas.
3 RESULTADOS E DISCUSSÃO
A estrutura do modelo produtivo de soja (composto de estoques, conversores,
fluxos e conectores) é apresentada na Figura 4. Foram definidos oito estoques
(representado por retângulos): o primeiro estoque “Soja em desenvolvimento” é um
estoque do tipo conveyor, comumente denominado de “esteira rolante”, e que foi inserido
no modelo para representar o desenvolvimento da soja ao longo dos 120 dias; o segundo
estoque, “Soja apta para colheita”, acumula a soja apta para a colheita; o terceiro, “Soja
colhida” acumula momentaneamente o volume de soja colhida diariamente e que será
direcionado para o quarto estoque “Soja barter Maio”, responsável por acumular, a cada
colheita realizada, quantidade de sacas comprometidas com os custos barter até que
ocorra pagamento dos insumos e só depois permitir um fluxo de sacas para o quinto
Page 12
ISSN: 1696-8352
estoque “Soja venda Maio ou Abril”, responsável por acumular os grãos destinados à
posterior comercialização no mês de maio ou abril.
Por fim, do sexto ao oitavo estoques ocorre o processo de desconto dos custos
pós-colheita, em sacas. Dessa forma, o converter “Soja venda Setembro” é dado pela
diferença entre os estoques “Soja venda Maio ou Abril” e “Qtd total de sacas para cobrir
custos pós colheita”. Esse último estoque acumula os valores calculados no estoque
denominado “Qtd de sacas por dia para cobrir os custos pós colheita” proveniente do
fluxo de colheita.
DESPESAS DE
Dias para o plantio ARMAZENAGEM Direcionamento para
Soja apta Soja v enda
Fluxo de Soja Fluxo de comercialização
para colheita Soja Colhida Maio ou Abril
plantio amadurecendo colheita em Maio ou Abril
Soja em
desenv olv imento
Sementes
Área Plantada Produtiv idade Custo da operação
Diariamente esperada de barter
Período de
desenv olv imento Cobrir custos Fertilizantes
com o barter
Relação de Troca
Planejamento operação de barter Def ensiv os
colheita
Capacidade de colheita
Relação de Troca
Soja barter
operação de barter
Maio
De acordo com a projeção de plantio, 25,24 ha/dia, são necessários 15 dias para
realizar o plantio da área total (378,57 ha). Considerando 120 dias para o desenvolvimento
da soja, os primeiros 25,24 ha semeados estarão aptos para a colheita no 121o dia,
posteriormente serão mais 25,24 ha/dia aptos à colheita até o 136º dia, concluindo o
processo de colheita (Tabela 1).
Page 13
ISSN: 1696-8352
Soja em desenvolvimento
do ano seguinte
ano seguinte
Soja colhida
Dias
ha Sacas de 60 kg
0 25,24 0 0 0 0 0 0
1 25,24 25,24 0 0 0 0 0
2 25,24 50,48 0 0 0 0 0
14 25,24 353,36 0 0 0 0 0
15 0 378,60 0 0 0 0 0
16 0 378,60 0 0 0 0 0
120 0 378,60 0 0 0 0 0
121 0 353,36 25,24 0 0 0 0
122 0 328,12 25,24 1.472,25 0 0 0
123 0 302,88 25,24 1.472,25 1.472,25 0 0
124 0 277,64 25,24 1.472,25 2.944,50 0 0
Page 14
ISSN: 1696-8352
registros de safras anteriores. Ainda de acordo com a Tabela 1, a partir do 130º até o 137º
dia o produto colhido poderá ser destinado à comercialização em abril ou vendido em
setembro após acréscimo dos custos pós-colheita (armazenamento).
Vale ressaltar que a quantidade de dias de colheita necessários para cobrir os
custos está diretamente relacionada à produtividade. Assim, por exemplo, uma maior
produtividade implicaria em um período menor de colheita necessária para cobrir os
custos com o barter, bem como majorações nos preços da soja, causariam efeito
semelhante.
