Análise dos Processos da Logística Brasileira - A Rota da Soja
- RICARDO GOMES RODRIGUES
- 16 de out. de 2020
- 9 min de leitura
Atualizado: 17 de mar. de 2022
A construção da malha viária nacional brasileira, a partir do Plano Viário Nacional de 1972 inspirou-se no muito bem-sucedido modelo americano análogo que resultou no riquíssimo condomínio econômico da classe-média americana no período que vai de 1945 até 1972.
Os valores definidos a partir das estradas de rodagem federais, nesse Plano Viário Brasileiro de 1972, teve como objetivo, assim como nos Estados Unidos, de representar a estrutura logística de transportes do país, definindo-se e formando-se ao longo de um período o desenvolvimento do próprio condomínio econômico nacional. Portanto, a ideia agora é de que se coletarmos dados do uso atual dessa malha com certeza vamos revelar como funciona a modelagem econômica de transportes das empresas e do mercado aqui no Brasil e de como seus recursos estão sendo otimizados.
Se isso for verdadeiro, poderemos verificar, baseado em dados, como se comportam não apenas a malha viária brasileira nas suas definições de rotas de transportes e logística, mas também, teremos uma ideia clara de como deve estar funcionando a economia e o mercado brasileiro dentro desse conceito da construção de um condomínio econômico gerado pela rede logística, o que está, no nosso ponto de vista, implícito no Plano Viário Nacional de 1972.
A tabela nº 1, mostra a seguir os dados de exportação da soja através da principal área produtora do agronegócio na atualidade aqui no Brasil, representada pelo Estado de Mato Grosso e seus municípios de Campo Novo Parecis, Sorriso e Rondonópolis. Essa tabela, mostra também, as rotas de transportes que foram realizadas para o translado do produto (soja) até os portos de embarque dessas exportações em Manaus (AM), São Francisco do Sul (SC), Paranaguá (PR), Santos (SP) e Vitória (ES).
Obs. Fonte: AliceWeb2 - Min. Indústria e Comércio.
Esses dados acima representam o comportamento das empresas exportadoras que movimentaram cargas de exportação, nesse caso soja, desde as origens até os destinos como demonstrados nas colunas “DE” e “PARA”.
A primeira questão é saber se esses valores da tabela real acima estão otimizados. Para tanto, simulamos a aplicação de um Modelo de Programação Linear (P.L.) com o objetivo de otimizar a tonelagem quilômetro (TON*KM) percorrida e seus consequentes ganhos em frete e preço do produto ($/Ton.) para os dados da tabela acima. Os preços apresentados aqui são FOB, estando incluído, portanto, o frete no preço final de exportação do produto (soja).
O resultado final dessa simulação usando P.L. é apresentado na tabela Nº 2 a seguir:
Obs.: Fonte: Elaborado pelo Prof. Ricardo Gomes Rodrigues
Os resultados da tabela Nº 2 acima, mostraram dados expressivos na otimização de recursos sobre os dados reais de operação das empresas exportadoras de soja como mostrado na tabela Nº 1. Embora o total transportado originalmente de 1.528.201 Tons tenha permanecido o mesmo (antes e depois da simulação), a (tonelada*quilômetro) reduziu-se em 7,64%, os valores médios dos fretes em 4,28%, assim como, os valores das cargas a partir de cada origem tiveram redução média de 11,08%. Deve-se notar, ainda, as expressivas reduções nos fretes e nos valores das mercadorias na rota entre Rondonópolis (MT) e Vitória (ES), atingindo valores da ordem de -46,82% em ganhos na redução de custos.
A questão seguinte, proposta ao leitor, é essa: qual dessas duas tabelas é preferível, a real ou a otimizada?
A tabela Nº 1, real, representa com toda certeza o resultado do processamento de um Modelo Ad Hoc Heurístico com otimizações parciais, provavelmente controlado por computador, a partir das ordens dos pedidos de embarques da soja desde esses municípios de Mato Grosso até os portos de exportação ao longo de um ano de operação como devidamente registrado pela aduana brasileira. A questão então que se faz é por que esse processo espelhado na tabela nº 1 não está otimizada de acordo com o proposto pelo Modelo P.L. da tabela Nº 2?
