Copyright 2012, Instituto Brasileiro de Petrleo, Gs e Biocombustveis - IBP

Este Trabalho Tcnico foi preparado para apresentao na Rio Oil & Gas Expo and Conference 2012, realizado no perodo de 17 a
20 de setembro de 2012, no Rio de Janeiro. Este Trabalho Tcnico foi selecionado para apresentao pelo Comit Tcnico do evento,
seguindo as informaes contidas no trabalho completo submetido pelo(s) autor(es). Os organizadores no iro traduzir ou corrigir os
textos recebidos. O material conforme, apresentado, no necessariamente reflete as opinies do Instituto Brasileiro de Petrleo, Gs e
Biocombustveis, Scios e Representantes. de conhecimento e aprovao do(s) autor(es) que este Trabalho Tcnico seja publicado
nos Anais da Rio Oil & Gas Expo and Conference 2012.
______________________________
1
Engenheiro de Produo COPPE/UFRJ
2
D.Sc. em Engenharia de Produo COPPE/UFRJ
IBP1250_12
GERENCIAMENTO DINMICO DA LOCALIZAO DE
ARMAZNS E ALOCAO DE ESTOQUES APLICADO AO
ABASTECIMENTO DE UNIDADES DE PRODUO OFFSHORE
Thiago Castilho Moreira Silva
1
,
Virglio Jos Martins Ferreira Filho
2



Resumo

As descobertas de grandes reservas, na regio denominada de pr-sal, alteraram significativamente o ambiente de
produo de petrleo no Brasil, bem como de toda a cadeia envolvida nestas atividades. Do ponto de vista da rede
logstica vinculada a explorao e produo deste petrleo, situado mais longe na costa, em profundidades maiores e em
local sem infraestrutura implantada, novos e desafiantes problemas se colocam: restries mais apertadas, necessidade de
tratar o problema em diferentes nveis hierrquicos, exigncia de considerao dos riscos e incertezas na abordagem dos
problemas e na tomada de deciso. O correto dimensionamento da rede de instalaes de apoio, a alocao e o
dimensionamento dos estoques dos suprimentos e das peas de reposio ilustram um conjunto de decises que vai desde
decises estratgicas at o planejamento operacional. Em se tratando de operaes envolvidas especificamente na
produo de petrleo em plataformas martimas, com severas restries de espao e custos elevados de estocagem e de
transporte estas questes se revestem de especial interesse. O objetivo deste trabalho desenvolver um modelo de gesto
de estoques, com vistas ao abastecimento de equipamentos para a extrao de petrleo no mar, usualmente denominadas
de Unidades de Produo (UPs), que considere: efeitos de consolidao dos estoques, possveis alternativas a localizao
destes estoques e variao no tempo tanto da localizao das UPs, quanto dos seus padres de demanda. Para tanto foi
desenvolvido um modelo de programao matemtica no-linear cujo objetivo minimizar os custos fixos de instalao
de armazns e os custos variveis de transporte e de estocagem. Diferentes cenrios so analisados de forma a entender
como a incorporao dos estoques de ciclo e de segurana afeta a deciso de localizar um ou mais armazns e, tambm, os
efeitos relacionados s principais polticas de alocao dos estoques.


Abstract

The discovery of large reserves in the region called the pre-salt, significantly changed the environment of oil
production in Brazil, as well as the entire chain involved in these activities. From the standpoint of logistics network
linked to exploration and production of oil, located further down the coast at greater depths and in a place with no
infrastructure in place, new and challenging problems arise: tighter restrictions need to address the problem at different
levels hierarchical, requiring consideration of risks and uncertainties in addressing problems and decision making. The
correct dimensioning of the network of support facilities, the allocation and sizing of inventory of supplies and spare parts
illustrate a series of decisions ranging from strategic decisions to operational planning. In terms of specific operations
involved in oil production in offshore platforms, with severe space constraints and high costs of storage and transport
these issues are of particular interest. The objective of this work is to develop a model of inventory management, aiming
to supply equipment for the extraction of oil at sea, usually called Production Units (UPs), which considers: effects of
consolidating inventory, potential alternatives to location of these inventories and time variation of both the location of the
UPs, and their demand patterns. For this purpose we developed a nonlinear mathematical programming model whose
objective is to minimize the fixed costs of installation of warehouses and variable costs of transportation and storage.
Different scenarios are analyzed to understand how the incorporation of the cycle and safety stocks affects the decision to
locate one or more warehouses, and also the effects related to the main inventory allocation policies.


