3. Método de Pesquisa
3.2. Procedimento Metodológico
3.2.1. System Dynamics
O System Dynamics surgiu alguns anos depois da criação da metodologia sistemática Industrial Dynamics realizada por Jay Wright Forrester no final dos anos 50 (STERMAN, 2000; RANGANATH e RODRIGUES, 2010).
Forrester (1961) propõe a implementação da metodologia Industrial Dynamics nos seguintes passos:
1. Identificação do problema;
2. Estratificação dos fatores que aparentemente geram os sintomas;
3. Desenho dos círculos de causa e efeito de retroalimentação de informações que conectam decisões a ações a mudanças de informações resultantes e a novas decisões;
4. Formulação de políticas de decisões que descrevem como decisões resultam dos fluxos de informações disponíveis;
5. Construção do modelo matemático de políticas de decisões, fonte de informações e interação dos componentes do sistema;
6. Geração do comportamento através do tempo do sistema como descrito pelo modelo (geralmente com apoio computacional);
7. Comparação dos resultados contra o conhecimento disponível sobre o sistema atual;
8. Revisão do modelo até o mesmo ser considerado representativo;
9. Redesenho do que possa ser alterado no sistema atual para melhorar o comportamento;
10. Alteração do sistema real de acordo com as oportunidades de melhoria;
O System Dynamics é uma evolução do Industrial Dynamics (STERMAN, 2000) e segundo Kuai et. al. (2015), é tanto um método quanto uma técnica de modelagem de simulação para capturar, entender e discutir questões e problemas complexos.
A complexidade dos sistemas, e de seus comportamentos, usualmente são oriundas das interações entre os componentes dos sistemas e não da complexidade dos componentes em si (STERMAN, 2000).
Segundo Vlachos, Georgiadis e Iakovou (2007), os modelos de System Dynamics têm como propósito comum entender como e porque a dinâmica em questão é gerada e de que formas pode-se melhorar a performance do sistema estudado. Seu foco está na compreensão de como processos físicos, fluxos de informações e políticas gerenciais interagem de forma a criar a dinâmica de determinadas variáveis de interesse.
Georgiadis e Vlachos (2004) realizam uma adaptação ao modelo de Towil para aplicação do System Dynamics, propondo a divisão do procedimento de aplicação da metodologia em duas fases: na primeira fase é feita uma análise qualitativa do sistema e na segunda fase é feita uma análise quantitativa do sistema. A fase qualitativa segue as seguintes etapas: definição dos objetivos, análise das entradas e saídas do sistema, criação do modelo conceitual (diagrama de influências). A fase quantitativa segue as seguintes etapas: desenvolvimento do modelo de simulação dinâmico utilizando software especializado, verificação e validação do modelo (com correções visando maior acuracidade quando aplicável), utilização e registro do log do comportamento dinâmico das variáveis, e por fim a análise de sensibilidade do modelo, feita com a avaliação dos resultados dos senários “e se” conforme Figura 11.
Figura 11 - Modelagem com System Dynamics. Fonte: Adaptado de Georgiadis e Vlachos (2004).
O modelo de Narayana, Elias e Pati (2014) foca apenas na parte qualitativa e é dividido em duas fases, estruturação do problema e modelagem do enlace causal (usando modelagem de construção de grupo). Na fase de estruturação de problemas os autores utilizam um gráfico de comportamento ao longo do tempo (do inglês Behaviour Over Time -
BOT) para identificar tendências principais variáveis, seguido de análise sistemática das partes interessadas para identificar a complexidade relacionada ao sistema. Na fase de modelagem do enlace causal é gerado um grande bloco (grande hexágono) contendo blocos menores (hexágonos pequenos) dentro, de forma a agrupar questões, oportunidades e obstáculos identificados pelas partes interessadas. Posteriormente são realizadas estratificações para agrupar os blocos menores (hexágonos pequenos) em assuntos em comum, em seguida é feita a identificação das variáveis associadas a cada agrupamento e por fim o desenvolvimento e análise do diagrama de enlace causal.
Grande parte do pensamento usado no System Dynamics consiste em descobrir e representar interações de redes de feedbacks. Estas interações podem ser representadas por meio de diagrama de enlaces de retroalimentação, que podem ser positivos ou negativos. Nos enlaces de retroalimentação positivos as inter-relações entre as variáveis geram forças no mesmo sentido, ou seja, o aumento de uma variável provoca o aumento de outra. Neste tipo de interação, o enlace causal possui uma estrutura de reforço dentro do sistema. Já nos enlaces de retroalimentação negativos as inter-relações entre as variáveis geram forças em sentido contrário ao inicial, ou seja, o aumento de uma variável provoca a redução de outra e vice- versa. Neste tipo de interação o enlace causal possui uma estrutura de balanceamento dentro do sistema (STERMAN, 2000).
