Posts

PLANEJAMENTO DE CAPACIDADE NUM TERMINAL DE CONTÊINERES VIA SIMULAÇÃO – UM ESTUDO DE CASO

Atualmente, o contêiner é a forma mais utilizada para movimentar materiais e produtos pelo modal marítimo. Yun & Choi (1999) salientam que mais de 90% da carga internacional são movimentados via portos e terminais e que 80% desse volume são acondicionados em contêineres.

Naturalmente, o aumento da procura por esse serviço gera um impacto direto na infraestrutura dos terminais portuários. Hyland (2001) salienta que o setor portuário apresenta alguns desafios: o aumento do volume de carga com o consequente congestionamento nos portos; o balanceamento dos fluxos rodoviário e ferroviário na hinterlândia1; o advento dos meganavios de contêineres e a busca constante pela adequação da capacidade dos terminais ao tráfego marítimo. Neste contexto, surge a necessidade de se utilizar uma ferramenta capaz de mensurar e prever os efeitos gerados pelo aumento da movimentação de contêineres nos terminais, permitindo uma melhor preparação para os desafios citados por Hyland.

Já no início dos anos 90, Wadhwa (1990) revelou que a solução para os desafios do setor portuário passa pela utilização de modelos de simulação. A idéia é usar a simulação como uma possível ferramenta para medir os efeitos das mudanças em variáveis operacionais, tecnológicas e de investimentos, apoiando, dessa forma, as autoridades e gestores portuários no processo de tomada de decisão. De fato, muitos estudos estão convergindo para o uso da simulação no dimensionamento e planejamento das operações portuárias, tendo sido obtidos resultados bastante satisfatórios.

Neste trabalho, nos concentramos em observar como o aumento da taxa de chegadas de navios em um terminal e, consequentemente, o aumento do número de contêineres movimentados influenciam o desempenho das operações portuárias e causam impacto no dimensionamento da capacidade do pátio de contêineres. Para atingir tal objetivo, desenvolvemos um modelo de simulação para representar as operações portuárias típicas de um terminal de contêineres.

 

REVISÃO DA LITERATURA

Para construir um modelo de simulação, é necessário compreender bem todo o processo que será simulado. Em terminais de contêineres, Casaca (2005) destacou que são três as principais etapas do processo de movimentação: aquela que ocorre no ancoradouro (berço), ou seja, na interface com o mar; aquela que se dá no pátio de contêineres e aquela dos portões de acesso rodoviário e ferroviário. Essas três etapas são entrelaçadas, sendo que o desempenho de cada uma delas afeta o desempenho da outra.

Além disso, a produtividade em cada uma dessas etapas depende de uma série de fatores, sendo estes estruturais, organizacionais e tecnológicos, dentre outros. Desse modo, percebemos que as operações portuárias são bastante complexas por natureza e que exigem sofisticadas técnicas de modelagem. A simulação possui um papel importante com relação à melhoria de processos e ao aumento da eficiência, basicamente porque possibilita identificar possíveis problemas e gargalos, antecipando o curso de ação a ser tomado pelo gestor (Bowersox, 1978). E, em se tratando de terminais de contêineres que possuem ativos muito caros, como berços, portêineres e espaço, tal técnica ajuda a evitar investimentos desnecessários, que não trazem nenhuma vantagem imediata ao sistema como um todo.

Em seu artigo, Shabayek & Yeung (2002) apontam algumas possíveis aplicações da simulação como ferramenta de apoio ao planejamento de um terminal de contêineres:

  • na análise de custo e de nível de serviço, pois a simulação permite avaliar dois importantes parâmetros: o tempo médio de espera dos navios na fila e a taxa de utilização dos berços, necessários para determinar quando e em quanto a capacidade do terminal deve ser expandida;
  • no dimensionamento do número de vagas necessárias para caminhões, a fim de se evitar possíveis custos, como multas e penalizações;
  • na escolha da melhor política de sequenciamento/prioridade dos navios na fila, minimizando dessa forma os gastos com demurrage (sobrestadia).

 

Um estudo realizado por Kia et al. (2002) também mostrou que as etapas do processo de movimentação num terminal de contêineres estão diretamente conectadas e que a simulação se destaca como importante ferramenta de apoio ao planejamento e tomada de decisão (corroborando Casaca). Baseando-se num terminal de contêineres do porto australiano de Melbourne, Kia et al. obtiveram, como resultados relevantes ao planejamento de capacidade, os seguintes direcionamentos: (1) a necessidade de criar centros de distribuição internos para melhorar a operação do terminal; (2) a ampliação do pátio de contêineres, para diminuir manuseios desnecessários, reduzindo o tempo de carregamento/descarregamento do navio e (3) o aumento do número de berços.

