UMA PROPOSTA DE DISTRIBUIÇÃO DA CADEIA DE
SUPRIMENTO NA LOGÍSTICA HUMANITÁRIA
Fábio Luis França de Faria
Gabriella Vitorino Guimaraes
Adriano de Paula Fontainhas Bandeira
Renata Albergaria de Mello Bandeira
UMA PROPOSTA DE DISTRIBUIÇÃO DA CADEIA DE SUPRIMENTO NA
LOGÍSTICA HUMANITÁRIA
Fábio Luis França de Faria
Instituto Militar de Engenharia
Programa de Pós-Graduação em Engenharia de Defesa
Gabriella Vitorino Guimarães
Adriano de Paula Fontainhas Bandeira
Renata Albergaria de Mello Bandeira
Instituto Militar de Engenharia
Programa de Pós-Graduação em Engenharia de Transportes
RESUMO
O presente artigo propõe uma metodologia para a localização de centros de distribuições intermediários e sua
alocação aos centros de distribuição regionais para armazenamento das doações recebidas em casos de desastres
naturais, tendo como base a estrutura da cadeia de suprimento humanitário proposta por Balcik (2010) e em
complemento ao procedimento de estruturação da rede de distribuição local determinado por Costa (2013). A
modelagem desenvolvida utiliza o algoritmo de agrupamento interativo k-médias (k- means), e tem o software
MATLAB R2013a como ambiente de desenvolvimento. O objetivo é encontrar uma alternativa ótima para
alocação de centros de distribuição. Como resultado, obteve-se uma saída gráfica, que exibirá os depósitos
intermediários selecionados, bem como os pontos de distribuições locais abastecidos a partir deles. A aplicação
desta metodologia permite o aperfeiçoamento do atendimento às vítimas em casos de calamidade pública,
contribuindo para a redução do tempo de entrega total.
ABSTRACT
The paper presents a methodology for locating intermediate distribution centers and their allocation to regional
distribution centers for storage of donations received in cases of natural disasters, based on the structure of the
humanitarian supply chain proposed by Balcik (2010) and in complementing the procedure developed by Costa
(2013). The proposed procedure uses the an interactive algorithm, using k-means clustering in the environment
of software MATLAB R2013a, is developed. The objective is to find a optimal alternative for allocation of
distribution centers. As a result, we obtained a graphical output that displays the selected intermediate deposits
and local distribution points supplied from them. This methodology can be applied for planning the distribution
of donations to victims in cases of public calamity, helping the reduction of the total delivery time.
1. INTRODUÇÃO
A população mundial cresceu significativamente no último século, e com isso o solo passou a
ser mais ocupado, e de diferentes maneiras, associados aos processos de urbanização e
industrialização. As causas naturais dos desastres, que envolve a dinâmica interna da terra
(terremotos, maremotos, vulcanismo e tsunamis) e a externa (tempestades, tornardos,
inundação, seca e ressaca) são agravadas pela forma como a sociedade tem se comportado nas
últimas décadas, tendo-se como principais agravantes a emissão de gases nocivos, retirada da
mata ciliar e assoreamento dos rios, impermeabilização do solo e ocupação desordenada de
encostas íngremes (Kobiyama et. al., 2006), fazendo com que a probabilidade de ocorrência
de desastres naturais no mundo aumentasse consideravelmente.
Os desastres trazem inúmeras consequências para a localidade e seus habitantes, com perdas
materiais, humanas e/ou econômicas, principalmente quando não há o desenvolvimento de
programas eficientes de combate aos mesmos. A partir da necessidade de atender esses tipos
de situações emergenciais, surge o conceito de logística humanitária, que propõe o uso efetivo
dos conceitos logísticos adaptados às especificidades da cadeia de assistência humanitária.
Tais conceitos, de acordo com Nogueira e Gonçalves (2009), podem ser o grande diferencial
no sentido de minimizar ações de improvisação, muito comuns nessas ocorrências,
1
maximizando a eficiência e o tempo de resposta à situação de emergência.
Embora apresentem semelhanças, principalmente quanto à estrutura e funcionamento das
operações, a logística empresarial e a humanitária distinguem-se no seu foco principal.
