Upload
dangdieu
View
219
Download
0
Embed Size (px)
Citation preview
Benchmarking de uma frota de embarcações de Apoio Marítimo
Offshore utilizando Análise Envoltória de Dados (DEA)
Pedro Henrique Caldas Jorge
DRE: 111219126
Projeto de Graduação apresentado ao Curso de
Engenharia Naval e Oceânica da Escola Politécnica,
Universidade Federal do Rio de Janeiro, como parte
dos requisitos necessários à obtenção do título de
Engenheiro Naval e Oceânico.
Orientador: Floriano Carlos Martins Pires Júnior
Contato:[email protected]
Defesa: Rio de Janeiro,
23 de Janeiro de 2018
BENCHMARKING DE UMA FROTA DE EMBARCAÇÕES DE APOIO MARÍTIMO
OFFSHORE UTILIZANDO ANÁLISE ENVOLTÓRIA DE DADOS (DEA)
Pedro Henrique Caldas Jorge
PROJETO DE GRADUAÇÃO SUBMETIDO AO CORPO DOCENTE DO CURSO DE
ENGENHARIA NAVAL E OCEÂNICA DA ESCOLA POLITÉCNICA DA
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS
NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO NAVAL E
OCEÂNICO.
Examinado por:
____________________________________________
Prof. Floriano Carlos Martins Pires Júnior, D.Sc.
____________________________________________
Prof. Luiz Felipe Assis, D. Sc.
____________________________________________
Prof. Claudio Luis Barauna Vieira, Ph.D.
____________________________________________
Prof. Jean David Job Emmanuel Marie Caprace, D. Sc.
RIO DE JANEIRO, RJ - BRASIL
JANEIRO DE 2018
JORGE, Pedro H. C. Benchmarking de uma frota de embarcações de Apoio
Marítimo Offshore utilizando Análise Envoltória de Dados (DEA) - Rio de Janeiro: UFRJ/Escola Politécnica, 2018.
61 p.: il.; 21 x 29,7cm Orientador: Floriano Carlos Martins Pires Júnior Projeto de Graduação - UFRJ/Escola Politécnica/Curso de
Engenharia Naval e Oceânica, 2018. Bibliografia: p. 60-61 1. Análise Envoltória de Dados 2. Benchmarking3. Apoio
Marítimo Offshore4. Transporte Marítimo 5. Operação de Suprimento a Unidades Marítimas I. Pires Jr., Floriano Carlos Martins. II. Universidade Federal do Rio de Janeiro, Escola Politécnica, Curso de Engenharia Naval e Oceânica. III. Título
AGRADECIMENTOS
À minha querida família, por sempre me apoiar, amar e incentivar ao longo da minha vida. Cada um de vocês foi essencial para que eu pudesse concluir com êxito o maior desafio que já tive que enfrentar na minha vida até agora: me tornar Engenheiro Naval.
À minha querida companheira Julia Liz da Mata Barbosa, que acompanha minha jornada antes mesmo de entrar na faculdade, onde compartilhamos todos os momentos bons e ruins, fracassos e conquistas decorrentes desse desafio. Seu apoio, carinho, amizade, cumplicidade e companheirismo foram os motivadores para que me fizessem seguir quando muitas vezes pensei em desistir.
À melhor equipe de Projeto de Sistemas Oceânicos que a Engenharia Naval já teve: Bruno Oliveira e Rogério Hannemann e também ao amigo da naval para a vida Alan Patrício. Vocês estão muito além de excelentes profissionais com quem tive o prazer de trabalhar e estudar ao longo desses anos, são pessoas que admiro e amigos com quem espero compartilhar vitórias, realizar muitos trabalhos ao longo de nossa vida profissional e compartilhar bons momentos acompanhados de uma cerveja.
À todo o corpo docente da Universidade Federal do Rio de Janeiro com quem tive contato ao longo ao longo de minha trajetória acadêmica.Todos foram responsáveis por me ensinar muito além da sala de aula, desafiando meus limites e provando que somos capazes de vencer quaisquer desafios, desde que haja vontade de aprender, ética e propósito.
Ao professor orientador deste projeto final: Floriano Carlos Martins Pires Junior,com quem eu tive o prazer de trabalhar, discutir ideias, motivações e aprender. Sua disponibilidade e conhecimento técnico foi determinante para que processo de desenvolver este trabalho fosse possível.
Aos professores que ajudam a compor a banca: Luiz Felipe Assis e Claudio Luis Barauna Vieira e Jean David Job Emmanuel Marie Caprace. Pela disponibilidade e pelos ensinamentos preciosos ao longo de minha graduação.
Aos amigos Felippe Rafael e Pedro Queija, cujos ensinamentos e discussões ao longo da minha trajetória profissional foram essenciais para que este trabalho tenha sido realizado.
Por fim, a todos os amigos da Engenharia Naval e Oceânica com quem tive prazer de estudar, realizar trabalhos e projetos e virar noite na faculdade estudando para as provas mais impossíveis. Todos com quem tive contato possuem a qualificação e dedicação necessárias para fazer a diferença e transformar nosso país em um lugar melhor de se viver e trabalhar.
Resumo do Projeto de Graduação apresentado à Escola Politécnica/ UFRJ como parte dos
requisitos necessários para a obtenção do grau de Engenheiro Naval e Oceânico.
Benchmarking de uma frota de embarcações de Apoio Marítimo Offshore utilizando Análise
Envoltória de Dados (DEA)
Pedro Henrique Caldas Jorge
Janeiro/2018
Orientador: Floriano Carlos Martins Pires Júnior
Curso: Engenharia Naval e Oceânica
O estudo da eficiência operacional de embarcações é de suma importância no gerenciamento
de uma frota. O objetivo do trabalho é realizar um benchmarking operacional de uma frota de
embarcações marítimas offshore, a fim de esboçar uma fronteira de eficiência técnica da
mesma. Foram apresentadas características técnicas das embarcações do tipo Platform
SupplyVessel e detalhes das operações de apoio marítimo offshore a fim de justificar o modelo
matemático proposto. Foram levantados dados operacionais de uma frota de embarcações e
utilizada a Análise Envoltória de Dados para avaliação destes dados. Finalmente, foi possível
concluir que o método DEA pode indicar resultados alternativos aos esperados inicialmente,
onde embarcações com menor offhire não são necessariamente eficiente tecnicamente, e
portanto, possuindo grande potencial no auxílio a tomada de decisões.
Palavras-chave: Análise Envoltória de Dados, Benchmarking, Apoio Marítimo Offshore,
Transporte Marítimo, Operação de Suprimento a Unidades Marítimas, Platform SupplyVessel.
Abstract of Undergraduate Project presented to POLI/UFRJ as a partial fulfillment of the
requirements for the degree of Naval Architect and Marine Engineer.
Benchmarking a fleet of Offshore Support Vessels applying Data Envelopment Analysis
(DEA)
Pedro Henrique Caldas Jorge
January/2018
Advisor: Floriano Carlos Martins Pires Júnior
Course: Naval Architecture and Marine Engineering
The study of vessel operational efficiency is of great importance in management of a fleet.
The aim of this work is to perform an operational benchmarking of an offshore support
vessels fleet in order to outline a technical efficiency border. Technical features were
introduced for Platform Supply Vessels, as well as details of offshore marine support
operations in order to justify the proposed mathematical model. Operational data were
collected from a fleet of vessels and Data Envelopment Analysis was used to evaluate these
data. Finally, it was possible to conclude that the DEA method can suggest alternative results
that differ from those initially expected, where vessels with lower offhire are not necessarily
technically efficient, thus, having great potential to auxiliate in decision making.
Keywords: Data Envelopment Analysis, Benchmarking, Offshore Maritime Support, Maritime
Transport, Supply Operation of Maritime Units, Platform Supply Vessel.
SUMÁRIO 1. INTRODUÇÃO ................................................................................................................. 9
1.1. OBJETIVO ...................................................................................................................... 9
1.2. METODOLOGIA ............................................................................................................ 9
2. O MERCADO DE ÓLEO E GÁS E A FROTA DE APOIO MARÍTIMO
OFFSHORE BRASILEIRA .................................................................................................. 10
2.1. NAVEGAÇÃO DE APOIO MARÍTIMO OFFSHORE ............................................... 10
2.2. O MERCADO DE NAVEGAÇÃO DE APOIO MARÍTIMO OFFSHORE ................ 11
2.3. CONTRATOS DE TIME CHARTER E APOIO MARÍTIMO OFFSHORE ................ 12
3. A OPERAÇÃO DE SUPRIMENTO A UNIDADES MARÍTIMAS POR
EMBARCAÇÕES DO TIPO PSV ........................................................................................ 14
3.1. CARACTERÍSTICAS DA EMBARCAÇÃO PLATFORM SUPPLYVESSEL (PSV)
14
3.2. REQUISITOS DO ARMADOR, ESTATUTÁRIOS E DO CLIENTE EM SISTEMAS
A BORDO DE UM PSV .......................................................................................................... 16
3.3. OFFHIRE E A FALHA DOS EQUIPAMENTOS A BORDO ..................................... 17
3.4. A OPERAÇÃO DE SUPRIMENTO A UNIDADES MARÍTIMAS ............................ 22
3.5. INTERVALO ENTRE AS PROGRAMAÇÕES - FOLGA ONHIRE .......................... 28
4. O MÉTODO DE ANÁLISE ENVOLTÓRIA DE DADOS (DEA) E SUA
UTILIZAÇÃO PARA BENCHMARKS .............................................................................. 29
4.1. UNIDADE DE DECISÃO - DECISION MAKING UNIT (DMU) ............................... 29
4.2. PRODUTIVIDADE X EFICIÊNCIA ........................................................................... 29
4.3. EFICIÊNCIA TÉCNICA X ALOCATIVA .................................................................. 31
4.4. O MÉTODO DEA ......................................................................................................... 33
5. MODELO MATEMÁTICO PROPOSTO .................................................................... 38
5.1. VARIÁVEIS CONSIDERADAS NO MODELO MATEMÁTICO ............................. 38
5.1.1. IDADE ....................................................................................................................... 38
5.1.2. FOLGA ONHIRE ...................................................................................................... 38
5.1.3. MANUTENÇÃO PREVENTIVA ............................................................................. 39
5.1.4. OFFHIRE ................................................................................................................... 39
5.2. VARIÁVEIS QUE PODERIAM SER ADICIONALMENTE CONSIDERADAS NO
MODELO MATEMÁTICO ..................................................................................................... 40
5.2.1. ÍNDICE DE QUALIFICAÇÃO DA TRIPULAÇÃO ............................................... 40
5.2.2. ÚLTIMA DOCAGEM ............................................................................................... 40
5.3. MODELO MATEMÁTICO PROPOSTO .................................................................... 41
5.4. ORDENAÇÃO DAS DMUS ........................................................................................ 41
6. APLICAÇÃO DO MODELO NO SOFTWARE FRONTIER ANALYST™ .............. 43
6.1. ENTRADA DE DADOS NO SOFTWARE ................................................................... 43
6.2. OBTENÇÃO DOS DADOS .......................................................................................... 43
6.2.1. IDADE ....................................................................................................................... 44
6.2.2. FOLGA ONHIRE ...................................................................................................... 44
6.2.3. MANUTENÇÃO PREVENTIVA ............................................................................. 47
6.2.4. OFFHIRE ................................................................................................................... 47
6.3. DISCUSSÃO DOS RESULTADOS ............................................................................. 47
6.3.1. AVALIAÇÃO DE ACORDO COM ESPECIFICAÇÕES TÉCNICAS DAS DMUS
49
6.3.2. AVALIAÇÃO OPERACIONAL DAS DMUS ......................................................... 50
6.3.3. SEGUNDA ANÁLISE EXCLUINDO AS DMUS COM MENOR TEMPO DE
OPERAÇÃO ............................................................................................................................. 55
7. CONCLUSÃO ................................................................................................................. 58
8. BIBLIOGRAFIA ............................................................................................................. 60
9
1. INTRODUÇÃO
A frota de Embarcações de Apoio Marítimo Offshore teve uma forte expansão nos
últimos anos no Brasil. O motivo para tal acontecimento foi o aumento da Exploração e
Produção de petróleo e gás nas camadas do pré-sal brasileiro, que demandam do apoio
logístico proporcionado por tais embarcações.
Diante disto, fortes investimentos foram realizados pelos armadores para expandir
sua frota diante do favorável cenário deste mercado à época. Entretanto, devido a crise no
setor de petróleo a partir do ano de 2014 por conta da queda do preço do barril de petróleo em
conjunto com as crises no cenário político-econômico brasileiro devido a revelação de
grandes esquemas de corrupção mudou rapidamente tal perspectiva e muitos contratos foram
cancelados ou suspensos, causando forte retração no setor ocasionada pela redução da frota
em operação.
A fim de minimizar os impactos negativos causados pela retração no mercado, os
armadores devem buscar a máxima eficiência possível de sua frota que está em operação. O
presente estudo busca proporcionar um modelo matemático baseado em determinados
parâmetros que possibilite aos armadores identificar uma fronteira de eficiência técnica de
suas embarcações, possibilitando a identificação de boas práticas e propor melhorias para
embarcações ineficientes.
1.1. OBJETIVO
Realizar o benchmarking de uma frota de embarcações de navegação de apoio
marítimo offshore do tipo Platform Supply Vessel e discutir o potencial do método DEA como
ferramenta de análise de eficiência técnica diante do presente contexto.
1.2. METODOLOGIA
Desenvolver um modelo matemático de Análise Envoltória de Dados, aplicar este
modelo em software específico, analisar os resultados baseado nas características de cada
embarcação.
