CENTRO UNIVERSITRIO FEEVALE

MRCIO RAFAEL SCHEFFEL

PESQUISA OPERACIONAL APLICADA A INDSTRIA GRFICA

Novo Hamburgo, Novembro de 2008

MARCIO RAFAEL SCHEFFEL

PESQUISA OPERACIONAL APLICADA A INDSTRIA GRFICA

Centro Universitrio Feevale Instituto de Cincias Exatas e Tecnolgicas Curso de Cincia da Computao Trabalho de Concluso de Curso

Professor orientador: Roberto Affonso Schilling

Novo Hamburgo, Novembro de 2008

RESUMO

A todo momento so tomadas decises nos diversos setores de uma empresa, inclusive muitas delas podem afetar diretamente a prpria sobrevivncia da organizao frente concorrncia global. O modo como calculado o custo de produo fundamental para garantir mercado e lucratividade. Este trabalho justamente prope um estudo de verificao se a matria prima utilizada pelo mtodo atual de clculo a que realmente se traduz em menor custo. Para tal, o uso de uma metodologia cientfica para anlise e resoluo de problemas, a Pesquisa Operacional, ser utilizada. Faz-se necessrio um levantamento na rea produtiva, especificamente no parque de impresso, onde restries de desempenho podem estar prejudicando a anlise de custos sem que seja percebido atualmente. Na literatura existem diversos casos de designao de recursos, que podem servir como modelo base para este estudo. Desta forma este trabalho pretende modelar o problema matematicamente, buscar um resultado com a utilizao de algum software, e compar-lo com o resultado atual da grfica, justificando o uso da metodologia caso menores valores sejam encontrados. Palavras Chave: pesquisa operacional, programao linear, processo decisrio.

ABSTRACT

The whole time decisions are taken in different sectors of a company, including many of them can directly affect the survival of the organization against the global competition. The way it is calculated the cost of production is essential to ensure market and profitability. This work proposes a study to precisely check if the materials used by the current method of calculation is that really translates into lower cost. To this end, using a scientific methodology for analyzing and solving problems, the Operational Research, will be used. It is necessary to a reserch on the productive area, specifically in the park of printing, where restrictions on performance may be undermining the analysis of costs without being noticed today. In literature there are several cases of assignment of resources, which can serve as a basic model for this study. Them this work will be mathematically model the problem, get a result with the use of any software, and compare it with the present results of the company, justifying the use of lower value methodology are found.

Key words: operational research, linear programming, decision process.

LISTA DE FIGURAS

FIGURA 1.1 FASES DE TRABALHO DA PO......................................................................12 FIGURA 4.1 ESTRUTURA DE PRODUTO..........................................................................29 FIGURA 4.2 PRODUO COM E SEM PRESERVAO DE PREPARAO............30 FIGURA 4.3 GRAFO DE PRECEDNCIA EM LINHA DE MONTAGEM.....................35

LISTA DE TABELAS

TABELA 1.1: DADOS DO EXEMPLO 1.2.1...........................................................................14 TABELA 3.1: MATRIZ DE TRANSPORTE...........................................................................19 TABELA 3.2: RESULTADO FINAL........................................................................................20 TABELA 3.3: PRIMEIRA REALOCAO............................................................................21 TABELA 3.3: MATRIZ DE TEMPOS DE DESENVOLVIMENTO (MESES)...................24 TABELA 3.4: SOLUES POSSVEIS...................................................................................24 TABELA 3.5: MATRIZ FINAL.................................................................................................25 TABELA 3.6: RESULTADO......................................................................................................25

LISTA DE ABREVIATURAS

PO PI PRV VAM MODI MSPP MCPP

Pesquisa Operacional Programao Inteira Problema de Roteamento de Veculos Vogel Approximation Method (Mtodo de aproximao de Vogel) Modified Distribuition (Mtodo da Distribuio Modificada) Modelo Sem Preservao de Estado de Preparao Modelo Com Preservao de Estado de Preparao

SUMRIO

PESQUISA OPERACIONAL APLICADA A INDSTRIA GRFICA................................1 PESQUISA OPERACIONAL APLICADA A INDSTRIA GRFICA................................1 INTRODUO............................................................................................................................9 INTRODUO............................................................................................................................9 1 PESQUISA OPERACIONAL.................................................................................................11 1.1 INTRODUO PESQUISA OPERACIONAL.......................................................................................11 1.2 PROGRAMAO LINEAR.............................................................................................................13 1.3 PROGRAMAO INTEIRA E MISTA................................................................................................15 1.4 HEURSTICAS............................................................................................................................15 1.5 PROBLEMAS DE TRANSPORTE E DESIGNAO.................................................................................16 1.5.1 O Problema de Transporte............................................................................................16 1.5.2 O Problema de Designao..........................................................................................16 1.6 PROBLEMA DE PRODUO..........................................................................................................16 2 PROBLEMA DE DESIGNAO..........................................................................................17 2.1 DESCRIO DO PROBLEMA.........................................................................................................17 2.2 CASOS ESPECIAIS DO PROBLEMA DE DESIGNAO.........................................................................17 2.3 FORMULAO DO PROBLEMA DE ROTEAMENTO DE VECULOS..........................................................18 3 TCNICAS PARA RESOLUO DO PROBLEMA DE DESIGNAO.......................19 3.1 MTODO DE APROXIMAO DE VOGEL........................................................................................19 3.2 MTODO DA DISTRIBUIO MODIFICADA.....................................................................................21 3.3 ALGORITMO HNGARO..............................................................................................................24 4 PROBLEMAS DE PRODUO............................................................................................27 4.1 PLANEJAMENTO DA PRODUO....................................................................................................27 4.1.1 Um item sem restrio da capacidade..........................................................................28 4.1.2 Mltiplos itens e restrio da capacidade....................................................................28 4.1.3 Mltiplos nveis.............................................................................................................29 4.1.4 Mltiplos itens, restrio da capacidade e preservao de preparao......................29 4.2 DIMENSIONAMENTO E PROGRAMAO DE LOTES............................................................................30

