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

17 de novembro de 2026

Deteção e Diagnóstico de Doenças em Milho e Arroz em Moçambique com Deep Learning

A agricultura moçambicana depende do milho e arroz, culturas fundamentais para a segurança alimentar, mas sua produtividade é fortemente afetada por doenças fitossanitárias, cuja identificação precoce e precisa permanece um desafio em contextos de recursos limitados. O estudo objetivou desenvolver e comparar modelos baseados em Deep Learning para a detecção e o diagnóstico automático de doenças em folhas de milho e arroz em Moçambique. Utilizaram-se três abordagens: uma Rede Neural Convolucional (CNN) clássica desenvolvida do zero, e dois modelos de transfer learning, ResNet50 e MobileNetV2. O conjunto de dados foi composto por imagens de bases públicas e coletadas em campo, que passaram por etapas de limpeza, balanceamento e aumento artificial. Os modelos foram treinados e avaliados com métricas de desempenho padrão, incluindo acurácia, precisão, recall, F1-score, Log Loss e Kappa de Cohen. A CNN clássica apresentou o melhor desempenho global, com 94% de precisão, recall e F1-score, e 93% de acurácia e Kappa de Cohen. A MobileNetV2 alcançou 91% de F1-score e 90% de acurácia, destacando-se pelo menor Log Loss (0,30) e tempo de treinamento (6h32min59s). A ResNet50 atingiu 80% de F1-score e 79% de acurácia. Concluiu-se que técnicas de Deep Learning possuem elevado potencial para apoiar o diagnóstico fitopatológico em contextos agrícolas reais, contribuindo para decisões mais rápidas e precisas no manejo de doenças em milho e arroz.

Palavras-chave: Aprendizagem profunda; Arroz; Doenças em plantas; Milho; Visão computacional.

17 de novembro de 2026

Estruturação do processo de encerramento de projetos de uma indústria da construção civil

Um estudo abordou o grupo de processo de encerramento de projetos em uma indústria de manufatura da construção civil, utilizando o guia PMBOK como referência principal. O processo existente na indústria apresentava superficialidade e fragilidades, especialmente no registro de lições aprendidas. Diante desse cenário, o objetivo foi desenvolver um procedimento para o encerramento de projetos da organização, visando agregar valor por meio da padronização do processo, registro do conhecimento adquirido, formalização da conclusão e entrega dos projetos, e aprimoramento da comunicação, engajamento, integração e transparência com os stakeholders. A pesquisa classificou-se como descritiva, empregou dados qualitativos e adotou a pesquisa-ação como delineamento. O escopo do estudo estruturou-se conforme os cinco grupos de processos do guia PMBOK e foi representado por uma Estrutura Analítica de Projeto (EAP). Os principais resultados obtidos incluíram o procedimento desenvolvido e diversos templates de documentos, que constituíram os entregáveis do novo processo de encerramento de projetos. Verificou-se que o trabalho alcançou o objetivo esperado, pois o procedimento desenvolvido viabilizou a padronização do encerramento de projetos, o aprimoramento da integração e engajamento com os stakeholders, e a promoção de segurança e transparência no processo.

Palavras-chave: Gestão do conhecimento; Lições aprendidas; PMBOK; Templates; Termo de aceite de projeto.

17 de novembro de 2026

Machine Learning e priorização de funcionalidades em produtos digitais: um estudo de caso em uma fintech

Uma análise investigou o potencial da utilização de técnicas de machine learning aplicadas à análise do comportamento dos usuários na priorização de funcionalidades em produtos digitais. O objetivo foi compreender os processos de priorização utilizados na prática, o papel dos dados comportamentais na tomada de decisão e as percepções sobre a aplicação de técnicas de machine learning nesse contexto. Adotou-se uma abordagem qualitativa e exploratória, estruturada como um estudo de caso em produtos desenvolvidos sob o modelo Software as a Service (SaaS). A coleta de dados realizou-se por meio de entrevistas semiestruturadas com profissionais das áreas de produto e de dados. A análise dos dados seguiu a técnica de análise de conteúdo. Os resultados indicaram que, embora os dados comportamentais já fossem utilizados como apoio à decisão, os processos de priorização ainda apresentavam baixa formalização e enfrentavam limitações técnicas e organizacionais. Observou-se, também, o reconhecimento do potencial do machine learning como suporte estratégico à priorização de funcionalidades, embora sua aplicação prática fosse incipiente. Como principal contribuição, o estudo propôs um modelo conceitual que integra dados comportamentais, processos de priorização e o uso de machine learning como suporte à decisão.

Palavras-chave: Análise de dados; Comportamento do usuário; Dados comportamentais; Software as a Service (SaaS); Tomada de decisão.

