Análise operacional e de custo logístico do processo de transbordo de navio para navio - transshipment - no Brasil. Uma aplicação ao minério de ferro no porto de Santos
Bibliographic record
Abstract
A Indústria Naval tem investido em navios cada vez maiores visando ganhos de escala.Na última década, esse movimento se intensificou e um dos principais fatores é a influência significativa das economias emergentes na demanda de carga.Alguns dos ganhos decorrentes da utilização de navios maiores são: menor consumo de energia, menor emissão de CO2, maior capacidade de carga e, consequentemente, fretes marítimos mais competitivos.Esses novos navios acarretam a necessidade de uma revisão da infraestrutura portuária, isso porque geram uma alta concentração de carga e ainda demandam uma maior profundidade nos portos, bem como alterações nas estruturas dos terminais para recebê-los.Investimentos como dragagem, modificações de layout de terminais, entre outros, resultam em custos demasiadamente altos, além de impactos relacionados a licenciamentos para operação.Neste cenário de aumento dos navios e da consequente dificuldade de recebê-los em diversos portos, uma solução que vem sendo utilizada ao redor do mundo é a do transbordo de navio para navio no mar, o transshipment.Ele é normalmente realizado através de um navio convertido em plataforma de transbordo/transferência, substituindo a necessidade de ancoragem do navio de maior capacidade em um terminal portuário convencional.O Brasil tem o desafio de se preparar para este novo cenário e o porto de Santos, o principal do país, possui limitações para recebimentos destas embarcações.Este trabalho analisou operacionalmente e sob o ponto de vista de custos logísticos, o processo de transshipment no mar em portos brasileiros.Para tal, escolheu como estudo de aplicação o minério de ferro no porto de Santos, usando como ferramentas de análise a simulação e a comparação de custos logísticos totais das alternativas.Os resultados obtidos nas análises demonstraram a capacidade do transshipment de atender à demanda de carga em diferentes cenários e trazer uma redução de custos logísticos em relação à operação convencional.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".