Artigo

26 de outubro de 2026

Otimização de distribuição de produtos em veículos de entrega para logística de “e-commerce”

Raphael Barretto Morgado; Igor Pinheiro de Araújo Costa

DOI: 10.22167/2675-6528-202603379

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 otimização da distribuição de produtos em veículos de entrega é crucial para a competitividade de empresas de e-commerce, onde as operações logísticas representam um impacto significativo para melhorias. O estudo objetivou analisar a otimização da distribuição de produtos em veículos de entrega, considerando a tipologia de cada veículo (motocicletas, carros de passeio e utilitários). Para isso, utilizou-se Programação Linear Inteira (PLI) com a biblioteca Pulp do Python. Dados reais de uma janela operacional e de um cluster específico foram transformados para criar novos dados, preservando as relações estatísticas originais. Avaliaram-se diferentes cenários, variando o custo associado a cada tipologia de veículo e a restrição operacional de produtos por veículo, mantendo a frota disponível e a amostra de pacotes constantes. Os resultados indicaram que a distribuição de veículos por rota possui margem para melhorias, podendo reduzir a quantidade de veículos necessários para a entrega de todos os produtos. Observou-se também que a capacidade dos veículos foi restrita pela quantidade máxima de produtos permitida, embora alguns veículos apresentassem capacidades de volume e peso abaixo dos limites possíveis. Concluiu-se que o modelo proposto pode apoiar decisões estratégicas no dimensionamento da frota e na definição do mix de veículos, contribuindo para a eficiência operacional e a competitividade do setor.

Palavras-chave: Eficiência operacional; Logística; Otimização; Programação linear inteira; Veículos de entrega.

1. Introdução

Na era digital, as compras online tornaram-se uma rotina para milhões de consumidores, transformando o comércio e elevando a competitividade das empresas. Este cenário é corroborado por dados que indicam a magnitude do fenômeno no Brasil. Segundo pesquisa da PriceWaterhouseCoopers (2021), 73% das compras realizadas no país foram efetuadas por meio online, excluindo-se as relacionadas a supermercados. A Associação Brasileira de Comércio Eletrônico (ABCOMM, 2025) aponta um crescimento expressivo no faturamento dessas empresas, que saltou de R$ 90 bilhões em 2019 para R$ 204 bilhões em 2024, representando um aumento de 127%. Somente em 2020, impulsionado pela pandemia de Covid-19, o faturamento do e-commerce cresceu 41%.

O crescimento do volume de vendas, contudo, acarreta um aumento na complexidade das operações de entrega. A logística representa uma parcela significativa dos custos das empresas no Brasil, correspondendo a 12,4% do faturamento bruto, sendo 63,5% desse valor atribuído apenas ao transporte, conforme estudo da Fundação Dom Cabral (2018). Nesse contexto, ganhos de eficiência nas operações de transporte são cruciais para a obtenção de vantagem competitiva. O transporte de produtos no e-commerce é dividido em três etapas: First Mile, Middle Mile e Last Mile. A etapa Last Mile, que abrange a entrega final ao cliente, é considerada a mais desafiadora e dispendiosa para as empresas (Caetano e Gonçalves, 2023), devido a fatores como a utilização de serviços terceirizados, distâncias, periculosidade e dificuldade de acesso aos locais de entrega.

Um dos principais desafios na etapa Last Mile reside na definição da quantidade e do tipo de pacotes a serem alocados em cada veículo. Esta complexidade é agravada pela variabilidade de volumes e pesos dos produtos, muitas vezes informados de forma imprecisa pelos vendedores, e pela diversidade da frota de veículos disponíveis, que pode incluir motocicletas, carros de passeio e utilitários como o Fiat Fiorino, cada um com capacidades distintas. A alocação ineficiente de mercadorias, que resulta na subutilização da capacidade total dos veículos, é um fator que eleva os custos operacionais e impacta a eficiência da cadeia logística.

Para abordar problemas de otimização em cenários complexos como este, a Programação Linear (PL) é uma técnica clássica da Pesquisa Operacional. Ela busca maximizar ou minimizar uma função objetivo, como custo ou lucro, sujeita a um conjunto de restrições lineares que representam limitações reais de recursos (Schneider, 2013). A Programação Linear Inteira (PLI) é uma extensão da PL que permite que as variáveis de decisão assumam valores discretos, sendo particularmente útil para problemas de alocação de recursos. Trabalhos anteriores demonstram a aplicabilidade de modelos matemáticos similares em otimização de redes logísticas, como a localização de centros de distribuição (Guazzelli e Cunha, 2014), otimização de localização de bancos de sangue (Altherwi, 2025) e otimização de transporte de cargas (Tonin, 2021).

Dada a relevância da otimização na etapa Last Mile para a competitividade das empresas de e-commerce, este projeto objetivou a análise de otimização de distribuição de produtos nos veículos de entrega, considerando a tipologia de cada veículo – motocicletas, carros de passeio e utilitários (Fiorino). Para isso, foi utilizada Programação Linear Inteira (PLI) com a biblioteca Pulp do Python, buscando promover a alocação eficiente de pacotes aos veículos disponíveis, considerando restrições de peso, volume, capacidade de carga e disponibilidade por categoria de veículo, dada uma quantidade de oferta de veículos determinada, e avaliando o impacto sobre a utilização dos recursos de transporte e os custos logísticos associados, contribuindo para o aumento da eficiência operacional e da competitividade do setor.