8 4.2.1 Problema Discreto de Dimensionamento e Programao de Lotes.............................30 4.2.2 Problema Geral de Dimensionamento de Lotes...........................................................31 4.3 PROGRAMAO DA PRODUO....................................................................................................32 4.3.1 Uma Mquina................................................................................................................32 4.3.2 Mquinas Paralelas......................................................................................................33 4.3.3 Job Shop........................................................................................................................34 4.4 OUTROS PROBLEMAS DE PROGRAMAO......................................................................................34 4.4.1 Balanceamento da Linha de Montagem........................................................................34 4.4.2 Programao da Fora de Trabalho............................................................................35 5 LEVANTAMENTO DE DADOS............................................................................................36 5.1 DADOS DOS EQUIPAMENTOS........................................................................................................36 5.2 DADOS DO PAPEL-CARTO.........................................................................................................36 6 PROPOSTA DE MODELO.....................................................................................................38 CONCLUSO.............................................................................................................................39 CONCLUSO.............................................................................................................................39 REFERNCIAS BIBLIOGRFICAS.....................................................................................40 REFERNCIAS BIBLIOGRFICAS.....................................................................................40

INTRODUO
Em face da grande concorrncia, as empresas tm buscado redues dos seus custos de produo a fim de competir em um mercado globalizado. Um meio de alcanar este objetivo o melhor aproveitamento de seus recursos produtivos. Este trabalho vai ao encontro dessa realidade, fazendo um estudo sobre a otimizao de um processo produtivo. De uma maneira rpida o problema refere-se a escolher uma mquina de impresso e um tipo de papel-carto (matria-prima), que combinados tenham um menor custo para a fabricao de uma embalagem. Trata-se portanto de uma indstria grfica da regio metropolitana de Porto Alegre especializada na fabricao de embalagens. Em apenas duas caractersticas inerentes do processo produtivo justifica-se o esforo deste estudo, sendo elas: - O papel-carto tem um grande impacto no preo final de uma embalagem, uma vez que sozinho responsvel por cerca de 60 a 70% do custo. - A sala de impresso o centro de custo mais caro dentro do parque grfico, em virtude da mo-de-obra especializada e do alto valor dos equipamentos que giram na casa de milhes de reais. Logo, o propsito deste trabalho estudar o processo da empresa e utilizar a Pesquisa Operacional como uma ferramenta cientfica para converter dados de produo em informaes que sejam teis no momento de tomar a deciso de escolher entre os tipos de papel-carto e mquinas disponveis.

10 Na literatura encontram-se diversos autores e abordagens para este tipo de problema, podendo ser encontrados captulos totalmente voltados chamada designao, ou alocao de recursos, chegando at a programao de melhores caminhos (mquinas) de produo. Este trabalho possui seis captulos, partindo de uma viso geral sobre a PO no 1 captulo, direcionando nos captulos 2, 3 e 4, questes especficas de situaes encontradas em processos produtivos e algumas formas de abordagem para a resoluo destes problemas. No 5 captulo a idia buscar dados do processo que sero utilizados futuramente para a modelagem matemtica do problema. Finalmente no 6 captulo ainda que incipiente, um vislumbre de quais abordagens vistas podem estar ou no, sendo efetivamente utilizadas para tratar do problema com vistas continuao deste trabalho.

PESQUISA OPERACIONAL

Este captulo apresenta uma base terica sobre a Pesquisa Operacional, condio indispensvel para a caracterizao do problema estudado e sua insero cientfica nesta rea do conhecimento. 1.1 Introduo Pesquisa Operacional Em Arenales (2007, p. 1), o termo Pesquisa Operacional uma traduo (brasileira) direta do termo ingls Operational Research, que em Portugal foi traduzido por Investigao Operacional e nos pases hispnicos, por Investigacin Operativa. A Pesquisa Operacional tm o objetivo fundamental de buscar o melhor aproveitamento de recursos, podendo ser entre outros a otimizao de uso de mquinas, matrias-primas, mo-deobra, etc. O incio da PO aconteceu durante a Segunda Guerra Mundial, onde um grupo de pesquisadores conduziu pesquisas sobre operaes (militares). Por causa do esforo da guerra, houve uma necessidade urgente de alocar recursos escassos s vrias operaes militares e s atividades dentro de cada operao, de modo eficaz (HILLIER, 1988, p. 1). Aps o trmino da guerra, alguns estudiosos perceberam que a tcnica poderia ser utilizada dentro de empresas, pois os problemas de certa forma eram parecidos. Em Andrade (1988 p.10), o autor cita que o sucesso dessas aplicaes levou o mundo acadmico a utilizar as tcnicas criadas em problemas da administrao. Conforme Moreira (2007, p. 2), um fator que impulsionou o campo da PO, foi a popularizao dos computadores. Muitos dos clculos necessrios para a resoluo dos

12 problemas se fossem realizados mo seriam impraticveis do ponto de vista do tempo de resposta adequada. Entre os muitos tipos de problema que podem ser utilizados, encontra-se: problemas de localizao, problemas de transporte, problemas de alocao de recursos, etc. O trabalho estar situado na rea de alocao de recursos, seus casos especiais e variaes. Em Andrade (1998, p. 10) o autor cita que para a resoluo de um problema so definidas algumas etapas, conforme pode ser visto na Figura 1.1.

Figura 1.1 Fases de Trabalho da PO.

Fonte: (ANDRADE, 1988, p. 10)

Uma breve descrio das fases apresentada a seguir: Percepo ou demanda por soluo: situao que est gerando algum problema a ser resolvido. Definio do problema: identificar claramente o objetivo a ser alcanado, geralmente est ligado a minimizar custos ou maximizar lucros. Construo do modelo: a representao de um problema do mundo real utilizando-se um modelo matemtico.

