pv3321 - métodos de otimização aplicados a sistemas de
TRANSCRIPT
PV3321 - Métodos de Otimização Aplicados a Sistemas de Engenharia
MODELAGEM
Miguel Cezar Santoro
agosto 2020
MIG
UEL C
EZ
AR
SA
NTO
RO
2
MODELAGEM
Apresentar os conceitos relacionados à modelagem de problemas de decisão, os métodos utilizados na obtenção de soluções e mostrar sua aplicabilidade em problemas de cadeias de suprimentos
Serão tratados problemas resolúveis por programação linear e programação mista inteira e linear (MILP) através do uso do software Solver do Microsoft Office
Objetivos do tópico Modelagem
MIG
UEL C
EZ
AR
SA
NTO
RO
3
MODELAGEMModelagem - processo
Modelagem é o processo de tranformação da descrição de um
problema em linguagem natural numa linguagem formal. Isso
envolve inteligência humana e ainda não se conhece um
programa de computador que consiga automatizar esse trabalho.
A dificuldade de modelagem se dá pela ambiguidade da
linguagem natural.
Leo Liberti (LIX, Ecole Polytechnique, France)
MIG
UEL C
EZ
AR
SA
NTO
RO
4
MODELAGEM
Modelagem - processo
Fonte: Mitroff et all (1974) in Bertrand,J.W.M, Fransoo,J.C (2002)
MIG
UEL C
EZ
AR
SA
NTO
RO
5
MODELAGEM
Modelagem - etapas
1 Entender claramente o problema – sistema objeto do estudo, objetivos a serematendidos, decisões a serem tomadas e restrições a serem obedecidas, inicialmente deforma literal.
2 Associar variáveis de decisão (reais, inteiras e binárias) às decisões.
3 Expressar o objetivo por uma expressão matemática, por extenso e/ou com notaçãomatemática.
4 Expressar as restrições por expressões matemáticas, por extenso e/ou com notaçãomatemática.
5 Expressar o domínio das variáveis de decisão.
obs: evite não linearidades nas expressões.
MIG
UEL C
EZ
AR
SA
NTO
RO
6
MODELAGEM
Exemplo de Blendagem
problema:
Uma mineradora extrai minérios de 4 minas e os blenda num pátio para atender asespecificações dos clientes, que exigem quantidades mínimas de 4 componentes do minérioblendado. A tabela a seguir mostra os mínimos exigidos dos 4 componentes, a composiçãodesses componentes nos minérios das diferentes minas bem como o custo por tonelada deminério de cada mina. A unidade utilizada é tonelada (ton). A mineradora deseja saber qual éa blendagem de mínimo custo.
A partir da planilha SantBlendaRasc fornecida desenvolva uma planilha que permitasimular decisões de blendagem e resolva o problema de decisão utilizando o Solver doExcel.
MIG
UEL C
EZ
AR
SA
NTO
RO
7
MODELAGEM
Exemplo de Blendagem – modelo matemático
• Variáveis de decisão:
𝑥𝑗 - quantidade (ton) do minério tipo 𝑗 que fará parte da blendagem.
• Restrições (satisfazer à necessidade de componentes):
10 𝑥1 + 3 𝑥2 + 8 𝑥3 + 2 𝑥4 ≥ 5
90 𝑥1 + 150 𝑥2 + 75 𝑥3 + 175 𝑥4 ≥ 10
45 𝑥1 + 25 𝑥2 + 20 𝑥3 + 37 𝑥4 ≥ 30
25 𝑥1 + 80 𝑥2 + 10 𝑥3 + 20 𝑥4 ≥ 20
• Domínio das variáveis de decisão
𝑥1, 𝑥2, 𝑥3, 𝑥4 ≥ 0
• Função Objetivo: minimizar o custo total da blendagem.
𝒎𝒊𝒏𝑪 = 1200 𝑥1 + 600 𝑥2 + 700 𝑥3 + 800 𝑥4
MIG
UEL C
EZ
AR
SA
NTO
RO
8
MODELAGEM
Exemplo de Blendagem
instalação do solver:
Windows Microsoft:
1. Click the Microsoft Office Button , and then click Excel Options.
2. Click Add-Ins, and then in the Manage box, select Excel Add-ins and click Go.
3. In the Add-Ins available box, select the Solver Add-in check box, and then click OK.
If Solver Add-in is not listed in the Add-Ins available box, click Browse to locate the add-in.
If you get prompted that Solver is not currently installed, click Yes to install it.