2. Material e Métodos

O presente estudo caracterizou-se como pesquisa aplicada e abordagem quantitativa, focada na otimização logística. Objetivou-se analisar a distribuição de produtos em veículos de entrega por modelagem matemática, utilizando Programação Linear Inteira (PLI). A unidade de análise compreendeu pacotes de produtos (peso e volume) e veículos de entrega (tipologia, capacidade de carga, volume e custo operacional). Os dados foram obtidos de uma empresa de e-commerce, referentes a uma região de entrega e janela operacional, simulando um “cluster” específico.

Para a construção da base de dados de pacotes, coletaram-se informações reais sobre dimensões e pesos. Para preservar a confidencialidade dos dados originais, aplicou-se uma transformação linear, que manteve as relações estatísticas multivariadas, mas alterou a escala e os valores absolutos (Muralidhar e Sarathy, 1991). No tratamento, valores nulos ou inferiores a 0,1 kg para peso foram padronizados para 0,1 kg, e para volume, estabeleceu-se um mínimo de 0,001 m³ e um máximo de 4 m³.

A frota de veículos utilizada foi sintética, estimada a partir da disponibilidade real observada em um dia de operação. O total de veículos foi reduzido, mantendo a proporção entre os tipos (motocicleta, carro de passeio e utilitário leve) e a relação com o total de pacotes entregues. As capacidades de volume dos veículos foram minoradas em 10% para perdas de espaço. Os custos operacionais foram atribuídos a cada categoria de veículo como um custo fixo, seguindo proporção estimada na empresa avaliada.

A Programação Linear Inteira (PLI) foi a técnica de otimização empregada, formulada para minimizar o custo total de utilização dos veículos. O modelo buscou a alocação eficiente de pacotes dentro dos limites operacionais de peso, volume e quantidade máxima por veículo. As variáveis de decisão incluíram x_ij (pacote *i* alocado ao veículo *j*) e y_j (veículo *j* utilizado). Restrições foram incorporadas para simular as condições operacionais, onde cada pacote pôde ser alocado no máximo uma vez, e foram consideradas as capacidades máximas de peso (cap_carga[j]) e volume (cap_volume[j]) de cada veículo.

Adicionalmente, uma restrição de quantidade máxima operacional de pacotes por veículo (lim_op) foi aplicada, limitando o número total de pacotes que cada veículo poderia carregar. Essas restrições garantiram que a alocação respeitasse as limitações físicas e operacionais da frota. Os experimentos computacionais foram conduzidos em ambiente de laptop, com o modelo implementado em Python, utilizando as bibliotecas Pandas, Numpy e PuLP.

Para a resolução dos problemas de Programação Linear Inteira, utilizou-se o solver COIN-OR CBC (Computational Infrastructure for Operations Research Branch and Cut), acessado via biblioteca PuLP. O CBC é um solver de código aberto que emprega o algoritmo Branch and Cut (Nemhauser e Wolsey, 1988). Sua escolha justificou-se pela transparência, reprodutibilidade e desempenho adequado para os objetivos deste trabalho (Mitchell, 2011; Forrest e Loungee-Heimer, 2005).

Para a avaliação dos cenários, definiram-se indicadores específicos. Calculou-se a média de pacotes por veículo utilizado, a taxa de ocupação (razão entre o volume de pacotes ocupado e o volume total disponível) e a taxa de carga (razão entre o peso transportado e a capacidade de peso total). Esses indicadores permitiram uma comparação padronizada entre os cenários.

3. Resultados e Discussão

A análise inicial do cenário real, que serviu como base para a comparação com os resultados do modelo de otimização, revelou que 845 pacotes foram distribuídos utilizando sete veículos de entrega. Essa operação resultou em uma média de 120,7 pacotes alocados por veículo. Observou-se que todos os veículos empregados eram da categoria “Passeio”, com capacidades de carga e volume variadas, e que a distribuição de pacotes entre eles apresentava diferentes níveis de utilização. Por exemplo, um veículo de passeio carregou 98,36 kg e 0,7963 m³, enquanto outro transportou 178,94 kg e 0,8426 m³. Essa configuração, que utilizou exclusivamente veículos de passeio, sugere que a região de entrega analisada pode ter uma predominância de produtos de dimensões menores, ou que a frota de veículos de maior capacidade, como vans e utilitários, não estava disponível ou não foi considerada para essa operação específica. A ausência de motocicletas na operação real também é notável, indicando um perfil de demanda que, naquele momento, não as priorizou.

A predominância de veículos de passeio na operação real pode indicar que a área de entrega específica, ou “cluster”, não demandava veículos de maior porte para a maioria dos pacotes, ou que havia uma limitação na disponibilidade de outros tipos de veículos. Essa observação é crucial, pois a alocação ineficiente de mercadorias, que resulta na subutilização da capacidade total dos veículos, é um fator que eleva os custos operacionais e impacta a eficiência da cadeia logística, conforme destacado por Caetano e Gonçalves (2023). A média de 120,7 pacotes por veículo, embora alta, pode mascarar ineficiências se a capacidade de peso ou volume não estiver sendo plenamente utilizada em todos os veículos.

