Escolar Documentos
Profissional Documentos
Cultura Documentos
273-286, 2012
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
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
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
275
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;
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
K T
h I , custos de start-up
k =1 t =1 k kt
J N
limpezas etc.)
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 )
(2)
277
k =1
u(t )
vhkt I kt . dn para t
n = l(t )
S jn ,W jn ,Likn {0 ,1} ;
(3)
(4)
(13)
Parmetros ps-processamento:
K
u(t )
Tikn
i =1
j =1 k =1
k =1
K
(6)
(14)
(15)
u(t )
(8)
(9)
k =1
u(t )
(7)
k =1
*
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)
279
(19)
para j,n
. e jn a jk Q jkn
k =1
(20)
k ARR
(21)
e jn a j ,ARRQ j ,ARR ,n
(18)
(22)
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).
Cavaco de
Lenha
madeira
(LEN)
(CAV)
3,5
1,8
Fonte: Rocco (2011).
Palha de
arroz
(ARR)
4,0
leo BPF
(OLE)
13,0
281
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
21.819
+40.946
16.973
2.047
+107
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.
283
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.
Total
43.400
22.800
47,5
351.000
202.920
42,2
394.440
225.720
42,8
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 ($)
6.105.205
43.440
351.000
168.741
6.668.386
7Consideraes finais
Os resultados da aplicao do modelo no estudo de
caso foram considerados satisfatrios pelos gestores
da operao na empresa e, diante da ausncia de
protocolos ou ferramentas que auxiliem na tomada
de deciso no sistema estudado, o presente trabalho
apresenta-se como uma alternativa vivel na gesto
das operaes de produo de vapor em caldeiras
industriais. Sugere-se a aplicao do modelo para
apoiar principalmente decises tticas e operacionais
(mdio e curto prazos), por exemplo, com horizonte
rolante de tempo de 1ms, considerando as decises
da gesto dos combustveis na semana e as operaes
de ligar e desligar as caldeiras em cada dia. O estudo
de caso apresentado neste artigo, com o longo
horizonte de anlise de 350 subperodos, teve como
propsito efetuar um estudo mais abrangente dos
resultados.
Como citado anteriormente, o modelo explora
totalmente a capacidade limite de uma caldeira antes
Modelo
($)
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
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