Measuring capacities in multimodal maritime port systems with anchorage queues

Este artigo apresenta um novo quadro metodológico para estimar a capacidade operacional e a capacidade máxima de sistemas portuários marítimos multimodais, distinguindo entre condições estáveis e de pico através de modelos de filas e equações diferenciais, com aplicação prática no Porto de Houston para identificar gargalos críticos e apoiar o planejamento de infraestrutura.

O essencial

Imagine que um porto marítimo é como uma grande festa onde navios (os convidados) chegam para descarregar suas mercadorias. O problema é que a festa tem regras estritas: os convidados precisam entrar por um único corredor estreito (o canal), encontrar um lugar para sentar (o cais), e só então podem ser atendidos pelos garçons (os guindastes e operadores).

Este artigo de pesquisa propõe uma nova maneira de medir o quão "cheia" essa festa pode ficar antes de virar um caos, distinguindo dois tipos de capacidade que a maioria das pessoas confunde:

1. A Capacidade de "Rotina" (Operating Capacity)

Pense nisso como o ritmo sustentável da festa. É o número máximo de convidados que o porto consegue atender dia após dia, ano após ano, sem que ninguém fique esperando na porta por horas a fio.

• A analogia: É como dirigir em uma estrada onde o fluxo é constante. Você pode ir a 80 km/h o dia todo, mas se tentar fazer 120 km/h constantemente, vai ter um acidente ou um engarrafamento que nunca termina.
• O que os autores descobriram: Para o Porto de Houston, essa capacidade de rotina é de cerca de 0,9 navio por hora. Se o porto tentar processar mais do que isso de forma contínua, a fila de espera (chamada de "ancoradouro") começa a crescer sem parar, como uma bola de neve.

2. A Capacidade de "Pico" (Ultimate Capacity)

Agora, imagine que a festa está quase acabando e todos os convidados que estavam na fila externa querem entrar agora. Ou, pensem em uma situação de emergência onde o porto foi fechado por uma tempestade e, ao reabrir, todos os navios acumulados tentam entrar de uma vez.

• A analogia: É o esforço máximo de um maratonista. Você pode correr a 20 km/h por alguns minutos (o pico), mas não consegue manter essa velocidade por uma hora inteira sem desmaiar. É uma capacidade temporária e instável.
• O que os autores descobriram: O Porto de Houston consegue, em momentos de pico e caos, processar cerca de 1,4 navio por hora. É muito mais rápido que a rotina, mas só dura um tempo curto antes que a fila de espera fique tão grande que o sistema "quebra" e os navios mais novos ficam esperando dias.

O Grande Segredo: Onde está o "Gargalo"?

O artigo é genial porque mostra que o que trava a festa muda dependendo da situação:

• Na Rotina (Dia a dia): O gargalo são os terminais de carga líquida (como petróleo). Imagine que os garçons que servem o vinho estão lentos. Mesmo que o corredor esteja vazio, os navios ficam presos porque não conseguem descarregar rápido o suficiente.
• No Pico (Após uma tempestade): O gargalo muda! De repente, o problema deixa de ser o garçom e passa a ser o piloto do navio. Se você tem 50 navios querendo entrar ao mesmo tempo, mas só tem 3 pilotos disponíveis para guiá-los pelo canal estreito, a fila explode. A falta de pilotos é o que impede o porto de usar sua capacidade máxima de recuperação.

Como eles descobriram isso?

Os pesquisadores usaram duas ferramentas diferentes, como se fossem dois tipos de lentes:

1. Lente da Matemática Pura (Teoria das Filas): Usaram fórmulas matemáticas (como as usadas para calcular filas de banco ou hospitais) para prever a capacidade de rotina. Isso é rápido e não precisa de simulações complexas, apenas de dados históricos de quando os navios chegaram e quanto tempo esperaram.
2. Lente do Simulador (Cinema Virtual): Criaram um "filme" virtual do porto, rodando milhares de vezes com diferentes quantidades de navios chegando. Eles observaram como a fila crescia e usaram um modelo matemático (uma equação diferencial) para encontrar o ponto exato onde a fila deixa de crescer e o sistema atinge seu limite físico máximo.

