UM NOVO MTODO HEURSTICO PARA A OTIMIZAO DE MIX DE PRODUO BASEADO NA TEORIA DAS RESTRIES E NO PROBLEMA DA MOCHILA NEW HEURISTIC

METHOD FOR THE OPTIMIZATION OF PRODUCT MIX BASED ON THEORY OF CONSTRAINTS AND KNAPSACK PROBLEM Vinicius Amorim Sobreiro* E-mail: sobreiro@unb.br Marcelo Seido Nagano** E-mail: drnagano@usp.br
* Universidade de Braslia (UnB), Braslia, DF ** Universidade de So Paulo (USP), So Paulo, SP Resumo: A definio do mix de produo proporciona a alocao dos recursos produtivos no processo de manufatura, visando a otimizao da utilizao dos recursos e do desempenho do sistema produtivo o que, por sua vez, a um nvel gerencial, norteia o desempenho da organizao. Entretanto, apesar de sua importncia, a definio do mix de produo um problema do tipo NPCompleto, ou seja, de difcil soluo. Assim, com o auxlio da Teoria das Restries - TOC, algumas heursticas construtivas tm sido apresentadas para fazer frente a esse problema. Nesse sentido, o objetivo neste trabalho propor uma nova heurstica que proporcione melhores solues quando comparada com a principal heurstica apresentada na literatura, a TOC-h de Fredendall e Lea. Para efetuar essa comparao foram realizadas simulaes computacionais visando identificar o mix de produo que possibilitasse o maior ganho possvel, considerando um bom tempo de processamento e as caractersticas dos ambientes produtivos. Como resultado, observou-se que a heurstica proposta obteve uma aproximao mais satisfatria quando comparada TOC-h e uma boa soluo quando comparada com a soluo tima o que, em concluso, evidncia a importncia da mesma na definio de mix de produo. Palavras-chave: Heurstica. Mix de produo. TOC. Problema da Mochila. Otimizao; Abstract: The definition of the product mix provides the allocation of the productive resources in the manufacture process and the optimization of productive system. However, the definition of the product mix is a problem of the NP-complete, in other words, of difficult solution. Taking this into account, with the aid of the Theory of Constraints - TOC, some constructive heuristics have been presented to help to solve this problem. Thus, the objective in this paper is to propose a new heuristics to provide better solutions when compared with the main heuristics presented in the literature, TOC-h of Fredendall and Lea. To accomplish this comparison, simulations were accomplished with the objective of identifying the production mix with the best throughput, considering CPU time and the characteristics of the productive ambient. The results show that the heuristics proposal was more satisfactory when compared to TOC-h and it shows good solution when compared with the optimum solution. This fact evidence the importance of the heuristics proposal in the definition of product mix. Keywords: Heuristic. Product Mix. TOC. Knapsack Problem. Optimization.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 520

INTRODUO Em um problema de definio do mix de produo h uma necessidade de se

determinar quais os produtos e suas respectivas quantidades que devero ser manufaturados com o objetivo de se maximizar o ganho total, considerando que estes produtos podem ou no utilizar diversos recursos produtivos e que no h recursos produtivos suficientes para elaborar todos os produtos (Vaccaro, Rodrigues e Menezes, 2006, p. 284). De acordo com Lea (2007, pp. 1189-1190), o problema de definio de mix de produo em sua verso simplificada pode ser representado da seguinte maneira:

Aonde:
Representa o preo de venda do produto ; Representa o custo do produto ; Representa a quantidade de recurso requerida para produzir o produto ; Representa a quantidade mxima disponvel do recurso produtivo ; Representa a quantidade do produto a ser produzido; Representa a demanda de mercado prevista para o produto ; Representa a quantidade de produtos; e Representa a quantidade de recursos produtivos.

