simulaÇÃo de operaÇÕes de navios e balsas … · no brasil, a maior parte do petróleo é...

¹Aluno-Graduando engenharia de produção pela Universidade Federal do Amazonas - UFAM, [email protected] ²Graduado engenharia de produção pela Universidade Federal do Amazonas - UFAM, [email protected] ³Aluno-Graduando engenharia de materiais pela Universidade Estadual do Amazonas - UEA, [email protected]

SIMULAÇÃO DE OPERAÇÕES DE NAVIOS E BALSAS PETROLEIRAS NO TERMINAL

DE MANAUS COM SOFTWARE ARENA

Maikon da Silva Freitas¹

Carlos Renato Alves Bahia²

Reinaldo de Almeida Rodrigues³

RESUMO

A simulação de eventos tem sido utilizada em diversas áreas de estudo, pois permite submeter, através

de cenárias computacionais, eventos que auxiliam para resolução de problemas do mundo real. Este

trabalho tem objetivo utilizar a simulação com software ARENA como ferramenta para apresentar

uma análise da situação operacional do processo de atracação de navios petroleiros nos 3 Portos da

Refinaria de Manaus. A análise foi realizada durante a vazante do rio Negro, meses críticos das

operações. A partir do resultado das simulações chega-se à conclusão de que nesse período observa-

se um desbalanceamento e uma elevação da taxa de ocupação nos portos. Diante da situação foram

criados cenários para avaliação da capacidade, considerando o tempo de espera e processamento

visando aperfeiçoar a disposição dos portos de modo a otimizar o fluxo de atracações.

Palavras-chave: Modelagem e simulação, Teoria das filas, Software ARENA.

SIMULATION OF OPERATIONS OF SHIPS AND BARGE IN THE MANAUS

REFINERY TERMINAL WITH SOFTWARE ARENA

ABSTRACT

Event simulation has been used in several areas of study, as it allows to submit through computational

scenarios events that help to solve real world problems. This paper aims to use the simulation with

software ARENA as a tool to present an analysis of the operational situation of the mooring process

of oil tankers in the 3 ports of Manaus Refinery. The analysis was performed during the ebb of the

Rio Negro, critical months of operations. From the results of the simulations it is concluded that in

this period there is an imbalance and an increase in the occupancy rate in the ports. Given the

situation, scenarios were created for capacity assessment, considering the waiting time and

processing to improve the arrangement of ports in order to optimize the flow of berths.

Keywords: Modeling and simulation, Theory of queues, ARENA Software.

2

INTRODUÇÃO

Para que o petróleo esteja no ponto para ser utilizado pelas indústrias, o mesmo deve passar

por etapas, e uma dessas etapas é quando os componentes são purificados e separados nas refinarias

de petróleo, tal tarefa tem um alto nível de dificuldade pois há muitas variações na composição, além

de muitas substâncias na sua formulação, mas antes da etapa de refinamento do petróleo, existe uma

das considerada como principal e essencial etapa no ciclo de produção e consumo do petróleo, trata-

se de seu transporte, exigindo o cumprimento de regras para manter a ordem toda cadeia de produção

de petróleo (RESUMOESCOLAR, 2019).

No Brasil, a maior parte do petróleo é transportada por navios petroleiros até o destino final

podendo ser uma refinaria ou Terminal com tancagem para armazenamento e distribuição dos

produtos, grande dos produtos após processados nas Refinarias retornam para bordo para subsequente

distribuição ao longo da costa, terminais em águas interiores ou no exterior (SILVA, 2004).

O transporte de petróleo e derivados pode ser efetuado através de modal aquaviário por meio

de navegação fluvial, águas interiores, marítima ou por hidrovias utilizando-se para tal, navios tanque

conhecidos como petroleiros ou ainda por meio de balsas tanque utilizadas principalmente para

atendimento onde são demandados volumes menores de produto ou ainda pela limitação do curso a

ser navegado. No Brasil, a maior parte do petróleo produzido e dos produtos refinados é transportada

por navios petroleiros até o destino final (SILVA, 2004).

Existe uma tendência de crescimento transporte aquaviário, principalmente na navegação de

cabotagem devido à concentração da atividade econômica na região costeira (RIBEIRO et al., 2000

apud SILVA, 2004).

Devido à vazante do rio Negro há uma redução no calado dos berços de atracação,

consequentemente diminuindo a capacidade de carga e descarga dos Navios, aumentando o número

de operações necessárias para atender a demanda da região. Então, para estudar formas de otimizar o

sistema de atracação dos navios petroleiros do Terminal de Manaus, foi proposta a modelagem e

simulação do sistema usando a simulação para auxiliar na tomada de decisão sem que haja alteração

da estrutura física do local.

A simulação possui diversas vantagens tais como: maior facilidade de aplicação do que os

métodos analíticos; identificação de gargalos no sistema; compreensão das variáveis mais importantes

do sistema (FREITAS FILHO, 2008). Conforme afirma Aragão (2011) a simulação computacional

auxilia na tomada de decisão, gera resultados consistentes e diminuem o tempo de resposta.

