Modelos de Otimização para Auxílio à Decisão no Planejamento Agregado da Colheita, Transporte, Produção e Co-geração de Energia em Usinas Sucroenergéticas

1. Contextualização
Num contexto real, os problemas de gestão empresarial podem incluir vários objetivos – representando o desempenho de várias áreas/setores/aspectos da empresa objeto do estudo –, e o interesse dos gestores envolvidos é obter melhorias/ganhos globais para a empresa como um todo. Corroborando com essa afirmação, Deb (2001) comenta que problemas reais de decisão são naturalmente multiobjetivos. 

Ocorre que, muitas vezes, esses objetivos podem ser conflitantes entre si, ou seja, quando se melhora um deles pode haver um prejuízo para outros objetivos, caracterizando-se como a existência de trade-offs entre os objetivos. 

Outra questão importante que gera aumento da complexidade na solução de problemas reais é a ocorrência de incerteza nos parâmetros de entrada dos modelos, como se verifica, por exemplo, na necessidade de se prever demandas futuras, qual valor da cotação do Dólar frente ao Real, entre outros casos. 

Além disto, usualmente em problemas reais há um grande número de variáveis e restrições envolvidas que devem ser respeitadas para que a decisão (ótima) escolhida possa ser viável de ser implementada na empresa. 

O que se tem percebido, em consultas aos gestores das usinas sucroenergéticas, é a falta de ferramentas de gestão (modelos) adequadas para o planejamento agregado das várias etapas (agrícola, transporte, produção, estocagem, logística de distribuição e cogeração de energia) que compõem o processo de tomada de decisão no cotidiano destas empresas. Observe-se que o setor sucroenergético brasileiro tem importante participação no agronegócio brasileiro e internacional, o que vem demandando mudanças organizacionais nas usinas para que estas se mantenham competitivas. 

De fato, problemas típicos em usinas de açúcar e álcool costumam apresentar alto grau de complexidade e dos vários aspectos que dificultam a tarefa do gestor podem ser citados (Paiva; Morabito, 2009): a sazonalidade da demanda, fatores climáticos, alto custo relativo da matéria-prima, a variação do preço dos produtos finais (commodities), e Falta de um modelo de planejamento de colheita que incorpore os custos e estratégias de corte de cana em cada talhão, a logística de transporte da cana cortada para a usina, a curva de maturação da cana, entre outros. 

Há alguns trabalhos científicos recentes que têm procurado tratar problemas importantes no setor do agronegócio, utilizando as técnicas da Pesquisa Operacional – PO (Marins, 2011), do inglês Operations Research, Operational Research, Management Science ou ainda Analytics.
Para que se tenha uma percepção da relevância e impacto da PO, em termos de benefícios econômicos, que o seu uso vem propiciando, fica a sugestão que se visite o site do The Institute for Operations Research and the Management Sciences – INFORMS, e, em particular, os finalistas do The Franz Edelman Award (Edelman Award, 2016). 

O Prêmio Edelman é uma competição internacional que atesta as contribuições da PO (Analytics) para governos, empresários e a sociedade em geral, e, desde sua concepção, os projetos finalistas acumularam um total de US$210 bilhões em vantagens econômicas, como resultado de melhorias na eficiência organizacional, aumento de lucros, geração de melhores produtos para os clientes, ajuda em negociações de paz, e no salvamento de vidas. 

Para a conjuntura brasileira, na área do agronegócio, pode-se citar algumas aplicações de Analytics:
– Paiva e Morabito (2009) destacam que é importante definir corretamente o momento de corte da cana em cada talhão para que seja obtida uma matéria-prima (cana cortada) que tenha o maior nível de Açúcares Redutores Totais, ou Total Reducing Sugars -TRS, e alto nível de pureza.
– Junqueira e Morabito (2012) desenvolveram um modelo de otimização para auxiliar nas decisões de planejamento agregado da produção, estoque e distribuição logística de produtos do setor de agronegócios, considerando diversos critérios e restrições técnicas e econômicas;
– Munhoz e Morabito (2014) apresentaram um estudo preliminar que analisa a incerteza nos parâmetros industriais de uma indústria cítrica;
– Caixeta Filho (2006) propôs um modelo matemático para auxiliar no planejamento da colheita de laranja;
– Colin (2009) propôs um modelo de programação quadrática para o problema de cronograma de plantio de cana de açúcar.

CLIQUE NO ARQUIVO E LEIA O ARTIGO NA ÍNTEGRA
arqnot10076.pdf

Autor: Prof. Dr. Aneirson Francisco da Silva e Prof. Dr. Fernando Augusto Silva Marins

COMPARTILHAR