Utilizando um software de simulação, mas com foco em questões mais operacionais, como a alocação de ancoradouros e a priorização de navios na fila, Wanke & Cortes (2008/2009) desenvolveram um modelo com o objetivo de avaliar como diferentes normas de alocação e de fila afetam os custos de demurrage. Foi identificado que essas decisões dependem não apenas das especificidades de cada navio que para no terminal, mas também de seu conjunto. Como exemplos de especificidades destacam-se a frequência de visitas por ano, tamanho da embarcação, tempo de operação, etc.

Esses são alguns exemplos da aplicabilidade da simulação no planejamento dos terminais de contêineres. No nosso estudo, foi desenvolvido um modelo para extrair informações sobre o comportamento da taxa de utilização dos berços (ou ancoradouros), do tempo de espera e da quantidade de navios na fila para atracar, da movimentação de contêineres no terminal e da fila de caminhões e de trens esperando para descarregar ou carregar, em função do aumento da taxa de chegada dos navios no terminal.

O CASO ESTUDADO

Como dito anteriormente, o primeiro passo na construção de um modelo de simulação é entender os processos envolvidos na operação que será simulada. No nosso caso, simulamos as operações em um terminal de contêineres que possui dois berços (ou ancoradouros).

Logo após sua chegada, o navio se dirige para uma única fila e só é liberado quando um dos dois berços estiver livre. Quando atraca, no berço, inicia-se a etapa de descarregamento do navio. Cada berço está equipado com dois portêineres e ambos operam simultaneamente no navio atracado. Quando a etapa de descarregamento do navio é concluída, dá-se início à etapa de carregamento. Após ser totalmente carregado, o navio sai do porto, liberando o berço.

Paralelamente às chegadas dos navios, ocorre a chegada de caminhões carregados com contêineres, de trens e de caminhões vazios para buscá-los  no porto. Vale destacar que o trem apenas descarrega contêineres no terminal, saindo de lá vazio. Para efeitos apenas de modelagem, foi considerado um terminal com dois pátios de contêineres: um para os  que são descarregados do navio e outro para os que chegam por caminhão e por trem e que serão embarcados no navio. Tanto para entrar no porto quanto para sair, os caminhões e trens passam pelos portões (gates) onde são feitas a pesagem e a inspeção da carga. O modelo descrito está representado em detalhes no fluxograma anexo (Anexo 1).

Além disso, para uma maior fidelidade do modelo à realidade, foram observados os seguintes aspectos:

  • A prioridade adotada de atracação dos navios na fila foi a PEPS (primeiro que entra, primeiro que sai);
  • A tecnologia utilizada para o descarregamento/carregamento de contêineres do navio foi a do carrossel. Nela, na etapa de descarregamento, por exemplo, ao retirar o contêiner, o portêiner já o descarrega diretamente em um caminhão que se dirige ao pátio onde o contêiner será descarregado por uma empilhadeira e colocado em seu respectivo lugar. O caminhão, agora vazio, retorna ao portêiner para transportar mais contêineres ao pátio. O mesmo ocorre na etapa de carregamento do navio, porém com a ordem dos processos invertida.
  • Tendo em vista que um portêiner é um ativo muito caro (da ordem de milhões de reais), o número de caminhões que participam do carrossel deve ser tal que o equipamento não fique parado esperando os caminhões retornarem do pátio de contêineres.

Conforme já foi colocado, o estudo teve como finalidade básica avaliar como a variação nos tempos entre chegadas de navios interfere no desempenho das operações no terminal. Para isso, conduzimos experimentos nos quais os tempos entre chegadas de navios foram diminuindo e fixamos todos os outros dados de entrada, coletando informações sobre: (1) a fila de navios esperando para atracar; (2) o tempo de espera dos navios na fila; (3) a taxa de utilização dos berços; (4) a quantidade de contêineres movimentada por ano; (5) a fila de caminhões no porto e (6) a fila de trens para descarregar. A variação dos tempos entre as chegadas dos navios pode ser observada na Tabela 1.

 

2009_07_imagem 01

Para escolher que tipo de distribuição seria usada para representar os tempos entre chegadas de navios, de trens e de caminhões no porto, nos baseamos em um estudo feito por Dragovic et al. (2005), que presumiram a distribuição exponencial. Segundo os autores, a distribuição exponencial é uma das mais adotadas na literatura para representar tempos entre chegadas. Por sua vez, para representar a quantidade de contêineres carregados e descarregados do navio, utilizou-se uma distribuição triangular de parâmetros de 150, 200 e 250, representando mínimo, médio e máximo, respectivamente. Finalmente, para cada um dos experimentos foram realizadas 25 replicações de 365 dias de duração. Tal procedimento é necessário para garantir a validade estatística dos resultados, permitindo a realização de análises multivariadas com os níveis de significância desejados.