Enlaces de retroalimentação (feedback loops) desempenham um papel chave em modelos de System Dynamics (KUAI et. al., 2015). Esta importante ferramenta utilizada na aplicação do System Dynamics, cumpre duas importantes funções. Primeiro como um esboço para as hipóteses de relações de causa e efeito e segundo para simplificar a representação dos modelos (GEORGIADIS e VLACHOS, 2004).
A Figura 12 mostra a notação utilizada para a construção de diagramas de enlaces causais.
Figura 12 - Notação dos diagramas de enlaces causais. Fonte: Adaptado de Sterman (2000).
Nos enlaces de retroalimentação negativos o comportamento identificado costuma ser o de busca pelo atingimento de metas, ou seja, após um distúrbio, esta parte do sistema tem o comportamento de busca pela condição de equilíbrio. Em um enlace de retroalimentação positivo, a presença de distúrbios levam a mais mudanças, sugerindo a existência de um estado de desequilíbrio (GEORGIADIS e VLACHOS, 2004).
A dinâmica de sistemas, assim como o aprendizado advém destes ciclos de retroalimentação. O aprendizado é crucial para a capacidade da adaptação adequada às mudanças. Compreender a dinâmica de sistemas complexos é compreender as implicações
População Taxa de nascimento + + Taxa de mortalidade - + Variável Taxa de
Nascimento PopulaçãoVariável
+
Relação Causal Polaridade da Relação Positiva Exemplo: Conceitos: Variável: População Variável Taxa de mortalidade Relação Causal Polaridade da Relação Negativa - + R - B Identificador Enlance: Enlace Positivo (Reforço) Identificador Enlance: Enlace
Negativo (Balanceamento)
das retroalimentações (feedbacks) causadas pelas decisões que tomamos. O paradigma do modelo mental usado pela maioria das pessoas é o paradigma baseado em relações de causa e efeitos muito próximas em termos de tempo e espaço, o que induz ao pensamento de que existem efeitos desejados e não desejados, quando na realidade existem apenas efeitos. Os efeitos indesejados, ou efeitos colaterais, como também costumam ser chamados, são na realidade um sinal de que não entendemos o comportamento de alguma situação como um todo (STERMAN, 2000).
O comportamento de um sistema surge da composição de sua estrutura, que por sua vez, é composta de ciclos de retroalimentação, estoques e fluxos e não linearidades geradas pela interação da estrutura física e institucional do sistema com os processos de tomada de decisões dos agentes atuando dentro do mesmo (STERMAN, 2000). Esta definição está alinhada com a definição de Bertrand e Fransoo (2002) de que modelos quantitativos são baseados em um conjunto de variáveis que variam dentro de um domínio específico, enquanto relações quantitativas e causais tenham sido definidas entre essas variáveis.
Segundo Sterman (2000), apesar de existirem incontáveis dinâmicas possíveis nos inúmeros sistemas existentes, na realidade existem basicamente três formas fundamentais de comportamento dinâmico, dos quais podem existir algumas derivações possíveis dependendo do tipo de interações destas formas entre si, que regem a maioria das dinâmicas dos sistemas existentes. A primeira forma fundamental é o crescimento exponencial (Figura 13), causado pela atuação predominante de um ciclo de retroalimentação positivo (reforço), a segunda é o comportamento de atingimento de metas (Figura 14), causado pela atuação predominante de um ciclo de retroalimentação negativo (balanceamento) e a terceira é o comportamento de oscilação (Figura 15), causado pela atuação predominante de um ciclo de retroalimentação negativo (balanceamento) com delays.
Figura 13 - Comportamento e estrutura de um sistema com crescimento exponencial. Fonte: Sterman (2000). Aumento na Taxa Líquida Estado do Sistema + +
Figura 14 - Comportamento e estrutura de um sistema com atingimento de metas. Fonte: Sterman (2000).
Figura 15 - Comportamento e estrutura de um sistema com oscilação. Fonte: Sterman (2000).
A maior parte das atividades empresariais, industriais e de negócios inclui na composição de suas respectivas estruturas, um ou mais tipos de estoques e fluxos que representam os sinais mais claros de operações de processos. Os tipos de estoque podem ser de materiais, de pessoas, de bens de capital, de ordens e de dinheiro (FORRESTER, 1961).
