Rodrigo Paulino¹

Abstract:

“The Baía de Guanabara, located in the metropolitan area of Rio de Janeiro, is a vital coastal ecosystem facing both economic development and environmental challenges. Despite being rich in biodiversity and supporting local fishing communities, the bay is heavily impacted by industrial activities and pollution. Dredging projects aimed at improving navigational conditions have economic benefits for industries such as offshore oil and gas, as well as shipbuilding. However, these projects must be carefully managed to avoid exacerbating environmental degradation, including pollution and accelerated silting. Effective environmental monitoring and control are essential to balance economic development with environmental preservation in the Baía de Guanabara.”

Desenvolvimento:

A Baía de Guanabara, um ecossistema costeiro na área metropolitana do Rio de Janeiro [1], abrange toda a região metropolitana, incluindo os municípios do Rio de Janeiro, Niterói, São Gonçalo, Itaboraí, Rio Bonito, Cachoeiras de Macacu, Guapimirim, Magé, Petrópolis, Duque de Caxias, São João do Meriti, Nova Iguaçu, Nilópolis e Queimados [2]. Ocupa uma área de aproximadamente 380 km², incluindo a superfície de suas ilhas, pedras e ilhotas [3]. 

Fica localizada na Área de Proteção Ambiental (APA) de Guapimirim, que possui o maior manguezal contínuo do estado do Rio de Janeiro e representa 49,3% da atividade pesqueira do estado do Rio de Janeiro [4], que apesar da degradação da qualidade da água, continua sendo rica em biodiversidade e sustenta milhares de famílias através da pesca.

A Baía possui um tráfego intenso de pessoas e mercadorias. É o centro de diversas atividades econômicas, incluindo terminais de petróleo, refinarias e portos [5]. Desde meados dos anos 2000, vem passando por um processo de transformação social e espacial ligado à industrialização e urbanização, impulsionado pelos investimentos na indústria petrolífera. 

Tem sido o foco de investimentos financeiros e tecnológicos, como o Complexo Petroquímico do Rio de Janeiro (COMPERJ); o Terminal de Regaseificação da Baía de Guanabara (GNL) e o projeto de implementação de dutos de gás liquefeito de petróleo (GLP) da Petrobrás, além de empresas como a Baker Hughes, cujo centro de pesquisa se concentra na caracterização de reservatórios e otimização de perfuração, conclusão e produção, buscando criar tecnologias aplicáveis em operações em águas profundas e pré-sal.

Nesse contexto, o município de Niterói se destaca pela sua tradição industrial naval e pela sua posição estratégica no projeto nacional de exploração de águas profundas e ultraprofundas, contando com instalações aptas para receber investimentos de grupos econômicos interessados no segmento offshore, como estaleiros dotados de competências para construção e reparação de embarcações, além de oferecer serviços de logística e equipamentos, 

A região, privilegiada pela sua localização próxima às principais bacias de produção de petróleo em águas profundas, possui uma forte rede de empresas de suporte, atuando com diversos arranjos para agregar projetos industriais e de infraestrutura voltados para o desenvolvimento territorial, especialmente no setor petrolífero [6]. 

Investimentos da Petrobras na área de abrangência da Baía de Guanabara possibilitou o dinamismo econômico da região, ampliando a capacidade de formação e retenção de mão de obra especializada. Ademais, para facilitar o acesso ao Complexo Petroquímico do Rio de Janeiro, a Petrobrás implementou infraestrutura terrestre e marítima, estabelecendo um canal de navegação para transporte marítimo [7]. 

A intensificação dessas atividades gera perturbações ambientais significativas, tais como assoreamento, aterros, modificação da drenagem dos rios, desmatamento de manguezais e o lançamentos de efluentes domésticos, industriais e de resíduos sólidos. Além disso, a ocupação da faixa costeira pode alterar o balanço hídrico, o escoamento natural das águas pluviais e fluviais, resultando em variações no transporte de sedimentos para os estuários, acelerando o processo natural de deposição de sedimentos nesses ambientes.

Diante desse cenário, torna-se cada vez mais necessário adotar mecanismos eficazes de gestão ambiental. Assim, regiões de costa, particularmente suscetíveis ao fenômeno de assoreamento, requerem a realização de obras de dragagem para permitir que navios possam ancorar e atracar com segurança. 

A dragagem consiste na limpeza, desobstrução, remoção, derrocamento ou escavação de material do fundo de rios, lagos, mares, baías e canais [8], pode ser utilizada para a remediação, com o propósito de limpar e recuperar áreas com sedimentos contaminados [9].

