Ao analisar a cadeia de suprimentos completa, considerando o fluxo direto gerado pelo desenvolvimento de novos produtos com foco nos aspectos ambientais até a logística reversa, tem-se como resultado a concepção de uma cadeia de suprimentos de ciclo fechado (CLSC). A cadeia de suprimentos de ciclo fechado consiste na atividade de projetar, controlar e operacionalizar o sistema logístico para maximizar a criação de valor para todo o ciclo de vida de um produto, com a recuperação dinâmica de valor a partir de diferentes tipos e volumes de retornos ao longo do tempo. A previsão de demanda reversa pode ser aplicada no estudo da cadeia de suprimentos reverso de diversos produtos, como pneus usados, por exemplo. Este trabalho insere-se nesta problemática, investigando o caso brasileiro. A justificativa para adotar como objeto de estudo o sistema logístico reverso do Brasil foi causada pelo fenômeno econômico ocorrido no período compreendido entre 2000 e 2014, caracterizado pelo aumento do poder aquisitivo das classes sociais brasileiras, que fez com que a frota de automóveis do país aumentasse 294% em 14 anos, segundo o Departamento Nacional de Trânsito Brasileiro (DENATRAN, 2015). Como objetivo geral, a pesquisa visa propor um modelo de previsão a uma cadeia de suprimento de ciclo fechado, avaliando aspectos qualitativos e quantitativos, a fim de estimar o volume, o tempo e a probabilidade de retorno dos produtos. A abordagem metodológica adotada neste projeto de pesquisa é caracterizada como modelagem científica, pois a partir dos dados coletados esta pesquisa utilizará modelos matemáticos para representar o funcionamento do sistema estudado. Após a verificação e validação do modelo a ser gerado, um segundo objetivo do trabalho será o de desenvolver a previsão de demanda do retorno dos produtos, para apoiar o sistema e o processo de tomada de decisão das organizações atuantes na cadeia de suprimentos estudada. A abordagem de pesquisa adotada no trabalho será baseada na modelagem embasada no Sistema Neural-Fuzzy associado ao Modelo de Função de Transferência, aqui denominado MFT, pois utiliza o sistema neural-fuzzy, para determinar os fatores socioeconômicos, que influenciam na quantidade de produtos retornados para posteriormente realizar a previsão do retorno pelo modelo de função de transferência. A população deste estudo constitui-se da quantidade de retorno existente dos pneus inservíveis da frota do Estado de Goiás, considerando todos os tipos de veículos incluídos no sistema de trânsito que utilizam pneus para sua locomoção, e dos dados de importação e enviados a montadora de pneus para este Estado. O período avaliado consiste de janeiro de 2011 a junho de 2019, totalizando um período de 7 anos e meio. A amostra refere-se aos dados da frota do DENATRAN, aos dados de importação de pneus no AliceWeb, ao percentual da quantidade de pneus são enviados à montadora, em relação a quantidade de pneus inseridos no mercado pelos Relatórios do CONAMA, que são geridos pelo IBAMA, e aos dados referentes a quantidade de pneus inservíveis recebidos mensalmente na base de dados da empresa Reciclanip. Todos os dados coletados serão referentes ao período de 01 de janeiro de 2011 e 30 de junho de 2019, de forma mensal, coincidindo com o período disponível na base de dados da empresa Reciclanip. Os dados mensais coletados possibilitarão a avaliação da série temporal por meio das características de estabilidade, sazonalidade e tendência, assegurando que os dados estejam confiáveis para análise do modelo e que representem de forma verídica a realidade desta rede de suprimento de ciclo fechado.

Objetivos 

Objetivo Geral

Propor um modelo de previsão a uma cadeia de suprimento de ciclo fechado, avaliando aspectos qualitativos e quantitativos, a fim de estimar o volume, o tempo e a probabilidade de retorno dos produtos.