Foram levantadas 287 inoperâncias e 80631 ordens de serviço de manutenção de
uma frota de 20 embarcações do tipo PSV, num espaço de tempo de três semestres. Além de
todo o percentual do tempo em que as mesmas estiveram com Folga onhire, baseado em
51772 entradas de dados no Registro de Viagem da Embarcação do armador.
10
2. O MERCADO DE ÓLEO E GÁS E A FROTA DE APOIO MARÍTIMO
OFFSHORE BRASILEIRA
2.1. NAVEGAÇÃO DE APOIO MARÍTIMO OFFSHORE
Segundo a Associação Brasileira das Empresas de Apoio Marítimo - ABEAM -
(ABEAM, 2017), a navegação de apoio marítimo pode ser conceituada como:
Conceitualmente a Navegação de Apoio Marítimo confere o apoio logístico para embarcações e instalações em águas territoriais nacionais e na Zona Econômica, que atuem nas atividades de pesquisa e lavra de minerais e hidrocarbonetos. As embarcações de Apoio Marítimo fazem suprimentos às unidades de exploração e produção dos insumos necessários às suas operações e auxiliam em fainas de diversas naturezas tais como, montagem e lançamento de equipamentos e tubulações, manuseio de âncoras, manuseio de espia, transporte de pessoal, combate a poluição, combate a incêndios, manutenção das plataformas e estruturas submersas. De acordo com a complexidade da natureza das atividades, as embarcações de apoio marítimo assumem características técnicas mais sofisticadas.
Em março de 2017, a frota de Apoio Marítimo Offshore que opera em águas
brasileiras correspondia a 381 embarcações (genericamente denominadas de Offshore Support
Vessels - OSV), conforme Figura 1. Além disso, praticamente metade da frota de OSV
corresponde a embarcações do tipo Platform Supply Vessel - PSV (ABEAM, 2017), que é o
tipo de Embarcação de Apoio Marítimo (EAM) para o qual o presente estudo será realizado.
As principais características da embarcação do tipo PSV estarão descritas no
capítulo 3.
Figura 1 - Distribuição da frota de Apoio Marítimo no Brasil
Fonte: ABEAM, 2017
11
2.2. O MERCADO DE NAVEGAÇÃO DE APOIO MARÍTIMO OFFSHORE
A Navegação de Apoio Marítimo Offshore está relacionada a qualquer atividade
econômica ou de pesquisa realizada em alto mar, entretanto, este segmento está
estruturalmente relacionado com a indústria de petróleo. Segundo o Banco Nacional de
Desenvolvimento Econômico e Social - BNDES (LUCCIO e DORES, 2016):
[...] Enquanto no início da década de 1990 a produção offshore de petróleo respondia por cerca de um quarto da oferta mundial, a elevação das cotações do barril de petróleo ao longo dos anos 2000 motivou campanhas exploratórias nos campos marítimos, de maneira que estes passaram a representar um terço da produção total na década. O crescimento da produção offshore e a tendência de exploração em águas profundas e ultra profundas impactaram diretamente mercado de OSVs, que passou por um processo de crescimento da demanda global e de busca por navios mais complexos.
No Brasil, a partir da década de 2000, o Governo Federal visando incentivar a
indústria naval do país, aliou-se com a indústria petrolífera e lançou uma série de incentivos
fiscais para o setor, como a concessão de créditos em condições de juros especiais por meio
do Fundo de Marinha Mercante (FMM), exigindo, em contrapartida, percentual mínimo de
conteúdo local nas atividades de exploração e produção e instituindo Regime Aduaneiro
Especial de Exportação e Importação de Bens Destinados à Exploração e à Produção de
Petróleo e Gás Natural - REPETRO. Isso permitiu que algumas ações, em especial o
Programa de Renovação da Frota de Apoio Marítimo - PROREFAM, criado em 1999 pela
principal empresa petrolífera do país, a PETROBRÁS, pudessem ser ampliados (LUCCIO e
DORES, 2016).
Aliada ao PROREFAM, da elevação dos preços do barril de petróleo em 2005 e
da descoberta de grandes reservatórios de petróleo localizados na camada geológica do pré-sal
em 2007 (LUCCIO e DORES, 2016), a frota de Apoio Marítimo Offshore Brasileira foi muito
beneficiada, dando um salto de 88% nas EAM que compõem a frota entre os anos de 2006 e
2011 (ANTAQ, 2012).
Atualmente a PETROBRÁS tem sido a maior produtora de petróleo no Brasil,
com uma parcela que corresponde a aproximadamente 90% de todo o óleo produzido no país
(PETROBRÁS, 2015). Além disso, de todo o óleo que a mesma produz, praticamente 90% é
proveniente da produção no mar (PETROBRÁS, 2015).
É de se concluir, portanto, que a Navegação de Apoio Marítimo Offshore tem
extrema importância no setor de Óleo e Gás no Brasil, pois cada vez mais os investimentos
12
têm sido direcionados para produção de petróleo em alto mar e a produção não é possível de
ser realizada sem o suporte logístico proporcionado pelas EAM.
Como consequência, a maior parte da frota de apoio marítimo offshore serve
justamente para atender as demandas da Petrobrás no que tange o mercado de exploração e
produção de Óleo e Gás no Brasil. E com a forte crise no setor a partir de 2014 por conta da
queda do preço do barril de petróleo de US$115 para abaixo dos US$30 em 2016 e da
presença majoritária de um único player no mercado, a Frota de Apoio Marítimo sofreu forte
queda a partir de 2014, passando de 500 EAM em 01/12/2014 para 386 em 01/06/2017
(SINAVAL, 2017).
Entretanto, devido a grande produtividade que os campos do pré-sal tem mostrado
e a retomada do preço do barril de petróleo em 2017 para o patamar de US$60, grandes
petrolíferas internacionais tem mostrado interesse em participar do mercado brasileiro, como
evidenciado pela 14ª Rodada de Licitações de blocos para exploração de petróleo e gás
natural da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), ocorrida em
setembro de 2017, que obteve a maior arrecadação da história (ANP, 2017).
Diante destes acontecimentos, a perspectiva para os próximos anos é que com a
liberação da exploração dos blocos leiloados, a frota de apoio marítimo volte a crescer e que
haja maior participação de outras empresas petrolíferas atuantes no mercado Brasileiro.
2.3. CONTRATOS DE TIME CHARTER E APOIO MARÍTIMO OFFSHORE
O contrato de afretamento que a Petrobrás mais utiliza para o Apoio Marítimo
Offshore é o contrato de afretamento por tempo - time charter (SENNA, 2011). Além do
contrato de time charter, existem as modalidades de afretamento a casco nú - bareboat
charter-, afretamento por viagem - voyage charter - e Contrato de Afretamento - COA
(Contract of Affreightment). Tais relações contratuais implicam em diferentes divisões de
custo entre as partes. Os custos do navio podem ser divididos em três grandes grupos: Capital,
Operacional e Viagem. As relações contratuais em função dos custos do navio estão descritas
na Figura 2, segundo Assis (2015).
13
Figura 2 - Contratos de Afretamento.
Fonte: ASSIS, L. F. (2015)
Os custos de capital correspondem ao investimento necessário para aquisição do
navio, que incluem recursos próprios e financiamento. Os custos de operação incluem os
custos necessários para que a embarcação esteja apta a operar, que incluem custos com
tripulação, seguros, manutenção e reparos, sobressalentes e lubrificantes, administração, entre
outros. Os custos de viagem incluem custos necessários para que a embarcação realize uma
viagem, ou seja, combustível, despesas portuárias, custos de travessias, limpeza de porões, e
etc.
O contrato de time charter implica na divisão de custos para o armador e
afretador, de forma que o armador se responsabiliza pelos custos de Capital e Operacional,
enquanto o afretador se responsabiliza pelos custos de Viagem.
Como a maioria das EAM operam no Brasil sob contratos do tipo time charter,
qualquer não conformidade contratual entre armador e afretador é passível de deixar a EAM
offhire. Algumas não conformidades fazem referências a códigos internacionais e tratam da
falha dos sistemas a bordo, conforme será detalhado no capítulo 3.
O Offhire é extremamente impactante no desempenho do armador pois durante
um período de offhire o armador deixa de receber a taxa diária da embarcação até que o
problema seja solucionado, além de pagar pelos custos de viagem no período. Outro fato que
é importante salientar é que todos os custos fixos continuam, principalmente os gastos com
tripulação. Portanto, a solução do offhire torna-se a prioridade do armador quando este está
aberto.
Portanto, no modelo matemático proposto para o Benchmark realizado nos
capítulos adiante, o offhire será considerado como uma importante variável do modelo,
devido aos motivos expostos neste capítulo.
14
3. A OPERAÇÃO DE SUPRIMENTO A UNIDADES MARÍTIMAS POR
EMBARCAÇÕES DO TIPO PSV
3.1. CARACTERÍSTICAS DA EMBARCAÇÃO PLATFORM SUPPLYVESSEL
(PSV)
Segundo a ABEAM (ABEAM, 2017), as embarcações do tipo PSV podem ser
conceituadas como:
Os navios do tipo PSV (Platform SupplyVessel) são navios especializados no apoio às unidades de perfuração, produção e outras unidades marítimas. Sua principal função é transportar suprimentos para as unidades marítimas. Uma importante característica desse tipo de navio é a grande variedade de carga que pode abrigar, o que o torna bastante versátil. Necessitam de alta capacidade de manobra próximo às unidades marítimas. Devido às possíveis condições climáticas adversas nas operações de carga e descarga, os PSVs normalmente são dotados de sistemas de posicionamento dinâmico.
Além disso, segundo SILVEIRA (2001), o navio do tipo PSV é uma embarcação
que possui dimensões acima das consideradas normais para um supridor, possuindo borda
livre alta e seu projeto deve contemplar a operação em condições meteorológicas
adversas, com condição climática na escala Beaufort acima de 5.
Além das características já mencionadas, MATHEDI (2010) destaca algumas
características em comum dos PSV:
• 60 a 100 metros de comprimento; • 3.000 a 5.000 HP de potência; • Arqueação bruta acima de 3.000 TPB; • Impelidores laterais (Bow-Thrusters e Stern Thrusters); • Apoio a navios-sonda e embarcações maiores;
A Figura 3 ilustra uma embarcação PSV. Nela é possível verificar mais algumas
características em comum da maioria dos PSV:
• Superestrutura na proa da embarcação • Ampla área de convés principal livre • Cargo rail nos bordos do convés principal
15
Figura 3 - PSV CBO A. Gabriella
Fonte: CBO (2017)
Abaixo de seu convés principal, as embarcações do tipo PSV possuem uma série
de sistemas de carga segregados. No caso do PSV A. Gabriella, assim como em outros PSVs,
é possível verificar através do arranjo de tanques (presente na Figura 4) que existem diversos
tanques e silos de produtos diferentes, geralmente simétricos em relação a linha de centro,
distribuídos ao longo do comprimento da embarcação. O volume de cada um desses tanques
pode variar de 60m³ a 170m³, dependendo do projeto, e quando não são tanques estruturais,
possuem geometria majoritariamente cilíndrica.
A velocidade de serviço das embarcações PSV varia de 10 a 13 nós e sua
autonomia pode chegar a 28 dias, dependendo da operação a qual estará alocado. Comumente,
as embarcações PSV reabastecem-se de combustível e água quando possuem uma reserva de
10 dias e de rancho a cada 14 dias.
16
Figura 4 - PSV CBO A. Gabriella - Arranjo de tanques
Fonte: CBO (2017)
3.2. REQUISITOS DO ARMADOR, ESTATUTÁRIOS E DO CLIENTE EM
SISTEMAS A BORDO DE UM PSV
Os PSVs, assim como quaisquer outras embarcações, são dotados de diversos
sistemas que devem garantir a operacionalidade da embarcação. Entretanto, o armador não
pode se preocupar apenas com os sistemas operacionais, que são requisitos do armador, ele
deve atender também uma série de requisitos de outras entidades, que são os requisitos
estatutários e requisitos do cliente.
No que tange aos requisitos do armador, a embarcação deve ser capaz de
navegar na velocidade de serviço, se localizar geograficamente, se comunicar com outras
embarcações e pessoal de terra, operar equipamentos a bordo encarregar e/ou descarregar sua
carga.
Quanto aos requisitos estatutários, os mesmos são estipulados pela sua Bandeira
e são aplicados através da Capitania dos Portos, Vigilância Sanitária e Sociedades
Classificadoras (quando representam a autoridade marítima), visando a aplicação da
legislação nacional e internacional (Destacando-se as normas da Organização Marítima
Internacional - IMO), instalando sistemas de segurança e salvatagem exigidos pela SOLAS
17
(Safety of Life at Sea), pelo ISM (International Safety Management Code) e ISPS
(International Ship And Port Facility Security Code), e sistemas de prevenção de poluição
pela MARPOL (Maritime Polution Act).
E por fim, os requisitos do cliente são quaisquer requisitos que o cliente solicite
ao firmar um contrato com o armador, incluindo a possível redundância de algum sistema a
bordo ou instalação de sistemas auxiliares.
Diante da grande quantidade de requisitos a serem atendidos é de se imaginar que
cada um dos sistemas principais que compõem as embarcações do tipo PSV possua uma
quantidade considerável de equipamentos a bordo e manter todos 100% operacionais é um
desafio, pois muitos não são utilizados no dia-a-dia da operação e devem ser testados para
verificar sua funcionalidade.