Kuai et. al. (2015) desenvolvem um modelo de System Dynamics que possibilita tanto a consideração de questões ambientais no processo de planejamento de cidades em estados de situações ambientais ruins (com atividades industriais excessivas), quanto à avaliação de alternativas por parte de tomadores de decisão neste processo de planejamento cujo objetivo possa ser o de realizar transformações para a melhoria da qualidade ambiental. Os autores concluem que a medida de controle de escala industrial foi considerada a medida
Ação Corretiva Estado do Sistema + - Discrepância Meta (Estado Desejado do Sistema) + + Ação Corretiva Estado do Sistema + - Discrepância Meta (Estado Desejado do Sistema) + + Delay na Tomada de Decisões Delay na Comunicação, Medição ou na Percepção Delay nas ações
de transformação mais importante quando comparada com estrutura e eficiência para o tipo de cidade estudada e que as capacidades de produção de coque, ferro, aço, geração de energia com carvão necessitam ser reduzidas.
Kuai et. al. (2015) classificam as variáveis do modelo desenvolvido em elementos internos e elementos externos. Como elementos externos são colocadas políticas relacionadas à indústria e os inputs e outputs tais como energia, água, poluição e outros. Como elementos internos estão questões como eficiências industriais, capacidades avançadas industriais, capacidades obsoletas industriais e escalas industriais.
No modelo de Kuai et. al. (2015) é apresentado o subsistema industrial de coque, outros quatro subsistemas também construídos da mesma forma são mencionados, mas não foram apresentados (carvão, ferro, aço e capacidades de potência). Estes subsistemas retratam as variações de escalas industriais, ajustes estruturais como eliminação das capacidades obsoletas e os produtos correspondentes que foram aplicados para prever o consumo industrial de energia, água e emissões de poluentes no subsistema de desempenho ambiental, mas não serão apresentados aqui por não serem relevantes para este trabalho. No modelo dos autores também é apresentado o subsistema industrial do consumo de energia e outros três também construídos da mesma forma que este não foram apresentados (consumo de água limpa, emissão industrial de SO2 e emissão de fumaça e poeira). O diagrama de fluxo e
estoque do subsistema industrial de consumo de energia, por retratar questões ambientais, relevantes para este trabalho, em um modelo de System Dynamics está retratado de forma simplificada na Figura 16.
Figura 16 - Diagrama de fluxo e estoque do subsistema de consumo de energia industrial. Fonte: Kuai et. al. (2015).
Tian, Govindan e Zhu (2014) desenvolveram e aplicaram um modelo de simulação de System Dynamics na indústria automotiva chinesa para analisar o efeito de política de subsídios para o governo, fabricantes e consumidores, concluindo que os subsídios para os fabricantes são melhores do que subsídios para os consumidores quando se pretende promover a questão ambiental em cadeias de suprimentos (GSCM) e que a conscientização ambiental dos mesmos é um fator chave. Outras partes interessadas não foram consideradas como ONGs (Organizações Não Governamentais) e mídias de grupo que podem exercer influência nesta conscientização. Também não foi analisada a cadeia de suprimentos como um todo, ou seja, com uma visão do início ao fim. Na Figura 17 está a representação do modelo.
Consumo de energia na indústria dos produtos
Consumo industrial de energia
Consumo de energia por unidade de produtos em capacidades obsoletas Consumo de energia por
unidade de podutos em capacidades não obsoletas
<Produtos produzidos por capacidades obsoletas> <Produtos produzidos por
capacidades não obsoletas>
<Tempo>
<Tempo>
Valor limite de consumo de energia
Razão da conta do consumo de energia em indústrias dos produtos
pelo consumo total de energia industrial
Razão do consumo de energia pelo valor limite
Figura 17 - Modelo de System Dynamics para promoção da questão ambiental em cadeias de suprimentos.
Fonte: Tian, Govindan e Zhu (2014).