13 Soluo do modelo: a resoluo matemtica do modelo construdo. Validao do modelo: confirmar que o modelo conseguiu representar a realidade do problema. Implementao dos resultados: colocar em prtica a soluo encontrada. Avaliao: avaliar se houve a melhoria esperada. Experincia: fundamental em todo o processo que pessoas conhecedoras do problema sejam envolvidas a fim de contribuir na busca pela soluo desejada. J dito em Arenales, (2007, p. 4), que modelos no substituem os tomadores de deciso, e sim uma ferramenta para auxiliar nesta tarefa. Um modelo, segundo Stevenson (1999), uma verso simplificada de algum problema ou situao da vida real destinada a ilustrar certos aspectos do problema sem levar em conta todos os detalhes. importante ter em mente que alguns fatores de um problema podem ser difceis de quantificar. Em Moreira (2007, p. 7), citado a necessidade de estimar o impacto que tais fatores podem ter sobre a soluo que foi gerada pelo modelo matemtico 1.2 Programao Linear A Programao Linear um modelo matemtico para resoluo de problemas que apresentam variveis que possam ser medidas e cujos relacionamentos possam ser expressos por meio de equaes e inequaes lineares (MOREIRA, 2007, p. 11). Em Hillier (1988, p. 28), o adjetivo linear significa que requerido que todas as funes matemticas neste modelo sejam funes lineares. A palavra programao no se refere programao de computadores, ao contrrio trata-se neste contexto de um sinnimo de planejamento. Em Moreira (2007, p. 14), pode ser visto um exemplo de uso em problemas de alocao de recursos:. Exemplo 1.2.1: Uma fbrica produz dois produtos, A e B. Cada um deles deve ser processado por duas mquinas, M1 e M2. Devido programao de outros produtos, que tambm utilizam essas mquinas, a mquina M1 tem 24 horas disponveis para os produtos A e B,

14 enquanto a mquina M2 tem 16 horas de tempo disponvel. Para produzir uma unidade do produto A, gastam-se 4 horas em cada uma das mquinas. Para produzir uma unidade do produto B, gastam-se 6 horas na mquina M1 e 2 horas na mquina M2. Cada unidade vendida do produto A gera um lucro de R$ 80 e cada unidade de B um lucro de R$ 60. existe uma previso mxima de demanda para o produto B de 3 unidades, no havendo restries ao produto A. Deseja-se saber quantas unidades de A e B devem ser produzidas, de forma a maximizar o lucro e, ao mesmo tempo, obedecer a todas as restries. A sntese em tabelas bastante conveniente para facilitar a consulta de dados. Tabela 1.1: Dados do Exemplo 1.2.1
Produto A B Fonte: (MOREIRA, 2007, p. 15) Horas gastas em M1 4 6 Horas gastas em M2 4 2 Demanda mxima Ilimitada 3 Lucro Unitrio (R$) 80 60

A equao que representa o problema : Maximizar 80x + 60y Sujeito a 4x + 6y <= 24 4x + 2y <= 16 0x + 1y <= 3 x, y >= 0 Restrio 1 Restrio 2 Restrio 3 Restrio 4 Funo Objetivo

A funo objetivo busca o lucro mximo com a venda dos produtos A e B. A restrio 1 e 2, representam o mximo de tempo disponvel das mquinas M1 e M2. A restrio 3 significa que no pode se produzir mais de 3 unidades do produto B. E A restrio 4 afirma que as variveis de deciso no podem ter valores negativos (no se pode vender 10 peas, por exemplo).

15 1.3 Programao Inteira e Mista Conforme Lachtermacher (2007, p. 155), Problemas de Programao Inteira so problemas de programao matemtica em que uma ou mais variveis de deciso so representadas apenas por valores inteiros. A PI pode ser dividida em dois tipos: - programao inteira total: todas as variveis inteiras; - programao inteira mista: nem todas as variveis so inteiras. Um modelo matemtico pode ser expresso por: Otimizar: Z = f (x1, x2,..., xn) g1(x1, x2,...xn) Sujeito a: g2(x1, x2,...xn) gm (x1, x2,...xn) x1, x2,...xn so inteiros onde: f (x1, x2,..., xn) = c1x1 + c2x2 + ... + cnxn g1 (x1, x2,..., xn) = ai1x1 + ai2x2 + ... + ainxn (i = 1, 2,..., m) 1.4 Heursticas Conforme (DIAZ, 1996), uma heurstica pode ser definida com um algoritmo que encontra uma soluo, no necessariamente a melhor para um determinado problema de uma funo objetivo, num tempo computacional razovel. A heurstica busca uma soluo vlida para o problema atravs de aproximaes sucessivas, sendo utilizado principalmente em problemas complexos onde alguma(s) varivel(eis), so exponenciais quanto ao comportamento. <= = >= b1 b2 bm

16 1.5 Problemas de Transporte e Designao Entre os muitos tipos de problemas que podem ser resolvidos atravs da programao linear, existem dois que so particularmente importantes para o desenvolvimento deste trabalho, por aproximao terica ao problema. 1.5.1 O Problema de Transporte Segundo Moreira (2007, p. 11), o Problema de Transporte aparece quando h necessidade de distribuio de bens e servios de vrias fontes de suprimentos para vrias localizaes. Geralmente estes problemas buscam encontrar uma rota que minimize os custos totais de movimentao de produtos de um ponto de partida at um ponto de destino. 1.5.2 O Problema de Designao Conforme Moreira (2007, p. 122), o Problema de Designao envolve a atribuio de pessoas a projetos ou tarefas, de trabalhos a mquinas, e assim por diante. Este tipo de problema pode ser visto e resolvido como se fosse um problema de transporte, uma vez que de modo geral cada elemento designado ter um objeto correspondente. 1.6 Problema de Produo A aplicao dos mtodos de modelagem linear para ser utilizados em uma produo industrial bastante relevante e til dado a natureza e caractersticas dos problemas encontrados nesta rea.

PROBLEMA DE DESIGNAO

Conforme Moreira (2007, p.122), o Problema de Designao um caso especial do Problema de Transporte. importante salientar que alguns autores denominam este tipo de problema, como Problema de Alocao, sendo que as duas nomenclaturas podem ser encontradas na bibliografia sobre o assunto. 2.1 Descrio do Problema Em Hillier (1988, p. 155), o Problema de Alocao descrito como um tipo de problema de programao linear onde os recursos esto sendo alocados s atividades numa base de uma a uma. Desse modo cada recurso (um empregado, uma mquina ou perodo de tempo) deve ser alocado unicamente a uma atividade ou alocao particular (tarefa, lugar ou evento). De modo geral estes problemas tem o objetivo de minimizar os custos totais. 2.2 Casos Especiais do Problema de Designao Em Moreira (2007, p. 124) determinadas situaes especiais podem ocorrer quando se tratar de mquinas e trabalhos associados a elas. Por exemplo, pode haver mais equipamentos do que tarefas a serem realizadas, e neste caso no necessrio nenhuma alterao na formulao, apesar de estes equipamentos no serem designados. Outra situao possvel de ocorrer que existam mais objetos a designar do que recursos, significando que uma ou mais restries no sero atendidas. Neste caso, recursos fictcios com valores nulos, podem ser includos no problema, mas ciente de que atribuies a esse recurso na verdade no sero atendidos.

