Preenchimento do Formulário de Submissão de Trabalho ... · produtivas e dos centros de distribuição, ... decisões de investimento em ativos influenciam diretamente em custos

XLIX Simpósio Brasileiro de Pesquisa OperacionalBlumenau-SC, 27 a 30 de Agosto de 2017.

PLANEJAMENTO DE OPERAÇÕES DE LOGÍSTICA OUTBOUND COM

APOIO DE SIMULAÇÃO ESTOCÁSTICA

Lucas Antonio Risso

Faculdade de Ciências Aplicadas (FCA) – Universidade Estadual de Campinas (UNICAMP) Rua Pedro Zaccaria, 1300, Limeira-SP

[email protected]

Ailson Renan Santos Picanço

Instituto Tecnológico de Aeronáutica – ITA Praça Marechal Eduardo Gomes, 50, São José dos Campos-SP

Universidade Federal de São Paulo (UNIFESP) – Unidade Parque Tecnológico Avenida Cesare Mansueto Giulio Lattes, 1201, São José dos Campos-SP

[email protected]

Alessandro Lucas da Silva


[email protected]

Paulo Sérgio de Arruda Ignácio


[email protected]

RESUMO

Devido a dinâmica das interações, as decisões de otimização relacionadas a operações de Cadeias de Suprimentos requerem o uso de ferramentas matemáticas, tais como a simulação estocástica. Esse trabalho traz um estudo de caso relacionado à área de carregamento da logística outbound de uma empresa alimentícia. Para tanto, é modelado um sistema com dois servidores, isto é, duas docas, associado a uma fila com capacidade para conter no máximo 5 veículos. As taxas de chegada e de processamento são definidas a partir de uma amostra de 358 procedimentos de carregamento, distinguindo cargas entre os tipos não unitizadas e unitizadas. Os modelos de simulação foram construídos no programa FlexSim®. Apontamentos são feitos com base no custo de operação por hora em conjunto com o nível de serviço. Os resultados revelam que o cenário atual é três vezes mais custoso em comparação a melhor alternativa proposta. PALAVRAS CHAVE. Planejamento de capacidade, Custos logísticos, Teoria de filas.

Tópicos do artigo: Simulação ABSTRACT

Due to the interactions’ dynamics, optimization decisions related to the operation of Supply Chains require the use of mathematical tools, such as stochastic simulation. This work brings a case study related to the loading area of the outbound logistics of a food company. Therefore, it is modelled a system with two servers, it means, two docks, associated to a queue with capacity to receive at most 5 vehicles. Rates of arrival and processing are defined from a sample of 358 procedures of loading, distinguishing loads between non-unitized and unitized types. Simulation models were built on the software FlexSim®. Appointments are made based on the cost of operation per hour alongside the level of service. Results reveal that the current scenario is three times more expensive in comparison to the best alternative proposed.

KEYWORDS. Capacity planning, Logistic costs, Queue theory.

Paper topics: Simulation


1. Introdução

A otimização de operações estratégicas associadas a cadeias de suprimentos é objeto de estudo recorrente e lida com a integração de fluxos de informações. Melhorias de processo são obtidas por meio de decisões que reduzam a complexidade das interações, ou que permitam a racionalização de recursos e a obtenção de incrementos de produtividade, de modo a proporcionar reduções de custos e antecipações de prazos [Wong et al. 2012, Cerra et al. 2014].

Nesse contexto, diversas ferramentas quantitativas têm sido utilizadas para a otimização de processos, incluindo ferramentas como a modelagem de redes para fluxos de transporte, a teoria de filas para o dimensionamento de sistemas e a programação inteira para gestão de estoques. A aplicação destas e de outras ferramentas matemáticas são destinadas a elevar a competitividade das cadeias de suprimentos frente ao desenvolvimento do conhecimento e ao acirramento da concorrência [Tan 2002, Doong et al. 2007, Cheng 2010, Wong et al. 2012].

