Apostila de Ensilagem Mestrado

MODELAGEM DO SEQUENCIAMENTO DA ENSILAGEM EM PROCESSOS INDUSTRIAIS DE FORMACAO DE RECEITAS
THIAGO HENRIQUE NOGUEIRA 21 de novembro de 2008
UNIVERSIDADE FEDERAL DE MINAS GERAES PROGRAMA DE POS-GRADUACAO EM ENGENHARIA DE PRODUCAO
DISSERTACAO DE MESTRADO
MODELAGEM DO SEQUENCIAMENTO DA ENSILAGEM EM PROCESSOS INDUSTRIAIS DE FORMACAO DE RECEITAS
THIAGO HENRIQUE NOGUEIRA
Agosto de 2008
Dedico este trabalho a meus pais e meu irmo, cujo exemplo de honestidade e trabalho a tem sido um norteador para a minha vida, para minha esposa, que tem me dado apoio nos momentos mais dif ceis e a minha lha pelo carinho.
ii
Resumo
O presente trabalho resultado da anlise do problema real de dimensionamento e see a quenciamento de lotes de produo, na fbrica de cimentos para refratrio, com objetido ca a a de minimizar o tempo total de linha parada. O processo de fabricao de cimentos para ca refratrio composto por um uxo cont a e nuo, de modo que pode ser tratado como uma unica mquina, a qual recebe matrias primas e realiza o seu processamento para formao a e ca do produto nal. A motivao deste trabalho advm do atual estado de desorganizao ca e ca da fbrica, a qual est` com cerca de 5 porcento de no atendimento da demanda e 20 a a a porcento do tempo total indispon para produo. O objetivo deste trabalho obter vel ca e um modelo de sequenciamento e dimensionamento dos lotes de produo, que propicie ca aumentar o tempo de linha de produo dispon ca vel, acarretando na minimizao do no ca a atendimento da demanda. O processo de sequenciamento est relacionado ` penalidades a a de antecipao e atraso da produo e com tempo de preparao da mquina dependente ca ca ca a da sequncia de produo. O dimensionamento do tamanho de lote est relacionado a e ca a penalidades de manuteno de estoque, no atendimento da demanda e restrito a capaca a cidade dispon no per vel odo. O modelo e o mtodo de resoluo propostos se mostram e ca capazes para obter uma maior organizao da linha de produo. No entanto, o tempo de ca ca resoluo, frente `s incertezas do processo produtivo real, se torna invivel em relao ao ca a a ca tempo necessrio para tomada de deciso, acarretando na necessidade do desenvolvimento a a de mtodos de soluo alternativos para melhoria do tempo computacional sem perder e ca qualidade da soluo. ca
iii
Abstract
The current work is the result of a real case analysis of production lot and sequencing procedure, in the cement industry, aiming to reduce production line stop time. The cement fabrication process is a continuous process, such that can be analyzed as a single equipment receiving raw material, processing into nished goods. The motivation for this work was the state of disorganization of the factory, resulting on rates of 5 percent of back ordering and 20 percent of unproductive time. The goal of this project is to increase productive time, reducing back ordering through a better lot dimensioning and scheduling. The scheduling process includes penalties for production delay or anticipation and includes a method of sequencing that considers the setup time between the dierent products. The lot size denition process also includes penalties for stock-out situations and for stock maintenance costs, always considering production capacity restrictions over a period. The model and the method proposed proved to be capable of promoting a higher degree of organization on the production line. Nevertheless, in face of real life uncertainties, the time required to nd the optimum solution is incompatible with production fast decision requirements, making necessary the development of alternative methods with faster response time, without losing quality.
iv
Sumrio a
Resumo Abstract Lista de guras Lista de tabelas 1 Introduo ca 1.1 Justicativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Determinao dos Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . ca 1.3 Organizao da Dissertao . . . . . . . . . . . . . . . . . . . . . . . . . . ca ca 2 Reviso Bibliogrca a a 2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 2.2 Reviso do Problema de Determinao do tamanho de lote . . . . . . . . . a ca
iii iv vii viii 1 2 3 3 5 5 7
2.3 Reviso dos Problemas de Sequenciamento . . . . . . . . . . . . . . . . . . 11 a 2.3.1 2.3.2 2.3.3 2.3.4 Denies Gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 co Classicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 co Problema de uma mquina . . . . . . . . . . . . . . . . . . . . . . . 17 a Aplicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 co
2.4 Anlise da complexidade dos problemas . . . . . . . . . . . . . . . . . . . . 20 a v
SUMARIO
vi
2.5 Determinao do Horizonte de Planejamento . . . . . . . . . . . . . . . . . 21 ca 2.6 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 a 3 Descrio do Processo Produtivo ca 24
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 ca 3.2 Descrio do Processo Produtivo ca . . . . . . . . . . . . . . . . . . . . . . . 24
3.3 Descrio do Processo Decisrio . . . . . . . . . . . . . . . . . . . . . . . . 27 ca o 3.4 Descrio da Matriz de Tempo de Preparao . . . . . . . . . . . . . . . . 30 ca ca 3.5 Descrio do problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 ca 3.6 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 a 4 Modelagem do Problema 38
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 ca 4.2 Proposio Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 ca 4.3 Proposio Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 ca 4.4 Melhoria do Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4.5 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 a 5 Resultados 53
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 ca 5.2 Exemplo de aplicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 ca 5.3 Aplicao de formulaes fortes ao modelo . . . . . . . . . . . . . . . . . . 73 ca co 5.4 Discusso dos resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 a 5.5 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 a 6 Concluso e Trabalhos Futuros a 85
Thiago Henrique Nogueira
Agosto de 2008 - DEP EE UFMG
Lista de Figuras
2.1 Planejamento da Produo . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 2.2 Fluxo de Produo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ca 2.3 Horizonte de Planejamento Discretizado . . . . . . . . . . . . . . . . . . . 6 8 8
2.4 Sequenciamento de Produtos . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.5 Composio dos produtos (job) . . . . . . . . . . . . . . . . . . . . . . . . 13 ca 2.6 Problema de Sequenciamento com Limites de Tempo . . . . . . . . . . . . 18 2.7 Horizonte de Planejamento . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.1 Fluxo do Processo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.2 Disposio do Processo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 ca 3.3 Formao das Ordens de Produo . . . . . . . . . . . . . . . . . . . . . . 28 ca ca 3.4 Composio dos lotes de Produo . . . . . . . . . . . . . . . . . . . . . . 33 ca ca 3.5 Composio dos Lotes de Produo . . . . . . . . . . . . . . . . . . . . . . 34 ca ca 3.6 Desigualdade Triangular . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 4.1 Horizonte de Planejamento . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 5.1 Composio dos Produtos no Processo . . . . . . . . . . . . . . . . . . . . 56 ca 5.2 Diagrama de Gantt dos Produtos . . . . . . . . . . . . . . . . . . . . . . . 69 5.3 Diagrama de Gantt com Janela de Atendimento . . . . . . . . . . . . . . . 70
vii
Lista de Tabelas
2.1 Quadro de Equivalncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 e 5.1 Demandas por Produto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 5.2 Matriz do Tempo de Preparao . . . . . . . . . . . . . . . . . . . . . . . . 59 ca 5.3 Composio das Matrias Primas nos Produtos . . . . . . . . . . . . . . . 61 ca e 5.4 Formao de Estoque por Per ca odo . . . . . . . . . . . . . . . . . . . . . . . 70 5.5 Demanda Postergada ou No Atendida por Per a odo . . . . . . . . . . . . . 71 5.6 Produo por Lote e por Per ca odo . . . . . . . . . . . . . . . . . . . . . . . 72 5.7 Tempo de Processamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 5.8 Janela de Produo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 ca 5.9 Demanda por Per odo e por Produto . . . . . . . . . . . . . . . . . . . . . 76 5.10 Matriz do Tempo de Preparao . . . . . . . . . . . . . . . . . . . . . . . . 77 ca 5.11 Matriz do Tempo de Preparao Mdio . . . . . . . . . . . . . . . . . . . . 77 ca e 5.12 Resultados das Verses do Modelo Matemtico Analisado . . . . . . . . . . 79 o a 5.13 Demanda versus Capacidade na Situao de Excesso de Capacidade . . . . 81 ca 5.14 Demanda versus Capacidade na Situao de Limitao de Capacidade . . . 81 ca ca 5.15 Demanda versus Capacidade na Situao de Capacidade Escassa . . . . . . 82 ca 5.16 Avaliao dos Resultados do Modelo Matemtico . . . . . . . . . . . . . . 82 ca a 5.17 Anlise de Sensibilidade do Modelo . . . . . . . . . . . . . . . . . . . . . . 83 a
viii
Cap tulo 1 Introduo ca

O mercado global se torna cada vez mais competitivo, de modo que as empresas buscam diferenciais para alavancar melhores resultados nanceiros. No passado as empresas obtinham, muitas vezes, melhores resultados a partir do aumento do preo de seus produtos c e ignorando os custos de produo envolvidos. A evoluo da competio levou o merca ca ca cado ao estabelecimento de preos apertados, os quais levam as empresas a estabelecerem c preos semelhantes (aumento de preos pode levar a perda de clientes). Portanto, a alc c ternativa que resta para as empresas, em busca da rentabilidade nanceira, reduzir os e custos dos processos produtivos. Consequentimente, a busca da maior rentabilidade nanceira, leva as empresas a se interessarem por uma maior organizao da linha de produo como alternativa da reduo ca ca ca do custo de processo. A pesquisa operacional entra como uma forte opo para melhoria ca da organizao da linha de produo, por possibilitar criao de modelos que reetem ca ca ca parte da realidade analisada. Esses modelos so ento utilizados para gerar sa a a das que apoiam a tomada de deciso sobre procedimentos e aes que devem ser tomadas para a co atingir os objetivos pr estabelecidos. e A evoluo da utilizao nas empresas da pesquisa operacional resultado de sua contrica ca e buio para melhoria dos resultados, bem como da evoluao da estrutura (devido a capaca c cidade superior de processamento, capacidade de armazenamento da informao, dentre ca outros) necessria para gerar resultados em tempo compat com a tomada de deciso. a vel a A literatura sobre problemas matemticos aplicados a processos produtivos reais vm a e crescendo ao longo dos anos na literatura tcnica de pesquisa operacional. Como evie denciado no artigos de Belvaux e Wolsey [10], Buxey [15] e Toso e Morabito [49] alm e das dissertaes de Gomes [29], Santos [43], Souza e Castro [45], Bustamante [14], dentre co outras. Um dos mais importantes problemas encontrados na literatura de sequenciamento de 1
1.1 - Justificativa
problemas prticos advm da necessidade de solucionar problemas em tempo computacia e onal para tomada de deciso. Em Gomes [29], Belvaux e Wolsey [10] e Pochet [39] so a a denidas alternativas para melhoria da soluo dos problemas prticos de programao ca a ca matemtico. a Este trabalho trata de um problema que integra os n veis de deciso ttico (dimensia a onamento de lotes de produo) e operacional (sequenciamento dos lotes na linha de ca produo), trabalhando com um modelo de sequenciamento juntamente com o modelo de ca determinao de tamanho de lote de produo. O sequenciamento denido um problema ca ca e de uma mquina, sujeito ao tempo de preparao de mquina dependente da sequncia a ca a e de produo e no simtrico (tempo de preparao do produto i para o produto j no ca a e ca a e necessariamente igual ao tempo de preparao de j para i). O problema de dimensionaca mento de lote, consiste no problema multi-item capacitado com possibilidade da formao ca de estoque e no atendimento da demanda. a O problema descrito anteriormente foi motivado a partir de um processo de formao de ca receitas, o qual consiste num dado cojunto de silos com um conjunto de matrias primas e associadas abastecer um produto com a mistura de matrias primas que o compe. O e o objetivo determinar a melhor sequncia dos produtos e tamanho de lotes, e consequene e timente qual matria prima cada silo deve conter, de modo que minimize o tempo total e da linha parada para a troca de matrias primas nos silos. e
1.1
Justicativa
A importncia do tema surgiu com o decorrer do delineamento do problema estudado, a devido a existncia de impactos do atual gerenciamento da linha de produo. O gerencie ca amento causa perda aproximada de 20 porcento da capacidade produtiva por tempo total de preparao, ruptura de estoque de matria prima, demora no abastecimento dos silos ca e de matria prima e no atendimento da demanda em torno de 5 porcento dos pedidos. O e a impacto destes problemas pode ser justicado por alguns motivos listados abaixo: 1. tempo de preparao: o sequenciamento dos produtos de forma no sistematizada ca a leva a um aumento do tempo total de preparao. Este problema pode ser resolvido ca pela aplicao de um problema de programao matematica que trata de forma ca ca estruturada a denio da sequncia dos produtos e de tal maneira a minimizar ca e o tempo total de preparao e ainda gerar uma previsibilidade dos silos a serem ca abastecidos, gerando desde uma maior organizao da linha de produo at mesmo ca ca e um menor tempo total de preparao; ca 2. ruptura de estoque de matria prima: a baixa previsibilidade da linha de produo e ca leva a possibilidade de ruptura do estoque de matria prima dependendo do lead e
Thiago Henrique Nogueira Agosto de 2008 - DEP EE UFMG
1.2 - Determinacao dos Objetivos
time da matria prima. Se o tempo de espera de uma matria prima for maior que e e o tempo previsto de sua utilizao, ento gera ruptura do estoque. Verica-se que ca a este problema ocorre com frequncia na linha de produo analisada; e ca 3. demora no abastecimento dos silos de matria prima: o pequeno horizonte de previe sibilidade de sequenciamento dos produtos, leva geralmente a uma baixa organizao ca do sequenciamento das matrias primas para abastecimento da linha de produo. e ca Essa baixa organizao acarreta em um maior tempo para abastecimento dos silos ca de estocagem; 4. integrao entre os n ca veis de deciso ttico e operacional: a reduzida comunicao a a ca entre esses dois n veis, acarreta na gerao de sa ca das que otimizadas no n ttico vel a causam entradas inviveis no n operacional. a vel Este trabalho visa organizar e trazer uma maior previsibilidade linha de produo, a a ca partir da preposio de um modelo de sequenciamento que alinha as necessidades tticas ca a e operacionais. Desenvolve-se um modelo que atende as necessidades bsicas da empresa, a alm de enquadrar diversos segmentos das teorias de sequenciamento da produo e de e ca dimensionamento de lote.
1.2
Determinao dos Objetivos ca
O objetivo geral da dissertao desenvolver e implementar um modelo de programao ca e ca matemtica para representao do processo de ensilagem, a m de se determinar ao mesmo a ca tempo um melhor sequenciamento dos produtos e um tamanho mais adequado de lote de produo. Especicamente os objetivos da modelagem so resumidos abaixo: ca a reduzir o atraso na entrega dos produtos; reduzir o estoque; priorizar os clientes denidos como mais importantes; reduzir o tempo total de preparao na troca de produtos; ca melhorar a integrao entre os n ca veis de deciso ttico e operacional. a a
1.3
Organizao da Dissertao ca ca
A dissertao est estruturada em seis cap ca a tulos, sendo que este cap tulo caracteriza a metodologia abordada, bem como a organizao da dissertao. ca ca
1.3 - Organizacao da Dissertacao
O Cap tulo 2 apresenta uma reviso bibliogrca focada no contexto do problema discua a tido. A reviso bibliogrca utilizada para subsidiar o conhecimento tcnico, de forma a a e e a auxiliar a modelagem. O Cap tulo 3 descreve o processo produtivo da empresa estudada e os problemas nele encontrado . Esse cap tulo fundamental para contextualizar o problema prtico estudado, e a bem como, entender as diculdades prticas para incorporar esse conhecimento adquirido a e representado no modelo proposto. No Cap tulo 4 descrito o contexto dos modelos matemticos gerados, no entanto, o foco e a a descrio das verses dos modelos matemticos gerados. O nal do cap e ca o a tulo descreve uma metodologia de fortalecimento do modelo matemtico que proporciona reduo do a ca tempo computacional com qualidade da soluo. ca O Cap tulo 5 consiste na exposio dos resultados, analisando desde o funcionamento ca das restries at a aplicao do modelo a um exemplo reduzido. Aps isso descreveco e ca o se a aplicao do fortalecimento do modelo matemtico em um exemplo baseado em ca a dados reais analisando a ecincia do resultado gerado em comparao com a formulao e ca ca real. Por m, analiza-se a sensibilidade dos resultados, a partir da aplicao do modelo ca matemtico em diversos dados de entrada, os quais variam em tamanho e caractristica. a e As concluses nais e os passos futuros so determinados no Cap o a tulo 6. Este cap tulo enfoca a questo dos resultados obtidos, bem como as limitaes encontradas na dissertao a co ca em relao a implementao em casos prticos. No m, discutido a possibilidade de utica ca a e lizar tcnicas de reduo do tempo de resoluo para melhorar os resultados alcanados e ca ca c nesta dissertao. ca
Cap tulo 2 Reviso Bibliogrca a a

