Gest. Prod., So Carlos, v. 19, n. 2, p.

273-286, 2012

Um modelo de otimizao para as operaes de

produo de vapor em caldeiras industriais
An optimization model for the operations of steam production in
industrial boilers
Cleber Damio Rocco1
Reinaldo Morabito1
Resumo: Apresenta-se neste trabalho um modelo de programao linear inteira mista para apoiar algumas das
principais decises na operao de produo de vapor em caldeiras industriais. O modelo contempla as decises
de gerenciamento dos combustveis: compra nos fornecedores, transporte para a fbrica e nveis dos estoques,
assim como determina o modo de funcionamento das caldeiras: momentos de acionamento(start-up), regime de
aquecimento(warm-up) e desligamento dos equipamentos(shutdown), e em quais deles haver produo de vapor. Os
ajustes e a validao do modelo ocorreram por meio de um estudo de caso realizado em uma indstria de alimentos
de grande porte. Diante dos bons resultados obtidos com a aplicao do modelo e da ausncia de protocolos ou
ferramentas de otimizao para apoiar as decises no sistema estudado, o modelo proposto apresenta-se como uma
alternativa vivel para apoiar algumas das principais decises no sistema de produo de vapor em caldeiras industriais.
Palavras-chave: Programao de caldeiras. Produo de vapor. Indstria de alimentos. Programao linear inteira
mista. Programao da produo.

Abstract: In this study, a mixed integer linear programming model is presented to support some of the key decisions
in the steam production system with industrial boilers. The model approaches the fuel management decisions (fuel
replenishment and its inventory control), boiler operational decisions (start-up, warm-up, and shutdown operations),
and which boiler should produce steam. The model adjustments and its validation were carried out through a
case study in a large food industry. In face of the good outcomes achieved in applying the model and the lack of
optimization tools to support the decisions in this system, the proposed model is a suitable alternative to support
some of the key decisions in the system of steam production with multiple industrial boilers.
Keywords: Boiler scheduling. Steam production. Food industry. Mixed integer programming. Production scheduling.

1Introduo
As agroindstrias, em geral, so grandes
consumidoras de vapor dgua saturado em seus
processos de transformao de matrias-primas
em produtos industrializados. Entre os principais
processos demandantes de vapor esto a concentrao
e pasteurizao de sucos e polpas, cozimento dos
alimentos e da celulose, limpeza de equipamentos etc.
No Brasil, o vapor industrial geralmente produzido
por caldeiras que funcionam com leo, carvo,
eletricidade ou biomassas. As caldeiras movidas
a biomassas so as mais utilizadas e consomem
diversos tipos de materiais vegetais, entre os mais
comuns esto o bagao de cana-de-acar, o cavaco
de madeira, a lenha e a palha de arroz.
O gerenciamento das operaes de produo de
vapor nas indstrias normalmente realizado por
ferramentas bastante simples, e so poucas as empresas
que possuem sistemas informatizados para o controle
1

dos combustveis consumidos nas caldeiras, sendo

esse realizado, geralmente, em planilhas eletrnicas
do tipo Microsoft Excel. A operao conta somente
com pacotes computacionais para o monitoramento
do volume e da presso de vapor gerados pelas
caldeiras, de maneira a atender demanda de vapor
com segurana, no levando em considerao os
custos incorridos.
Em fbricas onde existem mais de uma
caldeira para a gerao de vapor, os momentos
de acionamento(start-up), os regimes de
aquecimento(warm-up) e de desligamentos dos
equipamentos(shutdown) so determinados pela
lgica da possibilidade do aumento ou reduo
na demanda de vapor. Caso os responsveis pelas
linhas consumidoras de vapor na fbrica informem
aos operadores das caldeiras que haver necessidade
de uma quantidade maior de vapor em determinada

Departamento de Engenharia de Produo, Universidade Federal de So Carlos UFSCar, Rod. Washington Lus, Km 235,
CEP 13565-905, So Carlos, SP, Brasil, e-mail: cleberrocco@yahoo.com.br; morabito@ufscar.br

Recebido em 11/1/2011 Aceito em 16/5/2011

Suporte financeiro: CAPES e CNPq.

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

274 Rocco et al.

semana, ou em determinado dia, os operadores se

preparam para colocar caldeiras suplementares em
funcionamento e as desligam assim que no forem
mais necessrias. Outra maneira de perceber o aumento
da demanda de vapor pelo monitoramento da vazo
instantnea e da presso da linha de fornecimento,
pois uma vez que a demanda comea a aumentar,
a presso na linha diminui, e somente retorna ao
nvel normal quando a vazo restabelecida ao nvel
adequado de atendimento.
O gerenciamento emprico das operaes de
produo de vapor, e com base na experincia de
pessoas, deixa margem para que ocorram decises que
aumentem desnecessariamente os custos no sistema;
uma vez que esses esto relacionados a cada deciso
de start-up e warm-up das caldeiras, ao tempo de
funcionamento dos equipamentos, proporo das
misturas entre combustveis consumidos, custos
com estoques etc. Este artigo apresenta um modelo
matemtico de otimizao para apoiar algumas das
principais decises que so tomadas no sistema de
produo de vapor, utilizando uma ou mltiplas
caldeiras industriais. A Figura1 apresenta um esquema
com as etapas das decises e as principais questes
que so apoiadas pelo modelo proposto.
O artigo est organizado da seguinte maneira:na
Seo2, fazemos uma breve reviso da literatura
sobre os trabalhos da rea de pesquisa operacional que
abordaram problemas envolvendo caldeiras industriais
e energia. Na Seo3, especificamos qual o referencial
terico utilizado para modelar o sistema estudado e
apresentamos o modelo matemtico desenvolvido na
pesquisa. Na Seo4, discutimos restries adicionais
que usualmente aparecem na prtica para aplicao
do modelo da seo anterior. Na Seo5, explicamos
como so calculados alguns parmetros utilizados
no modelo. Na Seo6, apresentamos um estudo de
caso que serviu para ajustes e validao do modelo.
Conclumos com a Seo7 tecendo as consideraes

finais quanto aos benefcios e limitaes do trabalho,

e discutimos perspectivas de pesquisa sobre o tema.

2Aplicaes de tcnicas de
pesquisa operacional em caldeiras
industriais e energia
As caldeiras industriais so os equipamentos
responsveis pela queima dos combustveis e a
gerao de energia trmica, que eleva a temperatura
da gua e a transforma em vapor. De acordo com o
Conselho dos Proprietrios de Caldeiras Industriais
dos Estados Unidos(Council of Industrial Boiler
OwnersCIBO), a eficincia das caldeiras est
atrelada a quatro caractersticas:i)ao tipo de
combustvel queimado, ii)ao sistema de combusto,
iii)ao design de construo do equipamento e iv)ao
sistema operacional de controle de vapor.
Existem basicamente dois tipos de caldeiras
industriais: caldeiras flamotubulares(fire-tube)
e aquatubulares(water-tube). As caldeiras tipo
watertube so utilizadas para produo de vapor
sob alta presso, sendo o equipamento mais comum
nas indstrias atuais. Existem diversas variaes na
construo desse tipo de caldeira; mais detalhes sobre
caldeiras industriais e produo de vapor podem ser
encontrados em CIBO (COUNCIL..., 1997).
As aplicaes de tcnicas e ferramentas da pesquisa
operacional e reas correlacionadas em assuntos
envolvendo caldeiras industriais so recentes e tm
contribudo para a economia e melhoria nos sistemas
de produo de vapor. Um dos trabalhos pioneiros na
literatura consultada foi Saha, Shoib e Kamruzzaman
(1998), no qual os autores desenvolveram e treinaram
uma rede neural multicamadas para apoiar decises
no funcionamento de caldeiras de grande capacidade
em uma indstria qumica de Bangladesh. Bastante
prximos da abordagem de redes neurais esto os
trabalhos que empregam a lgica fuzzy(LF) no mesmo
tema de pesquisa. Prokhorenkov e Sovlukov (2002) e

Figura1. Esquema das etapas e decises que so apoiadas pelo modelo.