Objetivos Específicos

a)Determinar os fatores socioeconômicos que interferem na logística reversa de produtos inservíveis, com a utilização do sistema ANFIS (Adaptative Network based Fuzzy Inference System);

b)    Determinar os fatores quantitativos que interferem na logística reversa de produtos inservíveis, com a utilização do método TFM (Transfer Function Model);

c)     Otimizar o fluxo reverso de produtos com a modelagem de programação linear inteira mista (MILP) a partir da compreensão obtida pela aplicação do sistema ANFIS;

d)    Realizar a modelagem de previsão de demanda por meio de um sistema híbrido, combinando o método ANFIS  e o método TFM;

e)     Otimizar a cadeia de suprimentos de ciclo fechado por meio de um sistema híbrido, combinando o método ANFIS  e o método MILP;

f)     Realizar análise comparativa entre os modelos ANFIS/TFM e ANFIS/MILP, destacando suas potencialidade e limitações;

g)    Realizar a previsão de demanda da quantidade de produtos que irão retornar, além do momento em que o retorno irá acontecer;

h)    Validar a previsão do modelo, comparando as previsões.

Segundo a resolução n. 416/2009 do CONAMA a importância da prevenção à degradação ambiental causada por produtos inservíveis consiste no fato de que os produtos dispostos de forma inadequada tornam-se um passivo ambiental que pode resultar em sério risco a saúde pública e ao meio ambiente e devido a esse fato aborda destinações ambientalmente adequadas.

No entanto a implementação da gestão do fluxo reverso dos materiais, a fim de mitigar os danos causados pela incorreta destinação dos produtos inservíveis, apresenta dificuldades por lidar com vários fatores de incerteza como a quantidade, qualidade e o tempo que estes produtos irão retornar para a cadeia de suprimento de ciclo fechado.

Para Govindan, Soleimani e Kannan (2014) será difícil construir e gerenciar uma logística reversa, ou rede de suprimento de ciclo fechado, confiável e lucrativa, se não houver informações precisas de alguns parâmetros importantes como a quantidade de produtos que irão retornar.

Para isso, a previsão de demanda é considerada por Montgomery, Jennings e Kulahci (2015) importante, pois é um input crítico para muitos tipos de planejamento e processos decisórios, com aplicações em diversas áreas como a gestão de operações, marketing, econômico, gerenciamento financeiro e de riscos, controle de processos industriais e demográfico.

No contexto da logística reversa, pesquisadores se diversificaram na escolha dos fatores e aplicaram diversos métodos para prever a quantidade de retorno de produtos.

Temur, Balcilar e Bolat (2014), por meio da aplicação da lógica fuzzy, afirmam que para prever a quantidade de produtos retornados em novas áreas, os fatores socioeconômicos influenciam diretamente na quantidade de produtos retornados, destacando fatores como a densidade populacional, nível educacional, investimento em meio ambiente por habitante, quantidade de resíduos gerados por habitante e preço na compra do resíduo.

Saphores, Ogunseitan e Shapiro (2012) desenvolveram uma pesquisa com famílias dos Estados Unidos para definir os fatores socioeconômicos, Kumar, Soleimani e Kannan (2014) aplicaram um sistema de inferência fuzzy baseada em rede adaptativa (ANFIS) a fim de prever a taxa de retorno de produtos e Vesely, Klockner e Dohnal (2016) demonstrou que a lógica fuzzy associada a algoritmos genéticos é uma técnica promissora para identificação e previsão do comportamento do retorno e reciclagem.

Efendigil, Onut e Kahraman (2009) propuseram um novo mecanismo de previsão de demanda por meio da inteligência artificial, em que se comprovou que sistemas de inferência fuzzy é um bom método para gerenciar uma demanda fuzzy com informações incompletas.

Hanafi et al (2007) implementou um modelo de previsão baseado na rede de petri colorida fuzzy para prever o retorno de produtos na logística reversa, considerando a vida do produto, fatores sociais e vendas como fatores que impactam na quantidade de produtos retornados.