É possível dividir a embarcação PSV em diversos sistemas principais, destacando:
Sistema de Carga, Sistema Elétrico, Sistema de Emergência, Sistema de Geração de
Energia, Sistema de Navegação, Sistema de Propulsão, Sistema de
Resfriamento/Refrigeração e Sistemas Auxiliares. Alguns equipamentos críticos desses
sistemas podem ser visualizados nas Tabelas 1 e 2, presentes no próximo tópico.
3.3. OFFHIRE E A FALHA DOS EQUIPAMENTOS A BORDO
O offhire de uma EAM pode ser dividido em duas categorias: parcial ou total. A
condição a qual a EAM estará sujeita depende basicamente da criticalidade da falha de
algum equipamento de bordo e do que for estabelecido contratualmente entre armador e
afretador.
A criticalidade do equipamento é avaliada de acordo com o impacto resultante na
segurança da operação caso haja a falha do mesmo. Por exemplo: a falha de um propulsor
pode acarretar em um abalroamento entre EAM e UM, sendo considerado então como um
equipamento crítico, enquanto a falha de um fluxômetro afeta a capacidade da EAM aferir o
volume de carga transferido, mas não impede que a operação ocorra em segurança, sendo
considerado então como um equipamento não crítico.
A falha em algum equipamento considerado crítico é considerada como item
impeditivo de operação e a EAM fica offhire imediatamente.
Caso haja falha em algum outro equipamento não crítico, ocorre uma falha por
item restritivo de operação, cuja não solução dentro de um prazo estabelecido resulta num
offhire.
18
Tomando como referência a SOLAS, MARPOL, ISM e ISPS Codes, foi elaborada
a seguinte tabela de itens impeditivos, cuja falha resulta em um offhire. Tal offhire pode ser
total ou parcial, variando num percentual de redução de 2% até 100% da diária da
embarcação, enquanto a mesma estiver offhire. As Tabelas 1 e 2 não contemplam todos os
itens possíveis, mas contempla aqueles que, segundo a prática, apresentam maior frequência
ou criticalidade.
Tabela 1 - Itens Impeditivos - parte 1 Origem da Obrigação
Sistema Equipamento
ISM / ISPS Code Sistema de Navegação Ecobatímetro
ISM / ISPS Code Sistema de Emergência Aparelho de fundeio
ISM / ISPS Code Sistema de Carga Guinchos de manuseio / auxiliar
ISM / ISPS Code Sistema de Emergência Bote Resgate e Palamenta
ISM / ISPS Code Sistema de Emergência Motor do bote de resgate
ISM / ISPS Code Sistema de Emergência Turco do bote de Resgate
ISM / ISPS Code Sistema de Emergência Escada de abandono
ISM / ISPS Code Sistema de Emergência Alarme de Frigorífica (homem preso)
ISM / ISPS Code Sistema de Emergência Alarme do sistema de detecção de incêndio
ISM / ISPS Code Sistema de Emergência Alarme geral
ISM / ISPS Code Sistema de Emergência Alarme de anti-colisão
ISM / ISPS Code Sistema de Emergência Alarme de Homem Morto
ISM / ISPS Code Sistema de Carga Parada de Emergência das bombas de carga
ISM / ISPS Code Sistema de Carga Parada de Emergência da bomba de transferência de combustível
ISM / ISPS Code Sistema de Emergência Dampers (Flaps) das ventilações
ISM / ISPS Code Sistema de Emergência Luzes de Emergência
ISM / ISPS Code Sistema de Emergência Paradas de emergência de ventilações.
ISM / ISPS Code Sistema de Emergência Portas Estanques
ISM / ISPS Code Sistema de Emergência Saídas de Emergência
ISM / ISPS Code Sistema de Emergência Bomba de incêndio de emergência
ISM / ISPS Code Sistema de Emergência Acionamento a distancia de Válvulas de Corte Rápido
ISM / ISPS Code Sistema de Navegação GMDSS, baterias
ISM / ISPS Code Sistema de Navegação EPIRB
ISM / ISPS Code Sistema de Navegação Sistema de Comunicação interna- Fonoclama
ISM / ISPS Code Sistema de Navegação SART Transponder
ISM / ISPS Code Sistema de Navegação VHF Portátil Emergência
ISM / ISPS Code Sistemas Auxiliares Separador de Água e óleo
19
Tabela 2 - Itens Impeditivos - Parte 2 Origem da Obrigação
Sistema Equipamento
ISM / ISPS Code Sistemas Auxiliares Bomba de Esgoto
ISM / ISPS Code Sistemas Auxiliares Molinete e freio
ISM / ISPS Code Sistemas Auxiliares Ferro e amarras
ISM / ISPS Code Sistema Elétrico Gerador de Emergência
ISM / ISPS Code Sistema Elétrico Grupo de 24 volts
ISM / ISPS Code Sistema de Navegação Máquina do leme
ISM / ISPS Code Sistemas Auxiliares Bomba de Lastro
ISM / ISPS Code Sistema de Navegação Agulha Giroscópica
ISM / ISPS Code Sistema de Navegação Agulha Magnética
ISM / ISPS Code Sistema de Navegação Radares
ISM / ISPS Code Sistema de Propulsão Azimutais
ISM / ISPS Code Sistema de Propulsão Motor Propulsor
ISM / ISPS Code Sistema de Propulsão Inversores de Frequência dos Azimutais
ISM / ISPS Code Sistema de Carga Sistema de controle eletrônico de bordo
MARPOL Sistemas Auxiliares Barreira de contenção de óleo
MARPOL Sistema de Emergência Bombas de emergência (esgoto e incêndio)
NORMAM Sistema de Navegação Cartas eletrônicas e físicas de navegação
OPERAÇÃO Sistema de Geração Geradores
OPERAÇÃO Sistema de Geração Motores Principais
OPERAÇÃO Sistema de Propulsão Propulsores / Thrusters / Hidrojatos
OPERAÇÃO Sistema de Navegação Unidade de controle de DP
OPERAÇÃO Sistema de Carga Guindaste de carga / A-Frame
OPERAÇÃO Sistema de Carga Mangotes (de carga e abastecimento)
OPERAÇÃO Sistema de Carga Material de lifting / Eslingas
OPERAÇÃO Sistema de Navegação Sistemas de Referência (FANBEAM, RADIUS, DGPS)
SOLAS Sistema de Navegação UHF
SOLAS Sistema de Navegação VHF
SOLAS Sistema de Navegação Radar
SOLAS Sistema Elétrico Uninterruptable Power System (UPS)
SOLAS Sistema de Emergência Sistemas automáticos de combate a incêndio
SOLAS Sistema de Emergência Sistema de detecção de incêndio
Para realizar o presente estudo, foram levantadas 287 inoperâncias de uma frota
de 20 embarcações do tipo PSV, num espaço de tempo de três semestres. Para cada semestre
foi elaborado um gráfico com o percentual do tempo offhire de cada sistema, a fim de
verificar se há indícios de quais sistemas possuem maior quantidade de falhas.
O período em que houve maior tempo offhire foi o 1º semestre de 2017, logo para
a estatística realizada na Tabela 3, foi aplicado um fator de 0,85 no percentual dos offhires do
20
1º semestre de 2016 e um fator de 0,56 no percentual dos offhires do 2º semestre de 2016, que
representam a razão dos dias de offhire que um semestre teve em relação ao outro.
Figura 5 - Composição do offhire em nível de sistemas no 1º sem 2016
Figura 6 - Composição do offhire em nível de sistemas no 2º sem 2016
68,8%
0,7%
2,2%
6,3%
0,4%
3,3%
5,4%
12,3%
0,7%
0,0% 20,0%40,0%60,0%80,0%
N/A
Outros
Sist Carga
Sist Elétrico
Sist Emergência
Sist Geração
Sist Navegação
Sist Propulsão
Sist Refrigeração
1º sem 2016
1º sem 2016
25,4%
2,1%
14,4%
9,5%
0,3%
18,3%
9,3%
16,7%
3,9%
N/A
Outros
Sist Carga
Sist Elétrico
Sist Emergência
Sist Geração
Sist Navegação
Sist Propulsão
Sist Refrigeração
0,0% 10,0% 20,0% 30,0%
2º sem 2016
2º sem 2016
21
Figura 7 - Composição do offhire em nível de sistemas no 1º sem 2017
A categoria Não Aplicável (N/A) existe pois contempla períodos excedentes de
docagem e inspeção subaquática em que a embarcação permanece offhire, portanto, por mais
que não corresponda a falha de um sistema a bordo em si, contempla, de forma generalizada,
que alguns sistemas a bordo ainda não estão totalmente operacionais para que a embarcação
saia de uma docagem ou inspeção subaquática. Portanto, ela foi considerada na atual
estatística para não distorcer a composição do offhire com a remoção desta categoria.
Na Figura 5, referente ao primeiro semestre de 2016, foi verificado que a maior
parte do tempo offhire foi causada por problemas que não eram referentes a nenhum sistema
ou operação. Foram causadas por períodos excedentes de docagem e inspeção subaquática,
além do tempo programado. Enquanto na Figura 6, referente ao segundo semestre de 2016, é
possível verificar que além de períodos excedentes de docagem e inspeção subaquática,
problemas com sistema de propulsão e geração também foram significativos no período. Por
fim, na Figura 7, referente ao último semestre avaliado percebeu-se que o sistema de geração
foi a maior causa de offhire do período.
Os períodos de docagem e inspeção subaquática ocorrem em longos intervalos de
tempo, respectivamente a cada cinco anos e a cada dois anos, por exigência da Sociedade
Classificadora. No planejamento do ano de 2016, coincidentemente ocorreram muitos desses
serviços na frota, causando essa diferença nos semestres avaliados.
23,9%
0,9%
5,9%
12,0%
2,1%
36,9%
6,7%
9,9%
1,5%
N/A
Outros
Sist Carga
Sist Elétrico
Sist Emergência
Sist Geração
Sist Navegação
Sist Propulsão
Sist Refrigeração
0,0% 10,0%20,0%30,0%40,0%
1º sem 2017
1º sem 2017
22
Baseado nos dados aferidos foi possível construir a Tabela 3, que representa o
impacto semestral da falha dos sistemas da EAM na composição do offhire da frota. É
possível verificar que, dentro de um desvio padrão de até 5%, os sistemas de Navegação,
Emergência, Refrigeração, Propulsão e Elétrico compõem um valor médio do offhire da frota
possível de ser previsto, enquanto o Sistema de Geração representa uma parcela significativa
do offhire, mas sua dispersão é muito grande para prever a composição do offhire semestral da
frota por conta desse sistema.
Tabela 3 - composição semestral do offhire da frota
média desv. Pad
Sist Emergência 1,1% 1,0%
Sist Refrigeração 1,8% 1,7%
Sist Navegação 6,5% 2,2%
Sist Elétrico 9,4% 2,9%
Sist Propulsão 12,3% 3,5%
Sist Carga 6,6% 6,3%
Outros 11,0% 13,6%
Sist Geração 19,7% 15,6%
N/A 30,2% 34,8%
Como o espaço de tempo avaliado é relativamente curto dentro da vida útil de
cada EAM, não é possível concluir com confiança suficiente que a média estimada possa se
repetir semestralmente. Seria necessário estender o período de avaliação e aumentar a
quantidade de embarcações avaliadas para obter dados com maior precisão.
3.4. A OPERAÇÃO DE SUPRIMENTO A UNIDADES MARÍTIMAS
A operação de uma EAM do tipo PSV consiste principalmente em carga e
descarga entre PSV e Unidade Marítima (UM - classificação genérica para designar
Plataformas, Floating Production Storage & Offloading - FPSO, Navio-Sonda, Pipe-Laying
Support Vessel - PLSV, etc..). Logo, essas embarcações são utilizadas em praticamente em
todo o ciclo de vida de um campo de produção de petróleo (LUCCIO e DORES, 2016).
As operações descritas neste capítulo seguem como referência o Guia de
Operações entre Embarcações de Apoio Marítimo e Unidades Marítimas (PETROBRÁS,
2017), com foco na operação de PSV, não contemplando todas as possibilidades de operação
entre EAM e UM.
23
Algumas embarcações são especializadas em tipos específicos de carga ou de
operação, e, portanto, existem situações diferenciadas do procedimento de operação, mas em
geral a operação consiste nas seguintes fases:
• Planejamento; • Embarque / Estiva; • Preparação para desatracação; • Trânsito - Navegação; • Aproximação; • Transferência de carga; • Término da faina.
Na fase de Planejamento, uma EAM é designada para atender uma programação a
partir da requisição de transporte solicitada pelas UM. Tal fase é realizada pelo Afretador.As
UMs informam ao afretador suas limitações e a partir daí são levados em conta os seguintes
aspectos:
• Características e limitações da EAM; • Tipo da carga (peso, volume e forma); • Tipo de UM (navio sonda, FPSO, FSO, etc); • Características e restrições operativas dos guindastes das UM, caso haja; • Condições meteorológicas esperadas.
Figura 8 - Programação de uma EAM
Fonte: MARINETRAFFIC (2017)
24
Após isso, uma EAM é designada pelo afretador para atender a programação
solicitada, e a mesma deverá seguir para o Porto, receber os materiais e seguir o roteiro de
atendimento, onde a mesma deverá entregar cada material para o seu destino, que podem
incluir diversas UM, a depender da capacidade da EAM, conforme visualizado na Figura 8,
onde a seta azul representa a EAM e a âncora amarela representa a UM.
Em contrapartida, o Comandante ou o Imediato da EAM deve realizar o Plano de
Estiva da carga no convés e avaliar se é possível que o carregamento seja feito, assegurando
que a EAM possui capacidade de carga e estabilidade suficiente para que a mesma seja
embarcada de forma segura, conforme Figura 9.
