Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.

Detalhes bibliográficos
Autor(a) principal: Fontana, Heron
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-11072016-151841/
Resumo: Ser eficiente é um requisito para a sustentabilidade das empresas concessionárias de distribuição de energia elétrica no Brasil. A busca pela eficiência deve estar em harmonia com a melhoria contínua da qualidade, da segurança e da satisfação dos consumidores e das partes envolvidas. O desafio de atender múltiplos objetivos requer que as empresas do setor desenvolvam soluções inovadoras, com a mudança de processos, tecnologia, estrutura e a capacitação das pessoas. Desenvolver um modelo operacional eficiente e uma gestão rigorosa dos custos são fatores-chave para o sucesso das empresas, considerando o contexto regulatório de revisão tarifária que incentiva a melhoria do desempenho. O modelo operacional é definido a partir da organização logística dos recursos para atendimento da demanda de serviços, que define também os custos fixos e variáveis de pessoal (salário, horas extras, refeições), infraestrutura (manutenção de prédios, ferramentas e equipamentos) e deslocamentos (manutenção de veículos, combustível), por exemplo. A melhor alocação e o melhor dimensionamento de bases operacionais possibilitam a redução dos custos com deslocamento e infraestrutura, favorecendo o aproveitamento da força de trabalho em campo, a melhoria do atendimento dos clientes e da segurança dos colaboradores. Este trabalho apresenta uma metodologia de otimização de custos através da alocação de bases e equipes operacionais, com o modelamento matemático dos objetivos e restrições do negócio e a aplicação de algoritmo evolutivo para busca das melhores soluções, sendo uma aplicação de Pesquisa Operacional, no campo da Localização de Instalações, em distribuição de energia elétrica. O modelo de otimização desenvolvido possibilita a busca pelo ponto de equilíbrio ótimo que minimiza o custo total formado pelos custos de infraestrutura, frota (veículos e deslocamentos) e pessoal. O algoritmo evolutivo aplicado no modelo oferece soluções otimizadas pelo melhoramento de conjuntos de variáveis binárias com base em conceitos da evolução genética. O modelo de otimização fornece o detalhamento de toda a estrutura operacional e de custos para uma determinada solução do problema, utilizando premissas de produtividade e deslocamentos (velocidades e distâncias) para definir as abrangências de atuação das bases operacionais, recursos (equipes, pessoas, veículos) necessários para atendimento da demanda de serviços, e projetar todos os custos fixos e variáveis associados. A metodologia desenvolvida neste trabalho considera também a projeção de demanda futura para a aplicação no estudo de caso, que evidenciou a efetividade da metodologia como ferramenta para a melhoria da eficiência operacional em empresas de distribuição de energia elétrica.
id USP_1160860a00ac871b052b6149eac764ee
oai_identifier_str oai:teses.usp.br:tde-11072016-151841
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.Operational logistics: facilities allocation in power distribution operations.Algoritmos evolutivosDistribuição de energia elétricaEficiência operacionalElectric power systems operationsElectricity distributionEnergia elétrica (Qualidade)Evolutionary algorithmsFacility locationLocalização de instalaçõesLocation analysisOperação de sistemas elétricosOperational efficiencyOperational researchOperations researchPesquisa operacionalPower distributionSistemas elétricosSer eficiente é um requisito para a sustentabilidade das empresas concessionárias de distribuição de energia elétrica no Brasil. A busca pela eficiência deve estar em harmonia com a melhoria contínua da qualidade, da segurança e da satisfação dos consumidores e das partes envolvidas. O desafio de atender múltiplos objetivos requer que as empresas do setor desenvolvam soluções inovadoras, com a mudança de processos, tecnologia, estrutura e a capacitação das pessoas. Desenvolver um modelo operacional eficiente e uma gestão rigorosa dos custos são fatores-chave para o sucesso das empresas, considerando o contexto regulatório de revisão tarifária que incentiva a melhoria do desempenho. O modelo operacional é definido a partir da organização logística dos recursos para atendimento da demanda de serviços, que define também os custos fixos e variáveis de pessoal (salário, horas extras, refeições), infraestrutura (manutenção de prédios, ferramentas e equipamentos) e deslocamentos (manutenção de veículos, combustível), por exemplo. A melhor alocação e o melhor dimensionamento de bases operacionais possibilitam a redução dos custos com deslocamento e infraestrutura, favorecendo o aproveitamento da força de trabalho em campo, a melhoria do atendimento dos clientes e da segurança dos colaboradores. Este trabalho apresenta uma metodologia de otimização de custos através da alocação de bases e equipes operacionais, com o modelamento matemático dos objetivos e restrições do negócio e a aplicação de algoritmo evolutivo para busca das