Você está na página 1de 20

Modelagem e Simulação Discreta de Sistemas – INF2509

Departamento de Informática
PUC-Rio

Segundo Trabalho Prático


Simulação de uma cadeia logística considerando demanda variável

Gleidson Fonseca Soares


Sanjay Dominik Jena

Professor: Marcus Vinicius S. Poggi de Aragão

Rio de Janeiro – RJ
Julho de 2007

i
Sumário

1. INTRODUÇÃO ........................................................................................................................... 3
1.1. DESCRIÇÃO DO PROBLEMA ................................................................................................ 3
1.2. OBJETIVOS DO TRABALHO ................................................................................................. 4
1.3. ESTRUTURA DO TRABALHO ............................................................................................... 4
2. MODELO DE SIMULAÇÃO .......................................................................................................... 5
2.1. COMPONENTES DO MODELO DE SIMULAÇÃO ...................................................................... 5
2.1.1. ENTIDADES ............................................................................................................... 5
2.1.2. ESTADOS DO SISTEMA ............................................................................................... 5
2.1.3. LISTA DE EVENTOS ................................................................................................... 5
2.1.4. GRUPOS .................................................................................................................... 6
2.1.5. ATIVIDADES ............................................................................................................. 6
2.1.6. ATRASOS .................................................................................................................. 6
2.1.7. FENÔMENOS ALEATÓRIOS ......................................................................................... 6
2.2. PLANOS DE OPERAÇÃO ...................................................................................................... 6
2.3. DADOS LOGÍSTICOS DA OPERAÇÃO .................................................................................... 8
3. IMPLEMENTAÇÃO DO MODELO DE SIMULAÇÃO ....................................................................... 10
3.1. TRATAMENTO DOS EVENTOS ........................................................................................... 10
3.1.1. EVENTO 3: INDÚSTRIA TENTA ESTOCAR A PRODUÇÃO ............................................... 10
3.1.2. EVENTO 7: PORTO PÁRA CARREGAMENTO DE UM NAVIO ........................................... 10
3.1.3. EVENTO 9: CHEGADA DE UM NAVIO PARA TENTAR DESCARREGAR NO PORTO DO
CLIENTE 10
3.1.4. EVENTO 12: TENTATIVA DE REMOÇÃO DE UM NAVIO DA FILA DE DESCARREGAMENTO
NO PORTO 10
3.1.5. EVENTO 14: GERAÇÃO DAS DEMANDAS DOS CLIENTES PARA O PRÓXIMO MÊS,
VERIFICAÇÃO E CANCELAMENTO DE NAVIOS DESNECESSÁRIOS................................................. 11
3.2. EVENTOS INICIAIS .......................................................................................................... 11
3.3. CÁLCULOS ESTATÍSTICOS ............................................................................................... 11
3.3.1. CÁLCULOS LOCAIS .................................................................................................. 12
3.3.2. CÁLCULOS GERAIS .................................................................................................. 12
4. ANÁLISE DOS RESULTADOS .................................................................................................... 13
4.1. CENÁRIO A – SEM CANCELAMENTO DE NAVIOS ................................................................ 13
4.2. CENÁRIO B – COM CANCELAMENTO DE NAVIOS............................................................... 16
4.3. COMPARAÇÕES ENTRE OS CENÁRIOS A E B...................................................................... 19
5. CONCLUSÕES ......................................................................................................................... 20
1. INTRODUÇÃO

1.1. DESCRIÇÃO DO PROBLEMA

Seja uma indústria que produz um único produto. Essa indústria fica localizada no interior
de um continente e seu principal negócio é o abastecimento de dois clientes em continentes
distintos. Os clientes estão localizados em continentes diferentes do continente onde está situada a
indústria. A logística da operação dessa indústria consiste em produzir uma determinada quantidade
diária do produto, armazenar sua produção em uma área de estoque, transportar a produção para o
porto de escoamento e embarcar esta produção nos navios que partem desse porto para os clientes.
A Figura 1 ilustra o contexto do experimento.

Indústria
Cliente 1

Depósito da Porto Continente B


indústria

Depósito

Continente A

Cliente 2

Continente C

Legenda:

Rodovia:
Percurso dos navios:

Figura 1 - Cenária da modelagem

3
1.2. OBJETIVOS DO TRABALHO

Este trabalho tem como objetivo modelar o cenário descrito na seção 1.1 e comparar a
robustez de dois planejamentos para a cadeia logística descrita acima. Em ambos os planejamentos
a demanda mensal de cada cliente varia mensalmente dado uma certa distribuição de probabilidade
da demanda. O plano de envio de navios para atender estas demandas é fixo. No primeiro
planejamento os navios são agendados para sair de acordo com o plano de envio e todos os navios
chegam aos clientes, independente da variação da demanda especificada pelos clientes para aquele
mês. No segundo planejamento o envio de navios e a viagem dos navios já enviados são cancelados
conforme a variação da demanda mensal dos clientes. A quantidade e a capacidade dos navios são
definidas de forma a satisfazerem a média da demanda dos clientes. Consequentemente, no caso de
um cancelamento, não será redirecionado o navio ao outro cliente. Portanto, os resultados dos dois
cenários são comparados para verificar se vale a pena utilizar cancelamento de navios.