17 de novembro de 2026

Inteligência artificial nas rotinas operacionais contábeis e na eficiência financeira

A incorporação de Inteligência Artificial (IA) e de ferramentas de automação reconfigurou as rotinas de escritórios contábeis brasileiros, impactando produtividade, mitigação de erros e eficiência financeira. Analisou-se esses impactos em um escritório contábil de pequeno porte, especializado no atendimento a prestadores de serviços da área médica em São Caetano do Sul, São Paulo. A pesquisa adotou abordagem qualitativa, com delineamento de estudo de caso único e unidades de análise incorporadas. Os dados foram coletados por questionário estruturado, aplicado via Google Forms entre janeiro e fevereiro de 2026, a cinco profissionais da estrutura operacional do escritório em levantamento censitário. O tratamento seguiu análise de conteúdo com categorias a priori e emergentes. Todos os respondentes declararam uso de ferramentas automatizadas ou com recursos de IA. A percepção de redução do tempo de execução, de diminuição de erros operacionais, de retrabalho e de melhor aproveitamento do tempo da equipe convergiu em 80% das respostas afirmativas e 20% parciais. As atividades mais beneficiadas foram conciliação bancária, importação de documentos fiscais e apuração tributária, com ganhos visíveis sobre erros de digitação, lançamentos duplicados e classificação incorreta. A intervenção humana permaneceu indispensável em planejamento tributário, análise de cenários e conferência de obrigações acessórias. A avaliação geral da contribuição da IA foi predominantemente favorável, com moderação vinculada à complexidade normativa fiscal.

Palavras-chave: Análise de conteúdo; Automação de processos; Contabilidade 4.0; Pequeno porte; Transformação digital.

17 de novembro de 2026

Fatores que influenciam a gestão de prazos em projetos de “retrofit” de estações de esgoto

Projetos de “retrofit” em Estações de Tratamento de Esgoto (ETE) caracterizam-se por elevada complexidade, restrições operacionais e múltiplas interfaces técnicas. O estudo analisou a percepção dos profissionais envolvidos sobre a gestão e o cumprimento dos prazos em projetos de “retrofit” de estações de tratamento de esgoto, considerando fatores técnicos, operacionais e organizacionais. A pesquisa caracterizou-se como um estudo aplicado, com abordagem quali-quantitativa, delineado como levantamento de campo do tipo “survey”. A análise dos dados realizou-se por estatística descritiva e categorização qualitativa, utilizando as ferramentas SWOT, matriz de risco (Probabilidade x Impacto) e plano de ação 5W2H. Os resultados indicaram alta percepção de clareza (77,8%) e realismo dos prazos (100% de concordância), evidenciando um planejamento inicial consistente. Contudo, 77,7% dos respondentes apontaram que retrabalhos e alterações de escopo impactaram diretamente o cumprimento dos prazos. A integração entre engenharia, fabricação e Planejamento e Controle da Produção (PCP) apresentou avaliação intermediária (77,7% de concordância parcial/total), indicando fragilidade na coordenação interfuncional. A matriz de risco destacou como críticos: mudanças de escopo, limitações operacionais da ETE e complexidade técnica, todos com nível alto. Como melhoria central, propôs-se a padronização do controle de mudanças de escopo, análise e aprovação, visando reduzir retrabalhos e aumentar a previsibilidade do cronograma.

Palavras-chave: Desempenho; Integração; Planejamento; Retrabalho; Risco.

17 de novembro de 2026

Captação B2C em medicina diagnóstica: parcerias estratégicas com consultórios médicos especializados

O setor de medicina diagnóstica no Brasil opera com elevada dependência das operadoras de planos de saúde, o que limita a autonomia financeira dos prestadores. Este estudo propôs e analisou um modelo de captação direta de pacientes (B2C) para uma instituição de medicina diagnóstica de alta complexidade, estruturado a partir de parcerias com consultórios de Oncologia e Cardiologia e operacionalizado por um serviço de atendimento personalizado denominado concierge. A investigação adotou abordagem mista em três fases: levantamento de campo com questionário estruturado aplicado a 87 pacientes, mapeamento do fluxo operacional por “Service Blueprint” e análise da taxa de conversão a partir de 312 indicações médicas registradas no projeto-piloto. Os resultados indicaram que a confiança na indicação médica obteve 92,0% de concordância, configurando-se como principal fator de adesão. A conveniência de realizar o exame no mesmo dia alcançou 78,2%, e a disposição para pagamento direto atingiu 55,2%, com polarização associada à predominância de usuários de plano de saúde. O “Service Blueprint” identificou três pontos críticos nas transições entre etapas da jornada. A taxa de conversão global foi de 51,0%, com desempenho superior na Oncologia (58,2%) em relação à Cardiologia (45,0%), e a maior perda concentrou-se na etapa de aceite e agendamento (28,3%). Concluiu-se que o modelo demonstrou possível viabilidade operacional e indícios de aceitação pelos pacientes, condicionado à transparência de preços e à redução do intervalo entre consulta e abordagem pelo concierge.

Palavras-chave: Desembolso direto; Jornada do paciente; Saúde suplementar; Serviço concierge; Taxa de conversão.