Enquanto a empresarial foca no consumidor final, que terá grande influência pelo fato de
entrar com recursos para que as operações sejam realizadas, a humanitária volta-se para
consumidores que não participam de transações comerciais, porém necessitam dos serviços
em caráter de urgência. Em operações humanitárias, a questão do tempo é crucial, pois o
atraso pode colocar em risco a segurança e a vida das vítimas (Costa et. al., 2012). Desta
forma, torna-se evidente a importância e complexidade do processo de distribuição na
logística humanitária, pois tem que atender situações atípicas e diferenciadas, e ainda sob a
pressão do tempo.
Bertazzo et al. (2013) identificaram 82 artigos na literatura nacional que tratam do tema
desastres, e verificaram que parte considerável (35 deles) relaciona-se a eventos de
inundações e deslizamentos. De acordo com os resultados de Bertazzo et al. (2013), a
abordagem sobre o tema de gerenciamento de desastres é mais difundida na literatura
nacional, seguida de questões relacionadas à localização e a transportes. Os autores
identificaram que apenas o artigo de Costa et al. (2012) estuda sobre distribuição no contexto
nacional, sendo a pesquisa de Lima et al. (2012) a única que trabalha a questão da aquisição,
indicando que a literatura nacional sobre o tema logística humanitária ainda é muito
incipiente, sendo necessário o desenvolvimento de estudos que apliquem conceitos com
enfoque em distribuição e em localização no âmbito nacional em situações emergenciais.
Nesse contexto, este artigo tem como objetivo propor uma metodologia de distribuição da
cadeia de suprimento humanitário aplicável em qualquer região que venha a sofrer algum tipo
de desastre natural, a partir da determinação da localização de centros intermediários de
distribuição para armazenamento das doações arrecadadas e futura destinação final. Para isso,
utiliza-se como base a estrutura da cadeia de ajuda e o conceito de “estoques intermediários e
pontos de distribuição” de Balcik et al. (2010). A metodologia proposta utiliza o algoritmo de
agrupamento iterativo k-médias para definição de grupos a serem abastecidos por um
determinado centro intermediário de distribuição, sendo o critério da menor distância a ser
percorrida adotado como parâmetro de decisão para definição da cadeia de abastecimento. Os
Centros de distribuição intermediários e os centros de distribuição regionais são alocados,
visando atender com maior eficácia a população atingida. Portanto, o presente trabalho pode
ser aplicado de forma complementar ao procedimento proposto por Costa (2013) para a
estruturação da rede de pontos de distribuição locais em operações de logística humanitária.
Assim, busca-se a possibilidade de melhor eficiência no processo de atendimento em caráter
de urgência, bem como atendimento a curto prazo às vítimas de evento desta natureza.
Este artigo foi estruturado da seguinte maneira: a seção 2 aborda a distribuição da cadeia
humanitária de suprimento. A seção 3 apresenta o procedimento desenvolvido por Costa
(2013). A seção 4 traz a metodologia proposta, apresentando a modelagem e os conceitos
utilizados para a execução da mesma. A seção 5 apresenta da aplicação da metodologia; e, por
fim, as conclusões.
2. DISTRIBUIÇÃO DA CADEIA HUMANITÁRIA DE SUPRIMENTO
A Lei nº 12.608/2012, que institui a Política Nacional de Proteção e Defesa Civil - PNPDEC,
2
“abrange as ações de prevenção, mitigação, preparação, resposta e recuperação voltadas à
proteção e defesa civil”. Além disso, faz parte de seus objetivos “prestar socorro e assistência
às populações atingidas por desastres”. Nesse contexto, a logística enquadra-se como
ferramenta essencial na resposta aos desastres. Entretanto, são muitos os desafios da logística
humanitária. Em situações de desastre, a infraestrutura encontra-se, na maior parte dos casos
destruída, dificultando assim o acesso, a chegada de recursos e a saída de pessoas (Meirim,
2007, apud Nogueira e Gonçalves, 2009). Além disto, há o excesso de pessoas (voluntários)
sem treinamento adequado e o acúmulo de doações nas primeiras semanas, gerando assim
desperdícios e avarias, devido a itens inadequados.
De acordo com Heaslip et. al (2008), quando aplicada às ações humanitárias, a cadeia de
suprimentos precisa ser flexível e capaz de responder rapidamente a eventos imprevisíveis, de
forma efetiva (que pode ser a diferença entre vida e morte) e eficiente (atender a um maior
número de necessitados) sob fortes restrições orçamentárias. Esse fato reforça a necessidade
do desenvolvimento de procedimentos para que, quando este tipo de evento ocorra, tenham-se
as diretrizes a seguir de modo a garantir que as vítimas sejam atendidas em tempo hábil.
