SIMULAÇÃO DE OPERAÇÕES DE NAVIOS E BALSAS … · No Brasil, a maior parte do petróleo é...
Transcript of SIMULAÇÃO DE OPERAÇÕES DE NAVIOS E BALSAS … · No Brasil, a maior parte do petróleo é...
¹Aluno-Graduando engenharia de produção pela Universidade Federal do Amazonas - UFAM, [email protected] ²Graduado engenharia de produção pela Universidade Federal do Amazonas - UFAM, [email protected] ³Aluno-Graduando engenharia de materiais pela Universidade Estadual do Amazonas - UEA, [email protected]
SIMULAÇÃO DE OPERAÇÕES DE NAVIOS E BALSAS PETROLEIRAS NO TERMINAL
DE MANAUS COM SOFTWARE ARENA
Maikon da Silva Freitas¹
Carlos Renato Alves Bahia²
Reinaldo de Almeida Rodrigues³
RESUMO
A simulação de eventos tem sido utilizada em diversas áreas de estudo, pois permite submeter, através
de cenárias computacionais, eventos que auxiliam para resolução de problemas do mundo real. Este
trabalho tem objetivo utilizar a simulação com software ARENA como ferramenta para apresentar
uma análise da situação operacional do processo de atracação de navios petroleiros nos 3 Portos da
Refinaria de Manaus. A análise foi realizada durante a vazante do rio Negro, meses críticos das
operações. A partir do resultado das simulações chega-se à conclusão de que nesse período observa-
se um desbalanceamento e uma elevação da taxa de ocupação nos portos. Diante da situação foram
criados cenários para avaliação da capacidade, considerando o tempo de espera e processamento
visando aperfeiçoar a disposição dos portos de modo a otimizar o fluxo de atracações.
Palavras-chave: Modelagem e simulação, Teoria das filas, Software ARENA.
SIMULATION OF OPERATIONS OF SHIPS AND BARGE IN THE MANAUS
REFINERY TERMINAL WITH SOFTWARE ARENA
ABSTRACT
Event simulation has been used in several areas of study, as it allows to submit through computational
scenarios events that help to solve real world problems. This paper aims to use the simulation with
software ARENA as a tool to present an analysis of the operational situation of the mooring process
of oil tankers in the 3 ports of Manaus Refinery. The analysis was performed during the ebb of the
Rio Negro, critical months of operations. From the results of the simulations it is concluded that in
this period there is an imbalance and an increase in the occupancy rate in the ports. Given the
situation, scenarios were created for capacity assessment, considering the waiting time and
processing to improve the arrangement of ports in order to optimize the flow of berths.
Keywords: Modeling and simulation, Theory of queues, ARENA Software.
2
INTRODUÇÃO
Para que o petróleo esteja no ponto para ser utilizado pelas indústrias, o mesmo deve passar
por etapas, e uma dessas etapas é quando os componentes são purificados e separados nas refinarias
de petróleo, tal tarefa tem um alto nível de dificuldade pois há muitas variações na composição, além
de muitas substâncias na sua formulação, mas antes da etapa de refinamento do petróleo, existe uma
das considerada como principal e essencial etapa no ciclo de produção e consumo do petróleo, trata-
se de seu transporte, exigindo o cumprimento de regras para manter a ordem toda cadeia de produção
de petróleo (RESUMOESCOLAR, 2019).
No Brasil, a maior parte do petróleo é transportada por navios petroleiros até o destino final
podendo ser uma refinaria ou Terminal com tancagem para armazenamento e distribuição dos
produtos, grande dos produtos após processados nas Refinarias retornam para bordo para subsequente
distribuição ao longo da costa, terminais em águas interiores ou no exterior (SILVA, 2004).
O transporte de petróleo e derivados pode ser efetuado através de modal aquaviário por meio
de navegação fluvial, águas interiores, marítima ou por hidrovias utilizando-se para tal, navios tanque
conhecidos como petroleiros ou ainda por meio de balsas tanque utilizadas principalmente para
atendimento onde são demandados volumes menores de produto ou ainda pela limitação do curso a
ser navegado. No Brasil, a maior parte do petróleo produzido e dos produtos refinados é transportada
por navios petroleiros até o destino final (SILVA, 2004).
Existe uma tendência de crescimento transporte aquaviário, principalmente na navegação de
cabotagem devido à concentração da atividade econômica na região costeira (RIBEIRO et al., 2000
apud SILVA, 2004).
Devido à vazante do rio Negro há uma redução no calado dos berços de atracação,
consequentemente diminuindo a capacidade de carga e descarga dos Navios, aumentando o número
de operações necessárias para atender a demanda da região. Então, para estudar formas de otimizar o
sistema de atracação dos navios petroleiros do Terminal de Manaus, foi proposta a modelagem e
simulação do sistema usando a simulação para auxiliar na tomada de decisão sem que haja alteração
da estrutura física do local.
A simulação possui diversas vantagens tais como: maior facilidade de aplicação do que os
métodos analíticos; identificação de gargalos no sistema; compreensão das variáveis mais importantes
do sistema (FREITAS FILHO, 2008). Conforme afirma Aragão (2011) a simulação computacional
auxilia na tomada de decisão, gera resultados consistentes e diminuem o tempo de resposta.