No Brasil, investimentos recentes em projetos de dragagem têm visado à ampliação da eficiência logística dos portos, incluindo obras de dragagem de aprofundamento, recuperação e melhoramento de vias de acesso [10]. Essas obras são necessárias para atender à frota, tanto no aprofundamento quanto na manutenção de canais de acesso aos portos.  

No entanto, além dos benefícios da criação, manutenção e melhoramento de portos e canais de navegação, a dragagem oferece outros benefícios, como a remoção de sedimentos contaminados, a exploração de materiais para a construção, proteção costeira e controle da eutrofização [11]. 

As dragagens são realizadas por empresas especializadas contratadas pelas autoridades portuárias ou pelos terminais privados interessados. Elas envolvem o uso de dragas de grande porte para escavação e remoção de sedimentos do fundo da baía. Além dos benefícios à navegação, as dragagens periódicas são importantes para mitigar o assoreamento da Baía de Guanabara, que recebe grande aporte de sedimentos devido à degradação ambiental em suas margens e bacias hidrográficas contribuintes.

Em 2016, a Companhia Docas do Rio de Janeiro (CDRJ) assinou um contrato de R$ 45 milhões com a empresa belga Jan de Nul para a realização de obras de dragagem no porto do Rio e no porto de Niterói. O projeto previa a remoção de cerca de 3,5 milhões de m³ de sedimentos para aumentar a profundidade do canal de acesso e das bacias de evolução dos portos.

No ano de 2019, a Petrobras e a empresa norueguesa DOF Subsea firmaram um contrato para serviços de inspeção, manutenção e reparos submarinos na Bacia de Campos, utilizando navios de apoio offshore. Esses navios especializados operam a partir de bases de apoio em Niterói, como a da Baker Hughes, e dependem das condições adequadas de navegabilidade.

A Baía de Guanabara passa periodicamente por obras de dragagem para aprofundamento do canal de navegação. As dragagens ocorrem principalmente no canal de acesso e nas proximidades dos principais portos, como o Porto do Rio de Janeiro e o Porto de Niterói. O aumento da profundidade permite a navegação de navios de grande porte e maior calado.

As melhorias nas condições de navegabilidade são essenciais para a indústria naval e offshore, tendo em vista a importância do acesso marítimo para suas operações. As obras de dragagem beneficiam diversos terminais e estaleiros localizados às margens da baía, incluindo a base de operações da BHGE em Niterói. 

A BHGE/Baker Hughes tem uma longa história de atuação na Bacia de Campos, fornecendo serviços e equipamentos para as operadoras de petróleo e gás offshore. Possui uma unidade em Niterói para apoio às operações de exploração e produção de petróleo e gás offshore. Sua localização estratégica facilita a logística de transporte de cargas e pessoal por meio de embarcações. 

Sua base em Niterói desempenha um papel fundamental na logística de suporte às operações marítimas, contando com a manutenção do calado adequado na Baía de Guanabara para a movimentação eficiente de suas embarcações de apoio.

Em 2019, o Ministério da Infraestrutura anunciou investimentos de R$ 1,8 bilhão em obras de dragagem e derrocagem nos portos do Rio de Janeiro e de Itaguaí. Embora não diretamente relacionado à Baía de Guanabara, esse projeto demonstra a importância estratégica da manutenção das condições de acesso marítimo para a economia fluminense.

As dragagens na Baía de Guanabara também têm impacto positivo na indústria naval da região. Estaleiros localizados em Niterói, como o Estaleiro Mauá e o Estaleiro Brasa, se beneficiam das melhores condições de navegabilidade para a construção e reparo de embarcações de grande porte, incluindo navios de apoio offshore e plataformas de petróleo.

Apesar dos benefícios econômicos, a Baía de Guanabara enfrenta desafios ambientais históricos, como a poluição por esgoto doméstico e industrial, além do assoreamento acelerado. As dragagens, se não forem realizadas com os devidos cuidados, podem agravar esses problemas. Por isso, é fundamental que os projetos de dragagem sejam acompanhados de iniciativas de monitoramento e controle ambiental.

REFERÊNCIAS

[1] BEGOT, L. H.; VIANNA, M. Legislação pesqueira costeira: o caso da Baía de Guanabara, RJ. Boletim do Instituto de Pesca, v. 40, n. 4, p. 497-520, 2014.

[2] SANTI, L. Estratégia reprodutiva e dinâmica populacional de Poecilochaetus australis Nonato, 1963 (Polychaeta, Spionida) em local sujeito à influência de efluentes urbanos não tratados, Baía de Guanabara, Rio de Janeiro, Brasil: Projeto Austra (Doctoral dissertation, Universidade de São Paulo), 2008.