1.3. ESTRUTURA DO TRABALHO

A seção 2 descreve as alterações no modelo considerado no primeiro trabalho para atender


as novas especificações propostas. Na seção 3 é explica as alterações realizadas na implementação
do modelo de simulação. A seção 4 expõe uma análise dos resultados para os diferentes
planejamentos propostos e a seção 5 discute as conclusões.

4
2. MODELO DE SIMULAÇÃO

Em cada tópico desta seção, como em todas as seções deste trabalho, serão discutidas apenas as
alterações realizadas no sistema para atender os novos requisitos.

2.1. COMPONENTES DO MODELO DE SIMULAÇÃO

2.1.1. ENTIDADES

O sistema é composto por todas as entidades descritas no primeiro trabalho, exceto pela remoção de
um dos portos. Portanto, passamos a considerar apenas um porto para o escoamento da produção.

2.1.2. ESTADOS DO SISTEMA

As variáveis que descrevem o estado dos portos sofreram alterações. Como o novo sistema
considera apenas um porto e o sistema anterior considerava dois portos, eliminamos as variáveis
que caracterizavam o estado de um dos porto.

2.1.3. LISTA DE EVENTOS

A Tabela 1 descreve brevemente cada evento. Os eventos marcos em negrito e itálico são aqueles
que sofreram maiores alterações referentes à lógica do sistema (mudança do objetivo da simulação).
O evento 14 foi adicionado ao sistema para calcular a demanda mensal dos clientes e controlar o
cancelamento de navios de acordo com esta demanda.

Tabela 1 – Descrição dos eventos

Evento Descrição
1 Indústria pausa a produção
2 Indústria inicia a produção
3 Indústria tenta estocar a produção
4 Chegada de um veículo para carregamento no estoque da indústria
5 Chegada de um veículo para descarregamento no estoque do porto
6 Porto tentando iniciar carregamento de um navio
7 Porto parando carregamento de um navio
8 Porto coloca produção dentro de um navio
9 Chegada de um navio para tentar descarregar no porto do cliente
10 Remoção de um veículo da fila de descarregamento no estoque do porto
11 Chegada de um navio para carregamento no porto
12 Tentativa de remoção de um navio da fila de descarregamento no porto
13 Coleta de dados estatísticos
Geração das demandas dos clientes para o próximo mês, verificação e cancelamento
14
de navios desnecessários

5
2.1.4. GRUPOS

Os grupos referentes a um dos portos foram eliminados e adicionamos os dois grupos descritos
abaixo:

 filaNaviosEmViagem: fila de navios que estão viajando para atender a demanda dos
clientes;
 filaNaviosCancelados: fila de navios cancelados devido ao excesso de navios enviados
para atender a demanda de um determinado cliente.

2.1.5. ATIVIDADES

As atividades consideradas neste trabalho são as mesmas especificadas no primeiro trabalho.

2.1.6. ATRASOS

Os atrasos considerados neste trabalho são os mesmos especificados no primeiro trabalho.

2.1.7. FENÔMENOS ALEATÓRIOS

Além dos fenômenos aleatórios descritos no primeiro sistema adicionamos mais dois fenômenos
aleatórios. Estes fenômenos dizem respeito à demanda mensal dos clientes 1 e 2. Cada um destes
fenômenos é descrita por uma distribuição estatística contínua Normal que é apresentada na Tabela
3.

2.2. PLANOS DE OPERAÇÃO

Neste tópico discutimos as estratégias modificadas para atender os novos requisitos


propostos. É exposto o plano de chegada de navios para embarque de mercadorias no porto,
ressaltando que este plano foi totalmente modificado. As alterações são as seguintes:

 Continua existindo uma indústria, porém passamos a utilizar um único porto para o
escoamento da produção;

 Na primeira versão do trabalho a entrega era feita para um cliente. Neste trabalho,
passamos a atender dois clientes;

 Foram inseridos custos de produção para a indústria. Para cada tonelada do produto
fabricado é contabilizado o seu custo de produção.

 O preço pago pelos clientes foi aumentado de 30 USD para 100 USD por tonelada
entrega. Uma grande diferença entre o custo de produção e o ganho na venda é
necessária para justificar o atendimento a um cliente tão distante.

 A demanda contratada por cada cliente varia a cada mês. A demanda de um mês é
determinada da seguinte forma: no início do dia 24 do mês atual da simulação será

6
definida pelos clientes a demanda a ser entregue para o mês seguinte. Como o cliente
informa a sua demanda com apenas uma semana de antecedência, isto torna o
atendimento as suas necessidades mais difícil. Assim, para o recebimento do bônus é
necessário fornecer 90% demanda contratada pelo cliente (no sistema anterior era 99%).