3

A aplicação da simulação em diversas áreas faz com que a mesma se destaque como uma

ótima ferramenta sendo um apoio para as empresas, além disso dar muitas vantagem pois o tempo

dedicado para detalhar processos complexos mostrando os possíveis resultados de melhorias

propostas diminui.

O objetivo principal deste artigo é verificar se há gargalos ou sobrecarga de distribuição em

cada Porto que compõe o Terminal Aquaviário. Objetivos Específicos – Minimizar as filas e propor

outras melhorias para ajustar a taxa de ocupação nos Portos, com a melhor utilização possível dos

recursos disponíveis.

Este trabalho encontra-se estruturado em 5 (cinco) etapas, incluindo a presente introdução. Na

segunda etapa é feito a apresentação do referencial teórico. A terceira etapa descreve a metodologia

aplica com coleta de dados apresentando os modelos de simulação computacional, com o uso do

software ARENA. A quarta etapa traz os resultados obtidos com a análise. No último capítulo é feito

a discursão e conclusão.

1. REFERENCIAL TEÓRICO

1.1 Simulação

Simulação é uma técnica que possibilita uma pessoa reproduzir o funcionamento de um

sistema real assim como procura montar um modelo que melhor representa o sistema em estudo

(PRADO, 2014).

Segundo Bateman et al. (2013) a simulação é uma ferramenta amplamente usada nas áreas de

Engenharia de Produção, Administração, informática e computação, e tem auxiliado as empresas na

tomada de decisões em diversas áreas tais como manufatura, logística, serviço e saúde. Para Prado

(2014) é ferramenta para se obter uma medição quantitativa da confiabilidade do sistema.

Conforme Greasley (2008) a simulação preocupa-se em modelagem de sistema

representativos por acontecimentos descritos em casos individuais, percorrendo os postos, onde se

realizam as operações, com o passar do tempo. Segundo Mclean e Leong (2001) a simulação permite

auxiliar as empresas no gerenciamento dos recursos através de análise do desempenho do fluxo do

processo realizados por simulação, podendo estimar ganhos de novas alternativas.

Segundo Souza et al. (2018) a simulação é capaz de dar apoio em tomadas de decisões, através

da utilização de processos computadorizado, com simulações de cenários reais e também fictícios

permitindo observar o comportamento do sistema a partir das mudanças inseridas sem que as mesmas

4

sejam realizadas. Shannon (1975) confirma que a simulação é o processo de elaborar uma modelo de

um sistema real ou hipotético guiando os experimentos com o objetivo de entender o comportamento

do sistema e submetê-lo a várias restrições operacionais, optando sempre pela melhor alternativa.

Chwif e Medina (2010) justificam a simulação confirmando que a mesma permite a análise

de um novo sistema antes da sua implantação, também é capaz de melhorar operações de um sistema

já existente através da compreensão de tal sistema.

O modelo geral de simulação possui uma estrutura com a seguinte ideia: as entidades chegam

ao sistema, aguardam em filas se necessário, realizam atividades conforme os recursos disponíveis e

após finalizarem as atividades saem do sistema (CHWIF et al., 2013).

Conforme Neto at al. (2014) Chwif e Medina (2010) a modelagem e simulação divide-se em

seis etapas, sendo:

• A primeira a formulação onde são definidos o problema e objetivo da modelagem com

base a observação do sistema analisado;

• A segunda etapa prossegue com a representação, constrói-se um modelo conceitual

baseado na modelagem simbólica e inicia-se a coleta de dados do sistema a ser

analisado;

• A terceira etapa é a implantação converte-se o modelo conceitual em computacional

utilizando a simulação com os parâmetros definidos conforme o software escolhido;

• A quarta etapa é a verificação e validação, onde procura-se verificar se o modelo

conceitual foi convertido em modelo computacional de forma consistente e apropriada,

além de validar comparando os resultados do modelo computacional aproximando-se

do comportamento do cenário real;

• A quinta etapa segue-se com a experimentação quando o modelo computacional passa

a ser operacional, após verificação e validação, podemos analisa-lo quanto a variável,

ajustando-o para se obter melhores soluções;

• A sexta etapa finaliza com Análise, onde os resultados são analisados conforme o

objetivo proposto;

1.2 Software ARENA

Lançado pela empresa americana Systems Modeling em 1993 é a unificação aperfeiçoada dos

softwares SIMAN e CINEMA e incorporado a empresa Rockwell software em 1998 (PRADO, 2014).

5

Segundo Melo et al. (2017) o software ARENA é o mais conhecido no ambiente acadêmico e

profissional sendo representado no Brasil pela empresa Paragon Tecnologia Ltda. Correia et al.

(2012) comenta que o ARENA faz parte da suíte RS BIZUARE, que reúne uma solução integrada e

completa para projetar, planejar e gerenciar o chão de fábrica, tornando-se parte importante da

estratégica de atuação da Rockwell Software dentro do segmento de Manufacturing Execution System

(MES).

Conforme Costa et al. (2016) o software ARENA é um simulador onde os dados inseridos e

processados podem ser alterados de acordo com a necessidade do projeto de melhoria levando a

resultados melhores a serem implementados sem que haja custo proveniente de alterações reais.

