Operação Real X Resultados do Modelo

A produção/demanda de vapor na fábrica de Alagoas não é sazonal durante o ano, mas está diretamente atrelada à operacionalidade das áreas consumidoras. A redução da demanda se dá apenas em casos de manutenções corretivas e/ou paradas para reparos corretivos.

A Figura 3 a seguir ilustra o perfil diário da demanda de vapor da fábrica no período de 21 de novembro de 2012 a 21 de novembro de 2013. O período foi considerado por se tratar do momento de estabilização da produção da unidade de produção de PVC, que antes deste período passou por uma ampliação de suas instalações. Assim trata-se de um período de demanda de vapor estabilizada, sendo, portanto mais representativa.

Figura 3 - Perfil diário da geração de vapor da unidade de PVC.

Fonte: Autor, 2013.

Os vales mais profundos (demandas mínimas) observados no gráfico da Figura 3 são da ordem de 1200 toneladas de vapor, e ocorreram em momentos de parada de pelo menos duas das três caldeiras do sistema de geração de vapor. As paradas geralmente tiveram como causa principal a necessidade de manutenções corretivas nas caldeiras e/ou necessidade de rebaixamento de carga de produção de vapor por baixa demanda nas áreas consumidoras.

Os valores mais altos de consumo de vapor observados na Figura 3 se referem a dias de picos de consumo para produção de PVC, sendo a principal contribuinte a área de polimerização do monocloreto de vinila (MVC) anterior à ampliação da unidade. Na área

referida há diversos equipamentos que consomem vapor como, reatores em batelada para produção PVC, stripper de lama de PVC, etc. Os equipamentos da área de polimerização anterior à ampliação possuem tecnologia mais antiga que a área para mesmo fim construída após a ampliação da unidade de produção de PVC, sendo, portanto, menos econômicos em termos de consumo de vapor. Além disto, há alguns agravantes do alto consumo de vapor oriundos da deterioração das instalações, decorrentes do tempo de utilização como: vazamentos de vapor, mau funcionamento de purgadores de condensado, linhas com problemas de revestimento, dentre outros. Tudo isto contribui para que, em termos de demanda de vapor em momentos de pico a área de polimerização consuma 58 t/h de vapor, ou seja, 28% da capacidade horária máxima de produção de vapor da UGV (unidade de geração de vapor).

Os dados apresentados na Figura 3 foram utilizados como dados de entrada para o modelo desenvolvido, informando ao modelo a demanda de vapor em cada dia (subperíodo) do período considerado.

A Tabela 2 apresenta os resultados obtidos do modelo e sua comparação com dados da operação do sistema de geração de vapor da unidade industrial.

Tabela 2. Dados de Produção de vapor.

PROD. DE VAPOR (t/ano) DIFERENÇA

REAL MODELO TONELADAS %

GV 01 263.427 304.310 40.883 15,5

GV 02 218.182 203.251 -14.931 -6,8

GV 04 289.735 263.784 -25.951 -9,0

TOTAL 771.344 771.345 1 0,0

Fonte: Autor, 2013.

Na Tabela 2 é possível observar que o modelo priorizou a produção pela caldeira GV 01 em detrimento das outras. O modelo entende que o custo de partida (startup) real da GV 01 é menor que o das demais (conforme a Tabela 3), ou seja, sempre que a demanda de vapor exige que mais de uma caldeira produza ao mesmo tempo, a preferência do modelo em relação ao acionamento é da GV 01, mantendo sua continuidade operacional alta e explicando a produção da GV 01, calculada pelo modelo, representar 39,4 % da produção total e ser 15,5 % maior que na produção real.

Tabela 3. Custos com startup por caldeira. CUSTO (US$)

POR STARTUP

CUSTO TOTAL (US$/ano) DIFERENÇA

REAL MODELO US$ %

GV 01 5.457 54.567 21.827 -32.740 -60,0

GV 02 6.839 61.547 34.193 -27.354 -44,4

GV 04 13.630 136.300 40.890 -95.410 -70,0

TOTAL 25.925 252.414 96.909 -155.504 -61,6

Fonte: Autor, 2013.