Probabilidade de fabricantes com GSCM Número total de fabricantes Probabilidade de fabricantes sem GSCM Fabricantes sem GSCM Fabricantes com GSCM Taxa de promoção de GSCM nos fabricantes Fator de capacidade do recurso Probabilidade de implementação estratégica
Taxa básica de mudança dinâmica da probabilidade de fabricantes
selecionarem GSCM
Taxa de mudança dinâmica após tempo de implementação
Fator de ajuste da média esperada de recompensa de fabricantes com GSCM Recompensa esperada de fabricantes com GSCM (RFC) (p(RFC-RFS) - p(RFS-RFC))
Fator de ajuste da média esperada de recompensa de
fabricantes sem GSCM
Recompensa esperada de fabricantes sem GSCM
(RFS) Custo por produto com
benefícios ambientais
Recompensa média esperada de fabricantes
com GSCM
Custo por produto sem benefícios ambientais Recompensa média
esperada de fabricantes sem GSCM Preço por produto com
benefícios ambientais
Preço por produto sem benefícios ambientais Fator de subsídios para
fabricantes com GSCM
Subsídios para fabricantes com GSCM
Consumidores de produtos com benefícios ambientais
Consumidores de produtos sem benefícios ambientais
Quantidade total de consumnidores
Probabilidade de consumidores de produtos com benefícios ambientais
Fator de pagamento pela preferência ambiental
Fator de subsídios para consumidores de produtos com
benefícios ambientais
Subsídio para consumidores de produtos com benefícios
ambientais Grau de benefício ambiental do produto Fator de redução de custo Redução de custos de fabricantes com GSCM Investimento para implementação de GSCM Fator de investimento para
implementação de GSCM - - + + + + + + + + + + + + - + - + + + + + + + + - + - + - - + + + + + + + - + - -
3.2.1.1. System Dynamics e Logística Reversa
Muitos estudos sobre Logística Reversa focam nos aspectos operacionais tais como reciclagem e remanufatura, no entanto o pensamento de sistemas, utilizado com System
Dynamics, tem o potencial de incorporar elementos não materiais e sociais a Logística
Reversa (NARAYANA, ELIAS E PATI, 2014).
No modelo de Georgiadis e Besiou (2008), os autores apresentam uma cadeia de suprimentos de ciclo fechado de um único produtor e um único produto, com atividades de reciclagem. Sobre a perspectiva da Logística Reversa não são contempladas algumas etapas como a de reuso direto, a gestão da recuperação de produtos e a gestão de resíduos que podem existir em um fluxo reverso.
Segundo Georgiadis e Vlachos (2004), questões econômicas e ambientais são as principais forças direcionadoras em cadeias de suprimento de ciclo fechado. Os autores elaboram um modelo dinâmico capaz de avaliar efeitos das decisões de longo prazo envolvendo questões ambientais, conforme Figura 18.
Figura 18 - Diagrama de fluxo e estoque de um sistema de logística direta-reversa com remanufatura.
Fonte: Georgiadis e Vlachos (2004). Estoque utilizável Fornecimento Taxa de Produção Pedidos + + + - Matéria-Prima + Capacidade de Produção + - - Estoque distribuição + - Demanda Produtos Fim de Vida Útil Taxa de Coleta+ - Capacidade de Coleta + Produtos Fim de Vida Coletados + Taxa de Inspeção + - Taxa de Produtos Aceitos Taxa de Produtos Recusados + + Disposição Descontrola da - + Disposição Controlada + Produtos Reutilizáveis + + - + Vida útil - Políticas de proteção ambientais + Razão de coleta + - Razão de reúso Índice de reúso + + Fator de imagem ambiental + + Comportamento de mercado + Razão de remanufatura + Capacidade de remanufatura Taxa de remanufatura + + + - Taxa de disposição controlada + + - - + - Capacidade desejada de remanufatura + Discrepância + - Taxa da capacidade de expansão + Taxa de incremento de capacidade + + Variável de controle K +
As variáveis encontradas nos modelos de System Dynamics pesquisados na literatura se encontram consolidadas nos Quadros 8a e 8b. O levantamento destas variáveis se fez necessário para a definição das variáveis do modelo desenvolvido nesta pesquisa. Foram selecionadas as que melhor se adequaram ao propósito deste trabalho.
Kuai et. al. (2015) trazem em seu modelo a distinção das variáveis de produtos produzidos e de consumo de energia oriunda de unidades obsoletas e de unidades não obsoletas. No entanto, por não ser relevante para este estudo, não foi destacada essa distinção nos Quadros 8a e 8b.
Pode-se observar então, que há uma predominância, de autores que consideram apenas modelos de cadeia de suprimentos direta e poucos autores que consideram modelos de cadeias reversas (de ciclo aberto ou de ciclo fechado) dentro deste tema, o que demonstra uma lacuna na literatura para explorar este tema, uma vez que as necessidades reais no meio empresarial caminham no sentido de considera-las, especialmente considerando aspectos ambientais e sociais, além dos aspectos econômicos da Logística (BARBOSA-PÓVOA, DA SILVA E CARVALHO, 2017).
