ads:
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
ESCOLA DE ADMINISTRAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE EMPRESAS
BIODIESEL NO RIO GRANDE DO SUL:
UM MODELO PARA SUA DISTRIBUIÇÃO
E LOCALIZAÇÃO DE USINAS
FERNANDO DAL ZOT
Porto Alegre
2006
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
ESCOLA DE ADMINISTRAÇÃO
PROGRAMA DE PÓS-GRADUAÇÃO EM ADMINISTRAÇÃO DE EMPRESAS
FERNANDO DAL ZOT
BIODIESEL NO RIO GRANDE DO SUL:
UM MODELO PARA SUA DISTRIBUIÇÃO
E LOCALIZAÇÃO DE USINAS
Dissertação de Mestrado apresentada ao Programa
de Pós-Graduação em Administração da
Universidade Federal do Rio Grande do Sul como
requisito parcial para a obtenção do título de Mestre
em Administração.
Orientador: Antônio Domingos Padula
Co-orientador: Eduardo Ribas Santos
Porto Alegre
2006
ads:
AGRADECIMENTOS
Ao professor orientador da dissertação, Antonio Domingos Padula;
ao professor co-orientador da dissertação, Eduardo Ribas Santos;
ao colega de Pesquisa Operacional, Luís Francisco Ramos Lima;
aos professores do Programa de Pós-Graduação em Administração;
aos professores: André Luis Thomas, Argimiro Resende Secchi, Dênis Borenstein e
Juan Algorta Plá;
ao coordenador do programa Probiodiesel-RS, David Turk Chazan e ao gerente de
qualidade da Ipiranga S/A, Sérgio Viscardi;
aos bolsistas, Omar Inácio Benedetti Santos e Régis Rathmann;
aos colegas do Curso de Mestrado Acadêmico da Escola de Administração,
agradeço pelo apoio e orientação para escrever esta dissertação.
Por fim, agradeço
aos meus pais, Wili e Jussara, e
aos meus irmãos Eduardo e Renato.
A idade da pedra não acabou por falta de pedra,
então a idade do petróleo não acabará por falta do
petróleo.
Sheik Zaki Yamani
Ministro do Petróleo da Arábia Saudita,
durante o primeiro e o segundo choque do
petróleo.
RESUMO
A era do petróleo parece estar chegando ao fim e novas fontes de energia, renováveis e
mais amigas do meio ambiente, já estão disponíveis para a sociedade. Dentre essas fontes, o
biodiesel vem chamando a atenção das autoridades pela sua compatibilidade com o diesel e
pelo potencial de geração de riqueza no campo. A Lei 11.097/2005 autorizou a introdução do
biodiesel no Brasil, obrigando a adição de 2% ao diesel de petróleo, a partir do ano de 2008.
O biodiesel é um produto obtido da transesterificação de óleos e gorduras de origem vegetal,
animal ou residual que possui características muito semelhantes ao diesel do petróleo. Sendo
assim, não é preciso “reinventar o carro” nem modificar a distribuição para o consumidor
final, visto que os motores a diesel podem rodar, facilmente, com porções de biodiesel ao
diesel o qual pode ser comercializado nos atuais postos de combustíveis. Assim, é necessário
estruturar a cadeia produtiva do biodiesel, para que se possa atender a uma demanda capaz de
substituir 2% do diesel comercializado, a partir do ano de 2008. Diante disso, este trabalho
visa a elaborar um modelo matemático, utilizando as técnicas da programação linear para
auxiliar na decisão sobre a localização das futuras usinas de biodiesel e a sua estrutura de
distribuição. Como cada Estado do Brasil poderá utilizar diferentes fontes de óleo vegetal,
com base em suas características (geoclimáticas) para a produção de biodiesel, cada Estado
poderá ter diferentes configurações da cadeia produtiva. Este trabalho testou o modelo no
Estado do Rio Grande do Sul onde a tendência é produzir biodiesel a partir do óleo de soja. O
modelo demonstrou, dentre as alternativas escolhidas e com base nas premissas assumidas ao
longo deste trabalho, que uma usina de escala grande (120.000 toneladas/ano), localizada em
Canoas, seria a alternativa que minimizaria os custos totais de transporte e de instalação.
Entretanto, o modelo proposto é flexível para diferentes contextos e distintos parâmetros,
adaptando-se às necessidades de cada região.
Palavras-chave: biodiesel, localização, programação linear, cadeia produtiva.
ABSTRACT
The age of oil seems to be near the end and new sources of energy, renewable and
more environmentally friendly, are already available for society. Amongst these sources,
biodiesel has been standing out for its compatibility with diesel and for its potential of wealth
generation in this field. The Brazilian law 11,097/2005 authorizes the introduction of
biodiesel in Brazil, compelling a 2% addition into diesel oil from the year 2008. Biodiesel is
results from the transesterification of oils and fats of vegetal, animal or residual origins, and
has very similar characteristics to diesel oil. Thus, one does not need to “reinvent the car” or
modify distribution for the final consumer, once diesel-run engines can easily work with
portions of biodiesel mixed within diesel oil that is commercialized in current service stations.
Thus, it is necessary to structure the productive chain of biodiesel so that it can take care of a
demand replacing 2% of the diesel commercialized from the year 2008. Therefore, this work
aims to elaborate a mathematical model, using linear programming techniques to help decide
where to locate the future biodiesel plants as well as their distribution structure. As each state
of Brazil will make use of different vegetal oil sources, due to geographic characteristics,
when producing biodiesel, each state might have different configurations of productive chain.
This work tests the model in the State of Rio Grande do Sul, where producing biodiesel from
the soy oil is the trend. It demonstrates, amongst the alternatives chosen and based on the
assumptions throughout this work, that a plant of large scale (120,000 tons per year) located
in the city of Canoas would most probably be the alternative to minimize the total costs of
transport and installation. However, the model proposed is flexible for different contexts and
parameters, able to adapt to the necessities of each region.
Key words: biodiesel, location, linear programming, productive chain.
LISTA DE FIGURAS
Figura 1 − Abrangência da problemática do biodiesel............................................................ 14
Figura 2 − Cadeia produtiva do biodiesel e foco da pesquisa. ............................................... 16
Figura 3 − Relação entre o processo de tomada de decisão com a abordagem científica .......21
Figura 4 − Esquema do processo de solução de problemas ....................................................24
Figura 5 − Estrutura geral de um modelo................................................................................ 26
Figura 6 − Simplificação de um modelo de produção............................................................. 29
Figura 7 − Matriz do problema de transporte.......................................................................... 40
Figura 8 − Modelo do fluxo de rede do problema de transporte ............................................. 41
Figura 9 − Solução ótima, z = 46 ............................................................................................ 42
Figura 10 − Problema de transbordo ........................................................................................ 43
Figura 11 − Representação do problema de transbordo como modelo de transporte............... 44
Figura 12 − Solução do modelo de transporte, z=100.............................................................. 45
Figura 13 − Representação gráfica do problema de transbordo ............................................... 47
Figura 14 − Representação do modelo ..................................................................................... 49
Figura 15 − Estrutura da pesquisa x o processo de solução de problemas............................... 51
Figura 16 − Estrutura lógica do modelo .................................................................................. 54
Figura 17 − Oferta interna de energia no Brasil ....................................................................... 56
Figura 18 − Dependência externa de energia ........................................................................... 57
Figura 19 − Matriz atual de combustíveis veiculares............................................................... 59
Figura 20 − Composição do consumo do óleo diesel .............................................................. 60
Figura 21 − O processo químico de transesterificação............................................................. 62
Figura 22 − O processo da transesterificação........................................................................... 63
Figura 23 − Características de alguns vegetais oleaginosos de potencial uso energético ........66
Figura 24 − Evolução do marco regulatório............................................................................. 69
Figura 25 − Cadeia produtiva do biodiesel............................................................................... 71
Figura 26 − Simplificação da cadeia produtiva do biodiesel ................................................... 72
Figura 27 − Localização das indústrias de esmagamento......................................................... 76
Figura 28 − Infra-estrutura para a movimentação do petróleo, seus derivados e álcool
etílico em 2004. ................................................................................................... 77
Figura 29 − Sistema simplificado de produção de biodiesel.................................................... 78
Figura 30 − Processo de fabricação do biodiesel .....................................................................79
Figura 31 − Cadeia de suprimentos de combustíveis ............................................................... 80
Figura 32 − Bases de distribuição de combustíveis.................................................................. 82
Figura 33 − Distribuição do biodiesel ..................................................................................... 83
Figura 34 − Localização dos fornecedores e dos clientes ........................................................ 85
Figura 35 − Simplificação do modelo ...................................................................................... 88
Figura 36 − Simplificação gráfica do modelo de transbordo ................................................... 89
Figura 37 − Exemplo de arco que liga os nós......................................................................... 100
LISTA DE TABELAS
Tabela 1 − Alternativas para a produção de biodiesel no Rio Grande do Sul......................... 66
Tabela 2 − Saldo comercial de sementes e frutos oleaginosos selecionados, Brasil, 2002
(US$FOB)............................................................................................................ 67
Tabela 3 − Capacidade das esmagadoras de óleo de soja no Rio Grande do Sul....................75
Tabela 4 − Projetos de usinas de biodiesel no Rio Grande do Sul .......................................... 78
Tabela 5 − Capacidade de fornecimento de óleo de soja por “nós”........................................ 96
Tabela 6 − Escala de produção e investimento........................................................................ 98
Tabela 7 − Vendas de óleo diesel (m
3
) no Rio Grande do Sul: 2000-2005............................. 99
Tabela 8 − Perspectiva de demanda de biodiesel .................................................................... 99
Tabela 9 − Demanda das bases de distribuição para B2, B5 e B10 ......................................100
Tabela 10 − Fretes gerais para transporte ferroviário.............................................................101
Tabela 11 − Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B2.....................103
Tabela 12 − Fluxo de álcool entre o Elo 1 e Elo 2 para B2.................................................... 103
Tabela 13 − Fluxo de biodiesel entre o Elo 2 e Elo 3 para B2 ...............................................103
Tabela 14 − Fluxo de biodiesel entre o Elo 1 e Elo 2 para B5 ...............................................104
Tabela 15 − Fluxo de biodiesel entre o Elo 2 e Elo 3 para B5 ...............................................105
Tabela 16 − Fluxo de álcool entre o Elo 1 e Elo 2 para B5.................................................... 105
Tabela 17 − Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B10...................106
Tabela 18 − Fluxo do biodiesel entre o Elo 2 e Elo 3 para B10............................................. 106
Tabela 19 − Fluxo de álcool entre o Elo 1 e Elo 2 para B10.................................................. 107
Tabela 20 − Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B5,
adicionando um ponto de transbordo (Canoas) ................................................. 107
Tabela 21 − Fluxo do biodiesel entre o Elo 2 e Elo 3 para B5, adicionando um ponto de
transbordo (Canoas)........................................................................................... 108
Tabela 22 − Fluxo do álcool entre o Elo 2 e Elo 3 para B5, adicionando um ponto de
transbordo (Canoas)........................................................................................... 108
Tabela 23 − Projetos de plantas de biodiesel no Rio Grande do Sul...................................... 110
SUMÁRIO
1 INTRODUÇÃO ................................................................................................................... 11
1.1 PROBLEMA DE PESQUISA............................................................................................ 15
1.2 OBJETIVOS DA PESQUISA ........................................................................................... 16
1.3 DELIMITAÇÕES DA PESQUISA ................................................................................... 16
1.4 ORGANIZAÇÃO DO TRABALHO ................................................................................. 17
2 FUNDAMENTAÇÃO TEÓRICA ..................................................................................... 18
2.1 PESQUISA OPERACIONAL............................................................................................ 18
2.1.1 Processo de tomada de decisão..................................................................................... 19
2.1.1.1 A abordagem científica e a tomada de decisão............................................................. 20
2.1.2 Modelos........................................................................................................................... 21
2.2 PROCESSO DE SOLUÇÃO DE PROBLEMAS .............................................................. 24
2.2.1 Definição do problema .................................................................................................. 25
2.2.2 Construção do modelo................................................................................................... 25
2.2.2.1 Os componentes do modelo.......................................................................................... 26
2.2.2.2 Métodos de solução ...................................................................................................... 27
2.2.2.3 Relações matemáticas em um modelo.......................................................................... 28
2.2.3 Solução do modelo ......................................................................................................... 29
2.2.4 Validação do modelo e teste de sensibilidade.............................................................. 31
2.2.5 Estabelecimento de controles........................................................................................ 33
2.2.6 Implantação.................................................................................................................... 33
2.3 DECISÃO NA ADMINISTRAÇÃO DA PRODUÇÃO.................................................... 33
2.3.1 Decisão de localização .................................................................................................. 34
2.3.2 Teoria da Localização ................................................................................................... 35
2.3.3 Modelos de programação de Fluxo de Rede ...............................................................38
2.3.3.1 Terminologia dos problemas de Fluxo de Rede ........................................................... 39
2.3.3.2 Problemas de transporte................................................................................................ 40
2.3.3.3 Problema de transbordo................................................................................................ 43
2.3.4 Aplicação de modelos de localização em contextos agroalimentares........................45
2.4 ESQUEMA ANALÍTICO PARA O PROBLEMA DE LOCALIZAÇÃO E
DISTRIBUIÇÃO ...............................................................................................................47
3 MÉTODO............................................................................................................................. 51
4 O CONTEXTO ENERGÉTICO BRASILEIRO E INTRODUÇÃO DO
BIODIESEL NO PAÍS........................................................................................................ 55
4.1 CONTEXTO ENERGÉTICO DO BRASIL ...................................................................... 55
4.2 O ÓLEO DIESEL............................................................................................................... 59
4.3 EXPERIÊNCIA DO BRASIL EM COMBUSTÍVEIS DE BIOMASSA ..........................61
4.4 O BIODIESEL.................................................................................................................... 61
4.4.1 Matérias-primas para a produção do biodiesel .......................................................... 65
4.4.2 Introdução do biodiesel no Brasil – Lei 11.097/2005.................................................. 68
5 CARACTERIZAÇÃO DA CADEIA DO BIODIESEL NO RIO GRANDE
DO SUL............................................................................................................................... 70
5.1 ELO FORNECEDOR......................................................................................................... 72
5.1.1 Indústria de esmagamento de soja............................................................................... 72
5.1.1.1 Capacidade e localização das indústrias processadoras de soja no Rio Grande do
Sul................................................................................................................................. 74
5.1.2 Usinas de álcool.............................................................................................................. 76
5.2 ELO 2 – ELO PRODUTOR ............................................................................................... 78
5.3 ELO 3 – CLIENTE............................................................................................................. 80
5.3.1 Bases de distribuição .................................................................................................... 81
5.4 DISTRIBUIÇÃO DO BIODIESEL ................................................................................... 82
6 DEFINIÇÃO DO PROBLEMA ......................................................................................... 85
7 CONSTRUÇÃO DO MODELO ........................................................................................ 87
7.1 MODELO MATEMÁTICO............................................................................................... 90
7.1.1 Função objetivo.............................................................................................................. 91
7.1.2 Restrições........................................................................................................................ 92
7.1.3 Limitação da modelagem.............................................................................................. 94
8 TESTE DO MODELO E MENSURAÇÃO DOS PARÂMETROS................................ 95
8.1 PARÂMETROS DO ELO 1............................................................................................... 95
8.2 PARÂMETROS DO ELO 2............................................................................................... 97
8.3 PARÂMETROS DO ELO 3............................................................................................... 98
8.4 CUSTO DE TRANSPORTE............................................................................................ 100
8.5 RESULTADO DO MODELO ........................................................................................ 102
8.5.1 Cenário 1 ...................................................................................................................... 103
8.5.2 Cenário 2 ..................................................................................................................... 104
8.5.3 Cenário 3 ...................................................................................................................... 105
8.5.4 Cenário 4 ..................................................................................................................... 107
9 CONSIDERAÇÕES FINAIS............................................................................................ 109
9.1 LIMITAÇÕES DA PESQUISA E SUGESTÕES DE NOVAS PESQUISAS ................111
REFERÊNCIAS ................................................................................................................... 113
APÊNDICE A: ROTEIRO DE ENTREVISTAS UTILIZADO COM OS
PESQUISADORES..................................................................................... 119
1 INTRODUÇÃO
A era do petróleo pode estar chegando ao fim. Nos últimos anos, o petróleo voltou a
atingir preços elevados, e as duas razões mais apontadas pelos especialistas para explicar os
constantes aumentos nos preços do barril de petróleo estão, geralmente, relacionadas ao fator
geopolítico e à escassez relativa do recurso fóssil.
O primeiro fator está ligado a uma conjunção de elementos geopolíticos que afetam a
oferta. As principais áreas produtoras estão localizadas em regiões de conflitos de ordem
religiosa e política e com poucas possibilidades de solução em curto prazo. Com o recente
conflito entre Líbano e Israel, no Oriente Médio, região de maior produção de petróleo no
mundo, o barril do petróleo voltou a subir, beirando a casa dos US$ 80,00.
O segundo fator relaciona-se ao atual desequilíbrio entre a oferta e a demanda mundial
de petróleo. Conforme Pires (2004), a demanda mundial cresceu 5%, no segundo trimestre do
ano de 2004, em relação a 2003. Esse aumento deve-se, principalmente, ao rápido
crescimento do consumo nos Estados Unidos, na Ásia e, em particular, na China.
O consumo per capita de energia vem crescendo em torno de 3% ao ano, no mundo,
desde 1985 (PIRES, 2004). A substituição do carvão por derivados do petróleo contribui
ainda mais para o aumento na demanda por petróleo. Nesse contexto, essa alta demanda
provoca situações de escassez relativa e abre possibilidade para um possível desabastecimento
futuro.
Com o aumento da demanda por petróleo e a escassez desse recurso não renovável, é
fundamental o estudo de fontes alternativas, principalmente fontes renováveis e de menor
impacto no ambiente. Graças aos avanços tecnológicos em diversas áreas do conhecimento,
novas fontes de energia começam a ser pesquisadas como alternativas aos derivados do
12
petróleo. Grandes empresas petrolíferas do mundo, como a ExxonMobil, Shell e a Petrobras,
já tornaram público seus interesses em investir no desenvolvimento de fontes de energia
alternativas ao petróleo, tal como gás natural, célula de hidrogênio, energia solar e eólica,
álcool e biodiesel (PIRES, 2004).
Pesquisas recentes sugerem a utilização da biomassa para fins energéticos,
principalmente para o combustível, ou seja, o aproveitamento de outros organismos
biológicos como fontes de energia: a cana-de-açúcar, o eucalipto, a beterraba (dos quais se
extrai álcool), o biogás (produzido pela biodegradação anaeróbica existente no lixo e dejetos
orgânicos), a lenha e o carvão vegetal, alguns óleos vegetais (amendoim, soja, dendê,
mamona), etc. (RAMOS et al., 2003).
Dentre as fontes de biomassa prontamente disponíveis, os óleos vegetais vêm sendo
investigados como candidatos a programas de energia renovável para substituir o óleo diesel
de petróleo. Segundo Ramos et al. (2003), os óleos vegetais, além de serem fontes de energia
renovável, podem proporcionar uma geração de energia descentralizada e um incentivo à
agricultura familiar, criando melhores condições de vida (infra-estrutura) em regiões rurais,
oferecendo alternativas a problemas socioeconômicos e socioambientais de difícil solução.
Os óleos vegetais, no entanto, não podem substituir o diesel na sua forma in natura.
Para ser compatível com os motores a diesel, o óleo vegetal deve ser submetido a uma reação
química com metanol ou etanol, resultando em um éster (biodiesel) que pode, então, ser
utilizado como combustível puro ou misturado ao óleo diesel (RAMOS et al., 2003).
Conforme o gerente de qualidade da Ipiranga, em entrevista realizada, há quase um
consenso que mesclas de diesel com biodiesel, adequadamente especificado, em teores até
20%, podem ser empregadas sem problemas operacionais ou de desempenho em motores
convencionais, sem qualquer ajuste ou modificação. Em termos ambientais, a adoção do
biodiesel, mesmo que de forma progressiva, ou seja, em adições de 2 a 5% no diesel de
petróleo, resultará em uma redução significativa no padrão de emissões de materiais
particulados, óxidos de enxofre e gases que contribuem para o efeito estufa (RAMOS et al.,
2003).
Essa compatibilidade significa que o biodiesel pode participar das já existentes cadeias
de suprimentos de combustíveis e ser distribuído pelos convencionais postos de gasolina. Por
não demandar que ninguém reinvente o carro, o biodiesel apresenta uma relativa vantagem
em relação às alternativas de energias renováveis.
13
Essa compatibilidade é a razão pela qual muitos países escolhem os biocombustíveis
(tanto o biodiesel como o etanol) para reduzirem suas contas de importação de petróleo. A
União Européia, por exemplo, deixa clara sua estratégia de utilização, até 2010, de,
aproximadamente, 6% de biocombustíveis. Para isso, será preciso aumentar em torno de cinco
vezes sua plantação de biomassa (girassol, soja, dendê, milho, palma, amendoim, etc.).
Surge, assim, uma grande oportunidade para países com potencial agrícola como o
Brasil. A Malásia, por exemplo, está expandindo suas plantações de palma (planta que se
extrai óleo para biodiesel) e construindo fábricas de biodiesel para abastecer o mercado
alemão (THEIL, 2005).
O Brasil é referência mundial na utilização de biomassa como combustível. Na década
iniciada em 1970, estimulado pela crise do petróleo, o Brasil criou um programa buscando
uma nova fonte combustível com o objetivo de diminuir a dependência do petróleo e de
desenvolver uma fonte renovável de energia. Foi, então, criado, em 1975, o Programa
Nacional do Álcool – Proálcool que visava à substituição parcial do consumo de gasolina por
etanol (álcool etílico), obtido a partir da cana-de-açúcar. Esse programa levou à queda da
participação do petróleo e de seus derivados na matriz de 51% para 38%, entre 1978 e 1984
(PIRES, 2004). O Brasil foi um dos poucos países do mundo a conseguir uma penetração
efetiva da biomassa em sua matriz energética.
Consagrado na utilização do etanol, em sua matriz energética de combustíveis, o
Brasil, agora, tem a oportunidade de ser referência, também, na utilização do biodiesel para
substituir o diesel. Existem diversas fontes potenciais de óleos no Brasil para a produção de
biodiesel, como o óleo vegetal de soja, mamona, girassol, palma (dendê), a gordura animal e
os óleos de peixes.
Conforme os dados do Balanço Energético Nacional (BEN), referente ao ano de 2004,
(BRASIL, 2005-d), o diesel é a fonte de energia de maior consumo dos derivados de petróleo
no Brasil, pois representa, aproximadamente, cerca de 39% do consumo dos derivados de
petróleo. Esse alto consumo se explica pela opção do transporte rodoviário como principal
meio em um país de dimensões continentais como o Brasil. O setor de transportes representa
78% do consumo total de diesel no país.
Hoje, essa alternativa inovadora de substituição do diesel de petróleo já é realidade
com a publicação da Lei 11.097/2005 − a Lei do Biodiesel, no Diário Oficial da União, do dia
14 de janeiro de 2005, que dispõe sobre a introdução do biodiesel na matriz energética
14
brasileira. Conforme a Lei, deverá ser adicionado um mínimo de 2% de biodiesel em todo o
diesel comercializado no país, a partir do ano 2008 (BRASIL, 2005-c).
Para que esse projeto não se transforme em uma ilusão demagógica, é imprescindível
que se chame a atenção para o fato de que esta é uma atividade de fronteira tecnológica,
pautada pela pesquisa de países avançados e por grandes companhias. Portanto, para a
concretização do biodiesel, como alternativa para o diesel, é fundamental o investimento em
pesquisas em todas as áreas relacionadas ao tema (Fig. 1).
Figura 1 − Abrangência da problemática do Biodiesel
Fonte: Elaborada pelo autor
O Ministério de Minas e Energia (GOMIDE, 2005) estima uma demanda de 800
milhões de litros de biodiesel, por ano, até 2008. A Lei que autoriza a comercialização do
biodiesel deu início à corrida para sua produção no Brasil, o que vai demandar uma base de
produção e distribuição no país. Por se tratar de um produto novo no mercado, ainda faltam
estudos que apóiem as decisões de investimentos, tanto para agentes privados como para
agentes públicos. Surgem, dessa forma, muitas dúvidas:
a) Qual o local ideal para instalar usinas?
perto das matérias primas (soja, dendê, mamona e demais oleaginosas vegetais)
ou perto do mercado consumidor?
próximo às regiões litorâneas onde é produzido o diesel ou nas regiões do
interior onde o custo do transporte do diesel é mais caro?
b) Como será feita a distribuição do biodiesel dentro das fronteiras do país?
Base tecnológica
Agricultura
Políticas socioeconômicas
Meio ambiente
Competitividade
Gestão/Produção
Biodiesel
15
1.1 PROBLEMA DE PESQUISA
Estudos apontam que o custo do biodiesel será mais alto do que o do diesel (HASS et
al., 2006), tanto em função dos custos da matéria-prima (em torno de 80% dos custos do
biodiesel), como devido à dispersão geográfica das fontes de matéria-prima ao longo do
território que fazem com que as operações de coleta, transporte e estocagem se tornem
complexas e caras. Conforme Canepa (2004), um dos aspectos que poderá contribuir para a
competitividade do biodiesel é a questão da localização - influenciada pelo custo do transporte
das matérias-primas e do produto final - e da escala de produção.
Nesse contexto, surge uma dúvida, como foi salientado anteriormente: Qual é o
melhor local para produzir o biodiesel: perto dos fornecedores (produção de óleo ou de
etanol) ou perto dos mercados consumidores?
Considerando a problemática da produção do biodiesel (óleo vegetal + álcool +
industrialização + distribuição) e levando em conta a problemática do diesel (poluição, preço
atrelado à variação do dólar e do barril de petróleo, possibilidade de escassez relativa,
produção concentrada no litoral, subsídios governamentais), torna-se oportuno propor e
validar um modelo de análise e apoio à decisão que auxilie a definição da melhor localização
das plantas de biodiesel e de sua estrutura de distribuição.