O modelo sugere uma redução da produção das GVs 02 e 04 em 6,8 e 9%, respectivamente. A maior influência para tal foi o maior custo de partida das duas GVs em detrimento a GV 01, lembrando que o modelo esgota a capacidade de uma caldeira para só então acionar mais uma (ou duas) das outras caldeiras. O mais alto custo de startup é aquele referente à GV 04.

Os resultados do modelo sugerem manter a GV 04 operando, sempre que estiver disponível. Em caso de indisponibilidade operacional, no entanto, partir a GV 04 é a última alternativa, sendo preferível esgotar a carga da GV 01 e caso seja necessário acionar a GV 02, para complementar a carga e suprir a demanda. A partida (startup) da GV 04 só acontece caso uma das outras caldeiras (GVs) estejam indisponíveis para operar ou a demanda de vapor seja maior que a capacidade produtiva das GVs que já estejam operando.

A Tabela 4 apresenta a distribuição do quantitativo de ocorrências de startups para cada caldeira.

Tabela 4. Quantitativo anual de Startup (Partidas). QUANTIDADE- DE

STARTUPS_/ANO DIFERENÇA

REAL MODELO Nº STARTUPS %

GV 01 10 4 -6 -60,0

GV 02 9 5 -4 -44,4

GV 04 10 3 -7 -70,0

TOTAL 29 12 -17 -58,6

Fonte: Autor, 2013.

É possível observar que o modelo propõe uma drástica redução na quantidade de partidas nos geradores de vapor. Isto é realizado avaliando a melhor alternativa de configuração para operação das caldeiras, ou seja, o modelo define quais das 3 GVs devem

operar simultaneamente e qual a carga de cada uma para suprir a demanda, levando em conta o custo de partida de cada uma e suas respectivas disponibilidades operacionais.

Há dois fatores principais que influenciam a decisão do cenário operacional sugerido pelo modelo. Um deles, é a anteriormente relatada preferencia do modelo em esgotar a carga de uma caldeira, para então complementar a demanda com a produção de outra caldeira. A caldeira de maior carga e a complementar são determinadas pelo custo de acionamento (partida ou startup) de cada caldeira, assim sendo, o modelo verifica quais caldeiras estavam em operação no subperíodo anterior ao considerado, e determina a necessidade de acionamento (realizar startup) em alguma delas, e qual teria prioridade de partida, por possuir o menor custo de startup.

No entanto, considerando um cenário operacional onde todas as GVs estavam operando no dia (subperíodo) anterior, o custo de partida influencia apenas indiretamente em qual caldeira deve ser mantida operando.

Nesse caso, havendo redução do consumo de vapor, o modelo avalia quais caldeiras supririam a demanda de vapor, indicando qual deve sair de operação. A influência indireta do custo de partida aparece no momento de decidir qual delas é a mais viável de parar, levando em consideração a necessidade de retorno à operação em um subperíodo futuro, o que representa custo com partida.

Portanto, o modelo mantem a operação das caldeiras com menor custo de acionamento até esgotar sua capacidade de produção de vapor. Caso seja necessária uma complementação para atendimento da demanda, o modelo mantem operando as caldeiras que apresentam o menor custo de startup. Tal decisão é devido à possível saída de operação das caldeiras, por decréscimos na demanda e posterior acionamento em caso de um aumento. Desta forma, se garante que os custos com startup (partida) sejam os menores possíveis.

O outro, e não menos importante fator de influência na definição de qual caldeira manter operando ou acionar, é a disponibilidade operacional das GVs. Embora o modelo calcule o melhor cenário em relação a custos de partida, caso alguma GV (caldeira) inclusa no cenário se encontre indisponível operacionalmente (parada), este cenário será excluído pelo modelo. Ou seja, se em um subperíodo (dia) o melhor cenário, em termos de custo, for manter operando com carga alta a GV 04 e manter a GV 01 complementando a demanda, sendo que a GV 01 não estava disponível no dia, o modelo irá partir a GV 02.