Em termos amplos, essa falta de capacidade dos recursos produtivos para a produo de todos os produtos necessrios para atender a demanda de mercado acontece principalmente quando as organizaes passam por perodos de ajuste estratgico ou de investimentos, pois nos mesmos as organizaes precisam aumentar ou diminuir o nvel de produo. Consequentemente, visto que a definio do mix de produo esta diretamente relacionada com os ganhos a serem aferidos pela organizao e que existem diversas opes de combinaes dos produtos que podem atender as restries dos recursos produtivos, a melhor soluo para esse tipo de situao a otimizao da utilizao desses. Entretanto, como muito bem
Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 521

salienta Linhares (2009, p. 122), apesar da definio das quantidades a serem produzidas, ou melhor, do mix de produo parecer um problema de fcil soluo, o mesmo no pode ser entendido como tal, visto que com a insero de novos produtos no processo de fabricao ou com a utilizao de uma maior variedade de recursos produtivos que apresentem uma quantidade disponvel menor do que a necessria para atender a demanda, o nmero de possibilidades de mix de produo aumenta exponencialmente o que, por sua vez, dificulta na obteno do mix de produo timo em um curto espao de tempo. Para fazer frente a essa situao, algumas heursticas construtivas baseadas na Teoria das Restries vem sendo empregadas, visto que as mesmas proporcionam de maneira rpida a definio do mix de produo com bons ganhos totais. Entre essas heursticas se destacam a de a TOC-h de Fredendall e Lea (1997, p. 1537). Entretanto, apesar dessa heurstica apresentar bons resultados na definio de mix de produo em problemas em que existam poucos recursos produtivos, a mesma no apresenta um bom desempenho em problemas que apresentam vrios recursos produtivos com capacidade inferior a necessria para atender a demanda de mercado dos produtos. Com base nesse contexto, o objetivo neste artigo apresentar uma nova heurstica construtiva que proporcione melhores solues quando comparada com a TOC-h. Essa nova heurstica se difere da TOCh, principalmente, por levar em consideraes apontamentos da TOC e do problema de mochila. Para efetuar tal comparao, foram realizadas simulaes computacionais visando identificar o mix de produo que possibilitasse o maior ganho possvel, considerando um bom tempo de processamento e as caractersticas do ambiente produtivo. Com base nesse contexto, alm dessa introduo, este artigo est estruturado como se segue. Na prxima seo, de maneira resumida, so definidos os conceitos bsicos referentes TOC e ao problema de mochila por meio de uma breve reviso de literatura. Na terceira seo, as heursticas TOC-h e a heurstica proposta so demonstradas. Na seo seguinte, a experimentao computacional e os resultados obtidos so apresentados. Finalmente, na ltima seo, as principais concluses e sugestes a trabalhos futuros so expostos.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 522

2 2.1

REVISO DE LITERATURA Teoria das Restries - TOC A Teoria das Restries TOC foi proposta e desenvolvida pelo Dr. Eliyahu

M. Goldratt, por volta de 1980 (Lea & Fredendall, 2002, p. 281). De maneira mais precisa, segundo Meleton (1987) apud Verma (1997, p. 191), a TOC surgiu, em Israel, quando o Dr. Eliyahu M. Goldratt aplicou uma tcnica de predio de tomos de cristal aquecido em problemas de programao de tarefas com grande nmero de variveis. Em termos amplos, a TOC compreendida como um conjunto de princpios tericos que fundamentam e sintetizam a mirade de conhecimentos particulares de gesto e controle da produo que, por sua vez, reconhece o papel dos fatores limitantes nas operaes de manufatura e se foca sobre os mesmos, visando o aumento ou a melhoria de suas utilizaes. Ainda nesse contexto, utilizando-se das palavras de Watson, Blackstone, & Gardiner (2007, p. 400), a TOC pode ser compreendida como:
[...] uma abordagem pragmtica (prtica) e holstica (prioriza o entendimento integral dos fenmenos) de melhoria contnua, cobrindo com base em uma comum fundamentao terica os fatores que limitam o aumento da desempenho em relao a uma meta. Assim, existe uma necessidade elevada de compreenso de tcnicas especficas e das variveis do sistema para assegurar o sucesso de sua implementao e ampla aceitao.