Sendo assim, este artigo estuda as operações da logística outbound de uma empresa do segmento alimentício, sob a óptica de formação de filas e de utilização de servidores, isto é, das docas de carregamento, no momento da expedição de produtos. Tem-se como propósito verificar alternativas viáveis em termos de custos e de nível de serviço, levando em consideração as restrições de capacidade e cogitando a construção de servidores adicionais para o carregamento de cargas unitizadas e não-unitizadas.

A modelagem do problema é realizada com base na teoria de filas, levando em consideração os custos associados à utilização de servidores, ao período de espera na fila, e o mais impactante deles, o custo gerado por multas de contrato referentes a atrasos que afetam a produtividade do cliente. Para tanto, são avaliados os níveis de utilização dos recursos e o tempo médio de permanência no sistema em cenários com configurações distintas, submetidos a possíveis incrementos de demanda. A avaliação é pautada nos conceitos de simulação estocástica, com modelos construídos no programa Flexsim® a partir de dados coletados in loco durante um período de 6 meses em uma composição amostral de 358 eventos.

Este trabalho está estruturado conforme segue. Na seção 2, é feita uma breve contextualização acerca de Cadeias de Suprimentos e Operações Logísticas. Na seção 3, são fornecidos conceitos relacionados a simulação e a teoria de filas. Na seção 4, é informada a metodologia utilizada para o desenvolvimento do trabalho. Na seção 5, é exposto o estudo de caso, incluindo os cenários, bem como a análise das opções consideradas. Finalmente, na seção 6 são listadas as conclusões obtidas. 2. Cadeias de Suprimentos e Operações Logísticas

Os objetivos centrais das atividades de planejamento e de gestão de uma Cadeia de

Suprimentos contemplam o controle eficiente do fluxo de materiais entre fornecedores, produtores, distribuidores e consumidores, buscando atingir níveis mínimos de custo e o melhor nível de cobertura possível [Tomas e Griffin 1996]. No cenário atual, as empresas lidam com o constante desenvolvimento de tecnologias, fato que reduz o ciclo de vida dos produtos e enfatiza a necessidade de elevar a eficiência acerca do uso dos recursos alocados a suas atividades [Nasiri et al. 2014]. Isso incide a relevância do planejamento da Cadeia de Suprimentos, o qual envolve a coordenação e a integração de processos de modo a oferecer vantagens competitivas para todos os elos. Nesse contexto, sabe-se que o processo de tomada de decisão é influenciado por fatores como o perfil de demanda praticado por parte dos consumidores, a localização das plantas produtivas e dos centros de distribuição, além das tendências de mercado em um horizonte de médio prazo. Sendo assim, o conceito de flexibilidade pode assumir diversas definições. A flexibilidade de volume diz respeito à variação dos volumes produzidos, enquanto a flexibilidade de entrega ocorre ao se adotar o modelo de reposição contínua, já a flexibilidade operacional é associada ao grau de adaptabilidade dos processos. Tem-se ainda a proposta do conceito de flexibilidade de


armazenamento, como sendo a prática de transferir materiais ou produtos no tempo adequado, isto é, com fluidez ao longo da cadeia, de modo a atender flutuações de demanda com agilidade [Schultz e Tomasgard 2011]. Sob a perspectiva clássica, um depósito, atualmente denominado centro de distribuição, tem como atividades o recebimento, o controle de qualidade e o armazenamento ou liberação de mercadorias [Sainathuni et al. 2014]. Para além de decisões que abrangem o layout das instalações e a sequência das operações, a concepção de um centro de distribuição inclui o planejamento e a programação de equipes de trabalho, a seleção do sistema de manuseio de carga, a infraestrutura de tecnologia, entre outros fatores. Com isso, as decisões relacionadas a Cadeia de Suprimentos tem impacto sobre políticas de estoque e escolhas de modais de transporte, e influenciam diretamente não apenas os custos operacionais, como também os níveis de desempenho operacional e de serviço. O planejamento de uma Cadeia de Suprimentos possui três níveis, segundo o horizonte cronológico considerado: estratégico, tático e operacional [Lee e Kim 2002]. O planejar da operação requer dados dotados de maior especificidade, enquanto que o planejamento estratégico lida com estimativas de informações agregadas, ao passo que o nível tático se insere como um intermediário entre as duas primeiras frentes. Por sua vez, decisões de investimento em ativos influenciam diretamente em custos operacionais e no fluxo de caixa do negócio. Nesse caso, a agregação de valor reside na decisão relacionada ao trade-off entre o patamar de nível de serviço e a gestão do risco atrelado à opção selecionada [Hahn e Kuhn 2012]. Como exemplo, o fluxo eficiente de produtos e de insumos é um indicador significativo acerca do desempenho da cadeia. Isso posto, a determinação do número de baias requeridas para o funcionamento da doca é um fator determinante para a concepção das instalações, uma vez que detém impacto direto na velocidade das operações, e, por conseguinte, nos custos [Gill 2009].