4. After you load Solver, the Solver command is available in the Analysis group on the Data tab.
IOS Microsoft:
1. Open Excel for Mac 2011 and begin by clicking on the Tools menu.
2. Click Add-Ins, and then in the Add-Ins box, check Solver.xlam and then click OK.
3. After restarting Excel for Mac 2011 (fully Quit Excel 2011), select the Data tab, then select
Solver to launch
MIG
UEL C
EZ
AR
SA
NTO
RO
9
MODELAGEM
Exemplo de Blendagem
preparação do problema:
Mina 1 Mina 2 Mina 3 Mina 4
Custo/ton 1200 600 700 800 Objective
ton 1.0000 1.0000 1.0000 1.0000 3300
Componente Mina 1 Mina 2 Mina 3 Mina 4 Totals Required
A 10 3 8 2 23.0 >= 5
B 90 150 75 175 490.0 >= 10
C 45 25 20 37 127.0 >= 30
D 25 80 10 20 135.0 >= 20
Mina
constraints
restrições
changing variable cells
variáveis de decisão = 𝑥𝑗
objective cell
objetivo
MIG
UEL C
EZ
AR
SA
NTO
RO
10
MODELAGEM
Exemplo de Blendagem
Data -> Solver ->
Solve
resolução do problema:
MIG
UEL C
EZ
AR
SA
NTO
RO
11
MODELAGEM
Exemplo de Blendagem
Mina 1 Mina 2 Mina 3 Mina 4
Custo/ton 1200 600 700 800 Objective
ton 0.4350 0.0525 0.0000 0.2463 750.525
Componente Mina 1 Mina 2 Mina 3 Mina 4 Totals Required
A 10 3 8 2 5.0 >= 5
B 90 150 75 175 90.1 >= 10
C 45 25 20 37 30.0 >= 30
D 25 80 10 20 20.0 >= 20
Mina
soluçao do problema:
Data -> Solver - Solve
MIG
UEL C
EZ
AR
SA
NTO
RO
12
MODELAGEM
Exemplo de Blendagem
parâmetros do Solver:
Constraint Precision is the degree of accuracy of the Solver
algorithm (for example, how close does the value of the LHS of a
constraint have to be before it is considered equal to the RHS).
Max Time allows you to set the number of seconds before Solver
Constraint Precision is the degree of accuracy of the Solver
algorithm (for example, how close does the value of the LHS of a
constraint have to be before it is considered equal to the RHS). Max
Time allows you to set the number of seconds before Solver will
stop. Iterations, similar to Max Time, allows you to specify the
maximum number of iterations (steps of the Solver algorithm) before
stopping.will stop.
Iterations, similar to Max Time, allows you to specify the maximum
number of iterations (steps of the Solver algorithm) before stopping.
www.solver.com
MIG
UEL C
EZ
AR
SA
NTO
RO
13
MODELAGEM
Exemplo de Blendagem – etapas percorridas
1 Entender claramente o problema – sistema objeto do estudo, objetivos a serematendidos, decisões a serem tomadas e restrições a serem obedecidas, inicialmente deforma literal.
2 Associar variáveis de decisão (reais, inteiras e binárias) às decisões.
3 Expressar o objetivo por uma expressão matemática, por extenso e/ou com notaçãomatemática.
4 Expressar as restrições por expressões matemáticas, por extenso e/ou com notaçãomatemática.
5 Expressar o domínio das variáveis de decisão.
obs: evite não linearidades nas expressões.
MIG
UEL C
EZ
AR
SA
NTO
RO
14
MODELAGEM
DECISÕES 1
Soluções do
Modelo 1
MODELO 1
do
Problema
hipóteses e
informações
DECISÕES 2
Soluções do
Modelo 2
MODELO 2
do
Problema
método de
obtenção
da solução
método de
obtenção
da solução
hipóteses e
informações
PROBLEMA REAL
componentes da cadeia
nível de detalhe
objetivo
MODELAGEM
ADERÊNCIA
À
REALIDADE
X
QUALIDADE
DA
SOLUÇÃO
X
VIABILIDADE
DE
IMPLANTAÇÃO
MIG
UEL C
EZ
AR
SA
NTO
RO
15
MODELAGEM
Componentes de um Modelo
OBJETIVOS
RESTRIÇÕES
models are mathematical representations that attempt to
mimic the behavior of a system with insights on its
internal structure or physical governing equations. They
offer an effective solution for carrying out numerical
simulation ... . . (Michael Pidd)
MODELOS
MIG
UEL C
EZ
AR
SA
NTO
RO
16
MODELAGEM
CLASSIFICAÇÕES DOS MODELOS DE DECISÃO
EMPÍRICOS (INFORMAIS)
SIMULADORES
SISTEMAS DE APOIO À DECISÃO
SISTEMAS DE DECISÃO
| OTIMIZANTES
|
| HEURÍSTICOS |CONSTRUTIVOS
|DE BUSCA
REATIVOS
x
ATIVOS
MIG
UEL C
EZ
AR
SA
NTO
RO
17
MODELAGEM
MODELOS REATIVOS E ATIVOS
EMPÍRICOS (INFORMAIS)
SIMULADORES
SISTEMAS DE APOIO À DECISÃO
SISTEMAS DE DECISÃO
| OTIMIZANTES
|
| HEURÍSTICOS |CONSTRUTIVOS
|DE BUSCA
REATIVOS
x
ATIVOS
MIG
UEL C
EZ
AR
SA
NTO
RO
18
MODELAGEM
REATIVOS [puxados, pull]
reagem à demanda (por exemplo pedidos dos clientes)
ATIVOS [empurrados, push]
decidem com base em previsões (por exemplo antecipações dos pedidos)
A escolha determina a maior ou menor integração das decisões e a
consequente maior ou menor dificuldade de sincronização e de
coordenação do fluxo.
