4 - administração da produção e operações - demanda · 2016. 8. 28. · marhns, p. e laugeni,...

28/08/16

1

28/08/16

Disciplina:AdministraçãodaProduçãoeOperaçõesPrevisãodaDemanda

Professor:MarcelinoVieiraLopes,Me.Eng.h=p://profmarcelino.webnode.com/blog

AdministraçãodaProduçãoeOperações

Obje%voGeral:Propiciar ao estudante de Engenharia de Produção umavisão integrada das modernas técnicas de administraçãodossistemasproduHvos,debensedeserviços,facultandoembasamento teórico para subsidiá-lo no mundo dotrabalho.

AdministraçãodaProdu

ção

2

28/08/16

2


1.Introdução.1.1.OqueéAdministraçãodaProdução.1.2.HistóricodaAdministraçãodaProdução.1.3.OsSistemasdeProdução.1.4.ObjeHvosdaProdução.1.4.1.“AVozdoMercado”.

2.OProcessodeTomadadeDecisão.2.1.RiscoeIncerteza.2.1.1.DefiniçãodeRisco.2.1.2.CritériosparaaTomadadeDecisãosobRisco.

3.ProjetodoSistemadeProdução.3.1.PlanejamentodaCapacidade.3.2.LocalizaçãodeInstalações.3.3.ProjetodoProduto.3.4.ProjetoeMedidadoTrabalho.


ção

3

4.OperaçãodoSistemadeProdução.4.1.PrevisãodaDemanda.4.2.PlanejamentoAgregadodaProdução.4.3.AdministraçãodeProjetos.

5.ControledaProdução.5.1.ControledeEstoques.5.2.MaterialRequerimentoPlanning(MRP).5.3.ElementosdeGestãodaQualidade.5.4.ProduHvidade.

Programa(PlanodeEnsino)


BibliografiaBásica:Moreira, D., Administração da Produção e Operações. 5. ed. Editora São Paulo:Pioneira,2000.Davis,M.,Aquilano,N.eChaseR.FundamentosdaAdministraçãodaProdução.3ed.PortoAlegre:Bookman,2000.BibliografiaComplementar:Gaither,N.eFrazier,G.,AdministraçãodaProduçãoeOperações.8ed.SãoPaulo:Pioneira,2001.Slack,N.etalli.AdministraçãodaProdução.2.ed.SãoPaulo:Atlas,2002.MarHns,P.eLaugeni,F.,AdministraçãodaProdução.SãoPaulo:Saraiva,2000.Russomano, V., Planejamento e Controle da Produção. 6 ed. edição. São Paulo:Pioneira,2000.


ção

4

28/08/16

3

ApresentaçãoVTData VT Assunto

13/09/16 VT1 PrevisãodaDemanda.11/10/16 VT2 ProjetodoProduto18/10/16 VT3 LocalizaçãodeInstalações19/10/16 VT4 PlanejamentoAgregado08/11/16 VT5 AdministraçãodeProjetos

5


çãoeOpe

rações

28/08/16

UNIDADE4PREVISÃODADEMANDA

6


çãoeOpe

rações

28/08/16

4

Introdução² Constantemente, todas as áreas estão envolvidas complanejamento,demaneiraformalouinformal.Háumgrandede decisões que compõem o próprio planeja-mento ou sãodelederivadas,como:² Quantose levefabricardecada linhadeprodutosnospróximosdias,semanasoumeses;

² Tiposdeprodutose/ouserviçosaoferecerdaquihádois,trêsoudezanos;

² Evoluçãodatecnologianospróximosanos;² NecessidadedeinvesHmentosfuturos;² Adoçãodenovosprocessosetecnologias;² Ampliaçãoe /ou construçãodenovas instalações; Contrataçõesfuturasdepessoaletreinamento;

² Necessidadesdematérias-primas. 7


çãoeOpe

rações

Introdução² Para se obter uma previsão, existem vários métodosdisponíveis,queemprincípiopodemserusadosemquaisquercircunstâncias, dependendo de certos fatores. Os principaisdessesfatoressão:² Disponibilidadededados,tempoerecursos-hácertosmétodos,mais sofisHcados, normalmente envolvendo modelosmatemáHcos, que exigem, além de dados numéricos com certaabundância, também a existência de profissionais com oconhecimentonecessárioparatrabalharcomosmodelos;