melhores soluções, sendo uma aplicação de Pesquisa Operacional, no campo da Localização de Instalações, em distribuição de energia elétrica. O modelo de otimização desenvolvido possibilita a busca pelo ponto de equilíbrio ótimo que minimiza o custo total formado pelos custos de infraestrutura, frota (veículos e deslocamentos) e pessoal. O algoritmo evolutivo aplicado no modelo oferece soluções otimizadas pelo melhoramento de conjuntos de variáveis binárias com base em conceitos da evolução genética. O modelo de otimização fornece o detalhamento de toda a estrutura operacional e de custos para uma determinada solução do problema, utilizando premissas de produtividade e deslocamentos (velocidades e distâncias) para definir as abrangências de atuação das bases operacionais, recursos (equipes, pessoas, veículos) necessários para atendimento da demanda de serviços, e projetar todos os custos fixos e variáveis associados. A metodologia desenvolvida neste trabalho considera também a projeção de demanda futura para a aplicação no estudo de caso, que evidenciou a efetividade da metodologia como ferramenta para a melhoria da eficiência operacional em empresas de distribuição de energia elétrica.Being efficient is a requirement for the sustainability of electricity distribution companies in Brazil. The quest for efficiency must be in harmony with the continuous improvement of quality, safety and satisfaction of customers and all stakeholders involved. The challenge of attending multi-objectives requires companies in the sector to develop innovative solutions with the change of processes, technology, structure and enabling their professionals to drive this. Developing an efficient operational model and a strict cost management are keys for companies to achieve success, considering the regulatory context of tariff reviewing that encourages performance improvement. The operational model is defined from the logistics organization of resources to meet the demand of services, which also defines fixed and variable costs with people/teams (payments, overtime, meals), infrastructure (maintenance of building, tools and equipments) and fleet (maintenance of vehicles and fuel costs), for example. The best allocation and the best design of operational facilities (or operational bases) will reduce infrastructure costs and truck rolls, releasing workforce to attend customers and reducing displacements risks. This work presents a cost optimization methodology through the allocation of operational bases and teams, with the mathematical modelling of business objectives, constraints and using Evolutionary Algorithm to find the best solution, as an application of Operations Research in the field of Facility Location in electricity distribution. The optimization model enables the search for the optimal balance point that minimizes the total cost formed by infrastructure, fleet and people. The Evolutionary Algorithm applied in the model offers optimized solutions through the improvement of sets of binary variables based on genetic evolution concepts. The optimization model also gives detailed information about the operational structure and costs for a given allocation solution, using productivity and displacements (speed, distances) information to define the service regions for each operational base and resources (people, vehicles) needed to attend the demand of services, defining all fixed and variable costs for this. The methodology presented in this paper also considers the future demand of services (forecast), used in a case study that showed the effectives of this methodology as a tool for the improvement of operational efficiency in electricity distribution companies.Biblioteca Digitais de Teses e Dissertações da USPKagan, NelsonFontana, Heron2015-05-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3143/tde-11072016-151841/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2017-09-04T21:03:47Zoai:teses.usp.br:tde-11072016-151841Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212017-09-04T21:03:47Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
Operational logistics: facilities allocation in power distribution operations.
title Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
spellingShingle Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
Fontana, Heron
Algoritmos evolutivos
Distribuição de energia elétrica
Eficiência operacional
Electric power systems operations
Electricity distribution
Energia elétrica (Qualidade)
Evolutionary algorithms
Facility location
Localização de instalações
Location analysis
Operação de sistemas elétricos
Operational efficiency
Operational research
Operations research
Pesquisa operacional
Power distribution
Sistemas elétricos
title_short Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
title_full Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
title_fullStr Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
title_full_unstemmed Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
title_sort Logística operacional: alocação de bases operacionais em distribuição de energia elétrica.