Quadro 8a - Variáveis encontradas em modelos de System Dynamics.
Fluxo Pilar TBL Tipo Variáveis Autor
Direto Econômico Estado Estoque de matérias-primas, de produtos produzidos, de distribuidores; Georgiadis e Vlachos,
(2004);
Direto Econômico Estado Estoque de produtos produzidos; Kuai et. al. (2015)
Indiferente Econômico/
Ambiental Estado Estoque de produtos usados fim de vida;
Georgiadis e Vlachos, (2004);
Reverso Ambiental Estado Produtos coletados, reutilizáveis, descartados de forma descontrolada, destinados de forma controlada; Capacidade de remanufatura;
Georgiadis e Vlachos, (2004);
Direto Econômico Estado Número total de fabricantes; Tian, Govindan e Zhu
(2014);
Indiferente Econômico/
Ambiental Estado
Fabricantes com/ sem GSCM; Recompensa esperada e Recompensa média esperada de fabricantes com/ sem GSCM; Subsídios para fabricantes com GSCM; Quantidade total de consumidores; Consumidores de produtos com/ sem benefícios ambientais;
Investimento para implantação de GSCM; Subsídio para consumidores de produtos com benefícios ambientais;
Tian, Govindan e Zhu (2014);
Reverso Social/ Ambiental Estado Catadores de resíduos formais e informais; Capacidade de infraestrutura dos catadores; Ghisolfi et. al. 2017;
Direto Econômico Taxa Taxa de produção, de pedidos; Demanda; Georgiadis e Vlachos,
(2004);
Reverso Ambiental Taxa Coleta, inspeção, aceitação para reuso, rejeição, disposição controlada, expansão da capacidade de remanufatura, incremento de capacidade de remanufatura, remanufatura;
Georgiadis e Vlachos, (2004);
Indiferente Econômico/
Ambiental Taxa Consumo de energia; Kuai et. al. (2015);
Quadro 8b - Variáveis encontradas em modelos de System Dynamics (continuação).
Fluxo Pilar TBL Tipo Variáveis Autor
Indiferente Econômico/
Ambiental Taxa
Probabilidade de fabricantes com/ sem GSCM; Taxa de promoção de GSCM, de mudança da probabilidade de fabricantes selecionarem GSCM, de mudança após tempo de implementação; Fator de ajuste da média esperada de recompensa de fabricantes com/ sem GSCM; Custo por produto com/ sem benefícios ambientais; Preço por produto com/ sem benefícios ambientais; Fator de subsídios para fabricantes com GSCM; Fator investimento implementação GSCM; Probabilidade de consumidores de produtos com benefícios ambientais; Fator de pagamento pela preferência ambiental; Redução de custos de fabricantes com GSCM; Fator de subsídios para consumidores de produtos com benefícios ambientais;
Tian, Govindan e Zhu (2014);
Indiferente Econômico Taxa Probabilidade de implantação estratégica; Fator de redução de custo; Tian, Govindan e Zhu (2014);
Indiferente Ambiental Taxa Grau de benefício ambiental do produto; Tian, Govindan e Zhu (2014);
Reverso Social/
Ambiental Taxa
Tempo de formalização; Taxa de formalização; Tempo de coleta de resíduos pelos catadores; Taxa de coleta de resíduos dos catadores; Proporção de coleta catadores de resíduos; Taxa de expansão de catadores; Poder de barganha catadores;
Ghisolfi et. al. 2017;
Indiferente Econômico/
Ambiental Capacidade Limite de consumo de energia; Kuai et. al. (2015);
Direto Econômico Capacidade Capacidade de produção; Georgiadis e Vlachos, (2004);
Reverso Ambiental Capacidade Capacidade de coleta; Capacidade desejada de remanufatura; Georgiadis e Vlachos, (2004);
Indiferente Econômico Capacidade Fator de capacidade do recurso; Tian, Govindan e Zhu (2014);
Para a aplicação do modelo utilizando o System Dynamics, esta pesquisa utiliza um método de pesquisa adaptado de Ackoff e Sasieni (1968) apud Bertrand e Fransoo (2002) e outros autores.
A Figura 19 demonstra uma visão geral do procedimento de pesquisa adotado e sua explicação detalhada se encontra nos sub tópicos a seguir.
Figura 19 - Procedimento de pesquisa.
Fonte: Adaptado de Ackoff e Sasieni (1968) apud Bertrand e Fransoo (2002), Sterman (2000), Georgiadis e Vlachos (2004) e Narayana, Elias e Pati (2014).