APLICAÇÃO DA SIMULAÇÃO COMPUTACIONAL COMO FERRAMENTA DE APOIO À TOMADA DE ...abepro.org.br/biblioteca/enegep2014_TN_STO_200_134_25139.pdf · 2016-08-11 · ... Fases do Processo

APLICAÇÃO DA SIMULAÇÃO

COMPUTACIONAL COMO FERRAMENTA DE APOIO À TOMADA DE DECISÃO:

AVALIAÇÃO DO PARQUE DE TANCAGEM DE PRODUTOS QUÍMICOS.

Marcos Leandro Hoffmann Souza (Unisinos )

[email protected] Luis Henrique Rodrigues (Unisinos )

[email protected] Lia Denize Piovesan (Unisinos )

[email protected] Giuliano Salbego Flores (Unisinos )

[email protected] FABRICIO EIDELWEIN (Unisinos )

[email protected]

Este trabalho apresenta a aplicação da simulação computacional em uma indústria de segunda geração do setor petroquímico, com o objetivo de verificar a capacidade existente na área de tancagem e carregamento. Foi realizado uma revisão bibliográfica com enfoque nos conceitos sobre simulação computacional. O desenvolvimento do trabalho, deu-se pelo conhecimento das premissas e restrições do processo atual. No modelo conceitual foram definidos as variáveis de entrada e a construção do modelo computacional foi realizada com uso do software Arena 14.0. Finalmente, foram propostos diferentes cenários avaliando as possíveis variações no processo produtivo, demandas interna e externa, com enfoque na necessidade de novos recursos de armazenamento e carregamento. Palavras-chaves: Pesquisa Operacional. Modelagem. Simulação Computacional

XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10

Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.



13

1. Introdução

O mercado competitivo indiferente de qualquer organização ou setor, exige uma excelência

na sua atuação. Devido a existência der uma concorrência acirrada, as empresas devem buscar

retorno de receita constantemente, que mantenha suas políticas internas na busca de

excelência na gestão de custos e que reflita em ganho financeiro e bem estar da organização.

Segundo Arnold (1999), planejamento de capacidade é o processo de determinação dos

recursos necessários à realização do plano de prioridade e dos métodos necessários para

disponibilizar a capacidade exigida por determinado processo. Ou seja, a capacidade existente

deve ser suficiente para atender o mercado.

Segundo Moreira (2010), o constante aumento da demanda por produtos da segunda geração

da indústria química torna a mesma o segundo maior setor industrial brasileiro. Para atender o

consumo crescente, as empresas deste setor precisam investir em novos empreendimentos. O

aumento da capacidade produtiva tem um impacto direto na área de tancagem e

armazenamento. Caso haja ampliação da unidade em operação ou em novas unidades faz se

necessário avaliar a capacidade de armazenamento.

A avalição equivocada da área de tancagem, como, a quantidade necessária para atender a

nova demanda, pode influenciar no atendimento dos clientes prejudicando o nível de serviço e

o retorno financeiro esperado, em um pior cenário, prejudicar a reputação da empresa.

(BARBOSA, 2010).

Devido a complexa interação de variáveis existentes em projetos de aumento de capacidade,

ou instalação de novas unidades produtivas, torna-se necessário o uso de algumas ferramentas

de análise e apoio à tomada de decisão. Estas por sua vez, darão suporte à escolha do melhor

cenário e auxiliarão a entender de forma clara os riscos existentes. (VIANA, 2008). Dentre as

ferramentas de apoio à tomada de decisão, a simulação computacional vem demostrando

grande eficácia, pois possibilita simular os diversos cenários existentes nos processos

produtivos e suas interfaces (consumo, fornecimento e produção). (LIMA; et al, 2003).

O presente trabalho faz uso de simulação computacional na área de logística, mais

precisamente na área de tancagem. Realizou-se uma avaliação da capacidade de tancagem e

de carregamento rodoviário, instalada em uma empressa de segunda geração situada no III

Pólo Petroquímico do Sul. Frente a uma esperada ampliação da produção, analisou-se qual a



14

necessidade de tanques para atender a capacidade produtiva da demanda futura pós ampliação

na produção.

