{"id":12396,"date":"2026-01-13T07:38:49","date_gmt":"2026-01-13T07:38:49","guid":{"rendered":"https:\/\/focalx.ai\/sem-categoria\/a-verdade-surpreendente-sobre-a-prevencao-de-danos\/"},"modified":"2026-03-24T11:01:23","modified_gmt":"2026-03-24T11:01:23","slug":"prevencao-danos-logistica-veiculos","status":"publish","type":"post","link":"https:\/\/focalx.ai\/pt-pt\/logistica-de-veiculos-acabados\/prevencao-danos-logistica-veiculos\/","title":{"rendered":"A verdade surpreendente sobre a \"preven\u00e7\u00e3o de danos"},"content":{"rendered":"<p>A preven\u00e7\u00e3o de danos n\u00e3o consiste em encontrar mais defeitos - consiste em reduzir a repeti\u00e7\u00e3o de danos, transformando os resultados das inspec\u00e7\u00f5es em decis\u00f5es sobre a causa principal e em ac\u00e7\u00f5es corretivas verificadas. Na log\u00edstica de ve\u00edculos acabados, a maioria das organiza\u00e7\u00f5es j\u00e1 tem alguma forma de inspe\u00e7\u00e3o, captura de fotografias ou documenta\u00e7\u00e3o de reclama\u00e7\u00f5es; a diferen\u00e7a \u00e9 que o ciclo operacional p\u00e1ra frequentemente em \"detectado\" ou \"comunicado\". Este artigo explica o que a preven\u00e7\u00e3o realmente parece na pr\u00e1tica, como executar um ciclo de redu\u00e7\u00e3o repetida (detetar \u2192 ponto de acesso \u2192 a\u00e7\u00e3o \u2192 verifica\u00e7\u00e3o) e porque \u00e9 que um ritmo operacional mensal \u00e9 normalmente onde a preven\u00e7\u00e3o se torna mensur\u00e1vel.  <\/p>\n<h2>Explica\u00e7\u00e3o essencial: preven\u00e7\u00e3o significa menos repeti\u00e7\u00f5es, n\u00e3o mais resultados<\/h2>\n<p>A preven\u00e7\u00e3o \u00e9 um resultado. O resultado \u00e9 que o mesmo padr\u00e3o de danos ocorre com menos frequ\u00eancia, na mesma faixa, com o mesmo transportador, no mesmo n\u00f3 ou sob as mesmas condi\u00e7\u00f5es de manuseamento. Para tal, s\u00e3o necess\u00e1rias duas coisas que a mera dete\u00e7\u00e3o n\u00e3o proporciona: (1) uma forma de identificar os pontos cr\u00edticos e as causas prov\u00e1veis com precis\u00e3o suficiente para agir, e (2) uma governa\u00e7\u00e3o que garanta que as ac\u00e7\u00f5es s\u00e3o conclu\u00eddas e validadas nos fluxos subsequentes.  <\/p>\n<p>Muitas redes definem involuntariamente a \"preven\u00e7\u00e3o\" como \"estamos a detetar mais\" porque a dete\u00e7\u00e3o \u00e9 vis\u00edvel: mais fotografias, mais excep\u00e7\u00f5es, mais processos de reclama\u00e7\u00e3o. Mas se a taxa de repeti\u00e7\u00e3o se mantiver inalterada, ent\u00e3o o processo est\u00e1 apenas a melhorar a documenta\u00e7\u00e3o. A documenta\u00e7\u00e3o \u00e9 necess\u00e1ria para os lit\u00edgios e as indemniza\u00e7\u00f5es, mas, por si s\u00f3, n\u00e3o altera o comportamento de tratamento. A defini\u00e7\u00e3o pr\u00e1tica que utilizamos \u00e9 simples: preven\u00e7\u00e3o \u00e9 quando as ocorr\u00eancias repetidas diminuem ap\u00f3s ac\u00e7\u00f5es corretivas espec\u00edficas, mesmo que a sensibilidade da dete\u00e7\u00e3o se mantenha ou melhore.   <\/p>\n<h2>Dete\u00e7\u00e3o \u2260 preven\u00e7\u00e3o<\/h2>\n<p>A dete\u00e7\u00e3o \u00e9 a capacidade de identificar e documentar uma condi\u00e7\u00e3o - danos, um problema de seguran\u00e7a ou uma exce\u00e7\u00e3o de manuseamento - num determinado momento. Uma <a href=\"https:\/\/focalx.ai\/vehicle-inspection\/damage-inspection\/\">inspe\u00e7\u00e3o de danos no ve\u00edculo<\/a> cria provas, registos de data e hora e registos de condi\u00e7\u00f5es. Essas provas s\u00e3o valiosas, mas n\u00e3o constituem um controlo preventivo, a menos que desencadeiem de forma consistente os passos seguintes que alteram o que acontece a montante.  <\/p>\n<p>Em termos de FVL, a dete\u00e7\u00e3o s\u00f3 se torna preven\u00e7\u00e3o quando est\u00e1 ligada \u00e0 aprendizagem ao n\u00edvel da via e do fornecedor. Se um terminal, transportador ou complexo puder continuar a operar com os mesmos m\u00e9todos ap\u00f3s repetidas excep\u00e7\u00f5es, ent\u00e3o o n\u00edvel de inspe\u00e7\u00e3o est\u00e1 a funcionar como uma pista de auditoria e n\u00e3o como um mecanismo de controlo. A preven\u00e7\u00e3o exige a redu\u00e7\u00e3o de padr\u00f5es repetidos, tais como marcas de cintas recorrentes, arranh\u00f5es repetidos nos para-choques na mesma entrega ou danos recorrentes nos espelhos num determinado piso ou rota.  <\/p>\n<h2>Como \u00e9 a preven\u00e7\u00e3o em termos operacionais: redu\u00e7\u00e3o de repeti\u00e7\u00f5es como KPI<\/h2>\n<p>A preven\u00e7\u00e3o assemelha-se a um decl\u00ednio mensur\u00e1vel nos padr\u00f5es de danos repetidos ap\u00f3s uma interven\u00e7\u00e3o. \u00c9 por isso que a redu\u00e7\u00e3o de repeti\u00e7\u00f5es - por pista, fornecedor, n\u00f3, deck, tipo de ferramenta ou etapa de manuseamento - \u00e9 o KPI pr\u00e1tico. \u00c9 tamb\u00e9m por isso que as equipas que tratam a preven\u00e7\u00e3o como uma m\u00e9trica de desempenho cont\u00ednuo tendem a superar as equipas que a tratam como um \"projeto de danos\" pontual.  <\/p>\n<p>Para tornar a redu\u00e7\u00e3o de repeti\u00e7\u00f5es mensur\u00e1vel, as organiza\u00e7\u00f5es precisam de defini\u00e7\u00f5es consistentes para as excep\u00e7\u00f5es, categoriza\u00e7\u00e3o consistente das observa\u00e7\u00f5es e uma cad\u00eancia simples para rever as tend\u00eancias. Na pr\u00e1tica, a preven\u00e7\u00e3o \u00e9 mais f\u00e1cil de gerir quando \u00e9 governada como outros KPIs operacionais: monitorizada, discutida, atribu\u00edda e verificada novamente. Para um enquadramento mais profundo do KPI, v\u00ea a nossa vis\u00e3o sobre <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-securement-exceptions-kpi\/\">as excep\u00e7\u00f5es de seguran\u00e7a como um KPI<\/a>.  <\/p>\n<h2>O ciclo: detetar \u2192 hotspot \u2192 a\u00e7\u00e3o \u2192 verifica\u00e7\u00e3o<\/h2>\n<p>O ciclo \u00e9 o mecanismo operacional que converte as inspec\u00e7\u00f5es em menos incidentes. O objetivo do ciclo n\u00e3o \u00e9 criar mais relat\u00f3rios; \u00e9 criar menos repeti\u00e7\u00f5es, tornando a cadeia de causa e efeito vis\u00edvel e aplic\u00e1vel. Este \u00e9 o mesmo princ\u00edpio de ciclo fechado que descrevemos nas <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-closed-loop-inspections-value\/\">inspec\u00e7\u00f5es de ciclo fechado<\/a>.  <\/p>\n<ul>\n<li><b>Detecta<\/b>: Captura condi\u00e7\u00f5es e excep\u00e7\u00f5es de forma consistente nos n\u00f3s certos (pontos de transfer\u00eancia, carga\/descarga, pr\u00e9-partida, chegada), com estrutura suficiente para analisar padr\u00f5es.<\/li>\n<li><b>Local de destaque<\/b>: Agrega por faixa de rodagem, n\u00f3, fornecedor, posi\u00e7\u00e3o do conv\u00e9s, ferramenta de fixa\u00e7\u00e3o e tipo de dano para isolar onde se concentram as repeti\u00e7\u00f5es, em vez de dispersar a aten\u00e7\u00e3o por eventos isolados.<\/li>\n<li><b>A\u00e7\u00e3o<\/b>: Atribui ac\u00e7\u00f5es corretivas que alteram um processo, uma ferramenta, um passo de manuseamento, um foco de forma\u00e7\u00e3o ou uma decis\u00e3o do fornecedor - direcionadas para o ponto de acesso em vez de mensagens gen\u00e9ricas do tipo \"tem cuidado\".<\/li>\n<li><b>Verifica<\/b>: Verifica novamente o mesmo ponto de acesso em ciclos subsequentes para confirmar que a frequ\u00eancia e a gravidade da repeti\u00e7\u00e3o diminuem e para separar a melhoria real da varia\u00e7\u00e3o aleat\u00f3ria.<\/li>\n<\/ul>\n<p>\u00c9 tamb\u00e9m neste ciclo que muitas redes falham: as ac\u00e7\u00f5es s\u00e3o propostas, mas n\u00e3o s\u00e3o acompanhadas at\u00e9 \u00e0 sua conclus\u00e3o; ou a conclus\u00e3o \u00e9 reivindicada, mas n\u00e3o \u00e9 verificada at\u00e9 ao m\u00eas seguinte do fluxo. Quando a verifica\u00e7\u00e3o \u00e9 incorporada, a preven\u00e7\u00e3o torna-se vis\u00edvel nos n\u00fameros e n\u00e3o nas narrativas. <\/p>\n<h2>O que observ\u00e1mos nos nossos dados: duas alavancas pr\u00e1ticas de preven\u00e7\u00e3o<\/h2>\n<p>Ao longo do nosso trabalho com as partes interessadas na log\u00edstica de ve\u00edculos, vemos repetidamente duas alavancas que convertem os sinais de inspe\u00e7\u00e3o em menos incidentes e menos disputas. Ambas dependem da exist\u00eancia de uma \"fonte de verdade\" consistente sobre o que aconteceu, onde e em que condi\u00e7\u00f5es de manuseamento. <\/p>\n<p>Em primeiro lugar, a preven\u00e7\u00e3o come\u00e7a frequentemente com a qualidade da fixa\u00e7\u00e3o. Quando a fixa\u00e7\u00e3o inadequada \u00e9 detectada e corrigida nas opera\u00e7\u00f5es ferrovi\u00e1rias, de cami\u00e3o ou Ro-Ro, torna-se poss\u00edvel separar os erros isolados do risco sistem\u00e1tico. Isto permite tomar decis\u00f5es como a mudan\u00e7a de fornecedores de alto risco ou a substitui\u00e7\u00e3o de ferramentas e m\u00e9todos de fixa\u00e7\u00e3o de alto risco que se correlacionam repetidamente com incidentes. Ao longo do tempo, o resultado operacional \u00e9 um menor n\u00famero de incidentes, o que normalmente se traduz em menos reclama\u00e7\u00f5es e menos eventos de atraso ligados a ciclos de retrabalho, reten\u00e7\u00e3o e inspe\u00e7\u00e3o ou escalonamento. \u00c9 por isso que salientamos que <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-damage-starts-with-securement\/\">os danos come\u00e7am com a seguran\u00e7a<\/a> nas conversas de preven\u00e7\u00e3o a montante.    <\/p>\n<p>Em segundo lugar, a preven\u00e7\u00e3o requer mudan\u00e7as estruturais direcionadas quando os pontos de acesso indicam uma \u00e1rea de alto risco. Quando um orquestrador ou OEM consegue ver repeti\u00e7\u00f5es concentradas - por pista, por n\u00f3 ou por etapa de manuseamento - pode formar um grupo de trabalho direcionado para modificar as condi\u00e7\u00f5es do processo que criam danos. Na nossa experi\u00eancia, ter um registo partilhado e de confian\u00e7a das excep\u00e7\u00f5es permite que os intervenientes comparem o desempenho dos fornecedores, identifiquem padr\u00f5es de manuseamento incorreto e promovam a responsabiliza\u00e7\u00e3o sem dependerem de uma escalada aned\u00f3tica. Isto reduz as disputas recorrentes sobre a responsabilidade e ajuda a compensa\u00e7\u00e3o a seguir as provas e n\u00e3o a reivindica\u00e7\u00e3o mais ruidosa. 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 vis\u00f5es apropriadas para OEMs, LSPs, terminais e transportadoras.    <\/p>\n<p>Em ambos os casos, o efeito preventivo n\u00e3o prov\u00e9m da inspe\u00e7\u00e3o em si. Vem da camada de decis\u00e3o e a\u00e7\u00e3o que se segue \u00e0 inspe\u00e7\u00e3o - transformando as excep\u00e7\u00f5es em escolhas de fornecedores, altera\u00e7\u00f5es de ferramentas e controlos de processos. Essa transi\u00e7\u00e3o \u00e9 exatamente o que queremos dizer com <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/fvl-photo-to-action-workflows\/\">os fluxos de trabalho da fotografia para a a\u00e7\u00e3o<\/a>.  <\/p>\n<h2>Conce\u00e7\u00e3o da a\u00e7\u00e3o: travar o pr\u00f3ximo incidente, n\u00e3o o \u00faltimo lit\u00edgio<\/h2>\n<p>As ac\u00e7\u00f5es corretivas devem ser concebidas para impedir a ocorr\u00eancia seguinte nas mesmas condi\u00e7\u00f5es. Isto significa que as ac\u00e7\u00f5es s\u00e3o mais eficazes quando s\u00e3o espec\u00edficas de um ponto cr\u00edtico: um m\u00e9todo de fixa\u00e7\u00e3o num determinado servi\u00e7o ferrovi\u00e1rio, um ponto de contacto recorrente durante as desloca\u00e7\u00f5es no estaleiro ou uma restri\u00e7\u00e3o de manuseamento numa configura\u00e7\u00e3o espec\u00edfica de plataforma ou rampa. Quando as equipas actuam no ponto em que os danos s\u00e3o introduzidos, a preven\u00e7\u00e3o ocorre mais cedo na cadeia e os resultados s\u00e3o mais f\u00e1ceis de verificar.  <\/p>\n<p>Na pr\u00e1tica, \u00e9 por esta raz\u00e3o que os controlos antes da partida e as correc\u00e7\u00f5es a montante s\u00e3o importantes. Se uma exce\u00e7\u00e3o for identificada enquanto o ve\u00edculo ainda estiver sob o controlo operacional da parte respons\u00e1vel, a a\u00e7\u00e3o pode evitar que um incidente se transforme a jusante numa reclama\u00e7\u00e3o, num atraso ou num lit\u00edgio entre v\u00e1rias partes. Resumimos essa l\u00f3gica operacional em \" <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/vehicle-logistics-damage-prevention-2\/\">parar antes da partida<\/a>\".  <\/p>\n<h2>Executa-o mensalmente<\/h2>\n<p>Executar o ciclo mensalmente cria um ritmo operacional que \u00e9 suficientemente frequente para detetar altera\u00e7\u00f5es de tend\u00eancias, mas n\u00e3o t\u00e3o frequente que as equipas gastem o seu tempo a reagir ao ru\u00eddo di\u00e1rio. Uma cad\u00eancia mensal tamb\u00e9m se alinha com os ciclos t\u00edpicos de governa\u00e7\u00e3o log\u00edstica: an\u00e1lises de fornecedores, discuss\u00f5es sobre o desempenho da via e relat\u00f3rios de tend\u00eancias de sinistros. <\/p>\n<p><strong>Um ciclo mensal vi\u00e1vel \u00e9 simples:<\/strong><\/p>\n<ul>\n<li>Analisa os padr\u00f5es de repeti\u00e7\u00e3o por faixa, n\u00f3, fornecedor e tipo de dano, concentrando-se na concentra\u00e7\u00e3o e n\u00e3o no volume.<\/li>\n<li>Seleciona um pequeno conjunto de pontos cr\u00edticos em que sejam vi\u00e1veis ac\u00e7\u00f5es espec\u00edficas no pr\u00f3ximo ciclo.<\/li>\n<li>Atribui propriet\u00e1rios e prazos para ac\u00e7\u00f5es corretivas, incluindo altera\u00e7\u00f5es a ferramentas, procedimentos, forma\u00e7\u00e3o ou atribui\u00e7\u00e3o de fornecedores.<\/li>\n<li>Verifica no m\u00eas seguinte se a taxa de repeti\u00e7\u00e3o do mesmo hotspot diminuiu, e n\u00e3o se o volume de relat\u00f3rios se alterou.<\/li>\n<\/ul>\n<p>\u00c9 tamb\u00e9m aqui que a preven\u00e7\u00e3o se torna uma m\u00e9trica respons\u00e1vel e n\u00e3o uma iniciativa. Se a preven\u00e7\u00e3o for monitorizada como outros KPIs operacionais, \u00e9 mais f\u00e1cil obter recursos e mais dif\u00edcil de ignorar. A nossa perspetiva \u00e9 capturada na <a href=\"https:\/\/focalx.ai\/finished-vehicle-logistics\/damage-prevention-kpi\/\">preven\u00e7\u00e3o de danos como um KPI<\/a>.  <\/p>\n<h2>Contexto da tecnologia e da automatiza\u00e7\u00e3o: como a IA apoia a redu\u00e7\u00e3o de repeti\u00e7\u00f5es<\/h2>\n<p>A inspe\u00e7\u00e3o baseada em IA e o tratamento de excep\u00e7\u00f5es apoiam a preven\u00e7\u00e3o quando tornam o ciclo consistente \u00e0 escala. Em grandes redes FVL, a inspe\u00e7\u00e3o manual e os arquivos fotogr\u00e1ficos n\u00e3o estruturados produzem frequentemente etiquetas inconsistentes, lacunas na cobertura e comparabilidade limitada entre locais e fornecedores. A vis\u00e3o por computador padroniza a forma como os danos e as excep\u00e7\u00f5es s\u00e3o identificados e categorizados, o que \u00e9 um pr\u00e9-requisito para uma an\u00e1lise cred\u00edvel dos pontos cr\u00edticos e uma compara\u00e7\u00e3o justa entre fornecedores.  <\/p>\n<p>A automatiza\u00e7\u00e3o \u00e9 mais importante em tr\u00eas pontos. Em primeiro lugar, aumenta a consist\u00eancia da dete\u00e7\u00e3o entre n\u00f3s, permitindo uma an\u00e1lise de tend\u00eancias que n\u00e3o \u00e9 influenciada pela variabilidade dos inspectores. Em segundo lugar, acelera a passagem da prova \u00e0 a\u00e7\u00e3o, estruturando as excep\u00e7\u00f5es de modo a que possam ser atribu\u00eddas, seguidas e verificadas, em vez de ficarem enterradas em mensagens de correio eletr\u00f3nico e PDFs. Em terceiro lugar, apoia a governa\u00e7\u00e3o, mantendo um registo operacional partilhado do que foi observado, quando e em que condi\u00e7\u00f5es - para que as discuss\u00f5es preventivas se concentrem em padr\u00f5es repetidos e ac\u00e7\u00f5es corretivas, e n\u00e3o na reavalia\u00e7\u00e3o de casos individuais.   <\/p>\n<h2>Conclus\u00e3o<\/h2>\n<p>A preven\u00e7\u00e3o de danos na log\u00edstica de ve\u00edculos acabados n\u00e3o \u00e9 sin\u00f3nimo de intensidade de inspe\u00e7\u00e3o. A preven\u00e7\u00e3o \u00e9 a redu\u00e7\u00e3o mensur\u00e1vel de padr\u00f5es de danos repetidos, conseguida atrav\u00e9s da aprendizagem da causa raiz, de ac\u00e7\u00f5es corretivas e da verifica\u00e7\u00e3o. A dete\u00e7\u00e3o continua a ser essencial, mas s\u00f3 se torna preventiva quando alimenta um ciclo operacional fechado: detetar \u2192 ponto cr\u00edtico \u2192 a\u00e7\u00e3o \u2192 verifica\u00e7\u00e3o.  <\/p>\n<p>O que vemos na pr\u00e1tica \u00e9 que a preven\u00e7\u00e3o se torna real atrav\u00e9s de duas alavancas: o refor\u00e7o dos controlos de seguran\u00e7a e a utiliza\u00e7\u00e3o de uma fonte de verdade partilhada para promover mudan\u00e7as estruturais espec\u00edficas e a responsabiliza\u00e7\u00e3o dos fornecedores. Quando as partes interessadas executam esse ciclo mensalmente e medem a redu\u00e7\u00e3o da repeti\u00e7\u00e3o, reduzem os incidentes, reduzem as disputas e estabilizam o desempenho operacional em todas as vias e n\u00f3s. <\/p>\n","protected":false},"excerpt":{"rendered":"<p>A preven\u00e7\u00e3o de danos n\u00e3o consiste em encontrar mais defeitos - consiste em reduzir a repeti\u00e7\u00e3o de danos, transformando os [&hellip;]<\/p>\n","protected":false},"author":12,"featured_media":10252,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"%%post_title%%","_seopress_titles_desc":"A preven\u00e7\u00e3o de danos na FVL significa reduzir a repeti\u00e7\u00e3o de incidentes, e n\u00e3o apenas detetar mais, transformando as inspec\u00e7\u00f5es em ac\u00e7\u00f5es que melhorem o controlo.","_seopress_robots_index":"","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":[140,175,164],"tags":[],"class_list":["post-12396","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-logistica-de-veiculos-acabados","category-operacoes-transporte-veiculos","category-operacoes-ferroviarias"],"acf":[],"_links":{"self":[{"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/posts\/12396","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/users\/12"}],"replies":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/comments?post=12396"}],"version-history":[{"count":0,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/posts\/12396\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/media\/10252"}],"wp:attachment":[{"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/media?parent=12396"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/categories?post=12396"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/focalx.ai\/pt-pt\/wp-json\/wp\/v2\/tags?post=12396"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}