Caso o leitor observe com atenção os resultados da tabela Nº 2, o número de rotas resultantes otimizadas, a partir da simulação da tabela Nº 1 foram reduzidos de 15 para 7 na tabela Nº 2, significando com isso as reduções substanciais de (tonelagem*quilometro) percorridas e consequente economias no frete e no preço do produto. No entanto, a questão permanece qual das duas opções é preferível: Ad Hoc ou P.L.?
As reduções em rotas de transportes, reduziram também as opções logísticas, já que o modelo Ad Hoc moveu as cargas o mais rapidamente possível para esvaziar os silos de sojas dos embarcadores, procurando fechar contratos onde os portos de saída estariam mais disponíveis, não necessariamente mais perto.
Essa pode ser apenas uma das várias interpretações sobre qual forma de otimização parcial esse modelo Ad Hoc dos embarcadores de soja de Mato Grosso possa ter seguido em 2008. No entanto, tivessem eles seguido um Modelo P.L. de otimização total, os resultados já saberíamos de antemão quais seriam e não poderiam ter sido mudados, devido as circunstancias de fechamento de contratos, mas teriam de obedecer aquelas 7 rotas de transporte como previsto no Modelo P.L., veja tabela Nº 2, os quais estão preparados para demonstrar os maiores ganhos possíveis nos resultados finais das operações logísticas de transportes, apresentando as melhores condições para a otimizações dos custos.
Já os resultados da tabela Nº 1, como provenientes de um Modelo Ad Hoc Computadorizado, mudam constantemente e representam o que foi realizado durante esse ano de 2008. No ano anterior, provavelmente, foi outro, assim como no ano seguinte. Caso seguíssemos um modelo de Otimização total (P.L.), as únicas possibilidades de se obter ganhos de otimização, conforme mostrado na simulação da tabela Nº 2, seriam as 7 rotas de transportes previstas pela otimização final do modelo matemática (P.L.).
Como rotas de transporte definem a malha logística e o desenvolvimento do condomínio econômico nacional
Como vimos insistindo nesse tema de uma correlação entre as redes de transportes, de logística e a formação da economia nacional, propomos agora investigar como isso de fato acontece a partir da avaliação dos dados das redes de transportes da soja dessa principal região do agronegócio de Mato Grosso (MT).
Como está implícito nos dados da tabela nº1, mostrados acima, várias rotas de transportes se formam a partir das exportações de soja desde C.N. Parecis, Sorriso até Rondonópolis (MT), definindo-se canais de distribuição a partir desses municípios em direção aos portos de Manaus (AM), São Francisco do Sul (SC), Paranaguá (PR), Santos (SP) e Vitória (ES). A figura nº 1, a seguir, demonstra graficamente esses resultados.
As rotas de exportação da soja a partir dessas localidades, portanto, definem canais de distribuição para uma infinidade de outros produtos, mercadorias e serviços, caracterizando-se, assim, numa rede logística como por exemplo para localização de empresas, fábricas, centros de distribuição, supermercados, shopping centers, etc. A questão é saber como essa estrutura logística potencializa de fato desenvolvimento econômico.
Fonte: Elaborado pelo Prof. Ricardo Gomes Rodrigues
Para tentar demonstrar nosso ponto, elegemos 54 municípios para compor um possível potencial econômico a partir das rotas de exportação da figura nº 1, acima, definindo dois aspectos para cada localidade; um econômico, descrevendo a composição do PIB Municipal em termos de produção agrícola, industrial, de serviços e impostos, e um outro social, que descreve o perfil educacional dos jovens em idade escolar, da renda per capita média mensal e do IDH-Municipal, seguindo os dados do I.B.G.E.
Os resultados podem ser vistos seguindo as tabelas Nº 3 e Nº 4 a baixo.