ANÁLISE DOS RESULTADOS

São apresentados aqui os resultados médios obtidos a partir das 25 replicações de cada um dos experimentos. No Gráfico 1 é apresentado o comportamento da taxa de utilização dos berços em função do intervalo de tempo entre chegadas de navios. Pelo fato de não existir priorização na alocação dos navios nos berços, os valores apresentados correspondem a uma média aproximada da taxa de utilização dos dois berços.

 

2009_07_imagem 02

Conforme esperado, a taxa de utilização aumenta à medida que o intervalo de tempo entre chegadas de navios diminui, ou seja, à medida que mais navios atracam no porto por intervalo de tempo. A etapa seguinte analisou qual o impacto desse aumento sobre o tamanho na fila de navios para atracar e seu tempo de espera.

2009_07_imagem 03

 

2009_07_imagem 04

Numa visão mais detalhada dos gráficos sobre o comportamento do tamanho da fila de navios e do tempo de espera destes na fila, podemos perceber que até uma taxa de utilização dos berços de 0,40 o terminal apresenta bom desempenho, com uma pequena fila de navios e um tempo de espera bastante reduzido. Porém, aumentando ainda mais taxa de utilização do berço, os resultados indicam que o terminal começa a apresentar sinais de saturação. Isso se reflete negativamente no desempenho operacional, gerando tamanho de fila muito acima do aceitável e também tempos de espera que podem implicar em elevados custos de sobrestadia.

Fica claro que, se a demanda por esse terminal aumentar a ponto de a taxa de utilização ficar, por exemplo, superior a 0,40, ações devem ser tomadas a fim de se manter um nível de serviço satisfatório. Essas ações podem abranger mudanças nos próprios berços existentes, como a utilização de mais portêineres, ou até mesmo a construção de um novo berço, aumentando a capacidade de atendimento do terminal. Cabe ressaltar que os operadores de navios vêm se tornando mais exigentes e, quando não percebem certas garantias de disponibilidade de berços nos terminais, buscam alternativas para manter um alto nível de serviço (Luo e Grigalunas, 2003).

Como dito anteriormente, apenas o dado de entrada tempo entre chegadas de navios foi variado. Logo, é esperado que as filas de caminhões e de trens no porto se mantenham estáveis em todos os experimentos, o que é de fato verificado nos Gráficos 4 e 5.

 2009_07_imagem 05

 

2009_07_imagem 06

Os resultados apresentados foram obtidos por meio do uso da simulação. Sem dúvida, isso gera certo trabalho na hora de rodar diferentes cenários, com dados de entrada diferentes, pois uma grande parte das etapas da simulação deve ser feita novamente. A fim de gerar uma equação que represente o comportamento de uma variável em função das outras variáveis e evitar o exaustivo processo de geração e coleta de dados, levamos os resultados dos cenários simulados ao SPSS 15.0 (pacote estatístico), para determinar um conjunto de regressões lineares múltiplas que permita descrever os dados de saída em função dos dados de entrada. Como exemplo, a equação que representa o comportamento da fila de navios para atracar é dada por:

y = -11,810 – 3,425 x + 783,465 z   (R-Quadrado = 0.91),
onde:
y = tamanho médio da fila de navios para atracar;
x = tempo entre chegadas de navios;
z = tempo entre chegadas de caminhões.

Resultados desse tipo permitem ao tomador de decisão avaliar rapidamente como aumentos na taxa de chegada afetam o tamanho médio da fila, sem precisar recorrer à execução de novos experimentos para verificar os impactos de um cenário em particular.

Outra área de interesse do estudo foi o pátio de contêineres. Os resultados obtidos envolvem dois aspectos relevantes para a análise: o volume total de contêineres movimentados por ano no terminal e a quantidade de posições necessárias para acomodar esses contêineres no dia a dia. Em relação ao volume movimentado por ano, o que se espera – e que de fato pode ser observado no Gráfico 6 – é o aumento do volume movimentado no terminal decorrente do aumento da taxa de chegada de navios e do consequente aumento na taxa de utilização dos berços. Tal informação possibilita estimar a capacidade efetiva de movimentação do terminal em perto de 250 mil contêineres/ano.

 

2009_07_imagem 07

No entanto, para avaliar o número de posições de armazenagem necessárias para se acomodar esse volume anual, deve ser feito um levantamento da flutuação da quantidade de contêineres no pátio ao longo do tempo, dia a dia (conforme Gráfico 7). Como não existe a possibilidade gerencial efetiva de um navio ou um caminhão ter que esperar por falta de espaço no pátio, a quantidade de posições deve ser pelo menos igual ao pico diário registrado, o que é facilmente identificado no gráfico.

 2009_07_imagem 08


Nesse caso, o pátio de contêiner deve ter capacidade, pelo menos, para 4.809 posições.

CONCLUSÃO

A simulação aparece como importante ferramenta para planejamento das operações portuárias. E mais, os resultados gerados são de caráter gerencial, possibilitando traçar estratégias e direcionar investimentos. No nosso estudo, o primeiro passo foi identificar a configuração atual das operações portuárias e, depois, gerar cenários futuros, aumentando a taxa de chegada de navios, para, finalmente, poder avaliar o impacto gerado no desempenho do terminal.

