MODELO DE SEQÜENCIAMENTO PARA O ATENDIMENTO DE CLIENTES EM UMA UNIDADE DISTRIBUIDORA DE GÁS LIQUEFEITO DE PETRÓLEO

Transcrição

1 MODELO DE SEQÜENCIAMENTO PARA O ATENDIMENTO DE CLIENTES EM UMA UNIDADE DISTRIBUIDORA DE GÁS LIQUEFEITO DE PETRÓLEO MARCOS FELIPE FALCÃO SOBRAL (UFPE) marcos_sobral@bol.com.br Adiel Teixeira de Almeida Filho (UFPE) Ana Paula Cabral Seixas Costa (UFPE) apcabral@ufpe.br Este trabalho apresenta um modelo de seqüenciamento para o atendimento de clientes em uma unidade distribuidora de Gás Liquefeito de Petróleo. Geralmente, quando se trata de serviços, é aplicada a regra Primeiro que Entra, Primeiro que Sai (PEPS), também conhecida como First In, First Out (FIFO). Diferentemente do contexto da produção de bens, no setor de serviços o cliente percebe e participa do processo, fazendo com que a regra PEPS seja tradicionalmente utilizada por fornecer a percepção de que há igualdade entre os clientes, que freqüentemente pode ser violada para atender a clientes prioritários. Portanto, neste trabalho será apresentado o contexto do estudo de caso para o problema de seqüenciamento para o atendimento de clientes a ser abordado e um modelo de apoio multicritério a decisão considerando os critérios tradicionais de seqüenciamento e estratégicos que referem-se a este problema, tais como o risco de desabastecimento de uma região, a distância entre a distribuidora e o destino final do cliente, bem como aspectos técnicos da operação. Palavras-chaves: Seqüenciamento de Clientes, Apoio Multicritério a Decisão, Promethee.

2 . Introdução Embora o Gás Liquefeito de Petróleo (GLP) representasse em 2006 apenas 3,6% da matriz energética brasileira, dados do Sindicato Nacional das Empresas Distribuidoras de GLP indicam que este produto está presente em todos os municípios brasileiros. Esta ampla distribuição se deve a uma complexa rede logística, que envolve diversos modais de transporte. Devido a questões de logística inbound, grande parte das instalações fabris das distribuidoras atacadistas estão localizadas junto a zonas portuárias ou refinarias. Os revendedores varejistas, que são responsáveis pela distribuição local do produto, precisam se deslocar às distribuidoras atacadistas para reabastecer seus estoques. O mercado de GLP no Brasil é extremamente concorrido por diversas distribuidoras que buscam maximizar seu market share, fazendo com que a ausência do produto em uma determinada região impacte fortemente nos resultados da companhia. Além disso, este segmento possui características peculiares que variam em função da região em que o GLP é comercializado, a faixa de renda do consumidor e a presença de concorrentes. Estabelecer uma seqüência, para atendimento de clientes nestas fábricas torna-se uma tarefa delicada, que deve considerar diversos critérios que são conflitantes entre si, sendo adequada a utilização de um método de apoio multicritério a decisão que auxilie o decisor. O presente trabalho visa propor a aplicação do método PROMETHEE II em uma distribuidora de Gás Liquefeito de Petróleo, como forma de apoiar o decisor no processo de ordenação de atendimento de clientes em seu Centro Operativo. O problema será contextualizado em seguida será descrita a sua modelagem, aplicação e seus resultados, ao final seguem as conclusões. 2. Contexto do Problema O Gás Liquefeito de Petróleo (GLP) se popularizou no Brasil por volta da década de 50, em função do seu modelo de distribuição através de cilindros transportáveis e retornáveis. Atualmente o produto é comercializado em reservatórios que variam entre 2 e 45 quilos, sendo o mais popular o cilindro de 3 quilos, também conhecido como P-3. O envase dos cilindros é efetuado pelas distribuidoras atacadistas em unidades fabris conhecidas como Centros Operativos. Atualmente o mercado brasileiro é explorado por vinte e uma distribuidoras, entre elas se destacam a Ultragás (Grupo Ultra), Minasgás (Grupo Holandês SHV), Butano (Grupo Edson Queiroz) e Liquigás (Petrobrás Distribuidora). Estas distribuidoras contam com uma extensa rede de concessionários e franqueados, que recebem autorização para comercialização da marca em uma determinada área geográfica. Por exigirem investimentos de milhões de reais, e por questões de logísticas, os Centros Operativos são instalados próximos a portos ou refinarias, exigindo para muitos concessionários um deslocamento de algumas centenas de quilômetros até as unidades de envasamento do produto. 2

