LOCALIZAÇÃO DE CENTROS DE DISTRIBUIÇÃO PARA E-COMMERCE NO BRASIL

Oliveira, Cesar Augusto Figueiredo de; Moreira, Miguel Ângelo Lellis

doi:10.22167/2675-6528-202604371

Article

November 10, 2026

LOCALIZAÇÃO DE CENTROS DE DISTRIBUIÇÃO PARA E-COMMERCE NO BRASIL

Cesar Augusto Figueiredo de Oliveira; Miguel Ângelo Lellis Moreira

DOI: 10.22167/2675-6528-202604371

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A localização de Centros de Distribuição (CDs) é uma decisão estratégica crucial para empresas de e-commerce, influenciando custos logísticos e prazos de entrega. Pequenas e médias empresas (PMEs) enfrentam desafios para realizar análises robustas devido à escassez de dados proprietários e ferramentas especializadas. Desenvolveu-se um modelo analítico de otimização combinatória, que integrou aprendizado de máquina não supervisionado (K-means) e meta-heurística (Algoritmo Genético), fundamentado exclusivamente em dados públicos, para apoiar decisões de localização de CDs no Brasil. Utilizaram-se dados do IBGE, do dataset Olist (Kaggle), do Google Trends e da Google Maps Distance Matrix API para construir uma base integrada com coordenadas geográficas, proxies de demanda e matrizes de distância. A metodologia combinou clusterização por K-means para identificar regiões logisticamente homogêneas e Algoritmo Genético como heurística de busca para selecionar municípios que minimizassem o custo logístico total. Os resultados indicaram a formação de seis clusters com padrões regionais distintos, concentrando 42% da demanda na região metropolitana do Sudeste. O cenário com dois CDs, localizados em São Paulo e Salvador, apresentou uma redução de 22% no custo variável de transporte em comparação com um baseline de CD único, com cobertura de 70% da demanda dentro do prazo de entrega (SLA) de dois dias. Análises de sensibilidade demonstraram a robustez do modelo, com variações inferiores a cinco pontos percentuais sob diferentes cenários de demanda e custos. Concluiu-se que a abordagem proposta oferece uma alternativa viável e replicável para PMEs democratizarem o acesso a métodos analíticos de localização.

Palavras-chave: Algoritmo Genético; Centros de Distribuição; E-commerce; K-means; Otimização.

1. Introdução

O crescimento acelerado do comércio eletrônico tem ampliado significativamente a complexidade das operações logísticas, especialmente em ambientes urbanos caracterizados por elevada densidade populacional e grande variabilidade espacial da demanda. Nesse contexto, a necessidade de otimização torna-se evidente, exigindo soluções capazes de melhorar o planejamento e reduzir custos operacionais na distribuição de mercadorias (Wang et al., 2021). Paralelamente, a digitalização das operações tem impulsionado o uso de dados na tomada de decisão, surgindo como ferramenta fundamental para aprimorar a eficiência e a alocação de recursos.

A disponibilidade crescente de dados, aliada ao avanço das tecnologias analíticas, permite que organizações aprimorem seus processos de gestão. Estudos recentes sobre big data analytics indicam que o aumento da capacidade de processamento permite às organizações aprimorar seus processos decisórios e elevar o desempenho operacional (Mishara et al., 2021). Empresas orientadas por dados utilizam a análise sistemática de informações para otimizar o desempenho, permitindo decisões mais precisas em atividades como planejamento de demanda e localização de infraestrutura logística (Chopra, 2021). O gerenciamento digital da cadeia de suprimentos proporciona ganhos significativos de resiliência e vantagem competitiva sustentável (Ivanov, 2024).

Apesar desses avanços, muitas organizações ainda enfrentam dificuldades na transformação de dados em inteligência estratégica. Fatores como a carência de competências analíticas e a complexidade na integração de sistemas figuram entre os principais obstáculos à consolidação de estratégias orientadas por dados. Essa lacuna é particularmente acentuada em pequenas e médias empresas (PMEs), que frequentemente carecem de dados proprietários e ferramentas analíticas especializadas para realizar análises robustas de localização de centros de distribuição.

Técnicas de ciência de dados têm sido cada vez mais utilizadas para apoiar decisões relacionadas ao planejamento da rede logística e à localização de centros de distribuição. Modelos modernos de otimização para a localização de instalações são eficazes na redução de custos e na melhoria do nível de serviço ao aproximar estoques dos centros de consumo (Wang et al., 2021). De forma complementar, o uso de algoritmos evolutivos permite explorar grandes espaços de solução para identificar configurações eficientes de redes logísticas (Katoch et al., 2021). A clusterização, por exemplo, é empregada para identificar agrupamentos de regiões com padrões semelhantes de demanda, como o algoritmo K-means (Sinaga e Yang, 2020).

Diante desse contexto, este estudo propõe o desenvolvimento de um modelo analítico replicável, baseado em dados públicos, para otimizar a localização de centros de distribuição de pequenas e médias empresas (PMEs) no cenário brasileiro. A questão de pesquisa norteadora é: de que maneira a integração de análise de dados e modelos de otimização pode fundamentar o planejamento operacional e a alocação de recursos em operações logísticas de PMEs? Para guiar a investigação, formulou-se a hipótese de que o emprego de abordagens modernas de otimização e análise estatística permite a identificação de localizações estratégicas que minimizam custos sem a dependência de dados históricos proprietários (Facett e Waller, 2022). O objetivo do presente estudo é desenvolver um modelo analítico estruturado exclusivamente com base em dados públicos e ferramentas open-source, demonstrando que a inteligência de dados é capaz de democratizar o planejamento logístico de alto nível para pequenas e médias empresas (PMEs).

2. Material e Métodos

Este estudo caracterizou-se como uma pesquisa de natureza aplicada, com abordagem quantitativa, visando ao desenvolvimento de um modelo analítico. O objetivo central foi otimizar a localização de centros de distribuição para pequenas e médias empresas (PMEs) no Brasil, utilizando dados públicos e ferramentas open-source. A metodologia integrou técnicas de aprendizado de máquina não supervisionado e meta-heurísticas para fundamentar o planejamento logístico e a alocação eficiente de recursos.