Logo, a eficiência das operações logísticas requer um criterioso esforço de planejamento, tarefa que pode ser amparada pela utilização de técnicas de auxílio para a tomada de decisão frente a problemas combinatórios complexos. Estes envolvem inúmeros atributos e informações, cujo gerenciamento nem sempre converte os dados coletados em informação gerencial útil [Bowersox et al. 2008].

Por fim, a diferenciação entre carga batida (não unitizada) e carga paletizada (unitizada), usada ao longo do texto, faz referência ao tipo de acondicionamento da carga dentro do modal de transporte, nesse contexto, veículos rodoviários. A modalidade carga batida representa o simples empilhamento manual de caixas umas sobre as outras, enquanto que a carga paletizada se refere à disposição preliminar das caixas sobre um pallet, garantindo uniformidade e maior facilidade de manuseio, proporcionando a otimização do uso de espaços verticais e horizontais, bem como a redução de tempos de carga, descarga e transferência.

3. Simulação e Teoria de filas

Os problemas relacionados à tomada de decisão em um contexto de planejamento de uma Cadeia de Suprimentos são de elevada complexidade. Por isso, modelos tanto de otimização como de simulação necessitam ser divididos e abordados por meio de problemas menores [Nasiri et al. 2014]. Por ora, com o advento de ferramentas computacionais para a solução de algoritmos sofisticados, abordagens estocásticas se tornaram mais recorrentes do que modelos de otimização determinística, devido ao fato de oferecer um maior grau de precisão para a representação do dinamismo das interações. Em tempo, a modelagem e a simulação de um sistema produtivo surge como uma ferramenta de grande utilidade para o estudo do comportamento das interações, sendo possível conhecer e antecipar resultados, elaborar e comparar estimativas de modo a evitar contratempos potenciais, atribuindo maior agilidade e assertividade ao processo de tomada de decisão [Seleim et al. 2012].


Modelos de filas são concebidos por meio de um conjunto de parâmetros de entrada, tais como taxas de chegada (λ), uma taxa média ou arbitrária de atendimento (μ), e um número de servidores (s). O sistema ainda possui uma disciplina de atendimento, como por exemplo First in-

First out (FIFO), devendo atingir ainda o estado estacionário, isto é, a fila não pode crescer de maneira deliberada [Strang 2012]. A teoria de filas pode ser analisada conceitualmente sob diversas perspectivas, contudo, aplicações analíticas são raras, devido a limitações matemáticas, e por isso, programas de simulação são amplamente utilizados. Ainda em relação à teoria de filas, um processo de “nascimento e morte” é um processo estocástico, contínuo ao longo do tempo, no qual o sistema tem um estado para todo instante de tempo não negativo, sendo governado pelas 3 leis do movimento, isto é, pela frequência da taxa de chegada, pela taxa de processamento, e pela relação de independência entre essas duas [Winston 2004].

4. Metodologia

A pesquisa científica é um procedimento racional e sistemático que tem o objetivo de

proporcionar respostas a problemas propostos, mediante ao uso do conhecimento disponível e de técnicas de investigação científica [Gil 2002].