17 de novembro de 2026

O papel do gestor escolar na promoção de uma cultura inclusiva: liderança e políticas educacionais

A pesquisa analisou a atuação do gestor escolar na promoção de uma cultura inclusiva, considerando a necessidade de transformar diretrizes legais e fundamentos pedagógicos em práticas institucionais efetivas. Partiu-se do pressuposto de que a inclusão escolar exige planejamento, organização e liderança estratégica no cotidiano da escola. Adotou-se uma abordagem qualitativa de natureza aplicada, desenvolvida em três etapas complementares: análise documental das legislações brasileiras sobre educação inclusiva, revisão bibliográfica sobre liderança e gestão escolar, e sistematização dos dados por meio de ferramentas gerenciais como a matriz SWOT e o ciclo PDCA. Os resultados indicaram que a atuação da gestão escolar exerceu influência direta na consolidação de ambientes inclusivos, especialmente na organização de processos, formação continuada da equipe e fortalecimento de uma cultura institucional colaborativa e respeitosa à diversidade. Identificaram-se também desafios estruturais, pedagógicos e relacionais que demandaram intervenções planejadas. Ao final, elaborou-se um Guia Prático para Gestores Escolares, com diretrizes, protocolos e orientações operacionais para a tomada de decisão e organização dos processos inclusivos. Concluiu-se que a construção de uma cultura inclusiva dependeu da capacidade gestora de articular políticas públicas, práticas pedagógicas e processos institucionais, consolidando a inclusão como compromisso permanente no contexto escolar.

Palavras-chave: Acessibilidade educacional; Equidade educacional; Gestão participativa; Planejamento estratégico; Processos institucionais.

17 de novembro de 2026

Um artefato de IA baseado em Design Thinking para apoiar a elicitação de requisitos de software a partir das necessidades dos usuários

O desenvolvimento de software orientado às necessidades dos usuários frequentemente enfrenta desafios na elicitação de requisitos, decorrentes de ambiguidades na linguagem natural e falhas de comunicação. Diante disso, propôs-se e validou-se um artefato inteligente que integra Design Thinking e Inteligência Artificial, com foco nas etapas de Empatia e Definição, para apoiar a coleta, interpretação e estruturação das necessidades dos usuários. A pesquisa, de natureza aplicada, qualitativa e exploratória, conduziu uma Prova de Conceito em ambiente controlado, empregando cenários hipotéticos. O artefato operou por meio de entrevistas guiadas em linguagem natural, organizando informações em elementos como dor, contexto e impacto, e gerando sínteses de problemas rastreáveis. Os resultados indicaram que o sistema organizou relatos não estruturados, reduziu ambiguidades e preservou o sentido das informações originais na maioria dos casos. Observou-se também a capacidade de reorganização lógica em cenários complexos, embora com limitações na separação de múltiplos problemas e dependência das instruções. Concluiu-se que o artefato possui potencial como apoio à elicitação de requisitos, melhorando a clareza e a estruturação das informações, mas requer supervisão e controle contextual.

Palavras-chave: Design Thinking; Elicitação de Requisitos; Engenharia de Requisitos; Inteligência Artificial; Processamento de Linguagem Natural.

17 de novembro de 2026

A Extinção da Sistemática Monofásica na Indústria Farmacêutica à Luz da Reforma Tributária

A Reforma Tributária do consumo, estabelecida pela Emenda Constitucional nº 132/2023, introduziu alterações estruturais no sistema tributário brasileiro, com a substituição do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) pela Contribuição sobre Bens e Serviços (CBS), em um modelo de Imposto sobre Valor Agregado (IVA dual). O objetivo foi analisar os impactos da extinção da sistemática monofásica na indústria farmacêutica, à luz do novo desenho normativo e de seus efeitos econômicos e jurídicos. Realizou-se pesquisa qualitativa, de natureza exploratória, por meio de estudo de caso e análise documental da legislação e da doutrina especializada. Examinou-se se o fim da monofasia implicaria aumento relevante da carga tributária para o setor. Os resultados indicaram que, embora a superação formal da sistemática monofásica tenha ocorrido, a desoneração material dos medicamentos foi preservada, sobretudo em razão da aplicação de alíquotas reduzidas de 60% e, em determinados casos, de alíquota zero do Imposto Sobre Bens e Serviços (IBS) e da CBS. A mudança de modelo pode provocar variações pontuais na arrecadação, sem caracterizar aumento estrutural da carga tributária, tendendo à neutralidade ao longo do tempo. Concluiu-se, preliminarmente, que a Reforma Tributária reorganizou a técnica de tributação na indústria farmacêutica, substituindo um regime concentrado por mecanismos mais transparentes de desoneração. Essa abordagem mostrou-se compatível com os princípios da neutralidade, da não cumulatividade plena e da extrafiscalidade, mantendo a proteção tributária aos medicamentos essenciais e alinhando a política fiscal ao direito fundamental à saúde.

Palavras-chave: CBS; COFINS; IBS; IVA Dual; PIS.

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