1. Contextualiza\u00e7\u00e3o
\nNum contexto real, os problemas de gest\u00e3o empresarial podem incluir v\u00e1rios objetivos \u2013 representando o desempenho de v\u00e1rias \u00e1reas\/setores\/aspectos da empresa objeto do estudo \u2013, e o interesse dos gestores envolvidos \u00e9 obter melhorias\/ganhos globais para a empresa como um todo. Corroborando com essa afirma\u00e7\u00e3o, Deb (2001) comenta que problemas reais de decis\u00e3o s\u00e3o naturalmente multiobjetivos. <\/p>\n
Ocorre que, muitas vezes, esses objetivos podem ser conflitantes entre si, ou seja, quando se melhora um deles pode haver um preju\u00edzo para outros objetivos, caracterizando-se como a exist\u00eancia de trade-offs entre os objetivos. <\/p>\n
Outra quest\u00e3o importante que gera aumento da complexidade na solu\u00e7\u00e3o de problemas reais \u00e9 a ocorr\u00eancia de incerteza nos par\u00e2metros de entrada dos modelos, como se verifica, por exemplo, na necessidade de se prever demandas futuras, qual valor da cota\u00e7\u00e3o do D\u00f3lar frente ao Real, entre outros casos. <\/p>\n
Al\u00e9m disto, usualmente em problemas reais h\u00e1 um grande n\u00famero de vari\u00e1veis e restri\u00e7\u00f5es envolvidas que devem ser respeitadas para que a decis\u00e3o (\u00f3tima) escolhida possa ser vi\u00e1vel de ser implementada na empresa. <\/p>\n
O que se tem percebido, em consultas aos gestores das usinas sucroenerg\u00e9ticas, \u00e9 a falta de ferramentas de gest\u00e3o (modelos) adequadas para o planejamento agregado das v\u00e1rias etapas (agr\u00edcola, transporte, produ\u00e7\u00e3o, estocagem, log\u00edstica de distribui\u00e7\u00e3o e cogera\u00e7\u00e3o de energia) que comp\u00f5em o processo de tomada de decis\u00e3o no cotidiano destas empresas. Observe-se que o setor sucroenerg\u00e9tico brasileiro tem importante participa\u00e7\u00e3o no agroneg\u00f3cio brasileiro e internacional, o que vem demandando mudan\u00e7as organizacionais nas usinas para que estas se mantenham competitivas. <\/p>\n
De fato, problemas t\u00edpicos em usinas de a\u00e7\u00facar e \u00e1lcool costumam apresentar alto grau de complexidade e dos v\u00e1rios aspectos que dificultam a tarefa do gestor podem ser citados (Paiva; Morabito, 2009): a sazonalidade da demanda, fatores clim\u00e1ticos, alto custo relativo da mat\u00e9ria-prima, a varia\u00e7\u00e3o do pre\u00e7o dos produtos finais (commodities), e Falta de um modelo de planejamento de colheita que incorpore os custos e estrat\u00e9gias de corte de cana em cada talh\u00e3o, a log\u00edstica de transporte da cana cortada para a usina, a curva de matura\u00e7\u00e3o da cana, entre outros. <\/p>\n
H\u00e1 alguns trabalhos cient\u00edficos recentes que t\u00eam procurado tratar problemas importantes no setor do agroneg\u00f3cio, utilizando as t\u00e9cnicas da Pesquisa Operacional – PO (Marins, 2011), do ingl\u00eas Operations Research, Operational Research, Management Science ou ainda Analytics.
\nPara que se tenha uma percep\u00e7\u00e3o da relev\u00e2ncia e impacto da PO, em termos de benef\u00edcios econ\u00f4micos, que o seu uso vem propiciando, fica a sugest\u00e3o que se visite o site do The Institute for Operations Research and the Management Sciences \u2013 INFORMS, e, em particular, os finalistas do The Franz Edelman Award (Edelman Award, 2016). <\/p>\n
O Pr\u00eamio Edelman \u00e9 uma competi\u00e7\u00e3o internacional que atesta as contribui\u00e7\u00f5es da PO (Analytics) para governos, empres\u00e1rios e a sociedade em geral, e, desde sua concep\u00e7\u00e3o, os projetos finalistas acumularam um total de US$210 bilh\u00f5es em vantagens econ\u00f4micas, como resultado de melhorias na efici\u00eancia organizacional, aumento de lucros, gera\u00e7\u00e3o de melhores produtos para os clientes, ajuda em negocia\u00e7\u00f5es de paz, e no salvamento de vidas. <\/p>\n
Para a conjuntura brasileira, na \u00e1rea do agroneg\u00f3cio, pode-se citar algumas aplica\u00e7\u00f5es de Analytics:
\n– Paiva e Morabito (2009) destacam que \u00e9 importante definir corretamente o momento de corte da cana em cada talh\u00e3o para que seja obtida uma mat\u00e9ria-prima (cana cortada) que tenha o maior n\u00edvel de A\u00e7\u00facares Redutores Totais, ou Total Reducing Sugars -TRS, e alto n\u00edvel de pureza.
\n– Junqueira e Morabito (2012) desenvolveram um modelo de otimiza\u00e7\u00e3o para auxiliar nas decis\u00f5es de planejamento agregado da produ\u00e7\u00e3o, estoque e distribui\u00e7\u00e3o log\u00edstica de produtos do setor de agroneg\u00f3cios, considerando diversos crit\u00e9rios e restri\u00e7\u00f5es t\u00e9cnicas e econ\u00f4micas;
\n– Munhoz e Morabito (2014) apresentaram um estudo preliminar que analisa a incerteza nos par\u00e2metros industriais de uma ind\u00fastria c\u00edtrica;
\n– Caixeta Filho (2006) prop\u00f4s um modelo matem\u00e1tico para auxiliar no planejamento da colheita de laranja;
\n– Colin (2009) prop\u00f4s um modelo de programa\u00e7\u00e3o quadr\u00e1tica para o problema de cronograma de plantio de cana de a\u00e7\u00facar.<\/p>\n