Obs.: Fonte IBGE.
Considerando-se 54 municípios e 9.000 km de redes de transportes (hidro-rodo-ferroviário), os resultados acima demostram um potencial econômico para essa rota da soja de US$ 566 Bilhões, 28 milhões de pessoas com PIB per capita de US$ 20.000 ano. O potencial social e de consumo representa renda per capita média mensal de US$ 500 (R$ 1.000), 90% de assiduidade de jovens às escolas e esperança de vida de 76 anos. Como essa é uma rota muito longa e complexa as variações entres os Estados Brasileiros podem ser melhor avaliadas, considerando cada município individualmente, observando-se, ainda, que a questão do potencial econômico aqui demonstrado dessa rota da soja, expande-se e conecta-se a uma imensa região socioeconômica do Brasil com consequências ainda para serem estudadas mais atentamente.
O ponto principal que, ainda, estamos querendo considerar aqui é o de tentar comparar a validade da aplicação de modelos matemáticos de otimização total (P.L) versus modelos heurísticos computadorizados, Ad Hoc. O leitor deve ter em mente que os resultados dos potenciais econômico sociais demonstrados acima são, em última análise, provenientes da tabela Nº 1 (Modelo Ad Hoc), caso o modelo usado tivesse sido o da tabela Nº 2 (Modelo Otimizado P.L.), os resultados teriam sido totalmente diferentes. E, essa diferença estaria justamente no rebaixamento do potencial econômico provocado pelas substanciais reduções das possibilidades de rotas de 15 para 7 como ficou claro através do processo de otimização proposto pela tabela nº2.
Assim, contínuos processos de otimização ao longo do tempo teriam reduzido o condomínio nacional brasileiro a partir da tabela nº 1 em direção a tabela nº 2. O leitor pode ver por si mesmo, comparando as tabelas Nº1 e Nº 2, quais teriam sido as consequências em termos da redução do potencial de desenvolvimento econômico para o país e para esses municípios. Provavelmente, é um fenômeno similar a esse que vem ocorrendo na economia americana desde o advento desse desastrado modelo neoliberal de Yale, Harvard e Chicago há uns 30 anos atrás. Processos contínuos de otimizações totais vêm reduzindo, substancialmente, o potencial econômico do condomínio nacional americano até chegarmos a essa brutal deflação e redução geral de preços e ativos que estamos observando na economia mundial agora. A economia americana de 1972 seria representada metaforicamente pela tabela nº 1, e a economia americana de 2015 pela tabela nº 2. Veja e compare! Deu para entender?
Quando Imposto é bom ? (When Tax is Good ?)
Outro aspecto a ser considerado na avaliação do potencial econômico a partir de rotas logísticas de transporte é o nível de taxação para entendermos se realmente a cobrança de impostos é boa ou ruim. Gostaríamos de entender se taxação, em per si, é um inibidor do potencial de desenvolvimento econômico como quer impor a ditadura neoliberal de Yale, Harvard e Chicago. Para isso, continuamos a análise de dados para a rota da soja descrita acima, desdobrando-se os resultados para escalonarmos o perfil dos PIB’s Municipais descritos na tabela nº 3 com os dados da tabela nº 4 em faixas de cobranças de impostos que compõe a economia desses 54 municípios, relacionando dados socioeconômicos correspondentes (econômicos e sociais).
Os resultados podem ser vistos na tabela nº 5 a seguir.
Obs.: Fonte IBGE.
Os dados da tabela nº 5, a cima, foram organizados de modo a tentar relacionar dados econômicos da tabela nº 3 com dados sociais da tabela nº4, escalonando o percentual dos impostos dos PIB Municipais dos 54 municípios da rota da soja por faixas de 5%. Como podemos observar na tabela nº5, a taxação de impostos para esse conjunto de municípios brasileiros atinge uma massa crítica da população nas faixas de participação dos impostos que vão de 5% a 25% do PIB Municipal, representando a massa de impostos gerados pelo setor industrial e de serviços sobre uma parcela de 92,73% da população com taxação média de 14,89%.