Podem coexistir processos ativos e reativos num só estágio mas a
convivência conjunta nem sempre é pacífica.
CLASSIFICAÇÕES DOS MODELOS DE DECISÃO
MIG
UEL C
EZ
AR
SA
NTO
RO
19
MODELAGEM
KANBAN – Modelo de estoque reativo
EXEMPLOS DE MODELOS REATIVOS E ATIVOS
Estoque Máximo - dimensionamento
Idéia básica do KANBAN (Reposição da Base)
0 sai => cartão libera
encomenda000
0000
tempo de espera
000
0000
Entra => 0
MIG
UEL C
EZ
AR
SA
NTO
RO
20
MODELAGEM
DECISÃO DE ABASTECIMENTO
(necessidade líquida)
tempo de espera
previsão de saída
ITEM
Estoque de Segurança - dimensionamento
EXEMPLOS DE MODELOS REATIVOS E ATIVOS
Cálculo de necessidades - Modelo de estoque ativo
MIG
UEL C
EZ
AR
SA
NTO
RO
21
MODELAGEM
CLASSIFICAÇÕES DOS MODELOS DE DECISÃO
EMPÍRICOS (INFORMAIS)
SIMULADORES
SISTEMAS DE APOIO À DECISÃO
SISTEMAS DE DECISÃO
| OTIMIZANTES
|
| HEURÍSTICOS |CONSTRUTIVOS
|DE BUSCA
REATIVOS
x
ATIVOS
MIG
UEL C
EZ
AR
SA
NTO
RO
22
MODELAGEM
SIMULADORES
O usuário não perde o poder de decisão mesmo sendo um sistema formal.
Servem como auxílio aos cálculos facilitando a busca de soluções alternativas
viáveis.
Ajuda a solidificação de conceitos e conhecimento em paralelo a agilização
das decisões.
Podem se constituir de passo intermediário, necessário e interessante, antes
de uma modelagem otimizante formal.
Facilidade de desenvolvimento
Normalmente não tem dificuldades associadas ao porte do problema.
MIG
UEL C
EZ
AR
SA
NTO
RO
23
MODELAGEM
SISTEMAS DE APOIO À DECISÃO (SAD)
O usuário não perde o poder de decisão mesmo sendo um sistema formal.
Servem como auxílio aos cálculos facilitando a busca de soluções alternativas
viáveis.
Ajuda a solidificação de conceitos e conhecimento em paralelo ao aumento
da qualidade das decisões.
Podem se constituir de passo intermediário, necessário e interessante, antes
de uma modelagem otimizante formal.
Facilidade de desenvolvimento
Normalmente não tem dificuldades associadas ao porte do problema
Aumenta a qualidade das decisões
MIG
UEL C
EZ
AR
SA
NTO
RO
24
MODELAGEM
Exemplo de Planejamento da Produção
problema:
A Linear Ltda. precisa tomar decisões sôbre sua produção num horizonte de 4 meses, tendocomo objetivo mínimo custo. Ela fabrica 3 famílias de produtos em 2 centros produtivos comlimitação de capacidade máquina. Os custos relevantes são os de produção, armazenagem,falta e Hh extra, e o procedimento de decisão deverá conter as restrições normais decapacidade, com possibilidade de utilização de horas extras nos 2 centros (o índice de horasextras fornecido é o percentual máximo possível para cada centro, em relação às suasdisponibilidades).
Os dados base levantados para o desenvolvimento e testes iniciais do sistema ou planilhaque você deverá desenvolver estão na tabela a seguir. É utilizada a convenção de final demes e se for decidido produzir um produto num mes êle deverá ser processado em todos oscentros para os quais constam consumo na tabela. As faltas convertem-se em atrasos.
MIG
UEL C
EZ
AR
SA
NTO
RO
25
MODELAGEM
Exemplo de Planejamento da Produção
A Linear deseja determinar o plano de menor custo para os 4 meses seguintes.
