Soybean is a commodity that has an important influence on the Brazilian economy because it accounts for the largest share among the grains in the export market. Its main production centers excel in regions far from major consuming centers, requiring long commutes especially in road transport. The distance is the most influential factor in transport costs and is directly related to the freight. To define actual road distances, particularly in unfamiliar roads, it is necessary to use a correction factor. In addition to estimating a better correction factor, the paper aims to contribute by developing a procedure to identify this factor. This paper will analyze the relationships between existing Euclidean distances in numerous points, the producing centers and Brazilian's ports, performing comparisons between the correction factor obtained by calculation in this article with the factors obtained by other authors, also seeking to relate the road distances calculated based on intervals and freight. The advantage of obtaining a more accurate factor k is to allow the results of different location, such as p-median be more accurate. The result was satisfactory when comparing with the existing literature.
Article Info Resumo IntroduçãoEste trabalho visa desenvolver um procedimento de análise e previsão da demanda e oferta de soja no Brasil para exportação, sendo os pontos de origem as mesorregiões produtoras e os destinos os portos brasileiros. Como hipótese do trabalho, definiu-se que é possível utilizar redes neurais artificiais (RNAs) como um dos modelos de distribuição de viagens, correspondente a segunda etapa do Método de quatro etapas. Como premissa do trabalho, definiu-se que é possível utilizar o método de quatro etapas no planejamento de transporte de carga, com finalidade de estimar os fluxos de carga na região de estudo.A análise e a previsão de demanda de transporte de carga é um estudo necessário para se levantar as prioridades de investimentos no sistema de transporte de uma região, sendo uma ferramenta útil para auxiliar o planejamento estratégico. Porém, a explicação do comportamento dos fluxos de cargas entre as regiões não é simples, necessitando de considerações e ferramentas adequadas para sua previsão. Um modelo utilizado para a análise e a previsão de viagens é o Modelo Gravitacional (MG) sendo este utilizado no Plano Nacional de Logística e Transportes (PNLT), Plano Nacional de Integração Hidroviária (PNIH), para estimar a demanda de passageiros e carga e pelo Departamento Nacional de Estradas de Rodagem (DNER) e o Ministério dos transportes para o cálculo da estimativa de demanda nas licitações de serviços de transporte interestadual de passageiros, logo seria de grande valia, analisar outro modelo, para termos uma nova opção.Embora não esteja evidenciado na literatura, as RNA podem ser utilizadas na segunda e terceira etapa do Método sequencial de quatro etapas. Segundo Brondino (1999), nos problemas de previsão a modelagem através de RNA surge como um substituto potencial aos modelos estatísticos convencionais, pela fácil interface dos programas com o usuário e a não necessidade de possuir conhecimento prévio da relação das variáveis envolvidas, ao contrário de modelos estatísticos utilizados para o mesmo fim. Logo, as RNAs têm sido amplamente utilizadas como técnica de suporte ao planejamento de transportes (Alves; Silva; Waerden, 2012). De acordo Souza e D' Agosto (2012) existe uma lacuna na publicação de trabalhos sobre o uso do método de quatro etapas como ferramenta de planejamento de transporte de cargas no Brasil, em periódicos científicos, correspondendo apenas 9% dos trabalhos levantados e segundo Corrêa (2008) poucos são os trabalhos realizados com a utilização da técnica de RNAs na área de transporte de cargas e logística, sendo a maioria deles aplicados ao transporte de passageiros. Logo este trabalho tem como objetivo geral, mostrar a aplicação da RNA na segunda etapa do Método sequencial e criar um procedimento padrão para a utilização desta no transporte de carga.Em 2010, as exportações brasileiras de soja em grão, farelo de soja e óleo de soja foram avaliados em US $ 10 bilhões, representando 27% do total das exportações agrícolas do país (Intercâmbio Comercial do Agrone...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.