2.1 Introduo ca
Os sistemas produtivos so compostos por recursos e estes devem ser direcionados ao a atendimento de objetivos pr estabelecidos. O atendimento dos objetivos facilitado pela e e formulao de planos que organizem os recursos dispon ca veis. Deve-se buscar organizar recursos humanos e f sicos necessrios, dirigir a ao dos recursos humanos sobre os rea ca cursos f sicos e controlar esta ao para a correo de eventuais desvios. Para obter este ca ca controle e planejamento de forma mais adequada deve-se existir ferramentas de suporte aos tomadores de deciso do PCP (Planejametno e Controle de Produo). a ca O PCP um elemento central na estrutura administrativa de um sistema de manufatura, e passando a ser um elemento decisivo para a integrao da manufatura. Em Russomano ca [42] determina o PCP como um elemento decisivo na estratgia das empresas para atender e a necessidade dos consumidores com qualidade e conabilidade. Segundo Anthony [4] e Britan e Tiruati [11] o n de deciso ttico trabalha com invel a a formaes dependentes do ambiente externo a empresa, logo no h um controle e preco a a visibilidade das informaes. O n operacional trabalha com informaes internas da co vel co empresa, de modo que existe um controle da empresa sobre estas informaes. co O uxo normal de deciso consiste em n ttico, com interao com o ambiente externo, a vel a ca a empresa decidir as quantidades de cada produto que deve ser produzido e a sua respectiva data de entrega. Esta situao resolvida pelo problema de dimensionamento de lote de ca e produo. As informaes de n ttico alimentam o n operacional, de modo que ca co vel a vel este determina a sequncia das quantidades de produtos estabelecidas ao n de deciso e vel a ttico. A gura 2.1 mostra o uxo descrito anteriormente. a 5
2.1 - Introducao
Figura 2.1: Planejamento da Produo ca Como mostrado na gura 2.1 normalmente nas empresas existe uma hierrquia de deciso, a a de modo que decises de n o vel deciso ttico so impostas como entradas no n a a a vel de deciso operacional. No entanto, como mostrado na seta pontilhada, o objetivo deste a modelo criar uma maior integrao entre os n e ca veis de deciso ttico e operacional. Essa a a integrao possibilita a determinao, em n ttico, de tamanhos de lotes de produtos ca ca vel a e suas respectivas datas de entrega em coerncia com as possibilidade de sequenciamento e dos produtos em n operacional. vel Diversos autores comentam da necessidade de realizar uma maior ligao entre esses n ca veis de deciso (Denizel et. al. [20] e Lasserre [32]) A ausncia de ligao entre os n a e ca veis (ttico a e operacional) leva a situaes em que as sa co das do n ttico ao alimentarem o n vel a vel operacional gerem planos inviveis de produo. a ca Em Loveland et. al. [35] determina-se um modelo que comunica as decisos de n e vel ttico com decises de n operacional buscando estabelecer uma melhor comunicao a o vel ca e organizao do cho de fbrica. Este problema consiste em determinar a melhor forma ca a a de alocar produtos e demandas em linhas paralelas e em conjunto com o sequenciamento da linha de produo, buscando uma otimizao combinada. ca ca O modelo matemtico desenvolvido nesta dissertao integra os n a ca veis de deciso ttico a a e operacional. Objetiva-se um modelo que determina decises tticas e operacionais ao o a mesmo tempo, buscando um resultado vivel que realmente otimize o objetivo de forma a vivel e global. As decises de n ttico correspondem a decises de tamanho de estoque, a o vel a o no atendimento da demanda e quanto produzir de cada produto e quando produzir. O a n vel operacional consite em sequenciar essas quantidades de produto determinada na linha de produo. O diferencial deste modelo, que ser discutido no cap ca a tulo 5, que e busca determinar as decises tticas ao mesmo tempo que visualiza o n operacional. o a vel
2.2 - Reviso do Problema de Determinacao do tamanho de lote a
Este cpitulo faz um reviso dos problemas de determinao de tamanho de lote e de a a ca sequenciamento da produo. A reviso deste cpitulo contextualiza a evoluo da moca a a ca delagem matmatica aplicadas nos dois tipos de problema discutidos. e
2.2
Reviso do Problema de Determinao do tamaa ca nho de lote
Os modelos de dimensionamento de lotes surgiram a partir da necessidade de reduzir os custos de produo, tornando-se um dos grandes temas abordados na literatura de ca pesquisa operacional. O primeiro trabalho realizado sobre determinao de tamanho de ca lote visto em Harris [28]. Este autor apresenta o problema de lote econmico, EOQ e (Economic Order Quantity), o qual a partir de uma demanda determin stica e constante estabelece o tamanho de lote que minimiza custos. Este tcnica de determinao de e ca tamanho de lote foi inovadora, mas limitada por tratar a demanda como constante e determin stica. Uma evoluo na modelagem matemtica determinada em Wagner e Whitin [50], o qual ca a e dene o problema de programao dinmica para a determinao do tamanho do lote, o ca a ca algoritmo apresentado garante o atendimento da demanda nos N perodos pr-denidos. e Neste artigo trata-se a demanda como varivel no tempo, sendo este uma inovao na a ca determinao de tamanho de lotes de produo. ca ca Outros artigos atuais so vistos em Drexl e Kimms [21] onde h uma coleta e analise de a a modelos de determinao de tamanho de lote e sequenciamento. Este artigo fornece um ca detalhamento de modelos variados de determinao do tamanho de lote, com per ca odos de tempo cont nuos e discretos. Enquanto Belvaux e Wolsey [10] e Pochet [39] re nem prou blemas de determinao de tamanho de lote introduzindo novas equaes, anos cortantes, ca co com o objetivo na melhoria de performance computacional na resoluo. ca A gura 2.2 representa o uxo de produo ao longo do tempo. O uxo de produo ca ca de um dado produto A o estoque no in do per e cio odo mais a quantidade produzida e igual o estoque ao nal do per odo mais a demanda do produto no per odo corrente. O estoque ao nal do per odo pode ser positivo ou negativo, no caso de negativo corresponde a quantidade de no atendimento da demanda enquanto positivo corresponde ao estoque a de produto em relao a demanda. ca Em Toso e Morabito [49] proposta uma abordagem para otimizar o problema de dimene sionamento e sequenciamento de lotes de produo em uma industria de fabricao de ca ca rao animal. O problema consiste em decidir quanto produzir de cada produto em cada ca per odo, considerando a sequncia de produo dos lotes, de maneira a satisfazer a dee ca manda e minimizar os custos de produo e estoques. Enfatiza-se no artigo que a grande ca
Figura 2.2: Fluxo de Produo ca diculdade para a programao da produo na empresa integrar estas decises (dos ca ca e o diversos n veis de deciso), uma vez que os tempos de preparao so bem dependentes a ca a da sequncia produtiva. e
Figura 2.3: Horizonte de Planejamento Discretizado A gura 2.3 mostra que o modelo de Toso e Morabito [49] consiste em discretizar cada per odo do horizonte de planejamento em um n mero de subper u odos igual ao n mero de u produtos a serem fabricados. Em cada parte discretizada de cada per odo de planejamento poss a produo de somente um produto, portanto a partir da alocao dos produtos e vel ca ca nos subper odos se determina a sequencia de produo. ca Buxey [15] e Santos [43] comentam que na pesquisa operacional as tcnicas mais utilizadas e para resolver os problemas de planejamento de produo so de programao linear. Em ca a ca
Belvaux e Wolsey [10] h agrupamento de modelos e tcnicas para modelagem e resoluo a e ca de problemas em tempo computacionalmente adequado. Buxey [15] determina que os modelos de programao e controle da produo podem ser ca ca classicando de acordo com sua caracter sticas. Essas caracter sticias so: a n mero de mquinas; u a n mero de n u veis; n mero de itens; u capacitado ou no; a esttico ou dinmico; a a estocstico ou determin a stico. O problema estudado nesta dissertao composto por um modelo de sequnciamento ca e e acoplado com um modelo de determinao de tamanho de lote. O modelo de determinao ca ca de tamanho de lote pode ser classicado, segundo Buxey [15], como problema de uma mquina, com um n a vel, multi-itens, capacitado, esttico e determin a stico. Alguns casos tericos so listados abaixo de acordo com a ordem cronlogica de publicao o a o ca dos trabalhos. Lasserre [32] enfatiza que desde que o plano da produo ignora restries de preca co parao do sequenciamento da linha de produo (scheduling), no h garantia de ca ca a a uma soluo vivel. Portanto, este artigo faz um mtodo de decomposio que inca a e ca tegra: plano de produo (a partir de uma sequncia xa gerada) e sequenciamento ca e (scheduling) em jobshop (a partir da plano de produo gerado). ca Sikora et. al. [44] comentam a separao dos n ca veis de deciso em subproblemas e a apresentam alguns mtodos dispon e veis para resolve-los em separado ou de forma integrada. Em outro trabalho deste mesmo autor apresentado um algoritmo gentico e e para integrar o sequenciamento da produo e dimensionamento dos lotes em uma ca linha de montagem sujeita a tempos de preparao dependentes da sequncia, lica e mitaes de capacidade, limitaes de estoques intermedirios entre as mquinas e co co a a datas para entrega; Drexl e Kimms [21] realiza uma anlise de modelos de determinao de tamanho de a ca lote e sequenciamento. Este artigo fornece um detalhamento de vriaos modelos de a determinao do tamanho de lote. Segundo o autor, os modelos se diferem conforme ca o horizonte de planejamento, o tamanho do per odo, o n mero de itens produzidos u por per odo e as decises sobre o tempo de preparao; o ca
10
Fleischamnn e Meyr [22] realizam a comparao entre diversos tipos de modelos de ca determinao de tamanho de lote. Apresenta-se ainda uma anlise da complexica a dade da formulao e trs mtodos heur ca e e sticos baseadas em threshold accepting para soluciona-lo; Clark e Clark [19] apresenta uma formulao linear inteira eciente para pequenas ca instncias do problema simultneo de sequenciamento e dimensionamento de lotes a a em mquinas paralelas com tempo de preparao dependente da sequncia e prope a ca e o um mtodo heur e stico de busca local para tratar instncias de tamanhos maiores; a Staggemeier e Clark [46] consideram algumas variaes do problema de determinao co ca do tamanho de lote, tais como: m ltiplos produtos, estgios ou mquinas e a u a a existncia de custos de tempo de preparao, datas de entrega e possibilidade de e ca postergao. Em especial, apresenta-se um modelo de determinao de tamanho ca ca de lote com algumas variaes de muito interesse prtico como, por exemplo, a co a conservao de tempo de preparao e a presena de m ltiplas mquinas; ca ca c u a Santos [43] determina que as tcnicas MRP e MRPII bem como os modelos matmaticos e e so boas formas para se gerenciar o sistema de manufatura das empresas, mas a solues customizadas costumam ser mais ecientes para lidar com o dia a dia. co Comenta-se tambm que os modelos de planejamento de produo se tornam nee ca cessrios devido a incerteza do ambiente, buscando assim trazer para os tomadores a de deciso uma ferramenta que permita visualizar a organizao dos horizontes sea ca guintes. Lobo et. al. [3] trabalha um problema de uma mquina com determinao de a ca tamanho de lote capacitado com multi-produto e tempo de preparao dependente ca da sequncia. A grande adi ao deste artigo o tempo de preparao do produto que e c e ca poder ser iniciado no per odo anterior a produo. Neste artigo aborda-se tambm ca e uma formulao completa para o problema de determinao de tamanho de lote de ca ca produo juntamente com sequenciamento destes; ca Pochet [39] trabalha a modelagem e formulao para problemas determin ca sticos de planejamento da produo. Este artigo contribui bastante em trabalhar com planos ca cortantes conhecidos para a modelagem de problemas de determinao de tamanho ca de lote. Portanto, este artigo contribui neste trabalho com formulaes rmes que co propiciem reduo do tempo computacional e melhoria na soluo encontrada; ca ca Toleto et. al. [48] apresenta a formulao de um modelo para programaao da ca c produo em mquinas paralelas com restries de capacidade, custos e tempos de ca a co preparao dependentes da sequncia de fbricao. Segundo Toledo et. al. [48] ca e a ca a modelagem matemtica parece ser uma tendncia no planejamento e controle da a e produo de muitos setores industriais, pois se vericam ganhos de ecincia ao ca e tratar problemas complexos simultaneamente.
2.3 - Reviso dos Problemas de Sequenciamento a
11
Alguns casos prticos de determinao de tamanho de lote so descritos abaixo: a ca a Kapuscinski et. al. [31] determina um modelo aplicado a Dell na deciso de estoques a na cadeia de suprimentos. Este artigo busca relatar o desenvolvimento de um modelo de estoques, visando identicar os drivers e metas para os estoques no estgio nal a da cadeia de suprimentos da Dell. Este modelo tem o objetivo de permitir a gesto a regional ttica dos estoques e subsidiar projetos globais identicando possibilidades a de reduo de estoques; ca Denizel et. al. [20] trabalha com um artigo prtico aplicado na Ford. Neste artigo a enfatiza-se um plano de operao centralizado e um plano de componentes desca centralizado. Este problema causa planos de operao inviveis para as unidades ca a podutivas, pois o plano centraizado no leva em conta as caracterist a cas das regionais. Neste trabalho prope-se um modelo para resoluo desta ligao entre o n o ca ca vel operaconal e prtico. a O problema de inuncias externas (fora do controle do tomador de deciso) no planejae a mento da produo cria a necessidade de estoques de segurana, capacidade extra, alterar ca c a pol tica de resuprimentos, dentre outros impactos. Entretanto, cada situao prtica ca a tem uma peculiaridade, logo os modelos devem ser adaptados as caracter sticas chave do processo produtivo, possibilitando assim criar modelos que possibilitem uma maior exibilidade diante das incertezas do ambiente. Essa diversicao justica a sua importncia ca a e a ampla gama de trabalhos sobre determinao de tamanho de lote de produo na ca ca literatura sobre pesquisa operacional.
2.3
Reviso dos Problemas de Sequenciamento a
Os problemas de sequenciamento so, em geral, um dos mais complexos encontrados a na pesquisa operacional. Estes problemas so vastamente discutidos na literatura como a exposto nos artigos de Allahverdi et. al. [2], Drexl e Kimms [21], Staggemeier e Clark [46], Blazewicz et. al. [12] e Panwalkar e Iskander [38]. O problema de sequenciamento (scheduling) consite basicamente em sequenciar determinados produtos buscando atingir objetivos pr estabelecidos. e A gura 2.4, ilustra o sequenciamento de 3 produtos, mostrando que ao sequencia-los podese acarretar em dois intervalos de tempo de linha parada. Os tempos de linha parada so a caracter sticos de solues de problemas de sequenciamento, sendo muito dif evit-los, co cil a sugerindo assim, em muitos casos, denir o objetivo do problema como minimizar seus impactos indesejveis (obtido com um sequenciamento adequado dos produtos) no tempo a dispon da linha de produco. vel ca
2.3.1 - Definicoes Gerais
12
Figura 2.4: Sequenciamento de Produtos O ambiente competitivo leva os tomadores de decio das empresas a se conscientizarem da a importncia das solues de pesquisa operacional para obteno de melhores resultados a co ca operacionais na gesto do tempo total dispon para tomada de deciso. Esta conciena vel a tizao para pesquisa operacional torna-se evidente devido, principalmente, ` evoluo da ca a ca tecnologia, proporcionado pelos novos computradores e a evoluo dos bancos de dados. ca No entanto, a complexidade inerente aos problemas t picos de sequenciamento aliados a complexidade do sistema produtivo da realidade diria das empresas resulta em modelos a de representao complexos e que necessitam de tratamentos especiais para resoluo ca ca destes problemas se considerando o tempo computacional necessrio. a Este cap tulo realiza uma breve reviso do problema de scheduling, desde a sua histria, a o nomenclaturas envolvidas, diculdades/complexidade dos problemas e aplicaes enconco tradas na literatura especializada. A partir deste momento denido como sequenciae mento a teoria de scheduling (Baker [8]).
2.3.1
Denies Gerais co
O problema de sequenciamento amplamente discutido na literatura, devido a sua come plexidade e aplicabilidade prtica. Esta seo busca denir uma reviso dos problemas de a ca a sequenciamento, possibilitando a criao de uma base conceitual e terica para possibilitar ca o a formulao adequada do problema modelado nesta dissertao. ca ca Alguns aspectos do sequenciamento da produo podem ser listados: ca alocao de recursos no tempo necessrio para executar um conjunto de processos ca a (Baker [8]); alocao tima de recursos limitados a atividades no tempo (Lawer et. al. [33]); ca o um caso especial importante do planejamento para o qual, dado um conjunto de
2.3.1 - Definicoes Gerais
13
aes a serem realizadas, deve-se produzir na ordem pela qual elas devem ser execuco tadas. Cada uma das aes requerer um conjunto de recursos de capacidade nita e co haver uma preferncia de certas ordens em relao a outras (McDermott e Hendler a e ca [37]); sequenciar um conjunto de tarefas atreladas a um conjunto de processos, de forma a obter o menor tempo de processamento ( Garey et. al. [24]). O problema de sequenciamento foi e ainda um rico e promissor campo de investigao, e ca com aplicaes na ind stria, log co u stica, arquitetura computacional, de comunicaes, denco tre outros ( Blazewicz et. al. [12]). No artido de Blazewicz et. al. [12] demonstrado a e avaliao do estado atual e as solues potenciais de programao matemtica evidencica co ca a ando algumas formulaes sobre problemas de sequenciamento. co O problema de sequenciamento consiste basicamente em ordenar um conjunto produtos, a partir de um conjunto de recursos. Cada produto composto por um conjunto de tarefas, e atividades ou operaes, as quais compem sua sequncia tecnolgica de fabricao. As co o e o ca tarefas representam operaes elementares, que para serem realizadas, necessitam de um co certo n mero de unidades de tempo e/ou recursos. A composio de um produto (job) u ca em tarefas ilustrado pela gura 2.5 abaixo. e
Figura 2.5: Composio dos produtos (job) ca Como exposto na gura 2.5, cada produto (job) fbricado por um conjunto de tarefas e a a serem realizadas na linha de produo. No entanto, estas tarefas esto presas a uma ca a sequncia lgica de produo, como mostrado pela gura acima, a qual o job em evidncia e o ca e fabricado pelas tarefas de 1 a n a serem executas exatamente na ordem exposta. e O sequenciamento amplamente discutido na literatura. Problemas como programao e ca da produo no n operacional, programao de projetos, gesto de estoques, roteaca vel ca a mento de ve culos entre outros, so resolvidos pelo sequenciamento. Alguns aplicativos a da internet que requerem acesso, transferncia e sincronizao de muitos dados utilizam e ca tambm o sequenciamento para agilizar as operaes reduzindo o tempo de espera do e co usurio (Allahverdi et. al. [2]). a
2.3.2 - Classificacoes
14
Segundo Leung [34], os problemas de sequenciamento esto ligados na alocao de recursos a ca a atividades com o objetivo de minimizar ou maximizar um ou mais objetivos. Algumas caracter sticas espec cas a estes problemas so a presena de datas de chegada e para c tida para as atividades que devem ser executadas, penalidades em atraso, dentre outros. Quanto as suas variaes, existem modelos apropriados a grande parte das situaes reais, co co como problemas denido como uma mquina, mquinas paralelas, f lowshop, jobshop e a a openshop.
2.3.2
Classicaes co
Graves [25] enfatiza que os critrios para avaliao de um programa podem misturar e ca medidas de custo e de ecincia. No entanto, a maior parte da literatura terica de e o sequenciamento da produo dedicou-se a problemas com um unico critrio. J em Kan ca e a [30] encontram-se critrios classicados nas seguintes classes gerais: e critrios baseados nos tempos de m: baseiam-se nas datas de trmino dos processos, e e a minimizar. Os exemplos so: a makespan - Cmax - tempo do m programado para a ultima operao, de modo ca que contado a partir do tempo zero, ou do in do horizonte de programao; e cio ca soma dos tempos de uxo, o qual denido na literatura como Fsoma ; e soma dos tempos de espera, o qual denido na literatura como Wsoma . e critrios baseados nas datas limite: so medidas de atrasos baseadas nas datas e a limite, de forma a minimizar o gap em relao a data limite. Esta prtica de ca a e grande importncia em sistemas de produo; a ca atraso relativo mximo, o qual denido na literatura como Lmax ; a e atraso absoluto mximo, o qual denido na literatura como Tmax . a e critrios baseados em custo e utilizao: levam em conta custos de posse (existncias) e ca e e a utilizao dos recursos; ca n mero mdio de processos em curso, Np , em espera, Ne , ou acabados, Nf : u e valor do n mero mdio de processos que respectivamente tomado ao longo do u e intervalo de tempo correspondente ao comprimento do programa; mdia do trabalho em progresso, A: valor mdio da soma das duras de cada e e ce produto (job) em curso, tomado ao longo do intervalo de tempo correspondente ao comprimento do programa;
15
soma dos tempos mortos, ou tempo morto total, Isoma : soma de todos tempos mortos de todos os recursos dentro do intervalo de tempo correspondente ao sequenciamento; utilizao mdia, o qual denido na literatura como Umed . ca e e Segundo Kan [30], existem as equivalncias entre os critrios que comprovam o porque e e da abordagem de somente alguns destes critrios na literatura sobre sequenciamento. Na e tabela 2.1, os problemas gerados com os critrios de uma mesma coluna so equivalentes e a entre si.
Tabela 2.1: Quadro de Equivalncias e Uma forma geral e sinttica de classicao e que abrange caracter e ca sticas gerais do sequenciamento na teria e na prtica, apresentada em Graves [25]. Este autor identica o a e dimenses segundo as quais os problema de programao da produo podem se classicar. o ca ca As trs dessas dimenses, mais importantes so: e o a complexidade do processamento: esta bsicamente relacionada ao n mero de passos a u de processamento associados a cada tarefa de produo; ca critrios de sequenciamento: est relacionado `s medidas pelas quais sero avaliados e a a a os programas gerados; natureza esttica ou dinmica e determin a a stica ou no determin a stica do problema: esto portanto associadas a disponibilidade, ao longo do tempo, dos valores precisos a dos parmetros do problema e com as suas poss a veis oscilas ou varias. ce ce Blazewicz et. al. [12] mostra uma classicao dos problemas de sequenciamento baseada ca nos seguintes aspectos:
16
descrio das mquinas; ca a descrio das caracter ca sticas das operaes e dos recursos; co descrio do critrio de otimizao do problema. ca e ca Esta classicao objetiva a perfeito delineamento dos problemas e as resolues mais ca co adequadas para cada tipo de problema. Os problemas podem ser denidos pelas caractristicas das maquinas, segundo Blazewicz et. al. [13] esta classicao denida nos e ca e tpicos a seguir: o problemas de mquinas especializadas, o qual cada mquina executa um unico tipo a a de tarefa: uma mquina: quando todos os produtos (jobs) so produzidos por uma unica a a tarefa, logo o conceito de tarefa coincide com o conceito de produto (job). Neste caso o processo feito por uma unica mquina; e a f lowshop: quando o processo de produo composto por um conjunto de ca e mquinas e todos os produtos possuem sequncias tecnolgicas de fabricao a e o ca idnticas; e jobshop: quando o processo de produo composto por um conjunto de ca e mquinas e cada job possue sequncia tecnolgica de fabricao prpria. Pora e o ca o tanto, o f lowshop um caso especial do jobshop, onde os jobs so idnticos e a e na sequncia de fabricao. e ca para mquinas paralelas, denida quando no processo produtivo h a possibilidade a a do produto (job) uir por qualquer das mquinas dispon a veis. Destacam-se os problemas: mquinas paralelas idnticas: denido quando todas as mquinas possuem a a e a mesma velocidade; mquinas paralelas diferentes: denido quando cada mquina possui uma veloa a cidade distinta, sendo classicadas como uniformes se a velocidade no depende a da atividade executada ou no uniformes se a velocidade depende da atividade a a ser executada. Ressalta-se que, como ser discutido posteriormente neste trabalho, o problema de uma a mquina tem um papel muito importante devido a sua aplicao em sistemas produtivos a ca nos quais o processo gargalo esttico. A mquina gargalo dita o r e a a tmo de produo de ca modo que as demais mquinas tenham mesmo ritmo da gargalo. a A literatura sobre sequenciamento da produo bem vasta, de modo que a compreenso ca e a de formas de classicao se tornam fundamentais para o bom delineamento do problema ca a ser analisado.
2.3.3 - Problema de uma mquina a
17
2.3.3
Problema de uma mquina a
Os problema de uma mquina so bastante estudados na literatura devido sua menor a a complexidade computacional para sua resoluo. A menor complexidade computacional ca devido a parte dos problemas de uma mquina obterem uma soluo tima bastando e a ca o aplicar uma regra de prioridade no sequenciamento. Estes problemas so descritos em a Lawler et. al. [33], Allahverdi et. al. [1] e Potts e Kovalyov [40]. Os problemas so a considerados fceis (baixa complexidade computacional - polinmiais) nos seguintes casos: a o problemas de uma mquina com regras de precedncia e com objetivo de minimizar a e o makespan; problemas de uma mquina com data de chegada e com objetivo de minimizar o a makespan; problema de uma mquina e com objetivo de minimizar o maior tempo de atraso; a problema de uma mquina e com objetivo de minimizar a soma ponderada de naa lizao. ca Outros problemas so NP Completos e necessitam de tcnicas de resolues sosticadas: a e co problemas de uma mquina com data de chegada, data de sa e com objetivo de a da minimizar o makespan; problemas de uma mquina com data de chegada, com delivery times e com objetivo a de minimizar o makespan; problema de uma mquina com data nal e com objetivo de minimizar a soma a ponderada da data de nalizao; ca problema de uma mquina com data de chegada e com objetivo de minimizar a a soma ponderada da data de nalizao; ca problema de uma mquina com tempos de preparao. a ca No problema de uma mquina, o tempo de preparao de mquina envolve todo o tempo a ca a gasto nas atividades necessrias para preparar a mquina previamente, para realizar a a a troca entre tarefas. Este tempo pode depender somente da tarefa a ser executada ou depender tambm da tarefa em execuo. No caso, das tarefas serem independentes o e ca tempo de preparao dito independente da sequncia. Ou no caso da dependncia entre ca e e e as tarefas o tempo gasto dito dependente da sequncia de produo (Allahverdi et. al. e e ca [1]).
2.3.3 - Problema de uma mquina a
18
Os problemas relacionados a uma mquina, podem apresentar custos proporcionais a a quantidade de recurso alocada na execuo ou pode estar relacionado ao tempo de preca parao das mquinas. Existem casos em que os custo so proporcionais a ambos, ou ca a a seja, ao tempo e a quantidade de recurso. Outros custos que se tornam impactante no sequenciamento de uma mquina, sendo citado em Allahverdi et. al. [1], so relacionados a a ao cliente, tais como minimizar os custos de antecipao e/ou atraso no atendimento a ca uma necessidade. Os problemas que consideram o tempo de atraso e antecipao so denominados E/T ca a problem(Earliness and Tardiness Problem). Este problema estudado por Baker e Scude der [9], o qual enfatiza que E/T problemdepende das caracter sticas da situao prtica. ca a Cabe-se ressaltar que estes fatores se tornam importantes para determinar uma escala de importncia para os distintos clientes. A gura 2.6 representa o problema de sequenciaa mento com determinao de limites de tempo para o sequenciamento dos produtos. ca
Figura 2.6: Problema de Sequenciamento com Limites de Tempo A gura 2.6 mostra dois produtos delimitados por uma janela de atendimento com data de in e m. O produto 1 sequenciado dentro da janela permitida, portanto no h cio e a a penalidade incorrida (e+ ). O produto 2 tem um penalidade devido o seu trmino ocorrer e aps o nal da janela de tempo. o O agrupamento de diferentes produtos com caractristicas semelhantes torna-se um ime portante fator de reduo do n mero de dados a serem processados pelo modelo (Allahca u verdi et. al. [1]). Esta manobra pode ser utilizada na modelagem dos problemas de uma mquina reduzindo em maior grau a complexidade computacional. a Portanto, os problemas de uma mquina (quando aplicados de forma correta) se tornam a boas aproximaes para os problemas reais com a grande vantagem de reduzir, na maico
2.3.4 - Aplicacoes
19
oria das vezes, o tempo computacional (complexidade de resoluo) e a diculdade de ca implementao dos problemas. ca
2.3.4
Aplicaes co
A tcnica de sequenciamento amplamente discutida na literatura. Problemas como proe e gramao da produo a n operacional, programao de projetos, gesto de estoques, ca ca vel ca a roteamento de ve culos, entre outros, so resolvidos pela tcnica de sequenciamento. At a e e alguns aplicativos da internet que requerem acesso, transferncia e sincronizao de muie ca tos dados utilizam da tcnica de sequenciamento para agilizar as operaes reduzindo o e co tempo de espera do usurio. (Allahverdi et. al. [2]). As aplicaes para este tipo de a co problema, podem ser resumidas nestes itens abaixo: ind stria: sequenciamento de operaes sobre as mquinas; u co a administrao: utilizao do tempo; ca ca computao: execuo de programas. ca ca Na ind stria os planos de produo utilizam a tcnica de sequenciamento, buscando miu ca e nimizar o tempo e custos de produo ao determinar a melhor ordem de execuo de ca ca atividades, respeitando a capacidade de recursos presentes. Assim, num contexto de manufatura de produtos, o conceito de produto pode representar a fabricao de um proca duto real ou de um lote de uma fam de produtos, que possuem a mesma sequncia lia e tecnolgica de fabricao. o ca Algumas aplicaes variadas de problemas relacionados a sequenciamento e levantados na co literatura podem ser discutidas abaixo: sequenciamento para programao de projetos: a programao de projetos denida ca ca e basicamente pela alocao de recursos para atividades que devem ser sequenciadas ca de forma a atender o prazo estipulado pelo cliente a um custo previsto. Exemplos de projetos so: construes de navios, edif a co cios, fbricas, manutenes, desenvola co vimento de produtos, dentre outros. Exemplos de aplicao da tcnica de sequenca e ciamento para programao de projetos podem ser encontrados em Yamashita e ca Morabito [51], Chen e Askin [18] e Tavares [47]; sequenciamento de produtos (jobs) com o dimensionamento de lotes em ambientes de manufatura tipo jobshop. A gesto do planejamento e controle da produo de a ca uma ind stria depende da habilidade dos gestores em determinar o tamanho e a u sequncia dos lotes de produo de produo ao longo de um horizonte pr-denido. e ca ca e
2.4 - Anlise da complexidade dos problemas a
20
Em geral, um plano de produo ecaz e eciente aquele que satisfaz a demanda ca e dentro do tempo previsto, respeita a capacidade de recursos presentes e minimiza os custos de produo. Ver Gupta e Magnussom [26], Toledo et. al. [48], Souza e ca Castro [45], Arenales et. al. [6], Askin e Standridge [7], Toleto et. al. [48]; Sequenciamento para ambientes de manufatura f lowshop h brido. Este modelo resolve o problema de sequenciamento da produo em sistemas em que h necesca a sidades de fazer escolhas de alocao de operas em mquinas paralelas com o ca ce a objetivo de reduzir o tempo total de produo. ca A diculdade da aplicao de tcnicas de resoluo de problemas reais relativa ao n mero ca e ca e u de restries existentes e variveis interdependentes e conitantes constituintes da realico a dade em anlise (Harjunkoski e Grossmann [27]) Em Blazewicz et. al. [13] enfatiza-se a que a teria de complexidade combinatria classica a grande maioria dos problemas o o prticos de sequenciamento como muito dif a cil, o qual h soluo escassa na literatura. a ca A complexidade matemtica dos modelos de sequenciamento ser discutida na prxima a a o subseo. ca
2.4
Anlise da complexidade dos problemas a
A complexidade um fator de peso no problema de sequenciamento da produo. Efetivae ca mente o problema geral de sequenciamento um dos problemas que pertence ` classe NP e a dif cil. Garey e Johnson [23] enfatiza que o n mero de solues poss u co veis em problemas NP dif frequentemente grande, mesmo para um problema aparentemente de pequeno cil e porte. Os problemas so considerados dif a ceis quando o n mero de solues viveis aumentam u co a numa razo exponencial em relao ` dimenso do problema. A maior complexidade a ca a a implica numa diculdade de resoluo devido ao tempo computacional necessrio para ca a obter uma soluo ser maior que aquele dispon para tomada de deciso. ca vel a Alguns casos do problema de sequenciamento podem ser otimizados (em termos de tempo computacional), a partir de manobras na modelagem do problema, tais como: modelar o problema de sequenciamento como problema de uma mquina e/ou agrupar os produtos a em fmilias de produtos. No entanto, a otimizao vai depender da existncia ou no, a ca e a de algoritmos de otimizao ecientes, quer dizer, algoritmos que encontrem a soluo do ca ca problema em tempo polinomial relativo ` dimenso do problema. a a Sugere-se que o estudo de um problema de sequenciamento deve comear pela anlise da c a sua complexidade (ver Blazewicz et. al. [13]), de modo a obter as seguintes concluses: o o problema pode ser resolvido (determinando-se o melhor plano de produo) em ca
2.5 - Determinacao do Horizonte de Planejamento
21
tempo polinomial da dimenso do problema. A utilidade de um algoritmo apropria ado para o caso do problema depender do grau da sua funo de complexidade no a ca pior caso e da sua aplicao particular; ca o problema NP-dif e cil. Neste caso, pode-se optar, como citado em Reis [41] e Blazewicz et. al. [13], a utilizar um mtodo de resoluo aproximado, exato ou e ca combinao de ambos. Os mtodos de resoluo podem ser separados em quatro ca e ca principais categorias e (ver Blazewicz et. al. [13]), cabe-se ressaltar que um metdo o global de soluo pode ser construido por combinaes dos metdos abaixo: ca co o Os mtdos aproximados so: e a introduzindo simplicaes no problema original por relaxao de algumas restries co ca co (p.ex., transformar uma restrio de igualdade em uma inequao, permitir que soca ca mente uma tarefa ao comear a ser processada s seja liberada ao seu m - preempc o tion). A resoluo da verso simplicada do problema real, deve obter uma soluo ca a ca com uma boa aproximao da soluo do problema original; ca ca utilizao de mtodos aproximados que fazem uso de algoritmos heur ca e sticos, os quais tendem a encontrar uma soluo tima com tempo computacional aceitavl, mas ca o e sem sucesso garantido; usar algoritmos exatos se o problema resolvido por um algoritmo de otimizao e ca pseudopolinomial, cuja funo de complexidade no pior caso limitada por um poca e linmio do maior valor presente na instncia do problema. Para n meros razovelmente o a u a pequenos o algoritmo pode mesmo comportar-se bem na prtica, podendo mesmo a ser usado num programa de computador; utilizando um algoritmo enumerativo, de modo que esta tcnica enumera todas as e solues viveis do problema, concluindo qual a melhor. co a e As tcnicas aproximadas se tornam fundamentais, pela grande complexidade dos problee mas prticos de sequenciamento(scheduling), para resoluo dos problemas em tempo a ca computacional hbil para tomada de deciso. a a
2.5
Determinao do Horizonte de Planejamento ca
O horizonte de planejamento consiste no per odo de tempo o qual deseja-se analisar os dados do processo produtivo e gerar sa das que so otimizadas a partir de certos critrios a e
2.5 - Determinacao do Horizonte de Planejamento
22
pr estabelecidos. O modelo descrito nesta dissertao utiliza o horizonte de planejamento e ca semelhante ao determinado em Santos [43]. Dado H o horizonte de planejamento dividido em per odos t, a cada t unidades de tempo o modelo de programao alimentado com as informaes atualizadas de estoque, capaca co cidade e demanda. O planejmento futuro leva em conta somente ajustes para avaliar a capacidade que estar dispon para a produo detalhada, reduzindo assim drasticaa vel ca mente o n mero de variveis do modelo. u a A implemenao deste horizonte de planejamento consiste, em implementar de forma ca detalhada a programao no horizonte corrente e uma programao de forma agregada ca ca nos per odos seguintes. As informaes que alimentam os modelos tendem a se tornar co menos conveis devido ao aumento da distncia da peviso com a data atual. Portanto, a a a torna-se invivel dispender tempo computacional para resolver horizontes distantes, os a quais a informao no convel, ou seja, dever ter retrabalho em cima dos resultados ca a e a a gerados. Este fato ressaltado em Buxey [15], o qual enfatiza ser desnecessrio gastar e a esforos com per c odos longos. Um caso aplicado deste tipo de horizonte de planejamento denido em Araujo et. al. e [5]; no seu estudo prtico em uma fundio, busca-se minimizar o tempo total de atraso a ca dado que os pedidos tem data de entrega denida. O Horizonte de Planejamento de 5 e dias, dado que somente o primeiro dia foi subdividido em subper odos de 2 horas, sendo este tempo denido como o tempo equivalente para forno processar uma carga. Portanto, ao aplicar este modelo se reduz drasticamente o n mero de variveis, pois s se trabalha u a o de forma detalhada no primeiro per odo. A gura 2.7 resume este mtodo. e
Figura 2.7: Horizonte de Planejamento A gura 2.7 mostra 3 produtos A, B e C, os quais tem um horizonte de demanda de 4
2.6 - Concluso a
23
semanas. Na primeira semana realizado o sequenciamento dos produtos, enquanto nas e demais semanas realizado a determinao da quantidade a ser produzida. e ca Esta abordagem do horizonte de planejamento um diferencial para reduzir o tempo come putacional, tornando a modelagem de problemas prticos viveis computacionalmente. a a Este trabalho utiliza este conceito para modelar um problema prtico, constatando sua a adequao para ser aplicado a situao analisada, pois a situao prtica se encontra uma ca ca ca a grande incerteza na informao da demanda projetada de per ca odos futuros.
2.6
Concluso a
A partir da reviso bibliogrca sobre o problema de sequenciamento (scheduling) e do a a problema de determinao do tamanho de lote (lot size) percebe-se um esforo de diversos ca c autores em modelar matemticamente diversos tipos de problemas prticos. Esta modea a lagem de pesquisa operacional descrita em Yamashita e Morabito [51], Chen e Askin e [18], Toledo et. al. [48], Souza e Castro [45], Kapuscinski et. al., Denizel et. al., dentre outros. O problema estudado neste trabalho no encontrado com o mesmo foco em aplicaes a e co prticas na literatura. O que melhor se adequa foi encontrado no trabalho de Toso e a Morabito [49], o qual analisa um problema de sequenciamento de uma linha de produo ca discreta, com foco no atendimento dos produtos nais e determinao do tamanho do ca lote de produo. Nesta dissertao, o foco o aumento da disponibilidade da linha de ca ca e produo a partir do sequenciamento, em tempo cont ca nuo, do abastecimento dos silos e determinao do tamanho de lote de produo. ca ca No cap tulo seguinte, apresenta-se o problema encontrado em estudo e o que inspirou o estudo apresentado. Sero evidenciadas as caracter a sticas operacionais e administrativas do processo produtivo, as quais serviro de base para a modelagem matemtica apresentada a a no nal do cap tulo 5.
Cap tulo 3 Descrio do Processo Produtivo ca

