Posts

CENTRAL DE OPERAÇÕES PARA CADEIA DE PRODUTO – UMA APLICAÇÃO DO SUPPLY CHAIN MANAGEMENT

O conceito de Supply Chain Management trouxe uma visão de complexidade e de integração para as cadeias de produto1, que podem ser observadas de maneira completa considerando-se: cadeias de suprimento, plantas de produção e redes de distribuição. As cadeias completas geram maior complexidade no fluxo de informações e trazem a necessidade de melhores modelos de decisão.

Em paralelo, o desenvolvimento atual da tecnologia de informação permite o gerenciamento de todos os agentes da cadeia de produto. Sistemas supervisórios e centrais de monitoramento são utilizados para garantir um fluxo contínuo e confiável de informações da cadeia, além de agilidade na tomada de decisões.

Atualmente, a contínua elevação no nível de complexidade nas cadeias de produto gera incertezas quanto à eficiência das empresas na operação destas cadeias e à melhoria contínua de seus processos. Questiona-se, então, se apenas o uso de sistemas supervisórios e centrais de monitoramento é suficiente para este novo patamar de operação.

HISTÓRICO

Desde a revolução industrial e o advento da produção em série, busca-se sistematizar a descrição dos processos através de fluxogramas, indicadores e outras técnicas, de forma a alcançar os resultados desejados. Esta sistematização foi acompanhada da criação de controles que permitissem a observação dos resultados e, num segundo momento, a detecção de eventos que influenciassem esses resultados. Empresas de diversos setores, tais como químico, siderúrgico, metalúrgico e automotivo, entre outros, utilizaram e desenvolveram técnicas para planejamento e controle de seus processos.

Inicialmente, as salas de controle eram compostas por grandes painéis com instrumentos e lâmpadas para a apresentação das informações, introduzindo o conceito de integração de processos. O controle era dividido entre o monitoramento realizado nas salas e a atuação sobre o processo feita localmente junto aos equipamentos, através de botões e alavancas operados manualmente.

Acompanhando o desenvolvimento da tecnologia, os equipamentos foram se modernizando e as salas de controle, também. A supervisão dos processos deixou de ser realizada via painel e atuadores manuais. Os computadores incorporaram estas funções, dispondo os dados NUMA interface gráfica mais organizada, permitindo o monitoramento e comando remoto do processo, além de possibilitar o armazenamento e a análise dos dados adquiridos. Em meados dos anos 1980, com o crescimento da indústria, surgiram no mercado os primeiros sistemas SCADA (Supervisory Control and Data Acquisition) para controle de processos de produção.

2012_03_imagem_01

Figura 1 – Funcionamento do sistema SCADA

 

À medida que a complexidade dos processos cresce, aumenta conjuntamente a quantidade de sensores, atuadores, dispositivos de comando, dispositivos de monitoramento e, consequentemente, a quantidade de parâmetros e eventos que o operador precisa interpretar. Neste momento, são introduzidos programas para apoio à decisão, que passam a ser integrados aos SCADA convencionais. Como resultado, eleva-se o grau de automação dos processos de produção na indústria.

Ocorre, na mesma época, o desenvolvimento das centrais de monitoramento, que incorporam os conceitos de SCADA dos sistemas de produção e os aplicam sobre sistemas logísticos. As centrais de monitoramento controlam os veículos, coordenando as atividades de suprimento e distribuição de materiais. Uma aplicação direta são os sistemas TMS (Transportation Management System). Trata-se de um conjunto de softwares que auxilia na execução das atividades relativas à programação de carga, emissão de documentos, rastreabilidade da frota e de produtos, auditoria de fretes, planejamento de rotas, monitoramento de custos e nível de serviço (Marques, Vitor).

2012_03_imagem_02

Figura 2 – Funcionamento do sistema TMS

 

Desta maneira, no final dos anos 90, existiam sistemas que obtinham bons resultados no controle de processos de produção e processos logísticos. No entanto, estes sistemas operavam de maneira autônoma e geravam informações gerenciais que eram analisadas nos níveis tático e estratégico para a tomada de decisão. Buscou-se, então, a integração desses processos através de centrais de operação.

2012_03_imagem_03

Figura 3 – Evolução do controle de processos através de Centrais

 

CENTRAL DE OPERAÇÃO PARA CADEIA DE PRODUTO (COP)

Conceito. Com a possibilidade de controlar todas as etapas que compõem a cadeia de produto, e apropriando-se do conceito de Supply Chain Management (SCM), naturalmente surgiram sistemas que buscavam a integração completa da cadeia de produto. Por outro lado, os cenários de operação cada vez mais complexos, com mais agentes inseridos nos elos da cadeia, trouxeram a justificativa adequada para viabilizar a criação de centrais de operação, sempre visando alcançar melhor performance com custos decrescentes.

O Supply Chain Management abrange todas as atividades relacionadas com o fluxo e com a transformação de mercadorias desde o estágio da matéria-prima (extração) até o usuário final, bem como os respectivos fluxos de informação. Materiais e informações fluem tanto para baixo quanto para cima na cadeia de produto (Ballou, Ronald, 2004).

Nesse sentido, pode-se definir central de operação para a cadeia de produto (COP) como um sistema que se apropria de informações do processo de produção e do processo logístico e que combina parâmetros e eventos que direcionam as decisões para o ótimo global da cadeia, independentemente dos ótimos locais. A central de operação para a cadeia possui características claras que a distinguem, tais como:

  • Atua em três níveis: operacional, tático e estratégico;
  • Controla os processos de produção e de logística da cadeia de produto;
  • Estabelece um modelo de decisão onde os elos da cadeia de produto estão integrados.

2012_03_imagem_04

Figura 4 – Funcionamento da Central de Operação para Cadeia de Produto (COP)

 

Ao controlar processos integrados, espera-se que a gestão seja realizada através de um ciclo de planejamento, execução e controle (PDCA). Este ciclo irá alimentar soluções que serão aplicadas aos diferentes elos da cadeia nos níveis operacional, tático e estratégico. As decisões operacionais estarão voltadas para correções de eventos que afetam o planejamento de curto prazo da cadeia, em um ou mais processos. No nível tático, espera-se a atuação sobre eventos repetitivos com causas estruturais no processo, o que levará a soluções de médio prazo envolvendo a performance dos elos da cadeia, atendimento de demanda e investimentos. Para atuar no nível estratégico, os gestores estarão avaliando a própria composição da cadeia de produto, através da inclusão e substituição de processos completos de produção ou logísticos.

A COP deve utilizar sistemas de apoio à decisão que proponham alternativas para a otimização do resultado global da cadeia, considerando a integração dos vários processos de produção e logísticos. Este modelo de decisão deve permitir cálculos agregados de custo e de prazo de entrega, além da expectativa da qualidade final do produto. Cenários gerados deverão ser analisados por um grupo de operação capaz de avaliar a criticidade de eventos e impactos sobre toda a cadeia.

Implementação. A implementação de COPs exige das empresas um elevado grau de planejamento e controle dos processos em sua cadeia de produto. Esta é uma condição inicial para se buscar a integração através de uma COP. Satisfeita esta condição, existem três fatores críticos na implementação:

  • Arquitetura de informações e tecnologia;
  • Seleção e qualificação das pessoas para operação;
  • Estrutura organizacional.

2012_03_imagem_05

Figura 5 – Fatores críticos para a implementação da COP

 

O planejamento da arquitetura das informações será realizado a partir da estrutura da própria cadeia de produto. Definidos os processos que compõem a cadeia e suas relações, é necessário determinar quais serão os parâmetros e eventos a serem utilizados na COP, sendo “parâmetros” aqueles valores necessários para os cálculos de resultados e cenários, e “eventos” aquelas ocorrências que geram impacto sobre toda a cadeia. Uma metodologia para definição destas informações está baseada em matrizes que avaliam gravidade, tendência e grau de tolerância.