Para tal, é preciso conhecer a estrutura de uma possível cadeia produtiva do biodiesel:
identificando os custos de transportes da matéria-prima e do produto acabado, a localização
das indústrias de insumos (álcool e óleo vegetal) e as suas capacidades para atender a uma
possível demanda introduzida pelo biodiesel, a localização e a demanda dos mercados
consumidores.
É importante ressaltar que a questão da localização deve ser analisada de região a
região, em função das diferentes disposições das matérias-primas para a produção de
biodiesel. O modelo deste trabalho será desenvolvido para o contexto do Estado do Rio
Grande do Sul, onde há uma tendência para o uso da soja como fonte de óleo para o biodiesel.
O Estado é o terceiro maior produtor de soja do Brasil e, conforme Plá (2002), a estrutura do
complexo da soja se apresenta adequada para atender , em curto e médio prazo, uma demanda
de biodiesel.
16
1.2 OBJETIVOS DA PESQUISA
Tendo em vista a problemática de pesquisa apresentada no item anterior, o objetivo
central desta pesquisa é:
Propor e validar um modelo de análise e apoio à decisão que auxilie a definição da
localização das plantas de biodiesel e sua distribuição.
Os objetivos específicos decorrentes do objetivo central são:
a) identificar os “atores” da cadeia produtiva do biodiesel;
b) identificar as variáveis envolvidas nos sistemas de produção e distribuição do
biodiesel;
c) modelar o problema de localização e distribuição do biodiesel, utilizando as
técnicas da programação linear.
1.3 DELIMITAÇÕES DA PESQUISA
O tema biodiesel é complexo e abrangente, envolve questões ambientais, políticas,
sociais, tecnológicas, econômicas e produtivas. O foco deste trabalho são os aspectos ligados
à localização e distribuição do biodiesel que, por sua vez, afetam e são afetados pelos outros
aspectos antes mencionados.
O trabalho será delimitado nas questões de localização e distribuição que
compreendem os aspectos ligados às indústrias de óleos vegetais até os distribuidores de
combustíveis, ou seja, o foco será a “parte” do meio da cadeia produtiva do biodiesel (Fig. 2).
Figura 2 – Cadeia produtiva do biodiesel e foco da pesquisa.
Fonte: Adaptado da NAPPO (2005
)
17
1.4 ORGANIZAÇÃO DO TRABALHO
Essa dissertação estrutura-se da seguinte forma: o capítulo 2 apresenta uma revisão
bibliográfica, abordando a disciplina Pesquisa Operacional e seus métodos de modelagem
para solucionar problemas quanto às tomadas de decisão do mundo empresarial, mais
especificamente, referentes aos problemas de localização. No capítulo 3, descreve-se a
metodologia empregada para atingir o propósito desta pesquisa. Os capítulos 4 e 5
contextualizam o cenário no qual o biodiesel fará parte, dando um destaque para a cadeia
produtiva da soja e dos combustíveis as quais influenciarão a dinâmica da cadeia produtiva do
biodiesel. O problema e a construção do modelo estão nos capítulos 6 e 7, respectivamente. A
aplicação teórica do modelo, no Estado do Rio Grande do Sul, é abordada no capítulo 8. Por
fim, são apresentadas considerações finais e recomendações para futuras pesquisas.
2 FUNDAMENTAÇÃO TEÓRICA
Tendo em vista que a proposição deste trabalho é desenvolver um modelo para
auxiliar na decisão quanto à localização de fábricas de biodiesel e sua distribuição, este
capítulo tem como objetivo revisar conteúdos referentes à disciplina Pesquisa Operacional,
incluindo processos de tomada de decisão e de modelagem, da teoria da localização e dos
modelos de transporte.
A teoria relatada a seguir relaciona-se com as disciplinas da Teoria da Decisão,
Ciência Administrativa, Gestão das Operações, entre outros campos que estudam o processo
de solução de problemas e de tomada de decisão nas organizações.
2.1 PESQUISA OPERACIONAL
A Pesquisa Operacional (PO) é um método cientifico de tomada de decisão. Foi, no
entanto, durante a segunda guerra mundial que o termo “pesquisa operacional” foi utilizado,
pela primeira vez, quando equipes interdisciplinares de cientistas procuraram desenvolver
métodos para resolver determinados problemas de operações militares. O sucesso desse
método motivou o mundo empresarial e acadêmico a utilizar essas técnicas para solução de
problemas organizacionais (SHAMBLIN; STEVENS, 1979).
A Pesquisa Operacional apresenta um enfoque sistêmico, ou seja, valoriza o
conhecimento cientifico de várias disciplinas e tem a concepção de que os problemas reais são
representados por sistemas complexos que interagem com fatores internos e externos do
ambiente (ANDRADE, 1989).
19
Outro aspecto importante da PO, facilitador do processo de tomada de decisão, é a
utilização de modelos, pois permitem a “experimentação”, o que significa que uma decisão
pode ser melhor avaliada e testada antes de ser implementada (ANDRADE, 1989).
O campo da Pesquisa Operacional surgiu com o propósito de resolver problemas reais.
Ela começa descrevendo um sistema por intermédio de um modelo e, depois, manipula esse
modelo para descobrir o melhor modo de operar o sistema (SHAMBLIN; STEVENS, 1979).
Para Jensen e Bard (2003), a PO procura estudar um sistema ou uma organização com o
objetivo de melhorar as suas operações. A utilização de modelos e técnicas matemáticas é
apenas o meio e não o fim do estudo.
Embora o desenvolvimento de técnicas quantitativas para resolver complexos modelos
matemáticos seja muito valioso e considere-se uma importante contribuição de acadêmicos e
pesquisadores, para a Pesquisa Operacional o principal foco é a aplicação desses métodos
(JENSEN; BARD, 2003).
Antes de entrar, detalhadamente, no processo de solução de problemas da PO, será
realizada, a seguir, uma breve revisão sobre a tomada de decisão e a conceituação de modelo.
2.1.1 Processo de tomada de decisão
Tomar decisão sobre como planejar, organizar, dirigir e controlar as atividades são
questões que todas as organizações enfrentam. Uma pessoa física pode analisar o problema e
escolher a melhor alternativa de decisão de modo informal. Em uma organização, os
problemas são muito mais amplos e complexos, envolvendo riscos e incertezas. O processo de
decisão, em uma organização, conforme Shimizu (2001), deve ser estruturado e resolvido de
maneira formal, detalhada, consistente e transparente.
Para Turban e Meredith (1994), decisão é a conclusão de um processo em que é
escolhido um curso de ação entre duas ou mais alternativas para atingir determinado objetivo.
Esse processo é chamado de tomada de decisão e é sinônimo de todo processo de
gestão/administração. Por exemplo, o processo de planejamento envolve várias questões de
decisão, tais quais: O que deve ser feito? Quando? Como? Onde? Por quem? Portanto,
planejamento implica uma tomada de decisão.
20
Em geral, os processos de tomada de decisão consistem em quatro etapas principais
(TURBAN; MEREDITH, 1994):
1ª) definição do problema;
2ª) busca de alternativas para resolver o problema;
3ª) avaliação das alternativas;
4ª) escolha de uma alternativa.
A tomada de decisão envolve uma situação problema na qual a organização se depara
com alternativas para decisão. Se apenas uma solução se apresentar como viável, não há, em
princípio, um problema de decisão. Todo o problema de decisão apresenta “dados”, ou seja,
um conjunto de informações a partir das quais o problema deve ser analisado.A natureza e
variedade dessas informações se modificam conforme o caso analisado.
Existem problemas quando há poucas informações e muitas dúvidas, e a solução
depende muito da qualidade pessoal de quem efetua a decisão. Esses problemas chamam-se
“problemas mal-estruturados”. Por outro lado, existem os problemas bem estruturados que se
caracterizam por possuírem dados bem definidos, em geral numéricos, nos quais inexistem
pesquisas sem respostas. Em geral, na prática, os problemas ficam em um ponto intermediário
entre muito bem estruturado e muito mal-estruturado (MOREIRA, 1993).
2.1.1.1 A abordagem científica e a tomada de decisão
A abordagem cientifica é um processo racional, formalizado, e muitas descobertas
científicas, desde Descartes, podem a ela ser creditadas. Consiste nos seguintes passos,
segundo Turban e Meredith (1994):
a) o problema para análise é definido, e as condições para observação são
determinadas;
b) observações são feitas sob diferentes condições para determinar o comportamento
do sistema que contém o problema;
c) baseando-se nas observações, uma hipótese é concebida, descrevendo como se
relacionam os fatores envolvidos ou qual é a melhor solução para o problema;
21
d) para testar a hipótese, um experimento é projetado;
e) o experimento é executado e medidas são obtidas e registradas;
f) o resultado do experimento é analisado, e a hipótese pode ser aceita ou rejeitada.
O processo de tomada de decisão é muito similar ao processo cientifico, conforme se
pode visualizar na Figura 3:
Figura 3 −
−−
− Relação entre o processo de tomada de decisão com a abordagem
científica
Fonte: Adaptado de TURBAN; MEREDITH (1994, p.19)
2.1.2 Modelos
Um modelo pode ser definido, segundo Pidd (p. 1998, p. 23), como: “[...] uma
representação da realidade projetada para algum propósito definido”.
Em geral, a pesquisa operacional analisa os problemas de decisão por meio de
modelos matemáticos que são representações simbólicas do problema em questão. O que se
faz é procurar enquadrar o problema em um modelo já disponível e de utilidade comprovada.
Um problema pode ser visto de várias formas por distintas pessoas devido às
diferentes percepções de realidade do mundo que cada indivíduo possui. Em outras palavras,
Definição do problema
Observações
Busca de alternativas Formulação de hipóteses
Avaliação das alternativas
Experimentação:
projeto e implementação
Escolha Hipótese aceita ou rejeitada
Definição do problema
Processo de tomada e decisão Método científico
22
diferentes modelagens da realidade podem ser construídas para uma única realidade aparente.
Outra consideração importante, a respeito de modelar a realidade, é o fato de aceitar que um
modelo jamais possa estar completo, por duas razões (PIDD, 1998, p. 24):
1ª) se um modelo fosse um mapeamento completo de algo, então, ele apenas seria tão
complexo quanto a coisa real;
2ª) a menos que se inclua o universo inteiro em um modelo, sempre haverá o risco de
faltar algo.
Baseando-se nos argumentos apresentados, e somando-se ao fato de que, geralmente,
constrói-se um modelo para melhorar algo ou resolver um problema, chega-se à seguinte
definição: “um modelo é uma representação externa e explícita de parte da realidade vista
pela pessoa que deseja usar aquele modelo para entender, mudar, gerenciar e controlar parte
daquela realidade” (PIDD, 1998, p. 25).
Os benefícios da utilização de modelos, conforme Turban e Meredith (1994), para a
tomada de decisão são:
a) modelos possibilitam a compreensão do tempo; anos de operação podem ser
simulados, em minutos ou segundos, em um computador;
b) manipulação do modelo é muito mais fácil do que a manipulação de um sistema
real;
c) o custo de cometer erros, durante experimentos de tentativa e erro, é muito mais
baixo quando feitos no modelo;
d) o ambiente envolve muitas incertezas. O uso de modelos permite o cálculo de riscos
num processo de tomada de decisão;
e) o custo de modelar é muito mais baixo do que um experimento similar conduzido
num sistema real;
f) modelos realçam e reforçam o aprendizado;
g) a utilização de modelos matemáticos permite uma rápida identificação e análise de
uma grande e, muitas vezes, quase infinita, possibilidade de soluções.
Os modelos são, basicamente, simplificações e representações aproximadas de algum
aspecto da realidade. Apesar de não serem 100% fidedignos da realidade, Pidd (1998) ressalta
que eles não precisam ser exatos para serem úteis. O mesmo autor cita o exemplo das rotas de
23
metrô que são exibidas nas estações para o público. Esses mapas permitem que o leitor
entenda as possíveis rotas por uma distorção deliberada da realidade. Portanto, os elementos
necessários em um modelo dependerão do objetivo a que ele se destina.
Conforme Pidd (1998), as impressões do mundo são sempre parciais, tanto no sentido
de não se vivenciar, quanto no de poder estar influenciado. Portanto, para se construir um
modelo, devem-se coletar essas percepções mal definidas e implícitas e montá-las, de alguma
forma suficientemente bem definida, para ser, pelo menos, interpretada e argumentada por
outras pessoas.
Shimizu (2001, p. 39) classifica os vários tipos de modelo em:
a) verbais: quando descritos e representados por palavras e sentenças. Exemplos:
questionários, sistemas especialistas, etc.;
b) físicos: quando representados por algum tipo de material ou hardware, alternando-
se suas dimensões, formato e custo. Exemplos: maqueta, protótipo;
c) esquemáticos: quando representados por meio de gráficos, tabelas, diagramas ou
árvores de decisão;
d) matemáticos: quando representados por equações e valores numéricos ou valores da
lógica simbólica. Exemplos: Programação Linear, Rede Neural, etc.
Dentre os diversos tipos de modelos, entretanto, os que mais interessam para essa
pesquisa são os modelos matemáticos, pois podem descrever um problema de forma
resumida, são prontamente computadorizados e facilmente manipulados para testar os
diversos resultados. Conforme Moreira (1993), modelos matemáticos são aqueles em que a
situação problema ou as propriedades de um objeto são representadas por um sistema de
símbolos e relações matemáticas, como equações e inequações, passíveis de manipulação na
busca de uma solução ou no estudo do comportamento do objeto sob certas condições.
Conforme Shimizu (2001, p. 39), um modelo matemático “pode ser visto como uma
caixa preta que recebe as entradas (parâmetros, variáveis exógenas e decisões), e processa
essas informações para produzir as saídas (variáveis endógenas ou resultados da decisão)”.
24
2.2 PROCESSO DE SOLUÇÃO DE PROBLEMAS
As decisões, na sociedade moderna, são, geralmente, feitas sob circunstâncias
caracterizadas por conflitos de objetivos, ambiente instável, recursos limitados, incertezas,
competição acirrada, etc. A PO é uma disciplina que visa a contribuir para o processo de
tomada de decisão, neste ambiente complexo e turbulento. Portanto, o objetivo da pesquisa
operacional é fornecer uma estrutura básica (framework) para a construção de modelos de
problemas de decisão, providenciar a melhor solução e implementar tal solução para resolver
o problema. Alguns campos da ciência são muito semelhantes com a PO tais como: ciência
administrativa, ciência da decisão, gestão das operações e engenharia de sistemas, por
exemplo (JESEN; BARD, 2003).
Jensen e Bard (2003) chamam a metodologia de um estudo de PO de processo de
solução de problemas (problem-solving process), composto pelos seguintes passos, conforme
ilustra a Figura 4:
Figura 4 - Esquema do processo de solução de problemas
Fonte: Adaptado de JENSEN; BARD (2003)
A seguir, serão discutidas as principais etapas do processo de solução de problemas.
Definição do Problema
Construção do Modelo
Solução do modelo
Validação do modelo e
Teste de sensibilidade
Estabelecimento de
controles
Implantação
25
2.2.1 Definição do problema
A tomada de decisão tem início a partir da constatação de um problema que pode ser
real ou abstrato, envolver operações atuais ou futuras e ser um esforço para melhorar a
eficiência de uma operação ou a resposta a uma crise inesperada (JESEN; BARD, 2003).
Na formulação do problema, devem-se estabelecer, com clareza, os objetivos, os
cursos alternativos de ações, as restrições, as suposições apropriadas, as descrições dos
processos e os dados necessários. É essencial em PO que o problema, em consideração, seja
claramente definido. É praticamente impossível obter uma resposta “certa” para um problema
mal formulado (SHAMBLIM; STEVENS, 1979).
É nessa etapa que os limites do sistema em estudo devem ser identificados. Jensen e
Bard (2003) alertam que as decisões, em geral, têm impactos que vão além do interesse
imediato do tomador de decisão e, portanto, os limites devem abranger esses efeitos
preliminares. Em geral, usa-se uma abordagem sistêmica para mostrar que a análise tem uma
abrangência que vai além dos efeitos locais de uma ação, entretanto, todos os estudos têm
limites que precisam estar bem definidos nesta etapa.
2.2.2 Construção do modelo
Modelar ou formular um problema envolve a concepção e a abstração de um problema
para uma forma matemática. Nessa etapa, todas as variáveis relevantes são identificadas e é
formulada uma equação descrevendo as relações entre as variáveis. Simplificações são feitas,
quando necessário, por meio de um conjunto de suposições (TURBAN; MEREDITH, 1994).
A tarefa de modelar envolve uma série de atividades inter-relacionadas e
metodologias. Conforme Turban e Meredith (1994), as mais importantes são:
a) os componentes do modelo;
b) métodos de solução;
c) relações matemáticas.
26
2.2.2.1 Os componentes do modelo
Todos os modelos matemáticos são compostos por três componentes básicos: variáveis
de resultado, variáveis de decisão e fatores não controláveis. Esses componentes são
conectados por relações matemáticas(Fig. 5):
Figura 5 −
−−
− Estrutura geral de um modelo
Fonte: TURBAN; MEREDITH (1994, p. 29)
a) Variáveis de resultado
As variáveis de resultado refletem a efetividade de um sistema e informam como foi a
performance do sistema e os resultados. São variáveis dependentes, o que significa que, para
que o evento representado por essa variável ocorra, outro evento deve ocorrer primeiro. Ou
seja, as variáveis de resultado dependem dos eventos representados pelas variáveis de decisão
e pelos fatores não controláveis. Elas também têm outros nomes (TURBAN; MEREDITH,
1994):
saídas do sistema;
medidas de performance;
medidas de efetividade;
resultados;
objetivos.
b) Variáveis de decisão
As variáveis de decisão são os valores que devem ser determinados pelo modelo, de
acordo com os objetivos e restrições do sistema. As variáveis de decisão são chamadas de
“desconhecidas” e, matematicamente, classificadas como sendo independentes. O que se
Variáveis de
resultado
Fatores não
controláveis
Variáveis de
decisão
Relações matemáticas
27
procura é encontrar os melhores valores (ou satisfatórios) para as variáveis de decisão
(TURBAN; MEREDITH, 1994).
c) Fatores não controláveis
Em todas as situações de decisão, existem fatores (variáveis, constantes e parâmetros)
que afetam as variáveis de resultado, mas não estão sob o controle do tomador de decisão.
Exemplos: taxa de atratividade, leis e regulamentações, impostos, preços dos fornecedores,
etc. Essas variáveis pertencem ao ambiente e influenciam o processo de tomada de decisão
(TURBAN; MEREDITH, 1994).
2.2.2.2 Métodos de solução
a) Modelos analíticos
Os modelos analíticos usam fórmulas matemáticas para derivar diretamente, em um
passo, uma solução ótima ou predizer certo resultado. Os modelos analíticos são dedutivos, ao
contrário dos modelos numéricos os quais são essencialmente indutivos (TURBAN;
MEREDITH, 1994).
b) Modelos heurísticos
São modelos com procedimentos passo a passo ou regras que, em um número finito de
passos, fornecem uma solução satisfatória. Essas regras são baseadas tanto em experimentos
como em aspectos lógicos. São técnicas fáceis e rápidas de aplicar, mas com limitações. Em
muitos casos, a heurística é o único meio econômico e prático para resolver problemas
complexos (TURBAN; MEREDITH, 1994).
c) Modelos numéricos
Técnicas numéricas consistem em comparações de tentativa e erro de muitas soluções,
tanto ótimas como não ótimas. Os modelos que geram soluções ótimas são aqueles baseados
em enumeração completa e em algoritmos (TURBAN; MEREDITH, 1994).
28
d) Enumeração completa
Quando se verificam todas as possíveis soluções, então, está-se fazendo uma
enumeração completa. Essa técnica é viável quando o número de alternativas é relativamente
pequeno; do contrário, a abordagem é lenta ou mesmo impossível de aplicar (TURBAN;
MEREDITH, 1994).
2.2.2.3 Relações matemáticas em um modelo
Os componentes de um modelo matemático são relacionados por um conjunto de
expressões matemáticas como as equações ou inequações. As relações matemáticas em um
modelo, em geral, incluem duas principais partes: a função objetivo e as restrições
(TURBAN; MEREDITH, 1994):
a) Função objetivo:
A função objetivo expressa a relação das variáveis dependentes do modelo com as
variáveis independentes, conforme ilustra o exemplo abaixo:
21
510 xxZ +=
,
onde Z simboliza a receita total da produção (variável dependente); x
1
e x
2
são as quantidades
de dois produtos que são produzidos e vendidos (variáveis de decisão) e 10 e 5 são os preços
dos produtos definidos pelo mercado (fatores não controláveis). O objetivo é maximizar a
receita e, geralmente, é limitado por restrições.
As restrições representam as limitações e as necessidades impostas pelo sistema de
produção devido a leis, competição, escassez de recursos, tecnologia, capacidade produtiva,
entre outros fatores. Por exemplo, uma restrição de demanda imposta pelo mercado poderia
ser:
80
21
≤+ xx
ou seja, a quantidade que pode ser vendida dos produtos x
1
e x
2
deve ser igual ou menor a 80
unidades. A Figura 6 ilustra esse modelo de produção:
29
Figura 6 −
−−
− Simplificação de um modelo de produção
Fonte: Adaptado de TURBAN; MEREDITH (1994)
2.2.3 Solução do modelo
Conforme Turban e Meredith (1994), solução para um modelo significa encontrar um
específico conjunto de valores para as variáveis de decisão que resultam num nível desejado
de resultado. Os procedimentos para solucionar problemas padrões de Pesquisa Operacional
estão bem desenvolvidos e já existem programas de computadores com códigos para resolver
a maioria dos problemas. Porém, o importante para o usuário desses programas é entender
alguns conceitos e metodologias envolvidas nesta etapa.
Alguns métodos podem prescrever soluções ótimas, enquanto outros apenas avaliam
soluções candidatas e, assim, necessitam de uma abordagem de tentativa e erro para achar a
alternativa de ação mais aceitável (JESEN; BARD, 2003).
Primeiramente, é importante entender o critério de escolha. O tomador de decisão está
procurando a melhor solução ou uma solução aceitável? Entre vários critérios de escolha,
Turban e Meredith (1994) destacam os seguintes:
a) Otimização
Uma alternativa ótima é aquela que demonstra ser a melhor entre todas as possíveis
alternativas. “A otimização prescreve o curso de ação que o tomador de decisão deve seguir”
Variáveis de decisão:
X
1
e X
2
(Qual quantidade deve
ser
produzida)
Relações Matemáticas
Max Z Função Objetiva
Sujeito a
X
1
+ X
2
≤ 80
Variáveis de
resultado:
Z = 10x
1
+ 5x
2
(Receita total)
Variáveis não controláveis:
10, 5 e 80
(preço de mercado, limitações de mercado).
30
(TURBAN; MERETHID, 1994, p. 35). Portanto, modelos que buscam a otimização são
referidos como modelos normativos e estão baseados nos seguintes pressupostos:
o Homem é um ser econômico cujo objetivo é maximizar suas metas pessoais, ou
seja, o tomador de decisão é racional;
em uma situação de tomada de decisão, todas as alternativas de ações e suas
conseqüências são conhecidas.
Nos termos da pesquisa operacional, a otimização pode ser alcançada em dois
caminhos básicos: 1º) atingindo o maior nível (maximização) de um objetivo realizado por
um conjunto de recursos; 2º) achando a alternativa de menor custo (minimização) que vai
atender à necessidade de um determinado objetivo.
b) Subotimização
Pela definição, otimizar requer que o tomador de decisão considere o impacto de cada
alternativa de decisão em toda organização ou sistema em questão. Uma decisão feita em uma
área (departamento, sistema, região, etc.) irá afetar outras áreas. Por exemplo, uma decisão de
baixar o preço de determinado produto para aumentar as vendas poderá afetar o departamento
de produção que deverá aumentar sua produtividade. Porém, muitas vezes, é inviável resolver
um problema de pesquisa operacional, levando em conta todos os efeitos de cada alternativa
de solução num sistema (organização, departamento, área) inteiro. Portanto, para fins práticos,
é necessário “fechar” o sistema definindo limites. Essa abordagem é chamada de
subotimização e é muito utilizada por ser mais rápida e fácil de modelar, rendendo resultados
aceitáveis. Quando uma solução é posta em prática, pode-se verificar se ela produziu efeitos
negativos nos demais sistemas (áreas, departamentos, organizações). Não constatando efeitos
negativos significativos, então, pode-se considerar que tal solução é ótima sob um ponto de
vista sistêmico (TURBAN; MERETHID, 1994).
c) Solução satisfatória
O modelo da solução satisfatória é baseado no modelo da racionalidade limitada, no
qual, segundo Herbert Simon (apud MOTTA; VASCONCELOS, 2004), é muito difícil que
um tomador de decisões tenha acesso e possa mensurar todas as possibilidades de ação, tendo
em vista a impossibilidade física de ter acesso a todas as informações e aos altos custos
31
envolvidos. Portanto, a maioria das decisões humanas, tanto individuais como
organizacionais, envolvem certa aceitação para o estabelecimento de uma decisão satisfatória.
Nos problemas de pesquisa operacional, isso acontece, pois, em geral, a otimização
não é atingível devido ao custo e tempo requerido. Nesse tipo de solução, o tomador de
decisão estabelece um nível desejado de solução para seu objetivo e procura pela alternativa
até que encontra aquela adequada ao seu objetivo.
Os modelos da Pesquisa Operacional que utilizam o critério satisfatório são
classificados como descritivos, pois descrevem sistemas ou fenômenos como eles são.
Modelos descritivos são usualmente aplicados em problemas de decisão, quando os modelos
normativos não podem ser aplicados, e são usados para predizer o comportamento de um
sistema sob vários pressupostos (TURBAN; MERETHID, 1994).
Nessa etapa, é importante conhecer o tipo de soluções que os modelos de PO geram,
as quais podem ser classificadas em possíveis ou não possíveis, ótimas e não ótimas e únicas
ou múltiplas (TURBAN; MERETHID, 1994):
possíveis ou não possíveis: uma solução é dita possível quando ela satisfaz todas as
restrições e requisitos do problema. Violando uma ou mais restrições, a solução se
torna “não possível”;
ótima ou não ótima: uma solução ótima é a melhor de todas as possíveis soluções.