Rio Oil & Gas Expo and Conference 2012
2
1. Introduo

Por conta do grande crescimento de operaes da indstria do petrleo brasileira previsto para os prximos anos,
investimentos robustos no desenvolvimento de novos mtodos e tecnologias para extrao geram escala para instalao de
novas indstrias de bens e servios. Do ponto de vista operacional, falhas no planejamento do sistema de abastecimento
de petrleo podem determinar ineficincias ou mesmo a interrupo da produo na cadeia como um todo. Mais
especificamente, em relao a uma rede logstica vinculada estrutura de apoio para explorao e produo do petrleo
offshore, as restries so mais severas e passa-se a ter necessidade de tratar o problema sob diferentes nveis
hierrquicos.
Dentro deste ambiente imperativa a utilizao de ferramentas de anlise na soluo dos complexos problemas
vinculados ao sistema logstico de abastecimento de materiais e equipamentos para as unidades martimas de explorao e
produo de petrleo. Neste trabalho apresentado um modelo de gesto de estoques, com vistas ao abastecimento de
Unidades de Produo (UPs), que apoia a definio de localizao de novos armazns bem como da alocao das UPs a
estes armazns levando em conta os efeitos de consolidao dos estoques e a variao no tempo tanto da localizao das
UPs, quanto dos seus padres de demanda.
Na sequncia do texto na seo 2 o problema descrito de forma pormenorizada, bem como so descritas as
premissas adotadas no estudo. A seo 3 revisa os principais conceitos ligados a gesto de estoques. Na seo 4
apresentado o modelo de programao matemtica no-linear desenvolvido para resolver o problema. Na seo 5, de
forma a entender como a incorporao dos estoques de ciclo e de segurana afeta a deciso de localizar um ou mais
armazns e, tambm, os efeitos relacionados s principais polticas de alocao dos estoques, conduzida uma analise dos
diversos parmetros envolvidos na modelagem. O exemplo prottipo apresentado na seo 6 ilustra os mtodo utilizado.
Finalmente na seo 7 so apresentadas as principais concluses do trabalho, bem como indicaes de possveis trabalhos
futuros.


2. O Problema de Gerenciamento Dinmico da Localizao de Armazns e Alocao de
Estoques

Para a produo de petrleo no mar as UPs devem ser convenientemente supridas tanto com materiais de
consumo tais como gua, diesel, produtos qumicos essncias ao processo produtivo, quanto com pecas de reposio e
eventualmente equipamentos e peas para atualizao da planta. Algumas destas necessidades tm uma demanda bem
conhecida e determinada, enquanto outras tm uma natureza altamente aleatria. Alm disto, esta demanda varia ao longo
do tempo, UPs mais novas em campos no incio de sua vida produtiva tm uma demanda completamente diferente de UPs
mais antigas em campos j em sua fase madura. O contexto atual de explorao e produo de petrleo nas regies
Sudeste e Sul do Brasil indicam um crescimento ao longo do tempo do nmero de UPs, bem como de sua disperso
geogrfica. Assim o planejamento do abastecimento destas UPs deve lidar no s com o gerenciamento dos estoques de
ciclo e de segurana, que do conta do atendimento da demanda e do tratamento das incertezas a ela associadas, mas
tambm prever a possibilidade da abertura e fechamento de armazns ao longo do tempo com a consequente definio de
onde localizar estes armazns e de quais UPs atender de cada armazm.
Para descrever a situao descrita previamente, o presente trabalho modela o problema como uma rede de
abastecimento de dois elos (2-echelon) onde as UPs so supridas por armazns e estes supridos por fornecedores. A
figura 1 ilustra de forma esquemtica a estrutura modelada na ao do tempo.



Figura 1. Representao Esquemtica da Rede Estudada
Rio Oil & Gas Expo and Conference 2012
3

O espao de possveis localizaes e assumido discreto, isto , os locais onde os armazns podem ser instalados
so conhecidos previamente. Um cenrio possvel de retratar com esta estrutura so armazns localizados no mar (em
estruturas dedicadas para tanto, ou mesmo em UPs com espao de armazenagem disponvel) e fornecedores localizados
em terra agregados em portos. Naturalmente vrios outros arranjos so passveis de serem modelados com esta estrutura
de dois elos.
O problema de gerenciamento dinmico da localizao de armazns e alocao de estoques pode ento ser
esquematicamente definido da seguinte forma. Dados: o conjunto de UPs a serem atendidas em cada instante de tempo,
os possveis locais para a instalao de armazm, os possveis pontos de agregao dos fornecedores (portos), a demanda
de cada UP por cada um dos itens a serem supridos, caracterizados por uma distribuio de probabilidade com os devidos
parmetros (mdia e varincia), os tempos de entrega do fornecedor para os armazns e destes para as UPs, os nveis de
servio a serem observados par cada item; os parmetros de custo: fixo de manuteno para cada armazm, de
transporte entre o fornecedor e o armazm, de transporte entre armazns e UPs, de manuteno de estoques ($ / valor
itens). Obter: quais sero (nmero e localizao) os armazns abertos em cada instante de tempo? A partir de qual
fornecedor cada armazm ser abastecido? Qual ser a alocao das UPs e seus itens de demanda a cada armazm aberto?
Qual o nvel de estoques (estoque de segurana e quantidade da ordem) para cada item em cada armazm? Com o
objetivo de minimizar: os custos fixos de cada instalao (fornecedor e armazns) aberta; os custos de transporte: entre
fornecedor e armazns e entre estes e as UPs; os custos de manuteno de estoques em cada depsito. Levando em conta
restries de que toda a demanda deve ser atendida (dentro dos nveis de servio estabelecido), restries de capacidade
dos fornecedores e dos depsitos; restries de cobertura, isto , um depsito s poder atender a uma UP se a distncia
entre eles for inferior a um valor pr-estabelecido.
As seguintes premissas e hipteses foram assumidas na formulao matemtica do problema, apresentada na
seo 4.
a. Cada fornecedor do armazm tem sua localizao fixa e pr-determinada em cada perodo de tempo;
b. Cada UP tem sua localizao fixa e pr-determinada em cada perodo de tempo;
c. As possveis localizaes dos armazns so pr-determinadas e finitas em cada perodo de tempo;
d. O nmero de armazns finito e no mximo igual ao nmero de possveis localidades;
e. H somente um produto a ser transportado e estocado na rede;
f. A demanda por materiais e equipamentos em cada UP possui uma distribuio normal, com varincia constante ao
longo do tempo, isto a demanda homocedstica;
g. As demandas por materiais e equipamentos em cada UP so variveis aleatrias independentes, com correlao e
desvios-padro diferentes de zero em cada perodo de tempo;
h. As UPs podem ser servidas por mais de um armazm em cada perodo de tempo, ou seja, pode haver cross filling;
i. Cada armazm pode atender a mais de uma UP em cada perodo de tempo;
j. Os estoques de ciclo e estoques de segurana so considerados apenas nos armazns;
k. No so considerados estoques no fornecedor e nem nas UPs;
l. So considerados os nveis de servio requeridos por cada UP em cada perodo de tempo na forma de um fator de
segurana que garante uma determinada probabilidade de no ocorrncia de stockouts. O fator o mesmo para
todos os armazns;
m. assumido um modelo de gesto de estoques nos armazns do tipo lote econmico de compra (LEC) e ponto de
pedido (PP);
n. Os custos unitrios de ressuprimento so funo do tempo de entrega (lead time) do fornecedor para cada
armazm, sendo medidos em $/unidade/dia;
o. Os custos de unitrios de transporte entre os armazns e as UPs dependem das distncias entre os mesmos. Eles so
medidos em $/unidade.