² Horizonte de previsão - hámétodos que semostrammelhoresparaprevisõesdelongoprazo(váriosanosnofuturo),enquantoque outros são roHneiramente aplicados às previsões paraperíodosmaiscurtos,comomeses,semanasoumesmodias. 8


çãoeOpe

rações

28/08/16

5

Características² Por outro lado, os métodos de previsão possuem algumascaracterísHcasquesãocomunsatodoseles:² Os métodos de previsão geralmente assumem que as mesmascausas que esHveram presentes no passado, configurando ademanda,conHnuarãopresentesnofuturo.Issoquerdizerqueocomportamento do passado é a base para se inferir sobre ocomportamentodofuturo;

² Osmétodosnãoconduzemaresultadosperfeitos,eachancedeerroétantomaiorquantomaisnosaprofundamosnofuturo,ouseja, quanto maior seja nosso horizonte de previsão. Issoacontece porque os fatores aleatórios, que nenhuma previsãoconseguecaptar,passamaexercermaior influêncianodecorrerdotempo.

9


çãoeOpe

rações

Classi7icaçãodosMétodosdePrevisão

•  Qualita%vos(oubaseadosnojulgamento).•  São métodos que repousam basicamente no julgamento depessoasque, de formadiretaou indireta, tenhamcondiçõesdeopinarsobreademandafutura,taiscomogerentes,vendedores,clientes, fornecedores, etc.Não se apoiamemnenhummodeloespecífico, embora possam ser conduzidos de maneirasistemáHca. Sãomuito úteis, por exemplo, quando daausênciade dados (ou presença de dados não confiáveis) ou dolançamentodenovosprodutos.

10


çãoeOpe

rações

28/08/16

6

Classi7icaçãodosMétodosdePrevisão

•  Matemá%cos(ouQuan%ta%vos).•  São aquelesqueuHlizammodelosmatemáHcospara se chegar aosvalores previstos. Permitem controle do erro, mas exigeminformações quanHtaHvas preliminares. Os métodos matemáHcossubdividem-seem:•  Métodos causais - a demanda de um item ou conjunto de itens é

relacionada a uma ou mais variáveis internas ou externas à empresa.Essas variáveis são chamadas de variáveis causais. A população, o PNB(ProdutoNacionalBruto),oconsumodecertosprodutos,etc.,sãoalgunsexemplosdevariáveiscausais.Naverdade,oquedeterminaaescolhadeuma parHcular variável causal para a previsão da demanda é a sualigação lógica com essa úlHma. Se Hvermos uma boa esHmaHva dessevalor,serápossívelobteraprojeçãodesejadaparaumprodutoougrupodeprodutosemestudo.

•  Séries temporais - a análise de séries temporais nada exige além doconhecimentodevalorespassadosdademanda(ou,deformageral,davariávelquesequerprever).Otermosérietemporalindicaapenasumacoleção de valores da demanda tomados em instantes específicos detempo. A expectaHva é a de que o padrão observado nos valorespassados forneça informação adequada para a previsão de valoresfuturosdademanda.

11


çãoeOpe

rações

MétodosQualitativos

•  Os métodos qualitaHvos são baseados no julgamento e naexperiência de pessoas que possam, por suas própriascaracterísHcas e conhecimentos, emiHr opiniões sobreeventos futuros.NestesenHdo,ousode julgamentopessoalnão se restringede formaalgumaàsprevisõesdademanda,podendo ser usado para analisar movimentos do comérciointernacional, rumos da tecnologia, tendências de novosprodutos, futuras condições econômicas e políHcas, etc.Vejamosbrevementealgumastécnicasmaiscomuns.

12


çãoeOpe

rações

28/08/16

7

MétodosQualitativos-OpiniõesdeExecutivos•  Um grupo de altos execuHvos da empresa se reúne paradesenvolver,emconjunto,umaprevisão.Ogrupoéformadopor execuHvos vindos de áreas diversas, como MarkeHng,Finanças, Produção, etc. O interesse do grupo estánormalmente em previsões de longo prazo, envolvendo umou outro aspecto do planejamento estratégico da empresa,inclusive desenvolvimento de novos produtos, processos eplanejamento estratégico de manufatura. A vantagemevidente deste procedimento é a reunião de talentos comdiferentes visões do assunto, o que pode levar qualidade eprecisão ao consenso que se venha a obter. A grandedesvantagem é a de que uma das pessoas, por sua fortepersonalidade, venha a exercer uma influência exageradasobre o grupo, impondoemmaior oumenor grau a própriaopinião. 13