3
A aplicação da simulação em diversas áreas faz com que a mesma se destaque como uma
ótima ferramenta sendo um apoio para as empresas, além disso dar muitas vantagem pois o tempo
dedicado para detalhar processos complexos mostrando os possíveis resultados de melhorias
propostas diminui.
O objetivo principal deste artigo é verificar se há gargalos ou sobrecarga de distribuição em
cada Porto que compõe o Terminal Aquaviário. Objetivos Específicos – Minimizar as filas e propor
outras melhorias para ajustar a taxa de ocupação nos Portos, com a melhor utilização possível dos
recursos disponíveis.
Este trabalho encontra-se estruturado em 5 (cinco) etapas, incluindo a presente introdução. Na
segunda etapa é feito a apresentação do referencial teórico. A terceira etapa descreve a metodologia
aplica com coleta de dados apresentando os modelos de simulação computacional, com o uso do
software ARENA. A quarta etapa traz os resultados obtidos com a análise. No último capítulo é feito
a discursão e conclusão.
1. REFERENCIAL TEÓRICO
1.1 Simulação
Simulação é uma técnica que possibilita uma pessoa reproduzir o funcionamento de um
sistema real assim como procura montar um modelo que melhor representa o sistema em estudo
(PRADO, 2014).
Segundo Bateman et al. (2013) a simulação é uma ferramenta amplamente usada nas áreas de
Engenharia de Produção, Administração, informática e computação, e tem auxiliado as empresas na
tomada de decisões em diversas áreas tais como manufatura, logística, serviço e saúde. Para Prado
(2014) é ferramenta para se obter uma medição quantitativa da confiabilidade do sistema.
Conforme Greasley (2008) a simulação preocupa-se em modelagem de sistema
representativos por acontecimentos descritos em casos individuais, percorrendo os postos, onde se
realizam as operações, com o passar do tempo. Segundo Mclean e Leong (2001) a simulação permite
auxiliar as empresas no gerenciamento dos recursos através de análise do desempenho do fluxo do
processo realizados por simulação, podendo estimar ganhos de novas alternativas.
Segundo Souza et al. (2018) a simulação é capaz de dar apoio em tomadas de decisões, através
da utilização de processos computadorizado, com simulações de cenários reais e também fictícios
permitindo observar o comportamento do sistema a partir das mudanças inseridas sem que as mesmas
4
sejam realizadas. Shannon (1975) confirma que a simulação é o processo de elaborar uma modelo de
um sistema real ou hipotético guiando os experimentos com o objetivo de entender o comportamento
do sistema e submetê-lo a várias restrições operacionais, optando sempre pela melhor alternativa.
Chwif e Medina (2010) justificam a simulação confirmando que a mesma permite a análise
de um novo sistema antes da sua implantação, também é capaz de melhorar operações de um sistema
já existente através da compreensão de tal sistema.
O modelo geral de simulação possui uma estrutura com a seguinte ideia: as entidades chegam
ao sistema, aguardam em filas se necessário, realizam atividades conforme os recursos disponíveis e
após finalizarem as atividades saem do sistema (CHWIF et al., 2013).
Conforme Neto at al. (2014) Chwif e Medina (2010) a modelagem e simulação divide-se em
seis etapas, sendo:
• A primeira a formulação onde são definidos o problema e objetivo da modelagem com
base a observação do sistema analisado;
• A segunda etapa prossegue com a representação, constrói-se um modelo conceitual
baseado na modelagem simbólica e inicia-se a coleta de dados do sistema a ser
analisado;
• A terceira etapa é a implantação converte-se o modelo conceitual em computacional
utilizando a simulação com os parâmetros definidos conforme o software escolhido;
• A quarta etapa é a verificação e validação, onde procura-se verificar se o modelo
conceitual foi convertido em modelo computacional de forma consistente e apropriada,
além de validar comparando os resultados do modelo computacional aproximando-se
do comportamento do cenário real;
• A quinta etapa segue-se com a experimentação quando o modelo computacional passa
a ser operacional, após verificação e validação, podemos analisa-lo quanto a variável,
ajustando-o para se obter melhores soluções;
• A sexta etapa finaliza com Análise, onde os resultados são analisados conforme o
objetivo proposto;
1.2 Software ARENA
Lançado pela empresa americana Systems Modeling em 1993 é a unificação aperfeiçoada dos
softwares SIMAN e CINEMA e incorporado a empresa Rockwell software em 1998 (PRADO, 2014).
5
Segundo Melo et al. (2017) o software ARENA é o mais conhecido no ambiente acadêmico e
profissional sendo representado no Brasil pela empresa Paragon Tecnologia Ltda. Correia et al.
(2012) comenta que o ARENA faz parte da suíte RS BIZUARE, que reúne uma solução integrada e
completa para projetar, planejar e gerenciar o chão de fábrica, tornando-se parte importante da
estratégica de atuação da Rockwell Software dentro do segmento de Manufacturing Execution System
(MES).
Conforme Costa et al. (2016) o software ARENA é um simulador onde os dados inseridos e
processados podem ser alterados de acordo com a necessidade do projeto de melhoria levando a
resultados melhores a serem implementados sem que haja custo proveniente de alterações reais.