18 Uma outra possibilidade de determinada tarefa, por exemplo, no possa realizada por determinada mquina. A soluo pode ser a retirada desta varivel do problema ou torn-la nula. Por fim, normalmente problemas de designao tm por objetivo minimizar custos, porm nada impede de buscar-se a maximizao do lucro, por exemplo, e isto no muda a formulao do problema. 2.3 Formulao do Problema de Roteamento de veculos

Em Lachtermacher (2007, p 120), o problema bsico do PRV a distribuio de um produto com o menor custo de transporte associado. As variveis so: xij: quantidade de itens transportados da fbrica i para o destino j; cij: custo unitrio de transporte da fbrica i para o destino j; m: nmero de fbricas; n: nmero de destinos. Sua formulao :
m n

i n

Z
i =1 t =1

c =i xj i j

Pode haver restries, tais como, as fbricas no terem capacidade de atender a demanda, ou os destinos ter limitaes de entrega. Para cada caso existem solues matemticas as quais tratam essas desigualdades atravs de variveis fantasmas (dummy), que tem a funo de igualar os lados da equao.

TCNICAS PARA RESOLUO DO PROBLEMA DE DESIGNAO

Neste captulo, veremos trs algoritmos que podem ser utilizados sozinhos ou em

combinao para resoluo de problemas de designao. 3.1 Mtodo de Aproximao de Vogel Uma tcnica para resoluo de problemas de transporte conhecida como Mtodo de Aproximao de Vogel (VAM Vogel Approximation Method), que atravs de um algoritmo de clculos consegue atingir uma soluo prxima da soluo tima, isto se, no encontrar a prpria. Um exemplo pode ser visto na tabela 3.1, onde F1, F2, F3 representam as fontes e D1, D2, D3 e D4, os destinos. Os custos so em R$/ unidade de produtos transportados: Tabela 3.1: Matriz de transporte
D1 F1 F2 F3 Demanda (3) (4) (7) 9.000 D2 (2) (4) (7) 8.000 D3 (2) (5) (6) 3.000 D4 (3) (5) (4) 5.000 Suprimentos 4.000 8.000 13.000 25.000

Fonte: (MOREIRA, 2007, p. 126)

Conforme Moreira (2007), o Mtodo de Vogel faz alocaes de forma indireta por meio de custos. Assim, cada linha e coluna, verificada individualmente para verificar qual o primeiro e segundo menor custo. Aps calcula-se a diferena entre os dois, sendo este valor denominado custo de arrependimento, caso houvesse a escolha do segundo melhor custo ao invs do primeiro. No exemplo, da tabela 3.1, linha F1 o custo de R$ 2 R$ 2 = R$ 0 e na coluna D 2 R$ 4 R$ 2 = R$ 2, concluindo-se que o valor s poder ser positivo ou nulo.

20 O prximo passo a identificao da linha e da coluna onde se encontra a maior penalidade. Na matriz a maior 3 na coluna D3. A seguir deve ser verificado o menor custo dessa linha que no exemplo a clula F1D3. Identificada a clula com o menor custo, aloca-se a carga respeitando a necessidade do destino e a possibilidade da fonte. No exemplo 4.000 pode ser disponibilizado para uma carncia de 3.000. Toda a necessidade ser atendida e restar ainda 1.000 unidades, resultado da subtrao de 4.000 3.000. A partir deste momento o destino D3, no entra mais nos prximos clculos, devendo ento as penalidades ser calculadas novamente. O algoritmo ir seguir o padro at que no seja mais possvel calcular as penalidades, nesta situao deve-se alocar diretamente as cargas que estiverem sobrando. A soluo final uma tabela, tal qual abaixo: Tabela 3.2: Resultado Final
D1 F1 F2 F3 Demanda (3) (4) 8.000 (7) 1.000 9.000 Fonte: (MOREIRA, 2007, p. 134) D2 (2) 1.000 (4) (7) 7.000 8.000 D3 (2) 3.000 (5) (6) 3.000 D4 (3) (5) (4) 5.000 5.000 25.000 13.000 8.000 Suprimentos 4.000

Multiplicando-se o custo das cargas, fcil chegar ao resultado: (1.000 x 2) + (3.000 x 2) + (8.000 x 4) + (7.000 x 7) + (5.000 x 4) = 116.000 Cabe lembrar que esta pode ou no ser a soluo tima do sistema, que ser vista no prximo subcaptulo.

21 3.2 Mtodo da Distribuio Modificada Neste subcaptulo veremos se a soluo inicial encontrada pelo VAM tima ou no. Para tanto ser utilizado o Mtodo de Distribuio Modificada, conhecida pela sigla MODI (Modified Distribuition). Conforme Moreira (2007, pag. 130-137), o MODI opera por meio de realocao de carga das clulas no ocupadas. Estes movimentos devem seguir alguns critrios para avaliar se a realocao melhor ou no. Para um melhor entendimento tomaremos o exemplo do subcaptulo 3.1. Ainda sem avaliar se a realocao trar um menor custo de transporte, uma unidade da clula F2D1 ser realocada para F2D2, ficando assim: Tabela 3.3: Primeira Realocao
D1 F1 F2 F3 Demanda (3) (4) 7.999 (7) 1.000 9.000 Fonte: (MOREIRA, 2007, p. 131) D2 (2) 1.000 (4) 1 (7) 7.000 8.000 D3 (2) 3.000 (5) (6) 3.000 D4 (3) (5) (4) 5.000 5.000 25.000 13.000 8.000 Suprimentos 4.000

Essa mudana criou um desbalanceamento nas colunas D1 e D2, sendo necessrio igualar os valores, bastando para isso a coluna D2 ceder uma unidade para a coluna D1 Calculando-se os custos referentes as alteraes conforme a frmula: (soma dos custos nas clulas que ganharam uma unidade) (soma dos custos das clulas que perderam uma unidade) = (4 + 7) (7 + 4) = 0, significa que qualquer realocao nestas clulas no aumenta nem diminui o custo de transporte, logo, no h vantagem em realizar a realocao, sendo que serve apenas como um indicativo que existe mais de uma soluo. Se o valor encontrado for positivo, significa que os custos sero maiores que a soluo encontrada, no devendo portanto ser realizada.