Otimização com Custos Iguais (Cenário 1)

No primeiro cenário simulado, o objetivo principal foi identificar o potencial de redução da frota necessária, removendo o fator custo da equação ao atribuir o mesmo custo fixo para cada modalidade de veículo. Para esta simulação, considerou-se uma frota disponível de três motocicletas, cinco carros de passeio e quatro utilitários, totalizando doze veículos. A restrição operacional de pacotes por veículo foi estabelecida em 130. Os resultados indicaram que, para a mesma demanda de pacotes, ainda seriam necessários sete veículos, mas com uma composição de frota significativamente diferente da realidade observada. O modelo selecionou uma motocicleta, quatro veículos de passeio e dois utilitários.

A mudança no perfil da frota no Cenário 1 demonstrou uma alocação mais eficiente da capacidade dos veículos. A motocicleta selecionada transportou 130 pacotes, com 17,65 kg e 0,1438 m³, aproximando-se de sua capacidade máxima de carga de 18 kg e volume de 0,1440 m³. Os veículos de passeio, por sua vez, carregaram entre 108 e 129 pacotes, com pesos e volumes variados, mas consistentemente abaixo de suas capacidades máximas de 250 kg e 1,2600 m³. Os dois utilitários (Fiorino) foram os que mais se destacaram na utilização da capacidade, transportando 119 e 120 pacotes, com 239,20 kg e 2,1143 m³ e 169,55 kg e 1,8698 m³, respectivamente, em relação à sua capacidade de 650 kg e 3,0105 m³. Essa configuração otimizada, mesmo mantendo o número total de veículos, sugere uma melhor adequação da frota ao volume e peso dos pacotes, aproveitando a diversidade de capacidades disponíveis.

Impacto dos Custos Variáveis (Cenário 2)

O Cenário 2 introduziu custos fixos diferenciados para cada tipo de veículo (1,5 para motos, 2,5 para carros de passeio e 3 para utilitários), mantendo a restrição operacional de 130 pacotes por veículo. A quantidade total de veículos selecionados permaneceu em sete, mas a distribuição da frota foi alterada em comparação com o Cenário 1. Neste cenário, o modelo priorizou duas motocicletas, três veículos de passeio e dois utilitários. Essa mudança reflete a influência dos custos na decisão de alocação, buscando minimizar o custo total da operação.

A análise detalhada do Cenário 2 revelou que as duas motocicletas operaram próximas de sua capacidade máxima, transportando 130 e 129 pacotes, com pesos de 17,91 kg e 17,87 kg, e volumes de 0,1436 m³ e 0,1420 m³, respectivamente. Os veículos de passeio apresentaram uma utilização mais variada, com um deles carregando apenas 66 pacotes (28,31 kg e 0,3385 m³), o que é uma carga muito pequena em relação à sua capacidade. Esse achado sugere uma oportunidade de otimização adicional, onde a carga desse veículo poderia ser redistribuída para outros, ou indica a possibilidade de que a empresa esteja comercializando produtos de maior volume que não são devidamente alocados. Os dois utilitários, por sua vez, foram bem utilizados, transportando 130 pacotes cada, com pesos de 322,24 kg e 246,01 kg, e volumes de 2,9863 m³ e 2,3571 m³, respectivamente, demonstrando a eficiência na alocação de pacotes de maior porte.

Sensibilidade à Restrição Operacional (Cenário 3)

Para avaliar a sensibilidade do modelo à capacidade de pacotes por veículo, o Cenário 3 elevou a restrição operacional de 130 para 150 pacotes, mantendo os custos iguais para todos os tipos de veículos, similar ao Cenário 1. O aumento de 15,4% no limite de pacotes transportados por veículo gerou uma mudança significativa na frota necessária, resultando na utilização de apenas seis veículos, uma redução de 14,3% em relação aos cenários anteriores. A frota otimizada consistiu em cinco veículos de passeio e um utilitário. Essa configuração demonstra que a capacidade operacional máxima de pacotes é um fator determinante na otimização da frota.

Neste Cenário 3, os veículos de passeio foram alocados com um número de pacotes variando entre 106 e 150, com pesos e volumes que se aproximaram de suas capacidades. Por exemplo, um veículo de passeio carregou 150 pacotes, com 131,47 kg e 1,1998 m³, enquanto outro transportou 149 pacotes, com 131,04 kg e 1,1815 m³. O utilitário (Fiorino) foi o mais carregado, com 148 pacotes, 346,16 kg e 2,9708 m³, operando muito próximo de sua capacidade máxima de volume de 3,0105 m³. A maioria dos veículos operou praticamente no limite de suas capacidades de peso e volume, com apenas um veículo de passeio apresentando alguma folga. Isso reforça a ideia de que a restrição de pacotes por veículo tem um papel crucial na determinação da frota ideal, permitindo uma maior consolidação de cargas e, consequentemente, a redução do número total de veículos necessários para atender à demanda.

Combinação de Custos e Restrições (Cenário 4)

O Cenário 4 combinou o aumento da restrição operacional para 150 pacotes por veículo com os custos diferenciados por categoria de veículo (1,5 para motos, 2,5 para carros de passeio e 3 para utilitários), como no Cenário 2. A variação do custo associado à categoria do veículo impactou a seleção da frota, resultando na utilização de seis veículos: duas motocicletas, dois veículos de passeio e dois utilitários. Essa configuração demonstra que, mesmo com a capacidade de pacotes aumentada, a estrutura de custos ainda influencia a escolha dos tipos de veículos mais adequados para a operação.