Do ponto de vista de sua natureza, esta pesquisa pode ser definida como aplicada, uma vez que responde a um problema específico, envolvendo a decisão do número de docas operantes e das regras de priorização dos tipos de carga da operação de carregamento outbound. A respeito dos meios de investigação, a pesquisa é de caráter empírico, uma vez que utiliza informações e dados coletados in loco relacionados aos tempos reais do processo de carregamento. Quanto a abordagem do problema, esta pesquisa é quantitativa por utilizar simulação estocástica como ferramenta central, pautada em teoria de filas. Adota-se um modelo de filas M/M/C/K, uma variante do modelo M/M/C, visto que o sistema é considerado capacitado. Nesse sentido, C representa o número de docas disponíveis para cada cenário, e K contempla a limitação do número de veículos presentes no sistema, em virtude das 5 vagas existentes no estacionamento.

Do ponto de vista dos objetivos, a pesquisa apresenta uma abordagem exploratória e descritiva, uma vez que recorre a revisão bibliográfica e a métodos consagrados na literatura para a sua realização, bem como utiliza formas padronizadas para a coleta de dados e de informações. A metodologia de implementação, os recursos necessários e os procedimentos propostos na pesquisa se enquadram às diretrizes de um estudo de caso. O estudo de caso é designado como a investigação de um fenômeno dentro de seu contexto real, quando os limites entre o fenômeno e o contexto não estão claramente definidos [Yin 2001]. As hipóteses levantadas são específicas para o problema proposto, no entanto são passíveis de generalização para outros contextos com características similares às desse trabalho.

O estudo de caso deve ser sustentado por um protocolo, conforme o conteúdo apresentado no Quadro 01. O essencial de um protocolo de estudo de caso é o conjunto de questões substantivas que permite analisar a questão central do estudo, ancorado na revisão bibliográfica, bem como nos métodos e nos procedimentos utilizados para responder ao problema central da pesquisa [Yin 2001].


Quadro 1 - Protocolo do estudo de caso

Problema do Estudo de Caso

Determinar o número de docas operantes e as regras de priorização dos tipos de carga para minimizar o custo total de operação por hora

Questionamento Qual o número de docas necessárias? Devem operar com prioridade ou sem prioridade?

Fonte de resposta Modelagem matemática de um problema de filas capacitado M/M/C/K com o uso de simulação estocástica

Literatura Necessária

a) Logística e Cadeia de Suprimentos b) Teoria de filas c) Probabilidade e estatística d) Simulação estocástica

Procedimentos

a) Coleta de dados b) Validação estatística c) Determinação de parâmetros d) Modelagem do sistema de filas e) Execução da simulação e análise dos cenários

5. Estudo de caso

5.1 Caracterização do problema

O estudo de caso foi desenvolvido na área de logística outbound de uma empresa que fornece insumos para membros de uma cadeia do segmento alimentício. A área de carregamento de produtos finais é representada na Figura 1.

Figura 1 – Representação da área de carregamento

Fonte: Elaboração própria

A operação é efetuada por duas equipes de trabalho compostas por 3 funcionários cada,

que operam 2 docas onde são abastecidos caminhões de pequeno a grande porte. O carregamento pode ser de dois tipos: “paletizado”, quando os caminhões são abastecidos com carga unitizada (32 caixas em cada pallet) e “batido”, quando efetuado de forma manual, com abastecimento de caixa em caixa. A primeira modalidade representa aproximadamente 20% da carga total do período da coleta de dados, ao passo que a carga paletizada detém cerca de 80% do total.


O terminal logístico possui 4 docas em paralelo, mas por restrições de mão de obra, apenas duas equipes trabalham nas operações. A capacidade do sistema original é de 7 caminhões, sendo 2 em abastecimento e outros 5 em espera. Quando a capacidade do sistema é excedida, os veículos retornam apenas no dia seguinte, levando ao acréscimo de custos contratuais relacionados ao prazo de entrega, denominados custos de atraso.

A fim de identificar o custo de operação de cada servidor, foram coletadas informações relacionadas aos custos de mão de obra (homem-hora); de espera, por meio de levantamento junto às transportadoras com as quais a empresa opera; e contratuais, em virtude de eventuais atrasos no prazo de entrega; além dos custos de amortização relacionados à eventual construção de uma nova doca, os quais são listados na Tabela 1.