2. Simulação computacional

Simulação computacional refere-se a uma ampla coleção de métodos e aplicações, afim de

representar os sistemas reais com uso de softwares genéricos. (KELTON, SADOWSKI,

RANDALL, 2002).

Conforme Medina e Chwif (2010), a simulação computacional é dividida em três categorias

básicas:

a) Simulação Monte Carlo: esta simulação não considera o tempo explicitamente sendo

uma variável, ela utiliza um gerador de números aleatórios para simular sistemas,

podendo serem físicos e/ou matemáticos;

b) Simulação contínua: é utilizada para simular modelos que variam continuamente ao

longo do tempo e possuem na maioria das vezes natureza determinística;

c) Simulação de eventos discretos: utiliza-se para modelar sistemas que mudam seu

estado em momentos discretos ao longo do tempo em decorrência de algum evento.

Nesta categoria ela é orientada por eventos como o próprio nome diz, o relógio de

simulação sempre irá indicar o instante que o evento acontece.

A construção de modelos de simulação, normalmente é orientada por um método que

guia o pesquisador e/ou analista ao longo do estudo. Um dos métodos propostos é o

desenvolvido por Law, Kelton (2003) conforme a Figura 1.



15

Figura 1 - Fases do Processo de Simulação

Formular o problema e planejar o estudo

Coletar dados e definir o modelo

Modelo conceitual é

válido?

Contruir um programa de computador e verificar

Rodar lote piloto

Modelo programado

é válido?

Projetar experiementos

Rodar produção

Análise dados de saída

Documentar, apresentar e implementar resultados

Não

Não

Sim

Sim

Fonte: Law & Kelton, 2003

O método proposto por LAW, KELTON (2003), tem um enfoque principal em seis grandes

fases:

a) Estruturação do problema: esta fase tem como objetivo apresentar o problema a ser

estudado, definir o cronograma, objetivos do estudo, indicadores do sistema e uma

representação sucinta do sistema;

b) Modelagem Conceitual: esta fase tem como propósito definir os fluxos estudados

no modelo simplificado, objetivando identificar o escopo do modelo, as variáveis

de entrada e os indicadores analisados;

c) Coleta dos dados de entrada: após definir os dados a serem estudados deve-se

definir quais serão utilizados no modelo e posteriormente o tratamento estatístico

dos mesmos;



16

d) Modelagem computacional: esta fase tem como propósito a codificação do modelo

propriamente dito com os conjuntos de lógicas definidos afim de emular o sistema;

e) Validação do Modelo Computacional: essa fase tem como objetivo verificar o

comportamento do modelo simulado em comparação com o modelo atual;

f) Análise dos Resultados: este módulo tem como objetivo avaliar os resultados de

saída do software, e comparação entre os cenários.

Segundo Law e Kelton (2003), um dos principais problemas na construção de modelos de

simulação é o fato de conseguir uma representação da realidade a ser estudada sem ignorar

dados relevantes ao estudo. Com o objetivo de atender o propósito deste estudo, utilizou-se o

método proposto por Low e Kelton (2003).

3. Abordagem metodologica

A metodologia é constituida de um conjunto de etapas, que são postas de maneira ordenada, a

serem executadas para atingir o objetivo. (GIL, 2007). A aplicação deste trabalho tem por

objetivo adicionar conhecimento, afim de ser utilizado em aplicações práticas.

Dado o ambiente onde foi aplicado e os resultados gerados, pode-se definir como uma

metodologia de pesquisa-ação. A pesquisa-ação tem como finalidade, conforme o próprio

nome diz, vincular a pesquisa a prática e com isso, gerar conhecimento .

Deste modo, o presente trabalho trás como objetivo prático, a contrução de modelos de

simulação por envetos discretos, sendo aplicado no dimensionamento da capacidade de

tancagem para armazenamento de produtos químicos, visando aumento de capacidade e

demanda.