22 O critrio para a escolha de clulas para a realocao segue a seguinte metodologia: define-se um valor Li para cada linha i e um valor Kj para cada coluna j da matriz de transporte, dado Li + Kj = Cij, onde Cij o custo de transporte associado clula. Somente duas regras devem ser seguidas, dizendo a primeira que devem ser escolhidas as clulas que estejam ocupadas com carga. Pela matriz acima, encontramos as seguintes equaes: L1 + K2 = C12 = 2 L1 + K3 = C13 = 2 L2 + K1 = C21 = 4 L3 + K1 = C31 = 7 L3 + K2 = C32 = 7 L3 + K4 = C34 = 4 A regra dois coloca 0 no valor da primeira linha, ajudando a resolver a equao matemtica: L1 + K2 = C12 = 2 L1 + K3 = C13 = 2 L2 + K1 = C21 = 4 L3 + K1 = C31 = 7 L3 + K2 = C32 = 7 L3 + K4 = C34 = 4 0 + K2 = 2 0 + K3 = 3 L3 + 2 = 7 5 + K1 = 7 L4 + 2 = 4 5 + K4 = 4 K2 = 2 K3 = 3 L3 = 5 K1 = 2 L2 = 2 K4 = 1

O prximo passo calcular um ndice de melhoria seguindo a frmula, para clula no ocupada: ndice de Melhoria = Cij = - Li Kj, seguido-se a matriz exemplo temos: Clula F1D1: 3 L1 K1 = 3 0 2 = 1 Clula F1D4: 3 L1 K4 = 3 0 2 = 4

23 Clula F2D2: 3 L2 K2 = 3 0 2 = 0 Clula F2D3: 3 L2 K3 = 3 0 2 = 1 Clula F2D4: 3 L2 K4 = 3 0 2 = 4 Clula F3D3: 3 L3 K3 = 3 0 2 = -1 O ndice que demonstra que haver reduo no custo de transporte ser aquela para a clula F3D3. Passaremos ento a realocao mxima para a clula F3D3, tomando o cuidado de alocar o mximo possvel em funo da quantidade disponvel e do rebalanceamento das cargas que ser necessrio aps a mudana. Repetem-se novamente os clculos de ndices de melhoria, com a nova disposio dos dados: Clula F1D1: 3 L1 K1 = 3 0 2 = 1 Clula F1D3: 2 L1 K3 = 2 0 2 = 0 Clula F1D4: 3 L1 K4 = 3 0 (-1) = 4 Clula F2D3: 3 L2 K2 = 4 2 2 = 0 Clula F2D4: 4 L2 K3 = 5 2 2 = 1 Clula F3D3: 5 L2 K4 = 5 2 (-1) = 4 No tendo encontrado nenhum ndice negativo, conclui-se que a soluo tima foi encontrada, bastando apenas calcular o valor final: 4.000 x 2 + 8.000 x 4 + 1.000 x 7 + 3.000 x 6 + 5.000 x 4 = 113.000, Comparando-se com o valor encontrado pelo VAM que foi de 116.000, a diferena percentual de 116.000 113.000 x 100 = 2,65%. 113.000 Algumas correes podem ser necessrias dependendo do nmero de clulas ocupadas e sua disposio na matriz, porm no trataremos isto neste momento.

24 3.3 Algoritmo Hngaro O algoritmo hngaro pressupe uma rotina especial de clculos para a resoluo de problemas de designao que pode ser visto como um caso especial do problema de transporte. Em Moreira (2007, p. 138-143), o autor cita que para haver um Problema de Designao, alm de necessitar o conjunto de recursos e conjunto de objetos que sero correspondidos, devemos ter alguma medida de eficcia que ligue cada recurso a cada objeto. No exemplo a seguir podemos verificar a lgica do algoritmo hngaro. Ex.: em uma empresa de construo civil, h trs projetos e trs equipes com experincias, recursos e tcnicas diferentes, acarretando em tempos diferentes para realizao de cada projeto. Deve se buscar o menor tempo possvel aps a alocao. Tabela 3.3: Matriz de Tempos de Desenvolvimento (meses)
Projeto A Equipe I Equipe II Equipe III Fonte: (MOREIRA, 2007, p. 139) 15 17 23 Projeto B 24 22 29 Projeto C 21 18 30

Uma soluo convencional calcular todas as hipteses possveis: Tabela 3.4: Solues Possveis
Projeto A Equipe I Equipe I Equipe II Equipe II Equipe III Equipe III Fonte: (MOREIRA, 2007, p. 139) Equipe II Equipe III Equipe I Equipe III Equipe I Equipe II Projeto B Equipe III Equipe II Equipe III Equipe I Equipe II Equipe I Tempo (meses) 15 + 22 + 30 = 67 15 + 29 + 18 = 62 17 + 24 + 30 = 71 17 + 29 + 21 = 67 23 + 24 + 18 = 65 23 + 22 + 21 = 66

Na linha dois pode ser encontrada a soluo tima, porm este mtodo pode ser muito trabalhoso dependendo do nmero de variveis envolvidas, e para este contexto o algoritmo hngaro tem como princpio a reduo da matriz, pela adio ou subtrao de certos nmeros matriz, reduzindo-a uma matriz de custos de oportunidade.