Santos et al. (2017) comenta que o software ARENA possui uma interface gráfica

automatizada que auxilia na redução da utilização do teclado, pois suas ferramentas levam ao usuário

utilizar mais o mouse, assim simplificando o processo de construção do modelo. Souza et al. (2017)

apud Pinho et al. (2009) afirma que o software ARENA é um meio gráfico integrado de simulação,

onde não é necessário digitar linhas de códigos para criar modelos de simulação com recursos de

desenhos e animação.

Segundo Prado (2014) o ARENA possui um conjunto de blocos (comandos de linguagem de

programação) utilizados para descrever uma aplicação real, uma interface gráfica, além de

ferramentas úteis como:

• Input Analyzer – analisados de dados de entrada que possibilita analisar dados reais

do funcionamento do processo e escolher a melhor distribuição estatística;

• Output Analyzer – analisador de resultados com diversos recursos que permite analisar

dados coletados durante a simulação.

Pinto et al. (2009) ratifica que a ferramenta adicional Input Analyzer no software ARENA é

capaz de analisar dados de entrada gerando histograma com valores mínimo, médio e máximo, e o

desvio padrão da amostra, além de realizar testes de aderência dos dados determinando as distribuição

de probabilidade mais adequada para o usuário realizar a melhor modelagem do sistema.

Conforme CORREIA et al (2012) o ARENA é um ambiente gráfico integrado de simulação

não sendo necessário escrever linhas de códigos no software com processo de criação de modelos de

simulação gráfica e visual.

Pinto et al. (2009) também comenta que o ARENA gera um relatório após finalizar a

simulação do modelo em PDF na qual cada estatística pode ser detalhada visualmente.

6

Desta forma o ARENA é software de simulação de eventos discretos mais utilizado no mundo

sendo entendidos através da abordagem de uma simples modelagem por fluxogramas (PARAGON,

2019).

1.3 Terminal aquaviário

Um Terminal Aquaviário de Petróleo trata-se de uma instalação Industrial por meio da qual é

possível fazer transferência de produtos derivados do petróleo, nesse processo utilizam-se diversos

equipamentos como braços de carregamento, bombas de alta capacidade de vazão, válvulas manuais

ou motorizadas e instrumentação de campo, para monitoramento e controle de vazão, pressão e

temperatura.

Entende-se por transporte aquaviário aquele que se utiliza de uma via aquática para a

navegação, seja esta, interior, costeira (cabotagem) ou destinada oceânica de longo curso denominada

como navegação off-shore (SILVA, 2004).

O Terminal Aquaviário de Manaus (TA–Manaus) destina- se às operações portuárias de carga,

descarga de navios e barcaças. Trata-se de terminal fluvial da bacia amazônica, situado na margem

esquerda do Rio Negro, 3,7 km a montante da confluência do Rio Negro com o Rio Amazonas,

distante 8,3 km do centro urbano da cidade de Manaus (INFORMAÇÕES PORTUÁRIAS, 2012).

O Terminal possui três píeres fluviais flutuantes, sendo dois exclusivamente para navios,

podendo ainda ser usado para operação de barcaças, e um exclusivo para barcaças. Nestes píeres são

efetuados carga, descarga de petróleo e derivados, abastecimento de bunker e descarga de estireno

(INFORMAÇÕES PORTUÁRIAS, 2012).

Por não ter tancagem própria, o Terminal funciona como intermediário nas operações. Todas

as movimentações de petróleo e derivados são recebidas e expedidas pela Refinaria de Manaus

(INFORMAÇÕES PORTUÁRIAS, 2012).

O Terminal é a porta de entrada e de saída dos produtos movimentados e produzidos pela

Petrobras na Refinaria de Manaus. Recebe em seus portos navios e barcaças com petróleo, GLP (Gás

Liquefeito de Petróleo) e derivados claros e escuros para a Reman e para as companhias

distribuidoras. Movimenta, ainda, monômetro de estireno para a empresa Videolar (TRANSPETRO,

2013).

7

Figura 1: Terminal Aquaviário de Manaus

Fonte: TRANSPETRO, 2013.

Tabela 1 - Características dos berços de atracação do Terminal de Manaus

Fonte: INFORMAÇÕES PORTUÁRIAS, 2012.

POF 1 POF 2

POF 3

8

2. PROCEDIMENTOS METODOLÓGICOS

2.1 Objeto de estudo

A empresa onde o estudo foi realizado fica situada no Brasil, no estado do Amazonas na cidade

de Manaus, e atua no mercado de petróleo e derivados.

A ideia central do estudo surgiu a partir da identificação do problema por parte dos autores,

analisando o cenário atual e comparando com o estudo realizado anteriormente no ano de 2015 onde

apontava para um cenário econômico favorável, com o mercado local aquecido demandando grande

volume de operações para garantir o abastecimento do mercado local, o que gerava sobrecarga nas

instalações portuárias da Refinaria para garantir o atendimento à essa demanda, consequentemente

um excessivo tempo de espera desses navios e balsas nas filas para atracação nos Portos Operacionais

Flutuantes (POF), assim gerando uma elevada taxa de utilização dos Portos.