A arquitetura de informações está sujeita, ainda, a desafios tecnológicos: a integração de sistemas que não possuem padrões comuns de dados e a qualidade dos dados extraídos. A integração dos sistemas é abordada através de soluções de interface com padrões de comunicação adequados para o envio de dados aos sistemas de gestão da informação na COP. No caso da qualidade da informação, há dois pontos principais: a apropriação de valores distintos para o mesmo parâmetro em diferentes sistemas e a transparência dos critérios para geração de valores e eventos. A solução destes pontos passa pelo próprio desenho da matriz de informação, ou seja, na seleção dos dados e fontes a serem utilizados na COP.

A seleção e o treinamento de pessoas que irão operar a COP devem ter como critérios: o conhecimento técnico da cadeia de produto, o conhecimento em gestão de processos (planejamento, execução e controle), e a habilidade em trabalhar em grupo. A qualificação deve ser no sentido de formar uma equipe que possa gerir a cadeia completa, conhecendo os processos integrados, em lugar de tentar somar o conhecimento de especialistas em cada um dos processos. Esta qualificação pode ser alavancada com a participação na equipe de futuros operadores no planejamento da arquitetura de informações.

A estrutura organizacional na COP deve ter como característica o uso de grupos horizontais para permitir a agilidade na comunicação e o compartilhamento de decisões e responsabilidades. Dentro da estrutura, devem estar previstos os seguintes grupos:

  • Operação, que irá lidar com os parâmetros e eventos monitorados e será responsável pelas ações corretivas nos processos. Este grupo possui interface direta com os gestores dos processos que compõem a cadeia do produto;
  • Planejamento operacional, que irá interpretar performance, qualidade e o atendimento à demanda por meio de dados gerenciais, de forma a realizar ações estruturais sobre a cadeia. Este grupo possui interface com áreas como compras, vendas, marketing e finanças, através de processos estruturados de S&OP (Sales and Operations Planning), além da própria operação. É importante ressaltar que, na composição deste grupo, devem estar previstas as pessoas que irão atualizar a estrutura da COP, em função de melhorias nos processos que compõem a cadeia de produto;
  • Planejamento estratégico, que irá buscar alternativas entre os componentes da cadeia de produto para o atendimento da estratégia da empresa. A interface deste grupo é clara com os níveis de decisão da alta gerência.
  • Para que a implementação da COP seja facilitada, deve ser prevista uma etapa de educação das pessoas para mudança, que não deverá ser subestimada. A integração dos diversos processos da cadeia influenciará na criação de um novo traço na cultura da empresa. O desenvolvimento desta nova cultura deve ser iniciado antes da implementação e sua consolidação irá ocorrer durante o processo de estabilização da operação da COP.

2012_03_imagem_06

Figura 6 – Estrutura organizacional da COP

 

Benefícios. Com o conceito de controle integrado da cadeia de produto, a COP traz benefícios para os diversos agentes da cadeia. Com ações imediatas sobre eventos ocorridos durante o monitoramento dos processos é possível visualizar ganhos em nível de serviço e produtividade no curto prazo. Sob esta ótica, é possível também mitigar ou até evitar acidentes com o monitoramento on time.

Através da COP se tem uma maior visibilidade de toda a operação, o que permite, por meio de análises mais amplas, a identificação de gargalos e problemas processuais. Com os planejamentos tático e estratégico, essas análises tornam-se insumos para uma revisão de processos e atividades que traz melhorias significativas para a operação. Com essa identificação de possíveis pontos de melhorias com a atuação sobre processos ao invés de eventos, é possível minimizar tempos operacionais e, consequentemente, reduzir custos para a empresa.

2012_03_imagem_07

Figura 7 – Benefícios proporcionados pela COP

 

CONCLUSÃO

A complexidade das operações e a aplicação dos conceitos de SCM tornaram o modelo de Central de Operações para Cadeia de Produto (COP) bastante atrativo; porém, a dificuldade de implementação dessas centrais acaba gerando soluções parciais, com resultados também parciais. A decisão mais adequada para a construção deste modelo na empresa é a de realizar uma implementação em etapas, buscando o uso de sistemas SCADA e centrais de monitoramento como uma preparação para a integração gradativa dos processos na COP. A maturidade deste modelo passa pelo desenvolvimento de pessoas e de tecnologia dentro das empresas, tornando-se efetivamente um processo de mudança cultural.

 

REFERÊNCIAS BIBLIOGRÁFICAS

BALLOU, RONALD H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial. 5ª ed. Porto Alegre: Bookman, p. 28, 2004.

FLEURY, AFONSO C.C.; FLEURY, MARIA TEREZA LEME. Estratégias competitivas e competências essenciais: perspectivas para a internacionalização da indústria no Brasil. Gestão & Produção, v.10, nº 2, pp. 129-144, Ago. 2003.

GOHN, MAURÍCIO. SCADA-Sistema supervisório. A importância da Tecnologia da Informação na Logística Integrada. Universidade Estácio de Sá, Setembro 2006.

JÚNIOR, ARMANDO N.C.M.; DE MOURA, DANIELLE COSTA; RODRIGUEZ, CARLOS TABOADA. Estrutura Organizacional e Controle das Operações Logísticas. Universidade Federal de Santa Catarina. 1998

MARQUES, VITOR .Utilizando o TMS (Transportation Management System) para uma gestão eficaz de transportes. COPPEAD/Centro de Estudos em Logística, Abril 2002.

ZAMPRONHA, ROGÉRIO. A evolução dos sistemas supervisórios. Disponível em: http://www.softbrasil.com.br/site/novidade/artigos/117/, acesso em março 2011.

Autores: Marcus Vinicius Esperian D’Elia e Paula Evaristo Arantes

GARGALOS LOGÍSTICOS NA DISTRIBUIÇÃO DE COMBUSTÍVEIS BRASILEIRA

Os resultados que serão apresentados neste artigo são fruto de um extenso estudo realizado pelo Centro de Estudos em Logística – CEL/Coppead, em parceria com o IBP (Instituto Brasileiro do Petróleo), através da sua Comissão de Logística.

Com o objetivo de contribuir para o aumento do conhecimento sobre o setor de petróleo e gás no País, o estudo buscou mapear os gargalos existentes na infraestrutura de logística de combustíveis.

O trabalho foi estruturado em quatro etapas: 1) Mapeamento do perfil das operações atuais; 2) Diagnóstico dos gargalos, envolvendo dutos, ferrovias, rodovias e portos; 3) Quantificação dos custos das ineficiências e dos investimentos necessários; 4) Plano de Ação.

O escopo envolveu todos os componentes logísticos (transporte, armazenagem e estoque) dos fluxos de distribuição de gasolina, álcool e diesel, a partir das refinarias e usinas. Mais de 30 entidades e empresas foram consultadas, entre solicitações de dados e entrevistas, conforme Figura 1.

2006_05_imagem 01

Representatividade do escopo e o impacto da logística na comercialização de combustíveis

O escopo estudado é de grande representatividade no mercado de combustíveis brasileiro, bem como os custos logísticos associados (Figura 2):

 2006_05_imagem 02
Fonte: Distribuidoras
Figura 2

Para um melhor entendimento do sistema de distribuição de combustíveis, a Figura 3 ilustra os três principais fluxos e as suas características. Os fluxos primários de diesel e gasolina são basicamente realizados por dutos e cabotagem. A importação destes combustíveis foi considerada também como fluxo primário. Já o álcool sai das usinas/centros coletores para as bases primárias e secundárias por ferrovias e rodovias. As transferências ocorrem no intuito de aproximar os estoques dos mercados consumidores, sendo seus principais modais o ferroviário e o rodoviário, que normalmente percorrem grandes distâncias. E as entregas são 100% rodoviárias e quase sempre de curta distância, saindo tanto das bases primárias quanto das secundárias.

