LA SIMULACIÓN COMO HERRAMIENTA PARA EL ANÁLISIS DEL NIVEL DE SERVICIO Y CAPACIDAD DE SERVICIO EN UNA ESTACIÓN DE GAS NATURAL

El objetivo principal de este trabajo es estudiar la formación de líneas de espera en una estación de Gas Natural Petróleo (estación PNG) mediante el uso de simulación. Asimismo, se evalúa la cantidad esperada de clientes en el sistema de colas y tiempos de espera, así como alternativas de solución para mejorar la capacidad actual de la estación PNG para brindar el servicio a los taxistas.

1. EL PROBLEMA DE LA OFERTA

Como lo revelan varias encuestas, el Gas Natural de Petróleo (PNB) es el combustible automotriz de menor costo por kilómetro recorrido. Su venta fue reglamentada en 1991, respondiendo así a los deseos de un gran número de propietarios de flotas y taxistas, posibilitando la conversión de sus vehículos a gas.

Con el tiempo, las pocas estaciones inauguradas demostraron ser insuficientes para satisfacer la creciente demanda, lo que contribuyó al deterioro de los niveles de servicio (medido por el tiempo de espera de los taxis en la fila y la longitud de la cola).

Las principales motivaciones de nuestro trabajo son: evaluar el nivel de servicio actual de una estación de servicio GNP; determinar métodos para aumentar la productividad y cuantificar los incrementos en el volumen de ventas. Así, hay varios factores que contribuyen a este escenario: (a) falta de suministro del servicio: sólo 5 estaciones distribuyen gas natural en Río de Janeiro; (b) altas inversiones necesarias para instalar una estación de servicio, principalmente en compresores, otros equipos y obras civiles, del orden de un millón de dólares; c) métodos utilizados en las operaciones de abastecimiento de combustible que aún no han sido estudiados científicamente, así como procedimientos de seguridad que hacen más lento el servicio, obligando además a cada taxi a contener un solo tanque de gasolina, lo que reduce la autonomía.

Los factores mencionados anteriormente muestran un sistema complejo, difícil de analizar analíticamente, justificando, por tanto, la aplicación de simulación computacional para estudiar el tamaño de las colas, así como el comportamiento característico del sistema ante la demanda.

2. MODELADO DE PROBLEMAS

Una característica de la fuente de arribo o población potencial es su “tamaño”, o el número potencial de taxis-gasolina que pueden llenarse en la estación. Como hay pocas estaciones de gas natural en la ciudad de Río de Janeiro y como los vehículos alimentados por PNB tienen menos autonomía, podemos suponer una fuente infinita de llegadas. Por otro lado, se asumió que el patrón estadístico dentro del cual se generan los clientes a lo largo del tiempo es de Poisson.

Por lo tanto, medimos cuántos taxis llegaban en promedio en cada intervalo de dos horas y, aplicando la prueba de adherencia de Chi-cuadrado, se aceptó la distribución de Poisson al 5% de significancia.

Cabe señalar que para evaluar las tasas de llegada en franjas horarias no encuestadas, como la madrugada, se recurrió a la experiencia del operador de la estación, quien la estimó en 1 taxi cada 10 minutos.

Para calcular los tiempos de suministro, hemos desglosado este proceso en varias actividades principales, desde el momento en que el taxi ingresa al sistema hasta el momento en que sale. Se identificaron cuatro actividades principales, como se muestra en el siguiente cuadro:

Se recolectaron varias muestras de la duración de estas actividades, en diferentes franjas horarias, estableciéndose un tiempo promedio y sus respectivas desviaciones estándar.

Se evidenció, a través de ANOVA para tres muestras de diferentes tamaños y una clasificación (10:00 – 11:00 hs, 11:40 – 12:40 hs y 14:50 – 16:50 hs), que los tiempos promedio de abastecimiento significativamente diferir, al nivel del 5%, con el equipo de la gasolinera. cambiando turnos de trabajo a las 7:00 am, 15:00 pm y 23:00 pm.

Finalmente, se comprobó estadísticamente que la emisión de facturas a cooperativas de taxistas aumenta la permanencia del taxi en la estación.