O método de trabalho utilizado segue as seis principais etapas conforme sugerido por Law,

Kelton (2003). Estas etapas consistem em:

a) Estruturação do problema: esta fase tem como objetivo apresentar o problema a ser

estudado, definir o cronograma, objetivos do estudo, indicadores do sistema e uma

representação sucinta do sistema;

b) Modelagem Conceitual: esta fase tem como propósito definir os fluxos estudados no

modelo simplificado, objetivando identificar o escopo do modelo, as variáveis de entrada e

os indicadores analisados;



17

c) Coleta dos dados de entrada: após definir os dados a serem estudados deve-se definir quais

serão utilizados no modelo e posteriormente o tratamento estatístico dos mesmos;

d) Modelagem computacional: esta fase tem como propósito a codificação do modelo

propriamente dito com os conjuntos de lógicas definidos afim de emular o sistema;

e) Validação do Modelo Computacional: essa fase tem como objetivo verificar o

comportamento do modelo simulado em comparação com o modelo atual;

f) Análise dos Resultados: este módulo tem como objetivo avaliar os resultados de saída do

software, e comparação entre os cenários.

4. Aplicação do método

Neste capítulo, será abordado a aplicação de cada etapa do método desenvolvido no trabalho.

4.1 Estruturação do problema

O presente estudo, tem como objetivo construir um conjunto de modelos que represente uma

série de cenários, para auxiliar na tomada de decisão, referente a necessidade de apliação do

parque tancagem da área de armazenagem de hidrocarbonetos, frente ao aumento da produção

e demanda. O estudo foi realizado em conjunto com os expecialista da empresa, dando o

suporte necessário para o bom andamento do trabalho.

O trabalho contou ainda com os seguintes objetivos:

Dimensionamento e visualização dos impactos gerados no parque de tancagem de

estireno em função do incremento da capacidade produtiva e demanda;

Avaliação da aplicabilidade da técnica de simulação computacional para o problema em

estudo.

4.2. Modelagem Conceitual

O modelo conceitual, consiste na saída de estireno para a área de tancagem e armazenamento.

Na área de tancagem é recebido por um dos tanques selecionados, conforme critério

determinado pela engenharia de produção, neste trabalho os tanques serão intitulados como,

“armazenamento tanques” e não serão tratados casos individuais de cada tanque. Este método

foi aceito devido já haver uma capacidade instalada e o presente trabalho, abordará um



18

acréscimo deste espaço disponível, ou seja, qual a quantidade necessária de espaço para

agregar a já existente. Do bloco de armazenamento tanques saem quatro fluxos distintos,

sendo estes:

71-TQ-06: Este tanque alimenta as áreas de produção de duas unidades produtivas do PS,

estas vazões comportam-se estatisticamente;

Lanxees: Esta vazão é enviada para um cliente externo e a mesma comporta-se

estatisticamente;

Braço A e B: Estas vazões são definidas estatisticamente conforme a chegada de

caminhões e o volume a ser carregado;

Importação: Esta variável é definida conforme a média mensal e valor referente a

capacidade da barcaça que realiza o transporte.

Na figura 2 é possível visualizar a atual configuração do processo de estocagem e

transferência de produtos.

Figura 2 - Modelo conceitual

Fonte: Elaborado pelo autor

4.3. Coleta e analise dos dados de entrada

A coleta dos dados, foi realizada com uso do software Aspen utilizado para monitorar o

comportamento do processo. Os dados coletados, foram de um ano de operação, sendo que de

hora em hora era tomado um valor instantâneo da variável de objetivo. Estes valores foram



19

tratados com auxílio de uma planilha eletrônica Excel. Abaixo são descritas cada variável

analisada para a construção do modelo:

Sm para tancagem: A vazão de estireno para tancagem, foi coletada pelo instrumento

que a registra e armazena no banco de dados. Posteriormente, utiliza-se este valor para

contabilizar a produção diária;

Braço A: Representa a vazão de carregamento rodoviário, e a mesma é registrada pelo

controlador de vazão, definido pela quantidade a ser carregada no caminhão tanque;