1 Desenvolva uma planilha que permita simular decisões de blendagem.2 Resolva o problema de decisão utilizando o Solver do Excel.
problema:
MIG
UEL C
EZ
AR
SA
NTO
RO
26
MODELAGEM
Exemplo de Planejamento da Produção
preparação do problema em planilha:
PLANEJAMENTO DA PRODUÇÃO
c=1 c=2 estf0 atrf0 t=1 t=2 t=3 t=4 mf ef ff Miguel Cezar Santoro
f=1 2 2 200 0 500 600 890 300 50 10 60
f=2 8 4 100 0 200 300 620 300 100 20 120
f=3 3 5 80 0 300 300 490 300 200 40 240
xc iex disp0
c=1 2 0.3 3400
c=2 2 0.2 3800
Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr t=1 t=2 t=3 t=4
f=1 200 0 500 0 300 600 0 900 890 0 1790 300 0 2090 produção 0 0 0 0
f=2 100 0 200 0 100 300 0 400 620 0 1020 300 0 1320 estoque 0 0 0 0
f=3 80 0 300 0 220 300 0 520 490 0 1010 300 0 1310 atraso 82800 226800 472200 598200
hextra 0 0 0 0
Disp Hex Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV 82800 226800 472200 598200
c=1 3400 1020 0 3400 0 0 0 3400 0 0 0 3400 0 0 0 3400 0 0 CUSTO TOTAL = 1380000
c=2 3800 760 0 3800 0 0 0 3800 0 0 0 3800 0 0 0 3800 0 0
t=4 CUSTOS
consumos est/atr t=0 demanda custos
PLANO
t=0 t=1 t=2 t=3
MIG
UEL C
EZ
AR
SA
NTO
RO
27
MODELAGEM
Exemplo de Planejamento da Produção
Simulador para Plano de Produção
complemente a planilha SantPlaProRasc para se tornar um simulador
t=0 t=1 t=2 t=3 t=4
Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr
f=1 200 0 500 0 0 600 0 0 890 0 0 300 0 0
f=2 100 0 200 0 0 300 0 0 620 0 0 300 0 0
f=3 80 0 300 0 0 300 0 0 490 0 0 300 0 0
Disp Hex Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV
c=1 3400 1020 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
c=2 3800 760 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
PLANO
t=1 t=2 t=3 t=4
produção 0 0 0 0
estoque 0 0 0 0
atraso 0 0 0 0
hextra 0 0 0 0
0 0 0 0
CUSTO TOTAL = 0
CUSTOS
MIG
UEL C
EZ
AR
SA
NTO
RO
28
MODELAGEM
Exemplo de Planejamento da Produção
Sad para Plano de Produção
Otimizador de Plano de Produção
MIG
UEL C
EZ
AR
SA
NTO
RO
29
MODELAGEM
Exemplo de Planejamento da Produção
modelo matemático do problema:
f = indice de famílias de produtos
c = indice de centros produtivos máquinas
t = indice de períodos no horizonte de planejamento
Hc = horas centro
PRDft = nivel de produção de f durante t
ESTft = estoque previsto de f em t (final de t)
FALft = falta prevista de f em t (final de t)
HNOct = previsão de utilização de Hc em hora normal, em c em t
HEXct = previsão de utilização de Hc em hora extra, em c em t
HOCct = previsão de ociosidade em Hc, em c em t