3.1 Introduo ca
Este cap tulo descreve as caracter sticas importantes do processo produtivo da empresa abordada nesta dissertao. Ao analisar o processo produtivo focando nos pontos imporca tantes permite-se criar um modelo matemtico mais alinhado a situao real. a ca A descrio das caracterist ca cas do processo produtivo enfatizar detalhes operacionais a e organizacionais do cho de fbrica. As caracter a a sticas operacionais e adminsitrativas so apresentadas e analisadas procurando destacar as incoerncias existentes, as quais se a e traduzem em queda de ecincia no processo produtivo. e As informaes aqui contidas sero traduzidas em relaes matemticas ao modelar o co a co a processo produtivo. O modelo gerado apresenado no proximo cap e tulo.
3.2
Descrio do Processo Produtivo ca
Esta seo descreve o processo produtivo com o objetivo de possibilitar o entendimento ca do seu funcionamento, bem como determinar os seus pontos cr ticos. O processo caracterizado por um uxo linear, tal como apresentado pela gura 3.1. e Atravs da gura 3.1, percebe-se que o processo constituido por etapas formando um e e uxo cont nuo, o qual inicia-se na etapa de recebimento de matrias primas e nalizando na e expedio dos produtos nalizados. Cabe-se ressaltar que, por se tratar de um processo ca com uxo unico, a etapa que possui menor velocidade de produo (gargalo) a que ca e determina a velocidade do processo. 24
3.2 - Descricao do Processo Produtivo
25
Figura 3.1: Fluxo do Processo A fbrica funciona durante trs turnos de produo, de modo que o primeiro turno tem a e ca in no domingo s 22:45 h e o ultimo turno da semana encerra-se s 14:30 h do sbado. cio a a a A linha pode processar cerca de 200 produtos, totalizando um n mero superior a 300 u matrias primas diferentes. Cada produto composto de 28 a 32 matrias primas diferene e e tes, o que gera uma grande utilizao dos 32 silos dispon ca veis. Dentre os 32 silos contidos no processo produtivo existem 11 silos que mantm as mesmas matrias primas estocadas e e devido a estas matrias primas serem comuns a maioria dos produtos. e A utilizao dos silos pelos produtos leva a uma baixa margem de estoque de matria prima ca e na entrada do processo produtivo (silos no ocupados). Atualmente, no gerenciamento a do processo produtivo no analisada a possibilidade de antecipar a preparao dos silos a e ca para troca entre produtos, a qual seria poss pelo abastecimento dos silos no utilizados vel a com matrias primas do prximo produto a entrar na linha de produo. e o ca O processo de recebimento de matrias primas relizado atravs de bags (sacos de 1500 e e e kg) que so estocados na entrada da linha de produo em escaninhos. Os escaninhos a ca so abastecidos no in a cio da semana de acordo com o planejamento da produo para ca aquea semana. Aps inicada a ordem de produo, realiza-se o esvaziamento dos silos, o ca que contm matria prima, de modo a possibilitar o abastecimento das matrias primas e e e necessrias. a O tempo total de preparao para o in ca cio da produo de um produto cerca de 50 ca e min, sendo dividido em 30 minutos para o descarregamento do silo e 20 minutos para o abastecimento com matria prima. Devido a restries de processo (existe somente um e co equipamento que transporta o material para os silos) no pode haver preparao de dois a ca ou mais silos ao mesmo tempo na linha de produo. ca Depois de esvaziados os silos necessrios, o bag de matria prima levado dos escaninhos a e e por um carro transportador at uma base de transporte na linha de produo. Esta e ca base composta por elevadores que transportam os bags com matrias primas at os e e e silos dispon veis (vazios). Alguns fatos e caracter sticas sobre a linha de produo so ca a evidenciados abaixo: cada silo tem a capacidade de estocar um determinado volume, no entanto devido a incapacidade da fbrica em controlar o volume de matria prima estipula-se a a e capacidade do silo em kg. A atual capacidade maxima estipulada para os silos de
3.2 - Descricao do Processo Produtivo
26
2000 kg; devido aos silos no terem controle de n a vel, determina-se o controle de capacidade corrente dos silos atravs do valor de peso declarado no carregamento, subtra e do das quantidades dosadas em cada receita; as matrias primas mais frequentes cam sempre ensiladas - 11 silos xos - enquanto e as menos frequentes so trocadas. a Fisicamente, os silos esto situados sobre um carrinhode recebimento onde abastecido a e as matrias primas. Estes silos esto dispostos acima do abastecimento da receita como e a exposto pela gura 3.2.
Figura 3.2: Disposio do Processo ca Como mostrado pela gura 3.2, o processo caracterizado em 3 grandes grupos, sendo ese e tes: escaninho/estoque de matrias primas, formao da receita( ensilagem) e por m mise ca turador. As matrias primas vo sendo depositadas nos silos, de acordo com a sequncia e a e de fabricao dos produtos. ca Conclu o abastecimento dos silos, ocorre a pesagem das matrias primas nas moedo e gas(balanas que cam abaixo dos silos). As moegas pesam a quantidade necessria para c a formar a receita da ordem de produo, de modo que o processo de formao da reca ca ceita tenha as quantidades de matrias primas preparadas. Terminado este processo de e preparao, o carro transportador atravessa a linha recebendo as matrias primas pesaca e das pelas moegas, formando assim uma mistura de matrias primas que transportada e e (pelo carro de transporte) ao misturador (formar uma mistura homognea) para posterior e ensacamento.
3.3 - Descricao do Processo Decis rio o
27
O processo tem uma taxa de consumo de 15 kg por minuto, no entanto o tempo de abastecimento de 20 minutos para 2000 kg, o que equivale a uma taxa de abastecimento e de 10 kg por minuto. O valor da taxa de consumo ser superior ao valor da taxa de abastecimento faz com que a linha de produo seja desbalanceada, ou seja, pode haver ca a necessidade de interromper a produo de um produto para abastecimento de silos. ca O tempo de preparao de um silo, como descrito anteriormente, vai ser dependente das ca etapas de esvaziamento e carregamento. Portanto, cabe evidenciar que o tempo para esvaziar um silo vai depender de: quantidade de silos a serem preenchidos (50 minutos para cada silo); matria prima que ser utilizada posteriormente, pois matrias primas contaminane a e tes levam a necessidade de uma limpeza que eleva o tempo de preparao. ca Ao analisar o processo produtivo, percebe-se que o tempo de preparao necessrio para ca a produzir um produto na linha de produo proporcional ao n mero de silos que necessitaca e u se preparar. Portanto, ao reduzir o n mero de preparaes de silos na troca de produtos, u co aumenta-se o tempo de disponibilidade da linha de produo. ca
3.3
Descrio do Processo Decisrio ca o
O processo que antecede a produo inicia-se com o departamento de vendas, o qual ca detemina a previso de vendas para o ms. Esta previso de demanda composta por a e a e demandas internas e externas. A demandas so descritas abaixo. e a demandas internas: essas demandas so oriundas dos clientes internos, ou seja, so a a demandas determinadas com pouca ou nenhuma incerteza; demandas externas: a demanda externa destinada aos clientes do mercado, ou e seja, so demandas previstas com uma certa variabilidade. a A primeira semana de planejamento composta por demandas reais, ou seja, no h dee a a mandas previstas (demandas estimadas pelo comportamento do mercado). Ao aumentar a distncia do atual per a odo de planejamento, acarreta no aumento da incerteza, ou seja, a demanda da semana passa a ser composta por maior parte de demandas previstas. Resumidamente, pode-se dizer que quanto mais distante for o per odo analisado em relao ca ao per odo corrente, maior ser a composio de demanda prevsita em relao a demandas a ca ca reais. Por exemplo: a semana 1 vai ter zero ou quase zero porcento de demanda prevista, enquanto a semana 4 vai ter zero ou quase zero porcento de demanda real na carteira.
28
O processo de determinao das demandas semanal e orientado a realizao do planeca e ca jamento das 4 semanas futuras, de modo que na semana t planeja-se a demanda de t + 1 at t + 5. Portanto, a cada semana t analisa-se o horizonte de 4 semanas futuras. e As previses de demandas da primeira semana (no analisa-se os horizontes futuros de o a demanda para planejamento) ao chegarem ao PCP so transformadas em solicitaes de a co ordens de fabricao, as quais so enviadas para a fbrica, de modo a organizar a linha ca a a de produo. Pode-se denir o atual processo interno do PCP do seguinte modo: ca Inicialmente, o funcionrio do PCP roda um sistema que verica a carteira de pedidos, a retornando um conjunto de informaes sobre o estoque de produtos. Essas informaes co co vm desdobradas em estoque de processo e de produto acabado. O PCP utiliza a ine formao sobre estoque para denir o clculo do l ca a quido a produzir para o per odo em planejamento. Ao nal desse processo determina-se o quanto produzir de cada produto, no entanto, cabe ressaltar que no h interao do n de deciso ttico com o n de a a ca vel a a vel deciso operacional para determinar a quantidade a ser produzida. A falta de iterao a ca entre os n veis de deciso determina entradas inviveis para o cho de fbrica, pois no a a a a a h o real conhecimento da capacidade l a quida dispon vel. A capacidade l quida denida e como a capacidade total dispon para produo, ou seja, a capacidade total menos o vel ca tempo gasto com preparao da linha. Este trabalho, descrito anteriormente, realizado ca e semanalmente pelo PCP. As vendas so subtraidas dos estoques e transfornmadas em ordens de produo. As a ca ordens de produo atualmente levam em conta o cliente, ou seja, cada cliente transformaca se em um produto para ser sequenciado. Isso pode ser evidenciado pela gura 3.3.
Figura 3.3: Formao das Ordens de Produo ca ca Como visto pela gura 3.3, o produto A vai atender 3 clientes (1, 2 e 3) distintos, gerando assim 3 subprodutos A1, A2 e A3. Esses produtos so sequenciados no PCP gerando a os grcos de Gannt manualmente e enviados ao supervisor da fbrica. Os critrios de a a e otimizao levados em conta pelo supervisor da fbrica para sequenciar a produo so: ca a ca a
29
data de entrega: as demandas possuem uma data de entrega, ou seja, devem ser entregues num determinado dia. Atualmente as ordens de produo so sequenciadas ca a dando um peso somente ` data nal, de modo que o produto deve ser produzido a antes desta data, ignorando a possibilidade de entregar ao longo do dia programado para entrega (janela de tempo de entrega); tempo de preparao: o PCP analisa a composio dos produtos e tenta montar ca ca manualmente os produtos que sejam mais similares buscando diminuir o tempo total de preparao. Eles analisam a melhor sequncia de forma supercial, considerando ca e somente as 4 matrias primas principais. e
Atualmente, o total de ordens de produo entregue depois da data programada est em ca a torno de 5 porcento do total das ordens. Deve-se enfatizar que cerca de 20 porcento do tempo de linha de produo dispon esta sendo gasto com preparao das mquinas, ca vel ca a portanto ao atuar na preparao dos silos espera-se aumentar a disponibilidade da linha ca ao ponto de zerar as ordens de produo em atraso. ca O atual planejamento da produo trabalha com o horizonte de produo rme de 5 dias, ca ca mesmo sendo disponibilizadas 4 semanas pelo setor de vendas. A deciso de trabalhar a com somente 5 dias devido a conabilidade da informao, ou seja, na semana corrente a e ca carteira composta somente por demandas reais. Um fato a se ressaltar que no horizonte e e de 5 dias no se pode alterar nenhum pedido, salvo em alguns casos especiais onde o a pedido pode ser cancelado pelo cliente (raramente ocorre cancelamento). Nestes casos a programao deveria ser refeita, mas na prtica a linha de produo no alterada durante ca a ca a e a semana corrente. A anlise de um horizonte de produo mais longo, das 4 semanas a ca dispon veis, permitiria uma maior organizao e previso de demandas, ocasionando um ca a maior alinhamento das necessidades latentes da linha de produo. Esse alinhamento ca acarreta em uma organizao dos pedidos de matria prima no cho de fbrica, evitando ca e a a assim a ocorrncia de rupturas do estoque de matria primas, as quais so necessrias e e a a para alimentar a linha de produo. ca O PCP com objetivo de ganhar produtividade, permite antecipar a programao dentro ca da semana e atender aos pedido antes da data prevista, no entanto este fato leva a um custo de estoque desnecessrio. O custo de estoque no avaliado na empresa analisada. a a e Percebe-se que as abordagens do PCP visam ganhar tempo de produo, no entanto, ca no se busca um correto balanceamento entre tempo e custo. Adianta-se a produo a ca sem analisar se est pagando custo de estocagem desnecessrio. Outro problema a a a e no comunicao entre o n ttico e operacional, no entanto este item j foi discutido a ca vel a a anteriormente. Os eventuais problemas decorrentes do modelo atual de planejamento podem ser resumidos em:
3.4 - Descricao da Matriz de Tempo de Preparacao
30
custo de estoque desnecessrio; a custo de no atendimento da demanda, ou seja, custo de perder o cliente por no a a atender a expectativa gerada pela promessa de cumprimento do pedido (quantidade e/ou data); desorganizao da linha de produo por trabalhar com horizonte de viso curto (5 ca ca a dias), mesmo tendo 4 semanas de visibilidade. Portanto, um modelo de otimizao que ligue o n de deciso ttico e operacional seria ca vel a a de grande valor para melhorar o desempenho da organizao. Este modelo ser o foco ca a deste trabalho.
3.4
Descrio da Matriz de Tempo de Preparao ca ca
No n operacional, ou seja, no cho de fbrica a principal parte do processo que causa vel a a impacto no tempo ocioso da linha a etapa de ensilagem. A importncia da atuao no e a ca processo de ensilagem, consiste em determinar o sequenciamento adequado dos produtos que leva a uma sequncia de abastecimento dos silos de matrias primas que minimize o e e tempo total de preparao. ca A matriz de tempo de preparao consiste numa matriz que determina o n mero de ca u silos entre os produtos. Esta matriz se torna importante para alimentar o modelo de sequnciamento da linha de produo. Portanto, leva-se as seguintes perguntas para e ca confeco da matriz: ca qual a melhor sequncia de produtos que leva ao menor tempo de preparao? e ca onde deve-se atuar no sistema produtivo para adiantar o tempo de preparao? ca como medir o tempo de preparao entre os produtos? ca Como j descrito, o tempo de preparao proporcional ao n mero de silos, devido a poder a ca e u atuar em somente um silo por vez. Atualmente o processo conta com 11 dos 32 silos xos, de modo que somente 21 silos podem ter suas matrias primas alteradas. Portanto, se um e produto pode ter no mximo 32 tipos distintos de matrias primas os silos no utilizados a e a no produto podem ser preparados para alimentar o prximo produto antes da trocas de o produtos, reduzindo o n mero de atuaes necessrias em silos para a troca de produtos. u co a Um exemplo seria: Dado um produto j com 19 matrias primas, ou seja, ocupa 19 silos. Logo, sobram 2 e silos para que durante a produo de j possa-se preparar os silos para i, de modo que o ca
31
n mero de silos a serem preparados para i sero o n meros de silos totais menos os 2 j u a u a preparados. Portanto, para se determinar esta melhor sequncia de i para j leva-se a necessidade de e analisar: o n mero de silos utilizados por j: este parmetro determina o n mero de atuaes u a u co na linha para passar de i para j, dado que no existe similaridade entre i e j e o a produto i utiliza todos os silos. Portanto, este caso determina o limite superior do tempo de preparao para troca entre quaisquer produtos; ca a similaridade de matrias primas entre os silos i e j: este parmetro determina o e a quo similar so as matrias primas entre dois produtos consecutivos, de modo que o a a e n mero de matrias primas similares entre dois produtos diminui o n mero de silos u e u a serem preparados na troca de i para j. Esta reduo considerada, pois os silos ca e similares podem ter sua preparao adiantada durante a produo de i, ocasionando ca ca na reduo do tempo de preparao entre os produtos; ca ca o n mero de silos vazios em i: este parmetro determina quantos silos em i, por u a estarem vazios, podem ser adiantadas a preparao durante a produo de i, de ca ca modo que ao iniciar j estes silos estaro preparados e assim reduzir o tempo de a a preparao de i para j. ca Aps descrever os parmetros acima, pode-se analisar de forma mais adequada e estrutuo a rada como descrito abaixo: pi : n mero de matrias primas necessrias para produzir o produto i, ou seja, u e a n mero de silos que sero ocupados por matrias primas ao se produzir i; u a e pj : n mero de matrias primas necessrias para produzir o produto j, ou seja, u e a n mero de silos que sero ocupados por matrias primas ao se produzir j; u a e n: n mero total de silos; u s : n mero de silos similares entre o produto i e j; u i,j si,j : tempo de preparao necessrio para iniciar a produao do produto i dado que ca a c estava sendo produzido o produto j; T s: tempo gasto para limpar e encher o silo T s(preparao do silo). ca Evidencia-se que o tempo de preparao proporcional ao n mero total de silos neca e u cessrios. Portanto, ao analisar a mudana entre produtos, obtm-se um tempo de prea c e parao inversamente proporcional a similaridade dos produtos e proporcional a quantica dade de silos no utilizados pelos produtos. Isso pode ser visto na equao abaixo: a ca
32
si,j = T s [(pj s ) (n pi )] i,j Antes de calcular a similaridade precisa-se denir o parmetro M, o qual dene o n mero a u total de fam lias de matrias primas existentes em dois produtos que sero comparados. e a Dada a anlise do par de produtos i e j, o valor de M ser a unio do conjunto de matrias a a a e primas de i e j. Para melhor compreeso, segue o seguinte exemplo: a produto A contendo as seguintes matrias primas: X, Y, Z e produto B contendo as seguintes matrias primas: X, Y, W e O valor de M ser dado pela unio do conjunto de matrias primas do produto A e do a a e produto B, obtendo assim o conjunto composto por X, Y, Z e W, o qual contm 4 matrias e e primas. O valor do total de matrias primas o valor atribu a M (seu valor no exemplo e e do acima 4). e O tempo de preparao de i para j igual ao n mero de silos utilizados por j menos a ca e u similaridade entre i e j e menos os silos vazios em i. Um modo de calcular a similariadade entre dois produtos inicia-se em primeiramente encontrar a dissimilaridade, a qual determinada como a distncia de Hamming, vista em Carvalho [17]. Essa distncia e a a e denida abaixo:
d i,j
=
k=1
W abs(ai aj ) k k
onde, i e j so produtos; a K: n mero de k matrias primas existentes no processo produtivo na semana do u e horizonte de anlise; a abs(): o modulo do valor obtido; e W : igual a 1 (denido unitrio, pois neste trabalho W no precisa ser considerado a a na aplicao desta equao ); ca ca ai : recebe valor 1 quando o produto i contm a matria prima k. e e k
33
K abs(ai aj ) = 1, se ai = aj k k k k Denida a dissimilaridade cabe-se denir a similaridade entre i e j, a qual pode ser denida como: s = M d i,j i,j Portanto, a similaridade entre dois produtos vai ser denida como o n mero total de u matrias primas, no processo produtivo, menos a dissimilaridade di,j entre os produtos. e A matriz dos tempos de preparao dene um conjunto de relaes entre produtos de ca co forma fundamental para se atribuir um sequenciamento adequado entre os produtos, o qual ocasionado pelo aumento da similariadade na trocas de produtos. Quanto mais e produtos similares menor quantidade de silos sero necessrios para abastecer ou limpar, a a acarretando na reduo do tempo de preparao entre produtos. ca ca Cabe ressaltar o seguinte exemplo: Existncia de trs produtos ocupando 3 silos como na gura 3.4. e e
Produto A
Produto B
Produto C
Figura 3.4: Composio dos lotes de Produo ca ca
Na gura 3.4, abaixo de cada produto determinada a composio de sua receita (matrias e ca e primas usadas para sua fabricao). Neste exemplo cada produto composto por trs ca e e matrias primas de um conjutno total de 6 matrias primas existentes. e e No caso exposto em 3.4 no existe o redutor de tempo de preparao (silos vazios em i ou a ca j), pois o foco analisar a matriz de similaridade. Analisando 3.4, observa-se que cada e
34
produto necessita de uma quantidade e um conjunto pr-denido de matrias primas. e e Analisando o produto A e B percebe-se uma similaridade entre 2 matrias primas em e comum, de modo que o fator de similaridade 2. O fator de similaridade portanto a e e comparao entre duas matrias primas medindo, em n meros, o conjunto de matrias ca e u e primas iguais entre os produtos. A matriz de similaridade resultante denida em 3.5. e
Figura 3.5: Composio dos Lotes de Produo ca ca
A partir da matriz 3.5 determina-se que uma sequncia adequada buscaria alocar o proe duto A seguido de B e nalizando em C. Esta sequncia levaria a uma produo com e ca menor tempo de preparao, ou seja, menor tempo de produo. Supondo que cada preca ca parao de silo leva a uma unidade de tempo de produo extra (u.n.p), obtm-se os ca ca e seguintes tempos para as situaes descritas abaixo: co determinando a sequncia de produtos A,C e B obtm-se uma sequncia com tempo e e e de preparao de 4 u.n.p; ca determinando a sequncia A, B e C obtm-se o tempo de preparao de 2 u.n.p. e e ca Um fato que deve ser adicionado acontece devido ao desbalanceamento do processo, ou seja, a necessidade de gastar tempo de preparao de um produto para ele mesmo (devido ca ao rompimento do estoque de matria prima no silo ocasionado pela taxa de consumo ser e mais alta que a taxa de abastecimento). Portanto, deve-se fazer que o tempo de preparao ca Si,j para i = j, seja igual a 1, ou seja, realizar a atuao num unico silo (abastece o silo ca para continuidade de produo do produto em linha). ca Cabe ressatar um adendo na gerao da matriz de tempo de preparao. Bustamanate ca ca [14] e Toso e Morabito [49] comentam que a matriz de tempo de preparao n x n produca tos (jobs) deve satisfazer a desigualdade triangular. Enfoca-se que a matriz contendo os tempos de preparao deve ser congurada, de modo que no possa ser fact efetuar ca a vel duas preparaes para completar uma. Um exemplo visto em Bustamante [14], deterco mina que ao fazer uma preparao do produto(job) i para o produto(job) j e uma outra ca
3.5 - Descricao do problema
35
do produto(job) j para o produto(job) k, esse tempo no deve ser inferior ao tempo de a completar uma preparao do produto(job) i para o produto(job) k (problema da trianca gulao). Conforme citado a desigualdade triangular satisfeita se: ca e sij + pj + sjk sik Essa restrio adicionada na gerao da matriz de tempo de preparao, de modo a criar ca e ca ca uma matriz vlida ao modelo de programao matemtica. Essas condies so melhor a ca a co a visualizadas na gura 3.6.
Figura 3.6: Desigualdade Triangular Como ressaltado, essa matriz se torna fundamental como parmetro de entrada para a o modelo que ser descrito no cap a tulo posterior. Com esta matriz se torna poss vel determinar o sequenciamento adequado e mais convel entre os produtos. A aplicao a ca da matriz dos tempos de preparao e o modelo gerado nesta dissertao sero discutidos ca ca a no cap tulo 5.
3.5
Descrio do problema ca
A interferncia nos silos gera grande imapcto na linha de produo perdendo cerca de 20 e ca porcento do tempo de produo dispon ca vel. Este impacto na linha atualmente tratado e (como j descrito) com atuaes do PCP com foco somente em minimizar o tempo de a co preparao, esquecendo dos seguintes fatores de impacto: ca organizao do cho de fbrica possibilitando uma viso limitada das movimentaes ca a a a co necessrias ao longo do horizonte de 5 dias; a
3.5 - Descricao do problema
36
gerao de custo de estoque desnecessrio devido a antecipao da produo de ca a ca ca produtos sem necessidade; sequenciamento incorreto por no analisar cuidadosamente a contaminao, acarrea ca tando em tempo extra de preparao (necessidades de limpeza dos silos ou contaca minao da linha); ca anlise somente da semana corrente, de modo que no se planeja para disparar a a pedidos de matrias primas no tempo necessrio para que a matria prima esteja e a e dispon no tempo de atender a linha de produo. Para evitar ruptura do estoque vel ca de matria prima na linha de produo o PCP deve ter uma viso da necessidade e ca a da matria prima num horizonte de tempo maior que o tempo necessrio para que e a o pedido esteja dispon na linha de produo; vel ca determina-se as ordens de produo em n ttico sem analisar o n operacional, ca vel a vel acarretando em planos de produo inviveis ao n operacional. ca a vel A empresa necessita de um modelo que organize a linha de produo, aumentando o ca tempo efetivamente dispon para produo. Isso ser alcanado por um modelo que vel ca a c leve em conta as caracter sticas descritas abaixo: considerar uma janela de tempo para entrega dos produtos, por exemplo o dia de entrega marcado. Este item evita gastos desnecessrios com estoque; a considerar na gerao do tempo de preparao as contaminas, limpezas necessrias, ca ca ce a silos dispon veis, dentre outros. Este item determina um sequenciamento adequado em n operacional, minimizando o tempo de linha parada; vel considerar a possibilidade de no atendimento do cliente na semana, de modo a a postergar a demanda no atendida, mas sempre levando em conta o custo de no a a atender determinado cliente. Esse item necessrio para garantir a viabilidade do e a modelo, de modo que o ideal que o no atendimento da demanda seja zero; e a considerar a possibilidade de priorizar clientes externos em relao aos clientes interca nos. Essa possibilidade ignorada atualmente, sendo que no segmento de atuao e ca da empresa analisada, negociar com clientes internos se torna mais fcil que negociar a ou at perder um cliente externo pelo no atendimento da demanda; e a modelo que comunique o n ttico com o operacional, de modo que o n ttico vel a vel a gere sa das viveis de serem implementadas no n operacional; a vel considerar a possibilidade de ruptura do estoque do silo, de modo que pela linha ser desbalanceada, ou seja, taxa de consumo maior que a taxa de abastecimento, leva-se a necessidade de parar a produo para abastecer os silos em grandes corridas de ca produo. ca
3.6 - Concluso a
37
Resumindo, pode-se dizer que para produzir um determinado produto necessrio que e a as matrias primas estejam dispon e veis nos silos. Para que as matrias primas estejam e dispon veis nos silos necessrio abastecer os silos. Para abastecer os silos, necessrio e a e a esvazi-los e limp-los. Como j relatado, cada produto composto por um conjunto de a a a e matrias primas, de modo que a mudana de produtos na linha de produo ir gerar e c ca a tempos de preparao. Isto pode ser evidenciado pela gura 3.4. ca Como visto pela gura 3.4, temos trs produtos com trs composies diferentes. O modelo e e co buscar ento a melhor combinao e a quantidade a ser produzida para reduzir o tempo a a ca de preparao e os custos envolvidos no processo. Analisando esta situao percebe-se ca ca que o modelo buscar maximizar a similaridade entre os diversos produtos, levando em a conta restries econmicas. co o
3.6
Concluso a
O conhecimento do processo produtivo proporciona um embasamento para formulao ca de um modelo matemtico que reita a realidade do processo produtivo analisado com a foco nas caracter sticas chaves. Ao focar as caracter sticas chave, consegue-se delimitar o problema analisado e otimizar o trabalho necessrio para solucionar o problema, ao a mesmo tempo que se obtm um resultado coerente com a realidade. e Ao objetivar a otimizao e organizao da ensilagem do processo produtivo em anlise, ca ca a percebe-se caracter sticas peculiares, as quais acarretam na criao de um modelo com ca caracter sticas unicas. Essas caracterist cas geram uma diculdade de encontrar algum modelo matemtico semelhante na literatura. a O prox mo cpitulo dene o modelo matemtico embasado no conhecimento do processo a a produtivo levantado na reviso bibliogrca e na descrio do processo produtivo. a a ca
Cap tulo 4 Modelagem do Problema

