FATORES CRÍTICOS NO SISTEMA DE PRODUÇÃO DE CANA-DE-AÇÚCAR 1 M. MILAN 2

Transcrição

1 FATORES CRÍTICOS NO SISTEMA DE PRODUÇÃO DE CANA-DE-AÇÚCAR 1 M. MILAN 2 RESUMO: O Brasil é um dos líderes mundiais na produção de cana-de-açúcar (Saccharum spp). O sistema de produção dessa cultura pode ser descrito por meio de quatro subsistemas e suas interações: agronomia, mecanização, colheita e transporte. O objetivo deste trabalho foi desenvolver um modelo que represente o sistema de produção de cana-de-açúcar e suas interações e utilizá-lo para identificar fatores críticos e estratégias relacionadas com os equipamentos aplicados à produção da cultura. O algoritmo foi desenvolvido tendo como unidade básica o talhão, considerado como área homogênea. A análise de sensibilidade desenvolvida para três diferentes situações (cenários) mostrou, para as condições propostas, que o preço inicial do caminhão de transporte e a sua capacidade de carga são fatores críticos do custo de produção. Um aumento de 10% no valor inicial do veículo representa um acréscimo na faixa de 2,7% a 5,5% no custo final; um aumento de 10% na capacidade de carga do veículo, reduz o custo de 2,2% a 5,6%. O modelo mostrou-se válido e pode ser aplicado para investigar alternativas de gerenciamento e redução de custos. PALAVRAS-CHAVE: mecanização, modelo, cana-de-açúcar. CRITICAL FACTORS ON THE SUGAR CANE PRODUCTION SYSTEM SUMMARY: Brazil is one of the world s leading producers of sugar cane (Saccharum spp). The sugar cane growing system may be described by four subsystems and their interactions: Agronomy, Harvest, Transport and Mechanization. The objective of this work is to develop a model that represents the sugar cane production taking into account the relationships among the subsystems. Then the model is intend to be used to identify critical factors and strategies related to management and equipment alternatives. The algorithm was developed to work at field level in homogeneous areas. A sensitivity analysis was performed for three different situations (scenarios) in order to verify the influences of parameters in the total cost of the systems. Lorry capacity was found to be the critical parameter in reducing costs, by a range of 2.2 to 5.6 per cent. The model can be used to investigate cost-saving of alternative management strategies. KEYWORDS: mechanization, model, sugar cane. 1 Parte da tese de doutorado desenvolvida pelo autor à Cranfield University, UK. Apoio financeiro da Fundação de Amparo a Pesquisa do Estado de São Paulo (FAPESP). 2 Professor Doutor, Departamento de Engenharia Rural, Escola Superior de Agricultura Luiz de Queiroz, USP, Piracicaba, SP, (0XX) R: 211, macmilan@carpa.ciagri.usp.br, Recebido pelo Conselho Editorial em: 9/6/98 Aprovado pelo Conselho Editorial em: 14/6/2000

2 Fatores críticos no sistema de produção de cana-de-açúcar 101 INTRODUÇÃO A cana-de-açúcar desempenha um papel de extrema importância para a economia do Brasil, com a produção de açúcar e combustível renovável (álcool) para o mercado interno e externo, fornecendo matéria-prima para a indústria de transformação, química por exemplo, além dos subprodutos utilizados na geração de energia, alimentação animal e fertilizante. O Brasil é um dos maiores produtores dessa cultura, com 4,926 milhões de hectares de área colhida representando 338,67 milhões de toneladas em As atividades referentes à implantação, condução e colheita da cana requerem um planejamento prévio, envolvendo a escolha das variedades, o local do plantio, o tipo de preparo do solo, os equipamentos a serem empregados no corte, carregamento e transporte entre outras. Pelo número de variáveis envolvidas, o gerente agrícola encontra dificuldades para realizar o planejamento e verificar os efeitos de suas decisões antes que as atividades tenham sido realizadas. O relacionamento existente entre as variáveis do sistema tornam o planejamento ainda mais complexo. Existem vários modelos desenvolvidos para a análise e otimização de sistemas mecanizados agrícolas, para as mais diversas culturas. Podem ser citados os trabalhos de BURROWS & SIEMENS (1974), que desenvolveram um algoritimo para determinar o sistema mecanizado de menor custo para a produção de soja (Glycine max L.) e milho (Zea mays L.), o de ROTZ et al. (1983) que determina o sistema de mínimo custo considerando o custo da pontualidade e o de OSKAN & EDWARDS (1986) que permite a descrição do atual sistema mecanizado existente na propriedade. Esses algoritimos foram desenvolvidos para serem utilizados de maneira interativa. O modelo de BARBOZA et al. (1998) determina o número de equipamentos necessários e os seus custos para uma propriedade agrícola, identificando os fatores críticos e estratégias para a redução dos custos envolvidos com a mecanização; o modelo, empírico, foi desenvolvido em planilha eletrônica. Para o caso específico da cultura da cana de açúcar, destacam-se os trabalhos efetuados por BANCHI (1989) que avalia o sistema mecanizado por meio da programação linear e o de BALASTREIRE et al. (1990) que utiliza a planilha eletrônica para analisar os custos das operações agrícolas classificando-as em ordem de menor custo; ambos os trabalhos, consideram apenas uma parte do sistema de produção da cana, referente a mecanização. LOPES & MILAN (1998) desenvolveram uma planilha para analisar os fatores que mais contribuem para o custo nas operações de carregamento e transporte de cana-de-açúcar. O objetivo deste trabalho é o de apresentar um modelo do sistema mecanizado que considera o sistema de produção de cana-de-açúcar e suas interações, e a sua utilização para identificar fatores e estratégias relacionadas com o gerenciamento e alternativas de uso do equipamentos aplicados ao sistema de produção.