A partir dessas considerações, é possível perceber a complexidade da atividade logística nesse
contexto e verificar que ela engloba os aspectos de aquisição, distribuição, gerenciamento,
localização e transportes. Porém, o foco deste trabalho é a distribuição da cadeia humanitária
de suprimento. Para Liberatore et al. (2014), um dos maiores desafios da logística
humanitária envolve a distribuição de suprimentos aos beneficiários, uma vez que, após o
desastre, a infraestrutura física é destruída e a capacidade de transporte se encontra limitada,
ou mesmo inexistente, o que dificulta o fluxo de suprimentos que normalmente é direcionado
para a região afetada.
Balcik et al. (2010) defendem que a cadeia de suprimento humanitária segue a estrutura
apresentada na Figura 1. As linhas tracejadas, na Figura 1, referem-se ao fluxo do
fornecimento no pós-desastre, enquanto as linhas cheias representam o fluxo do fornecimento
pré-desastre. Primeiramente, há a aquisição de suprimentos, que se dá através de doações,
locais ou globais, em espécie e de materiais, ou a partir de políticas públicas. A seleção dessas
doações, através do processo de triagem, merece atenção pelo fato da aleatoriedade dos itens
recebidos, que pode haver excesso de alguns e escassez de outros. Assim, a triagem do
material recebido é crucial, pois evita que itens desnecessários naquele determinado momento
sejam transportados para os centros de distribuição, ocupando espaços de armazenamento e
gerando retrabalho, que deve ser evitado ao máximo, considerando que tempo é um fator
delicado nessas operações.
3
Figura 1: Estrutura da cadeia de ajuda
(Fonte: Balcik et al., 2010)
Em seguida, tem-se o transporte dos suprimentos para os centros de distribuição, que irão
armazenar no primeiro instante os produtos adquiridos e doados, que foram selecionados na
etapa de triagem. Nesses locais, evita-se que os produtos sejam deteriorados e roubados, além
de ser possível organizá-los para posterior entrega nos estoques intermediários e pontos de
distribuição. Balcik et al. (2010) afirmam que a etapa do transporte é o maior componente das
operações pós-desastres, e que pode ser considerado um desafio para as agências de ajuda,
pois fatores como a necessidade de aluguel de veículos, as características geográficas do local
afetado e proximidades e a falta de informações suficientes sobre as condições atuais das
estradas são condicionantes para a eficiente execução dessa atividade.
Nos estoques intermediários e pontos de distribuição encontram-se uma segunda possibilidade
de armazenamento dos suprimentos, como o nome já sugere, em posição intermediária entre
os principais locais de doação (geralmente grandes centros) e as localidades onde, de fato,
ocorreu o desastre. Nesses locais os itens estão mais desagregados, separados conforme
critérios estabelecidos pela equipe responsável por essa atividade. Por fim, têm-se os pontos
de distribuição locais, onde os kits que serão entregues deverão estar organizados para
destinação final, ou seja, para serem entregues às vítimas (beneficiários). Nessas etapas,
ocorre novamente a atividade de triagem do material recebido, porém seguindo os critérios
mais específicos, pois nesses novos estoques estarão os kits que já serão distribuídos
juntamente às vítimas.
Costa (2013) propõe um procedimento para determinar a localização de pontos de distribuição
locais, abrindo a oportunidade de melhoramento de sua metodologia a partir da determinação
de alocação de pontos de distribuição intermediários, conforme desenvolvido neste trabalho.
A seção 3 apresenta a metodologia desenvolvida por Costa (2013).
3. PROCEDIMENTO DE COSTA (2013) PARA A ESTRUTURAÇÃO DO PROCESSO
DE DISTRIBUIÇÃO EM OPERAÇÕES DE LOGÍSTICA HUMANITÁRIA
Costa (2013) propõe um procedimento para apoio à ação humanitária de resposta a desastre
com base em cinco etapas. São elas: (1) identificação e delimitação da região atendida; (2)
estimativa da demanda de abastecimento; (3) identificação da infraestrutura; (4) classificação
4
da infraestrutura; e (5) definição da rede de distribuição, conforme mostrado na Figura 2.
