{"id":15356,"date":"2026-01-13T07:38:49","date_gmt":"2026-01-13T07:38:49","guid":{"rendered":"https:\/\/focalx.ai\/nao-categorizado\/a-verdade-surpreendente-sobre-prevencao-de-danos\/"},"modified":"2026-10-06T17:19:04","modified_gmt":"2026-10-06T17:19:04","slug":"logistica-de-veiculos-prevencao-de-danos","status":"publish","type":"post","link":"https:\/\/focalx.ai\/pt-br\/logistica-de-veiculos-acabados\/logistica-de-veiculos-prevencao-de-danos\/","title":{"rendered":"A Verdade Surpreendente Sobre &#8216;Preven\u00e7\u00e3o de Danos&#8217;"},"content":{"rendered":"<p>A preven\u00e7\u00e3o de danos n\u00e3o se trata de encontrar mais defeitos \u2014 trata-se de reduzir danos recorrentes, transformando os resultados da inspe\u00e7\u00e3o em decis\u00f5es de causa raiz e a\u00e7\u00f5es corretivas verificadas. Na log\u00edstica de ve\u00edculos acabados, a maioria das organiza\u00e7\u00f5es j\u00e1 possui alguma forma de inspe\u00e7\u00e3o, captura de fotos ou documenta\u00e7\u00e3o de sinistros; a lacuna \u00e9 que o ciclo operacional muitas vezes para em \u201cdetectado\u201d ou \u201crelatado\u201d. Este artigo explica como a preven\u00e7\u00e3o realmente se parece na pr\u00e1tica, como executar um ciclo de redu\u00e7\u00e3o de repeti\u00e7\u00f5es (detectar \u2192 ponto cr\u00edtico \u2192 a\u00e7\u00e3o \u2192 verificar) e por que um ritmo operacional mensal \u00e9 geralmente onde a preven\u00e7\u00e3o se torna mensur\u00e1vel.  <\/p>\n<h2>Explica\u00e7\u00e3o central: preven\u00e7\u00e3o significa menos recorr\u00eancias, n\u00e3o mais descobertas<\/h2>\n<p>Preven\u00e7\u00e3o \u00e9 um resultado. O resultado \u00e9 que o mesmo padr\u00e3o de dano acontece com menos frequ\u00eancia, na mesma rota, com o mesmo transportador, no mesmo n\u00f3 ou sob as mesmas condi\u00e7\u00f5es de manuseio. Isso requer duas coisas que a detec\u00e7\u00e3o pura n\u00e3o fornece: (1) uma forma de identificar pontos cr\u00edticos e causas prov\u00e1veis com precis\u00e3o suficiente para agir, e (2) governan\u00e7a para garantir que as a\u00e7\u00f5es sejam conclu\u00eddas e ent\u00e3o validadas em fluxos subsequentes.  <\/p>\n<p>Muitas redes definem involuntariamente a \u201cpreven\u00e7\u00e3o\u201d como \u201cestamos detectando mais\u201d porque a detec\u00e7\u00e3o \u00e9 vis\u00edvel: mais fotos, mais exce\u00e7\u00f5es, mais arquivos de sinistros. Mas se a taxa de recorr\u00eancia permanecer inalterada, o processo estar\u00e1 apenas melhorando a documenta\u00e7\u00e3o. A documenta\u00e7\u00e3o \u00e9 necess\u00e1ria para disputas e indeniza\u00e7\u00f5es, mas n\u00e3o altera o comportamento de manuseio por si s\u00f3. A defini\u00e7\u00e3o pr\u00e1tica que usamos \u00e9 simples: a preven\u00e7\u00e3o ocorre quando as ocorr\u00eancias repetidas diminuem ap\u00f3s a\u00e7\u00f5es corretivas direcionadas, mesmo que a sensibilidade da detec\u00e7\u00e3o permane\u00e7a a mesma ou melhore.   <\/p>\n<h2>Detec\u00e7\u00e3o \u2260 preven\u00e7\u00e3o<\/h2>\n<p>Detec\u00e7\u00e3o \u00e9 a capacidade de identificar e documentar uma condi\u00e7\u00e3o\u2014dano, um problema de amarra\u00e7\u00e3o ou uma exce\u00e7\u00e3o de manuseio\u2014em um determinado momento. Uma <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/damage-inspection\/\">inspe\u00e7\u00e3o de danos em ve\u00edculos<\/a> cria evid\u00eancias, registros de data e hora e registros de condi\u00e7\u00e3o. Essa evid\u00eancia \u00e9 valiosa, mas n\u00e3o \u00e9 um controle preventivo a menos que consistentemente desencadeie as pr\u00f3ximas etapas que mudam o que acontece a montante.  <\/p>\n<p>Em termos de FVL, a detec\u00e7\u00e3o se torna preven\u00e7\u00e3o apenas quando est\u00e1 vinculada ao aprendizado em n\u00edvel de rota e fornecedor. Se um terminal, transportador ou p\u00e1tio pode continuar operando com os mesmos m\u00e9todos ap\u00f3s exce\u00e7\u00f5es repetidas, ent\u00e3o a camada de inspe\u00e7\u00e3o est\u00e1 funcionando como uma trilha de auditoria em vez de um mecanismo de controle. A preven\u00e7\u00e3o requer reduzir padr\u00f5es repetidos, como marcas de cinta recorrentes, arranh\u00f5es repetidos no para-choque no mesmo ponto de transfer\u00eancia ou danos recorrentes no espelho em um deck ou rota espec\u00edfica.  <\/p>\n<h2>Como a preven\u00e7\u00e3o se apresenta operacionalmente: redu\u00e7\u00e3o de recorr\u00eancias como KPI<\/h2>\n<p>A preven\u00e7\u00e3o se manifesta como um decl\u00ednio mensur\u00e1vel nos padr\u00f5es de danos recorrentes ap\u00f3s uma interven\u00e7\u00e3o. \u00c9 por isso que a redu\u00e7\u00e3o de repeti\u00e7\u00f5es \u2014 por rota, fornecedor, n\u00f3, plataforma, tipo de ferramenta ou etapa de manuseio \u2014 \u00e9 o KPI pr\u00e1tico. \u00c9 tamb\u00e9m por isso que as equipes que tratam a preven\u00e7\u00e3o como uma m\u00e9trica de desempenho cont\u00ednua tendem a superar as equipes que a tratam como um \u201cprojeto de danos\u201d pontual.  <\/p>\n<p>Para tornar a redu\u00e7\u00e3o de recorr\u00eancias mensur\u00e1vel, as organiza\u00e7\u00f5es precisam de defini\u00e7\u00f5es consistentes para exce\u00e7\u00f5es, categoriza\u00e7\u00e3o consistente de observa\u00e7\u00f5es e uma cad\u00eancia simples para revisar tend\u00eancias. Na pr\u00e1tica, a preven\u00e7\u00e3o \u00e9 mais f\u00e1cil de gerenciar quando \u00e9 governada como outros KPIs operacionais: monitorada, discutida, atribu\u00edda e reverificada. Para um enquadramento mais profundo de KPI, veja nossa vis\u00e3o sobre <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-securement-exceptions-kpi\/\">exce\u00e7\u00f5es de amarra\u00e7\u00e3o como KPI<\/a>.  <\/p>\n<h2>O ciclo: detectar \u2192 ponto cr\u00edtico \u2192 a\u00e7\u00e3o \u2192 verificar<\/h2>\n<p>O ciclo \u00e9 o mecanismo operacional que converte inspe\u00e7\u00f5es em menos incidentes. O prop\u00f3sito do ciclo n\u00e3o \u00e9 criar mais relat\u00f3rios; \u00e9 criar menos recorr\u00eancias tornando a cadeia de causa e efeito vis\u00edvel e aplic\u00e1vel. Este \u00e9 o mesmo princ\u00edpio de ciclo fechado que descrevemos em <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-closed-loop-inspections-value\/\">inspe\u00e7\u00f5es de ciclo fechado<\/a>.  <\/p>\n<ul>\n<li><b>Detectar<\/b>: Capturar condi\u00e7\u00e3o e exce\u00e7\u00f5es de forma consistente nos n\u00f3s corretos (pontos de transfer\u00eancia, carga\/descarga, pr\u00e9-partida, chegada), com estrutura suficiente para analisar padr\u00f5es.<\/li>\n<li><b>Ponto cr\u00edtico<\/b>: Agregar por rota, n\u00f3, fornecedor, posi\u00e7\u00e3o de deck, ferramenta de amarra\u00e7\u00e3o e tipo de dano para isolar onde as recorr\u00eancias se concentram em vez de espalhar a aten\u00e7\u00e3o por eventos isolados.<\/li>\n<li><b>A\u00e7\u00e3o<\/b>: Atribua a\u00e7\u00f5es corretivas que alterem um processo, uma ferramenta, uma etapa de manuseio, um foco de treinamento ou uma decis\u00e3o do fornecedor \u2014 direcionadas ao ponto cr\u00edtico, em vez de mensagens gen\u00e9ricas de \u201ctenha cuidado\u201d.<\/li>\n<li><b>Verificar<\/b>: Reverificar o mesmo ponto cr\u00edtico em ciclos subsequentes para confirmar que a frequ\u00eancia e gravidade de recorr\u00eancias diminuem, e para separar melhoria real de vari\u00e2ncia aleat\u00f3ria.