T RABALHOS R ELACIONADOS

Na pesquisa por trabalhos acadêmicos relacionados ao contexto desse trabalho, constatou-se uma evidente escassez de pesquisas tanto na área de sistemas para gestão de risco logístico, como para o próprio modelo de negócio e operação de gerenciadoras de risco de transportes e cargas. O fato de se tratar de um mercado particularmente brasileiro contribui para a baixa quantidade de referências nessa área. Portanto, essa seção apresentará inicialmente sistemas voltados para gestão de risco em geral e em seguida um conjunto de trabalhos que mais se aproximam dos propósitos do nosso trabalho.

As últimas décadas testemunharam um enorme progresso em inteligência computacional, incluindo a lógica fuzzy, redes neurais e algoritmos genéticos, abordagens evolucionárias como a programação linear, programação não-linear, teoria dos jogos, e análise de decisão multicritério (WU; CHEN; OLSON, 2014). Abordagens de otimização têm sido amplamente aplicadas na indústria em muitas áreas da previsão, avaliação de desempenho, e avaliação de risco (WU; CHEN; OLSON, 2014). Wu; Chen; Olson (2014) apresentam algumas soluções e respectivas técnicas mais comumente utilizadas.

As redes neurais são ferramentas de inteligência artificial que se mostraram muito úteis para identificar padrões nas estruturas de dados complexas, especialmente aquelas que envolvem relações não-lineares (WU; CHEN; OLSON, 2014). Bancos, por exemplo, utilizam modelos de redes neurais artificiais para analisar os pedidos de cartão de crédito, permitindo controlar de forma mais eficiente seu risco, um cuidado que passou a ser levado mais a sério após a bolha de 2008 (WU; CHEN; OLSON, 2014).

Já a análise de risco baseada em jogos é um dos campos de estudo de maior foco na gestão de risco industrial (WU; CHEN; OLSON, 2014). Outros modelos para teoria dos jogos incluindo análise de risco probabilística foram aplicadas no contexto de combate ao terrorismo (WU; CHEN; OLSON, 2014). A teoria dos jogos também tem sido aplicada a pequenas e médias empresas para o gerenciamento de riscos corporativos (WU; CHEN; OLSON, 2014).

Dentre as áreas apresentadas por Wu; Chen; Olson (2014), a tomada de decisão baseada em risco é a que melhor se relaciona com o nosso trabalho. Ferramentas para tomada de decisão baseada no risco tem sido amplamente estudadas no campo de sistemas de apoio à decisão desde a década de 1970 (WU; CHEN; OLSON, 2014). Notamos, porém, que os mais conceituados trabalhos dessa área citados por Wu; Chen; Olson (2014) não abordam a gestão de risco de segurança, tampouco a gestão de risco logística. Os trabalhos apresentados nos próximos parágrafos tratam especificamente dessas áreas.

Picini; Kovaleski; Scandelari (2009) pesquisaram os benefícios e desvantagens de ferramentas de apoio ao controle logístico de frotas, como: sistemas de rastreamento, computadores de bordo, roteirizadores, gerenciamento de risco, gerenciamento de frota, mapeamento de rota e banco de dados. A pesquisa identificou como desvantagem do gerenciamento de risco o fato de que “os resultados dependem da qualidade da equipe de gerenciamento de risco, sendo um processo que exige experiência e conhecimento” (PICINI; KOVALESKI; SCANDELARI, 2009). Observa-se aqui um requisito comum ao Unicomm dado pela ausência de um mecanismo de detecção de cenários de risco para tomada de decisão automática, deixando a qualidade do processo totalmente dependente do operador.

Jaques et al (2010) também analisou uma empresa que realiza a gestão de risco internamente (de forma não terceirizada) e coletou alguns detalhes quanto ao modo de operação do processo de monitoramento. Um ponto interessante é que a empresa já apresenta um sistema de detecção de cenário de risco mais eficiente que o da pesquisa apresentada por Picini; Kovaleski; Scandelari (2009). O sistema analisado é capaz de detectar alguns cenários, como: desvio de rota, parada indevida e alertas de atuadores (botão de pânico, sensor de engate, etc.); porém, também não apresenta mecanismos de tomada de decisão automática a partir da detecção desses cenários. A pesquisa de Jaques et al (2010) considera o gerenciamento do risco de maneira mais ampla, abrangendo áreas do processo logístico que vão além do monitoramento da viagem, por exemplo, programação de veículos, contratação de transporte terceirizado, conferência de cargas, contratação de motoristas, emissão de documentos. A partir dos resultados da pesquisa, fica ainda evidente a insatisfação dos gestores quanto à negligência das empresas de gerenciamento de risco em relação aos processos extramonitoramento. Esse é um dado bastante relevante que pode ser utilizado em pesquisas futuras, mas que não é um problema tratado no Unicomm.

A pesquisa de Oliveira; Ferraz (2013) trata sobre o uso de sistemas de EDR – Event Data Recorder – para gerenciamento de risco no transporte rodoviário. De acordo com os dados apresentados, fica aparente que alguns sistemas no mercado são voltados basicamente para prevenção de acidentes através dos chamados dados de

telemetria do veículo, onde os cenários de risco se baseiam apenas em dados como: velocidade, rotação do motor, aceleração e freada. No caso, esses sistemas não têm como foco a detecção de eventos para prevenção de roubos.

Dentre o conteúdo acadêmico avaliado, é evidente a escassez de trabalhos focados no processo e nas ferramentas de gestão de risco para transportes e cargas. Trabalhos que tratam especificamente sobre os processos internos de empresas de gestão de risco não foram encontrados. Todos os trabalhos encontrados tratam de sistemas utilizados para controle de frota própria, tendo como característica divergente importante a utilização de uma única tecnologia de rastreamento. Essas diferenças distanciam a realidade das empresas apresentadas nesses estudos da realidade das gerenciadoras de risco.