 Temos dois cenários a serem comparados. No Cenário A não ocorre cancelamento de


navios que já foram enviados para o cliente para atender a demanda de um determinado
mês quando o cliente informa a sua demanda naquele mês e temos uma quantidade
superior de navios chegando ao cliente para atender aquela demanda.
Consequentemente, todos os navios chegam ao destino e pode ocorrer perda de
mercadoria caso a entrega exceda a demanda do cliente. No Cenário B ocorre o
cancelamento de navios já enviados para evitar o problema descrito anteriormente. O
plano para cancelamento de navios é o seguinte: quando a demanda do mês seguinte é
disponibilizada, nós sabemos quais navios que estão viajando são desnecessários. Assim,
as viagens destes navios desnecessários são canceladas. No cancelamento de uma
viagem o navio volta com a mercadoria para o depósito do porto e é contabilizado os
custos despendidos com esta operação. Como o cancelamento das viagens dos navios
desnecessários ocorre assim que a demanda do mês seguinte é informada, em qualquer
ponto da viagem de um navio poderá ocorrer o seu retorno ao porto de origem;

 São contabilizados os custos marítimos para um navio cancelado somente para o trecho
percorrido pelo navio até o ponto onde ele é informado sobre o cancelamento de sua
viagem (no dia 24 de um determinado mês). Toda a sua produção retorna para o depósito
do porto após o cancelamento;

 No término do embarque de um navio no porto serão verificados todos os navios que


devem chegar no mesmo mês que este navio ao cliente. Se a soma das produções dos
navios que irão descarregar no mesmo mês do navio prestes a iniciar sua viagem for
maior ou igual à demanda para aquele mês, então o navio na eminência de sua viagem
será cancelado. A mercadoria armazenada neste navio voltará para o porto no mesmo
instante.

7
A Tabela 2 apresenta o plano de embarque dos navios durante a semana para cada cliente.
Este plano informa o dia da semana em que iniciará o carregamento do navio, o horário de início do
carregamento e a quantidade a ser depositada nos navios.

Tabela 2 - Plano de embarque dos navios

Dia de início do Horário de início


Dia da semana Quantidade a ser embarcada (t)
embarque dos embarques
Segunda-feira - - -
Terça-feira X 14h00min 150000
Quarta-feira - - -
Cliente 1 Quinta-feira X 22h00min 150000
Sexta-feira - - -
Sábado - - -
Domingo X 06h00min 150000
Segunda-feira X 10h00min 80000
Terça-feira - - -
Quarta-feira X 18h00min 80000
Cliente 2 Quinta-feira - - -
Sexta-feira - - -
Sábado X 02h00min 80000
Domingo - - -

2.3. DADOS LOGÍSTICOS DA OPERAÇÃO

Os dados de entrada para o sistema estão dispostos na Tabela 3. Nesta tabela, os dados estão
distribuídos em grupos lógicos (primeira coluna da tabela). Para cada grupo temos um atributo e o
seu respectivo valor. Os atributos acrescentados ou modificados para atender os novos requisitos
propostos neste trabalho estão em negrito e itálico.

Tabela 3 - Dados numéricos da logística da operação

Atributo Valor
Tempo máximo de simulação 17280 h
Duração do dia 24 h
Relógio de simulação
Duração do mês 30 dias
Início da simulação 0 h de um determinado dia
Taxa máxima de produção 7500 t / h (180.000 t / dia)
Capacidade de estocagem 4200000 t
Período de produção contínua 672 h
Produção Dia do mês em que o cliente avisa a demanda
No dia 24 de cada mês
para o próximo mês
Custo de produção USD 10 t
Período de manutenção N(30 h, 6 h)
A cada 2 horas no intervalo das 4hs
Taxa de envio de veículos
da manhã até as 22hs
Capacidade dos veículos 10000 t
Transporte aos portos
Distância para o porto 600 km
Duração da viagem para o porto N(12 h, 3 h)
Custo do transporte para o porto USD 1.00 t. km

8
Capacidade de estocagem do porto 5600000 t
Embarques no porto Entre 80000 e 150000 t
Taxa de carregamento de navio 16000 t / h
Custo do embarque no porto USD 0.685 t.K
Multas por atraso no carregamento USD 3000 t / h
Porto Distância do porto ao Cliente 1 60000 km
Distância do porto ao Cliente 2 48000 km
Custo de transporte do porto ao Cliente 1 USD 0.0005 t.km
Custo de transporte do porto ao Cliente 2 USD 0.0005 t.km
Tempo de viagem dos navios ao Cliente 1 N(1200 h, 120 h)
Tempo de viagem dos navios ao Cliente 2 N(960 h, 72 h)
Demanda do Cliente 1 no mês seguinte N(1500000 t, 600000 t)
Demanda do Cliente 1 no mês seguinte N(1000000 t, 100000 t)
Ganho por tonelada entregue dentro da demanda USD 100 t
Demanda pelo produto Multa por cada 10000 t não entregues USD 60000 / mês
Excedente máximo 10 % da demanda mensal
Bônus USD 6000000 / mês
Entrega mensal para receber bônus 90 % da demanda contratada

9
3. IMPLEMENTAÇÃO DO MODELO DE SIMULAÇÃO

3.1. TRATAMENTO DOS EVENTOS

São apresentados apenas os eventos alterados e o novo evento criado (evento 14 listado abaixo).

