Custo de lenha na secagem: como 4 anos de dados viraram uma curva por grau de umidade

O problema: o maior custo da secagem é o menos medido

A secagem é o serviço que mais pesa no armazém — e a lenha é o coração do custo dela. Só que esse custo sempre foi tratado no atacado: compra-se lenha o ano inteiro, seca-se de tudo, e no fim a conta existe no total — nunca por saca, por cultura, por ponto de umidade, que é onde a decisão mora.

A consequência é direta e cara: a tabela de cobrança da secagem vira herança, não conta — cobra-se o que sempre se cobrou, por faixa de umidade definida no costume. E aí ninguém sabe responder a pergunta que define a margem do serviço: em qual faixa de umidade a cobrança cobre o custo — e em qual ela está subsidiando o cliente sem ninguém perceber?

Etapa 1 — A regressão nos meus dados: o custo real por cultura

O primeiro movimento foi com o que eu já tinha: o histórico de 4 anos das 4 unidades — consumo de lenha, volumes secados, culturas, períodos. Joguei tudo na IA e pedi o trabalho que, na mão, ninguém faz: a regressão matemática que separa, daquele bolo de dados, o coeficiente real de consumo por cultura.

O resultado transformou o "sei que pesa" em número: o custo de lenha quando o grão é milho e quando é soja — que são bichos diferentes na secagem (o milho chega mais úmido e consome muito mais). O custo médio escondia essa diferença; a regressão separou.

Etapa 2 — Da média por cultura ao custo por grau de umidade

Coeficiente por cultura já muda a gestão — mas a decisão de cobrança precisa de mais fino: o custo por ponto de umidade. Aí entrou a segunda camada: com dados de pesquisa técnica, montamos o modelo físico da secagem — quanta água precisa evaporar por saca em cada umidade de entrada, quanto de energia isso consome no secador, quanto de lenha entrega essa energia, quanto custa essa lenha.

E o passo que dá confiança no resultado: o modelo foi validado duas vezes — contra os coeficientes de estudo técnico publicado e contra os coeficientes reais das minhas unidades, saídos da regressão da etapa 1. Quando a teoria e os seus 4 anos de dados apontam pro mesmo lugar, o número deixa de ser estimativa e vira referência.

O que a curva mostra (e o que ela muda)

O produto final é uma curva simples de ler: umidade de entrada → custo de lenha por saca — pra milho, soja e trigo, cada um contra o seu padrão de umidade. E três leituras dela mudam a gestão:

• O custo por ponto. Cada ponto de umidade a secar tem um custo de lenha conhecido por saca (na minha configuração de referência, na casa de centavos por ponto — o seu número sai dos seus parâmetros: secador, lenha, preço). Ponto a mais deixou de ser "um pouco mais de lenha" e virou valor.
• O degrau do grão muito úmido. Acima de certa umidade no milho, entra a segunda passada — e o custo por ponto sobe. A curva mostra o degrau; a tabela de cobrança precisa reconhecê-lo, ou o grão mais úmido do cliente vira o prejuízo mais organizado do armazém.
• A comparação que define a margem: a curva ao lado da sua tabela de cobrança, faixa por faixa — onde a cobrança cobre com folga, onde empata, onde subsidia. É a resposta, em uma coluna, da pergunta que o costume nunca respondeu.

O método, pra rodar na sua unidade

1. Junte o histórico que você tem: consumo de lenha, volumes, culturas, períodos — do jeito que estiver. Quanto mais anos e mais unidades, melhor a regressão.
2. Peça a regressão por cultura: o coeficiente real de consumo — milho separado de soja.
3. Peça o modelo por umidade, com dados de pesquisa: da água a evaporar ao custo por saca, com os seus parâmetros de secador e lenha.
4. Valide o modelo contra os seus coeficientes — teoria e histórico têm que conversar; onde divergem, tem o que investigar (o secador, a lenha, a medição).
5. Monte a curva e coloque a sua tabela de cobrança do lado. A decisão comercial que sai daí é sua — agora com a margem visível, faixa por faixa. Eu fiz tudo isso trabalhando a planilha direto — o Claude no Excel deixou esse tipo de construção célula a célula muito mais rápida.

Onde o modelo para

Modelo orienta; não decide tabela. A cobrança da secagem é decisão comercial — mercado, concorrência, relacionamento entram nela — e o que a curva faz é garantir que essa decisão seja tomada sabendo o custo, não no escuro. Os parâmetros são seus e mudam (preço da lenha, eficiência do secador): o modelo se atualiza com eles. E medição ruim entra, referência ruim sai — a qualidade do registro de consumo é o alicerce de tudo, como sempre.

Perguntas frequentes

Serve pra secador a gás ou GLP? A mesma lógica, trocando o combustível e o poder calorífico. A estrutura — água a evaporar → energia → combustível → custo por saca — é idêntica.

Preciso de 4 anos de dados pra começar? Não — mais histórico dá regressão mais firme, mas o modelo físico com dados de pesquisa já orienta desde o primeiro dia, e vai sendo validado conforme o seu histórico cresce.

Por que milho e soja têm custos tão diferentes? Umidade de entrada típica e comportamento na secagem: o milho costuma chegar com muito mais água pra tirar — e água evaporada é exatamente o que consome lenha.

Posso usar a sua curva na minha unidade? Como ponto de partida de estudo, sim; como tabela, não — a curva é função dos seus parâmetros (secador, lenha, preço da região). O método deste artigo existe pra gerar a sua.

Isso serve pra secagem na fazenda também? Serve igual — quem seca o próprio grão tem o mesmo custo invisível, e a mesma curva responde se vale secar em casa ou pagar o serviço.

Esse tipo de análise — dos dados brutos à referência de decisão — é o nível que eu ensino na Jornada Safra. Pra rodar no caso concreto da sua unidade, com acompanhamento: mentoria — fala comigo no WhatsApp(https://wa.me/5535998482000).