Para uma solução ser dita “ótima”, é necessário verificar todas as soluções possíveis
e obter a confirmação de que a que foi proposta é a melhor. Uma solução possível
que não seja ótima é dita “não ótima”;
única ou múltipla solução: quando só existe uma única ótima solução, esta é
denominada de solução única. Quando existe mais de uma solução ótima, então,
existem múltiplas soluções para um problema.
2.2.4 Validação do modelo e teste de sensibilidade
Após um modelo ser construído, é importante saber o quanto ele representa a
realidade. Será que as predições feitas no modelo são exatas? O modelo representa o
comportamento do sistema sob reais circunstâncias? O modelo tem relevância para o
32
problema original? Soluções obtidas por estudos quantitativos podem não ser previsíveis,
mas, muitas vezes, é comum não surpreenderem.
Uma maneira de testar o modelo é tentar colocar outros dados e ver se a solução se
assemelha com o comportamento histórico do sistema. É muito comum, também, a utilização
de testes de sensibilidade, ou seja, usar o modelo sob uma variedade de conjunturas,
modificando o conjunto de valores dos parâmetros (JENSEN; BARD, 2003).
A análise de sensibilidade tem a função de ajudar o tomador de decisão, quando existe
incerteza quanto à acuracidade de suas informações. Na análise de sensibilidade, as
informações e dados são alterados para verificar que efeitos surtirão na solução. Em outras
palavras, a análise de sensibilidade tem o objetivo de determinar o efeito de variações nas
variáveis independentes sobre as variáveis dependentes (TURBAN; MEREDITH, 1994). A
análise de sensibilidade também tem o objetivo de determinar o efeito de variação dos
“fatores não-controláveis” sobre a função objetivo e as variáveis dependentes.
Conforme Turban e Meredith (1994), o que se busca com a análise de sensibilidade é a
resposta às seguintes questões:
a) Que mudança pode ocorrer, numa certa variável independente, sem que haja uma
mudança na solução proposta?
b) Qual a magnitude da mudança ocorrida na solução resultante de uma mudança nas
variáveis independentes?
c) Quais das variáveis independentes são mais sensíveis? Quais das variáveis
independentes são menos sensíveis?
d) A solução proposta é muito sensível? Ou seja, a solução inclui variáveis sensíveis
que, quando ocorrem pequenas alterações, poderão alterar a solução, fazendo com
que ela não seja mais ótima?
É importante ter a noção de que a solução do modelo é apenas uma proposta que serve
como guia para a tomada de decisão. O tomador de decisão pode incorporar outros valores
intangíveis e práticos que não foram incorporados no modelo no momento da decisão.
33
2.2.5 Estabelecimento de controles
Depois que o modelo e sua solução foram considerados aceitáveis, estabelecem-se
procedimentos para solucionar o problema de forma rotineira, o que pode ser feito definindo
um conjunto de regras, descrição de tarefas e regulamentos, para que uma pessoa ou um
programa de computador possa solucionar um problema a partir de um conjunto de dados e
informações.
O problema é que o mundo é dinâmico, ou seja, as situações mudam, tornando o
modelo e sua solução inapropriados. Sendo assim, é importante que se criem formas de
controle que indiquem, imediatamente, as mudanças no sistema, de modo que o modelo possa
ser revisto e/ou atualizado sistematicamente (SHAMBLIN; STEVENS, 1979).
2.2.6 Implantação
Os resultados gerados por um modelo representam uma solução para um simplificado
cenário da realidade. Implementar, talvez, seja a tarefa mais difícil da pesquisa operacional,
por implicar mudanças, seja numa organização, num sistema ou num departamento. Jensen e
Bard (2003) recomendam que todos os envolvidos no problema devem participar do processo
ou, pelo menos, serem consultados durante as várias etapas, incluindo a formulação do
problema, teste da solução e do estabelecimento de procedimentos de controle.
Shamblin e Stevens (1979) ponderam que as etapas do estudo de PO não são rígidas e,
freqüentemente, devem ser modificadas. Além disso, há muita inter-relação entre as várias
fases. O estudo de PO dever ser visto de maneira criativa e engenhosa.
2.3 DECISÃO NA ADMINISTRAÇÃO DA PRODUÇÃO
A Administração da Produção é uma das áreas funcionais que utiliza o conceito
sistêmico e a análise quantitativa para analisar e tomar decisões sobre os problemas de
produção. Conforme Shimizu (2001), as seguintes decisões estão relacionadas aos sistemas
que formam a Administração da Produção:
34
a) previsão e planejamento a longo prazo sobre a capacidade de produção;
b) projeto do produto e planejamento do processo;
c) projeto e medida do trabalho;
d) localização da fábrica;
f) layout ou arranjo físico da fábrica.
Como o tema desse trabalho é a localização de fábricas de biodiesel, tratar-se-á, a
seguir, a questão da localização sob o enfoque da Pesquisa Operacional.
2.3.1 Decisão de localização
As decisões de localização são questões estratégicas e fazem parte do processo de
planejamento de qualquer negócio, principalmente, se a empresa for uma indústria. Conforme
Moreira (1993, p.175), “localizar significa determinar o local onde será a base das operações,
onde serão fabricados os produtos ou prestados os serviços, e/ou onde se fará a administração
do empreendimento”.
Definir pontos fixos para as instalações de plantas, ao longo da cadeia produtiva, é
uma questão importante de decisão que dá formato, estrutura e forma ao sistema logístico
inteiro. Lacerda (2000) salienta que as decisões de localização são de suma importância para
as empresas, pois envolvem altos investimentos e têm profundos impactos nos custos
logísticos. Conforme Ballou (2001, p. 379), “as decisões de localização incluem a
determinação do número, da localização e do tamanho das instalações a serem usadas”. Essas
instalações incluem pontos nodais na rede, como plantas, portos, fornecedores, armazéns,
filiais de varejo e centros de serviços. As instalações representam pontos na rede logística
onde os produtos param, temporariamente, no seu caminho até os consumidores finais.
Muitas variáveis devem ser levadas em consideração no momento da escolha do local
para a instalação de uma empresa. As particularidades que as empresas apresentam,
individualmente, fazem com que o problema da localização seja específico para cada uma.
Para algumas empresas, por exemplo, é mais interessante uma instalação perto do mercado
(supermercados, hospitais, lojas de departamento), enquanto que outras são atraídas pela
proximidade das matérias-primas e/ou dos componentes (metalúrgica, fábrica de cimento).
35
Outras variáveis, como custo e qualificação da mão-de-obra, também influenciam as decisões
de localização (MOREIRA, 1993).
Nenhum procedimento pode garantir a escolha do melhor local, no entanto, conforme
ressalta Monks (1987), evitar um local desastroso pode ser melhor que achar um local ideal.
Em geral, segundo o mesmo autor, as firmas conduzem, primeiramente, uma análise
quantitativa para estabelecer a viabilidade dos locais alternativos e, depois, prosseguem com
uma revisão completa dos fatores qualitativos (menos tangíveis).
Como será utilizado, neste trabalho, um modelo quantitativo para resolver o problema
de localização das plantas de biodiesel no Rio Grande do Sul, a próxima seção abordará a
teoria dos problemas de localização.
2.3.2 Teoria da Localização
Muitas teorias iniciais sobre localização foram formuladas por economistas e
geógrafos, tais como Johann Von Thünen (1826, apud LUCAS; CHHAJED, 2004), Alfred
Weber (1909, apud GALVÃO, 1981), Edgar Hoover (1957, apud BALLOU, 2001), Melvin
Greenhut (1956, apud BALLOU, 2001), e Walter Isard (1960, apud BALLOU, 2001). Um
tema comum, em todos esses trabalhos iniciais, é a importância dos custos de transporte na
determinação da localização (BALLOU, 2001).
Um dos primeiros pesquisadores a lançar os fundamentos da teoria da localização foi
Von Thünen, no ano de 1826 (apud LUCAS; CHHAJED, 2004). Em seu livro, Isolated state
with respect to agriculture and national economy, o autor investiga o impacto da distância do
mercado no uso das terras agrícolas.
Foi, no entanto, em 1909, que a teoria da localização foi formalmente introduzida por
Alfred Weber (apud GALVÃO, 1981) que considerou o problema de localizar uma única
instalação com o objetivo de minimizar os custos de transporte entre três pontos fixos (uma
demanda e duas fontes).
Weber reconheceu o papel que as matérias-primas desempenham no processo de
produção e como elas afetam a localização. Em linhas gerais, identificou três tipos de
processo de produção que direcionam a localização das empresas para as proximidades das
fontes de matérias-primas ou dos mercados consumidores (BALLOU, 2001):
36
1º) perdedores de peso: o peso é perdido, no processo, devido a subprodutos não
utilizáveis (o peso da matéria-prima é maior que o peso dos produtos acabados).
Para evitar embarques de subprodutos para o mercado, tais processos são retirados
das fontes de matérias-primas, de forma a minimizar os custos de transporte.
2º) ganhadores de peso: ocorre, geralmente, quando as ubiqüidades – que incluem as
matérias-primas disponíveis em toda a parte, como ar e água – participam no
processo. Portanto, para minimizar os custos de transportar tais ubiqüidades, as
instalações devem se localizar o mais próximo possível dos mercados.
3º) nem ganhadores, nem perdedores de peso: são os processo que não alteram o peso
do produto, ou seja, o produto acabado é a soma dos pesos das partes e
componentes montados. Portanto, a localização não está limitada às fontes de
matérias-primas nem aos mercados.
Com o surgimento da programação linear, em meados da década iniciada em 1940, em
especial o modelo de transporte, tornou-se possível estudar problemas mais complexos, com
várias regiões de demanda, bem como com várias regiões de oferta de matéria-prima
(LOPES; CAIXETA, 2000).
Em geral, os problemas de localização de instalações procuram definir a melhor
maneira de suprir uma população de uma dada área geográfica a partir de centros de
distribuição ou fábricas. O que se pretende determinar, nesses problemas, é o número e a
localização de centros que possam fornecer, da forma mais econômica, produtos a um
conjunto de clientes de localização conhecida. A escolha sobre a melhor localização de tais
instalações deve ser feita de modo a otimizar uma função objetivo bem definida, obedecendo
às restrições específicas do problema em questão (GALVÃO, 1981).
Podem-se classificar os problemas de localização em duas categorias principais:
1ª) localização no plano com espaço de solução infinito (modelo contínuo): Nessa
classe, o espaço é considerado como um fenômeno contínuo. O número de
possibilidades de localizar novas instalações é infinito. Em geral, a distância entre
dois pontos é Euclidiana (LUCAS; CHHAJED, 2004). Os problemas de
localização de mais de uma instalação com espaço de soluções infinito são,
comumente, denominados problemas de Weber de centros múltiplos. Esse tipo de
problema foi investigado por Cooper (1967), Morris (1975) e Juarez e Romero
(1986), entre outros;
37
2ª) localização no plano com espaço de solução finito (modelo discreto): Nessa classe
de problemas, o número de possibilidades para novas instalações é finito. A
interação dos custos entre os pares de instalações pode derivar de distâncias
planares, distâncias de rede ou outro tipo de custo de transporte proporcional à
distância. Em geral, a modelagem de problemas discretos envolve a utilização de
programação inteira mista (mixed-integer programs) e possibilita a incorporação
de muitas suposições realistas que não poderiam ser incluídas nos modelos
planares (infinitos) ou de rede (LUCAS; CHHAJED, 2004). Em linhas gerais,
conforme Galvão (1981), o problema pode ser definido como: dados clientes de
localização conhecida, cada um dos quais com demanda conhecida, e um conjunto
de pontos alternativos para a localização das instalações (fábricas, centros de
distribuição, etc.), determinar o número de instalações a construir e sua
localização, bem como que clientes devem ser servidos a partir de cada instalação.
O objetivo é, então, minimizar a soma dos custos fixos de construção das
instalações, mais os custos variáveis de transporte − o problema também pode ser
formulado como um problema de maximização de lucro −, podendo ou não haver
limites de capacidade. Quando há limites de capacidade, o problema é dito
capacitado; se tais limites inexistem, então, denomina-se problema não-capacitado
ou problema simples. Aplicações de modelos discretos podem ser encontradas em
Stollsteimer (1963) e Krarup e Pruzan (1983);
Dentro da categoria de localização no plano com espaço de solução finito, os modelos
de rede para a localização são uma importante contribuição para aplicações práticas. Nos
trabalhos iniciais em localização, o foco eram modelos para localização, no plano, com
espaço de solução infinito. A localização em redes passou a receber mais atenção a partir da
publicação dos resultados de Hakimi (1964) que considerou o problema geral de localizar
uma ou mais instalações (facility), em uma rede, para minimizar tanto a soma das distâncias
ou a máxima distância entre as possíveis instalações e os pontos da rede (BRANDEAU;
CHIU, 1989).
Nessa classe de modelos, é considerada a existência de uma rede de transportes, como
um sistema de rodovias e/ou ruas, na qual a viagem ocorre. As distâncias representadas,
nesses modelos, são, geralmente, mais acuradas do que nos modelos planares, porém é preciso
maior precisão de coleta de dados, pois é necessário mensurar a distância de cada segmento
da rede (LUCAS; CHHAJED, 2004).
38
Na localização em redes, o espaço de soluções fica restrito aos arcos e vértices da rede,
e as distâncias são medidas ao longo dos arcos. Nos problemas para os quais os resultados de
Hakimi são válidos (localização ótima dos centros nos vértice da rede), a localização em redes
é um caso especial de localização no plano, com espaço de soluções finito (GALVÃO, 1981).
Um importante tipo de problemas de redes são os de transporte/transbordo (LUCAS;
CHHAJED, 2004). No contexto agroalimentar, pode-se destacar a contribuição de King e
Logan (1964) que desenvolveram uma metodologia para determinar a localização, número e
tamanho ótimo de abatedouros de bovinos para o estado da Califórnia, Estados Unidos.
Baseados no trabalho de Orden (1956), King e Logan modificaram o modelo básico de
transporte para possibilitar que ocorra em qualquer seqüência de pontos, em vez de ir das
zonas de excesso (surplus) para as regiões deficitárias. O problema foi reformulado pela
especificação de que cada ponto de produção e consumo pudesse ser, também, um ponto de
transporte ou transbordo (transhipment) (LUCAS; CHHAJED, 2004). Assim, os autores
puderam determinar o fluxo, simultaneamente, dos produtos primários até as indústrias
processadoras, e destas para os mercados consumidores. Extensões do problema de rede
podem ser encontradas em Hurt e Tramel (1965) e Toft et al. (1970).
2.3.3 Modelos de programação de Fluxo de Rede
Devido à importância dos modelos de rede para o desenvolvimento de modelos de
localização, será feita uma breve revisão sobre os modelos de programação de fluxo de rede
dos quais o modelo de transporte/transbordo faz parte.
Uma rede é um conjunto de nós ligados por um conjunto de arcos, como um sistema
de estradas ligando as principais cidades. Nos modelos de rede, considera-se que os arcos
carregam fluxo, e todo esse fluxo que entra em cada nó deve ser igual ao total de fluxo que sai
de cada nó. Um problema de otimização em problemas de rede é atribuir quais os fluxos que
se conectarão a quais arcos, de modo a minimizar o custo total dos fluxos. Esse é um
problema de programação de fluxo de rede (network flow programming − NFP) e tem um
modelo de programação linear (JENSEN; BARD, 2003).
NFP são modelos importantes, pois muitas situações da realidade podem ser
visualizadas como problemas de redes. O modelo de rede pode ser representado como um
39
simples gráfico que possibilita ao analista perceber, rapidamente, a essência do problema.
Alguns problemas clássicos da Pesquisa Operacional que podem ser modelados como NFP
incluem problemas de atribuição, caminho mais curto, fluxo máximo, problema do fluxo de
custo mínimo e de transporte/transbordo.
2.3.3.1 Terminologia dos problemas de fluxo de rede
Em geral, utiliza-se a seguinte terminologia para problemas de fluxo de rede
(JENSEN; BARD, 2003):
a) nós e arcos: As redes consistem em nós e arcos. Cada nó é apresentado com um
círculo representando um aspecto do problema, como uma localização física, um
trabalhador individual, ou um ponto no tempo. Arcos são segmentos de linhas que,
geralmente, passam de um nó de origem até um nó final, embora, em casos de fluxo
externo, um arco pode incidir em apenas um nó. O número de nós é denotado por m
e o número de arcos por n.;
b) fluxo do arco: O fluxo é associado à rede, entrando e saindo nos nós e passando
através dos arcos. O fluxo no arco k é x
k
. Quando um fluxo é conservado em um nó,
todo o fluxo que entra no nó deve ser igual ao luxo que sai do nó. Os fluxos dos
arcos são as variáveis de decisão para os modelos de fluxo de rede;
c) limite inferior e superior do fluxo: O fluxo é limitado em um arco por limites
superiores e inferiores. Muitas vezes, o termo “capacidade” se refere ao limite
superior do fluxo. Pode-se utilizar l
k
e u
k
para os limites inferiores e superiores do
arco k, respectivamente;
d) custo: O critério para otimização é o custo. Associado a cada arco k está o custo por
unidade do fluxo c
k
. Valores negativos para c
k
significam rendimentos;
e) ganho: O arco pode ganhar uma variável g
k
que multiplica o fluxo no início do arco,
modificando o valor no final do arco. Assim fluxo x
k
sai de um nó inicial e passa
por um arco chegando a outro nó final com fluxo g
k
x
k
. Ganhos menores que 1
significam que houve perda no fluxo, como, por exemplo, evaporação. Ganhos
maiores que 1 significam que houve crescimento no fluxo;
40
f) fluxo externo. O fluxo externo em um nó i, denotado como d
i
, é o fluxo que deve
entrar no nó i vindo das fontes, ou sair do nó i para os destinos fora da rede. Um
fluxo positivo entra no nó e um fluxo negativo sai do nó;
g) fluxo praticável: Quando a atribuição dos fluxos para os arcos satisfazem a
conservação do fluxo para cada nó e está dentro dos limites de cada arco, o fluxo é
dito praticável (feasible flow);
h) fluxo ótimo: É o fluxo praticável que minimiza a soma dos custos totais dos arcos.
2.3.3.2 Problemas de transporte
O problema de transporte faz parte do conjunto do network flow programming (NFP -
programação de fluxo de rede). Em geral, a solução desse problema procura determinar o
carregamento (distribuição) de uma rede de transporte que liga várias fontes a diversos
destinos, de forma que o custo total de transporte seja mínimo (ANDRADE, 1989).
Os componentes de um típico problema de transporte são demonstrados na Figura 7.
Esse problema lida com um conjunto de fontes ou fornecedores, rotuladas como F
1
, F
2
e F
3
,
que fornecem certo produto, e um conjunto de destinos ou demandas, rotulados como D
1
, D
2
e
D
3
, onde os produtos são demandados. Os custos de transportes estão especificados na matriz
3x3, e os dados de suprimento e demanda estão apresentados na parte de fora da matriz
(JESEN; BARD, 2003).
Figura 7 – Matriz do problema de transporte
Fonte: Adaptado de JENSEN; BARD (2003)
3 3 M
4 2 4
M 1 3
D
1
D
2
D
3
F
1
F
2
F
3
Demanda
7 3 5
Fonte
5
7
3
41
Em geral, para resolver os problemas de transporte, é utilizada uma matriz, ou tabela,
na qual as linhas representam as fontes, e as colunas, os destinos. O algoritmo para resolver o
problema é baseado na representação da matriz. O custo c
ij
de transportar um produto, de uma
fonte i para uma destinação j, é indicado pela entrada apropriada na matriz. Se o transporte
entre uma determinada fonte e um determinado destino não é possível, então um M é inserido
na matriz, representando um alto custo. Isso desencoraja a utilização daquela célula para
solucionar o problema.
Os dados das fontes e das demandas são mostrados ao longo das margens da matriz e
são rotulados, simbolicamente, como F
i
e D
j
, onde i=1,....,m e j=1,...,n. Nos modelos clássicos
de transporte, o pressuposto do balanceamento está presente, ou seja, o total das fontes deve
ser igual à demanda total. Quando os dados no problema não estiverem balanceados, então,
será necessário acrescentar uma demanda ou fonte fictícia para resolver o problema.
O modelo do transporte é apresentado na Figura 8. As fontes são representadas por
nódulos à esquerda, e as demandas por nódulos à direita. As rotas de transportes possíveis são
as retas representadas como arcos, enquanto que as rotas não possíveis estão omitidas.
Figura 8 −
−−
− Modelo do fluxo de rede do problema de transporte
Fonte: JESEN; BARD (2003, p. 150)
Conforme Jensen e Bard (2003), variações no problema clássico de transporte podem
ser facilmente adaptadas no modelo NFP. Se os arcos têm capacidade finita, podem ser
colocadas restrições de capacidade máxima em cada arco. Se o suprimento representa
matéria-prima que é transformada em produtos nas fontes, e a demanda está em unidade de
produto, fatores de ganho podem ser utilizados para representar a eficiência da transformação
em cada fonte.
D
1
D
2
D
3
F
1
F
2
F
3
(3)
(3)
(4)
(2)
(4)
(1)
(3)
[
-
7]
[
-
3]
[
-
5
]
[5]
[7]
[3]
[fluxo externo]
(custo)
42
A solução ótima para esse exemplo é mostrada na Figura 9, na qual as entradas da
matriz correspondem ao fluxo, em vez dos custos de transporte. Verifica-se que cinco arcos
têm fluxos positivos. O custo mínimo associado a esses valores é z = 46.
Figura 9 −
−−
− Solução ótima, z = 46
Fonte: JESEN; BARD (2003, p. 150)
Para formular o problema de transporte como um problema de programação linear,
considera-se x
ij
como o fluxo da fonte i para a destinação j e c
ij
como o custo de transportar
unidades da fonte i para o ponto de demanda j. O objetivo é minimizar o custo total de
transporte (JESEN; BARD, 2003):
Min
ij
m
i
n
j
ij
xc
∑∑
= =1 1
Esta função está sujeita às seguintes restrições:
1º) o suprimento de cada fonte deve ser usado:
mifx
i
n
j
ij
,...,1,
1
==
∑
=
(1)
2º) a demanda de cada destino deve ser atendida:
njdx
j
m
i
ij
,...,1,
1
==
∑
=
(2)
3º) as células de fluxo devem ser não-negativas:
x
ij
≥
0, i = 1,...,m e j=1,...,n. (3)
3 0 0
2 0 5
0 3 2
D1 D2 D3
F1
F2
F3
Fonte/suprim
5
7
3
43
2.3.3.3 Problema de transbordo
Uma importante extensão do modelo clássico de transporte inclui a introdução de nós,
por exemplo, armazém - fábrica, que podem agir como ponto de transbordo. Tais locais
podem ser, ou não, pontos de suprimento ou demanda. Por exemplo, o transbordo ocorre,
freqüentemente, no sistema de distribuição de cadeias nacionais de lojas de departamento.
Tais companhias têm, geralmente, depósitos estaduais que remetem para depósitos regionais
que, por sua vez, enviam para as lojas. Nesse exemplo, os depósitos regionais servem como
pontos de transbordo.
O modelo de transbordo é uma ferramenta útil para uma companhia decidir sobre o
número e os locais ótimos de seus depósitos, uma vez que a análise de redes produz um plano
de rotas de mínimo custo para qualquer configuração específica de depósitos (WAGNER,
1986).
O problema de transbordo é um modelo de rede que não é bipartite. O modelo tem nós
intermediários com necessidades de demanda ou suprimento não negativos e com arcos entre
os pares de recursos ou de demanda. Um exemplo com três fontes (F
i
), três pontos de
transbordo (T
k
) e três destinos (D
j
), é mostrado na Figura 10 (JESEN; BARD, 2003).
[Fluxo]; (Custo)
a. Modelo de Rede
[Fluxo externo]; (fluxo)
b. Solução do modelo, z=100
Figura 10 −
−−
− Problema de transbordo
Fonte: JENSEN; BARD (2003, p.157)
F
F
F
F
F
F
44
Para tornar viável a resolução de um problema de transbordo, a fim de que ele fique
equivalente ao problema clássico de transporte, é necessário fazer algumas transformações. O
modelo modificado será “bipartite”: Primeiramente, será assumido que existem m pontos
puros de suprimento, n pontos puros de demanda e p pontos de transbordo (JENSEN; BARD,
2003). Para um problema de rede, um ponto puro de suprimento deveria ter apenas arcos
saindo, enquanto que um puro ponto de demanda apenas arcos entrando.
Considera-se, então, f
t
ser a quantidade total de fontes (suprimentos) disponíveis para o
problema (ex:f
t
= ) e t
k
ser o estoque de rede posicionado no ponto de transbordo k para
k=1,...,p. Se o estoque é suprido no nó (ponto) k, então t
k
é positivo. Se o estoque é
demandado no nó k, então t
k
é negativo. No exemplo, m=n=p=3
,
com f
t
=17.
Passo 1: Se necessário, adiciona-se um ponto artificial de demanda ou fonte para
balancear o problema: demanda deve ser igual as fontes. Transporte para/ou
proveniente de um ponto artificial terá custo de transporte igual a zero.
Passo 2: Constrói-se uma tabela de transporte com m + p
linhas – uma para cada
ponto de suprimento e de transbordo, e n + p
colunas – uma para cada ponto de
demanda e transbordo. Cada ponto puro de fonte i terá o suprimento igual ao seu
valor original f
i
, e cada ponto puro de demanda também terá valor igual ao seu valo
original d
j
. Cada ponto de transbordo k, no entanto, terá valor de suprimento igual à
f
k
=t
k
+f
t
e demanda igual à d
k
=f
t
.
Na construção da tabela, no passo 2, quando não é possível efetuar um transporte de
um ponto até outro se atribui um alto custo M. Para facilitar a modelagem, é permitido o
transporte de um ponto de transbordo até o mesmo e atribuído valor 0 ao custo de transporte
unitário, ou seja, inclui-se x
kk
no modelo, e confere-se c
kk
igual a zero para k=1,...,p. A
transformação do modelo para o exemplo é mostrada na Figura 11, e a solução na Figura 12.