3.1.1. EVENTO 3: INDÚSTRIA TENTA ESTOCAR A PRODUÇÃO

 Inicia a execução do evento no tempo t


 qDepInd(t) = qDepInd(t) + quant, onde quant é a taxa de produção da indústria a cada
hora ou é a quantidade que da para estocar caso o espaço para estocagem seja menor do
que a quantidade produzida a cada hora
 Coleta dados estatísticos (adiciona custo de produção)
 Retorna o controle para continuar a simulação

3.1.2. EVENTO 7: PORTO PÁRA CARREGAMENTO DE UM NAVIO

 Inicia a execução do evento no tempo t


 statusPorto(porto, t) = false
 Calcula s*, sendo s* o fim da viagem do navio (momento em que o navio chega no
destino)
 Verifique se é necessário enviar este navio (caso os outros navios que chegarão no
mesmo mês satisfazer a demanda, não é necessário o seu envio).
 Caso seja necessário, cria evento 9 e agenda a sua execução para o tempo t + s* e
coloca o navio na fila de navios viajando
 Caso contrário, cancela o envio deste navio (os navios que já estão viajando
atendem a demanda do cliente para o mês) e aplica os custos marítimos parciais
 Coleta dados estatísticos
 Retorna o controle para continuar a simulação

3.1.3. EVENTO 9: CHEGADA DE UM NAVIO PARA TENTAR DESCARREGAR NO PORTO DO


CLIENTE

 Inicia a execução do evento no tempo t


 Verifica se o navio que chega ao cliente é um dos navios cancelados (se ele estiver na fila
de navios cancelados). Se ele estiver na fila de navios cancelados então não é
contabilizado os custos de viagem e a mercadoria não é entregue ao cliente
 Coleta dados estatísticos
 Retorna o controle para continuar a simulação

3.1.4. EVENTO 12: TENTATIVA DE REMOÇÃO DE UM NAVIO DA FILA DE DESCARREGAMENTO


NO PORTO

 Inicia a execução do evento no tempo t

10
 Seleciona a fila para carregamento de navios a ser tratada (fila de navios para o cliente 1
ou fila de navios pra o cliente 2). Se na última execução deste evento a fila de navios
referente ao Cliente 1 foi tratada então nesta execução será tratada a fila de navios
referente ao Cliente 2. Caso contrário, os papéis são invertidos. Assim, as filas são
tratadas de forma alternada.
 Caso a fila do cliente escolhido esteja vazia e a fila do outro cliente não esteja vazia,
então a fila não vazia é selecionada
 Se a fila para carregamento de navios no porto possui algum navio (numNFEmb(porto, t)
> 0)
 confere a capacidade do navio i da fila para carregamento no Porto
 Se não tiver navio carregando e o depósito do porto possuir quantidade suficiente
para carregar todo o navio ((statusPorto(porto, t) == 0) && (qDepPorto(porto, t)
>= capacNavio(navio)))
 tira o navio da fila para carregamento no porto
 numNFEmb(porto, t) = numNFEmb(porto, t) – 1
 Cria o evento 11 e agenda a sua execução para o tempo t
 Coleta dados estatísticos
 Retorna o controle para continuar a simulação

3.1.5. EVENTO 14: GERAÇÃO DAS DEMANDAS DOS CLIENTES PARA O PRÓXIMO MÊS,
VERIFICAÇÃO E CANCELAMENTO DE NAVIOS DESNECESSÁRIOS

 Inicia a execução do evento no tempo t


 Calcula x, sendo x a demanda do próximo mês para o Cliente 1
 Cancela os navios desnecessários que irão chegar no próximo mês para suprir a demanda
do Cliente 1
 Calcula y, sendo y a demanda do próximo mês para o Cliente 2
 Cancela os navios desnecessários que irão chegar no próximo mês para suprir a demanda
do Cliente 2
 Coleta dados estatísticos
 Retorna o controle para continuar a simulação

3.2. EVENTOS INICIAIS

A simulação inicia com os eventos já agendados descritos no primeiro trabalho mais a inserção de
vários eventos do tipo 14 (eventos que geram as demandas dos clientes para o próximo mês e
verifica quais navios podem ser cancelados) na fila de eventos a serem executados no dia 24 de
cada mês durante toda a simulação.

3.3. CÁLCULOS ESTATÍSTICOS

Adicionamos cálculos para analisarmos a nova situação inserida neste trabalho. Na seção 3.3.1 são
apresentados os cálculos locais e são destacados os acréscimos. Na seção 3.3.2 mostramos os
cálculos gerais destacando, também, os acrescidos.

11
3.3.1. CÁLCULOS LOCAIS

Conforme descrito no primeiro trabalho, os dados calculados para cada replicação são divididos em
categorias. Abaixo são apresentadas as categorias com suas respectivas métricas.