Por que isso importa?

Antes, os portos muitas vezes olhavam apenas para o limite máximo físico (o "pico") e achavam que podiam operar nesse ritmo o tempo todo. Isso leva a engarrafamentos crônicos.

Com este novo método, os planejadores podem dizer:

• "Se queremos melhorar o porto para o futuro, precisamos construir mais cais para óleo (para aumentar a capacidade de rotina)."
• "Mas, se queremos garantir que o porto se recupere rápido de um furacão, precisamos contratar mais pilotos (para aumentar a capacidade de pico)."

Em resumo, o artigo nos ensina que um porto não tem apenas um número de capacidade. Ele tem um ritmo saudável para viver e um ritmo de emergência para sobreviver. Entender a diferença entre os dois é a chave para planejar portos mais inteligentes e resilientes.

Resumo técnico

Resumo Técnico: Medição de Capacidades em Sistemas Portuários Multimodais

1. O Problema

A medição da capacidade de sistemas portuários multimodais é essencial para identificar gargalos, orientar investimentos em infraestrutura e planejar a recuperação após interrupções. No entanto, diferentemente dos sistemas rodoviários, os portos carecem de métodos padronizados para estimar a capacidade do sistema como um todo.
A literatura existente tende a focar em componentes individuais (como berços ou canais) ou utiliza simulações baseadas em indicadores de desempenho (como tempo de espera) sem distinguir claramente entre dois conceitos críticos:

• Capacidade Operacional: O fluxo máximo sustentável a longo prazo sob condições estáveis.
• Capacidade Última (Ultimate Capacity): O fluxo absoluto máximo alcançável em um horizonte de tempo finito, independentemente da estabilidade da fila (útil para cenários de recuperação pós-desastre ou picos de demanda).

A falta de distinção entre essas duas métricas pode levar a planejamentos inadequados, onde portos operam temporariamente acima de níveis sustentáveis, gerando congestionamentos crônicos, ou falham em planejar a resiliência necessária para eventos disruptivos.

2. Metodologia

Os autores propõem um quadro de trabalho integrado que utiliza duas abordagens distintas para estimar as duas métricas de capacidade, aplicadas ao Porto de Houston, Texas, como estudo de caso.

A. Modelo de Capacidade Operacional (Baseado em Teoria das Filas)

• Abordagem: Utiliza uma formulação de teoria das filas (Queueing Theory) para modelar o comportamento de longo prazo e estável.
• Modelo: O sistema é modelado como uma rede de filas, onde o canal de navegação é tratado como uma fila $G/M/1$ multiclasse e cada terminal como uma fila $G/M/1$ independente.
• Entradas: Utiliza dados históricos de rastreamento de embarcações (AIS) e registros portuários, sem a necessidade de simulações complexas.
• Cálculo: Estima a capacidade de serviço ($\mu$) do canal e de cada terminal com base nos tempos de espera observados e no comprimento das filas, utilizando a fórmula de Kingman e a Lei de Little. A capacidade operacional do porto ($C_o$) é definida como o mínimo entre a capacidade do canal e a soma das capacidades dos terminais.

B. Modelo de Capacidade Última (Baseado em Simulação e EDO)

• Abordagem: Utiliza uma simulação de eventos discretos detalhada do sistema portuário, combinada com um modelo de Equação Diferencial Ordinária (EDO).
• Simulação: O modelo simula a chegada de navios, filas de fundeio, restrições de canal (pilotos, rebocadores, luz do dia) e operações de terminais.
• Modelo EDO: Os dados de saída da simulação (número de navios que deixam o fundeio em função da taxa de chegada) são ajustados a uma EDO que descreve a curva de saída. A equação captura três fases:
  1. Regime Não Congestionado: Saída linear igual à chegada.
  2. Fase de Crescimento: Aumento do throughput até a capacidade última, mesmo com filas instáveis.
  3. Fase de Declínio/Congestionamento: Redução do throughput devido à competição por recursos compartilhados (ex: pilotos) quando a taxa de chegada excede um limite crítico ($\lambda_c$).
• Estimativa: Os parâmetros da EDO (incluindo a capacidade última $C_u$ e a capacidade saturada $C_s$) são inferidos numericamente usando um algoritmo de Evolução Diferencial para minimizar o erro quadrático médio entre a simulação e o modelo teórico.