Figura 9 - Convés de um PSV carregado de skids
Fonte: MARITIME SYMPOSIUM - ROTTERDAM (2017)
O Comandante da EAM deve se certificar que a mesma possui água, óleo,
mantimentos e suprimentos suficientes para a viagem, pois o reabastecimento deve ser
programado com dez dias de autonomia. Em diversas ocasiões, uma programação é estendida
devido a mau tempo, então esse planejamento é vital para que a embarcação não fique offhire
por conta de autonomia insuficiente.
Outra logística que deve ser considerada nas programações são as trocas de turma.
Usualmente, as EAM do tipo PSV trocam de tripulação a cada 28 dias, e nestas ocasiões, a
embarcação é liberada por 12 horas. Logo, a troca de turma é um período importante de
disponibilidade da EAM que paralelamente pode ser utilizado para realizar manutenções
25
preventivas e corretivas dos equipamentos de bordo, além de reabastecimento de mantimentos
e suprimentos.
Antes de sair do porto, a EAM deve efetuar a plotagem da rota nas cartas náuticas
da área, inserindo através dos pontos no GPS de bordo. Nesta rota, deve ser respeitada a zona
de segurança da UM, que corresponde a um raio de 500 metros em volta da UM, em que as
EAM em trânsito não devem se aproximar.
As operações de transferência de carga são críticas por conta dos riscos
envolvidos devido às condições ambientais, portanto, a UM deverá utilizar prioritariamente o
bordo favorável para operações de carga e descarga com EAM. É considerado como bordo
favorável aquele cuja resultante das forças ambientais (vento, mar e corrente) faz com que a
EAM afaste-se da UM e bordo desfavorável aquele cuja resultante move a EAM em direção a
UM. O objetivo dessa ação é caso a EAM perca a propulsão, a mesma não venha a abalroar a
UM.
Ao chegar à zona de segurança, antes da embarcação realizar a entrada para
operar, deve ser realizado o chamado “teste de deriva”, onde os sistemas propulsivo e de
navegação são testados, para verificar a funcionalidade dos mesmos. Como embarcações do
tipo PSV são dotadas do sistema DP, devem ser seguidos os procedimentos e testes da IMO
MSC/Circ. 645 - Guidelines for vessel with Dynamic Positioning Systems e Internacional
Marine Contractors Association (IMCA) 182– International Guidelines for the safe
operation of Dynamically Positioned offshore supply vessel.
De acordo com tais publicações, os testes a serem realizados possuem a finalidade
de avaliar o stationkeeping da EAM. O stationkeeping é a capacidade de um navio manter a
mesma posição em relação a um ponto de referência, onde são variadas a potência dos bow
thrusters e stern thrusters e potência e direção dos azimutais, de forma que o somatório de
forças de cada componente do sistema propulsivo anule com o somatório de forças ambientais
(ondas, vento e corrente), conforme Figura 10.
26
Figura 10 - Tela de um sistema DP
Fonte: TRANSPORTATION SAFETY BOARD OF CANADA (2011)
Após a realização dos testes de deriva e antes da EAM entrar na zona de 500
metros da UM, a carga deverá ser desapeada e o controle deverá ser passado para a estação de
ré do passadiço, pois é possível a visualização do convés e das cargas. A velocidade de
aproximação deverá ser inferior a dois nós, e redução gradual até o posicionamento final. É
recomendado que as operações de transferência de carga ocorram com a popa da EAM
direcionada para a UM, pois numa situação de emergência a EAM poderá se afastar mais
rapidamente da UM, conforme Figura 11.
A transferência de carga no convés da EAM para a UM é realizada através do
guindaste da UM, que irá receber a carga recebido no porto (comumente denominada load) e
fornecer a carga de retorno (comumente denominada backload) . As cargas nos conveses e a
transferência de fluidos (água, óleo, etc...) e granel é realizada através do bombeio por
mangotes, que são passados da UM para a EAM e conectados com os mangotes de bordo.
27
Figura 11 - Operação de Carga/Descarga entre EAM e UM
Fonte: SHIP TECHNOLOGY (2012)
As principais demandas às EAM, segundo BATISTA (2005) são as seguintes:
RELAÇÃO DE INSUMOS REQUISITADOS PELAS PLATAFORMAS Os diversos serviços, materiais, assim como equipes de trabalho necessários ao perfeito funcionamento das Unidades Plataformas (nome dado às plataformas,navios e sondas móveis), que geram as Solicitações de Carregamento às embarcações de apoio, estão relacionadas abaixo: 1. Suprimento de água; 2. Suprimento de óleo diesel; 3. Suprimento de rancho; 4. Suprimento de tubos de perfuração e produção; 5. Suprimento de fluidos de perfuração e completação; 6. Suprimento de granéis (Baritina, Bentonita e Cimento); 7. Suprimento de convés através de Skids, caixas de madeira e/ou contêineres(corda, cilindro de oxigênio, cilindro de acetileno, gás freon, bobina de cabo de aço, bobina de polipropileno, etc); 8. Suprimento de Ácidos (estimulação de poço); 9. Transporte de passageiros; 10. Reboque de plataformas; 11. Fixar petroleiro; 12. Relançamento de âncora; e 13. Combate a incêndio.
No caso específico de PSVs, as principais cargas transportadas são:tubos de
perfuração de produção, lama, salmoura, água doce, óleo, granéis (Baritina, Bentonita e
Cimento), rancho, fluidos de perfuração e produção, suprimentos de convés através de caixas
metálicas (denominadas Skids), caixas de madeira e/ou containers. Ocasionalmente, os PSVs
28
também operam como extensão de convés para as UMs, ficando longos períodos de tempo
próximos a mesma para auxiliar na logística de movimentação da carga a bordo, quando a
UM possui espaço de convés restrito.
Após a transferência da carga que foi planejada para a EAM realizar com a UM
designada, a mesma deverá se afastar da UM o mais breve possível e então seguir a
programação, que pode consistir em atender outra UM ou retornar ao porto com o backload.
Assim que a programação é atendida e a EAM começa a navegar para o porto, a
mesma já entra na fila de atendimento do porto para retornar com o backload e enquanto isso,
o afretador planeja uma próxima programação para a EAM e encerra-se a programação.
3.5. INTERVALO ENTRE AS PROGRAMAÇÕES - FOLGA ONHIRE
Devido ao tempo de espera no porto e o tempo em que o afretador planeja uma
próxima programação para o armador, existe um intervalo na operação em que a embarcação
está onhire, porém não está efetivamente operando, normalmente fundeada em águas
abrigadas. Tal período será chamado no modelo matemático como folga onhire, e definido
como o intervalo de tempo em que a embarcação, estando onhire, aguarda entre o término do
atendimento a uma programação (a partir da fila de espera no porto) e o recebimento da
próxima programação.
No período aguardando programação, as manutenções das EAM são programadas.
Logo, trata-se de um desafio gerencial programar as manutenções para aproveitar ao máximo
as oportunidades de entradas de cada EAM nos portos, pois esse intervalo pode tanto ser de
algumas horas quanto vários dias. Uma boa programação de manutenção pode ser crucial para
evitar possíveis falhas dos equipamentos de bordo, que conforme será abordado no próximo
capítulo, podem ocasionar em offhires indesejados pelo armador.
Esta informação foi considerada como uma importante variável no desempenho
de uma EAM, pois é o tempo em que a embarcação está à disposição do Armador para
realizar manutenções preventivas e corretivas, trocar equipamentos, enviar materiais para
bordo, re-certificar documentos e equipamentos, fazer inspeções preventivas, entre inúmeras
outras atividades que previnem que uma possível falha de equipamento ou eventual inspeção
do cliente acarretem um período offhire. Além disso, como segundo efeito, a folga onhire
também é um período de tempo em que os equipamentos críticos de operação a bordo não
estão sendo utilizados (ou estão subutilizados), acarretando em um menor desgaste dos
mesmos.
29
4. O MÉTODO DE ANÁLISE ENVOLTÓRIA DE DADOS (DEA) E SUA
UTILIZAÇÃO PARA BENCHMARKS
4.1. UNIDADE DE DECISÃO - DECISION MAKING UNIT (DMU)
Ao de abordar conceitos como Produtividade e Eficiência, faz-se necessário
estender o entendimento desses conceitos, pois ao estudar uma máquina, plantação ou fábrica
é possível ter uma noção explícita da aplicação dos mesmos, pois existem relações muito
claras entre a utilização de insumos (inputs) e seus respectivos produtos (outputs). Entretanto,
para empresas do setor de serviços ou para políticas governamentais, podem existir inúmeros
fatores que influenciam no resultado de seus investimentos e seus resultados não
necessariamente estão relacionados a fatores econômicos.
Desta forma, CHARNES et al. (1978) elaboraram o conceito de Unidade de
Decisão - Decision Making Unit (DMU), que abrange uma variedade de sistemas onde a
produtividade ou eficiência está relacionada com a tomada de decisões, podendo ser qualquer
sistema que processe um conjunto de variáveis de entrada (inputs) em variáveis de saída
(outputs), não precisando levar em conta necessariamente os pesos referentes a valor de
mercado ou interesses econômicos, conforme Figura 12.
Figura 12 - Representação de uma DMU
Fonte: MARIANO, E. B. (2007)
4.2. PRODUTIVIDADE X EFICIÊNCIA
Para abordar o método de Análise Envoltória de Dados (DEA), que corresponde a
um método para estimar a Fronteira de Eficiência Técnica medida a partir da Eficiência
Relativa entre diferentes Unidades de Decisão, é interessante discutir dois conceitos básicos
que são amplamente utilizados na indústria, que são a Produtividade e a Eficiência.
Produtividade pode ser definida como a quantidade que se pode produzir de um
determinado produto (de forma genérica, output) dada uma quantidade de insumos (de forma
30
genérica, input). Ou seja, a Produtividade pode relacionar diferentes unidades de medida,
assumindo qualquer valor real, conforme equação 1. (MARIANO, 2007)
����������� = �� ����� �� (1)
Eficiência pode ser definida como a capacidade de um sistema conseguir seu
melhor rendimento. Desta forma, a eficiência sempre será um valor entre 0 e 1, pois é uma
relação entre o desempenho atual de um sistema e o desempenho máximo que o mesmo pode
alcançar, conforme equação 2 (MARIANO, 2007).
Ou seja, apesar de Produtividade e Eficiência estarem correlacionadas, como é o
caso explicito de uma empresado setor de manufatura, a Eficiência pode ser utilizada para
diversos indicadores além da Eficiência Produtiva. Alguns exemplos são a Eficiência
Termodinâmica de um motor ou a Eficiência Elétrica de uma lâmpada. Em todos os casos, os
valores devem estar entre 0 e 1. Logo, de forma genérica, a Eficiência pode ser calculada
como:
�����ê��� = �������� � ��� �ℎ� ����á���� ���� � ��� �ℎ� ��� �������� (2)
A partir desta definição é possível calcular duas Eficiências: a eficiência absoluta
e a eficiência relativa. A diferença entre ambas está no fato de que a eficiência absoluta toma
como referência de valor máximo de desempenho um valor teórico (ideal e inatingível),
enquanto a eficiência relativa toma como referência as unidades de produção mais eficientes
de um setor (MARIANO, 2007).
Portanto, a eficiência relativa não fornece necessariamente valores de eficiência
absoluta, ou seja, as DMUs podem estar com uma eficiência baixa em relação ao valor ideal.
Entretanto, a eficiência relativa pode explicitar boas práticas de trabalho dentro de um
determinado contexto, podendo auxiliar na criação de indicadores que melhorem o
desempenho de um negócio, indicando uma possível Fronteira de Eficiência Técnica das
DMUs, conforme Figura 13.
31
Figura 13 - Fronteira Teórica e Fronteira DEA
Fonte: LÓPEZ-ESPÍN et al (2014).
4.3. EFICIÊNCIA TÉCNICA X ALOCATIVA
A Eficiência pode ser dividida em duas categorias: Eficiência Técnica e Eficiência
Alocativa.A Eficiência Técnica é aquela que determina a capacidade de uma Unidade
Tomadora de Decisão produzir o máximo de output dada uma quantidade de input. A
Eficiência Alocativa representa a eficiência da alocação de recursos dados os custos de
produção necessários para produzir uma quantidade de output. (PIRES et al., 2009)
COELLI et al. (2005) descrevem a diferença entre Eficiências Técnica e Alocativa
de forma simples, conforme a Figura 14. No exemplo em questão, para produzir um
determinado output (q), são utilizados dois inputs (x1 e x2). Logo, o quanto cada de cada
input é necessário para produzir output é dado pela relação x1/q e x2/q, que são os eixos do
gráfico.Ou seja, um ponto no gráfico representa o quanto de x1 e x2 é utilizado para produzir
um único q.
32
Figura 14 - Eficiência Técnica e Alocativa
Fonte: COELLI, T.J. et al (2005)
Sabendo que diferentes unidades de produção podem utilizar proporções
diferentes de x1 e x2 para produzir q, aquelas unidades que utilizam tais recursos com a
máxima eficiência técnica podem ser descritas na curva isoquanta SS'. Logo, se uma unidade
de q é produzida no ponto P, utilizando a determinada proporção de recursos x1 e x2, a
eficiência técnica desta unidade de produção pode ser medida através da distância entre o
ponto P e a curva SS'. Logo, a Eficiência Técnica (TE) será, conforme equação 3:
�� = ! � (3)
Logo, um valor de uma unidade representa uma unidade totalmente eficiente
tecnicamente. Por exemplo, o ponto Q no gráfico da Figura 14 representa uma firma
tecnicamente eficiente.
