O método desenvolvido para construção desta tese e consequentemente para responder as questões de pesquisa e ao objetivo está descrito neste tópico.
O procedimento de pesquisa está apresentado conforme a Figura 34, onde é possível identificar as etapas do estudo, baseado nas etapas de simulação de Kelton, Sadowski e Sadowski (2007) e no modelo de Hubka e Eder (1995).
Figura 34 - Etapas do método realizado nesta pesquisa
Fonte: Elaboração própria.
O método de pesquisa é composto por seis etapas para estruturação de um sistema agroindustrial com SI.
A etapa 1 consiste na compreensão do tema, ou seja, são estudados os temas que permeiam as questões de pesquisa, sendo a SI e a ciência do projeto. Para a primeira foi necessário entender seu funcionamento e principais características apresentadas na literatura,
para identificar sua contribuição sustentável ao sistema já existente. Constatou-se que a principal pesquisadora e influenciadora deste conceito é a Marian Ruth Chertow da Universidade de Yale e que a SI de fato favorece um desenvolvimento ambiental maior, utilizando os resíduos ao máximo e integrando os agentes participantes em comunidade. Entendeu-se também que para ajudar na evolução e não falha da SI em um sistema, a ciência do projeto têm sua relevância e fornece auxílio neste sentido, o que foi evidenciado nos trabalhos de Lange et al (2017) e Sopha et al (2010), e sua base conceitual está em Pugh (1991), Hubka e Eder (1995) e Paul e Beitz (1996).
A etapa 2 incide na estruturação conceitual teórica para a realização de mais estudos a respeito dos temas mencionados na etapa 1. Para obter uma vasta compreensão da literatura sobre as publicações de SI foi realizado a Revisão Bibliográfica Sistemática (RBS), que é um método sistemático de busca e análise de artigos (CONFORTO; AMARAL; SILVA, 2011).
A RBS foi baseada no roteiro de Conforto, Amaral e Silva (2011), o qual é composto por três fases com quinze etapas distribuídas entre elas, como mostrado na Figura 35.
Figura 35 - Roteiro de RBS
Fonte: Conforto, Amaral e Silva (2011).
A fase um é a entrada, onde encontra-se as etapas de definição do problema e do objetivo, as fontes primárias com os principais autores, a string de busca com as palavras chaves e relevantes. Tem-se o critério de inclusão para escolher os artigos, os critérios de qualificação para definir a importância do artigo, o método e ferramentas que serão utilizados para a busca e o cronograma quando necessário (CONFORTO; AMARAL; SILVA, 2011).
A fase dois apresenta a condução das buscas nas bases de dados relevantes e em periódicos importantes, com aplicação dos filtros 1, 2 e 3 com um aprofundamento relativo da leitura dos artigos. No final tem-se a contabilização e análise dos artigos escolhidos e a documentação (CONFORTO; AMARAL; SILVA, 2011).
A fase três aplica alertas para bases e periódicos relevantes para atualizações, cadastra os artigos em um lugar específico e apresenta os resultados para o prosseguimento da pesquisa (CONFORTO; AMARAL; SILVA, 2011).
Para este trabalho a RBS foi utilizada em três oportunidades, uma mais geral e central para as pesquisas em SI, a fim de entender suas características, benefícios, aplicações e os
frameworks para seu desenvolvimento, este protocolo pode ser visto no Apêndice A. Outra foi
realizada para identificar os artigos que utilizaram a SI no setor da agroindústria para entender este contexto e o que foi desenvolvido na literatura até o momento, protocolo presente no Apêndice B. E por fim, ao caracterizar a SI como um sistema adaptativo complexo, realizou-se uma RBS para encontrar as pesquisas de SI que utilizaram a SBA em seus estudos, considerando que a simulação nesta especificidade é adaptativa e complexa, para simulação e validação ou qualquer outra aplicação, com o protocolo apresentado no Apêndice C.
Ainda na etapa 2 foi realizada uma busca exploratória na literatura sobre os conceitos de Ciência do projeto para entender a possibilidade de auxílio para a estruturação da SI em um sistema com aspectos agroindustriais. Optou-se por focar nos autores considerados chaves neste tema, como Pugh (1991), Hubka e Eder (1995) e Paul e Beitz (1996), os quais apresentam modelos para projeto e conseguem responder ao esperado por esta pesquisa, sendo estas referências usadas de forma recorrentes por artigos atuais. O mesmo foi realizado para compreender o conceito de simulação.
Por fim, para validar e poder analisar a estruturação da SI no sistema agroindustrial identificou-se a importância de apresentar os conceitos de sistemas adaptativos complexos e a ferramenta SBA, utilizada em alguns artigos relevantes da área, tais como Romero e Ruiz (2014), Batten (2009) e Yazan et al (2018). Apresentando uma revisão de seus conceitos neste tópico de metodologia.