3. MODELADO COMPUTACIONAL

Se adoptó la simulación digital como herramienta de trabajo. La simulación pretende hacer factible la realización de pruebas sobre la configuración de la estación, sin que sea necesaria una modificación real de su estructura. Básicamente, la simulación comprende dos etapas: el modelado del problema y la simulación computacional.

Para el modelado del sistema se utilizó el paquete de simulación Simul, el cual básicamente es un conjunto de subrutinas que organizan y administran un conjunto de actividades que deben iniciarse bajo ciertas condiciones y finalizar después de un determinado período de tiempo. En el proceso de modelado del problema se utilizó el concepto de Diagrama de Ciclo de Actividad (DCA), que trae información general sobre el sistema simulado y se recomienda a los usuarios del paquete de simulación en cuestión. El DCA es una representación esquemática del modelo de simulación y tiene tres conceptos básicos: entidad, actividad y cola, como se muestra en la siguiente tabla:

La siguiente figura representa el DCA del sistema actual de la estación y la tabla 4 presenta las actividades relacionadas, las entidades que participan en ellas y sus atributos, así como las colas por las que pasan las entidades.

Con base en tiempos de operación y tasas de llegada, se programaron eventos que simularían las actividades de la estación, utilizando para ello el concepto de generación de variables aleatorias (normales y exponenciales), con medias y desviaciones estándar calculadas a partir de los datos reales.

El número de boquillas puede ser elegido por el usuario del sistema y varía entre 3 y 5. El número de dependientes de la gasolinera se estableció como n, donde n es la mitad del número de boquillas. De hecho, un empleado de una gasolinera opera dos boquillas simultáneamente, sin sobrecarga de trabajo. Es decir, cuando un empleado de una gasolinera está participando en una actividad, también puede participar en otra al mismo tiempo, sin que su desempeño se vea afectado. Además, el sistema es capaz de realizar simulaciones durante varios días consecutivos, sin necesidad de reinicializar variables, y de recoger datos estadísticos por franjas horarias, facilitando así futuros análisis.

4. PROYECTO EXPERIMENTAL

Simulamos tres configuraciones básicas alternativas (experimentos) al funcionamiento actual de la gasolinera. Ellos son: (a) emisión automática de factura por dispositivo electrónico, actualmente, el veinte por ciento de los taxis que se llenan diariamente en la estación requieren factura; (b) supuesto que el tiempo promedio diario de suministro alcanzó el nivel del mejor tiempo promedio cobrado por muestreo, a través de la capacitación de los asistentes de gasolineras, (c) emisión automática de facturas y un mejor equipo de asistentes.

Ahora describiremos las ganancias en el nivel de servicio al taxista evaluadas a través de simulaciones de estas configuraciones alternativas.

4.1. Emisión automática de factura

La simulación de esta alternativa durante 50 días consecutivos mostró reducciones considerables en el tamaño promedio de la fila y el tiempo promedio de espera en la fila, especialmente en los horarios pico (15:17 a 17:19, 19:21 a XNUMX:XNUMX y XNUMX:XNUMX a XNUMX:XNUMX horas). :XNUMX a XNUMX:XNUMX) como podemos ver en el siguiente gráfico, en comparación con la configuración de funcionamiento actual de la estación.

Las reducciones significativas en franjas horarias menos concurridas (0 a 5 a. m., 5 a 7 a. m., 7 a 9 a. m. y 21 a 24 a. m.) deben analizarse con cautela, ya que el tamaño promedio de la cola por intervalo no es lo suficientemente grande para establecerse una diferencia significativa. Esta salvedad está implícita en todos los análisis que se hagan a partir de ahora.

4.2. Mejor equipo de asistentes sin emisión automática de factura

Esta configuración presenta mejoras de nivel de servicio mucho más expresivas que la anterior para las horas punta (15:17 a 17:19, 19:21 a 00:XNUMX y XNUMX:XNUMX a XNUMX:XNUMX).

Para el período de tiempo entre las 17 pm y las 19 pm, en particular, la simulación indicó una reducción dramática del 00 % en el tamaño promedio de la fila, como se muestra en el gráfico a continuación, que indica una caída de 80 a 25 taxis en promedio.