Um modelo de otimizao para as operaes de produo de vapor...

Santoso, Nazaruddin e Muchtadi (2005) desenvolveram

modelos baseados em LF para o controle de variveis
de regulao instantnea (injeo de ar, combustvel,
emisso de gases etc.) em caldeiras industriais.
Mortensen et al. (1998) propuseram um modelo
de simulao dinmica, com base em sistemas de
equaesno-lineares, para controlar as operaes
de caldeiras conectadas em usinas geradoras de
eletricidade na Dinamarca.
A modelagem matemtica de otimizao, com
o emprego de tcnicas de programao linear e
no-linear, ainda uma abordagem recente nas
pesquisas envolvendo caldeiras industriais, gerao
e fornecimento de energia, uso de fontes alternativas
de energia, polticas energticas etc. Guldmann
e Wang (1999) desenvolveram um modelo de
programao linear inteira mista(Mixed Integer
ProgrammingMIP) e outro no-linear, para auxiliar
na deciso de planejamento na distribuio de gs
em diversos setores nos Estados Unidos. Nagel
(2000) construiu um modelo para apoiar decises
de fornecimento e consumo energtico em uma
comunidade alem. Gustafsson (2000) desenvolveu
uma modelagem de otimizao para o suprimento
energtico em prdios na Sucia. Boji e Dragievi
(2002) usaram um modelo MIP para selecionar as
fontes de energia para uma fbrica, considerando a
produo interna e a compra no mercado; nesse artigo
so listados doze trabalhos, entre os anos de 1980
e 2000, que aplicaram modelos MIP em problemas
de energia em diversos setores industriais e tambm
no industriais. Mais tarde, Boji e Dragievi (2006)
desenvolveram um modelo linear para otimizar a
gerao de vapor industrial considerando todo o
ciclo de vida do equipamento.
O momento de partida(start-up) de caldeiras
industriais um dos mais importantes, custosos e
demorados em todo o funcionamento do sistema. O
trabalho de Krger, Franke e Rode (2004) apresenta
uma modelagem do start-up usando equaes
no-lineares e as resolve por meio de programao
quadrtica sequencial; os autores descreveram ganhos
considerveis no emprego do modelo. Os trabalhos
que discutem o mix dos combustveis queimados
em caldeiras ainda so poucos na literatura. Kaylen
(2005) realizou um estudo econmico do custo
de diferentes combustveis para caldeiras em um
complexo industrial qumico em Louisiana, EUA.
Dunn e Du (2009) propuseram um algoritmo que
minimiza o custo de produo de vapor de acordo com
a taxa de alimentao das caldeiras para diferentes
tipos de combustveis.
A reviso na literatura mostrou que existe algum
esforo de pesquisa para melhorar o gerenciamento
das operaes de produo de vapor em caldeiras
industriais com o emprego de diversas abordagens
tcnicas (ROMEO; GARETA, 2006; RUSINOWSKI;

275

STANEK, 2007; BUJAK, 2008, 2009). O presente

artigo traz um modelo para apoiar decises nas
operaes de produo de vapor em caldeiras
industriais, com o objetivo de otimizar e minimizar os
custos financeiros no sistema. Modelos de otimizao
aplicados ao sequenciamento e ao dimensionamento
de lotes de produo foram tomados como ponto de
partida para modelar o sistema estudado, e com base
na reviso na literatura, constatou-se que os trabalhos
anteriores no empregaram essa abordagem para
tratar o assunto.

3Modelagem do sistema
Neste trabalho, a modelagem do sistema de
produo de vapor em caldeiras industriais tomou
como ponto de partida os modelos de dimensionamento
e sequenciamento de lotes de produo com
restries de capacidade(Capacitaded Lot-sizing
and Scheduling ProblemCLSP e General Lot-sizing
and Scheduling ProblemGLSP) (DREXL; KIMMS,
1997; FLEISCHMANN; MEYER, 1997; KARIMI;
GHOMI; WILSON, 2003; JANS; DEGRAEVE,
2008). Apesar da analogia entre o modelo aqui
apresentado e os encontrados na literatura de CLSP
e GLSP, algumas diferenas so admitidas, as quais
so discutidas em Rocco (2011). A notao adotada
para escrever o modelo matemtico apresentada
a seguir:
ndices:
i: fornecedor do combustvel (i=1, 2, 3,...,I);
j: caldeira no sistema (j=1, 2, 3,...,J);
k: tipo de combustvel(k=1, 2, 3,...,K);
t: macro-perodo (ou perodo) do horizonte de
anlise (e.g. semanas) (t=1, 2, 3,...,T);
n: subperodo de tamanho fixo do macro-perodo
(e.g. dias) (n=1, 2, 3,...,N);
l(t): primeiro subperodo do perodot (i.e.
l(1)=1, l(2)=8, l(3) = 15);
u(t): ltimo subperodo do perodot (i.e. u(1)=7,
l(2)=14, l(3) = 21).
Parmetros:
pikt: preo do combustvelk no fornecedori no
perodot;
hk: custo unitrio de estocagem do combustvelk
por perodo;
cs j: custo de acionamento (start-up) da
caldeiraj (custo com combustveis e gua
para acionamento);
cwj: custo de aquecimento (warm-up) da
caldeiraj (custo com combustvel e gua para
24 horas de aquecimento);
mj: frao mnima da capacidade da caldeiraj
para realizar o start-up;

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

276 Rocco et al.

ajk: indica se a caldeiraj pode consumir o

combustvelk;
ejn: indica se a caldeira j est disponvel para
operao no subperodo n, em funo do plano
de manuteno preventiva;
oikt: oferta do combustvelk no fornecedori
no perodot;
rik: carregamento mnimo do combustvelk nos
fornecedores;
rmik: quantidade mxima no fornecedori para
o carregamento do combustvelk;
rak: quantidade mxima do combustvelk que
a fbrica pode receber em cada subperodo
(limitaes na recepo da fbrica);
cek: capacidade mxima para estocagem na
fbrica do combustvelk;
vijkn: fator de converso de quantidade de
combustvelk em quantidade de vapor gerado
na caldeiraj no subperodon (considera a
eficincia no funcionamento de cada caldeiraj);
vhkt: fator de converso de quantidade de
combustvelk em quantidade vapor no perodot
(utilizado no clculo do estoque de segurana);
dn: demanda de vapor da fbrica no subperodon;
bcj: capacidade de produo de vapor da
caldeiraj no subperodo;
lcj: perda de capacidade de produo de vapor na
caldeiraj devido ao procedimento de start-up;
: coeficiente relacionado ao nvel de estoque
de segurana dos combustveis no perodo.
Variveis de deciso:
Tikn: quantidade do combustvelk adquirida no
fornecedori e transportada para a fbrica no
subperodon;
Ikt: quantidade do combustvel k armazenada
na fbrica no perodo t;
Qjkn: quantidade do combustvelk consumida
na caldeiraj no subperodon;
Mikt: quantidade do combustvelk no utilizada
da ofertaoikt no perodot do fornecedori;
Likn: varivel binria que assume valor1 quando
existe carregamento do combustvelk no
fornecedori no subperodon. Caso contrrio,
a varivel assume valor igual a 0;
Sjn: varivel binria de deciso do start-up.
Quando Sjn=1, ocorre o acionamento da
caldeiraj no subperodon, uma vez que no
subperodo anterior a caldeira estava desligada.
Caso Sjn=0, a caldeira no faz start-up no
subperodon, seja porque j est acionada, ou
mesmo por permanecer desligada;