A base de dados foi compilada a partir da integração de diversas fontes públicas. Dados demográficos, como população municipal e coordenadas geográficas, foram obtidos do Instituto Brasileiro de Geografia e Estatística (IBGE). Informações sobre transações de comércio eletrônico foram extraídas do Olist E-commerce Dataset (Kaggle). Para determinar distâncias e tempos de percurso entre municípios, empregou-se a Google Maps Distance Matrix API. Dados do Google Trends foram integrados como indicador de interesse por consumo digital. Este processo utilizou chaves geográficas comuns, consolidando informações demográficas, logísticas e de demanda em uma base analítica unificada.

Na etapa de pré-processamento e transformação dos dados, registros inconsistentes ou incompletos foram eliminados, e os identificadores geográficos dos municípios foram padronizados. Elaborou-se a variável “pedidos_per_capita”, calculada pela divisão entre o volume estimado de pedidos e a população de cada município. Dada a assimetria da distribuição dessa variável, aplicou-se uma transformação logarítmica para mitigar o impacto de valores extremos e aproximar a distribuição dos dados da normalidade, facilitando a aplicação de técnicas de clusterização.

Para identificar regiões com características logísticas semelhantes, aplicou-se a técnica de aprendizado de máquina não supervisionado K-means. Este algoritmo foi selecionado por sua eficiência computacional e robustez com grandes volumes de dados espaciais, segmentando a demanda logística e agrupando regiões com consumo e densidade populacional similares (Sinaga e Yang, 2020). O número ideal de agrupamentos (k) foi determinado pelo Método do Cotovelo (Elbow Method), que avalia a variação da Soma dos Erros Quadráticos (SSE) dentro dos clusters.

O modelo matemático do K-means buscou particionar um conjunto de observações em k agrupamentos, minimizando a soma dos quadrados das distâncias entre os pontos e seus respectivos centroides. A função objetivo J calculou a inércia, onde x_i representou o vetor de características da observação e μ_j o centroide do cluster. As análises foram conduzidas em Python, utilizando Pandas (Reback et al., 2022) para manipulação de dados, NumPy (Harris et al., 2020) para operações numéricas e Scikit-learn (Pedregosa et al., 2011) para a implementação do K-means.

Após a identificação dos clusters, aplicou-se um Algoritmo Genético (AG) para otimizar a seleção de municípios candidatos à instalação de centros de distribuição. O AG é uma meta-heurística inspirada na seleção natural, utilizada em problemas de otimização combinatória e localização de instalações em redes complexas, onde soluções exatas são computacionalmente inviáveis (Katoch et al., 2021). Cada indivíduo da população representou uma combinação de municípios candidatos, buscando a minimização do custo logístico total e o equilíbrio entre eficiência e responsividade da rede (Chopra, 2021).

Os principais parâmetros configurados para o AG foram: tamanho da população de 100 indivíduos, limite de 200 gerações, taxa de mutação de 5% e taxa de cruzamento (crossover) de 80%. O problema de localização foi formulado com base no modelo canônico do Problema das p-Medianas (p-Median Problem), que busca minimizar a soma das distâncias ponderadas entre os pontos de demanda e as instalações mais próximas.

A função objetivo (Z) minimizou o custo logístico total, considerando a demanda (w_i) de cada município (n) e a distância ou custo de transporte (d_ij) entre o nó de demanda e a facilidade (CD_j). As variáveis binárias de decisão (x_ij e y_j) indicaram se um município é atendido por um CD e se um CD é aberto em um local, respectivamente. A restrição Σy_j = p garantiu o número máximo de CDs a serem instalados, conforme o cenário analisado.

A robustez do modelo foi avaliada por meio de análises de sensibilidade, testando sua performance sob diferentes cenários de demanda e custos. Esta etapa permitiu verificar a estabilidade das soluções de localização propostas frente a variações nas condições operacionais, contribuindo para a validação da aplicabilidade do modelo em contextos reais de PMEs.

3. Resultados e Discussão

A análise exploratória inicial dos dados revelou uma concentração significativa da demanda proxy nas regiões Sudeste e Sul do Brasil. Verificou-se que 42% dos pedidos estavam localizados em apenas 15% dos municípios brasileiros, o que sublinha a heterogeneidade espacial da demanda no país. A variável “pedidos_per_capita” apresentou uma distribuição com elevada assimetria à direita, com uma média de 0,00049 e um desvio padrão de 0,00123, indicando a predominância de municípios com baixa densidade de pedidos e a existência de poucos centros de alta demanda. Essa característica dos dados exigiu um tratamento específico para garantir a eficácia das etapas subsequentes de modelagem.

Para mitigar o impacto de valores extremos e normalizar a escala dos dados, aplicou-se uma transformação logarítmica à variável “pedidos_per_capita”. Essa abordagem foi fundamental para estabilizar a variância, permitindo que o algoritmo K-means identificasse padrões de agrupamento baseados em ordens de magnitude, e não apenas em valores absolutos. Tal procedimento preveniu a distorção dos clusters por municípios com demanda excepcionalmente alta, conforme recomendado por Ahmed et al. (2022) para dados de contagem. A normalização dos dados é um passo crítico para a robustez de algoritmos de clusterização em cenários de grande variabilidade.

A Clusterização da Demanda

A aplicação da técnica de aprendizagem não supervisionada K-means foi crucial para identificar regiões com características logísticas semelhantes, segmentando a demanda de forma estratégica. O algoritmo K-means, reconhecido por sua eficiência computacional e robustez com grandes volumes de dados espaciais (Sinaga e Yang, 2020), agrupou municípios com padrões de consumo e densidade populacional similares. Essa segmentação permitiu tratar cada agrupamento como uma unidade estratégica de planejamento, simplificando a decisão sobre a localização de infraestruturas logísticas, um benefício destacado por Ahmed et al. (2022).