As motocicletas no Cenário 4 foram bem utilizadas, transportando 122 e 140 pacotes, com pesos de 15,24 kg e 17,75 kg, e volumes de 0,1230 m³ e 0,1413 m³, respectivamente, operando próximas de suas capacidades. Os veículos de passeio carregaram 149 e 135 pacotes, com pesos de 184,43 kg e 147,75 kg, e volumes de 1,2464 m³ e 1,1524 m³, respectivamente, também com boa utilização. Os utilitários transportaram 150 e 149 pacotes, com 272,58 kg e 333,49 kg, e volumes de 2,8213 m³ e 2,9983 m³, respectivamente, demonstrando alta eficiência. O modelo priorizou a inclusão de motocicletas e um utilitário adicional em detrimento de veículos de passeio, indicando que a economia de custo gerada pela utilização de veículos menores (motos) superou o custo adicional de um utilitário, reforçando a percepção de que o perfil de pacotes vendidos na plataforma é predominantemente de itens pequenos, que podem ser acomodados em veículos de menor capacidade sem comprometer a eficiência logística.

Ajuste na Estrutura de Custos (Cenário 5)

No Cenário 5, foram realizados ajustes nos pesos dos custos para cada tipo de veículo (1 para motos, 2 para carros de passeio e 3 para utilitários), mantendo a restrição operacional em 130 pacotes. Os resultados mostraram que a configuração da frota selecionada foi a mesma do Cenário 2, ou seja, sete veículos compostos por duas motocicletas, três veículos de passeio e dois utilitários. Essa estabilidade na seleção da frota, mesmo com a alteração nos custos relativos, sugere que, para o conjunto de pacotes e a oferta de veículos observados, a capacidade dos veículos se tornou um fator limitante mais determinante do que o custo de cada categoria. Isso indica que, em certas condições, a capacidade física dos veículos é o gargalo principal, e a otimização de custos deve operar dentro dessas limitações de capacidade.

As motocicletas no Cenário 5 transportaram 129 pacotes cada, com pesos de 17,80 kg e 17,44 kg, e volumes de 0,1415 m³ e 0,1419 m³, respectivamente, utilizando quase toda a sua capacidade. Os veículos de passeio carregaram entre 67 e 130 pacotes, com um deles apresentando uma carga significativamente baixa (39,39 kg e 0,3363 m³ para 67 pacotes), similar ao observado no Cenário 2. Os utilitários foram bem aproveitados, com 130 pacotes cada, transportando 286,78 kg e 237,27 kg, e volumes de 2,9642 m³ e 2,4296 m³, respectivamente. A persistência de um veículo de passeio com baixa carga em cenários com custos variados e restrição operacional constante reforça a necessidade de uma análise mais aprofundada sobre a tipologia dos produtos vendidos e a possibilidade de redistribuição de pacotes para maximizar a utilização de todos os veículos, conforme sugerido pela literatura sobre otimização de recursos (Hillier e Lieberman, 2013).

Análise Comparativa dos Indicadores de Desempenho

A comparação dos indicadores de desempenho entre os cenários simulados e o cenário real revelou insights importantes sobre os impactos das alterações nas premissas operacionais. Em relação ao cenário real, o número de pacotes por veículo permaneceu o mesmo nos Cenários 1, 2 e 5, enquanto nos Cenários 3 e 4 houve um aumento de 16,7%. A taxa de carga apresentou reduções significativas em todos os cenários otimizados, variando de -0,08% (Cenário 3) a -24,5% (Cenário 1). Da mesma forma, a taxa de ocupação também diminuiu, com variações de -0,1% (Cenário 4) a -21,3% (Cenário 1). No cenário real, a taxa de ocupação média dos veículos foi de 96,2%.

Esses resultados indicam que a otimização da composição da frota não implica, necessariamente, um aumento simultâneo em todos os indicadores de desempenho. Em alguns cenários, a reorganização da frota permitiu manter o mesmo número médio de pacotes por veículo, mas com menor taxa de carga e de ocupação. Isso ocorre porque a introdução de veículos com maior capacidade nominal, como os utilitários, amplia a capacidade total disponível da frota, o que, por sua vez, reduz os percentuais médios de utilização, mesmo que a solução seja mais adequada sob a ótica do custo ou da viabilidade operacional. Essa perspectiva é gerencialmente relevante, pois demonstra que a configuração ideal da frota deve considerar um equilíbrio entre custo, capacidade disponível e o perfil dos pacotes transportados, e não apenas o aproveitamento percentual da capacidade (Winston, 2004).

Adicionalmente, observou-se uma diferença considerável na taxa de ocupação média dos veículos quando o perfil da frota é alterado. Cenários com menor quantidade de veículos utilitários e motocicletas apresentaram um decréscimo mais acentuado na taxa de ocupação. As menores reduções ocorreram nos cenários que demandaram menos veículos no total, o que naturalmente os torna mais carregados. A análise da taxa de ocupação também alerta para a necessidade de uma investigação mais profunda sobre o perfil dos pacotes, pois pequenos incrementos na volumetria dos itens transportados podem ser decisivos para a escolha entre um veículo de passeio ou utilitário. A baixa confiabilidade dos dados de dimensões dos pacotes, frequentemente informados como 1x1x1 cm, leva a alocações incorretas que exigem realocação manual durante o sortimento, gerando retrabalho e ineficiência.