A etapa 3 consiste na compreensão do sistema, onde foi mapeada a região de estudo, no caso a cidade de Dourados, pela característica agroindustrial, pela quantidade de empresas, além de ter um tamanho (número de variáveis) possível de ser analisada nesta pesquisa. O sistema conta com 4.000 km2, 220.000 habitantes e diversas empresas agroindustriais, fazendas de agricultura e pecuária. Cada elemento foi apresentado no tópico quatro.
Foram realizados contatos por e-mail e por telefone, a fim de marcar visitas técnicas ou entrevistas com os gestores sobre a geração de resíduos de cada um e a possibilidade de desenvolver um sistema com SI. Os e-mails para coleta de dados foram enviados a primeira vez em outubro de 2017, e a cada dois meses de janeiro de 2018 até junho de 2019. Neste período,
realizou-se ligações telefônicas para contato também, para empresas que não tivessem respondido nenhum e-mail até julho de 2018.
Das 16 empresas contatadas (incluindo dois laticínios e duas usinas sucroalcooleiras) seis delas possibilitaram visitas técnicas, totalizando 37,5%, sendo dois laticínios, uma usina, a processadora de carne de frango, a beneficiadora e produtores rurais. As visitas ocorreram na forma de observação do processo produtivo, e durante as mesmas foi possível pedir os dados necessários para este trabalho. As informações passadas foram relativas às quantidades de resíduos e sobre a destinação atual, dados sobre custo foram negados por questões éticas de cada empresa e a possibilidade de desenvolver SI em Dourados-MS foi considerada interessante, porém não foi comentada.
As demais empresas não permitiram visitas em suas unidades, porém responderam os
e-mails com dados de resíduos que eles conheciam a quantidade e a forma de destinação atual,
sempre considerada como de acordo com a lei brasileira. A processadora de carne suína, a farinheira e os produtores de granja de frango não responderam os e-mails e não possibilitaram acesso à dados, contudo o primeiro e o último disseram por telefone que sua destinação está conforme a lei brasileira e é realizada de forma correta.
Faz-se necessário ressaltar que nenhuma empresa possibilitou acesso à documentos de qualquer natureza quando indagados sobre seus resíduos, alegando que a variabilidade é alta no setor agroindustrial e que somente é possível fornecer uma média.
Durante as visitas nas empresas foram realizadas algumas perguntas sobre a gestão dos resíduos da empresa aos responsáveis. As perguntas foram conduzidas de acordo com o andamento da visita técnica, com respostas imediatas ou com promessas de respostas futuras por e-mail. As questões realizadas foram as seguintes: Quais são os resíduos da empresa? Quais são as quantidades médias de resíduos gerados? Como a empresa gere seus resíduos? Quais os critérios para a destinação? Qual o conhecimento da empresa sobre Simbiose Industrial? Qual sua opinião sobre um sistema simbiótico em Dourados-MS? As informações pertinentes a estas perguntas conseguidas nas visitas estão no Quadro 36 dos resultados.
Foram enviados e-mails explicando a SI e a variável propensão ambiental e pedindo que cada agente classificasse o sistema nos oito elementos da variável, esta será introduzida e explicada posteriormente neste trabalho. As 16 empresas foram contatadas em junho de 2019 e relembradas a cada mês, com a obtenção de 6 respostas, com a taxa de retorno de 37,5%, acima dos 5% recomendado pela literatura.
Para obtenção da classificação da propensão ambiental na região de Dourados-MS por pesquisadores da área de gestão ambiental e gestão de resíduos sólidos, foram enviados quatro
e-mails para três pesquisadores da UFGD e um da UFMS de Campo Grande, onde foi possível
obter as quatro respostas. Estes e-mails continham uma breve explicação sobre a propensão ambiental e os Quadros com a descrição de cada nível de cada elemento, e também uma tabela para classificação conforme opinião de cada pesquisador. Para estes também foram enviados e-
mails com o link do modelo computacional para validação dos resultados obtidos com a
simulação.
Com a falta de acesso à todas as informações necessárias sobre a geração de resíduos de cada agente, realizou-se a complementação dos dados com base em pesquisas disponíveis na literatura sobre cada setor, com ênfase nos dados do Sistema Nacional de Gestão de Resíduos Sólidos (SINIR), Instituto de Pesquisa Econômica Aplicada (IPEA) e Instituto Brasileiro de Geografia e Estatística (IBGE).
Nota-se nesta etapa a diferença quando os dados reais são confrontados com a literatura, pois neste setor há muitas variáveis importantes que estão em constante mudanças e dificilmente se repetem ao longo dos anos. Um exemplo clássico é o clima, o qual envolve umidade, temperatura, quantidade de chuvas, outro exemplo é o solo e sua quantidade de nutrientes, minerais e água, além das características e especificidades de cada planta e animal. Como mostrado na Figura 34, alguns dados coletados ou respondidos pelas empresas traziam a necessidade de complementação destes, por exemplo, a empresa de abate de frango fornecia dados sobre vísceras e penas, mas não falava sobre sangue. O que gerava um novo contato para possível complementação dos dados.