O número ideal de agrupamentos (k) foi determinado utilizando o Método do Cotovelo (Elbow Method). A análise da variação da Soma dos Erros Quadráticos (SSE) dentro dos clusters para diferentes valores de k indicou um ponto de inflexão em k=6. Neste ponto, a redução da variância intra-cluster deixou de ser significativa, sugerindo que os ganhos adicionais de segmentação se tornariam marginais. A escolha de seis clusters otimizou a representação da diversidade da demanda, equilibrando a granularidade da análise com a interpretabilidade dos resultados.

Os seis clusters de demanda identificados apresentaram perfis regionais distintos, refletindo a heterogeneidade logística do Brasil. O Cluster 0 foi caracterizado por demanda difusa no interior, com exemplos como Ribeirão Preto (SP) e Uberlândia (MG). O Cluster 1 englobou a demanda litorânea e capitais do Nordeste, incluindo Salvador (BA), Fortaleza (CE) e Recife (PE). O Cluster 2 representou a demanda intermediária do Sul, com Curitiba (PR) e Porto Alegre (RS). O Cluster 3 abrangeu a demanda do Centro-Oeste, com Goiânia (GO) e Brasília (DF).

O Cluster 4 destacou-se pela alta densidade e propensão de compra, concentrando grandes centros urbanos como São Paulo (SP), Rio de Janeiro (RJ) e Belo Horizonte (MG), que representam polos de consumo intensivo. Por fim, o Cluster 5 foi composto por regiões de baixa densidade e demanda isolada, como Manaus (AM) e Belém (PA), que, apesar da menor densidade, são estrategicamente importantes devido à sua localização geográfica e desafios logísticos específicos. Essa categorização forneceu uma base sólida para a etapa de otimização, permitindo uma alocação mais eficiente dos recursos.

Otimização da Localização dos Centros de Distribuição

A etapa de otimização empregou o Algoritmo Genético (AG) para localizar as p-Medianas da rede, buscando minimizar a função fitness, que representa o custo logístico total. A convergência do modelo foi estável a partir da geração 120, indicando que o AG encontrou soluções eficientes. A robustez dessa meta-heurística reside em sua capacidade de explorar um vasto espaço de busca por meio de cruzamentos e mutações aleatórias, mantendo a diversidade da população e evitando a convergência prematura para ótimos locais (Katoch et al., 2021). Essa característica é crucial para resolver problemas de otimização combinatória de larga escala, como a malha logística brasileira.

Os cenários simulados para a rede de Centros de Distribuição (CDs) demonstraram o impacto do número de instalações nos custos e na cobertura do nível de serviço (SLA). Um cenário com um único CD em São Paulo resultou em um custo variável de transporte de R$1.000.000 e uma cobertura de 45% da demanda dentro do SLA. Ao expandir para dois CDs, localizados em São Paulo e Salvador, o custo variável foi reduzido para R$780.000, representando uma diminuição de 22% em relação ao baseline de CD único, e a cobertura do SLA aumentou para 70%.

A expansão para três CDs, incluindo São Paulo, Salvador e Manaus, resultou em um custo variável de R$690.000, uma redução de 31% em comparação com o cenário de CD único, e uma cobertura de 82% da demanda dentro do SLA de dois dias. Com quatro CDs (São Paulo, Salvador, Manaus, Goiânia), a redução no custo variável atingiu 37%, com cobertura de 88%. Finalmente, cinco CDs (São Paulo, Salvador, Manaus, Goiânia, Curitiba) proporcionaram uma redução de 41% no custo variável e 91% de cobertura do SLA. Esses resultados quantitativos evidenciam que a descentralização estratégica é fundamental para a competitividade.

Observou-se um trade-off de rendimentos decrescentes após o quarto CD, sugerindo que, para pequenas e médias empresas (PMEs), uma rede de três a quatro unidades representa o ponto de equilíbrio ótimo entre a redução do lead time e a sustentabilidade dos custos fixos. Essa constatação corrobora a literatura que enfatiza a importância de equilibrar eficiência e responsividade na rede logística (Chopra, 2021). A alocação de demanda para o cenário com três CDs, considerado ideal para muitas PMEs, ilustra essa distribuição estratégica.

No cenário com três Centros de Distribuição, o CD de São Paulo atendeu a 1.892 municípios, cobrindo 52% da demanda com um tempo médio de entrega de 1,3 dias. O CD de Salvador atendeu a 2.145 municípios, cobrindo 28% da demanda com um tempo médio de 1,8 dias. Por sua vez, o CD de Manaus atendeu a 1.533 municípios, cobrindo 20% da demanda com um tempo médio de 2,1 dias. Essa distribuição demonstra como a localização estratégica dos CDs otimiza a cobertura e o tempo de entrega, aproximando os estoques dos centros de consumo e reduzindo as distâncias médias de transporte.

Análise de Sensibilidade e Implicações Práticas

A robustez do modelo foi testada por meio de análises de sensibilidade frente a instabilidades nos custos e na demanda. Mesmo com um incremento de 30% no custo de combustível, a cobertura do SLA para o cenário de três CDs caiu apenas três pontos percentuais, para 79%, demonstrando uma alta resiliência operacional do modelo. Uma redução de 20% no custo de combustível resultou em uma melhoria de dois pontos percentuais na cobertura do SLA, enquanto um pico de demanda na região Norte/Nordeste levou a uma queda de quatro pontos percentuais na cobertura.

Esses achados indicam que o posicionamento dos Centros de Distribuição em nós de alta conectividade blinda a operação contra flutuações de custos. A descentralização para regiões como o Nordeste e o Norte, embora possa aumentar os custos de transporte por quilômetro, reduz drasticamente o tempo total de entrega, superando largamente os benchmarks de mercado de três a cinco dias para essas regiões (Ivanov, 2024). O planejamento orientado por dados (data-driven) mostra-se, portanto, superior a modelos estáticos na mitigação de complexidades geográficas (Mishara et al., 2021).