D
1
D
2
D
3
T
1
T
2
T
3
Fonte
F
1
M M M 6 3 M 5
F
2
M M M 3 1 4 7
F
3
M M M M 6 4 3
T
1
3 2 M 0 M M 15
T
2
4 6 5 M 0 M 17
T
3
M 3 5 M M 0 19
Demanda 7 3 5 17 17 17
Figura 11 – Representação do problema de transbordo como modelo
de transporte
Fonte: JENSEN; BARD (2003, p.158)
∑
=
i
i
F
1
m + p
45
D
1
D
2
D
3
T
1
T
2
T
3
Fonte
F
1
0 0 0 0 5 0 5
F
2
0 0 0 2 5 0 7
F
3
0 0 0 0 0 3 3
T
1
0 0 0 15 0 0 15
T
2
7 0 3 0 7 0 17
T
3
0 3 2 0 0 14 19
Demanda 7 3 5 17 17 17
Figura 12 −
−−
− Solução do modelo de transporte, z=100
Fonte: JENSEN; BARD (2003, p.158)
As variáveis de decisão x
kk
correspondem ao transporte fictício. Para cada ponto de
transbordo que tem uma quantidade não-negativa para ser suprida (t
k
>=0), a diferença da rede
entre a quantidade demandada (d
k
=f
t
) e o transporte fictício x
kk
representa a quantidade de
transbordo. O mesmo vale para cada ponto de transbordo k que tem quantidade negativa
(t
k
<0), indicando o número de unidade demandada. A diferença da rede entre a quantidade
suprida (f
k
=d
k
+f
t
) e o transporte fictício x
kk
representa a quantidade de transbordo. Como a
variável fictícia de transporte x
kk
tem c
kk
=0, seu valor não contribui para os custos totais de
transporte.
Em síntese, para converter o problema de transbordo para o modelo clássico de
transporte, foi introduzido f
t
, que pode ser visto como um estoque fictício amortecedor para
cada nó k. Como s
t
foi introduzido em f
k
e d
k
, a soma de todos s
i
permanece igual à soma de
todos os d
i
; portanto o balanceamento é mantido. O total de estoque transportado, através do
ponto k
,
é: f
t
-x
kk
, se t
k
>=0
;
e t
k
+f
t
-x
kk
, se t
k
<0
.
2.3.4 Aplicação de modelos de localização em contextos agroalimentares
Existem, atualmente, muitas pesquisas publicadas sobre a aplicação de modelos de
localização que mostram a ampla variedade de modelos existentes para problemas de
localização e as diferentes abordagens e aprimoramentos adotados pelos pesquisadores. A
seguir, de maneira bem sintética, será apresentada uma pequena amostra de pesquisas
desenvolvidas no campo da teoria da localização em contextos agroalimentares.
46
Para analisar e projetar uma estrutura otimizada da indústria processadora de soja dos
Estados Unidos, D’Souza (1988) utilizou o modelo de transbordo dentro da estrutura da
programação linear para identificar o fluxo ótimo, o tamanho ótimo, o número e a localização
ótima das indústrias processadoras de soja. Dentro do modelo, inclui os seguintes elementos:
matéria prima (soja), atividade intermediária (processamento) e dois produtos finais (farelo e
óleo).
Lopes e Caixeta Filho (2000) desenvolveram um modelo de localização utilizando
uma estrutura de programação inteira mista para identificar a melhor distribuição espacial da
suinocultura e abatedouros no Estado de Goiás (Brasil). Identificaram, assim, as regiões que
seriam mais indicadas para o abastecimento de matéria-prima para a ração, de modo que
fossem minimizados os custos de transporte e de aquisição de insumos, obtendo, assim, uma
redução nos custos de criação.
Von Oppen e Scott (1976) utilizaram o modelo de equilíbrio espacial para localização
de plantas processadoras de soja na Índia. O modelo incorporou importantes funções
econômicas como transporte de insumos e produtos, custos médios, ofertas e demandas
regionais. Conforme os autores, as indústrias privadas seguiram os padrões computados pelo
modelo para as instalações de novas fábricas.
Klingman et al. (1976) utilizaram o modelo de redes para examinar o problema de
localização de plantas da indústria de processamento de algodão nos estados americanos do
Novo México e do Texas. O modelo indicou as usinas que deveriam ser utilizadas, tendo em
vista os custos de transporte, a capacidade das usinas e a sazonalidade do produto.
Köksalan e Süral (1999) avaliaram a possibilidade de instalação de novas plantas de
cevada para uma companhia na Turquia. Primeiramente, fizeram uma análise econômica para
eliminar algumas possibilidades. Para avaliar as alternativas restantes, aplicaram o modelo de
programação inteira mista (mixed-integer-programming), considerando tanto a localização de
novas plantas de malte como a distribuição de malte e cevada na cadeia produtiva. O estudo
avaliou os efeitos, em longo prazo, das decisões, minimizando o valor presente dos custos
totais.
Baseado nesses estudos publicados em conceituados periódicos, foi desenvolvido, no
capítulo 7, um modelo de localização para indicar os melhores locais para instalação de
plantas de biodiesel no Rio Grande do Sul, a quantidade de fábricas e a melhor distribuição de
óleo de soja e biodiesel para atender a uma demanda específica.
47
2.4 ESQUEMA ANALÍTICO PARA O PROBLEMA DE LOCALIZAÇÃO E
DISTRIBUIÇÃO
Após fazer uma revisão sobre os métodos de pesquisa operacional e problema de
transporte, nessa seção, faz-se uma síntese da base teórica para modelar um problema de
localização e distribuição do biodiesel. Como foi visto na seção anterior, em geral, os modelos
de pesquisa operacional têm por objetivo maximizar o lucro ou minimizar o custo de uma
operação, de um sistema de produção, de um processo, etc.
Como o problema deste estudo é definir os locais para instalar plantas de biodiesel,
assim como uma estrutura de distribuição, os modelos de fluxo de rede parecem ser
adequados para resolver o problema.
Uma rede é um conjunto de nós ligados por um conjunto de arcos. Os nós, portanto,
podem representar fornecedores, indústrias e clientes; os arcos podem representar as estradas
ou distâncias entre fornecedores, indústria e clientes. Esses arcos carregam um fluxo, por
exemplo: óleo de soja, etanol, biodiesel.
Figura 13 −
−−
− Representação gráfica do problema de transbordo
Fonte: Adaptado de JENSEN; BARD (2003)
Otimizar um problema de rede significa atribuir quais fluxos conectarão a quais arcos,
de modo a minimizar o custo total dos fluxos.
Dentre os problemas de fluxo de rede, os problemas de transbordo (Ver Fig. 13),
extensão do problema clássico de transporte, são os mais compatíveis para a situação
T
1
F
m
m
F
2
F
1
T
2
T
p
D
1
D
2
D
n
48
problemática deste estudo. Em geral, os problemas de transbordo procuram determinar o
carregamento (distribuição) de uma rede de transporte que liga várias fontes a distintos pontos
intermediários (pontos de transbordo), e estes a vários destinos, de forma que o custo de
transporte seja mínimo.
Neste estudo, o critério para a escolha do local dos pontos intermediários e o padrão de
distribuição entre os nós do sistema será o custo de transporte que, na Figura 13, é
representado pelo custo de carregar fluxo em cada arco.
Para colocar a questão da localização na lógica desse modelo, deve-se entender que os
pontos intermediários (pontos de transbordo) representam as regiões potenciais para instalar
fábricas. A solução do modelo determinará o carregamento (distribuição) de cada arco, de
modo a minimizar o custo total de transporte. Portanto, quando não houver carregamento
para um determinado ponto intermediário (T
k
), significa que aquele local não é recomendado
para instalar uma fábrica.
Conforme foi visto na seção anterior, esse problema pode ser formulado como um
problema de programação linear. Considera-se x
ik
como o fluxo do nó fornecedor i para o nó
de transbordo k
,
e x
kj
como o fluxo do nó de transbordo k para o nó do mercado consumidor
j (nó de demanda). O custo de transportar unidades de fornecedor i para o nó de transbordo k é
c
ik
, e o custo de transportar unidades do nó de transbordo para o mercado consumidor é c
kj
. O
objetivo é minimizar o custo de transporte.
As variáveis de decisão do problema são os fluxos transportados pelos arcos entre os
nós do sistema (fornecedor, transbordo, cliente). Essas variáveis de decisão serão afetadas por
parâmetros como a capacidade e localização dos fornecedores, demanda e localização dos
consumidores e o custo de transporte. Esses parâmetros são fatores não controláveis,
pertencem ao ambiente onde o problema se encontra e influenciam o resultado do problema.
A Figura 14 ilustra as relações lógicas do modelo:
49
Figura 14 −
−−
− Representação do modelo
Fonte: Adaptado de TURBAN; MEREDITH (1994)
Quando as variáveis de resultado indicam um fluxo (quantidade de insumos) entrando
e saindo de um ponto de transbordo (local potencial para instalar a fábrica), isso significa que,
naquele ponto (local), é recomendada a instalação de uma fábrica de biodiesel, pois os custos
de transporte serão menores que nas outras alternativas. Entretanto, para evitar que o modelo
distribua fluxos relativamente pequenos para diversos pontos de transbordo, foi adicionado ao
modelo o custo
u
de instalação de uma usina, ou seja, a cada designação de fluxo para um nó
de transbordo incorrerá um custo de instalação de uma usina. A variável b, é uma variável
binária (
0,1
) indicando que, quando um fluxo for designado para um nó k, então, a variável
binária será
1,
adicionando o custo de instalação de uma usina para este nó k.
Min
ik
m
i
p
k
ik
xc
∑∑
= =1 1
+
∑∑∑
== =
+
p
k
kkkj
p
k
n
j
kj
buxc
11 1
Essa função objetivo está sujeita às seguintes restrições:
1ª) o fluxo entre o fornecedor i e o nó de transbordo k deve respeitar a capacidade f
i
de
oferta de cada nó fornecedor:
iik
p
k
fx ≤
∑
=1
, para i=1,...,m;
Variáveis de
resultado
•
Quantidade transportada
entre os elos
Fatores não controláveis
:
(parâmetros)
Localização e capacidade dos fornecedores
•
Localização e demanda dos clientes
•
Alternativas de localização
•
Distância e custo de transporte entre os elos
Variáveis de
decisão
:
•
Fluxo entre os elos
Relações matemáticas
Modelo de transbordo:
Função objetivo
Restrições
50
2ª) a demanda d
j
,
de cada nó mercado consumidor j
,
deve ser atendida:
jkj
p
k
dx ≥
∑
=1
, para j=1,...,n;
3ª) o fluxo que entra nos nós de transbordo k deve ser igual ao que sai.
ik
m
i
p
k
x
∑∑
= =1 1
=
kj
p
k
n
j
x
∑∑
= =1 1
.
3 MÉTODO
Para desenvolver e validar um modelo de análise e apoio à decisão que auxilie na
definição da melhor localização das plantas de biodiesel e sua estrutura de distribuição, tendo
como referência a metodologia do processo de solução de problemas (JESEN; BARD, 2003)
e do processo de tomada de decisão (TURBAN; MEREDITH, 1994), o processo de análise e
estruturação desta pesquisa foi conduzido pelas seguintes etapas:
Figura 15 −
−−
− Estrutura da pesquisa x o processo de solução de problemas
Fonte: Adaptado de
TURBAN; MEREDITH (1994)
a) Etapa 1: Análise da situação
Entende-se “situação”, neste trabalho, como o conjunto que abrange os dados e
informações relacionados à questão da introdução do biodiesel na matriz energética brasileira,
Análise da situação
Definição do problema
Construção do modelo
Solução
Procedimento
Contexto energético e introdução do biodiesel no país (Cap. 4)
Cadeia produtiva do biodiesel no Rio Grande do Sul (Cap. 5)
Definição do problema (Capítulo 6)
Construção do modelo (Capítulo 7)
Teste do modelo no contexto do Rio Grande do Sul
(Capítulo 8)
Considerações finais
52
e as variáveis envolvidas nos aspectos da localização e distribuição do biodiesel no Rio
Grande do Sul.
Nesta etapa, foram realizadas entrevistas do tipo focal (YIN, 1994) nas quais os
entrevistados responderam a um conjunto de perguntas originadas da problemática do estudo.
Os pesquisadores e representantes de entidades que participaram das entrevistas preliminares
foram os seguintes: Prof. Dr. Juan Algorta Plá, Faculdade de Economia da UFRGS; Prof. Dr.
André Luís Thomas, Faculdade de Agronomia da UFRGS; o Prof. Dr. Argimiro Resende
Secchi, Departamento de Engenharia Química; Prof. Dr. Denis Borenstein, Escola de
Administração da UFRGS; Sr. David Turk Chazan, coordenador do programa Probiodiesel-
RS, Cientec, Sr. Sérgio Viscardi, gerente de qualidade da Ipiranga S/A.
Para caracterizar o objeto em estudo, buscaram-se dados e informações, em fontes
secundárias, tais como periódicos, revistas, banco de dados, pesquisas acadêmicas,
documentos, órgãos como FEE, IBGE, MCT, ANP, ABIOVE, Cientec, SIOLEO e eventos
realizados com a temática do biodiesel, envolvendo as seguintes questões:
a) Como funcionará a cadeia do biodiesel no Rio Grande do Sul?
b) Quais são as fontes de óleos indicadas para a produção do biodiesel no Rio Grande
do Sul?
c) Qual é a capacidade e a localização das indústrias de óleos no Rio Grande do Sul?
d) Qual é a demanda prevista para o biodiesel?
e) Onde estão sendo construídas as indústrias de biodiesel?
f) Quais são os custos de produção do biodiesel?
g) Existe compatibilidade com o diesel?
h) Como será feita a distribuição do biodiesel no Rio Grande do Sul?
Com base nessa investigação, foi possível aprofundar os conhecimentos sobre a
problemática do biodiesel e projetar uma possível estrutura de uma futura cadeia produtiva do
biodiesel no Estado do Rio Grande do Sul.
b) Etapa 2: Definição do problema
Após a análise da situação do problema, foram introduzidos os objetivos, as restrições,
os parâmetros, as variáveis do processo e as métricas para mensurar o problema. Portanto, a
53
etapa de definição do problema constitui-se, entre outros, da identificação dos seguintes
elementos:
objetivos: minimização de custos de transportes para atender a uma demanda
determinada de biodiesel;
restrições: capacidade das indústrias de esmagamento de óleo de soja, capacidade
das usinas de biodiesel;
entidades: indústrias de esmagamento de soja, centros distribuidores de álcool, bases
de distribuição de combustíveis, usinas de biodiesel;
variáveis de decisão: quantidade de biodiesel a ser transportado entre um fábrica de
biodiesel até uma base de distribuição, quantidade de álcool a ser distribuído entre
um centro coletor de álcool a uma usina de biodiesel, quantidade de óleo de soja a
ser distribuído entre uma indústria de esmagamento de soja até uma usina de
biodiesel;
parâmetros: custos de transporte, capacidade das indústrias de esmagamento,
demanda dos bases de distribuição de combustíveis.
c) Etapa 3: Construção do modelo
Nesta etapa, o problema deve ser traduzido de sua forma verbal e qualitativa para
termos lógicos e matemáticos. Por modelo lógico, entende-se uma série de regras pelas quais
é possível predizer e avaliar o impacto de ações e decisões alternativas. Modelo matemático é
uma coleção de relacionamentos funcionais que permitem a avaliação e a delimitação de
ações (JENSEN; BARD, 2003). Assim, seguiram-se os seguintes passos:
formulação matemática para representar as inter-relações entre os elementos
identificados na etapa de formulação do problema: modelo de transbordo para
definir a melhor distribuição e melhor local de localização;
implementação computacional do modelo.
Em síntese, o modelo que será desenvolvido na seção 8 irá definir os melhores locais
para instalar plantas de biodiesel, tendo em vista a minimização dos custos de transporte e
indicará o melhor fluxo (distribuição) de movimentação dos insumos e produtos ao longo do
sistema (fornecedor-produtor-cliente). A Figura 16 ilustra a estrutura do modelo:
54
Figura 16 −
−−
− Estrutura lógica do modelo
Fonte: Adaptado de
TURBAN; MEREDITH (1994)
d) Etapa 4: Derivando uma solução:
Nesta etapa,
há métodos matemáticos que auxiliam na solução do modelo; alguns
podem prescrever ótimas soluções, enquanto que outros apenas avaliam qual a solução mais
aceitável, por meio de uma abordagem de tentativa e erro. Um modelo que é impossível de
resolver pode ter sido formulado de maneira errônea ou sobrecarregado de detalhes. É uma
etapa em que o acesso a microcomputadores e softwares é muito importante para resolver os
modelos com muitas variáveis. Alguns softwares, como o LINGO (Lindo System’s Inc.,
2005) apresenta códigos para resolver a maioria dos problemas de Pesquisa Operacional.
Jesen e Bard (2003) e Pidd (1998) salientam que a solução é produto do modelo e que, antes
de ser implementada, é necessário, testar sua validade. Os seguintes passos foram feitos nesta
etapa:
cálculo do modelo matemático: foi utilizado o software de otimização LINGO v.8.0
em microcomputador com processador “Amd Athlon”, 1,51 GHz, 512 Mb de
memória RAM;.
escolha de valores para as variáveis de decisão que otimizem o objetivo principal;
teste da solução em quatro cenários.
Variáveis de resultado
•
Quantidade transportada
dos insumos e do produto
final
•
Definição dos melhores
locais para localizar fábrica
de biodiesel
Fatores não controláveis:
(parâmetros)
•
Localização e capacidade dos fornecedores;
- demanda do produto final
- custo de transporte
- capacidade das indústrias de biodiesel
- custo de instalação
Variáveis de decisão:
•
Quantidade de óleo de
soja a ser transportada
•
Quantidade de biodiesel a
ser transportada
•
Quantidade de álcool a
ser transportada
Relações matemáticas
Modelo de localização
4 O CONTEXTO ENERGÉTICO BRASILEIRO E INTRODUÇÃO DO BIODIESEL
NO PAÍS
Nesta seção, será contextualizado o atual cenário energético brasileiro, no qual as
fontes renováveis de energia já vêm sendo utilizadas há algumas décadas pelo Brasil. É neste
cenário que surge o biodiesel, combustível renovável obtido a partir de óleos vegetais que
promete ser uma promissora alternativa ao diesel de petróleo.
4.1 CONTEXTO ENERGÉTICO DO BRASIL
As fontes de energia utilizadas pela humanidade podem ser divididas em dois grandes
grupos: 1º) fontes não renováveis, energia nuclear e os combustíveis fosseis (petróleo, carvão
mineral, gás natural) cujas reservas são finitas e geram resíduos prejudiciais ao meio
ambiente; e 2º) fontes renováveis, como a energia solar, eólica, biomassa, cuja utilização
adequada tem menor impacto ambiental se comparadas com as fontes não renováveis.
No Brasil, 43,8% da oferta interna de energia têm origem em fontes renováveis,
enquanto que, no mundo, essa taxa é de 13,6% e, nos países desenvolvidos, é de apenas 6%.
Dessa participação da energia renovável, 14,6% correspondem à geração hidráulica e 29,2% à
biomassa. Os 56,2% restantes da oferta interna de energia provêm de fontes fósseis e outras,
conforme se pode observar na Figura 17.
56
Figura 17 – Oferta interna de energia no Brasil
Fonte: Balanço Energético Nacional (BRASIL, 2005-d)
Essa estrutura, bastante particular do Brasil, resulta do grande desenvolvimento do
parque gerador de energia hidrelétrica, desde a década iniciada em 1950 e de políticas
públicas adotadas após a segunda crise do petróleo, ocorrida em 1979. Essas políticas visavam
à redução do consumo de combustíveis oriundos de fontes fósseis e dos custos
correspondentes à sua importação, à época, responsáveis por quase 50% das importações
totais do país (BRASIL, 2005-d).
A indústria de energia brasileira abastece 89% do consumo nacional. Os 11% restantes
são importados (petróleo, carvão mineral, gás natural e energia elétrica). Na década iniciada
em 1970, a dependência externa de energia foi crescente (Fig. 18), passando de 28% para
46% das necessidades globais. Os dados de 2003 mostram uma redução desse nível para perto
de 10%. Em termos da dependência do petróleo, a diminuição foi ainda mais significativa:
cerca de 85% em 1979, para 4,3%, em 2003 (BRASIL, 2005-d).
57
Figura 18 – Dependência externa de energia
Fonte: Balanço Energético Nacional (BRASIL, 2005-d)
No período de 1979 a 1985, notam-se significativas mudanças na estrutura da oferta de
energia, resultantes das políticas adotadas, como o Proálcool que visava a substituir parte da
gasolina utilizada na frota nacional de veículos de passageiros (álcool hidratado em veículos
com motores movidos a álcool) por álcool etílico. O álcool, ainda, seria utilizado como
aditivo à gasolina (álcool anidro), tornando menos poluente a sua combustão (BRASIL, 2005-
d).
Nos dias de hoje, a indústria do petróleo, no Brasil, vive uma de suas fases mais
importantes desde a fundação da Petrobras, há, aproximadamente, cinqüenta anos. Nos anos
90, o Brasil produziu, em média, 65% do petróleo que consumia. Atualmente, a produção
nacional atingiu a auto-suficiência, com a entrada, em operação, da plataforma P-50, na Bacia
de Campos (Rio de Janeiro), no dia 21 de abril de 2006 (GUANDALINI; BORSATO, 2006).
Isso se deve a vultosos investimentos em prospecção e exploração que permitiram à Petrobras
a aplicação de tecnologia pioneira no mundo de extração de petróleo em águas profundas,
com lâminas de água de mais de 1000 metros (BRASIL, 2005-d). Porém, deve-se ressaltar
que a auto-suficiência foi influenciada pelo baixo crescimento econômico do país nos últimos
anos e pela diversificação da matriz energética, com o aumento da utilização do gás natural e
do álcool combustível. Entre 2000 e 2005, o consumo de derivados de petróleo caiu em
média, 0,4% ao ano, reflexo tanto do baixo crescimento econômico e do maior uso de fontes
alternativas (GUANDALINI; BORSATO, 2006).
58
No cenário internacional, o setor do petróleo é afetado, constantemente, por crises
ligadas a fatores aparentemente passageiros: guerras, sanções comerciais, formação de cartéis,
etc., no entanto, o que mais preocupa o setor é a questão da escassez dessa fonte não-
renovável.
Discussões sobre o tema vêm ganhando espaço, nas empresas e nas universidades, e já
estão produzindo mudanças, ainda que sutis, na vida das pessoas. Países como Japão,
Alemanha e o próprio Brasil já estudam medidas para reduzir o consumo do petróleo. Adição
do álcool à gasolina, do biodiesel ao diesel e investimentos em redes de gás natural são
algumas medidas que já estão sendo tomadas em diversos países (PIRES, 2004).
Alguns países estudam proibir a instalação de novas refinarias. Gigantes do setor
petrolífero estão se reestruturando para operar com novas fontes energéticas. Isso não
significa o fim da era do petróleo, mas a perspectiva de uma era em que o petróleo não reine
de forma absoluta, como fez durante todo o século XX. O fato é que ficará, cada vez mais
cara, a exploração do petróleo e maiores serão as resistências ambientais impostas pela
sociedade e pelo próprio meio-ambiente, sem falar nas alternativas realmente promissoras que
surgem, como é o caso do biodiesel, objeto dessa dissertação.
Atualmente, a busca por fontes renováveis vem ganhando destaque no mundo
empresarial e acadêmico e nas esferas públicas em nível mundial. Conforme Cánepa (2004),
há dois fatores fundamentais que motivam o interesse na substituição dos combustíveis
fósseis:
1º) os combustíveis fósseis constituem fontes esgotáveis de energia e suas reservas
estão concentradas em áreas de grandes conflitos internacionais, tornando crítica a
situação de dependência externa de tais produtos.
2º) a queima de combustíveis fósseis é a principal causa das emissões de gases do
efeito estufa, em especial de CO2, contribuindo para o aquecimento global.
Antes de entrar nas questões mais específicas do biodiesel, é importante contextualizar
o diesel na economia brasileira, pois este é o principal concorrente do biodiesel.
59
4.2 O ÓLEO DIESEL
O óleo diesel é o derivado de petróleo mais consumido no Brasil (Fig. 19), sendo
utilizado em motores de combustão interna e ignição por compressão, por exemplo, os
motores de caminhões e ônibus. A Petrobras atende à maior parte da demanda de óleo diesel
no país, seja com produção própria ou importação. O consumo brasileiro se deve,
basicamente, ao setor de transporte, principalmente, o rodoviário (PETROBRAS, 2006)
Figura 19 −
−−
− Matriz atual de combustíveis veiculares
Fonte: GOMIDE (2005)
Em 2004, o Brasil gastou, com importações, dada a não suficiência interna de
produção do óleo diesel, aproximadamente, US$ 826 milhões, em dólares correntes (ANP,
2005). Estima-se que a diminuição de importações com petróleo e derivados, proveniente da
mistura de biodiesel a 2% no óleo diesel (B2), geraria uma economia em divisas de US$ 160
milhões/ano, enquanto que para a mistura de biodiesel, a 5% no óleo diesel (B5), haveria uma
economia de US$ 400 milhões/ano (ANP, 2005).
O óleo diesel, no Brasil, é consumido em três setores principais (Fig 20): transporte
rodoviário (75%), agropecuário (16%) e a geração de energia elétrica (5%). No setor
rodoviário, o diesel é consumido, basicamente, pelos veículos de transporte coletivo e de
60
carga. Isso se deve ao fato de que, logo após a primeira crise do petróleo, foi considerado
“combustível social”, ganhando subsídios e sendo estabelecido para ele um menor preço por
unidade de energia. É uma política que continua nos dias de hoje. Essa vantagem, por sua vez,
era ainda reforçada pelo maior rendimento dos motores do ciclo diesel comparados com os do
ciclo otto (gasolina, mistura carburante, álcool hidratado e gás natural). O resultado foi uma
migração de veículos pesados inteiramente para o ciclo diesel (ALVIM, 2001).
Figura 20 – Composição do consumo do óleo diesel
Fonte: Balanço Energético Nacional (BRASIL, 2005-d)
Plá (2002), partindo da previsão de demanda de óleo diesel para 2006 de 45 milhões
de metros cúbicos, sugere que as importações de diesel poderiam ser substituídas pelo
biodiesel, produzido a partir do óleo de soja. O autor ainda acrescenta: “Se esse óleo (de soja),
em vez de ser exportado, fosse destinado a produzir combustível, poder-se-ia poupar um
volume importante de divisas, ao reduzir as importações de diesel convencional” (PLA, 2002,
p. 184).