3 M. Milan 102 MATERIAL E MÉTODOS O modelo proposto simula as condições do sistema de produção da cana-deaçúcar. O número de variáveis, dados e a relativa complexidade das inter-relações entre as variáveis foram as principais razões para desenvolvê-lo em computador, utilizando a linguagem FORTRAN. O programa tem a sua estrutura baseada no sistema de produção do Estado de São Paulo, podendo ser dividido em quatro subsistemas denominados de: agronomia, colheita, transporte e mecanização. Esses subsistemas estão relacionados de maneira que uma decisão tomada em um deles pode afetar o desempenho do outro. Por exemplo, a alteração no espaçamento da cultura, agronomia, pode afetar o número de horas de trabalho dos tratores, mecanização. A Figura 1 apresenta os subsistemas que compõem o sistema de produção. O subsistema agronomia refere-se à descrição das características do sistema e às decisões adotadas no gerenciamento; a colheita refere-se ao corte e carregamento da cana-de-açúcar; o transporte refere-se ao transporte da cana do talhão para a usina e a mecanização envolve as operações agrícolas desde o preparo do solo até o plantio. Colheita Agronomia Mecanização Transporte FIGURA 1. Os subsistemas envolvidos na produção de cana de açúcar e suas interações. O algoritmo foi desenvolvido para operar a partir do talhão, unidade básica considerada homogênea em termos de solo, variedade, número de cortes entre outras. O tempo para o cálculo das necessidades de equipamento é baseado em uma semana e o início da colheita é considerado o ponto de partida para o sistema. O número de equipamentos é determinado de acordo com a semana de maior exigência e assume-se que as operações são efetuadas dentro do prazo previsto. O período de maturação, a localização e a quantidade de cana no talhão determinam o local e a época em que a colheita deve ser efetuada. A quantidade de cana requerida pela usina para a moagem é

4 Fatores críticos no sistema de produção de cana-de-açúcar 103 que determina a área a ser colhida semanalmente, podendo ser contínua ou variável ao longo das semanas, dependendo das necessidades de moagem. Desenvolvimento do Modelo Na Figura 2 é apresentado o fluxograma simplificado do modelo. Ele inicia com a leitura dos dados básicos (1) 3 incluindo: área, distância e o tipo de solo dos talhões; as características dos equipamentos em termos de potência, preço e capacidade de carga; as variedades e suas produtividades para os diferentes cortes e o período de maturação; os dados climáticos para o cálculo dos dias úteis e a seqüência de operações a serem executadas em cada talhão entre outras. Com base nesses dados e nas decisões do usuário (2) quanto ao número de semanas de moagem e jornada de trabalho adotada, a sub-rotina agronomia (3) realiza o cálculo da quantidade semanal de cana que deve ser colhida sendo o resultado denominado de balanço da colheita (4). Ficam assim estabelecidos os talhões, a distância de transporte, as áreas referentes ao plantio e tratos culturais e a seqüência cronológica das operações nos talhões. Com as informações do balanço da colheita, as características dos equipamentos (5), das rodovias (6), da mãode-obra para o corte da cana e com cálculo dos dias úteis referentes às operações de corte, carregamento, transporte e mecanização, realizados de acordo com os critérios adotados por MIALHE (1974), as sub-rotinas mecanização (7), colheita (8) e transporte (9) calculam: o número de equipamentos exigidos para cada operação e total, as horas ou quilômetros trabalhados por semana e por ano, o consumo de combustível e mão-deobra requerida (10). Com a sub-rotina mecanização (7) e com a definição do talhão realizada no balanço da colheita (4) ficam estabelecidos os equipamentos e as operações agrícolas a serem realizadas em cada área, quer seja para o plantio da cana ou os tratos culturais. No caso, é possível definir a seqüência de operações a serem efetuadas para cada talhão para o período compreendido entre a colheita da presente safra e o início da próxima. O modelo verifica a compatibilidade do conjunto trator e implemento (11) no aspecto relacionado com a potência fornecida pelo trator, com base nos critérios propostos por BOWERS (1978), e na potência exigida pelo implemento, de acordo com os padrões adotados pela AMERICAN SOCIETY OF AGRICULTURAL ENGINNERS (1989); se a potência fornecida for menor do que a requerida é enviada uma mensagem ao usuário para que sejam feitas as alterações necessárias (12). Para o consumo de combustível dos tratores, durante as operações, determinou-se um modelo empírico, tendo como base os ensaios desenvolvidos pelo Centro Nacional de Engenharia Agrícola (CENEA); o desenvolvimento dessa equação pode ser visto em MILAN (1992): SFc = 0, ,0847 / Pr r 2 = 0,913 (1) em que, SFc - Consumo específico de combustível, L/kW h, e Pr - razão entre a potência na Tomada de Potência (TDP) e a potência máxima na TDP. 3 Número entre parêntesis referem-se à Figura 2.