Santos et al. (2017) comenta que o software ARENA possui uma interface gráfica
automatizada que auxilia na redução da utilização do teclado, pois suas ferramentas levam ao usuário
utilizar mais o mouse, assim simplificando o processo de construção do modelo. Souza et al. (2017)
apud Pinho et al. (2009) afirma que o software ARENA é um meio gráfico integrado de simulação,
onde não é necessário digitar linhas de códigos para criar modelos de simulação com recursos de
desenhos e animação.
Segundo Prado (2014) o ARENA possui um conjunto de blocos (comandos de linguagem de
programação) utilizados para descrever uma aplicação real, uma interface gráfica, além de
ferramentas úteis como:
• Input Analyzer – analisados de dados de entrada que possibilita analisar dados reais
do funcionamento do processo e escolher a melhor distribuição estatística;
• Output Analyzer – analisador de resultados com diversos recursos que permite analisar
dados coletados durante a simulação.
Pinto et al. (2009) ratifica que a ferramenta adicional Input Analyzer no software ARENA é
capaz de analisar dados de entrada gerando histograma com valores mínimo, médio e máximo, e o
desvio padrão da amostra, além de realizar testes de aderência dos dados determinando as distribuição
de probabilidade mais adequada para o usuário realizar a melhor modelagem do sistema.
Conforme CORREIA et al (2012) o ARENA é um ambiente gráfico integrado de simulação
não sendo necessário escrever linhas de códigos no software com processo de criação de modelos de
simulação gráfica e visual.
Pinto et al. (2009) também comenta que o ARENA gera um relatório após finalizar a
simulação do modelo em PDF na qual cada estatística pode ser detalhada visualmente.
6
Desta forma o ARENA é software de simulação de eventos discretos mais utilizado no mundo
sendo entendidos através da abordagem de uma simples modelagem por fluxogramas (PARAGON,
2019).
1.3 Terminal aquaviário
Um Terminal Aquaviário de Petróleo trata-se de uma instalação Industrial por meio da qual é
possível fazer transferência de produtos derivados do petróleo, nesse processo utilizam-se diversos
equipamentos como braços de carregamento, bombas de alta capacidade de vazão, válvulas manuais
ou motorizadas e instrumentação de campo, para monitoramento e controle de vazão, pressão e
temperatura.
Entende-se por transporte aquaviário aquele que se utiliza de uma via aquática para a
navegação, seja esta, interior, costeira (cabotagem) ou destinada oceânica de longo curso denominada
como navegação off-shore (SILVA, 2004).
O Terminal Aquaviário de Manaus (TA–Manaus) destina- se às operações portuárias de carga,
descarga de navios e barcaças. Trata-se de terminal fluvial da bacia amazônica, situado na margem
esquerda do Rio Negro, 3,7 km a montante da confluência do Rio Negro com o Rio Amazonas,
distante 8,3 km do centro urbano da cidade de Manaus (INFORMAÇÕES PORTUÁRIAS, 2012).
O Terminal possui três píeres fluviais flutuantes, sendo dois exclusivamente para navios,
podendo ainda ser usado para operação de barcaças, e um exclusivo para barcaças. Nestes píeres são
efetuados carga, descarga de petróleo e derivados, abastecimento de bunker e descarga de estireno
(INFORMAÇÕES PORTUÁRIAS, 2012).
Por não ter tancagem própria, o Terminal funciona como intermediário nas operações. Todas
as movimentações de petróleo e derivados são recebidas e expedidas pela Refinaria de Manaus
(INFORMAÇÕES PORTUÁRIAS, 2012).
O Terminal é a porta de entrada e de saída dos produtos movimentados e produzidos pela
Petrobras na Refinaria de Manaus. Recebe em seus portos navios e barcaças com petróleo, GLP (Gás
Liquefeito de Petróleo) e derivados claros e escuros para a Reman e para as companhias
distribuidoras. Movimenta, ainda, monômetro de estireno para a empresa Videolar (TRANSPETRO,
2013).
7
Figura 1: Terminal Aquaviário de Manaus
Fonte: TRANSPETRO, 2013.
Tabela 1 - Características dos berços de atracação do Terminal de Manaus
Fonte: INFORMAÇÕES PORTUÁRIAS, 2012.
POF 1 POF 2
POF 3
8
2. PROCEDIMENTOS METODOLÓGICOS
2.1 Objeto de estudo
A empresa onde o estudo foi realizado fica situada no Brasil, no estado do Amazonas na cidade
de Manaus, e atua no mercado de petróleo e derivados.
A ideia central do estudo surgiu a partir da identificação do problema por parte dos autores,
analisando o cenário atual e comparando com o estudo realizado anteriormente no ano de 2015 onde
apontava para um cenário econômico favorável, com o mercado local aquecido demandando grande
volume de operações para garantir o abastecimento do mercado local, o que gerava sobrecarga nas
instalações portuárias da Refinaria para garantir o atendimento à essa demanda, consequentemente
um excessivo tempo de espera desses navios e balsas nas filas para atracação nos Portos Operacionais
Flutuantes (POF), assim gerando uma elevada taxa de utilização dos Portos.