Tabela 1 – Mapeamento dos custos

Descrição Custos (R$) Mão-de-obra (homem-hora) 15,84 Custos de Amortização de uma nova Doca (hora) 4,43 Custo de espera (por hora) 27,91 Custos Contratuais por atraso 1.749,10


5.2 Validação estatística

Fora coletada uma amostra composta por 358 procedimentos de carregamento, e então foi

obtido o número de chegadas por dia, considerando as 7 horas de trabalho disponíveis no expediente diário. Essas informações se encontram listadas na Tabela 2.

Tabela 2 - Resumo da estatística descritiva dos dados

Indicadores Tempo de atendimento (h)

Taxa de entrada (dia)

Média 1,30 5,67 Erro padrão 0,03 0,29 Mediana 1,28 6 Moda 1,05 6 Desvio padrão 0,59 2,20 Variância da amostra 0,35 4,82 Curtose -0,17 -0,34 Assimetria 0,26 0,24 Intervalo 2,93 9 Mínimo 0,15 2 Máximo 3,08 11 Soma 465,05 329 Contagem 358 58 Nível de confiança (95,0%) 0,06 0,58


Os dados coletados foram submetidos a um teste de aderência à uma distribuição de probabilidade que objetiva avaliar a consistência da amostra. Dentre os diversos métodos de teste disponíveis, foi adotado o teste Qui-quadrado. O teste atende a seguinte hipótese:


H0 → A variável se distribui conforme uma dada distribuição teórica.

x2calculado < x2

tabelado

H1 → A variável não se distribui conforme uma dada distribuição teórica.

x2calculado > x2

tabelado

Os resultados do tempo médio de atendimento rejeitaram 𝐻1 para uma distribuição exponencial com nível de significância que varia de 75% a 99% para 39 graus de liberdade, conforme mostrado na Figura 2.

Figura 2 - Teste Qui-quadrado para o tempo de atendimento


Os resultados do intervalo entre chegadas rejeitaram H1 para uma distribuição

exponencial com nível de significância que varia de 75% a 99% para 10 graus de liberdade, conforme exibido na Figura 3.

Figura 3 – Teste Qui-quadrado para o intervalo entre chegadas


Portanto, estes resultados permitem o uso de distribuições exponenciais. Além disso, os dados foram submetidos a testes de normalidade, vide Figura 4. Em relação ao Teste de K-S, tem-se que esse não é capaz de rejeitar a hipótese nula.

x

Teste de equivalência Qui-quadrado - Exponencial Número de intervalos Contagem esperada (modelo) Testar estatística

40 8,95 1.619,2067

Graus de liberdade

Nível de significância observado

Valores críticos para o nível de significância (alpha) 0,25 0,15 0,10 0,05 0,01

39 0,000 44,539 48,126 50,660 54,572 62,428 Rejeitar? Sim

x

x

Teste de equivalência Qui-quadrado - Exponencial Número de intervalos Contagem esperada (modelo) Testar estatística

11 5,27273 47,06897

Graus de liberdade

Nível de significância observado

Valores críticos para o nível de significância (alpha) 0,25 0,15 0,10 0,05 0,01

10 0,000 12,549 14,534 15,987 18,307 23,209 Rejeitar? Sim

x


Figura 4 - Testes de Normalidade

Fonte: Elaboração própria 5.3 Simulação da situação inicial

A partir dos dados coletados, foram calculadas as taxas de chegada e de atendimento por dia que são dados de entrada para o modelo de simulação, conforme apresentado na Tabela 3. Considera-se que inicialmente a atividade é executada com docas dedicadas, sendo a primeira para o carregamento de cargas batidas e a segunda para o carregamento de cargas paletizadas.

Tabela 3 - Taxas de chegada e de processamento de cargas paletizadas e batidas

Parâmetro Taxa de chegada (veículos/dia)

Taxa de processamento (veículos/dia)

Carga Batida 4,595 4,876 Carga Paletizada 1,077 9,767


Os resultados apresentados para o modelo praticado pela empresa são apresentados na Tabela 4, os quais foram obtidos a partir de 100 replicações do experimento.