4.1 Introduo ca
A programao e controle da produo (PCP) ao n ca ca vel do cho de fbrica, dentro de a a um horizonte de planejamento de curto ao mdio prazo, tem como principais tpicos a e o determinao do tamanho dos lotes de produo e a sequncia na qual sero produzidos ca ca e a em cada um dos recursos de manufatura, atendendo as restries cab co veis. Este trabalho considera o problema de sequenciamento de lotes de produao para primeira semana c do horizonte e a determinao do tamanho de lote de produo para o horizonte de ca ca planejamento. O conceito descrito mostrado pela gura 4.1: e
Figura 4.1: Horizonte de Planejamento
O objetivo deste trabalho determinar qual a melhor sequncia de produo, que minimize e e ca o tempo total de linha parada e que satisfaa a demanda planejada para o horizonte de c planejamento. Com base nos dados histricos do processo sob interveno e na reviso o ca a bibliogrca realizada nos cap a tulos anteriores, ser proposta uma formulao matemtica a ca a apropriada ao caso. 38
4.2 - Proposicao Inicial
39
4.2
Proposio Inicial ca
O modelo proposto nesta seo, tem o objetivo de introduzir a modelagem do processo ca analisado. Este modelo busca determinar a melhor sequncia de produo que minimize e ca o tempo total de produo. A primeira verso criada do modelo est limitada ao sequenca a a ciamento com a viso restrita ao n operacional. A viso restrita a somente um n a vel a vel de deciso (operacional ou ttico), como j relatado, ocasiona em diversos problemas ora a a ganizacionais, os quais reduzem a ecincia da linha de produo. Os dados de entrada e ca do modelo e o modelo propriamente dito sero descritos a seguir. a Premissas Iniciais: cada ordem de produo fabricada num unico lote, de modo a agrupar os produtos ca e iguais; cada ordem de produo dada pela quantidade de produto que a compoem; ca e cada produto tem o n mero de corridas necessrias para produzir uma dada quanu a tidade; uma batelada no possui mais que 1500 kg; a um silo no estoca mais que 2000 kg. a Dados: Matrias Primas: e M: n mero de matrias primas m; u e
m qi : n mero de matrias primas m, ou seja, silos que o produto i utiliza; u e
Mi,j : n mero de matrias primas m similares entre o produto i e j; u e Ks : tempo para preparar uma matria prima qualquer em um silo. e Produtos: J: n meros de produtos i a serem fabricados na semana; u E = {(i, j) : i J, j J, i = j}: conjunto de pares de produtos tais que j possar ser produzido imediatamente depois de i, sem nem um produto intermedirio; a t0 : data de inic de operao do produto ct 0.Este produto refere-se ao cio ca cio estoque da semana anterior; Sij : tempo de preparao entre o produto i e j, dado que estava produzindo j; ca
4.2 - Proposicao Inicial
40
Di : demanda do produto i; Qi : quantidade produzida por lote do produto i. Gerais: Kc : tempo de ciclo para fabricar 1500kg de qualquer produto i. Variveis cont a nuas: ti : data de in de fabricao do produto i; cio ca Cmax : data de trmino de produo; e ca pi : tempo necessrio para fabricar o produto i. a Variveis binrias: a a yij : 1 se i fabricado depois de j, 0 seno. e a Modelo:
minimizar sujeito a
Cmax tj ti + pi + Sij M(1 yij ) Di pi = Kc Qi yij + yji = 1 Cmax ti + pi t0 = 0
i, j J iJ i, j J iJ
(4.1) (4.2) (4.3) (4.4) (4.5) (4.6)
Em (4.1) dene-se o objetivo de minimizar o makespan, ou seja, a maior data de trmino. e Em (4.2) determina-se as condies de sequnciamento dos produtos, denindo o valor de co e in de cada produto i pertecente a E. Em (4.3) determina que o tempo de produo cio ca do produto i proporcional a demanda em unidades. Em (4.4) determina que se i feito e e antes de j, logo j no poder ser feito antes de i. Em (4.5) dene que Cmax o maior a a e valor de trmino da ultima atividade. Em (4.6) dene que o produto zero inicia na data e zero. Cabe-se ressaltar que o produto zero o estoque da semana anterior. e O modelo matemtico acima foi constru para representar a atual estrutura de deciso a do a do processo produtivo analisado. Devido ao modelo ser baseado nas caracter sticas do processo produtivo espera-se obter resultados t picos da linha de produo atual, de modo ca
4.3 - Proposicao Final
41
que, ao rodar este modelo gera-se resultados semelhantes ou melhores aos empregados pelo atual modelo de gerenciamento da linha de produo. ca O modelo dependente das decises advindas do n ttico, o qual determina a quantie o vel a dade a ser produzida pela diferena entre a quantidade demandada (pedidos de compra) c e o estoque dispon vel. Estas quantidades alimentariam o modelo de sequenciamento, o qual buscaria determinar a melhor sequncia de produo. O problema deste tipo de e ca organizao da produo, como j explicitado, acarreta que as sa ca ca a das otimizadas do n vel ttico podem no gerar entradas viveis ao n a a a vel operacional, pois o timo local no o a garante o timo global. o Portanto, se torna necessrio o desenvolvimento de um modelo que atenda as necessia dades de comunicao entre os n ca veis tticos e operacionais, gerando uma soluo com a ca otimalidade global. Este modelo ser descrito na prxima seo. a o ca
4.3
Proposio Final ca
O problema modelado constitui uma anlise crit do problema discutido na seo antea ca ca rior, bem como incorporao das melhores prticas pesquisadas. Este modelo primeiraca a e mente denido e depois ser implementado alguns cortes buscando aumento da ecincia a e do tempo computacional de resoluo. ca Resumidamente o problema consiste em: dado um conjunto de demandas D relacionadas a um conjunto de j produtos, minimizar o no atendimento da demanda fora da data a programada e minimizar a formao de estoques. A minimizao do problema obtida ca ca e pelo sequenciamento adequado do abastecimento das matrias primas nos silos, o qual e e reetido pela matriz de tempo de preparao. ca Este problema considera tambm a unio entre o modelo de sequenciamento (semana core a rente) e o de alocao(primeira a quarta semana), ou seja, a unio entre os horizontes dos ca a planejamentos ttico e operacional, de modo que considera maiores dimenses do processo a o que o modelo denido anteriormente. Estas dimenses caracterist o cas so determinadas a ao decorrer desta seo. ca Dados: H: horizonte de planejamento dividido discretamente em per odos t; T : n mero de semanas no horizonte H; u J: conjunto de produtos j, sendo os produtos 0 e N ct cios. O produto ct cio 0 corresponde ao estoque, contido nos silos, remanescente da semana anterior ao horizonte inicial de planejamento. O produto ct N determina o nal cio do sequenciamento;
42
N: n mero total de produtos; u M: conjunto de matrias primas m; e K: n mero total de matrias primas; u e L: conjunto de lotes l dispon veis para particionar um produto; Vj : n mero total de lotes necessrios para produzir um produto j no per u a odo de planejamento; Sij : tempo de preparao da linha quando o produto i produzido imediataca e mente antes de j, determinado pela matriz de similaridade; Sjj : tempo de preparao da linha para a produo de dois lotes do mesmo ca ca produto j; Djt : demanda do produto j no per odo t; Ct : n mero de unidades tempo no per u odo t; pj : tempo de processamento de uma unidade do produto j; Sj : tempo mdio de produo do produto j; e ca M: valor muito grande, maior ou igual ao n mero de horas de uma semana de u produo; ca Tj+ : data nal de entrega do produto j sem que penalidades por atrazo se insidam; Tj : data inicial de entrega do produto j sem que penalidades por estocagem se insidam;
+ Ej : penalidade de atrazo do produto j; Ej : penalidade de estocagem do produto j; + Hj : custo unitrio de estocagem do produto j no m de um per a odo t; Hj : custo unitrio de no atendimento da demanda para o produto j em um a a per odo t;
Em : quantidade em estoque da matria prima m; e Ajm : percentual da matria prima m no produto j; e Kj : taxa de produo do produto j; ca Um : taxa de bastecimento da matria prima m. e Variveis reais positivas: a
+ Ijt : quantidade em estoque do produto j no m do per odo t; Ijt : quantidade no atendida da demanda do produto j ao m do per a odo t; l qjt : quantidade produzida do produto j no lote l no per odo t;
43
e : adiantamento do produto j em relao a Tj ; ca j e+ : atraso do produto j em relao a Tj+ ; ca j t : data de trmino de produo do ultimo produto no primeiro per e ca odo do horizonte H; rj : data de trmino de produo do produto j no primeiro per e ca odo do horizonte H. Sendo r0 =0 (primeiro produto do sequenciamento) e r(N ) rj j J/{N} ( ltimo produto do sequenciamento). u Variveis binrias: a a yjtl : 1 se o produto j produzido no lote l no per e odo t, nulo se no; a xij : 1 se o produto j produzido imediatemente depois do produto i, nulo se e no. a Restries: co 1. conservao de quantidades de produtos no m de cada per ca odo t:
+ + Ijt = Ij(t1) + l l (qjt ) Djt Ij(t1) + Ijt
j J e t H;
no m de cada per odo t, o estoque do produto j iqual ao seu estoque no m do e per odo anterior mais a quantidade produzida, menos a demanda atendida, menos a demanda no atentida no per a odo anterior e mais a demanda no atendida no a per odo t. 2. limitao da capacidade de produo para cada produto j em cada per ca ca odo t:
T l pj qjt min(Ct , a=t
(Dj,a pj)) yjtl
j J, t H e l L;
o n mero de horas de produo do lote l do produto j no per u ca odo t deve ser menor ou igual ao m nimo entre o n mero total de horas dispon no per u vel odo t e a demanda acumulada entre o per odo t e o m do horizonte H. 3. limitao da capacidade total de produo em cada per ca ca odo t:
l (pj qjt + Sj yjtl ) Ct j l
t 2 e t H;
o somatrio do tempo de produo do lote l do produto j mais o tempo de preparao o ca ca da linha deve ser menor que a capacidade do per odo. Esta restrio deve ser ca
44
utilizada do per odo 2 t T , pois no per odo t=1 o sequenciamento dos produto dene o tempo real de produo. Esta restrio se torna necessria, mesmo yjt no ca ca a a estando na funo objetivo, devido a possibilidade de no atendimento de demanda ca a (Ijt ), o modelo que dene quais produtos produzir na semana, portanto no tem a como denir a priori a capacidade dispon para produao estrito senso em cada vel c per odo. 4. limitao do tempo mximo de corrida de produo para cada produto j em cada ca a ca per odo t:
l pj qj,t min m M (Em /(Kj Ajm Um )) yjtl
j J, t H e l L;
o tempo mximo de processamento depende da relao entre a taxa de abastecimento a ca de matria prima na linha e a taxa de consumo. Como relatado nesta dissertao, a e ca taxa de consumo maior que a taxa de abastecimento, o que leva a um limitante do e tamanho mximo poss do lote de produo. O valor do m a vel ca nimo, esquerda da a equao, determina que o tamanho mximo do lote denido pela matria prima ca a e e que se esgota primeiramente. 5. determina a data nal de cada produto j: rj ri + Sij +
l l pj qj1 + Sjj l1
(yj1l ) M (1 xij ) i J, j J e i = j;
a data nal do produto j (rj ) maior ou igual data do trmino do produto i, e a e mais o seu tempo de produo pj , juntamente com o tempo de preparao Sij e o ca ca tempo gasto para preparar a linha de j para j (Sjj ). O Tempo para preparar a linha de produo de j para j reete a condio de desbalanceamento da linha, ou ca ca seja, se a capacidade de abastecimento menor que a taxa de consumo, acarreta e que determinados tamanhos de lotes de produo tero a necessidade de gastar um ca a tempo de preparao Sjj para continuar a produo. Este desbalanceamento reete ca ca um limite de continuidade de produo e aumenta o tempo de indisponibilidade da ca linha de produo. ca 6. depois de cada produto i pode haver somente um produto j:
N
xij = 1 i N 1 e i J;
j=1
7. antes de cada produto i pode haver somente um produto j:

N 1
xji = 1 i 1 e i J;
j=0
45
8. a data de trmino do produto j mais o seu adiantamento maior ou igual ao tempo e e inicial previamente denido para o produto j:
rj + e Tj j
j J;
9. a data de trmino do produto j mais o seu atraso menor ou igual ao tempo nal e e previamente denido para o produto j:
rj e+ Tj+ j
j J;
10. a data nal do per odo corrente denida pela data nal do ultimo produto j e sequenciado:
t rj
j J;
11. todos os j produtos devem ser sequenciados at a data nal denida no per e odo corrente:
t C1
Modelo:
46
minimizar
j t
+ + (Hj Ij,t + Hj Ij,t ) + ij + + Ijt = Ij(t1) + l T l pj qjt min(Ct , a=t
+ (Ej e + Ej e+ ) j j
(4.7) j J e t H (4.8) (4.9)
sujeito ` a
l (qjt ) Djt Ij(t1) + Ijt
(Dj,a pj)) yjtl
j J, t H e l L
l (pj qjt + Sj yjtl ) Ct j l l pj qj,t min m M (Em /(Kj Ajm Um )) yjtl l pj qj1 + Sjj l l1
t 2 e t H (4.10)
rj ri + Sij +
j J, t H (4.11) l L (yj1l ) M (1 xij ) i J, j = j (4.12) i = j

N
xij = 1 i N 1 e i J (4.13)
j=1 N 1
xji = 1 i 1 e i J (4.14)
j=0
j J j J j J t C1 + l Ijt , Ijt , qjt , rj , , e , e+ 0 i, j, t, l j j xij , yjt 0, 1 i, j, t
rj + e Tj j + rj ej Tj+ t rj
(4.15) (4.16) (4.17) (4.18) (4.19) (4.20)
A funo objetivo 4.7 minimiza dois objetivos competitivos em busca de produzir o esca tritamente necessrio no tempo exato. Estes objetivos podem ser descritos como: o a atendimento da demanda na janela programada (relacionada ao per odo corrente de planejamento) minimizando o desvio da concluso da produo da data estipulada, enquanto a ca a outra parte da funo objetivo relaciona-se ao correto atendimento da demanda, minica mizando a formao de estoques e no atendimento da demanda (produzir o estritamente ca a necessrio). a A existncia de folga na capacidade (no caso deste modelo no primeiro per e odo de planejamento) acarreta na possibilidade do correto atendimento da demanda na janela programamda. A parte da funo objetivo relacionada ao gereciamento da correta utilizao ca ca da capacidade, ou seja, na produo exata para o atendimento da demanda (produzindo ca
4.4 - Melhoria do Modelo
47
para atender a demanda e no formar estoques), atua em todos os per a odos de planejamento, enquanto a parte relacionada produo na janela programada para demanda, a ca atua somente no horizonte corrente de planejamento. Percebe-se a existncia de dois blocos de restries, de modo que o grupo que vai de 4.8 e co a 4.12 referem-se ao horizonte ttico, ou seja, restries de alocao, determinao do a co ca ca estoque, tamanho de lote e no atendimento da demanda. As restries de 4.12 a 4.18 a co referem-se ao sequenciamento, em n operacional, dos produtos no primeiro per vel odo de planejamento. O bloco de restries tticas abordam informaes mais agregadas, ou seja, trata apeco a co nas de produo e capacidade ignorando o sequenciamento. A restrio 4.8 obtida da ca ca e adaptao Belvaux e Wolsey [10] e Drexl e Kimms [21], enquanto as restries 4.9 e 4.10 ca co so determinadas em Toso e Morabito [49] e Belvaux e Wolsey [10]. A restrio 4.12 foi a ca criada neste trabalho. O bloco de restries operacionais aborda a informao mais desagregada, ou seja, traco ca tando do sequenciamento dos lotes determinados no n ttico. A restrio 4.12 uma vel a ca e adpatao da restrio denida em Drexl e Kimms [21] e Manne [36]. As restries 4.13 ca ca co e 4.14 so obtidas a partir de Drexl e Kimms [21] e Gomes [29] e as restries 4.15 e 4.16 a co so determinadas em Bustamante [14]. As restries 4.17 e 4.18 so determinadas em a co a Carvalho [16], enquanto as restries 4.19 e 4.20 denem o dom co nio das variveis. a O modelo aqui apresentado constitui-se da unio do conhecimento sobre a literatura de a sequenciamento e de determinao de tamanho de lote aplicado a um caso real. Este ca conhecimento adquirido fundamental para gerao de um modelo adequado a situao e ca ca real.
4.4
Melhoria do Modelo
Os modelos matemticos quando aplicados em casos reais deparam-se, na maioria das a vezes, com problemas de grande complexidade devido a um alto n mero de restries e u co variveis inerentes ao problema real. O problema modelado nesta dissertao, no foge a ca a regra, apresentando um alto tempo computacional quando aplicado em casos reais ou a simulaes do funcionamento real. co Uma abordagem bem difundida para reduo do tempo computacional consiste na criao ca ca de restries fortes que adicionadas a modelos relaxados acarretam em melhoria e aproco ximao da soluo relaxada em relao soluo original (no relaxada). A melhoria ca ca ca a ca a na soluo obtida pela reduo da regio de viabilidade do problema relaxado, no enca e ca a tanto, essas restries fortes so redundantes ao modelo original, ou seja, no reduzem co a a a sua regio de viabilidade. Estas restries aliadas ao relaxamento linear do problema a co
48
acarretam na melhoria da ecincia e eccia do modelo implementado, de modo a obter e a resultados melhores em menores tempos computacionais. Estas manobras foram buscadas com base nos artigos de Belvaux e Wolsey [10] e Pochet [39], os quais fazem uma ampla reviso de tcnicas para resoluo de problemas de alocao. a e ca ca O artigo de Belvaux e Wolsey [10] analisa que a reformulao de problemas e/ou planos ca cortantes pouco abordada atualmente. Este artigo busca ento analisar a reformulao e a ca de problemas prticos para que problemas reais encontrem solues viveis computacioa co a nalmente nos modelos de programao inteira mista. ca Pochet [39] realiza um estudo sobre programao inteira mista e formulaes fortes para ca co a classe de problemas de planejamento da produo. Este trabalho passa pela abordagem ca clssicas de otimizao, bem como modelos conhecidos e formulaes de planos cortantes a ca co conhecidos e ecientes. A reformulaes podem ser obtidas adicionando variveis e/ou restries ao problema orico a co ginal. Isto, tipicamente permite obter uma descrio linear da casca convexa das solues ca co viveis do subproblema. As formulaes fortes so importantes para soluo do problema a co a ca relaxado prximo da otimalidade (Belvaux e Wolsey [10]). o Estes artigos evidenciam algumas equaes de planos cortantes conhecidas, as quais so co a aplicavis em problemas de dimensionamento de lote. Nestes artigos as equaes de e co planos cortantes so direcionadas para o tipo de problema mais adequado, de modo que a a equao quando aplicada ao problema indicado se torna poss a obteno de melhores ca vel ca resultados. As equaes conhecidas podem ser adicionadas como planos cortantes, de modo a obter co melhorias evidentes no resultado. A melhoria do resultado computacional obtido pelo e delineamento de forma mais eciente do problema relaxado. As restries que se aplicam co ao modelo abordado so discutidas abaixo, para posterior implementao e discusso dos a ca a resultados obtidos. Agora ser discutido uma demonstrao contida em Belvaux e Wolsey a ca [10]. Considerando um modelo de dimensionamento de lote com as seguintes restries: co
Iit = Ii(t1) + qit Dit i, t pi qit Ct xit i, t pi qit Ct t

i
(4.21) (4.22) (4.23)
Dada a equao de uxo de produto abaixo: ca

49
Ii,(t1) + qit = Dit + Iit
i, t
(4.24)
Atuando na equao acima e fazendo uma formulao forte, pode-se chegar em uma ca ca soluo mais eciente para o modelo de planejamaneto de produo. Partindo disto o ca ca artigo determina que para cada produto i e considerando o problema incapacitado podese chegar em:
Sk1 Dk (1 yk ) sendo, Sk1 : estoque ao nal do per odo k 1; Dk : demanda no per odo k;
(4.25)
yk : determina se a linha est dispon para produzir o produto i. a vel Essa restrio acima vlida, pois dada a ausncia de produo o estoque deve atender ca e a e ca a demanda. Evoluindo a formulao forte dene-se a capacidade mxima nos per ca a odos analisados, obtendo-se:
C = max(Ct ) sendo,
(4.26)
Ct : capacidade dispon no per vel odo t em unidades de produto. Usando essa denio acima aplicada equao 4.25 e 4.26 num per ca a ca odo agregado de [k,t] obtm-se: e
Sk1 + C
i=k
yi Dkt
k, t
(4.27)
Dada a existncia da possibilidade de no atendimento da demanda (It ) de um produto e a no per odo t altera-se a formulao anterior para: ca
50
Sk1 + rt + C
i=k
yi Dkt
k, t sendo t k
(4.28)
sendo, rt : no atendimento da demanda ao nal do per t. a od Ao adicionar a restrio abaixo, permite-se ao modelo uma formulao que restringe a ca ca regio de viabilidade, melhorando a ecincia e eccia da soluo relaxada. As restries a e a ca co abaixo consideram a variao dos i produtos. ca
Si(k1) + rit + C
j=k t
yij Dikt i, k, t sendo t k (Dij yij ) i, k, t sendo t k

j=k
(4.29)
Dikt =
(4.30)
Buscando a obteno de um equao de corte eciente para o modelo abordado nessa ca ca dissertao, realiza-se a combinao das equaes 4.29 e 4.30, acarretando assim numa ca ca co equao que obtm o aumento no limite inferior, o qual causado pela reduo da regio ca e e ca a de viabilidade do problema relaxado. Esta equao vista abaixo: ca e
Si(k1) + rit + C
j=k
yij
j=k
Dij i, k, t sendo t k
(4.31)
sendo, rit : determina a quantidade de demanda no atendida do produto i no per a odo de tempo t. Outro tipo de equao aplicvel nesta dissertao apresentada em Pochet [39], o qual ca a ca e altera a equao acima transformando-a na equao abaixo: ca ca
51
Si(k1) + rit +
j=k
min[Cj ;
n=j
Din ]yij
j=k
Dij i, k, t e t k i, k i
(4.32) (4.33) (4.34)
Si(k1) 0
t
yij , inteiro
j=k
Outra aplicao de formulao forte, vista em Pochet [39], que pode ser utilizada nesta ca ca dissertao denida a partir da reformulao na equao de restrio (do problema de ca e ca ca ca dimensionamento de lote) determinada abaixo: xit Cit yit i, t (4.35)
Evolui-se atuando na equao acima, de forma a realizar a formulao forte no per ca ca odo t indo de k a l e Si(k1) 0, obtendo as seguintes equaes que podem ser adicionadas co como corte da regio de viabilidade (melhoria da soluo relaxada): a ca
l
xit Dikl + Sil

t=k
i, k, l e l k
(4.36) (4.37) (4.38)
xit min[Ct ; Ditl ]yit + Sil i, k, l, l k e t = k..l Sil 0, xit 0, yit {0, 1} i, k, l, l k e t = k..l
Como se percebe, altera-se a equao 4.35 adicionando-se Sil , de modo a reduzir o coeca ciente de yit . As equaes acima permitem reduzir o limite superior, de modo a aumentar co a eccia em busca da soluo tima nos problemas relaxados. a ca o As equaes 4.32, 4.33 e o par 4.36 e 4.37 determinam uma possibilidade de obter um co corte eciente no problema abordado nessa dissertao, pois os modelos explicitados pelos ca autores para aplicao destas equaes apresentam caracter ca co sticas bem semelhantes ao problema abordado. Essas equaes se tornam fundamentais para que problemas prticos co a possam ser relaxados, diminuindo o tempo computacional e reduzindo (pela presena das c equaes de corte) o desvio da soluo relaxada em comparao soluo original(sem co ca ca a ca relaxar). No cap tulo seguinte sero discutidos os resultados, bem como comparao dos a ca modelos com e sem a melhoria ocasionada pela insero das equaes de corte, buscando ca co assim demonstrar e dimensionar a eccia/ecincia na melhoria dos resultaodos dos a e problemas relaxados.
4.5 - Concluso a
52
4.5
Concluso a
Os processos produtivos envolvem uma complexidade inerente a realidade a qual est a inserido, de modo que modelos matemticos aplicados a problemas prticos acarretam a a em modelos complexos de serem formulados e solucionados em tempo computacional compat com a tomada de deciso. vel a A modelagem de problemas envolve o correto delineamento das caracter sticas chave do processo, as quais so poss a veis de ser obtidas pelo estudo detalhado do processo produtivo em anlise. Com o conhecimento do processo poss obter um modelo mais detalhado, a e vel como mostra a evoluo de detalhes evidenciada pela comparao da evoluo dos dois ca ca ca modelos propostos neste cap tulo. Ao gerar um modelo matemtico com mais detalhes do processo agredado em sua fora mulao matemtica, obtm-se sa ca a e das mais adequadas e realistas em relao ao problema ca real mapeado. No entanto, ao gerar modelos mais alinhados com a realidade do processso mapeado perde-se em ecincia computacional, pois aumenta-se a complexidade do e modelo matemtico gerado. a Portanto, para se gerar um modelo matemtico que reita o processo de forma adequada, a o qual pode gerar sa das que daro um correto suporte para a tomada de deciso, deve-se a a obter um conhecimento completo do processo analisado e gerar formulaes matemticas co a ou mtodos de soluo que gerem solues com tempo computacional compat com a e ca co vel tomada de deciso. a
Cap tulo 5 Resultados