Os resultados obtidos confirmam que a introdução de múltiplos centros de distribuição proporciona uma redução significativa nos custos logísticos, ao mesmo tempo em que eleva a cobertura de serviço para patamares competitivos de 82%. Essa descoberta corrobora estudos anteriores sobre otimização de redes logísticas, que demonstram como a descentralização da infraestrutura reduz as distâncias médias de transporte e aprimora o serviço ao cliente final (Chopra, 2021). Adicionalmente, as descobertas validam estudos recentes em logística baseada em dados, que apontam a descentralização com modelos de otimização como um meio eficaz para reduzir a complexidade geográfica e a instabilidade operacional em e-commerces de alto desempenho (Ivanov, 2024; Mishra et al., 2021).

A integração da clusterização por K-means e da otimização via Algoritmo Genético cumpriu o objetivo primordial de oferecer uma metodologia estruturada para a localização de centros de distribuição. A análise identificou uma concentração de 42% da demanda em apenas 15% dos municípios das regiões Sul e Sudeste, validando a necessidade de uma regionalização logística. O modelo foi capaz de sugerir coordenadas otimizadas que minimizam a distância ponderada pela demanda proxy, provando que é possível fundamentar o planejamento operacional de PMEs sem a dependência exclusiva de dados históricos proprietários altamente granulares.

Como modelo de apoio à decisão, a proposta oferece o benefício da escalabilidade e do baixo custo de implementação, ancorando-se em fontes de dados públicas e APIs acessíveis. Essa abordagem permite que gestores realizem simulações de cenários, variando o número de centros de distribuição ou ajustando os pesos de demanda, para visualizar o impacto geográfico na rede de forma visual e quantitativa. Isso democratiza o acesso a ferramentas de inteligência logística que, anteriormente, eram restritas a grandes corporações com departamentos de ciência de dados consolidados, validando a hipótese de pesquisa.

Contudo, o modelo apresenta limitações inerentes à natureza dos dados utilizados. O uso de proxies de demanda, como o Google Trends e amostras de marketplaces, captura a intenção de compra e o comportamento histórico de uma fatia do mercado, mas pode não refletir com exatidão a sazonalidade específica de nichos de produtos. A análise também se concentra em reduzir distâncias e tempos de deslocamento, não incluindo variáveis financeiras e tributárias complexas, como benefícios fiscais estaduais (ICMS), custos de aluguel de galpões ou restrições de capacidade das instalações. Essas variáveis devem ser integradas em etapas futuras do projeto logístico.

Em síntese, os resultados demonstraram que a integração de aprendizado de máquina não supervisionado e meta-heurísticas, utilizando exclusivamente dados públicos, é uma abordagem viável e eficaz para otimizar a localização de Centros de Distribuição para PMEs no Brasil. O modelo proposto permitiu identificar padrões de demanda, agrupar regiões logisticamente homogêneas e selecionar localizações estratégicas que minimizam custos logísticos e melhoram a cobertura de serviço, respondendo diretamente ao objetivo de democratizar o planejamento logístico de alto nível.

4. Conclusão

O estudo buscou desenvolver um modelo analítico replicável, fundamentado exclusivamente em dados públicos, para otimizar a localização de centros de distribuição de pequenas e médias empresas (PMEs) no Brasil. Verificou-se que a integração de aprendizado de máquina não supervisionado (K-means) e meta-heurística (Algoritmo Genético) permitiu a identificação de seis clusters de demanda com padrões regionais distintos, evidenciando uma concentração de 42% da demanda na região metropolitana do Sudeste. Os resultados demonstraram que a descentralização estratégica da rede logística é crucial para a eficiência operacional; um cenário com dois centros de distribuição, localizados em São Paulo e Salvador, proporcionou uma redução de 22% no custo variável de transporte e uma cobertura de 70% da demanda dentro do prazo de entrega de dois dias. A expansão para três unidades, incluindo Manaus, elevou a cobertura para 82% com uma redução de 31% nos custos variáveis. A análise de sensibilidade confirmou a robustez do modelo, com variações mínimas na cobertura do nível de serviço mesmo sob cenários de instabilidade de custos e demanda. A principal contribuição reside na oferta de uma metodologia acessível e de baixo custo, que democratiza o acesso a ferramentas de inteligência logística de alto nível para PMEs, validando a hipótese de que é possível identificar localizações estratégicas sem depender de dados históricos proprietários.

Contudo, o modelo apresenta limitações inerentes à natureza dos dados utilizados, como o emprego de proxies de demanda que podem não capturar a sazonalidade específica de nichos de produtos. A análise concentrou-se na minimização de distâncias e tempos de deslocamento, sem incorporar variáveis financeiras e tributárias complexas, como benefícios fiscais estaduais, custos de aluguel de galpões ou restrições de capacidade das instalações. Para estudos futuros, sugere-se a incorporação desses custos fixos de instalação, evoluindo a modelagem para o Problema de Localização de Facilidades Capacitado. Recomenda-se, ainda, a realização de testes comparativos com outros algoritmos bio-inspirados, a exemplo da Otimização por Enxame de Partículas, visando refinar a precisão das soluções em cenários de elevada complexidade combinatória.

Referências Bibliográficas

Ahmed, M. et al. 2022. A review of modern computational algorithms for network flow optimization. Revista de Pesquisa Operacional (Oxford) 62: 112-135.

Chopra, S. 2021. Gestão da Cadeia de Suprimentos: Estratégia, Planejamento e Operação. 7. ed. Pearson, São Paulo.

Fawcett, S.E.; Waller, M.A. 2022. Theory building in the context of supply chain management: Why it matters and how to do it. Journal of Business Logistics 43: 7-21.