DISct = disponibilidade total de Hc, em c em t
mft = custo unitário direto de produção (sem mão de obra direta)
eft = custo de armazenazem de uma unidade de f em t
fft = custo de falta de uma unidade de f em t
xct = custo de Hh em hora extra, em c em t
PDEft = demanda prevista de f em t
tfc = Hh padrão necessários para produzir uma unidade de f em c
MIG
UEL C
EZ
AR
SA
NTO
RO
30
MODELAGEM
Exemplo de Planejamento da Produção
modelo matemático do problema:
𝒎𝒊𝒏 𝒎𝒇𝒕∗𝑷𝑹𝑫𝒇𝒕 + 𝒆𝒇𝒕∗𝑬𝑺𝑻𝒇𝒕 + 𝒇𝒇𝒕∗𝑭𝑨𝑳𝒇𝒕 𝑻𝒕=𝟏
𝑭𝒇=𝟏 + 𝒙𝒄𝒕∗𝑯𝑬𝑿𝒄𝒕
𝑻𝒕=𝟏
𝑪𝒄=𝟏
𝒔𝒂:
𝑬𝑺𝑻𝒇𝒕−𝟏 − 𝑭𝑨𝑳𝒇𝒕−𝟏 + 𝑷𝑹𝑫𝒇𝒕 − 𝑷𝑫𝑬𝒇𝒕 = 𝑬𝑺𝑻𝒇𝒕 − 𝑭𝑨𝑳𝒇𝒕 𝒇 = 𝟏. . 𝑭, 𝒕 = 𝟏. . 𝑻
𝒕𝒇𝒄
𝑭
𝒇=𝟏∗ 𝑷𝑹𝑫𝒇𝒕 = 𝑯𝑵𝑶𝒄𝒕 + 𝑯𝑬𝑿𝒄𝒕 𝒄 = 𝟏. . 𝑪, 𝒕 = 𝟏. . 𝑻
𝑯𝑵𝑶𝒄𝒕 + 𝑯𝑶𝑪𝒄𝒕 = 𝑫𝑰𝑺𝒄𝒕 𝒄 = 𝟏. . 𝑪, 𝒕 = 𝟏. . 𝑻 𝑯𝑬𝑿𝒄𝒕 ≤ 𝒊𝒆𝒙 ∗ 𝑫𝑰𝑺𝒄𝒕 𝒄 = 𝟏. . 𝑪, 𝒕 = 𝟏. . 𝑻 𝑷𝑹𝑫𝒇𝒕 ≥ 𝟎 𝑬𝑺𝑻𝒇𝒕 ≥ 𝟎 𝑭𝑨𝑳𝒇𝒕 ≥ 𝟎 𝒇 = 𝟏. . 𝑭, 𝒕 = 𝟏. . 𝑻
𝑯𝑵𝑶𝒄𝒕 ≥ 𝟎 𝑯𝑶𝑪𝒄𝒕 ≥ 𝟎 𝑯𝑬𝑿𝒄𝒕 ≥ 𝟎 𝒄 = 𝟏. . 𝑪, 𝒕 = 𝟏. . 𝑻
MIG
UEL C
EZ
AR
SA
NTO
RO
31
MODELAGEM
Exemplo de Planejamento da Produção
preparação do problema:
Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr Pro Dem Est Atr
f=1 200 0 0 500 0 300 0 600 0 900 0 890 0 1790 0 300 0 2090
f=2 100 0 0 200 0 100 0 300 0 400 0 620 0 1020 0 300 0 1320
f=3 80 0 0 300 0 220 0 300 0 520 0 490 0 1010 0 300 0 1310
Disp Hex Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV Nec Oci Ext INV
c=1 3400 1020 0 3400 0 0 0 3400 0 0 0 3400 0 0 0 3400 0 0
c=2 3800 760 0 3800 0 0 0 3800 0 0 0 3800 0 0 0 3800 0 0
PLANO
t=0 t=1 t=2 t=3 t=4
CUSTOS
t=1 t=2 t=3 t=4
produção 0 0 0 0
estoque 0 0 0 0
atraso 0 0 0 0
hextra 0 0 0 0
0 0 0 0
CUSTO TOTAL = 0
MIG
UEL C
EZ
AR
SA
NTO
RO
32
MODELAGEM
Plano de Produção Otimizante
Otimizador de Plano de Produção
resolva o problema de planejamento utilizando o Solver do Excel
MIG
UEL C
EZ
AR
SA
NTO
RO
33
CADEIA DE SUPRIMENTOS
CADEIA DE SUPRIMENTOS SUPRIMENTO PRODUÇÃO DISTRIBUIÇÃO
HIERARQUIA DE PLANEJAMENTO ESTRATÉGICO TÁTICO OPERACIONAL
MODELOS SIMULAÇÃO SAD HEURÍSTICOS OTIMIZANTES
CADEIA DE SUPRIMENTOS, HIERARQUIA DE PLANEJAMENTO E MODELOS
MIG
UEL C
EZ
AR
SA
NTO
RO
34
CADEIA DE SUPRIMENTOS
ESTR
TATI
OPER
CADEIA DE SUPRIMENTOS SUPR PROD DIST
HIERARQUIA DE PLANEJAMENTO ESTR TATI OPER
MODELOS SIM SAD HCON HBUS OTIM
CADEIA DE SUPRIMENTOS - Modelagem
MIG
UEL C
EZ
AR
SA
NTO
RO
35
CADEIA DE SUPRIMENTOS
ESTR
TATI
OPER
CADEIA DE SUPRIMENTOS SUPR PROD DIST
HIERARQUIA DE PLANEJAMENTO ESTR TATI OPER
MODELOS SIM SAD HCON HBUS OTIM
CADEIA DE SUPRIMENTOS
MIG
UEL C
EZ
AR
SA
NTO
RO
36
CADEIA DE SUPRIMENTOS
Cadeia de Suprimentos é o conjunto de estágios envolvidos com o
atendimento das necessidades do consumidor.