Outro aspecto a considerar é a participação das atividades do PIB Municipal (agrícola, industrial e de serviços) com a correspondente variação de impostos por faixas. A agricultura tem participação pequena na formação dos impostos municipais por razões claras de ser um setor primário com poucas possibilidades de gerar efeitos encadeados de taxação. Já os setores industriais e de serviços são os que mais promovem a receita dos municípios, observando-se que a capacidade de tributação dos governos municipais está, nesse caso da tabela nº 5, bem definida nas faixas que variam entre 5% e 25% do PIB Municipal.
Existem algumas faixas de cobrança de altas taxas de impostos além desse limite de 25% observados, porém elas se referem a uma parcela muito reduzida da população (7,11%). Essa alta taxação residual pode ser explicada através da instalação de grandes complexos industriais (petróleo, mineral, etc.) que de súbito geram enormes receitas tributárias aos municípios onde são instaladas, mas ficam restrito a casos isolados não gerando um perfil econômico diferenciado.
Para efeitos de planejamento dos transportes, essa tabela nº 5 completa o potencial econômico da rota da soja que estamos estudando, explicitando potencial de consumo, medindo o tamanho da população por faixas de tributação, ressaltando em cada faixa o potencial de renda (renda per capita) e PIB per capita dos Municípios. Então, lendo da tabela nº 5, acima, verificamos que na faixa mais alta de taxação dos PIB Municipais, entre 25% e 30 %, encontra-se o maior potencial econômico social com renda per capita média mensal de US$ 700, PIB de US$ 22 bilhões, PIB per capita de US$ 20.000, assim como, IDHM de 0,805.
Está claro nas conclusões sobre o potencial econômico dessa rota da soja de Mato Grosso, a partir dos dados compilados na tabela nº 5, que mais impostos representam melhores condições de desenvolvimento econômico municipal, e que dados socioeconômicos mais elevados são mais significativos para as empresas. A questão permanece, o que as empresas preferem: atuarem em faixas de impostos mais baixos ou em faixas de dados socioeconômicos mais altos com maiores possibilidades de consumo, renda e produção?
A resposta a essa questão está intimamente ligada a essa falácia neoliberal de contínuas reduções de impostos, custos e rebaixamentos precários de preços e de valores dos ativos na sociedade em geral. O objetivo principal das empresas é vender mais e, portanto, elas se reagrupam por faixas de consumo e produção mais altas, ainda, que isso implique em impostos mais altos, pois que os impostos podem ser rapidamente diluídos nos custos médios em prol de um maior consumo, renda e produção no longo prazo. Já rebaixamentos contínuos de impostos no curto prazo apenas trazem transtornos ao setor público (principalmente municipal) que fica desaparelhado e descapacitado, acabando por promover o subdesenvolvimento num processo perverso para baixo.
Para reforçar essas conclusões demonstradas pelos dados da tabela nº 5, apresentamos as mesmas condições de variações desses dados da rota da soja, agora considerando as condições gerais da economia brasileira, agrupados na tabela nº 6 a seguir.
Como os dados da tabela Nº 6 representam todos os 5.570 municípios do Brasil, pode-se aí observar os efeitos das variações por faixas de impostos de 5% sobre os dados socioeconômicos dos PIB Municipais em larga escala e a consequência de seus efeitos encadeados. Observa-se, de fato, um efeito positivo nos dados socioeconômicos com o aumento escalonado dos impostos por faixas de variação, embora, bem delimitado dentre 5% até 25%, representando 80,94% da população com taxação média de 14,47%, renda per capita média mensal de US$ 349, PIB médio de 1,9 trilhões e PIB per capita de US$ 12.000 e IDHM de 0,712.
Obs.: Fonte IBGE.
Prof. Ricardo Rodrigues, 23 de setembro de (2015)
Veja Também: Brazilian Highways Nova Temporada onde eu estabeleço a correlação entre projetos de Transporte Terrestres com a inflência do relevo e do clima
Comments