Harris, I.; Mumford, C.L.; Naim, M.M. 2020. Digital transformation in logistics and supply chain management: A systematic review of technologies and trends. International Journal of Production Research 58: 4327-4346.

Ivanov, D. 2024. Cadeia de Suprimentos Digital: Gestão, Resiliência e Sustentabilidade. 1. ed. Springer, Cham.

Katoch, S.; Chauhan, S.S.; Kumar, V. 2021. A review on genetic algorithm: past, present, and future. Multimedia Tools and Applications 80: 8091-8126.

Mishra, D. et al. 2021. Data-driven supply chain capabilities and their impact on firm performance. International Journal of Production Economics 238: 108164.

Pedregosa, F. et al. 2011. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research 12: 2825-2830.

Reback, J. et al. 2022. pandas-dev/pandas: Pandas 1.4.2. Zenodo. Disponível em: https://doi.org/10.5281/zenodo.6467363.

Sinaga, K.P.; Yang, M.S. 2020. Unsupervised K-means clustering algorithm. IEEE Access 8: 80716-80727.

Wang, Y. et al. 2021. Warehouse location and service network design with stochastic demand. European Journal of Operational Research 289: 1021-1035.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Most recent

November 10, 2026

Previsão da Demanda do Transporte Aéreo Brasileiro com Modelos de Séries Temporais

November 10, 2026

Desvios de Crista e Pé na Largura Efetiva da Berma em Mina a Céu Aberto

November 10, 2026

Marketing aplicado para fortalecimento de força, contribuição e valor de marca no cooperativismo de crédito

November 10, 2026

Compliance formal e ineficácia prática: da presença da alta administração na prática de atos ilícitos na relação com o Poder Público

November 10, 2026

Behaviour Insights: A comercialização de dados para tomada de decisões estratégicas no setor de tecnologia

November 10, 2026

Controles de segurança da informação baseados na ISO/IEC 27002:2022 em empresas no Brasil

November 10, 2026

Modelo de apoio ao processo de análise financeira de migração on-premises para cloud

November 10, 2026

Estruturação de perfis empresariais por indicadores financeiros e clusterização multivariada

November 10, 2026

Transparência em Saúde e Compliance: uma análise comparativa entre o Sunshine Act (EUA) e a Lei Estadual nº 22.440/2016 (MG)

A previsão da demanda no transporte aéreo é crucial para o planejamento operacional e regulatório de um setor com sazonalidade, sensibilidade a choques e mudanças de trajetória. Objetivou-se modelar e prever o comportamento mensal do volume de passageiros pagos no transporte aéreo brasileiro, utilizando dados históricos da Agência Nacional de Aviação Civil (ANAC) de 2016 a 2025. Adotou-se uma abordagem quantitativa, aplicada e documental. A série mensal foi consolidada e tratada em Python, passando por análise exploratória, teste de Dickey-Fuller aumentado, decomposição sazonal e inspeção de autocorrelação. Compararam-se os modelos Naive sazonal, Holt-Winters e SARIMA, avaliando o desempenho preditivo por MAE, RMSE e MAPE, com validação temporal nos 12 meses de 2025. Os resultados revelaram tendência, sazonalidade recorrente e uma ruptura estrutural em 2020, seguida por recuperação gradual da demanda. O modelo SARIMA demonstrou o melhor desempenho preditivo, com menor erro e maior aderência aos valores observados no período de teste. Concluiu-se que a modelagem clássica de séries temporais foi adequada para representar a dinâmica da demanda aérea brasileira, e o SARIMA mostrou-se a alternativa mais consistente para previsão no contexto analisado.

Palavras-chave: Modelagem SARIMA; Previsão estatística; Sazonalidade; Séries temporais; Transporte aéreo.

November 10, 2026

Desvios de Crista e Pé na Largura Efetiva da Berma em Mina a Céu Aberto

A avaliação geométrica de bermas em minas a céu aberto demonstrou relevância para a segurança operacional e a conformidade da escavação em relação ao projeto. O estudo analisou em que medida os desvios geométricos de crista e de pé explicaram a variação da largura efetiva da berma no Banco -120 de uma mina a céu aberto, utilizando o Excavation Compliance Index como ferramenta de interpretação. A investigação caracterizou-se como aplicada e quantitativa, desenvolvida por meio de estudo de caso com dados geométricos reais extraídos de arquivos em formato DXF. As coordenadas da crista e do pé foram processadas em Python, interpoladas com espaçamento regular de 1 metro e compatibilizadas ao longo do trecho comum das geometrias. Em seguida, realizaram-se análise estatística descritiva, regressão linear múltipla, regressão quantílica, Random Forest Regressor e aplicação adaptada do índice. Os resultados indicaram que 57,7% das bermas foram classificadas como conformes, 30,0% como atenção e 12,2% como críticas. Os desvios da crista foram mais elevados e mais dispersos do que os desvios do pé. A regressão linear múltipla indicou associação estatisticamente significativa entre os desvios geométricos e a largura efetiva da berma, embora com baixo poder explicativo. A regressão quantílica evidenciou que os efeitos variaram ao longo da distribuição da largura, e o Random Forest indicou sensibilidade a padrões não lineares, mas com limitação de generalização sequencial. Verificou-se que os desvios de crista e de pé estiveram associados à largura efetiva da berma, mas não explicaram isoladamente toda a sua variabilidade.

Palavras-chave: avaliação geométrica; geometria de bancadas; índice de conformidade; regressão quantílica.