Wjn: varivel de deciso do warm-up assume

valores binrios 0 ou 1. Quando Wjn=1,
a caldeira est ligada e aquecida, ou seja,
preparada para produzir vapor imediatamente.
Quando Wjn=0, a caldeira est totalmente
desligada e necessitar fazer o procedimento
de start-up.
Quatro parmetros so calculados aps o
processamento do modelo e indicam resultados
de interpretao prtica para os envolvidos na
operao. O parmetroVPjn mostra quanto vapor foi
produzido em cada caldeiraj no subperodon (dia).
O parmetroQjkt calcula o total de combustvelk
consumido pela caldeiraj no perodot (semana). O
parmetroTikt contabiliza quanto do combustvelk
do fornecedori foi transportado no perodot. E
o parmetroVMk calcula o montante financeiro
despendido na aquisio de cada combustvelk.
Esse ltimo resultado bastante importante para a
equipe de compras da empresa estimar o oramento
anual destinado aquisio dos combustveis para
o ano seguinte. A Figura2 apresenta uma ilustrao
esquemtica da modelagem do sistema de produo
de vapor industrial com suas etapas de decises,
variveis e parmetros calculados ps-processamento.
Funo objetivo:
u (t )
I K T

Z = pikt Tikn

i =1 k =1 t =1
n = l (t )

Min
K T

(1)

+ hk I kt + cs j S jn + cw jW jn

k =1 t =1

j =1 n =1

j =1 n =1

A funo do objetivo (Equao1) minimiza a

somatria das quatro parcelas que compem os
principais custos no sistema: custos de aquisio dos
combustveis nos fornecedores (compra e transporte)
u(t )
I K T

i=1 k=1 t=1 pikt n =l(t ) Tikn , custos de estocagem

dos combustveis na fbrica (custo de oportunidade na

imobilizao de capital)

K T

h I , custos de start-up
k =1 t =1 k kt

das caldeiras (inclui: gastos com combustvel, gua,

J N

cs S e custos adicionais com

j =1 n =1 j jn

limpezas etc.)

combustvel queimado durante o regime de aquecimento

J T

cw W .
j =1 n =1 j jn

dos equipamentos

Restries:
J

u (t )

I kt = I k (t 1) e jn a jk Q jkn +
j =1 n = l (t )
I

u (t )

i =1 n = l (t )

Tikn para k,t

(2)

277

Um modelo de otimizao para as operaes de produo de vapor...

Figura2. Ilustrao esquemtica da modelagem do sistema de produo de vapor.

k =1

u(t )

vhkt I kt . dn para t
n = l(t )

S jn ,W jn ,Likn {0 ,1} ;

(3)

I kt cek para k,t

(4)

Q jkn 0; Mikt 0;Tikn 0; I kt 0.

(13)

Parmetros ps-processamento:
K

u(t )

Mikt = oikt + Mik(t 1) Tikn para i,k,t (5)

n = l(t )

Tikn rik Likn para i,k,n

Tikn rmik Likn para i,k,n

I

Tikn

i =1

j =1 k =1

k =1
K

rak para k,n

(6)

Q jkt = e jn a jk Q*jkn para j,k,t

n = l(t )

(14)

(15)

u(t )

(8)

vi jkn e jn a jk Q jkn dn para n

(9)

k =1

u(t )

(7)

vi jkn e jn a jk Q jkn bc j m j e jnW jn para j,n (10)

k =1

VPjn = vi jkn e jn a jk Q*jkn para j,n

vi jkn e jn a jk Q jkn bc jW jn lc j S jn e jn para j,n (11)

S jn W jn e jn W j(n 1) e j(n 1) para j,n (12)

*
Tikt = Tikn
para ,k,t
n = l(t )

(16)

u(t )
I T
*
VM k = pikt Tikn
para k
i =1 t =1
n = l(t )

(17)

As Restries (2) fazem o balanceamento dos

estoques dos combustveis na fbrica. A varivelQjkn
retira do estoque o montante queimado nas caldeiras
e a varivelTikn abastece o estoque com a aquisio
de combustveis proveniente dos fornecedores. A
fbrica mantm estoques dos combustveis com o
propsito de reduzir o risco da falta de suprimento e
eventualmente aproveitar oportunidades de mercado
com a aquisio antecipada. O critrio para o clculo
do estoque mnimo assegurar que toda a sua
quantidade convertida em vapor deve ser suficiente
para atender a uma parcela da demanda no perodot
[Restries(3)]. O parmetro exprime a frao

278 Rocco et al.

da demanda de vapor no perodot que dever ser

atendida, e normalmente assume o valor da frao3/7
(trs dias de segurana em sete dias da semana).
Ao manter estoques dos combustveis na fbrica,
devem ser respeitados os limites dos espaos fsicos
disponveis para o armazenamento [Restries(4)].
As Equaes (5) fazem o balano da oferta total de
cada combustvelk entre os perodost.
A empresa (do estudo de caso) possui contratos
com os fornecedores dos combustveis das caldeiras
definindo o montante anual e as quantidades mensais
aproximadas que podero ser retiradas. A varivelMikt
faz o balanceamento da quantidade de combustvel
entre perodos t, carregando o combustvel que sobrou
do perodo anterior e disponibilizando-o no perodo
subsequente, apesar disso poder gerar elevadas
disponibilidades futuras, as restries de carregamento
limitam as Equaes (5). As Restries(6) e (7)
impem os tamanhos mnimos e mximos dos
carregamentos de cada combustvelk nos fornecedores.
Em cada subperodo (dia), a fbrica possui um
limite mximo para recepo das cargas de cada
combustvelk proveniente de todos os fornecedores,
condio imposta pelas Restries (8).
As Restries (9) versam sobre o atendimento
da demanda de vapor para todos os subperodos
do horizonte de tempo considerado. As caldeiras
industriais so equipamentos de grande capacidade,
que no funcionam adequadamente com pequenas
produes de vapor, exigindo que se utilize uma
parcela mnima da capacidade mxima toda vez que
ligada, situao modelada nas Restries (10). Em
cada subperodo, as caldeiras possuem uma capacidade
mxima de produo de vapor [Restries(11)]. No
lado direito (right hand side - RHS) das Restries (11)
h uma combinao lgica em relao capacidade das
caldeiras de acordo com os momentos de acionamento
e aquecimento. Uma vez que a caldeiraj no est
disponvel para operao no subperodon, ou seja,
ejn=0, toda a parte direita da inequao anulada
e no existe produo de vapor na caldeiraj no
subperodon. Caso contrrio, podem existir duas
combinaes de capacidade para a caldeira, de acordo
com seu estado no subperodo anterior. Se a caldeira
est desligada no subperodo anterior (Wj(n-1)=0) e
faz seu acionamento no subperodon, as variveis
de start-up(Sjn) e warm-up(Wjn) assumiro valor
igual a 1 no subperodon, e a capacidade total da
caldeiraj neste subperodon dada pela diferena
entre as parcelas (bcj.Wjn) e (lcj.Sjn). Caso a caldeira
venha aquecida do subperodo anterior (Wj(n-1)=1) e
permanea aquecida no subperodon (Wjn=1), no
ser necessria uma nova partida do equipamento
no subperodon, (Sjn=0), e a capacidade total da
caldeiraj dada somente pela parcela (bcj.Wjn). As
Restries (12) dizem respeito ao controle das variveis
de start-up e warm-up das caldeiras. O conjunto das