çãoeOpe

rações

MétodosQualitativos-OpiniãodaForçadeVendas

•  Desenvolver previsões com base na opinião do pessoalenvolvido diretamente com as vendas pode ser umaalternaHva atraente. Afinal de contas, esse pessoal temcontatodiáriotantocomosprodutosdaempresacomocomosconsumidores.Conhecemodesenvolvimentohistóricodosprodutosepercebemasevoluçõesdomercado.

14


çãoeOpe

rações

28/08/16

8

MétodosQualitativos-PesquisasJuntoaConsumidores

•  Afinal, são eles que determinam a demanda. Muitofrequentemente, o número de consumidores potenciais éexcessivo para que se pesquise a opinião de cada um emparHcular. Nestes casos, procede-se por amostragem,conduzindo-se o que se chama comumente de pesquisas demercado.Aspesquisasdemercadorequeremconhecimentostécnicos especializados e exigem grande cuidado no seuplanejamento.

15


çãoeOpe

rações

MétodosQualitativos-OMétodoDelphi

•  OmétodoDelphiconsistenareuniãodeumgrupodepessoasquedevem opinar sobre um certo assunto, dentro de regrasdeterminadaspara a coletae adepuraçãodasopiniões. Envolvemgeralmente situações de longo prazo, onde os dados são escassosou mesmo inexistentes, sendo o julgamento pessoal uma daspoucasalternaHvasabertasàprevisão.Aliás,onomeDelphiderivado oráculo de Delfos, na Grécia anHga, que supostamente Hnhacondiçõesdeprevereventosfuturos.

16


çãoeOpe

rações

28/08/16

9

MétodosQualitativos-OMétodoDelphi

•  O comitê Delphi é formado inicialmente com as pessoas queparHciparão do processo; esses parHcipantes são especialistas noassunto em pauta e/ou em assuntos correlatos. Para que umapersonalidadenãosesobreponhaàoutra,asopiniõessãoexpressasindependente-mente, por exemplo através de um quesHonáriopreestabelecido. Um sumário das opiniões é então preparado edistribuídoaogrupo,dando-seatençãoparHcularàquelasopiniõessignificaHvamentedivergentesdamédiadogrupo.Pergunta-seaosparHcipantes se desejam rever suas previsões à luz dos novosresultados.Esseprocedimentoé repeHdoalgumasvezesatéqueogrupo chegue a opiniões que não sejam muito variadas. Esseconsenso, se for possível, será aHngido por volta da terceira ouquartarodadadométodo.

17


çãoeOpe

rações

OMétodoDelphi

OgeneralatenienseTemístocles,resolutoempar4cipardaguerra,decidiuconsultarooráculo,eobteveaseguinteresposta:“Óinfelizes,porquepermaneceisaindasentados?FugidaquiParaosconfinsdaTerraeparalongedasalturasdacidadecircularPoisnãopermaneceacabeçanemocorpoNemembaixoospésnemmãosoupartesmédias,Masirãojuntos,poisofogoosdevoraráeAresbravio,condutordocarrosírio.Tambémoutrasfortalezaseledestruirá,nãoapenasatua;Aofogoardenteofereceránumerosostemplosdosdeuses,DaquelesdeusesquehojeaindapermanecemegotejamosuorEseempalidecemdepavor;poisalto,dascumeeirasdostemplosEscorresangueescuro,sinaldadesgraçaameaçadora.Portanto,abandonaiascâmarassagradasetendecoragemnainfelicidade"

18


çãoeOpe

rações

28/08/16

10

HorizontedePrevisão

•  Existe um método mais adequado para a previsão, dado umhorizontedeplanejamento?ArespostapodeserposiHva,guardadasalgumascautelas.Naverdade,queraprevisãosejade longoprazo(2a10anos),médioprazo(1a2anos)oucurtoprazo(atéumano),omelhormétodoéaqueleque forneceosvaloresmais próximosentreaprevisãoeademandareal.Dopontodevistaestritamenteteórico,seriaditcildefenderumououtrométodo.

