No Estado de São Paulo desastres naturais de baixa e media magnitude acontecem frequentemente no verão em consequência das chuvas. A Coordenadoria Estadual de Proteção e Defesa Civil do Estado de Sao Paulo (CEPDEC-SP) é responsável pelo abastecimento de ajuda humanitária aos 645 municípios. Portanto, estimativas de demanda por suprimentos de socorro são de vital impedância para auxiliar na resposta ágil e eficiente após a ocorrência de sinistros. A previsão de suprimentos de emergência é uma tarefa complexa pela natureza inerente aos desastres; informações limitadas, quantidade excessiva de zeros na variável de resposta e fatores preditores não lineares são os principais desafios no desenvolvimento do modelo de previsão. Nessa perspectiva, os Generalized Linear Models (GLM) foram explorados para a modelagem da previsão da demanda de materiais de socorro. Os preditores do modelo incluem indicadores de vulnerabilidade, aspectos demográficos e anomalias climáticas relacionadas ao fenômeno El Niño. Dada a existência de vulnerabilidades diferenciadas nos municípios, é proposta a estrutura de modelo multinível Generalized Linear Mixed Models (GLMM) que leva em consideração esses agrupamentos hierárquicos evidenciados no conjunto de dados. Assim, o Zero-Inflated Negative Binomial Multilevel (ZINBM) foi selecionado como o modelo final para estimar a demanda de suprimentos de socorro. Ao reduzir a incerteza na demanda, soluções adequadas para o problema de localização de depósitos da CEPDEC-SP podem ser atingidas, com esse propósito foi desenvolvido um modelo de otimização que busca minimizar os custos totais e maximizar o nível de serviço, assim como um Sistema de Apoio á Decisão (SAD) que possibilita à equipe da CEPDEC-SP avaliar diversas alternativas de localização para optar pela solução mais conveniente.

In the State of Sao Paulo, natural disasters of low and medium magnitude often occur in the summer as a result of the rains. The Coordenadoria Estadual de Prote¸cao e Defesa Civil do Estado de Sao Paulo (CEPDEC-SP) is responsible for supplying humanitarian aid to the 645 municipalities. Therefore, estimates of demand for relief supplies are of vital importance to assist in an agile and efficient response after the occurrence of accidents. Forecasting emergency supplies is a complex task due to the inert nature of the disasters; limited information, excessive amount of zeros in the response variable and non-linear predictors are the main challenges in developing the forecasting model. From this perspective, Generalized Linear Models (GLM) were explored to model the forecast of demand for relief materials. The models predictors include vulnerability indicators, demographic aspects and climatic anomalies related to the El Nino phenomenon. Given the existence of differentiated vulnerabilities in the municipalities, the structure of a multilevel model GLMM is proposed, which takes in account these hierarchical groups evidenced in the dataset. Thus, a Zero-Inflated Negative Binomial Multilevel (ZINBM) model was selected as the final model to estimate demand for relief supplies. By reducing demand uncertainty, adequated solutions to the CEPDEC-SP deposit location problem can be achieved, with this purpose an optimization model was developed that aims to minimize the total cost and maximize the level of service, as well as a Support Decision System (SDS) that allows the staff at CEPDEC-SP to evaluate different localization alternatives to choose the most convenient solution.