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

Restries (13) estabelece o domnio das variveis de

deciso do modelo. As Equaes(14) a (17) executam
clculos de parmetros de interesse aps a soluo
do modelo, fornecendo respostas de interpretao
prtica para os envolvidos no sistema. Em relao
ao nmero de variveis e restries do modelo, se o
sistema constitudo de Ifornecedores, Ktipos de
combustveis, Jcaldeiras, Tperodos e Nsubperodos,
o modelo representado pelas Expresses (1) a (13)
possui K[T(I+2)+N(2I+1)]+T+N(3J+1) restries
do modelo e K[T(I+1)+N(2I+J)]+2JN+1 variveis,
das quais N(IK+2J) so binrias.

4Restries adicionais para

operao de algumas caldeiras
industriais
O modelo da Seo3 representa de forma
satisfatria as principais decises que so tomadas
em sistemas tpicos de produo de vapor em caldeiras
industriais. Entretanto, algumas particularidades
foram identificadas no estudo de caso apresentado
na Seo6, as quais foram questionadas em outras
empresas e se mostraram comuns em alguns sistemas
que utilizam caldeiras movidas a biomassas. As
particularidades foram modeladas por meio de
restries, aqui chamadas de restries de mistura
ou restries de proporo, que tornam a soluo
do modelo mais realista, refletindo a prtica das
operaes nas caldeiras.
Entre as biomassas frequentemente utilizadas como
combustveis em caldeiras, o bagao de cana-de-acar
aquela de consumo majoritrio, e a umidade em
suas fibras possui influncia direta na qualidade da
combusto. Na medida em que o teor de umidade no
bagao aumenta, ocorre a reduo na eficincia da
combusto, com menor fornecimento de calor para
aquecimento da gua, e consequentemente menos
vapor gerado por quantidade de bagao queimado.
Em indstrias que consomem o bagao de cana como
combustvel, aceita-se como umidade padro na fibra
o teor de 55% de gua em relao ao seu peso total
e, nessa condio, empiricamente, estima-se que
1tonelada de bagao pode gerar aproximadamente
2,2 toneladas de vapor.
Para reduzir os problemas na qualidade da
combusto do bagao mido, normalmente a operao
das caldeiras adiciona quantidades de palha de arroz
e/ou cavaco de madeira, biomassas com umidade
padro menor, em comparao aos 55% do bagao,
perfazendo uma mistura que, na prtica, percebeu-se
que melhora a qualidade da combusto do bagao de
cana mido sem prejudicar a combusto das outras
biomassas. Porm as quantias so limitadas dentro de
faixas de mnimo e mximo. Na prtica, estabeleceu-se
que a soma da quantidade de palha de arroz(ARR)
e cavaco(CAV), em massa, deve ser no mnimo 5%

279

Um modelo de otimizao para as operaes de produo de vapor...

da quantia de bagao de cana(BAG) queimado em

determinada caldeira em um subperodo (dia). O
fator estabelece a frao mnima para a mistura,
que pode ser alterada de acordo com as caractersticas
do sistema [Restries (18)].
O limite mximo [Restries (19)] estabelecido
de maneira semelhante s Restries (18), porm
com sinal de menor ou igual na inequaoe o fator
agora passa a ser expresso por . No estudo de caso,
o fator assumiu 10%, valor geralmente adotado
pela operao real. As restries de mistura da palha
de arroz e cavaco de madeira com o bagao mido
[Restries (18), (19)] somente so acionadas quando
a umidade do bagao no perodot estiver acima de
58% e, consequentemente, o fator de converso do
bagao em vapor ( vhBAG ,t ) for menor do que o
valor (estimado em 2,076 por meio da Equao(23)
apresentada na Seo5).

e jn a j ,ARRQ j ,ARR ,n + e jn a j ,CAV Q j ,CAV ,n

. e jn a j ,BAG Q j ,BAG ,n para j,n

(19)

para j,n

. e jn a jk Q jkn
k =1
(20)
k ARR

Em caldeiras que consomem exclusivamente lenha,

um procedimento no obrigatrio, mas frequente
para melhorar a eficincia na combusto, ainda no
medida com preciso, mas percebida na prtica
como vantajosa, colocar para cada trs partes de
lenha o equivalente a uma parte de bagao de cana.
As Restries (21) estabelecem a proporo de

Q j ,LEN ,n .Q j ,BAG ,n para j,n

(21)

O ltimo conjunto de restries de mistura ou

proporo diz respeito proporo entre o bagao
de cana e a palha de arroz no estoque. Na prtica,
a operao costuma manter em estoque cinco vezes
mais bagao do que palha de arroz, pois no seria
vivel se houvesse disponvel somente palha de
arroz, visto que esse combustvel um adjuvante na
mistura com o bagao, quando esse se encontra com
elevada umidade. As Restries (22) encarregam-se
dessa proporo nos estoques, visto que, na sua
ausncia e com preos vantajosos da palha de arroz
em comparao ao bagao, o modelo tenderia a
realizar estoques somente do primeiro, o que no
permitido na prtica. O parmetro assume o valor
cinco para realizar a proporo descrita na restrio.

A razo para existir um limite mximo para

a queima de palha de arroz decorrente de essa
biomassa ser abrasiva durante a combusto, por
conter elevado teor de slica em sua composio e,
desse modo, causar danos nas partes internas das
caldeiras com o frequente consumo. Alm disso, a
produo de cinzas, resduo da combusto, bem
maior ao da queima de outras biomassas, requerendo
maiores cuidados operacionais e trabalhos extras de
limpeza para a boa conservao dos equipamentos.
As Restries (20) estabelecem o limite mximo
para a queima da palha de arroz em dia normal de
operao. O parmetro estabelece a proporo
de arroz consumido em relao soma de todos os
outros combustveis em cada subperodo. Na prtica,
o valor mximo de 10% adotado para .

e jn a j ,ARRQ j ,ARR ,n

(18)

e jn a j ,ARRQ j ,ARR ,n + e jn a j ,CAV Q j ,CAV ,n

. e jn a j ,BAG Q j ,BAG ,n para j,n

lenha(LEN) com o bagao de cana(BAG), a qual

pode ser modificada com a alterao do parmetro.

I BAG ,t .I ARR ,t para t

(22)

Os experimentos computacionais mostraram que

a incluso das Restries (18) a (22) no causaram
impactos significativos nos tempos de processamento
do modelo. No entanto, as respostas do mix dos
combustveis consumidos ficaram mais prximas da
realidade praticada pela empresa do estudo de caso,
conforme discutido na Seo6. O tamanho do modelo
com a incluso das restries de mistura passa
a ter K[IT+2(T+IN)+N]+2T+N(7J+1) restries
e K[T(I+1)+N(2I+J)+2JN+1 variveis, das quais
N(IK+2J) so binrias. Para mais detalhes sobre a
modelagem descrita na Seo 3 e as particularidades
do ambiente da aplicao do modelo descrito nesta
seo, o leitor pode consultar Rocco (2011).