 2006_05_imagem 03
Figura 3: Os três tipos de fluxos existentes na distribuição de combustíveis

A partir do mapeamento do sistema de infraestrutura logística da cadeia de combustíveis (Figura 4), percebe-se que boa parte das bases de distribuição (primárias e secundárias) está fundamentada na utilização de ferrovias e dutos, modais mais adequados para transferências de grandes volumes. Fica clara também a falta destes modais no Centro-Oeste e Norte do País para a realização de transferências entre bases ou entre refinarias-bases.

 2006_05_imagem 04
Fontes: ANP, Transpetro e Ferrovias
Figura 4: Mapa da infraestrutura de distribuição de combustíveis (ex-estradas).

Neste contexto, é de se esperar que deficiências na infraestrutura de transportes gerem grandes impactos na logística dos combustíveis e, conseqüentemente, nos preços dos mesmos. É importante atentar que não existe nenhum outro produto capaz de afetar tanto a inflação quanto os combustíveis, pois estão presentes nos custos de transportes de todas as mercadorias movimentadas, além dos transportes público e privado.

Um exemplo prático pode ilustrar claramente esse fato (Figura 5). Um dos fluxos mais prováveis para o diesel chegar à cidade de Barretos é através da refinaria de Paulínia e da base secundária de São José do Rio Preto. Na figura, estão explicados os modais para cada trecho. Normalmente, a transferência de Paulínia para São José do Rio Preto pode ser realizada por ferrovia, o que geraria no final um frete equivalente a 2,8% do preço-bomba de diesel em Barretos. No entanto, se o trecho tiver que ser feito por rodovia, apesar da distância ser menor, o custo de frete total passa a ser 5,4% do preço-bomba de diesel.

Esta situação mostra como um potencial gargalo na ferrovia, por exemplo, pode incrementar o preço final do produto, aumento que será repassado ao consumidor ou absorvido por algum membro da cadeia (distribuidor ou revendedor). É claro que, se a alternativa rodoviária for usada de forma emergencial e esporádica, o custo adicional poderá ser absorvido; mas, à medida que o modal menos eficiente for utilizado sistematicamente, o cliente certamente será afetado.

 2006_05_imagem 05
Figura 5: Impacto dos modais utilizados no preço bomba dos combustíveis


As frentes escolhidas para o estudo detalhado

Dentre as diversas questões possíveis de serem abordadas com maiores detalhes nas fases 2 e 3 (diagnóstico dos gargalos, quantificação dos seus custos e dos investimentos necessários para reduzi-los ou eliminá-los), a Comissão de Logística do IBP selecionou os temas ilustrados na Figura 6, por serem considerados os mais críticos.

 2006_05_imagem 06
Figura 6: Frentes escolhidas para o detalhamento dos gargalos logísticos existentes

Este artigo apresentará os resultados encontrados para a Frente 1, por tratar de problemas que afetam de forma mais abrangente a distribuição de combustíveis no País.

Utilização das ferrovias na distribuição de combustíveis

As ferrovias possuem grande participação nos fluxos de transferência entre as bases (61% do volume transferido), o que é extremamente favorável à eficiência do sistema, dado que toda a lógica da transferência está baseada em movimentar os produtos em médias e grandes distâncias para um ponto mais próximo da demanda na forma mais consolidada possível. As características da ferrovia atendem a essas necessidades e não por acaso a Figura 4 mostra que boa parte das bases acompanha os traçados das ferrovias existentes.

Seguindo este raciocínio, as análises de utilização de modais buscaram sempre avaliar se o Modelo Conceitual da Matriz de Transportes de Transferências ilustrado na Figura 7 estava acontecendo na distribuição de combustíveis e, se não, o porquê desse desvio. Esta matriz mostra os modais mais adequados em termos de eficiência, em função do volume e distância da rota.

Sendo assim, a partir de dados das distribuidoras e das ferrovias, as rotas de transferência foram mapeadas em função dos seus volumes, distâncias e modais. Este trabalho gerou um gráfico semelhante ao da Figura 7, que apontou um resultado importante: rotas rodoviárias no quadrante considerado de alto volume e alta distância.

 2006_05_imagem 07
Figura 7: O Modelo Conceitual da Matriz de Transportes de Transferências

A identificação dessas rotas mostrou um fato mais revelador ainda: parte dessas rotas rodoviárias de alto volume e alta distância eram também rotas ferroviárias, indicando a existência de um gargalo ferroviário. Um resumo dessas análises está na Figura 8.

 2006_05_imagem 08
Figura 8: Identificação de gargalos ferroviários através da matriz de modais utilizados nas transferências

Questões de Infraestrutura:

  • Falta de vagão-tanque
    • Falta de tração
    • Capacidade da Linha
    • Manutenção
    • Velocidade
    • Horários limitados de tráfego
    • Freqüência

Questões Comerciais:

  • Prioridade para outros produtos / safras
    • Negociação entre ferrovias
Na quantificação destes gargalos, a conclusão foi a de que os custos adicionais do atendimento insuficiente são de R$ 50 milhões/ano, advindos principalmente das diferenças entre as tarifas rodoviárias e ferroviárias. Foi possível verificar também o quanto estes custos oneram a cadeia de suprimento: um impacto médio equivalente a 6% das margens dos revendedores e a 20% das margens das distribuidoras.

Além desses impactos, foram quantificados junto às ferrovias os investimentos necessários para eliminar os gargalos logísticos. Eles totalizaram R$ 700 milhões, sendo 14% em vagões-tanque e o restante em recuperação de linhas e locomotivas.

Confrontando estes valores com os custos adicionais de R$ 50 milhões, pode-se imaginar que estes investimentos não se viabilizam. No entanto, deve-se levar em consideração que os benefícios em recuperação de linhas e locomotivas também serão aproveitados pelos demais usuários da ferrovia, devendo então ser “rateados” pelas demais cargas. Como os combustíveis representam em média 15% dos volumes das ferrovias, eles deveriam corresponder a R$ 90 milhões dos investimentos em infraestrutura “compartilhada”, além de viabilizar 100% dos vagões-tanque necessários. A Figura 9 resume estes investimentos.

 2006_05_imagem 09
Figura 9: Investimentos necessários na ferrovia para eliminar gargalos na logística de combustíveis.

Utilização das rodovias na distribuição de combustíveis

Conforme já dito, o modal rodoviário está presente na distribuição de combustíveis em 31% das transferências e em 100% da entrega. Também já foi explicado que parte desta participação nas transferências acontece por gargalos ferroviários que, se não forem resolvidos, resultarão em um acréscimo de três mil veículos por ano nas estradas.

Já para as entregas, o modal rodoviário de fato é o mais adequado, devido às suas características de volume pulverizado, curtas distâncias e grande concentração urbana. Tanto que, de acordo com dados das distribuidoras, 84% das entregas acontecem num raio de até 200 km das bases.

No entanto, foram encontrados fluxos de entrega de 500 km ou mais que, apesar de corresponderem a somente 4% do volume total de entrega, representam 20% dos custos. Estas entregas de longas distâncias acontecem principalmente por falta de infraestrutura logística para transferências não-rodoviárias (ferrovias, dutos ou hidrovias) até as bases secundárias. A Figura 10 mostra estas entregas a partir de suas bases e também um mapa com as ferrovias planejadas. É bastante razoável se imaginar que parte dessas entregas seriam eliminadas com a entrada em operação dessas ferrovias, pois elas poderiam viabilizar novos fluxos de transferências para bases mais próximas das demandas.