A operação é realizada por um profissional de campo ou de modo remoto por meio de um
sistema supervisório em uma sala de comando e controle, a instrumentação é aplicada para o
monitoramento das variáveis do processo. O procedimento inicial se dá por meio do processo de
conexão dos mangotes de borracha ou termoplásticos, ou por meio dos Braços de Carregamento que
garantem a conexão para transferência entre os Navio e Barcaças com a instalação industrial do
Terminal.
Em função da criticidade de operação observadas no período sazonal de extrema vazante
devido à redução de calado no berço de atracação, o que reduz bastante a capacidade de
movimentação em volume de produtos em cada POF, nesse período, há a necessidade de aumentar o
número de operações para garantir o volume necessário para abastecimento do mercado local, onde
o grupo se propõe a avaliar como encontra-se a situação de atendimento às operações em 2017, dada
a redução de demanda comparado ao ano de 2015.
Neste trabalho as entidades serão os navios e balsa levando em consideração os POFs como
os recursos com as suas respectivas capacidades. Nessa etapa procura-se a definição do problema e
objetivos da modelagem, construindo um modelo abstrato com base na observação do sistema
2.2 Procedimentos de coleta de dados
Para que o grupo pudesse criar a modelagem, simulação e gerar cenários alterativo de melhoria
para o processo de atracação das balsas e navios foram feitas visitas ao Terminal Aquaviário com o
intuito de observar e entender o processo e ambiente a ser analisado.
9
Observando o fluxo do processo podemos notar que as balsas e navios chegavam e paravam
antes de se atracarem aos POFs, pois os mesmos devem esperar a comunicação de autorização para a
atracação. Após a autorização é realizado a atração e posteriormente o processo de descarga do
material, após isso é realizado a saída.
Os dados foram coletados por meio das planilhas de controle de operações do Terminal
Aquaviário de Manaus, referente aos meses de setembro, outubro e novembro de 2017, foram
observados dados referente aos tempos de carga, descarga, número de atracação de navios e balsas,
volume de produtos movimentados no período, além do tempo de chegada aos Portos, os dados foram
analisados pelo grupo e posteriormente foram submetidos a ferramenta input analizer disponível no
software ARENA para avaliação e definição da melhor distribuição desses dados por meio do teste
de aderência, para posteriormente utilizar como parâmetros no processo de modelagem no ARENA.
O Terminal é composto por POF’s, por meio dos quais os Navios ou Barcaças carregam ou
descarregam os produtos, sendo dois (POF-1 e POF-3) destinados a operações com navios/balsas, e
um porto (POF 2) exclusivo para balsas. Nesses portos são efetuados o processo carga, descarga de
petróleo e derivados, abastecimento de bunker e descarga de estireno.
Características das Plataformas de transferência de petróleo em Manaus:
• Porte Máximo: 50.000 TPB - NAVIOS
• Porte Mínimo: 5.000 TPB - BARCAÇAS
• Porte Intermediário: 50.000 TPB – NAVIOS
2.3 Procedimentos de análise de dados
A partir da análise inicial dos dados, foi possível inferir uma avaliação mais fidedigna ao
cenário real por meio do resultado obtido na modelagem no software ARENA.
Foi elaborado uma modelo conceitual com modelagem simbólica para melhor entendimento
do sistema avaliado, viabilizando a análise de comportamento do sistema, antes de se iniciar a
construção do modelo computacional no software ARENA.
Os dados foram coletados e separados em blocos de notas, em tempo de chegada para navios,
de chegada para balsas e de operações no POF-1, POF-2 e POF-3. Cada tempo em seus respectivos
blocos de notas. Para realizar o teste de aderência na ferramenta Input Analyzer é necessário inserir
os dados coletados em blocos de notas para que a mesma consiga realizar a leitura dos dados.
Com os dados submetidos ao teste de aderência na ferramenta Input Analyzer para verifica a
melhor distribuição estatística da amostra coletada para posterior organização, tratamento, validação
10
e geração de informações através da modelagem. Através do relatório gerado pelo software, os dados
foram analisados e discutidos no decorrer do trabalho pelo grupo, em seguida foram definidas as
propostas para melhoria do processo de atendimento. Abaixo seguem as figuras que representam os
resultados referente as melhores distribuições estatísticas dos dados de tempos de chegada para
navios, de chegada para balsas e de operações no POF-1, POF-2 e POF-3.
Figura 2 - Testes de Aderência para a Distribuição dos tempos de chegada para navios.
Fonte: os autores, 2017.
11
Figura 3 - Testes de Aderência para a Distribuição dos tempos de chegada para Balsas.
Fonte: os autores, 2017.
Figura 4 - Testes de Aderência para a Distribuição dos tempos de Operações no POF-1.
Fonte: os autores, 2017.
12
Figura 5 - Testes de Aderência para a Distribuição dos tempos de Operações no POF-2.
Fonte: os autores, 2017.
Figura 6 - Testes de Aderência para a Distribuição dos tempos de Operações no POF-3.
Fonte: os autores, 2017.