3. Polticas de Gesto de Estoques

Nesta seo so revistos as principais polticas de gerenciamento de estoques. Inicialmente so apresentados os
modelos bsicos para um nico armazm e um nico produto: o modelo de lote econmico (LEC) com ponto de pedido
(PP. Em seguida, so mostradas tcnicas de gerenciamento de estoques a partir de mais de um armazm, conhecidas na
literatura por tcnicas de Risk Pooling. Por fim, so apresentados os modelos que consideram a variao da demanda ao
longo do tempo, isto , que tratam do gerenciamento dinmico dos estoques.

3.1. Modelo do Lote Econmico (LEC) e do Ponto de Pedido (PP)
Rio Oil & Gas Expo and Conference 2012
4
Em uma das primeiras tentativas de se otimizar os nveis de estoque, considerou-se o caso em que a demanda
contnua e perptua. Posteriormente, o Modelo do Lote Econmico (LEC) se tornou parte integrante do modelo de ponto
de pedido (PP), sendo que as demandas e os lead times de ressuprimento passaram a ser probabilsticos.
O LEC caracteriza os estoques de ciclo, ou seja, aqueles que so utilizados para se atender ciclicamente a
demanda propriamente dita, sem levar em conta as variaes que a mesma pode apresentar durante o lead time. Na sua
determinao, utilizado o conceito de minimizao dos custos totais. Quando se considera a demanda constante, o custo
total (CT) engloba os custos de colocao dos pedidos (de compra ou distribuio) e os custos de manuteno de
estoques. O LEC o lote que minimiza o CT. Para se encontrar o LEC, deriva-se a expresso do CT em relao a
quantidade a ser pedida do produto e iguala-se a frmula obtida a zero. O ponto de pedido (PP), por sua vez, o momento
no qual se deve pedir um ressuprimento. Num mundo sem incertezas, a taxa de consumo dos produtos totalmente
previsvel, assim como o tempo de entrega. Assim, sabe-se com preciso o momento no qual o nvel de estoques chegar a
zero, que caracteriza o momento do reabastecimento. (Wanke, 2008) Para isso, considera-se o lead time (LT) desde a
colocao do pedido at o reabastecimento. PP to somente o momento de pedir traduzido em termos do nvel de
estoques (em unidades).
Entretanto, as incertezas da demanda dos consumidores e do suprimento de produtos por parte de fornecedores,
fbricas ou outros canais, requerem um cuidado adicional. A forma de fazer isto, nos modelos tradicionais de LEC e PP
atravs da manuteno de um estoque adicional para os produtos armazenados (Tallon, 1993), de modo a se obter uma
proteo quanto probabilidade de um stockout (falta de produto). A este estoque denomina-se Estoque de Segurana
(ES). A determinao de ES deve considerar, dessa maneira, a variabilidade (desvio-padro) da demanda durante o lead
time. A distribuio de probabilidade da demanda durante o lead time frequentemente considerada aderente
distribuio normal. Neste caso, pode-se determinar facilmente a probabilidade de no faltar produto. Ela a densidade
acumulada (rea abaixo da curva) da distribuio normal at o limite estabelecido por PP', como mostra a Figura 2. O
estoque de segurana neste caso ser dado pela diferena entre o ponto de pedido que assegura a probabilidade de no
faltar produto PP e a demanda mdia.



Figura 2 Probabilidade de ocorrncia de demanda durante o lead time, aderente distribuio normal. Adaptado de
Wanke (2008).