3 Figura Fluxo de Distribuição do GLP, Fonte: SINDIGAS As flutuações nos preços do petróleo, ações promocionais das distribuidoras concorrentes e o alto custo com estoques inviabilizam a armazenagem do GLP envasado em grandes quantidades pelos revendedores, tornado as viagens aos Centros Operativos quase diárias. O regime sequenciamento dos clientes nas unidades fabris das distribuidoras atacadistras obedecem o sistema Fifo (First In, First Out), beneficiando claramente os franqueados que estão localizados em regiões mais próximas as instalações das distribuidoras. O atual método de ordenação de clientes também penaliza os revendedores que estão localizados em regiões mais distantes e interferem na participação de mercado e estratégias comerciais das distribuidoras. Figura 2 Planta de produção do GLP e veículo utilizado para efetuar o transporte do produto, Fonte: SINDIGAS Além disso, repercutem diretamente nos indicadores de desempenho da companhia, a medida em que a ordem de chegada dos clientes não é distribuída proporcionalmente ao longo do dia, gerando momentos de filas no início e fim do expediente e ócio nos demais horários devido a falta de revendedores a serem atendidos. A falta de um método específico para tratamento deste problema faz com que existam problemas de relacionamento entre os concessionários que desejam priorizar seus carregamentos. Este processo também gera conflitos interdepartamentais entre os gestores dos 3

4 segmentos (norte, sul, interior e metropolitano), já que os mesmos são remunerados em função de uma meta diária de vendas que muitas vezes não podem ser cumpridas. Apesar da existência de contratos de concessão da marca e fornecimento do produto muitos revendedores desabastecidos realimentam seus estoques com a concorrência ou até mesmo com outros depósitos clandestinos. Para tratamento deste problema, deve-se considerar todos os critérios relevantes para a distribuidora, entretanto existe uma clara dificuldade a medida em que alguns são conflitantes entre si e tornam a tarefa de sequenciamento dos clientes delicada para o decisor. 3. Modelagem do Problema As decisões estão presentes na vida diária das empresas. Muitas destas decisões são simples e não exigem grandes esforços por parte do decisor, entretanto outras possuem múltiplos critérios, algumas vezes conflitantes entre si, e que necessitam de um método que ofereça apoio no processo decisorial. Malczewki (999) aponta que os problemas multicritérios envolvem seis componentes: objetivos, decisor ou decisores, um conjunto de critérios, um conjunto de alternativas, um conjunto de estados da natureza e as consequências das decisões. Para cada situação deve-se observar a problemática relacionada de forma a tratar o processo de decisão de forma adequada. Vincke (992) coloca que um problema de decisão multicritétrio é a situação que, definindo-se um conjunto de ações a em uma família de critérios f, deseja-se escolher um subconjunto de ações consideradas melhores em relação a f, dividir em subconjuntos, considerando algumas normas ou efetuar uma ordenação das ações no conjunto a da melhor para a pior. No contexto deste trabalho, deseja-se obter qual será a ordenação dos clientes a serem atendidos em um determinado intervalo de tempo de forma a prover um sequenciamento que atenda às particularidades da empresa, do processo e que possa maximizar a satisfação dos clientes, de tal forma que o que se deseja é melhorar o desempenho do sistema considerando todos os aspectos envolvidos nesta fila de clientes a serem atendidos. Ao considerar a literatura existente no que tange o sequenciamento de pedidos ou clientes, observa-se diversas regras genéricas que podem ser aplicadas seja no contexto industrial, seja no contexto de serviços. Em Moreira (2000) ou Slack, Chambers & Johnston (2002) pode-se encontrar diversas formas de sequenciar pedidos ou clientes. Estas regras de sequenciamento são escolhidas de acordo com a particularidade do sistema de produção considerado. Estas regras podem enfatizar a igualdade entre os clientes, fazendo o que pode-se considerar uma fila justa, obdecendo a regra de que o Primeiro que Entra é o Primeiro que Sai (PEPS), ou ainda buscar minimizar os atrasos médios, conforme as regras da Data Devida ou da Razão Crítica, que sequencia os itens na fila de acordo com a criticidade de seus prazos de entrega. Existem também regras que buscam facilitar o fluxo de trabalho e diminuir os estoques de material em procesos, priorizando itens com Menor Tempo de Processamento (MTP), resultando em uma maior rapidez no faturamento à medida que os pedidos são produzidos de forma mais rápida. No entanto, a regra do MTP prejudica grandes clientes, pois por possuirem pedidos maiores acabam entrando com menor prioridade na fila. Já a regra da Operação mais Longa, ao oposto da regra do MTP, sequencia as tarefas de acordo com os tempos de execução mais longos em primeiro lugar, gerando alta ocupação nos centros de trabalho reduzindo custos inerentes à ociosidade do sistema, contudo, esta regra compromete a rapidez, a credibilidade e a flexibilidade na entrega dos pedidos. 4