Figura 2: Etapas do procedimento de apoio às ações humanitárias em desastres naturais.
Fonte: Costa (2013).
A primeira etapa tem dois pontos principais: identificação e caracterização das condições das
áreas habitadas na região atendida (classificando as áreas de acordo com o comprometimento
em livres, afetadas e críticas, a partir de um mapa em escala da região atingida pelo desastre)
e definição de um referencial espacial de localização, orientação e distância a ser utilizada em
apoio à estruturação da rede de distribuição de ajuda humanitária, em que se calculam as
distâncias entre pontos de demanda e de atendimento. Na segunda etapa, a demanda de
abastecimento é estimada a partir da população impactada, tendo como base as variáveis de
densidade demográfica média da região atingida e o fator de expectativa de pessoas que
recorrerão à ajuda humanitária, e também pela mensuração da demanda e da quantidade a ser
armazenada (Costa, 2013).
A identificação da infraestrutura (etapa 3) é realizada a partir da premissa de se utilizar a
infraestrutura existente na região atingida. O autor sugere o preenchimento de um banco de
dados sobre as instalações potenciais. Desta forma, estará disponível um maior número de
alternativas para a configuração da rede de distribuição. Na etapa 4, o autor define dois tipos
de pontos de abastecimento: os Pontos de Distribuição (PDD), que “são instalações fixas
localizadas na infraestrutura disponível nas sub-regiões impactadas (SRIs), com a função
básica de efetuar a entrega direta de itens de ajuda às vítimas que se dirijam até elas”, e os
Centros Temporários de Distribuição (CTD), que tem a mesma função dos PDDs, porém,
“utilizados em locais impactados por desastres naturais onde não haja infraestrutura
disponível ou que a existente não esteja em condições de realizar o atendimento adequado
(Costa, 2013). Costa (2013) faz uso de PDDs para atender diretamente às vítimas, tendo como
“pré-requisito que tenham área disponível maior ou igual ao espaço necessário para guardar a
quantidade necessária ao atendimento das vítimas”. No entanto, “as sub-regiões impactadas
que não tenham locais apropriados para servirem de PDDs são atendidas por CTDs
posicionados em locais onde haja espaço para a operação de entrega de ajuda às vítimas de
forma segura”.
Por fim, na etapa de definição da rede de distribuição, o autor formulou duas alternativas ao
gestor para a tomada de decisão da localização dos PDDs: 1) utilizando o menor número de
PDDs no abastecimento de todos os Centros Temporários de Distribuição (CTDs),
privilegiando a opção de menor custo de estoque e de maior facilidade no gerenciamento das
operações nos PDDs; e 2) utilizando a menor distância total percorrida para o abastecimento
de todos os CTDs, estando a quantidade de PDDs utilizados condicionada ao melhor
resultado. Enfim, Costa (2013) propõe critérios para definição da localização dos CTDs.
Entretanto, conforme apresentado previamente, a metodologia proposta por Costa (2013)
determina a localização de pontos de distribuição locais (PDDs ou CTDs), porém não
5
determina a alocação de pontos de distribuição intermediários ou dos centros de distribuição
regionais. Este trabalho tem como objetivo agregar esta etapa à metodologia desenvolvida por
Costa (2013), propondo um algoritmo para a locação de centros de distribuição intermediários
que seja aplicável em qualquer localidade que venha a sofrer desastres naturais.
4. METODOLOGIA
Nesta seção, apresenta-se a modelagem proposta para agregar a alocação de pontos de
distribuição intermediários à metodologia de Costa (2013), além de detalhar os conceitos
utilizados para o seu desenvolvimento.