25 Os custos advm das penalidades em alocar cada equipe a cada projeto. As alocaes timas so alcanadas onde se conseguir uma penalidade ou custo de oportunidade zero. Para que a aplicao possa acontecer ser dito que todas as seguintes premissas foram atingidas: nmero de linhas igual ao nmero de colunas, no h restries de alocao e a matriz de custos ou outra grandeza a ser minimizada. O que deve ser feito inicialmente subtrair o menor custo de cada linha de todos os outros, e no lugar deste nmero colocar zero. O prximo passo subtrair o menor custo de cada coluna e de todos os outros na coluna. Os zeros so indicativos de atribuies timas nas linhas e colunas, e traando-se o menor nmero de retas sobre eles e comparando a ordem da matriz, chega-se concluso que se for igual, a soluo tima foi encontrada, caso contrrio deve-se: - subtrair o menor nmero no coberto de todos os outros nmeros no cobertos; - acrescentar o menor nmero no coberto a todos os nmeros que se encontram nas interseces das retas traadas. Na matriz atual o menor nmero no coberto 1, e existe uma interseco entre as retas, com o nmero 0. Aplicando as regras temos: Tabela 3.5: Matriz Final
Projeto A Equipe I Equipe II Equipe III Fonte: (MOREIRA, 2007, p. 142) 0 1 0 Projeto B 3 0 0 Projeto C 4 0 5

Agora temos trs retas que igual a ordem da matriz, portanto a soluo tima. Para encontrar o resultado basta verificar quais linhas/colunas tm apenas um zero e fazer a atribuio. Tabela 3.6: Resultado
Projeto A Equipe I 15 Projeto B 24 Projeto C 21 Tempo de desenvolvimento 15 + 29 + 18 = 62 meses

Fonte: (MOREIRA, 2007, p. 142)

26 Chegamos a soluo que j era conhecida, provando que o algoritmo foi eficiente. Tambm no algoritmo hngaro encontramos casos especiais, tais como o nmero de linhas e colunas no ser iguais, o problema exige maximizao ao invs de minimizao e existirem recursos e objetos para alocao que so incompatveis, mas trataremos mais profundamente caso exista alguma necessidade no decorrer deste estudo.

27

PROBLEMAS DE PRODUO

Neste captulo iremos abordar alguns problemas existentes nas reas de planejamento e programao da produo. Em Arenales (2007, pag. 205), Problemas na rea de produo em geral so decompostos hierarquicamente em trs nveis: estratgico, ttico e operacional. Em cada nvel citado, a dimenso das decises distinta. Partindo-se do nvel estratgico onde as decises tipicamente so mais importantes, de longo prazo e envolvendo maiores somas financeiras, at chegar ao nvel operacional onde as decises usualmente so focadas em pequenas necessidades do dia-a-dia. 4.1 Planejamento da Produo Apresentaremos alguns modelos conhecidos como dimensionamento de lotes (lot sizing), com a caracterstica essencial de que o tempo finito e dividido em perodos, em que itens de demanda podem variar. dit = demanda do item i no perodo t bi = tempo para produzir uma unidade do item i

Ct = capacidade de produo em horas de uma mquina ou instalao no perodo t spi = tempo de preparao de mquina para processar o item i si hi = custo de preparao do item i = custo unitrio de estoque do item i

Ii0 = estoque inicial do item i

28 n T = nmero de itens finais = nmero de perodos do horizonte de planejamento

Considerar tambm as variveis: xit = quantidade do item i produzida no perodo t (tamanho do lote) Iit = estoque do item i no fim do perodo t yit = 1 se o item i produzido no fim do perodo t 0 caso contrrio 4.1.1 Um item sem restrio da capacidade Esta a forma mais bsica para resoluo deste tipo de problema, pois envolve apenas um lote e no existe restrio de capacidade, seu modelo :
T

i n ( s ty
t =1

+ I
- 1

h +
t

I x

)
t

It = xt < X

d , t= 1 ,

t = . . . ,

1 T

. . . ,

I0

IT

=
=

d
t T +

y t, , Ry
T

R +T , I

4.1.2 Mltiplos itens e restrio da capacidade Esta uma forma de dimensionamento de n itens, em somente um recurso, que por sua vez tm restries de capacidade.

29
n T

i n
i =1 t =1

(si
- 1

i t

y
i , t

t i t

+ + +
i

h x b
i t

I
i t

) d i ,t ) i = i = 1 1 < , , t = = t C =t . t . =. , . t, . =. , 1 , 1, , 1n , 1n , . . . , . . . , . . . , .di .} . , T T T T i= 1 , . . . , n,

Ii t =
T

I
i t

( s ip
i =1

y M

xit < M x
i t

= = m
n +

i t

y i ,t
T

i n

{
= t n T

R +n , T I

,T R y

4.1.3 Mltiplos nveis Uma forma de problema comumente encontrado em indstrias, pois representa os problemas relacionados interdependncia de processos necessrios para fabricao de algum produto. Se o item possui apenas um item sucessor, chama-se a estrutura de montagem, e se o item tiver mais de um item sucessor denomina-se estrutura geral. A figura 4.1 ilustra essas estruturas na forma de grafo1 orientado, onde cada crculo representa um item: 1 1

4 M

o n t a g e m G e r a l Figura 4.1 Estrutura de Produto.

Fonte: (ARENALES, 2007, p. 208)

4.1.4 Mltiplos itens, restrio da capacidade e preservao de preparao Neste tipo de modelo entra um atributo que ignorado pelos modelos anteriores, o tempo de preparao da mquina para o item que produzido em ltimo lugar no perodo t-1, e em primeiro lugar no perodo t, sendo denominado MSPP. No modelo MCPP, o estado de
1

Conjunto de pontos (vrtices) ligados por retas (arestas).

30 preparao do ltimo item produzido no perodo t-1 mantido no incio do perodo t para continuar a produo desse item. M M S C P OP

t r o

TI t Pe n

sT

P OP u t r o s

TI t Pe n

t - 1 t P e r o Figura 4.2 Produo com e sem preservao de preparao.