5 O que se pode concluir é que dificilmente será encontrada uma regra de sequenciamento perfeita, que se adeque a um sistema de produção maximizando o desempenho em todos os critérios, portanto, o que este trabalho busca é propor uma regra de sequenciamento de pedidos para este sistema que possa atender as expectativas dos clientes e às estratégias da empresa. O uso do Apoio Multicritério a Decisão para sequenciamento em atividades produtivas tem se mostrado bastante satisfatório por permitir a inclusão de critérios técnicos como os que são considerados nas regras tradicionais de sequenciamento, bem como a inclusão de critérios particulares do sistema de produção considerado, conforme pode ser observado em Ferreira et al. (2005), onde foi construído um Sistema de Apoio a Decisão para sequenciar atividades de manutenção, ou em Pinheiro et al. (2005) onde foi proposto um Sistema de Apoio a Decisão para sequenciamento e alocação de tarefas no maquinário de uma produção de jornais. 3.. Métodos de apoio multicritério a decisão Especialistas em apoio multicritério a decisão têm o hábito de dividir os métodos em três grandes famílias, embora a fronteira entre eles esteja, algumas vezes, vagas: Teoria da Utilidade Multiatributo, Métodos de Sobreclassificação e Métodos Interativos (Vincke, 992). O mesmo autor também faz as seguintes distinções: a primeira família, de inspiração americana, consiste na agregação de diferentes pontos de vista em uma única função síntese. A segunda, de inspiração francesa, tem por objetivo a construção de uma relação de sobreclassificação, que representa as preferências do decisor, tendo como segundo passo a exploração desta relação, com foco a auxiliar o decisor. Por fim, métodos que alternam entre passos que incluem cálculos (para se encontrar soluções matemáticas) e diálogos (para encontrar informações extras sobre as preferências do decisor). O uso de métodos de sobreclassificação em lugar da Teoria da Utilidade Multiatributo pode ser motivado pelo fato de algumas vezes haver dificuldades de estabelecer a Função Utilidade atendendo a todos os pressupostos desta Teoria, mas em alguns casos porque o decisor não consegue expressar suas preferências de forma racional. Diante do exposto torna-se necessário buscar um maior aprofundamentos nestes métodos PROMETHEE II O PROMETHEE (preference ranking organization method for enrichment evaluations) é uma família de métodos de sobreclassificação, desenvolvido inicalmente por Brans e co-autores em 982. Seu ponto de partida está na matriz de decisão, que avalia as alternativas em relação a um conjunto apropriado de critérios (Belton e Stewart, 2002). O próximo passo é definir a função de preferência para cada critério, determinação dos limiares de preferência e indiferença. Para este método, são porpostas seis tipos de funções de preferência: critério usual, critério U- Shape, critério V-Shape, nível de critério, critério linear e critério gaussiano. A intensidade de preferência da opção a sobre a opção b, π(a,b), é descrita pela diferença de performance, a luz dos critérios, das duas alternativas. O decisor deve estabelecer, para cada critério, um peso p j que indica a importância de cada critério. O grau de sobreclassificação π(a,b) para cada par ordenado de alternativas é dado por: 5

