Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model

Detalhes bibliográficos
Autor(a) principal: Riechi, Jorge Luiz
Data de Publicação: 2017
Outros Autores: Tormos, Bernardo, Hillebrand, Marcos Vinicius Jacometo
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Produção Online
Texto Completo: https://www.producaoonline.org.br/rpo/article/view/2627
Resumo: 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.
id ABEPRO-2_de2474ffa6edf9ca17619bc28738aa0a
oai_identifier_str oai:ojs.emnuvens.com.br:article/2627
network_acronym_str ABEPRO-2
network_name_str Revista Produção Online
repository_id_str
spelling Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid modelOtimização dos custos de frota urbana com uso de modelo combinado de life cycle cost e simulação de Monte CarloLife Cycle Cost. Monte Carlo Simulation. Optimization. Replacement fleet. Cost Analysis.Life Cycle Cost. Simulação de Monte-Carlo. Otimização. Substituição de Frota. Análise de Custo.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.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.Associação Brasileira de Engenharia de Produção2017-06-14info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfaudio/mpeghttps://www.producaoonline.org.br/rpo/article/view/262710.14488/1676-1901.v17i2.2627Revista Produção Online; Vol. 17 No. 2 (2017); 667-691Revista Produção Online; v. 17 n. 2 (2017); 667-6911676-1901reponame:Revista Produção Onlineinstname:Associação Brasileira de Engenharia de Produção (ABEPRO)instacron:ABEPROporhttps://www.producaoonline.org.br/rpo/article/view/2627/1545https://www.producaoonline.org.br/rpo/article/view/2627/1546Copyright (c) 2017 Revista Produção Onlineinfo:eu-repo/semantics/openAccessRiechi, Jorge LuizTormos, BernardoHillebrand, Marcos Vinicius Jacometo2017-06-14T13:16:43Zoai:ojs.emnuvens.com.br:article/2627Revistahttp://producaoonline.org.br/rpoPUBhttps://www.producaoonline.org.br/rpo/oai||producaoonline@gmail.com1676-19011676-1901opendoar:2017-06-14T13:16:43Revista Produção Online - Associação Brasileira de Engenharia de Produção (ABEPRO)false
dc.title.none.fl_str_mv Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
Otimização dos custos de frota urbana com uso de modelo combinado de life cycle cost e simulação de Monte Carlo
title Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
spellingShingle Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
Riechi, Jorge Luiz
Life Cycle Cost. Monte Carlo Simulation. Optimization. Replacement fleet. Cost Analysis.
Life Cycle Cost. Simulação de Monte-Carlo. Otimização. Substituição de Frota. Análise de Custo.
title_short Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
title_full Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
title_fullStr Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
title_full_unstemmed Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
title_sort Urban fleet cost optimization using a life cycle cost and Monte Carlo simulation hybrid model
author Riechi, Jorge Luiz
author_facet Riechi, Jorge Luiz
Tormos, Bernardo
Hillebrand, Marcos Vinicius Jacometo
author_role author
author2 Tormos, Bernardo
Hillebrand, Marcos Vinicius Jacometo
author2_role author
author
dc.contributor.author.fl_str_mv Riechi, Jorge Luiz
Tormos, Bernardo
Hillebrand, Marcos Vinicius Jacometo
dc.subject.por.fl_str_mv Life Cycle Cost. Monte Carlo Simulation. Optimization. Replacement fleet. Cost Analysis.
Life Cycle Cost. Simulação de Monte-Carlo. Otimização. Substituição de Frota. Análise de Custo.
topic Life Cycle Cost. Monte Carlo Simulation. Optimization. Replacement fleet. Cost Analysis.
Life Cycle Cost. Simulação de Monte-Carlo. Otimização. Substituição de Frota. Análise de Custo.
description 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.
publishDate 2017
dc.date.none.fl_str_mv 2017-06-14
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.producaoonline.org.br/rpo/article/view/2627
10.14488/1676-1901.v17i2.2627
url https://www.producaoonline.org.br/rpo/article/view/2627
identifier_str_mv 10.14488/1676-1901.v17i2.2627
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://www.producaoonline.org.br/rpo/article/view/2627/1545
https://www.producaoonline.org.br/rpo/article/view/2627/1546
dc.rights.driver.fl_str_mv Copyright (c) 2017 Revista Produção Online
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2017 Revista Produção Online
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
audio/mpeg
dc.publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
publisher.none.fl_str_mv Associação Brasileira de Engenharia de Produção
dc.source.none.fl_str_mv Revista Produção Online; Vol. 17 No. 2 (2017); 667-691
Revista Produção Online; v. 17 n. 2 (2017); 667-691
1676-1901
reponame:Revista Produção Online
instname:Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron:ABEPRO
instname_str Associação Brasileira de Engenharia de Produção (ABEPRO)
instacron_str ABEPRO
institution ABEPRO
reponame_str Revista Produção Online
collection Revista Produção Online
repository.name.fl_str_mv Revista Produção Online - Associação Brasileira de Engenharia de Produção (ABEPRO)
repository.mail.fl_str_mv ||producaoonline@gmail.com
_version_ 1761536950471229440

Registros relacionados