Implicações Gerenciais e Limitações do Modelo

Os modelos desenvolvidos, embora apresentem simplificações em relação à complexidade do problema real, oferecem valiosas informações gerenciais. Uma das simplificações notáveis é a não consideração da geolocalização dos pacotes na definição das rotas, o que, em teoria, poderia levar à alocação de pacotes com o mesmo destino em veículos diferentes. Contudo, essa limitação é minimizada pelo fato de a amostra de dados original ser proveniente de um único “cluster”, ou seja, uma partição de área atendida por um centro logístico específico, reduzindo a probabilidade de rotas sobrepostas ou ineficientes em grande escala.

Outra simplificação importante reside na desconsideração do impacto do aumento de pacotes por entrega no tempo total de entrega. Com mais pacotes alocados a um único veículo, as rotas dos motoristas tendem a se estender, o que pode aumentar o tempo de percurso e, consequentemente, o tempo de entrega ao cliente. A variável tempo de entrega é de grande importância no contexto logístico e sua inclusão em futuros modelos, juntamente com a roteirização dos pacotes e a definição de um número máximo de paradas por rota, seria fundamental para uma representação mais fiel da realidade operacional (Caetano e Gonçalves, 2023).

Um fator inerente à natureza do problema, mas não explicitamente explorado pelo modelo, é a restrição de tipos de pacotes para motocicletas. Operacionalmente, apenas pacotes de pequenas dimensões (categorias PP e P) são permitidos para motos, sendo separados antes do carregamento. Embora o algoritmo não incorpore essa regra diretamente, a otimização de custos, conforme as premissas estabelecidas, tende a refletir a alocação de pacotes pequenos para esses veículos, uma vez que são mais eficientes em termos de custo para cargas leves e de baixo volume. A análise do primeiro cenário, que visou apenas a diminuição da frota sem considerar custos, serviu como uma referência para o menor valor que poderia ser atingido, funcionando como uma meta ideal. No entanto, a dificuldade do modelo em simular cenários com muitos pacotes e veículos limitou a possibilidade de uma redução real de frota em um cluster de menor porte.

A observação de que o cenário real utilizou apenas veículos de passeio sugere que outras regiões de entrega, atendidas pelo mesmo centro de distribuição, podem demandar veículos de maior porte. Essa distribuição desigual no perfil de pacotes entre regiões pode impactar a oferta de veículos de determinada categoria. Do ponto de vista gerencial, as informações obtidas neste trabalho permitem tomar decisões estratégicas sobre o dimensionamento da frota e a distribuição de veículos. A identificação da melhor distribuição para atender a uma amostra de pacotes permite o uso ideal de cada tipo de veículo, evitando a subutilização ou superutilização. Isso contribui para a redução de custos operacionais e minimiza o risco de rotas não expedidas, que geram retrabalho no hub.

Em síntese, o modelo de Programação Linear Inteira proposto demonstrou a capacidade de otimizar a distribuição de produtos em veículos de entrega, considerando diferentes tipologias de veículos e restrições operacionais. Os resultados evidenciaram que a distribuição de veículos por rota possui margem para melhorias, podendo reduzir a quantidade de veículos necessários para a entrega de todos os produtos e otimizar a composição da frota. A análise dos cenários revelou que a capacidade máxima de produtos por veículo é um fator limitante crucial, e que a consideração dos custos e do perfil dos pacotes é essencial para decisões estratégicas de dimensionamento da frota e mix de veículos, contribuindo para a eficiência operacional e a competitividade do setor de e-commerce.

4. Conclusão

O presente estudo objetivou analisar a otimização da distribuição de produtos em veículos de entrega, considerando a tipologia de cada veículo – motocicletas, carros de passeio e utilitários – por meio da Programação Linear Inteira (PLI). Verificou-se que o modelo proposto foi capaz de identificar configurações alternativas de frota para a operação de “Last Mile”, evidenciando que a distribuição de veículos por rota possui margem para melhorias. Observou-se que a restrição de quantidade de pacotes por veículo exerceu papel relevante na solução, em alguns casos mais determinante do que o peso ou o volume transportado, permitindo a redução da quantidade de veículos necessários para a entrega de todos os produtos em cenários específicos. A análise dos custos diferenciados por categoria de veículo e o perfil predominantemente pequeno dos pacotes também influenciaram a composição da frota, levando a soluções mais adequadas sob a ótica de custo e viabilidade operacional. A principal contribuição deste trabalho reside no apoio a decisões estratégicas de dimensionamento da frota e na definição do mix de veículos, promovendo a eficiência operacional e a competitividade no setor de e-commerce ao otimizar o uso dos recursos de transporte e minimizar riscos de rotas não expedidas.

Apesar dos resultados promissores, o modelo apresentou algumas simplificações. Não se considerou a geolocalização dos pacotes na definição das rotas, o que poderia, em teoria, levar à alocação de pacotes com o mesmo destino em veículos diferentes, embora a amostra de um único “cluster” minimizasse essa limitação. Adicionalmente, o impacto do aumento de pacotes por entrega no tempo total de entrega não foi explorado, nem a restrição operacional de tipos de pacotes para motocicletas. A baixa confiabilidade dos dados de dimensões dos pacotes também representou um desafio. Para estudos futuros, recomenda-se incorporar variáveis de geolocalização, roteirização e tempo de percurso, além de um número máximo de paradas por rota. Sugere-se também a exploração de valores intermediários para a restrição operacional e uma análise mais aprofundada da tipologia dos produtos para otimizar a redistribuição de pacotes, bem como a variação dos custos por tipo de veículo para adequar o modelo ao perfil de frota regional.