6 k π ( a, b) = w j Pj ( a, b) () W j= Onde: W = k w j j= e w 0 (2) j Em seguida, deve-se calcular o fluxo positivo e negativo de cada alternativa, onde estes são respectivamente uma medida de quanto a alternativa a n sobreclassifica as demais alternativas e o quanto a alternativa a n é sobreclassificada pelas demais alternativas. Utilizando-se estes dois fluxos (positivo e negativo), calcula-se então o fluxo líquido de cada alternativa a n, que é dado pela equação 3. Os valores do fluxo líquido das alternativas são utilizados para gerar uma pré-ordem completa das alternativas, que são ordenadas de acordo com o seu fluxo líquido. Os fluxos positivo e negativo são dados respectivamente pelo primeiro e pelo segundo somatório da equação 3. n n φ ( a) = π ( a, b) π ( b, a) (3) n b= b= b a b a 3.2. Modelo Proposto Para seqüenciar os clientes a serem atendidos no pólo fabril da empresa em estudo, foi considerado que cada concessionário seria uma alternativa, e que estas deveriam ser ordenadas de acordo com critérios técnicos e critérios que privilegiassem os clientes que possuem melhor conduta observada pelo departamento comercial, para que estes possuam prioridade na fila de atendimento. Para isto, escolheu-se o método PROMETHEE II entre os diversos métodos de apoio multicritério a decisão que podem ser aplicados ao problema de ordenação ou seqüenciamento. O método PROMETHEE II foi escolhido por ser um método já bastante difundido na literatura e de fácil aplicação, que utiliza a racionalidade não compensatória de forma simples, permitindo a implementação do algoritmo em uma planilha eletrônica, que pode ser utilizada para o seqüenciamento diário dos clientes. Utilizando-se os conceitos apresentados por Gomes et al. (2002) que definem uma família coerente de critérios, foi feito um levantamento com um gerente da empresa sobre que critérios deveriam constar no modelo e os respectivos pesos que deveriam ser atribuídos a estes critérios. A partir daí, foram obtidos quatro critérios, sendo estes: Condição de pagamento, para o qual foi atribuído peso 5; Distância entre o cliente e as instalações da fábrica, para o qual foi atribuído peso 3; Ranking de venda mensal, com peso ; Duração (em dias) do estoque atual do cliente, com peso. A determinação dos pesos, foi realizada pelo decisor considerando os atributos que, para a empresa, seriam mais importantes e que deveriam ser explorados mais intensamente. Como a capacidade de cada cliente varia em função da área de vendas concedida, não existe 6