A operação é realizada por um profissional de campo ou de modo remoto por meio de um

sistema supervisório em uma sala de comando e controle, a instrumentação é aplicada para o

monitoramento das variáveis do processo. O procedimento inicial se dá por meio do processo de

conexão dos mangotes de borracha ou termoplásticos, ou por meio dos Braços de Carregamento que

garantem a conexão para transferência entre os Navio e Barcaças com a instalação industrial do

Terminal.

Em função da criticidade de operação observadas no período sazonal de extrema vazante

devido à redução de calado no berço de atracação, o que reduz bastante a capacidade de

movimentação em volume de produtos em cada POF, nesse período, há a necessidade de aumentar o

número de operações para garantir o volume necessário para abastecimento do mercado local, onde

o grupo se propõe a avaliar como encontra-se a situação de atendimento às operações em 2017, dada

a redução de demanda comparado ao ano de 2015.

Neste trabalho as entidades serão os navios e balsa levando em consideração os POFs como

os recursos com as suas respectivas capacidades. Nessa etapa procura-se a definição do problema e

objetivos da modelagem, construindo um modelo abstrato com base na observação do sistema

2.2 Procedimentos de coleta de dados

Para que o grupo pudesse criar a modelagem, simulação e gerar cenários alterativo de melhoria

para o processo de atracação das balsas e navios foram feitas visitas ao Terminal Aquaviário com o

intuito de observar e entender o processo e ambiente a ser analisado.

9

Observando o fluxo do processo podemos notar que as balsas e navios chegavam e paravam

antes de se atracarem aos POFs, pois os mesmos devem esperar a comunicação de autorização para a

atracação. Após a autorização é realizado a atração e posteriormente o processo de descarga do

material, após isso é realizado a saída.

Os dados foram coletados por meio das planilhas de controle de operações do Terminal

Aquaviário de Manaus, referente aos meses de setembro, outubro e novembro de 2017, foram

observados dados referente aos tempos de carga, descarga, número de atracação de navios e balsas,

volume de produtos movimentados no período, além do tempo de chegada aos Portos, os dados foram

analisados pelo grupo e posteriormente foram submetidos a ferramenta input analizer disponível no

software ARENA para avaliação e definição da melhor distribuição desses dados por meio do teste

de aderência, para posteriormente utilizar como parâmetros no processo de modelagem no ARENA.

O Terminal é composto por POF’s, por meio dos quais os Navios ou Barcaças carregam ou

descarregam os produtos, sendo dois (POF-1 e POF-3) destinados a operações com navios/balsas, e

um porto (POF 2) exclusivo para balsas. Nesses portos são efetuados o processo carga, descarga de

petróleo e derivados, abastecimento de bunker e descarga de estireno.

Características das Plataformas de transferência de petróleo em Manaus:

• Porte Máximo: 50.000 TPB - NAVIOS

• Porte Mínimo: 5.000 TPB - BARCAÇAS

• Porte Intermediário: 50.000 TPB – NAVIOS

2.3 Procedimentos de análise de dados

A partir da análise inicial dos dados, foi possível inferir uma avaliação mais fidedigna ao

cenário real por meio do resultado obtido na modelagem no software ARENA.

Foi elaborado uma modelo conceitual com modelagem simbólica para melhor entendimento

do sistema avaliado, viabilizando a análise de comportamento do sistema, antes de se iniciar a

construção do modelo computacional no software ARENA.

Os dados foram coletados e separados em blocos de notas, em tempo de chegada para navios,

de chegada para balsas e de operações no POF-1, POF-2 e POF-3. Cada tempo em seus respectivos

blocos de notas. Para realizar o teste de aderência na ferramenta Input Analyzer é necessário inserir

os dados coletados em blocos de notas para que a mesma consiga realizar a leitura dos dados.

Com os dados submetidos ao teste de aderência na ferramenta Input Analyzer para verifica a

melhor distribuição estatística da amostra coletada para posterior organização, tratamento, validação

10

e geração de informações através da modelagem. Através do relatório gerado pelo software, os dados

foram analisados e discutidos no decorrer do trabalho pelo grupo, em seguida foram definidas as

propostas para melhoria do processo de atendimento. Abaixo seguem as figuras que representam os

resultados referente as melhores distribuições estatísticas dos dados de tempos de chegada para

navios, de chegada para balsas e de operações no POF-1, POF-2 e POF-3.

Figura 2 - Testes de Aderência para a Distribuição dos tempos de chegada para navios.

Fonte: os autores, 2017.

11

Figura 3 - Testes de Aderência para a Distribuição dos tempos de chegada para Balsas.


Figura 4 - Testes de Aderência para a Distribuição dos tempos de Operações no POF-1.


12





13

Após realizados os teste de aderências das amostras coletadas na ferramenta Input Analyzer

que auxiliou o grupo na determinação das curvas de comportamento, além de ter fornecido a

expressão matemática que melhor descreveu o comportamento dos dados, a ferramenta também

ajudou o grupo na verificação da qualidade das amostras coletadas, onde as mesmas poderiam ser

aprovadas ou não. Todas as amostras foram aprovadas no teste de aderência realizados e seguem uma

distribuição Beta para os tempo de chegada para navios, de chegada para balsas e de operações no

POF-1, POF-2 e POF-3. Conforme mostra a Tabela 2.