Tais caractersticas apontadas por esses pesquisadores so possveis porque a TOC capaz de auxiliar em diversas atividades fundamentais nas organizaes que, por sua vez, contribuem para o desempenho global da mesma (Finch & Luebbe, 2000, p. 1466). De acordo com Corbett (2005, pp. 35-36), a caracterstica mais importante da TOC assumir que em qualquer sistema, isto , em um conjunto de elementos inter-relacionados no qual existe no mnimo uma restrio, ou seja, alguma coisa que limita um melhor desempenho ou o alcance de altos padres de desempenho. A afirmao de que todo sistema tem uma restrio se justifica ou explicada pelo fato de que se no houvesse algo que limitasse o desempenho do sistema, esse seria infinito. Nesse sentido, a gesto ou utilizao de maneira eficiente das restries do sistema permite melhorar o desempenho do mesmo, pois com base na TOC somente os recursos gargalos, isto , aqueles recursos que
Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 523

apresentam capacidade inferior demanda sobre o mesmo, devem ser utilizados em sua total capacidade. Assim, vlido frisar que esse processo de gesto das restries tambm facilita a compreenso e a possibilidade de otimizao do sistema aos gestores organizacionais (Maday 1994, p. 84). De maneira mais pormenorizada, esse processo de gesto das restries realizado pela utilizao de cinco passos de melhoria, comumente denominados como processos de melhoria contnua, a saber: I. Identificar as restries do sistema; II. Decidir como explorar as restries; III. Subordinar todos os elementos da produo a restrio identificada no passo anterior; IV. Aumentar as capacidades das restries do sistema; e V. Se nos passos anteriores s restries forem superadas, voltar ao primeiro passo, sem deixar que a inrcia se torne uma restrio. Considerando esses cincos passos, a TOC auxilia os gestores na conduo dos processos que utilizam os recursos gargalos, ou seja, visa otimizar o emprego dos recursos gargalos nas atividades produtivas. De acordo com Goldratt & Cox (2006, p. 353) e Watson, Blackstone, & Gardiner (2007, p. 338), essa abordagem de gesto sobre as restries fez com que a TOC fosse implementada em grandes companhias como, por exemplo, 3M, Amazon, AVCO, Bendix, Boeing, Delta Airlines, Ford Motor Company, General Electric, General Motor, Kodak, Philips, RCA, Westinghouse, e, tambm, em organizaes sem fins lucrativo tais como British National Health Service, Israel Air Force, NASA, Pretoria Academic Hospital, e United States Department of Defense. 2.2 Problema da Mochila Em sua verso mais simplista, de acordo com Martello & Toth (1990, p. 1), Pisinger & Toth (1998, p. 302), e Kellerer, Pferschy, & Pisinger (2004, pp. 2-3), o problema da mochila pode ser matematicamente expresso pela definio, representando os objetos at , de um vetor de variveis binrias , com

as caractersticas apresentada na Expresso 1:

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 524

(1) Considerando que ou conforto do objeto , representa uma caracterstica como, por exemplo, valor corresponde ao tamanho desse objeto, e o tamanho da que

mochila, o problema ser selecionar, entre todos os vetores binrios, os satisfaam a restrio demonstrada na Expresso 2.

(2) Alm disso, a escolha dos mostrada na Expresso 3. (3) Kellerer, Pferschy, & Pisinger (2004, p. 15) sugerem um algoritmo do tipo Greedy baseado na seleo de produtos com maiores eficincia ( ) para encontrar boas solues. A calculada com base na Expresso 4, a saber: (4) Assim, ainda com base em Kellerer, Pferschy, & Pisinger (2004, p. 16), a idia do algoritmo iniciar a escolha dos itens com a mochila vazia e, to logo, ir acrescentando os itens na mesma que apresentam maior eficincia, at que se alcance o limite de capacidade da mochila. Na Figura 1, o pseudocdigo desse algoritmo apresentado.
Figura 1 - Algoritmo Greedy. 1. 2. 3. 4. 5. 6. 7. 8. Fonte: Kellerer, Pferschy, & Pisinger (2004, p. 16). Colocando o item na mochila. o peso total da mochila com todos os itens. o ganho com a soluo atual.