FORNECEDORES FABRICANTES DISTRIBUIDORES CONSUMIDORES
CADEIA DE SUPRIMENTOS
MIG
UEL C
EZ
AR
SA
NTO
RO
37
CADEIA DE SUPRIMENTOS
MATERIAIS
DINHEIRO
INFORMAÇÕES
FLUXOS NA CADEIA
MIG
UEL C
EZ
AR
SA
NTO
RO
38
CADEIA DE SUPRIMENTOS
Consiste da tomada de decisões sobre a configuração da mesma e sobre os
fluxos (de materiais, monetários e de informações) entre e intra estágios com
o objetivo de otimizar seu desempenho.
MODELOS
DE
DECISÃO
OU
FOCO
DO
CURSO
DECISÕES SOBRE
CONFIGURAÇÃO
DECISÕES SOBRE
FLUXOS DE MATERIAIS
DECISÕES SOBRE
USO DE RECURSOS
GESTÃO DE UMA CADEIA
MIG
UEL C
EZ
AR
SA
NTO
RO
39
CADEIA DE SUPRIMENTOS
+ - =ESTOQUE
OU
FALTA INICIAL
ENTRADAS SAÍDAS
ESTOQUE
OU
FALTA FINAL
ENTRADAS SAÍDAS
ESTOQUE
ESTOQUES OU FALTAS DECORREM DA DIFERENÇA DE FLUXOS
FLUXO DE MATERIAIS NA CADEIA
MIG
UEL C
EZ
AR
SA
NTO
RO
40
CADEIA DE SUPRIMENTOS
DISTRIBUIÇÃO CLIENTE
PRODUÇÃOCOMPRAS PRODUÇÃOPRODUÇÃO
PRODUÇÃO DISTRIBUIÇÃO
FLUXO DE MATERIAIS NA CADEIA
MIG
UEL C
EZ
AR
SA
NTO
RO
41
CADEIA DE SUPRIMENTOS
ONDE = variável de decisão nas decisões sobre configuração
ONDE = derivada da consideração de capacidade nas decisões sobre fluxo
O QUE
QUANTO
QUANDO
ONDE
COMPRAR
PRODUZIR
TRANSFERIR
ARMAZENAR
ATENDER A DEMANDA
DECISÕES DOS MODELOS DE GESTÃO
MIG
UEL C
EZ
AR
SA
NTO
RO
42
CADEIA DE SUPRIMENTOS
Objetivo = maximizar o valor gerado (lucratividade?)
A lucratividade deve ser dividida entre os estágios e o consumidor é a única fonte de receita (riqueza) da cadeia, sendo os fluxos de materiais, dinheiro e informações fontes de custo
VALOR
GERADO
VALOR DO
PRODUTO FINAL
PARA O
CONSUMIDOR
VALOR DOS INSUMOS
DISPENDIDOS NO
ATENDIMENTO DA NECESSIDADE
DO CONSUMIDOR
LUCRATIVIDADE
RECEITA
DA
CADEIA
CUSTO TOTAL
DA
CADEIA
=
=
-
-
OBJETIVO DE UMA CADEIA DE SUPRIMENTOS
MIG
UEL C
EZ
AR
SA
NTO
RO
43
CADEIA DE SUPRIMENTOS
ESTR
TATI
OPER
CADEIA DE SUPRIMENTOS SUPR PROD DIST
HIERARQUIA DE PLANEJAMENTO ESTR TATI OPER
MODELOS SIM SAD HCON HBUS OTIM
HIERARQUIA DE PLANEJAMENTO
MIG
UEL C
EZ
AR
SA
NTO
RO
44
CADEIA DE SUPRIMENTOS
PLANEJAMENTO ?
PLANEJAMENTO - Definição
MIG
UEL C
EZ
AR
SA
NTO
RO
45
CADEIA DE SUPRIMENTOS
restrições
PLANEJAMENTO
ESTRATÉGICO
decisões
R
E
A
L
I
M
E
N
T
A
Ç
Ã
O
HP
restrições
PLANEJAMENTO
TÁTICO
decisões
restrições
PLANEJAMENTO
OPERACIONAL
decisões
EXECUÇÃO
HP
PR
PR
HP = horizonte de planejamento
PR = período de replanejamento
HP
PR
D
E
T
A
L
H
E
HIERARQUIA DE PLANEJAMENTO
MIG
UEL C
EZ
AR
SA
NTO
RO
46
CADEIA DE SUPRIMENTOS
Planejamento Estratégico
decide sobre a configuração (projeto) da cadeia
Planejamento Tático
decide sobre o uso da configuração num horizonte de médio prazo
Planejamento Operacional
decide sobre o uso da configuração num horizonte de curto prazo
(programação)
EXEMPLOS DE DECISÕES NOS NÍVEIS DA HIERARQUIA:
HIERARQUIA DE PLANEJAMENTO
MIG
UEL C
EZ
AR
SA
NTO
RO
47
CADEIA DE SUPRIMENTOS
Planejamento Estratégico (configuração)
HP longo, PR longo, grande agregação
Exemplos
• alocação da demanda aos pontos do sistema logístico de distribuição
• fontes de suprimento
• quantidade e localização dos componentes da cadeia
• produtos fabricados e locais de fabricação
• produtos estocados e locais de estocagem
• processos de fabricação, de estocagem e capacidades
• modais para transporte entre os elos da rede de suprimento e distribuição e
seu dimensionamento
• forma de fluxo que inclui modais de tranporte, estocagens e transbordos.