3.2. Risk Pooling
Os modelos de lote econmico e ponto de pedido foram desenvolvidos num ambiente de um nico produto sendo
fornecido a partir de um nico armazm. Quando mais de um armazm pode fornecer o produto necessrio estabelecer
uma poltica de gerenciamento dos armazns. A bibliografia sobre risk pooling pode ser dividida em quatro grupos de
assuntos mais especficos (Jorge, 2008): a centralizao dos estoques, a anlise de mltiplas fontes de fornecimento, a
transferncia de estoques entre centros de distribuio e a padronizao de componentes ou peas para produo ou
reposio. A finalidade das polticas de risk pooling a mitigao do risco decorrente das flutuaes de demanda de
consumidores separados geogrfica ou mercadologicamente, se compartilhando uma unidade de armazenagem na rede.
A centralizao dos estoques tambm conhecida como consolidao dos estoques, inventory pooling, demand
pooling, portfolio effect, consolidation effect e virtual inventory management. Ela consiste na consolidao fsica dos
estoques em um nmero limitado de localidades (frequentemente uma nica instalao), a partir das quais as todas as
demandas so atendidas. A centralizao dos estoques de segurana tratada nos trabalhos de Maister (1976); Zinn, Levy
e Bowersox (1989); Mahmoud (1992); Evers e Beier (1993); Tallon (1993); Evers e Beier (1998); e Tyagi e Das (1998).
J a centralizao de ambos os estoques de ciclo pode ser encontrada nos trabalhos de Evers (1995) e Wanke (2009).
Rio Oil & Gas Expo and Conference 2012
5
A anlise de mltiplas fontes de fornecimento (order splitting) tem por objetivo mitigar os riscos relacionados s
variaes aleatrias no lead time de ressuprimento (Jorge, 2008). Segundo Evers (1999), order splitting ocorre quando
uma instalao que mantm estoques opera independentemente das outras ao gerenciar seu ressuprimento, dividindo, para
isso, seus pedidos de ressuprimento (no necessariamente de maneira uniforme) entre mltiplos fornecedores.
A existncia de mltiplos armazns possibilita a transferncia de estoques de um centro de distribuio para uma
regio de mercado atendida por outro centro de distribuio, prtica conhecida como transferncias regulares,
transshipments ou cross filling. Ballou e Burnetas (2003) afirmam que importante que sejam determinados os efeitos do
cross filling quando so considerados simultaneamente os estoques de ciclo e segurana nos problemas de localizao de
instalaes e alocao de estoques.
A padronizao de componentes ou peas para produo o recurso usado para reduzir riscos decorrentes da
falta de capacidade de repor uma determinada pea em falta. Os componentes ou peas que servem a mais de um produto,
permitem intercambialidade entre os estoques. (Jorge, 2008)

3.3. Modelos com Demanda Varivel no Tempo
Uma premissa fundamental at aqui na formulao de todos os modelos a existncia de uma demanda continua
e com distribuio constante ao longo do tempo. Entretanto, em muitas situaes prticas, este pressuposto uma
simplificao exagerada da realidade. A considerao de demanda varivel no tempo traz complexidades que dificultam
os procedimentos de otimizao, podendo at mesmo tornar excessivamente rduo e oneroso a busca de uma soluo
tima. Neste sentido, mtodos aproximados, conhecidos como heursticas, so em geral abordagens teis para se lidar
com este tipo de problema. (Ferreira Filho et al., 2003)
Um dos modelos mais importantes que lidam com demanda determinstica varivel no tempo, segundo Ferreira
Filho et al. (2003), o modelo de Wagner-Whitin. Os pressupostos so os mesmos do LEC, exceto pelo fato da demanda
poder variar no tempo. Este formulado como um modelo de programao matemtica, usando programao dinmica ou
programao inteira mista. Os custos presentes so os mesmo do LEC, com exceo de que os custos de estoque so
calculados com base nas quantidades restantes ao final de cada perodo (mudar estes custos para serem baseados no
estoque mdio, como no LEC, no altera em nada a lgica do problema).
Algoritmos otimizantes e heursticas tm sido desenvolvidos com base nessas duas propriedades deduzidas por
Wagner e Whitin. Algumas heursticas inclusive podem dar resultados mais estveis em ambientes de planejamento nos
quais as previses de demanda so revisadas periodicamente. Alm disso, heursticas so mtodos mais intuitivos sendo,
portanto mais fceis de serem entendidos e aplicados por gerentes em seus processos de tomada de decises.
Uma das heursticas mais usadas em substituio ao modelo de Wagner-Whitin a heurstica de Silver-Meal,
tambm conhecida como LPC (Least Period Cost). Esta computa o custo mdio por perodo como uma funo do nmero
de perodos do horizonte analisado. (Peterson et al., 1998)
Outras heursticas conhecidas so: POQ (Periodic Order Quantity), Lote-a-Lote, LUC (Least Unit Cost) e PPB
(Part-Period Balancing). (Peterson et al., 1998) O POQ equivalente ao LEC expresso como tempo de cobertura do
pedido, sendo calculado exatamente pela frmula do ciclo do pedido. O Lote-a-Lote a abordagem mais simples: pede-se
apenas a quantidade estritamente necessria para o perodo em questo, no levando em conta as possibilidades de
economias de escala pela diluio do custo fixo em lotes maiores. Este mtodo minimiza os estoques, mas no eficiente
se os custos fixos por pedido forem relevantes. O LUC equivalente heurstica de Silver-Meal, exceto pelo fato de que
se minimiza o custo mdio por unidade pedida ao invs do custo mdio por perodo. O PPB escolhe o tamanho do
horizonte a ser coberto por um pedido de forma a balancear o custo de estoque e o custo fixo por pedido. Escolhe-se
assim o pedido de maneira que o custo de estoque seja o mais prximo possvel do custo fixo.