13
Após realizados os teste de aderências das amostras coletadas na ferramenta Input Analyzer
que auxiliou o grupo na determinação das curvas de comportamento, além de ter fornecido a
expressão matemática que melhor descreveu o comportamento dos dados, a ferramenta também
ajudou o grupo na verificação da qualidade das amostras coletadas, onde as mesmas poderiam ser
aprovadas ou não. Todas as amostras foram aprovadas no teste de aderência realizados e seguem uma
distribuição Beta para os tempo de chegada para navios, de chegada para balsas e de operações no
POF-1, POF-2 e POF-3. Conforme mostra a Tabela 2.
Tabela 2 - Resultado dos testes de Aderência para a Distribuição dos tempos de operações
Processo
Chegada Navio
(Horas)
Chegada Balsa
(Horas)
Atendimento POF1
(Horas)
Atendimento POF2
(Horas)
Atendimento POF3
(Horas)
Tipo de Distribuição Beta Beta Beta Beta Beta
Equação 10 + 2 *
BETA(0.829, 0.799)
6 + 5 * BETA(0.966,
1.12)
15 + 18 * BETA(1.29,
1.23)
5 + 18 * BETA(1.34,
1.44)
2 + 5 * BETA(1.77,
1.97)
Erro Quadrado (%) 0.006744 0.009633 0.010415 0.011755 0.007438
Chi Quadrado
Intervalos 8 8 7 7 7
Degrees of Freedom
5 5 4 4 4
Test Statistic 3.66 7.03 3.24 7.86 2.71
KolmogorovSmirnov 0.0531 0.0718 0.0511 0.0693 0.0563
p-value 0.603 0.227 0.52 0.0978 0.612
Média da Amostra 11 8.31 24.2 13.7 4.36
Desvio Padrão da
Amostra 0.609 1.42 4.8 4.63 1.15
Fonte: os autores (2017)
14
Após a definição da melhor distribuição estatística dos dados com a ajuda da ferramenta Input
Analyzer do software ARENA foi feito a modelagem dos dados e realizadas as simulações no ARENA
do cenário real conforme Figura 7. O objetivo desta etapa é modelar e simular o comportamento da
realidade (cenário real) do processo de atracação das balsas e navios.
Na modelagem foram usados dois blocos Create “CHAGADA NAVIOS” e “CHEGADA
BALSA”, pois são blocos que o simulador cria entidades (balsas e navios) que iram se mover pelo
modelo no sistema, conectados através de Route aos dois blocos PickStation’s respectivamente. O
bloco PickStation foi utilizado, pois permite que a entidade selecione uma das estações (POF-1, POF-
2 e POF-3) disponíveis, sendo o bloco PickStation conectado ao bloco Create “CHAGADA
NAVIOS” programado para não escolher a estação POF-2, uma vez que o POF-2 é exclusivo para
atracação de balsas.
Os próximos blocos são os blocos Enter’s, que são conectados aos blocos PickStation’s
associado aos módulos programados. Os blocos Enter’s são também conectados através de Route aos
blocos Process “POF-1”, “POF-2” e “POF-3” respectivamente. No bloco Process as entidades serão
processadas, no caso desta simulação é o tempo que cada balsa e navio são atendidos (descarga do
material), o bloco Process é programado conforme a capacidade obedecendo a expressão definida
com a ajuda da ferramenta Input Analyzer.
Seguidamente os blocos Process “POF-1” e “POF-3” foram conectados através de Route aos
blocos Decide respectivamente, o bloco Decide foi utilizado pois permite a tomada de decisões no
sistema e foi programado para tomar duas decisões baseado em tipos de entidades, com objetivo de
separarmos as entidades balsa e navio que passa por cada blocos Process “POF-1” e “POF-3”. O
bloco Decide não foi usado na saída do bloco Process “POF-2”, pois o POF-2 é exclusivo para
atracação de balsas. Para que as entidades sejam contabilizadas foi necessário a utilização do bloco
Record, que é usado para coleta estatísticas do modelo.
Logo após acrescentou conectados através de Route os blocos Leave, que é usado para
transferir uma entidade a uma estação ou bloco, sendo assim os blocos Leave programados para as
entidades serem transferidas para o bloco Enter.
Por fim, conectados através de Route ao bloco Enter, inseriu-se o bloco Dispose, destinado
como ponto final para entidades em um modelo de simulação.
Portanto após a montagem do modelo no ARENA fez-se a simulação com o intuito de obter
dados para análise. Os dados são gerados após o término da simulação por meio de relatório no
15
software ARENA. O relatório em PDF gerado pelo ARENA ajudou o grupo a entender a simulação
do modelo montado para análise.
Figura 7 – Modelagem no ARENA dos dados do cenário real de operações.
Fonte: os autores (2017)
Após a simulação do cenário real o grupo verificou o comportamento do modelo montado
através dos relatório e constatou a aproximação do sistema com a situação real validando a construção
da modelagem realizada.
No relatório gerado pelo ARENA analisou-se que os resultados das simulações apontam para
uma sobrecarga nas operações do POF-1 com uma taxa de ocupação de 90,3% e, além de se observar
uma taxa elevada de ociosidade no POF-3 com taxa de utilização de 40,7% o POF-2 apresentou uma
taxa de ocupação de 66,2%.