 2006_05_imagem 10
Figura 10: Rotas de Entregas de Longa Distância e a comparação com as ferrovias planejadas

Outra questão crítica em se tratando do modal rodoviário são as condições das estradas brasileiras: segundo dados da CNT, 75% delas se encontram em más condições. Considerando o fato de que, quanto mais longa a rota, mais o transporte está sujeito a estas condições, foi investigado o estado das estradas nas longas rotas rodoviárias da logística de combustíveis: as transferências rodoviárias em trechos ferroviários e as entregas de longa distância. Das 21 rotas estudadas, somente duas estavam avaliadas como boas ou ótimas no ranking de estradas da CNT e todas as demais eram deficientes ou ruins. A Figura 11 ilustra a identificação dessas estradas para alguns exemplos de rotas importantes para os combustíveis.

 2006_05_imagem 11
Figura 11: Estradas utilizadas em longos trechos da logística de distribuição de combustíveis

As más condições das estradas tanto afetam os custos variáveis do transporte como podem causar acidentes e gerar imprevisibilidades na cadeia de suprimentos. Em termos de custos de transporte, os gastos extras com lubrificantes, pneus, combustível e manutenção em geral podem elevar o frete total em até 5%. Considerando os custos rodoviários de transferências e entregas de combustíveis em rotas com mais de 200 km, a “conta frete” rodoviária poderia crescer em mais R$ 30 milhões por ano.

Utilização de dutos na distribuição de combustíveis

Para avaliar a infraestrutura brasileira de dutos de derivados de combustíveis, foi feita uma comparação com diversos países através da densidade dutoviária, que divide a quilometragem de dutos pela área total de cada país. Dessa forma, pôde-se analisar a “cobertura” da malha dutoviária (Figura 12).

Por este ponto de vista, o Brasil possui uma densidade dutoviária muito baixa, ou seja, existem poucos quilômetros de dutos comparados a uma extensão territorial tão grande (24 vezes menor que a densidade dos Estados Unidos). Por outro lado, sabe-se que são necessários grandes volumes para viabilizar novos dutos, pois estes requerem altíssimos investimentos e são de utilização restrita.

Ao se comparar a malha dutoviária de um país contra o seu volume consumido de derivados de petróleo, fica possível avaliar se a malha de dutos é condizente com a “escala” de consumo. Dessa forma, o Brasil se encontra em uma posição intermediária, em um grupo de países que possuem de 50 a 90 metros de duto para cada mil m³ consumidos.

 

 2006_05_imagem 12
Figura 12: Comparação da infraestrutura dutoviária do Brasil com a de diversos países

Sendo assim, a pergunta sobre dutos de derivados no País que este estudo tentou responder foi: o consumo de derivados gera escala suficiente para justificar a construção de novos dutos?

Para buscar esta resposta, foram realizadas análises de viabilidade de novos dutos em rotas de transferências de altos volumes, considerando-se um horizonte de 15 anos e uma taxa de oportunidade de 15% ao ano. As tarifas foram estimadas a partir da curva atual de frete dutoviário e sensibilizadas para os cenários otimista, realista e pessimista, bem como os custos de construção (US$ 25) e as taxas de crescimento de volume. Das rotas estudadas, nenhum novo duto se viabilizou (Figura 13).

 2006_05_imagem 13
Figura 13: Rotas avaliadas para a viabilização de novos dutos

A começar por essas análises, foi feita uma Generalização da Análise de Viabilidade de Dutos. A partir de medidas de comprimentos de dutos que variaram entre 50 e 1.400 km, foi gerada uma “região” de viabilidade financeira, apontando volumes mínimos necessários para atingir uma TIR (taxa interna de retorno) de 15% em 15 anos. O que se pôde concluir é que nenhuma rota atual de transferência não-dutoviária se encontra na região de viabilidade de um novo duto.

 2006_05_imagem 14
Figura 14: Generalização da Análise de Viabilidade de Dutos

Conclusões

A primeira certeza apontada por este estudo é de que os gargalos existentes afetam de forma significativa a logística dos combustíveis gasolina, álcool e diesel, onerando os elos da cadeia de suprimento e afetando os preços para o consumidor final. Sendo os preços dos combustíveis grandes impulsionadores da inflação brasileira, qualquer custo adicional na distribuição dos mesmos deve ter atenção especial.

Os principais gargalos de infraestrutura identificados no sistema atual foram a falta de capacidade das ferrovias em atender à demanda e as péssimas condições das rodovias. A não-concretização de novos traçados ferroviários e extensões de linha já planejadas também geram ineficiências no transporte.

Existe uma série de ações conjuntas ou individuais que as ferrovias e as distribuidoras de combustíveis podem realizar em termos de investimentos. Entretanto, grande parte dos investimentos necessários nas ferrovias e rodovias não será justificada somente pelos volumes de combustíveis, mas sim por cargas mais representativas como minério e as do agronegócio. É importante, portanto, que diversos setores da economia se mobilizem para que os investimentos ocorram.

O Instituto Brasileiro do Petróleo pretende utilizar este estudo para promover seminários e trabalhar em conjunto com outras associações que priorizem determinados investimentos, como a ANUT (Associação Nacional dos Usuários de Transporte de Carga) e a ANTF (Associação Nacional dos Transportadores Ferroviários) – ver Figura 15. A identificação e a quantificação dos problemas existentes são iniciativas poderosas, ajudando a priorizar as ações e fornecendo argumentos em negociações e em debates.

 2006_05_imagem 15
Figura 15: Exemplos de Setores / Associações que podem defender em conjunto determinados investimentos ferroviários

Adicionalmente a estes resultados, a construção de novos dutos não se apresentou financeiramente viável, tanto devido à escala do sistema atual quanto pelo alto custo de capital no Brasil. No entanto, investimentos em dutos podem ser vistos como impulsionadores do crescimento da economia, podendo fazer parte do planejamento político do desenvolvimento de determinadas regiões.


Bibliografia

CEL/Coppead & IBP: Planejamento Integrado do Sistema Logístico de Distribuição de Combustíveis, 2005, disponível para aquisição no site: www.ibp.org.br

AVALIAÇÃO DO POTENCIAL DE VENDAS DE POSTOS DE GASOLINA URBANOS ATRAVÉS DO USO DE REGRESSÃO MÚLTIPLA NÃO-LINEAR

This paper describes a model developed to support investment decisions in a service station network. The model determines the sales potential of service stations in major cities of Brazil like Rio de Janeiro, São Paulo and Recife. It uses explanatory variables like traffic density, number of competitors, average number of pumps per competitor and speed on passing roads. Non linear regression analysis were used to develop the model, with some results here presented.

1. INTRODUÇÃO

Este artigo apresenta um modelo para a avaliação do potencial de vendas em postos de combustíveis urbanos, com vistas à decisão de abertura de uma nova unidade, ao monitoramento do volume de vendas de uma unidade já existente ou à análise de sensibilidade dos fatores que mais influenciam o potencial de vendas num posto. O modelo desenvolvido é uma regressão não-linear múltipla levando em conta variáveis tais como o volume de tráfego, a área da instalação, e o nível de competição nas proximidades do posto.

Para as empresas distribuidoras de combustível que operam no Brasil, a rede de postos de combustível constitui o coração de seu negócio e sua maior fonte de receita. Por outro lado, um posto de combustível é um investimento de centenas de milhares de dólares, englobando não apenas a sua instalação, mas também sua continuidade de operação. Desta forma, o estudo se justifica porque a partir da determinação do potencial de vendas inerente ao local é possível estimar o Retorno Sobre o Investimento (ROI) para uma determinada configuração de funcionamento e grau de concorrência do mercado, de maneira a se avaliar a viabilidade do futuro posto.