deve visar a maximizao da funo objetivo

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 525

No tocante ao mix de produo, esse algoritmo Greedy, considerando que a capacidade da mochila anloga capacidade disponvel no recurso gargalo; representa o ganho individual do produto ; e corresponda ao consumo de

capacidade do recurso gargalo pelo produto , apenas indicaria se um produto deve ou no ser produzido, mas seria incapaz de fornecer as quantidades a serem produzidas. Cabe destacar que no que diz respeito TOC, que a mesma poderia ser utilizada para identificar o recurso gargalo e, to logo, quais so os valores de , ou seja, da eficincia de cada produto. Assim, h necessidade de se adaptar o algoritmo Greedy para que o mesmo seja capaz de indicar os produtos e suas respectivas quantidades que devero ser selecionadas. Essa verso adaptada do algoritmo Greedy, denominada B-Greedy, apresentada na Figura 2.
Figura 2 - Algoritmo B-Greedy. 1. 2. 3. 4. 5. 6. 7. 8. Fonte: Adaptado de Kellerer, Pferschy, & Pisinger (2004, p. 187). Colocando o item na mochila. o peso total da mochila com todos os itens. o ganho com a soluo atual.

O algoritmo B-Greedy pode facilmente ser aplicado na definio do mix de produo, desde que a TOC fornea a informao de qual recurso produtivo o gargalo que deve orientar a definio de prioridade de processamento dos produtos, ou seja, qual recurso produtivo representar a mochila e, to logo, poder ser considerado para se calcular as taxas de eficincias. Com base nesse contexto, visando relacionar os elementos da TOC com os do problema da mochila no enfoque da definio de mix de produo, o relacionamento adotado neste trabalho apresentado na Tabela 1.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 526

Tabela 1 - Relacionando os elementos do problema da mochila com os elementos da TOC. Problema da Mochila Mix de Produo Produto Ganho Consumo de Recurso Gargalo Demanda Eficincia Capacidade Disponvel no Gargalo

3 3.1

MTODO HEURSTICO Notao A seguinte notao utilizada nos mtodos heursticos apresentados a

seguir:
ndices Produtos. Recursos produtivos. Recursos gargalos.

Variveis de Deciso Recurso gargalo , ou seja, todos os recursos que apresentaram Capacidade produtiva do recurso . Margem de contribuio do produto .

Vetor contendo os recursos gargalos. Diferena entre a capacidade disponvel e a necessria no recurso produtivo . Demanda de mercado do produto . Posio do produto na sequncia de produo que tero suas quantidades aumentadas. Posio do produto na sequncia de produo que tero suas quantidades reduzidas. Produto. Nmero de recursos gargalos. Relao entre a margem de contribuio por cada unidade de tempo de processamento consumida no recurso gargalo. Relao entre a margem de contribuio por cada unidade de tempo de processamento consumida no recurso gargalo . Soma do em todos os gargalos para o produto .

Tempo de processamento ou consumo de recurso do produto no recurso produtivo

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 527

. Sobra de recurso disponvel no recurso gargalo . Quantidade a ser produzida do produto . Conjunto de produtos candidatos a sofrerem redues nas quantidades.

3.2

Heurstica TOC-h A heurstica TOC-h, proposta por Fredendall & Lea (1997, p. 1537), procura

encontrar entre todos os gargalos existentes o gargalo dominante, ou seja, o primeiro gargalo a no apresentar capacidade suficiente para atender a demanda de mercado. Com base nesse gargalo dominante, uma soluo ou um mix de produo inicial desenvolvido visando produo dos produtos que apresentem a maior taxa de ganho por consumo do recurso gargalo dominante. Consequentemente, por meio de uma anlise dos ganhos proporcionados pelo aumento das quantidades produzidas de determinados produtos, em detrimento, da reduo das quantidades de outros, uma busca na vizinhana realizada visando melhorar o ganho total. Essa busca na vizinhana encerrada caso o ganho total obtido ao longo do processo diminua. O pseudocdigo da heurstica TOC-h apresentado a seguir: Passo 1 Identifique a(s) restrio(s) do sistema: a) Calcule a diferena ( ) entre a capacidade dos recursos e as demandas solicitadas sobre os mesmos: e

b) Determine .