Tabela 4 - Resultados da simulação

Descrição Medição Servidores 2 Tempo Médio na Fila (h) 2,9 Tempo Médio no Sistema (h) 0,4 Veículos não atendidos /h 0,112 Nível de utilização - Doca 1 83,40% Nível de utilização - Doca 2 9,50%

Fonte: Elaboração Própria

Considerando os resultados obtidos e os custos associados, é possível calcular o custo total de operação do sistema de carregamento por hora, por meio da Eq (1).

𝐶𝑇 = 𝐶𝑂𝑃. 𝑠 + 𝐶𝐸𝑆𝑃 . 𝑊𝑞 . �̅�𝐴 + 𝐶𝐴𝑇 . 𝜆𝑃 + 𝐶𝐴𝑀 (1)


Onde:

𝐶𝑇 = custo total para o funcionamento – R$/h 𝐶𝑂𝑃 = custo de remuneração da equipe de uma doca – R$/h 𝑠 = número de docas em operação no sistema 𝐶𝐸𝑆𝑃 = custo de espera do veículo aguardando o carregamento – R$/veículo/h 𝑊𝑞 = tempo médio (h) que cada veículo aguarda para o início do carregamento �̅�𝐴 = taxa de atendimento do sistema – veículos/h 𝐶𝐴𝑇 = custo referente ao atraso caso o veículo seja carregado apenas no dia seguinte – R$.h/veículo 𝜆𝑃 = taxa de veículos que não conseguem acesso ao sistema – veículos/h CAM = Custo de amortização, aplicável apenas para a ativação de novas docas – R$

Dessa maneira, encontra-se um custo total de R$ 324,01/h para a conjuntura de operação praticada. Além do custo, observa-se que a utilização das docas é extremamente desnivelada, sendo que a doca com carregamento batido opera em 83,4 %, enquanto que a doca destinada à carga paletizada é utilizada em apenas 9,5% do tempo. 5.4 Análise de cenários

A partir do cenário atual foram estudadas diversas variações, incluindo tanto o número de servidores quanto as regras inerentes à fila de atendimento. Em seguida, fora considerado um eventual incremento de demanda. Em termos quantitativos, fora estudada a possibilidade de redução para apenas uma doca e de aumento para o número máximo de 3 docas. Em outra perspectiva, estudaram-se duas possibilidades: do sistema atuar sem prioridades, sendo que qualquer carregamento pode ser realizado em qualquer doca, e de o sistema atuar com prioridade para os carregamentos paletizados em todas as docas. Os resultados obtidos a partir de 100 replicações do experimento são encontrados na Tabela 5.

Tabela 5 - Análise de Cenários

Cenários Custo total/h

Tempo médio na fila (h)

Tempo médio no

sistema (h)

Veículos não atendidos/h

Utilização dos Servidores

Doca 1 Doca 2 Doca 3

1S sem regra R$ 363,22 3,5 4,67 0,1414 89,70% - - 1S com prioridade

R$ 348,68 3,4 4,54 0,1342 87,70% - -

2S dedicados Situação Atual

R$ 324,01 2,9 4,13 0,1124 83,40% 9,50% -

2S sem regra R$ 112,52 0,4 1,77 0,0068 60,70% 44,90% - 2S com prioridade

R$ 105,10 0,4 1,75 0,0032 59,20% 44,50% -

3S sem regra R$ 148,18 0,1 1,49 0,0002 53,80% 35,10% 18,30% 3S com prioridade

R$ 147,83 0,1 1,50 0 54,00% 34,70% 18,80%


Os resultados apontam que, sob o ponto de vista da análise de custos, o cenário com 2 servidores operando com prioridade é o mais vantajoso, vide Figura 5. Destaca-se que a inserção de mais uma doca traz desvantagens financeiras, tendo em vista o aumento do custo de mão-de-obra com a adição de três funcionários. Entretanto, os tempos de espera, bem como o risco de haver custos contratuais associados a eventuais atrasos, são reduzidos, isto é, tem-se a elevação do nível de serviço.


Figura 5 - Custo total por hora dos cenários


Com o intuito de verificar o comportamento do sistema em momentos de crescimento de consumo, foi realizada uma segunda análise de cenários que apresenta uma variação da demanda com acréscimos de 25% e 50%. Os resultados obtidos a partir de 100 replicações do experimento são mostrados na Tabela 6.