Também é possível, para um dado posto existente, confrontar seu potencial de vendas com sua performance atual, utilizando o modelo como instrumento gerencial para controle, melhoria e treinamento de seus operadores. De qualquer forma, a complexidade inerente às decisões de abertura de postos de combustível é um campo fértil para a aplicação de diversas técnicas de modelagem no desenvolvimento de sistemas de apoio à decisão. Além de breve revisão da literatura, nas próximas seções detalharemos as variáveis consideradas, as análises desenvolvidas e os resultados obtidos.

2. REVISÃO DA LITERATURA

São poucos os estudos desta natureza disponíveis na literatura. O trabalho de DIXON (1995) desenvolvido na África do Sul é o que mais se aproxima da linha desenvolvida neste artigo. Seu estudo baseou-se numa amostra de vários postos urbanos localizados na Cidade do Cabo, Durban e Gauteng, sendo o objetivo principal determinar seu potencial de vendas.

Foram inicialmente testadas 100 variáveis explicativas, dentre elas o número de bicos, sinais de trânsito, volume de tráfego, acesso, área e aparência das instalações. Após alguns testes DIXON (1995) chegou a um modelo não-linear composto por 30 variáveis explicativas. O poder de explicação deste modelo pode ser considerado bom, sendo o R2 Ajustado de 80%, 72% e 71% para Durban, Cidade do Cabo e Gauteng respectivamente. O autor evidencia ainda que o uso de termos quadráticos no modelo melhora substancialmente seu poder de explicação. Finalmente, FERNANDES et al. (1997) desenvolveram um modelo para previsão de vendas de combustíveis em postos situados ao longo de rodovias. A fórmula adotada para explicar as vendas agregadas de combustíveis (potencial de mercado) de uma determinada área foi a seguinte:

1998_09_imagem 01

onde V é o somatório das vendas de todos os postos da área, X1 é o somatório das áreas e X2. é o número de habitantes da área. O poder de explicação deste modelo é elevado, sendo o R2 Ajustado de 94,9% para o potencial da área. Posteriormente os autores utilizaram modelos gravitacionais para fazer análises sobre as vendas individuais de cada posto.

3. CARACTERÍSTICA DA AMOSTRA E VARIÁVEIS CONSIDERADAS

Ao longo de 1996, foram coletados dados de 95 postos de combustíveis nos principais centros urbanos brasileiros como Rio de Janeiro, São Paulo, Belo Horizonte e Recife. A escolha exclusiva de postos urbanos deveu-se ao fato de que, no Brasil, os postos do interior têm seu volume de vendas determinado, sobretudo, pelo grau de empatia e cordialidade no atendimento. Verifica-se que, contrariamente aos postos urbanos, há uma relação de fidelidade entre o posto de combustível e seus clientes nas áreas rurais, sendo também setor de difícil quantificação. A tabela 1 descreve as variáveis explicativas e a variável dependente consideradas no modelo. Já a tabela 2 contém um resumo com as estatísticas descritivas para cada variável.

1998_09_imagem 02

A próxima seção descreve a análise inicial realizada com os dados coletados.

4. ANÁLISE PRELIMINAR: REGRESSÃO LINEAR MÚLTIPLA

Definidas as principais variáveis explicativas e o comportamento de seus respectivos sinais, a próxima etapa consistiu na análise residual do seguinte modelo linear múltiplo:

1998_09_imagem 03

Este modelo apresentou um poder de explicação bastante baixo (R2 Ajustado = 40%) além de apresentar erro padrão bastante elevado, por volta de 131 m3/mês. Entretanto, conforme esperado, as variáveis TRÁFEGO (T), HORÁRIO (H) e MÉDIA DE BICOS POR CONCORRENTE (B) apresentaram contribuições positivas ao Volume de Vendas (VV), enquanto que a soma de postos concorrentes (P) e a velocidade (V) apresentaram contribuições negativas.

Dentre os objetivos da análise residual no modelo linear múltiplo destacamos a exploração da existência ou não de multicolinearidade entre as variáveis explicativas, a identificação de outliers e de observações com elevados coeficientes de alavancagem (h) . Também foram analisadas as distâncias de Cook de cada uma das observações com relação aos demais, bem como avaliou-se a condição de homocedasticidade e normalidade dos resíduos .

Um ponto com elevada alavancagem é uma observação que contém um conjunto incomum de valores para as variáveis explicativas, capaz de exercer forte influência sobre o resultado (coeficientes) da regressão em virtude de seu efeito desproporcional (alavancado), se comparado aos das demais observações.

 1998_09_imagem 04

Com apenas uma variável explicativa, a determinação de observações incomuns é feita através da análise do histograma da variável explicativa. Quando se trabalha com mais de duas variáveis explicativas, é muito mais complexo determinar graficamente se um ponto é pouco comum. Por exemplo, na figura 1 entre duas variáveis explicativas (x1 e x2), o ponto assinalado no canto superior direito é incomum, afastado da grande nuvem de observações. Todavia, analisando-se os histogramas de x1 e x2 separadamente esta diferença não é percebida. A análise dos coeficientes de alavancagem (h) é uma ferramenta bastante útil para a identificação de observações como a assinalada acima. Altos valores de h indicam que uma observação está exercendo um impacto desproporcional nos coeficientes da regressão. Em geral, podemos considerar pontos de elevada alavancagem , aqueles que satisfazem a relação:

1998_09_imagem 05

A distância de Cook, por sua vez, é uma estatística utilizada para quantificar o quanto incomum é uma observação, levando em consideração não somente as variáveis explicativas (como é o caso dos coeficientes de alavancagem), mas também seus resíduos. O cálculo do valor crítico para a distância de Cook é dado pela fórmula:

1998_09_imagem 06

Ao total, foram identificadas 15 observações com elevado coeficiente de alavancagem e elevada distância de Cook, as quais foram removidas da amostra para análise definitiva dos dados, que envolveu o emprego de técnicas de regressão múltipla não-linear.

5. ANÁLISE FINAL: REGRESSÃO MÚLTIPLA NÃO-LINEAR 

Dentre os diversos modelos não-lineares testados, o que apresentou melhor capacidade de resposta (medido por um menor erro residual quadrático e por um maior coeficiente R2 Ajustado) foi o seguinte:

1998_09_imagem 07

Entretanto, a heterocedasticidade verificada nos resíduos levou à divisão da amostra de 80 observações (95 iniciais exclusive as 15 observações com elevados coeficientes de alavancagem e distâncias de Cook) em duas amostras de tamanhos próximos entre si, segundo diferentes critérios testados. Dentre estes, o critério que mais aumentou o poder de explicação do modelo para as duas sub amostras foi a variável velocidade (V). Observações com valores de velocidade maiores que 40 km/h foram agrupados numa amostra (vias de alta velocidade) e observações com valores de velocidade menores ou iguais a 40 km/h (vias de baixa velocidade) foram agrupadas em outra. Devemos lembrar que a mediana da variável velocidade é 40 km/h.

Para a sub amostra com V<=40 km/h, o modelo apresentou um poder de explicação bastante elevado (R2 Ajustado = 80%) além da média dos resíduos ser bastante razoável, por volta de 51 m3/mês. Ainda conforme o esperado, as variáveis TRÁFEGO (T), HORÁRIO (H) e MÉDIA DE BICOS POR CONCORRENTE (B) apresentaram contribuições positivas ao Volume de Vendas (VV), enquanto que a soma de postos concorrentes (P) e a velocidade (V) apresentaram contribuições negativas.

Já para a sub amostra com V>40 km/h, o modelo também apresentou um poder de explicação bastante elevado (R2 Ajustado = 76%) além da média dos resíduos ser bastante razoável, por volta de 52 m3/mês. Ainda conforme o esperado, as variáveis TRÁFEGO (T), HORÁRIO (H) e MÉDIA DE BICOS POR CONCORRENTE (B) apresentaram contribuições positivas ao Volume de Vendas (VV), enquanto que a soma de postos concorrentes (P) e a velocidade (V) apresentaram contribuições negativas. Conforme os gráficos 1 e 2, que nos mostram os resíduos versus o volume de vendas para as duas subamostras, é possível perceber que não se observa qualquer heterocedasticidade.