7 uma uniformidade na quantidade viagens semanais por cliente. Devido a esta característica, o processo de ordenação deve ser feito diariamente, de acordo com os clientes que estão programados para um dia específico. Para facilitar a operacionalização desta abordagem de seqüenciamento de clientes, foi implementado o método PROMETHEE II numa planilha eletrônica conforme a figura 3, o que facilita a aplicação do modelo proposto no dia a dia da empresa. Assim, o setor comercial verifica a capacidade diária de atendimento dos clientes na operação e lança na planilha aqueles clientes que podem ser atendidos no dia em questão. A partir daí, utilizando o modelo proposto, é calculado o horário em que cada cliente será atendido e considerando as devidas tolerâncias, o setor comercial informa aos clientes o horário que devem comparecer para serem atendidos. 4. Estudo de Caso Figura 3 Planilha Eletrônica com Implementação do Modelo de Seqüenciamento. Para ilustrar o modelo proposto, será apresentado um estudo de caso referente a um dia de atendimento, para o qual serão seqüenciados trinta e cinco clientes que pertencem a diversas áreas de venda. Todos os quatro critérios que foram determinados tiveram formato truecriterio, não existindo, desta forma, a necessidade de se determinar limiares de preferência e indiferença. Utilizando os desempenhos das alternativas assinalados pelo gestor para cada critério definido, foi construída uma matriz de avaliações conforme a tabela : LOCALIZAÇÃO PAGAMENTO VIAGENS/MÊS ESTOQUES ALTERNATIVAS 0,3 0,5 0, 0, Cabo 4 Peixinhos 2 7

8 Aldeia 2 Espinheiro 2 4 Casa Forte 4 4 Boa Viagem 3 4 Goiana 3 4 Alagoas 2 4 Olinda Garanhuns Bonito Todo Gás 2 2 Praia Bela Pontas de Pedra Abreu e Lima 3 4 Paulista 4 Timbaúba Arapiraca 2 3 Maceió- 2 Maceió-2 2 Maceió Candeias 2 4 São Lorenço 2 4 Caxangá 4 4 Toritama 4 4 Moreno Oricuri 4 4 São José do Egito 4 Taquaritinga N 4 3 Caruaru 4 Petrolina 4 4 S. Coroa Grande 2 Tambandaré 2 Maceió Ipojuca 2 4 Tabela : Matriz de Avaliação Através da planilha eletrônica com a implementação do modelo, são calculados os fluxos positivo, negativo e conseqüentemente o fluxo líquido, responsável pela geração do ranking. Pode-se observar que o método posicionou nas primeiras colocações as unidades que estavam geograficamente mais distantes da unidade fabril, de tal forma, que os revendedores que se localizam na área da região metropolitana de Recife, conseguiram colocações proporcionais ao seu desempenho, principalmente no que diz respeito ao critério de pagamento que possui peso 5. A tabela os valores dos fluxos positivo, negativo e líquido das alternativas, apresentando estas de acordo com a posição no ranking obtido pelo método PROMETHEE II. Alternativa Fluxo Positivo Fluxo Negativo Fluxo Líquido Praia Bela 24,5 4,7 9,8 Toritama 20,5 2,3 8,2 Pontas de Pedra 2,2 4,9 6,3 Moreno 9,9 4,8 5, Taquaritinga do Norte 8 6,8,2 Maceió-4 6,9 6,2 0,7 8