Tabela 6 - Cenários com aumento de demanda

Dem Condição Custo total

(por hora)

Docas Veículos não

atendidos/h

Utilização dos Servidores

Doca 1 Doca 2 Doca 3

+25% Sem prioridade R$ 170,01 2 0,0352 72,9% 60,8% _

Com prioridade R$ 150,29 2 0,026 72,9% 61,8% _

Sem prioridade R$ 151,60 3 0,002 62,2% 46,8% 30,5%

Com prioridade R$ 153,00 3 0,0028 61,6% 46,2% 31,6%

+50% Sem prioridade R$ 528,39 2 0,231 90,2% 86,1% _

Com prioridade R$ 518,94 2 0,2256 90,9% 86,5% _

Sem prioridade R$ 221,55 3 0,0388 78,5% 67,6% 56,3%

Com prioridade R$ 218,75 3 0,0372 78,2% 69,5% 59,7%


Dentre os resultados com aumento de demanda, observa-se que o sistema com 2 docas operando com prioridade apresenta boa resposta para um acréscimo de até 25% no volume de cargas, com as docas 1 e 2 operando em 72,9% e 61,8% de sua capacidade, respectivamente. Entretanto, para um acréscimo superior a 50% é indispensável a realização de contratações, e a ativação de uma doca adicional, uma vez que os custos totais de operação por hora giram em torno de R$ 500,00 para 2 servidores, mas decrescem para a ordem de R$ 200,00 quando disponibilizadas 3 docas em tempo integral, isto é, com 3 equipes de carregamento.

R$ 363,22R$ 348,68

R$ 324,01

R$ 112,52 R$ 105,10

R$ 148,18 R$ 147,83

R$ 0,00

R$ 50,00

R$ 100,00

R$ 150,00

R$ 200,00

R$ 250,00

R$ 300,00

R$ 350,00

R$ 400,00

1S sem regra 1S comprioridade

Situação Atual 2S sem regra 2S comprioridade

3S sem regra 3S comprioridade


6. Conclusões

A conjuntura atual, de operação com 2 servidores, sendo cada um desses dedicado a apenas um tipo de carga, mostrou-se desvantajosa em termos financeiros, tendo apresentado desempenho superior apenas ao cenário com 1 servidor. Isso pode ser explicado pelo desbalanceamento que a configuração de exclusividade promove, dado que a primeira doca é utilizada em 83,4% e a segunda em apenas 9,5% do horizonte de tempo considerado. Sendo assim, é evidenciada a importância do compartilhamento de ociosidades.

Ao analisar eventuais flutuações de demanda, observa-se que para um incremento de demanda de cargas superior a 50%, o sistema fica sobrecarregado e os custos totais apresentam uma acentuada elevação em comparação ao cenário com 2 servidores que apresenta menor custo. Uma vez que o sistema é capacitado, eis que a quantidade de veículos que não entra no sistema, e que então tem o prazo de entrega não cumprido aumenta, acarretando um considerável incremento de custo. Com isso, conclui-se que a priorização das cargas paletizadas, que requerem menor tempo de processamento, traz como benefício a liberação de vagas, reduzindo o número de veículos não atendidos, e, por conseguinte, o valor referente a multa por atrasos.

Destaca-se que as decisões em gestão de Cadeia de Suprimentos não devem ser baseadas em um único fator, no caso, o custo. Quando observado apenas o custo, as opções com dois servidores operando os dois tipos de carga, com, ou sem prioridade, são as mais vantajosas. Entretanto, quando considerado o nível de serviço praticado, o conjunto de opções com 3 servidores ganha destaque, pois a quantidade de veículos que não entram no sistema é praticamente desprezível. Em outras palavras, tal como neste caso, existem situações em que a melhor escolha consiste em optar pela eficácia, isto é, o nível de serviço, e não pela eficiência em relação à redução dos custos horários. Além disso, a alternativa de funcionamento com 3 docas também se mostra satisfatória frente ao significativo incremento de demanda de 50%.