As considerações realizadas pelo modelo para geração dos resultados de previsão visam otimizar ao máximo a operação de produção de vapor. As diretrizes operacionais fornecidas pelos resultados do modelo e discutidas nos parágrafos anteriores reduziram em mais de 60% o custo total com startups, o que representa uma economia de US$ 155.504,00 no período de um ano.

A diferença entre o montante total de vapor produzido na simulação realizada pelo modelo e a produção industrial, foi praticamente nula. Para ser mais exato o modelo produziu apenas uma tonelada a mais que a operação real.

Além das informações acerca de perfil de demanda e produção de vapor, outros dados referenciados na Seção 4.2 foram utilizados também como dados de entrada do modelo. Alguns deles são informações confidenciais, as quais não podem ser divulgadas, pois, tornariam público dados industriais restritos a integrantes da Braskem S/A. Os dados industriais, bem como os resultados do modelo passíveis de divulgação serão discutidos a seguir.

O custo total de operação é composto pela soma entre custos relacionados ao consumo de combustíveis e custos relativos a startups detalhados.

A Tabela 5 apresenta os dados industriais (reais) de consumo de combustível e o resultado calculado pelo modelo.

Tabela 5. Consumo de combustíveis.

CONSUMO DE GN (Nm3_{/ano) DIFERENÇA}

REAL MODELO Nm3 % GV 01 23.156.553 23.932.658 776.105 3,0 GV 02 13.359.737 16.091.157 2.731.420 20,0 GV 04 25.363.204 20.649.186 -4.714.018 -19,0 TOTAL 61.879.494 60.673.001 -1.206.493 -2 Fonte: Autor, 2013.

Em termos de custos individuais de cada caldeira, a GV 04 apresentou a diferença mais significativa entre resultados do modelo e dados da operação industrial. Isso se deve principalmente a dois fatores: a redução drástica (70%) nos acionamentos da GV 04 proposta pelo modelo, e a ocorrência de vários momentos onde o modelo decidiu operar a caldeira com carga baixa, servindo apenas de complemento a caldeira GV 01.

A redução de acionamentos e carga da caldeira, proposta pelo modelo, resultou em uma redução de 19% do consumo de gás natural (GN) da GV 04. O consumo de combustível

da caldeira em questão é o maior dentre as 3 GVs, por isso, apesar do aumento significativo do consumo na GV 02 (superior a 20%), calculado pelo modelo, a redução do consumo da GV 04 foi suficiente para garantir uma economia de 1.206.493 Nm3, o que representa uma redução de 2% no consumo de combustível (e portanto no custo) em relação à operação real.

Em relação a operação proposta pelo modelo para a GV 02, houve um aumento de 21,7% no custo com gás natural (GN), conforme é apresentado na Tabela 6. Esse aumento, no entanto, foi superado pela redução (superior a 26%) do custo referente ao consumo de combustível da GV 04. Assim, o resultado final do modelo foi uma economia de US$ 8.783.912,00/ano em termos absolutos (redução percentual de 6,4%).

Tabela 6. Custos com consumo de combustíveis.

CUSTO COM GN (US$/ano) DIFERENÇA

REAL MODELO US$ %

GV 01 48.973.093 50.136.484 1.163.391 2,4

GV 02 27.788.052 33.809.713 6.021.661 21,7

GV 04 59.603.529 43.634.565 -15.968.964 -26,8

TOTAL 136.364.674 127.580.762 -8.783.912 -6,4 Fonte: Autor, 2013.

Baseado nos dados de custos relacionados a startups e consumo de combustível, é possível se realizar uma análise relativa aos custos totais da operação de produção de vapor.

Um resumo destes é apresentado na Tabela 7, que demonstra que operando segundo proposição do modelo, alcançou-se uma redução do custo total da produção de vapor em 7%, o que representa uma economia de US$ 8.939.416,00/ano. O maior impacto foi devido à significativa redução de custos de produção na GV 04 sugerida pelo modelo (aproximadamente 27%).