4. Modelagem Matemtica

Baseado na definio e premissa do problema apresentadas na seo 2, nesta seo apresentada a formulao
matemtica do problema de gerenciamento dinmico da localizao de armazns e alocao de estoques (PGDAE). Seja
a seguinte notao:



Conjuntos e ndices
n nmero total de UPs
m nmero total de armazns
j,k ndices para UPs
i ndice para armazns
t ndice para perodo
Rio Oil & Gas Expo and Conference 2012
6

Parmetros de Entrada
Custos
P
i
custo unitrio de colocao do pedido no armazm i
M
i
custo de manuteno de estoques por unidade de tempo no armazm i
T
ij
custo unitrio de transporte na distribuio entre o armazm i e a UP j
R custo unitrio dirio de ressuprimento do fornecedor para o armazm
Demanda
D
jt
demanda mdia da UP j no perodo t

jk
correlao entre demandas das UPs j e k
L
i
Lead time mdio de ressuprimento do armazm i

Dj
desvio-padro de demanda na UP j

Li
desvio-padro de lead time de ressuprimento no armazm i
Constantes
E
0i
estoque no armazm i ao final do perodo zero
G constante usada para restringir o tamanho dos pedidos
Z
i
fator de segurana que reflete o nvel de proteo em relao a stockouts

Variveis de Deciso
w
ijt
percentual da demanda da UP j atendida pelo armazm i no perodo t
y
it
varivel binria igual a 1 em caso de pedido de ressuprimento para o armazm i no perodo t
E
it
estoque no armazm i ao final do perodo t
q
it
quantidade pedida pelo armazm i como percentual de atendimento da UP j no comeo do perodo t
SS
it
estoque de segurana no armazm i no perodo t

O PGDAE pode ento ser formulado da seguinte forma:


+ + + =
t i
ijt jt
j
ij
t i
it i
t i
it
j
i
t i
it i
w D T q RL y P E M MinCT (1)
Sujeito a:

t j w
ijtl
i
, 1 =

(2)
t i q w D E E
it
j
ijt jt it it
,
1
+ =

(3)
t i SS E
it it
, >
(4)
( ) ( ) t i L w w w w D z SS
i
j j k
Dk Dj jk ikt ijt
j
ijt Dj Li
j
ijt jt i it
, 2
2 2
2

(
(

+ +
|
|
.
|

\
|
=

=
o o o o

(5)
t i Gy q
it it
, s

(6)
t i q
it
, 0 >
(7)
t i E
it
, 0 >
(8)
t j i w
ijt
, , ) 1 , 0 ( e
(9)
t i y
it
, } 1 , 0 { e
(10)

A funo objetivo (1) busca minimizar a soma de quatro parcelas, respectivamente relacionadas aos custos de
manuteno dos estoques nos armazns, de pedido das UPs para os armazns, de ressuprimento dos armazns e de
distribuio dos armazns para as UPs. As restries (2) asseguram que a totalidade da demanda de cada UP, em cada
perodo de tempo ser atendida pelo conjunto de armazns. As restries (3) garantem o equilbrio de fluxo em cada
armazm em cada perodo de tempo, isto o estoque em cada armazm ao fim de cada perodo de tempo ser igual ao
estoque no perodo anterior menos a demanda atendida pelo armazm mais os recebimentos ocorridos em cada perodo de
tempo. As restries (4) impem que os estoques em cada armazm em cada perodo de tempo sejam sempre superiores
Rio Oil & Gas Expo and Conference 2012
7
ao estoque de segurana. As equaes (5), demonstradas em Everes e Beier (1993), calculam, para cada armazm em
cada instante de tempo, o estoque de segurana que reflete o nvel de proteo desejado em relao a stockouts. As
restries (6) limitam a quantidade que pode ser adquirida por cada armazm em cada instante de tempo. Por fim as
restries (7) a (10) definem os domnios das vaiveis de deciso.