<\/li>\n<\/ul>\n<p>Este ciclo \u00e9 tamb\u00e9m onde muitas redes falham: a\u00e7\u00f5es s\u00e3o propostas, mas n\u00e3o rastreadas at\u00e9 a conclus\u00e3o; ou a conclus\u00e3o \u00e9 reivindicada, mas n\u00e3o verificada atrav\u00e9s do pr\u00f3ximo m\u00eas de fluxo. Quando a verifica\u00e7\u00e3o \u00e9 incorporada, a preven\u00e7\u00e3o se torna vis\u00edvel nos n\u00fameros em vez de em narrativas. <\/p>\n<h2>O que observamos em nossos dados: duas alavancas pr\u00e1ticas de preven\u00e7\u00e3o<\/h2>\n<p>Em nosso trabalho com os stakeholders da log\u00edstica de ve\u00edculos, vemos repetidamente duas alavancas que convertem sinais de inspe\u00e7\u00e3o em menos incidentes e menos disputas. Ambas dependem de ter uma \u201cfonte da verdade\u201d consistente sobre o que aconteceu, onde e sob quais condi\u00e7\u00f5es de manuseio. <\/p>\n<p>Primeiro, a preven\u00e7\u00e3o frequentemente come\u00e7a com a qualidade da amarra\u00e7\u00e3o. Quando amarra\u00e7\u00e3o inadequada \u00e9 detectada e corrigida em opera\u00e7\u00f5es ferrovi\u00e1rias, rodovi\u00e1rias ou Ro-Ro, torna-se poss\u00edvel separar erros isolados de risco sistem\u00e1tico. Isso apoia decis\u00f5es como mudar de fornecedores de alto risco, ou substituir ferramentas e m\u00e9todos de amarra\u00e7\u00e3o de alto risco que repetidamente se correlacionam com incidentes. Com o tempo, o resultado operacional \u00e9 menos incidentes, o que tipicamente se traduz em menos sinistros e menos eventos de atraso vinculados a retrabalho, ciclos de reten\u00e7\u00e3o e inspe\u00e7\u00e3o ou escala\u00e7\u00e3o. \u00c9 por isso que enfatizamos que <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-damage-starts-with-securement\/\">danos come\u00e7am com amarra\u00e7\u00e3o<\/a> em conversas de preven\u00e7\u00e3o a montante.    <\/p>\n<p>Segundo, a preven\u00e7\u00e3o requer mudan\u00e7as estruturais direcionadas quando pontos cr\u00edticos indicam uma \u00e1rea de alto risco. Quando um orquestrador ou OEM pode ver recorr\u00eancias concentradas\u2014por rota, por n\u00f3 ou por etapa de manuseio\u2014eles podem formar um grupo de trabalho focado para modificar as condi\u00e7\u00f5es de processo que criam danos. Em nossa experi\u00eancia, ter um registro compartilhado confi\u00e1vel de exce\u00e7\u00f5es permite que stakeholders comparem desempenho entre fornecedores, identifiquem padr\u00f5es de manuseio inadequado e impulsionem responsabilidade sem depender de escala\u00e7\u00e3o aned\u00f3tica. Isso reduz disputas recorrentes sobre responsabilidade e ajuda a compensa\u00e7\u00e3o a seguir a evid\u00eancia em vez do sinistro mais alto. O modelo de governan\u00e7a depende de <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-one-source-of-truth-many-views\/\">uma fonte de verdade<\/a>, mas com visualiza\u00e7\u00f5es apropriadas por fun\u00e7\u00e3o para OEMs, LSPs, terminais e transportadores.    <\/p>\n<p>Em ambos os casos, o efeito preventivo n\u00e3o vem da inspe\u00e7\u00e3o em si. Vem da camada de decis\u00e3o e a\u00e7\u00e3o que segue a inspe\u00e7\u00e3o\u2014transformando exce\u00e7\u00f5es em escolhas de fornecedores, mudan\u00e7as de ferramentas e controles de processo. Essa transi\u00e7\u00e3o \u00e9 exatamente o que queremos dizer com <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-photo-to-action-workflows\/\">de foto para fluxos de trabalho de a\u00e7\u00e3o<\/a>.  <\/p>\n<h2>Design de a\u00e7\u00e3o: pare o pr\u00f3ximo incidente, n\u00e3o a \u00faltima disputa<\/h2>\n<p>A\u00e7\u00f5es corretivas devem ser projetadas para parar a pr\u00f3xima ocorr\u00eancia sob as mesmas condi\u00e7\u00f5es. Isso significa que as a\u00e7\u00f5es s\u00e3o mais fortes quando s\u00e3o espec\u00edficas para um ponto cr\u00edtico: um m\u00e9todo de amarra\u00e7\u00e3o em um servi\u00e7o ferrovi\u00e1rio espec\u00edfico, um ponto de contato recorrente durante movimenta\u00e7\u00f5es de p\u00e1tio ou uma restri\u00e7\u00e3o de manuseio em uma configura\u00e7\u00e3o espec\u00edfica de deck ou rampa. Quando as equipes agem no ponto onde o dano \u00e9 introduzido, a preven\u00e7\u00e3o acontece mais cedo na cadeia e os resultados s\u00e3o mais f\u00e1ceis de verificar.  <\/p>\n<p>Praticamente, \u00e9 por isso que controles pr\u00e9-partida e corre\u00e7\u00f5es a montante importam. Se uma exce\u00e7\u00e3o \u00e9 identificada enquanto o ve\u00edculo ainda est\u00e1 sob controle operacional da parte respons\u00e1vel, a a\u00e7\u00e3o pode prevenir que um incidente viaje a jusante para um sinistro, um atraso ou uma disputa multipartes. Resumimos essa l\u00f3gica operacional em <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/vehicle-logistics-damage-prevention-2\/\">pare antes da partida<\/a>.  <\/p>\n<h2>Execute mensalmente<\/h2>\n<p>Executar o ciclo mensalmente cria um ritmo operacional que \u00e9 frequente o suficiente para detectar mudan\u00e7as de tend\u00eancia, mas n\u00e3o t\u00e3o frequente que as equipes gastem seu tempo reagindo a ru\u00eddo di\u00e1rio. Uma cad\u00eancia mensal tamb\u00e9m se alinha com ciclos t\u00edpicos de governan\u00e7a log\u00edstica: revis\u00f5es de fornecedores, discuss\u00f5es de desempenho de rotas e relat\u00f3rios de tend\u00eancias de sinistros. <\/p>\n<p><strong>Um ciclo mensal vi\u00e1vel \u00e9 direto:<\/strong><\/p>\n<ul>\n<li>Revisar padr\u00f5es de recorr\u00eancia por rota, n\u00f3, fornecedor e tipo de dano, focando em concentra\u00e7\u00e3o em vez de volume.<\/li>\n<li>Selecionar um pequeno conjunto de pontos cr\u00edticos onde a\u00e7\u00f5es direcionadas s\u00e3o vi\u00e1veis dentro do pr\u00f3ximo ciclo.<\/li>\n<li>Atribuir respons\u00e1veis e prazos para a\u00e7\u00f5es corretivas, incluindo mudan\u00e7as em ferramentas, procedimentos, treinamento ou aloca\u00e7\u00e3o de fornecedores.<\/li>\n<li>Verificar no m\u00eas seguinte checando se a taxa de recorr\u00eancia do mesmo ponto cr\u00edtico diminuiu, n\u00e3o se o volume de relat\u00f3rios mudou.<\/li>\n<\/ul>\n<p>\u00c9 tamb\u00e9m aqui que a preven\u00e7\u00e3o se torna uma m\u00e9trica respons\u00e1vel em vez de uma iniciativa. Se a preven\u00e7\u00e3o \u00e9 rastreada como outros KPIs operacionais, \u00e9 mais f\u00e1cil de alocar recursos e mais dif\u00edcil de ignorar. Nossa perspectiva est\u00e1 capturada em <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/damage-prevention-kpi\/\">preven\u00e7\u00e3o de danos como KPI<\/a>.  <\/p>\n<h2>Contexto de tecnologia e automa\u00e7\u00e3o: como IA apoia a redu\u00e7\u00e3o de recorr\u00eancias<\/h2>\n<p>Inspe\u00e7\u00e3o baseada em IA e tratamento de exce\u00e7\u00f5es apoia a preven\u00e7\u00e3o quando torna o ciclo consistente em escala. Em grandes redes FVL, inspe\u00e7\u00e3o manual e arquivos de fotos n\u00e3o estruturados frequentemente produzem r\u00f3tulos inconsistentes, lacunas na cobertura e comparabilidade limitada entre sites e fornecedores. Vis\u00e3o computacional padroniza como danos e exce\u00e7\u00f5es s\u00e3o identificados e categorizados, o que \u00e9 um pr\u00e9-requisito para an\u00e1lise cred\u00edvel de pontos cr\u00edticos e compara\u00e7\u00e3o justa de fornecedores.  <\/p>\n<p>A automa\u00e7\u00e3o importa mais em tr\u00eas lugares. Primeiro, aumenta a consist\u00eancia de detec\u00e7\u00e3o entre n\u00f3s, permitindo an\u00e1lise de tend\u00eancias que n\u00e3o \u00e9 enviesada por variabilidade de inspetor. Segundo, acelera a mudan\u00e7a de evid\u00eancia para a\u00e7\u00e3o estruturando exce\u00e7\u00f5es para que possam ser atribu\u00eddas, rastreadas e verificadas em vez de enterradas em threads de e-mail e PDFs. Terceiro, apoia a governan\u00e7a mantendo um registro operacional compartilhado do que foi observado, quando e sob quais condi\u00e7\u00f5es\u2014para que discuss\u00f5es preventivas foquem em padr\u00f5es de recorr\u00eancia e a\u00e7\u00f5es corretivas, n\u00e3o em relitigar casos individuais.   <\/p>\n<h2>Conclus\u00e3o<\/h2>\n<p>Preven\u00e7\u00e3o de danos na log\u00edstica de ve\u00edculos acabados n\u00e3o \u00e9 sin\u00f4nimo de intensidade de inspe\u00e7\u00e3o. Preven\u00e7\u00e3o \u00e9 a redu\u00e7\u00e3o mensur\u00e1vel de padr\u00f5es de danos recorrentes alcan\u00e7ada atrav\u00e9s de aprendizado de causa raiz, a\u00e7\u00f5es corretivas e verifica\u00e7\u00e3o. A detec\u00e7\u00e3o permanece essencial, mas s\u00f3 se torna preventiva quando alimenta um ciclo operacional fechado: detectar \u2192 ponto cr\u00edtico \u2192 a\u00e7\u00e3o \u2192 verificar.  <\/p>\n<p>O que vemos na pr\u00e1tica \u00e9 que a preven\u00e7\u00e3o se torna real atrav\u00e9s de duas alavancas: apertar controles de amarra\u00e7\u00e3o e usar uma fonte de verdade compartilhada para impulsionar mudan\u00e7as estruturais direcionadas e responsabilidade de fornecedores. Quando stakeholders executam esse ciclo mensalmente e medem a redu\u00e7\u00e3o de recorr\u00eancias, eles reduzem incidentes, reduzem disputas e estabilizam o desempenho operacional entre rotas e n\u00f3s. <\/p>\n","protected":false},"excerpt":{"rendered":"<p>A preven\u00e7\u00e3o de danos n\u00e3o se trata de encontrar mais defeitos \u2014 trata-se de reduzir danos recorrentes, transformando os resultados [&hellip;]<\/p>\n","protected":false},"author":12,"featured_media":15361,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_titles_title":"%%post_title%%","_seopress_titles_desc":"Preven\u00e7\u00e3o de danos em FVL significa reduzir incidentes recorrentes, n\u00e3o apenas detectar mais, transformando inspe\u00e7\u00f5es em a\u00e7\u00f5es que melhoram o controle.","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"none","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"ambos","_seopress_redirections_param":"","_seopress_redirections_type":301,"_seopress_analysis_target_kw":"","content-type":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[187,195,193],"tags":[],"class_list":["post-15356","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-logistica-de-veiculos-acabados","category-operacoes-de-transporte-rodoviario","category-operacoes-ferroviarias"],"acf":[],"_links":{"self":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15356","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/comments?post=15356"}],"version-history":[{"count":1,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15356\/revisions"}],"predecessor-version":[{"id":15923,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/posts\/15356\/revisions\/15923"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/media\/15361"}],"wp:attachment":[{"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/media?parent=15356"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/categories?post=15356"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/focalx.ai\/pt-br\/wp-json\/wp\/v2\/tags?post=15356"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}