Desenvolvimento de uma metodologia para avaliação da demanda e capacidade de carga nos principais aeroportos brasileiros

Transcrição

1 Desenvolvimento de uma metodologia para avaliação da demanda e capacidade de carga nos principais aeroportos brasileiros Michel de Oliveira Vasconcelos Instituto Tecnológico de Aeronáutica, São José dos Campos, SP Brasil michelov129@gmail.com Bolsista PIBIC CNPq Anderson Correia Ribeiro Instituto Tecnológico de Aeronáutica, Praça Marechal Eduardo Gomes, 50 Vila das Acácias CEP São José dos Campos, SP Brasil correia@ita.br Resumo: Neste trabalho foi estudada a análise de séries temporais e sua aplicação na previsão de demanda e capacidade de carga em aeroportos. È evidente a importância do transporte aéreo de carga, visto que em muitos aeroportos as receitas provenientes com operações de cargas são superiores às receitas das operações com passageiros. Mesmo assim, a maioria dos estudos é focalizada nas operações com passageiros. Por isso este estudo norteado por estas preocupações, pretende contribuir com seus resultados para o setor de carga aéreo nacional através da apresentação de uma metodologia para avaliação da demanda e capacidade de carga, nesse caso para o aeroporto de Guarulhos, mas que pode ser estendido para os principais aeroportos brasileiros. A metodologia consiste na análise de séries temporais utilizando o R, que é uma linguagem e um ambiente para efetuar esse tipo de análise, adequando ao melhor modelo. Palavras chave: Análise de séries temporais, linguagem R, previsão de demanda e carga em aeroportos. 1. Introdução Observou-se um crescimento considerável na demanda por transporte aéreo de carga no país nos últimos anos, por isso esse tipo de transporte de carga possui grande importância para o desenvolvimento industrial, pois integra transporte e logística de cargas e facilita as importações e exportações. Nos últimos anos, mais precisamente entre 1994 e 2003, o tráfego de carga aérea doméstica e internacional no país cresceu 35,9 % (DAC, 2003). O manuseio de carga é responsável por 28,8 % da receita total da INFRAERO, empresa que administra os 66 maiores aeroportos do Brasil. O transporte aéreo de carga não possui uma grande representatividade quando considerada a quantidade de carga transportada no país em ton-km, que é menos de 1%. Todavia, considerando o valor da carga transportada via aérea no comércio exterior, sua contribuição torna-se relevante. A participação do modal aéreo no ano de 2000 foi de 28,9% do total de importações do país, e 8,8 % do total de exportações (Keedi, 2001). Além disso, o transporte aéreo vem ocupando papel de destaque na organização da produção devido as suas características de rapidez, flexibilidade, confiabilidade e segurança, apresentando um grande potencial de utilização dentro das novas estratégias de logística das empresas, principalmente no transporte de mercadorias de alto valor agregado. A primeira parte do trabalho consistiu em realizar uma revisão da literatura sobre séries temporais, testes estatísticos, modelos e procedimentos de previsão através de métodos automáticos (médias móveis, alisamento exponencial, auto regressivos) e não automáticos (ARIMA e SARIMA) de previsão. Decidiu-se então que a forma mais apropriada de realizar esses testes seria utilizar um programa conhecido como R, então foi necessário aprender a linguagem de programação, assim como fazer análise de séries no programa. Para isso, um estudo mais aprofundado e aplicado sobre modelos e procedimentos de previsão teve que ser feito paralelamente ao aprendizado de manipulação do software. Para desenvolver habilidades de previsão com o programa foram feitas várias análises de séries com dados genéricos, os quais já possuíam os resultados esperados, assim foram comparados com os encontrados a fim de

2 validar o desempenho da previsão. Posteriormente aplicamos esses métodos aos dados de carga do aeroporto de Guarulhos, fazendo previsão para os próximos anos. Foram feitas várias previsões para determinar qual melhor modelo a ser aplicado, o qual pode ser definido pelo próprio programa. Através desse estudo, podemos então prever a demanda do aeroporto de Guarulhos nos anos seguintes. 2.Séries Temporais Uma série temporal é uma coleção de observações feitas seqüencialmente ao longo do tempo. A característica mais importante deste tipo de dados é que as observações vizinhas são dependentes e estamos interessados em analisar e modelar esta dependência. Enquanto em modelos de regressão, por exemplo, a ordem das observações é irrelevante para a análise, em séries temporais a ordem dos dados é crucial. Vale notar também que o tempo pode ser substituído por outra variável como espaço, profundidade, etc. Uma série temporal é dita ser contínua quando as observações são feitas continuamente no tempo ou discreta quando as observações são feitas em tempos específicos, geralmente equiespaçados. Note que estes termos não se referem à variável observada, esta pode assumir valores discretos ou contínuos. Por outro lado, séries temporais discretas podem surgir de várias formas. Séries contínuas podem ser discretizadas, i.e. seus valores são registrados a certos intervalos de tempo. Séries de valores agregados ou acumulados em intervalos de tempo, por exemplo, exportações medidas mensalmente ou quantidade de chuva medida diariamente. Finalmente, algumas séries são inerentemente discretas, por exemplo, dividendos pagos por uma empresa aos seus acionistas em anos sucessivos. Objetivos: Em algumas situações o objetivo pode ser fazer previsões de valores futuros enquanto em outras a estrutura da série ou sua relação com outras séries pode ser o interesse principal. De um modo geral, os principais objetivos em se estudar séries temporais podem ser os seguintes, Descrição: propriedades da série, e.g. o padrão de tendência, existência de variação sazonal, outliers, alterações estruturais, etc. Explicação: usar a variação em uma série para explicar a variação em outra série. Predição: predizer valores futuros com base em valores passados. Controle de processos: por exemplo, controle estatístico de qualidade. 3.Análise dos Dados Os dados seguintes são referentes à movimentação de cargas no aeroporto de Guarulhos e serão usados neste trabalho para fazer previsões aos anos seguintes.