5.1 Introduo ca
Este cap tulo mostra os resultados obtidos pela verso nal do modelo proposto. Este proa blema modelado implementado no software de otimizao CPLEX verso 9.0 instalado e ca a em um computador pentium dual core com dois n cleos de processamento de 1.7 GHz e u 1 Gigabyte de memria RAM. Esses resultados validam a utilizao prtica do modelo, o ca a bem como descrevem de forma detalhada o funcionamento e ecincia do modelo. e Primeiramente, apresentado o problema modelado nal proposto nesta dissertao em e ca um exemplo terico, com o objetivo de descrever o funcionamento do modelo. Em seguida o sero aplicadas ao modelo, as equaes de reformulao forte (planos cortantes) com a co ca objetivo de validar a robustez destas equaes em dados gerados para teste. Por m, o co modelo ser avaliado em situaes com dados gerados a partir de variao de situaes a co ca co reais. Essa avaliao ir permitir determinar o desempenho do modelo em relao ao ca a ca tempo computacional perante a complexidade real.
5.2
Exemplo de aplicao ca
Esta seo tem como objetivo mostrar o funcionamento do modelo, partindo da deterca minao da matriz de tempo de preparao, para posterior resoluo. Em seguida sero ca ca ca a discutidos os resultados gerados. Os dados gerados para aplicao no modelo nesta seo consituem de dados ct ca ca cios, com o objetivo de gerar um exemplo de forma a explicar como o modelo funciona. Sero a apresentados primeiramente os dados do modelo para posterior descrio das repercues ca co dos dados nos resultados. 53
5.2 - Exemplo de aplicacao
54
Dadas as seguintes informaes sobre as matrias primas existentes no processo produtivo, co e no exemplo ct cio: considerando a existncia de 3 silos, denominados 1,2 3, para armazenamento das e matrias primas utilizadas no procsso de ensilagem; e existncia de 3 produtos distintos, denominados B, C e D, a serem atendidos no e horizonte de processamento T ; existncia do produto ct A, o qual representa o estoque de matria prima nos e cio e silos, remanescente da semana anterior ao primeiro horizonte de planejamento; os produtos so compostos por no mximo 4 matrias primas, denominados K, X, a a e Y e Z. Denido a composio dos produtos e dos silos, as demais informaes do processo proca co dutivo no exemplo ct so: cio a horizonte de planejamento de 2 semanas, sendo que na primeira semana ser detera minado o sequenciamento e o tamanho dos lotes de produo e na segunda semana ca ser determinado somente o tamanho dos lotes de produo; a ca capacidade de processo baseada em tempo e varivel ao longo das 2 semanas de a planejamento, sendo estas:
primeira semana: 80 unidades de tempo;
segunda semana: 60 unidades de tempo (o tempo inferior a primeira semana pode ser devido a alguma manuteno preventiva, parada de linha, dentre ca outros).
a demanda de cada produto se distribui ao longo das duas semanas de planejamento. Essas demandas por produto e por semana so demonstradas na tabela 5.1; a
55
Tabela 5.1: Demandas por Produto o tempo de produo por unidade de produto, neste exemplo, diferenciado, ou ca e seja, varia de produto para produto. Estes tempos so: a produto B: 2 unidades de tempo para cada unidade de produto; produto C: 2 unidades de tempo para cada unidade de produto; produto D: 4 unidades de tempo para cada unidade de produto. os produtos possuem data de entrega diferentes no primeiro per odo do horizonte de planejamento. As datas de entrega de cada produto no primeiro per odo so: a Produto B: pode ser entregue entre 40 a 80 unidades de tempo; Produto C: pode ser entregue ao longo de toda semana, no estando limitado a a janela de entrega (de 0 a 80 unidades de tempo); Produto D: pode ser entregue ao longo de toda semana, no estando limitado a a janela de entrega (de 0 a 80 unidades de tempo). Denidos os produtos e os dados gerais do processo produtivo, determina-se a composio ca dos produtos com objetivo de gerar a matriz de tempo de preparao. Essa matriz tem o ca objetivo de alimentar o modelo com os tempos gastos na troca entre produtos na linha de produo. A composio dos produtos e dos silos no processo pode ser melhor evidenciada ca ca pela gura 5.1.
56
Figura 5.1: Composio dos Produtos no Processo ca A gura 5.1 demonstra a composio do processo modelo. Como o processo contm 3 ca e silos, pode haver ento no mximo, na composio de cada produto, 3 matrias primas. a a ca e Obtm-se, portanto, os 4 produtos com as seguintes composies: e co produto A (produto ct que representa o estoque nos silos na semana anterior): cio composto pelas matrias primas X e Y; e produto B: composto pelas matrias primas K, Y e Z; e produto C: composto pela matria prima Z; e produto D: composto pela matria prima K e Z. e Determinadas as matrias primas existentes no processo e as composies dos produtos, e co deni-se a utilizao de silos por cada produto, ou seja, quantos silos o produto pode ca utilizar para alocar suas matrias primas no processo de ensilagem. Partindo da premissa e de que cada produto utiliza um silo por matria prima, obtm-se que os produtos tm as e e e seguintes utilizaes dos silos: co produto A: utilza dois silos para alocar as matrias primas X e Y; e
57
produto B: utiliza trs silos para alocar as matrias primas K, Y e Z; e e produto C: utiliza 1 silo para alocar a matria prima Z; e produto D: utiliza 1 silo para alocar K e 1 para alocar X. Com as composies descritas anteriormente, aplica-se o algoritmo de determinao da co ca matriz de tempo de preparao (descrita no Cap ca tulo 3). A matriz utilizada como e entrada do modelo matemtico proposto nesta dissertao. Antes de se determinar a a ca matriz de tempo de preparao ser realizada a descriao do seu funcionamento, aplicandoca a c a na mudana do produto A para o produto B. c Ao analisar a mudana da linha de produo, do produto A para o produto B, obtm-se c ca e as necessidades geradas para alimentar o algoritmo de obteno do tempo de preparao. ca ca Antes de aplicar o algoritmo de determinao do tempo de preparao devem-se estabeca ca lecer os seguintes parmetros: a silos utilizados por produto: o produto A utiliza 2 silos para armazenar as matrias e primas, enquanto o produto B utiliza 3 silos para armazenar as matrias primas; e composio dos produtos: matrias primas que compoem os produtos (descrito ca e anteriormente). Denido os dados dos produtos A e B aplicam-se as seguintes frmulas (denidas no o Capulo 3) para denir o tempo de preparao entre A e B. Devem-se seguir os seguintes t ca passos enumerados abaixo: 1. determinar a dissimilaridade entre os produtos, pela equao abaixo: ca
d = A,B
k=1
W (aA aB ) k k
2. determinada a dissimilaridade, deve-se obter a similaridade entre os produtos, a partir da equao abaixo: ca
s = M d A,B A,B
58
3. por m determinado o tempo de preparao, o qual alimentado pelo resultado e ca e obtido na equao anterior (fundamental para o bom funcionamento do modelo de ca sequenciamento). Esta equao denida abaixo: ca e
SA,B = T s [(PB s ) (n PA )] A,B Portanto, devem-se aplicar os passos descritos anteriormente para determinar o tempo de preparao na troca de A para B. No primeiro passo aplica-se a seguinte equao: ca ca
d = abs(ai aj ) + (ai aj ) + (ai aj ) + (ai aj ) = A,B k x x y y z z k =1+1+0+1=3 Como explicado no cap tulo anterior, deve-se calcular o valor de M, o qual dene o n mero u de matrias primas dentro do conjunto gerado pela unio de matrias primas dos pares e a e de produtos em comparao. Neste caso, comparando A e B, MAB denido por K, X, ca e Y, Z, ou seja, tem o valor de 4. Utilizando-se os resultados anteriores como entrada na seguinte equao de determinao ca ca da similaridade:
s = M 3 = 4 3 = 1 A,B Com a similaridade denida, obtm-se o tempo de preparaao entre a troca de A para B. e c Esta equao esta determinada abaixo: ca
SA,B = T s [(3 1) (3 2)] = T s (1) = T s Portanto, ao realizar a troca do produto A para B obtm-se um tempo de troca de T s e (tempo para limpar e encher um silo com matria prima), ou seja, o tempo necessrio e a para preparar somente 1 silo. Aps denido e compreendido o funcionamento do algoritmo de determinao do tempo o ca de preparao entre as troca de produtos, aplica-se o algoritmo a todos os produtos, ca obtendo-se a seguinte matriz de tempo de preparao com valores m ltiplos de T s: ca u Como visto na tabela de tempo de preparao 5.2 quando se vai do produto A para o ca produto B acarreta num tempo de preparao de T s unidades de tempo. Esta matriz ca
59
Tabela 5.2: Matriz do Tempo de Preparao ca
se torna fundamental para alimentar o modelo, de modo que, se esta tabela for gerada sem qualidade, acarretar em resultados distorcidos no modelo matemtico. Portanto, se a a torna crucial e fundamental, para perfeito funcionamento do modelo, a gerao de forma ca correta da matriz de tempo de preparao. ca A partir da matriz de tempo de preparao Si,j se torna poss calcular Si (informao ca vel ca necessria para alimentar o modelo) , o qual determina o tempo de preparao mdio do a ca e produto. Sendo que o produto A o estoque da semana anterior, o seu valor de tempo e de preparao ser denido como zero (SA = 0). Os demais produtos determinam seu ca a tempo de preparao mdio de acordo com a seguinte formla: ca e u
Si =
j=1
Si,j /N
Onde, N o n mero de produtos. u Aplicando a equao acima ao produto B obtm-se o seguinte valor para o tempo de ca e preparao mdio: ca e
60
SB = (1 + 0 + 1 + 1)/4 = 3/4
Portanto, podem-se denir os seguintes dados de tempo de preparao mdio por produto ca e a seguir: produto A: 0,5 unidades de tempo; produto B: 0,66 unidades de tempo; produto C: 0,25 unidades de tempo; produto D: 0,5 unidades de tempo. Determinada a matriz Si,j e o vetor de dados Si , dene-se os demais parmetros de entrada a do modelo. Como mencionado no cap tulo anterior, a linha desbalanceada, logo deveme se determinar os parmetros relacionados ` taxa de consumo e ` taxa de abastecimento a a a das matrias primas. Esses itens so determinados a seguir: e a estoque de matrias primas(E): constante com valor 12 unidades de matrias prie e mas;
taxa de abastecimento de matria prima(U): constante com o valor de 1 unidade e de matria prima por unidade de tempo; e
taxa de consumo de matria prima(K): constante com valor de 3,5 unidades de e matria prima por unidade de tempo; e
matriz de taxa de consumo de produto por matria prima, ou seja, composio das e ca matrias primas nos produtos: e
61
Tabela 5.3: Composio das Matrias Primas nos Produtos ca e Os dados descritos anteriormente so importantes para determinar o limite superior real a do processo. Ao aplicar esses dados na restrio 4.12 e ao produto B acarreta-se num ca limite superior de tamanho de corrida, ou seja, lote mximo cont a nuo de produo. ca Dada a equao de restrio 4.12: ca ca
l pj qj,t min m M (Em /(Kj Ajm Um )) yjtl
Aplicando os dados deste problema exemplo ` equao de limitao de tamanho de lote a ca ca acima obtm-se: e
l PB qB,t min[12/(3, 5 0, 33 1); Ilimitado; 12/(3, 5 0, 33 1); 12/(3, 5 0, 33 1)] = l PB qB,t min[77, 4; Ilimitado; 77, 4; 77, 4] = 77, 4
Portanto, o limite mximo para produo cont a ca nua do produto B, na primeira semana de anlise 77,4 unidades de tempo, ou seja, o tamanho mximo de corrida do produto B. a e a Sabendo-se que a capacidade mxima desta semana de 80 unidades de tempo, percebe-se a e que um unico produto, no casa B, no poderia ser produzido indenidamente na primeira a semana sem ter a necessidade de uma parada para prepaparaao da linha de produo. c ca
62
Esta equao aplicada a todos os produtos para se determinar o tempo mximo de ca e a corrida. Sendo fundamental para, juntamente com a equao 4.9, se determinar o lote ca mximo cont a nuo a ser produzido, ou seja, o maior lote de um produto que pode ser produzido ao longo do tempo. A equao 4.9 demonstrada novamente a seguir: ca e
Pj
l qjt
min(Ct ,
v=t
(di,v pj )) yjtl
Aplicando a equao anterior ao produto B obtm-se o seguinte resultado: ca e
Pj
l qBt
min(Ct ,
v=t
(dB,v pB )) yBtl
Substituindo os dados expressos neste cap tulo chega-se em:
l Pj qBt min(80, 40) l Pj qBt 40
Portanto, o tamanho mximo de corrida para B, neste caso, determinado pela equao a e ca 4.9, pois o seu resultado para o tempo mximo de produo cont a ca nua do lote de produo ca do produto B inferior ao obtido pela equao 4.12. Como 40 a quantidade mxima e ca e a necessria a ser produzida pelo produto B (demanda total do produto B), este produto a no est verdadeiramente limitado, pois pode produzir toda quantidade da demanda do a a produto sem necessidade de parar a linha. Outra anlise, relativa ` capacidade, dada pela equao 4.10. No entanto, esta equao a a e ca ca de capacidade aplicada somente `s semanas com informao agregada (t 2). Esta e a ca equao dada por: ca e
l (Pj qjt + Sj yjtl ) Ct j
A equao acima aplicada a todos os produtos para determinar a capacidade total ca e mxima a ser utilizada por todos os lotes de produo. Ao aplicar esta equao aos a ca ca produtos obtm-se a seguinte equao restritiva: e ca
63
l l l [(PB qBt + SB ) + (PC qCt + SC ) + (PD qDt + SD )] Ct l
Como esta equao aplicada ao horizonte agregado, ou seja, t 2 e o problema exemplo ca e abordado tem duas semanas, ser ento abordado nesta equao o horizonte da segunda a a ca semana(t = 2).
l l l [(2 qB2 + 1) + (2 qC2 + 1) + (4 qD2 + 1)] 60 l
Exemplicando, ao se aplicarem as equaes ao produto C obtm o limite de produo co e ca para equao 4.12 de 4,8 unidades de tempo, enquanto a equao 4.9 limita a produo ca ca ca em 30 unidades de tempo. Portanto, no caso do produto C, a equao 4.12 limita a ca produo cont ca nua do produto. Como de conhecimento, sendo que a demanda do item e C na primeira semana de 5 unidades e o tempo para produzir cada unidade 2 unidades e e de tempo, obtm-se o tempo total de produo de 10 unidades de tempo. Portanto, no e ca caso do produto C, para produzir a quantidade total demandada ser necessrio produzir a a 3 lotes com duas paradas para preparao entre eles. ca Analisando as equaes 4.15 e 4.16, as quais se referem ao prazo ideal de entrega dos co produtos. Este prazo determina um per odo o qual no existe penalidade inerente a data a de term dos produtos. Aplicando essas equaes ao produto B, por exemplo, percebe-se no co as seguintes restries: co
rj + e Tj j + rj ej Tj+
Aplicando os dados do produto B do problema exemplo exposto neste cap tulo, `s equaes a co anteriores obm os seguintes resultados: e
rB + e 40 B rB e+ 80 B
Portanto, para no haver custo/gasto associado o produto, deve-se conclu entre 40 e a -lo 80 unidades de tempo. Determinado o per odo ideal de concluso do produto, deve-se a
64
aplicar a restrio que determina o sequenciamento da produo dos produtos. Como ca ca exposto no cap tulo anterior, a equao 4.12 determinada como: ca e
rj ri + Sij +
l
l Pj qj1 + Sjj l1
(yj,1,l ) G (xij )
Considerando a troca na linha de produo de A para B a equao acima ca da seguinte ca ca forma:
rB rA + SAB +
l
l PB qB1 + SBB l1
(yB,1,l )
Substituindo os dados expostos ao longo deste cap tulo obtm-se: e
rB 0 + 1 + PB (10) + SBB 0 rB 1 + 20 rB 21
A equao de sequencimento da produo determina a melhor sequncia de produo ca ca e ca a partir da avaliao da combinao dos possiveis sequenciamentos dos produtos. Esta ca ca equao ao ser aplicada ao modelo diminuiu o impacto do tempo de preparao aumenca ca tando assim a disponibilidade da linha de produo. ca Denida a equao que reje o sequenciamento, deve-se enfatizar as equaes que garantem ca co o sequenciamento coerente dos produtos. As equaes 4.13 e 4.14 determinam que um co produto deve ter somente um antecessor e somente um sucessor. Estas equaes aplicadas co ao produto B so expostas a seguir: a
xBj = xBA + xBC + xBD = 1