A utilização de biomassa, como fonte para combustíveis, não é algo novo no Brasil. A
seguir, será relatada a experiência nacional do álcool como alternativa à gasolina.
COMPOSIÇÃO DO CONSUMO DO ÓLEO DIESEL
(%)
AGROPECUÁRIO
TRANSPORTES
OUTROS
0
20
40
60
80
100
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
61
4.3 EXPERIÊNCIA DO BRASIL EM COMBUSTÍVEIS DE BIOMASSA
Os choques do petróleo, na década iniciada em 1970, motivaram o Brasil a aumentar o
uso de fontes renováveis, em substituição ao combustível fóssil: energia hidráulica, carvão
vegetal e produtos da cana-de-açúcar – álcool e bagaço de cana. Nessa linha, implantou-se,
também, o Programa de Produção de Álcool Combustível, o Proálcool que, criado em 1975,
pelo Decreto 76.593, tinha como objetivo substituir parte da gasolina utilizada na frota
nacional de veículos de passageiros (álcool hidratado em veículos com motores movidos a
álcool) e, ainda, a utilização do álcool como aditivo à gasolina (álcool anidro), tornando
menos poluente a sua combustão (BRASIL, 2005-d).
Essa política levou a queda da participação do petróleo e de seus derivados na matriz
de 51% para 38%, entre 1978 e 1984. A cana e seus derivados representavam, em 1994,
14,4% de toda a energia bruta ofertada no país. Em relação ao transporte rodoviário, o álcool
atingiu a participação de 23% de todo o combustível consumido no setor em 1989. Entretanto,
no ano de 2002, a participação dos derivados da cana caiu, para 12,6% do total da oferta de
energia, e para 13% do combustível rodoviário. Uma explicação pode ser a baixa do preço do
petróleo, ao longo do período de 1980 a 1990 (PIRES, 2004).
Atualmente, diante de um cenário de preços de petróleo em torno de U$ 70 a 80 o
barril, até o final da década, novas iniciativas de substituição estão surgindo no país e no
mundo. O lançamento, em 2003, dos veículos flex-fuel voltou a estimular as vendas de álcool
combustível que, atualmente, corresponde a quase 15% da matriz dos combustíveis brasileiros
(Fig. 19). Conforme Pires (2004), no contexto atual, é fundamental elaborar uma política que
crie mecanismos para a promoção do uso de combustíveis alternativos aos derivados de
petróleo.
4.4 O BIODIESEL
Desde a invenção do motor de combustão interna, com ignição por compressão (ciclo
diesel), sabe-se que os motores podem usar óleos vegetais como alternativa de combustível.
Conforme Nogueira e Pikman (2002), ao desenvolver o motor de combustão interna com
queima a pressão constante, em 1897, Rodolphe Diesel considerou dois combustíveis: carvão
62
pulverizado e óleo de amendoim. No decorrer de suas pesquisas, Diesel acabou por adotar
uma fração de destilados de petróleo que, atualmente, recebe seu nome. Entretanto, a
biomassa energética está na origem dessa tecnologia, e o problema era que a utilização de
óleos vegetais, sem qualquer modificação, provocava problemas quanto ao funcionamento
dos motores. O que acontecia era que, com o uso prolongado de óleos vegetais, devido a uma
combustão incompleta, o processo de combustão produzia depósitos de carbono nos motores,
provocando a adesão dos anéis, assim como o entupimento dos injetores, ocasionando,
eventualmente, a falha geral dos motores (MEHER et al., 2006). Alguns pesquisadores
demonstraram que a alta viscosidade e a baixa volatilidade dos óleos vegetais in natura
podem gerar sérios problemas ao bom funcionamento do motor (RAMOS et al., 2003).
Esses problemas foram resolvidos pelas modificações nos óleos que originaram os
diversos tipos de biodiesel. Os processos mais difundidos, responsáveis pela adaptação dos
óleos vegetais para motores do ciclo diesel, são o de pirólese, de transesterificação com
catalisador alcalino ou com catalisador ácido. Atualmente, o processo mais difundido é o de
transesterificação com catalisador alcalino (MACEDO; MACEDO, 2004; PRAMANIK;
TRIPATHI, 2005).
O processo de transesterificação (Fig. 21) envolve a reação do óleo vegetal
(triglicerídio) com um álcool, utilizando como catalisador a soda cáustica. O resultado dessa
reação é um éster e como subproduto a glicerina (MACEDO; MACEDO, 2004)
Figura 21 – O processo químico de transesterificação
Fonte: PRAMANIK; TRIPATHI (2005)
O processo de transesterificação envolve, portanto, basicamente, duas matérias primas:
uma principal, o óleo vegetal, e uma secundária, o álcool. O resultado é um éster (biodiesel
puro), um subproduto, a glicerina (Fig. 22).
63
Figura 22 – O processo da transesterificação
Fonte: NAPPO (2005)
Conforme o Prof. Dr. Argimiro, em entrevista realizada, o processo de
transesterificação do óleo vegetal é a transformação de um tri-éster de cadeia longa em três
moléculas de éster de cadeias menores. Durante o processo, a glicerina é removida deixando o
óleo mais fino e reduzindo sua viscosidade, e substituída pelo álcool (MACEDO; MACEDO,
2004).
Como as propriedades físicas e químicas deste éster de ácido graxo são similares ou
até superiores ao óleo diesel de petróleo, ele é, geralmente, chamado de biodiesel
(PRAMANIK; TRIPATHI, 2005)
Conforme o Conselho Americano de Biodiesel, fundado em 1992, o biodiesel é assim
definido:
Biodiesel é um combustível doméstico e renovável para os motores diesel, derivado
dos óleos naturais, como o óleo de soja, e que se encontra com as especificações de
ASTM (American Society of Testing and Materials) D 6751 (ESTADOS UNIDOS.
National Biodiesel Board, 2005).
O Biodiesel pode ser usado em qualquer concentração com combustível diesel
baseado no petróleo nos motores diesel existentes com pouca ou nenhuma
modificação. Biodiesel não é a mesma coisa que o óleo vegetal cru. É produzido por
um processo químico que remove a glicerina do óleo (ESTADOS UNIDOS.
National Biodiesel Board, 2005).
Em uma linguagem mais técnica, encontra-se a seguinte definição:
O Biodiesel é o derivado mono-alquil éster de ácidos graxos de cadeia longa,
proveniente de fontes renováveis como óleos vegetais, cuja utilização está associada
64
à substituição de combustíveis fósseis em motores de ignição por compreensão
(ciclo diesel) (ESTADOS UNIDOS. National Biodiesel Board, 2005).
Como está em fase introdutória e, também, experimental, o biodiesel, no Brasil, será
misturado ao diesel para a comercialização. Para identificar a concentração de biodiesel, é
comum a utilização de uma nomenclatura específica, definida como
BX
, onde
X
refere-se à
percentagem em volume do biodiesel adicionado ao diesel de petróleo. Assim,
B5
,
B20
e
B100
significam, respectivamente, combustíveis com uma concentração de 5%, 20% e 100%
de biodiesel.
Conforme Ramos et al. (2003, p. 30),
A grande compatibilidade do biodiesel com o diesel convencional o caracteriza
como uma alternativa capaz de atender à maior parte da frota de veículos a diesel já
existentes no mercado, sem qualquer necessidade de investimentos tecnológicos no
desenvolvimento de motores.
Plá (2002) acrescenta que os motores funcionam melhor com o biodiesel devido à sua
maior lubricidade. Segundo o gerente de qualidade da empresa de combustíveis Ipiranga, os
motores do ciclo diesel podem suportar, sem maiores problemas, misturas de até 20% (
B20
);
acima dessa porção, ainda não há testes que garantam a qualidade do funcionamento do
motor, sem que haja necessidades de adaptações.
Mesmo misturando com o diesel mineral, o biodiesel melhora as características do
combustível fóssil, pois possibilita a redução dos níveis de ruído e melhora a eficiência da
combustão pelo aumento do número de cetano (RAMOS et al., 2003). Além da
compatibilidade técnica, a adoção do biodiesel, mesmo em proporções pequenas, ou seja,
adições de 2% a 5% no diesel de petróleo, proporcionará impactos positivos no meio-
ambiente, reduzindo as emissões de óxido de enxofre e gases que contribuem para o efeito
estufa (RAMOS et al., 2003).
Na combustão, os derivados de petróleo liberam para o ambiente, pelo processo, o
dióxido de carbono (CO2) e a água. Entretanto, como o processo, na prática, não é perfeito,
devido a problemas de regulagem, desgaste e outras variáveis, os motores também liberam
pequenas quantidades de monóxido de carbono (CO), hidrocarbonetos diversos, óxidos de
enxofre (SO
x
) e de nitrogênio (NO
x
) e fuligem (PLÁ, 2002).
Segundo Plá (2002), a emissão de óxidos de enxofre e de nitrogênio provoca irritações
nas vias respiratórias e contribui para a formação de chuvas ácidas. Uma das vantagens da
utilização do biodiesel, em sua forma pura, é que os óxidos de enxofre estão praticamente
65
ausentes no escapamento dos motores. Outra vantagem é que biodiesel é facilmente
biodegradável, ou seja, em caso de vazamento ou liberação ao meio-ambiente, de maneira
acidental, não haveria prejuízo para os demais seres-vivos.
4.4.1 Matérias-primas para a produção do biodiesel
Como foi mencionado anteriormente, os dois principais insumos para a produção do
biodiesel são um óleo vegetal - matéria-prima principal, que representa cerca de 90% da
composição do produto, e um álcool - matéria-prima secundária, que representa cerca de
10%.
A matéria-prima principal para a produção do biodiesel pode ser um dos óleos
vegetais, como o de soja, canola, mamona, amendoim, coco ou milho. Também podem ser
utilizados óleos e gorduras animais, como o óleo de peixe ou o sebo bovino (PLÁ, 2002;
RAMOS et al., 2003). O óleo vegetal é “energia solar acumulada bioquimicamente em sua
densidade máxima” (SHRIMPFF, 2006, p. 32). Em cada semente dessas oleaginosas (soja,
mamona, dendê, amendoim, etc), existe uma porção de óleo vegetal. Em comparação com
matérias biológicas sólidas (madeira, palha) e com o biogás, o óleo vegetal é a forma mais
densa de energia da fotossíntese, com cerca de 9,2 kWh por litro, situando-se entre a gasolina
(8,6 kWh/l) e o diesel (9,8 kWh/l) (SHRIMPFF, 2006).
As fontes de óleos vegetais são diversas e podem ser obtidas conforme as espécies
cultivadas em cada região. Segundo Meirelles (2006), a soja é a única oleaginosa com escala
suficiente para a produção imediata de biodiesel no país, já que 90% da produção de óleo
provêm dessa oleaginosa. Posteriormente, outros óleos vegetais poderiam ser aproveitados,
como o óleo de dendê, de mamona, de algodão ou de amendoim. O biodiesel pode, também,
ser produzido a partir do óleo residual das frituras. Além de o custo ser baixo, a utilização
desses óleos poderia eliminar uma fonte de poluição ambiental, tendo em vista que esses
resíduos acabam sendo jogados em lagos ou em aterros sanitários (PLÁ, 2002).
66
Figura 23 - Características de alguns vegetais oleaginosos de potencial uso energético
Fonte: NOGUEIRA et al. (2000, p. 43)
Observando a Figura 23, constata-se que a soja não é a oleaginosa com melhor
rendimento em óleo, entretanto sua indicação para ser insumo para o biodiesel parte do
princípio que é a oleaginosa mais produzida no país e, em especial, no Estado do Rio Grande
do Sul, contexto deste estudo, conforme elucida a tabela abaixo (Tab. 1):
Tabela 1 – Alternativas para a produção de biodiesel no Rio Grande do Sul
Cultura Área (em hectares)
Soja 4 milhões
Girassol 28 mil
Canola 15 mil
Mamona 1 mil
Fonte: EMATER (apud RIBEIRO, 2006)
A maioria das oleaginosas é, em potencial, um insumo para a produção de biodiesel.
No entanto, a maioria das oleaginosas comestíveis, exceto a soja, não é suficiente, sequer,
para abastecer o segmento alimentar, gerando evasão de divisas da ordem de US$9,8 milhões
(Tab. 2).
67
Tabela 2 −
−−
− Saldo comercial de sementes e frutos oleaginosos selecionados, Brasil, 2002
(US$FOB)
Fonte: FREITAS (2004, p.84)
No Brasil, a soja é a única oleaginosa produzida em escala (cerca de 51 milhões de
toneladas, em 2003), de modo que é quase consenso sua utilização na primeira fase de
implantação do biodiesel (FREITAS, 2004).
Conforme foi mencionado anteriormente, para a produção do biodiesel, é preciso
reagir um óleo ou gordura com um álcool de cadeia curta, como o etanol ou metanol. Em
países como França, Alemanha, etc., onde o biodiesel é produzido atualmente, o álcool
utilizado na reação de transesterificação é o metanol (CÁNEPA, 2004).
No Brasil, recomenda-se a utilização do etanol, pois este é renovável, por originar-se
da cana-de-açúcar, e é produzido em larga escala no país. O metanol, por sua vez, além de
68
tóxico, precisa ser importado, havendo, no Brasil, uma importação de cerca de 6 milhões de
m
3
por ano.
Desse modo, é quase consenso que o etanol é a melhor alternativa para a produção
brasileira de biodiesel, mesmo que para isso seja necessário aperfeiçoar o processo de
produção de biodiesel (FREITAS, 2004).
4.4.2 Introdução do biodiesel no Brasil – Lei 11.097/2005
A autorização para a mistura do biodiesel ao óleo oriundo do petróleo é um importante
passo numa caminhada que começou em outubro de 2002, quando o Ministério da Ciência e
Tecnologia criou e passou a comandar o Programa Brasileiro de Biocombustíveis –
Probiodiesel. Foi montado um projeto de trabalho envolvendo vários ministérios, a Embrapa,
centros de pesquisas de universidades e empresários. Resultado: já existem, no país, vários
experimentos de produção de biodiesel, e a Petrobras pesquisou e apontou a viabilidade
técnica do “óleo verde”, como é chamado o biodiesel.
O biodiesel já é uma realidade, com a publicação da Lei 11.097/2005 – a Lei do
Biodiesel –, no Diário Oficial da União, dia 14 de janeiro de 2005, em que o Governo autoriza
a introdução do biodiesel e estabelece que, a partir de 2008, será obrigatória a adição mínima
de 2% do biodiesel ao óleo diesel, em qualquer parte do território nacional, sendo que, a partir
de 2013, o mínimo será de 5% (B5). Os prazos para atendimento do percentual mínimo
podem ser reduzidos em razão de resolução do Conselho Nacional de Política Energética –
CNPE, observados os seguintes critérios (BRASIL, 2005-c):
I - a disponibilidade de oferta de matéria-prima e a capacidade industrial para
produção de biodiesel;
II - a participação da agricultura familiar na oferta de matérias-primas;
III - a redução das desigualdades regionais;
IV - o desempenho dos motores com a utilização do combustível;
V - as políticas industriais e de inovação tecnológica.
Conforme a Lei, caberá à Agência Nacional do Petróleo, Gás Natural e
Biocombustíveis – ANP definir os limites de variação admissíveis para efeito de medição e
aferição dos percentuais da mistura do biodiesel ao diesel de petróleo. A própria Agência
Nacional de Petróleo (ANP) tem seu nome alterado para Agência Nacional do Petróleo, Gás
69
Natural e Biocombustíveis. Essa lei representa um importante passo para o desenvolvimento
de uma fonte alternativa na matriz energética brasileira.
Figura 24 −
−−
− Evolução do marco regulatório
Fonte: NAPPO (2005).
Conforme a resolução ANP n° 42 (BRASIL, 2005-a), somente os distribuidores de
combustíveis líquidos e as refinarias, autorizados pela ANP, poderão proceder à mistura óleo
diesel/biodiesel – B2, contendo 98% em volume de óleo diesel, conforme a especificação
determinada pela ANP, e 2% em volume de biodiesel, respectivamente, para efetivar sua
comercialização. Conforme o Decreto nº 5.448 (BRASIL, 2005-b) para o uso automotivo só
poderá ser comercializada a mistura óleo diesel/biodiesel – B2 até o prazo vigente, sendo que
o volume adicionado de biodiesel poderá ser superior a 2%, quando for destinado a teste ou
uso em:
I - frotas veiculares cativas ou específicas;
II - transporte aquaviário ou ferroviário;
III - geração de energia elétrica; e
IV - processo industrial específico
Feitas essas considerações sobre o contexto energético brasileiro e a introdução do
biodiesel na matriz energética, o próximo capítulo discorrerá sobre a cadeia produtiva do
biodiesel, para, então, partir para a construção de um modelo que auxilie na escolha de locais
para a instalação de plantas de biodiesel e sobre a distribuição dos insumos e do produto final.
5 CARACTERIZAÇÃO DA CADEIA DO BIODIESEL NO RIO GRANDE DO SUL
Para que se possa propor um modelo de localização para instalar plantas de biodiesel,
é necessário identificar os atores (fornecedores, produtores e clientes) de uma futura cadeia
produtiva do biodiesel no Rio Grande do Sul. Esse capítulo fornecerá os dados de entrada
para o modelo, as premissas e pressupostos para o problema de localização de plantas de
biodiesel e a sua distribuição no Estado.
Como foi descrito anteriormente, para a obtenção do biodiesel, é necessário reagir um
óleo vegetal (triglicerídio) ou gordura com um álcool de cadeia curta como o etanol ou
metanol. Segundo o coordenador do programa de biodiesel no Rio Grande do Sul), a provável
fonte de óleo para a cadeia do biodiesel no Estado deverá ser a soja. (CHAZAN, informação
verbal)
Conforme Plá (2002), a cadeia produtiva da soja é a que está mais preparada para
atender a uma demanda de biodiesel a médio e curto prazo. O Rio Grande do Sul, por ser o
terceiro maior produtor de soja no Brasil, provavelmente, terá a maior parte de sua produção
de biodiesel a partir da soja.
Tendo em vista a busca por fontes renováveis de energia e sendo o Brasil o líder em
produção de álcool etílico, estima-se que se utilize ou se incentive o etanol (fonte renovável),
em vez do metanol (não renovável), como fonte de álcool para o biodiesel.
Com base nas entrevistas com pesquisadores e autoridades envolvidas na questão do
biodiesel no Rio Grande do Sul e na pesquisa de Cánepa (2004), foi possível conceber o
seguinte modelo de configuração da cadeia produtiva do Rio Grande do Sul:
71
Figura 25 −
−−
− Cadeia produtiva do biodiesel
Fonte: Adaptado de CÁNEPA (2004)
Visto que se pretende utilizar as técnicas de pesquisa operacional (ver cap. 2.1) para
solucionar o problema da localização e distribuição do biodiesel no Estado, é necessário, tanto
para viabilizar o estudo - tempo, custo, complexidade, foco, etc. -, como para modelar o
problema, simplificar a cadeia produtiva do biodiesel a partir do elo focal - indústria de
biodiesel.
Portanto, este trabalho considerará os três elos da cadeia produtiva do biodiesel
expostas acima. As indústrias de esmagamento de soja e as usinas de álcool serão os dois
principais fornecedores - Elo 1 - para as futuras plantas de biodiesel no Rio Grande do Sul. O
Elo dois será representado pelas próprias fábricas de biodiesel que irão transformar o óleo
bruto e o álcool em éster (biodiesel puro).
O Elo 3 é representado pelas distribuidoras de combustíveis e refinarias que, conforme
a Lei (ver cap.4.4.2), poderão fazer a mistura do biodiesel puro (éster) ao diesel de petróleo.
Elas comprarão o éster (biodiesel puro) dos produtores de biodiesel e distribuirão para os
Indústria
de insumos
Usinas de
álcool
Produtor de
cana-de-
açúcar
Produtor de
soja
Indústria
esmagadora
de soja
Indústria de
biodiesel
Refinarias
Distribuidoras
Postos de
combustíveis
Mercado interno:
veículos com motor
a diesel
Cadeia
relacionada
da glicerina
Indústria de
insumos
agrícolas
Produção
agrícola
I
Industrializaçã
o
da
matéria-prima
Produção
de
biodiesel
Varejo
Distribuição:
mistura com
o diesel
Consumidor
final
72
postos de combustíveis. Dessa forma, o sistema em estudo compreenderá três elos da cadeia
do biodiesel, conforme ilustra a figura abaixo.
E
Figura 26 −
−−
− Simplificação da cadeia produtiva do biodiesel
Fonte: Elaborada pelo autor
A seguir, serão caracterizados esses três “elos” da cadeia produtiva do biodiesel no
Rio Grande do Sul que formarão o contexto para o desenvolvimento de um modelo de
localização para plantas de biodiesel.
5.1 ELO FORNECEDOR
Este elo é composto pelas indústrias esmagadoras de soja e pelas usinas de álcool.
5.1.1 Indústria de esmagamento de soja
O elo da cadeia produtiva da soja de maior importância para este trabalho é a indústria
de esmagamento de soja, pois ela fornecerá em torno de 90% da matéria-prima para a
indústria de biodiesel.
Elo 1
Fornecedor
Elo 2
Produção de biodiesel
(foco)
Indústria
esmagadora de soja
Bases de
distribuição
(distribuidoras) e
refinarias
Indústrias de
biodiesel
Usinas de álcool
Elo 3
Cliente
73
O processo de industrialização da soja inicia com o esmagamento e a extração do óleo.
Após passar por processos de secagem, para retirada de umidade, e limpeza, o grão é
quebrado e prensado em pequenas lâminas que, transformadas em massa, passa por um
processo de extração de óleo por solvente de petróleo (hexano) (PAULA; FAVARET FILHO,
1998).
O produto fica impregnado com óleo e, posteriormente, é feita a separação, por
evaporação, passando, ainda, por um sistema de retirada de goma (degomagem) para alcançar
o estágio de óleo degomado. A massa restante, após secagem e tostagem, resulta no farelo. A
goma tanto pode ser utilizada para a produção de lecitina de soja quanto ser adicionada ao
farelo (PAULA; FAVARET FILHO, 1998).
Em geral, o destino do óleo é o refino, e o farelo vai para a alimentação animal,
diretamente ou através das misturas feitas pelas fábricas de ração. O aproveitamento médio do
grão é de 79% de farelo e 19,8% de óleo bruto (PAULA; FAVARET FILHO, 1998). Outro
destino importante é a alimentação humana por meio da proteína de soja retirada do farelo.
O farelo destaca-se como a principal commodity no comércio internacional do
complexo da soja. Já o óleo é mais direcionado para o consumo interno, embora uma parte
significativa seja exportada, especialmente na forma de óleo bruto.
A operação de esmagamento, a retirada do óleo e seu posterior refino merecem as
maiores atenções, quando se fala do complexo soja, seja porque a maior parte do produto é
farelo ou porque a maior parte do óleo destina-se ao consumo doméstico de óleo refinado e à
exportação de óleo bruto (PAULA; FAVARET FILHO, 1998).
A cadeia não pára nesses dois produtos. O óleo segue seu caminho, sendo
transformado em vários produtos, dos quais a margarina se coloca em maior destaque, embora
outros subprodutos de uso alimentar e químico façam parte da seqüência de aproveitamento
da soja.
A capacidade instalada da indústria esmagadora, no Brasil, em 2005, era da ordem de
137 mil toneladas/dia (ABIOVE, 2006). Em tese, seria capaz de processar uma safra de 41,1
milhões de toneladas, considerando-se o funcionamento em capacidade plena durante 300
dias no ano, o que pressupõe um fornecimento de matéria-prima firme e constante durante o
ano todo.
Em termos de soja, a realidade não é esta. Embora o volume esmagado tenha crescido,
em média, 6,5% ao ano (ABIOVE, 2006), nos últimos oito anos, esse acréscimo não
74
acompanhou a produção nacional de soja que cresceu, em média, 10,5% ao ano. Como
conseqüência, a taxa de processamento permanece, em média, em torno de 62% da safra
brasileira.
Tal desempenho decorreu do crescimento da exportação de grãos, fruto da
desoneração do ICMS na exportação de produtos primários, eliminando a vantagem dos
derivados sobre os grãos (PAULA; FAVARET FILHO, 1998).
Boa parte das esmagadoras funciona com capacidade ociosa acima de 40%, iniciando
em março e parando em setembro, período de escoamento da safra, quando cerca de 79% de
toda a soja esmagada é processada. O restante é processado nos outros meses, e pode originar-
se de três situações: soja precoce no mês de fevereiro (4% a 5% do esmagamento total),
drawback
1
e estoques (PAULA; FAVARET FILHO, 1998).
O motivo básico para o superdimensionamento das plantas industriais é a concorrência
pela compra da matéria-prima, no início da safra, e o escoamento a preço equivalente,
compatível com o preço de compra, já que a tendência dos preços é declinante do início para
o meio da safra. Além disso, a maioria das plantas são conversíveis para o processamento de
outras oleaginosas, não demandando maiores modificações de fluxo para esmagar soja, milho
ou girassol (PAULA; FAVARET FILHO, 1998).
A indústria do esmagamento da soja é bastante concentrada, tanto em termos de
empresas quanto de localização.
5.1.1.1 Capacidade e localização das indústrias processadoras de soja no Rio Grande do Sul
O Rio Grande do Sul é um dos maiores processadores de óleo de soja do país e, sendo
assim, apresenta uma estrutura capaz de atender à demanda introduzida pela utilização do
biodiesel (B2). Para este trabalho, os dados deste elo de maior interesse são a localização das
atuais indústrias de esmagamento de soja e a capacidade de cada indústria (ver Tab. 3).