• sistema de informações (inclui processamento de pedidos e programação de
atendimento)
Planejamento Estratégico
MIG
UEL C
EZ
AR
SA
NTO
RO
48
CADEIA DE SUPRIMENTOS
Planejamento Tático (uso da configuração no médio prazo)
HP médio, PR médio, pequena agregação
Exemplos
• forma de atendimento das demandas a médio prazo
• escolha de frotas de transporte e seu dimensionamento
• subcontratações de modais e espaços de armazens
• terceirização e subcontratações de recursos
• fluxo de famílias de itens entre e nos pontos da cadeia – compras,
produções, estocagens, transbordos e modais utilizados
Planejamento Tático
MIG
UEL C
EZ
AR
SA
NTO
RO
49
CADEIA DE SUPRIMENTOS
Planejamento Operacional (uso da configuração no curto prazo)
HP curto, PR curto, sem agregação
Exemplos
• forma de atendimento de pedidos e demandas a curto prazo
• terceirização e subcontratações de recursos
• subcontratações de veículos e armazéns
• fluxo de itens entre pontos da cadeia – compras, produções, estocagens,
transbordos, clientes e veículos utilizados
Planejamento Operacional
MIG
UEL C
EZ
AR
SA
NTO
RO
50
CADEIA DE SUPRIMENTOS
PROCESSO DE DECISÃO
D1
1E2E0 E1
U1
I1 I2
ENEN-1
IN
EiEi-1
IiD2 Di DN
2 i N
UTILIDADE TOTAL = SOMA DE Uis
U2 Ui UN
Ei = estado do sistema no final do período i
Ii = informações referentes ao período i
Di = conjunto de decisões referentes ao período i
Ui = medida de utilidade prevista para o período i
DINÂMICA DO PROCESSO DE DECISÃO
MIG
UEL C
EZ
AR
SA
NTO
RO
51
CADEIA DE SUPRIMENTOS
= +CONTROLE
PLANEJADO
X
EXECUTADO
(apontado)
MEDIDAS
PREVENTIVAS
(e corretivas)
PLANO 1
1 2t
ESTADO
(1)
ESTADO
(0)
TRANSAÇÕES
0 1
PLANO 0
CONTROLE
MIG
UEL C
EZ
AR
SA
NTO
RO
52
CADEIA DE SUPRIMENTOS
Causas das diferenças:
INEVITÁVEIS A CURTO PRAZO (fora de controle)
EVITÁVEIS NA EXECUÇÃO
INADEQUAÇÃO DO MODELO DE PLANEJAMENTO
Importância dos sistemas transacionais
Importância da disciplina de apontamento
CONTROLE
MIG
UEL C
EZ
AR
SA
NTO
RO
53
CADEIA DE SUPRIMENTOS
ESTR
TATI
OPER
CADEIA DE SUPRIMENTOS SUPR PROD DIST
HIERARQUIA DE PLANEJAMENTO ESTR TATI OPER
MODELOS SIM SAD HCON HBUS OTIM
MODELOS
MIG
UEL C
EZ
AR
SA
NTO
RO
54
MODELAGEM
EXEMPLOS DE MODELAGEM
com sad
EXEMPLOS DE MODELAGEM
MIG
UEL C
EZ
AR
SA
NTO
RO
55
MODELAGEM
1:2 2:3
4:7
5:4
6:2
7:1 fim:0construção
inicio:0
8:6
9:3
10:5
3:3 11:4
12:6
Projeto
RedeDad
CodAtiv DescrAtiv CodPrec Dur RecQtde IniDad
1 construir fundações 2 Hom[02]
2 construir colunas e vigas 1 3 Rec1;Hom[03]
3 levantar paredes 2 3 Rec4[02]
4 instalar janelas e portas 3 7 Hom[02]
5 fazer instalação elétrica 3 4 Rec1;Hom
6 fazer instalação hidráulica 3 2 Rec1;Hom
7 fazer acabamento interno 4;5;6 1 Rec2;Hom[02]
8 fazer acabamento externo 3 6 Hom
9 construir piso externo 3 3 Rec3;Hom[02]
10 pintar externamente 8 5 Rec4;Hom
11 pintar internamente 7 4
12 instalar acabamentos 7 6 Rec2;Hom
MIG
UEL C
EZ
AR
SA
NTO
RO
56
MODELAGEM
ESTR
TATI
OPER
Sad para Programação de Projetos
MIG
UEL C
EZ
AR
SA
NTO
RO
57
MODELAGEM
EXEMPLOS DE MODELAGEM
com modelos otimizantes
MIG
UEL C
EZ
AR
SA
NTO
RO
58
MODELAGEM
PONTO DECONSUMO
d
cons1cons2
--
FORNECEDORMINA o
PONTO DECONSUMO
d
cons1cons2
--
PONTO DECONSUMO
d
cons1cons2
--
PONTO DECONSUMO
d
cons1cons2
--
ARMAZEMa
SANTORO, M. C.; RONCONI, D. P. Modelling the transportation and warehousing of potassium chloride in the fertilizer industry.
