¹Aluno-Graduando engenharia de produção pela Universidade Federal do Amazonas - UFAM, freitas.maikon.s@gmail.com
SIMULAÇÃO DE OPERAÇÕES DE NAVIOS E BALSAS PETROLEIRAS NO TERMINAL DE MANAUS COM SOFTWARE ARENA
Maikon da Silva Freitas
¹
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.
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 trata-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.
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
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).
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.
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).
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
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.
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
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.
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.
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.
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)
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 (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.
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
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
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
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%
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
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: <
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.
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.