1
O Regime de Drawback, criado pelo Decreto-Lei 37/66, é a desoneração de impostos na importação vinculada
a um compromisso de exportação (BRASIL; MDIC, 2006)
75
Tabela 3 −
−−
− Capacidade das esmagadoras de óleo de soja no Rio Grande do Sul
Empresa Cidade Capacidade nominal (ton/dia)
ADM 2001 Três Passos 1.000
ADM 2002 Três Passos 1.000
Baldo S.A. Encantado 300
Bertol S.A. Passo Fundo/01 1.000
Bertol S.A. Passo Fundo/02 1.000
Bianchini Canoas 1.500
Bianchini Rio Grande 2.400
Bunge Rio Grande 4.200
Cia. Zaffari Passo Fundo 1.000
Giovelli Guarani das Missões/01 750
Giovelli Guarani das Missões/02 750
Granóleo Lajeado 2.500
Oleoplan Veranópolis 700
Pindorama Panambi/02 33
Solae/Bunge Esteio 700
Warpol Guarani das Missões 720
22.853
Fonte: SIOLEO (2006)
Conforme os dados fornecidos pelo Sindicato de Óleos do Rio Grande do Sul –
SIOLEO, o Estado conta com dezesseis plantas de médio a grande porte de esmagamento de
soja com capacidade nominal de esmagar 22.853 toneladas de soja por dia ou 6.855.900,00
toneladas por ano, considerando 300 dias de operação e fornecimento constante de soja
durante todo o ano.
A Figura 27 ilustra a distribuição das indústrias de esmagamento de soja e os locais
onde se produz soja no Rio Grande do Sul. Observa-se que há plantio de soja na maior parte
do Estado, com exceção da região litorânea, da metropolitana e da região nordeste. Algumas
indústrias estão localizadas próximas às regiões produtoras, enquanto que as de Esteio estão
nas proximidades do mercado consumidor (região metropolitana) e as de Rio Grande
próximas do principal porto do Estado, tendo em vista, provavelmente, a exportação de óleo e
farelo.
76
Figura 27 −
−−
− Localização das indústrias de esmagamento
Fonte: Adaptado de IBGE (2006) e SIOLEO (2006)
O outro insumo para o biodiesel é o álcool etílico, que representa cerca de 10% da
matéria-prima para a produção do biodiesel.
5.1.2 Usinas de álcool
O Brasil é o maior produtor de cana-de-açúcar do mundo, seguido pela Índia e
Austrália. Em média, 55% da cana brasileira transforma-se em álcool, e 45%, em açúcar.
Planta-se cana no Centro-Sul e no Norte-Nordeste, o que permite dois períodos de safra.
Produz-se, portanto, o ano todo. Dependendo do momento de plantio, a cana-de-açúcar
demora um ano a um ano e meio para ser colhida e processada pela primeira vez (UNICA,
2006).
O Brasil é líder na produção de álcool. Na safra de 2003/2004, o Estado de São Paulo
produziu 8,8 bilhões de litros de álcool (hidratado e anidro) e a região Centro-Sul foi
responsável por 13 bilhões de litros.
Guarani das
missões
Três Passos
Passo
Fundo
Encantado
Lajeado
Veranópolis
Esteio
Rio Grande
Legenda:
Indústria de esmagamento de soja
Produção de soja por município em
tonelada:
Panambi
77
São usinas e destilarias que processam a biomassa proveniente da cana-de-açúcar e
alimentam um círculo virtuoso: produzem açúcar como alimento, energia elétrica vinda da
queima do bagaço nas caldeiras, álcool hidratado para movimentar veículos e álcool anidro
para melhorar o desempenho energético e ambiental da gasolina (UNICA, 2006).
Como no Rio Grande do Sul, praticamente, não existe produção de álcool etílico,
apenas uma usina de pequena produção, em Francisco Xavier, para a produção de biodiesel,
no Estado, será necessário comprar este insumo da região do Paraná ou de São Paulo
(CHAZAN, 2006).
Levando em conta a estrutura da cadeia dos combustíveis, este estudo considerará
como ponto de suprimento de álcool etílico para as usinas de biodiesel no Rio Grande do Sul,
o centro coletor de álcool mais próximo do Estado: o centro coletor de Londrina (PR).
Figura 28 −
−−
− Infra-estrutura para a movimentação do petróleo, seus
derivados e álcool etílico em 2004.
Fonte: ANP (2006)
78
5.2 ELO 2 – ELO PRODUTOR
Este elo é composto pelas plantas de biodiesel, onde o óleo de soja e o álcool serão
transformados em biodiesel, através do processo de transesterificação (ver cap.2), e este
encaminhado para as bases de distribuição para ser adicionado ao diesel.
Para esse processo (Fig. 29 ), será considerado que para produzir uma tonelada de
biodiesel é necessário 156 kg de etanol, 965 kg de óleo de soja e 15 kg de catalisador. Esse
processo tem como subproduto 104 kg de glicerina e 32 kg de perdas.
Figura 29 −
−−
− Sistema simplificado de produção de biodiesel
Fonte: Elaborada pelo autor baseado nos dados de FERRES (apud PLÁ, 2005)
Vale lembrar que as indústrias de biodiesel têm estruturas flexíveis para produzir o
éster (biodiesel), a partir de vários tipos de óleos, tanto de etanol como metanol.
Conforme Chazan, coordenador do Programa Probiodiesel do Rio Grande do Sul, em
entrevista realizada, existem cinco projetos de instalação de usinas de biodiesel no Estado:
Tabela 4 −
−−
− Projetos de usinas de biodiesel no Rio Grande do Sul
Usina Local Capacidade em m³/ano l/ano
Brasil Ecodiesel Rosário do Sul 100.000 100.000.000
Coceagro Cruz Alta 40.000 40.000.000
Granol Cachoeira do Sul 100.000 100.000.000
BSBios Passo Fundo 100.000 100.000.000
Oleoplan Veranópolis 66.000 66.000.000
Total 406.000 406.000.000
Fonte: RIBEIRO (2006)
Etanol
156 kg
Óleo bruto
965 kg
Processo de
transesterificação
(Usina de biodiesel)
Éster
(Biodiesel puro)
1 ton
Glicerina
104 kg
Input
Output
Processo
79
Em geral, o custo de instalação de uma fábrica de biodiesel está em torno de R$ 20
milhões de reais para uma capacidade de 100 milhões de litros/ano de biodiesel, conforme o
coordenador do programa Pró-Biodiesel RS, em entrevista realizada.
O processo de produção de biodiesel pode ser representado pelo fluxograma a seguir
(Fig. 30):
Figura 30 −
−−
− Processo de fabricação do biodiesel
Fonte: PARENTE (2003)
80
5.3 ELO 3 - CLIENTE
Este elo é composto pelas distribuidoras de combustíveis que comprarão o biodiesel
puro (B100) do produtor (Elo 2) e efetuarão a mistura com o diesel (B2, B5, BX), de acordo
com a regulamentação do governo. Esse elo será responsável pela aquisição, armazenamento,
transporte, controle e distribuição do biodiesel até os postos revendedores (postos de
combustíveis) para o consumidor final.
As distribuidoras estão inseridas na cadeia produtiva dos combustíveis e com a entrada
no mercado do biodiesel terão influência na cadeia deste biocombustível.
Atualmente, a cadeia produtiva dos combustíveis automotivos compreende desde os
produtores (refinarias, centrais petroquímicas e usinas de álcool) até os varejistas (postos e
TRR
2
) ou grandes consumidores, conforme está ilustrado na Figura 31. As distribuidoras
compram produtos dos produtores e os revendem aos varejistas ou grandes consumidores.
Para realizar suas operações, utilizam empresas de transporte de carga para movimentar os
produtos entre as diversas instalações que compõem sua infra-estrutura, com o objetivo de
distribuí-los, a partir do produtor, até as instalações que irão entregá-los aos clientes
(MALIGO, 2005).
Figura 31 −
−−
− Cadeia de suprimentos de combustíveis
Fonte: SINDICOM (2006)
2
TRR – Transportador Revendedor Retalhista: Agente cuja atividade caracteriza-se pela aquisição de produtos a
granel e sua revenda a retalho, com entrega no domicílio do comprador (MALIGO, 2005).
81
A entrada do biodiesel no mercado, provavelmente, não provocará muitas mudanças
na atual cadeia de combustíveis. Tudo indica que a indústria de biodiesel estará para a cadeia
de combustíveis assim como as usinas de álcool, ou seja, ela fará parte do primeiro elo da
cadeia que fornecerá seu produto (biodiesel puro) para as bases de distribuição primárias ou
secundárias.
5.3.1 Bases de distribuição
As bases são, usualmente, classificadas conforme sua posição na cadeia de
suprimentos dos combustíveis automotivos. As bases que recebem produtos de uma refinaria
são chamadas bases primárias, e as que recebem produtos dessas bases são chamadas bases
secundárias (MALIGO, 2005).
Devido às dimensões continentais do país, as principais distribuidoras mantêm bases
em diversas regiões. Essas instalações possuem toda a infra-estrutura necessária para receber,
armazenar, misturar, embalar e distribuir os derivados de petróleo. As bases podem ser
próprias (todos os ativos pertencentes a uma distribuidora), pools (cada distribuidora participa
com um percentual do investimento) e bases operadas por terceiros, nas quais a empresa
distribuidora não possui ativo algum além do produto a ser movimentado, e depende de
terceiros para possibilitar a movimentação de seus produtos (DUMIT, 2005).
As principais distribuidoras no Brasil são: Agip3, Ipiranga, Esso, Petrobras
Distribuidora, Shell, RepsolYPF e Texaco. Juntas detêm, aproximadamente, 79% do mercado,
e fazem parte do Sindicato Nacional das Empresas Distribuidoras de Combustíveis e de
Lubrificantes (SINDICOM, 2006).
Neste estudo, serão consideradas oito bases de distribuição para o Rio Grande do Sul,
conforme pode ser visualizado na Figura 32: Canoas, Rio Grande, Cruz Alta, Passo Fundo,
Santa Maria, Ijuí, Uruguaiana e Bagé.
82
Figura 32 −
−−
− Bases de distribuição de combustíveis
Fonte: SINDICOM (2006)
5.4 DISTRIBUIÇÃO DO BIODIESEL
Por se tratar de um combustível de origem agrícola (soja), o biodiesel poderá ter sua
estrutura logística muito parecida com a atual logística de distribuição de álcool combustível.
A logística de distribuição do álcool combustível é diferente da logística de
distribuição dos derivados. As unidades produtoras de álcool (usinas e destilarias) são
pulverizadas e localizadas em áreas rurais, no interior, próximas das culturas de cana de
açúcar, seu insumo. O transporte de álcool dos produtores até as bases é conhecido, no
mercado de distribuição de derivados, como coleta de álcool. O fluxo do álcool pela rede de
distribuição, desde a coleta até o envio aos grandes centros de consumo, freqüentemente, tem
um sentido inverso ao da distribuição dos derivados. O álcool entra na rede pelas bases
secundárias e segue para as primárias. Os derivados entram pelas bases primárias e são
83
distribuídos para as secundárias. A logística de coleta do álcool não influencia a classificação
das bases como primárias ou secundárias, classificação esta criada pelo extinto Conselho
Nacional do Petróleo, bem antes do aparecimento do álcool como combustível automotivo,
que resiste até hoje (MALIGO, 2005).
Baseado na distribuição do álcool, este estudo considera da seguinte forma a logística
de distribuição do biodiesel: as distribuidoras (Ipiranga. Petrobras, Texaco, etc.) comprarão o
biodiesel puro (éster) das indústrias de biodiesel que poderão estar localizadas próxima às
fontes da matéria-prima (no caso do Rio Grande do Sul, na região Noroeste) e o transportarão
até suas bases de distribuição ou refinarias no Estado. As bases de distribuição e/ou as
refinarias farão o controle de qualidade do combustível e a mistura ao diesel de petróleo,
conforme a regulamentação prevista pela Lei. A partir desse ponto, a distribuição do biodiesel
será como a atual distribuição dos combustíveis, ou seja, caminhões tanques e TRR’s levarão
o combustível para os postos que comercializarão para os consumidores finais.
Conforme a lei, para o mercado automotivo será adicionado 2% de biodiesel ao diesel,
enquanto que, para o mercado de frotas cativas, processos industriais e transporte hidroviário
e ferroviário a proporção de biodiesel poderá ser maior. A Figura 33 ilustra a logística do
biodiesel.
Figura 33 −
−−
− Distribuição do biodiesel
Fonte: Elaborada pelo autor
Usina de biodiesel
Refinaria
Postos revendedores
TRR
Base de distribuição
Exportador
Consumidor final (CNPJ):
- frota cativa
- processos industriais
- energia elétrica
- transporte ferroviário, aquaviário
B100
B100
B100
Diesel
BX B2
BX
B100
B2
Consumidor final
B2
BX
84
Atualmente, a comercialização (produtor – distribuidora ou refinaria) do biodiesel está
sendo realizada por leilões de compra futura pela ANP (Agência Nacional de Petróleo, Gás
Natural e Biocombustíveis). Os leilões devem ser realizados até 2008, quando, então, as
formas de comercialização serão negociadas diretamente entre o produtor e as distribuidoras e
refinarias. Os leilões de venda futura, realizados pela ANP, têm por objetivo atrair novos
investidores e estimular investimentos na cadeia de produção e comercialização do biodiesel
(DORNELLES, 2006).
Tendo caracterizado a cadeia do biodiesel no Rio Grande do Sul, é oportuno, nesta
etapa, resgatar a problemática deste estudo (ver cap. 1.1).
6 DEFINIÇÃO DO PROBLEMA
O objetivo deste capítulo é definir a situação problemática, o problema, o objetivo, a
decisão e as restrições quanto à localização das usinas de biodiesel. à luz da metodologia da
Pesquisa Operacional.
A situação problemática poder ser visualizada no mapa abaixo (Fig.34):
Figura 34 −
−−
− Localização dos fornecedores e dos clientes
Fonte: Adaptado de BRASIL. Ministério dos Transportes (2006)
Industria de óleo
Base de distribuição
86
A situação problemática pode ser representada pela seguinte questão: dados os locais
onde estão os fornecedores (indústria de esmagamento de soja e álcool) e suas respectivas
capacidades de oferta (óleo de soja e etanol) e o local onde se encontram os consumidores
(distribuidoras e refinarias) e suas respectivas demandas (biodiesel puro), quais são os locais
para instalar fábricas de biodiesel e a distribuição dos insumos e do produto acabado que
minimizem os custos de transporte e instalações totais das usinas de biodiesel?
Decorrente da situação problemática, pode-se identificar o problema, o objetivo, a
decisão e as restrições:
a) o problema: escolher a alternativa de localização e a quantidade de usinas que
otimizem os custos de transporte da distribuição dos insumos e do produto final e
de instalações de usinas de biodiesel;
b) o objetivo: minimizar o custo de transporte e de instalação;
c) decisão: em que locais devem-se instalar as fábricas de biodiesel e como será a
distribuição (o fluxo entre os elos);
d) a produção de biodiesel deverá respeitar a oferta de óleo de soja e de álcool e
atender à demanda de abastecimento de cada mercado consumidor (bases de
distribuição).
Tendo definido o problema, parte-se, agora, para a etapa de construção do modelo.
7 CONSTRUÇÃO DO MODELO
Após descrever o sistema no qual está inserido o problema, a questão, agora, é a
construção de um modelo que relacione as variáveis envolvidas no contexto e indique uma
solução. Ou seja, neste capítulo o modelo será traduzido de sua forma verbal e qualitativa,
descrita no capítulo anterior, para termos lógicos e matemáticos.
O objetivo deste modelo é procurar, dentro de algumas alternativas, os melhores locais
para a instalação de uma ou mais fábricas de biodiesel, buscando minimizar os custos de
transporte dos insumos e do produto acabado. Além disso, se quer, também, determinar o
melhor fluxo entre os elos, ou seja, qual a quantidade e para qual destino devem ser
transportados os insumos e o produto acabado dentro do sistema.
Em síntese, para resolver tal problema é necessário um modelo (Fig. 35) que relacione
as variáveis de decisão (fluxo a ser transportado entre os elos e regiões que receberão fábrica
de biodiesel) com os parâmetros do contexto (capacidades locais, demandas locais, custo do
transporte, custo de instalação) para propor uma solução que minimize os custos totais de
transporte e instalação.
88
Figura 35 −
−−
− Simplificação do modelo
Fonte: Adaptado de TURBA; MEREDITH (1994)
Conforme a literatura pesquisada no capítulo 2, o modelo de transbordo
(transhipment), classificado por Jesen e Bard (2003) como problema de programação em
fluxo de rede, parece adequado para auxiliar a tomada de decisão sobre o local de instalação
de plantas de biodiesel e a melhor distribuição para minimizar custo total do transporte dos
insumos e do produto final no Rio Grande do Sul.
Em algumas pesquisas analisadas (D’SOUZA, 1998; KLINGMAN et al., 1976;
KÖKSALAN; SÜRAL, 1999; LOPES; CAIXETA FILHO, 2000), pôde-se observar que
houve a aplicação do modelo de transbordo para solucionar problemas de localização e de
distribuição, tendo como objetivo minimizar o custo de transporte dos insumos e do produto
final e os custos de instalação de uma ou mais fábricas
Em síntese, o modelo de transbordo busca definir o melhor fluxo que minimiza ou
maximize determinado critério, em geral o custo, entre três ou mais elos, podendo eles serem
fornecedores, fábricas e clientes. O modelo define as rotas e as quantidades que devem ser
transportadas.
O modelo de transbordo pode ser representado pela Figura 36, na qual cada desenho
representa um nó onde existe uma unidade industrial.
Variáveis de
r
esultado
•
Quantidade transportada dos
melhores locais para insumos
e do produto final
•
Definição da localização de
fabricas de biodiesel
Fatores não controláveis
:
(parâmetros)
Localização e capacidade dos fornecedores;
demanda do produto final
custo de transporte
capacidade e custo das usinas de biodiesel
Variáveis de
d
ecisão:
•
Quantidade de óleo de soja a
ser transportada
•
Quantidade de biodiesel a ser
transportada
•
Quantidade de álcool a ser
transportada
•
Relações matemáticas
Modelo de localização
89
a) os nós fornecedores (Elo 1): representam as indústrias de esmagamento de soja e
usinas de álcool ;
b) os nós de transbordo (Elo 2): são os locais potenciais para instalar as usinas de
biodiesel ;
c) os nós de demanda (Elo 3): são os locais em que o biodiesel puro (éster) será
misturado com o diesel de petróleo (bases de distribuição) .
Figura 36 – Simplificação gráfica do modelo de transbordo
Fonte: Elaborada pelo autor
A cada nó de transbordo, considerados locais possíveis para instalar uma fábrica de
biodiesel, entram e saem fluxos associados aos arcos. Os arcos representam as rotas que ligam
os nós, e cada rota tem um custo relacionado à distância. O modelo determinará as rotas que
serão utilizadas, de acordo com as capacidades e demandas de cada nó, e a quantidade que
será transportada, por cada rota, de maneira a minimizar os custos totais de transporte. Como
subproduto do modelo, será possível verificar quais os nós de transbordo que serão utilizados
neste sistema. Os nós de transbordo que receberem fluxo indicarão os locais adequados para a
instalação de fábricas de biodiesel.
Elo 1 Elo 2 Elo 3
Legenda
Indústria de esmagamento de soja
Usina de álcool
Usina de biodiesel
Base (ou Refinaria) de combustível
90
Um dos problemas encontrados neste modelo (transbordo) foi que ele poderia designar
pouca quantidade de fluxo para determinados pontos de transbordo, indicando a instalação de
uma fábrica para a produção de pouca quantidade de biodiesel. Para restringir que esse fato
ocorresse, foi acrescentado o custo fixo de instalação proporcional a um ano. Ou seja, só
haverá fluxo para mais de um ponto de transbordo se este fluxo for suficiente, em termos de
economia com custos de frete, para compensar o custo de instalação dessa nova usina.
A seguir, será apresentado o modelo matemático do problema de localização e
distribuição de biodiesel para o Rio Grande do Sul.
7.1 MODELO MATEMÁTICO
O modelo proposto é um modelo de transbordo (três estágios – elos) dentro da
estrutura da programação linear, envolvendo uma estrutura de programação inteira mista. Os
fatores considerados para o objetivo da pesquisa são: os custos de transporte de óleo de soja
(Elo 1) até as possíveis fábricas de biodiesel (Elo 2 - pontos de transbordo); os custos de
transporte de álcool das usinas de álcool etílico (Elo 1) até as possíveis fábricas de biodiesel;
os custos de transporte do biodiesel até as bases de distribuição (Elo 3); e os custos de
instalação amortizados para o período de um ano. O modelo usa o ano como período de
tempo. A variável de decisão é a quantidade de óleo, álcool e biodiesel que devem ser
transportadas entre os elos, de forma a minimizar o custo de transporte e de instalação.
A solução do modelo determinará a localização ideal das usinas de biodiesel bem
como a quantidade de óleo de soja, álcool e biodiesel que devem ser transportados, entre os
diferentes locais, no período de um ano. O critério de minimização é o custo total de
transporte e de instalação. Para lidar com a questão da escala, cada local potencial para
receber uma usina de biodiesel poderá ter uma fábrica grande e/ou média.
Para indicar, no modelo, a questão do tamanho de fábrica, optou-se por acrescentar,
para cada alternativa de localização (Elo 2), um outro destino, representando uma fábrica
média. Por exemplo, a alternativa Passo Fundo será representada, no modelo, por dois pontos:
Passo Fundo 1 (fábrica grande) e Passo Fundo 2 (fábrica média).
O modelo, a seguir, pode ser classificado como um modelo de localização discreto, ou
seja, a partir de
n
possíveis locais para instalar uma fábrica, o modelo determinará qual é (são)
91
o(s) local(ais) que minimizará(ão) os custos de transporte do produto final e dos insumos,
assim como o custo de instalação.
7.1.1 Função objetivo
O modelo a ser utilizado diz respeito à minimização de uma função objetivo que
representa os custos considerados para a localização das plantas de biodiesel, sujeita a uma
série de restrições.
Para a função a seguir, serão considerados os seguintes conjuntos:
I: o conjunto das regiões fornecedoras de óleo de soja;
A: o conjunto das regiões fornecedoras de álcool;
J: o conjunto das alternativas de locais para instalar as usinas de biodiesel;
Q: o conjunto das regiões onde se localizam as bases de distribuição;
ijij
JjIi
xcMin
∑∑
∈∈
+
ajaj
JjAa
xc
∑∑
∈∈
+
∑∑
∈ ∈Jj
jqjq
Qq
xc
+
j
Jj
j
bf
∑
∈
(1)
1(a) 1(b) 1(c) 1(d)
onde:
a) parâmetros
:
=
ij
c
custo (R$/ton) de transporte de óleo de soja da região
i
para a região
j
onde pode
haver instalação de planta de biodiesel, para Ii
∈
e
Jj
∈
;
=
aj
c
custo (R$/ton) de transporte de álcool fornecido pela usina
a
para a usina de biodiesel
j,
para
Aa
∈
e
Jj
∈
;
=
jq
c
custo (R$/ton) de transporte de biodiesel fabricado na região
j
para a base de
distribuição
q,
para
Jj
∈
e
Qq
∈
;
=
j
f
custo de instalação (R$
−
amortizado para o período de um ano) de uma usina de
biodiesel
j.
b) variáveis de decisão:
=
ij
x
toneladas de óleo de soja transportada da região
i
para a planta de biodiesel na região
j
, no período de um ano, para
Ii
∈
e
Jj
∈
;
92
=
aj
x
toneladas de álcool etílico transportado da região
a
para a região
j,
no período de um
ano,
Aa
∈
e
Jj
∈
;
=
jq
x
toneladas de biodiesel transportado da planta da região
j
para a central de mistura
q
,
Jj
∈
e
Qq
∈
;
=
j
b
variável binária, tipo zero ou um, associada à instalação de uma usina de biodiesel na
alternativa
j.
{
}
1,0∈
j
b
7.1.2. Restrições
A função objetivo acima (1) está sujeita a uma série de restrições, conforme
representam as inequações abaixo:
[oferta de óleo]
≤
∑
∈
ij
Jj
x
i
s
para todo
Ii
∈
(2)
[oferta de álcool]
≤
∑
∈
aj
Jj
x
a
s
para todo
Aa
∈
(3)
[restrição de fluxo em relação à capacidade das usinas de biodiesel]
jjq
Qq
sx ≤
∑
∈
para todo
Jj
∈
(4)
[fluxos de balanceamento ponto de transbordo]
=
∑
∈
ij
Ii
x
jq
Qq
px
∑
∈
para todo
Jj
∈
(5)
[fluxos de balanceamento ponto de transbordo]
=
∑
∈
aj
Aa
x
jq
Qq
xp
2
∑
∈
para todo
Jj
∈
(6)
[demanda base de distribuição]
q
Jj
jq
dx ≥
∑
∈
para
Qq
∈
(7)
93
onde (parâmetros):
=
i
s
capacidade (tonelada/ano)de cada região fornecedora de óleo de soja da região
i ,
para
,
Ii
∈
;
=
a
s
capacidade (tonelada/ano) da usina de álcool
a, para Aa
∈
;
=
j
s
capacidade (tonelada/ano) da planta de biodiesel instalada na região
j
,
Jj
∈
;
=
q
d
demanda (tonelada/ano) de biodiesel em cada base de distribuição
q
, Qq
∈
;
=
j
b
variável binária:
- 1 se instala a usina na região
j
,
- 0 caso não contrário;
=
1
p
taxa de conversão do insumo óleo de soja para uma unidade de biodiesel
(tonelada);
=
2
p
taxa de conversão do insumo álcool para uma unidade de biodiesel (tonelada).
Na função objetivo (1), o custo total é formado pela soma dos custos de transporte do
óleo de soja e do álcool até os potenciais locais da produção de biodiesel, pela soma dos
custos de transporte do biodiesel até as bases de distribuição e pela soma dos custos fixos de
instalação. Na soma (1a), tem-se o custo total de transporte de óleo soja a partir da região
fornecedora
i
para as regiões de produção do biodiesel (transbordo)
j
. Na soma (1b), tem-se o
custo total de transporte de álcool
a
etílico de uma usina de álcool até os possíveis locais de
implementação de uma planta de biodiesel
j.
Na soma (1c), tem-se o custo de transporte do
biodiesel produzido pelas plantas na região
j
, até as bases de distribuição na região
q
. Na
soma (1d), tem-se o custo fixo amortizado para o período de um ano de instalação de uma
usina na região
j.
A inequação 2 representa a restrição de capacidade de oferta de óleo de soja da região
i
, onde a soma das quantidades transportadas da região
i
para a região
j
não deve exceder à
capacidade de produção da própria região
i
.