Através dos resultados obtidos do relatório do ARENA o grupo observou que havia
oportunidades de melhoria e elaborou duas melhorias para balancear a taxa de ocupação dos POFs.
Nessa etapa procura-se ajustar o modelo para obter melhores resultados, o modelo computacional
agora torna-se modelo operacional sendo possível analisá-lo quanto a variáveis, cenários e análise de
sensibilidade podendo ser testados para a melhor solução.
Possível 1ª Melhoria: Através do relatório é possível perceber que o POF-1 está com a taxa de
utilização em 90,3%, enquanto o POF-3 está com a taxa de utilização de apenas 40,7%. Assim uma
16
possível medida a ser tomada seria fazer a divisão da demanda de uma forma mais justa possível, para
equilibrar a taxa de ocupação desses POFs.
Tal objetivo é alcançado configurando os Blocos PickStation’s seguindo os passos:
PickStation1 > Seleciona Expression > click sobre o recurso com maior taxa de utilização (POF-1) >
Click em Build Expression > Basic Process Variables > Resource > Usage > Current Utilization >
Seleciona a formula ResUtil (Resource1) <= 0.5. Assim podemos dividir para cada bloco a demanda
de entidades que vão em direção aos blocos Process “POF-1” e Process “POF-3”. O resultado aponta
para uma redução na Taxa de Utilização do POF-1 diminuindo para 68,6%. A remodelagem do
cenário proposta Possível 1ª Melhoria encontra-se na Figura 8 abaixo.
Figura 8 – Modelagem no ARENA dos dados do cenário proposto como melhoria 1
Fonte: os autores (2017)
Apesar da remodelagem do cenário com a Possível 1ª Melhoria o grupo observou que ainda
havia possibilidade de melhorar o sistema.
Possível 2ª Melhoria: Mesmo realizando a primeira melhoria, pode-se observar que a Taxa de
Ocupação do POF-2 (responsável pelas Balsas) está mais elevada com 71,8%. Na tentativa de
amenizar essa taxa de ocupação, utilizando o bloco Decide conectados através de Route ao bloco
Enter que está conectado ao bloco Process “POF-2”, programando o bloco Decide para direcionar
25% da demanda do bloco Process “POF-2” para o bloco Process “POF-3”, assim foi possível reduzir
a taxa de ocupação do bloco Process “POF-2” para 59,7% e elevando a taxa de ocupação do bloco
17
Process “POF-3” para 47,1%. Esse segundo cenário desenvolvido pelo grupo também trouxeram
resultados positivos com um melhor balanceamento da taxa de utilização dos POFs. A remodelagem
do cenário proposta Possível 2ª Melhoria encontra-se na Figura 9 abaixo.
Figura 9 – Modelagem no ARENA dos dados do cenário proposto como melhoria 2.
Fonte: os autores (2017)
3. RESULTADOS
O presente estudo, visando alcançar os objetivos descritos no início do trabalho, procurou
quantificar e analisar, as seguintes variáveis: o tempo médio e máximo que uma Navio/Balsa fica na
fila e no sistema, o número médio de Navio/Balsa na fila, o número de Navio/Balsa que entraram e
saíram do sistema, o tempo médio e máximo de Tempo de Serviço e a porcentagem de tempo de
utilização em cada um dos POF’s.
Podemos inferir que, em cada replicação, poderão ocorrer valores de tempos máximos maiores
ou menores que o apresentado, sendo a média desses valores o valor representado. A seguir a Tabela
3 apresenta os resultados para 10 (dez) replicações (pelo fato de se tratar de um sistema grande e a
18
versão estudantil do Software disponível não suportar mais replicações), Comprimento da Replicação:
1440h, com 24 horas por dia.
Os valores encontrados através da modelagem e simulação no ARENA dos processos de
atracação de balsa e navios estão representados na Tabela 3 a seguir:
Tabela 3 - Resultados da Simulação para 10 replicações
Fonte: o autor (2017)
Na Tabela 3 são apresentados na primeira coluna os parâmetros avaliados, as colunas
seguintes apresenta os cenários que foram modelados na situação real, onde foi possível observar um
desbalanceamento da taxa de utilização dos POFs e duas melhorias proposta pelo grupo, onde foi
possível remodelar e simular o modelo da situação afim de melhorar o balanceamento da taxa de
utilização dos POFs.
Parâmetros Medida
Cenários
Real Melhoria 1 Melhoria 2
Navio que entraram Quantidade 131 131 131
Balsa que entraram Quantidade 126 126 127
Navio que saíram Quantidade 130 130 130
Balsa que saíram Quantidade 125 125 126
Navio em processo Quantidade 1 1 1
Balsa em processo Quantidade 1 1 1
Navio em tempo ativo no processo Horas 7,29 7,23 7,72
Balsa em tempo ativo no processo Horas 14,92 13,38 11,41
Navio tempo de espera do processo Horas 0,22 0,57 1,06
Balsa tempo de espera do processo Horas 0,92 0,77 0,67
Navio tempo total de processo Horas 7,51 7,81 8,78
Balsa tempo total de processo Horas 15,84 14,15 12,07
Taxa de utilização do POF1 % 90,3% 68,6% 64,0%
Taxa de utilização do POF2 % 66,2% 71,8% 59,7%
Taxa de utilização do POF3 % 40,7% 43,0% 47,1%
19
DISCUSSÕES
Observando os resultados do estudo atual e comparando com o estudo realizado em 2015,
nota-se que a diminuição de demanda gerada pelo atual cenário econômico desfavorável gera um
tempo de ociosidade que poderia ser ocupado utilizando-se novas parcerias com empresas do setor
para utilização do recurso disponível nas Instalações do Terminal de Manaus, embora haja essa folga
em relação a capacidade produtiva, foi observado que a demanda está desequilibrada entre os POF’s
que compõe o Terminal, abrindo a oportunidade para melhorias no que diz respeito a melhor
utilização dos recursos disponíveis evitado a sobrecarga em algum dos 3 (três) Portos.