Braço B: Representa a vazão de carregamento rodoviário, e a mesma é registrada pelo

controlador de vazão definido pela quantidade a ser carregada no caminhão tanque;

Alimentação contínua de PS: Esta vazão é definida pelo controlador de vazão de

estireno que é adicionado no processo de fabricação do PS;

Alimentação batelada de PS: Esta vazão não é contínua e é transferida à unidade de

fabricação de PS;

Alimentação Lanxees: É uma vazão que é direcionada para um dado cliente da

empresa em estudo e esta transferência é realizada por tubovia;

Importação: A taxa de importação é constante e fixa em 1800 ton/mês não

necessitando de tratamento de dados expecíficos.

A análise e o tratamento dos dados foram realizados com uso do Input Analyzer disponível no

pacote do software de simulação Arena.

Para cada fluxo foi coletado um valor de vazão instantâneo de hora em hora com uso dos

softwares Aspen e Excel no período de um ano. Após, realizou-se o tratamento estatístico que

resultou nas distribuições e expressões como mostra a tabela 1.

Tabela 1 - Tratamento dos dados de entrada

Operação Distribuição Expressão Distribuição Expressão

Sm para tancagem Constant 1 hora Beta 11 + 29 * BETA(77.3, 43.8)

Braço A Beta 4 * BETA(0.201, 2.16) Normal NORM(33.6, 5.06)

Braço B Beta 4 * BETA(0.236, 2.79) Normal NORM(34.1, 6.59)

Alimentação contínua de PS Constant 1 hora Weibull 4.37 + WEIB(3.75, 6.53)

Alimentação batelada de PS Weibull WEIB(0.202, 3.64) Constant 50

Importação Constant 30 dias Constant 1800

Alimentação Lanxees Constant 1 dia Triangular TRIA(50 , 80 , 100 )

Chegada Processo

Fonte: Elaborado pelos autores



20

Devido o modelo ser caracterizado como semi-contínuo e estar utilizando um software para

modelagem de dados discretos, realizou-se a discretização de alguns dados de entrada.

Os dados de entrada do modelo que representam a taxa de vazão por hora, foram expressos de

forma constante em horas e em dias. Já os dados de entrada que comportam-se de forma

estocástica, foram atribuídos distribuições e expressões.

Os dados que representam os fluxos, ou seja, as vazões de transferência foram atribuídos

distribuições estatísticas e expressões como podem ser vistas na tabela 1.

4.4. Modelagem computacional

O software utilizado foi o Arena 14.0. Este software dispõe de módulos que fazem parte do

seu pacote e auxiliam na construção e na validação do modelo que são o Input Analyzer e o

Output Analyzer.

O Arena possui um conjunto de blocos que por sua vez são utilizados como recursos e são

atribuídas as lógicas de programação. Os processos básicos são apresentados em modo de

fluxogramas como pode ser visto na figura 3.



21

Figura 3 - Modelagem do processo

Fonte: Elaborado pelo autor utilizando o software Arena

4.5. Validação do modelo

Com o intuito de validar o modelo, realizou-se primeiramente a simulação do cenário atual.

De posse dos dados gerados pelo sistema virtual, comparou-se com o sistema real. A

validação do modelo foi garantida através do teste de hipótese com 95% de confiança e

comparando os resultados da simulação frente aos do modelo atual, como é apresentado na

tabela 2.

Tabela 2 - Teste de hipótese validação

Média Desv. Pad Limite inferior Limite superior t t calculado p_value Teste hipotese

Utilização

tancagem30,4 43,9 10,5 38,3 49,5 1,71 2,131 0,11 Aceita a hipótese

Produção 256.678 258.000 15.600 249.687 266.313 0,34 2,131 0,74 Aceita a hipótese

Intervalo de confiança (t) SimuladoVariável Realizado 2012




22

Utilizou-se a produção realizada e ocupação média anual da tancagem como referência para

validação do modelo. Realizou-se a primeira rodada de simulação com 1 ano de duração e

com 30 replicações. Os resultados são apresentados na tabela 4.