Com a finalidade de encontrar uma alternativa ótima para a estruturação da rede de
distribuição na cadeia de suprimento humanitário, desenvolveu-se uma modelagem, utilizando
o software MATLAB R2013a, tendo como base o procedimento proposto por Costa (2013)
para a localização dos pontos de distribuição locais (PDDs e CTDs) e o conceito de estoques
temporários e pontos de distribuição da estrutura da cadeia de ajuda (Figura 1) proposta por
Balcik et al. (2010). O critério de seleção para os depósitos intermediários é a menor distância
dos mesmos aos centróides do grupo de pontos de distribuição locais que vão atender,
considerando ainda a capacidade de cada depósito intermediário. Como dados de entrada
para modelagem, têm-se:
 Coordenadas dos pontos de distribuição locais no plano cartesiano;
 Quantidade desejada de depósitos intermediários;
 Raios mínimos e máximos das elipses que determinam a área de busca dos depósitos
intermediários;
 Coordenadas dos candidatos a depósitos intermediários, bem como suas respectivas
capacidades;
 Coordenadas dos depósitos centrais;
O primeiro passo da modelagem consiste no agrupamento dos pontos de distribuição locais de
acordo com a distância entre eles. Para tal fim foi utilizado o algoritmo de clusterização Kmeans, também conhecido como K-médias. De acordo com Fontana e Naldi (2009), K-means
utiliza o conceito de centroides como protótipos representativos dos grupos, em que o
centroide representa o centro de um grupo, sendo calculado pela média de todos os objetos do
grupo. O objetivo deste algoritmo é encontrar a melhor divisão de P dados em K grupos Ci, i
= 1, ... K, de maneira que a distância total entre os dados de um grupo e o seu respectivo
centro, somada por todos os grupos, seja minimizada (Pimentel et al., 2003). O
funcionamento do K-means pode ser descrito pelos seguintes passos:
 Atribuem-se valores iniciais para os protótipos seguindo algum critério, por exemplo,
sorteio aleatório desses valores dentro dos limites de domínio de cada atributo;
 Atribui-se cada objeto ao grupo cujo protótipo possua maior similaridade com o objeto;
 Recalcula-se o valor do centroide (protótipo) de cada grupo, como sendo a média dos
objetos atuais do grupo;
 Repete-se os passos 2 e 3 até que os grupos se estabilizem;
O algoritmo continua a repetir os passos 2 e 3 enquanto ocorrer alterações nos grupos, ou seja,
até não ocorrer variação significativa na distância mínima de cada objeto da base de dados a
cada um dos centroides.
6
Figura 3: Ilustração de agrupamento pelo método K-means
Fonte: www.pubs.rsc.org
A entrada das coordenadas dos pontos de distribuição locais se dá através de uma matriz nx2,
onde n é a quantidade de pontos de distribuição locais. A quantidade de depósitos deverá ser
inserida pelo usuário, visto que ela dependerá de fatores externos como verba disponível para
instalação dos mesmos, disponibilidade de instalações e de pessoal, dentre outros. O número
de depósitos determinará a quantidade de agrupamentos feitos através do K-means.
Definidos os centroides de cada grupo, define-se um novo centroide, que pode ser chamado
de centroide geral, pois trata-se do centroide dos centroides dos grupamentos de pontos de
distribuição locais. O centroide geral tem por objetivo ser o ponto de onde definiremos duas
elipses que formarão uma faixa onde se encontram os candidatos a depósitos intermediários.
A faixa indica o limite mínimo e o limite máximo de onde podem estar os depósitos
intermediários. Foi utilizada a elipse para definição de área por ser menos restritiva que a
circunferência. Em locais que possuam grande extensão no eixo das ordenadas e pequena
extensão no eixo das abcissas (ou vice-versa), a elipse pode se encaixar de forma mais
eficiente na definição de limites. Os eixos das elipses são definidos pelo usuário, pois
dependem do relevo da região e da área que está afetada pela calamidade. Assim, de posse da
faixa formada pelas elipses, inserem-se as coordenadas cartesianas dos candidatos a depósito
intermediário através de uma matriz mx2, em que m é a quantidade de candidatos.
O próximo passo do algoritmo consiste em calcular as distâncias euclidianas entre os
candidatos e os centroides, sendo que as menores distâncias determinarão qual será o ponto
escolhido como depósito intermediário. Após selecionados os depósitos intermediários é feita
uma verificação da capacidade dos mesmos, ou seja, de posse da quantidade de pontos de
distribuição locais agrupados por centroide, verifica-se se se os depósitos selecionados
atendem a demanda exigida. Caso não atenda, é selecionado outro depósito para abastecer o
centroide (o que possui a segunda menor distância ao respectivo centroide). Depois de
inseridas as coordenadas dos depósitos centrais, um processo análogo é feito para determinar
quais os respectivos depósitos intermediários serão atendidos pelos depósitos centrais. Optouse por fazer o processo separadamente, primeiro definindo a distância entre os centroides e
depósitos intermediários, e com os depósitos intermediários já definidos, verificar qual
7
depósito central os atenderá. Tomou-se tal decisão pelo fato de que as distancias dos depósitos
centrais a área de calamidade são muito maiores do que dos depósitos intermediários, e as
últimas teriam pouco peso na determinação da menor distância. Outro fator é que o
deslocamento na área de calamidade normalmente é bem mais difícil do que nas demais áreas,
exigindo uma análise mais próxima do eixo analisado.