Se existirem informações dos custos de produção para q em relação aos inputs x1
e x2,é possível descrever uma relação entre os custos dos inputs e a quantidade produzida de q
através da curva de isocusto AA'.
Logo, a Eficiência Alocativa pode ser definida como a distância RQ (equação 4),
que é a distância entre as curvas de custo e eficiência técnica, ou seja, representa a redução
33
nos custos de produção que ocorreriam ao se produzir no ponto Q', que é tecnicamente e
alocativamente eficiente ao invés de se produzir no ponto tecnicamente eficiente, mas
alocativamente ineficiente Q.
#� = $ ! (4)
A relação Custo Eficiência (CE) de uma unidade de produção seria a distância do
ponto P da curva de isocusto AA'. Ela é matematicamente igual ao produto das Eficiências
Técnica e Alocativa. Conforme equação 5:
&� = $ � = ���#� = ' !
�( � ' $ !( (5)
No presente estudo não é possível relacionar em curvas de custo entre output e
inputs, porque a análise será realizada com base em dados que representam a eficiência
operacional das embarcações. Não está sendo avaliado, por exemplo, se é melhor alocar
recursos para estender uma docagem ou então se é melhor manter um offhire do que arcar
com os custos para reverter o mesmo. Apesar de ser uma análise muito importante do ponto
de vista financeiro, não será o foco deste trabalho, cujo objetivo será avaliar o desempenho
técnico e operacional das embarcações.
Por fim, um dos métodos capazes de identificar uma fronteira de Eficiência
Técnica é a Análise Envoltória de Dados (DEA), sendo um método poderoso para a realização
de um Benchmarking, que é o objetivo do presente trabalho.
4.4. O MÉTODO DEA
O método DEA, cujo modelo elaborado por CHARNES et al. (1978) propõe que a
medida de eficiência de uma determinada DMU é obtida como razão máxima de outputs em
relação a inputs, ambos com suas ponderações (pesos), de forma que as razões para todos os
DMUs sejam menores ou iguais a 1.
Considerando que um *�+, utiliza ( �-., �0. , … , �2, ) N-inputs para produzir
(3-., 30., … , 34,) M-outputs, a eficiência do mesmo pode ser calculada conforme equação 6
(FARREL, 1957):
34
��, = �-. 3-, + �0. 30, + ⋯ + �4. 34,�-. �-, + �0. �0, + ⋯ + �2 . �2,
(6)
Desta forma o problema se resume a calcular os pesos �9 e �. que maximizam a
eficiência do DMU, combinando inputs e outputs da maneira mais favorável, considerando
como restrição que a eficiência dos outros DMUs deverá ser menor ou igual a uma unidade.
Logo, as DMUs eficientes serão aquelas em que o índice de eficiência é igual a um
(AZEVEDO, 2010).
Logo, o problema deverá ser resolvido para cada DMU. Por exemplo, num
conjunto *�+,(k=0,1,...,K), para o*�+:, o problema a ser resolvido contempla as equações
7 a 9:
�� ��: = ∑ �9 . 39:49<-∑ �. . �.:2.<-
(7)
��>���
��, = ∑ �9 . 39,49<-∑ �. . �.,2.<-
≤ 1, @ = 1, … , A (8)
�9 , �. ≥ 0 ; > = 1, … , � ; � = 1, … , F (9)
Ou seja, todo o conjunto de dados está sendo utilizado para calcular a eficiência
do *�+: . A eficiência de um membro desse conjunto de referência deve ser calculada
relativamente em relação aos outros. Por exemplo, para calcular a eficiência do *�+H, o
problema a ser resolvido contempla as equações 10 a 12:
�� ��H = ∑ �9 . 39H49<-∑ �. . �.H2.<-
(10)
��>���
��, = ∑ �9 . 39,49<-∑ �. . �.,2.<-
≤ 1, @ = 0,1,2,4,5, … , A (11)
�9 , �. ≥ 0 ; > = 1, … , � ; � = 1, … , F (12)
Entretanto, o problema acima é um modelo de programação não-linear e não há
solução única. Isso ocorre porque existem duas variáveis a serem determinadas (que são os
pesos �9 e �. para a DMU avaliada) e apenas uma equação de restrição.
Logo, uma forma de contornar esse problema e transformá-lo em um problema de
programação linear é introduzir mais uma equação de restrição (equações 14 e 18) de tal
35
forma que o numerador ou o denominador seja igual a uma constante. Quando utilizado o
valor de uma unidade, serão obtidos, respectivamente, modelo com orientação a output e
input. (PIRES et al., 2009).
O modelo com orientação a input será, portanto, contemplado pelas equações 13 a
16:
�� ���: = I �9 . 39:4
9<- (13)
��>���
I �. . �.,2
.<-= 1; (14)
I �9 . 39,4
9<-− I �. . �.,
2
.<-≤ 0, @ = 1, … , A (15)
�9 , �. ≥ 0 ; > = 1, … , � ; � = 1, … , F (16)
O modelo com orientação a output será, portanto contemplado pelas equações 17
a 20:
�í� �� : = I �9 . �9:2
9<- (17)
��>���
I �. . 3.,4
.<-= 1; (18)
I �9 . 39,4
9<-− I �. . �.,
2
.<-≤ 0, @ = 1, … , A (19)
�9 , �. ≥ 0 ; > = 1, … , � ; � = 1, … , F (20)
O resultado da análise DEA produzirá uma fronteira de produção, cuja superfície
contém todas as DMUs cujo índice de eficiência é igual a um. A distância das DMUs desta
fronteira pode ser interpretada como a medida de ineficiência da DMU.
Logo, numa análise orientada a input, a distância projetada da fronteira de
eficiência representa quanto é possível se reduzir equiproporcionalmente os inputs, mantendo
36
o mesmo nível de output. Numa análise orientada a output, a distância projetada da fronteira
de eficiência representa quanto é possível aumentar equiproporcionalmente o output,
mantendo o mesmo nível de input.
Além de orientação a input e output, o método DEA pode assumir mais duas
categorias: Retorno Constante de Escala (Constant Returns to Scale - CRS) ou Retorno
Variável de Escala (Variable Returns to Scale - VRS). No modelo CRS (que corresponde ao
modelo acima), um aumento de input proporciona um aumento equiproporcional de output,
enquanto no modelo VRS um aumento de input não proporciona um aumento
equiproporcional de output. Tais características podem ser visualizadas na Figura 15, onde na
fronteira VRS, um aumento de insumos no ponto A para o ponto B promoveu um aumento
mais que proporcional de produtos, enquanto que do ponto B para o ponto C um aumento
menos que proporcional de produtos.
Foi escolhido o modelo CRS pois não há indícios de ganhos de escala inerente ao
processo definido no modelo matemático presente no capítulo 5.
Figura 15 - CRS e VRS
Fonte: LOPES et al. (2008)
De acordo com Golany e Roll (apud LINS e MOREIRA, 2000) a metodologia
para implementar um método DEA é composta de três fases principais. A primeira fase
consiste em definir as DMUs que entrarão na análise. Essas DMUs devem ser homogêneas e
sua quantidade deve ser no mínimo o dobro do número de inputs e outputs utilizadas no
modelo. Na segunda fase, após a seleção de DMUs, é necessário selecionar inputs e outputs a
37
serem utilizados no modelo. Inicialmente, devem ser elencadas todas as variáveis possíveis
que podem influenciar no resultado da análise, e a partir daí, selecionar criteriosamente as que
possuem maior impacto nos resultados, tendo em vista que quanto maior o número de inputs e
outputs, menor será a capacidade de o método avaliar DMUs eficientes. Só então ocorre a
terceira fase, que é a aplicação do modelo DEA em si.
38
5. MODELO MATEMÁTICO PROPOSTO
Tipo de modelo: CRS e Orientado a output,
Inputs: Idade, Folga onhire, Manutenção Preventiva.
Outputs: Offhire
Uma DMU corresponderá a uma embarcação da frota avaliada dentro de um
período de três semestres, de 01/01/2016 até 30/06/2017. A busca será maximizar a
disponibilidade, ou minimizar o offhire, conforme explicado no tópico 6.1
5.1. VARIÁVEIS CONSIDERADAS NO MODELO MATEMÁTICO
5.1.1. IDADE
A idade da embarcação será um input no modelo matemático porque consegue
agregar, de forma genérica, uma série de informações acerca do desempenho da mesma.
Entende-se que, quanto maior for a idade da embarcação, maior será o tempo em
que se operou, o que certamente acarreta em maior desgaste dos equipamentos internos e
consequentemente aumenta a probabilidade de falha dos mesmos.
Logo, se duas embarcações em um determinado ano/semestre, apresentam a
mesma taxa de offhire, a embarcação mais velha tende a apresentar melhor performance, se
forem considerados apenas estes aspectos. Ou seja, se duas embarcações apresentam o mesmo
Offhire, a mais antiga pode ser considerada mais eficiente, se todos os demais parâmetros e
condições de operação são iguais.
5.1.2. FOLGA ONHIRE
A Folga onhire da operação pode ser definida como o intervalo de tempo em que
a embarcação, estando onhire, aguarda entre o término do atendimento a uma programação e
o recebimento da próxima.
Este input foi considerado como uma importante variável no desempenho de uma
DMU, pois é o tempo em que a embarcação está à disposição do Armador para realizar
manutenções preventivas e corretivas, trocar equipamentos, enviar materiais para bordo, re-
certificar documentos e equipamentos, fazer inspeções preventivas, entre inúmeras outras
atividades que previnem que uma possível falha de equipamento ou eventual inspeção do
cliente acarretem em um período offhire.
39
Como segundo efeito, a folga onhire também é um período de tempo em que os
equipamentos críticos de operação a bordo não estão sendo utilizados (ou estão subutilizados),
acarretando em um menor desgaste dos mesmos.
Desta forma, a Folga onhire foi considerada como um importante fator que
impacta na performance de uma DMU. Logo, quanto maior a Folga onhire, espera-se que a
DMU possua uma menor taxa de offhire, devido aos fatos acima expostos.
5.1.3. MANUTENÇÃO PREVENTIVA
Como o benchmarking será realizado do ponto de vista de um armador, será
considerado no modelo DEA como um input o investimento em manutenção preventiva de
cada embarcação, tendo em vista que os custos de capital não influenciam no desempenho da
operação.
O investimento em manutenção preventiva sendo um custo gerenciável pelo
armador, difere de custos comuns equivalentes para as embarcações que compõem uma frota,
como custos com tripulação, manutenção, rancho, despesas de classe, seguros, certificados de
equipamentos, etc... Que podem ser considerados como uma variável comum em todas as
embarcações, e por isso, ser excluídas do modelo.
5.1.4. OFFHIRE
O Offhire pode ser considerado como o maior problema para os Armadores que
afretam sob contratos de time charter. O Offhire é o período de tempo que a embarcação fica
fora de contrato, seja por causa de falha de equipamentos ou por quaisquer outros motivos
estabelecidos no contrato de afretamento que sejam passíveis de retirar a embarcação de
operação.
É uma condição impactante por dois motivos: perda da geração de receita no
período de offhire e os custos de viagem que ficam sob responsabilidade do armador neste
período, em destaque as despesas portuárias e de combustível.
Logo, deve ser fundamental que o armador tome atitudes preventivas, em favor da
segurança da navegação, qualificação da tripulação, manutenção preventiva, e certificados dos
equipamentos a bordo em dia, de forma a evitar que a embarcação fique offhire.
Desta forma, o inverso do período de offhire de cada DMU expressa o resultado
mais explícito do desempenho da mesma, e será considerada como output da DEA proposta,
cujo modelo será orientado a output.
40
5.2. VARIÁVEIS QUE PODERIAM SER ADICIONALMENTE
CONSIDERADAS NO MODELO MATEMÁTICO
As variáveis descritas a seguir podem ser consideradas como relevantes para o
desempenho da DMU. Entretanto, seja por limitações de como implementá-las no modelo
matemático proposto ou pela falta da informação em si, elas serão elencadas para que
possíveis estudos futuros possam agregá-las, a fim de aprimorar o modelo matemático.
5.2.1. ÍNDICE DE QUALIFICAÇÃO DA TRIPULAÇÃO
O Índice de qualificação da tripulação deve estabelecer, de forma subjetiva, a
relação homem-máquina da tripulação a bordo da embarcação. Entende-se que tripulações
mais experientes e com maior tempo de embarque numa mesma embarcação, operem a
mesma de forma mais segura e eficiente, além de serem capazes de realizar manutenções que
não seriam possíveis ao pouco tempo disponível de folga onhire no porto.
Uma proposta de levantamento desde dado seria a partir de uma matriz Tempo de
embarque médio dos tripulantes x Tempo que os tripulantes estão na embarcação. Entende-
se que tripulações com maior tempo médio de embarque e que estão a mais tempo numa
mesma embarcação desempenhem melhor com a mesma, impactando possivelmente no
offhire.
5.2.2. ÚLTIMA DOCAGEM
O período de docagem é o período em que a embarcação tem, a cada cinco anos,
uma janela para realizar importantes tarefas que só poderiam ocorrer neste período, onde o
escopo é manutenção da parte abaixo da linha d'água (pintura do casco, troca de anodos,
válvulas de fundo, caixa de mar, propulsores, thrusters, odômetro, etc.), inspeções de Classe,
além de manutenção de itens em geral (amarras e âncoras, motores, etc).
Após a docagem, é evidente que o desempenho da embarcação melhora de forma
brusca. Entretanto, há certa dificuldade de implementar tal dado no presente estudo, pois a
janela de tempo estudada não é suficiente para cobrir um período docagem de todos os navios
que compõem a frota.