 Produção: a produção é descrita pela entrega dentro da demanda contratada feita pelo porto;
pelo excedente entregue aos clientes (quantidade não superior a 10% da demanda
contratada) e pela quantidade de produto jogado fora (quantidade que superior a 10 % da
demanda contratada);

 Despesas: as despesas são compostas pelos custos e multas. Os custos são formados pelos
custos rodoviários e marítimos para transportar as mercadorias, pelos os custos de embarque
de mercadorias no porto, pelos custos de produção e pelos custos decorrentes do
cancelamento de navios durante sua viagem. As multas são compostas pelas multas
aplicadas por não atingir a demanda contratada e pela multas por demurragem nos portos;

 Receita: o ganho por tonelada entregue dentro da demanda contratada mais o bônus pago
pelo cliente são as fontes de receita da empresa;

 Lucro: o lucro é a diferença entre a receita da empresa e todas as despesas pagas pela
mesma;

 Navios: quantidade de navios cancelados e o tempo de viagem de cada navio até o


momento de seu cancelamento.

3.3.2. CÁLCULOS GERAIS

A métrica utilizada para definir o período de migração do Regime Transitório para o Regime
Permanente é a mesma considerada no primeiro trabalho. Para definir os diferentes intervalos de
confiança para algumas das medidas de desempenho descritas na seção anterior foram seguidos os
mesmos passos apresentados no primeiro trabalho.

12
4. ANÁLISE DOS RESULTADOS

Para a análise do comportamento do sistema foram realizadas 400 replicações. Conforme feito no
trabalho anterior, a simulação foi executada por um período de 24 meses, mas para os cálculos
estatísticos foram coletados dados dos últimos 12 meses de simulação. Esta abordagem serve para
desconsiderar o período de aquecimento do sistema. Este período é observado durante os primeiros
meses da simulação.

Nas seções 4.1 e 4.2 é apresentada uma análise detalhada para os cenários A e B respectivamente.
Nesta análise é exposto um estudo do sistema para definir o início do regime permanente e é feita
uma análise da confiança dos dados gerados. A seção 4.3 compara estes dois cenários.

4.1. CENÁRIO A – SEM CANCELAMENTO DE NAVIOS

As tabelas seguintes mostram como foram calculados os intervalos de confiança das médias para os
clientes 1 e 2 e para os dados gerais da simulação no Cenário A. Neste cenário não ocorrem
cancelamentos de navios a medida que os clientes informam a demanda para o próximo mês.

Tabela 4 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para o Cliente 1

Média de Média de multa


Média de Média de
Replicação mercadorias por demanda
demanda entrega
jogada fora contratada
1 1395298,25 1900000,00 530199,92 20130,83
2 1327813,00 1900000,00 610199,58 22807,42
3 1480090,92 1912500,00 442556,17 15234,33
4 1471659,25 1900000,00 421583,17 2648,50
5 1719761,50 1937500,00 334597,50 72405,33
.
.
.
396 1637004,75 1937500,00 394172,67 56206,33
397 1454921,08 1912500,00 453578,58 2416,00
398 1801446,83 1925000,00 378609,17 156240,50
399 1416507,75 1912500,00 643800,50 91127,75
400 1393464,58 1900000,00 608347,67 66233,58
Média das
1502825,18 1926187,50 491343,22 45584,32
médias
Desvio
168958,23 19128,80 142502,57 35213,41
padrão

13
Tabela 5 – Intervalos de confiança construído para as médias para o Cliente 1

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 21795,61 1481029,57 1524620,79
Média de demanda 95% 0,05 1,96 16557,91 1486267,27 1519383,09
90% 0,1 1,64 13854,57 1488970,61 1516679,75
99% 0,01 2,58 2467,61 1923719,89 1928655,11
Média de entrega 95% 0,05 1,96 1874,62 1924312,88 1928062,12
90% 0,1 1,64 1568,56 1924618,94 1927756,06
Média de 99% 0,01 2,58 18382,83 472960,39 509726,05
mercadorias jogada 95% 0,05 1,96 13965,25 477377,96 505308,47
fora 90% 0,1 1,64 11685,21 479658,01 503028,43
99% 0,01 2,58 4542,53 41041,79 50126,85
Média de multa por
95% 0,05 1,96 3450,91 42133,41 49035,24
demanda contratada
90% 0,1 1,64 2887,50 42696,82 48471,82

Observando os dados da Tabela 5, descobrimos que o intervalo 1481029,57 ≤ µ ≤ 1524620,79


contém a média de demanda do Cliente 1 com 99% de confiança. Podemos observar que, ao
diminuirmos a confiança, passando de 99 % para 95 %, o tamanho total da metade do intervalo
diminui de 21795,61 para 16557,91, indicando uma precisão maior. Este mesmo raciocínio pode ser
utilizado para a análise dos demais dados desta tabela.