Referências Bibliográficas

Associação Brasileira de Comércio Eletrônico [ABCOMM]. 2025. Principais indicadores do e-commerce. Disponível em: <https://dados.abcomm.org/crescimento-do-ecommerce-brasileiro>. Acesso em: 06 out. 2025.

PricewaterhouseCoopers Brasil. 2021. Global Consumer Insights Pulse Survey. Disponível em: < https://www.pwc.com.br/pt/estudos/setores-atividades/varejo/2021/CGIS_21_VF_pulse2.pdf>. Acesso em: 26 jan. 2026.

Resende, P. T.V.; Sousa, P. R.; Cesar, R. V.; Quintão, A. 2018. Custos logísticos no Brasil. Fundação Dom Cabral. Disponível em: <https://ci.fdc.org.br/AcervoDigital/Relat%C3%B3rios%20de%20Pesquisa/Relat%C3%B3rios%20de%20pesquisa%202018/Apresentacao_Custos_Logisticos_no%20Brasil%202018_FDC%20_%20revRVC%20abr18%20(002).pdf>. Acesso em: 13 de outubro de 2025

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

Você também pode gostar

16 de novembro de 2026

Eficiência Fiscal e Impacto Social: a integração dos mecanismos de renúncia fiscal ao planejamento tributário empresarial

Os mecanismos de renúncia fiscal de aplicação social setorial no Brasil representam um instrumento de planejamento tributário viável e subutilizado pelo setor privado. O estudo objetivou demonstrar a operacionalidade, calculabilidade e relevância estratégica da incorporação desses mecanismos à gestão tributária empresarial. Para isso, analisou-se a estrutura normativa dos principais incentivos fiscais federais, estaduais e municipais, e desenvolveu-se um modelo de cálculo do potencial de destinação. Aplicou-se o modelo em simulações com dados contábeis e fiscais de duas empresas com perfis tributários distintos, utilizando uma abordagem qualitativa e quantitativa, com estudo de casos múltiplos. Os resultados indicaram que, para ambos os perfis simulados, o potencial de destinação foi significativo e sua utilização não implicou incremento do custo fiscal total. A comparação entre os perfis revelou que a composição do portfólio de incentivos deve ser calibrada conforme a predominância do IRPJ, do ICMS ou do ISS na estrutura tributária de cada contribuinte. Como contribuição, o trabalho ofereceu uma sistematização dos mecanismos disponíveis nas três esferas e um modelo replicável de estimativa do potencial de destinação, ferramenta ausente na literatura nacional sobre planejamento tributário.

Palavras-chave: Extrafiscalidade; Gestão fiscal; Governança tributária; Incentivos tributários; Responsabilidade corporativa.

16 de novembro de 2026

Modelagem exploratória do efeito do tratamento preemptivo da citomegalovirose em pacientes com aids

O citomegalovírus (CMV) é altamente prevalente e causa doença grave em indivíduos imunocomprometidos, como pacientes com HIV. Diante da escassez de dados robustos sobre o tratamento preemptivo para esta infecção, desenvolveu-se um modelo exploratório. O objetivo foi identificar potenciais subgrupos que se beneficiariam dessa abordagem. Realizou-se um estudo observacional retrospectivo, analisando 176 prontuários de pacientes internados em um hospital terciário entre 2017 e 2022. Após aplicação de critérios de inclusão e exclusão, 116 pacientes foram divididos em um grupo de tratamento preemptivo (19) e um grupo controle (97). Utilizaram-se técnicas de aprendizado de máquina, como LinearDML e CausalForestDML, e análise de variáveis por Feature Importance e SHAP. A análise das variáveis indicou que a alta viremia de CMV esteve associada ao óbito, com uma Odds Ratio de 1,85 (p = 0,004). O modelo estimou um aumento na mortalidade global associado ao tratamento preemptivo (ATE de 48%, p = 0,0180), possivelmente refletindo a maior gravidade basal dos pacientes tratados. Contudo, a análise de heterogeneidade identificou que pacientes mais velhos apresentaram um efeito estimado relativamente mais favorável. As limitações incluíram o pequeno tamanho amostral e o caráter retrospectivo e observacional. Entretanto, com a ampliação do grupo avaliado, o modelo poderá servir como base para a construção de ferramentas de apoio à decisão clínica.

Palavras-chave: Aprendizagem de máquina; Double machine learning; Inferência causal; Mortalidade.