Fonte: (ARENALES, 2007, p. 210)

Na figura 4.2 podemos observar um comparativo entre os dois mtodos citados, sendo que a escolha do modelo com ou sem preservao do tempo de preparao deve ser embasado na quantia de tempo gasto para preparar o equipamento. 4.2 Dimensionamento e Programao de Lotes Diferente do capitulo anterior, no qual o tempo costuma ser maior (em torno de 1 semana), neste o seqnciamento da produo acontece atravs de lotes em uma fila. 4.2.1 Problema Discreto de Dimensionamento e Programao de Lotes um caso onde a diviso do tempo em pequenos perodos (discrete lot sizing and scheduling problem), em que um lote totalmente produzido ou no num perodo e se produzido utiliza a capacidade total. As variveis so: zit = 1 se a mquina est preparada para o item i no microperdo t 0 caso contrrio zio = 1 se a mquina est preparada para o item i no incio do microperodo 1 0 caso contrrio A formulao a seguinte:

31
n T

i n
i =1 t =1

si

i t

y+

h + C 1 , zi t R +n,
T
t

i t

I
i t

Ii t = b
i

Ii xi t = = =
T

, t - 1

d i ,t

t = t =

1 1 T 1

, ,

. . . , . . . ,

T T

i= i=

1 1

, ,

. . . , . . . ,

n, n,

zi t , t = zi , t xy
n +
-

zit >
i =1

1 ,

. . . , t =

yi Z

> B +n ,I

. . . ,

i=

. . . ,

n,

n +

R R

4.2.2 Problema Geral de Dimensionamento de Lotes Este caso considera o tempo em macroperodos, de maneira que cada perodo t dividido em microperodos com tamanhos que podem ser variados. As variveis envolvidas so: xih = quantidade do item i produzido no microperodo h yih = 1 se o item i produzido no microperodo h 0 caso contrrio zih = 1 se a mquina est preparada para o item i no microperdo h 0 caso contrrio A formulao a seguinte:
n H n T
t

i n
i =1 h 1=

si

i h

y+

i =1 t =1 |

i t

I T 1 , , . . . , . h. . , = n, n1, , . . . , | H |

| Ht

Ii t = bi
n | Ht |

- 1

h 1=

Ii

, t

+ = C
t

x i t h = - 1 d i, ,t . . . i, = zi h , Ct , ,t = t = 1 1 , ,

xi

< bi = =
n +
1

. . . , i = T 1,t . . . , T

<xi h = 1 zi h ,T R y
n +

i =1 h 1= n

zih <
i =1

yih Z

> B +n , H I

zi , h
n +

,
H

h = R

i=1

, 1 . ., . ,. . . ,H

n,

,H yR

32 4.3 Programao da Produo A programao de nvel operacional a designao de tarefas (jobs) a mquinas e o seqnciamento destes trabalhos nas mquinas. Alguns atributos devem ser levados em conta neste processo, tais como, o incio e o fim das tarefas, o cuidado para no atrasar tarefas e tambm no adiant-la demais levando a custos de estoque. Exemplificaremos alguns modelos matemticos da rea: 4.3.1 Uma Mquina a situao de quando n tarefas esto disponveis para uma mquina e a tarefa no pode ser interrompida. Parmetros so dados por: pi = tempo de processamento da tarefa i di = data de entrega da tarefa i M = nmero grande As variveis so: Ci = instante de trmino do processamento da tarefa i yih = 1 se a tarefa i precede imediatamente a tarefa j 0 caso contrrio Ti = max {Ci dj, 0} = atraso da tarefa i Ei = max {di Ci, 0} = avano ou adiantamento da tarefa i Li = Ci di = lateness da tarefa i

33
n i =0 n j =0 ,
j i

x i j= x i j= > > B
(n

1
i j

, , C 0 ,
+ 1

j i i i
)

1
j i

= , i

0 = = 0

1 0 ,

, . . . , n . . . , n,

C C Z

= =
+

M = 1

( pj = , . . . , n

- 1 M, ,

. ). . ,xi j n C
o

1 ) (n

4.3.2 Mquinas Paralelas Quando mais de uma mquina faz parte de uma mesma rea, primeiramente deve-se verificar o grau de igualdade destas mquinas, fazendo-se uma diviso em trs tipos. 1. Mquinas iguais: possuem o mesmo tempo de preparao e processamento. 2. Mquinas uniformes: tm tempos diferentes de preparao e processamento. 3. Mquinas no relacionadas: no h nenhum atributo que possa relacion-las. Nesta situao temos as variveis: pi = tempo de processamento da tarefa. Cmax = makespan2 yih = 1 se a tarefa i processada na mquina j. 0 caso contrrio A formulao a seguinte:
m

x i j=
j = 1 n

1 = pi 0

, x, i j , x = 1 B ,

= . . m. ,

, . . . , n

C C

>x
i =

j j

>x

n m

Tempo total para processar as ordens de produo

34 4.3.3 Job Shop Este tipo de configurao caracterizado por n tarefas utilizarem m mquinas com um roteiro preestabelecido. As variveis so: yih = 1 se a tarefa i precede a tarefa j na mquina k 0 caso contrrio A formulao a seguinte:
m

C
j = 1

i ( m

C C C C C

i, i( 1 ) i , i( k +

>

= >1 ) = = = p j k, p j k,
n

pi , i ( , 1 p
i , i ( 1

) k )

= = M ( 1 M xi j k, . xi j k) ,

i 1 i1 =i =i ,

, 1 1

. . . , . . . , , , . . . , . . . ,

n n n n =

C +i (

j k j k

> >

C C
m

i k i k

+ + R

=j

=j

R +n m x ,

4.4 Outros Problemas de Programao Em Arenales (2007, p. 227), o autor cita a existncia de problemas de programao que no so tarefas processadas em mquinas. Veremos dois exemplos disto: 4.4.1 Balanceamento da Linha de Montagem A criao da linha de montagem foi iniciada em 1913 por Henry Ford, para produzir carros padronizados em larga escala. A partir deste momento comeou a popularizao de bens de consumo devido aos custos menores dos produtos alcanados pela produo em grandes quantidades. Hoje a situao bastante diferente e o desafio a minimizao dos custos com a produo de baixos volumes e com alto grau de diferenciao, que ficou conhecido como customizao. Uma linha composta por tarefas com tempos diferentes e dependncias entre si. O balanceamento significa distribuir as tarefas para haver o mnimo desperdcio de tempo. A figura 4.3 mostra um grafo de precedncia com 10 ns, onde a durao da tarefa do n 5 de 4 unidades

35 de tempo, e essa tarefa s pode ser executada quando o processamento das tarefas 1 e 4 (predecessoras) completado. 1
5 6

4 2 9 2

8 3 4
5

Figura 4.3 Grafo de precedncia em linha de montagem.