Os valores atualizados das margens pós barter para cada estratégia de
comercialização, dentro do período de estudo, encontram-se na Tabela 2 e foram
calculados a partir da multiplicação dos preços atualizados para setembro de 2020 pelas
quantidades disponíveis para venda, ou seja, descontando-se as quantidades necessárias
para cobrir os custos com o barter e pós-colheita.
Tabela 2. Indicativo das quantidades disponíveis para os cobrir os custos barter, quantidades disponíveis
para apurar as margens pós barter, preços corrigidos e margens pós barter para os meses de abril, maio e
setembro no período de 2013 à 2020.
2013 2014 2015 2016 2017 2018 2019 2020
Quantidades disponíveis para cobrir custos barter, em sacas (Qtda)
Abril - 6.064,74 7.639,99 8.653,97 7.734,16 9.300,80 9.078,43 9.418,35
Maio 6.064,74 7.639,99 8.653,97 7.734,16 9.300,80 9.078,43 9.418,35 -
Setembro - 7.997,31 9.462,94 11.037,06 10.146,86 11.954,28 11.585,43 12.115,72
Quantidades disponíveis para apurar as margens pós barter, em sacas (PT - Qtda)
Abril - 16.017,26 14.442,01 13.428,03 14.347,84 12.781,20 13.003,57 12.663,65
Maio 16.017,2 14.442,01
13.428,03 14.347,84 12.781,20 13.003,57 12.663,65 -
6
Setembro - 14.084,69 12.619,06 11.044,94 11.935,14 10.127,72 10.496,57 9.966,28
Preço corrigido (Pn) – R$/sc
Abril - 111,71 110,12 96,72 87,88 106,87 103,48 102,80
Maio 95,98 111,67 105,88 106,46 91,59 110,50 103,02 -
Setembro - 111,29 112,08 94,62 97,07 127,85 114,33 136,09
Margens pós barter (MPB) – em milhares de reais R$
Abril - 1.789,25 1.590,29 1.298,71 1.260,83 1.365,87 1.345,55 1.301,78
Maio 1.537,41 1.612,74 1.421,79 1.527,44 1.170,64 1.436,94 1.304,66 -
Setembro - 1.567,51 1.414,37 1.045,09 1.158,60 1.294,84 1.200,05 1.356,31
Fonte: Dados de pesquisa obtidos e calculados a partir da modelagem de dinâmica de sistemas, 2021.
A partir dos dados contidos na Tabela 2, foi realizada uma análise de variância,
fator único, a fim de verificar a existência de diferença significativa quanto as margens
Page 15
ISSN: 1696-8352
Tabela 3 - Teste de Tukey para as médias das margens pós barter, em reais, apurados para os meses de
abril, maio e setembro
Mês de Comercialização Margens pós barter (R$)
Abril 1.421.753,18 a
Maio 1.430.231,18 a
Setembro 1.290.967,05 a
Médias seguidas de mesma letra não diferem entre si pelo teste de Tukey (P < 5%).
DMS = R$ 238.052,26 | Erro padrão = R$ 65.922,51
Page 16
ISSN: 1696-8352
Figura 5 – Volatilidade dos preços da soja ao longo das safras 2013/2014 a 2019/20 em Rio Verde – GO.
140,00
Preço pago ao produtor - R$/sc
130,00
120,00
110,00
100,00
90,00
80,00
70,00
60,00
2013 2014 2015 2016 2017 2018 2019 2020
Período
Page 17
ISSN: 1696-8352
Tabela 4 – Probabilidade de ocorrência dos preços pagos aos produtores de soja, em Rio Verde – GO, e
das margens nas três estratégias de comercialização analisadas no período de 2013-2019
Pset Pset Pabril MPBmaio MPBabril MPBmaio
> > > > > >
Pmaio Pabril Pmaio MPBset MPBset MPBabril
Valores em porcentagem, %
74,24 75,71 46,69 61,83 61,09 51,00
Fonte: elaborado pelos autores.