Enfim, os dados de saída da modelagem proposta são: (i) alocação de quais pontos de
distribuição locais serão atendidos por cada depósito intermediário; (ii) Depósitos
intermediários selecionados de acordo com a mínima distância aos centroides, e verificação
de atendimento de demanda; (iii) depósitos centrais que abastecerão os respectivos depósitos
intermediários de acordo com a menor distância entre os mesmos.
5. APLICAÇÃO DA MODELAGEM PROPOSTA
O ambiente de inserção de dados do modelo desenvolvido é a própria área de trabalho do
MATLAB, onde as entradas são inseridas na forma de matrizes. A área afetada é inserida em
um plano cartesiano com quadrículas dimensionadas de acordo com a precisão que se deseja.
As coordenadas dos pontos de distribuição locais estão dentro da área crítica e as coordenadas
dos depósitos intermediários estão em uma área considerada mais estável de acordo com os
eixos da elipse. Assim, o primeiro passo para a aplicação do método consiste na entrada das
coordenadas dos pontos de distribuição locais, que foram definidas após a aplicação do
procedimento proposto por Costa (2013). Para a aplicação em questão, os resultados do
procedimento de Costa (2013) definiram a necessidade de 23 pontos de distribuição locais,
conforme apresentado na Tabela 1.
Tabela 1: Coordenada dos PDDs, resultante da aplicação do procedimento de Costa (2013)
Nr PDD
Coord.
1
2
3
4
5
6
7
8
X 1
Y 2
3
5
7 10
9
4 13 9
4
6
8 11 3,5 8
8
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
7
1
5 10 11 6
7
8
6
5
9 10 6
0
0
5 2,5 2,5
1
10 12 1,5 2,5
5
6
11
7,5 2,5 2
Em seguida, foram definidos: a quantidade desejada de depósitos intermediários; e os raios
mínimos e máximos das elipses que determinam a área de busca dos depósitos intermediários;
Para o exercício em questão, definiu-se como cinco a quantidade desejada de depósitos
intermediários, reforçando que esta decisão deve ser tomada pelo usuário, pois este dado
varia para cada caso específico, dependendo de fatores como verba disponível para instalação
dos mesmos, disponibilidade de instalações e de pessoal. A faixa do limite mínimo e o limite
máximo de onde podem estar os depósitos intermediários também devem ser definidas pelo
usuário por dependerem do relevo da região e da área que afetada. Para esta aplicação,
definiu-se o eixo horizontal da elipse como 8 Km, o eixo vertical como 7,5 Km e a largura da
faixa como 5 Km. A Tabela 2 apresenta os dados de caracterização da faixa de depósitos
intermediários e grupos de pontos de distribuição locais para esta aplicação.
Tabela 2: Caracterização da faixa de depósitos intermediários e grupos de PDDs
Característica
Valor(u.m)
Grupos de PDDs
5
Eixo Horizontal
8
Eixo Vertical
7,5
Largura da faixa
8
5
Os demais dados de entrada necessários para a aplicação da modelagem são apresentados nas
Tabelas 3 e 4. A Tabela 3 traz as coordenadas dos candidatos a depósitos intermediários, bem
como suas respectivas capacidades, enquanto a Tabela 4 define as coordenadas dos depósitos
centrais.
Tabela 3: Coordenadas dos candidatos a depósitos intermediários
Nr Dep. Intermed.
1
2
3
4
5
6
7
8
9
X
15
0
-5
5
16 17
-5
5
10
-1 12
Y
Capacidade (x100 Ton) 5 6
4
-4
3
12
7
16
-2,5
5
5
5
5
6
6
6
Coord
Tabela 4. Coordenadas dos depósitos centrais:
Nr Dep. Central
Coord
1
2
X
-25
10
Y
6
-27
De acordo com as entradas inseridas, foi possível selecionar as cinco instalações que
funcionarão como depósitos intermediários e por quais depósitos centrais estes pontos
intermediários serão atendidos, tendo-se como critério de decisão a minimização da distância
total a ser percorrida. A Tabela 5 apresenta os centroides dos pontos de distribuição locais,
bem como o depósito intermediário alocado para atendê-lo e sua respectiva capacidade, bem
como o depósito central selecionado para abastecer o ponto intermediário.