Tabela 3 - Resultado simulação

Variável MédiaDesvio

Padrão

0.950

Intervalo de

confiança

Mínimo valor Máximo

valor Replicações

Produção ton /ano 258000 11700 439 253.000 259.000 30

Utilização Tancagem % 42,3 9,5 3,55 17,9 57,2 30

Fonte: Elaborado pelos autores utilizando dados do Output Analyzer 14.0

De posse dos dados do modelo expressos da tabela 4, verificou-se quantas replicações seriam

necessárias para garantindo o intervalo de confiança e erro assumido utilizando a equação 1.

Equação 1 - Número de Replicações

Fonte: Camargo, (2013)

Foi definindo um intervalo de confiança de 95% e um erro absoluto de 2,3% para verificar

quantas replicações seria necessário para validação do modelo utilizando-se como base a

produção anual, pois o erro assumido na utilização de tancagem requeria somente 6

replicações. Recalculando o tamanho da amostra e assumindo os mesmos intervalos de

confiança e erros absolutos (E), chegou-se a necessidade de 16 replicações. Os novos

resultados são apresentados na tabela 5.

Tabela 4 - Resultados simulação

Variável MédiaDesvio

Padrão

0.950

Intervalo de

confiança

Mínimo valor Máximo

valor Replicações

Produção ton /ano 258000 15600 832 253.000 259.000 16

Utilização Tancagem % 43,9 10,5 5,6 17,9 57,2 16

Fonte: Elaborado pelos autores utilizando dados do Output Analyzer 14.0

A tabela 5 apresenta o comparativo entre o modelo real e o simulado.



23

Tabela 5 - Comparativo real versus simulado

Produção ton /

ano

Utilização

tancagem

Real 256678 39,4%

Simulado 258000 43,9%

Diferença

real x

simulado

1322 4,5%

Fonte: Elaborado pelo autor utilizando dados do Output Analyzer 14.0

Pode-se observar que os dados estão muito próximos, havendo uma diferença mínima entre o

caso real versus simulado. Sendo esta diferença <10% entre o real versus simulado,

considera-se que o modelo está validado.

4.6. Análise dos resultados obtidos

Nesta etapa é apresentado os ceários que foram propostos e os respectivos resultados.

4.6.1 Cenários propostos

Considera-se que os sinais de adição (+) e subtração (-) indicam qual alteração as variáveis

terão em seus respectivos cenários. O sinal de adição indica que a variável aumentará

enquanto o sinal de subtração (-) indica que a variável permanecerá igual. Vale observar que,

em nenhum dos cenários será proposto redução das variáveis. Na Tabela 6, são apresentadas

as variáveis que serão alteradas em cada cenário.

Tabela 6 – Cenário propostos

Cenários Produção Demanda Interna Demanda Externa

1 - - -

2 + - +

3 + + -

4 + + +

5 + - -

6 - + +

7 - + -

8 - - +


- Cenário 1: cenário atual foi realizado levando-se em consideração a produção, demanda

interna e externa existente;



24

- Cenário 2: aumento da produção atual em 35%, e em 50% a demanda externa;

- Cenário 3: este cenário será construído levando-se em consideração a aumento da produção

e do consumidor interno;

- Cenário 4: leva em consideração o aumento de capacidade produtiva de ambas as unidades

além da demanda externa.

Ainda com o propósito de melhorar o entendimento foram propostos mais dois cenário

alternativos conforme a tabela 7.

Tabela 7 - Novos cenários

Cenários ProduçãoDemanda

Interna

Demanda

Externa

Área de

Armazenamento

Parada de

manutenção

2.1 + - + + -

4.1 + + + - +


- Cenário 2.1: proposto aumento de 35% na produção e 50% da demanda externa. Também

foi proposto um aumento na capacidade de armazenamento agregando mais um tanque com

capacidade de 7000 ton.

