Modelo de Suporte a Definição do Portfólio de Produtos de uma Empresa Mineradora Sensível à Variedade de Produtos e Condições de Mercado

Para manter-se competitiva e presente nos em diferentes segmentos de mercado, a empresa deve identificar oportunidades a de fim de ampliar suas vendas. Por consequência desse movimento as empresas tendem a aumentar o número de produtos oferecidos para aproveitar essa oportunidade num determinado momento de mercado. Isso pode inicialmente incrementar as vendas, resultar em maior participação de mercado, mas não necessariamente incrementará os lucros da empresa. Por outro lado, a redução do portfólio pode simplificar o processo produtivo e reduzir os custos de produção. Mas pode aumentar a exposição da empresa à oscilações do mercado, como demanda e/ou preço de produtos. Neste trabalho foi sugerido um modelo de avaliação de número de produtos ótimo para um determinado período em avaliação considerando características de formação de preço dos produtos e efeito de diferentes posicionamentos da empresa no mercado.

04/08/2015

14:00

Modelo de Opções Reais para Avaliar a Estratégia de Produção em uma Indústria Eletrointensiva face ao Preço da Energia Elétrica

Os preços das commodities, em geral, apresentam um comportamento estocástico, o que significa que os preços futuros são incertos e difíceis de se prever. No Brasil o preço spot da energia elétrica não é diferente. O Operador Nacional do Sistema (ONS) divulga, semanalmente, um novo preço de energia elétrica com o intuito de minimizar o custo de operação do sistema como um todo. Entretanto, este preço tem como característica uma alta volatilidade o que gera enormes incertezas quanto aos preços futuros. Como em qualquer ambiente de incertezas, no setor elétrico também existem oportunidades. Em um período em que o preço da energia esteja alto pode ser mais lucrativo para uma empresa eletrointensiva suspender temporariamente parte da sua produção e vender a energia elétrica excedente ao preço spot, aproveitando este momento para realizar manutenções preventivas em suas máquinas e equipamentos. O objetivo deste trabalho é auxiliar empresas eletrointensivas a definir uma estratégia ótima de produção levando em consideração as incertezas futuras do preço spot da energia elétrica. Como um exemplo ilustrativo, analisamos o caso de uma indústria de alumínio que tem a opção de suspender temporariamente sua produção para comercializar a energia elétrica resultante. Para avaliar o preço spot da energia elétrica, analisamos a sua série histórica e tratamos os dados para projetarmos preços futuros. Consideramos duas bordagens: (i) regressões lineares e (ii) movimentos de reversão a média. Em cada uma das abordagens apresentamos dois modelos diferentes. Para comparar nossos resultados verificamos qual modelo apresentou o menor erro quadrático médio de previsão. Os resultados mostraram que a análise de regressão teve um desempenho melhor para prevermos o comportamento futuro do preço. Posteriormente, apresentamos um exemplo ilustrativo utilizando estes modelos para valorarmos uma opção de alternância (switch) entre a produção de alumínio e a venda de energia elétrica. Os resultados mostram que esta flexibilidade agrega um valor significativo ao resultado operacional de uma indústria de alumínio.

31/07/2015

13:30

Bayesian mapping methods applied to 2014 Brazilian energy distribution companies benchmarking model: accounting for spatially unobserved local determinants of inefficiencies.

O Brasil é um país de dimensões continentais com 27 estados, abrange várias zonas climáticas, e possui diferenças climáticas significativas e grande bio-diversidades. Essas características representam grandes desafios para as empresas de distribuição de energia. Portanto, é provável que a localização geográfica das empresas de distribuição de energia impacta seus custos operacionais. Neste trabalho, vamos explorar a componente geográfica das empresas de distribuição de energia no modelo de benchmarking. Será utilizado um modelo de fronteira estocástica com uma estrutura espacial latente para contabilizar possíveis variações geográficas no modelo. As variáveis de entrada e saídas são semelhantes ao modelo de análise envoltória de dados (DEA) proposto pelo regulador brasileiro (ANEEL) em 4 de dezembro de 2014. A variável de entrada é o custo operacional e as variáveis de saídas são:  rede de alta tensão, rede aérea, rede subterrânea, mercado ponderado de energia e número de consumidores. Além da estrutura espacial latente, será considerada a precipitação como variável ambiental (não arbitrária). A precipitação apresentaram correlação estatisticamente significativa com os escores de eficiência da DEA.

14/07/2015

09:00

sala de seminários 1010, Escola de Engenharia