9 Maceió-3 6,9 6,2 0,7 Olinda 7,8 8,4 9,4 Garanhuns 5,4 7,3 8, Casa Forte 4,9 6,9 8 Caxangá 4,9 6,9 8 Bonito 5 9,2 5,8 Cabo 3 8,9 4, Arapiraca 4,4 0,7 3,7 Timbaúba 2,8,5,3 Boa Viagem 2,4,4 Abreu e Lima 2,4,4 Oricuri 9,4,8-2,4 Petrolina 9,4,8-2,4 Todo Gás 9,9 3,2-3,3 Espinheiro 7,9 3,9-6 Candeias 7,9 3,9-6 São Lorenço 7,9 3,9-6 Ipojuca 7,9 3,9-6 São José do Egito 7,5 3,8-6,3 Caruaru 7,5 3,8-6,3 Goiana 8,5 4,8-6,3 Peixinhos 6 5,9-9,9 Aldeia 6 5,9-9,9 Alagoas 5,8 5,7-9,9 Maceió- 3,9 7,7-3,8 Maceió-2 3,9 7,7-3,8 S. J. da Coroa Grande 3,9 7,7-3,8 Tambandaré 3,9 7,7-3,8 Paulista,9 8,4-6,5 Tabela 2: Fluxos positivo, negativo e líquido. O método PROMETHEE proporcionou ao cliente de Praia Bela a primeira colocação, sendo algo notável, visto que pelo método FIFO o concessionário variava entre décima primeira e décima quinta colocação. Em parte este resultado foi auxiliado devido ao desempenho desta alternativa no critério Pagamento, que apresenta um peso cinco, ficando esta alternativa com a maior pontuação na escala adotada. Já o último colocado, apresentou um fluxo positivo muito baixo, indicando que ele é sobreclassificado por uma quantidade considerável de alternativas. Novamente comparando com o método FIFO, este mesmo cliente costumava se localizar no meio da fila. 5. Conclusões A distribuição realizada pelo modelo proposto promoveu uma distribuição consistente com as necessidades e expectativas da empresa. Também proporcionou uma ordenação totalmente diferente da que era utilizada, respondendo positivamente as expectativas da companhia em que foi aplicado por fornecer um modelo de seqüenciamento mais coerente com os fatores relevantes neste contexto. A simplicidade que o modelo proposto traz é traduzida através de uma planilha eletrônica de fácil utilização, embasada em um método já consolidado na literatura para seqüenciar os clientes. Outros métodos de apoio multicritério a decisão poderiam ter sido utilizados, por exemplo, um método de ordenação da família ELECTRE (ROY, 996), no entanto, estes métodos necessitam de um número maior de parâmetros e, além disso, apresentam maior 9

10 complexidade na implementação do algoritmo. Referências BELTON, V. & STEWART, T.J. Multiple Criteria Decision Analysis. Kluwer Academic Publishers, BRANS, J.P. & MARESCHAL, B. Promethee-Gaia, une methodologie d aide à la décision en présence de critères multiples. Bruxelles, Édition Éllipses, FERREIRA, R. J. F. ; ALMEIDA FILHO, A. T. ; COSTA, A. P. C. S. & ALMEIDA, A. T. de. PRIMAN - Sistema de apoio a decisão para priorização do plano de manutenção de distribuição de energia elétrica. In: XXV Encontro Nacional de Engenharia de Produção - ENEGEP, 2005, Porto Alegre. Anais do XXV Encontro Nacional de Engenharia de Produção, GOMES, L. F. A. M.; GOMES, C. F. S. & ALMEIDA, A. T. DE. Tomada de Decisão Gerencial: Enfoque Multicritério. Editora Atlas, MALCZEWKI, J. GIS and multicriteria decision analysis. New York: John Wiley, 999. MOREIRA, D. A. Administração da Produção e Operações. Pioneira. 5a. ed. São Paulo, PINHEIRO, P. R. ; CASTRO, A. K. A. & SOUZA, G. G. C. Um Sistema de Suporte a Decisão para Produção de Jornal. In: XXXVII Simpósio Brasileiro de Pesquisa Operacional SBPO, 2005, Gramado-RS. Anais do XXXVII Simpósio Brasileiro de Pesquisa Operacional, ROY, B. Multicriteria Methodology for Decision Aiding. Kluwer Academic Publishers, 996. SINDIGAS, GLP no Brasil - Perguntas freqüentes. Disponível em: < sala_imprensa/ cartilha/download/cartilha_glp.pdf>. Acesso em: 04/06/2008. SLACK, N.; CHAMBERS, S. & JOHNSTON, R. Administração da Produção. Atlas. 2 ed. São Paulo, VINCKE, P.; Multicriteria Decision-aid. John Wiley & Sons,