Tabela 7. Custos de Produção de vapor das caldeiras no período considerado. CUSTO TOTAL DE PRODUÇÃO

(US$/ano) DIFERENÇA

REAL MODELO US$ %

GV 01 49.027.660 50.158.311 1.130.651 2,3

GV 02 27.849.599 33.843.906 5.994.307 21,5

GV 04 59.739.829 43.675.455 -16.064.374 -26,9

TOTAL 136.617.088 127.677.671 -8.939.416 -6,5

A resolução computacional do modelo resultou em 4.269 restrições e 4.067 variáveis, sendo que destas, 2.027 são binárias. O modelo levou 0,125 segundos para ser processado em computador de 2,13 Gigahertz e 4 GB de memória RAM, convergindo bem rapidamente para a solução ótima.

O modelo desenvolvido, gera uma planilha com dados que servem de guia para uma operação otimizada. As seguintes variáveis são determinadas: carga diária de produção por caldeira; consumo diário de gás natural por caldeira; custo com combustível; identificação do momento de cada startup, custo total de produção de vapor.

Os resultados gerados foram satisfatórios, considerando, contudo, as limitações que não foram abordadas, e que tornariam o modelo ainda mais próximo à realidade.

6. CONSIDERAÇÕES FINAIS E PROPOSTA PARA FUTUROS TRABALHOS

A abordagem de modelagem desenvolvida e discutida na presente dissertação, se configura como uma ferramenta alternativa para o planejamento da produção de vapor em industrias químicas. Atualmente, não é difundida a utilização de ferramentas embasadas e fundamentadas em pesquisa operacional, para apoiar as decisões de produção de vapor a nível industrial.

O modelo desenvolvido considerou um horizonte de tempo de um ano, sendo os resultados, comparados com os dados operacionais da unidade industrial. O intuito de se escolher esse período foi testar o poder de previsão de um modelo mais abrangente em termos de tempo. Foram levantados dados reais de produção relativos a parâmetros que fizeram parte do modelo (quantidade de vapor produzida por quantidade de GN consumida; preço do combustível; demanda de vapor; disponibilidade operacional das caldeiras, etc).

A aplicação do modelo a um menor horizonte de tempo de planejamento, por exemplo, de um mês, necessitaria de uma menor quantidade de dados reais, mapeando de forma menos fidedigna o processo de produção. Portanto, o período utilizado para aplicação do modelo (um ano) visou reduzir os erros atrelados a previsões imprecisas sobre o sistema de produção de vapor.

Por outro lado, como o modelo foi desenvolvido para realizar previsões, em sua utilização prática, alguns dos dados reais utilizados na composição do modelo teriam que ser estimativas futuras (o perfil de demanda, por exemplo). Assim sendo, considerar um maior horizonte de tempo de planejamento implicaria na inserção da imprecisão de uma estimativa futura. Portanto, é sugerida a redução dos períodos de aplicação do modelo para horizontes de tempo mais curtos, ou seja, deve-se utilizar o modelo para prever parâmetros como: produção de vapor e consumo de combustíveis por período e por caldeira; quantidades de

startups; momento de utilização de cada gerador de vapor e custos atrelados à geração de

vapor, em períodos como meses ou semanas, sendo os subperíodos divididos em dias. Para tal, é necessário realizar uma adaptação simples do modelo deste trabalho para que este considere períodos curtos como horizonte de tempo de planejamento e forneça previsões também em períodos mais curtos.

No estudo de caso desenvolvido, o modelo foi aplicado a unidade industrial de produção de PVC da Braskem S/A, portanto, os resultados obtidos pelo modelo foram

considerados satisfatórios quando comparados com a operação real. Os resultados do modelo apresentaram uma redução do custo total da produção de vapor no ano em 7%, o que representaria uma economia de US$ 8.939.416,00/ano. Assim o modelo apresentado pode ser aplicado para o planejamento da produção de vapor a outras empresas e segmentos industriais, desde que adaptado à realidade de cada unidade.

Algumas vertentes de estudos, derivadas do modelo desse trabalho, são discutidas a seguir.

Um primeiro ponto a se abordar seria a vertente ambiental, atualmente bastante divulgada no tocante a preocupação com as emissões de gases poluentes na atmosfera pelos sistemas de produção.

Uma extensão interessante na pesquisa do presente trabalho seria considerar um modelo multi objetivo, no qual ao mesmo tempo em que se atendesse à demanda de vapor da fábrica, foca-se também, em minimizar a emissão de gás carbônico devido à queima dos combustíveis nas caldeiras. A abordagem abrangeria tanto questões ecológicas, de suma importância para desenvolvimento de um diferencial empresarial no mundo atual, quanto a maximização da produtividade, grande alvo das empresas.

No que se refere a aproximar as restrições e equações do modelo, da realidade industrial, uma sugestão interessante seria a introdução de um fator que leve em consideração a eficiência de combustão de cada caldeira. O fator de conversão de gás natural (GN) em vapor (vij) utilizado no modelo varia mensalmente, não considerando as variações de eficiência de combustão das caldeiras em períodos menores, como dias e semanas, distanciando de certa forma os resultados da realidade. Outro ponto, é que o modelo foi desenvolvido para aplicação em indústrias que utilizem gás natural como combustível. Seriam interessantes adaptações do modelo para sistemas de geração de vapor que utilizam outros tipos de combustíveis, como a biomassa. O modelo então, consideraria restrições relacionadas à gestão de estoques de combustíveis, otimização da utilização considerando a umidade de cada biomassa, disponibilidade de cada uma delas (sazonalidade), etc.

Ainda no âmbito de melhorar a proximidade com a operação industrial, outro ponto importante se refere à limitação do modelo desenvolvido, em acionar exclusivamente uma caldeira até que se esgote sua capacidade, acionando um segundo equipamento apenas quando a demanda de vapor no subperíodo não for atendida totalmente por apenas uma caldeira. A característica torna os resultados do modelo, menos próximos a realidade.

Uma solução para isto seria o balanceamento da geração de vapor entre as caldeiras simultaneamente, sem imposição numérica do programador, ou seja, o modelo decidiria em qual momento acionar qual caldeira e qual seria a carga desta.

Seria de grande valia tornar os parâmetros demanda de vapor (dn) e plano de manutenção das caleiras (enj) em variáveis de decisão do modelo. Assim momentos de parada e partida, além da carga de cada gerador de vapor em cada período/subperíodo seriam definidos pelo modelo considerando as informações inseridas como base de dados para o mesmo, isto traria uma maior aproximação do modelo à realidade operacional.

Um assunto correlato seria inserir no modelo, além das duas variáveis de decisão citadas acima, a possibilidade de falhas dos equipamentos.

Possivelmente, nessa situação, o modelo traria a sugestão de, em alguns momentos, acionar caldeiras, somente em regime de warmup (abafamento), garantindo algum nível de segurança ao sistema, evitando que se ultrapasse os limites de segurança dos equipamentos de geração de vapor e ao mesmo tempo se otimizem os custos de operação.

7. REFERÊNCIAS

ARENALES, M.N. & CLARK, ARAÚJO, S. A., A.R. Dimensionamento de lotes e programação do forno numa fundição de pequeno porte. Gestão & Produção, v.11, n.2, p.165- 176, 2004.

ASME PTC 4.1: Performance test code on steam generating units, ASME, Nova York, EUA, 2004.

ASSIS, Bruno Bastos. Avaliação do ciclo de vida do produto como ferramenta para o desenvolvimento sustentável. 2009. 66p. Monografia de Conclusão de Curso - Universidade Federal De Juiz De Fora, Juiz de Fora, MG, 2009.

BARROSO, J.; BARRERAS, F.; AMAVEDA, H. & LOZANO, A. On the optimization of boiler efficiency using bagasse as fuel. Fuel, v.82, p.1451-1463, 2003.

BASTOS, Alexandre Paranhos; LAURIA, Rodrigo Linhares. Otimização no dimensionamento de lotes de produção restringido pela área de estocagem. XXVI Encontro Nacional de Engenharia de Produção - ENEGEP, Fortaleza, CE, 09 a 11 de Outubro, 2006. BERTRAND, J.W.M. & FRANSOO, J.C.. Modelling and simulation operations management research methodologies using quantitative modeling, International Journal of Operations & Production Management,v.22, n. 2, p. 241-264, 2002.

BITRAN, G.R. & YANASSE, H.H. Computational complexity of the capacitated lot size problem. Management Science, v.28, p.1174-1186, 1982.

BOJIC, M. & DRAGICEVIC, S. MILP optimization of energy supply by using a boiler, a condensing turbine and a heat pump. Energy Conversion and Management, v.43, p.591- 608, 2002.

CHENG, T.C.E.; DING, Q. & LIN, B.M.T. A concise survey of scheduling with time dependent processing time. European Journal of Operational Research, v.152, p.1-13, 2004. CHINESE D. & MENEGHETTI, A. Optimization models for decision support in the development of biomass-based industrial district-heating networks in Italy. Applied Energy, v.82, p.228-254, 2005.

SERFATY, Ricardo. Combustão e Queimadores. CENPES/Engenharia Básica/ Equipamentos, Rio de Janeiro, RJ, p.97, 2007.

DREXL, A. & KIMMS, A. Lot sizing and scheduling – survey and extensions. European Journal of Operational Research, v.99, n.2, p.221-235, 1997.

FLEISCHMANN B. & MEYER H. The general lotsizing and scheduling problem. OR Spektrum, v.19, p.11-21, 1997.

GRAVES, S.C. & RINNOOY KAN, A.H.G. & ZIPKIN, P.H. Logistics of production and inventory. Handbook in operations research and management science, v. 4. Amsterdam North-Holland, 1993.

HAX, A. & CANDEA, D. Production and inventory management. New Jersey: Prentice-Hall; Englewood Cliffs, 1984.

HENNING, D.; Optimization of local and national energy systems: development and use of the MODEST model. Linköping Studies in Science and Technology Dissertations. n.559, Linköping; 1999.

HIRATA, K., SAKAMOTO, H., O’YOUNG, L., CHEUNG, K. Y., HUI, C. W. Multi-site integration – an industrial case study. Computers & Chemical Engineering, v. 28, p. 139-148, 2004.

JANS, R. & DEGRAEVE, Z. Modeling industrial lot sizing problems: a review. International Journal of Production Research, v.46, n.6, p.1619-1643, 2008.

JOHNSON, L.A. & MONTGOMERY, D.C. Operations research in production planning, scheduling and inventory control. New York: Wiley. 1974.

KAWAMURA, M. Seiti. Dimensionamento e sequenciamento de lotes de produção na indústria de bens de consumo de higiene pessoal. Tese de Doutorado. Programa de Pós Graduação em Engenharia de Produção, Escola Politécnica da Universidade de São Paulo - USP, São Paulo, SP, 2011.

LAW, A.M. & KELTON, W.D. Simulation modeling and analysis, 2ª Ed. New York: McGraw-Hill, 1991.

MORAES, Edilaila F.. Análise um modelo de programação matemática para otimizar a composição de lotes de minério de ferro da mina cauê da CVRD, Dissertação (Mestrado em Engenharia), Programa de Pós-graduação em Engenharia de Minas, Universidade Federal de Ouro Preto – UFOP, Ouro Preto, MG, 2005.

MORABITO, R.; ARENALES, M.; ARMENTANO, V. & YANASSE, H. Pesquisa operacional. Rio de Janeiro: Campus/Elsevier, 2007.

MORABITO, R. & PUREZA, Vitória. Modelagem e simulação. In: Paulo A. C. Miguel.