Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANÁLISE DA CAPACIDADE DE ATENDIMENTO DE UMA BASE DE DISTRIBUIÇÃO DE COMBUSTÍVEIS LÍQUIDOS Alvaro Ledo Ferreira (UFMG ) junglecs1@hotmail.com Os combustíveis líquidos são essenciais para o desenvolvimento da nossa sociedade desde a revolução industrial. Ao longo dos anos, esse consumo aumentou consideravelmente, devido a fatores como a popularização do automóvel particular. Um dos elos mais importantes da cadeia de comercialização dos combustíveis líquidos é a base de distribuição, responsável por abastecer os centros urbanos. Assim, este trabalho procurou analisar a capacidade de atendimento de uma base de distribuição de combustíveis líquidos localizada em Belém, Pará, buscando saber se o nível de atendimento atual é satisfatório, e qual a reação da base frente a um aumento previsto na demanda de seu produto através de pesquisas na literatura sobre capacidade produtiva, sistema de filas, estatística e simulação no software Promodel. Caso o atendimento atual ou após o aumento na demanda não seja bom o suficiente, foram simulados dois cenários com abordagens distintas de adaptação de capacidade produtiva, o aumento da capacidade e a mudança do layout. Para efeito de comparação entre cenários, foram definidos como indicadores o lead time médio e o número médio de clientes na fila. Os resultados apontaram que atualmente o atendimento da base é considerado satisfatório, entretanto, em um cenário de aumento de 20% na demanda por esse produto, o atendimento decai bastante. Dentre as duas alternativas simuladas, a alternativa de aumento da capacidade de atendimento se mostrou bastante eficaz, enquanto que a segunda alternativa, de mudança no layout da XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 2 plataforma de carregamento de modo a eliminar restrições, revelou-se ineficiente. Palavras-chaves: Filas, Simulação, Capacidade Produtiva XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 3 1. Introdução Os agentes responsáveis pela distribuição de combustíveis líquidos para os postos revendedores, os quais realizam a venda deste produto para o cliente final, são chamados de Bases de Distribuição de Combustíveis Líquidos (BDCL). Essa operação é realizada principalmente por meio Autotanques (AT), caminhões que comportam grandes volumes, devido a sua facilidade de locomoção pelas cidades. De acordo com Schemenner (1999), tanto a má qualidade quanto a demora na espera por um serviço podem eliminar as relações de uma organização com seus clientes. No caso das BDCL, restrições em sua capacidade de atendimento podem acarretar em prejuízos para os postos revendedores, por causa de vendas perdidas ou imobilização de recursos (AT) para o transporte do combustível. Isso pode resultar no cancelamento de seu contrato atual ou influenciar negativamente a sua renovação. A base analisada nessa pesquisa apresentou um aumento no volume de combustíveis movimentado a cada mês em 11,42%, aproximadamente, nos últimos 5 anos. Entretanto, suas instalações datam da década de 70, e em decorrência desse aumento, a base apresenta diariamente a formação de filas. Portanto, questiona-se qual o impacto dessas filas na qualidade de atendimento atualmente, e caso se confirme essa tendência de crescimento de venda de combustíveis, qual será o impacto na qualidade de atendimento nos próximos anos. Essas indefinições podem ser mitigadas por meio da análise do funcionamento atual da base, utilizando a simulação computacional como ferramenta de apoio à tomada de decisão, testando modelos, identificando restrições do processo e possibilitando a análise de diferentes cenários futuros. Assim, esse trabalho se propõe a analisar a capacidade produtiva atual e futura de uma BDCL localizada em Belém, assim como cenários de alternativas de expansão de capacidade, por meio da simulação computacional discreta. 