author Fontana, Heron
author_facet Fontana, Heron
author_role author
dc.contributor.none.fl_str_mv Kagan, Nelson
dc.contributor.author.fl_str_mv Fontana, Heron
dc.subject.por.fl_str_mv Algoritmos evolutivos
Distribuição de energia elétrica
Eficiência operacional
Electric power systems operations
Electricity distribution
Energia elétrica (Qualidade)
Evolutionary algorithms
Facility location
Localização de instalações
Location analysis
Operação de sistemas elétricos
Operational efficiency
Operational research
Operations research
Pesquisa operacional
Power distribution
Sistemas elétricos
topic Algoritmos evolutivos
Distribuição de energia elétrica
Eficiência operacional
Electric power systems operations
Electricity distribution
Energia elétrica (Qualidade)
Evolutionary algorithms
Facility location
Localização de instalações
Location analysis
Operação de sistemas elétricos
Operational efficiency
Operational research
Operations research
Pesquisa operacional
Power distribution
Sistemas elétricos
description Ser eficiente é um requisito para a sustentabilidade das empresas concessionárias de distribuição de energia elétrica no Brasil. A busca pela eficiência deve estar em harmonia com a melhoria contínua da qualidade, da segurança e da satisfação dos consumidores e das partes envolvidas. O desafio de atender múltiplos objetivos requer que as empresas do setor desenvolvam soluções inovadoras, com a mudança de processos, tecnologia, estrutura e a capacitação das pessoas. Desenvolver um modelo operacional eficiente e uma gestão rigorosa dos custos são fatores-chave para o sucesso das empresas, considerando o contexto regulatório de revisão tarifária que incentiva a melhoria do desempenho. O modelo operacional é definido a partir da organização logística dos recursos para atendimento da demanda de serviços, que define também os custos fixos e variáveis de pessoal (salário, horas extras, refeições), infraestrutura (manutenção de prédios, ferramentas e equipamentos) e deslocamentos (manutenção de veículos, combustível), por exemplo. A melhor alocação e o melhor dimensionamento de bases operacionais possibilitam a redução dos custos com deslocamento e infraestrutura, favorecendo o aproveitamento da força de trabalho em campo, a melhoria do atendimento dos clientes e da segurança dos colaboradores. Este trabalho apresenta uma metodologia de otimização de custos através da alocação de bases e equipes operacionais, com o modelamento matemático dos objetivos e restrições do negócio e a aplicação de algoritmo evolutivo para busca das melhores soluções, sendo uma aplicação de Pesquisa Operacional, no campo da Localização de Instalações, em distribuição de energia elétrica. O modelo de otimização desenvolvido possibilita a busca pelo ponto de equilíbrio ótimo que minimiza o custo total formado pelos custos de infraestrutura, frota (veículos e deslocamentos) e pessoal. O algoritmo evolutivo aplicado no modelo oferece soluções otimizadas pelo melhoramento de conjuntos de variáveis binárias com base em conceitos da evolução genética. O modelo de otimização fornece o detalhamento de toda a estrutura operacional e de custos para uma determinada solução do problema, utilizando premissas de produtividade e deslocamentos (velocidades e distâncias) para definir as abrangências de atuação das bases operacionais, recursos (equipes, pessoas, veículos) necessários para atendimento da demanda de serviços, e projetar todos os custos fixos e variáveis associados. A metodologia desenvolvida neste trabalho considera também a projeção de demanda futura para a aplicação no estudo de caso, que evidenciou a efetividade da metodologia como ferramenta para a melhoria da eficiência operacional em empresas de distribuição de energia elétrica.
publishDate 2015
dc.date.none.fl_str_mv 2015-05-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/3/3143/tde-11072016-151841/
url http://www.teses.usp.br/teses/disponiveis/3/3143/tde-11072016-151841/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256867421552640