Os resultados mostraram que esse aumento na taxa de chegadas de navios gera um impacto significativo na taxa de utilização dos berços e, consequentemente, no tamanho da fila de navios e no tempo de espera. Também foi possível observar que, a partir de uma taxa de utilização dos berços de 0,40, os níveis de desempenho aos usuários do terminal começam a se mostrar insatisfatórios, sinalizando a iminente saturação das operações.

Para evitar esse cenário, torna-se necessário aumentar a capacidade de carregamento/descarregamento nos berços existentes ou investir na construção de outro berço. Porém, é importante destacar que nenhum investimento no aumento da capacidade dos berços terá efeito se o terminal não possuir posições suficientes para armazenar todos os contêineres, indicando, para o tomador de decisão, a necessidade de uma análise criteriosa para identificação dos reais gargalos do sistema portuário.


BIBLIOGRAFIA

Bowersox, D. J.. Logistical management. A systems integration of physical distribution and materials management. MacMillan Publishing Co.: New York. pp. 12–17, 1978.

Casaca, A. C. P.. Simulation and the lean port environment. Maritime Economics & Logistics 7: 262-280, 2005.

Dragovic, B; Park, N. K.; Radmilovic, Z.; e Maras, V.. Simulation modelling of ship-berth link with priority service. Maritime Economics & Logistics 7: 316-355, 2005.

Hyland, T.. Four east coast ports share growth strategies. Transportation & Distribuition, Junho 2001.

Kia, M.; Shayan, E; & Ghotb, F.. Investigating port capacity under a new approach by computer simulation. Computers and Industrial Engineering, 2002.

Luo, M.; Grigalunas, T.. A spatial-economic multimodal transportation simulation model for US coastal container ports. Maritime Economics & Logistics 5: 158-178, 2003.

Shabayek, A. A. e Yeung, W.W.. A simulation model for the Kwai Chung container terminal in Hong Kong. European Journal of Operational Research 140: 1–11, 2002.

Yun W. Y. & Choi, Y. S.. A simulation model for container-terminal operation analysis using an object-oriented approach. International Journal of Production Economics, pp. 221-230, 1999.

Wadhwa, L. C.. Capacity and performance of bulk handling ports. Proceedings of Australian Transport Research Forum, vol 15, Part 1, 1990.

Wanke, P. F. & Cortes, J. D .. O PCP dos Portos: simulando a ligação navio-ancoradouro para redução dos custos totais de demurrage (sobrestadia). Revista Tecnologística – dezembro, 2008, e janeiro, 2009.

 

1 Região do país servida por meio de vias de transporte terrestres, fluviais ou lacustres, para a qual se encaminham de forma direta as mercadorias desembarcadas no porto ou da qual se originam mercadorias para embarque no mesmo porto.

Autores: Peter Wanke e Frederico Barros

APLICAÇÃO DE SIMULAÇÃO COMO FERRAMENTA DE APOIO À ELABORAÇÃO DE UM PLANEJAMENTO ESTRATÉGICO DE CAPACIDADE

Capacidade é “o volume de saída que um sistema é capaz de atingir em um período específico de tempo” (Yang, 2001). Ao se falar de capacidade, provavelmente a primeira coisa em que se pensa seja capacidade produtiva. No entanto, capacidade é um termo muito mais amplo e abrangente. Neste artigo, abordaremos o tema com o foco em decisões de capacidade em aplicações logísticas: Quantas rampas de conferência devem ser construídas na ampliação de um centro de distribuição? Que tamanho devem ter os tanques de estocagem de produtos acabados de uma petroquímica para suportar a operação em cinco anos? Que impacto as novas tecnologias podem ter na operação futura? Essas são algumas perguntas que devem ser respondidas para a elaboração de um planejamento estratégico de capacidade.

É importante ressaltar que, muitas vezes, não é dada a devida importância para a questão de capacidade nas empresas. Assim, executivos podem se ver em situações nas quais percebem que investimentos já deveriam ter sido feitos e que não poderão atender à demanda por falta de capacidade.

A criticidade de um planejamento de capacidade aumenta em função do tempo necessário para implementar uma expansão. Se a capacidade de uma operação pode ser ampliada em poucos dias, um plano para os próximos cinco anos pode parecer desnecessário. Porém, caso os projetos exijam meses ou anos para ser executados, um planejamento estratégico de capacidade é indispensável.

Ao decidir o nível de capacidade que deve manter ao longo do tempo, uma organização deve avaliar o trade-off entre a sua falta e o seu excesso. Em um cenário de falta de capacidade, a empresa não atende por completo à demanda, podendo perder clientes pelo nível de serviço deficiente, abrindo espaço para o avanço dos concorrentes. Por outro lado, o excesso de capacidade leva à ociosidade dos recursos, incorrendo em custo de oportunidade, ou a estratégias forçadas para o aumento da demanda, como, por exemplo, a redução de preços.