5 M. Milan 104 ENTRADA DE DADOS (1) Propriedade; clima; equipamentos; cultura. ENTRADA DE DADOS (5) Características dos equipamentos INÍCIO SUB-ROTINA AGRONOMIA (3) BALANÇO DA COLHEITA (4) Produção; localização do talhão; semana do corte. área; ENTRADA DE DADOS (2) Decisões do usuário ENTRADA DE DADOS (6) Características das rodovias SUB-ROTINA MECANIZAÇÃO (7) SUB-ROTINA COLHEITA (8) SUB-ROTINA TRANSPORTE (9) VERIFICA O ACOPLAMENTO (11) Compara a potência fornecida (Trator) com a potência exigida (Implemento). CALCULA DADOS REFERENTES AOS EQUIPAMENTOS (10) Número por categoria Número de horas/km:(semana e ano) Consumo de combustível Mão-de-obra requerida < > = SUB-ROTINA CUSTOS (13) APRESENTA RESULTADOS DOS CUSTOS (14) Total Equipamento Subsistema: (colheita, transporte, mecanização) Mão-de-obra MENSAGEM USUÁRIO (12) FIM FIGURA 2. Fluxograma geral do modelo desenvolvido.

6 Fatores críticos no sistema de produção de cana-de-açúcar 105 Para o subsistema mecanização também são calculados: o custo por hectare para cada operação, o custo horário dos tratores e implementos e o custo total da seqüência adotada. Para a colheita (8), o programa prevê os seguintes métodos de colheita: corte manual ou mecânico seguido de carregamento mecânico para cana inteira; corte mecânico para cana picada. Para os dados referentes a capacidade de corte da mão-deobra, a capacidade das máquinas carregadoras e colhedoras, vida útil, reparos e manutenção para esses equipamentos, utilizou-se dos valores apresentados por RIPOLI & MIALHE (1982). Na sub-rotina transporte (9), as características dos caminhões, razão potência/peso; e das rodovias, curvatura, declividade, tipo e qualidade do piso (11), permitem o cálculo da velocidade média no percurso (ida e volta) e do consumo de combustível, de acordo com as equações desenvolvidas por ABAYNAYAKA et al. (1976). Para o cálculo do custo dos caminhões são empregados os índices propostos por GAGO (1986), referentes aos dados de vida útil, reparos, manutenção e valor final. Com o número de equipamentos, horas/quilômetros trabalhados por ano e os dados referentes a preço inicial e final, são calculados os custos, pela sub-rotina (13), dos equipamentos para o sistema de produção de cada subsistema e individual (14). A somatória dos valores de cada sub-sistema fornece o custo total referentes ao uso dos equipamentos no sistema. Verificação e validação A rotina do programa foi testada durante os vários estágios de desenvolvimento. Para cada estágio, valores eram atribuídos ao programa e os resultados comparados com cálculos previamente executados. Valores extremos foram também utilizados para testar a estabilidade da rotina, como por exemplo a divisão por zero. A validação do programa foi efetuada comparando-se os resultados de etapas intermediárias do programa e do resultado final com dados obtidos na literatura e fornecidos por empresas. O coeficiente de correlação (r) entre a velocidade dos caminhões em estradas obtida pelo modelo e a calculada a partir de dados reais foi 0,74. O consumo de combustível calculado (km/l), para caminhões de 96 kw de potência e capacidade de carga de 15 toneladas, foi 5,3% maior do que o real e para caminhões de 140 kw e 30 toneladas de capacidade de carga, o valor calculado foi 0,5% maior. Maiores detalhes quanto a validação e ao desenvolvimento do algoritmo podem ser vistos em MILAN (1992). Análise de sensibilidade A metodologia adotada para a análise de sensibilidade foi acrescer um valor de 10% em variáveis, previamente selecionadas, para obter uma redução no custo de produção. As variáveis eram alteradas individualmente e o valor obtido comparado com a situação inicial e a diferença expressas em porcentagem.