- Cenário 4.1: Aumento da Capacidade Produtiva, Demanda Interna, Demanda Externa e

Parada de Manutenção

O comparativo entre os cenários é apresentado na tabela 8:

Tabela 8 - Comparação entre cenários

Cenários Quantidade média produzida

em ton / ano

Volume médio do

estoque (ton)

Utilização média dos sistemas

de armazenamento (%)

Utilização média dos sistemas

de carregamento (%)

1 258.000 6.100 43,6 17,4

2 344.000 11.900 85,3 32,5

3 398.000 4.700 33,6 17,8

4 377.000 13.200 94 20,6

2.1 355.000 16.700 79,5 33,5

4.1 377.000 13.200 94 30,5

Fonte: Elaborada pelos autores

Nos cenários avaliados fica evidente a sobra de capacidade nos sistemas de carregamento

rodoviário. Por outro lado, no que tange a produção o cenário 3 foi o mais favorável pois a

produção foi maior, chegando a 398.000 ton/ano e com um nível de estoque menor em média

33,6% de utilização do sistema de armazenamento. No cenário 2.1 onde foi simulado mais um

tanque, teve uma elevação de 11.000 ton no ano frente ao cenário 2. No cenário 4.1, com

parada de manutenção de 15 dias, não houveram perdas de produção, tendo em vista que,

assim como no cenário 4, utilizou o mesmo espaço de armazenamento, porém teve um

acréscimo na utilização do sistema de carregamento.



25

No que tange ao atendimento dos clientes com melhores níveis de serviço, amortecimento das

oscilações de fornecedores e consumidores o melhor cenário seria o cenário 4.

5. Avaliação do uso da técnica de simulação computacional

O uso de ferramentas de Pesquisa Operacional é de grande importância para auxiliar na

tomada de decisão. A simulação computacional é muito empregada neste tipo de análise.

Porém, nem todas as empresas utilizam este tipo de ferramenta. A empresa estudada no

presente trabalho não utiliza a simulação como suporte na tomada de decisão no que tange a

gestão dos seus estoques.

Contudo, o uso deste tipo de técnica demanda um elevado conhecimento do analista e em

muitos casos, necessita-se a participação de alguns especialistas do processo estudado, com

intuito de auxiliar na identificação das variáveis que são fundamentais para o sucesso do

trabalho.

No tratamento dos dados que serão utilizados na simulação é de suma importância o

conhecimento dos analistas em técnicas estatísticas para definir de forma correta a

distribuição de probabilidade que mais se adapta ao modelo. A definição das funções de

entrada do modelo é fundamental para a qualidade dos resultados de saída dos cenários

estudados.

A utilização do software Arena é com frequência empregado em modelagem de eventos

discretos, sendo a sua utilização não muito frequente na modelagem de eventos semi-

contínuos. No trabalho realizado por Chan (2006), é recomendado o uso deste software na

solução de problemas complexos que envolvem processos contínuos.

O uso da técnica de simulação computacional atendeu plenamente os objetivos do presente

trabalho, pois foi possível visualizar as necessidades e limitações que o processo estudado

possui. O presente trabalho além de contribuir para o planejamento de novos cenário na área

de armazenamento, também contribuirá para ajustes de capacidade, quantidade a ser

importada e paradas de manutenção. Estes ajustes podem ser facilmente simulados com

mínimas adequação no modelo.

Pode-se afirmar que a simulação computacional é uma ferramenta que pode ser incorporada

as ferramentas de gestão, auxiliando na tomada de decisão e contribuindo para a redução de

gastos gerados pelo excesso de estoque e/ou a falta deste para as empresas e seus clientes.



26

6. Conclusões

Neste estudo, a utilização da simulação computacional, foi desenvolvida orientada para

realizar a avaliação da necessidade de novos recursos na área de tancagem de produto final. A

tomada de decisão sem uso de uma ferramenta de suporte, pode trazer resultados

desfavoráveis para a empresa. O uso da ferramenta de simulação como suporte na tomada de

decisão demostrou eficácia.