5Parmetros de converso de
combustvel em quantidade de
vapor
O modelo apresentado nas Sees3,4 utiliza
vrios parmetros coletados da situao real e que
no possuem clculos relacionados, tais como: custos
operacionais, preos dos combustveis, capacidade
das caldeiras, a perda de capacidade devido ao
start-up, dias de disponibilidade dos equipamentos em
funo do plano de manuteno, quais combustveis
so queimados em cada caldeira etc. Entretanto, o
parmetro responsvel por converter a quantidade de
combustvel em quantidade de vapor foi uma medida
emprica obtida na operao real no estudo de caso
e, caso no houvesse oportunidade de medi-la, os
clculos tericos envolvidos para estimao desses
parmetros seriam extensos e envolveriam balano
de massa e energia, de acordo com Kaltschmitt,
Hartmann e Hofbauer (2001).

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

280 Rocco et al.

A energia gerada na combusto de biomassas pode

ser expressa por meio do coeficiente do poder calorfico
do material. Em Dermibas (1997) e Quirinoetal.
(2005) so encontrados estudos do poder calorfico
de diversos tipos de biomassas. Uma compilao
com informaes de trinta diferentes biomassas
encontrada em Nordin (1994); nesse trabalho,
o bagao de cana no consta entre as biomassas
estudadas. No modelo proposto, os parmetrosvijkn
e vhkt so as medidas estimadas experimentalmente
para o estudo de caso da pesquisa e que seriam
correspondentes aos valores de poder calorfico das
biomassas consideradas. De maneira simplificada,
os parmetrosvijkn e vhkt devem ser entendidos como
as quantidades de vapor geradas a partir da queima
de determinada quantidade de combustvel sem a
mistura com outro. Por exemplo, quando se queima
uma tonelada de leo BPF, produzem-se cerca de 13t
de vapor industrial com presso de sada na caldeira
de aproximadamente 10kgf.cm2. Apresentam-se
na Tabela1 os valores dessa converso medidos
experimentalmente para os quatro combustveis
utilizados nas caldeiras industriais do estudo de caso
da Seo6, e que no possuem clculos relacionados
umidade.
O bagao de cana a biomassa na qual o valor do
fator de converso est atrelado ao teor de umidade
presente na fibra. Quanto mais mida a fibra estiver,
menor a eficincia na queima da biomassa e,
consequentemente, menor quantidade de vapor ser
produzida por quantidade de bagao queimado. A
empresa do estudo de caso realiza periodicamente
anlises dos teores de umidade no bagao de cana
recebidos e os correlaciona com o as quantidades de
vapor produzido, e por meio dessas informaes, foi
possvel estimar uma equao, por regresso linear,
[Equao (23)] que fornece valores de converso
da queima do bagao em vapor compreendidos
no intervalo de umidade (u)em porcentagem:
52u63,2. Para teores de umidade abaixo de 52%,
a estimativa assume valor fixo de 2,365, e acima da
umidade 63,5%, a estimativa assume o valor de 1,811.
O fator de converso vhBAG,t no leva em considerao
a eficincia da caldeira na queima do bagao mido,
somente a umidade nos diferentes perodost. Porm,
essa limitao foi contornada por meio do parmetro
vij,BAG,n derivado da multiplicao do parmetro vhBAG,t
pelo coeficiente j,mt, que corresponde eficincia
Tabela1. Parmetros de converso de quantidade de
combustvel em quantidade de vapor(vijkn e vhkt) (em t).

Cavaco de
Lenha
madeira
(LEN)
(CAV)
3,5
1,8
Fonte: Rocco (2011).

Palha de
arroz
(ARR)
4,0

leo BPF
(OLE)
13,0

de gerao de vapor de cada caldeiraj em faixas de

umidade do bagao em cada perodot.

vhBAG ,t = 4 ,8716 0 ,0482.ut para t (23)

No estudo de caso da Seo6 a umidade do

bagao oscilou nas semanas do ano (perodost), com
expressivas diferenas entre os perodos chuvosos
e secos. Nos meses mais chuvosos, a umidade
da fibra aumenta significativamente, visto que o
armazenamento do bagao nas usinas feito a cu
aberto; j nos meses com poucas chuvas, a umidade
da fibra diminui consideravelmente. Mais informaes
sobre os dados e clculos desta seo esto disponveis
em Rocco (2011).

6Estudo de caso e resultados

computacionais
Uma fbrica de alimentos de grande porte localizada
na cidade de Goinia (GO) participou da pesquisa e
permitiu que o modelo desenvolvido fosse comparado
com sua operao real, e dessa maneira, procederam-se
os ajustes e posterior validao do modelo. As
informaes do ano de 2009 serviram de referncia
para a comparao com os resultados obtidos na
aplicao do modelo no horizonte de tempo de
50semanas, perfazendo 350 dias.
As expresses matemticasdo modelo foram
implementadas na sintaxe algbrica do software
de otimizao General Algebraic Modelling
System(GAMS) verso22.6, e resolvido com o
solver CPLEX11. Um computador com processador
Pentium IntelI7 (com a liberao de quatro ncleos
de processamento), 2,8GHz, 8GB de memria
RAM resolveu o modelo [Expresses (1) a (22)]
aproximadamente 15segundos at encontrar a
soluo tima. O tamanho do modelo na situao
do estudo de caso, com I=6, J=4, K=5, T=50 e
N=350, aps o pr-processamento, e eliminao de
elementos matriciais nulos, foi de 32.878 restries,
30.939variveis, das quais 13.300 binrias. A
ordem de grandeza do nmero de iteraes foi de
aproximadamente 60.000 nos experimentos realizados
para instncias nas quais o conjunto de dados era
semelhante ao estudo de caso apresentado.
A empresa possui uma operao de produo/
consumo de vapor de grande escala, a qual est atrelada
safra do tomate para processamento industrial,
principal matria-prima dos produtos industrializados
da unidade. No decorrer de um ano, a demanda de
vapor altamente sazonal e caracterizada por dois
perodos distintos: alta demanda de vapor de junho a
outubro, durante a safra do tomate, e baixa demanda
de vapor na entressafra, de novembro a maio. A
Figura3 mostra o perfil da produo/demanda de
vapor da fbrica nos anos de 2008 e 2009.

281

Um modelo de otimizao para as operaes de produo de vapor...

