Em 2024, segundo a Autoridade Portuária de Santos (APS), foram embarcadas cerca de 53,72MM ton de Soja, Farelo de Soja e Milho, sendo que deste total e, conforme os dados da Agência Nacional de Transporte Terrestre (ANTT), apenas 37,48MM foram transportadas por vias férreas!

Em 2025 estima-se que, cerca de 20MM de ton (+/- 500.000 veículos* – vide o cálculo mais abaixo) correspondentes apenas a estes 3 produtos, serão enviadas por via rodoviária ao Porto de Santos (como referência, é interessante mencionar que, em 2024, o porto operou com 59 grupos diferentes de mercadorias, tanto no embarque, quanto na descarga – fonte: APS).

Tomando-se por base a distribuição mensal dos embarques acontecidos em 2024 percebe-se que, a ascensão dos volumes inicia-se em fevereiro, mantendo-se alta e razoavelmente estável até agosto (gráfico 1), quando começa a declinar.

Gráfico 1. Evolução da distribuição mensal de embarque em 2024
Os estados da região Centro-Oeste (Mato Grosso, Mato Grosso do Sul, Goiás além do Distrito Federal), Minas Gerais e o próprio estado de São Paulo, são as principais origens da Soja. No caso do Milho, soma-se a eles, o estado do Paraná.
Em épocas de colheita de safra, os recebimentos acontecem ininterruptamente e muito próximos da capacidade nominal o que torna qualquer perda operacional praticamente irrecuperável.

A adoção de um sistema de agendamentos para o recebimento de veículos é, portanto, imprescindível pois permitirá:
•    Planejamento eficiente e racional das operações;
•    Controlar e mitigar filas acertadamente, reduzindo os custos e o tempo de resposta à imprevistos;
•    Melhorar a ocupação dos recursos existentes;
•    Programar manutenções e paradas necessárias ao sistema sem perder oportunidades;
•    Aumentar a satisfação dos clientes e reduzir filas;

Faz parte do sistema de agendamentos, a existência/adoção de intervalos de tempo (janelas) em que o veículo pode ser recebido. Contudo, caso estas janelas sejam demasiadamente grandes, permitirá que haja um perfil de chegadas dentro delas e isto poderá gerar acúmulos e, consequente, formação de filas.

Assim e, de maneira geral, mesmo que não seja possível garantir, “minuto a minuto”, a aderência às janelas, deve-se programar e reavaliar o método de agendamento para que não haja acúmulo de veículos (no início ou fim do período) pois, ainda que ocorra qualquer aleatoriedade nas chegadas ou, que a quantidade seja parecida a uma curva normal (média rodeada por valores menores e maiores em semelhante proporção), os resultados serão superiores (em termos de fila e do tempo de espera ao atendimento) em relação aos casos assimétricos. (Caceta, 2023).

Continua após a publicidade

Por fim é importante salientar que, cada situação demanda uma simulação customizada em parâmetros e componentes de sistema para que ocorra a maior fidelidade e relevância nos resultados para que se possam tomar as melhores decisões. (Caceta, 2023).

*Entenda o racional:
A CONAB (Companhia Nacional de Abastecimento) prevê para a safra 2024/2025 e, referente aos estados de origem em questão, uma produção somada (somente para aqueles 3 produtos) em torno de 195MM ton.
As séries históricas (últimos 10 anos) referentes ao transporte ferroviário, embarque marítimo por Santos e produção nos estados de origem se encontram descritas na Tabela 1.

O Gráfico 2 demonstra, através da área hachurada, o volume anual rodoviário transportado, ao adotar-se por referência, a manutenção local dos estoques e entendo que, todo o volume chegue ao porto por trem ou rodovia.

Gráfico 2. Volume rodoviário anual destinado ao Porto de Santos

Como suspeita-se que haja relação entre, a quantidade produzida de alimentos e àquela embarcada por Santos, bem como com àquela transportada por via férrea (Gráfico 3), decidiu-se pesquisar por correlação (linear e/ou quadrática) modelos que representem de forma aceitável a variação de uma grandeza em relação a outra, ou seja, equações que, quando aplicadas os dados observados, sejam obtidos índices satisfatórios de predição.

