Análise de Localização – Novo Entreposto
Comparativo K-Means x Densidade
Estudo estratégico para otimização da rede logística
Contexto do Estudo
Objetivo Principal
Identificar a melhor localização para novo entreposto através de análise comparativa de dois métodos distintos de otimização logística.
Métodos Utilizados
K-Means
Algoritmo de agrupamento focado em distribuição equilibrada entre regiões
Densidade
Análise baseada em concentração de movimentação e alta frequência de rotas
A escolha da metodologia impacta diretamente na eficiência operacional e cobertura territorial da rede logística.
Base de Dados (JAN/2025 - AGO/2025)
57.613
Registros Iniciais
Volume total de dados coletados para análise
1.625
Registros Válidos
Dados após aplicação de filtros de qualidade
1.527
Endereços Únicos
Localizações distintas identificadas
121.815
Quilômetros
Distância total analisada no estudo
Análise de Rotas e Densidade
75%
Distância Média
75 km por rota analisada
93%
Frequência Origem
9,3 rotas por ponto de origem
Distribuição das Rotas
  • Total de rotas identificadas: 1.612
  • Origens únicas mapeadas: 173
  • Destinos únicos catalogados: 126
  • Frequência média por destino: 12,8

A análise de densidade revela concentrações significativas em corredores logísticos específicos, indicando oportunidades de otimização.
Identificação de Clusters
Algoritmo DBSCAN
Parâmetros utilizados: eps=5 km, min_samples=3 para identificação de agrupamentos naturais nos dados.
Clusters de Origem
12 clusters identificados
Pontos isolados: 92
Clusters de Destino
9 clusters identificados
Pontos isolados: 73
Padrões Identificados
Concentrações em corredores principais
Dispersão em áreas periféricas
A clusterização revelou padrões claros de concentração logística, fundamentais para a definição das estratégias de posicionamento dos entrepostos.
Método K-Means
Características do Método
Distribuição Equilibrada
Foco na cobertura homogênea do território
Otimização Geométrica
Minimização das distâncias médias
Abordagem Sistemática
Algoritmo iterativo para convergência
7
Entrepostos
Foi direcionado de forma forçada 7 entrepostos para distribuição proporcional - devido a conversão de endereço X geocodificação (LAT/LOG)
51.2%
Cobertura
Percentual de atendimento
"O método K-Means prioriza a distribuição equilibrada, garantindo que nenhuma região fique descoberta, mesmo que isso signifique menor eficiência em áreas de alta densidade."
Método Densidade
01
Identificação de Hotspots
Mapeamento das áreas de maior concentração de rotas e movimentação logística
02
Análise de Frequência
Avaliação da intensidade de tráfego e volume de operações por região
03
Otimização por Demanda
Posicionamento estratégico focado em maximizar o atendimento das rotas principais
Resultados Obtidos
  • Entrepostos: 7 unidades
  • Foi direcionado de forma forçada 7 entrepostos para distribuição proporcional - devido a conversão de endereço X geocodificação (LAT/LOG)
  • Cobertura alcançada: 68,2%
  • Estratégia: foco em alta movimentação
  • Eficiência operacional maximizada

O método de densidade demonstrou 17 pontos percentuais de vantagem na cobertura em relação ao K-Means; entretanto pelo fato da "SUJEIRA" nos dados e na geração de GEOCODIFICAÇÃO, a aglomeração dos clusters e geração de 7 pontos / unidades - sustenta o cruzamento (Diagrama de Veen)
Comparativo Direto e Conclusão
Análise Comparativa dos Métodos
K-Means
Equilíbrio territorial com menor cobertura
Densidade
Máxima eficiência com foco estratégico
Conclusão
Com base nos critério apresentados, baseado na clusterização dos deslocamentos de JAN-AGO/2025 e sobrepondo as duas análises K-Means e Densidade é possível identificar que o melhor ponto de entreposto é na região do TATUAPÉ/SP.