Otimização dos custos de frota urbana com uso de modelo combinado de life cycle cost e simulação de Monte Carlo

Abstract

Resumo:Otimizar o valor do custo médio anual, de uma frota de ônibus, tem se tornado uma preocupação, cada vez maior, na gestão das empresas de transporte em todo mundo. Atualmente, existem várias ferramentas disponíveis para auxiliar as decisões gerenciais e, uma da mais utilizadas, é a análise do custo do ciclo de vida de um ativo, conhecida como "Life Cycle Cost". Caracterizada por executar uma análise determinística da situação, permite à gestão, avaliar o processo de substituição da frota, porém, mostra-se limitada, por não contemplar certas variações intrínsecas aos veículos e por, desconsiderar variáveis relacionadas às contingências de uso da frota. O objetivo principal deste trabalho é desenvolver um modelo combinado de apoio ao gerenciamento de ativos, baseado na associação entre a ferramenta Life Cycle Cost e o modelo matemático de Simulação de Monte Carlo, mediante a realização de uma análise estocástica, considerando tanto a idade, quanto a quilometragem média anual para substituição ótima de um veículo. O método utilizado foi aplicado em uma frota de transporte urbano brasileira, e os resultados indicam que o uso do modelo estocástico foi mais eficiente que a utilização de modelo único determinístico. Palavras-chaves:Life Cycle Cost. Simulação de Monte-Carlo. Otimização. Substituição de Frota. Análise de Custo. Abstract:The optimization of the annual average cost for a bus fleet had become an important issue for the managers of transport companies worldwide. Currently, there are several available tools to support managerial decision making. One of the most used techniques to analyze is the deterministic method named "Life Cycle Cost" which allows the user to assess the replacement moment. However, this method is limited because it does not consider all the possible intrinsic variations in the equipment or the possible modifications in the utilization level. This paper objective is to develop a tool to support asset's management through the combination of the Life Cycle Cost and the Monte Carlo Simulation approaches, which forms a stochastic analytical model that considers age, annual mileage for the optimal replacement fleet. For this paper's development, data obtained from a Brazilian company were employed. The results show that the use of this combined tool is more efficient that the deterministic model.

Economic Life Cycle <i>versus</i> Lifespan – A Case Study of an Urban Bus Fleet

“…The use of econometric models mixed with maintenance variables and stochastic models is discussed in [43][44][45][46][47][48][49][50].…”

Determination of care price in health plans using simulation

“…Quando estes valores não forem conhecidos, a solução deverá ser buscada através de simulação (Lustosa et al, 2004 Dessa forma, o objetivo da simulação é descrever a distribuição e características dos possíveis valores de uma variável dependente, depois de determinados os possíveis valores e comportamentos das variáveis independentes relacionadas (Winston, 2004). Assim, a simulação pode ser abordada por praticamente qualquer tema como, por exemplo, reciclagem do papel contido nos resíduos sólidos urbanos (Simoneto et al, 2014), sistema de reposição de estoque (Beck et al, 2015), custo médio anual de uma frota de ônibus (Riechi et al, 2017) e viabilidade financeira para a geração de energia limpa (Catapan et al, 2016).…”

Validação Do Método Gum Usando O Gum-S1 Para Avaliar a Incerteza De Medição Associada a Dureza Brinell

“…Além disso, devido à ausência de um algoritmo único para SMC, é possível ajustar o procedimento de simulação de acordo com a situação de forma mais oportuna (Riechi;Tormos;Hillebrand, 2017). Para a comparação dos resultados de incerteza do mensurando, avaliados pelo método GUM e GUM-S1, o Suplemento 1 do GUM recomenda um procedimento baseado no número de algarismos significativos que será utilizado na expressão da incerteza expandida de medição (Oliveira;Aguiar, 2009).…”