Tabela 5: Caracterização dos centroides e respectivos depósitos intermediários selecionados
Centroide
Depósitos Interm Selec.
Nr
X
Y
Demanda(x100T)
Nr
X
Y
Capacidade(x100t)
1
4,916
7,25
6
2
0
12
6
Dep Central
Abast
1
2
10,5
2,62
4
9
10 -2,5
6
2
3
1,625
4
4
3
-5
4
5
1
4
6,75
0,875
4
4
5
-4
6
2
5
10,6
8,4
5
6
17
12
5
2
Verifica-se, a partir da Tabela 5, que nenhuma demanda excede a capacidade do depósito
selecionado, sendo que a demanda é diretamente proporcional a quantidade de pontos de
distribuição locais (100 T por ponto de distribuição local) agrupados pelo centroide. A Figura
5 apresenta uma saída gráfica do modelo desenvolvido, na qual é possível verificar os
depósitos centrais que abastecerão os depósitos intermediários selecionados, bem como quais
pontos de distribuição locais serão abastecidos por cada depósito intermediário. Percebe-se
que, se fosse utilizado somente o critério da menor distância, o depósito intermediário “9”
seria responsável pelo atendimento dos centroides “4” e “5”, contudo sua capacidade seria
excedida já que somando a demanda dos dois centroides temos 800 T >600 T. Dessa forma, a
seleção é alterada automaticamente para o segundo depósito mais próximo de modo que a
demanda seja atendida.
9
Figura 4: Estrutura da cadeia de ajuda resultante da modelagem desenvolvida
5. CONCLUSÕES
A logística humanitária tem como objetivo salvar vidas e prestar assistência a beneficiários.
Considerando-se que muitas áreas estão suscetíveis a sofrer desastres naturais, a aplicação de
conceitos logísticos torna-se cada vez mais importante, principalmente se considerar o caráter
de urgência que o atendimento às vítimas requer. Desta forma, é imprescindível desenvolver
modelos que se apliquem a eventos dessa natureza, para que, quando da ocorrência do
mesmo, já se tenha o planejamento de ações viáveis para amenizar os impactos sofridos.
Além disso, deve-se fazer uso de outras áreas do conhecimento, a exemplo da matemática e
da computação, com o intuito de quantificar e aplicar o que foi esquematizado.
A partir da metodologia proposta por Costa (2013) para a definição e alocação de centros de
distribuições locais, utilizou-se o conceito de “estoques intermediários e pontos de
distribuição” de Balcik et al. (2010), para o desenvolvimento da modelagem proposta para
determinar os centros de distribuição intermediários e os depósitos centrais. A modelagem foi
desenvolvida no software MATLAB R2013a.
A partir da modelagem proposta, é possível selecionar as melhores localizações dos centros
intermediários de distribuição dentre todas as alternativas apresentadas. Os critérios de
seleção utilizados para a alocação dos depósitos intermediários foram a menor distância dos
mesmos aos centroides do grupo de pontos de distribuição locais que vão atender, a demanda
destes pontos de distribuição locais e a capacidade dos novos depósitos. Assim, como
sugestão para trabalhos posteriores, propõe-se considerar outros aspectos, como financeiros e
de relevo, o que pode ser feito utilizando fatores que multiplicados pelas distâncias poderão
alterar a tomada de decisão, trazendo maior confiabilidade e estabilidade ao modelo.
10
REFERÊNCIAS BIBLIOGRÁFICAS
Balcik, B.; B. M. Beamon; C.C. Krekci.; K.M. Muramatsu and M. Ramirez (2010). Coordination in
humanitarian relief chains: Practices, challenges and opportunities. International Journal Production
Economics. Science Direct, 126 (1), pp.22-34.
Bertazzo, T. R., I. B. Junior, A. Leiras e H. T. Y. Yoshizaki (2013) Revisão da literatura acadêmica brasileira
sobre a gestão de operações em desastres naturais com ênfase em logística humanitária. Revista
Transportes,
v.
21,
n.
3,
p.
31-39.
Disponível
em:
<http://www.revistatransportes.org.br/anpet/article/view/633/481>. Acessado em: 18 de abril de 2014.
