Desde a primeira abordagem do PRV desenvolvida por Dantzig e Ramser (1959), diversos estudos foram apresentados analisando trabalhos publicados referentes a versão clássica ou as suas diferentes variantes: PRV capacitado; PRV com frota heterogênea de veículos; PRV com janelas de tempo (PRVJT); PRV Periódico (PRVP); PRV com coleta e entregas periódica; PRV dinâmico (DPRV); PRV com várias viagens (PRVMT); PRV para entrega distribuída (SDPRV); dentre outras. Uma descrição mais detalhada a respeito das diversas variantes do PRV pode ser encontrada em Goldbarg & Luna (2005), Lin et. al. ( 2014), Montoya-Torres et. al. (2015).
Nos últimos anos, considerações referentes aos impactos ambientais derivados das atividades de transporte passaram a ser incorporadas aos modelos de PRV, dentre os quais: o problema de roteamento de veículos verdes (GVRP); o problema de roteamento de poluição (PRP), PRV em Logística Reversa (LIN et. al., 2014).
Na literatura consultada, assim como exposto por Dekker et. al. (2012) e Salimifard et.
al. (2012), o primeiro trabalho identificado que relaciona o roteamento de veículos com
questões ambientais foi a tese de doutorado de Palmer (2007). No trabalho, o autor investigou a variação da quantidade de gás carbônico emitida ao ambiente em função da velocidade do veículo e do consumo de combustível. Analisando diversos cenários de congestão e de janelas de tempo, o autor mostrou que com a modificação da função objetivo, de redução de tempo para redução da emissão de gás carbônico, foi possível obter uma redução média de 4,8% na quantidade de CO2 emitida às custas de um aumento médio de apenas 0,5% nos custos totais.
Desde então, vários trabalhos relacionando roteamento e poluição de veículos têm sido desenvolvidos. Dos diversos trabalhos disponíveis na literatura, verifica-se que a maioria destes contabilizam a poluição através do consumo de combustível, da velocidade do veículo e/ou da quantidade de carga transportada por distância.
Recentemente, duas pesquisas de PRV com abordagens ambientais foram publicadas por Lin et. al. (2014) e Demir et. al. (2014). Na pesquisa elaborada por Lin et. al. (2014), os autores propõem uma classificação para os PRVs com abordagens ambientais e fazem um levantamento dos trabalhos recentemente publicados nesta área. Além disto, eles apresentam uma relação das variantes clássicas de PRVs que foram publicadas no período de 1959 – 2013. Já a pesquisa elaborada por Demir et. al. (2014), por sua vez, além de apresentar diversos trabalhos de PRV na área de logística verde, os autores fazem um levantamento de diversos modelos para estimar a emissão de poluentes pelos veículos, através da mensuração do consumo de combustível.
Na avaliação de desempenho sob o enfoque tradicional, costuma-se privilegiar aspectos econômico-financeiros em detrimento dos socioambientais. Historicamente, as organizações sempre tiveram ideia de que considerar questões ambientais aumenta os custos, prejudicando o desempenho econômico. A definição de ecoeficiência vem ao encontro desses conceitos, mostrando que é possível combinar as ideias antagônicas de desempenho econômico-financeiro e de redução de impactos ambientais (LEAL JUNIOR & D'AGOSTO, 2012).
No setor de transporte de cargas, é possível aplicar esses conceitos e agregar as questões econômicas com as ambientais. Por exemplo, uma empresa transportadora pode aprimorar o desempenho de seus veículos, através da redução do consumo de combustível, minimizando as emissões de CO2 e consequentemente reduzindo seus custos.
O Conselho Empresarial para o Desenvolvimento Sustentável (World Business Council
for Sustainable Development – WBCSD) define ecoeficiência como sendo o fornecimento de
bens e serviços a preços competitivos que satisfaçam as necessidades humanas e tragam qualidade de vida, reduzindo progressivamente os impactos ambientais dos produtos e intensidade de uso dos recursos ao longo de todo o ciclo de vida.
A ecoeficiência pode ser entendida como a capacidade das empresas em promover em suas atividades produtivas a utilização dos recursos materiais e energéticos mais eficientes que gerem menor impacto ambiental com o intuito de reduzir custos e/ou de maximizar lucros, incentivando-as à inovação e à competitividade (EPA, 2002; SALGADO, 2007). Ela fornece a base para a escolha dos atributos de desempenho, contribuindo para uma visão ambiental na avaliação de desempenho para a escolha do modo de transporte (WBCSD, 2000). Essa escolha visa inserir a atividade de transporte e sua avaliação no contexto do desenvolvimento sustentável.
Sheu et. al. (2005) apresentaram um modelo baseado em otimização para lidar com os problemas operacionais de logística integrada da gestão da cadeia de suprimento verde (G- SCM). Neste trabalho, os autores propuseram um modelo de programação linear multiobjetivo que otimiza as operações tanto de logística integrada como de logística de reversa dos produtos usados em uma determinada cadeia de suprimento verde.
O trabalho de Frota Neto et. al. (2008) teve como objetivo desenvolver um quadro para a concepção e avaliação de redes de logística sustentável, em que a rentabilidade e os impactos ambientais são equilibradas. Os autores utilizaram programação multiobjetivo (MOP) e Data
Através da concepção de uma rede logística de reciclagem complexo na Alemanha, Frota Neto et. al. (2009) propuseram uma heurística em duas fases para lidar com a exploração visual da fronteira eficiente e trade-offs entre rentabilidade e impactos ambientais. O algoritmo projetado para o problema linear multiobjetivo tinha três objetivos: minimizar os custos, demanda de energia acumulada e os resíduos em uma rede de logística reversa.