November 10, 2026

Marketing aplicado para fortalecimento de força, contribuição e valor de marca no cooperativismo de crédito

Em um cenário financeiro competitivo e demandante por confiança, a relevância da marca é crucial para sustentar a preferência e o relacionamento em organizações cooperativas. O estudo investigou como estratégias de marketing aplicado podem fortalecer a força, contribuição e valor de marca em uma cooperativa de crédito, visando ampliar sua relevância competitiva no mercado. Para isso, realizou-se um estudo de caso em uma cooperativa de crédito brasileira, empregando pesquisa quantitativa. Um questionário em escala Likert foi aplicado a 85 funcionários do setor de marketing, selecionados por amostragem não probabilística por conveniência. Os dados foram tratados por frequências, estatística descritiva, análise cruzada e de interdependência entre seções. Os resultados revelaram uma percepção predominantemente positiva, com destaque para lembrança imediata, credibilidade, confiança e segurança, e avaliações favoráveis sobre os efeitos práticos da marca na preferência, etapas de relacionamento e recomendação. Contudo, identificaram-se oportunidades de aprimoramento na consistência entre canais, no processo de onboarding e suporte pós-adesão, e na suficiência das métricas de avaliação. Como contribuições gerenciais, a pesquisa sustentou recomendações para padronizar mensagens e pontos de contato, fortalecer a etapa de entrada e pós-adesão, e consolidar rotinas de acompanhamento por indicadores, com alinhamento interáreas e apoio da liderança para decisões mais consistentes.

Palavras-chave: consistência multicanal; métricas de desempenho; onboarding; relevância competitiva.

November 10, 2026

Compliance formal e ineficácia prática: da presença da alta administração na prática de atos ilícitos na relação com o Poder Público

Nos últimos anos, a solidez de um programa de integridade consolidou-se como critério de credibilidade da empresa, notadamente na relação com o setor público. Ainda assim, apesar de sua ampla difusão no meio corporativo, persistem recorrentes casos de corrupção envolvendo empresas e que contam com a participação frequente da alta administração. O objetivo deste estudo foi analisar a relação entre a efetividade do programa de integridade, o papel da alta administração e a prática de atos ilícitos em face da Administração Pública. Para tanto, adotou-se uma pesquisa exploratória e bibliográfica, a partir de uma visão ampla do compliance, com ênfase no papel da alta administração como um dos principais alicerces para a implementação e desenvolvimento de um programa de integridade eficaz. A partir de dados disponibilizados pela Controladoria Geral da União [CGU] e de casos de ampla repercussão divulgados na mídia, buscou-se examinar de forma integrada a correlação entre a ineficiência de um programa de integridade e a prática de atos ilícitos em face da Administração Pública. Com os resultados, verificou-se que, apesar de o compliance ter se tornado regra nas grandes corporações, bem como uma exigência para a contratação com os órgãos públicos, a gestão predatória e a falta de comprometimento das lideranças ainda são uma realidade que enfraquece ou anula os programas de integridade implantados no cenário corporativo brasileiro, sobretudo no relacionamento com a Administração Pública.

Palavras-chave: compliance; gestores; infração; órgãos públicos.

November 10, 2026

Behaviour Insights: A comercialização de dados para tomada de decisões estratégicas no setor de tecnologia

A crescente utilização da inteligência artificial e da big data por empresas de tecnologia ampliou o uso de dados pessoais como ativos estratégicos, mas também intensificou riscos éticos relacionados à privacidade, consentimento e transparência. Nesse contexto, investigou-se como usuários com conhecimento mínimo sobre a Lei Geral de Proteção de Dados (LGPD), inteligência artificial e dados percebem a legitimidade e a ética do uso do produto Behaviour Insights, desenvolvido pela Meta, e quais contrapartidas consideraram aceitáveis para autorizar o tratamento de dados. Para tanto, realizou-se uma pesquisa aplicada, de abordagem quantitativa, descritiva e exploratória. A coleta de dados ocorreu por meio de um questionário estruturado, aplicado a 100 participantes da região Sudeste do Brasil com conhecimento mínimo sobre LGPD, IA e dados. A análise dos dados foi estatística e incluiu triangulação para maior robustez. Os resultados indicaram que a presença de algoritmos preditivos é amplamente percebida, e 55,6% dos usuários consideraram os sistemas de recomendação algorítmica positivos para sua experiência. Contudo, 82,7% dos respondentes avaliaram negativamente a comercialização de seus dados para terceiros sem consentimento explícito. A legitimidade percebida do Behaviour Insights não se associou à sofisticação técnica, mas à existência de governança de dados, transparência algorítmica e controle do titular. Concluiu-se que a aceitação de soluções preditivas, como o Behaviour Insights, depende da percepção de benefício direto ao usuário e da clareza sobre o uso dos dados, com forte rejeição à comercialização sem consentimento. Recomenda-se que as organizações explicitem as finalidades do uso de dados e as contrapartidas oferecidas para aumentar a aceitação.

Palavras-chave: Comercialização de dados; Criatividade combinatória; LGPD; Predição; Privacidade.

November 10, 2026

Controles de segurança da informação baseados na ISO/IEC 27002:2022 em empresas no Brasil

A segurança da informação representa um requisito fundamental para empresas e entidades governamentais, especialmente diante da crescente digitalização e dos riscos associados à proteção de dados e integridade de sistemas. O objetivo foi analisar 25 controles da norma ISO/IEC 27002:2022, distribuídos em 15 organizacionais, 5 tecnológicos, 3 de pessoas e 2 físicos, em organizações no Brasil. Para isso, realizou-se uma pesquisa exploratória de abordagem quantitativa, que aplicou um questionário estruturado com 30 perguntas a 66 profissionais de segurança da informação. Os dados foram coletados virtualmente entre fevereiro e março de 2026 e analisados por meio de gráficos e tabelas. Os resultados indicaram que as organizações priorizaram controles como restrição de acesso físico, proteção contra malware e remoção de acessos após desligamento. Em contrapartida, controles relacionados à auditoria em segurança da informação, continuidade dos negócios e aprendizado organizacional foram os menos utilizados. A análise revelou que, embora a priorização de controles operacionais gere resultados imediatos, ela compromete o amadurecimento da segurança da informação. Concluiu-se que a implementação consistente de controles estruturantes é crucial para fortalecer a resiliência corporativa e alinhar o sistema de segurança da informação às exigências de gestão e conformidade.

Palavras-chave: conformidade; controles organizacionais; governança; segurança da informação.