16 de novembro de 2026

Modelos de regressão para despesas com produtos de higiene e cuidados pessoais na região Sudeste

Modelos de regressão foram avaliados para correlacionar as despesas com produtos de higiene e cuidados pessoais da população da Região Sudeste do Brasil. Utilizaram-se dados da Pesquisa de Orçamentos Familiares (POF) de 2017-2018, realizada pelo Instituto Brasileiro de Geografia e Estatística. Os modelos foram estimados por mínimos quadrados ordinários e verificados quanto aos pressupostos de normalidade dos termos de erro, multicolinearidade e heterocedasticidade. Avaliaram-se modelos de regressão linear, regressão não linear com transformação de Box-Cox e regressão linear com variáveis dummy. Coeficientes estatisticamente diferentes de zero foram obtidos para os três modelos, confirmados pelos p-valores dos testes F e t, e a aderência dos resíduos à normalidade foi graficamente avaliada. Contudo, problemas de heterocedasticidade foram observados em todos os casos, indicando a omissão de variáveis relevantes ao modelo. Os baixos valores de R² obtidos, entre 2,19% e 5,56%, sugeriram que a variável dependente foi pouco explicada pelos modelos. Apesar disso, observou-se um perfil crescente das despesas com higiene e cuidados pessoais em função da renda disponível per capta. Recomenda-se, para estudos futuros, a avaliação de outras variáveis explicativas para aprimorar o coeficiente de ajuste do modelo e eliminar a heterocedasticidade.

Palavras-chave: Despesas familiares; Mínimos quadrados ordinários; Renda per capta; Transformação de Box-Cox; Variáveis dummy.

16 de novembro de 2026

Acessibilidade cognitiva e TEA: diretrizes de design para aplicativos de comunicação aumentativa e alternativa

O Transtorno do Espectro Autista (TEA) impõe desafios específicos ao design de interfaces digitais, afetando o processamento cognitivo, a regulação sensorial e a comunicação funcional. Nesse contexto, a Comunicação Aumentativa e Alternativa (CAA) configura-se como um recurso essencial para apoiar indivíduos com limitações na linguagem oral. Este estudo objetivou analisar a usabilidade e a acessibilidade de aplicativos de CAA voltados ao público neurodivergente. A pesquisa caracterizou-se como descritiva, de abordagem quantitativa, e baseou-se na observação sistemática das interfaces dos aplicativos brasileiros Livox, Matraquinha e Expressia. Como instrumento de coleta de dados, utilizou-se um checklist estruturado, desenvolvido a partir da convergência entre diretrizes de Interação Humano-Computador (IHC), Análise do Comportamento Aplicada (ABA) e o Guia GAIA. Os resultados revelaram que o Livox e o Expressia apresentaram maior conformidade técnica e suporte ao aprendizado, enquanto o Matraquinha destacou-se pela literalidade semântica, mas com limitações em customização e arquitetura. Identificou-se uma lacuna crítica generalizada na detecção proativa de frustração, evidenciando oportunidades de inovação estratégica para o mercado de negócios digitais e para o avanço do design neuroinclusivo.

Palavras-chave: Design Neuroinclusivo; Inclusão Digital; Inovação Estratégica; Tecnologia Assistiva; Usabilidade.

16 de novembro de 2026

Métodos de custeio e impactos na precificação: o cenário das empresas paulistanas

A gestão de custos ganhou relevância no ambiente empresarial devido à crescente competitividade e à necessidade de decisões gerenciais mais precisas. Investigou-se a adoção de métodos de custeio e seus impactos na precificação em empresas industriais no município de São Paulo. A pesquisa caracterizou-se como descritiva, de natureza aplicada, com abordagem quanti-qualitativa, e foi desenvolvida por meio de levantamento do tipo survey. A coleta de dados ocorreu com a aplicação de um questionário online estruturado, e a amostra foi obtida por conveniência em rede de contatos profissionais, totalizando cem respostas válidas. Os resultados indicaram a predominância do custeio por absorção, seguido pelo custeio variável, custeio padrão e método ABC. Verificou-se que o método de custeio influenciou a definição de preços e apoiou decisões gerenciais, especialmente no controle de custos do mix de produtos e na avaliação da rentabilidade. Foram também identificadas limitações relacionadas à subjetividade no rateio, à dificuldade na coleta de dados e à implantação dos sistemas. Concluiu-se que o custeio exerce um papel estratégico na precificação e na gestão empresarial, embora sua efetividade esteja condicionada à estrutura organizacional e à qualidade das informações disponíveis.

Palavras-chave: Controladoria; Contabilidade gerencial; Formação de preços; Gestão estratégica; Indústria.

16 de novembro de 2026

Pobreza Multidimensional e Programa Bolsa Família: desafios e perspectivas de inclusão pelas políticas públicas

O conceito de pobreza evoluiu nos séculos XX e XXI, incorporando uma perspectiva mais inclusiva que transcende a renda monetária. O Índice de Pobreza Multidimensional (IPM) emergiu como uma ferramenta complementar para caracterizar a pobreza e orientar programas como o Bolsa Família, visando aprimorar sua eficácia e focalização. O estudo objetivou criar um IPM nacional a partir dos dados da Pesquisa Nacional por Amostra de Domicílios Contínua (PNADC) de 2024, buscando identificar a correlação entre o recebimento do benefício e a pobreza multidimensional, além de detectar populações desassistidas. Utilizou-se a metodologia Alkire-Foster para o cálculo do IPM, decompondo os resultados em grupos de beneficiários e não beneficiários do PBF. Em seguida, aplicou-se um Modelo Linear Generalizado com função logit para analisar as correlações. Os resultados revelaram que 4,84% da população brasileira vivia em pobreza multidimensional, com uma incidência três vezes maior entre os beneficiários do Bolsa Família. Identificaram-se dois perfis de pobreza multidimensional e dois potenciais pontos cegos na cobertura do PBF, incluindo 9,0% dos pobres multidimensionais não beneficiários em extrema pobreza monetária e 25,2% em vulnerabilidade de baixa renda. A condição de ser beneficiário do PBF associou-se a uma chance duas vezes maior de ser classificado como pobre multidimensional. Concluiu-se que o IPM é uma ferramenta valiosa para o desenho de políticas públicas, aumentando a capacidade de focalização e demandando ações para resolver problemas estruturais que perpetuam a pobreza.