1998_09_imagem 08
  1. CONCLUSÃOO modelo desenvolvido encontra-se atualmente em uso pela empresa distribuidora de combustível proprietária dos 95 postos onde foram coletadas as observações. A facilidade de operação proporcionada pelo emprego de planilhas eletrônicas (por exemplo, a planilha EXCEL ®) permitiu a utilização deste modelo pelo pessoal de campo na decisão de abertura ou não de um novo posto de combustível. Um dos fatores que contribuíram para aceitação do modelo foi o fato de não haver termo constante; assim, quando todas as variáveis explicativas são zero, o volume de vendas (VV) estimado para o posto também é zero.Desenvolvimentos futuros deste modelo estão diretamente relacionados a sua segmentação por centros urbanos, de forma a serem consideradas as características particulares de cada cidade com relação ao perfil de frota, renda média, padrão de tráfego, posturas municipais reguladoras, etc. Há diferenças estruturais claras entre os diversos centros urbanos brasileiros que certamente aumentarão o poder de explicação do modelo no futuro.

    8. BIBLIOGRAFIA

    DIXON, E.C., 1995; “The Management of a Service Station Network”; Decision Support Services Programs – CSIR Information Services, Pretoria, South Africa.

    FERNANDES, C., THEMIDO, I., 1997; “Modelação de Vendas de Combustíveis Líquidos Recorrendo a Modelos Gravitacionais”; Investigação Operacional, v.17, n.1, junho, pp. 41-60.

    FREES, E.W., 1996; Data Analysis Using Regression Models – The Business Perspective. 1 ed. New Jersey, Prentice Hall International.

Autores: Peter Wanke e Eduardo Saliby

APLICAÇÃO DA SIMULAÇÃO NO DIMENSIONAMENTO DE BASES DE DISTRIBUIÇÃO DE COMBUSTÍVEIS

This paper describes a simulation model developed as a decision support system for capacity planning of distribution terminals for a Brazilian oil company. Due to the complexity of loading demands, caused by different combinations of products and quantities, simulation was used.

O setor de distribuição de combustíveis no Brasil passou por diversas transformações nos últimos anos. Em 1996, este setor movimentou um volume da ordem de US$ 25 bilhões , atrás apenas dos setores de comércio, automóveis e alimentos. O setor passou por uma desregulamentação nos últimos anos, com a internacionalização do mercado e entrada de concorrentes.

Para aumentar a eficiência logística, uma empresa distribuidora está investindo na redefinição de sua rede logística, racionalização de seu sistema de transporte, implementação de serviços de apoio ao cliente e no aumento de produtividade das Bases de Distribuição. É justamente neste último ponto onde apresentaremos a aplicação da técnica de simulação.

SISTEMA DE DISTRIBUIÇÃO

A distribuição de combustíveis inicia-se em cada uma das 13 refinarias existentes no país. Os produtos são transferidos e armazenados nas Bases de Distribuição, onde ocorre o suprimento dos caminhões tanque e mistura com produtos próprios da companhia. Da Base de Distribuição os produtos seguem para os clientes finais da empresa, como postos de abastecimento, grandes consumidores e atacadistas. A Figura 1 ilustra o sistema de distribuição da empresa.

 1998_08.3_imagem 01

O fluxo entre refinarias e Bases de Distribuição é predominantemente feito através de dutos, enquanto que a distribuição da Base para o cliente final se dá apenas através de transporte rodoviário, sendo a maior parte da frota de caminhões da própria empresa.

Este trabalho descreve uma ferramenta para o auxílio no dimensionamento de Bases de Distribuição, minimizando o tempo de espera de caminhões na Base. Quanto menor o tempo de espera no atendimento em Bases de Distribuição, maior o número de viagens que os caminhões podem efetuar para o cliente final, utilizando assim de maneira mais eficiente os recursos da empresa.

COMPLEXIDADE NO DIMENSIONAMENTO DE BASES DE DISTRIBUIÇÃO

Uma Base de Distribuição, de uma maneira simplificada, é composta por tanques para armazenagem de combustíveis e baias para o carregamento dos caminhões-tanque. Os caminhões em sua maioria são compartimentalizados, possibilitando desta forma o carregamento e transporte de diversos tipos de combustíveis e quantidades. Em cada baia de atendimento, existem bicos de carregamento para cada tipo de combustível.

Deste modo, dimensionar uma Base de Distribuição significa determinar o número de baias de atendimento e o mix de bicos de combustíveis em cada uma dessas baias, ou seja, qual o tipo de combustível que o bico deve carregar. Alterações de configurações são extremamente caras, impossibilitando que testes de configurações possam ser feitos com o sistema real.

Tal dimensionamento não é uma tarefa trivial, devido à complexidade inerente à demanda por carregamentos. Os caminhões possuem uma chegada para carregamento que não é constante ao longo do tempo, ocorrendo picos de demanda. O Gráfico 1 nos mostra a porcentagem de chegadas de caminhões por faixa horária em determinado dia.

1998_08.3_imagem 02

Além disso, por possuírem tanques compartimentados, cada veículo demanda por uma quantidade e mix diferentes de produtos. O gráfico 2 mostra a diversidade de carregamento em um determinado mês. No caso abaixo, 32% dos caminhões que entraram nesta base só carregaram Diesel (D), 20% carregaram Álcool Hidratado (AH) e Gasolina (G), e assim por diante.

1998_08.3_imagem 03

Desta forma, temos caminhões chegando na Base de Distribuição em intervalos de tempo diferentes, requisitando mix de combustíveis diferentes em quantidades diferentes. Esta complexidade na demanda torna difícil a determinação do número de baias que a base deve possui e quais tipos de combustível cada baia deve ter. A empresa utilizava então fórmulas analíticas para o dimensionamento, através do volume total da demanda, o que fazia necessário o uso de fatores de segurança e superdimensionamento de Bases.

A TÉCNICA DE SIMULAÇÃO

A técnica empregada neste estudo foi a simulação. Esta abordagem trata primeiramente da criação de um modelo que represente a realidade. O modelo, ao representar adequadamente a operação do sistema real, após uma etapa de validação, pode ser utilizado então para o teste de alternativas de operação diferentes das atuais e compará-las entre si. Segundo Banks, Carson & Nelson (1996) [1], a simulação é indicada quando o sistema a ser estudado é complexo, e as relações entre as diversas variáveis são difíceis de serem determinadas ou mensuradas.

Para a formulação do problema, foram definidas como parâmetros de controle a configuração das baias e o perfil de demanda. As variáveis de saída foram os tempos de espera de atendimento dos caminhões, o tempo de fila de espera e a utilização dos bicos de atendimento. De acordo com Saliby [2], o modelo a ser descrito a seguir trata-se de um modelo probabilístico, dinâmico e com eventos discretos.

O modelo foi construído utilizando o software de simulação Arena®. Os passos seguidos para a construção do modelo seguiram a metodologia descrita em Law & Kelton [3]: (a) Formulação do Problema, (b) Obtenção de dados e definição do modelo, (c) Construção do modelo, (d) Validação, (e) Definição dos experimentos e (f)Análise de Resultados. A modelagem compreendeu a utilização de distribuições probabilísticas para a taxa de chegada dos caminhões e detalhamento dos compartimentos de cada caminhão, ou seja, diferentes mix e quantidade de produtos a serem carregadas. Cada baia podia possuir diferentes tipos de bicos de carregamento, onde cada bico possuía uma vazão específica, dependendo do tipo de combustível. Além da etapa de carregamento, o modelo contemplou um processo de check-in e check-out, onde procedimentos de segurança e de conferência são feitos pela empresa. O modelo também levou em conta os tempos de movimentação do caminhão dentro da Base de Distribuição.