Para definir os fatores quantitativos Toktay et al (2004) aplicou a estimativa bayesiana assumindo que o retorno dos produtos é uma função de vendas passadas dos produtos. Carasco-Gallego e Ponce-Cueto (2009) também afirmaram que a previsão do retorno dos produtos é em função das vendas passadas do produto pela aplicação do modelo de função de transferência e para isso aplicou o modelo de função de transferência (MFT) para prever o retorno de produtos.

De forma a combinar os fatores qualitativos e quantitativos Egrioglu, Aladag e Yolcu (2013) aplicaram a lógica fuzzy com redes neurais e identificaram que sistemas híbridos que analisam séries temporais e aplicam a lógica fuzzy são uma boa alternativa. Li e Hu (2012), de forma a avaliar ambos fatores, propuseram uma abordagem para o problema de previsão de séries temporais utilizando os sistemas neural-fuzzy (NFS) e os modelos autorregressivos integrados de médias móveis (ARIMA) denominado de NFS-ARIMA, visto que o sistema neural-fuzzy pode ser utilizado para refletir conceitos e pensamentos humanos que tendem a ser vagos e incompletos e o modelo ARIMA que analisa o comportamento de séries históricas.

Temur e Bolat (2012) consideraram um problema de design de rede logística reversa, e apresentaram uma proposta de uma abordagem metodológica realizada em duas fases. Inicialmente foi desenvolvido um sistema inteligente para prever quantidades de retorno e, em seguida, foi realizada a otimização com base em programação linear inteira mista (MILP) para o projeto de rede logística reversa. Eles consideraram uma rede logística reversa em um único período e utilizam um método de rede neural artificial como sua metodologia de previsão.

Devido à dificuldade de se estruturar a cadeia de suprimento de ciclo fechado, este trabalho estudará a aplicação de um modelo de previsão da quantidade de produtos inservíveis que irão retornar para a cadeia produtiva para serem destinados, a partir da identificação dos fatores que influenciam no retorno, inicialmente pela aplicação do Sistema ANFIS associado ao Modelo de Função de Transferência (NFS-MFT), e posteriormente pela aplicação do Sistema ANFIS associado à programação linear inteira mista, de forma a colaborar com as entidades geradoras e destinadoras na busca dos esforços necessários para minimizar as incertezas referentes a demanda reversa dos produtos.

Além da minimização dos fatores de incerteza, este trabalho apresenta como principais benefícios para a política pública e agentes privados:

a)     A definição dos fatores socioeconômicos e fatores quantitativos que influenciam diretamente na quantidade de protudos inservíveis retornados no âmbito nacional. A partir dessa definição, aplicá-lo nos Estados, a fim de obter o dimensionamento da quantidade de produtos inservíveis retornados a partir dos dados de entrada do modelo, para possibilitar a gestão da logística reversa;

b)    Publicação de artigos em eventos da área de formação de engenharia da produção, visando atrair e qualificar profissionais de diversas áreas para que tenham a capacidade de analisar, modelar e dimensionar os sistemas de logística reversa de produtos inservíveis, de forma a oferecer soluções para os problemas apresentados;

c)     Dar divulgação e colaborar com a sociedade, Estados, fabricantes e importadores de produtos, responsáveis pela implementação dos pontos de coleta, apresentando os resultados obtidos com o projeto de pesquisa e sugestões de para o gerenciamento da logística reversa, visando a uma melhoria da sustentabilidade da cidade;

d)    Fornecer às empresas do ramo de gestão de resíduos sólidos, formas de gestão do fluxo reverso para a destinação ambientalmente corretas dos produtos inservíveis, para que os mesmos não continuem a ser um passivo ambiental, gerando problemas à saúde pública.

Contribuir para a melhoria das condições ambientais do Estado no sentido de se evitar resíduos sólidos e contaminações biológicas.