considerando

que

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 528

Passo 2 Decida como explorar a(s) restrio(s): a) Assuma que o gargalo dominante. Calcule para cada produto a taxa de

, ou seja, a diferena entre o preo de venda e o custo do material direto dividido pelo consumo unitrio de pelo produto : . b) Verifique se o gargalo dominante: em . maior que um e todos os produtos e os recursos for igual a um, ento o gargalo

Se o nmero de recursos dominante . V para

Se o nmero de recursos em

utilizam todos os recursos, ento o recurso gargalo gargalos classificados so . V para (2c).

Caso contrrio, determine o recurso gargalo da seguinte maneira: i. Sequencie todos os produtos de maneira decrescente com base em at que uma das seguintes condies seja encontrada: a) A demanda de mercado encontrada (Ex.: ); e

b) No mnimo um dos recursos gargalos no apresenta capacidade suficiente para programao de mais produtos. ii. Se o primeiro recurso gargalo a exaurir suas capacidades no for , Assuma o prximo passando a ser em . Assim, o atual atualizado

. A classificao dos outros gargalos alterada para o novo gargalo dominante deve ser

de maneira similar. O

recalculado. V para o passo (2c). c) Sequencie todos os produtos que requerem o gargalo dominante de maneira decrescente com base em . Para cada produto , sequencie a mxima

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 529

quantidade possvel. Se dois produtos a serem programados apresentarem o mesmo , sequencie primeiro o produto com a maior taxa de primeiro.

d) Quando a capacidade do gargalo dominante for exaurida ou insuficiente para produzir outra unidade do produto, ento assuma como o novo gargalo. estejam

Repita os passos (2c) e (2d) at que todos os recursos em

exauridos, ou os produtos que sobraram no utilizem desses recursos. e) Sequencie os produtos livres, isto , aqueles que no utilizam nenhum recurso gargalo at que suas demandas sejam encontradas. f) Calcule a sobra de recurso no gargalo da seguinte maneira:

g) Examine se reduzindo uma

e aumentando

(onde

) os ganhos

aumentam (Ex.: Examine se existe um trading-off na produo de alguns produtos para outros produtos verificando se h aumento nos ganhos). Uma busca na vizinhana conduzida para determinar quais produtos sero candidatos a essa troca. Nessa busca, o vizinho de um produto como o produto a jusante mais prximo, ou seja, . Considere definido como um e

conjunto de produtos em que se reduzindo algumas quantidades de aumentando algumas de conjunto i. (

) pode-se aumentar os ganhos. Esse

encontrado da seguinte maneira: at Para Se Ento se , ento v para (ii) at

Para

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 530

Caso contrrio, Caso contrrio,

ii.

Se

ou Ento faa Caso contrrio, e v para (iii) e v para (i).

iii.

se

, o corrente mix de produo timo, ento

pare. Caso contrrio, v para o passo (2h). h) Reduza a quantidade atual de do produto uma unidade por vez. Isso cria

de tempo disponvel sobre o recurso gargalo dominante. Utilize esse tempo disponvel para processar sua taxa e baseado na

de maneira decrescente conforme

realizado no passo (2c). Calcule o ganho da seguinte maneira:

Aonde

a variao de unidades para o produto

. Pare se o ganho ).

menor que zero, ou se a soluo se tornar invivel (Ex.:

3.3

Heurstica Proposta A heurstica proposta visa criao de uma soluo inicial considerando o

gargalo dominante e a melhoria da mesma. Esse processo de criao da soluo inicial realizado com o auxlio do algoritmo B-Greedy para problemas aonde o gargalo dominante for identificado e de uma verso modificada do mesmo, denominada de B-Greedy-M, para problemas em que a identificao do gargalo dominante no for possvel ou difcil. A utilizao do algoritmo B-Greedy ou do BRevista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 531