Tabela 2 - Resultado dos testes de Aderência para a Distribuição dos tempos de operações

Processo

Chegada Navio

(Horas)

Chegada Balsa

(Horas)

Atendimento POF1

(Horas)

Atendimento POF2

(Horas)

Atendimento POF3

(Horas)

Tipo de Distribuição Beta Beta Beta Beta Beta

Equação 10 + 2 *

BETA(0.829, 0.799)

6 + 5 * BETA(0.966,

1.12)

15 + 18 * BETA(1.29,

1.23)

5 + 18 * BETA(1.34,

1.44)

2 + 5 * BETA(1.77,

1.97)

Erro Quadrado (%) 0.006744 0.009633 0.010415 0.011755 0.007438

Chi Quadrado

Intervalos 8 8 7 7 7

Degrees of Freedom

5 5 4 4 4

Test Statistic 3.66 7.03 3.24 7.86 2.71

KolmogorovSmirnov 0.0531 0.0718 0.0511 0.0693 0.0563

p-value 0.603 0.227 0.52 0.0978 0.612

Média da Amostra 11 8.31 24.2 13.7 4.36

Desvio Padrão da

Amostra 0.609 1.42 4.8 4.63 1.15

Fonte: os autores (2017)

14

Após a definição da melhor distribuição estatística dos dados com a ajuda da ferramenta Input

Analyzer do software ARENA foi feito a modelagem dos dados e realizadas as simulações no ARENA

do cenário real conforme Figura 7. O objetivo desta etapa é modelar e simular o comportamento da

realidade (cenário real) do processo de atracação das balsas e navios.

Na modelagem foram usados dois blocos Create “CHAGADA NAVIOS” e “CHEGADA

BALSA”, pois são blocos que o simulador cria entidades (balsas e navios) que iram se mover pelo

modelo no sistema, conectados através de Route aos dois blocos PickStation’s respectivamente. O

bloco PickStation foi utilizado, pois permite que a entidade selecione uma das estações (POF-1, POF-

2 e POF-3) disponíveis, sendo o bloco PickStation conectado ao bloco Create “CHAGADA

NAVIOS” programado para não escolher a estação POF-2, uma vez que o POF-2 é exclusivo para

atracação de balsas.

Os próximos blocos são os blocos Enter’s, que são conectados aos blocos PickStation’s

associado aos módulos programados. Os blocos Enter’s são também conectados através de Route aos

blocos Process “POF-1”, “POF-2” e “POF-3” respectivamente. No bloco Process as entidades serão

processadas, no caso desta simulação é o tempo que cada balsa e navio são atendidos (descarga do

material), o bloco Process é programado conforme a capacidade obedecendo a expressão definida

com a ajuda da ferramenta Input Analyzer.

Seguidamente os blocos Process “POF-1” e “POF-3” foram conectados através de Route aos

blocos Decide respectivamente, o bloco Decide foi utilizado pois permite a tomada de decisões no

sistema e foi programado para tomar duas decisões baseado em tipos de entidades, com objetivo de

separarmos as entidades balsa e navio que passa por cada blocos Process “POF-1” e “POF-3”. O

bloco Decide não foi usado na saída do bloco Process “POF-2”, pois o POF-2 é exclusivo para

atracação de balsas. Para que as entidades sejam contabilizadas foi necessário a utilização do bloco

Record, que é usado para coleta estatísticas do modelo.

Logo após acrescentou conectados através de Route os blocos Leave, que é usado para

transferir uma entidade a uma estação ou bloco, sendo assim os blocos Leave programados para as

entidades serem transferidas para o bloco Enter.

Por fim, conectados através de Route ao bloco Enter, inseriu-se o bloco Dispose, destinado

como ponto final para entidades em um modelo de simulação.

Portanto após a montagem do modelo no ARENA fez-se a simulação com o intuito de obter

dados para análise. Os dados são gerados após o término da simulação por meio de relatório no

15

software ARENA. O relatório em PDF gerado pelo ARENA ajudou o grupo a entender a simulação

do modelo montado para análise.

Figura 7 – Modelagem no ARENA dos dados do cenário real de operações.


Após a simulação do cenário real o grupo verificou o comportamento do modelo montado

através dos relatório e constatou a aproximação do sistema com a situação real validando a construção

da modelagem realizada.

No relatório gerado pelo ARENA analisou-se que os resultados das simulações apontam para

uma sobrecarga nas operações do POF-1 com uma taxa de ocupação de 90,3% e, além de se observar

uma taxa elevada de ociosidade no POF-3 com taxa de utilização de 40,7% o POF-2 apresentou uma

taxa de ocupação de 66,2%.

Através dos resultados obtidos do relatório do ARENA o grupo observou que havia

oportunidades de melhoria e elaborou duas melhorias para balancear a taxa de ocupação dos POFs.