Page 18
ISSN: 1696-8352
4 CONSIDERAÇÕES FINAIS
A metodologia System Dynamics demonstrou ser uma ferramenta útil a ser
utilizada na construção de modelos capazes de auxiliar os produtores no planejamento e
controle da produção, fomentando a tomada de decisão sob a perspectiva de descrição das
etapas do processo produtivo da cultura de soja, permitindo, dessa forma, a otimização
dos recursos produtivos e acesso à segunda safra.
No entanto, fica reconhecido que, com um singelo modelo aplicado à uma
propriedade agrícola produtora de soja, foi possível examinar os efeitos de alterações nas
suposições básicas (preços dos insumos e da soja, em diferentes épocas de
comercialização) e simular os efeitos de mudanças no planejamento do agricultor, para
compreender como essas alterações podem influenciar nas decisões de comercialização
e, consequentemente, no plantio de segunda safra. Em uma situação real, uma experiência
semelhante seria longa, dispendiosa, arriscada e em muitos casos impossível.
O teste de comparação de médias das margens calculadas para o período que
compreende as safras 2013/14 até 2019/20, evidenciou que a estratégia de
comercialização após a operação do barter, ou seja, vendendo toda a soja em maio ou o
excedente após a colheita em abril ou armazenando as sacas de soja para sua posterior
venda no mês de setembro foi pouco eficaz uma vez que a diferença mínima significativa
(DMS) entre as margens pós barter foi inferior à R$ 238.052,26.
De acordo com os resultados obtidos na análise de risco, com o emprego da
simulação Monte Carlo, conclui-se que a comercialização de toda produção no mês de
maio foi a estratégia que demonstrou maior probabilidade de obtenção de uma margem
de comercialização superior aos demais meses analisados nesse estudo. De fato, embora
a soja seja uma commodity agrícola cuja formação do seu preço é definida pelo mercado
internacional (CBOT – Chicago Board of Trade), o que resulta em baixa volatilidade do
preço ao longo do ano, o mesmo não ocorre com os custos pós-colheita,
especificadamente de armazenagem, que oscilam em função de outras variáveis como
aumentos de energia elétrica, manutenção dos equipamentos, inseticidas para controle de
pragas em grãos armazenados entre outros.
Page 19
ISSN: 1696-8352
REFERÊNCIAS
COUTO, R.F.; CUNHA, J.P.B.; REIS, E.F. Modelo de programação linear para seleção
de diferentes formas de pulverização agrícola para cana-de-açúcar. Revista Engenharia
na Agricultura, Viçosa, v.20, n.6, p.529-536, 2012.
COYLE, R.G. System dinamics modelling: a pratical approach. Londres: Chapman &
Hall/CRC, 1996. 432p.
Page 20
ISSN: 1696-8352
GAVIRA, M.O.; TAVARES, C.G.; ROVERI, E.; BELHOT, R.V. O emprego de System
Dynamics no ensino e treinamento. In: XXX CONGRESSO BRASILEIRO DE ENSINO
DE ENGENHARIA, 2002, Piracicaba - SP, 2002, CD-ROM. 10 páginas.
MATOS, A.C.; REIS, Z.C.; NODARI, C.H.; GANZER, P.P.; CALIARI, R.B.;
PRODANOV, C.C.; OLEA, P. M.; DORION, E.C. Planejamento e Controle da Produção:
Um Estudo em Uma Empresa de Pequeno Porte do Setor Metalúrgico. In: XIV Mostra
de Iniciação Científica, Pós-graduação, Pesquisa e Extensão, 14., 2014, Caxias do Sul.
Anais... Caxias do Sul: Universidade de Caxias do Sul – UCS, 2014.
Page 21
ISSN: 1696-8352
WIAZÓVSKI, B.A.; LÍRIO, V.S. Productive chain of slaughter beef: a systemic analysis
of its competitiveness. In: IV Congresso Internacional de Economia e Gestão de Redes
Agroalimentares, 4., 2003, Ribeirão Preto. Anais... Ribeirão Preto: USP, 2003.
Page 22