[3] PACÍFICO, Alan. O espaço da Baía de Guanabara e suas múltiplas tensões. Seminários Espaços Costeiros, v. 1, 2011.

[4] FIPERJ. Projeto de Monitoramento da Atividade Pesqueira no Estado do Rio de Janeiro. Relatório técnico semestral. Dados de produção pesqueira do 2º semestre de 2017.

[5] CAIRO, Luis S. et al. Avaliação Dos Fluxos De Maré Na Região Interna Da Baía De Guanabara, Rio De Janeiro (Brasil). XXVIII Congresso Latinoamericano De Hidráulica Buenos Aires, Argentina, 2018.

[6] WENTZEL, Thiago; BINSZTOK, Jacob. Conflitos socioterritoriais na apropriação da baía de Guanabara pela indústria petroquímica e a construção de ‘despojos’ pelo COMPERJ. Geo UERJ, n. 31, p. 517-534, 2017.

[7] PLANAVE, Consultoria. Via especial para transporte de cargas pesadas do COMPERJ. Relatório de Impacto Ambiental Petrobras, 2010.

[8] BRASIL. Lei nº 12.815, de 5 de junho de 2013. Dispõe sobre a exploração direta e indireta pela União de portos e instalações portuárias e sobre as atividades desempenhadas pelos operadores portuários; altera as Leis nºs 5.025, de 10 de junho de 1966, 10.233, de 5 de junho de 2001, 10.683, de 28 de maio de 2003, 9.719, de 27 de novembro de 1998, e 8.213, de 24 de julho de 1991; revoga as Leis nºs 8.630, de 25 de fevereiro de 1993, e 11.610, de 12 de dezembro de 2007, e dispositivos das Leis nºs 11.314, de 3 de julho de 2006, e 11.518, de 5 de setembro de 2007; e dá outras providências. Brasília, DF: Presidência da República, 2013.

[9] GOES FILHO, H.A. Dragagem e gestão dos sedimentos. Dissertação de mestrado, Instituto Alberto Luiz de Pós-Graduação e Pesquisa de Engenharia, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, 2004.

[10] CASTRO, Silvia Machado de; ALMEIDA, Josimar Ribeiro de. Dragagem e conflitos ambientais em portos clássicos e modernos: uma revisão. Sociedade & Natureza, v. 24, p. 519-533, 2012.

[11] SIMÕES, Mario Henrique. Sistematização dos aspectos ambientais de dragagens portuárias marítimas no Brasil. Tese de Doutorado. Universidade de São Paulo. 2009.

¹ Rodrigo Paulino, um brasileiro, é um profissional experiente com ampla trajetória na coordenação de Meio Ambiente, Saúde e Segurança (EHS). Ele possui um diploma técnico em Segurança do Trabalho pelo Centro Tecnológico de Contagem – CENTEC, concluído em 1997, seguido por um diploma de Tecnólogo em Gestão Ambiental pela Estácio, em 2017, e uma pós-graduação em Engenharia Ambiental pela mesma instituição, em 2019.

As qualificações de Rodrigo incluem certificações como Auditor Interno para OSHA 18001, ISO 14001:2015 e ISO 45001:2015, além de ser auditor do programa H&S Framework. Sua carreira abrange várias empresas de prestígio, incluindo Buker Hugles. LTDA, GE Oil & Gas do Brasil LTDA, GE Energy Service (GEVISA), GE Transportation SA, Unilever do Brasil LTDA, Toshiba do Brasil SA e Mannesmann SA.

Durante sua trajetória, Rodrigo demonstrou expertise na coordenação de sistemas de gestão ambiental, programas de saúde e segurança, e conformidade com requisitos legais. Ele liderou iniciativas como certificações ISO, gestão de departamentos de HSE, coordenação de processos de licenciamento ambiental e planejamento de contingência de crises. Além disso, Rodrigo possui um histórico comprovado em investigação de acidentes, avaliação de riscos e implementação de procedimentos de segurança.

Além de suas funções profissionais, Rodrigo buscou educação contínua, completando cursos como Nebosh – Health and Safety Practical Application, Ergonomia Avançada e Programa Lockout Tagout, entre outros