Dessa forma, encontra-se um problema muito semelhante ao problema da definição de estoques de segurança de produtos. A literatura fornece algumas metodologias para a definição dos chamados colchões de capacidade, que, semelhantemente aos estoques de segurança, têm como objetivo garantir um determinado nível de atendimento, dadas as variabilidades existentes. Hayes e Wheelwright (1984), por exemplo, discorrem sobre uma metodologia para a definição desse colchão de capacidade, que deve refletir a magnitude da relação:

 2007_01_imagem 01

Na fórmula, Cs representa o custo da falta (short) e Cx representa o custo do excesso (excess). No entanto, essa abordagem apresenta algumas fragilidades. Definir esses parâmetros de forma acurada é algo de extrema dificuldade, se observarmos que custo do excesso pode, por exemplo, variar em função da quantidade de capacidade a ser instalada; e o custo de falta pode incluir componentes de difícil quantificação como, por exemplo, a margem perdida de vendas futuras por perda de clientes e os danos na imagem e reputação da organização.

Apesar disso, é importante ressaltar que a relação captura o tipo de trade-off existente, podendo ajudar no direcionamento da decisão, mesmo que o valor em si não seja utilizado matematicamente para a definição do colchão. Dependendo deste trade-off, o plano de expansão de capacidade pode ser direcionado por uma das políticas descritas a seguir.

Política A: Evitar falta

Caso o custo da falta seja superior ao custo de excesso, a organização deve tender para uma política de manter um colchão de capacidade relativamente grande e, assim, garantir uma baixa probabilidade de não atendimento da demanda. Nestes casos, deve-se, no extremo, optar pelo comportamento de expansão ilustrado no Gráfico 1.

2007_01_imagem 02

A falta de capacidade de armazenagem em um processo de produção contínua, como no setor petroquímico, pode levar à parada da planta. Neste caso, o custo da falta de capacidade é representado pela margem cessante causada pela parada, sendo claramente maior que o custo do excesso.

Política B: Seguir a previsão

Caso o custo de falta seja semelhante ao custo de excesso, o plano de expansão deve garantir que a probabilidade de ocorrência de falta de capacidade seja parecida com a de ocorrência de excesso. Assim, esta política sugere que a organização tente adequar a capacidade produtiva à previsão de demanda. O Gráfico 2 representa o comportamento da capacidade frente à demanda ao longo do tempo.

 2007_01_imagem 03

Política C: Evitar excesso

Caso o custo do excesso seja superior ao custo da falta de capacidade, a empresa deve manter um colchão “negativo”, de modo a garantir que a probabilidade de ocorrência de falta seja maior que a probabilidade do excesso. Essa política leva a uma alta taxa de utilização dos recursos, gerando, por conseqüência, um maior retorno sobre investimentos que as outras duas já apresentadas. No entanto, deve-se atentar para o fato de que a sua adoção também pode levar a uma deterioração da imagem e do posicionamento da organização no mercado. O comportamento de expansão de capacidade referente a esta política está ilustrado no gráfico 3.

 2007_01_imagem 04

No entanto, é importante frisar que o planejamento estratégico de capacidade deve estar alinhado com a estratégia de negócio da organização. Sendo extremamente difícil calcular exatamente qual o tamanho ideal do colchão de capacidade, a organização deve atentar para outros fatores estratégicos que geram e sofrem conseqüências advindas das decisões de capacidade – quando expandir, quanto expandir – ao definir o planejamento estratégico.

Uma expansão de capacidade pode ser utilizada como ativadora de demanda, fazendo com que esta cresça mais rapidamente quando comparada a um cenário sem expansão, ou como ferramenta para intimidar a concorrência, principalmente os players de menor porte. Por exemplo, um aumento nos recursos de uma empresa, de modo que esta consiga estar presente e levar seus produtos a uma certa região com um preço menor, pode estimular a demanda, o que não aconteceria se tal decisão não tivesse sido tomada.

No entanto, a capacidade de um sistema está diretamente relacionada com a quantidade e características dos recursos disponibilizados. E dificilmente a capacidade total de um sistema pode ser definida apenas por um recurso. Normalmente, é necessário um conjunto de diferentes recursos para compor a capacidade de um sistema. Assim sendo, o Planejamento Estratégico de Capacidade deve definir a quantidade de cada um dos recursos necessários ao longo do tempo a partir das suposições e previsões futuras.