Nesta etapa 3 ocorreu a análise dos dados recebidos, onde em alguns momentos notou- se a existência de outra empresa para o estudo, uma empresa ambiental, que realiza a destinação final de resíduos sólidos na cidade. Esta empresa possibilitou a visita técnica, porém sua função principal é aterrar todos os resíduos recebidos, não sendo realizadas outras formas de destinação para as empresas, além do que já é realizado pelo aterro público municipal.
A etapa 4 consiste na modelagem e simulação. Após a análise dos dados, estes são equacionados para construção do modelo, realiza-se também a causalidade das variáveis identificadas, definindo suas relações diretas e indiretas e a importância de cada uma. Neste momento elencou-se as variáveis conforme sua relevância para o objetivo, modelando-as para entender seu comportamento na simulação e responder às questões de pesquisa. Com isso o modelo equacionado é transferido para o software de simulação, para executar e analisar os resultados.
Ressalta-se que esta etapa passou por diversos ciclos de alterações e melhorias para obter representação mais fiel do sistema com SI. As variáveis e medidas foram alteradas para contemplar os aspectos observados empiricamente.
Neste caso foi escolhido o Netlogo, por aparecer recorrentemente na literatura e ser
Open Source, além de ser o mais indicado para modelagem de sistemas complexos (Wilensky,
1999). No software foi realizado um teste piloto para testar o modelo e posteriormente foram realizadas as execuções para análise dos comportamentos e melhores cenários.
O NetLogo é um ambiente de modelagem programável para simular fenômenos naturais e sociais. Foi criado por Uri Wilensky em 1999 e está em desenvolvimento contínuo desde o Centro de Aprendizagem Conectada e Modelagem Baseada em Computador (WILENSKY, 2018).
O NetLogo é um sistema de desenvolvimento de modelos baseado em agentes que possui linguagem de programação própria e uma interface visual que permite o acompanhamento das simulações (WILENSKY, 1999; WILENSKY & REISMAN, 2006).
O NetLogo é um ambiente multi-plataforma para modelagem de ambientes multi- agentes. É particularmente bem adaptado para modelar sistemas complexos que se desenvolvem ao longo do tempo. Os modeladores podem instruir centenas ou milhares de agentes, todos operando de forma independente. Isto torna possível explorar a conexão entre o comportamento no micro-nível de indivíduos e no macro-nível de padrões que emergem a partir da interação de muitos indivíduos (WILENSKY, 2018).
O NetLogo possui uma extensa documentação e tutoriais, além de vir acompanhado da Models Library, uma ampla coleção de simulações pré-escritas que podem ser utilizadas e modificadas. Estas simulações abordam conteúdos de áreas das ciências naturais e sociais. O NetLogo é a última geração da série de linguagens de modelagem multi-agentes que teve início com o StarLogo (http://education.mit.edu/starlogo/). Baseado nas funcionalidades do StarLogoT (http://ccl.northwestern.edu/cm/starlogoT/), com acréscimo de novos recursos e uma linguagem e interface com usuário redesenhadas. Desenvolvido em Java, pode ser executado na maioria das plataformas (Mac, Linux, Windows etc.). Os modelos podem ser executados como applets Java dentro de um navegador web. (NetLogo) São algumas das características oferecidas pelo NetLogo: estrutura de linguagem simples; agentes móveis (turtles) caminham sobre uma grade de agentes estacionários (patches), criação de ligações entre turtles para construir agregados, redes e grafos de agentes; visualização 2D e 3D do modelo; controle de velocidade de simulação; monitores que permitem inspecionar e controlar os agentes (WILENSKY, 2018).
A etapa 5 consiste na análise dos resultados para avaliação dos comportamentos obtidos, para identificar as melhores tomadas de decisão e assim responder às questões de pesquisa. Neste momento entende-se qual o melhor cenário, quais as variáveis que mais influenciaram e quais pontos precisam de melhorias em futuras pesquisas, além da discussão de cada resultado obtido e sobre quais perspectivas.
A etapa 6 consiste nas ideias e conclusões, trazendo novos apontamentos a partir do trabalho e fechamento do método com suas contribuições.
As etapas são colocadas na representação do modelo de projeto de Hubka e Eder (1995), como Figura 36. Entende-se nesta pesquisa que primeiro realiza-se um conhecimento sobre o processo de projeto existente na literatura, aborda-se a teoria existente sobre processo de projeto e o sistema técnico (SI), passa-se para o conhecimento do objeto, sua modelagem aos olhos do projeto. Após estas etapas tem-se a confrontação dos resultados do sistema real com a teoria, para enfim propor novas ideias à teoria do processo de projeto com SI no setor agroindustrial.
Figura 36 - Representação das etapas no modelo de Hubka e Eder (1995)
Fonte: Elaboração própria.