November 10, 2026

Modelo de apoio ao processo de análise financeira de migração on-premises para cloud

A computação em nuvem consolidou-se como alternativa estratégica para redução de custos e aumento da flexibilidade na gestão de infraestrutura de TI. Contudo, a migração de ambientes on-premises para a nuvem apresenta desafios, especialmente para organizações com recursos limitados. O estudo teve como objetivo propor um modelo de apoio à análise de viabilidade da migração para a nuvem, fundamentado em dados reais de utilização e custos operacionais. Adotou-se uma metodologia de estudo de caso, na qual se coletaram dados de um ambiente real por meio da ferramenta AWS Migration Evaluator, complementados por informações obtidas junto a um gestor de TI. A partir desses dados, estimaram-se os custos do ambiente on-premises e simularam-se cenários equivalentes em nuvem, possibilitando o cálculo dos indicadores financeiros TCO, ROI e Payback. Os resultados evidenciaram que a viabilidade econômica da migração dependeu das premissas adotadas, como região, modelo de contratação e perfil de utilização dos recursos. A aplicação do modelo revelou uma robusta viabilidade econômica, com um Retorno sobre o Investimento (ROI) de 451% e um período de payback estimado em 6,5 meses, impulsionados pela redução de 45% em vCPU e 64% em memória RAM, decorrente da correção do superdimensionamento. Concluiu-se que o modelo proposto contribuiu como instrumento de apoio à decisão, ao fornecer uma abordagem estruturada e baseada em dados reais, promovendo previsibilidade e racionalidade econômica para processos de migração para a nuvem em empresas de médio porte.

Palavras-chave: Computação em nuvem; Migração para nuvem; Payback; ROI; TCO.

November 10, 2026

Estruturação de perfis empresariais por indicadores financeiros e clusterização multivariada

A crescente disponibilidade de dados financeiros e a necessidade de interpretá-los de forma estruturada tornaram relevantes as técnicas de análise multivariada no contexto da ciência de dados aplicada às organizações. O estudo objetivou identificar e interpretar agrupamentos de empresas com base em indicadores financeiros selecionados, a fim de compreender padrões de similaridade e diferenciação entre os perfis econômico-financeiros observados. Para isso, realizou-se uma pesquisa aplicada, quantitativa e exploratório-descritiva, utilizando uma base de dados composta por variáveis patrimoniais, de capital de giro e obrigações operacionais. Os dados foram tratados, padronizados e agregados por empresa, sendo posteriormente analisados por meio de técnicas de clusterização com o algoritmo K-means, definição do número de clusters pelos métodos Elbow e Silhueta, redução de dimensionalidade por Análise de Componentes Principais e validação estatística por análise de variância. Os resultados mostraram que a segmentação identificou grupos distintos de empresas, diferenciados principalmente por variáveis relacionadas ao porte, ao ativo circulante, ao passivo total, ao passivo circulante e aos fornecedores, evidenciando o papel central dessas dimensões na formação dos clusters. A projeção por componentes principais confirmou a separação visual entre os grupos, e a análise de variância indicou diferenças estatisticamente significativas em parte importante das variáveis. Concluiu-se que a clusterização constituiu uma abordagem adequada para identificar perfis empresariais em bases financeiras e que a integração entre análise financeira e ciência de dados ampliou a capacidade de interpretação dos padrões presentes na amostra.

Palavras-chave: Análise Multivariada; Ciência de Dados; Clusterização; Indicadores Financeiros; K-means.

November 10, 2026

Transparência em Saúde e Compliance: uma análise comparativa entre o Sunshine Act (EUA) e a Lei Estadual nº 22.440/2016 (MG)

Um estudo analisou comparativamente os regimes de transparência em saúde, focando no Physician Payments Sunshine Act dos Estados Unidos e na Lei Estadual nº 22.440/2016 de Minas Gerais. A pesquisa teve como objetivo compreender as diferenças legais entre os modelos e identificar limitações nas bases públicas brasileiras, oferecendo subsídios para recomendações de aprimoramento regulatório. A metodologia empregada caracterizou-se como pesquisa aplicada, de natureza qualitativa e quantitativa, fundamentada em levantamento documental e bibliográfico, com foco nos dados referentes ao ano de 2024. Os resultados revelaram que o sistema norte-americano demonstrou maior abrangência e detalhamento, com um volume expressivo de registros e variáveis reportadas, além de previsão de penalidades, fortalecendo a integridade das informações. Em contrapartida, a legislação mineira restringiu-se a pagamentos gerais, com escopo limitado e menor granularidade de dados, e ausência de sanções, o que comprometeu sua efetividade. Concluiu-se que, embora pioneira, a lei brasileira demanda aprimoramento regulatório para alinhar-se às melhores práticas internacionais de compliance e transparência em saúde.

Palavras-chave: Compliance; Conflito de Interesses; Regulação; Sunshine Act; Transparência em Saúde.

Innovation

November 05, 2026

A technology park does not end within the boundaries of its land

By bringing together skills and monitoring results, your contribution also reaches organizations that are not physically located in it. A technology park is a meeting place. In it, a company can find the knowledge needed to develop a solution, a researcher can discover an application for their work, and an entrepreneur can meet the missing partner […]

Economy

October 19, 2026

End of the 6×1 scale: what do the numbers allow us to conclude?

Following the promulgation of the end of the 6×1 shift system, the debate on the shorter workday moves to implementation and requires distinguishing social benefits from economic costs. The end of the 6×1 shift system transitioned from legislative discussion to a constitutional change in Brazil. On October 16, 2026, the National Congress promulgated Constitutional Amendment No. 141/2026, originating from Proposal […]

Artificial Intelligence

October 16, 2026

Why study if AI exists?