INTERNATIONAL JOURNAL OF LOGISTICS SYSTEMS AND MANAGEMENT (PRINT). , v.8, p.298 - , 2011.
Modelo de programação linear inteira multiperíodos com o objetivo de auxiliar a decisão de
localização e instalação de armazens (estratégica) e a de planejamento de armazenagens e
distribuição de cloreto de potássio (tática).
Distribuição de KCl otimizante
MIG
UEL C
EZ
AR
SA
NTO
RO
59
MODELAGEM
ESTR
TATI
OPER
Distribuição de KCl otimizante
MIG
UEL C
EZ
AR
SA
NTO
RO
60
MODELAGEM
ESTR
TATI
OPER
Alocação de cargas em navios otimizante - BPClu
MIG
UEL C
EZ
AR
SA
NTO
RO
61
MODELAGEM
j lj wj cj pj
1 2.438 2.991 1 5
2 2.438 2.991 1 6
3 2.438 4.013 1 1
4 2.438 6.058 1 7
5 1.574 2.060 1 5
6 1.220 1.220 1 6
7 2.438 2.378 1 8
cj=cluster de j
pj=prioridade de j
Bj=1 se j carregado
Wi Li J C
16 25 68 4
Objetivo = max Bj*pj (máxima prioridade carregada)
Alocação de cargas em navios otimizante - Problema
MIG
UEL C
EZ
AR
SA
NTO
RO
62
MODELAGEM
Alocação de cargas em navios otimizante
Solução com Clusters Separados
MIG
UEL C
EZ
AR
SA
NTO
RO
63
MODELAGEM
Alocação de cargas em navios otimizante
Solução com Clusters Entrelacados
MIG
UEL C
EZ
AR
SA
NTO
RO
64
MODELAGEM
EXEMPLOS DE MODELAGEM
com heurísticas
construtivas e de busca
MIG
UEL C
EZ
AR
SA
NTO
RO
65
MODELAGEM
ESTR
TATI
OPER
Scheduling com regras de sequenciamento
heurística construtiva
MIG
UEL C
EZ
AR
SA
NTO
RO
66
MODELAGEM
3
4
21 5fams 1 e 2fams 3 e 4
MIG
UEL C
EZ
AR
SA
NTO
RO
67
MODELAGEM
ESTR
TATI
OPER
Caixeiro viajante (TSP) com busca
MIG
UEL C
EZ
AR
SA
NTO
RO
68
MODELAGEM
DECISÕES 1
Soluções do
Modelo 1
MODELO 1
do
Problema
hipóteses e
informações
DECISÕES 2
Soluções do
Modelo 2
MODELO 2
do
Problema
método de
obtenção
da solução
método de
obtenção
da solução
hipóteses e
informações
PROBLEMA REAL
componentes da cadeia
nível de detalhe
objetivo
RESUMO DA AULA
MIG
UEL C
EZ
AR
SA
NTO
RO
69
MODELAGEM
ESTR
TATI
OPER
CADEIA DE SUPRIMENTOS SUPR PROD DIST
HIERARQUIA DE PLANEJAMENTO ESTR TATI OPER
MODELOS SIM SAD HCON HBUS OTIM
RESUMO DA AULA
MIG
UEL C
EZ
AR
SA
NTO
RO
70
Chopra, S. and Meindl, P. (2011) Gestão da Cadeia de Suprimentos: estratégia,
planejamento e operações, Pearson Education Inc.
Chopra, S. and Meindl, P. (2007) Supply Chain Management: Strategy,
Planning and Operation, Prentice-Hall
BIBLIOGRAFIA ADICIONAL
Systems Modelling: Theory and Practice Michael Pidd (Editor)
MIG
UEL C
EZ
AR
SA
NTO
RO
71
PLANEJAMENTO
PLANEJAMENTO
saber como as previsões sobre o futuro devem
afetar
as decisões que estou tomando agora