Por fim, a abordagem de teoria de filas com o uso de simulação estocástica mostrou-se satisfatória no apoio a tomada de decisão para o dimensionamento de operações logísticas da natureza estudada. A qualidade da modelagem e a eficiência na tomada de dados são importantes balizadores para o sistema proposto e para as inferências obtidas em relação ao custo, ao número de funcionários, ao nível de atendimento e ao tamanho da fila. Por outro lado, o aumento do número de vagas não traz benefícios diretos, uma vez que sem priorização, em determinados momentos, os servidores poderiam continuar sendo ocupados por cargas com maior tempo de processamento, ocasionando a ocupação completa do sistema de maneira não conveniente. Estudos futuros podem ser direcionados a aplicação combinada de regras de priorização e de análises de sensibilidade para a avaliação dos níveis de utilização dos recursos. Referências

Bowersox, D. J., Cooper, M. B. e Closs, D. J. (2008). Gestão da Cadeia de Suprimentos e Logística. Editora Campus, Rio de Janeiro.

Cerra, A. L., Maia, J. L., Alves Filho, A. G. e Nogueira, E. (2014). Cadeias de suprimentos de montadoras dos setores automobilístico e de linha branca: Uma análise comparativa por meio de estudos de caso. Revista Gestão & Produção, 21:3, p. 635-647.

Cheng, H., Chen, C. e Mao, C. (2010). The evolutionary process and collaboration in supply chains. Journal of Industrial Management & Data Systems, 110:3-4, p. 453-474.

Doong, S. H., Lai, C. C. e Wu, C. H. (2007). Genetic subgradient method for solving location-allocation problems. Journal of Applied Soft Computing, 7:1, p. 373–386.

Gil, A. C. (2002). Como Elaborar Projetos de Pesquisa. Editora Atlas, São Paulo. Gill, A. (2009). Determining loading dock requirements in production-distribution facilities under uncertainty. Journal of Computers & Industrial Engineering, 57:1, p. 161-168, 2009.


Hahn, G. J. e Kuhn, H. (2012). Simultaneous investment operations, and financial planning in supply chains: A value-based optimization approach. International Journal of Production

Economics, 140:2, p. 559-569.

Lee, Y. H. e Kim, S. H. (2002). Production-distribution planning in supply chain considering capacity constraints. Journal of Computers & Industrial Engineering, 43:1-2, p. 169-190.

Nasiri, G. R., Zolfaghari, R. e Davoudpour, H. (2014). An integrated supply chain production–distribution planning with stochastic demands. Journal of Computers & Industrial Engineering, 77, p. 35-45, 2014.

Sainathumi, B., Parikh, P. J., Zhang, X. e Kong, N. (2014). The warehouse-inventory-transportation problem for supply chains. European Journal of Operational Research, 237:2, p. 690-700.

Schutz, P. e Tomasgard, A. (2011). The impact of flexibility on operational supply chain planning International Journal of Production Economics, 134:2, p. 300–311.

Seleim, A., Azab, A. e AlGeddawy, T. (2012). Simulation Methods for Changeable Manufacturing. Procedia CIRP 3. Strang, K. D. (2012). Importance of verifying queue model assumptions before planning with simulation software. European Journal of Operational Research, 218:2, p. 493–504.

Tan, K. C. (2002). Supply Chain Management: practices, concerns, and performance issues. Journal of Supply Chain Management, 38:4, p. 42-53. Tomas, D. J. e Griffin, M. G. (1996). Coordinated supply chain management. European Journal

of Operational Research, 94:1, p. 1–15. Winston, W L. (2004). Operations research: applications and algorithms. Editora Cengage Learning, Estados Unidos da América.

Wong, C., Skipworth, H., Godsell, J. e Achimugu, N. (2012). Towards a theory of supply chain alignment enablers: a systematic literature review. Supply Chain Management: An International

Journal, 17:4, p. 419-421.

Yin, R. (2001). Estudo de caso: planejamento e métodos. Editora Bookman, Porto Alegre.

Documents

Preenchimento do Formulário de Submissão de Trabalho ... · produtivas e dos centros de distribuição, ... decisões de investimento em ativos influenciam diretamente em custos