A validação do modelo foi feita comparando as informações geradas com o modelo de simulação com os dados de histórico da empresa.

RESULTADOS

Utilizamos 3 fatores (variáveis de entrada) para variação no sistema: vazão das bombas, número de lajes e número de bicos. Como variáveis de resposta, computamos o Tempo Total de Carregamento e o Tempo de Fila. No Gráfico 3, temos um exemplo do Tempo Total de carregamento para diversos valores de vazão.

 1998_08.3_imagem 04

Num primeiro grupo de experimentos, observamos como a variação nos fatores influía nos tempos de carregamento e de espera, com as principais conclusões sendo:

1. Pequenas variações nos valores de vazão levavam a grandes variações nos tempos de carregamento e de espera.

2. A relação entre o número de lajes e o tempo total de atendimento segue uma curva semelhante à uma parábola

3. a concentração de bicos por laje tende a diminuir o tempo de carregamento.

4. uma diminuição no tempo de carregamento não ocasiona necessariamente uma queda no tempo total de atendimento.

5. verificamos a relação entre o número de bicos e o tempo total do sistema. Para um número baixo de bicos, o tempo total de atendimento tende a crescer exponencialmente.

6. relação linear entre o número de bicos e a utilização dos bicos

Um importante resultado da utilização do modelo de simulação foi observar que o fator vazão é aquele onde pequenas melhorias geram grandes benefícios ao sistema. Além disso, a quantificação das relações entre o número de bicos e as respostas de tempo total e de utilização de bicos. Desse modo, pode ser feita uma análise entre nível de serviço e utilização de recursos.

Num segundo grupo de experimentos, a taxa de chegada de caminhões foi equalizada, evitando os momentos de pico. Isso representaria uma atitude proativa da empresa em trabalhar com carregamentos com janelas de tempo pré-programadas, evitando a concentração da chegada de caminhões em certos períodos do dia. Chegamos às seguintes conclusões:

1. A homogeneização da demanda reduz substancialmente o Tempo Total de Atendimento e o Tempo de Espera de caminhões na Base de Distribuição, além de reduzir sua variabilidade.

2. Alterações na hora de chegada dos caminhões não alteram o tempo de carregamento, desde que o número de caminhões, volume e mix de combustíveis dos caminhões que chegam na Base mantenham-se constantes.

CONCLUSÃO

A simulação foi uma ferramenta adequada ao tratar da complexidade do problema, chegando ao nível de detalhe da compartimentalização de cada caminhão, das taxas de chegada variáveis e das quantidades e mix de produtos diferentes.

Possibilitou, sem investimentos nem mudanças no sistema real, avaliar o impacto futuro de variação dos fatores, chegando ao nível de detalhe da utilização de cada recurso e do nível de serviço prestado aos caminhões da frota.

Permitiu quantificar relações entre o número de bicos e sua resposta em tempo de atendimento e utilização dos bicos.

Permitiu avaliar o impacto de cenários que não podem ser testados no sistema real, como a variação no perfil de demanda dos caminhões afeta o sistema de atendimento de caminhões.

Deste modo a utilização da simulação é uma abordagem promissora no tratamento deste problema possibilitando modelar uma grande variedade de configurações e cenários alternativos, além de direcionar políticas de investimentos que melhorem o atendimento em bases de distribuição.

BIBLIOGRAFIA

BANKS, J.; CARSON, J.; NELSON, B. Discrete-Event System Simulation, New Jersey: Prentice-Hall, Inc., 1996

SALIBY, E. Repensando a Simulação – A Amostragem Descritiva, São Paulo: Editora Atlas, Rio de Janeiro: Editora da UFRJ, 1989

LAW, A. M.; KELTON, W. D. Simulation Modeling and Analysis, New York: McGraw Hill, 1991

Autores: Alexandre Medeiros e Eduardo Saliby

SIMULAÇÃO COMO FERRAMENTA PARA ANÁLISE DE NÍVEL DE SERVIÇO E CAPACIDADE DE ATENDIMENTO EM UM POSTO DE GÁS NATURAL

The main objective of this paper is to study the formation of waiting lines on a Petroleum Natural Gas station (PNG station) by using simulation. Also, the expected number of customers in queueing system and waiting times are evaluated, as well as alternative solutions to improve the PNG station’s current capactity to provide the service to taxi-drivers.

  1. A PROBLEMÁTICA DO ABASTECIMENTO

Conforme revelado por diversas pesquisas, o Gás Natural de Petróleo (GNP) é o combustível automotor de mais baixo custo por quilômetro rodado. Sua venda foi regulamentada em 1991, atendendo, assim, aos anseios de um grande número de frotistas e de taxistas, possibilitando a conversão de seus veículos ao gás.

Com o decorrer do tempo, os poucos postos inaugurados mostraram-se insuficientes para atender à crescente demanda, concorrendo para deterioração dos níveis de serviço (medidos em tempo de espera do taxi na fila e tamanho de fila).

As principais motivações de nosso trabalho são: avaliar o atual nível de serviço de um posto de abastecimento de GNP: determinar métodos para aumentar produtividade e quantificar incrementos no volume de vendas. Dessa forma, são vários os fatores que concorrem para este cenário:(a) escassez de oferta do serviço: somente 5 postos distribuem gás natural no Rio de Janeiro; (b) elevados investimentos necessários para montagem de um posto de serviço, principalmente em compressores, demais equipamentos e obras civis, da ordem de um milhão de dólares; (c) métodos empregados nas operações de abastecimento ainda não estudados cientificamente, bem como os procedimentos de segurança que tornam o atendimento mais demorado, obrigando também cada táxi conter somente um tanque para carga de gás, o que reduz a autonomia.

Os fatores acima mencionados evidenciam um sistema complexo, de difícil tratamento analítico, justificando-se, portanto, a aplicação de simulação computacional para estudar o tamanho de filas, bem como o comportamento característico do sistema face à demanda.

  1. MODELAGEM DO PROBLEMA

Uma característica da fonte de chegada ou população potencial é seu “tamanho”, ou  a quantidade potencial de táxis a gás que podem abastecer no posto. Como são poucos os postos de gás natural na cidade do Rio de Janeiro e como os veículos movidos a GNP apresentam menor autonomia, podemos supor uma fonte de chegadas infinitas. Por outro lado, o padrão estatístico dentro do qual os clientes são gerados no tempo foi suposto Poisson.

Medimos, portanto, quantos táxis chegavam em média a cada intervalo duas horas e, aplicando teste de aderência Qui-quadrado, a distribuição de Poisson foi aceita a 5% de significância.

Devemos ressaltar que para avaliar as taxas de chegada em faixas horárias não levantadas, como por exemplo de madrugada, recorremos a experiência do operador do posto, que a estimou em 1 táxis a cada 10 minutos.

Para levantar os tempos de abastecimento, fragmentamos este processo em várias atividades principais, desde o momento em que o táxi entra no sistema até o momento em que ele o deixa. Foram identificadas quatro atividades principais, conforme a tabela abaixo:

1995_09.2_imagem 01

Foram coletadas diversas amostras da duração dessas atividades, ao longo de diversas faixas horárias, estabelecendo-se um tempo médio e seus respectivos  desvios-padrão.

Evidenciou-se, mediante Anova para três amostras de tamanhos diferentes e  uma classificação (10:00 – 11:00 hs, 11:40 – 12:40 hs e 14:50 – 16:50 hs), que os tempos médios de abastecimento diferem significativamente, ao nível de 5%, com a equipe de frentistas,. havendo mudança de turnos de trabalho às 7:00, 15:00 e às 23:00.

Finalmente, foi constatado estatisticamente que a emissão da nota fiscal para cooperativas de taxistas aumenta a permanência do táxi no posto.