Avadi et. al. (2014) identificam as diferenças de ecoeficiência entre os diferentes segmentos de uma frota de navios heterogênea, a fim de aprofundar as potenciais melhorias ambientais que poderiam ser alcançadas através de benchmarking operacional. A ecoeficiência da frota de navios usados na pesca de anchoveta peruana foi medida através da aplicação das metodologias Life Cycle Assessment (LCA) e DEA. Como resultado, foram evidenciados ganhos ambientais de até 53% na frota de média dimensão.
Mahlberg & Luptacik (2014) propuseram um modelo de otimização multiobjetivo para gerar uma fronteira de economia ecoeficiente. Os resultados foram obtidos através da aplicação da metodologia DEA com Decision Making Units (DMU).
Sun e Liu (2015) propuseram um algoritmo de roteamento ecológico desenvolvido para veículos em uma rede de tráfego sinalizado. O método proposto para resolver o problema de roteamento de eco foi baseado no processo de decisão de Markov (MDP). Segundo os autores, este método modela explicitamente comportamentos de veículos nos cruzamentos, sendo adequado para problemas cujo objetivo é minimizar os impactos ambientais, sendo que no exemplo analisado, houve reduções médias de emissão de 𝐶𝑂2 em cerca de 20%.
Bing et. al. (2014) apresentam um estudo de caso do PRV com objetivo de ecoeficiência. Tal estudo teve como objetivo a coleta seletiva de resíduos plásticos utilizando a ecoeficiência como indicador de desempenho, considerando o trade-off entre impactos ambientais, questões sociais e custos.
Ubeda et. al. (2011) também apresentam um estudo de caso do PRV com enfoque na ecoeficiência. O trabalho foi desenvolvido no Grupo Eroski, uma das principais transportadoras do setor de distribuição de alimentos na Espanha. O estudo abrange a gestão de frota e a implementação de uma metodologia para solucionar problemas de roteamento de veículos com minimização de critérios ambientais. Primeiro, os autores melhoram a eficiência das atividades de entrega em Eroski através da solução de um problema de roteamento de veículos capacitado (PRVC). Em seguida, através solução de um problema de roteamento de veículos com
backhauls (PRVB), são reduzidas as quantidades de atividades de entrega em que os veículos
níveis de emissões de CO2 para a atmosfera. Em relação aos resultados, os autores comentam
que: (i) a introdução de backhauls reduz a quantidade de veículos vazios e, proporciona tanto aumento da taxa de enchimento dos caminhões, bem como aumento na eficiência da frota; (ii) maior taxa de backhauls, proporciona maior taxa de benefícios econômicos e ecológicos.
Para Palmer (2007) e van Woensel et. al. (2001), a estimativa de consumo de combustível e de emissões de CO2 para PRV requer cálculos complexos, que representam uma aproximação
devido à dificuldade de se quantificar algumas variáveis, tais como: estilo de condução, condições meteorológicas; e congestionamento. A Tabela 2.1, com base na abordagem de The
Greenhouse Gas Protocol Initiative (2005), lista alguns critérios para determinar a viabilidade
de cada abordagem (UBEDA et. al., 2011).
Tabela 2.1 – Método baseado em combustível x método baseado em distância
Método baseado em combustível Método baseado em distância
Vantagens ▪ Mais confiável ▪ Fácil obter dados
Desvantagens ▪ Não é fácil de calcular se apenas dados sobre o consumo de combustível estão disponíveis
▪ Altos níveis de incerteza
Dados por tipo de veículo
▪ Distância percorrida;
▪ Fator de consumo de combustível; ▪ Valores de aquecimento ▪ Distância percorrida ▪ Consumo de combustível Fontes de coleta de dados ▪ Recibos de combustível;
▪ Registos de despesas de combustível; ▪ Registros das medições diretas, incluindo
registros oficiais de medidores de combustível do veículo ou tanques de armazenamento
▪ Logs de odômetro;
▪ Registros frota da empresa que mostram dados sobre a economia de combustível por tipo de veículo;
▪ Documentação do fabricante mostrando a economia de combustível por tipo de veículo
Cálculo das emissões
▪ Recolher dados sobre a distância percorrida por tipo de veículo e tipo de combustível; ▪ Converter dados de distância percorrida em
valores de uso de combustível com base em fatores de economia de combustível; ▪ Converter estimativa de combustível para
emissões de CO2 multiplicando os valores
de uso de combustível por fatores específicos do combustível.
▪ Coletar dados sobre a distância percorrida por tipo de veículo e tipo de combustível
▪ Converter a estimativa de emissões de CO2 pela multiplicação da distância
percorrida pelo fator de emissão baseados.
Elaboração: O Autor desta pesquisa. Fonte dos dados: UBEDA et. al. (2011).
Por um lado, a abordagem baseada em combustível, consumo de combustível é multiplicado pelo fator de emissão de CO2 para cada tipo de combustível. Por outro lado, o
baseadas na distância. A decisão sobre qual abordagem tomar depende, principalmente, da disponibilidade de dados. No entanto, as estimativas de emissões de CO2 variam de acordo a
massa do veículo e, por isso, a carga transportada é um parâmetro importante (MCKINNON, 2007).
A estimativa do fator de emissão é realizada após duas etapas principais. A primeira consiste em estimar o fator de conversão de combustível, usando a reação química da combustão do combustível (LICHTY, 1967). A segunda etapa consiste em estimar o fator de emissão (𝑒), que do fator de carga e da estimativa de consumo médio de combustível.