Para isso, o tomador de decisão precisa entender como os recursos estão relacionados, como cada um deles pode impactar nos demais, como a quantidade e eficiência de cada um deles podem alterar a capacidade total e como o sistema reage sob certas condições que não existem hoje, mas podem se tornar realidade no futuro. Ter este embasamento para a tomada de decisão não é nada simples, uma vez que uma estratégia de capacidade é baseada em uma série de suposições e previsões de longo prazo sobre o mercado (demanda), a tecnologia e o comportamento competitivo, sendo as principais:

  1. A previsão de crescimento e estimativa da variabilidade da demanda;
  2. Eficiência, disponibilidade e custos de construção e operação dos recursos;
  3. O comportamento dos demais players e fornecedores.

Obviamente, todas essas previsões e suposições são estritamente necessárias, e por definição trazem consigo um elevado grau de incerteza que precisa ser adequadamente considerado.

AS INCERTEZAS

Lidar com incertezas de uma forma consistente em uma organização não é uma tarefa trivial. Trabalhar com valores únicos e médios neste tipo de ambiente geralmente leva a interpretações falhas e, conseqüentemente, a decisões gerenciais equivocadas. Ao mesmo tempo, considerar essas incertezas em análises e avaliações por meio de estatísticas como percentis, desvio padrão ou covariância também não é algo muito simples. No caso do Planejamento de Capacidade não é diferente. Além da demanda futura, que consiste em um dos principais dados de entrada para um estudo de capacidade, as incertezas também estão presentes em outros parâmetros, como, por exemplo, os tipos de recursos disponíveis, a eficiência desses recursos ou a disponibilidade dos mesmos.

O grau de incerteza presente é diretamente proporcional ao horizonte do planejamento, ou seja, para análises de capacidade de longo prazo, a incerteza contida nas estimativas de demanda futura é maior quando comparada à incerteza referente a previsões de demanda realizadas para alimentar análises de capacidade de curto prazo. Além disso, estimar outros fatores como o comportamento da concorrência e dos fornecedores no longo prazo é uma tarefa de extrema dificuldade.

Incorporar as incertezas presentes, ou pelo menos as principais delas, é muito importante para o planejamento de capacidade de longo prazo, uma vez que pode mudar significativamente a decisão tomada e, conseqüentemente, os investimentos necessários para a implantação do plano de expansão.

Existem alguns métodos que podem ser utilizados em um estudo de análise de capacidade, como modelagem analítica, programação estocástica e simulação. No entanto, a complexidade gerada pelas incertezas presentes em diversas variáveis interdependentes geralmente dificulta seriamente a adoção de uma metodologia analítica ou de programação para a resolução do problema. Assim, será detalhado como a simulação pode ser aplicada em um estudo de análise de capacidade.

INTRODUÇÃO À SIMULAÇÃO E APLICAÇÃO PRÁTICA

Segundo Saliby (1999), “…simulação consiste no processo de construção de um modelo que replica o funcionamento de um sistema real ou idealizado (ainda a ser construído) e na condução de experimentos computacionais com este modelo, com o objetivo de melhor entender o problema em estudo, testar diferentes alternativas para sua operação e assim propor melhores formas de operá-lo.” Essa definição deixa claro como a simulação pode ser utilizada como ferramenta para um estudo de análise de capacidade. O modelo deve representar o sistema ou sub-sistema logístico a ser estudado, considerando os relacionamentos existentes entre recursos e atividades, ficando próximo o suficiente da operação real, de modo a garantir resultados robustos e confiáveis.

Para atingir esse objetivo, é altamente recomendável seguir a metodologia diagramada na Figura 1.

2007_01_imagem 05

Etapa 1: Levantamento de informações

Nesta etapa, o analista de simulação deve obter todas as informações necessárias para o entendimento claro do sistema a ser modelado e dos objetivos que devem ser alcançados. É importante definir claramente o escopo e ter em mente quais perguntas precisam ser respondidas pelo modelo.

Etapa 2: Modelagem conceitual e de dados

Na modelagem de dados, após a coleta, estes precisam ser tratados de modo a identificar possíveis falhas e inconsistências que podem ter impacto na qualidade do resultado final – vale a máxima garbage in, garbage out. Após o tratamento, os dados devem ser utilizados de forma a definir as distribuições de probabilidade que representarão as incertezas e outros fenômenos aleatórios no modelo.

Além disso, nesta etapa também é realizada a modelagem conceitual, que consiste na definição da lógica do modelo e na sua representação para que todas as pessoas envolvidas no processo possam entendê-lo. É nesta etapa que, por exemplo, definem-se prioridades de atendimento, fluxo de materiais, recursos envolvidos e seus relacionamentos com as atividades, entre outros. Pode-se dizer que se trata da etapa mais importante do desenvolvimento de um modelo de simulação.

Etapa 3: Modelagem matemática

Nela, o modelo conceitual é convertido em um modelo computacional por meio da utilização de alguma linguagem de programação ou de algum software de simulação. É importante ressaltar que os softwares de simulação atuais permitem um alto nível de customização, utilizando interface gráfica e levando à redução do tempo de implementação do modelo. Dessa forma, dificilmente um analista de simulação precisará recorrer a uma linguagem específica de programação.