Nessa etapa procura-se ajustar o modelo para obter melhores resultados, o modelo computacional

agora torna-se modelo operacional sendo possível analisá-lo quanto a variáveis, cenários e análise de

sensibilidade podendo ser testados para a melhor solução.

Possível 1ª Melhoria: Através do relatório é possível perceber que o POF-1 está com a taxa de

utilização em 90,3%, enquanto o POF-3 está com a taxa de utilização de apenas 40,7%. Assim uma

16

possível medida a ser tomada seria fazer a divisão da demanda de uma forma mais justa possível, para

equilibrar a taxa de ocupação desses POFs.

Tal objetivo é alcançado configurando os Blocos PickStation’s seguindo os passos:

PickStation1 > Seleciona Expression > click sobre o recurso com maior taxa de utilização (POF-1) >

Click em Build Expression > Basic Process Variables > Resource > Usage > Current Utilization >

Seleciona a formula ResUtil (Resource1) <= 0.5. Assim podemos dividir para cada bloco a demanda

de entidades que vão em direção aos blocos Process “POF-1” e Process “POF-3”. O resultado aponta

para uma redução na Taxa de Utilização do POF-1 diminuindo para 68,6%. A remodelagem do

cenário proposta Possível 1ª Melhoria encontra-se na Figura 8 abaixo.

Figura 8 – Modelagem no ARENA dos dados do cenário proposto como melhoria 1


Apesar da remodelagem do cenário com a Possível 1ª Melhoria o grupo observou que ainda

havia possibilidade de melhorar o sistema.

Possível 2ª Melhoria: Mesmo realizando a primeira melhoria, pode-se observar que a Taxa de

Ocupação do POF-2 (responsável pelas Balsas) está mais elevada com 71,8%. Na tentativa de

amenizar essa taxa de ocupação, utilizando o bloco Decide conectados através de Route ao bloco

Enter que está conectado ao bloco Process “POF-2”, programando o bloco Decide para direcionar

25% da demanda do bloco Process “POF-2” para o bloco Process “POF-3”, assim foi possível reduzir

a taxa de ocupação do bloco Process “POF-2” para 59,7% e elevando a taxa de ocupação do bloco

17

Process “POF-3” para 47,1%. Esse segundo cenário desenvolvido pelo grupo também trouxeram

resultados positivos com um melhor balanceamento da taxa de utilização dos POFs. A remodelagem

do cenário proposta Possível 2ª Melhoria encontra-se na Figura 9 abaixo.

Figura 9 – Modelagem no ARENA dos dados do cenário proposto como melhoria 2.


3. RESULTADOS

O presente estudo, visando alcançar os objetivos descritos no início do trabalho, procurou

quantificar e analisar, as seguintes variáveis: o tempo médio e máximo que uma Navio/Balsa fica na

fila e no sistema, o número médio de Navio/Balsa na fila, o número de Navio/Balsa que entraram e

saíram do sistema, o tempo médio e máximo de Tempo de Serviço e a porcentagem de tempo de

utilização em cada um dos POF’s.

Podemos inferir que, em cada replicação, poderão ocorrer valores de tempos máximos maiores

ou menores que o apresentado, sendo a média desses valores o valor representado. A seguir a Tabela

3 apresenta os resultados para 10 (dez) replicações (pelo fato de se tratar de um sistema grande e a

18

versão estudantil do Software disponível não suportar mais replicações), Comprimento da Replicação:

1440h, com 24 horas por dia.

Os valores encontrados através da modelagem e simulação no ARENA dos processos de

atracação de balsa e navios estão representados na Tabela 3 a seguir:

Tabela 3 - Resultados da Simulação para 10 replicações

Fonte: o autor (2017)

Na Tabela 3 são apresentados na primeira coluna os parâmetros avaliados, as colunas

seguintes apresenta os cenários que foram modelados na situação real, onde foi possível observar um

desbalanceamento da taxa de utilização dos POFs e duas melhorias proposta pelo grupo, onde foi

possível remodelar e simular o modelo da situação afim de melhorar o balanceamento da taxa de

utilização dos POFs.

Parâmetros Medida

Cenários

Real Melhoria 1 Melhoria 2

Navio que entraram Quantidade 131 131 131

Balsa que entraram Quantidade 126 126 127

Navio que saíram Quantidade 130 130 130

Balsa que saíram Quantidade 125 125 126

Navio em processo Quantidade 1 1 1

Balsa em processo Quantidade 1 1 1

Navio em tempo ativo no processo Horas 7,29 7,23 7,72

Balsa em tempo ativo no processo Horas 14,92 13,38 11,41

Navio tempo de espera do processo Horas 0,22 0,57 1,06

Balsa tempo de espera do processo Horas 0,92 0,77 0,67

Navio tempo total de processo Horas 7,51 7,81 8,78

Balsa tempo total de processo Horas 15,84 14,15 12,07

Taxa de utilização do POF1 % 90,3% 68,6% 64,0%



19

DISCUSSÕES

Observando os resultados do estudo atual e comparando com o estudo realizado em 2015,

nota-se que a diminuição de demanda gerada pelo atual cenário econômico desfavorável gera um

tempo de ociosidade que poderia ser ocupado utilizando-se novas parcerias com empresas do setor

para utilização do recurso disponível nas Instalações do Terminal de Manaus, embora haja essa folga

em relação a capacidade produtiva, foi observado que a demanda está desequilibrada entre os POF’s

que compõe o Terminal, abrindo a oportunidade para melhorias no que diz respeito a melhor

utilização dos recursos disponíveis evitado a sobrecarga em algum dos 3 (três) Portos.