5. Anlise dos Parmetros

O modelo proposto busca reproduzir as premissas consideradas na descrio do problema. Por meio das
premissas, alguns resultados tornam-se esperados e orientam o modelo numa tentativa de reproduzir as respostas de um
problema real. Dessa forma, mediante alteraes significativas nos parmetros de entrada, o modelo proposto produz
diferentes configuraes para o problema. Entre os parmetros com os quais se espera que o modelo responda temos:
1. Custo unitrio de colocao do pedido no armazm i (P
i
)
Um aumento de P
i
inibe o nmero de compras y
it
de novas unidades do produto. Em consequncia, cada compra
passa a ser feita em maior quantidade q
it
. Por fim, os estoques dos armazns crescem E
it
. Uma reduo de (P
i
) aumenta o
nmero de compras y
it
, reduz a quantidade por compra q
it
e diminui os estoques E
it
.
2. Custo de manuteno de estoques por unidade de tempo no armazm i (M
i
)
Um incremento em M
i
passa a restringir a quantidade de produtos em estoque E
it
. Os armazns passam a reduzir
seus estoques e realizar maior nmero de compras y
it
e em pequena quantidade q
it
. Se h reduo em M
i
, h menor
nmero de compras y
it
e em maior quantidade q
it
.
3. Custo unitrio de transporte na distribuio entre o armazm i e a UPj (T
ij
)
Um aumento de T
ij
inibe os transportes realizados entre i e j. Isso significa que w
ijt
tende a ocorrer com pouca
frequncia, porm com valores maiores. Uma diminuio de T
ij
estimula os transportes, w
ijt
tende a ocorrer com mais
frequncia, porm com valores pequenos.
4. Custo unitrio dirio de ressuprimento do fornecedor para o armazm (R)
Uma variao de R implica na frequncia dos ressuprimentos que destinada aos armazns para suprir s UPs.
Assim se R cresce, w
ijt
inibido. Como a quantidade do ressuprimento designada pelo produto w
ijt
D
jt
, pode haver
reduo da quantidade transportada do fornecedor ao armazm. Se a quantidade transportada diminui, a frequencia de
compras de ressuprimento (isto quando y
it
assume valores diferentes de 0) tende a crescer pois os estoques passaro a
ser esgotados ao mximo. Se, porm, R diminui, w
ijt
estimulado. Pode haver aumento da quantidade transportada q
it
do
fornecedor ao armazm. Se a quantidade transportada aumenta, a quantidade de compras y
it
tende a reduzir.
5. Demanda mdia na UP j no perodo t (D
jt
)
Quanto mais concentrados os valores D
jt
entre as UPs, maior a concentrao dos estoques E
it
em poucos
armazns. Isso faz com que a ocorrncia de w
ijt
seja menor e em maiores valores. Quanto maior a distribuio dos valores
D
jt
entre as UPs, maior a desconcentrao dos estoques, gerando maior ocorrncia de w
ijt
e em menores valores. Uma
reduo da demanda D
jt
ao longo do tempo inibe a formao de estoques E
it
e a quantidade de compras y
it
. J um
crescimento da demanda D
jt
no tempo estimula a formao E
it
e a quantidade de compras y
it
.
6. Correlao entre demandas mdias j e k (
jk
)
As alteraes na correlao
jk
interferem no estoque de segurana SS
it
. Assim, o aumento da correlao aumenta
o estoque dos armazns E
it
. Para suprir o aumento de E
it
, so necessrias compras maiores q
it
para os armazns . Se ao
invs de aumentar, a alterao reduz a
jk
, os estoques E
it
so menores. Em funo dessa queda em E
it
, compras menores
q
it
so efetuadas.
7. Lead time mdio de ressuprimento do armazm i (L
i
)
Uma variao de lead time L
i
implica na frequncia da quantidade que destinada aos armazns para suprir s
UPs. Isso significa que w
ijt
D
jt
(percentual da Demanda que um armazm abastece uma UP) tende a ocorrer com pouca
frequncia, porm com valores maiores. Uma diminuio de L
i
permite flexibilidade nos ressuprimentos, w
ijt
D
jt
tende a
ocorrer com mais frequncia, porm com valores pequenos. (Ou seja, a varivel w
ijt
canaliza os impactos citados em
ambos os casos) As variaes de L
i
tambm

interferem no estoque de segurana SS
it
. Assim, o aumento do lead time
aumenta o estoque dos armazns E
it
. Para suprir o aumento de E
it
, so necessrias compras maiores q
it
para os armazns .
Se ao invs de aumentar, a alterao reduz a L
i
, os estoques E
it
so menores. Em funo dessa queda em E
it
, compras
menores q
it
so efetuadas.
8. Desvio-padro de demanda na UP j (
Dj
)
As variaes no desvio-padro de demanda
Dj
interferem no estoque de segurana SS
it
. Assim, o aumento do
desvio-padro de demanda aumenta o estoque dos armazns E
it
. Para suprir o aumento de E
it
, so necessrias compras
maiores q
it
para os armazns . Se ao invs de aumentar, a alterao reduz a
Dj
, os estoques E
it
so menores. Em funo
dessa queda em E
it
, compras menores q
it
so efetuadas.
9. Desvio-padro de lead time de ressuprimento no armazm i (
Li
)
Rio Oil & Gas Expo and Conference 2012
8
As variaes no desvio-padro de lead time de ressuprimento
Li
interferem no estoque de segurana SS
it
. Assim,
o aumento de
Li
aumenta o estoque dos armazns E
it
. Para suprir o aumento de E
it
, so necessrias compras maiores q
it

para os armazns . Se ao invs de aumentar, a alterao reduz a
Dj
, os estoques E
it
so menores. Em funo dessa queda
em E
it
, compras menores q
it
so efetuadas.
10. Estoque no armazm i ao final do perodo zero (E
0i
)
Um incremento do estoque inicial E
0i
aumenta o estoque dos armazns E
it
. Em decorrncia disso, so necessrias
menos compras y
it
para os armazns para atender s demandas nas UPs. Tampouco so estimuladas compras maiores para
q
it
. Por outro lado uma reduo de E
0i
diminui o estoque dos armazns E
it
e tornam-se necessrias mais compras y
it
para
os armazns. Nesse caso, so estimuladas compras menores para q
it
.
11. Constante usada para restringir o tamanho dos pedidos (G)
Um aumento na constante G permite ao modelo comprar em mais quantidade q
it
e em menos vezes y
it
. Como
efeito dessa ao, o sistema aumenta os estoques E
it
. J uma reduo de G, estimula compras em mais quantidade q
it
e em
mais vezes y
it
.
12. Fator de segurana que reflete o nvel de proteo em relao a stockouts (z
i
)
As variaes no fator de segurana k
i
interferem no estoque de segurana SS
it
. Assim, o aumento de z
i
aumenta o
estoque dos armazns E
it
. Para suprir o aumento de E
it
, so necessrias compras maiores q
it
para os armazns . Se ao
invs de aumentar, a alterao reduz a z
i
, os estoques E
it
so menores. Em funo dessa queda em E
it
, compras menores
q
it
so efetuadas.