Portanto, é uma variável que poderá ser considerada para uma análise posterior,
mas poderia vir a ser uma variável a ser considerada no modelo matemático.
41
5.3. MODELO MATEMÁTICO PROPOSTO
O modelo proposto pode ser resumido na Figura 16.
Figura 16 - Modelo proposto
5.4. ORDENAÇÃO DAS DMUS
As DMUs foram ordenadas de acordo conforme visualizado na Figura 17, onde as
embarcações foram numeradas de 1 a 20, e agrupadas por projeto (variando de A a J, onde
letras iguais correspondem a embarcações em tese iguais)
Figura 17 - Ordenação das DMUs
No total foram analisadas 20 DMUs, cujas especificações técnicas encontram-se
na Tabela 4. Nesta tabela encontram-se a notação de Classe, Comprimento Total (LOA), Boca
(Bm), Pontal (Dm), Calado (T), Área de Convés, Deadweight (DWT) e Arqueação Bruta
(GRT):
42
Tabela 4 - Especificações técnicas das DMUs por ship design
DMU Projeto Notação de Classe Dimensões Capacidades
DMU1 A LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 71,9m Bm - 16,0m Dm - 7,0m
T - 5,8m
Área Convés - 656 m² DWT - 3275t GRT - 2150
DMU9 B LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 62,9m Bm - 16,0m Dm - 7,0m
T - 5,8m
Área Convés - 541,2 m² DWT - 2598t GRT - 1851
DMU7 C LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 71,5m Bm - 16,0m Dm - 7,5m
T - 5,0m
Área Convés - 640 m² DWT - 3100t GRT - 2500
DMU3 DMU11 DMU12 DMU15
D LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 71,8m Bm - 16,0m Dm - 7,5m
T - 6,0m
Área Convés - 640 m² DWT - 3320t GRT - 2475
DMU5 DMU8 E
LLOYD'S+100 A1, LMC, UMS, DP
(AM)
LOA - 71,8m Bm - 16,0m Dm - 7,5m
T - 6,0m
Área Convés - 587 m² DWT - 3320t GRT - 2624
DMU18 DMU19
F LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 87,4m Bm - 16,0m
D - 7,5m T - 6,0m
Área Convés - 848 m² DWT - 4000t GRT - 3015
DMU6 G LLOYD'S+100 A1,
LMC, UMS, DP (AM)
LOA - 71,80m Bm - 16,0m
D - 7,5m T - 6,0m
Área Convés - 640 m² DWT - 3200t GRT - 2429
DMU16 DMU4
H
LLOYD'S 100 A1 Offshore Supply Ship, *IWS, EP, LMC, UMS, DP
(AA)
LOA - 87,4m Bm - 16,0m
D - 7,8m T - 6,2m
Área Convés - 802,8 m² DWT - 4500t GRT - 3186
DMU17 DMU14 DMU2 DMU20
I
LLOYD'S 100 A1 Offshore Supply Ship, *IWS, EP, LMC, UMS, DP
(AA)
LOA - 89,5m Bm - 16,0m
D - 7,8m T - 6,2m
Área Convés - 867 m² DWT - 4500t GRT - 3000
DMU10 DMU13
J
LLOYD'S 100 A1 Offshore Supply Ship, *IWS, EP, LMC, UMS, DP
(AA)
LOA - 85,25m Bm - 19,0m
D - 8,0m T - 6,3m
Área Convés - 924 m² DWT - 5000t GRT - 3867
43
6. APLICAÇÃO DO MODELO NO SOFTWARE FRONTIER ANALYST™
6.1. ENTRADA DE DADOS NO SOFTWARE
A entrada de dados para o método DEA deve possuir a seguinte lógica:
• Inputs: quanto maior o valor, menor score
• Outputs: quanto menor o valor, menor score
Essa entrada de dados parte da definição de eficiência, que é maior quando há
menos input para o mesmo output, ou mais output para o mesmo input. Portanto, para fazer
com que o modelo matemático proposto no Capítulo 5 esteja coerente, foi necessário realizar
uma transformação nas variáveis idade e offhire.
Para a variável idade, foi utilizada a seguinte transformação:
���∗ = 1��� (21)
Com esta transformação, as embarcações mais velhas possuirão menor input
idade* e o contrário para as embarcações mais novas, tornando a variável coerente para o
software. Poderia ser utilizada uma função do tipo idade*=15-idade (pois a maior idade da
embarcação da frota corresponde a 14 anos), mas ao testar no software essa função, a idade
possuiu um peso maior do que o esperado em relação aos outros inputs, tornando a função
escolhida idade* = 1/idade mais coerente de acordo com a base de dados utilizada.
Para a variável offhire, foi utilizada a seguinte transformação:
���ℎ��∗ = 1 − ���ℎ�� (22)
Com esta transformação, as embarcações com maior percentual de offhire
possuirão menor output offhire* e o contrário para as embarcações com menor percentual de
offhire, tornando a variável coerente para o software. Essa função foi utilizada porque
corresponde a disponibilidade da embarcação, sendo completamente análoga ao offhire de
cada embarcação.
6.2. OBTENÇÃO DOS DADOS
A tabela 5 consolida todos os dados utilizados no software. A explicação da
obtenção dos dados de cada uma das variáveis utilizadas no modelo matemático encontram-se
nas sessões seguintes. As colunas acinzentadas estão apenas como apoio aos inputs e outputs
inseridos no software e não foram inseridas no mesmo.
Além disso, as variáveis de offhire e Manutenção preventiva tiveram seus dados
tratados, onde no offhire foram desconsideradas as inoperâncias provenientes por situações
44
ocasionadas por falhas operacionais e Manutenção preventiva foi utilizado como parâmetro o
valor de investimento em termos de Homem-Hora (HH). Quanto a variável de folga onhire, o
banco de dados na qual a informação foi extraída possui ciclos mensais de verificação,
portanto os dados obtidos da mesma foram consolidados à época do presente estudo, e
portanto, são confiáveis.
Tabela 5 - Dados consolidados
DMU Idade Idade* Folga
onhire HH orçado %Offhire
1-%offhire
Dias de operação
DMU1A 13 0,076923 0,1608 61,54 0,0858 0,9142 532
DMU2I 3 0,333333 0,3397 156,44 0,0052 0,9948 546
DMU3D 8 0,125 0,2552 97,06 0,0611 0,9389 546
DMU4H 4 0,25 0,1554 130,46 0,0519 0,9481 546
DMU5E 6 0,166667 0,2339 72,08 0,0228 0,9772 546
DMU6G 5 0,2 0,2115 65,90 0,0753 0,9248 380
DMU7C 9 0,111111 0,2759 96,98 0,1082 0,8918 546
DMU8E 6 0,166667 0,3153 75,63 0,0231 0,9769 546
DMU9B 13 0,076923 0,2625 86,94 0,1155 0,8845 484
DMU10J 1 1 0,2162 71,79 0,0582 0,9418 303
DMU11D 8 0,125 0,1845 105,88 0,0614 0,9386 546
DMU12D 7 0,142857 0,1560 102,04 0,0458 0,9542 546
DMU13J 0,5 2 0,2193 47,94 0,0057 0,9943 212
DMU14I 4 0,25 0,1366 119,42 0,0187 0,9813 546
DMU15D 7 0,142857 0,2638 125,94 0,0344 0,9656 546
DMU16H 4 0,25 0,1816 94,21 0,0741 0,9259 546
DMU17I 4 0,25 0,1157 102,71 0,0572 0,9428 546
DMU18F 6 0,166667 0,1588 87,67 0,0264 0,9736 546
DMU19F 5 0,2 0,1332 68,50 0,0956 0,9044 546
DMU20I 3 0,333333 0,1969 122,65 0,0304 0,9696 546
6.2.1. IDADE
A idade de cada DMU foi obtida através dos dados fornecidos pelo armador. Foi
utilizada a data de entrega de navio ao armador como parâmetro de idade. A Tabela 5
descreve a idade de cada DMU e o input idade* utilizado na análise
6.2.2. FOLGA ONHIRE
A folga onhire foi obtida através dos Registros de Viagem da Embarcação (RVE).
O RVE é um banco de dados de compila todas as operações que as embarcações realizaram
45
num período de 24 horas, incluindo a localidade, tipo de operação, hora de início e fim de
cada operação. Em média, na operação de apoio marítimo offshore, cada embarcação possui
entre 1500 a 2500 linhas de códigos de RVE em um ano. Ao total foram levantadas 51772
entradas de dados de RVE para realizar a coleta dos dados de Folga onhire para o presente
estudo.
A Tabela 7 descreve os códigos de operação que são utilizados no RVE da frota
de apoio marítimo e a Tabela 6 mostra o exemplo de um RVE de um período de 24 horas.
Para o levantamento da Folga onhire, foi realizada a soma do tempo em que cada DMU está
fundeada aguardando porto (código AM06) ou aguardando programação (código AM08).
A Tabela 5 mostra o tempo de Folga onhire que cada DMU teve no período
analisado. É interessante notar que esta folga onhire está entre aproximadamente 15% a 30%
do tempo total de operação das embarcações, evidenciando a retração das operações de
exploração de petróleo dentro do período analisado.
Tabela 6 - Exemplo de RVE
Data LOCAL OPERAÇÃO HORA INÍCIO HORA FIM 15/dez PACU OM01 00:00:00 00:30:00 15/dez PACU AM14 00:30:00 06:10:00 15/dez PPG1 NV02 06:10:00 06:40:00 15/dez PPG1 NV01 06:40:00 10:30:00 15/dez PPG1 OM19 10:30:00 12:00:00 15/dez PPG1 OM02 12:00:00 16:05:00 15/dez PGP1 NV01 16:05:00 16:50:00 15/dez PGP1 OM19 16:50:00 18:00:00 15/dez PGP1 OM02 18:00:00 22:45:00 15/dez PCP2 NV01 22:45:00 24:00:00
46
Tabela 7 - Tabela de códigos de RVE para operação Código Descrição do código
AM01 AGUARDANDO SEM CONSUMO
AM02 AGUARDANDO CARGA ATRACADA
AM03 AGUARDANDO CARGA SOB MÁQUINAS
AM04 AGUARDANDO CONDIÇÃO DE MAR FUNDEADO
AM05 AGUARDANDO CONDIÇÃO DE MAR SOB MÁQUINAS
AM06 AGUARDANDO PORTO FUNDEADO
AM07 PORTO SOB MÁQUINAS
AM08 AGUARDANDO PROGRAMAÇÃO FUNDEADO
AM09 AGUARDANDO PROGRAMAÇÃO SOB MÁQUINAS
AM10 AGUARDANDO UNIDADE FUNDEADO
AM11 AGUARDANDO UNIDADE SOB MÁQUINAS
AM12 AGUARDANDO LIBERAÇÃO DE AUTORIDADE
AM13 AGUARDANDO ÁREA SOB MÁQUINAS
AM14 AGUARDANDO PRÁTICO
AM15 AGUARDANDO PORTO PARA A TROCA DE TURMA
AM16 AGUARDANDO PORTO PARA ABASTECER OU FORNECER ÁGUA E ÓLEO
FC01 FORNECIMENTO DE ÁGUA
FC05 FORNECIMENTO DE ÓLEO
IN01 INOPERÂNCIA NAVEGANDO COM MÁQUINA REDUZIDA
IN02 INOPERÂNCIA NA ÁREA
IN03 INOPERÂNCIA NAVEGANDO - LIBERADO PARA DOCAGEM
IN04 INOPERÂNCIA NO FUNDEIO
IN05 INOPERÂNCIA NO PORTO
IN06 INOPERÂNCIA SEM CONSUMO (DOCAGEM)
IN07 INOPERÂNCIA NAVEGANDO 100%
IN08 INOPERÂNCIA NAVEGANDO 75%
IN09 INOPERÂNCIA NAVEGANDO 50%
IN10 INOPERÂNCIA NAVEGANDO 25%
NV01 NAVEGANDO
NV02 NAVEGANDO COM MÁQUINA REDUZIDA
NV03 NAVEGANDO EM CAPA
NV04 NAVEGANDO TODA MÁQUINA
OM01 CARGA/DESCARGA ATRACADO
OM02 CARGA/DESCARGA SOB MÁQUINAS
OM03 OPERANDO NO PORTO
OM04 REBOCANDO
OM05 ABASTECIMENTO / FORNECIMENTO NA ÁREA
OM06 ABASTECIMENTO / FORNECIMENTO NO PORTO
OM07 MANUSEIO DE ÂNCORAS
OM08 MANUSEIO DE ESPIA DE PETROLEIROS
OM09 MANUSEIO DE SISTEMAS FLUTUANTES
OM10 MUDANÇA DE PIER
OM11 PRONTIDÃO SOB MÁQUINAS
OM12 TESTE DE ATRACAÇÃO
OM13 TESTE DE FORMAÇÃO
OM14 TROCA DE COROA DE BARBOTIN NO PORTO
OM15 COMBATE A INCENDIO
OM16 REMANEJANDO CARGA NO PIER
OM17 SEGURANDO A UNIDADE
OM19 POSICIONAMENTO DINÂMICO
OM20 COMBATE A POLUIÇÃO
OM21 TROCA DE TURMA NO PORTO
OM22 TREINAMENTO CDA
OM23 TENSIONAMENTO DE CABOS
47
6.2.3. MANUTENÇÃO PREVENTIVA
Para obter o input de manutenção preventiva, foi realizado um levantamento no
sistema de gerenciamento de manutenção do armador, onde foram buscadas todas as ordens
de serviço catalogadas como "preventivas". Ao total, foram levantadas 80631 ordens de
serviço preventivas, onde foi somado o Homem-Hora (HH) orçado de cada uma dessas ordens
para cada DMU dentro do período avaliado. A Tabela 5 mostra o HH orçado em dias para
cada DMU.