Tabela 6 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para o Cliente 2

Média de Média de multa


Média de Média de
Replicação mercadorias por demanda
demanda entrega
jogada fora contratada
1 996442,00 1033333,33 44650,25 9684,25
2 1009678,00 1033333,33 28604,92 7395,50
3 982058,33 1026666,67 37712,92 0,00
4 1004457,75 1020000,00 48831,50 19973,42
5 985040,00 1026666,67 57986,33 13416,50
.
.
.
396 1000330,83 1020000,00 57719,17 22829,83
397 924924,92 1026666,67 112942,33 7480,75
398 1000845,42 1033333,33 45615,67 7876,50
399 993026,00 1033333,33 55207,25 8939,83
400 1025637,58 1040000,00 48172,17 24295,08
Média das
999694,55 1028383,33 46598,77 13500,41
médias
Desvio
27774,24 7858,94 20495,86 9319,63
padrão

14
Tabela 7 – Intervalos de confiança construído para as médias para o Cliente 2

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 3582,88 996111,68 1003277,43
Média de demanda 95% 0,05 1,96 2721,88 996972,68 1002416,43
90% 0,1 1,64 2277,49 997417,07 1001972,04
99% 0,01 2,58 1013,80 1027369,53 1029397,14
Média de entrega 95% 0,05 1,96 770,18 1027613,16 1029153,51
90% 0,1 1,64 644,43 1027738,90 1029027,77
Média de 99% 0,01 2,58 2643,97 43954,81 49242,74
mercadorias jogada 95% 0,05 1,96 2008,59 44590,18 48607,37
fora 90% 0,1 1,64 1680,66 44918,11 48279,43
99% 0,01 2,58 1202,23 12298,18 14702,64
Média de multa por
95% 0,05 1,96 913,32 12587,08 14413,73
demanda contratada
90% 0,1 1,64 764,21 12736,20 14264,62

Seguindo a mesma linha de raciocínio exposta anteriormente, analisando os dados da acima,


descobrimos que o intervalo 996111,68 ≤ µ ≤ 1003277,43 contém a média de demanda do Cliente 2
com 99% de confiança e o intervalo 12736,20 ≤ µ ≤ 14264,62 contém a média de multa aplicada
por demanda contratada não cumprida pelo Cliente 2 com 90% de confiança.

Tabela 8 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para os dados gerais da simulação

Replicação Média de custos Média de multas Média de despesas Média da receita Média de saldo
1 224873791,12 29815,08 112556710,64 234204841,67 121648131,02
2 224423791,12 30202,92 112332098,48 228715233,33 116383134,86
3 225353791,14 15234,33 112782129,90 244175858,33 130893728,43
4 224221291,09 22621,92 112223267,46 244341350,00 131618082,54
5 226916291,21 85821,83 113633967,44 256176475,00 142542507,56
.
.
.
396 225771291,19 79036,17 113054681,76 250560816,67 137506134,90
397 224953791,14 9896,75 112576792,32 236835133,33 123758341,01
398 226323791,19 164117,00 113416012,59 252876350,00 139460337,41
399 225573791,15 100067,58 112976963,16 224275408,33 111298445,17
400 224668791,13 90528,67 112514924,23 226822083,33 114307159,10
Média das
226107191,18 59084,73 113202680,32 240526986,15 127201805,83
médias
Desvio
1277252,69 36723,52 634357,64 14307916,35 14299976,35
padrão

15
Tabela 9 – Intervalos de confiança construído para os dados gerais da simulação

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 164765,60 225942425,58 226271956,78
Média de custos 95% 0,05 1,96 125170,76 225982020,42 226232361,94
90% 0,1 1,64 104734,72 226002456,46 226211925,90
99% 0,01 2,58 4737,33 54347,40 63822,06
Média de multas 95% 0,05 1,96 3598,91 55485,82 62683,64
90% 0,1 1,64 3011,33 56073,40 62096,06
99% 0,01 2,58 81832,14 113120848,19 113284512,46
Média de despesas 95% 0,05 1,96 62167,05 113140513,27 113264847,37
90% 0,1 1,64 52017,33 113150662,99 113254697,65
99% 0,01 2,58 1845721,21 238681264,94 242372707,36
Média da receita 95% 0,05 1,96 1402175,80 239124810,34 241929161,95
90% 0,1 1,64 1173249,14 239353737,00 241700235,29
99% 0,01 2,58 1844696,95 125357108,88 129046502,77
Média de saldo 95% 0,05 1,96 1401397,68 125800408,14 128603203,51
90% 0,1 1,64 1172598,06 126029207,77 128374403,89

4.2. CENÁRIO B – COM CANCELAMENTO DE NAVIOS

As tabelas seguintes mostram como foram calculados os intervalos de confiança das médias para os
clientes 1 e 2 e para os dados gerais da simulação no Cenário B. Neste cenário ocorrem
cancelamentos de navios a medida que os clientes informam a demanda para o próximo mês.