Etapa 4: Validação do modelo

Após a construção do modelo matemático computacional, este precisa ser comparado ao modelo conceitual de modo a avaliar se a lógica definida anteriormente foi fielmente implementada. Em seguida, deve-se rodar o modelo e gerar alguns resultados com o objetivo de verificar se este consiste numa representação precisa da realidade. Geralmente, isso é feito inserindo dados históricos de um determinado período e comparando o resultado do modelo com o que realmente aconteceu na operação neste período.

É importante comentar que, dependendo dos resultados obtidos, pode-se identificar a necessidade de retornar a etapas anteriores. Isso porque o modelo pode retornar resultados equivocados devido a problemas de entendimento do sistema, na modelagem conceitual, nos dados de entrada ou na implementação computacional.

Etapa 5: Análise dos resultados

Somente depois de validado pode-se utilizar o modelo para a realização dos experimentos. Nesta etapa, são realizadas diversas rodadas em função dos cenários e variações que se deseja avaliar. É importante ressaltar que a simulação por si só não responde qual seria a melhor alternativa, e sim como um sistema se comporta dada uma certa configuração. Pode-se dizer que a simulação é uma técnica what-if?, ou seja, “o que acontece se…” e não uma técnica que retorna um resultado ótimo, como a otimização. Assim, o plano de experimentos de um modelo de análise de capacidade deve ser elaborado para estudar diversos cenários de demanda, avaliar o impacto de mudanças na concorrência ou nos fornecedores, e, principalmente, verificar diferentes configurações de recursos.

Depois de construído, um modelo de simulação deve apresentar a seguinte estrutura:

  • Parâmetros de entrada
  • Lógica matemática
  • Dados de saída

Tomemos como exemplo o modelo desenvolvido pela Braskem – UNIB em conjunto com o CEL – Centro de Estudos em Logística, e apresentado no XII Fórum Internacional de Logística (2006) para apoiar a elaboração de seu Planejamento Estratégico de Capacidade. Tal modelo abrange vários subsistemas de diversos produtos acabados, o subsistema de matéria-prima e a relação desses subsistemas com portos. A Figura 2 ilustra esses subsistemas e seus relacionamentos.

 2007_01_imagem 06

Dada a complexidade do modelo completo, tomemos apenas um subsistema, o do Produto Z, representado pela Figura 3.

 2007_01_imagem 07

O subsistema ilustrado apresenta quatro grupos de entidades. O primeiro é composto pelos clientes do mercado interno que são atendidos diretamente da planta através de dutos. O segundo grupo consiste na planta da Braskem, responsável pela produção e estocagem do produto acabado. O terceiro representa o porto de Aratu, que é ligado à planta por dutovia e é utilizado para atracação e carregamento dos navios que abastecem o mercado externo e outros clientes do mercado interno via cabotagem.

A operação neste subsistema depende de um certo conjunto de recursos. Na planta existem dois tanques de armazenagem, necessários porque, naturalmente, não há sincronismo entre a produção contínua e a demanda. Os dutos são recursos de grande importância, por definirem qual a capacidade de abastecimento dos clientes 1, 2, 3 e 4 e de transferência para o porto de Aratu. O tanque do porto tem o papel de estocar o produto enquanto os navios são aguardados. Por último, os berços do porto restringem o número máximo de navios que podem ser atracados e carregados ao mesmo tempo.

Todos os recursos necessitam ser parametrizados no modelo. Os dutos devem ter suas capacidades inseridas. Os tanques da planta e do porto também devem ter suas capacidades de armazenagem definidas. Certamente, o número de berços também deve ser acrescentado. Além destes, outros parâmetros de entradas são necessários: a demanda de cada um dos clientes atendidos por dutovia; a taxa de produção da planta; a freqüência de chegada das embarcações e a taxa de carregamento das mesmas.

Alguns destes parâmetros foram modelados de forma determinística (valores únicos), como as capacidades de bombeio nos dutos, as capacidades de armazenagem nos tanques, a taxa de produção e o número de berços. Outros, por apresentarem variabilidades e incertezas, foram modelados utilizando distribuições de probabilidades, como a chegada de navios e a demanda dos clientes atendidos por dutovia.

A lógica matemática do modelo deve representar a lógica de fluxos e decisões da operação real. Essa lógica está representada pelo diagrama da Figura 4.

 2007_01_imagem 08

Conforme o diagrama sugere, pode-se considerar dois fluxos: o de navios e o de produtos. O fluxo de navios se inicia com a chegada das embarcações e o seu encaminhamento para a fila de atracação. A atracação se dá sob duas condições: disponibilidade de berço e de produto no tanque do porto. Atracado, o navio então é carregado e segue para o seu destino.

