Road freight pricing via parametric models

Detalhes bibliográficos
Autor(a) principal: Coppe, Luísa Maia
Data de Publicação: 2020
Outros Autores: Diniz, Diego Augusto, Carvalho, Vyctor Henrique de, Pimentel, Lívia Martins da Costa Furtado
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Produção Online
Texto Completo: https://www.producaoonline.org.br/rpo/article/view/4021
Resumo: In reference to product cost structure, transportation can represent up to 60% of its total value. In Brazil, road transportation mode is the most used kind, making up to 61% of the freight operated as a whole. However, road transportation pricing is not a trivial process because it involves variables that go beyond the basic costs of the activity. The objective of this work is the development of a freight pricing model with a higher degree of precision and reduced response time, using multiple linear regression techniques. The study is applied to a logistics operation company, which business model is the connection between the carrier and the freight demander. The pricing model developed obtained a coefficient of determination of R ^ 2 = 0.9966. In other words, a highly explanatory model, once it explains 99.66% of the variability of observed freight values. The predictive variables that make up the model are distance, driver cost, type of customer, invoice amount, origin and destination. With the model developed, the variables had their weight statistically calculated, giving automation to the process and making the routine of the company's analysts more agile.
id ABEPRO-2_df6c1e521830e314cdab7811543f8ea5
oai_identifier_str oai:ojs.emnuvens.com.br:article/4021
network_acronym_str ABEPRO-2
network_name_str Revista Produção Online
repository_id_str
spelling Road freight pricing via parametric modelsPrecificação de fretes rodoviários via modelos paramétricosRoad transport. Logistics. Pricing. Multiple Linear Regression.Transporte rodoviário. Logística. Precificação. Regressão Linear Múltipla.In reference to product cost structure, transportation can represent up to 60% of its total value. In Brazil, road transportation mode is the most used kind, making up to 61% of the freight operated as a whole. However, road transportation pricing is not a trivial process because it involves variables that go beyond the basic costs of the activity. The objective of this work is the development of a freight pricing model with a higher degree of precision and reduced response time, using multiple linear regression techniques. The study is applied to a logistics operation company, which business model is the connection between the carrier and the freight demander. The pricing model developed obtained a coefficient of determination of R ^ 2 = 0.9966. In other words, a highly explanatory model, once it explains 99.66% of the variability of observed freight values. The predictive variables that make up the model are distance, driver cost, type of customer, invoice amount, origin and destination. With the model developed, the variables had their weight statistically calculated, giving automation to the process and making the routine of the company's analysts more agile.O transporte pode representar, dentro da estrutura de custos dos produtos, até 60% do seu valor total. No Brasil o modal rodoviário é o mais utilizado, configurando 61% dos fretes realizados. A precificação do transporte rodoviário, no entanto, não é um processo trivial por envolver variáveis que vão além dos custos básicos da atividade. O objetivo deste trabalho é o desenvolvimento de um modelo de precificação de fretes com maior grau de precisão e tempo de resposta reduzido, utilizando técnicas de regressão linear múltipla. O estudo é aplicado a uma empresa de operação logística cujo modelo de negócios é a conexão entre o transportador e o demandante do frete. O modelo de precificação desenvolvido obteve um coeficiente de determinação de 16R2=0,9966"> . Isto é, um modelo altamente explicativo, visto que explica 99,66% da variabilidade dos valores de fretes observados. As variáveis preditoras que compõem o modelo são: distância, custo do motorista, tipo de cliente, valor da nota fiscal, origem e destino. Com o modelo desenvolvido, as variáveis tiveram seu peso estatisticamente calculado, conferindo automatização ao processo e tornando mais ágil a rotina dos analistas da empresa.Associação Brasileira de Engenharia de Produção2020-12-21info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfvideo/mp4https://www.producaoonline.org.br/rpo/article/view/402110.14488/1676-1901.v20i4.4021Revista Produção Online; Vol. 20 No. 4 (2020); 1214-1237Revista Produção Online; v. 20 n. 4 (2020); 1214-12371676-1901reponame:Revista Produção Onlineinstname:Associação Brasileira de Engenharia de Produção (ABEPRO)instacron:ABEPROporhttps://www.producaoonline.org.br/rpo/article/view/4021/1981https://www.producaoonline.org.br/rpo/article/view/4021/1982Copyright (c) 2020 Revista Produção Onlineinfo:eu-repo/semantics/openAccessCoppe, Luísa MaiaDiniz, Diego AugustoCarvalho, Vyctor Henrique dePimentel, Lívia Martins da Costa Furtado2020-12-21T12:02:16Zoai:ojs.emnuvens.com.br:article/4021Revistahttp://producaoonline.org.br/rpoPUBhttps://www.producaoonline.org.br/rpo/oai||producaoonline@gmail.com1676-19011676-1901opendoar:2020-12-21T12:02:16Revista Produção Online - Associação Brasileira de Engenharia de Produção (ABEPRO)false
dc.title.none.fl_str_mv Road freight pricing via parametric models
Precificação de fretes rodoviários via modelos paramétricos
title Road freight pricing via parametric models
spellingShingle Road freight pricing via parametric models
Coppe, Luísa Maia
Road transport. Logistics. Pricing. Multiple Linear Regression.