3. Principais Contribuições

1. Modelo de Teoria das Filas para Capacidade Operacional: Desenvolvimento de um modelo parcimonioso que estima a capacidade sustentável a longo prazo diretamente de dados AIS, servindo como ferramenta de triagem inicial sem necessidade de simulação pesada.
2. Modelo Acionado por Simulação com EDO para Capacidade Última: Introdução de um modelo teórico baseado em EDOs para descrever a dinâmica de recuperação e o limite físico de processamento do porto, fornecendo uma base teórica para definir a capacidade em condições instáveis.
3. Relacionamento Formal entre as Capacidades: Estabelecimento de que a capacidade operacional é estritamente menor que a capacidade última ($C_o < C_u$) e demonstração de como as duas métricas se relacionam matematicamente, esclarecendo quando cada uma deve ser usada no planejamento.
4. Validação Empírica e Software de Código Aberto: Validação do framework com dados reais do Porto de Houston e disponibilização do código da simulação para a comunidade de pesquisa e prática portuária.

4. Resultados do Estudo de Caso (Porto de Houston)

• Capacidades Estimadas:
  • Capacidade Operacional ($C_o$): Aproximadamente 0,9 navios/hora (vph).
  • Capacidade Última ($C_u$): Aproximadamente 1,4 navios/hora (vph).
• Análise de Gargalos (Sensibilidade):
  • Condições Normais (Estáveis): O gargalo primário são os terminais de carga líquida (liquid-bulk). O canal de navegação (Houston Ship Channel) não é um fator limitante sob condições operacionais atuais (capacidade estimada de ~1,5 vph).
  • Condições de Disrupção/Recuperação: A disponibilidade de pilotos torna-se o gargalo dominante. Uma redução de 10% na disponibilidade de pilotos após uma interrupção reduz a capacidade última em cerca de 7,1%.
• Comportamento da Fila: Simulações mostraram que, embora o porto possa processar mais navios (até 1,4 vph) em curtos períodos após uma interrupção, isso resulta em filas de fundeio ilimitadas e tempos de espera crescentes para navios que chegam mais tarde, tornando essa operação insustentável a longo prazo.

5. Significado e Implicações

Este trabalho oferece uma ferramenta crucial para o planejamento portuário e a gestão de resiliência:

• Planejamento de Infraestrutura: Investimentos para aumentar o fluxo de longo prazo devem focar nos terminais de carga líquida, conforme identificado pela capacidade operacional.
• Resiliência e Recuperação: Para melhorar a capacidade de recuperação após desastres (como furacões ou neblina), o foco deve ser a disponibilidade de pilotos, que é o fator limitante na capacidade última.
• Tomada de Decisão: A distinção clara entre $C_o$ e $C_u$ permite que gestores entendam que maximizar o throughput imediato pode levar a congestionamentos futuros, enquanto o planejamento de resiliência exige recursos diferentes dos necessários para a operação diária.
• Aplicabilidade: O método permite estimar capacidades em diferentes níveis de disponibilidade de dados (apenas dados históricos para capacidade operacional vs. simulação detalhada para capacidade última), tornando-o adaptável a diversos contextos portuários.

Em suma, o artigo preenche uma lacuna significativa na literatura ao fornecer métodos quantitativos para diferenciar entre o que um porto pode sustentar indefinidamente e o que ele pode suportar temporariamente em situações de crise.