CONCLUSÕES

Após a simulação do sistema de operações com navios petroleiros a partir da análise dos

resultados pode-se concluir que o objetivo principal do trabalho foi alcançado, conseguindo

demonstrar, por meio da modelagem dos dados e simulações no software o funcionamento desse

sistema. O uso da simulação computacional registrou o comportamento do funcionamento de cada

Instalação portuária e as respectivas taxas de ocupação dos recursos.

O presente trabalho demonstrou a importância significativa de aplicação da simulação no

processo das empresas. Além disso, foi possível observar por meio da simulação, tratar-se de uma

técnica convincente que proporciona o conhecimento das causas de problemas nos processos,

fornecendo um subsídio técnico para as equipes de gerenciamento, na implementação de melhorias

em busca das soluções mais acertadas e menos dispendiosas para a empresa.

Após o estudo, chegou-se à conclusão que há uma sobrecarga na demanda de atendimento às

operações no POF-1 e que o POF-3 fica sub utilizado, desse modo, o grupo definiu 2 (duas) possíveis

sugestões de melhorias, a partir de um remanejamento de navios/balsas para uma melhor distribuição

de modo que um Porto não fique sub utilizado em detrimento de outro que fica sobrecarregado, ao

mesmo tempo o grupo indica que as operações com Balsas passem a ser redistribuídas principalmente

ao POF-3 que apresenta um alto grau de ociosidade, tal problema surge devido ao maior número de

operações com Balsas, especialmente no período de sazonalidade de extrema vazante (período de

análise do estudo) por operarem com menor capacidade, entre 3 (três) e 5 (cinco) Tonelada de porte

bruto, com a redistribuição proposta o POF-2 teria a carga de operações aliviadas, o POF-1

apresentaria uma leve redução nas operações e diminuiria a taxa de ociosidade no POF-3.

Vale ressaltar que mesmo com a proposta de melhoria apresentada pelo grupo o POF-3 ainda

apresenta uma taxa de ocupação inferior a 50% o que possibilitaria expandir ainda sua carteira de

20

operações, em no mínimo 20% abrindo a possibilidade ao mercado externo ao movimentar produtos

para outras Empresas, possibilitando um aumento na receita.

O estudo também mostra a possibilidade de desenvolvermos um estudo com aplicação do

conhecimento adquirido na Instituição de Ensino com aplicações no software ARENA na busca de

soluções para problemas em processos produtivos e mesmo tendo um caráter totalmente acadêmico,

servirá de base e apoio científico para futuros estudos relacionado ao caso real ou similares.

REFERÊNCIA BIBLIOGRÁFICA

ARAGÃO, A. P. Modelagem e simulação computacional de processos produtivos: o caso da

cerâmica vermelha de Campos dos Goytacazes, RJ. 2011. 143 fls. Dissertação de Mestrado -

Universidade Estadual do Norte Fluminense, Campos dos Goytacazes, 2011.

BATEMAN, R. E.; BOWDEN, R. O.; GOGG, T. J.; HARRELL, C. R.; MOTT, J. R. A.;

MONTEVECHI, J. A. B. Simulação de sistemas: aprimorando processos de logística, serviços e

manufatura. Rio de Janeiro: Elsevier, 2013.

CHWIF, L.; MEDINA, A. C.; VIEIRA, D. R.; PÉCORA JR, J. E.; PEREIRA, W. I. Introdução ao

SIMUL8: um guia prático. 1. ed. São Paulo: Ed. dos Autores, 2013. Disponível em:

<https://livrosimulacao.eng.br/?smd_process_download=1&download_id=15>. Acesso em: 05 de

ago. 2019.

CHWIF, L. MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria e prática. 3.

ed. São Paulo: Leonardo Chiwf. 2010.

CORREIA, R. R.; FARIAS, H. C. A. de; LIMA, A. B. A.; MEDEIROS, S. N. Simulação de fluxo

de ônibus no Terminal de Integração do Varadouro: Um estudo computacional. Bento

Gonçalves. RS: Enegep 2012. Disponível em: <

http://www.abepro.org.br/biblioteca/enegep2012_tn_stp_162_946_19581.pdf>. Acesso em: 02 ago.

2019.

COSTA, M. A.; REZENDE, T. G.; BERTOLUCI, E. A. Estudo envolvendo modelagem e

simulação com o software Arena em uma loja do ramo alimentício na cidade de Brotas/SP. VI

Encontro Científico do GEPro. 2016. Disponível em: <

http://www.geprofatecjahu.com.br/gepro/index.php/gepro/2016/paper/download/241/175>. Acesso

em: 10 de ago. 2019.