2. Revisão bibliográfica 2.1. Capacidade Produtiva Para Slack et al. (2008), a capacidade indica o nível de produção que uma operação é capaz de realizar em determinado tempo previamente definido. Davis, Aquilano e Chase (2001) afirmam que a capacidade é influenciada diretamente por fatores internos e externos. Assim, XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 4 quando uma empresa deseja aumentar a sua capacidade, ela deve focar nos aspectos internos, como leiaute e fluxo de processos, pois esses são os que ela tem maior controle e pode decidir como agir. Uma empresa pode sentir a necessidade de realizar tal tipo de alteração quando considera que seu processo apresenta restrições indesejáveis. Tal conceito é definido por Krajewski, Ritzman e Malhotra (2009) como “qualquer fator que limite o desempenho de um sistema e restrinja seu resultado”. Para determinar a existência de restrições em um sistema, é aconselhável que seja realizada a mensuração da sua capacidade produtiva, que de acordo com Moreira (2009), pode ser realizada de duas formas, por meio das quantidades produzidas ou dos insumos utilizados. Em casos de prestação de serviços, o segundo método se mostra mais útil, devido à sua natureza intangível e consequente dificuldade de identificação do que é produzido. Entretanto, a decisão de quando realizar essa mudança é tão importante quanto à do tamanho da nova capacidade (SLACK et al., 2008). Ao lidar com serviços, essa questão se torna mais evidente devido a sua incapacidade de formar estoques e de utilizar capacidades ociosas no passado para suavizar picos de demanda no presente. Moreira (2009) afirma que a capacidade de uma empresa é dependente de diversos atributos, e que para aumentar a capacidade em um setor produtivo é imperativo que ao menos um desses atributos sofra alguma alteração. Os exemplos mais comuns são o aumento das instalações e dos fatores humanos, assim como a sua capacitação e uma mudança no projeto do processo. 2.2. Sistemas de Fila Fitzsimmons e Fitzsimmons (2000) definem sistemas de fila como uma linha de clientes esperando a prestação de serviços de um ou mais prestadores. A formação dessas filas ocorre quando a demanda ultrapassa a capacidade existente do servidor. Algumas características importantes devem ser levadas em consideração ao administrar filas, como a percepção negativa do cliente perante filas, as condições nas quais ele terá de esperar e a incerteza do tempo de espera. Métodos indicados para o gerenciamento do tamanho das filas são de alterar o número de servidores e proporcionar pontos de atendimento diferenciados (GIANESI E CORRÊA, 1996). Outra alternativa é a utilização de sistemas de reservas, que possibilita a formação de uma fila virtual, na qual o cliente se programa e o prestador, de posse dessa informação com XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba,PR, Brasil, 07 a 10 de outubro de 2014. 5 antecedência, aloca determinada quantidade de sua capacidade em um certo espaço temporal (CORRÊA e CAON, 2002). Essa é uma relação na qual tanto o cliente quanto o prestador de serviços tem vantagens, pois a variação da demanda e o tempo de espera na fila são reduzidos. 2.3. Simulação A simulação para Freitas Filho (2008) envolve a descrição do comportamento de um sistema, construção de teorias e hipóteses e a utilização de um modelo para prever o comportamento futuro. As informações obtidas à partir desse modelo permitem resolver problemas sem a necessidade de alterações estruturais, ou para sistemas inexistentes, possibilitam uma implementação eficiente. Quando se lida com sistemas mais complexos, a simulação é geralmente escolhida em detrimento de métodos algébricos, teorias de probabilidade e cálculo diferencial, que são incapazes de solucionar estes problemas matematicamente (BANKS et al., 2005 apud OLIVEIRA, 2008). Uma das grandes vantagens da simulação em comparação aos modelos matemáticos, além das limitações, é a possibilidade de visualização do sistema simulado observado através de representações gráficas dos recursos e locais. Algumas vantagens, de acordo com Freitas Filho (2008 apud PEDGEN, 1991; BANKS, 1984) envolvem: utilização ilimitada do modelo simulado; facilidade relativa da simulação quando comparada com métodos analíticos; capacidade de analisar qualquer mudança factível; possibilidade de testar novas hipóteses; controle sobre o tempo e identificação de gargalos. Dentre as desvantagens, pode-se citar: necessidade de treinamento especial para a construção de modelos; a dificuldade de interpretação dos resultados e de rastreamento de erros, e o grande consumo de tempo envolvido no processo de modelagem e simulação. 