Para atender demanda de vapor da fbrica, existem

quatro caldeiras (CBC, ZAN, MEP e ATA) que
podem funcionar isoladamente ou em conjunto. Cada
caldeira possui caractersticas prprias (capacidade
mxima de operao, produo mnima de vapor
para funcionamento adequado, frequncia de paradas
para manuteno etc.), e foram construdas para
consumirem diferentes tipos de combustveis, com o
propsito de ampliar as opes na matriz energtica
da operao. As caldeirasCBC e ZAN consomem
biomassas, tais como:bagao de cana, cavaco de
madeira e palha de arroz. A caldeiraMEP funciona
com lenha e permite pequena mistura com bagao
de cana; e a caldeiraATA movida exclusivamente
com leoBPF.
As produes totais de vapor na operao real
e resultado do modelo ficaram muito prximas,

Figura3. Perfil da produo/demanda de vapor da fbrica

em 2008 e 2009. Fonte:dados da pesquisa.

considerando todo o horizonte de anlise. Contudo, o

modelo explora mais a capacidade total isolada de cada
equipamento e somente aciona caldeiras suplementares
quando a demanda de vapor no subperodo no
atendida pelo equipamento preferencialmente
acionado. Esse padro de funcionamento difere da
operao real, que costuma atender demanda de
vapor com a produo proveniente de mais de uma
caldeira simultaneamente. A Tabela2 apresenta o
perfil de funcionamento das caldeiras na operao
real e os resultados do modelo.
A Figura4 apresenta a produo de vapor na
caldeiraCBC. Nos primeiros noventa subperodos, a
caldeira esteve parada para manuteno programada
e no produziu vapor. Durante a safra do tomate,
o modelo explora ao mximo a capacidade desse
equipamento, diferentemente da operao real,
que opera prximo da capacidade mxima, mas
raramente a atinge. O patamar de mnima produo
de vapor para o adequado funcionamento da caldeira
(aproximadamente 200 t) fica evidente no grfico, e
ocorre em perodos anteriores e adjacentes queles em
que a produo de vapor elevada. E nessa situao,
observa-se que so necessrias as produes totais
das caldeirasCBC e ZAN, sendo vantajoso manter
a caldeiraCBC em regime de warm-up a deslig-la
completamente. A verificao no calendrio civil de
2009 permite afirmar que os subperodos de mnima
produo de vapor ocorrem aos finais de semana,

Tabela2. Perfil do funcionamento das caldeiras na operao real e resultados do modelo.

Produo de
vapor

Dias em
operao

Nmero de
start-up

Warm-up sem
produo vapor

CBC

ZAN

MEP

ATA

Total

Real (t)

105.594

124.453

36.735

2.047

268.829

Modelo (t)

83.775

165.399

19.762

268.936

Diferena absoluta (t)

21.819

+40.946

16.973

2.047

+107

Diferena relativa (%)

20,66

+32,90

46,20

100,00

+0,04

Real

193

242

249

84

329

Modelo

145

275

97

333

Real

10

13

18

48

Modelo

12

10

20

42

Real

11

23

26

23

83

Modelo

17

16

15

48

Fonte:resultados da pesquisa.

282 Rocco et al.

particularmente aos domingos, em que a caldeira

permanece em regime de warm-up.
A Figura5 apresenta a configurao de produo
de vapor da caldeiraZAN. Nos primeiros noventa e
ltimos cinquenta subperodos do horizonte de anlise,
houve algumas semelhanas entre a operao real e os
resultados do modelo. Esses perodos correspondem
aos dias em que a produo de vapor na operao real
deixa de ser dividida entre as caldeirasZAN e MEP
e passa a ser produzida somente pela primeira. No
perodo de safra agrcola do tomate (160 ao 280
subperodo), a caldeiraZAN preferencialmente
acionada e o modelo explora totalmente a sua
capacidade diria, para ento acionar o segundo
equipamento preferencial (caldeiraCBC), e assim
sucessivamente. Percebe-se tambm no grfico o
perodo de parada para manuteno realizado do
105 ao 156 subperodos.
A caldeiraMEP teve significativa modificao no
perfil de seu funcionamento entre a operao real
e o resultado do modelo (Figura6). Na operao
real a caldeiraMEP acionada com frequncia,
produzindo quantidades de vapor inferiores a
300t, para completar as demandas dirias que so
majoritariamente atendidas pelas caldeirasCBC e
ZAN. Por exemplo, em um dia de demanda de 600t,
a operao real normalmente produziria 400t com
uma das caldeirasCBC ou ZAN e complementaria
a produo com 200t provenientes da MEP, ou
seja, duas caldeiras ligadas para o atendimento da
demanda de 600t. Entretanto, o modelo no toma
tal deciso e opta por acionar preferencialmente uma
nica caldeira que produza vapor at esgotar a sua
capacidade e somente ligar um segundo equipamento
quando ainda resta parte da demanda no atendida
pela primeira caldeira. O modelo sugere a utilizao
da caldeiraMEP em situaes diversas; desde o
atendimento das demandas que so inferiores a 100t
dirias, at mesmo para situaes de atendimento de
altas demandas, ou seja, acima de 350t de vapor por
dia. Nota-se que perodo de parada programada da
caldeiraMEP ocorreu do 120 ao 170 subperodo,
pouco antes do incio da safra do tomate.
O grfico do perfil de produo de vapor da
caldeiraATA na operao real e no modelo bastante
distinto, uma vez que o modelo no aciona em nenhum
subperodo essa caldeira. A Figura7 apresenta como
foi o funcionamento da caldeiraATA na operao
real no ano de referncia (2009). As modificaes
nos perfis de funcionamento das caldeiras alteraram
consideravelmente os custos do sistema. A Tabela3
apresenta as variaes nos custos de funcionamento das
caldeiras, considerando todos os momentos de start-up
e warm-up em todo o horizonte de anlise. Na hiptese
da retirada da caldeiraATA do sistema, a economia
gerada nos custos de acionamento e aquecimento
somados atingiria 19,4%, passando de $ 280.080 para

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

Figura4. Perfil da produo de vapor da caldeiraCBC na

operao real e resultados do modelo.

Figura5. Perfil da produo de vapor na caldeiraZAN na

operao real e resultados do modelo.

Figura6. Perfil de produo de vapor na caldeiraMEP na

operao real e resultados do modelo.

Figura7. Perfil de produo de vapor na caldeiraATA na

operao real.

283

Um modelo de otimizao para as operaes de produo de vapor...

Tabela3. Custos de warm-up e start-up da operao real e resultados do modelo.

CBC
ZAN
MEP
ATA
Real ($)
4.200
6.000
6.240
27.000
Modelo ($)
7.200
6.000
9.600
0
Start-up
Variao (%)
+71,4
0,0
+53,8
100,0
Real ($)
77.200
96.800
89.640
87.360
Modelo
($)
58.000
110.000
34.920
0
Warm-up*
Variao (%)
24,9
+13,6
61,0
100,0
Real ($)
81.400
102.800
95.880
114.360
Modelo ($)
65.200
116.000
44.520
0
Total
Variao (%)
19,9
+12,8
53,6
100,0
*contabiliza todos os aquecimentos (com e sem gerao de vapor). Fonte: resultados da pesquisa.

$ 225.720 unidades monetrias. Os valores monetrios

apresentados foram distorcidosguardando entre si
as relaes de proporcionalidadepara preservar as
informaes da empresa colaboradora da pesquisa.
A matriz dos combustveis consumidos na operao
real e os resultados do modelo foi ligeiramente
modificada. O bagao de cana aumentou sua
participao, e mostrou ser a biomassa com a melhor
relao custo-benefcio na gerao de vapor. A
palha de arroz e a lenha tiveram suas quantidades
reduzidas, enquanto que o cavaco de madeira e o leo
no foram sugeridos pelo modelo. O estoque mdio
foi significativamente reduzido e, percentualmente,
teve a maior participao na reduo dos custos
na funo objetivo. Os resultados na matriz dos
combustveis consumidos e nvel mdio dos estoques
so apresentados na Tabela4.
No critrio estritamente econmico, representado
pela funo objetivo, o modelo gerou uma economia
total de aproximadamente 14% na situao do estudo
de caso (Tabela 5). As maiores economias foram
observadas para a reduo dos nveis de estoque dos
combustveis; contudo, essa economia est sujeita a
premissas e critrios adotados que so passveis de
reformulao. Economias significativas foram obtidas
pela diferente configurao no funcionamento dos
equipamentos em relao aos momentos de start-up
e warm-up, assim como diferenas na escolha das
caldeiras geradoras de vapor. A economia no custo dos
combustveis consumidos ficou em aproximadamente
10%, indicando que a operao, de certo modo, escolhe
de maneira razoavelmente adequada a composio do
mix de combustveis na matriz energtica consumida;
no entanto, ainda existe grande potencial de melhoria
nesse critrio.
Os nveis de economia alcanados pelo modelo
foram considerados significativos pelos responsveis
da operao, e a soluo proposta parece ser vivel
na prtica. Porm, a questo dos riscos envolvendo o
uso da capacidade total dos equipamentos, ao invs de
produzir vapor com vrias caldeiras simultaneamente,