Fabiana de Sá Ferreira

Abstract

Fuzzy logic has emerged as a pivotal tool in the optimization of logistics processes, particularly for transportation routing, due to its capacity to handle uncertainties and nonlinear variables effectively. Developed by Lotfi Zadeh in the 1960s, fuzzy logic extends classical logic by allowing the modeling of imprecision and uncertainty, making it ideal for logistics contexts where variables like traffic conditions, delivery times, and customer demands can be highly variable. Unlike traditional models that require precise and constant variables, fuzzy logic operates with degrees of truth, integrating imprecise and subjective data. The application of fuzzy logic in transportation routing can lead to significant cost reductions by modeling variables as fuzzy functions. This approach accommodates variations in transit times and fuel costs and allows for dynamic route adjustments based on uncertain demand forecasts. Such flexibility enhances route optimization, reduces waste, and improves resource utilization. Additionally, fuzzy logic contributes to operational efficiency by managing nonlinear variables such as variable demand and weather conditions, enabling more adaptable and flexible route planning. Several studies underscore the efficacy of fuzzy logic in logistics. For instance, Lau et al. (2009) demonstrate the use of a fuzzy logic-guided genetic algorithm for optimizing vehicle routes considering both distance and time. Olenych and Gukaliuk (2017) present a Sugeno-type fuzzy inference system for transport network routing, while Olenych et al. (2018) extend this model to include additional variables such as traffic and road conditions. Huang et al. (2013) address the Fourth Party Logistics Routing Problem using fuzzy numbers, and Sheu (2007) introduces a fuzzy-based methodology for logistics distribution. Xiao and Hu (2017) optimize logistics for bulk commodities using fuzzy and neural network models, and Wang et al. (2014) propose a fuzzy clustering algorithm for customer grouping. These studies collectively highlight how fuzzy logic, combined with various optimization techniques, enhances decision-making and operational efficiency in logistics.

Keywords: Fuzzy Logic; Logistics Optimization; Transportation Routing; Supply Chain Management; Vehicle Routing.

Fuzzy logic has emerged as a powerful tool for optimizing logistics processes, particularly in transportation routing, by addressing uncertainties and nonlinear variables crucial for enhancing efficiency and reducing costs in the supply chain. Developed by Lotfi Zadeh in the 1960s, fuzzy logic extends classical logic to model imprecision and uncertainty. In logistics, where factors like traffic conditions, delivery times, and customer demands can fluctuate, fuzzy logic provides a means to handle these uncertainties effectively. Unlike traditional models that depend on precise, constant variables, fuzzy logic accommodates degrees of truth, integrating imprecise and subjective data.

Applying fuzzy logic to transportation routing can significantly lower costs by modeling variables as fuzzy functions. This approach allows for the adjustment of routes based on variable transit times and fuel costs, accommodating uncertain demand forecasts. Consequently, it leads to more robust route optimization, reducing additional costs from delays and inefficiencies. Fuzzy models can also adapt routes dynamically in response to real-time traffic conditions and changing customer priorities, thereby enhancing resource utilization and minimizing waste.

Beyond cost reduction, fuzzy logic improves logistical efficiency by managing nonlinear variables such as fluctuating demand and weather conditions. This flexibility results in more consistent delivery times and quicker adaptation to operational changes. Additionally, fuzzy logic enables the integration of various optimization criteria, such as delivery time, cost, and load capacity, providing a more balanced and effective solution.

In a notable study, Lau et al. (2009) tackled the optimization of vehicle routing in supply chain management by proposing a multi-objective evolutionary algorithm known as the fuzzy logic guided non-dominated sorting genetic algorithm 2 (FL-NSGA2). This approach incorporates fuzzy logic to dynamically adjust algorithm parameters, outperforming other methods in various scenarios.

Similarly, Olenych and Gukaliuk (2017) developed a Sugeno-type fuzzy inference system for optimizing transport routes with three inputs and one output. Their model considers factors like road conditions and delivery urgency, enhancing cost efficiency and logistics performance.

Olenych et al. (2018) extended this work by introducing a more complex Sugeno-type system with four inputs, improving transport network efficiency by accounting for additional variables such as traffic levels and cargo caution.

Huang et al. (2013) focused on the Fourth Party Logistics Routing Problem (4PLRP) with fuzzy duration times, proposing a two-step genetic algorithm combined with fuzzy simulation. Their approach effectively addresses uncertainties in route planning, offering valuable solutions for complex logistics scenarios.

Sheu (2007) presented an integrated fuzzy-optimization methodology for logistics distribution, incorporating pre-route customer classification, delivery service prioritization, and multi-objective optimization. This method showed significant improvements in logistics performance, with over a 20% enhancement compared to existing strategies.

Xiao and Hu (2017) proposed a model for optimizing logistics for bulk commodities using fuzzy methods and neural networks. Their approach demonstrated improved distribution efficiency while addressing the complexity of bulk logistics.

Finally, Wang et al. (2014) introduced a fuzzy-based customer clustering algorithm to reduce the complexity of large-scale logistics network optimization. Their approach outperformed other algorithms in clustering effectiveness, demonstrating its practical application in reducing operational costs and enhancing customer satisfaction.