3. Descrição do modelo A base é composta pelo escritório, portaria, área de estacionamento interna e externa e pela plataforma de carregamento (PCAT), que possui 4 baias para carregamento de autotanques (AT). Ela comercializa diversos tipos de combustível, como a gasolina comum (GASC), o álcool hidratado (AEHC), o diesel metropolitano (S50), o diesel interior (S1800), o diesel marítimo (ODMAR) e querosene de aviação (QAV). A plataforma de carregamento de AT's possui 2 ilhas, sendo que a primeira possui cinco braços de carregamento que possuem os seguintes produtos nessa ordem: QAV, S1800, GASC, AEHC e S50. A segunda ilha possui quatro braços de carregamento, com os seguintes XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 6 produtos: S1800, S50, GASC e ODMAR. Cada ilha possui 2 baias de carregamento, que podem utilizar quaisquer braços de carregamento da ilha em que se encontre, com exceção do braço de carregamento de QAV, que por questões mecânicas, só pode atender os AT's localizados na baia de número 1. A capacidade do estacionamento é considerada quase infinita, pois além do estacionamento interno da base, existe uma área muito grande disponível para estacionamento na área em frente a base, tornando praticamente impossível que o sistema rejeite uma chegada. O horário de funcionamento da base para entrada na fila de espera para carregamento é de segunda-feira a sexta-feira, de 0h às 19h, e sábado, de 0h às 13h, sendo que as atividades se encerram somente após o último cliente da fila ser atendido. A empresa atende aos clientes pela modalidade FOB, na qual o cliente apenas compra o produto e deve fornecer um meio de transporte, e pela modalidade CIF, na qual o cliente compra o produto e também paga pelo transporte desse produto até o local desejado. O procedimento para realização do carregamento inicia com o motorista chegando à base e se dirigindo ao escritório, verificando se o seu pedido existe e está correto, e em seguida retirando a sua ordem de carregamento e sua nota fiscal. Então o motorista se dirige à portaria, onde marca a sua vez na fila, sendo o porteiro o responsável por alocar os AT's nas baias de carregamento de acordo com os produtos a serem carregados e as prioridades. As atividades que envolvem o escritório da empresa, como por exemplo o faturamento, foram desconsideradas na pesquisa por se considerar a impossibilidade de haver um ganho na capacidade de atendimento ao realizar alterações nessa etapa. Dentre os diversos produtos oferecidos pela empresa, é possível separá-los em 4 grupos a fim de simplificar a modelagem: o primeiro grupo é formado pela querosene de aviação (QAV), que é carregado apenas na baia 01; o segundo pelo álcool hidratado (AEHC), que só pode ser carregado nas baias 01 e 02; o terceiro pelo diesel marítimo (ODMAR), que só pode ser carregado nas baias 03 e 04; o último grupo é formado por outros combustíveis (gasolina comum, diesel S50 e S1800), que podem ser carregados em qualquer baia. Quando uma baia adequada ao seu carregamento está disponível, o motorista que está na vez entra na PCAT e realiza o seu carregamento. Posteriormente o motorista se retira da plataforma e sai da base. A única diferença entre os carregamentos tipo FOB e CIF/QAV, é XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 7 que os dois últimos possuem prioridade de entrada na plataforma de carregamento, entrando assim que uma baia adequada se encontra disponível. Isso ocorre devido a regras contratuais, no caso dos CIF, e no caso do QAV devido à importância de seu carregamento, que abastece aeroportos, e por isso possuem a maior prioridade dentre todos para entrar na baia de carregamento 01. Para ilustrar o funcionamento da base foi construído um fluxograma utilizando o padrão ANSI, representado na Figura 1. Figura 1 – Fluxograma do processo de atendimento Fonte: O Autor (2014) No mapa da área operacional da base, representado na Figura 2, foram evidenciadas 5 áreas de interesse para a pesquisa: a área de estacionamento e as 4 (quatro) baias para carregamento de autotanques. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 8 Figura 2 – Área da base Fonte: O Autor (2014) 4. Método Foram definidas como variáveis de entrada para o simulador o tempo entre chegadas sucessivas de clientes no sistema e o tempo de atendimento para cada processo. As coletas de dados foram realizadas na sexta-feira, o dia com maior movimentação diária de combustíveis durante a semana, enquanto o horário para a coleta foi o de pico na demanda, de 8h30min às 17h30min. O número de amostras coletado se baseou no conceito de Morettin e Bussab (2010), que definem que quando o tamanho das amostras é desconhecido, é possível calcular um número de amostras de uma população (n) a partir de um erro de estimação (ε) e um grau de confiança (Z), como representado na equação 1. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 9 Equação 1 – Cálculo do número de amostras O número de replicações (n) foi calculado de acordo com a Equação 2, a partir de um Coeficiente de Confiança (Z) e um desvio padrão estimado (S). Equação 2 – Cálculodo número de replicações Para validar os resultados obtidos no modelo de simulação, foi calculado o Intervalo de Confiança, a partir da equação 2, onde é a média da amostra e é o desvio padrão. Equação 2 – Cálculo do Intervalo de Confiança Inicialmente foi coletada uma amostra-piloto de 10 amostras do tempo entre chegadas sucessivas de clientes e do tempo de carregamento, no intuito de verificar o comportamento das variáveis e calcular o tamanho da amostra a ser coletado. Foi escolhido como grau de confiança o valor de 90% e como erro amostral máximo o valor de 170 segundos para a primeira variável, e 147 segundos para a segunda. Chegou-se então à quantidade de 50 amostras para o tempo entre chegadas sucessivas e 40 amostras para o tempo de carregamento. Em seguida foi realizada uma coleta adicional de 40 e 30 observações, referentes ao tempo entre chegadas sucessivas de clientes e o tempo de carregamento, respectivamente, para complementar a coleta inicial de 10 observações, compondo a amostra final da pesquisa. Em seguida, foi verificada a possibilidade de representar os fenômenos estudados por meio de distribuições de probabilidades. Para tanto foi utilizado o software Stat::fit, o qual realizou XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 10 comparações entre diversas distribuições existentes, utilizando como validação o teste do qui- quadrado. A distribuição que mais se adequou à variável de chegada sucessiva de clientes ao sistema foi a distribuição Exponencial, com uma média igual a 650, como mostrado na Figura 3. Já os testes do tempo de carregamento demonstraram que a distribuição que mais se adequou foi a distribuição de Erlang, com uma média igual a 311, 264 e parâmetro igual a 8, conforme apresentado na Figura 4. Figura 3 – Distribuição exponencial no tempo entre chegadas sucessivas de clientes ao sistema Fonte: O Autor (2014) Figura 4 – Distribuição de Erlang no tempo de carregamento Fonte: O Autor (2014) XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 11 Em seguida foi realizada a tradução do modelo conceitual e dados coletados para o modelo de simulação, com base nas características do Promodel, através da determinação dos locais, entidades, processos, entre outros. Foram definidos 5 locais: a área de estacionamento e as baias de carregamento de número 1 à 4, cada uma com suas características próprias. A entidade foi definida como um autotanque possuindo 5 gráficos com cores diferentes: o branco representa o cliente que pode entrar em qualquer baia; o azul representa o cliente que irá carregar QAV; o verde representa o cliente que irá carregar AEHC; o vermelho representa o cliente que irá carregar ODMAR; por fim, o amarelo representa os AT’s da modalidade CIF. Foram também definidas 5 rotas, uma para cada autotanque. Para o processo de atendimento em cada processo, foi utilizada a distribuição de Erlang com valor médio igual a 311,264 e parâmetro igual a 8. Para o processo de chegada, foi utilizada a distribuição Exponencial com valor médio igual a 650. Para a definição do tipo de cliente que chega à base, foi determinada a proporção de atendimento de cada grupo, apresentado na Tabela 1. Tabela 1 – Divisão percentual entre os grupos de clientes QAV 5,00% AEHC 2,70% ODMAR 9,00% Outros 74,00% CIF 9,30% Fonte: O Autor (2014) A quantidade de replicações foi de 146 vezes, tomando como Coeficiente de Confiança o valor de 95%, valor máximo esperado igual a 150 minutos, valor mínimo esperado igual a 40 minutos e com um erro esperado de mais ou menos 3 minutos. 5. Resultados Foram então escolhidos os parâmetros que seriam considerados como medidas de desempenho do sistema. Os parâmetros escolhidos foram o lead time (LT), que é o tempo total que o cliente passa no sistema, e a quantidade média de clientes na fila, com os resultados obtidos na Tabela 2. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 12 Tabela 2 – Resultados da simulação da capacidade atual de atendimento Lead Time médio (minutos) Lead Time máximo (minutos) Lead Time mínimo (minutos) Número médio de clientes na fila Número máximo de clientes na fila Número de clientes atendidos 72,98 149,78 43,76 3,14 9,2 67,59 Fonte: O Autor (2014) Em seguida foi coletada uma amostra do lead time do sistema real, no intuito de realizar a validação operacional da simulação por meio do cálculo do Intervalo de Confiança. Com essa amostra, composta de 10 valores de lead time, com média igual a 73,4 minutos e desvio padrão igual a 17,33, foi calculado o seguinte intervalo de confiança, mostrado nas Tabelas 3. Tabela 3 – Cálculo do Intervalo de Confiança LT médio calculado (minutos) 72,98 Intervalo de confiança [62,66; 84,14] Fonte: O Autor (2014) Como o lead time médio obtido na simulação, de 72,98 minutos, se situa dentro do intervalo de confiança, considera-se o modelo utilizado na simulação validado, viabilizando o andamento do estudo. Assumindo que a empresa apresente um aumento esperado em sua demanda em 20%, foi realizada também a simulação desse cenário, com os resultados apresentados na Tabela 12, procurando prever o comportamento da base. Como definido anteriormente, foram também simulados 2 cenários de adaptação da base à esse crescimento na demanda: aumento no número de baias e uma mudança no layout que possibilite o carregamento. A simulação da capacidade atual de atendimento da base revelou, aproximadamente, os valores de 73 minutos, 4 clientes e 60 clientes para o lead time médio, número de clientes médio na fila e número de clientes atendidos, respectivamente. Em casos extremos, o lead XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 13 time e o número de clientes na fila podem chegar à aproximadamente 150 minutos, aumento de 105%, e 10 clientes, aumento de 150%, respectivamente. Comparando os resultados com uma previsão realizada pelos gestores, suas estimativas se mostraram imprecisas, com erros de aproximadamente -31% no lead time médio, 165% no número médio de clientes na fila e 17% no número de cliente atendidos. Analisando os resultados referentes às baias de carregamento, percebe-se que as 4 baias apresentam comportamento semelhante, com a baia de AEHC e Marítimo 1 se destacando com o maior número de clientes atendidos. De modo contrário, a baia de QAV se destaca negativamente por apresentar a menor quantidade de clientes atendidos e a menor taxa de utilização. No cenário de aumento de 20% na demanda, duas variáveis críticas para o sistema, o lead time e o número médio de clientes na fila, sofrem um aumento considerável. Enquanto o lead time teve um aumento de 41,74%, o número médio de clientes na fila apresentou um crescimento de 145,85%, o que demonstra a sensibilidade da empresa quanto ao aumento da demanda. Além disso, destacam-se o número de clientes atendidos, que sofreu um leve crescimento, e semostrou diretamente afetado pelo aumento do número de clientes no sistema, e o número máximo de clientes na fila, que quase duplicou de tamanho. As simulações de cenários de adaptação ao aumento de 20% na demanda se mostraram muito diferentes. Enquanto o primeiro cenário diminuiu o lead time médio em 50%, o número médio de clientes na fila em 84% e aumentou a quantidade de clientes atendidos em 23%, o segundo cenário quase não alterou o lead time médio e o número de clientes atendidos, além de aumentar em 5% o número médio de clientes na fila. Os resultados obtidos na simulação do cenário com aumento na demanda apresentaram uma grande variação. Essa variação foi considerada ruim, principalmente devido às variáveis críticas atingirem níveis indesejados, que reduziram substancialmente a qualidade do serviço ofertado. Os únicos resultados considerados bons nesse cenário foram a quantidade de clientes atendidos e a taxa de utilização, que apresentaram um crescimento, o que implica no aumento da quantidade de vendas e ganho financeiro, sem alterar capacidade de atendimento. Entretanto esse ganho foi desprezado em razão do baixíssimo nível de atendimento. XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 14 Com relação às duas alternativas de adaptação simuladas, nota-se que o aumento no número de baias é bem mais eficiente na melhora do nível de serviço do que a mudança no layout, já que o primeiro reduz em mais de 50% o tempo que o cliente passa no sistema, enquanto que a mudança do layout causa uma alteração irrisória nessa característica. Ao comparar o tamanho médio de clientes na fila ratifica-se esse pensamento, já que a primeira alternativa reduz o tamanho médio da fila em 75%, enquanto que no segundo nota-se um aumento de 12,5%. Ao considerar outras variáveis, fica claro que o aumento no número de baias é a melhor solução pois ela também aumenta o número de clientes atendidos, resultando em um ganho financeiro da empresa. Entretanto, apesar da primeira alternativa se mostrar a melhor em todos os aspectos técnicos, no quesito custo, desconsiderado até então no trabalho, ela se apresenta pior do que a segunda. O aumento no número de baias apresenta um custo consideravelmente maior que a mudança no layout, haja vista que o primeiro envolve gastos com construções, enquanto que o segundo requer somente uma mudança nas tubulações. 