Total
43.400
22.800
47,5
351.000
202.920
42,2
394.440
225.720
42,8

no deve ser desconsiderado no estudo da aplicao

do modelo em situaes reais. A Tabela5 apresenta
o resumo dos resultados econmicos da operao
real e da aplicao do modelo.
A caracterstica de o modelo tender a operar uma
caldeira, e somente ligar um segundo equipamento
quando a demanda de vapor no subperodo no for
atendida totalmente pelo primeiro, faz com que os
resultados do modelo e os praticados na realidade
no sejam exatamente os mesmos, salvo em alguns
subperodos. Uma possvel melhoria na modelagem
seria balancear a gerao de vapor entre as caldeiras,
mas procurando evitar a imposio numrica de
propores no funcionamento entre os equipamentos.
A operao real aciona com frequncia a
caldeiraATA com o propsito de garantir algum nvel
de segurana no caso das outras caldeiras falharem em
momentos de alta demanda de vapor.No entanto, essa
uma estratgia de alto custo para o sistema e que
deve ser cuidadosamente repensada. Uma anlise de
risco, contemplando as probabilidades da ocorrncia
de eventos que faam com que a caldeiraATA seja
solicitada, e a incorporao disso na modelagem do
problema, possivelmente, traria respostas interessantes,
e at mesmo talvez fizesse com que a caldeiraATA
fosse acionada, por segurana, mesmo em situaes
com baixas produes de vapor.
No modelo, a varivelLikn sendo binria faz com
que os carregamentos possam ser fracionados entre
os limites de mnimo e mximo estabelecidos pelos
parmetros(rik e rmik). No entanto, a imposio
de uma quantidade exata para o carregamentoTikn,
transformando a binriaLikn em uma varivel inteira
para indicar o nmero de carregamentos fechados,
identificado pela quantidaderik, fez com que o
modelo se tornasse intratvel computacionalmente.
Mesmo aps 24horas de processamento no houve
o encontro de uma soluo factvel para o problema
com 350 subperodos. Em outro experimento com
7 perodos, perfazendo 49 subperodos, a soluo
tima foi encontrada aps aproximadamente 8horas

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

284 Rocco et al.

Tabela4. Matriz dos combustveis e estoque mdio da operao real e resultados do modelo.

Consumo de combustvel
Real
Modelo
Variao
(%)
(t ou m3)
BAG
96.637
111.137
+15,0
ARR
1.865
753
59,6
LEN
11.150
10.049
9,9
CAV
2.771
0
100,0
OLE
226
0
100,0
Fonte:resultados da pesquisa.

Real
2.906
42
226
168
49

Estoque mdio
Modelo
(t ou m3)
1.061
37
6,2
0
0

Variao
(%)
63,5
11,9
97,3
100,0
100,0

Tabela5. Resultados econmicos da operao real e da aplicao do modelo no sistema de produo de vapor.

Combustvel consumido
Acionamento (start-up)
Aquecimento (warm-up)
Custo de estocagem
Total
Fonte:resultados da pesquisa.

Operao
real ($)
6.105.205
43.440
351.000
168.741
6.668.386

de processamento (com o mesmo hardware citado

anteriormente), e a soluo final foi pouco penalizada
em comparao com o mesmo exemplo, relaxando-se
a varivelLikn para binria.
Os resultados obtidos de diversos experimentos
computacionais, com solues timas comprovadas
pelo CPLEX, sempre se mostraram melhores em
relao ao custo varivel total do sistema, representado
na funo objetivo do modelo, em comparao com
os obtidos pela operao real. Outros experimentos
computacionais realizados no estudo de caso so
encontrados em Rocco (2011).

7Consideraes finais
Os resultados da aplicao do modelo no estudo de
caso foram considerados satisfatrios pelos gestores
da operao na empresa e, diante da ausncia de
protocolos ou ferramentas que auxiliem na tomada
de deciso no sistema estudado, o presente trabalho
apresenta-se como uma alternativa vivel na gesto
das operaes de produo de vapor em caldeiras
industriais. Sugere-se a aplicao do modelo para
apoiar principalmente decises tticas e operacionais
(mdio e curto prazos), por exemplo, com horizonte
rolante de tempo de 1ms, considerando as decises
da gesto dos combustveis na semana e as operaes
de ligar e desligar as caldeiras em cada dia. O estudo
de caso apresentado neste artigo, com o longo
horizonte de anlise de 350 subperodos, teve como
propsito efetuar um estudo mais abrangente dos
resultados.
Como citado anteriormente, o modelo explora
totalmente a capacidade limite de uma caldeira antes

Modelo
($)
5.455.090
22.800
202.920
50.618
5.731.428

Diferena
absoluta ($)
650.115
20.640
148.080
118.123
936.958

Diferena
relativa (%)
10,6
47,5
42,2
70,0
14,0

de ligar outro equipamento, enquanto que na operao

real isso normalmente no acontece. Um estudo
que mostrasse que existem diferenas na eficincia
e na segurana do funcionamento das caldeiras na
medida em que se aproxima da capacidade mxima
de gerao de vapor poderia indicar caminhos para
que houvesse um balano na distribuio da produo
de vapor entre os equipamentos, evitando-se assim
a imposio numrica para tal tarefa.
A possibilidade de considerar a incerteza nos
parmetros com tcnicas de otimizao robusta
e utilizar os modelos de referncia no tema, tais
como:Soyster (1973), Bertsimas e Sim (2003,
2004), e Bertsimas e Thiele (2006), parece ser
bastante plausvel. Alguns exemplos nessa linha de
pesquisa so os trabalhos de Paiva e Morabito (2011) e
Munhoz e Morabito (2012), que estenderam modelos
determinsticos para outros de programao estocstica
e otimizao robusta aplicados em outros problemas
agroindustriais. Citam-se como os parmetros mais
relevantes para a incorporao da incerteza no presente
trabalho: a oferta e disponibilidade de combustveis,
a umidade do bagao de cana e a demanda de vapor
pela fbrica.
Esta pesquisa aconteceu em uma empresa tpica do
setor de alimentos, a qual demanda grande quantidade
de vapor em seus processos. Acredita-se que a
aplicao deste trabalho tambm possa ser realizada
em outros segmentos industriais, que produzam e
consumam vapor, procedendo-se com adaptaes
e ajustes no modelo. Extenses mais abrangentes
deste estudo permanecem na agenda de pesquisa
dos autores.

Um modelo de otimizao para as operaes de produo de vapor...

Agradecimentos
Os autores agradecem aos engenheiros Rogrio
Rangel e Andr Angola, da empresa de Goinia
colaboradora com este trabalho. Esta pesquisa teve
suportes financeiros da CAPES e do CNPq. Os
autores tambm agradecem aos dois avaliadores do
artigo pelas valiosas sugestes de reviso.