Na inequação 3, está representada a restrição de capacidade de oferta de álcool da
região
a
, onde a soma das quantidades transportadas da região
a
para a região
j
não deve
exceder à capacidade de produção da própria região
a
.
94
Na inequação 4, tem-se a quantidade de biodiesel transportado das plantas presentes
nas regiões
j
para as bases de distribuição
q
, a qual não deve ultrapassar a capacidade de cada
possível usina de biodiesel.
Na inequação 5 e 6, tem-se que a soma das quantidades de óleo de soja e álcool que
chegam às usinas de biodiesel deve ser igual à soma das quantidades de biodiesel que saem
das fábricas de biodiesel para as bases de distribuição. A constante
p
1
representa a taxa de
conversão de soja em biodiesel. Para uma tonelada de biodiesel, são necessários 965 kg de
óleo de soja. A constante
p
2
representa a taxa de conversão de etanol em biodiesel. Para uma
tonelada de biodiesel, são necessários 156 kg de álcool etílico.
A inequação 7 representa a demanda de biodiesel das bases de distribuição
q
, onde o
total de biodiesel que chega não deve ser inferior à demanda de cada base (elo cliente).
7.1.3 Limitação da modelagem
O objetivo desta análise é servir como um guia geral para a instalação de novas
indústrias. Entretanto, é importante frisar que o modelo se preocupa em minimizar os custos
de transbordo/transporte da cadeia de biodiesel, sendo que os custos individuais de uma
indústria podem não estar minimizados. Assim, como no modelo aplicado por D’Souza
(1988), os resultados esperados não são totalmente aplicáveis por uma indústria individual da
cadeia, mas por toda a cadeia produtiva do biodiesel.
Outro fator importante é que este modelo não está incorporando os custos de
transporte do subproduto glicerina, resultante do processo de transesterificação. Muitos
autores indicam que esse subproduto será importante para viabilizar a produção de biodiesel
por ter um atraente valor econômico.
8 TESTE DO MODELO E MENSURAÇÃO DOS PARÂMETROS
Neste capítulo, será testado o modelo, apresentado no capítulo 7, no contexto do
Estado do Rio Grande do Sul. Para tanto, todos os parâmetros listados, na seção anterior,
serão quantificados e descritos, alguns com bastante precisão, outros com base em previsões
e/ou aproximações devido à dificuldade operacional de levantar tais dados. É importante frisar
que a principal contribuição do modelo é a flexibilidade, permitindo a sua aplicação em
contextos diversos, com distintos parâmetros e podendo fornecer diferentes soluções,
conforme os dados de entradas (parâmetros).
A seguir, estão mensurados os parâmetros, ou seja, os fatores não controláveis do
ambiente onde se encontra o sistema - cadeia do biodiesel no Rio Grande do Sul.
8.1 PARÂMETROS DO ELO 1
Primeiramente, serão identificados os parâmetros dos nós do Elo 1 do problema que
são os locais onde se encontram os fornecedores (indústrias de esmagamento de soja e usinas
de álcool), as suas respectivas capacidades e os custos de transportes até o Elo 2 (locais para
fábricas de biodiesel).
a) Conjunto das regiões fornecedoras de óleo de soja
Para simplificar a modelagem, serão agrupadas as dezesseis indústrias de grande porte
de processamento de soja (ver capítulo 5), em atividade no Estado, em sete nós (indústrias
96
localizadas em cidades próximas foram agrupadas em um nó). O conjunto I, então, é
representado pelas seguintes cidades: Canoas, Lajeado, Passo Fundo, Rio Grande, Guarani
das Missões, Três Passos e Veranópolis. Por ser uma indústria de baixa capacidade, optou-se
por excluir do modelo a indústria Pindorama, localizada em Panambi.
b) Capacidade de cada região fornecedora de óleo de soja da região
i
(tonelada/ano) -
Ii
∈
As indústrias localizadas em regiões próximas foram agrupadas em nós, por exemplo,
o nó de Canoas representa as indústrias Bunge e Bianchini. Apesar de estar localizada em
Esteio, considera-se como localização o ponto de Canoas devido à proximidade (
±
20km),
facilitando o cálculo do modelo. Cada nó, portanto, representa a capacidade total das
indústrias a ele relacionadas.
A capacidade anual de fornecimento de óleo de soja foi definida com base na
capacidade diária de esmagamento de soja fornecido pelo Sindicato de Óleos (SIOLEO,
2006). Para chegar à capacidade de fornecimento de óleo de soja anual, consideraram-se 300
dias de operações e uma taxa de conversão de soja para óleo bruto de 17%. Além disso,
considerou-se que as indústrias de esmagamento estivessem operando em 70% de sua
capacidade. Assim, é possível chegar aos seguintes valores:
Tabela 5 −
−−
− Capacidade de fornecimento de óleo de soja por “nós”
Nós
(Cidade)
Capacidade fornecimento óleo
(ton/ano)
Canoas 78.540
Lajeado 99.960
Passo Fundo 107.100
Rio Grande 235.620
Guarani das Missões 79.254
Três Passos 71.400
Veranópolis 24.990
Total 814.674
Fonte: Elaborada pelo autor, baseada em dados do SIOLEO (2006)
97
c) Conjunto das regiões fornecedoras de álcool
Conforme visto anteriormente (cap. 5.1), considera-se como ponto fornecedor de
álcool o centro coletor de Londrina.
d) Capacidade da usina de álcool a (tonelada/ano),
Aa
∈
Como este nó é um centro coletor, estima-se que não haverá restrição de oferta para
suprir uma demanda derivada da produção de biodiesel. Portanto, será designado um valor
fictício igual ou maior que a demanda de álcool.
A seguir, serão definidos os parâmetros para o Elo 2.
8.2 PARÂMETROS DO ELO 2
a) Conjunto das alternativas de locais para instalar as usinas de biodiesel
Este conjunto é representado pelas alternativas de locais para a instalação de plantas
de biodiesel. É com base nas alternativas escolhidas pelo tomador de decisão que o modelo
determinará qual desses locais minimizará o custo de transporte. Neste estudo, os locais
escolhidos estão baseados nas intenções públicas de instalar fábricas de biodiesel nas
seguintes cidades:
Cachoeira do Sul – a empresa Granol pretende instalar uma usina (RIBEIRO, 2006);
Cruz Alta – a Cooperativa Central Agroindustrial Noroeste – (COCEAGRO) planeja
instalar uma usina de biodiesel (RUBIN, 2006);
Passo Fundo – a empresa BSbios planeja instalar uma usina (RIBEIRO, 2006));
Rosário do Sul – a empresa Brasil Ecodiesel pretende instalar uma fábrica
(RIBEIRO, 2006).
Veranópolis – a empresa Oleoplan planeja instalar uma usina (RIBEIRO, 2006);
Para colocar a questão da escala (planta grande e planta média), cada cidade será
representada por dois nós para diferenciar o custo de instalação. Portanto, esse elo produtor
será representado por dez nós ou dez alternativas de localização de usinas de biodiesel.
98
b) Capacidade da planta de biodiesel e custo de instalação.
Conforme Ferres (2006), a tendência da produção do biodiesel é se consolidar entre
grandes e médias plantas regionais. A Tabela 6 indica os custos aproximados de investimento
e as capacidades das usinas grandes e médias de biodiesel. Conforme o Dr. Argimiro, em
entrevista realizada, a questão da escala é importante para viabilizar a produção do biodiesel,
sendo assim não será considerada a opção de pequenas plantas (
±
8.000 ton/ano).
Tabela 6 −
−−
− Escala de produção e investimento
Descrição Capacidade anual (t) Investimento US$
Usina grande
Custos: máquinas e equipamentos (70%)
Custos: prédios e instalações (30%)
Vida útil: 20 anos
120.000
15.000.000
10.500.000
4.500.000
Usina média
Custos: máquinas e equipamentos (70%)
Custos: prédios e instalações (30%)
Vida útil 20 anos
60.000
10.000.000
7.000.000
3.000.000
Fonte: Baseado nos valores de investimento de plantas LURGI, na Europa (apud FERRES, 2006)
Amortizando esse valor para o tempo de um ano e convertendo para a moeda
corrente
3
, tem-se:
fábrica grande – R$ 1.760.250;
fábrica média – R$ 1.172.850.
8.3 PARÂMETROS DO ELO 3
a) Demanda de biodiesel em cada base de distribuição
Para estipular a demanda do biodiesel no Estado do Rio Grande do Sul, serão
consideradas as vendas de óleo diesel, no Estado, nos últimos seis anos (Tab. 7).
3
Considera taxa de dólar flutuante/média do mês de junho de 2006 – R$2,3457
99
Tabela 7 −
−−
− Vendas de óleo diesel (m
3
) no Rio Grande do Sul: 2000-2005
Ano 2000 2001 2002 2003 2004 2005 média
Total do ano 2.575.432 2.718.211 2.678.167 2.639.978 2.741.196 2.482.305 2.639.215
Fonte: ANP (BRASIL, 2006)
Como não houve crescimento nas vendas de diesel, nos últimos seis anos, a previsão
de demanda será baseada nos últimos seis períodos, mesmo para calcular uma demanda para
2008 e 2013, quando entrará em vigor o B5. Visto que a Lei obrigará adicionar um mínimo de
2% de biodiesel, para o ano de 2008, no diesel comercializado, então, a demanda de B2
representará em torno de 2% de uma demanda de diesel.
Fazendo uma média, nesses seis últimos anos, chega-se aos seguintes valores de
demanda de biodiesel no Rio Grande do Sul, conforme a porcentagem de mistura (Tab. 8):
Tabela 8 −
−−
− Perspectiva de demanda de biodiesel
Demanda de biodiesel para 2006
(2% adicionado no diesel)
m³ ton
B2 − 2008 2% 52.784,29 46.844,42
B5 − 2013 5% 131.960,74 117.111,05
B10 − 2020 10% 263.921,47 234.222,11
Fonte: Elaborada pelo autor, baseado nos dados da ANP (BRASIL, 2006)
Visto que a mistura com o éster (biodiesel puro) será feita nas bases de distribuição e
refinarias de combustíveis, considerar-se-á uma demanda para cada base, conforme a região a
qual ela servirá. Por exemplo, a base de Canoas, por estar no centro metropolitano - maior
demanda de diesel no Estado -, demandará maior quantidade de biodiesel para misturar ao
diesel que é produzido pela REFAP. Como as bases de Esteio e Canoas estão próximas,
considerou-se como um ponto (nó) de demanda para cálculo do modelo. Portanto, a demanda
para cada base de distribuição, conforme a proporção da mistura, será a seguinte:
100
Tabela 9 −
−−
− Demanda das bases de distribuição para B2, B5 e B10 (ton)
Locais B2 B5 B10 Demanda
Canoas 32.566,76 81.416,90 162.833,80 70%
Rio Grande 4.652,39 11.630,99 23.261,97 10%
Cruz Alta 2.326,20 5.815,49 11.630,99 5%
Passo Fundo 2.326,20 5.815,49 11.630,99 5%
Ijuí 1.395,72 3.489,30 6.978,59 3%
Santa Maria 1.395,72 3.489,30 6.978,59 3%
Uruguaiana 930,48 2.326,20 4.652,39 2%
Bagé 930,48 2.326,20 4.652,39 2%
Total 46.524 116.310 232.620 100%
Fonte: Elaborada pelo autor
O próximo parâmetro a ser quantificado é o custo de transporte.
8.4 CUSTO DE TRANSPORTE
Esse parâmetro é o critério de otimização do modelo apresentado no capítulo 7.
Graficamente, o custo de transporte é representado pelo arco que liga os nós entre os elos:
Figura 37 −
−−
− Exemplo de arco que liga os nós
O custo será mensurado multiplicando o custo do frete unitário de transportar uma
tonelada por quilômetro pela distância entre os elos (nós fornecedores, nós de transbordo, nós
de clientes). Não será considerado o custo dos pedágios e nem o custo unitário dos insumos.
Por serem
commodities
, o álcool e o óleo de soja, será considerado que o preço desses
insumos é o mesmo em cada fornecedor e, portanto, não influenciará na localização de
fábricas de biodiesel. Entretanto, para aplicações em contextos diferentes podem-se incluir os
Elo 2
Custo do transporte + (custo de produção unitário)
Elo 3
101
custos dos produtos, nesse parâmetro, apenas somando seu custo unitário com o frete unitário
e multiplicando pela quantidade.
Vale lembrar que o valor do frete varia muito de acordo com a negociação entre
contratante e transportadora. Conforme Caixeta-Filho (1998), o mercado de frete rodoviário,
no Brasil, não sofre nenhum tipo de controle pelo Governo, e os preços são formados pela
livre negociação entre a oferta e a procura pelo serviço de transporte (GAMEIRO, 2003, p.
90). Os valores utilizados neste modelo estão atualizados, tendo por parâmetro o mês de
maio de 2006.
A seguir, serão apresentados os parâmetros de custos de transporte do modelo:
custo de transporte de óleo de soja da região
i
para a região
j
onde pode haver instalação
de planta de biodiesel (R$/ton.):
Ii
∈
e
Jj
∈
;
Será considerado como custo de transporte o frete médio do transporte de uma
tonelada de óleo de soja por km: 0,1197 (R$/ton.km)
4
.
custo de transporte de álcool fornecido pela usina
a
para a usina de biodiesel
j
(R$/ton).
Os custos de transporte serão baseados nos fretes gerais para transporte ferroviário da
empresa América Latina Logística, proprietária da malha ferroviária da região Sul do Brasil:
Tabela 10 −
−−
− Fretes gerais para transporte ferroviário
Faixas quilométricas R$/ton.km
até 400 km 0,12527
de 401 a 800 km 0,11271
de 801 a 1600 km 0,0876
de 1601 km em diante 0,06283
Fonte: ANTT (2006)
custo de transporte de biodiesel fabricado na região
j
para a base de distribuição
q
.
(R$/ton);
Será considerado o mesmo custo do transporte do óleo de soja, considerando como
modal o transporte rodoviário.
4
Preço médio de frete para transportar óleo de soja à granel, no período de 20/05/2006 a 23/06/2006 (SIFRECA,
2006).
=
ij
c
=
aj
c
=
jq
c
102
8.5 RESULTADO DO MODELO
Devido à complexidade do modelo, foi utilizado o
software
Lingo v.8.0 para resolver a
função objetivo e as restrições do problema de transbordo, propostos no capítulo 7, para a
escolha dos locais que minimizem os custos de transporte para a instalação de fábricas de
biodiesel.
Para a determinação dos locais de instalação de fábricas de biodiesel, formularam-se
quatro cenários. No primeiro cenário, foram consideradas as cinco alternativas de localização
mencionadas anteriormente, cada uma com a possibilidade de instalar uma usina de
capacidade média e/ou grande (Capítulo 8.2) e uma demanda de B2 (2% de biodiesel
adicionado em todo diesel previsto para ser comercializado) para o ano de 2008.
No segundo e terceiro cenário, foram mantidas as mesmas cinco alternativas de
localização, no entanto com uma demanda de B5, que é a mistura máxima permitida para
comercialização entre 2008 a 2013, e B10, respectivamente.
No quarto cenário, foi acrescentada uma alternativa de localização para testar a
sensibilidade dos resultados. A alternativa é a cidade de Canoas, escolhida por ser um local
perto da região de maior demanda (ver capítulo 8.3) como também de dois fornecedores. O
objetivo é testar o modelo e observar as variações no resultado.
Antes de chegar aos resultados, é importante destacar os pressupostos e premissas que
foram considerados na aplicação teórica desse modelo:
a) o modelo designou o fluxo e a localização baseado nas alternativas designadas pelo
pesquisador;
b) o critério é o custo de transporte dos insumos e do produto acabado;
c) considera-se que o custo de instalação é o mesmo em todas as localidades, variando
apenas em relação ao tamanho da usina: média ou grande;
d) a demanda é baseada nas vendas de óleo diesel dentro do Estado do Rio Grande do
Sul;
e) oito bases de distribuição, sendo duas refinarias, Canoas e Rio Grande, efetuarão a
mistura do óleo diesel ao biodiesel;
f) pressupõe-se que todas as indústrias de esmagamento de soja serão fornecedoras
potenciais para as usinas de biodiesel;
g) consideraram-se apenas dois tamanhos de usinas de biodiesel: grande e médio.
103
8.5.1 Cenário 1
Num cenário de demanda de B2, ou seja, necessidade de produzir 46.524 toneladas de
biodiesel para atender à necessidade do Estado, fica visível que uma usina média seria
suficiente. O modelo escolheu a alternativa de Veranópolis, como pode ser visualizado na
Tabelas 11 a 13.
Tabela 11 −
−−
− Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B2
Elo 2 - Locais para instalar usinas
Elo 1
Indústria de
esmagamento de soja
Passo Fundo
(usina média)
Veranópolis Cruz Alta
Rosário do Sul
Cachoeira do Sul
(usina média)
Total
Canoas
− − − − − −
Lajeado
−
19.905,61
− − − −
Passo Fundo
− − − − − −
Rio Grande
− − − − − −
Guarani das Missões
− − − − − −
Três Passos
− − − − − −
Veranópolis
−
24.990,00
− − − −
Total
−
44.895,61
− −
44.895,61
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Tabela 12 −
−−
− Fluxo do álcool (ton) entre o Elo 1 e Elo 2 para B2
Elo 2 - Locais para instalação de usinas de biodiesel
Centros
coletores
Passo Fundo Veranópolis Cruz Alta Rosário do Sul Cachoeira do Sul Total
Elo 1 − Londrina
−
7.258
− − −
7.258
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Tabela 13 −
−−
− Fluxo de biodiesel (ton) entre o Elo 2 e Elo 3 para B2
Elo 3 - Bases de distribuição
Elo 2
Locais para
instalação de
usinas
Canoas
Rio
Grande
Cruz
Alta
Passo
Fundo
Ijuí
Santa
Maria
Uruguaiana
Bagé Total
Passo Fundo
−
−
−
−
−
−
−
−
−
Veranópolis
32.566,76
4.652,39
2.326,20
2.326,20
1.395,72
1.395,72
930,48 930,48 46.524
Cruz Alta
−
−
−
−
−
−
−
−
−
Rosário do Sul
−
−
−
−
−
−
−
−
−
Cachoeira do Sul
−
-
−
−
−
−
−
−
−
−
Demanda
32.566,76
4.652,39
2.326,20
2.326,20
1.395,72
1.395,72
930,48 930,48 46.524
Fonte: elaborada pelo autor, baseado nos resultados do modelo
104
Como os custos de instalações foram considerados iguais para todas as opções, o
modelo escolheu localizar uma usina média (60 mil toneladas/ano), na cidade de Veranópolis.
Portanto, é neste ponto que os custos de transporte entre fornecedor-produtor e produtor-
cliente estão minimizados. Na própria cidade, há um possível fornecedor de óleo de soja, mas
como sua capacidade estipulada de fornecimento não é suficiente, o restante será comprado da
localidade de Lajeado. Como a cidade de Veranópolis fica mais próxima da maior região de
demanda (base de distribuição de Canoas), é considerada a região mais apropriada para suprir
este ponto de demanda.
8.5.2 Cenário 2
Considerando as mesmas alternativas de localização e mudando o parâmetro de
demanda para B5, ou seja, uma demanda de 116.309,86 toneladas de biodiesel para o Estado
do Rio Grande do Sul, têm-se os seguintes resultados:
Tabela 14 −
−−
− Fluxo de biodiesel (ton) entre o Elo 1 e Elo 2 para B5
Elo 2 - Locais para instalar fábricas
Elo 1
Indústria
esmagadora de soja
Passo
Fundo
Veranópolis
(Usina Grande
)
Cruz
Alta
Rosário do
Sul
Cachoeira
do Sul
Total
Canoas
− − − − − −
Lajeado
−
87.249,01
− − − −
Passo Fundo
− − − − − −
Rio Grande
− − − − − −
Guarani das Missões
− − − − − −
Três Passos
− − − − − −
Veranópolis
−
24.990,00
− − − −
Total
−
112.239
− − −
112.239
Fonte: elaborada pelo autor, baseado nos resultados do modelo
105
Tabela 15 −
−−
− Fluxo de biodiesel (ton) entre o Elo 2 e Elo 3 para B5
Elo 3 - Bases de distribuição
Elo 2
Locais para
instalação
fábricas
Canoas
Rio
Grande
Cruz
Alta
Passo
Fundo
Ijuí
Santa
Maria
Uruguaiana
Bagé
Total
Passo Fundo
−
−
−
−
−
−
−
−
−
Veranópolis 81.416,90
11.630,99 5.815,49 5.815,49
3.489,30
3.489,30 2.326,20 2.326,20
−
Cruz Alta
−
−
−
−
−
−
−
−
−
Rosário do Sul
−
−
−
−
−
−
−
−
−
Cachoeira do
Sul
−
−
−
−
−
−
−
−
−
Demanda 81.416,90
11.630,99 5.815,49 5.815,49
3.489,30 3.489,30 2.326,20 2.326,20 116.309,86
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Tabela 16 −
−−
− Fluxo de álcool (ton) entre o Elo 1 e Elo 2 para B5
Elo 2 - Locais para instalação de usinas de biodiesel
Centros
coletores
Passo Fundo Veranópolis Cruz Alta Rosário do Sul
Cachoeira do Sul Total
Elo 1- Londrina
−
18.144,34
− − −
18.144,34
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Assim como no primeiro cenário, o modelo designou a cidade de Veranópolis para a
produção de B5. Como a demanda ultrapassou a capacidade de uma usina média,
conseqüentemente, foi requisitada a instalação de uma usina grande (120.000 toneladas/ano).
8.5.3 Cenário 3
Neste cenário, foi estipulada uma demanda para B10, ou seja, a necessidade de
produzir 232.619,72 toneladas de biodiesel. Visto que, atualmente, já se adiciona em torno de
20% de álcool à gasolina para automóveis, é provável que a proporção de biodiesel
adicionado no diesel aumente no decorrer das próximas décadas. Neste cenário, têm-se os
seguintes resultados:
106
Tabela 17 −
−−
− Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B10
Elo 2 - Locais para instalar fábricas
Elo 1
Indústria
esmagadora
de soja
Passo Fundo
(Usina grande)
Veranópolis
(Usina grande)
Cruz Alta Rosário do Sul Cachoeira do Sul Total
Canoas
−
−
−
−
−
−
Lajeado
1.578 90.810
−
−
−
92.388
Passo Fundo
107.100
−
−
−
−
107.100
Rio Grande
−
−
−
−
−
−
Guarani das
Missões
−
−
−
−
−
−
Três Passos
−
−
−
−
−
−
Veranópolis
−
24.990
−
−
−
24.990
Total
108.678 115.800
−
−
−
224.478
Fonte: elaborada pelo autor, baseado nos resultados do modelo
O fluxo de biodiesel para as bases de distribuição apresenta-se na Tabela 18:
Tabela 18 −
−−
− Fluxo do biodiesel (ton) entre o Elo 2 e Elo 3 para B10
Elo 3 - Bases de Distribuição
Elo 2
Locais para
instalação
de fábricas
Canoas
Rio
Grande
Cruz Alta
Passo
Fundo
Ijuí
Sta.
Maria
Uruguaiana
Bagé Total
Passo Fundo 42.833,80 23.261,97
11.630,99 11.630,99 6.978,59
6.978,59
4.652,39 4.652,39 112.620
Canoas
−
−
−
−
−
−
−
−
−
Veranópolis 120.000,00
−
−
−
−
−
−
−
120.000
Cruz Alta
−
−
−
−
−
−
−
−
−
Rosário do
Sul
−
−
−
−
−
−
−
−
−
Cachoeira
do Sul
−
−
−
−
−
−
−
−
−
Demanda 162834 23262 11631 11631 6979 6979 4652 4652 232.619,72
Fonte: elaborada pelo autor, baseado nos resultados do modelo
107
Tabela 19 −
−−
− Fluxo de álcool (ton) entre o Elo 1 e Elo 2 para B10
Elo 2 - Locais para instalação de usinas de biodiesel
Centros
coletores
Passo Fundo Veranópolis Cruz Alta
Rosário do
Sul
Cachoeira do
Sul
Total
Elo 1-Londrina 17.569 18.720
− − −
36.288,68
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Para B10, tem-se a necessidade de construir duas usinas de tamanho grande (120.000
toneladas), nas cidades de Veranópolis e Passo Fundo. A usina de Veranópolis, por estar mais
próxima ao principal consumidor (refinaria de Canoas) irá atender apenas este ponto,
enquanto que a de Passo Fundo, além de atender parte da demanda da refinaria de Canoas, irá
suprir as demais bases.
8.5.4 Cenário 4
Neste cenário, foi incluída a alternativa de localização de uma usina, na cidade de
Canoas, tendo em vista que este ponto está próximo a dois potenciais fornecedores de óleo de
soja e ao principal ponto de demanda, para uma demanda de B5.