The application of fuzzy logic in optimizing logistics routing has proven to offer effective and adaptable solutions for complex challenges in supply chain management. This approach provides several significant advantages, making it a valuable tool for improving efficiency and reducing operational costs.

Firstly, fuzzy logic is particularly effective in managing uncertainties and nonlinear variables, which are common in the logistics environment. In situations where traffic conditions, delivery times, and customer demands can vary widely, fuzzy logic allows for more precise modeling of these uncertainties compared to traditional mathematical models. Instead of requiring precise and constant data, fuzzy logic operates with degrees of truth, enabling the integration of imprecise and subjective information, resulting in a more robust and realistic solution.

Another crucial advantage is fuzzy logic’s ability to dynamically adapt transportation routes. By modeling variables as fuzzy functions, it is possible to adjust routes based on uncertain demand forecasts and variability in transit times and fuel costs. This not only optimizes routes more effectively but also reduces costs associated with delays and inefficiencies, improving resource utilization and minimizing waste.

Moreover, fuzzy logic contributes to flexibility and adaptability in route planning. By handling nonlinear variables such as variable demand and weather conditions, fuzzy logic enables a more flexible approach, resulting in more consistent delivery times and the ability to quickly respond to changes in operational conditions. The integration of multiple optimization criteria, such as delivery time, cost, and load capacity, allows for a more balanced and efficient solution.

In conclusion, fuzzy logic has proven to be a valuable tool in optimizing logistics processes, particularly in transportation routing. Its ability to handle uncertainties and nonlinear variables allows for a more robust and adaptable approach, leading to significant cost reductions and improvements in operational efficiency. The studies reviewed, including those by Lau et al. (2009), Olenych and Gukaliuk (2017), Olenych et al. (2018), Huang et al. (2013), Sheu (2007), Xiao and Hu (2017), and Wang et al. (2014), demonstrate the effectiveness of fuzzy logic across various contexts and logistical challenges, from vehicle route optimization to customer classification and clustering.

These studies highlight how fuzzy logic, combined with evolutionary algorithms and simulation models, can address complex and dynamic logistics problems by providing solutions that adapt routes and decisions in real time. The proposed methodologies show that integrating imprecise variables and considering multiple optimization criteria are essential for tackling modern logistical challenges. Thus, fuzzy logic not only enhances decision-making but also promotes more efficient resource management and improved customer satisfaction. The ongoing development and application of these techniques are crucial for addressing emerging challenges and ensuring more effective and sustainable logistics operations in the future.

References 

Huang, M., Cui, Y., Yang, S., & Wang, X. (2013). Fourth party logistics routing problem with fuzzy duration time. International Journal of Production Economics, 145, 107-116. https://doi.org/10.1016/J.IJPE.2013.03.007.

Lau, H., Chan, T., Tsui, W., Chan, F., Ho, G., & Choy, K. (2009). A fuzzy guided multi-objective evolutionary algorithm model for solving transportation problem. Expert Syst. Appl., 36, 8255-8268. https://doi.org/10.1016/j.eswa.2008.10.031.

Olenych, I., & Gukaliuk, A. (2017). Application of the Fuzzy Modeling for Optimization of Transport Routes. , 5, 87-92. https://doi.org/10.13189/UJCMJ.2017.050401.

Olenych, I., Nechypor, Y., Olenych, Y., & Gukaliuk, A. (2018). Optimization of Transport Routes by Fuzzy Logic Methods. . https://doi.org/10.30970/elit2018.a42.

Sheu, J. (2007). A hybrid fuzzy-optimization approach to customer grouping-based logistics distribution operations. Applied Mathematical Modelling, 31, 1048-1066. https://doi.org/10.1016/J.APM.2006.03.024.

Tordecilla, R. D., Martins, L. D. C., Panadero, J., Copado, P. J., Perez-Bernabeu, E., & Juan, A. A. (2018). Fuzzy simheuristics for optimizing transportation systems: Dealing with stochastic and fuzzy uncertainty. Applied Sciences, 11(17), 7950.

Wang, Y., Ma, X., Lao, Y., & Wang, Y. (2014). A fuzzy-based customer clustering approach with hierarchical structure for logistics network optimization. Expert Syst. Appl., 41, 521-534. https://doi.org/10.1016/j.eswa.2013.07.078.

Xiao, K., & Hu, X. (2017). Study on Maritime Logistics Warehousing Center Model and Precision Marketing Strategy Optimization Based on Fuzzy Method and Neural Network Model. Polish Maritime Research, 24, 30 – 38. https://doi.org/10.1515/pomr-2017-0061.