j
xjB = xAB + xCB + xDB = 1

j
65
As equaes 4.13 e 4.14, juntamente com a equao 4.12, garantem o sequenciamento de co ca forma adequada. Um problema que deve ser ressaltado no sequenciamento da produo ca a formao de ciclos. Um exemplo de ciclo poderia ser xAB e xBA iguais a 1, ou seja, e ca trocar do produto A para o produto B e depois trocar do produto B para o produto A. Este problema evitado pela equao 4.12, de modo que o entendimento desta equao e ca ca na limitao da formao de ciclos ser demonstrada a seguir: ca ca a Se xBD = 1 e xDB = 1 haveria formao de ciclo, no entanto quando esta condio ca ca e aplicada ` equao 4.12, obtm-se a seguinte anlise, considerando o par xBD e xDB igual a ca e a a 1.
rB rD + SDB +
l
l PB qB1 + SBB l1
(yB,1,l ) (yD,1,l )
l1
rD rB + SBD +
l
PD
l qD1
+ SDD
Considerando o caso mais simples, ser determinada a produo de um un lote. Pora ca co tanto SAA e SBB sero determinados com valor zero. Logo, as equaes cam da seguinte a co forma:
1 rB rD + SDB + PB qB1 1 rD rB + SBD + PD qD1
(5.1) (5.2)
Substituindo 5.1 em 5.2 chega-se ` seguinte equao: a ca
1 1 rD rD + (SDB + PB qB1 + SBD + PD qD1 )
1 1 Como os termos (SDB , PB qB1 , SBD , PD qD1 ) so todos positivos e maiores que zero, a a equao acima violada quando xBD e xDB so iguais a 1. Portanto, a equao 4.12, ca e a ca alm de buscar um sequenciamento adequado, permite evitar a formao de ciclos. e ca
Depois de denida as restries de sequenciamento e as restries relativas ` capacidade, co co a cabe evidenciar a restrio relativa ao uxo da produo dos diversos produtos. A equao ca ca ca 4.8 dene o uxo de produo no modelo nal proposto nesta dissertao. Esta equao ca ca ca exposta abaixo: e
66
+ + Ijt = Ij(t1) + l
l (qjt ) Djt Ij(t1) + Ijt
Aplicando esta equao acima ` segunda semana do horizonte de planejamento do produto ca a B e considerando somente a produo de um unico lote por produto, obtm-se: ca e
+ + 1 + 1 IB2 = IB1 + qB2 DB2 IB1 + IB2 = IB1 + qB2 10 IB1 + IB2
Esta restrio garante que o uxo gerado de produo, mais estoque de per ca ca odos anteriores, mais o no atendimento da demanda (desistncia de produzir para determinado cliente a e em prol de liberar capacidade para outro cliente com maior prioridade) deve ser igual a demanda total. Denida as restries do modelo cabe-se analisar a funao objetivo, no entanto, antes co c devem-se denir os dois custos pertecentes. Os custos pertcentes ` funo objetivo podem a ca ser divididos em dois grupos: sobre-necessrio e sub necessrio. Os custos relativos ao suba a necessrio so relacionados ` falta, ou seja, esto inclu a a a a dos o no atedimento da demanda a e o trmino dos itens em atraso com relao ` data prevista. Os custos relativos ao sobre e ca a necessrio so relacionados ao excesso, ou seja, esto inclu a a a dos a formao de estoque e o ca trmino dos itens adiantados a data previsa. e Na maioria das empresas o custo de no atender o cliente impacta muito mais do que a atender o cliente antes da hora prevista. O adiantamento, na maioia das vezes, causa uma surpresa agradvel nos clientes, de modo que neste modelo foram denidos os custos a relacionados ao sub necessrio (valor de 30 unidades nanceiras) 10 vezes maior que o a sobre necessrio (valor de 3 unidades nanceiras). a A equao que representa a funo objetivo, dado os 4 produtos (A, B, C, e D) e as duas ca ca semanas de planejamento determinado a seguir: e
minimizar
i=1 t=1
(3
+ Ij,t
+ 30
Ij,t )
+
i=1
(30 e + 3 e+ ) j j
Como visto ao longo deste trabalho, a equao acima minimiza a produo desbalanceada ca ca (para mais ou para menos) e o atendimento desbalanceado(antes ou depois da janela de tempo prevista) para todos os produtos. O valor do custo de no atendimento ser 10 a
67
vezes maior que o atendimento extra faz com que essa diferena de valores direcione a c funo objetivo em priorizar o atendimento dos clientes, mesmo que gere custo de estoque ca ou outros custos desnecessrios (adiantmamento da produo). a ca Depois de denidos os dados e entendido o comportamento do modelo deve-se discutir os resultados gerados pelo modelo e entender o seu funcionameno. A partir deste momento ser discutido o modelo matemtico buscando evidenciar sua coerncia com o processo a a e produtivo descrito ao longo desta dissertao. ca Cabe-se relembrar as variveis de deciso do modelo, ou seja, as variveis que retornam a a a resultados de acordo com os parmetros e restries aplicados ao problema modelado. e co Essas variveis so denidas como: a a Variveis Cont a nuas:
+ Ijt : quantidade em estoque do produto j no m do per odo t; Ijt : quantidade no atendida da demanda do produto j ao m do per a odo t; l qjt : quantidade produzida do produto j no lote l no per odo t;
e : adiantamento do produto j em relao a Tj ; ca j e+ : atraso do produto j em relao a Tj+ ; ca j t : data de trmino de produo do ultimo produto no primeiro per e ca odo do horizonte H; rj : data de trmino de produo do produto j no primeiro per e ca odo do horizonte H. Variveis Binrias: a a yjtl : 1 se o produto j produzido no lote l no per e odo t, nulo se no; a xij : 1 se o produto j produzido imediatemente depois do produto i, nulo se e no. a As variveis cont a nas inuenciam o resultado das variveis binrias, logo quando expe a a o os valores das variveis cont a nuas conhece-se o valor das variveis discretas por deduo. a ca Por exemplo, denido uma semana com somente 2 produtos, quando se sabe o valor da data de trmino de dois produtos (ri : varivel cont e a nua), rK = 10 e rY = 15 sabe-se que xKY = 1 (xij : varivel discreta). Portanto, ser exposto e discutido os valores das a a variveis cont a nuas e deixando subtendido os valores das variveis binrias. a a Abordando primeiramente os resultados referentes as variveis inerentes ao sequenciaa mento dos produtos. O resultado da varivel que determina a data de trmino de cada a e produto (ri ) dado a seguir: e
68
rA : no tempo zero do primeiro per odo de planejamento (forado a ser zero por ser c o produto ct referente ao estoque remanescente da semana anterior); cio rB : no tempo de 80,0 unidades de tempo do primeiro per odo de planejamento; rC : no tempo de 66,4 unidades de tempo do primeiro per odo de planejamento; rD : no tempo de 50,0 unidades de tempo do primeiro per odo de planejamento. As datas de trmino dos itens determinam a sequncia de produo na primeira semana e e ca de planejamento. A partir destas datas de trmino poss e e vel perceber que o uxo de produo que minimiza o tempo de preparao na linha de produo ser: ca ca ca a rA rD rC rB O sequenciamento dos silos s ser timo quando houver demanda necessria para exigir a o ao a utilizao do mximo da capacidade do primeiro per ca a odo de planejamento, caso contrario o modelo ao ser resolvido no gerar o melhor sequenciamento poss a a vel. No caso da demanda ser apertada em relao acapacidade dispon ca vel, ser necessrio sequenciar os a a silos de forma tima aumentando a capacidade dispon para produo. o vel ca Ao analisar o tempo de preparao gasto nesta sequncia obtm-se o valor de 0 unidades ca e e de tempo de preparao na troca entre produtos. Portanto, o modelo atendeu o objetivo ca (sequenciamento adequado dos produtos diminuindo o impacto da ensilagem) e gerou uma sequncia que eliminou o tempo de linha parada, ou seja, aumenta a capacidade produtiva e dispon da fbrica. O tempo de preparao na troca de produtos, as interrupes de vel a ca co lotes e as datas de produo podem ser melhor vistas pela gura 5.2. ca A varivel relacionada a data nal do sequenciamento dos produtos, t , recebe o valor a do maior ri para todo i. Neste caso t recebe o valor 80 unidades de tempo, o qual equivale a data nal do produto B(rB ). Analisando a capacidade do per odo, a qual 80 e unidades de tempo, percebe-se que o sistema utiliza toda capacidade buscando maximizar a sua utilizao e assim formar estoque para atender a demandas no per ca odo posterior (t=2). Esse movimento de formao de estoques busca minimizar o no atendimento da ca a demanda, o qual tem maior impacto na funo objetivo. ca Analisado a data de produo que determina o sequenciamento dos produtos, cabe-se avaca liar as variveis inerentes a data de entrega dos produtos. Essse resultado determinado a e pelas variveis de folga(ej - adiantamento na data de entrega do produto) e de excesso a (e+ - atraso na data de entrega do produto). Essas variveis tem valor zero atribu em a do j todos produtos (como os produtos A, C e D podem ser entregues em qualquer data ao longo do per odo, era esperado valor 0 de atraso e adiantamento para esses produtos), ou seja, nenhum produto conclu em atraso. Essas variveis podem ser melhores visuae do a lizadas pelo grco abaixo, o qual as linhas verticais representam as datas de in e m a cio
69
Figura 5.2: Diagrama de Gantt dos Produtos da janela de concluso do produto B (o unico produto com janela de entrega dentre os a produtos abordados no exemplo proposto). O diagrama de Gantt destacando a janela de atendimento do produto B exposto pela gura 5.3. e Determinado os resultados referentes aos sequenciamento dos produtos, cabe-se evidenciar os resultados referentes a composio dos produtos, ou seja, avaliar o resultado gerado ca pelas variveis de estoque, no atendimento de demanda e tamanho de lote. O valor a a dessas variveis exposto seguir: a e
+ Os resultados da formao de estoques (Ijt ) por produto ao longo dos per ca odos de planejamento exposto abaixo. Cabe-se ressaltar anterimente que o valor de estoque e no per odo zero fornecido como entrada do modelo, portanto conhecido a priori. e e Outro fato que deve ser ressaltado, que o produto A refere-se ao estoque remanse cente do per de planejamento anterior ao primeiro horizonte de planejamento e do portanto refere-se a um produto ct cio, o qual os informaes so conhecidos a prico a ori. Ao analisar o resultado abaixo, percebe-se que no per odo 2 no h capacidade a a suciente para produzir todos os produtos demandados no per odo, gera-se ento a a necessidade de acumular estoque no per odo 1 para atender a demanda total no + per odo 2. A matriz 5.4 representa os valores da varivel Ijt por produto e per a odo de planejamento:
70
Figura 5.3: Diagrama de Gantt com Janela de Atendimento
Tabela 5.4: Formao de Estoque por Per ca odo
71
Os resultados relacionados ao no atendimento da demanda no per a odo de plane jamento (Ijt ) ser exposto abaixo por produto e per de plajnejamento. Como a do exposto no item anterior, o produto A ct e refere-se ao estoque de produtos ree cio manscente do per odo de planejamento anterior ao horizonte abordado pelo modelo, portanto, a priori, o no atendimento de demanda deste produto sempre zero, pois a e sua demanda nula. Outro fato que deve ser ressaltado, sobre as informaes da e e co semana zero, pois nesta semana as informaes so dados de entrada para o modelo, co a portanto so conhecidos a priori. Ao analisar os resultados, percebe-se que mesmo a gerando estoque como comentado no item anterior, o processo incapaz de produe zir toda a demanda, gerando assim a necessidade de no atender em 0,6 unidades o a produto C. A matriz com os dados exposta em 5.5; e
Tabela 5.5: Demanda Postergada ou No Atendida por Per a odo
Denido os estoques formados e as quantidades de no atendimento de demanda por a produto e por per odo de planejamento, cabe-se denir a quantidade produzida por produto e por horizonte de tempo. Como ressaltado nos itens anterior, a semana zero e o produto A tm informaes conhecidas a priori, ou seja, no so sa e co a a das do modelo. Analisando os resultados percebe-se que os produto C e D precisam de mais de um
72
lote para produzir a quantidade demandada, ou seja, perde-se disponibilidade de linha de produo devido a parada de linha necessria para preparao de silos. As ca a ca informao relativas a produo so expostos em 5.6, sendo separados por produto, ca ca a por per de tempo e por lote de produo. As matrizes com os dados so expostos do ca a em 5.6.
Tabela 5.6: Produo por Lote e por Per ca odo
A primeira anlise a ser feita sobre os resultados do problema modelado que dado a e a complementariedade entre a formao de estoque e o no atendimento da demanda, ca a atribui-se no modelo a restrio de no permitir ter valores diferentes de zero para ambas ca a variveis, ao mesmo tempo para o mesmo produto e per a odo de tempo. Esta restrio vem ca do fato que dado a existncia de capacidade para atender os clientes, no faz sentido deixar e a de atend-lo para formao de estoque. Portanto, ao analisar esses resultados referentes e ca + a Ijt e Ijt percebe-se perfeita coerncia com o empregado no modelo, pois respeitou-se a e restrio levantada anteriormente. ca Analisando os resultados dos lotes produzidos por produto, percebe-se que o produto C e D tiveram a necessidade de ter duas paradas de produo (produzir em 3 lotes) ao logo ca do mesmo produto, ou seja, tiveram que parar devido a ruptura de estoque de matria e prima dentro de algum silo. Este problema de parada durante a produo de um mesmo ca produto ocorre,como j mencionado, devido ao desbalanceamento de linha o que impede a a produo cont ca nua de lotes de produo. Isto implica que estes lotes sempre tero ca a atribuido um limite superior vlido, de modo que este pode ou no impactar na linha de a a produo, de acordo com a quantidade demandada. Como previsto pela anlise feita, no ca a in deste cap cio tulo sobre a restrio 4.12, o produto B no iria necessitar de produzir ca a em mais de um lote, pois o seu tempo de corrida era superior ao necessrio para produzir a a quantidade demandada.
5.3 - Aplicacao de formulacoes fortes ao modelo
73
Percebe-se que no primeiro per odo de planejamento h formao de estoque para o proa ca duto B, C e D, ou seja, todos os produtos formam estoque para atender a demanda no per odo seguinte. Essa necessidade valida, pois sem formao de estoque no primeiro e ca per odo no poderia minimizar o no atendimento da demanda no per a a odo seguinte. Resumindo, pode-se evidenciar que toda demanda do primeiro per odo atednida e que e no segundo per odo de planejamento ocorre no atendimento da demanda do produto C a e D. No entanto, deve-se evidenciar que este no atendimento da demanda reduzido a e pela minimizao do tempo parado no primeiro per ca odo do horizonte de planejamento (obtido pelo sequenciamento adequado dos silos, o qual acarreta em maximizao do ca tempo dispon vel). O problema nal modelado nessa dissertao, como evidenciado pelos resultados, acarreta ca num maior aproveitamento da capacidade, isto acontece devido a analisar no somente o a n operacional, mas tambm o nel ttico. A partir de uma anlise global do horizonte vel e v a a de planejamento, direciona-se recursos e minimiza-se o tempo de linha parada, de acordo com a dinmica total do processo produtivo. a
5.3
Aplicao de formulaes fortes ao modelo ca co
Esta seo tem o objetivo de relaxar o modelo exposto na dissertao e aplicar as verses ca ca o descritas de formulaes fortes do cap co tulo anterior e avaliar a melhoria do desempenho obtido na soluo do problema relaxado. O relaxamento consistir em denir as variveis ca a a binrias (yjtl e xij ) como cont a nuas no intervalo de 0 a 1, o que ocasionar numa reduo a ca na complexidade computacional. A ecincia de relaxao denida como dado o problema relaxado, o problema de soluo e ca e ca forte deve obter uma soluo mais proxima da soluo real. O problema de formulao ca ca ca forte ser dado como mais eciente pela comparao do quo mais prximo da soluo a ca a o ca original em comparao ao problema relaxado. ca Determinado o objetivo das formulaes fortes, cabe-se denir, em grau, qual o tamanho co do problema teste e o porque das escolhas dos parmetros. Os parmetros e a congurao a a ca deste modelo foram denidos como a derivao de uma situao real, com a mesma ca ca amplitude de variveis e dados. Dado o conhecimento da amplitude da situao real, o a ca modelo exemplo denido a partir das dimenses conhecidas. Numa semana t e o pica e conhecida do processo produtivo, sabe-se que uma composio peculiar deste composta ca e com os seguintes dados:
n mero de produtos: numa semana t u pica de produo existe 15 produtos na linha; ca

74
n mero de matrias primas: existe um total de 45 matrias primas variveis e u e e a 11 matrias primas xas (independente do conjunto de produtos escalonados para e semana) ao logo deste 15 produtos na linha; n mero de silos: o processo contm um total de 32 silos dispon u e veis, dos quais 11 esto xos com as 11 matrias primas descritas anteriormente; a e horizonte de planejamento: o processo analisado num horizonte de 4 semanas, e sendo a primeira detalhada(sequenciado os produtos) as 3 semanas seguintes trabalhadas de forma mais agregada (denindo apenas tamanho de lote dos produtos).
Denido a amplitude do processo real, cabe-se gerar de forma estruturada os dados de entrada para o processo ct utilizado. Este processo ct gerado ser utilizado para cio cio a testar os modelos e as alteraes de formulao do modelo nal proposto no cap co ca tulo anterior. Cabe-se ressaltar que mesmo sendo ct cio, o processo baseado em derivaes e co da composio conhecida do processo produtivo real. A gerao do exemplo ser derivada ca ca a a partir da relativizao de todos os dados em relao ao tempo necessrio para preparao ca ca a ca de um silo. De forma a exemplicar, pode-se analisar a situao aplicada ao tempo de ca processamento: Os produtos tm o tempo de processamento Pi , por unidade de matria prima constante e e e igual a 0,2 unidades de tempo. Dado que o tempo de produo no processo real igual ca e a cerca de 10 minutos e o tempo de preparao de um silo em torno de 50 minutos para ca e preparao de um silo, logo ao equalizar os dados em relao a unidades de tempo de ca ca preparao dos silos, obtm-se o tempo de processamento em torno de 0,2 unidades de ca e tempo, em comparao com o tempo de preparao de um silo. ca ca A partir deste momento os exemplos sempre esto com unidades de tempo relativizadas, a em unidades de tempo de preparao de um silos, logo quando o valor atribu a qualquer ca do dado for 5 signica que 5 vezes o tempo necessrio para se preparar 5 silos. Os dados e a utilizados so descritos a seguir: a
tempo de processamento por produto (Pj ):
+ data nal (Ej ) e inicial (Ej ) de concluso de produo: a ca
neste exemplo, ao invs de calcular o lado direito da restrio 4.12 como denido e ca pelo modelo matmatico desta dissertao, ser denido o limite maximo de corrida e ca a de um lote diretamente para todos os produtos, o qual ter o valor constante de 40 a unidades de tempo;
75
Tabela 5.7: Tempo de Processamento
Tabela 5.8: Janela de Produo ca capacidade (Ct ) dispon vel por per odo de tempo t, ao longo das 4 semanas de planejamento, denida, para este exemplo, com folga de capacidade no primeiro e per odo e com capacidade limitada nos demais. A capacidade do primeiro per odo denida como 1000 unidades de tempo e para os demais per e odos dene-se a capacidade como 100 unidades de tempo; demanda de produo por produto j e per ca odo t: a matriz de tempo de preparao dene o tempo de preparaao na troca entre um ca c produto i para um dado produto j visto na matriz 5.10 e a matriz de tempo de preparao mdio (Sj ) dene o tempo de preparao na troca ca e ca de qualquer produto j dado na matriz5.11. e os custos relativos a funo objetivo so denidos seguindo a mesma linha do exemca a plo reduzido aplicado na seo anterior. No entanto, neste caso os custos relacionaca dos a no atendimento/atraso sero maiores, ou seja, o modelo buscar atender tudo a a a
76
Tabela 5.9: Demanda por Per odo e por Produto no prazo e na quantidade estritamente necessria. Neste exemplo os valores so dea a nidos como 100 unidades nanceiras para os custos relacionados ao sub-necessrio a e 3 unidades nanceiras para os custos relacionados ao sobre-necessrio. a Denido os dados de entrada do modelo, cabe-se categorizar os 5 modelos teste aplicados ao processo descrito anteriormente. Esses 5 modelos matmaticos sero descritos a seguir: e a 1. modelo original: o modelo original descrito na seo anterior rodado sem nenhuma ca e alterao no modelo descrito; ca 2. modelo relaxado 1: o modelo relaxado 1 consiste em, dado o modelo original, relaxar as condies de integralidade do modelo original. Portanto, ser denido as co a variveis binrias (yjtl e xij ) como cont a a nuas no intervalo de 0 a 1. Isto, como conhecido, diminui bastante a complexidade dos problemas de programao matemtica, ca a ocasionando na reduo do tempo necessrio para o processamento; ca a 3. modelo relaxado 2: o modelo relaxado 2 consiste em, dado o modelo original, relaxar as condies de integralidade das variveis binrias yjtl . As variveis yjtl sero co a a a a denidas como cont nuas no intervalo de 0 a 1.
77
Tabela 5.10: Matriz do Tempo de Preparao ca
Tabela 5.11: Matriz do Tempo de Preparao Mdio ca e
4. modelo forte 1: o modelo forte 1, consiste em dado o modelo relaxado 2 descrito anteriormente, atribuir os seguintes conjuntos de restries fortes: co
78
Si(k1) + rit +
j=k
min[Cj ;
n=j
Din ]yij
j=k
Dij i, k, t e t k i, k i
(5.3) (5.4) (5.5)
Si(k1) 0
t
yij , inteiro
j=k
5. modelo forte 2: o modelo forte 2, consiste em dado o modelo relaxado descrito anteriormente, atribuir os seguintes conjuntos de restries fortes: co
xit Dikl + Sil