Foi utilizada a informação de HH orçado pois tal valor desconsidera certas
distorções que foram observadas nas informações de HH realizado, representando melhor os
tempos de manutenção realmente necessários em cada uma das Ordens de Serviço realizadas.
6.2.4. OFFHIRE
Para obter o output offhire, foi realizado o levantamento a partir do controle de
inoperâncias do armador. Foi realizado um somatório do período de tempo em que a
embarcação ficou offhire, multiplicando cada offhire pelo percentual de dedução da taxa
diária aplicável (conforme explicado na seção 3.3) para obter offhire equivalente de cada
DMU no período analisado. Foram levantadas 287 inoperâncias para realizar tal somatório. A
Tabela 5 mostra o output 1-%offhire utilizado na análise.
6.3. DISCUSSÃO DOS RESULTADOS
Os dados não acinzentados da Tabela 5 foram os parâmetros inseridos no software
Frontier Analyst™ para a realização da DEA. Além disso, os resultados para os dados da
Tabela 5 encontram-se na Figura 18, onde é possível verificar que a fronteira de eficiência é
composta por quatro DMUs, ou seja, 20% do total de DMUs avaliadas.
Cabe salientar que os resultados discutidos a seguir são baseados puramente no
modelo matemático definido no Capítulo 5. O método DEA traça a fronteira de eficiência
técnica com base apenas nos dados da amostra, sem interferência daquele que irá realizar a
tomada de decisão. Portanto, é um método que depende essencialmente do modelo
matemático traçado e suas variáveis de input e output para a obtenção de resultados
consistentes.
48
Figura 18 - Resultados da DEA
Nota-se instantaneamente que todas as quatro DMUs da fronteira de eficiência
pertencem a séries de construção diferentes entre si (com projetos ligeiramente diferentes,
conforme Tabela 4). Além disso, a DMU com maior idade e a DMU com menor idade
encontram-se na fronteira de eficiência.
Outro dado interessante de avaliar é como cada uma das DMUs da fronteira foram
tomadas como referência no cálculo da eficiência das demais DMUs, como visualizável na
Figura 19. É notável como a DMU1A foi a DMU que mais influenciou no cálculo da
eficiência das demais DMUs, utilizando da melhor forma todos os seus inputs para a obtenção
do output.
Figura 19 - Quantidade de vezes que as DMUs da fronteira foi tomada como referência
Além disso, é interessante avaliar o potencial de melhora que cada input possui.
Entende-se como potencial de melhora, o quanto cada input poderia ser reduzido para que a
DMU atingisse a fronteira de eficiência. Na Figura 20 é possível visualizar o quanto poderia
se reduzir de cada input numa avaliação de toda a frota. Nota-se que o potencial de melhora
está distribuído de forma praticamente equivalente entre as três variáveis de entrada. Logo, é
49
possível inferir que as três variáveis foram igualmente importantes para o resultado final neste
modelo matemático. Ao analisar individualmente o potencial de melhora de cada DMU, são
poucos os casos em que o potencial de melhora de um dos inputs se sobressai em relação a
outro, sendo esses casos analisados no tópico 6.3.2.
Figura 20 - Percentual de redução dos inputs das DMUs ineficientes necessários para atingir a fronteira
de eficiência
6.3.1. AVALIAÇÃO DE ACORDO COM ESPECIFICAÇÕES TÉCNICAS
DAS DMUS
A Tabela 4 consolida algumas especificações técnicas das DMUs, agrupando
aquelas DMUs que são semelhantes, ou seja, são embarcações que além de possuírem o
mesmo projeto, foram construídas em série.
Além das informações contidas na Tabela 4, é importante ressaltar que todas as
DMUs avaliadas foram projetadas segundo um mesmo estaleiro, foram construídas no mesmo
estaleiro e possuem a grande maioria dos equipamentos de bordo construídos pelos mesmos
fornecedores.
Considerando todas as informações citadas anteriormente e através das
pontuações obtidas pelas DMUs contidas na Figura 18, é possível afirmar que as embarcações
são extremamente semelhantes do ponto de vista de projeto e construção de forma que a
pontuação obtida na análise é não pode ser explicado a partir de tais aspectos. Tal fato fica
evidente se forem analisadas as DMUs 17I e 2I, onde ambas são semelhantes segundo
50
aspectos técnicos mas possuem pontuação respectivamente de 100 e 46,80, que são
justamente os extremos da pontuação das DMUs. Portanto, uma avaliação segundo a gestão
operacional das DMUs se faz necessária para interpretar o resultado obtido.
6.3.2. AVALIAÇÃO OPERACIONAL DAS DMUS
Existem fatos relevantes a serem considerados para o desenho da fronteira de
eficiência da frota. De fato, quando são avaliados apenas os dados de entrada,
indiscutivelmente a eficiência técnica se reflete nas DMUs avaliadas, porém existem diversos
fatores exógenos que os números não são capazes de transmitir para uma análise puramente
matemática.
A primeira questão a ser discutida neste tópico é sobre que aspectos operacionais
justificam a fronteira de eficiência, desenhando a mesma, e a segunda questão a ser discutida
é sobre que aspectos operacionais podem ter influenciado as DMUs com menor eficiência.
Por fim, será discutido como o método DEA conseguiu evidenciar uma fronteira de eficiência
técnica diferente da esperada.
A DMU1A é uma embarcação cujo contrato estava terminando na época que o
estudo foi realizado; isso refletiu diretamente no HH orçado da mesma, pois o armador segue
a lógica de não realizar fortes investimentos em manutenção preventiva em uma embarcação
cujo contrato está para acabar, pois tal investimento poderá não ter retorno financeiro até o
término do mesmo. Além disso, a DMU1A teve uma mudança de operação no meio do
período avaliado, quando a mesma realizava operação de transporte de cimento e passou a
operar com transporte de carga geral, e nessa transição de gerência ficou sem operar por um
longo período de tempo consecutivo, preservando os equipamentos de bordo e redução do
número de inspeções realizadas pelo afretador em tal período.
A DMU13J é a embarcação mais nova da frota, e por mais que isso influencie
negativamente no resultado é um dos motivos que explicam o baixo HH orçado em
manutenção preventiva da mesma, favorecendo consideravelmente no desempenho obtido.
Além disso, foi a embarcação que teve menos dias de operação dentro do escopo
avaliado:enquanto a maioria das DMUs operou em torno de 540 dias, a DMU13J operou
apenas 212 dias, conforme Tabela 5. Como consequência, a probabilidade da mesma ter um
offhire é muito menor que no restante das DMUs, o que de fato ocorreu, sendo a DMU com o
segundo menor offhire da frota (taxa de indisponibilidade de 0,57% do tempo no período
avaliado).
51
As DMU19F e DMU17I são embarcações com regime de operação muito intenso.
A DMU19F opera transportando combustível e água para as UMs, que são vitais para que a
operação ocorra, enquanto a DMU17I opera transportando fluidos de perfuração para as UMs.
Ambos os tipos de carga estão entre as mais solicitadas pelas UMs, e isso refletiu diretamente
na folga onhire dessas DMUs, que são as que possuem menor folga dentre toda a frota. Além
disso, a DMU19F foi a primeira embarcação da frota a operar no Porto do Açu, e por conta
disto, as operações de manutenção preventiva se tornaram mais difíceis de serem realizadas
por conta da logística ser muito dificultada nesta região, ocasionando também um baixo HH
orçado da mesma.
De acordo com as devidas considerações realizadas acerca da fronteira de
eficiência, é necessário avaliar qual é o potencial de melhora de cada input das demais DMUs.
Na Figura 21, é possível verificar que seis DMUs (30% do total) apresentam potencial de
melhora em cada input com a mesma magnitude, ou seja, de acordo com a amostragem, essas
seis DMUs (DMU18F, DMU10J, DMU20I, DMU16H, DMU3D, DMU2I) poderiam obter o
mesmo nível de output reduzindo todos os seus inputs.
É interessante notar que a DMU2I é a DMU com menor score da avaliação (46,8)
e é a DMU que possui menor offhire da frota (taxa de indisponibilidade de 0,52% do tempo
no período avaliado). Este exemplo consegue evidenciar o poder discriminatório do modelo,
comprovando que uma avaliação da eficiência da frota segundo apenas o offhire pode não
representar boas práticas de trabalho e gestão da frota. Isso fica evidente pelo fato da DMU2I
ser uma embarcação nova (tem apenas três anos), ter um orçamento de manutenção
preventiva muito alto (o maior da frota) e além disso, apresentar a maior folga onhire da frota.
Logo, segundo os dados da amostragem, a DMU2I poderia obter o mesmo output reduzindo
em cerca de 50% cada um de seus inputs, conforme a Figura 21.
52
Figura 21 - Percentual de redução nos inputs necessários para as DMUs se tornarem eficientes
Uma avaliação semelhante pode ser aplicada para as DMU18F, DMU10J,
DMU20I, DMU16H e DMU3D, explicando o output obtido para cada uma dessas DMUs.
Nestes casos, o modelo não conseguiu evidenciar um ponto focal de melhoria.
Entretanto, para quatro DMUs (DMU8E, DMU5E, DMU6G, DMU12D – que
correspondem a 20% do total), existem pontos focais de melhoria em alguns inputs, conforme
a Figura 22.
53
Figura 22 - Percentual de redução nos inputs necessários para as DMUs se tornarem eficientes - 2ª parte
As DMU5E e DMU8E, além de serem embarcações semelhantes, apresentaram o
mesmo padrão de redução dos inputs, onde poderia ser possível obter o mesmo offhire com
uma redução da folga onhire das mesmas. De fato, estas embarcações tiveram uma folga
onhire elevada devido ao padrão de operação das mesmas – ambas ficaram durante boa parte
do período avaliado apenas transferindo carga entre os portos de Macaé e Porto do Açu, não
operando com Unidades Marítimas durante aproximadamente metade do período avaliado.
Pelo fato de operarem apenas entre portos, o tempo que ambas as embarcações ficaram
aguardando porto foi elevado, possuindo uma alta disponibilidade para o armador em
comparação com o offhire que as mesmas obtiveram no período.
A DMU6G poderia ter uma folga onhire menor para obter o mesmo offhire,
enquanto que a DMU12D poderia ter um investimento menor em manutenção preventiva para
a obter o mesmo output.
Por fim, é possível concluir que os detalhes da operação explicam os resultados
obtidos, evidenciando que a gestão da operação é mais importante para o desempenho das
54
embarcações quando as mesmas são razoavelmente semelhantes do que características
técnicas de construção das mesmas. Diante disto, o método DEA teve um forte poder
discriminatório perante o modelo matemático proposto, evidenciando claramente alguns casos
de DMUs com pior pontuação possuindo melhor output, como a DMU2I (46,8), e DMUs com
melhor pontuação possuindo pior output, como a DMU19F (3º pior output). Esses são tipos
de caso em que a gerência não conseguiria identificar olhando apenas o output obtido. No
presente contexto, o armador preocupa-se apenas com uma das quatro variáveis (apenas
offhire) utilizadas no modelo de eficiência técnica proposto, enquanto ferramentas como a
DEA poderiam facilmente ser aplicadas para dar auxílio nas tomadas de decisão.
Entretanto, existe uma sutileza nos resultados obtidos, pois entende-se que o
modelo é eficaz para identificar problemas de eficiência técnica, o que não significa que a
frota seria mais eficiente ao remover DMU com pior pontuação da mesma. Apenas uma
análise de eficiência alocativa poderia comprovar isso, avaliando se os custos dos inputs
compensam ou não em termos de aumento da eficiência técnica da DMU. Tal análise poderia
evidenciar, por exemplo, que na realidade o investimento em manutenção preventiva de
algumas DMUs que obtiveram melhor pontuação poderia estar subdimensionado. Portanto,
para complementar o presente estudo, deveria ser realizada uma análise de eficiência alocativa
com a finalidade de investigar cenários alternativos. Logo, o modelo produz resultados
consistentes em termos de eficiência técnica, mas não comprova se as DMUs analisadas são
ineficientes em termos de custo.
Por fim, A Tabela 8 consolida a pontuação de cada DMU juntamente com os
dados de entrada da análise DEA.
55
Tabela 8 - DMUs classificadas segundo score
DMU Score Idade* Folga
onhire HH
orçado 1-
%offhire
DMU1A 100 0,0769 0,1608 61,5417 0,9142
DMU13J 100 2,0000 0,2193 47,9375 0,9943
DMU17I 100 0,2500 0,1157 102,7083 0,9428
DMU19F 100 0,2000 0,1332 68,5000 0,9044
DMU9B 96,75 0,0769 0,2625 86,9375 0,8845
DMU12D 96,7 0,1429 0,1560 102,0417 0,9542
DMU18F 94,08 0,1667 0,1588 87,6667 0,9736
DMU14I 93,73 0,2500 0,1366 119,4167 0,9813
DMU6G 92,84 0,2000 0,2115 65,8958 0,9248
DMU5E 90,32 0,1667 0,2339 72,0833 0,9772
DMU8E 86,15 0,1667 0,3153 75,6250 0,9769
DMU11D 85,12 0,1250 0,1845 105,8750 0,9386
DMU4H 83,12 0,2500 0,1554 130,4583 0,9481
DMU10J 81,22 1,0000 0,2162 71,7917 0,9418
DMU16H 76,09 0,2500 0,1816 94,2083 0,9259
DMU20I 68,54 0,3333 0,1969 122,6458 0,9696
DMU7C 67,53 0,1111 0,2759 96,9792 0,8918
DMU3D 65,09 0,1250 0,2552 97,0625 0,9389
DMU15D 63,35 0,1429 0,2638 125,9375 0,9656
DMU2I 46,8 0,3333 0,3397 156,4375 0,9948
6.3.3. SEGUNDA ANÁLISE EXCLUINDO AS DMUS COM MENOR
TEMPO DE OPERAÇÃO
Os dados anteriormente avaliados são consistentes, entretanto, três DMUs
(DMU13J, DMU10J e DMU6G) apresentaram menor tempo de operação dentro do período
de análise, onde uma delas teve seu contrato encerrado e as outras duas começaram a operar
no meio do período. Enquanto as demais tiveram em torno de 500 dias de operação, a
DMU13J,DMU10J e DMU6G tiveram respectivamente 212, 303 e 380 dias de operação,
conforme a Tabela 9.