Fonte: (ARENALES, 2007, p. 227)

4.4.2 Programao da Fora de Trabalho Quando a situao envolve a utilizao de fora de trabalho, esta tambm deve ser alocada em turnos para atender uma necessidade varivel ao longo do tempo. Um exemplo disto pode ser enfermeiras num hospital, policiais, motoristas, etc.

36

LEVANTAMENTO DE DADOS

Neste captulo ser abordada a metodologia de coleta dos dados que sero necessrios para a modelagem do problema. 5.1 Dados dos Equipamentos As caractersticas relativas aos equipamentos utilizados na empresa so imprescindveis para a modelagem do problema. O dados sero buscados atravs do sistema informatizado utilizado na empresa denominado Calcgraf3. O desempenho medido em nmero de folhas impressas por hora e para este estudo o perodo compreende de janeiro at outubro do ano corrente. Com o intuito de preservar informaes, as mquinas sero denominadas A, B e C para efeito de estudo. Importante salientar que todas as mquinas fazem a mesma operao (impresso), porm devido ao avano tecnolgico algumas facilidades so agregadas, tornando o equipamento mais rpido. 5.2 Dados do Papel-Carto Para o desenvolvimento do modelo matemtico alguns atributos referentes ao papelcarto devero ser analisados para que possam ser convertidos em variveis. Um deles o custo em quilos para a compra da matria-prima, que atravs das notas fiscais de entrada ter fcil acesso e compilao de uma mdia.

Software gerencial especfico para indstria grfica

37 O segundo atributo, que atualmente no levado em conta pelo sistema de clculos, o desempenho de mquina de cada um dos cartes. Com um formulrio especfico ser possvel determinar o nmero de vezes que a mquina interrompe sua operao e realiza uma limpeza do sistema de impresso. Ressaltamos que por motivos estratgicos os nomes verdadeiros dos fornecedores e suas matria-primas sero trocados por papel-carto A (tima qualidade), B (qualidade intermediria) e C (baixa qualidade). De posse destes dados esperamos que um modelo bsico possa ser implementado e testado na continuao deste trabalho.

38

PROPOSTA DE MODELO

Neste captulo faremos uma breve projeo sobre qual modelo poder estar sendo utilizado para a formulao e resoluo da situao deparada na empresa sobre o mtodo de clculo. Atravs do estudo da bibliografia, no foi encontrado um problema exatamente igual, porm pela abrangncia de aplicaes da PO, alguns problemas j estudados possuem semelhanas quanto necessidade de minimizao de custos em uma rea produtiva. Duas questes bsicas devem ser respeitadas pelo modelo para no gerar conflitos de produo, tais como: uma tarefa deve ser processada por somente uma mquina e uma vez a tarefa iniciada ela deve ser terminada onde teve incio. Dois momentos distintos so passveis de melhoria, o primeiro deles e mais importante, a escolha do papel-carto e mquina que ser utilizada. Isto acontece quando o produto ainda est na fase de clculo de custos, podendo ou no ser aceito pelo cliente e efetivado na empresa. Outro momento quando existem tarefas que foram aceitas pelo cliente e as mesmas devem passar pelo processo de impresso, cumprindo prazos de entrega e sendo impresso na mquina que tiver melhor custo, porm sem ultrapassar o custo encontrado na etapa de clculo. Vimos que alm de modelos especficos para designao, o mesmo tambm pode ser formulado tal qual um problema de transporte. Portanto, modelar o problema com mais de uma tcnica e sua comparao ser o objetivo da continuao deste trabalho.

39

CONCLUSO
Neste trabalho pode ser observado que existe uma grande variedade de abordagens para modelagem e resoluo de problemas ligados a uma produo industrial. Entretanto dependendo do nvel de informaes que a empresa possui, pode ser mais difcil a obteno de dados relativos ao problema que sua prpria resoluo. Assim, o estudo realizado at o momento na rea de produo, verificou que pelo menos um dado importante relativo performance do papel-carto no contemplado pelo sistema atual. Essa constatao relevante e refora que a continuidade do trabalho de pesquisa e modelagem se justifica. Enfim, o prximo desafio implementar uma soluo com auxlio de algum software especfico e medir sua eficincia comparado com o sistema de clculos atualmente usado na grfica.

REFERNCIAS BIBLIOGRFICAS
Diaz, A. Optimizacin Heurstica Y Redes Neuronables. Editorial Paraninfo, Madrid, 1996. ANDRADE, Eduardo Leopoldino de. Introduo pesquisa operacional: mtodos e modelos para a anlise de deciso. 3. ed. Rio de Janeiro: LTC, 2004. LACHTERMACHER, Gerson. Pesquisa operacional na tomada de decises: modelagem em Excel. 4 ed. Rio de Janeiro: Elsevier, 2007. MOREIRA, Daniel Augusto. Pesquisa operacional: curso introdutrio. So Paulo, SP: Thomson Learning Edies, 2007. ACKOFF, Russell Lincoln; SASIENI, Maurice W. Pesquisa operacional. Rio de Janeiro: LTC, So Paulo, SP: Edusp, 1971. (Coleo Universitria de Administrao ) WAGNER, Harvey M. Pesquisa operacional. 2. ed. Rio de Janeiro: Prentice-Hall, 1986. 851 p. ISBN 85-7054-020-5. HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introduo pesquisa operacional. 1. ed. Rio de Janeiro: Campus, So Paulo, SP: Editora da Universidade de So Paulo, 1988. DANTZIG, G. B. (1940). On the non-existence of tests of "Student's" hypothesis having power functions independent of , Annals of Mathematical Statistics, Volume 11, number 2. PIDD, Michael. Modelagem empresarial: ferramentas para tomada de deciso. Trad. Gustavo Severo de Borba et al . Porto Alegre: Artes Mdicas, 1998 STEVENSON, William J. Estatstica Aplicada Administrao. Traduo de Alfredo Alves de Farias. So Paulo: Harper & Row do Brasil, 1981