6. Modelo Prottipo

Para avaliar a capacidade de softwares comerciais e verificar o funcionamento do modelo apresentado na seo 4
um exemplo prottipo foi construdo. Para tanto, considerou-se um sistema no qual duas UPs so atendidas por at quatro
armazns. Os parmetros de entrada foram inseridos de forma a representar uma situao em que os valores de custo
estivessem na mesma ordem de grandeza. O objetivo foi permitir que o resultado fosse conduzido somente pelo modelo,
sem se influenciar por algum dado com valores exageradamente diferente dos demais. Os dados do problema esto
presentes na Tabela 1.

Tabela 1. Dados de entrada

Perodo (t) Transporte (Tij)
0 1 2 3
UP (j)
Armazm (i) 1 2
1 2 3 4
A
r
m
a
z

m

(
i
)

1 0,00 1,07
2 1,07 0,00
UP (j ou k) 3 1,42 0,35
1 2 4 1,07 1,51

Custos
R 10 Correlao (jk)
P 15





M 20




UP (k)





1 2
Constante
U
P

(
j
)

1 1 0,3
E0 300 2 0,3 1
G 1500

Desvio-Padro de Demanda (Dj) Fator de Segurana (zi)
i Dj i zi
1 50 1 1,65
2 100 2 1,65
3 1,65
4 1,65

Desvio-Padro de Lead Time (Li) Lead Time Mdio (Li)
i Li i Li
1 0,5 1 2
2 0,9 2 1
3 0,3 3 1
4 0,7 4 2

A mquina utilizada possui as seguintes caractersticas: Processador Intel Core 2 Duo de 2,66 GHz, Memria
(RAM) de 8 GB e Sistema Operacional Windows Server 2003. Para a realizao de clculos do modelo de Programao
Rio Oil & Gas Expo and Conference 2012
9
Misto Inteira No Linear (PMINL) foi utilizado o software AIMMS 3.12 (Paragon Decision Technology B. V.). A
escolha foi baseada na disponibilidade de utilizao de uma biblioteca ampla de rotinas. O AIMMS 3.12 apresenta ainda
uma interface grfica amigvel para a montagem dos modelos. A rotina PMINL utilizada foi o BARON (Branch-And-
Reduce Optimization Navigator), um solver de otimizao global (OG) sistema computacional para resolver problemas
de otimizao no convexas para timos globais. Problemas puramente contnuos, puramente inteiros, inteiros mistos e
no lineares podem ser resolvidos por este solver, que considerado na literatura no estado da arte em otimizao global.
Para ilustrar a dificuldade do problema tratado, o solver BARON, mesmo neste pequeno exemplo prottipo,
executado por um tempo de 145.309,34 segundos (mais de 40 horas), no conseguiu encontrar uma soluo que possa ser
comprovadamente timo global, neste caso a melhor soluo encontrada pode ser caracterizada como um timo local. A
Tabela 2 exibe um sumrio dos resultados obtidos usando o AIMMS/BARON.

Tabela 2. Sumrio dos resultados

ndice Varivel ndice Varivel
T i j wijt t i yit Eit qit SSit
0 1 1 0,00 0 1 0 300,00 0,00 0,00
0 1 2 0,00 0 2 0 300,00 0,00 0,00
0 2 1 0,00 0 3 0 300,00 0,00 0,00
0 2 2 0,00 0 4 0 300,00 0,00 0,00
0 3 1 0,00 1 1 0 136,76 0,00 136,76
0 3 2 0,00 1 2 0 181,01 0,00 181,01
0 4 1 0,00 1 3 1 459,70 1.038,85 6 459,70
0 4 2 0,00 1 4 0 161,39 0,00 161,39
1 1 1 0,20 2 1 0 646,29 0,00 64,63
1 1 2 0,00 2 2 0 108,90 0,00 108,90
1 2 1 0,00 2 3 1 373,65 596,43 373,65
1 2 2 0,24 2 4 0 881,05 0,00 88,11
1 3 1 0,63 3 1 0 294,11 0,00 29,41
1 3 2 0,75 3 2 0 660,48 0,00 66,05
1 4 1 0,17 3 3 1 612,63 1.420,22 612,63
1 4 2 0,01 3 4 0 474,20 0,00 47,42
2 1 1 0,20


2 1 2 0,02
2 2 1 0,00
2 2 2 0,12
2 3 1 0,62
2 3 2 0,83
2 4 1 0,18
2 4 2 0,03
3 1 1 0,04
3 1 2 0,00
3 2 1 0,00
3 2 2 0,11
3 3 1 0,92
3 3 2 0,88
3 4 1 0,04
3 4 2 0,01