21

FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas. 2. ed. Florianópolis:

Visual Books, 2008.

GREASLEY, A. Using simulation for facility design: A case study. Simulation Modelling

Practice and Theory vol. 16, p. 670–677, 2008.

INFORMAÇÕES PORTUÁRIAS. Transpetro. Terminal Manaus. 2. ed. Rio de Janeiro: Gerência

do Terminal Aquaviário do Norte, 2012. Disponível em: <

http://antigo.ppe.ufrj.br/ppe/production/tesis/prdasilva.pdf>. Acesso em: 17 de jul. 2019.

McLEAN, C. & LEONG, S. The Role of Simulation in Strategic Manufacturing. Proceedings of

the 33nd Conference on Winter Simulation, p.1478-1486, 2001.

MELO, J. V.; FERREIRA, J. S.; JUSTA, M. A. O. Modelagem e simulação com o Arena para

reduzir filas em um restaurante self service. R. Gest. Industr., Ponta Grossa, v. 13, n. 2, p. 146-

159, jun./ago. 2017. Disponível em: <https://periodicos.utfpr.edu.br/rgi>. Acesso em: 17 de ago.

2019.

NETO, H. G.; OLIVEIRA, J. B.; ANDRADE, C. R. F. Modelagem e simulação computacional em

uma empresa de confecção de roupas: um estudo sobre o desempenho de um processo

produtivo. Curitiba. PR: Enegep. 2014. Disponível em: <

http://www.abepro.org.br/biblioteca/enegep2014_TN_STO_195_106_25996.pdf>. Acesso em: 10

ago. 2019.

PARAGON. Arena Acadêmico. 2019. Disponível em: < https://www.paragon.com.br/arena-

academico-student/ >. Acessado em: 08 ago. 2019.

PINHO, B.; CAPELLI, C.; LIMA, L.; NASCIMENTO, L.; SENNA, P.; PAIM, R. Metodologias e

Ferramentas para Simulação de Processos. Rio de Janeiro: Universidade Federal do Rio de Janeiro,

2009. Disponível em: <

http://www.seer.unirio.br/index.php/monografiasppgi/article/download/240/228> Acessado em: 16

ago. 2019.

PRADO. D. S. Usando o Arena em Simulação. 5º ed. Nova Lima: Falconi. 2014.

RESUMOESCOLAR. Como é feito o transporte do petróleo. 2019. Disponível em:

https://www.resumoescolar.com.br/geografia/como-e-feito-o-transporte-do-petroleo/>. Acessado

em: 08 set. 2019.

22

RIBEIRO, S.K.; COSTA, C.V.; DAVID, E.G.; REAL, M.V.; D’AGOSTO, M.A. 2000.

Transporte e mudanças climáticas. 1 ed. Rio de Janeiro, Mauad Ed. Ltda.

SHANNON, R.E. System simulation: the art and science. Englewood Cliffs, N.J: Prentice Hall,

1975.

SANTOS, F. da S.; FADONI, L. M.; MARANGONI, R.; LAVISO, E. A.; BERTOLUCI, E. A.

Utilização da simulação para melhoria dos serviços prestados em uma farmácia de pequeno

porte. Revista Tekhne e Logos. v.8. Botucatu: SP. 2017. Disponível em: <

http://www.fatecbt.edu.br/seer/index.php/tl/article/download/460/292 >. Acesso em: 13 de ago.

2019.

SILVA, P. R da. Transporte Marítimo de Petróleo e Derivados na Costa Brasileira: Estrutura e

Implicações Ambientais [Rio de Janeiro]. 2004. Disponível em: <

http://www.transpetro.com.br/lumis/portal/file/fileDownload.jsp?fileId=8A9D2A9F3E074079013E

0E26453C7677>. Acesso em 26 de jul. 2019.

SOUZA, I.; MIRANDA, J. A.; SOUZA, L. S. B. de; SOUZA, K. R. B. Simulação de tráfego

utilizando o software Arena: Um estudo de caso de um trecho semaforizado da cidade de

Juazeiro – BA. Maceió. AL: Enegep 2018. Disponível em: <

http://www.abepro.org.br/biblioteca/TN_STO_263_512_35283.pdf>. Acesso em: 10 ago. 2019.

SOUZA, A. C. L. de; MORAES, A. N.; MARTINS, L. O.; ATHOUGUIA, T. da S. P.; NAZARÉ, T.

B. Simulação de uma linha de produção de biscoitos utilizando o software Arena. XI Congresso

de Engengaria de Produção Agroindustrial. Campo Mourão: PR. 2017. Disponível em: <

http://anais.unespar.edu.br/xi_eepa/data/uploads/artigos/3/3-01.pdf >. Acesso em: 13 de ago. 2019.

TRANSPETRO. Terminais Aquaviários. Disponível em:

<http://www.transpetro.com.br/pt_br/areas-de-negocios/terminais-e-oleodutos/terminais-

aquaviarios.html>. Acesso em: 13 ago. 2019.

simulaÇÃo de operaÇÕes de navios e balsas … · no brasil, a maior parte do petróleo é...

Documents