4.3. Mejor equipo de asistentes con emisión automática de factura

Esta última configuración es la que presenta mayores ganancias para las horas pico; en particular, una vez más, para el horario de 17 a 19 horas, como se muestra en el siguiente gráfico.

5. CUANTIFICACIÓN DEL INCREMENTO EN EL VOLUMEN DE VENTAS ANUALES

Presentaremos las ganancias derivadas de la implementación de las configuraciones descritas anteriormente. Los supuestos básicos para que dicho potencial de ventas se convierta en mayores ingresos son: (a) la demanda aumentará hasta que el nivel de servicio de la nueva configuración sea igual al nivel de la configuración anterior (en términos de tiempo de espera), estabilizándose a partir de ahí; (b) población (número potencial de taxis) infinita.

De esta forma, podemos estimar el incremento de la demanda en número de taxis/día en función del tamaño de cola deseado (nivel de servicio) para la franja horaria más crítica.

5.1. Emisión automática de factura

Es fácil ver que, para que el tamaño medio de la cola vuelva a ser de 25 taxis, es necesario un aumento de la demanda del orden del 3%. Eso significa apenas trece autos más en el sistema a lo largo del día y un aumento en el volumen de ventas anual de treinta mil reales.

El párrafo anterior traduce una información de gran relevancia: la estación se encontraba en su punto crítico de saturación, donde el impacto de los experimentos ensayados se traducía en aumentos considerables de la productividad. Sin embargo, un pequeño aumento en el volumen de automóviles atendidos diariamente devolvió el sistema a su estado de saturación.

5.2. Mejor equipo de asistentes sin emisión automática de factura

Este experimento mostró mayores ganancias de productividad que el anterior. Es decir, en una situación operativa cercana a la saturación, el correo es más sensible a la capacitación de sus recursos humanos, en términos de incrementos de productividad, que a la implementación de la emisión automática de facturas.

Es fácil ver que, para que el tamaño medio de la cola vuelva a ser de 25 taxis, es necesario un aumento de la demanda del orden del 16%. Esto significa setenta y ocho autos más en el sistema a lo largo del día y un aumento en el volumen de ventas anual de alrededor de ciento sesenta mil reales.

5.3 Mejor equipo de dependientes de gasolineras con emisión automática de factura

Como era de esperar, esta configuración presenta como principal característica un aumento de productividad que no es equivalente a la suma de los aumentos de productividad de los otros experimentos anteriores.

Si con la emisión automática de facturas el tamaño promedio de la cola para el peor horario se redujo de 25 a 15 autos, y con el mejor equipo el tamaño promedio se redujo de 25 a 5 autos, ejecutar dos experimentos simultáneamente no significa necesariamente que la cola se reduzca. bajar a cero coche. Hay interferencias entre los experimentos, y un estudio más detallado está más allá del alcance de nuestro trabajo.

Es fácil ver que para que el tamaño medio de la cola vuelva a ser de 25 taxis, es necesario un aumento de la demanda de alrededor del 18%. Esto significa ochenta y ocho autos más en el sistema a lo largo del día y un aumento en el volumen de ventas anual de alrededor de ciento ochenta mil reales.

CONCLUSIÓN

Este trabajo, mediante el uso de simulación computacional, evaluó alternativas de solución para incrementar la productividad en un sistema saturado, sin perspectivas inmediatas de incrementar la capacidad del servicio.

Se intentó evaluar el impacto de estas configuraciones alternativas en términos del nivel de servicio brindado al taxista (longitud de fila y tiempo de espera), así como estimar un probable incremento en el volumen de ventas anual.

Referencias

* Costa Neto, Pedro Luiz de Oliveira, “Estadísticas”, Editora Edgard Blücher, São Paulo, 1977.

* Hillier, Frederick S., “Investigación de operaciones”, Holden-Day, San Francisco, 1974

* Saliby, Eduardo; Pimentel, Milton, Informe COPPEAD nº 255 – Simul: Un Sistema Computacional para la Simulación de Eventos Discretos en Turbo Pascal, Río de Janeiro, 1991.

Autores: Peter Wanke, Leonardo Barros y Milene Cauzin