7 M. Milan 106 RESULTADOS E DISCUSSÃO O modelo foi aplicado para a simulação de cenários e análise de fatores críticosanálise de sensibilidade. Para tanto, utilizaram-se três situações hipotéticas de sistemas de produção sendo um denominado de básico e duas alternativas com variação na quantidade de cana e distância de transporte: sistema A com 3000 ha de área colhida e 10 km de raio médio; sistema B com 9000 ha e 30 km de raio médio (sistema básico) e sistema C com ha e 50 km de raio médio. A escolha de três sistemas tem como fundamento a verificação das alterações impostas pela distância e quantidade de cana colhida nas variáveis envolvidas. Resultados referentes aos sistemas Os resultados, em termos de porcentagem do custo total, podem ser visualizados na Tabela 1 para os três sistemas referentes à participação da colheita, transporte e mecanização. TABELA 1. Distribuição do custo (%) para os subsistemas envolvidos e para as três situações analisadas. Sistema Distância Área Transporte Colheita Mecanização (km) (ha) (%) (%) (%) A ,1 33,6 32,3 B ,6 22,8 21,6 C ,6 17,2 16,2 Conforme se observa, a importância do transporte aumenta com a distância e com quantidade colhida. Para o sistema A, a participação dos três subsistemas é praticamente equivalente na composição dos custos, enquanto para o sistema C o transporte representa 66,6% do custo total. Nesse último caso, sistema C, fica evidenciada a importância do transporte, devendo ser prioritário o seu estudo em alternativas para a redução de custos. No sistema A existe um equilíbrio para os três subsistemas indicando que uma análise mais aprofundada deve ser realizada para a tomada de decisão. Essa análise pode ser feita por meio do uso interativo do modelo para a análise das opções. Análise de sensibilidade Para as variáveis investigadas, que reduzem os custos, os resultados são apresentados na Tabela 2. Existem diferenças na importância de cada variável na redução dos custos, de acordo com o sistema. Para o sistema A, a eficiência de gerenciamento, considerada como o aproveitamento do tempo não diretamente relacionado com os equipamentos em uso (tempo de deslocamento, filas, paradas referentes ao operador, entre outros) representa dentre as variáveis escolhidas a de maior potencial para a redução dos custos. Aumentando-se 10% do seu valor (melhorando a eficiência do sistema) e mantendo-se todos os outros fatores constantes, o custo total de produção diminui em 2,6%.

8 Fatores críticos no sistema de produção de cana-de-açúcar 107 TABELA 2. Porcentagem de redução de custos devido a mudanças nas variáveis. Variável Redução no Custo (%) A B C Ccc 2,22 4,54 5,59 Tac 0,49 0,17 0,13 Tdc 0,10 0,04 0,03 Vuc 0,89 3,26 4,09 Efcr 2,14 1,26 0,94 Vucr 0,92 0,62 0,47 Vutr 1,13 0,77 0,58 Efg 2,60 1,66 1,55 Efci 2,59 1,83 1,38 Ccc: capacidade de carga do caminhão (t); Tac: tempo auxiliar do caminhão (min); Tdc: tempo de descarga do caminhão (min); Vuc: vida útil do caminhão (km); Efcr: eficiência de campo do carregamento (%); Vucr: vida útil da carregadora (h); Vutr: vida útil do trator (h); Efg: Eficiência de gerenciamento (%); Efci: eficiência de campo do implemento (%). Já para B e C a capacidade de carga do caminhão é a variável de maior importância. Um aumento de 10% da capacidade de carga reduz o custo total em 4,54% e 5,59% para os sistemas B e C, respectivamente. Observa-se, então, que as variáveis comportam-se de maneira diversa; o aumento da distância e da carga a ser transportada implica em uma maior importância nas variáveis relacionadas com o transporte; a capacidade e a vida útil do caminhão são os fatores de maior importância para os sistemas B e C. Esses resultados indicam que as estratégias de gerenciamento dentro das empresas devem ser adotadas de acordo com as características do sistema de produção. Uma variável que assume uma importância muito grande em um sistema pode não ser aquela que deva ser observada em maior detalhe em outro. A capacidade de carga do caminhão é uma variável com grande potencial na redução de custos. A melhor disposição da carga ou, alternativamente, o uso de carrocerias mais leves, permitindo o transporte de maior quantidade de carga líquida em relação ao peso bruto total do caminhão, são alternativas a serem analisadas. CONCLUSÕES Os resultados obtidos pela validação e os testes efetuados com relação à rotina permitem afirmar que o modelo desenvolvido pode ser aplicado para a análise do sistema de produção da cana-de-açúcar. Das situações e variáveis analisadas, a eficiência de gerenciamento é a que melhor resultados obteve para o sistema 10 km de raio médio e área de 3000 ha; o aumento de 10% nessa eficiência traz uma redução no custo total de produção da ordem de 2,6%. Já para o sistemas com 30 km de raio médio e 9000 ha, e 50 km de raio médio e ha de área, um aumento de 10% na capacidade de carga do caminhão reduziu os custos em 4,54% e 5,59%, respectivamente.