O fluxo de produto tem início na produção. Caso haja solicitação de envio para os clientes atendidos por dutovia, o bombeio é ativado e o produto é transferido para os tanques dos clientes. Caso contrário, verifica-se se há espaço para armazenagem no tanque da planta. Caso positivo, o produto é bombeado para este tanque. Se o tanque já estiver com sua capacidade 100% tomada, ocorre a parada da planta. O tanque do porto é ressuprido sempre que tenha capacidade e haja produto no tanque da planta.

Os principais dados de saída do modelo de análise de capacidade são aqueles referentes à utilização dos recursos e ao nível de serviço. No modelo exemplificado, para avaliar a utilização dos recursos foram utilizadas três estatísticas: utilização média, percentil 90 da utilização e percentual do tempo que a utilização ficou acima de 90%. A análise conjunta destas estatísticas permite concluir se um determinado recurso está sub ou super dimensionado.

Conforme mencionado anteriormente, a simulação não retorna um resultado ótimo e sim como o sistema se comporta dadas determinadas condições. Concluir que um recurso está mal dimensionado leva a uma próxima rodada do modelo, alterando os parâmetros deste recurso e analisando novamente os dados de saída. O Quadro 1 mostra alguns resultados de uma rodada do modelo.

 2007_01_imagem 09

Pode-se constatar, por exemplo, que o Tanque 1 da planta parece estar sub-dimensionado, pois, apesar de apresentar uma utilização média de 72%, o percentil 90 chega a 96% e em um quinto do tempo o nível do tanque está acima de 90% da capacidade. Nesta operação, tanques sub-dimensionados podem levar à necessidade de parada da planta e, conseqüentemente, a custos proibitivos. Esta situação ilustra bem o caso no qual o custo de falta de capacidade é maior que o custo de excesso de capacidade. Para avaliar qual será a capacidade adequada do tanque, deve-se rodar novamente o modelo algumas vezes, com diferentes valores de capacidade do tanque 1, maiores que o primeiro valor.

Além dos dados de utilização dos recursos como tanques e dutos, o estudo da utilização dos berços do porto também era de extrema importância. A disponibilidade de berços impacta diretamente na fila de embarcações no porto. Maiores filas levam a maiores tempos de atendimento e a maiores custos de demurrage (multa por atraso na atracação e liberação do navio). Assim, o modelo também foi elaborado para retornar como dados referentes à utilização do porto e à fila de navios.

Construído considerando as principais incertezas, variabilidades e interdependências da operação atual e futura, o modelo desenvolvido pela Braskem-UNIB em conjunto com o CEL permitiu o estudo de diversos cenários e o dimensionamento dos principais recursos logísticos envolvidos. Dessa forma, o Planejamento Estratégico de Capacidade foi elaborado para um horizonte de dez anos, definindo as ações a serem tomadas no tempo, assim como os investimentos necessários.

CONCLUSÃO

O processo de elaboração de um Planejamento Estratégico de Capacidade traz diversos desafios para as organizações. Um dos maiores consiste em como tratar as incertezas originadas pelas previsões e estimativas necessárias para o planejamento. O tratamento adequado destas incertezas é de extrema relevância para garantir a qualidade das decisões tomadas.

Este artigo mostra como a simulação computacional pode ser utilizada como ferramenta em um estudo de análise de capacidade. Um modelo de simulação permite que determinadas ações possam ser testadas e seus efeitos analisados sem que realmente sejam tomadas na realidade.

Apesar de o processo de construção de um modelo matemático não ser uma tarefa simples, necessitando profissionais capacitados e envolvimento de várias pessoas dentro da organização, certamente se paga pela riqueza das análises que podem ser realizadas e pelo embasamento e segurança das conclusões que alimentarão o planejamento estratégico de capacidade da empresa.

BIBLIOGRAFIA

HAYES, ROBERT H.; WHEELWRIGHT, STEVEN C. Restoring Our Competitive Edge – Competing Through Manufacturing. John Wiley & Sons, 1984.

CHWIF, LEONARDO; MEDINA, AFONSO C. Modelagem e Simulação de Eventos Discretos. Bravarte, 2006.

MIEGHEM, JAN A. VAN. Capacity Management, Investment and Hedging: Review and recent Developments. Manufacturing & Service Operations Management, Fall, 2003.

MIRHASSANI, S.A.; LUCAS, C.; MITRA G.; MESSINA, E.; POOJARI, C.A. Computational Solution of Capacity Planning Models Under Uncertainty. Parallel Computing, 2006.

YANG, Y. HELIO; HADDAD, KAMAL; CHOW, CHEE W. Capacity Planning Using Monte Carlo Simulation: An Illustrative Application of Commonly Available PC Software. Managerial Finance, 2001.

COTIAS, ALMIR; NAZARIO, PAULO. Planejamento Estratégico de Capacidade: Braskem UN Insumos Básicos. XII Fórum Internacional de Logística, Agosto 2006.