Continua após a publicidade

Gráfico 3. Evolução das quantidades

Ao se comparar a quantidade embarcada e a quantidade produzida (prevista) obtém-se um coeficiente de correlação de Pearson de 0,98 (Mukaka, 2012). O modelo linear (Graça Martins, E.,2014) adotado pode explicar 92,25 % (R-quadrado) desta variação com a equação descrita no Gráfico 4.

Como para 2025 prevê-se produzir 194.579.400 toneladas de Milho, Soja e Farelo de Soja, o modelo retorna como quantidade embarcada em Santos, o valor de 58.106.432 toneladas.

Gráfico 4. Quantidade embarcada em função da quantidade produzida

Com relação ao transporte ferroviário, ao comparar com a quantidade embarcada se chega a um modelo quadrático (Zeviani et.al, 2013) que, quando aplicado, explica 94,32% (R-quadrado) dos valores observados. A equação encontra-se no gráfico 5 e, o valor predito por ela, para a quantidade a ser transportada por via ferroviária em 2025, é de 38.324.263 toneladas.

Gráfico 5. Quantidade transportada em função da quantidade embarcada
Nota: Ensaiou-se também, modelar a quantidade transportada por via férrea diretamente através da quantidade produzida contudo, obteve-se um modelo inferior com relação ao R-quadrado e, assim, optou-se pelo caminho adotado.

Desta forma, a diferença entre, a quantidade embaraçada (58.106.432 ton.) e a quantidade transportada por via férrea (38.324.263 ton.) é de 19.782.169 ton. que, ao considerar a manutenção dos estoques e a quantidade média transportada por carreta de 40ton./veículo, chega-se a razão de 494.555 veículos (~500.000 unidades).

Referências:

•    APS (2025). Autoridade Portuária de Santos. Estatísticas On-line (BI). Disponível em:https://www.portodesantos.com.br/informacoes-operacionais/estatisticas/. Acessado em 25 de fevereiro de 2025;
•    ANTT (2025). Agência Nacional de Transportes Terrestres. Transporte de Carga – Origem Destino – 2006 – janeiro 2025.xlsx. Disponível em: https://www.gov.br/antt/pt-br/assuntos/ferrovias/anuario-do-setor-ferroviario/arquivos-tabelas-excel/transporte-de-carga-origem-destino-2006-janeiro-2025.xlsx/view. Acessado em em 25 de fevereiro de 2025;
•    Caceta (2023). O ajuste “fino” necessário a um sistema de agendamento de veículos. Revista Portos&Navios. Disponível em: https://www.portosenavios.com.br/artigos/estudo-e-pesquisa/artigo-o-ajuste-fino-necessario-a-um-sistema-de-agendamento-de-veiculos. Acessado em 27 de fevereiro de 2025.
•    CONAB (2024), Companhia Nacional de Abastecimento. Série Histórica das Safras/Grãos por Produtos. Disponível em: https://www.conab.gov.br/info-agro/safras/serie-historica-das-safras#gr%C3%A3os-2. Acessado em 13 de fevereiro de 2025;
•    Graça Martins, E. (2014), Revista de Ciência Elementar, 2(02):0069. Disponível em: https://www.fc.up.pt/pessoas/jfgomes/pdf/vol_2_num_2_69_art_coeficienteCorrelacaoAmostral.pdf. Consultado em 24 de outubro de 2024;
•    Mukaka, M.M. (2012) «Statistics Corner: A guide to appropriate uso of Correlation coefficient in medical research». Malawai Medical Journal. PMC 3576830. Disponível em: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3576830/. Consultado em 23 de outubro de 2023;
•    Zeviani, W.M.; Júnior,P.J.R; Bonat, W.H. (2013), Modelos de regressão não linear. Laboratório de Estatística e Geoinformação/UFPA. Disponivel em: https://www.ime.unicamp.br/~cnaber/cursomodelosnaolinearesR.pdf. Acessado em 26 de fevereiro de 2025.

Sobre o autor: Dennis Caceta é Gerente de Projetos para Melhoria Contínua na GBM TECH & CONTROL (by nstech). Engenheiro (IMT) especializado em Gerenciamento de Projetos (USP/Leeds), Estatística para Análise de Negócios (FCAV/Rice) e Mestrando em Pesquisa Operacional (ITA/UNIFESP). Com 27 anos de experiência profissional em projetos operacionais, logísticos e de processos, especialmente nos principais portos brasileiros, contribui com estudos e simulações para apoiar a tomada de decisões estratégicas em investimentos em infraestrutura e superestrutura.