9 M. Milan 108 Os resultados referentes à análise de sensibilidade mostram que as variáveis tem uma influência diferenciada na composição dos custos, de acordo com as características de cada sistema, indicando que a adoção de técnicas e/ou medidas que reduzam os custos em um determinado sistema, podem não alcançar os mesmos resultados quando aplicados a diferentes situações. REFERÊNCIAS BIBLIOGRÁFICAS AMERICAN SOCIETY OF AGRICULTURAL ENGINEERS. Agricultural machinery management data. St. Joseph, p (ASAE Standards, D230.4) ABAYANAYAKA, S.W., HIDE, H., MOROSIUK, G., ROBISON, R. Tables for estimating vehicle operating costs on rural roads in developing countries. Crowthorne: Transport and Road Research Laboratory, p. (Laboratory Report, 723). BALASTREIRE, L.A., GOMES E.S., LOPES, M.B. Gerenciamento de operações agrícolas mecanizadas. In: CICLO DE ESTUDOS SOBRE MECANIZAÇÃO AGRÍCOLA, 4, 1990, Campinas. Anais Fundação Cargill. p BANCHI, A.D. Planejamento de utilização de uma frota de máquinas agrícolas em exploração policultural, determinando o mínimo custo com auxílio da programação linear. Campinas, p. Dissertação (Mestrado em Engenharia Agrícola, área de concentração Máquinas Agrícolas) - Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas. BARBOZA, M.M., MILAN, M., COELHO, J.L.D. Planning of an agricultural machinery system. In: COMPUTERS IN AGRICULTURE, 7, 1998, Orlando. Proceedings... St.Joseph: American Society of Agricultural Engineers. p BOWERS, W. Matching equipment to big tractors for efficient field operations. St Joseph: ASAE, p. (Paper, ) BURROWS, W.C., SIEMENS, J.C. Determination of optimun machinery for cornsoybeans farms. Transactions of the ASAE, St. Joseph, v.17, n.6, p , GAGO, J.S.N. Corte, carregamento e transporte de cana-de-açúcar - comparação de métodos alternativos. In: SEMINÁRIO DE TECNOLOGIA AGRONÔMICA, 3, 1986, Piracicaba. Anais... Copersucar. p LOPES, M.B., MILAN, M. Simulation of a sugar cane loading and transport system. In: COMPUTERS IN AGRICULTURE, 7, 1998, Orlando. Proceedings... St. Joseph: American Society of Agricultural Engineers. p MILAN, M. Improving operational management of harvest, transport and mechanization for sugar cane in Brazil. Silsoe, p. Thesis (Ph.D) - Cranfield Institute of Technology. MIALHE, L.G. Manual de mecanização agrícola. São Paulo: Agronômica Ceres, p.

10 Fatores críticos no sistema de produção de cana-de-açúcar 109 OSKAN, H.E., EDWARDS, W.M. A farmer oriented comparison model. Transactions of the ASAE, St. Joseph, v.29, n.3, p.672-7, RIPOLI, T.C., MIALHE, L.G. Custos da colheita de cana de açúcar no Estado de São Paulo na safra 81/82. Álcool e Açúcar, São Paulo, v.2, n.2, p.18-26, ROTZ, C.A., MUTHAR, H.A., BLACK, J.R. A multiple crop machinery selection algorithm. Transactions of the ASAE, St. Joseph, v.26, n.3, p , 1983.