Como o período de operação é muito menor, os padrões de operação não são
observáveis, não sendo possível comparar a operação de três semestres da maioria com a de
200 ou 300 dias dessas DMUs. Como estas embarcações operaram por menos tempo, existe
uma menor probabilidade de um offhire acontecer dentro do período avaliado. Além disso,
quanto menor o tempo de operação, menor será o investimento em manutenção preventiva no
período avaliado. Como a DMU13J está na fronteira de eficiência, a menor quantidade de dias
de operação a favoreceu para que a mesma obtivesse tal resultado.
56
Diante de tais fatos foi necessário realizar uma nova análise, excluindo as três
DMUs para verificar como o resultado das demais DMUs se comporta diante deste novo
cenário.
Após realizar a comparação entre os dados das duas análises foi possível verificar
que a ordenação das DMUs não se alterou e o score sofreu pequenas alterações. Isso ocorreu
pois a pontuação das DMUs depende da geometria da fronteira traçada pelo método DEA.
Logo, se a DMU contida na fronteira de eficiência for removida não alterar significativamente
a geometria da envoltória, os resultados pouco se alteram.
Portanto, como a remoção de tais DMUs da análise não gerou impacto
significativo no resultado já obtido, foram mantidas válidas as conclusões realizadas
anteriormente. Os resultados para a análise excluindo as DMU13J, DMU10J e DMU6G
encontram-se na Figura 23.
Tabela 9 - Dados consolidados 2ª análise
DMU Idade* Folga
onhire HH orçado
1-%offhire
Dias de operação
DMU1A 0,076923 0,1608 61,54 0,9142 532
DMU2I 0,333333 0,3397 156,44 0,9948 546
DMU3D 0,125 0,2552 97,06 0,9389 546
DMU4H 0,25 0,1554 130,46 0,9481 546
DMU5E 0,166667 0,2339 72,08 0,9772 546
DMU6G 0,2 0,2115 65,90 0,9248 380
DMU7C 0,111111 0,2759 96,98 0,8918 546
DMU8E 0,166667 0,3153 75,63 0,9769 546
DMU9B 0,076923 0,2625 86,94 0,8845 484
DMU10J 1 0,2162 71,79 0,9418 303
DMU11D 0,125 0,1845 105,88 0,9386 546
DMU12D 0,142857 0,1560 102,04 0,9542 546
DMU13J 2 0,2193 47,94 0,9943 212
DMU14I 0,25 0,1366 119,42 0,9813 546
DMU15D 0,142857 0,2638 125,94 0,9656 546
DMU16H 0,25 0,1816 94,21 0,9259 546
DMU17I 0,25 0,1157 102,71 0,9428 546
DMU18F 0,166667 0,1588 87,67 0,9736 546
DMU19F 0,2 0,1332 68,50 0,9044 546
DMU20I 0,333333 0,1969 122,65 0,9696 546
57
Figura 23 - Resultados 2ª análise
58
7. CONCLUSÃO
Neste trabalho foi realizado o benchmarking de uma frota de embarcações de
apoio marítimo offshore do tipo Platform Supply Vessel através da utilização da técnica de
Análise Envoltória de Dados (DEA). A utilização da DEA foi escolhida devido à sua
capacidade de adaptação ao modelo matemático proposto, já que tem como principal
vantagem ser uma metodologia de simples aplicação e consistente para as análises que
buscam traçar uma fronteira de eficiência técnica diante de um complexo cenário de operação
composto de muitas variáveis.
Contudo, como o método traça uma fronteira de eficiência técnica com base nos
dados da amostra, o ponto chave para obter resultados consistentes está na elaboração do
modelo matemático. A escolha adequada das variáveis de entrada pode tornar o método DEA
uma ferramenta com potente capacidade de discriminação dos dados, capaz de desenhar uma
fronteira de eficiência que não é evidente a princípio. Logo, a principal desvantagem desta
metodologia está na forte dependência da coerência do modelo matemático proposto. Além
disso, a qualidade e a relevância dos resultados vão aumentar com o tamanho da amostra. Por
exemplo, para períodos maiores de levantamento de dados, seria possível acompanhar a
evolução do desempenho de cada embarcação ao longo do tempo.
O modelo matemático proposto consistiu no cenário de 20 DMUs que possuem
quatro variáveis: (i) idade, (ii) folga onhire e (iii) manutenção preventiva como inputs e (iv)
offhire como output, com retornos constantes de escala. O modelo matemático está coerente,
pois as folgas de operação são cruciais para execução de manutenções preventivas e evitando
a falha de equipamentos a bordo, impactando diretamente os custos envolvendo o afretamento
das embarcações, uma vez que a taxa de disponibilidade compõe o preço das diárias
pactuadas contratualmente. Ademais, os detalhes da operação estiveram alinhados com os
resultados obtidos, corroborando assim a conclusão das análises.
Além disso, se o período analisado fosse mais longo, poderia ser realizada uma
análise em ciclos, verificando como a eficiência das DMUs evoluiu ao longo dos anos.
Os resultados esperados inicialmente estavam alinhados com os resultados do
armador, nos quais as embarcações que possuem menor offhire são as mais eficientes,
enquanto as embarcações que possuem maior offhire são as mais ineficientes. Entretanto, o
modelo matemático proposto conseguiu evidenciar que isso não é verdade quando se trata de
eficiência técnica, isto porque quando ao considerar a idade das embarcações, a folga onhire
que as mesmas possuem e os investimentos em manutenção preventiva das mesmas, percebe-
59
se que a embarcação com pior pontuação era a embarcação com menor offhire da frota e duas
embarcações que estavam na fronteira de eficiência estavam com o terceiro e quarto pior
índice de offhire da frota.
Tal resultado demonstra claramente como o método DEA tem potencial de
auxiliar em tomadas de decisão, pois avalia apenas os dados da amostra sem interferência
daquele que irá decidir, com isso, a possibilidade de indicar caminhos diferentes do esperado.
Porém, necessário ressaltar que o resultado é eficaz em termos de eficiência técnica, mas não
comprova se as embarcações ineficientes tecnicamente são ineficientes em termos custo.
Uma análise de eficiência alocativa poderia mostrar, por exemplo, um cenário
paralelo onde algumas DMUs com pior pontuação em termos de eficiência técnica poderiam
ter alta pontuação diante de uma análise de eficiência alocativa, podendo evidenciar um
investimento em manutenção preventiva subdimensionado em algumas DMUs eficientes
tecnicamente. Com isso, para complementar o presente estudo, uma análise de eficiência
alocativa pode ser realizada em outro trabalho para a verificação de outros cenários.
Logo, é possível concluir que a busca por uma fronteira de eficiência técnica é útil
para identificar problemas operacionais, enquanto que para apoiar decisões gerenciais são
necessárias avaliações operacionais específicas ou uma avaliação de eficiência alocativa.
Por fim, diante do exposto conclui-se que os objetivos propostos foram atingidos
e a DEA se mostrou uma metodologia simples e eficiente que pode ser utilizada como
ferramenta gerencial no apoio à tomada de decisão considerando o cenário atual de apoio
marítimo offshore.
60
8. BIBLIOGRAFIA
ABEAM - Associação Brasileira das Empresas de Apoio Marítimo. Frota de Embarcações de Apoio Marítimo no Brasil - Março/2017. Disponível em:<www.abeam.org.br/arquivos/1493907979.pdf>. Acesso em: 21/11/2017 ASSIS, L. F.Transporte Marítimo Internacional: Organização dos Mercados. Class
Notes. Rio de janeiro, 2015. ANP - Agência Nacional do Petróleo. 14ª rodada da ANP tem maior arrecadação da história. Disponível em <http://www.anp.gov.br/wwwanp/noticias/anp-e-p/4051-14-rodada-da-anp-tem-maior-arrecadacao-da-historia>. [Acesso em: 26/11/2017]
ANTAQ - Agência Nacional de Transportes Aquaviários. Navegação marítima e de apoio - Evolução 2006-2011. Rio de janeiro, 2012.
AZEVEDO, Itamar Ribeiro de. Avaliação de Produtividade e Eficiência Técnica de Navios Utilizando Análise Envoltória de Dados – Dissertação de mestrado. Rio de Janeiro: UFRJ/COPPE, 2010. BATISTA, Bruni Cesar Destro. Análise das Operações com Embarcações de Apoio Offshore na Bacia de Campos – RJ, Rio de Janeiro: COPPE/UFRJ, 2005. CBO. PSV A. Gabriella.Disponível em: <http://www.grupocbo.com.br/embarcacao/cbo-a-gabriella/>[Acesso em 20/11/2017]. Rio de Janeiro, 2017. CHARNES, A.; COOPER, W.W.; RHODES, E. Measuring the efficiency of decision making units, European Journal of Operational Research, Vol. 2, No. 6, p.429–444, 1978. COELLI, T.J.; RAO, D.S.P.; O'DONNELL, C.J.; BATTESE, G.E. An Introduction to Efficiency and Productivity Analysis. 2nd end, 2005. FARREL, M.J. The measurement of productive efficiency. Journal of the Royal Statistical Society, Series A, Vol. 120, No. 3, 1957. LINS, M. P. E.; MOREIRA, M. C. B. “Implementação com Seleção de Variáveis em Modelos de DEA”. In: UNS, Marcos Pereira Estellita; MEZA, Lídia Ângulo (org.). Análise Envoltória de Dados e Perspectivas de Integração no Ambiente de Apoio à Decisão. Rio de Janeiro: COPPE/UFRJ. Capo111, pp.38 – 52, 2000. LOPES, A.L. M;LIMA, M.V.A.; DUTRA, A.; SAURIN, V. Data Envelopment Analysis– DEA como Estratégia para Seleção de Carteiras de Investimento: uma aplicação a 13 anos do mercado de ações brasileiro. XXXII Encontro da ANPAD. Conference Paper, 2008.
LÓPEZ-ESPÍN, J. J.; APARICIO, J.; GIMÉNEZ, D.; PASTOR,J. T. Benchmarking and Data Envelopment Analysis. An Approach Based on Metaheuristics. Procedia Computer
Science, Vol. 29, p. 390-399, 2014.
61
LUCCIO, F. B.; DORES, P. B. - O mercado de apoio offshore – panorama e perspectivas. BNDES Setorial, Vol. 43, p.295-323. Rio de Janeiro, 2016. MARIANO, E. B. Conceitos Básicos de Análise de Eficiência Produtiva. XIV Simpósio de Engenharia de Produção. Conference Paper, 2007. MARINETRAFFIC (2017). www.marinetraffic.com. Consultado em 2017 MATHEDI, Josué Octávio Plácido. Embarcações de Apoio Marítimo – Petróleo e Gás.Santos, 2010. MARITIME SYMPOSIUM - ROTTERDAM, 2017.Transfer of goods between ship and platform. Disponível em: <http://www.maritimesymposium-rotterdam.nl/index.php?page=schedule>. Acesso em 21/11/2017 PETROBRÁS. Somos a empresa que opera o maior número de plataformas flutuantes de produção no mundo. PETROBRÁS - Fatos e Dados, 2015.Disponível em <http://www.petrobras.com.br/fatos-e-dados/somos-a-empresa-que-opera-o-maior-numero-de-plataformas-flutuantes-de-producao-no-mundo.htm>.Acesso em: 21/11/2017 PIRES, Jr., F.; LAMB, T.; SOUZA, C. Shipbuilding performance benchmarking, Int. J.
Business Performance Management, Vol. 11, No. 3, p.216–235, 2009. SENNA, J. P. F. Contratos de afretamento por tempo no Brasil. Kincaid Mendes Vianna Advogados, 2011. Disponível em:<http://www.kincaid.com.br/b_noticias.php?id_noticia=676>. Acesso em: 21/11/2017 SHIP TECHNOLOGY, 2012.MV Troms Sirius Platform Supply Vessel.Disponível em:<http://www.ship-technology.com/projects/mv-troms-sirius-platform-supply-vessel/attachment/mv-troms-sirius-platform-supply-vessel3/> [Acesso em 21/11/2017] SILVEIRA, Marcos Machado da. Introdução ao Shipping, Rio de Janeiro: Navsoft Consultoria e Serviços Ltda ®, 2001. SINAVAL - Sindicato Nacional da Indústria da Construção e Reparação Naval e Offshore. Frota de apoio marítimo no país volta a cair. Disponível em <http://sinaval.org.br/2017/07/frota-de-apoio-maritimo-no-pais-volta-a-cair/> [Acesso em: 26/11/2017]. TRANSPORTATION SAFETY BOARD OF CANADA (2011).Disponível em: <http://www.tsb.gc.ca/eng/rapports-reports/marine/2011/m11n0047/m11n0047.asp> [Acesso em: 21/11/2017]