CONCLUSÕES
Após a simulação do sistema de operações com navios petroleiros a partir da análise dos
resultados pode-se concluir que o objetivo principal do trabalho foi alcançado, conseguindo
demonstrar, por meio da modelagem dos dados e simulações no software o funcionamento desse
sistema. O uso da simulação computacional registrou o comportamento do funcionamento de cada
Instalação portuária e as respectivas taxas de ocupação dos recursos.
O presente trabalho demonstrou a importância significativa de aplicação da simulação no
processo das empresas. Além disso, foi possível observar por meio da simulação, tratar-se de uma
técnica convincente que proporciona o conhecimento das causas de problemas nos processos,
fornecendo um subsídio técnico para as equipes de gerenciamento, na implementação de melhorias
em busca das soluções mais acertadas e menos dispendiosas para a empresa.
Após o estudo, chegou-se à conclusão que há uma sobrecarga na demanda de atendimento às
operações no POF-1 e que o POF-3 fica sub utilizado, desse modo, o grupo definiu 2 (duas) possíveis
sugestões de melhorias, a partir de um remanejamento de navios/balsas para uma melhor distribuição
de modo que um Porto não fique sub utilizado em detrimento de outro que fica sobrecarregado, ao
mesmo tempo o grupo indica que as operações com Balsas passem a ser redistribuídas principalmente
ao POF-3 que apresenta um alto grau de ociosidade, tal problema surge devido ao maior número de
operações com Balsas, especialmente no período de sazonalidade de extrema vazante (período de
análise do estudo) por operarem com menor capacidade, entre 3 (três) e 5 (cinco) Tonelada de porte
bruto, com a redistribuição proposta o POF-2 teria a carga de operações aliviadas, o POF-1
apresentaria uma leve redução nas operações e diminuiria a taxa de ociosidade no POF-3.
Vale ressaltar que mesmo com a proposta de melhoria apresentada pelo grupo o POF-3 ainda
apresenta uma taxa de ocupação inferior a 50% o que possibilitaria expandir ainda sua carteira de
20
operações, em no mínimo 20% abrindo a possibilidade ao mercado externo ao movimentar produtos
para outras Empresas, possibilitando um aumento na receita.
O estudo também mostra a possibilidade de desenvolvermos um estudo com aplicação do
conhecimento adquirido na Instituição de Ensino com aplicações no software ARENA na busca de
soluções para problemas em processos produtivos e mesmo tendo um caráter totalmente acadêmico,
servirá de base e apoio científico para futuros estudos relacionado ao caso real ou similares.
REFERÊNCIA BIBLIOGRÁFICA
ARAGÃO, A. P. Modelagem e simulação computacional de processos produtivos: o caso da
cerâmica vermelha de Campos dos Goytacazes, RJ. 2011. 143 fls. Dissertação de Mestrado -
Universidade Estadual do Norte Fluminense, Campos dos Goytacazes, 2011.
BATEMAN, R. E.; BOWDEN, R. O.; GOGG, T. J.; HARRELL, C. R.; MOTT, J. R. A.;
MONTEVECHI, J. A. B. Simulação de sistemas: aprimorando processos de logística, serviços e
manufatura. Rio de Janeiro: Elsevier, 2013.
CHWIF, L.; MEDINA, A. C.; VIEIRA, D. R.; PÉCORA JR, J. E.; PEREIRA, W. I. Introdução ao
SIMUL8: um guia prático. 1. ed. São Paulo: Ed. dos Autores, 2013. Disponível em:
<https://livrosimulacao.eng.br/?smd_process_download=1&download_id=15>. Acesso em: 05 de
ago. 2019.
CHWIF, L. MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria e prática. 3.
ed. São Paulo: Leonardo Chiwf. 2010.
CORREIA, R. R.; FARIAS, H. C. A. de; LIMA, A. B. A.; MEDEIROS, S. N. Simulação de fluxo
de ônibus no Terminal de Integração do Varadouro: Um estudo computacional. Bento
Gonçalves. RS: Enegep 2012. Disponível em: <
http://www.abepro.org.br/biblioteca/enegep2012_tn_stp_162_946_19581.pdf>. Acesso em: 02 ago.
2019.
COSTA, M. A.; REZENDE, T. G.; BERTOLUCI, E. A. Estudo envolvendo modelagem e
simulação com o software Arena em uma loja do ramo alimentício na cidade de Brotas/SP. VI
Encontro Científico do GEPro. 2016. Disponível em: <
http://www.geprofatecjahu.com.br/gepro/index.php/gepro/2016/paper/download/241/175>. Acesso
em: 10 de ago. 2019.
21
FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas. 2. ed. Florianópolis:
Visual Books, 2008.
GREASLEY, A. Using simulation for facility design: A case study. Simulation Modelling
Practice and Theory vol. 16, p. 670–677, 2008.
INFORMAÇÕES PORTUÁRIAS. Transpetro. Terminal Manaus. 2. ed. Rio de Janeiro: Gerência
do Terminal Aquaviário do Norte, 2012. Disponível em: <
http://antigo.ppe.ufrj.br/ppe/production/tesis/prdasilva.pdf>. Acesso em: 17 de jul. 2019.
McLEAN, C. & LEONG, S. The Role of Simulation in Strategic Manufacturing. Proceedings of
the 33nd Conference on Winter Simulation, p.1478-1486, 2001.
MELO, J. V.; FERREIRA, J. S.; JUSTA, M. A. O. Modelagem e simulação com o Arena para
reduzir filas em um restaurante self service. R. Gest. Industr., Ponta Grossa, v. 13, n. 2, p. 146-
159, jun./ago. 2017. Disponível em: <https://periodicos.utfpr.edu.br/rgi>. Acesso em: 17 de ago.
2019.
NETO, H. G.; OLIVEIRA, J. B.; ANDRADE, C. R. F. Modelagem e simulação computacional em
uma empresa de confecção de roupas: um estudo sobre o desempenho de um processo
produtivo. Curitiba. PR: Enegep. 2014. Disponível em: <
http://www.abepro.org.br/biblioteca/enegep2014_TN_STO_195_106_25996.pdf>. Acesso em: 10
ago. 2019.
PARAGON. Arena Acadêmico. 2019. Disponível em: < https://www.paragon.com.br/arena-
academico-student/ >. Acessado em: 08 ago. 2019.
PINHO, B.; CAPELLI, C.; LIMA, L.; NASCIMENTO, L.; SENNA, P.; PAIM, R. Metodologias e
Ferramentas para Simulação de Processos. Rio de Janeiro: Universidade Federal do Rio de Janeiro,
2009. Disponível em: <
http://www.seer.unirio.br/index.php/monografiasppgi/article/download/240/228> Acessado em: 16
ago. 2019.
PRADO. D. S. Usando o Arena em Simulação. 5º ed. Nova Lima: Falconi. 2014.
RESUMOESCOLAR. Como é feito o transporte do petróleo. 2019. Disponível em:
https://www.resumoescolar.com.br/geografia/como-e-feito-o-transporte-do-petroleo/>. Acessado
em: 08 set. 2019.
22
RIBEIRO, S.K.; COSTA, C.V.; DAVID, E.G.; REAL, M.V.; D’AGOSTO, M.A. 2000.
Transporte e mudanças climáticas. 1 ed. Rio de Janeiro, Mauad Ed. Ltda.
SHANNON, R.E. System simulation: the art and science. Englewood Cliffs, N.J: Prentice Hall,
1975.
SANTOS, F. da S.; FADONI, L. M.; MARANGONI, R.; LAVISO, E. A.; BERTOLUCI, E. A.
Utilização da simulação para melhoria dos serviços prestados em uma farmácia de pequeno
porte. Revista Tekhne e Logos. v.8. Botucatu: SP. 2017. Disponível em: <
http://www.fatecbt.edu.br/seer/index.php/tl/article/download/460/292 >. Acesso em: 13 de ago.
2019.
SILVA, P. R da. Transporte Marítimo de Petróleo e Derivados na Costa Brasileira: Estrutura e
Implicações Ambientais [Rio de Janeiro]. 2004. Disponível em: <
http://www.transpetro.com.br/lumis/portal/file/fileDownload.jsp?fileId=8A9D2A9F3E074079013E
0E26453C7677>. Acesso em 26 de jul. 2019.
SOUZA, I.; MIRANDA, J. A.; SOUZA, L. S. B. de; SOUZA, K. R. B. Simulação de tráfego
utilizando o software Arena: Um estudo de caso de um trecho semaforizado da cidade de
Juazeiro – BA. Maceió. AL: Enegep 2018. Disponível em: <
http://www.abepro.org.br/biblioteca/TN_STO_263_512_35283.pdf>. Acesso em: 10 ago. 2019.
SOUZA, A. C. L. de; MORAES, A. N.; MARTINS, L. O.; ATHOUGUIA, T. da S. P.; NAZARÉ, T.
B. Simulação de uma linha de produção de biscoitos utilizando o software Arena. XI Congresso
de Engengaria de Produção Agroindustrial. Campo Mourão: PR. 2017. Disponível em: <
http://anais.unespar.edu.br/xi_eepa/data/uploads/artigos/3/3-01.pdf >. Acesso em: 13 de ago. 2019.
TRANSPETRO. Terminais Aquaviários. Disponível em:
<http://www.transpetro.com.br/pt_br/areas-de-negocios/terminais-e-oleodutos/terminais-
aquaviarios.html>. Acesso em: 13 ago. 2019.