3 Tabela 1 Movimento de carga e mala postal (carregada + descarregada, Aeroporto de Guarulhos) Ano TECA (Kg) Para fazer a previsão seguiremos uma série de passos a fim de identificar o melhor modelo e obter um resultado satisfatório. Para isso serão realizados testes e outros procedimentos para análise como gráficos da série, correlograma, etc. Esses métodos serão realizados utilizando o R e, portanto obteremos resultados sem que haja necessidade de resolver o problema passo a passo. 4. Resultados Obtidos Para fazer a análise da série temporal foi utilizada a metodologia de Box-Jenkis devido à sua generalidade, permitindo adequação a vários tipos de séries. Essa metodologia estabelece alguns passos a serem seguidos na elaboração dos modelos, conforme a Fig. 1 seguir: Figura 1 Metodologia de Box-Jenkis para modelos ARIMA

4 O ciclo descrito foi repetido até a obtenção de um modelo considerado adequado, para isso para cada etapa realizamos os seguintes procedimentos: Identificação: Analisamos o correlograma da série para identificar se a série é ou não estacionária. O correlograma de uma série temporal estacionária decai lentamente a medida que aumentam o número de defasagens. Estimação: Depois de identificados os valores de p, d e q, o próximo passo é a estimação dos parâmetros do modelo. Normalmente utiliza-se o método dos mínimos quadrados, mas nesse caso utilizamos recursos computacionais. Verificação: Após escolhido o modelo ARIMA apropriado, efetuamos a checagem utilizando o teste do modelo, um recurso do R. Previsão: Assim que o modelo adequado foi escolhido e efetuado os testes de diagnóstico referente ao comportamento dos resíduos, o modelo pode ser utilizado para realizar previsões Esses procedimentos foram seguidos e obteve-se os resultados a seguir: Com os dados da seção 3.4 foi obtido o gráfico e o correlograma a seguir. Nota-se que não há sazonalidade. Figura 2: Gráfico do movimento de carga e mala postal (em kg), em função dos anos, do aeroporto de Guarulhos. Figura 3: Correlograma do movimento de carga e mala postal.

5 Foram utilizados esses dados para fazer previsão para os quatro anos seguintes. Os valores de p, d e q são respectivamente 1, 0 e 1. Os resultados obtidos numericamente são os seguintes: Tabela 2 Previsão para os anos seguintes aos dados até o atual. Ano Previsão (Kg) Graficamente esses valores podem ser observados pela curva vermelha no gráfico abaixo. As linhas tracejadas representam os intervalos de confiança. Fig. 4: Gráfico da previsão para os anos de 2005, 2006, 2007 e Conclusões Este trabalho teve por objetivo principal propor um modelo de previsão da demanda de carga nos principais aeroportos brasileiros, para isso, foi feito um estudo de caso com o aeroporto de Guarulhos. A metodologia aplicada pode ser utilizada para fazer estudos em outros aeroportos. Analisando os resultados obtidos nota-se que a previsão da movimentação de cargas no aeroporto de Guarulhos é de decrescimento ao longo dos anos em questão, que não era o esperado, pois como dito anteriormente, a tendência é que o transporte aéreo de carga aumente nos próximos anos. O resultado apresentou um grande

6 intervalo de confiança, de forma que é bastante provável que os valores reais da movimentação de cargas estejam nesse intervalo. Pode-se então dizer que o programa apresentou um resultado satisfatório e pode ser utilizado para fazer esse tipo de estudo em outros aeroportos. 6. Agradecimentos 7. Referências - Ao CNPQ, pela oportunidade e pelo suporte financeiro; - Ao Prof. Dr. Anderson Ribeiro, orientador deste trabalho; - Ao Miguelangelo Geimba e Rodrigo Scarpel, pela ajuda e atenção. ANAC (2005) Demanda Detalhada dos Aeroportos Brasileiro. Departamento de Aviação Civil, Ministério da Aeronáutica. Magalhães, J. S. (1998). Um método para dimensionamento de terminais de carga aérea no Brasil. Dissertação de mestrado. ITA, São José dos Campos. Meneses, L.O. (2001). Um estudo sobre as áreas operacionais de terminais de carga aérea. Dissertação de mestrado. ITA, São José dos Campos. Ehlers, R.S. (2005) Análise de Séries Temporais. Departamento de Estatística, UFPR.