Transporte rodoviário. Logística. Precificação. Regressão Linear Múltipla.
title_short Road freight pricing via parametric models
title_full Road freight pricing via parametric models
title_fullStr Road freight pricing via parametric models
title_full_unstemmed Road freight pricing via parametric models
title_sort Road freight pricing via parametric models
author Coppe, Luísa Maia
author_facet Coppe, Luísa Maia
Diniz, Diego Augusto
Carvalho, Vyctor Henrique de
Pimentel, Lívia Martins da Costa Furtado
author_role author
author2 Diniz, Diego Augusto
Carvalho, Vyctor Henrique de
Pimentel, Lívia Martins da Costa Furtado
author2_role author
author
author
dc.contributor.author.fl_str_mv Coppe, Luísa Maia
Diniz, Diego Augusto
Carvalho, Vyctor Henrique de
Pimentel, Lívia Martins da Costa Furtado
dc.subject.por.fl_str_mv Road transport. Logistics. Pricing. Multiple Linear Regression.
Transporte rodoviário. Logística. Precificação. Regressão Linear Múltipla.
topic Road transport. Logistics. Pricing. Multiple Linear Regression.
Transporte rodoviário. Logística. Precificação. Regressão Linear Múltipla.
description In reference to product cost structure, transportation can represent up to 60% of its total value. In Brazil, road transportation mode is the most used kind, making up to 61% of the freight operated as a whole. However, road transportation pricing is not a trivial process because it involves variables that go beyond the basic costs of the activity. The objective of this work is the development of a freight pricing model with a higher degree of precision and reduced response time, using multiple linear regression techniques. The study is applied to a logistics operation company, which business model is the connection between the carrier and the freight demander. The pricing model developed obtained a coefficient of determination of R ^ 2 = 0.9966. In other words, a highly explanatory model, once it explains 99.66% of the variability of observed freight values. The predictive variables that make up the model are distance, driver cost, type of customer, invoice amount, origin and destination. With the model developed, the variables had their weight statistically calculated, giving automation to the process and making the routine of the company's analysts more agile.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-21
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.producaoonline.org.br/rpo/article/view/4021
10.14488/1676-1901.v20i4.4021
url https://www.producaoonline.org.br/rpo/article/view/4021
identifier_str_mv 10.14488/1676-1901.v20i4.4021
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://www.producaoonline.org.br/rpo/article/view/4021/1981
https://www.producaoonline.org.br/rpo/article/view/4021/1982
dc.rights.driver.fl_str_mv Copyright (c) 2020 Revista Produção Online
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2020 Revista Produção Online
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
video/mp4
dc.publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
dc.source.none.fl_str_mv Revista Produção Online; Vol. 20 No. 4 (2020); 1214-1237
Revista Produção Online; v. 20 n. 4 (2020); 1214-1237
1676-1901
reponame:Revista Produção Online
instname:Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron:ABEPRO
instname_str Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron_str ABEPRO
institution ABEPRO
reponame_str Revista Produção Online
collection Revista Produção Online
repository.name.fl_str_mv Revista Produção Online - Associação Brasileira de Engenharia de Produção (ABEPRO)
repository.mail.fl_str_mv ||producaoonline@gmail.com
_version_ 1761536951645634560