Foi possível identificar no cenário 2.1 que a ampliação do parque de tanques juntamente com

a ampliação da capacidade e variando 50% na demanda externa irá elevar a formação dos

estoques, pois a produção deve ser ampliada proporcionalmente com a demanda. Porém, caso

a empresa queira operar com maiores estoques e elevando o nível de serviço, o cenário 2.1 é

ideal, pois consegue-se volumes elevados de estoques para atender as flutuações a montante e

a jusante.

O cenário 4.1 mostra que a unidade de produção pode realizar paradas de manutenção sem

prejudicar o atendimento da demanda. Além dos cenários estudados o modelo é facilmente

adaptado a variações quanto a tempo máximo de paradas de manutenção da unidade de

produção e dos tanques de armazenamento e atendimento das demandas do mercado.

No que propõem os objetivos do presente trabalho, o uso da simulação computacional

demostrou-se favorável, pois foi possível construir uma série de modelos que representaram

cenários que auxiliam na tomada de decisão. A avaliação da técnica de simulação foi

plenamente atendida, pois foi possível um entendimento científico e quantitativo da

capacidade instalada e necessidade de novos recursos.

7 Bibliografia

ARNOLD, J. T.; RIMOLI, C.; ESTEVES, L. R.. Administração de materiais: uma

introdução. Atlas, 1999.

BARBOSA, G.A..Desenvolvimento de uma ferramenta analítica de dimensionamento de

parques de tanques – caso refinaria Premium.Programa de Pós-graduação em Engenharia de

Produção. COPPE. Universidade Federal do Rio de Janeiro, Rio de Janeiro 2010.



27

CAMARGO, L. F. R. [professor]. Simulação Aula 10. São Leopoldo, 16 mai. 2013.

Disponível em: <http://www.unisinos.br/pastanet/arquivos/2386/3510/simulacao-aula-

10.pdf>.Informação retirada da Pasta net, da disciplina Simulação - AI, da Universidade do

Vale do Rio dosSinos.

CHAN, A.; Simulação aplicada às operações logísticas de um parque de armazenamento

de gasolina de uma refinaria de petróleo.Programa de Pós-graduação em Engenharia de

Produção, COPPE, da Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2006.

CHWIF, L.; MEDINA, A. C.. Modelagem e simulação de eventos discretos: Teoria e

Aplicações. 2. ed. São Paulo: Editora dos Autores, 2010.

GIL, A. C.. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2007

KELTON, W. D.; SADOWSKI, R. P.; SADOWSKI D. A..Simulation with Arena. 2 ed.

New York: McGraw Hill, 2002.

LAW, A. M.; KELTON, W. D..Simulation modeling and analysis. 3 ed. New York: Tata

McGraw Hill, 2003.

LIMA, M. J.; BARBOSA, G. A.; BEAL, C. R.. Otimização da transferência e estocagem

utilizando ferramentas de modelagem e simulação. Bol. téc. Petrobras, 2003, 46.(3/4). 301

– 307, jul./dez., 2003.

MOREIRA, C., FERNANDES, E., GOMES, G. L., DVORSAK, P., HEIL, T. B. B.,

BASTOS, V. D.. Potencial de investimentos no setor petroquímico brasileiro 2007-

2010. Perspectivas do Investimento, p. 137-161, 2010.

SALIBY, E..Repensando a simulação: a amostragem descritiva. São Paulo: Atlas, 1989.

VIANA, JOANA COELHO; DE ALMEIDA LEVINO, NATALLYA; DE MIRANDA

MOTA, CAROLINE MARIA..Simulação de Monte Carlo auxiliando a análise de

viabilidade econômica de projetos. IV Congresso Nacionalde Excelência em Gestão

Responsabilidade Socioambiental das Organizações Brasileiras, Niteroi, RJ, 31 de jul. 01 e 02

ago. de 2008.

Documents

APLICAÇÃO DA SIMULAÇÃO COMPUTACIONAL COMO FERRAMENTA DE APOIO À TOMADA DE ...abepro.org.br/biblioteca/enegep2014_TN_STO_200_134_25139.pdf · 2016-08-11 · ... Fases do Processo