Tabela 20 −
−−
− Fluxo do insumo óleo de soja (ton) entre o Elo 1 e Elo 2 para B5,
adicionando um ponto de transbordo (Canoas)
Elo2 - Locais para instalar fábricas
Elo 1
Indústria
esmagadora
de soja
Passo
Fundo
Canoas Veranópolis
Cruz
Alta
Rosário do
Sul
Cachoeira
do Sul
Total
Canoas
−
78.540
−
−
−
−
−
Lajeado
−
33.699,01
−
−
−
−
−
Passo Fundo
−
−
−
−
−
−
−
Rio Grande
−
−
−
−
−
−
−
Guarani das
Missões
−
−
−
−
−
−
−
Três Passos
−
−
−
−
−
−
−
Veranópolis
−
−
−
−
−
−
−
Total
−
112.239,01
−
−
−
−
112.239,01
Fonte: elaborada pelo autor, baseado nos resultados do modelo
108
Tabela 21 −
−−
− Fluxo do biodiesel (ton) entre o Elo 2 e Elo 3 para B5, adicionando
um ponto de transbordo (Canoas)
Elo 3 - Bases de distribuição
Elo 2
Locais para
instalação
de fábricas
Canoas
Rio
Grande
Cruz
Alta
Passo
Fundo
Ijuí
Santa
Maria
Uruguaiana
Bagé Total
Passo Fundo
−
−
−
−
−
−
−
−
−
Canoas
81.416,90
11.630,99
5.815,49
5.815,49
3.489,30
3.489,30
2.326,20 2.326,20
116.309,86
Veranópolis
−
−
−
−
−
−
−
−
−
Cruz Alta
−
−
−
−
−
−
−
−
−
Rosário do
Sul
−
−
−
−
−
−
−
−
−
Cachoeira do
Sul
−
−
−
−
−
−
−
−
−
Demanda
81.416,90
11.630,99
5.815,49
5.815,49
3.489,30
3.489,30
2.326,20 2.326,20
116.309,86
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Tabela 22 −
−−
− Fluxo do álcool (ton) entre o Elo 2 e Elo 3 para B5, adicionando
um ponto de transbordo (Canoas)
Fluxo do álcool
Centros
coletores
Passo
Fundo
Canoas Veranópolis Cruz Alta
Rosário
do Sul
Cachoeira
do Sul
Total
Elo 1-Londrina
−
18.144
−
−
−
−
18.144
Fonte: elaborada pelo autor, baseado nos resultados do modelo
Como já era esperado, a cidade mais atrativa para a construção de uma usina de
biodiesel foi a cidade de Canoas. Ressalta-se, aqui, que se parte da premissa que as indústrias
de esmagamento de soja, localizadas próximas a essa potencial usina em Canoas,
(BIANCHINI; BUNGE
−
SOLAE) irão fornecer óleo de soja ao mesmo preço das
esmagadoras localizadas no interior do Estado.
9 CONSIDERAÇÕES FINAIS
O presente estudo teve como objetivo a proposição de um modelo para auxiliar a
tomada de decisão quanto à localização de plantas de biodiesel no Rio Grande do Sul. Após
descrever a cadeia produtiva do biodiesel, foi possível propor um modelo de localização,
visando a minimizar os custos de transporte e instalação das futuras usinas de biodiesel.
Os resultados mostram que o fluxo que minimiza os custos de transporte do sistema
(cadeia produtiva) é a cidade de Canoas. Ressalta-se, aqui, que o modelo não inclui os custos
da matéria-prima (óleo de soja), pois considera que todos os fornecedores comercializam o
óleo de soja pelo mesmo preço, visto que se trata de uma
commodity
de preço atrelado à bolsa
de valores de Nova York. O modelo, entretanto, é flexível para incluir tais parâmetros e
mostrar uma nova configuração do sistema.
Como a demanda por biodiesel está concentrada em apenas um ponto, base de
distribuição de Canoas (refinaria REFAP), e próximo a este ponto se encontram dois
fornecedores potenciais, as esmagadoras Bianchini e Bunge – Solae, existe um forte indício
que a melhor opção para localizar uma planta de biodiesel seja a proximidade de um desses
três pontos.
Admitindo, porém, a possibilidade das esmagadoras Bianchini e Bunge terem outro
destino para esse óleo, já que são as únicas indústrias de esmagamento de óleo de soja,
próximas ao mercado consumidor e relativamente distantes das áreas de produção de soja,
testou-se um modelo com outra localização, excluindo-se, assim, a cidade de Canoas
(cenários 1-3). Conseqüentemente, o modelo designou, dentre as opções de localização, a
cidade mais próxima ao principal ponto de demanda, no caso, a cidade de Veranópolis.
110
Os resultados do modelo mostraram que o local deve ser um ponto intermediário entre
as bases de distribuição e as indústrias de esmagamento de soja, uma vez que o peso dos
insumos difere muito pouco do peso do produto acabado e, portanto, o custo de frete da
matéria-prima é relativamente semelhante ao custo do frete do produto acabado. Portanto, a
localização não está limitada às fontes de matérias-primas nem aos mercados consumidores
(ver cap. 2.3.2).
Dentre os projetos de investimento de usinas de biodiesel no Estado, conforme a tabela
23, constata-se que o melhor local, aquele que minimiza o custo com transporte, é a usina
Oleoplan. Outro ponto que merece atenção é o fato que uma demanda de B2, no Estado do
Rio Grande do Sul, representaria apenas 13% da capacidade de produção que se está
planejando construir, em relação às cinco usinas, no Estado. Mesmo uma demanda de B10
necessitaria em torno de 65% desta capacidade (360.000 toneladas/ano). Entretanto, este
maior dimensionamento da capacidade produtiva talvez se justifique caso o Rio Grande do
Sul venha a se tornar um Estado exportador de biodiesel, tanto para o exterior como para os
outros estados do país, visto que possui uma competitiva cadeia produtiva de soja, principal
fonte de insumo, e potencial para expandi-la ainda mais.
Tabela 23 −
−−
− Projetos de plantas de biodiesel no Rio Grande do Sul
Usina Local Capacidade em m
3
/ano
Toneladas/ano
Brasil Ecodiesel Rosário do Sul 100.000 88.747
Coceagro Cruz Alta 40.000 35.499
Granol Cachoeira do Sul 100.000 88.747
BSBios Passo Fundo 100.000 88.747
Oleoplan Veranópolis 66.000 58.573
406.000 360.312
Fonte: RIBEIRO (2006)
Contudo, mesmo que o biodiesel possa oferecer vantagens ambientais e geração de
emprego no campo, só vai substituir completamente o diesel, quando seu preço for mais
competitivo que este e houver oferta abundante de matéria-prima para a produção de óleos
vegetais a um custo competitivo.
O Governo, ao impor que, a partir de 2008, será obrigatório adicionar 2% de biodiesel
puro ao óleo diesel, está gerando uma demanda segura e estimulando a iniciativa privada a
fazer investimentos nessa promissora área de energia alternativa. Porém, é preciso, ainda,
111
analisar o comportamento do preço-soja, que é uma
commodity
, com valor atrelado à Bolsa de
Nova York e com inúmeros destinos comerciais com o mercado de alimentos e com o
possível aumento da demanda em virtude do biodiesel. Em razão disso, é difícil fazer uma
previsão precisa da demanda futura, de forma a orientar investimentos produtivos.
Embora os cenários indiquem o melhor local para instalação de uma usina de
biodiesel, conforme as premissas de cada cenário, a principal contribuição desse trabalho é,
principalmente, a flexibilidade do modelo, permitindo alternativas e premissas de modo a
incluir situações que não foram ainda consideradas.
O projeto nacional de inserção do biodiesel na matriz dos combustíveis é uma
iniciativa promissora para o desenvolvimento do país, para a distribuição de renda e
fortalecimento da agricultura, porém é fundamental o investimento em pesquisas em todas as
etapas da cadeia do biodiesel, para que essa promissora alternativa se concretize de forma a
proporcionar melhorias no quadro socioeconômico nacional.
9.1 LIMITAÇÕES DA PESQUISA E SUGESTÕES DE NOVAS PESQUISAS
Considerando a complexidade do assunto, adotaram-se algumas restrições que
permitiram assegurar um nível de certeza maior nas conclusões, tendo em vista os objetivos
centrais desse trabalho e, no decorrer da pesquisa, foram encontradas algumas limitações
quanto ao estudo realizado, que podem servir como oportunidade para pesquisas futuras.
O modelo apresentado visou a otimizar a cadeia produtiva do biodiesel, indicando os
locais e a distribuição, dentre as alternativas, que minimizariam os custos totais de instalação
e transporte das usinas de biodiesel. É claro que outros fatores podem, também, influenciar as
decisões de localização, alguns não monetários e de difícil mensuração. Entretanto, esses
fatores podem e devem ser analisados em decisões individuais, especialmente, quando eles
não podem ser considerados num modelo dessa magnitude. Sendo assim, apesar de o modelo
buscar a minimização do custo de transporte, os custos individuais (de um
empresário/indústria) podem não estar minimizados. Portanto o modelo deve ser aprimorado
quando o objetivo for orientar a decisão de investimento de entidade individual - empresa.
Seriam interessantes pesquisas que utilizassem ferramentas da análise de investimento e
112
engenharia econômica para estudar a viabilidade econômica e financeira das usinas de
biodiesel.
Outra importante limitação diz respeito à estrutura da cadeia de produção do biodiesel
e à mensuração dos parâmetros de entrada do modelo. Como a cadeia do biodiesel está em
formação, este estudo prospectou, com base nas entrevistas e publicações, quem seriam os
principais atores da cadeia produtiva: os fornecedores (indústrias de óleo e de etanol), os
clientes (bases de distribuição e refinarias) e as alternativas de instalação de usinas de
biodiesel. Com o andamento da estruturação dessa cadeia produtiva, novas pesquisas serão
importantes para analisar a dinâmica e a interatividade desses atores.
Este trabalho não considerou a logística da glicerina, que é um importante subproduto
da produção de biodiesel. Surge, assim, a oportunidade de realizar pesquisas a fim de analisar
o valor e as aplicações comerciais da possível produção, em larga escala, desse subproduto
que apresenta aplicações para a indústria alimentícia, farmacêutica, do tabaco e bélica, entre
outros usos.
Por fim, este trabalho configurou a cadeia produtiva de biodiesel baseado na fonte da
matéria-prima soja, entretanto sabe-se que outras oleaginosas podem ser fontes de óleo para
biodiesel. Novas pesquisas poderiam estudar o uso de fontes como a mamona e o dendê, por
exemplo, para a produção de biodiesel, tanto para o Rio Grande do Sul como para o país.
Conforme Pidd (1998), as impressões do mundo são sempre parciais, tanto no sentido
que não se vivencia toda a realidade quanto no sentido da influência que se recebe dela.
Portanto, ao desenvolver o modelo, foram necessárias algumas projeções e aproximações da
realidade para construir um modelo de forma suficientemente bem definida, para que, pelo
menos, o problema da localização e distribuição pudesse ser interpretado e argumentado por
outras pessoas.
Outra consideração a ser feita é que o modelo pode estar subotimizado (ver cap.2.2.3),
visto que não se consideraram todos os elementos da cadeia produtiva do biodiesel, como o
elo de produção agrícola, a disponibilidade de outras fontes de óleos, com uma demanda para
exportação e co-produtos, entre outros aspectos.
REFERÊNCIAS
ABIOVE – Associação Brasileira de Indústrias de Óleos Vegetais. Base de dados. Disponível
em: <http://www.abiove.com.br/.> Acesso em: maio 2006.
ALVIM, C. F. Relatório Preliminar do Projeto Fornecimento de instrumento de avaliação de
emissão de gases de efeito estufa a uma matriz energética. Disponível em:
<http://www.ecen.com/eee30/s_trnsp9.htm.>
Economia & Energia,
out. 2001. Acesso em:
maio 2006
ANDRADE, Eduardo Leopoldino de.
Introdução à pesquisa operacional
: métodos e
técnicas para análise de decisão. Rio de Janeiro: LTC, 1989.
ANTT – Agência Nacional de Transportes Terrestres. Banco de dados. Disponível em:
<http://www.antt.gov.br/.> Acesso em: maio 2006.
ANUÁRIO EXAME. Infra-Estrutura 2004 – 2005. São Paulo: Abril, nov. 2004.
BALLOU, R. H.
Gerenciamento da cadeia de suprimentos
: Planejamento, organização e
logística empresarial. Porto Alegre: Bookman, 2001.
BRANDEAU, M.L.; CHIU, S.S. An overview of representative problems in location
research.
Management Science
, v. 35, n. 6, June 1989.
BRASIL. ANP - Agência Nacional de Petróleo, Gás Natural e Biocombustíveis. Dados
Estatísticos. Disponível em: <http://www.anp.gov.br.> Acesso em: 15 mar. 2005-a.
BRASIL. Decreto 5.448. Autoriza a adição de dois por cento, em volume, de biodiesel ao
óleo diesel. Presidência da República, Brasília, DF, 2005-b.
BRASIL. MDIC - Ministério do Desenvolvimento, Indústria e Comércio Exterior. Base de
Dados. Disponível em <http://www.mdic.gov.br.> Acesso em: jul. 2006-a.
BRASIL. MINISTÉRIO DOS TRANSPORTES. Base de Dados. Disponível em:
http://www.transportes.gov.br/. Acesso em: mar 2006-b.
BRASIL. Lei nº 11.097. Dispõe sobre a introdução do biodiesel na matriz energética
brasileira. Presidência da República, Brasília, DF, 2005-c.
114
BRASIL. MME
−
Ministério de Minas e Energia. Balanço Energético Nacional. Disponível
em: <http://www.mme.gov.br.> Brasília, 2005-d.
CAIXETA-FILHO, José Vicente. Sistema de informações de fretes para cargas agrícolas:
concepção e aplicações.
Revista Brasileira de Agroinformática
, v.1, n.1, p.42-52, set. 1998.
CAIXETA FILHO, Jose Vicente; MARTINS, Ricardo S. (org).
Gestão logística do
transporte de carga.
São Paulo: Atlas, 2001.
CÁNEPA, Daniela L.
Alternativas de constituição da cadeia produtiva do biodiesel na
perspectiva dos centros de P&D.
Porto Alegre: UFRGS, 2004. Dissertação (Mestrado em
Agronegócios) – Universidade Federal do Rio Grande do Sul. Porto Alegre, 2004.
COFIMT – Coordenadoria de Fiscalização de Mercadoria em Trânsito. Distância entre todas
as cidades do Brasil. Disponível em: <http://www.sefaz.ms.gov.br/cofimt/>. Acesso em: maio
2005.
COPPER, L. Solutions of generalized location equilibrium models.
J. Reg. Sci
., v. 7, p. 1-18,
1967.
D’SOUZA, G.E. Structure of the U.S Soybean Processing Industry in the 1990s.
Agribusiness
, v.4, n.1, 11-23, 1988.
DORNELLES, R. Programa Nacional de Produção e Uso de Biodiesel. In: REUNIÃO DO
GRUPO DE TRABALHO DE LOGÍSTICA DO BIODIESEL, 1ª, 18 maio 2006, Rio de
Janeiro. Disponível em: <http://www.anp.gov.br/>. Acesso em: 24 jul. 2006.
DUMIT, C.
O transporte ferroviário de carga no Brasil: Estudo de caso do transporte de
combustíveis na Região Sul
. Rio de Janeiro: PUCRJ, 2005. Dissertação de Mestrado
(Mestrado Profissional em Engenharia Industrial) – Pontifícia Universidade Católica do Rio
de Janeiro, 2005.
ESTADOS UNIDOS. National Biodiesel Board. Disponível em: <http://www.biodiesel.org/.>
Acesso em: maio 2005. Estados Unidos, 2005.
FERRES, Diego. Palestra. In: SEMINÁRIO INTERNACIONAL SOBRE BIODIESEL
(ABIOVE/TECPAR), 2003, Curitiba,
Anais
. [s.n.], 2003.
FERRES, J. D. Novo Desafio: Preservar a oferta de alimento... Agregar nova opção de
biocombustível. In: SEMINÁRIO BNDES: investimento em biodiesel, março 2006, BNDES,
Rio de Janeiro. Disponível
em:<http://www.bndes.gov.br/conhecimento/publicacoes/catalogo/s_biodiesel.asp.> Acesso
em: jul. 2006.
FREITAS, Maria de Fátima.
Informações Econômicas
, São Paulo, v.34, n.1, jan. 2004.
GALVÃO, R. D. Modelos e algoritmos para problemas de localização em redes.
Pesquisa
Operacional
, v. l, n.1, out. 1981.
GUANDALINI, Guiliano; BORSATO, Cíntia. A auto-suficiência chega em boa hora, mas ela
é fruto também do pífio avanço do PIB brasileiro.
VEJA
, 26 abr. 2006.
115
GOMIDE, Ricardo. Programa Nacional de Produção e Uso do Biodiesel. In: SEMINÁRIO
BIODIESEL NO RIO GRANDE DO SUL, 2005, REFAP, Canoas. Disponível em:
<http://www.refapsa.com.br/biodiesel/>. Acesso: 1º jun. 2005.
HAKIMI, S.L. Optimum location of switching centers and the absolute centers and medians
of a graph.
Opns. Res
., v. 12, p. 450-9, 1964.
HASS, Michael J. et al. A process model to estimate biodiesel production costs.
Bioresource
Technology,
n. 97, p. 671-8, 2006.
HURT, V.R.; TRAMEL, T. E. Alternative formulation of the transhipment problem.
J Farm
Econ,
n. 47, p. 763-73, 1965.
IBGE. Produção Agrícola Municipal (PAM). Instituto Brasileiro de Geografia Estatística.
Disponível em: <http://www.sidra.ibge.gov.br/>. Acesso em: maio 2006.
JENSEN, PAUL A.; JONATHAN, F. BARD.
Operation research models and methods
.
EUA: John Wiley & Sons, 2003.
JUAREZ F.; ROMERO C. An optimum location and size model for a food-processing plant
in continuos space.
Agric Syst
, n. 22, p. 71-6, 1986.
KING, G.A.; LOGAN, S.H. Optimal location, number and size of processing plants with raw
product shipments.
J Farm Econ
, n. 46, p. 730-7, 1964.
KLINGMAN D.; RANDOLPH P.H.; FULLER S.W. A cotton ginning problem.
Opn Res
, n.
24, p. 700-17, 1976.
KÖKSALAN, Murat; SÜRAL, Haldun. Efes Beverage Group Makes Location and
Distribution Decisions for its Malt Plants.
Interfaces
, v. 29, n. 2, p. 89-103, maio-abr. 1999.
KRARUP, J.; PRUZAN P.M. The single plant location problem: survey and synthesis:
Eur J
Opl Res,
n. 12, p.36-81, 1983.
LACERDA, L. Considerações sobre o estudo de localização de instalações. In: FLEURY, P.
et al. (Org.).
Logística empresarial
: a perspectiva brasileira. São Paulo: Atlas, 2000. p. 160-
6.
LINDO SYSTEM’S. Base de dados. Disponível em: <http://www.lindo.com/>. Acesso em:
mar. 2005.
LOPES, L.R; CAIXETA FILHO, J.V. Suinocultura no Estado de Goiás: Aplicação de um
modelo de localização.
Pesquisa Operacional
, v. 20, n.2, p. 213-32, dez. 2000.
LUCAS, M.T; CHHAJED, D. Applications of location analysis in agriculture: a survey.
Journal of the Operational Research Society
, 2004, v. 55, p. 561-78.
MACEDO, G.A.; MACEDO, J.A. Produção de biodiesel por transesterificação de óleos
vegetais.
Biotecnologia Ciência e Desenvolvimento
, n. 32, jan.-jun. 2004.
MALIGO, Carlos.
Modelo para simulação da operação de carregamento de caminhões-
tanque em uma base de distribuição de combustíveis automotivos
. Rio de Janeiro:
116
PUCRJ, 2005. Dissertação (Mestrado em Logística) – Pontifícia Universidade Católica do Rio
de Janeiro, 2005.
MEHER, L. C.; VIDYA SAGAR, D.; NAIK, S. N. Technical aspects of biodiesel production
by transesterification – a review.
Renewable and Sustainable Energy Reviews
, n.10, p.248-
68, 2006.
MEIRELLES, F. de S. Biodiesel. Brasília, set. 2003. Disponível em:
<http://faespsenar.com.br/faesp/economico.> Acesso em: 10 out. 2005.
MONKS, Joseph G.
Administração da produção
. São Paulo: McGraw-Hill, 1987. p. 55-86.
MOREIRA, Daniel A.
Administração da produção e operações
. São Paulo: Pioneira, 1993.
p. 175-207.
MORRIS, J.G. A linear programming solution to the generalized rectangular distance Weber
problem.
NRLQ
, v. 22, p. 155-67, 1975.
MOTTA, Fernando C.; VASCONCELOS, Isabella F. G.
Teoria geral da Administração
.
São Paulo: Pioneira Thomson Learning, 2004.
NAPPO, Marcelo. Competitividade econômica do Biodiesel no Brasil. In: SEMINÁRIO
BIODIESEL NO RIO GRANDE DO SUL, 2005, REFAP, Canoas. Disponível em:
<http://www.refapsa.com.br/biodiesel/>. Acesso em: 1º jun. 2005.
NOGUEIRA, L.A.H.; PIKMAN, B. Biodiesel: Novas perspectivas de sustentabilidade.
Conjuntura e Informação
. Brasília, n. 19, p. 2-4, ago.-dez. 2002. Disponível em
<http://www.anp.gov.br/doc/informe_ci/CI_n_19.pdf.> Acesso em: abr. 2005.
NOGUEIRA, L.A.H. et al.
Dendroenergia
: fundamentos e aplicações. Brasília: Agência
Nacional de Energia Elétrica, 2000. p. 43.
OLIVEIRA, L. B; COSTA, A. O. Biodiesel: uma experiência de desenvolvimento
sustentável. IVIG/COPPE/UFRJ. 2001. 14p.
ORDEN A. The transhipment problem.
Mgmt Sci,
n.2, p. 277-85, 1956.
PARENTE, E. J. de S.
Biodiesel:
uma aventura tecnológica num país engraçado. Fortaleza:
Tecbio, 2003. 68p.
PAULA, Sérgio Roberto de; FAVARET FILHO, Paulo. Panorama do complexo soja.
BNDES
Setorial
, Rio de Janeiro: BNDES, n. 8, p. 119-52, set. 1998.
PETROBRAS. Banco de Dados. Disponível em:<http://www.petrobras.com.br.> Acesso em:
mar. 2006.
PIDD, Michael.
Modelagem empresarial
: ferramentas para a tomada de decisão. Porto
Alegre: Artes Médicas, 1998.
PIRES, Adriano. A energia além do petróleo.
Anuário Exame Infra-Estrutura 2004-2005
,
São Paulo: Abril, p. 91-4, nov. 2004.
117
PLÁ, J.A. Existe viabilidade econômica para o biodiesel no Brasil?
Indicadores
Econômicos
. FEE, Porto Alegre, v.32, n.4, p. 271-94, mar. 2005.
PLÁ, Juan Algorta. Perspectivas do Biodiesel no Brasil.
Indicadores Econômicos
. FEE,
Porto Alegre, v.30, n.2, p.179-90, set. 2002.
PRAMANIK, T.; TRIPATHI, S. Biodiesel: clean fuel of the future.
Hydrocarban
Processing
, fev. 2005.
RAMOS, L.P. et al. Biodiesel: Um Projeto de sustentabilidade econômica e sócio-ambiental
para o Brasil.
Revista Biotecnologia & Desenvolvimento
, n. 31, jul.-dez. 2003.
RIBEIRO, S. Atenção para o coadjuvante.
Zero Hora
, Porto Alegre, n. 1.120, p. 2-3, 16 jun.
2006. Campo e Lavoura.
RUBIN, P. Investimento de olho no biodiesel.
Zero Hora
, Porto Alegre, p. 2, 5 maio 2006.
Campo e Lavoura.
SHAMBLIN, J. E.; STEVENS, G. T.
Pesquisa Operacional
: uma abordagem básica. São
Paulo: Atlas, 1979.
SHIMIZU, Tamio.
Decisão nas organizações
: Introdução aos problemas de decisão
encontrados nas organizações e nos sistemas de apoio à decisão. São Paulo: Atlas, 2001.
SHRIMPFF, E. Planeta óleo?
Eco Spy,
n. 5, p.32-4, 2006
SIFRECA – Sistema de Informações de Fretes. Momentos do transporte. Disponível em:
<http://sifreca.esalq.usp.br.> Acesso em: jul. 2006.
SINDICOM – Sindicato Nacional das Empresas Distribuidoras de Combustíveis e
Lubrificantes. Banco de Dados. Disponível em: <http://www.sindicom.com.br/.>. Acesso em:
maio 2006.
SIOLEO – Sindicato das Indústrias de Óleos Vegetais do Rio Grande do Sul.
Capacidade
instalada de processamento e refino
. [Mensagem pessoal] Mensagem recebida por
<[email protected].>, em 27 mar 2006. 2 p.
STOLLSTEIMER J.F. A working model for plant location numbers and locations.
J Farm
Econ
, n.
45, p. 631-45, 1963.
TEIXEIRA, André L. M.
Uma abordagem para estudo de viabilidade em cadeias
oleoquímicas vegetais:
estudo de caso do óleo essencial de eucalipto Cineol no Estado do
Rio Grande do Sul. Porto Alegre: UFRGS, 2001. Dissertação (Mestrado em Administração) –
Programa de Pós-Graduação em Administração, Escola de Administração, Universidade
Federal do Rio Grande do Sul, 2001.
THEIL, Stefan. The next petroleum.
Newsweek
, ago. 2005
TOFT, H.I.; CASSIDY, P.A.; MCCARTHY, W. O. Sensitivity testing and the plant location
problem.
Am J Agric Econ
, n. 52, p. 403-10, 1970.
118
TURBAN, Efraim; MEREDITH, Jack R.
Fundamentals of Management Science
. Estados
Unidos: Irwin, 1994.
UNICA – União da Agroindústria Canavieira do Estado de São Paulo. Base de Dados.
Disponível em: < http://www.unica.com.br.> Acesso em: 20 maio 2006.
VON OPPEN, M.; SCOTT, J.T. A spatial equilibrium model for plant location and
interregional trade.
American Journal of Agricultural Economics
, v. 58, n.3, p. 437-45,
1976.
WAGER, HARVEY M
. Pesquisa operacional.
Rio de Janeiro: Prentice-Hall do Brasil, 1986.
YIN, Rober K. Estudo de Caso.
Planejamento e métodos
. São Paulo: Bookman, 1994.
119
APÊNDICE A:
ROTEIRO DE ENTREVISTAS UTILIZADO COM OS PESQUISADORES.
Quais são os projetos de instalação de usinas de biodiesel no Rio Grande do Sul?
Existe compatibilidade do biodiesel com o diesel?
Qual será a principal fonte de óleo para o biodiesel no Rio Grande do Sul?
Como será o processo de distribuição do biodiesel no Estado?
Existe viabilidade para a construção de uma usina de biodiesel no Estado?
O biodiesel pode ter problemas de perecibilidade?
Existe capacidade de oferta de óleo de soja no Estado?
Qual é o álcool mais indicado para ser utilizado na produção de biodiesel no Brasil: etanol
ou metanol?
A questão da escala poderá interferir na viabilidade do produção do biodiesel?
Onde será feita a mistura do biodiesel ao diesel?
Qual é a demanda esperada por biodiesel?
É necessário fazer adaptações nos motores para o uso do biodiesel?
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