•  Os métodos qualitaHvos e causais parecem adaptar-se melhor asprevisões de médio e longo prazo, enquanto a análise de sériestemporais, parHcularmente pelos métodos das médias, parecemadequar-semaisaprevisõesacurtoprazo.

•  Qualquer que seja o caso, porém, é necessária o teste de váriosmodelosatéseencontraromaisadequadoaocasoespecíficoquese está analisando. Escolhido um método, deve-se mantê-lo sobcontrole,demaneiraaefetuarcorreçõesnomenorprazopossível.

19


çãoeOpe

rações

MODELOSDEDECOMPOSIÇÃODESÉRIESTEMPORAIS

•  Nível:oníveldademandatraduzumpatamardovolumedevendasda série temporal das demandas passadas, desconsiderandovariaçõesdesazonalidadeevariaçõesaleatórias.Ocomponentedenívelpodeseapresentarestacionadoouestarsofrendoalteraçãoaolongodasérietemporalqueestásendointerpretada.

•  Tendência: os dados históricos, representados pela demandaocorrida em cada período, podem apresentar uma tendênciacrescente, estabilizada ou decrescente. A tendência podeapresentarformalinearounãolinear.ÉimportanteentenderbemadisHnção entre o nível e a tendência da demanda, para se poderrealizarprevisões.

20


çãoeOpe

rações

28/08/16

11


•  Sazonalidade: a sazonalidade de uma demanda representa umpadrãodevariaçãoqueserepetecomopassardotempo,podendoser interpretadoeprevisto.Nãosãovariaçõesaleatóriase simumpadrão repeHHvo. A demanda de determinados produtos podeapresentarpouca,ounenhuma,sazonalidade.Produtoscomoarroz,feijão, farinha e arHgos de higiene, por exemplo, apresentamdemanda pouco influenciada pela época do ano. Brinquedos,cobertores, agasalhos etc., são exemplos de produtos muito maissuscevveisasinfluenciasdedeterminadosperíodos.Algunsautoresse referem a sazonalidade com a denominação de “ciclicidade”,preferimos adotar outro significado para o termo conforme será́vistomaisadiante.

21


çãoeOpe

rações


•  Aleatoriedade:devido a numerosos fatores, a demanda apresentacomponentes aleatórios, que não podem ser previstos pelosmodelosdeprevisão.Porém,épossívelcompararoerroqueexisteentre o modelo de previsão construído e a demanda passadarealmente ocorrida. Por meio da avaliação deste erro, éestaHsHcamente possível prever o erro esperado da aplicação domodelo quando é feita uma projeção para o futuro. Um bommétododeprevisãodedemandavaiapresentarumerroestavsHcocomparável à caracterísHca de aleatoriedade da demanda,permiHndo que se tenha uma noção da dimensão destavariabilidade.

22


çãoeOpe

rações

28/08/16

12


•  Em resumo, tem-se que toda série temporal pode ser analisada edecomposta em uma parte sistemáHca, composta por nível,tendência e sazonalidade, e outra parte não sistemáHca compostapelaaleatoriedade.AFigura71ilustraadecomposiçãodeumasérietemporal.

23


çãoeOpe

rações

Capítulo 7 – Previsão de demanda 337

Jurandir Peinado e Alexandre Reis Graeml

foram ótimas, porém, declinaram abruptamente passada a fase de experimen-tação do público consumidor.

Analogia com produtos similares

Uma forma bastante utilizada para o lançamento de um produto é bus-car dados históricos de vendas de produtos similares, quando estes existem. Neste caso, deve-se atentar para o grau de similaridade do produto de com-paração.

MODELOS DE DECOMPOSIÇÃO DE SÉRIES TEMPORAIS Estes modelos são amplamente utilizados e se baseiam no estudo da de-

manda acontecida no passado para projetar a demanda futura. Naturalmente, são válidos apenas para produtos já existentes e cujo histórico de vendas for-neça dados suficientes para a realização da projeção. Estes modelos são mais adequados quando já se atingiu um padrão estável de demanda e o produto se encontra na fase de maturidade do seu ciclo de vida em que o padrão de con-sumo não sofre variações significativas de um período para outro. Por questões de sazonalidade, costuma-se adotar períodos de um ano, neste tipo de análise. Apesar de não ser perfeito (lembre-se que nenhum método de previsão é infalí-vel), o uso de séries temporais é considerado um bom ponto de partida para auxílio nas estimativas de demanda futura. Mas como o futuro é cada vez mais incerto e mutável, métodos que se apóiam demais no desempenho passado devem ser utilizados em conjunto com outros modelos de previsão. Afinal, não estão de todo errados aqueles que criticam previsões baseadas unicamente no passado, afirmando que é como dirigir um carro olhando apenas para o retro-visor, conforme se falou no início do capítulo.