BRASIL. Lei nº 12.608, de 10 de abril de 2012 (2012) Institui a Política Nacional de Proteção e Defesa Civil –
PNPDEC, dispõe sobre o Sistema Nacional de Proteção e Defesa Civil – SINPDEC e o Conselho
Nacional de Proteção e Defesa Civil – CONPDEC, autoriza a criação de sistema de informações e
monitoramento de desastres e dá outras providências. Diário Oficial da União.
Costa, S. R. A. (2013) Procedimento para estruturação do processo de distribuição em operações de Logística
Humanitária. Rio de Janeiro: Instituto Militar de Engenharia.
Costa, S. R A.; R. A. M. Bandeira e V. B. G. Campos (2012) Uma análise do processo de distribuição na cadeia
de suprimentos em operações humanitárias. XXXII Encontro Nacional de Engenharia de Produção.
Bento
Gonçalves,
RS,
Brasil.
Disponível
em:
<http://www.abepro.org.br/biblioteca/ENEGEP2012_TN_STO_157_915_19980.pdf>. Acessado em: 28
de junho de 2014.
FONSECA, STANZANI,F.C.,BELTRAME, W.A.R. (2011) Aplicações Práticas dos Algoritmos de
Clusterização K-means e Bisecting K-means,Universidade Federal do Espírito Santo.
Fontana, A.; M. C. Naldi (2009) Estudo de Comparação de Métodos para Estimação de Números de Grupos em
Problemas de Agrupamento de Dados. Universidade de São Paulo.
Heaslip, G.; J. Mangan and C. Lalwani. (2008) Modelling a Humanitarian Supply Chain using the Structured
Analysis and Design Technique (SADT). University of Hull Logistics Institute – UK. Disponível em:
<http://eprints.nuim.ie/2534/1/LRN_Paper_2008_Graham_Heaslip.pdf>. Acessado em: 30 de junho de
2014.
Kobiyama, M. M.; M. D. A. Moreno e I. Pena (2006) Prevenção de desastres naturais: conceitos básicos.
Florianópolis:
Editora
Organic
Trading.
1ª
edição.
Disponível
em:
<http://www.ambiente.sp.gov.br/proclima/files/2014/05/prevencaodedesastresnaturaisconceitosbasicos1.p
df>. Acessado em: 28 de junho de 2014.
Konicek, Andrew R., Jonathan Lefman, and Christopher Szakal. Automated correlation and classification of
secondary ion mass spectrometry images using ak-means cluster method. Analyst 137.15 (2012): 34793487.
<http://pubs.rsc.org/services/images/RSCpubs.ePlatform.Service.FreeContent.ImageService.svc/ImageSe
rvice/Articleimage/2012/AN/c2an16122b/c2an16122b-f3.gif> Acessado em: 23 de junho de 2014.
Lima, F. S.; D. Oliveira e M. B. Gonçalves (2012) Método para seleção de fornecedores para atendimento às
vítimas de desastres naturais considerando o lead time logístico dos produtos. Anais do XXVI Congresso
de Pesquisa e Ensino em Transportes, ANPET, Joinville.
Nogueira, C. W.; M. B. Gonçalves (2009) A logística humanitária: apontamentos e a perspectiva da cadeia de
assistência humanitária.. XXXII Encontro Nacional de Engenharia de Produção. Bento Gonçalves, RS,
Brasil. Disponível em: < http://www.abepro.org.br/biblioteca/enegep2009_tn_sto_101_675_13763.pdf >.
Acessado em: 28 de junho de 2014.
Pimentel, Edson P., Vilma F. de França, and Nizam Omar. A identificação de grupos de aprendizes no ensino
presencial utilizando técnicas de clusterização. Anais do Simpósio Brasileiro de Informática na
Educação. Vol. 1. No. 1. 2003.
Brasil. Disponível em:< http://www.br-ie.org/pub/index.php/sbie/article/view/280/266>
Acessado em: 23 de junho de 2014.
__________________________________________________________________________________________
Fábio Luis França de Faria ([email protected])
Gabriella Vitorino Guimarães ([email protected])
Adriano de Paula Fontainhas Bandeira ([email protected])
Renata Albergaria de Mello Bandeira ([email protected])
Instituto Militar de Engenharia
Praça Gen. Tibúrcio, 80 - Urca, Rio de Janeiro - RJ
11