Uma visão sobre a aplicação de lógica Fuzzy para seleção de Operadores Logísticos

Introdução

Em um cenário onde o planeta ainda experimenta as sequelas de uma pandemia de COVID-19, em paralelo aos altos preços dos combustíveis em decorrência da guerra na Europa, os desafios de uma operação logística competitiva demandam cada vez mais atenção das companhias.

Nesse contexto, em que os custos de transporte estão em tendência de alta e que o poder de compra do consumidor, prejudicado pela inflação, está reduzido, torna-se evidente que a busca por uma otimização na operação logística é crítica. O crescimento do e-commerce pressionou a operação de muitas empresas e, mesmo as que conseguiram lidar bem internamente com essa pressão, através da reprogramação das linhas de produção e da recalibragem dos níveis de estoque, podem estar sofrendo com o last mile e com a necessidade de servir um número elevado de pontos de entrega. Como alternativa para viabilizar o atendimento dessa demanda, muitas empresas terceirizam a operação por meio de parceiros logísticos.

Entretanto, uma complexa etapa do processo de terceirização da logística é a escolha de que operador logístico contratar. Segundo a pesquisa realizada pelo ILOS em parceira com a ABOL (Associação Brasileira de Operadores Logístico), existem cerca de mil operadores logísticos no mercado. Existem ainda 280 mil empresas transportadoras em operação no país, o que possibilita inúmeras escolhas de parceiras. Tal fato, reflete a necessidade de uma metodologia que não só avalie qualitativamente o atendimento de determinados parâmetros como o custo-benefício, fluxo de informação e estrutura adequada, mas que hierarquize e busque quantificar o quão bem essas empresas atendem a esses critérios. Contudo, o que traz complexidade a questão, é que alguns desses parâmetros são de fato qualitativos e difíceis de serem dimensionados. Então, como é possível quantificar e hierarquizar dados qualitativos?

Fragilidades da metodologia AHP tradicional

Uma metodologia bem difundida para resolver esse problema é a AHP, em que se estabelece valores para cada critério comparativamente, define o quanto cada operador atende a cada um deles e, depois, equaciona o problema gerando como resposta a definição hierárquica das opções analisadas. No entanto, no âmbito da matemática, essa metodologia é alvo algumas críticas, dentre elas:

• A escala do AHP não permite expressar um grau de incerteza em respeito às comparações e alternativas incomparáveis não são permitidas. Além disso, a necessidade de consenso para a determinação dos pesos e prioridades também podem ser vistas como uma desvantagem já que pode levar líderes influentes a distorcerem a opinião do resto da equipe (KANGAS e KANGAS, 2005; VILAS, 2008).
• Uma das maiores críticas ao AHP diz respeito ao rank reversal, que pode causar problemas devido ao fato de que a inserção de uma nova alternativa num problema de decisão pode mudar radicalmente o ranking previamente estabelecido (KANGAS e KANGAS, 2005; BOUCHER et al., 1997).
• Os pesos obtidos da comparação par a par são fortemente criticados por não refletir as reais preferências das pessoas (LINKOV e STEEVENS, 2008).

Portanto, tal método, embora seja alvo de muitas discussões em artigos científicos, demonstra não ser tão eficiente para lidar com a crescente complexidade da realidade. Sendo assim, faz-se necessário uma metodologia que incorpore a incerteza em sua abordagem.

Lógica Fuzzy

A lógica fuzzy (também chamada de lógica difusa) se mostra como uma alternativa viável para as fragilidades da solução acima, uma vez que foi desenvolvida justamente com o objetivo de incorporar as incertezas ao problema e fazer o tratamento matemático delas. Isso se dá através do tratamento da teoria dos conjuntos com a relativização entre valores por meio do grau de pertinência de um item a um universo. Ou seja, um provedor de serviço logístico, numa lógica tradicional, teria o critério “Preço” avaliado como baixo, médio ou alto. A lógica difusa entende que essa abordagem “booleana” é simplista e considera que um mesmo preço pode pertencer simultaneamente ao conjunto “baixo” e “médio”. A imagem abaixo busca exemplificar esse grau de pertencimento a diversos conjuntos.

Figura 1: Exemplo de aplicação da lógica fuzzy . Fonte: ILOS

 

No que se refere à metodologia, a mesma, consiste, basicamente, em 6 etapas. Primeiramente, é feita a definição do problema, que, neste caso, seria a seleção do prestador de serviço logístico dentro da estratégia traçada pela empresa. Em seguida, são realizadas as etapas 2 e 3 (comuns à metodologia AHP): a elaboração da matriz de comparação dos critérios e a conferência quanto à consistência das comparações. Depois, é feita a fuzzificação dos valores através do estabelecimento de valores vetoriais para cada comparação e cálculo dos pesos de cada vetor fuzzy dado pelas alternativas de operadores logísticos. Por fim, os valores são defuzzificados e é estabelecido um ranking do maior para o menor dos operadores que melhor atendem os critérios definidos.

Figura 2: Etapas da aplicação da lógica fuzzy . Fonte: ILOS

Conclusão

Sendo assim, a metodologia se evidencia como uma alternativa para contemplar as complexidades do problema real. Embora não seja amplamente difundida como prática comum no mercado, o gráfico abaixo revela que no meio acadêmico, para casos de seleção de fornecedores, a “recém-nascida” abordagem fuzzy foi o método mais escolhido como tema de artigos científicos entre 2002 e 2011 por se configurar como uma solução.

Figura 3: Ranking de métodos MCDM escolhidos como tema de artigos científicos entre 2022 e 2011 . Adaptado: Lima Junior, Osiro, Carpineti, 2013.

 

Vale ressaltar algumas fragilidades do método, que ainda está se estabelecendo no mercado, mas que segue sendo tema de diversos artigos e dissertações. Primeiramente, o mesmo depende de uma escolha adequada de quais critérios serão utilizados para avaliar as alternativas, de forma a evitar sobreposições de conceitos. Além disso, a escolha dos avaliadores também é um fator determinante para o sucesso da metodologia, especialmente em casos onde poucas pessoas estarão envolvidas na avaliação, uma vez que a pontuação de cada alternativa pode estar enviesada por uma amostra pequena.

O 28º Fórum Internacional de Supply Chain, que ocorrerá entre os dias 18 e 20 de outubro de 2022, em formato presencial e online, contará com cases brasileiros e internacionais para discutir as melhores práticas e soluções adotadas na atualidade pelos grandes players do mercado de logística. Para os tomadores de decisão em supply chain, é uma excelente oportunidade e vale a pena participar!

 

Referências:

– ABOL (02/06/2022) – 69% dos operadores logísticos não conseguiram repassar alta de custos em 2021, diz Ilos/Abol

– Multi-Criteria Decision Analysis: Environmental Applications and Case Studies – Nanomaterials: Background and Environmental Challenges

– Néstor Fabián Ayala e Alejandro Germán Frank (jun/2013) – Métodos de análise multicritérial: uma revisão das forças e fraquezas

– Fabio Luiz Peres Krykhtine, Antonio Carlos Dias Morim, Natália Gonçalves Pires do Vale, Luiz Eduardo Netto Sá Fortes e Armando Gonçalves Celestino Neto (out/2013) – Aplicando Lógica Fuzzy em um Modelo de Seleção Multicritério para Multiclientes

– Francisco Rodrigues Lima Junior, Lauro Osiro e Luiz Cesar Ribeiro Carpinetti (2013) – Métodos de decisão multicritério para seleção de fornecedores: um panorama do estado da arte