Uma série temporal de demandas passadas geralmente pode apresentar quatro componentes ou características:

Nível: o nível da demanda traduz um patamar do volume de vendas da série temporal das demandas passadas, desconsiderando variações de sazon-alidade e variações aleatórias. O componente de nível pode se apresentar es-tacionado ou estar sofrendo alteração ao longo da série temporal que está sendo interpretada.

Tendência: os dados históricos, representados pela demanda ocorrida em cada período, podem apresentar uma tendência crescente, estabilizada ou decrescente. A tendência pode apresentar forma linear ou não linear. É impor-tante entender bem a distinção entre o nível e a tendência da demanda, para se poder realizar previsões.

Sazonalidade: a sazonalidade de uma demanda representa um padrão de variação que se repete com o passar do tempo, podendo ser interpretado e previsto. Não são variações aleatórias e sim um padrão repetitivo. A demanda de determinados produtos pode apresentar pouca, ou nenhuma, sazonalidade. Produtos como arroz, feijão, farinha e artigos de higiene, por exemplo, apresen-tam demanda pouco influenciada pela época do ano. Brinquedos, cobertores, agasalhos etc., são exemplos de produtos muito mais suscetíveis às influências

338 Administração da Produção (Operações industriais e de serviços)

Jurandir Peinado e Alexandre Reis Graeml

de determinados períodos. Alguns autores se referem a sazonalidade com a de-nominação de “ciclicidade”, preferimos adotar outro significado para o termo conforme será visto mais adiante.

Aleatoriedade: devido a numerosos fatores, a demanda apresenta com-ponentes aleatórios, que não podem ser previstos pelos modelos de previsão. Porém, é possível comparar o erro que existe entre o modelo de previsão con-struído e a demanda passada realmente ocorrida. Por meio da avaliação deste erro, é estatisticamente possível prever o erro esperado da aplicação do modelo quando é feita uma projeção para o futuro. Um bom método de previsão de demanda vai apresentar um erro estatístico comparável à característica de aleatoriedade da demanda, permitindo que se tenha uma noção da dimensão desta variabilidade.

Em resumo, tem-se que toda série temporal pode ser analisada e decom-posta em uma parte sistemática, composta por nível, tendência e sazonalidade, e outra parte não sistemática composta pela aleatoriedade. A Figura 71 ilustra a decomposição de uma série temporal.

Parte sistemática

Nível

Tendência Sazonalidade

Parte aleatória

DEMANDA OCORRIDA

Decomposição de uma série temporal de demanda

MODELO DA MÉDIA MÓVEL SIMPLES A média móvel simples é facilmente calculada. Ela consiste na média

aritmética dos n últimos períodos da demanda observada. A fórmula 7.1 repre-senta o cálculo da previsão da demanda por meio da média móvel simples.

Fórmula 7.1 – Previsão de demanda pela média móvel simples.

n

DP

n

ii

j

!== 1

Onde: i = número de ordem de cada período mais recente n = número de períodos utilizados para apurar a média móvel Di = demanda ocorrida no período i Pj = previsão de demanda para o período j

É importante observar que, quanto maior o valor de n, maior será a in-fluência das demandas mais antigas sobre a previsão. Por isso, na prática, muitas vezes se realiza o cálculo da média móvel simples incluindo apenas os 3 últimos períodos.

Grá7icodeDispersão•  O gráfico a seguir é chamado de gráfico de dispersão e é obHdo“plotando”ospontosdecoordenadas(x,y),ondexéogastocompublicidade e y é o faturamento conseguido em função dapublicidade.

24


çãoeOpe

rações

0

20000

40000

60000

80000

100000

120000

140000

0 2000 4000 6000 8000 10000 12000

Receita

Bruta(R

$)

ValoresGastosemPublicidade(R$)

PublicidadeXReceitaBruta(R$)

28/08/16

13

ARetadosMínimosQuadrados

•  ÉumaretaquetemacaracterísHcademinimizarosomatóriodosquadradosdasdistânciadospontosdedispersãoatéareta.