Palavras-chave: Alkire-Foster; IPM; Políticas públicas.

16 de novembro de 2026

A influência da Gestão de Pessoas na Saúde e Bem-Estar dos colaboradores

Em um cenário organizacional dinâmico, a compreensão da influência das práticas de Gestão de Pessoas na saúde e bem-estar dos colaboradores tornou-se essencial. O estudo objetivou analisar como as práticas de Gestão de Pessoas influenciam a percepção de saúde, bem-estar e qualidade de vida dos colaboradores em diversas organizações. A metodologia adotada foi descritiva, de abordagem quantitativa, e empregou a técnica de survey. Coletaram-se dados por meio de um questionário estruturado com 15 questões sociodemográficas e itens em escala Likert, divulgado por 40 dias em redes sociais. A amostra foi composta por colaboradores de diferentes empresas, selecionados por conveniência e com participação voluntária e anônima. Os resultados revelaram que as práticas de gestão de pessoas impactaram a motivação, o engajamento e a percepção de qualidade de vida no trabalho, mas não foram percebidas de forma consistente por todos os colaboradores. Observou-se que as ações organizacionais voltadas à saúde e bem-estar foram reconhecidas de maneira moderada e não equivalente, com presença de percepções neutras e discordantes. Concluiu-se que, embora as práticas de Gestão de Pessoas possuam potencial estratégico, sua efetividade depende de maior estruturação, continuidade e comunicação. O estudo contribuiu para evidenciar lacunas entre as práticas adotadas e a percepção dos colaboradores, fornecendo subsídios para o aprimoramento de estratégias organizacionais e para a produção de conhecimento acadêmico na área.

Palavras-chave: Bem-estar organizacional; Clima organizacional; Engajamento; Motivação; Qualidade de vida no trabalho.

16 de novembro de 2026

Otimização de Malha Logística de Entregas por meio de Modelagem Matemática e Clusterização

A eficiência na logística de distribuição constitui um diferencial competitivo essencial para a redução de custos operacionais e a sustentabilidade financeira das organizações contemporâneas. O objetivo geral deste trabalho consistiu em otimizar a malha de entregas de uma empresa, visando a redução de custos através da diminuição da quilometragem percorrida. A metodologia empregada baseou-se nos princípios da Pesquisa Operacional e foi estruturada em três fases sequenciais: alocação geográfica de clientes aos depósitos respeitando restrições de Unidade Federativa, clusterização de lojas por meio do algoritmo K-Means e roteirização da frota heterogênea utilizando a formulação matemática do Problema de Roteirização de Veículos. Os principais resultados obtidos demonstraram uma redução na distância total percorrida, o que representou uma economia absoluta de 5.116 km e um ganho percentual de 3,24%. O modelo validou-se como uma ferramenta robusta, capaz de otimizar a ocupação dos veículos e eliminar a subjetividade no planejamento logístico. Concluiu-se que o uso de modelagem matemática avançada permitiu converter restrições operacionais em uma vantagem competitiva mensurável. A solução validou a viabilidade de sistemas de suporte à decisão baseados em dados para a automação e otimização de fluxos logísticos de larga escala.

Palavras-chave: Clusterização; Otimização logística; Pesquisa operacional; Redução de Custos; Roteirização de veículos.

16 de novembro de 2026

Atendimento pautado em segurança como diferencial competitivo em uma revenda de GLP

O gás liquefeito de petróleo (GLP) é uma fonte energética amplamente utilizada no Brasil, em um mercado de produto padronizado e alta competitividade, onde a qualidade dos serviços se destaca como diferencial. Este estudo objetivou analisar como a segurança no atendimento influencia a decisão de compra dos consumidores em uma revenda de GLP. Realizou-se uma pesquisa aplicada, de abordagem quantitativa e caráter descritivo. Os dados foram coletados por meio de um questionário estruturado, com questões de múltipla escolha, aplicado a 53 clientes de uma revenda de GLP na Bahia, selecionados por conveniência. A análise dos dados ocorreu por estatística descritiva, utilizando frequências e percentuais. Os resultados revelaram que, apesar da relevância do preço e da agilidade, atributos como segurança, qualidade do atendimento e confiança exerceram maior influência na escolha da revenda, destacando a percepção de risco no comportamento do consumidor. Observaram-se, ainda, inconsistências nas práticas operacionais e na orientação ao cliente, indicando lacunas entre o serviço esperado e o efetivamente entregue. Concluiu-se que a segurança, quando integrada à qualidade do atendimento, constitui um elemento estratégico para a construção de valor e a fidelização do cliente, contribuindo para a diferenciação competitiva no setor.

Palavras-chave: Decisão de compra; Fidelização; GLP; Qualidade em serviços; Segurança no atendimento.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade