8. Conclusões e trabalhos futuros
8.2. Sugestões para trabalhos futuros
Nesta seção são apresentadas três sugestões para futuros trabalhos relacionados a esta dissertação. A descrição de cada uma delas encontra-se na sequência.
1 – Novas restrições:
Dependendo do objetivo, novas restrições podem ser adicionadas ao modelo matemático. Como por exemplo, restrições relacionadas à disponibilidade da área destinada à plantação de soja, as quais limitariam a quantidade de soja disponível.
2 – Logística:
Para futuros trabalhos, há a possibilidade de considerar que a soja e seus subprodutos são transportados para outras indústrias da Granol, ao invés de trabalhar com esta indústria como unidade única. Esta proposta deve adicionar ao modelo matemático o custo de transporte de uma fábrica para outra, e das fábricas para os postos de comércio dos subprodutos.
Referências
AGÊNCIA NACIONAL DE ENERGIA ELÉTRICA - ANEEL. Atlas de Energia Elétrica do
Brasil. 3. ed. Brasília: ANEEL, 2008. Disponível em:
http://www.aneel.gov.br/documents/656835/14876406/2008_AtlasEnergiaEletricaBrasil3ed/2 97ceb2e-16b7-514d-5f19-16cef60679fb. Acesso em: 20 ago. 2019.
AGÊNCIA NACIONAL DO PETRÓLEO, GÁS NATURAL E BIOCOMBUSTÍVEIS - ANP. Anuário Estatístico 2019. Disponível em: http://www.anp.gov.br/publicacoes/ anuario-estatistico/5237-anuario-estatistico-2019. Acesso em: 18 out. 2019.
AGÊNCIA NACIONAL DO PETRÓLEO, GÁS NATURAL E BIOCOMBUSTÍVEIS - ANP. Edital de leilão público no 006/16 - 52o leilão de biodiesel L52. Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Rio de Janeiro: ANP, 2016. Disponível em: http://www.anp.gov.br/images/DISTRIBUICAO_E_REVENDA/LEILOES_DE_BIODIESEL /52/Edital_L52_PMR.pdf. Acesso em: 21 ago. 2019.
ALMEIDA, Robson Luciano de; MÓDENES, Aparecido Nivaldo; SÁ RAVAGNANI, Mauro Antonio da Silva. Solução analítica do modelo de um extrator industrial de óleo de soja. Acta Scientiarum. Technology, v. 30, n. 1, p. 83-86, 08 mai. 2008. Disponível em: http://periodicos.uem.br/ojs/index.php/ActaSciTechnol/article/view/3217. Acesso em: 20 ago. 2019.
ASSOCIAÇÃO BRASILEIRA DAS INDÚSTRIAS DE ÓLEOS VEGETAIS – ABIOVE. Cadeia produtiva de oleaginosas e biodiesel. Associação Brasileira das Indústrias de Óleos Vegetais. Disponível em: http://abiove.org.br/cadeia-produtiva/. Acesso em: 10 ago. 2019.
ASSOCIAÇÃO COMERCIAL DE SÃO PAULO - ACSP. Média mensal da cotação do dólar comercial para venda. Associação Comercial de São Paulo. Disponível em: https://economia.acspservicos.com.br/indicadores_iegv/iegv_dolar.html. Acesso em: 14 set. 2019.
BANCO CENTRAL DO BRASIL. Correção de valores. Disponível em: https://www3.bcb.gov.br/CALCIDADAO/publico/corrigirPorIndice.do?method=corrigirPorIn dice. Acesso em: 1 out. 2019.
BARROS, Geraldo Sant’Ana De Camargo et al. Custos de produção de biodiesel no Brasil. Revista de Política Agrícola, n. 3, p. 36-50, 2006. Disponível em: https://seer.sede.embrapa.br/index.php/RPA/article/view/508/459. Acesso em: 21 ago. 2019.
BONATO, Emídio Rizzo; BONATO, Ana Lidia Variani. A soja no Brasil: história e estatística. EMBRAPA, v. 21, p. 61, 1987. Disponível em: http://agris.fao.org/agris- search/search/display.do?f=2012/BR/BR2012103900039.xml;BR19871446431. Acesso em: 22 ago. 2019.
BRASIL. Decreto no 5.448, de 20 de maio de 2005. Regulamenta o § 1º do art. 2º da Lei nº
11.097, de 13 de janeiro de 2005, que dispõe sobre a introdução do biodiesel na matriz energética brasileira, e dá outras providências. Disponível em: http://www.plana lto.gov.br/ccivil_03/_ato2004-2006/2005/decreto/d5448.htm. Acesso em: 02 set. 2019.
BRASIL. Lei n° 11.097, de 13 de janeiro de 2005. Regulamenta o § 1º do art. 2º da Lei nº 11.097, de 13 de janeiro de 2005, que dispõe sobre a introdução do biodiesel na matriz energética brasileira, e dá outras providências. Disponível em: http://www.planalto.gov.br/cci vil_03/_ato2004-2006/2005/lei/l11097.htm. Acesso em: 23 ago. 2019.
BRASIL. Lei no 13.033, de 24 de setembro de 2014. Dispõe sobre a adição obrigatória de
biodiesel ao óleo diesel comercializado com o consumidor final; altera as Leis nºs 9.478, de 6 de agosto de 1997, e 8.723, de 28 de outubro de 1993; revoga dispositivos da Lei nº 11.097, de 13 de janeiro de 2005; e dá outras providências. Disponível em: http://www.plana lto.gov.br/ccivil_03/_Ato2011-2014/2014/Lei/L13033.htm. Acesso em: 24 ago. 2019.
BRASIL. Lei no 13.263, de 23 de março de 2016. Altera a Lei nº 13.033, de 24 de setembro
de 2014, para dispor sobre os percentuais de adição de biodiesel ao óleo diesel comercializado no território nacional. Disponível em: http://www.planalto.gov.br/ccivil_03/_ato2015- 2018/2016/lei/L13263.htm. Acesso em: 24 ago. 2019.
CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA - CEPEA. SOJA/RETRO2017: Oferta se sobrepõe à demanda e preços são os menores em seis anos. Centro de Estudos Avançados em Economia Aplicada. Piracicaba: CEPEA, Departamento de Economia, Administrção e Sociologia, ESALQ, USP, 2018. Disponível em: https://www.cepea.esalq.usp.br/br/releases/soja-retro2017-oferta-se-sobrepoe-a-demanda-e- precos-sao-os-menores-em-seis-anos.aspx. Acesso em: 14 set. 2019.
CERETTA, Paulo Sergio; RIGHI, Marcelo Brutti; SCHLENDER, Sergio Guilherme. Previsão do preço da soja: uma comparação entre os modelos Arima e redes neurais artificiais. Informações Econômicas, v. 40, n. 9, p. 16-27, set. 2010. Disponível em: http://www.iea.sp.gov.br/ftpiea/publicacoes/ie/2010/tec2-0910.pdf. Acesso em: 02 set. 2019.
CHING, Wang Hsiu. Biodiesel. Manual. SEBRAE - Serviço de Apoio às Micro e Pequenas Empresas. 2007. Disponível em: https://www.agencia.cnptia.embrapa.br/ Repositorio/NT00035116_000gihb7tn102wx5ok05vadr1szzvy3n.pdf. Acesso em: 10 ago. 2019.
DE LA CRUZ, Betty Clara Barraza; PIZZOLATO, Nelio D.; DE LA CRUZ, Andrés Barraza. An application of the spatial equilibrium model to soybean production in tocantins and neighboring states in Brazil. Pesquisa Operacional, Rio de Janeiro, v. 30, n. 2, p. 443-464, mai./ago. 2010. Disponível em: http://www.scielo.br/scielo.php?script= sci_arttext&pid=S0101-74382010000200011&lng=en&tlng=en. Acesso em: 22 ago. 2019.
DIAS, Maria Amélia de Paula. Sustainable future for biodiesel in Brazil: perspectives for 2030. 2016. 179 f. Tese (Doutorado). Brasília: Universidade de Brasilia/University of Copenhagen, 2016. Disponível em: http://repositorio.unb.br/handle/10482/20026. Acesso em: 10 set. 2019.
EMPRESA BRASILEIRA DE PESQUISA AGROPECUÁRIA - EMBRAPA. História da Soja. Embrapa. Disponível em: https://www.embrapa.br/web/portal/soja/cultivos/soja1/historia. Acesso em: 07 ago. 2019.
EMPRESA DE PESQUISA ENERGÉTICA - EPE. Balanço energético nacional 2016. EPE. Rio de Janeiro: Ministério de Minas e Energia, 2016. Disponível em: http://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/Balanco-Energetico-Nacion al-2016. Acesso em: 10 ago. 2019.
FREEDMAN, B; W.F. KWOLEK; PRYDE, E.H. Quantitation in the analysis of transesterified soybean oil by capillary gas chromatography. Journal of the American Oil Chemists' Society, v. 63, p. 1370-1375, 1986. Disponível em: https://link.springer.com/article/10.1007/BF026 79605. Acesso em: 07 ago. 2019.
GAMEIRO, Augusto Hauber; ROCCO, Cleber Damião; CAIXETA FILHO, José Vicente. Linear programming in the economic estimate of livestock-crop integration: Application to a Brazilian dairy farm. Revista Brasileira de Zootecnia, Viçosa, v. 45, n. 4, p. 181–189, abr. 2016. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1516- 35982016000400181. Acesso em: 27 set. 2019.
GOLDSMITH, Peter D. Soybean production and processing in Brazil. Soybean Innovation
Lab, p. 773-798, 20 fev. 2008. Disponível em:
http://soybeaninnovationlab.illinois.edu/sites/soybeaninnovationlab.illinois.edu/files/1jSoybea n%20Production%20and%20Processing%20in%20Brazil.pdf. Acesso em: 21 set. 2019.
GOMES, Ana Carla dos Santos et al. Modelo para estimativa da produtividade para a cultura da soja. Ciência Rural, v. 44, n. 1, p. 43-49, 01 nov. 2013. Disponível em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000100008&lng=p t&tlng=pt. Acesso em: 11 ago. 2019.
GRANOL. Grandiesel. Disponível em: http://www.granol.com.br/Biodiesel/grandiesel/. Acesso em: 16 abr. 2019.
GRANOL. História. Disponível em: http://www.granol.com.br/empresa/historia/. Acesso em: 06 ago. 2019.
GRANOL. Óleo de Soja. Disponível em: http://www.granol.com.br/Produtos/o leo+de+soja/. Acesso em: 10 jul. 2019.
HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introdução à pesquisa operacional. 8. ed. São Paulo: McGraw Hill, 2006.
JOHNSON, Lawrence A. Oil Recovery from Soybeans. Soybeans. AOCS Press ed., p. 331- 375, 2008. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/ B9781893997646500147. Acesso em: 20 ago. 2019.
KANAN, Maria Fernanda. [mensagem pessoal]. Mensagem recebida por <fernanda.kanan@granol.com.br> em 20 set. 2019.
LEDUC, Sylvain et al. Optimizing biodiesel production in India. Applied Energy, v. 86, n. SUPPL. 1, p. S125-S131, nov. 2009. Disponível em: https://linkinghub.elsevier.com /retrieve/pii/S0306261909002256. Acesso em: 22 ago. 2019.
LINDO SYSTEMS, INC. LINGO and optimization modeling. Lindo Systems, Inc. Disponível em: http://www.lindo.com/index.php/products/lingo-and-optimization-modeling. Acesso em: 20 set. 2017.
LINGO. Reduced Cost. Lindo Systems, Inc. Disponível em: https://www. lindo.com/doc/online_help/lingo15_0/reduced_cost.htm. Acesso em: 25 jun. 2019.
LODI, Ana Luiza. Quais fatores influenciam o preço da soja? INTL FCStone Brasil. Disponível em: https://www.mercadosagricolas.com.br/inteligencia/quais-fatores-influenciam- o-preco-da-soja/. Acesso em: 20 out. 2019.
MANDARINO, José Marcos Gontijo; HIRAKURI, Marcelo Hiroshi; ROESSING, Antônio Carlos. Tecnologia para produção de óleo de soja: Descrição das etapas, equipamentos, produtos e subprodutos. Embrapa. 2015. Disponível em: https://www.embrapa.br/busca-de- publicacoes/-/publicacao/1019071/tecnologia-para-producao-do-oleo-de-soja-descricao-das- etapas-equipamentos-produtos-e-subprodutos. Acesso em: 10 set. 2019.
MARIANI, Douglas Castilho; SAMED, Márcia Marcondes Altimari; PEREIRA, Nehemias Curvelo. Modelagem de uma planta de biodiesel e otimização através de um algoritmo genético. XXXIX SBPO - Simpósio Brasileiro de Pesquisa Operacional, p. 2091-2102, ago. 2007. Disponível em: http://www.din.uem.br/sbpo/sbpo2007/pdf/arq0048.pdf. Acesso em: 28 jul. 2019.
MARINS, Fernando Augusto Silva. Introdução à pesquisa operacional. São Paulo: UNESP, 2011.
MENDES, Judas Tadeu Grassi; PADILHA JUNIOR, João Batista. Estratégias de comercialização da soja: análise de portfólios, sob condições de risco. Produção, São Paulo, v. 18, n. 3, p. 441-451, set./dez. 2008. Disponível em: http://www.scielo.br/scielo.php? script=sci_arttext&pid=S0103-65132008000300003&lng=pt&tlng=pt. Acesso em: 10 jul. 2019.
MORAIS, Márcia de Fátima; BOIKO, Thays J. P.; BIASI, Carolina. Modelagem e simulação do processo de produção de farelo de soja peletizado em uma cooperativa agroindustrial. XXIX Encontro Nacional de Engenharia e de Produção, Salvador, p. 1-13, out. 2009. Disponível em: http://www.abepro.org.br/biblioteca/enegep2009_tn_sto_091_620_14199.pdf. Acesso em: 11 jul. 2019.
MORICHITA, Osvaldo Shigueru. Apresentação da empresa. Granol. Osvaldo Cruz: Ministério da Agricultura, Pecuária e Abastecimento, 2016. Disponível em: http://www.mda.gov.br/sitemda/sites/sitemda/files/user_img_873/Apresenta%C3%A7%C3% A3o%20GRANOL%20Seminario%2010%20anos%20SCS%20MDA.pdf. Acesso em: 12 ago. 2019.
OLIVEIRA NETO, Aroldo Antonio de (Org.). Evolução dos custos de produção de soja no Brasil. Companhia Nacional de Abastecimento - Conab. Compêndio de estudos da Conab, v. 2, 2016. Disponível em: https://www.conab.gov.br/institucional/publicacoes/compendio-de- estudos-da-conab/item/2890-compendio-de-estudos-da-conab-v-2-evolucao-dos-custos-de- producao-de-soja-no-brasil. Acesso em: 20 set. 2019.
PARAÍSO, Paulo Roberto. Modelagem e análise do processo de obtenção do óleo de soja. 2001. 220 f. Tese (Doutorado em Engenharia Química). Campinas: Universidade Estadual de Campinas, 2001.
PEREIRA, Alexandre Fontes. Estudo da transesterificação de óleo de soja e gordura suína com óleo fúsel. 2011. 121 f. Tese (Doutorado em Ciência e Tecnologia de Alimentos). Viçosa:
Universidade Federal de Viçosa, 2011. Disponível em:
http://www.locus.ufv.br/bitstream/handle/123456789/7739/texto completo.pdf?sequence=1. Acessoem: 23 jul. 2019.
PINEDO, Karyn Siebert; ABREU, Yolanda Vieira. Determinação de pontos ótimos para localização e implantação de usinas de biodiesel no Estado do Tocantins. Produção Online, v. 11, n. 4, p. 1160-1181, 06 dez. 2011. Disponível em: http://producaoonline.org.br/ rpo/article/view/828. Acesso em: 11 ago. 2019.
PRAÇA, Eduardo Rocha et al. Localização otimizada de plantas de produção de biodiesel de mamona no estado do Ceará: Um modelo baseado em programação linear. 3° Congresso Brasileiro de Pesquisa e Desenvolvimento em Petróleo e Gás, Salvador, n. 3, 2005. Disponível em: http://www.repositorio.ufc.br/handle/riufc/12749. Acesso em: 14 ago. 2019.
RUBERTO, Isabel Von Grafen et al. Contribuição da programação linear na gestão de custos e na produtividade em uma propriedade rural. XIX Congresso Brasileiro de Custos, Bento Gonçalves, nov. 2012. Disponível em: https://anaiscbc.emnuvens. com.br/anais/article/view/343/343. Acesso em: 21 ago. 2019.
RUCHS, Eurides Luís. Modelo matemático para tomada de decisões no processo produtivo e de esmagamento da soja. 2011. 69 f. Dissertação (Mestrado em Modelagem Matemática). Universidade Regional do Noroeste do Estado do Rio Grande do Sul, Ijuí, 2010. Disponível em: http://bibliodigital.unijui.edu.br:8080/xmlui/handle/123456789/228. Acesso em: 12 set. 2019.
SBARDELOTTO, Adriana. A modelagem matemática como ferramenta de apoio à decisão na escolha de cultivares de soja. 2006. 89 f. Dissertação (Mestrado em Modelagem Matemática). Ijuí: Universidade Regional do Noroeste do Estado do Rio Grande do Sul, 2006. Disponível em: http://www.sapili.org/livros/pt/cp010268.pdf. Acesso em: 01 set. 2019.
SILVA, Ermes Medeiros da. Pesquisa operacional. 3. ed. São Paulo: Atlas, 1998.
THOMAZELLA, Catharina. Principais fatores que influenciam os preços de milho e soja no mercado brasileiro. AGROMOVE. Disponível em: https://blog.agromove.com.br/principais- fatores-precos-milho-soja/. Acesso em: 20 out. 2019.
YONENAGA, William Hajime; FIGUEIREDO, Reginaldo Santana. Previsão do preço da soja utilizando redes neurais. XIX ENEGEP - Encontro Nacional de Engenharia de Produção, Rio de Janeiro, p. 1-17, dez. 1999.
APÊNDICES
APÊNDICE A – Código do modelo matemático da otimização da usina de Granol no LINGO com base em 2014
MAX = L_soja + L_farelo + L_oleobruto + L_oleorefinado + L_biodiesel; L_soja = S_comercio*S_preco - S_comercio*S_custo;
L_farelo = F_comercio*F_preco - F_comercio*F_custo;
L_oleobruto = OB_comercio*OB_preco - OB_comercio*OB_custo; L_oleorefinado = OR_comercio*OR_preco - OR_comercio*OR_custo; L_biodiesel = B_total*B_preco - B_total*B_custo;
!variaveis de preço e de custo (em R$/t);
S_preco = 1069.23; F_preco = 1071.09; OB_preco = 2006.66; OR_preco = 2669.21; B_preco = 2540.47; S_custo = 533.17; F_custo = 569.89; OB_custo = 1384.39; OR_custo = 1466.34; B_custo = 2389.89;
!quantidade inicial de soja;
S_total = 2329278; !t; !produção dos subprodutos;
S_total = S_comercio + S_insumo;
S_insumo = C_insumo + F_comercio + OB_total; !t;
C_insumo = 0.04*S_insumo; S_percentoleo = 0.2057; C_percentoleo = 0.0064; OBF_percentoleo = 0.22;
OB_total = (F_comercio*OBF_percentoleo)/(1 - OBF_percentoleo);
!balanceamento das massas do óleo;
OB_total = OB_comercio + OR_total;
!balanceamento das massas do óleo refinado;
OR_total = OR_comercio + OR_biodiesel;
OR_biodiesel = MOL*OR_massamolar; M_insumo = 3*MOL*M_massamolar; B_total = 3*MOL*B_massamolar; G_comercio = MOL*G_massamolar;
SUM_REAGENTES = OR_biodiesel + M_insumo; SUM_PRODUTOS = B_total + G_comercio;
!constantes da reação estequiometrica (convertido de g/mol para t/mol) ;
OR_massamolar = 873*0.000001; M_massamolar = 32*0.000001; B_massamolar = 292*0.000001; G_massamolar = 92*0.000001;
!restrições (capacidade maxima);
S_insumo <= S_capacidade; OR_total <= OR_capacidade; B_total <= B_capacidade;
!restrições (demanda mínima);
S_comercio >= S_demanda; F_comercio >= F_demanda; OB_comercio >= OB_demanda; OR_comercio >= OR_demanda; B_total >= B_demanda;
!constantes das restrições (em t);
S_capacidade = 3600000; OR_capacidade = 367200;
B_capacidade = 887760*(880/1000); !Convertido de metros cubicos (m³) para kg, e consequentemente em toneladas; S_demanda = 80638; F_demanda = 398984; OB_demanda = 164700; OR_demanda = 164700; B_demanda = 77634;
APÊNDICE B – Código do modelo matemático da otimização da usina de Granol no LINGO com base em 2015
MAX = L_soja + L_farelo + L_oleobruto + L_oleorefinado + L_biodiesel; L_soja = S_comercio*S_preco - S_comercio*S_custo;
L_farelo = F_comercio*F_preco - F_comercio*F_custo;
L_oleobruto = OB_comercio*OB_preco - OB_comercio*OB_custo; L_oleorefinado = OR_comercio*OR_preco - OR_comercio*OR_custo; L_biodiesel = B_total*B_preco - B_total*B_custo;
!variaveis de preço e de custo (em R$/t); S_preco = 1098.35; F_preco = 1228.74; OB_preco = 2310.21; OR_preco = 2895.03; B_preco = 2786.97; S_custo = 638.67; F_custo = 682.92; OB_custo = 1664.25; OR_custo = 1762.99; B_custo = 2496.02;
!quantidade inicial de soja;
S_total = 2566646; !t; !produção dos subprodutos;
S_total = S_comercio + S_insumo;
S_insumo = C_insumo + F_comercio + OB_total; !t;
C_insumo = 0.04*S_insumo; S_percentoleo = 0.2057; C_percentoleo = 0.0064; OBF_percentoleo = 0.22;
OB_total = (F_comercio*OBF_percentoleo)/(1 - OBF_percentoleo);
!balanceamento das massas do óleo;
OB_total = OB_comercio + OR_total;
!balanceamento das massas do óleo refinado;
OR_total = OR_comercio + OR_biodiesel;
!estequiometria da reação do biodiesel (massas molares em kg/mol);
OR_biodiesel = MOL*OR_massamolar; M_insumo = 3*MOL*M_massamolar; B_total = 3*MOL*B_massamolar; G_comercio = MOL*G_massamolar;
SUM_REAGENTES = OR_biodiesel + M_insumo; SUM_PRODUTOS = B_total + G_comercio;
!constantes da reação estequiometrica (convertido de g/mol para t/mol) ;
OR_massamolar = 873*0.000001; M_massamolar = 32*0.000001; B_massamolar = 292*0.000001; G_massamolar = 92*0.000001;
!restrições (capacidade maxima);
S_insumo <= S_capacidade; OR_total <= OR_capacidade;
B_total <= B_capacidade;
!restrições (demanda mínima);
S_comercio >= S_demanda; F_comercio >= F_demanda; OB_comercio >= OB_demanda; OR_comercio >= OR_demanda; B_total >= B_demanda;
!constantes das restrições (em t);
S_capacidade = 3600000; OR_capacidade = 367200;
B_capacidade = 887760*(880/1000); !Convertido de metros cubicos (m³) para kg, e consequentemente em toneladas; S_demanda = 85445; F_demanda = 423840; OB_demanda = 172558; OR_demanda = 172558; B_demanda = 89115;
APÊNDICE C – Código do modelo matemático da otimização da usina de Granol no LINGO com base em 2016
MAX = L_soja + L_farelo + L_oleobruto + L_oleorefinado + L_biodiesel; L_soja = S_comercio*S_preco - S_comercio*S_custo;
L_farelo = F_comercio*F_preco - F_comercio*F_custo;
L_oleobruto = OB_comercio*OB_preco - OB_comercio*OB_custo; L_oleorefinado = OR_comercio*OR_preco - OR_comercio*OR_custo; L_biodiesel = B_total*B_preco - B_total*B_custo;
!variaveis de preço e de custo (em R$/t);
S_preco = 1196.65; F_preco = 1210.62; OB_preco = 2569.21; OR_preco = 3453.33; B_preco = 3350.24; S_custo = 751.50; F_custo = 800.97; OB_custo = 1898.14; OR_custo = 2001.29; B_custo = 2790.66;
!quantidade inicial de soja;
S_total = 1828274; !t; !produção dos subprodutos;
S_total = S_comercio + S_insumo;
S_insumo = C_insumo + F_comercio + OB_total; !t;
C_insumo = 0.04*S_insumo; S_percentoleo = 0.2057; C_percentoleo = 0.0064; OBF_percentoleo = 0.22;
OB_total = (F_comercio*OBF_percentoleo)/(1 - OBF_percentoleo);
!balanceamento das massas do óleo;
OB_total = OB_comercio + OR_total;
!balanceamento das massas do óleo refinado;
OR_total = OR_comercio + OR_biodiesel;
!estequiometria da reação do biodiesel (massas molares em kg/mol);
OR_biodiesel = MOL*OR_massamolar; M_insumo = 3*MOL*M_massamolar; B_total = 3*MOL*B_massamolar; G_comercio = MOL*G_massamolar;
SUM_REAGENTES = OR_biodiesel + M_insumo; SUM_PRODUTOS = B_total + G_comercio;
!constantes da reação estequiometrica (convertido de g/mol para t/mol) ;
OR_massamolar = 873*0.000001; M_massamolar = 32*0.000001; B_massamolar = 292*0.000001; G_massamolar = 92*0.000001;
!restrições (capacidade maxima);
S_insumo <= S_capacidade; OR_total <= OR_capacidade; B_total <= B_capacidade;
!restrições (demanda mínima);
S_comercio >= S_demanda; F_comercio >= F_demanda; OB_comercio >= OB_demanda; OR_comercio >= OR_demanda; B_total >= B_demanda;
!constantes das restrições (em t);
S_capacidade = 3600000; OR_capacidade = 367200;
B_capacidade = 887760*(880/1000); !Convertido de metros cubicos (m³) para kg, e consequentemente em toneladas;
S_demanda = 62318; F_demanda = 300948; OB_demanda = 125054;
OR_demanda = 125054; B_demanda = 63150;
APÊNDICE D – Código do modelo matemático da otimização da usina de Granol no LINGO com base em 2017
MAX = L_soja + L_farelo + L_oleobruto + L_oleorefinado + L_biodiesel; L_soja = S_comercio*S_preco - S_comercio*S_custo;
L_farelo = F_comercio*F_preco - F_comercio*F_custo;
L_oleobruto = OB_comercio*OB_preco - OB_comercio*OB_custo; L_oleorefinado = OR_comercio*OR_preco - OR_comercio*OR_custo; L_biodiesel = B_total*B_preco - B_total*B_custo;
!variaveis de preço e de custo (em R$/t);
S_preco = 1032.76; F_preco = 947.41; OB_preco = 2406.73; OR_preco = 3354.23; B_preco = 3055.29; S_custo = 810.67; F_custo = 864.04; OB_custo = 2047.63; OR_custo = 2158.90; B_custo = 3010.47;
!quantidade inicial de soja;
S_total = 1244515; !t; !produção dos subprodutos;
S_total = S_comercio + S_insumo;
S_insumo = C_insumo + F_comercio + OB_total; !t;
C_insumo = 0.04*S_insumo; S_percentoleo = 0.2057; C_percentoleo = 0.0064; OBF_percentoleo = 0.22;
OB_total = (F_comercio*OBF_percentoleo)/(1 - OBF_percentoleo);
!balanceamento das massas do óleo;
OB_total = OB_comercio + OR_total;
!balanceamento das massas do óleo refinado;
OR_total = OR_comercio + OR_biodiesel;
!estequiometria da reação do biodiesel (massas molares em kg/mol);
M_insumo = 3*MOL*M_massamolar; B_total = 3*MOL*B_massamolar; G_comercio = MOL*G_massamolar;
SUM_REAGENTES = OR_biodiesel + M_insumo; SUM_PRODUTOS = B_total + G_comercio;
!constantes da reação estequiometrica (convertido de g/mol para t/mol) ;
OR_massamolar = 873*0.000001; M_massamolar = 32*0.000001; B_massamolar = 292*0.000001; G_massamolar = 92*0.000001;
!restrições (capacidade maxima);
S_insumo <= S_capacidade; OR_total <= OR_capacidade; B_total <= B_capacidade;
!restrições (demanda mínima);
S_comercio >= S_demanda; F_comercio >= F_demanda; OB_comercio >= OB_demanda; OR_comercio >= OR_demanda; B_total >= B_demanda;
!constantes das restrições (em t);
S_capacidade = 3600000; OR_capacidade = 367200;
B_capacidade = 887760*(880/1000); !Convertido de metros cubicos (m³) para kg, e consequentemente em toneladas; S_demanda = 38154; F_demanda = 178086; OB_demanda = 77577; OR_demanda = 77577; B_demanda = 40973;