When answers become easy, learning comes to mean more than just arriving at them. Why do I need to learn this if I can ask an artificial intelligence? This type of question has accompanied education for decades. Why learn an operation if a calculator exists? Why memorize information if it can be found […]

Tax Management

October 15, 2026

Pink tax and the gender of price

How different marketing treatments for men and women are incorporated by consumption taxation Imagine a shelf on which two razors of the same brand and intended for the same purpose are displayed side by side: one has dark packaging and promises strength, precision, and efficiency; the other comes in shades of pink or […]

Health

October 13, 2026

The missing link in health transformation

Why is innovation not enough to drive changes in organizations and health systems Digital transformation has become a strategic priority for health systems worldwide. Electronic health records, artificial intelligence, telemedicine, remote monitoring, and data analysis are now part of the strategic agenda of governments and health organizations. Paradoxically, […]

Marketing

October 09, 2026

Bitcoin or pets: what Artificial Intelligence would not see

A real-life consumer intelligence case shows what gets left out of the brief A few years ago, an American insurance company hired a specialized consumer intelligence firm to answer three questions: The insurer was also considering launching paid insurance in bitcoin. At the time, the consultancy’s workflow was as follows: the analyst created a query […]

School Management

October 06, 2026

The school is not a casino: when trading cards become currency in the playground

Why, for certain students, does school manage to offer so few experiences of achievement? The World Cup is over. Brazil left the competition, the school holidays came, the final was played and the football calendar moved on. It would be reasonable to imagine that, with the end of the tournament and the return to classes, […] would also begin

Energy Transition

September 30, 2026

Renewable energies: the Brazilian advantage

Brazil needs to invest in the capacity to transform natural resources into innovation, productivity, and development. Talking about energy is talking about development. Behind industry, transportation, services, cities, and increasingly artificial intelligence, there is an energy infrastructure that sustains the economy. Understanding a country’s energy matrix is understanding […]

Data Analysis

September 30, 2026

When the data changes, has reality changed?

An analysis of almost 20 million teaching positions-year between 2020 and 2025 shows how changes in population composition and record production can alter the interpretation of historical series Between 2020 and 2025, the number of formal teaching employment positions identified in RAIS (Annual Relation of Social Information), from the Ministry of Labor, […]

Tax Management

September 01, 2026

Tax reform and estate planning in the countryside

Efficiency in managing taxes facilitates governance and allows for the organization of family succession. Rural wealth organization has become a strategic measure in light of the tax reform in Brazil, which came into effect this year. The planning of activities and rural wealth management, through tools such as the transition from an Individual to […]

Renata de Gaspari Valdejão Almeida

Artificial Intelligence

August 05, 2026

Inside the company and off the radar: the risks of Shadow AI

According to Microsoft, 75% of professionals already use artificial intelligence at work without company approval. The use of generative artificial intelligence is already part of the corporate routine. Tools like ChatGPT, Copilot, and other platforms help professionals produce texts, analyze data, create presentations, and accelerate tasks in practically all sectors. But this advance […]

Renata de Gaspari Valdejão Almeida

Strategy

July 02, 2026

The future as a competence

Academic interest reinforces the projection of scenarios as an essential tool for decision-making. While some companies are still trying to get the next step right, others are already working with multiple possible futures — and preparing for all of them. But after all, what does it mean to “think about the future”? Is it a trend, a strategy, or a new competence that […]

Renata de Gaspari Valdejão Almeida

Innovation

Technology

May 21, 2026

Agro SP Corridor: innovation, institutional articulation and future

Pecege commands the executive operation of the 400 km ecosystem activities that became known as the Brazilian agro Silicon Valley In 2025, in addition to taking over the management of the Piracicaba Technology Park, the Pecege Institute was also designated to command the executive operation of the State Agribusiness Innovation Corridor activities, the so-called […]

Education

April 27, 2026

How to turn a TCC into a business

New management of the Piracicaba Technology Park offers consulting to MBA graduates The new project director of the Piracicaba Technology Park (PTP), Alexandre Barreto, often says that one of the greatest rewards he has ever had in life was seeing his MBA USP/Esalq students structure companies from their final projects […]

Technology

March 20, 2026

The human repertoire in the age of AI

Critical thinking and creativity are irreplaceable in the work of a marketing professional Artificial Intelligence (AI) is capable of incredible feats, but it does not yet possess the judgment, empathy, intuition, and strategic creativity necessary to do the job of a good marketing professional. In this area, it is important to know how to use the tool to automate […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

February 23, 2026

ESG as a growth strategy in a cooperative in RS

Santa Clara balances social and environmental responsibility with innovation Founded in 1911 by Italian immigrants in Carlos Barbosa, in the Serra Gaúcha region, Cooperativa Santa Clara is an example that it is possible to balance economic growth with social and environmental responsibility. From a small cheese production company, the organization has evolved into a […]

Renata de Gaspari Valdejão Almeida

Agribusiness

Innovation

January 22, 2026

Brazil free of Foot-and-Mouth Disease: what changes for Brazilian beef?

With a herd of over 200 million head of cattle, the country is currently the leader in exports. Brazil recently received, for the first time, the certification of country free of foot -and-mouth disease without vaccination, conferred by the World Organisation for Animal Health (WOAH). The seal strengthens the country’s position as a reliable supplier of meat for the […]

Renata de Gaspari Valdejão Almeida

Innovation

December 09, 2025

Innovation: the new cycle of the Piracicaba Technology Park

Instituto Pecege assumes management, betting on the creation of new businesses Starting in 2026, Instituto Pecege will assume the management of the Piracicaba Technology Park (PTP). Among its responsibilities will be the administration, operation, maintenance, and expansion of the park, in addition to fostering activities in innovation, entrepreneurship, and science and technology. The choice was made […]

Renata de Gaspari Valdejão Almeida

July 06, 2026

Large-Scale Architecture: DSR-SCRUM Change Management

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Abstract generated by ResumeAI, an artificial intelligence solution developed by Instituto Pecege focused on synthesis and writing. Architecture and urbanism are configured as essential bases in an increasingly complex and challenging urban space, where the intrinsic connection between social, environmental, and technological issues […]