6. Conclusão Neste trabalho buscou-se analisar a capacidade produtiva de uma base de carregamento de combustíveis líquidos. Dentre os impactos diretos desse estudo, pode-se citar a definição e medição de parâmetros para qualificação do nível de atendimento, que somados aos resultados alcançados na pesquisa, possibilitam a realização de um benchmarking. Além disso, foi possível reduzir a incerteza em futuras tomadas de decisão referentes ao aumento de capacidade, devido a previsão de dificuldades que possam ser encontradas. De posse dessas informações, a empresa analisada poderá ser capaz de reter seus clientes atuais e atrair novos por meio da redução da insatisfação na demora no atendimento. Para alcançar este objetivo, foi realizada a modelagem do sistema e a coleta de dados de duas variáveis que serviram como input do simulador: o tempo entre chegadas sucessivas de clientes ao sistema e o tempo de carregamento. O resultado da simulação revelou que a base apresenta um bom nível de atendimento atualmente, tomando como base para essa conclusão o lead time médio e o número médio de clientes na fila. Além disso, foi possível analisar a reação da base frente a um esperado crescimento na demanda por seus produtos. Os resultados alcançados demonstraram que a presente infraestrutura da base não é capaz de suportar esse aumento sem tornar o nível de atendimento XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10 Curitiba, PR, Brasil, 07 a 10 de outubro de 2014. 15 precário. De modo a contornar essa questão, foram simulados dois cenários de adaptação de capacidade: o aumento de 2 unidades no número de baias de carregamento e a mudança no layout da plataforma. Os resultados foram bastante distintos, pois enquanto a primeira alternativa, apesar de melhorar consideravelmente o nível de atendimento, exige um alto custo de implementação, a segunda alternativa, embora apresente um custo inferior, não justifica a sua implantação devido ao ganho ínfimo no aumento da capacidade produtiva. Durante o desenvolvimento dessa pesquisa foram encontradas algumas limitações, como a dificuldade na coleta de dados que representem o funcionamento real da base, além do agrupamento de diferentes produtos como um só e a consideração de que cada cliente carrega apenas um produto. Assim, seria viável realizar futuramente uma expansão dessa pesquisa, simulando um dia completo de funcionamento da base, considerando cada produto individualmente e considerando os carregamentos compostos de vários produtos. REFERÊNCIAS BANKS, Jerry et al. Discrete-Event System Simulation. Prentice Hall, 2000. CORRÊA, Henrique e CAON, Mauro. Gestão de serviços: lucratividade por meio de operações e de satisfação dos clientes. 1ª edição. São Paulo: Atlas, 2002. DAVIS, Mark, AQUILANO, Nicholas e CHASE, Richard. Fundamentos da administração da produção. 3ª edição. Porto Alegre: Bookman, 2001. FITZSIMMONS, A.J.; FITZSIMMONS, J.M. Administração de Serviços. 2ª edição. Porto Alegre: Bookman, 2000. FREITAS FILHO, Paulo. Introdução à modelagem e simulação de sistemas com aplicações em Arena. 2ª edição. Florianópolis: Visual Books, 2008. GIANESI, Irineu e CORRÊA, Henrique. Administração estratégica de serviços: operações para a satisfação do cliente. 1ª edição. São Paulo: Atlas, 1996. KRAJEWSKI, Lee, RITZMAN, Larry e MALHOTRA, Manoj. Administração de produção e operações. 8ª edição. São Paulo: Pearson Prentice Hall, 2009. MOREIRA, Daniel. Administração da produção e operações. 2ª edição. São Paulo: Cengage Learning, 2009. MORETTIN, Pedro e BUSSAB, Wilton. Estatística básica. 6ª edição. São Paulo: Saraiva, 2010. SCHEMENNER, Roger. Administração de operações. São Paulo: Futura, 1999. SLACK, Nigel et al. Gerenciamento de operações e de processos. Porto Alegre: Bookman, 2008.
Compartilhar