Tabela 10 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para o Cliente 1

Média de
Média de tempo de
Média de Média de
Média de Média de multa por viagem
Replicação mercadorias navios
demanda entrega demanda quando um
jogada fora cancelados
contratada navio é
cancelado
1 1395298,25 1400000,00 30199,92 20130,83 3,25 322,44
2 1327813,00 1350000,00 60199,58 22807,42 4,25 354,45
3 1480090,92 1487500,00 17556,17 15234,33 3,17 340,83
4 1471659,25 1512500,00 37416,17 2648,50 2,50 280,71
5 1719761,50 1650000,00 47097,50 72405,33 1,67 121,67
.
.
.
396 1637004,75 1575000,00 31672,67 56206,33 2,42 278,89
397 1454921,08 1487500,00 28578,58 2416,00 3,25 308,91
398 1801446,83 1562500,00 27468,42 163056,08 2,42 215,47
399 1416507,75 1287500,00 21535,83 92768,92 4,75 351,75
400 1393464,58 1362500,00 70847,67 66233,58 3,75 361,38
Média das
1502825,18 1462781,25 33118,01 47900,70 3,12 283,35
médias
Desvio
168958,23 133470,52 17712,36 36299,20 0,91 64,14
padrão

16
Tabela 11 – Intervalos de confiança construído para as médias para o Cliente 1

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 21795,61 1481029,57 1524620,79
Média de demanda 95% 0,05 1,96 16557,91 1486267,27 1519383,09
90% 0,1 1,64 13854,57 1488970,61 1516679,75
99% 0,01 2,58 17217,70 1445563,55 1479998,95
Média de entrega 95% 0,05 1,96 13080,11 1449701,14 1475861,36
90% 0,1 1,64 10944,58 1451836,67 1473725,83
Média de 99% 0,01 2,58 2284,89 30833,12 35402,91
mercadorias jogada 95% 0,05 1,96 1735,81 31382,20 34853,83
fora 90% 0,1 1,64 1452,41 31665,60 34570,43
99% 0,01 2,58 4682,60 43218,10 52583,30
Média de multa por
95% 0,05 1,96 3557,32 44343,38 51458,02
demanda contratada
90% 0,1 1,64 2976,53 44924,17 50877,24
99% 0,01 2,58 0,12 3,00 3,23
Média de navios
95% 0,05 1,96 0,09 3,03 3,20
cancelados
90% 0,1 1,64 0,08 3,04 3,19
Média do tempo de 99% 0,01 2,58 8,27 275,07 291,62
viagem quando um 95% 0,05 1,96 6,29 277,06 289,63
navio é cancelado 90% 0,1 1,64 5,26 278,09 288,61

Tabela 12 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para o Cliente 2

Média de
Média de tempo de
Média de Média de
Média de Média de multa por viagem
Replicação mercadorias navios
demanda entrega demanda quando um
jogada fora cancelados
contratada navio é
cancelado
1 996442,00 980000,00 0,00 13926,50 0,67 41,00
2 1009678,00 1006666,67 3079,83 7395,50 0,33 20,17
3 982058,33 993333,33 4379,58 0,00 0,42 47,50
4 1004457,75 980000,00 8831,50 19973,42 0,58 39,50
5 985040,00 973333,33 11602,00 17585,83 0,83 57,83
.
.
.
396 1000330,83 966666,67 10151,00 26288,83 0,67 35,33
397 924924,92 933333,33 19609,00 7480,75 1,25 79,00
398 1000845,42 1000000,00 12282,33 7876,50 0,25 11,33
399 993026,00 966666,67 0,00 15815,50 0,83 51,17
400 1025637,58 993333,33 1511,42 24298,58 0,50 28,50
Média das
999694,55 984366,67 7429,62 15925,27 0,54 36,05
médias
Desvio
27774,24 18195,97 7212,05 10139,35 0,23 15,55
padrão

17
Tabela 13 – Intervalos de confiança construído para as médias para o Cliente 2

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 3582,88 996111,68 1003277,43
Média de demanda 95% 0,05 1,96 2721,88 996972,68 1002416,43
90% 0,1 1,64 2277,49 997417,07 1001972,04
99% 0,01 2,58 2347,28 982019,39 986713,95
Média de entrega 95% 0,05 1,96 1783,20 982583,46 986149,87
90% 0,1 1,64 1492,07 982874,60 985858,74
Média de 99% 0,01 2,58 930,35 6499,27 8359,98
mercadorias jogada 95% 0,05 1,96 706,78 6722,84 8136,40
fora 90% 0,1 1,64 591,39 6838,24 8021,01
99% 0,01 2,58 1307,98 14617,29 17233,24
Média de multa por
95% 0,05 1,96 993,66 14931,61 16918,92
demanda contratada
90% 0,1 1,64 831,43 15093,84 16756,69
99% 0,01 2,58 0,03 0,51 0,57
Média de navios
95% 0,05 1,96 0,02 0,52 0,57
cancelados
90% 0,1 1,64 0,02 0,52 0,56
Média do tempo de 99% 0,01 2,58 2,01 34,04 38,05
viagem quando um 95% 0,05 1,96 1,52 34,52 37,57
navio é cancelado 90% 0,1 1,64 1,28 34,77 37,32

Tabela 14 – Média para os diversos parâmetros. É apresentada a média das replicações para as primeiras e últimas
replicações realizadas para os dados gerais da simulação