Referncias
BERTSIMAS, D.; SIM, M. The price of robustness.
Operations Research, v.52, n.1, p.35-53,2004. http://
dx.doi.org/10.1287/opre.1030.0065
BERTSIMAS, D.; SIM, M. Robust discrete optimization
and network flows. Mathematical Programming
Series B, v.98, n.1-3, p.49-71,2003. http://dx.doi.
org/10.1007/s10107-003-0396-4
BERTSIMAS, D.; THIELE, A. A robust optimization
approach to inventory theory. Operations Research,
v.54, n.1, p.150-168,2006. http://dx.doi.org/10.1287/
opre.1050.0238
BOJI, M.; DRAGIEVI, S. MILP optimization of energy
supply by using a boiler, a condensing turbine and a
heat pump. Energy Conversion and Management,
v.43, p.591-608,2002. http://dx.doi.org/10.1016/
S0196-8904(01)00028-0
BOJI, M.; DRAGIEVI, S. Optimization of steam
boiler design. Proceedings IMechE, part A: Journal
Power and Energy, v.220, n.6, p.629-634,2006. http://
dx.doi.org/10.1243/09576509JPE203
BUJAK, J. Mathematical modelling of a steam boiler
room to research thermal efficiency. Energy, v.33,
p.1779-1787,2008. http://dx.doi.org/10.1016/j.
energy.2008.08.004
BUJAK, J. Optimal control of energy losses in multi-boiler
steam systems. Energy, v.34, p.1260-1270,2009. http://
dx.doi.org/10.1016/j.energy.2009.05.005
COUNCIL OF INDUSTRIAL BOILERS OWNERS-CIBO.
Energy efficiency handbook. Edited by Ronald A.
Zeitz. Burke: CIBO1997.64 p.
DERMIBAS, A. Calculation of higher heating values of
biomass fuels. Fuel, v.76, n.5, p.431-434,1997. http://
dx.doi.org/10.1016/S0016-2361(97)85520-2
DREXL, A.; KIMMS, A. Lot sizing and scheduling-survey
and extensions. European Journal of Operational
Research, v.99, n.2, p.221-235,1997. http://dx.doi.
org/10.1016/S0377-2217(97)00030-1
DUNN, A. C.; DU, Y. Y. Optimal load allocation of
multiple fuel boilers. ISA Transactions, v.48,
p.190-195,2009. PMid:19046585. http://dx.doi.
org/10.1016/j.isatra.2008.10.009
FLEISCHMANN, B.; MEYER, H. The general lotsizing
and scheduling problem. OR Spektrum, v.19,
p.11-21,1997. http://dx.doi.org/10.1007/BF01539800
GUSTAFSSON, S. Optimisation and simulation of building
energy system. Applied Thermal Engineering,
v.20, p.1731-1741,2000. http://dx.doi.org/10.1016/
S1359-4311(00)00004-1
GULDMANN, J. M.; WANG, F. Optimizing the
natural gas supply mix of local distribution utilities.

285

European Journal of Operational Research,

v.112, p.598-612,1999. http://dx.doi.org/10.1016/
S0377-2217(97)00415-3
JANS, R.; DEGRAEVE, Z. Modeling industrial lot sizing
problems: a review. International Journal of Production
Research, v.46, n.6, p.1619-1643,2008. http://dx.doi.
org/10.1080/00207540600902262
KALTSCHMITT, M.; HARTMANN, H.; HOFBAUER,H.
Energie aus Biomasse: Grundlagen, Techniken und
Verfahren. Springer,2001.770 p.
KARIMI, B.; GHOMI, S. M. T. F.; WILSON, J. T. The
capacitated lot sizing problem: a review of models and
algorithms. OMEGA-The International Journal of
Management Science, v.31, n.5, p.365-378,2003.
KAYLEN, M. S. An economic analysis of using alternative
fuels in a mass burn boiler. Bioresource Technology,
v.96, p.1943-1949,2005. http://dx.doi.org/10.1016/j.
biortech.2005.01.024
KRGER, K.; FRANKE, R.; RODE, M. Optimization of
boiler start-up using a nonlinear boiler model and hard
constraints. Energy, v.29, p.2239-2251,2004. http://
dx.doi.org/10.1016/j.energy.2004.03.022
MORTENSEN, J. H. et al. Optimization of boiler control
to improve the load-following capability of powerplant units. Control Engineering Practice, v.6,
n.12, p.1531-1539,1998. http://dx.doi.org/10.1016/
S0967-0661(98)00114-2
MUNHOZ, J. R.; MORABITO, R. Uma abordagem
de otimizao robusta no planejamento agregado de
produo na indstria ctrica. Produo, aceito para
publicao em2012.
NAGEL, J. Determination of an economic energy supply
structure based on biomass using a mixed-integer
linear optimisation model. Ecological Engineering,
v.16, p.91-102,2000. http://dx.doi.org/10.1016/
S0925-8574(00)00057-4
NORDIN, A. Chemical Elemental characteristics of
biomass fuels. Biomass and Bioenergy, v.6, n.5,
p.339-347,1994. http://dx.doi.org/10.1016/09619534(94)E0031-M
PAIVA, R. P. O.; MORABITO, R. Programao estocstica
robusta aplicada ao planejamento agregado de safra em
usinas cooperadas do setor sucroenergtico. Gesto e
Produo, v.18, n. 4, p. 719-738, 2011.
PROKHORENKOV, A. M.; SOVLUKOV, A. S. Fuzzy
models in control systems of boiler aggregate
technological process. Computer Standards &
Interfaces, v.24, p.151-159,2002. http://dx.doi.
org/10.1016/S0920-5489(02)00012-0
QUIRINO, W. F. et al. Poder calorfico da madeira e de
materiais ligno-celulsicos. Revista da Madeira, n.89,
p.100-106,2005.
ROCCO, C. D. Um modelo de otimizao para as
operaes de produo de vapor em caldeiras
industriais: um estudo de caso na indstria de
alimentos.2011.99 f. Dissertao (Mestrado em
Engenharia de Produo)-Universidade Federal de So
Carlos, So Carlos,2011.
ROMEO, L. M.; GARETA, R. Neural network for evaluating
boiler behaviour. Applied Thermal Engineering,

286 Rocco et al.

v.26, p.1530-1536,2006. http://dx.doi.org/10.1016/j.

applthermaleng.2005.12.006
RUSINOWSKI, H.; STANEK, W. Neural modelling of
steam boilers. Energy Conversion and Management,
v.48, p.2802-2809,2007. http://dx.doi.org/10.1016/j.
applthermaleng.2005.12.006
SAHA, P. K.; SHOIB, M.; KAMRUZZAMAN, J.
Development of a neural network based integrated
control system of120 ton/h capacity boiler. Computers
& Electrical Engineering, v.24, p.423-440,1998.
http://dx.doi.org/10.1016/S0045-7906(98)00020-2

Gest. Prod., So Carlos, v. 19, n. 2, p. 273-286, 2012

SANTOSO, M. E. H.; NAZARUDDIN, Y. Y.;

MUCHTADI,I.F. Boiler performance optimization
using fuzzy logic controller. In: IFAC WORLD
CONGRESS,16.,2005, Prague. ProceedingsPrague:
IFAC,2005.
SOYSTER, A. L. Convex programming with
set-inclusive constraints and applications to inexact
linear programming. Operational Research, v.21,
p.11541157,1973. http://dx.doi.org/10.1287/
opre.21.5.1154