  1. MODELAGEM COMPUTACIONAL

Foi adotado como ferramenta de trabalho a simulação digital. A simulação tem como objetivos tornar viável a realização de testes na configuração do posto, sem que se torne necessário nenhuma mudança real na estrutura do mesmo. Basicamente, a simulação compreende duas etapas: a modelagem do problema e a simulação computacional.

Para modelagem do sistema foi utilizado o pacote de simulação Simul, que é, basicamente, um conjunto de subrotinas que organiza e gerencia um conjunto de atividades que deve começar sob certas condições e terminar após certo período de tempo. No processo de modelagem do problema foi utilizado o conceito do Diagrama do Ciclo de Atividades (DCA), que traz uma informação geral do sistema simulado e é recomendado aos usuários do pacote de simulações em questão. O DCA é uma representação esquemática do modelo de simulação e possui três conceitos básicos: entidade, atividade e fila, conforme a tabela apresentada a seguir :

 1995_09.2_imagem 02

A figura abaixo representa o D.C.A. do sistema atual do posto e na tabela 4 são apresentadas as atividades relacionadas, as entidades que participam delas e seus atributos, bem como as filas pelas quais as entidades passam.

1995_09.2_imagem 03

Baseado nos tempos de operação e nas taxas de chegada, foram programados os eventos que simulariam as atividades do posto, utilizando, para tal, o conceito de geração de variáveis aleatórias (normal e exponencial), com médias e desvios padrão calculados à partir dos dados reais.

O número de bicos pode ser escolhido pelo usuário do sistema e varia entre 3 e 5. Já o número de frentistas foi estabelecido como de n, onde n é a metade do número de bicos. Na verdade, um frentista opera dois bicos simultaneamente, sem sobrecarga de trabalho. Ou seja, um frentista, quando está participando de uma atividade pode também participar de outra ao mesmo tempo, sem que sua performance seja prejudicada. Além disso, o sistema é capaz de realizar simulações para vários dias consecutivos, sem re-inicialização de variáveis e de coletar os dados estatísticos por faixas horárias, facilitando assim futuras análises.

  1. PROJETO DE EXPERIMENTOS

Simulamos três configurações básicas alternativas (experimentos) ao atual funcionamento do posto. São elas: (a) emissão automática de nota fiscal por dispositivo eletrônico, atualmente, vinte por cento dos táxis que abastecem no posto diariamente exigem nota fiscal;(b) suposição que o tempo médio de abastecimento diário alcançasse o nível do melhor tempo médio coletado por amostragem, mediante treinamento das equipes de frentistas;(c) emissão automática de nota fiscal e melhor equipe de frentistas.

Descreveremos, agora, os ganhos no nível de serviço ao taxista avaliados através de simulações dessas configurações alternativas.

4.1. Emissão automática de nota fiscal

A simulação desta alternativa para 50 dias consecutivos, apresentou reduções consideráveis no tamanho médio de fila e no tempo médio de espera na fila, em especial nas faixas horárias de pico, (15 às 17, de 17 às 19 e de 19 às 21 horas) conforme podemos verificar no gráfico abaixo, comparativamente à configuração atual de operação do posto.

Reduções expressivas em faixas horárias de menor movimento (0 às 5, 5 às 7, 7 às 9 e 21 às 24 horas) devem ser analisadas com cautela, já que o tamanho médio de fila por intervalo não é suficientemente grande a ponto de se estabelcer uma diferença significativa. Esta ressalva esta implícita em todas as análises feitas daqui por diante.

1995_09.2_imagem 04

4.2. Melhor equipe de frentistas sem emissão automática de nota fiscal

Esta configuração apresenta melhorias de nível de serviço muito mais expressivas, que a anterior para os horários de pico (15 às 17, 17 às 19 e 19 às 21:00).

Para a faixa horária de 17 às 19:00 hs, sobretudo, a simulação indicou uma redução dramática de 80% no tamanho médio da fila de espera, conforme o gráfico abaixo que indica uma queda de 25 para 5 táxis em média.

 1995_09.2_imagem 05

4.3. Melhor equipe de frentistas com emissão automática de nota fiscal

Esta última configuração é a que apresenta maiores ganhos para os horários de pico; em particular, mais uma vez, para o horário de 17 às 19:00 hs, conforme nos mostra o gráfico abaixo.

1995_09.2_imagem 06
  1. QUANTIFICAÇÃO DO AUMENTO DO VOLUME ANUAL DE VENDAS

Apresentaremos os ganhos decorrentes da implantação das configurações descritas acima. Os pressupostos básicos para que tal potencial de vendas se converta em aumento de receita são: (a) a demanda aumentará até que o nível de serviço da nova configuração se iguale ao nível da configuração antiga (em termos de tempo de espera), estabilizando-se a partir daí; (b) população (número potencial de táxis) infinita.

Desta forma podemos estimar o aumento da demanda em número de táxis/dia em função do tamanho de fila desejado (nível de serviço) para a faixa horária mais crítica.

5.1. Emissão automática de nota fiscal

É fácil perceber que, para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 3%. Isto significa apenas mais treze carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de trinta mil reais.

O parágrafo acima traduz uma informação de grande relevância: o posto estava em seu ponto crítico de saturação, onde o impacto dos experimentos testados se traduziu em consideráveis aumentos de produtividade. Entretanto, um pequeno aumento no volume de carros atendidos diariamente trouxe de volta o sistema ao seu estado de saturação

5.2. Melhor equipe de frentistas sem emissão automática de nota fiscal

Este experimento apresentou maiores ganhos de produtividade que o anterior. Em outras palavras, numa situação de operação próxima a saturação, o posto é mais sensível ao treinamento de seus recursos humanos, em termos de aumentos de produtividade,  que a implementação da emissão automática de nota fiscal..

É fácil perceber que, para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 16%. Isto significa mais setenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e sessenta mil reais.

5.3.Melhor equipe de frentistas com emissão automática de nota fiscal

Conforme esperado, esta configuração apresenta como característica principal um aumento de produtividade que não é equivalente a soma dos aumentos de produtividade dos outros experimentos anteriores.

Se com a emissão automática de nota fiscal o tamanho médio de fila para a pior faixa horária caiu de 25 para 15 carros, e com  a melhor equipe o tamanho médio cai de 25 para 5 carros, a execução dois experimentos simultaneamente não significa necessariamente que a fila vá cair a zero carro. Há interferências entre os experimentos, e um estudo mais detalhado foge do escopo de nosso trabalho.

É fácil perceber que para o tamanho médio de fila voltar a 25 táxis, é necessário um aumento na demanda da ordem de 18%. Isto significa mais oitenta e oito carros no sistema ao longo do dia e um aumento no volume anual de vendas da ordem de cento e oitenta mil reais.

1995_09.2_imagem 07

CONCLUSÃO

Este trabalho, através do uso de simulação computacional, avaliou soluções alternativas para aumentar a produtividade num sistema saturado, sem perspectivas imediatas de aumento na capacidade de atendimento.

Procurou-se avaliar o impacto destas configurações alternativas em termos de nível de serviço ao taxista (tamanho de fila e tempo de espera), bem como estimar um provável aumento no volume anual de vendas.

BIBLIOGRAFIA

* Costa Neto, Pedro Luiz de Oliveira, “Estatística”, Editora Edgard Blücher, São Paulo, 1977.

* Hillier, Frederick S., “Operations Research”, Holden-Day, San Francisco, 1974

* Saliby, Eduardo; Pimentel, Milton, Relatório COPPEAD nº 255 – Simul: Um Sistema Computacional para a Simulação a Eventos Discretos em Turbo Pascal, Rio de Janeiro, 1991.

Autores: Peter Wanke, Leonardo Barros e Milene Cauzin