7. Concluso e Comentrios Finais

O problema de localizao de armazns e alocao de estoques foi abordado por meio de um enfoque de
programao matemtica no-linear. Na seo 4 foram consideradas as contribuies das variaes dos parmetros
separadamente. Entretanto, existem interaes entre os diversos parmetros e a contribuio principal do modelo
desenvolvido levar em conta os efeitos dos parmetros simultaneamente. A maioria dos trabalhos de localizao
Rio Oil & Gas Expo and Conference 2012
10
presentes na literatura assume a premissa de que cada mercado servido por somente um armazm (sistemas
independentes), que as demandas no so correlacionadas, que os lead times no apresentam variabilidade e que as
demandas so fixas no tempo. Tais premissas levam a formulaes simplificadas dos estoques de ciclo e de segurana. O
modelo proposto neste estudo assume, assim, premissas menos restritivas e mais prximas da realidade. A incorporao
do Gerenciamento Dinmico de Estoques ao Efeito de Consolidao dentro de um problema de localizao de armazns
contribui com uma nova abordagem para os estudos existentes na literatura. Foram considerados simultaneamente os
estoques de ciclo e de segurana sob os efeitos de variao da demanda no tempo, bem como a premissa de cross filling.
A existncia de variveis inteiras e contnuas, bem como no linearidade nas relaes entre as variveis, tornam o
problema um PMINL, cuja complexidade de resoluo muito elevada. A maioria dos softwares disponveis no mercado
ainda apresentam problemas para a implementao de problemas como este. Os solvers adequados ainda so escassos e
possuem limitaes. Devido ao grau de complexidade do modelo, nem mesmo o solver considerado o estado da arte em
PMINL aps aproximadamente 40h de execuo conseguiu encontrar o timo global para um pequeno exemplo prottipo.
Desta forma como continuidade do presente trabalho, pretende-se buscar mecanismos para que a complexidade do
modelo possa ser atenuada, tais como: a utilizao de metaheuristicas, mtodos de linearizao por partes ou o uso de
relaxao lagrangeana. Um mtodo efetivo de soluo do problema permitir uma melhor anlise dos resultados
considerando a interao dos diversos parmetros, levando a uma melhor escolha das polticas de alocao de estoques e
da configurao da rede de suprimentos.


8. Referncias

BALLOU, R. H., BURNETAS, A. Planning Multiple Location Inventories. Journal of Bus.Log. v.24, n2, p. 65-89, 2003.
EVERS, P. T. Expanding the Square Root Law: An Analysis of Both Safety and Cycle Stocks. Logistics and
Transportation Review, v. 3, n. 1, p. 1-20, 1995.
EVERS, P. T. Filling Costumers Orders from Multiple Locations: A Comparison of Pooling Methods. Journal of
Business Logistics, v. 20, n 1, p. 121-139, 1999.
EVERS, P. T., BEIER, F. J. The Portfolio Effect and Multiple Consolidation Points: A Critical Assessment of the Square
Root Law, Journal of Business Logistics, v. 14, n. 2, p. 109-125, 1993.
EVERS, P. T., BEIER, F. J. Operational Aspects of Inventory Consolidation Decision Making, Journal of Business
Logistics, v. 19, n. 1, p. 173-189, 1998.
FERREIRA FILHO, V. M., GARCIA, E. S. Gesto de Estoques: Otimizando a Logstica e a Cadeia de Suprimentos. 1
Edio, Intercincia, p. 69-73, Rio de Janeiro, 2006.
JORGE, C. M. M. Planejamento de Redes Logsticas Via Simulao: Analisando Fatores Determinantes das Decises de
Localizao e Centralizao da Distribuio. Rio de Janeiro: UFRJ, 2008. 135p. Dissertao (Mestrado)
Universidade Federal do Rio de Janeiro, 2008.
MAHMOUD, M. M. Optimal Inventory Consolidation Schemes: A Portfolio Effect Analysis. Journal of Business
Logistics, v. 13, n 1, p. 193-214, 1992.
MAISTER, D. H. Centralization of Inventories and the Square Root Law. International Journal of Physical
Distribution & Materials Management, v. 6, n 3, p. 124-134, 1976.
MONTEBELLER JUNIOR, E. J. Incorporando o Efeito de Consolidao de Estoques no Planejamento de Redes
Logsticas. Rio de Janeiro: UFRJ, 2009. 164p. Dissertao (Mestrado) Universidade Federal do Rio de Janeiro,
2009.
PETERSON, R., PYKE, D. F., SILVER, E. A. Inventory Management and Production Planning and Scheduling, 3
edio, John Wiley & Sons, p. 198-214,1998.
TALLON, W. J. The Impact of Inventory Centralization on Aggregate Safety Stock: The Variable Supply Lead Time
Case. Journal of Business Logistics, v. 14, n 1, p. 185-203, 1993.
TYAGI, R., DAS, C. Extension of the Square Root Law for Safety Stocks to Demands with Unequal Variances. Journal
of Business Logistics, v. 19, n 2, p. 197-203, 1998.
WANKE, P. F. Gesto de Estoques na Cadeia de Suprimentos: decises e modelos quantitativos. So Paulo, Atlas, 2008.
WANKE, P. F. Consolidation Effects and Inventory Portfolios. Transportation Research. Part E, v. 45, p. 107-124, 2009.
ZINN, W., LEVY, M., BOWERSOX, D. J. Measuring the Effect of Inventory Centralization/Decentralization on
Aggregate Safety Stock: The Square Root Law Revisited. Journal of Business Logistics, v 10, p. 1-14, 1989.