t=k
i, k, l e l k
(5.6) (5.7) (5.8)
xit min[Ct ; Ditl ]yit + Sil i, k, l, l k e t = k..l Sil 0, xit 0, yit {0, 1} i, k, l, l k e t = k..l
Denidos as cinco verses do modelo de programao matemtica e os dados de eno ca a trada, ser analisados os resultados obtidos e estes resultados sero discutidos em duas a a dimenses. As dimenses dicutidas so: o o a tempo computacional: as verses dos modelos teste sero comparadas medindo o o a tempo coputacional para sua resoluo; ca distncia do resultado original: o resultado do modelo original dado como oimo, a e t de modo que as demais verses do modelo so comparadas com o seu resultado em o a busca de medir a distncia dos modelos alternativos em relao a melhor soluo a ca ca poss (modelo original). vel Aps denido os mtodos de avaliao dos 5 modelos propostos cabe-se, mostrar os resulo e ca tados em termos dos resultados de desempenho descritos anteriormente. Esses resultados so descritos na tabela 5.12. a
O modelo deve ser rodado uma vez por semana, ou seja, a cada 604.800 segundos, de modo que em primeiro momento, a soluo original esta a um tempo hbil de resoluo, ou ca a ca seja, tempo compat para tomada de deciso. Deve-se evidenciar que 28.800 segundos vel a
79
Tabela 5.12: Resultados das Verses do Modelo Matemtico Analisado o a
compat com o horizonte de tomada de deciso, o qual vai ser rodado uma vez por e vel a semana. No entanto, este tempo para gerao de resultados pelo modelo se torna apertado ca frente as incertezas, por exemplo, caso haja necessidade de fazer ajustes e troca de ordens de produo, numa dada semana, gerar necessidade de rodar o modelo mais de uma vez. ca a Caso seja necessrio rodar 3 vezes o modelo, equivale ao tempo de 1 dia, sendo assim o a seu impacto comea a ser signicativo, ou seja, o impacto comea a ser relevante para o c c tempo de tomada de deciso. a Resumindo, pode-se dizer que as anlises sobre os resultados indicam que o desempenho do a modelo original se torna invivel em termos de tempo computacional com a tomada de dea ciso. Portanto, se torna necessrio utilizar artif a a cios de relaxao linear e de formulaes ca co fortes buscando que a partir dessas alternativas obtenha-se resultados aproximados, porm e adequados, em tempo computacional. No entanto, a partir dos resultados exposto em 5.12, percebe-se que a melhor alternativa encontrada at o momento utilizar o modelo original por apresentar tempo alto, mas e e com resultados precisos. As demais verses do modelo apresentaram resultados com uma o diferena grande do resultado original (variando de 76 a 98 porcento de diferena entre o c c modelo abordado e o modelo original). Partindo do princ que o modelo original uma alternativa invivel (em tempo compupio e a tacional), torna-se necessrio analisar as opes alternativas , buscando tornar o modelo a co compat com a tomada de deciso. Analisando a comparao do modelo relaxado 1 e vel a ca o modelo relaxado 2 com o modelo forte 2, percebe-se uma melhoria do resultado de 12 vezes, o que comprova a ecincia de aplicao de formulaes fortes. Uma alternativa e ca co para melhorar o tempo para tomada de deciso investir em formulaes fortes mais adea e co quadas, que proporcionem uma soluo relaxada mais adequada com o tempo compat ca vel com a tomada de deciso. a
5.4 - Discusso dos resultados a
80
Como explicado esse melhor resultado, medindo o custo/benef cio, obtido at o momento e proporcionado pelo modelo em estado original. No entanto, ao comparar o modelo relae xado com o modelo fortes 2 percebe-se um caminho em direo a melhoria dos resultados, ca o qual pode ser utilizado para criar uma verso do modelo mais adequada com a tomada a de deciso. a O bom resultado das formulaes fortes, em comparao aos modelos relaxados, funo co ca e ca do bom delineamento da regio de viabilidade pelas restries de corte adicionadas. Essas a co restries de corte se tornam ecientes, pois so redudantes para o problema original e co a no redundantes para o problema relaxado. Nesta dissertao foi introduzido a questo de a ca a formulaes fortes e que por questes de tempo e foco foi deixado para futuros trabalhos, co o o investimento em melhorias de soluo por formulaes fortes, pois como evidenciado ca co e uma caminho eciente a ser tomado. Na prxima seo, ser abordado o modelo original e discutido seu resultado em algumas o ca a situaes distintas para avaliar seu desempenho frente a diversidade nos dados de entrada. co
5.4
Discusso dos resultados a
Esta seo tem o objetivo de fazer uma breve discusso dos resultados do melhor opo ca a ca de modelagem dentre os discutidos na seo anterior. O modelo original denido como ca e a melhor alternativa encontrada at o momento, pois mesmo as formulaes fortes mose co trando um caminho a ser atacado, os modelos fortes apresentam ainda uma diferena c relevante da soluo original. ca O modelo de dados discutido na seo anterior representa uma variao de uma semana ca ca t pica obtida pelos responsveis pelo processo analisado, no entanto por medidas de cona dencialidade a situao foi alterada nas devidas propores. Nas anlises do processo ca co a produtivo real foi poss perceber que as semanas so semelhantes em relao a todos vel a ca os dados, alterando somente a relao da capacidade versus quantidade a ser produzida. ca Portanto, o foco de anlise dos resultados ser, dado a alterao de uma semana t a a ca pica de produo fornecida pela empresa, esta ser alterada mantendo as propores de todos ca a co os dados com excesso da capacidade dispon na semana. a vel O modelo abordado ser aplicado em trs situaes t a e co picas de capacidade para o processo produtivo, no entanto, como j relatado, ser mantido os mesmos dados levantados na a a seo anterior e alterando somente os dados relativos a capacidade dispon por per ca vel odo do horizonte de planejamento. Estas situaes so expostas abaixo: co a excesso de capacidade: neste caso h capacidade produtiva suciente em todos os a per odos para produzir a demanda sem necessitadade de formar estoque. Isso pode ser melhor entendido pela tabela 5.13;
81
Tabela 5.13: Demanda versus Capacidade na Situao de Excesso de Capacidade ca limitao de capacidade: neste caso no h capacidade em alguns per ca a a odos para atender a demanda existente, de modo que se torna necessrio a formao de estoa ca ques para atender a demanda total do horizonte de planejamento. No entanto, a capacidade total (soma da capacidade ao longo de todas as semanas) suciente e para atender a soma de todas as demandas ao longo dos horizontes de tempo. A tabela 5.14 exemplica melhor as informaes descritas anteriormente; co
Tabela 5.14: Demanda versus Capacidade na Situao de Limitao de Capacidade ca ca capacidade escassa: neste caso no h capacidade em alguns per a a odos para atender a demanda existente, no entanto um diferencial desta situao que a soma total ca e da capacidade de todos os per odos no suciente para atender toda a demanda. a e A tabela 5.15 exemplica melhor a situao descrita anteriormente; ca Denido as situaes descritas anteriormente, cabe-se destacar os resultados obtidos e co
82
Tabela 5.15: Demanda versus Capacidade na Situao de Capacidade Escassa ca avali-los como na seo anterior, ou seja, em termos de tempo computacional e valor da a ca funo objetivo: ca
Tabela 5.16: Avaliao dos Resultados do Modelo Matemtico ca a Como denido, os trs tipos de dados de entrada (descritos acima) demonstram uma e variao da capacidade versus a demanda. A anlise contempla desde do n de folga ca a vel de capacidade, passando por capacidade apertada (capacidade igual a necessria a para a demanda) e chegando no n em que a capacidade limitada (necessidade de priorizar vel e atendimento de clientes por no ter capacidade de atender a todos). a Outra anlise importante determinar a sensibilidade do modelo ao n mero de produtos a e u processados, ou seja, a quantidade de dados de entrada. O modelo ser analisado no a perl denido como limitao de capacidade, o qual encontra-se mais frequentimente ca nos horizontes analisados no processo real da empresa. Este horizonte ser analisado com a os seguintes produtos:
83
5 produtos no processo; 7 produtos no processo; 10 produtos no processo; 12 produtos no processo; 15 produtos no processo (analisado na seo anterior). ca A partir destes dados acima, permite-se construir uma tabela com as informaes de tempo co de processamento do modelo matemtico proposto nesta dissertao, a qual utilizada a ca e para analisar a sensibilidade do modelo ao aumento do n mero de parmetros de entrada. u a Essa dados so determinados na tabela 5.17. a
Tabela 5.17: Anlise de Sensibilidade do Modelo a Denido os resultados, cabe-se evidenciar que a opo com folga de capacidade demanda ca menor n mero de iteraes para obteno dos resultados do modelo, alm desta opo u co ca e ca ocasionar no menor custo para o modelo. Quando o modelo esta com os dados de entrada apertado, ou seja, capacidade inferior a demanda necessitada em todos os per odos, a anlise para obteno dos resultados se torna mais complexa em comparao com as a ca ca demais conguraes de entrada. A funco objetivo do modelo, com dados de entrada co ca apertados, tm um custo maior dos trs tipos analisados, devido a necessidade de estoque e e e no atendimentos de demandas que ocorrem ao longo dos per a odos. Isto evidencia que o modelo de programao matemtica mais exigido em situaes em ca a e co que as restries se tornam apertadas. Os dados de entrada para o modelo estando aperco tados, geram a necessidade de mais anlises devido a existncia de poucas combinaes a e co de soluo que permitem gerar um ponto timo para o modelo. Portanto, acarreta que o ca o processamento destes modelos se torna mais complexo, justicando o aumento do tempo computacional para sua resoluo. ca Percebe-se na anlise desta seo, bem como na anlise discutida na seo anterior, que a ca a ca o modelo original abordado necessita de uma estruturao em busca de uma formulao ca ca
5.5 - Concluso a
84
que obtenha um tempo computacional mais adequado com o necessrio para tomada de a deciso. a Conclui-se que o modelo matemtico sensivel ao tipo de congurao dos dados de a e ca entrada, indo desde da quantidade de dados ao tipo de balanceamento dos dados de entrada(capacidade versus demanda). Portanto, o tempo computacional para resoluo ca do modelo matemtico vai ser proporcional no somente ao volume de produtos a serem a a processados na semana, mas tambm a relao entre a quantidade de cada produto a ser e ca produzida e a capacidade dispon vel.
5.5
Concluso a
Ao longo deste cap tulo foi analisado o comportamento do modelo em diversas situaes, co comprovando sua ecincia em relao a modelagem da situao real. No entanto, ao e ca ca analisar o tempo de resoluo do problema modelado, obtm-se um tempo incompativl ca e e com a tomada de deciso, logo se torna necessrio investir em metdos alternativos de a a o resoluo do problema. ca As formulaes fortes se mostraram ecientes na reduo do tempo computacional, bem co ca como na melhoria da qualidade do resultado em relao ao problema relaxado. Portano, se ca torna evidente a necessidade de se investir, no futuro, em formulaes fortes para melhor co adequao do modelo (menor tempo e melhor qualidade de soluo) a situao real. ca ca ca
Cap tulo 6 Concluso e Trabalhos Futuros a

Este trabalho desenvolveu um modelo que objetiva a resoluo de um problema t ca pico em processos que envolvem a formao de receitas com silos variveis de matria prima. ca a e Como analisado, os silos variveis de matria prima so consequncia do n mero de silos a e a e u inferior ao n mero de matrias primas necessrias ` produo de todos os produtos. Este u e a a ca n mero inferior de silos leva ` necessidade de parada de produo durante a troca de u a ca produtos, para preparar silos de matrias primas exclusivas para o produto que entra na e linha. O problema nal modelado nessa dissertao possibilita uma maior organizao na troca ca ca de produtos na linha de produo, a qual obtida pelo sequenciamento adequado dos ca e produtos visando menor atuao nos silos. Outro fator aplicado neste modelo relacioca e nado a integrao entre n ttico e operacional, possibilitando a determinao de lotes ca vel a ca de produo com tamanhos adequados para o atendimento de toda demanda programada ca (no acontece hoje na empresa analisada). Evidencia-se que esta integrao efetiva acara ca reta para a empresa um melhor relacionamento com os clientes, possibilitando prometer demandas que podem ser realmente atendidas. O modelo aplicado foi capaz de atender o horizonte real do processo analisado, ou seja, realizar o sequenciamento de 15 produtos. No entanto, como relatado no cap tulo anterior, o tempo de resoluo do modelo relativamente alto com relao ao horizonte ca e ca de planejamento analisado, de modo que se torna invivel utiliz-lo (operacionalizao do a a ca modelo) devido ` existncia de incertezas (alteraes de composio da carteira) inerentes a e co ca ao processo produtivo. Devido ` limitao temporal, torna-se necessria a utilizao de mtodos que reduzam o a ca a ca e tempo computacional, ao mesmo tempo que mantenham a qualidade da soluo. Como ca visto no cap tulo anterior, o simples relaxamento das variveis binrias gera uma reduo a a ca drstica do tempo computacional, no entanto gera uma grande perda de qualidade da a soluo. Uma alternativa que se mostrou bastante atrativa a utilizao de formulaes ca e ca co 85
CAP ITULO 6 : Concluso e Trabalhos Futuros a
86
fortes atreladas ao relaxamento do problema original, possibilitando gerar cortes que reduzem o impacto do relaxamento na qualidade da soluo. Nesta dissertao introduzca ca se o mtodo de formulaes fortes, analisando a sua ecincia na aplicao em modelos e co e ca relaxados. Portanto, como trabalhos futuros, sugere-se a utilizao de tcnicas de soluo que possibica e ca litem a reduo do tempo computacional para tomada de deciso. Em primeiro momento, ca a sugere-se a implementao de formulaes fortes, de modo a possibilitar a criao de cortes ca co ca na regio de viabilidade do problema relaxado, proporcionando a resoluo do problema a ca em tempo hbil sem perda de qualidade da soluo. a ca
Referncias Bibliogrcas e a
[1] A. Allahverdi, J. N. D. Gupta, and T. Aldowaisan. A review of scheduling research involving setup considerations. Omega International Journal of Management Science, v. 27, n. 2, p. 219-239, 1999. [2] A. Allahverdi, C. T. Ng, T. C. E. Cheng, and M. Y. Kovalynov. A survey of scheduling problems with setup time or costs. European Journal of Operational Research, 2006. [3] B. Almada-lobo, D. Klabjan, M. A. Carravilla, and J. F. Oliveira. Single machine multi-product capacitated lot sizing with sequence-dependent setups. International Journal of Production Research; vol. 45, N. 20, pp. 4873-4894, October 2007. [4] R. N. Anthony. Planning an control systems: A framework for analysis. Technical Report, Harvard University, Graduate Schoole of Business Administration, Cambridge, Massachusetts, 1965. [5] S. A. Araujo, M. N. Arenales, and A. R. Clark. Dimensionamento de lotes e programao do forno numa fundio de pequeno porte. Gesto e Produo, vol. 11, 2: ca ca a ca pp. 165-176, 2004. [6] M. Arenales, V. Armentano, R. Morabito, and H. Yanesse. Pesquisa operacional para cursos de engenharia. Elsevier, 2007. [7] R. G. Askin and C. R. Standridge. Modeling and analysis of manufacturing systems. New York, John Wiley and Sons, 1993. [8] K. R. Baker. Introduction to sequencing and scheduling. John Wiley, New York, 1974. [9] K.R. Baker and G.D. Scudder. Sequencing with earliness and tardiness penalties: a review. Operations Research Society of America, 38(1):2236, 1990. [10] G. Belvaux and L. A. Wolsey. Modeling pratical lot-sizing problems as mixed-integer programs. Management Science; Jul 2001; 47-7; ABI/INFORM Global, 2001. 87
REFERENCIAS BIBLIOGRAFICAS
88
[11] G. R. Bitran and D. Tirupati. Hierarchicaly production planning. Handbooks in Operations Research and Management Science - Logistics of Production an Inventory, Volume 4, Chapter 10, 1993. [12] J. Blazewicz, M. Dror, and W. Jan. Mathematical programming formulations for machine scheduling: a survey. European Journal of Operational Research, 51:283300, 1991. [13] J. Blazewicz, K. H. Ecker, G. Schmidt, and J. Weglarz. Scheduling in computer and manufacturing systems. Springer Verlag, 1994. [14] L. M. Bustamante. Minimizao do custo de antecipao e atraso para o problema de ca ca sequenciamento de uma mquina com tempo de preparao dependente da sequncia: a ca e aplicao em uma usina siderrgica. UFMG, 2006. ca u [15] G. Buxey. Production scheduling: practice and theory. European Journal of Operacional Research, No. 39, pp. 17-31, 1989. [16] C. R. Carvalho. Apostila de programao matemtica. UFMG, 2007. ca a [17] C. R. Carvalho. Apostila de sistemas integrados de manufatura. UFMG, 2007. [18] J. Chen and R. G. Askin. Project selection, scheduling and resource allocation with time dependent returns. European Journal of Operational Research, 2007. [19] A. R. Clark and S. J. Clark. Rolling-horizon lot-sizing when set-up times are sequencedependent. International Journal of Production Research, Volume 38, Issue 10, 22872307, 2000. [20] M. Denizel, U. Ekinci, G. Ozyurt, and D. Turhan. Ford-Otosan optimizes its stocks using a six-sigma framework. Interfaces Vol. 37, No 2, pp. 97-107, March-April 2007. [21] A. Drexl and A. Kimms. Lot-sizing and scheduling - Survey and extensions. European Journal of Operations Research, v.99, p.221 a 235, 1997. [22] B. Fleischmann and H. Meyr. The general lotsizing and scheduling problem. OR Spektrum, n.19, v. 1, p. 11-21, 1997. [23] M. R. Garey and D. S. Johnson. Computers and intractability: a guide to the theory of npcompleteness. W.H. Freeman, 1979. [24] M. R. Garey, D. S. Johnson, and R. Sethi. The complexity of owshop and jobshop scheduling. Mathematics of Operations Research, Vol. 1, No. 2, pp. 117-129, 1976. [25] S. C. Graves. A review of production scheduling. Operations Research 28, 646-675, 1981.
89
[26] D. Gupta and T. Magnusson. The capacited lot-sizing and scheduling problem with sequence dependent setup costs and setup times. Computers and Operations Research, v.32, p.727 a 747, 2005. [27] I. Harjunkoski and I. E. Grossmannand. A decomposition approach for the scheduling of a steel plant production. Computers and Chemical Engineering, 25:16471660, 2001. [28] E. W. Harris. How many parts to make at once. Factory, The Magazine of Management 10, 1913. [29] A. C. G. J nior. Problema de Sequenciamento em uma mquina com penalidades por u a antecipao e atraso: modelagem e resoluo. UFMG, 2006. ca ca [30] R. Kan. Machine scheduling problems, classication, complexity and computations. Martinus Nijho, The Hague, 1976. [31] R. Kapuscinski, R. Q. Zhang, P. Carbonneau, and R. Moore. Inventory decisions in Dells supply chain. Interfaces, Maio-Junho, 2004. [32] J. B. Lasserre. An integrated model for job-shop planning and scheduling. Management Science, 1992. [33] E. L. Lawler, S. C. Graves, R. Kan, and P. H. Zipkin. Sequencing and scheduling: algorithms and complexity. Logistics of Production and Inventory. Handbooks in Operations Research and Management Science, North-Holland, 445-522, 1993. [34] J. Y. Leung. Handbook of scheduling: algorithms, models, and performance analysis. Chapman and Hall/CRC, Boca Raton, FL. 1,224 pp, 2004. [35] J. L. Loveland, S. K. Monkman, and D. J. Morrice. Dell uses a new productionscheduling algorithm to Accommodate Increased Product Variety. Interaces - Vol. 37, No. 3, pp. 209219, MayJune 2007. [36] A. S. Manne. On the job-shop scheduling problem. Operations Research, 8:219223, 1960. [37] D. McDermott and P. Hendler. What it is, what it could be, an introduction to the special issue on planning and scheduling. Articial Intelligence, 76, 1-16, 1995. [38] S. S. Panwalkar and W. Iskander. A survey of scheduling rules. Operations Research, Vol. 25, No. 1, pp. 45-61, 1977. [39] Y. Pochet. Mathematical programming models and formulations for deterministic production planning problems. Apostila da Umiversite Catholique de Louvain, Belgium, 2007.
90
[40] C. Potts and M. Y. Kovalyov. Scheduling with batching: a review. European Journal of Operational Research, v. 120, n. 2, p. 228-49, 2000. [41] J. Reis. Gesto de recursos e tempo usando tcnicas de inteligncia articial-projecto a e de tese de doutoramento. I.S.C.T.E., Lisboa, 1995. [42] V. H. Russomano. Planejamento e controle da produo. So Paulo, Pioneira,320p, ca a 1995. [43] A. M. Santos. Dimensionamento de lote de produo em um problema de sequenciaca mento de uma mquina com tempo de preparao: aplicao a uma industria qu a ca ca mica. UFMG, 2006. [44] R. Sikora, D. Chhajed, and M. J. Shaw. Integrating the lot-sizing and sequencing decisions for scheduling a capacitated ow line. Computers and Industrial Engineering, Volume 30, Issue 4, Pages 659-679, September 1996. [45] M. C. Souza and A. C. Castro. Modelos matemticos para o atendimento demanda a a e dimensionamento de lotes em sistemas de produo ininterrupta. XXXVIII SBPO, ca Goinia , GO, 2006. a [46] A. T. Staggemeier and A. R. Clark. A survey of lot-sizing and scheduling models. Simpsio Brasileiro de Pesquisa Operacional, 2001. o [47] L. V. Tavares. A review of the contribution of operational research of project management. European Journal of Operational Research, v.136, p.1 a 18, 2002. [48] C. F. M. Toledo, P. M. Frana, R. Morabito, and A. Kimms. Um modelo de otimic zacco para o problema de dimensionamento de lotes e programacco da producco a a a em fbricas de refrigerantes. Pesquisa Operacional, v.27 n.1, p. 155-186, 2007. a [49] E. A. V. Toso and R. Morabito. Otimizao no dimensionamento e sequenciamento ca de lotes de produo: estudo de caso em uma fbrica de raes. Gesto e Produo, ca a co a ca v.12, n.2, p.203 a 217, 2005. [50] H. M. Wagner and T. M. Whitin. Dynamic version of the economic lot size model. Management Science; 5, 1; ABI/INFORM Global;pg. 89, (pre-1986); Oct 1958. [51] D. S. Yamashita and R. Morabito. Um algoritmo exato para o problema de programao de projetos com custo de disponibilidade de recursos e mltiplos modos. ca Pesquisa Operacional, v.27, n.1 p.27 a 49, 2007.

Apostila de Ensilagem Mestrado

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apostila de Ensilagem Mestrado

Загружено:

Авторское право:

Доступные форматы

MODELAGEM DO SEQUENCIAMENTO DA ENSILAGEM EM PROCESSOS INDUSTRIAIS DE FORMACAO DE RECEITAS

THIAGO HENRIQUE NOGUEIRA 21 de novembro de 2008

UNIVERSIDADE FEDERAL DE MINAS GERAES PROGRAMA DE POS-GRADUACAO EM ENGENHARIA DE PRODUCAO

MODELAGEM DO SEQUENCIAMENTO DA ENSILAGEM EM PROCESSOS INDUSTRIAIS DE FORMACAO DE RECEITAS

THIAGO HENRIQUE NOGUEIRA

iii iv vii viii 1 2 3 3 5 5 7

2.4 Anlise da complexidade dos problemas . . . . . . . . . . . . . . . . . . . . 20 a v

2.5 Determinao do Horizonte de Planejamento . . . . . . . . . . . . . . . . . 21 ca 2.6 Concluso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 a 3 Descrio do Processo Produtivo ca 24

3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 ca 3.2 Descrio do Processo Produtivo ca . . . . . . . . . . . . . . . . . . . . . . . 24

Thiago Henrique Nogueira

Agosto de 2008 - DEP EE UFMG

Cap tulo 1 Introduo ca

1.2 - Determinacao dos Objetivos

Determinao dos Objetivos ca

1.3 - Organizacao da Dissertacao

Thiago Henrique Nogueira

Agosto de 2008 - DEP EE UFMG

Cap tulo 2 Reviso Bibliogrca a a

2.2 - Reviso do Problema de Determinacao do tamanho de lote a

Reviso do Problema de Determinao do tamaa ca nho de lote

2.2 - Reviso do Problema de Determinacao do tamanho de lote a

2.2 - Reviso do Problema de Determinacao do tamanho de lote a

2.2 - Reviso do Problema de Determinacao do tamanho de lote a

2.3 - Reviso dos Problemas de Sequenciamento a

Reviso dos Problemas de Sequenciamento a

2.3.1 - Definicoes Gerais

2.3.1 - Definicoes Gerais

2.3.3 - Problema de uma mquina a

Problema de uma mquina a

2.3.3 - Problema de uma mquina a

2.4 - Anlise da complexidade dos problemas a

Anlise da complexidade dos problemas a

2.5 - Determinacao do Horizonte de Planejamento

Determinao do Horizonte de Planejamento ca

2.5 - Determinacao do Horizonte de Planejamento

Thiago Henrique Nogueira

Agosto de 2008 - DEP EE UFMG

Cap tulo 3 Descrio do Processo Produtivo ca

Descrio do Processo Produtivo ca

3.2 - Descricao do Processo Produtivo

3.2 - Descricao do Processo Produtivo

3.3 - Descricao do Processo Decis rio o

Descrio do Processo Decisrio ca o

3.3 - Descricao do Processo Decis rio o

3.3 - Descricao do Processo Decis rio o

3.4 - Descricao da Matriz de Tempo de Preparacao

Descrio da Matriz de Tempo de Preparao ca ca

3.4 - Descricao da Matriz de Tempo de Preparacao

3.4 - Descricao da Matriz de Tempo de Preparacao

3.4 - Descricao da Matriz de Tempo de Preparacao

Figura 3.4: Composio dos lotes de Produo ca ca

3.4 - Descricao da Matriz de Tempo de Preparacao

Figura 3.5: Composio dos Lotes de Produo ca ca

3.5 - Descricao do problema

3.5 - Descricao do problema

Thiago Henrique Nogueira

Agosto de 2008 - DEP EE UFMG

Cap tulo 4 Modelagem do Problema

Figura 4.1: Horizonte de Planejamento

4.2 - Proposicao Inicial

4.2 - Proposicao Inicial

Cmax tj ti + pi + Sij M(1 yij ) Di pi = Kc Qi yij + yji = 1 Cmax ti + pi t0 = 0

(4.1) (4.2) (4.3) (4.4) (4.5) (4.6)

4.3 - Proposicao Final