Replicação Média de custos Média de multas Média de despesas Média da receita Média de saldo
1 181497122,90 34057,33 90872618,79 233497800,00 142625181,21
2 176860456,16 30202,92 88550430,99 228715233,33 140164802,34
3 188087123,18 15234,33 94148795,93 244175858,33 149527062,41
4 190617956,56 22621,92 95421600,20 244341350,00 148419749,80
5 200772956,94 89991,17 100566469,63 255481575,00 154915105,37
.
.
.
396 193144623,37 82495,17 96744806,85 249984300,00 153239493,15
397 183223789,71 9896,75 91711791,61 236835133,33 144623341,73
398 195323790,08 170932,58 97922827,62 251740425,00 153817597,38
399 169290455,89 108584,42 84843812,36 222855933,33 138012120,97
400 178128789,50 90532,17 89244926,91 226821491,67 137576564,75
Média das
185976348,09 63825,97 93142000,01 239714277,79 146472277,78
médias
Desvio
10618010,05 38025,15 5317764,30 14118649,09 8954233,84
padrão

18
Tabela 15 – Intervalos de confiança construído para os dados gerais da simulação

Intervalo de Intervalo de
Confiança
α tn-1, α/2 Precisão confiança da confiança da
100(1 - α)%
Média (min) Média (max)
99% 0,01 2,58 1369723,30 184606624,80 187346071,39
Média de custos 95% 0,05 1,96 1040564,98 184935783,11 187016913,08
90% 0,1 1,64 870676,82 185105671,27 186847024,92
99% 0,01 2,58 4905,24 58920,72 68731,21
Média de multas 95% 0,05 1,96 3726,47 60099,50 67552,43
90% 0,1 1,64 3118,06 60707,90 66944,03
99% 0,01 2,58 685991,59 92456008,42 93827991,61
Média de despesas 95% 0,05 1,96 521140,90 92620859,11 93663140,92
90% 0,1 1,64 436056,67 92705943,34 93578056,69
99% 0,01 2,58 1821305,73 237892972,06 241535583,52
Média da receita 95% 0,05 1,96 1383627,61 238330650,18 241097905,40
90% 0,1 1,64 1157729,23 238556548,57 240872007,02
99% 0,01 2,58 1155096,17 145317181,61 147627373,94
Média de saldo 95% 0,05 1,96 877514,92 145594762,86 147349792,69
90% 0,1 1,64 734247,17 145738030,60 147206524,95

4.3. COMPARAÇÕES ENTRE OS CENÁRIOS A E B

Conforme já discutido, foram construídos dois cenários para serem simulados. Estes cenários se
diferenciam quanto as decisões sobre o cancelamento de navios perante a demanda fornecida pelos
clientes. No Cenário A foi observado uma média de ganho de 127,2 milhões $ entregue aos clientes
durante todo o ano de simulação. Já no Cenário B foi computada uma média de ganho de 146,5
milhões $. As médias de despesas computadas no Cenário A totalizaram 113,2 milhões $ e no
Cenário B, como conseqüência do cancelamento de navios não necessários, totalizaram 93,1
milhões $ durante um ano de simulação.

No Cenário B foram cancelados em média 3,12 navios enviados para o Cliente 1 durante todo o ano
da simulação e para o Cliente 2 foram cancelados em média 0,54 navios. Na média, os navios foram
cancelados antes da metade da duração de suas viagens: a média de tempo de viagem dos navios
enviados para o Cliente 1 quando eles foram cancelados foi de 283,35 h e para o Cliente 2 foi de
36,05 h.

A média mensal de mercadorias jogada fora em entregas para o Cliente 1 foi de 491,3 kt e 33,1 kt
para os cenários A e B respectivamente. Já para o Cliente 2 esta média foi de 46,6 kt e 7,4 kt para os
cenários A e B respectivamente. Esta drástica redução ocorrida no Cenário B se justifica pela
flexibilidade inserida com as operações de cancelamento de navios enviados aos clientes quando as
demandas dos mesmos são satisfeitas.

O Cenário A apresentou uma média total de 59.084,73 $ em multas no ano de simulação e o


Cenário B apresentou 63.825,97 $. Porém, comparando os dois cenários em termos de lucro total, o
Cenário A (lucro de 127,2 milhões $ no ano) lucrou menos do que o Cenário B (lucro de 146,5
milhões $ no ano). Conseqüentemente, o cenário onde ocorrem cancelamentos de navios (Cenário
B) é mais lucrativo do que o cenário onde não ocorrem estes cancelamentos (Cenário A).

19
5. CONCLUSÕES

O cenário onde foi inserida a possibilidade do não envio ou do cancelamento de navios durante as
suas viagens para procurar atender a variação da demanda mensal dos clientes se mostrou mais
vantajosa do que o cenário onde o envio de navios não considera a variação mensal desta demanda.
Considerar operações de envios de navios sensíveis a variação de demanda dos clientes se mostra
mais lucrativa do que uma abordagem fixa. As médias dos cancelamentos de navios mostraram que
uma estratégia com cancelamento de navios é mais eficaz em casos onde a demanda sofre maiores
variações.

20