{"id":599,"date":"2022-12-30T12:58:16","date_gmt":"2022-12-30T14:58:16","guid":{"rendered":"https:\/\/inpo.com.br\/?p=599"},"modified":"2025-02-14T11:29:08","modified_gmt":"2025-02-14T14:29:08","slug":"quantos-centros-de-distribuicao-devo-ter","status":"publish","type":"post","link":"https:\/\/inpo.com.br\/en\/blog\/quantos-centros-de-distribuicao-devo-ter\/","title":{"rendered":"Quantos Centros de Distribui\u00e7\u00e3o devo ter na minha opera\u00e7\u00e3o?"},"content":{"rendered":"

Muitos planejadores se perguntam quantos Centros de Distribui\u00e7\u00e3o (CDs) devem existir em sua opera\u00e7\u00e3o. Da mesma forma, outros tipos de instala\u00e7\u00f5es log\u00edsticas, tais como f\u00e1bricas, HUBs de consolida\u00e7\u00e3o, transit points, pontos de cross-docking, armaz\u00e9ns, entre outros.<\/p>\n\n\n\n

Essa \u00e9 uma das quest\u00f5es fundamentais enfrentadas em um projeto de desenho de malha<\/a>. Neste artigo, vou falar sobre quais s\u00e3o os principais aspectos que definem a quantidade ideal de instala\u00e7\u00f5es em uma opera\u00e7\u00e3o. Al\u00e9m disso, vou explorar o que o planejador de redes log\u00edsticas deve fazer para criar um modelo que responda adequadamente a essa pergunta.<\/p>\n\n\n\n

Os algoritmos usados na otimiza\u00e7\u00e3o do problema de configura\u00e7\u00e3o log\u00edstica buscam encontrar um equil\u00edbrio para o trade-off entre os custos de instala\u00e7\u00f5es e de transporte. Solu\u00e7\u00f5es \u00f3timas s\u00e3o obtidas quando se equilibram esses dois tipos de custo.<\/p>\n\n\n\n

O comportamento de custos<\/h2>\n\n\n\n

A Figura 1 retrata o comportamento dos custos quando a quantidade de instala\u00e7\u00f5es varia. Quanto maior a quantidade de centros de distribui\u00e7\u00e3o existentes, maior \u00e9 o custo fixo da opera\u00e7\u00e3o. Por outro lado, mais instala\u00e7\u00f5es podem permitir que as dist\u00e2ncias das viagens de abastecimento e distribui\u00e7\u00e3o sejam menores e que o custo total de transporte seja reduzido.<\/p>\n\n\n\n

Figura 1 \u2013 Equil\u00edbrio entre quantidade de instala\u00e7\u00f5es e custo total da opera\u00e7\u00e3o<\/p>\n\n\n

\n
\"\"<\/a><\/figure>\n<\/div>\n\n\n

<\/p>\n\n\n\n

O gr\u00e1fico tamb\u00e9m \u00e9 capaz de nos mostrar qual \u00e9 a \u201cquantidade \u00f3tima\u201d de instala\u00e7\u00f5es, definida pelo ponto em que o custo total \u00e9 m\u00ednimo. Esse valor varia de opera\u00e7\u00e3o para opera\u00e7\u00e3o, e est\u00e1 relacionado \u00e0s suas peculiaridades e ao comportamento dos custos associados. Dessa maneira, ainda que o formato geral das curvas se mantenha, elas podem ser diferentes para cada opera\u00e7\u00e3o.<\/p>\n\n\n\n

Consequentemente, cada opera\u00e7\u00e3o tem tamb\u00e9m sua quantidade ideal de instala\u00e7\u00f5es, a depender de suas caracter\u00edsticas operacionais.<\/p>\n\n\n\n

Em minha tese de doutorado, eu me aprofundei nesse assunto e fiz v\u00e1rias an\u00e1lises para entender melhor como essas solu\u00e7\u00f5es \u00f3timas se comportam, dependendo das caracter\u00edsticas da opera\u00e7\u00e3o.<\/p>\n\n\n\n

Na pesquisa, utilizei o FOCS<\/a> para resolver diversos problemas com diferentes quantidades de pontos de demanda, custos fixos, custos vari\u00e1veis de transporte, capacidades dos centros de distribui\u00e7\u00e3o e padr\u00f5es de distribui\u00e7\u00e3o geogr\u00e1fica.<\/p>\n\n\n\n

Al\u00e9m de encontrar a chamada \u201csolu\u00e7\u00e3o \u00f3tima\u201d de cada problema, desenvolvi e apliquei uma funcionalidade no FOCS<\/a> capaz de encontrar solu\u00e7\u00f5es alternativas para os problemas de localiza\u00e7\u00e3o.<\/p>\n\n\n\n

Observa\u00e7\u00f5es sobre os resultados<\/h2>\n\n\n\n

A an\u00e1lise desses resultados foi reveladora. Isso, porque, a quantidade de instala\u00e7\u00f5es abertas na \u201csolu\u00e7\u00e3o \u00f3tima\u201d e nas outras 19 solu\u00e7\u00f5es de cada problema varia muito pouco. Assim, mostrando que para cada problema existe uma faixa de quantidade de instala\u00e7\u00f5es ideal, associada ao problema como um todo e n\u00e3o \u00e0 localiza\u00e7\u00e3o de cada centro de distribui\u00e7\u00e3o espec\u00edfico.<\/p>\n\n\n\n

Ou seja, as an\u00e1lises mostraram que \u00e9 poss\u00edvel saber qual \u00e9 a estrat\u00e9gia ideal de cada opera\u00e7\u00e3o mesmo sem saber os locais exatos onde deve haver instala\u00e7\u00f5es log\u00edsticas.<\/p>\n\n\n\n

Intelig\u00eancia Artificial na Log\u00edstica<\/h2>\n\n\n\n

A partir dessas an\u00e1lises, utilizei intelig\u00eancia artificial para \u201ctreinar\u201d o algoritmo de resolu\u00e7\u00e3o. Ele aprendeu como identificar qual \u00e9 a estrat\u00e9gia ideal para cada opera\u00e7\u00e3o com base em suas caracter\u00edsticas gerais.<\/p>\n\n\n\n

Ainda com base nessas solu\u00e7\u00f5es alternativas pude identificar o impacto que cada caracter\u00edstica da opera\u00e7\u00e3o tem na quantidade de instala\u00e7\u00f5es.<\/p>\n\n\n\n

Esse melhor entendimento me permitiu responder de forma mais precisa uma pergunta que muitos gerentes e diretores de planejamento buscam responder para suas opera\u00e7\u00f5es. Quantos centros de distribui\u00e7\u00e3o minha opera\u00e7\u00e3o deve ter?<\/p>\n\n\n\n

Identifiquei que as caracter\u00edsticas das opera\u00e7\u00f5es que t\u00eam a maior influ\u00eancia na quantidade ideal de instala\u00e7\u00f5es s\u00e3o:<\/p>\n\n\n\n