25


çãoeOpe

rações

0

20000

40000

60000

80000

100000

120000

140000

0 2000 4000 6000 8000 10000 12000

Receita

Bruta(R

$)

ValoresGastosemPublicidade(R$)

PublicidadeXReceitaBruta(R$)


•  ÉumaretaquetemacaracterísHcademinimizarosomatóriodosquadradosdasdistânciadospontosdedispersãoatéareta.

26


çãoeOpe

rações

d1d2

x1 x2

f(x1)

f(x2)

(x2,y2)

(x1,y1)

28/08/16

14


•  Aretadosmínimosquadradospossuiequação:

•  Ondeaebsãodadospelasexpressõesabaixo:

27


çãoeOpe

rações

a = n∑xy− (∑x)(∑y)n∑x2 − (∑x)2

b = (∑y)(∑x2 )− (∑x)(∑xy)

n∑x2 − (∑x)2


•  Paraonossoexemplo,temososseguintescálculos:

28


çãoeOpe

rações

X:publicidadeY:receita

Mês x y abr/15 1.225 470.000 mai/15 1.380 582.000 jun/15 1.533 583.200 jul/15 1.636 684.400 ago/15 4.506 1.752.400 set/15 5.406 1.862.400 out/15 5.673 2.329.200 nov/15 10.902 3.751.900 dez/15 12.612 4.594.800 jan/16 15.148 6.059.200 fev/16 17.527 7.310.800

28/08/16

15



29


çãoeOpe

rações

0

1.000.000

2.000.000

3.000.000

4.000.000

5.000.000

6.000.000

7.000.000

8.000.000

0 2.000 4.000 6.000 8.000 10.00012.00014.00016.00018.00020.000

Receita

Publicidade

PublicidadexReceita



30


çãoeOpe

rações

0

1.000.000

2.000.000

3.000.000

4.000.000

5.000.000

6.000.000

7.000.000

8.000.000

0 2.000 4.000 6.000 8.000 10.00012.00014.00016.00018.00020.000

Receita

Publicidade

PublicidadexReceita

28/08/16

16



31


çãoeOpe

raçõesMês x y x2 x.y

abr/15 1.225 470.000 1.500.625 575.750.000 mai/15 1.380 582.000 1.904.400 803.160.000 jun/15 1.533 583.200 2.350.089 894.045.600 jul/15 1.636 684.400 2.676.496 1.119.678.400 ago/15 4.506 1.752.400 20.304.036 7.896.314.400 set/15 5.406 1.862.400 29.224.836 10.068.134.400 out/15 5.673 2.329.200 32.182.929 13.213.551.600 nov/15 10.902 3.751.900 118.853.604 40.903.213.800 dez/15 12.612 4.594.800 159.062.544 57.949.617.600 jan/16 15.148 6.059.200 229.461.904 91.784.761.600 fev/16 17.527 7.310.800 307.195.729 128.136.391.600 Soma 77.548 29.980.300 904.717.192 353.344.619.000



32


çãoeOpe

rações

n= 11

Σx.y= 353.344.619.000

Σx= 77.548

Σy= 29.980.300

Σx2= 904.717.192

(Σx)2= 6.013.692.304

a= 396,597b= -70457,546

y=f(x)=396,597x-70457,546

28/08/16

17

Exercícios

Nocasoanterior,esHmeareceita,casoseapliqueR$20.000,00empublicidade.

33


çãoeOpe

rações

Exercícios

AsvendasdosúlHmos10mesesdebicicletasergométricasestãonatabelaabaixo.Determineaprevisãoparao11ºmês.

34


çãoeOpe

rações

Mês 1 2 3 4 5 6 7 8 9 10

Vendas 285 288 310 290 305 299 315 320 303 300

28/08/16

18

Exercícios

Baseadonoquadroabaixo,qualseráaquanHdadedeviagensseforemtransportadascargasnovalordeR$4000?

35


çãoeOpe

rações

Mês CargasTransp.R$mil Viagensx10001 2,5 2642 1,3 1163 1,4 1654 1 1015 2 209

4 - administração da produção e operações - demanda · 2016. 8. 28. · marhns, p. e laugeni,...

Documents