Greedy-M possibilita que a heurstica proposta encontre uma soluo inicial de maneira muito rpida o que, por sua vez, possibilita que a mesma utilize mais tempo na tentativa de melhorar a soluo inicial. Esse processo de melhoria realizado mediante uma busca na vizinhana que considera diferentes produtos em diferentes posies, na sequncia de produo. Alm disso, tambm visando melhoria da soluo inicial, proposta a utilizao de uma taxa de ganho que leve em conta o ganho por tempo de processamento do produto em todos os gargalos existentes de maneira conjunta e no somente no gargalo dominante, pois nem sempre possvel identificar o gargalo dominante. Consequentemente, a heurstica adota como soluo final ou mix de produo a melhor soluo encontrada aps a realizao dessa busca na vizinhana. Com base nesse contexto se faz necessrio apresentar primeiramente o algoritmo B-Greedy-M, para ento se expor o pseudocdigo da heurstica proposta, visto que a conceituao e utilizao do B-Greedy j foi demonstrada na Seo 2.2. 3.3.1 O Algoritmo B-Greedy-M Em alguns problemas de definio do mix de produo difcil ou no possvel identificar o gargalo dominante em meio aos existentes. Essa situao no possibilita a aplicao do B-Greedy, visto que o mesmo se baseia nas taxas de eficincias, ou seja, que, por sua vez, obtida considerando o gargalo dominante.

Assim, se faz necessrio ajustar o B-Greedy para que seja identificado um mix de produo, dado existncia de vrios recursos gargalos e/ou a dificuldade de identificao do recurso gargalo dominante. Com base nesse contexto, o algoritmo B-Greedy-M considera uma sequncia de produo comum em todos os gargalos e busca identificar as quantidades mximas que cada gargalo possibilita produzir para um determinado produto, obedecendo sequncia de produo. Posteriormente, o mesmo assume como quantidade a ser produzida de um determinado produto a menor quantidade encontrada entre todos os gargalos. O pseudocdigo do algoritmo B-Greedy-M apresentado na Figura 3.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 532

Figura 3 - Algoritmo B-Greedy-M. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28.

importante destacar que os parmetros

para o algoritmo B-Greedy-M

apresentam um segundo ndice em relao ao algoritmo B-Greedy, pois a quantidade a ser produzida e o consumo de recurso gargalo de cada produto calculado considerando a perspectiva do gargalo .

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 533

3.3.2 O Pseudocdigo da Heurstica Proposta Considerando o algoritmo B-Greedy e o B-Greedy-M, o pseudocdigo da heurstica proposta apresentado a seguir: Passo 1 Identifique a(s) restries(s) do sistema: a) Calcule a diferena ( ) entre a capacidade dos recursos e as demandas solicitadas sobre os mesmos:

b) Considerando que todos os recursos que apresentarem considerados recursos gargalos ( observando que e ), determine .

sero ,

Passo 2 Decida como explorar a(s) restries(s) do sistema: a) Assuma que o gargalo dominante. Calcule para cada produto a taxa de

, ou seja, a margem de contribuio por cada unidade de tempo de processamento consumida no gargalo, pela expresso Classifique os produtos de maneira decrescente com base no valor b) Verifique se o i. o gargalo dominante: , obtido obtido. .

Aplique o algoritmo B-Greedy ao problema considerando o no Passo 2a e a sequncia de produo atual.

ii.

Considerando o mix de produo obtido no Passo 2b.i, examine se existe alguma em como menor do que zero, caso exista assuma o prximo , classifique os produtos com base nesse novo for igual a e

recurso gargalo e volte para o Passo 2a. Se o

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 534

ainda existir

menor que zero v para o Passo 2b.iii. Por outro lado, menor que zero v para o Passo 2c.

se no existir nenhum iii.

Aplique o algoritmo B-Greedy-M considerando a sequncia de produo dada por apresente para obter o mix de produo que no

menor que zero. .

c) Assuma o ganho total obtido como

d) Verifique a possibilidade de melhorar a soluo obtida: i. Identifique na sequncia de produo que proporcionou produto com o maior isto , o ltimo

que apresenta a produo igual demanda,

. Reduza a demanda desse produto, uma unidade por

vez, e aplique o B-Greedy-M considerando a classificao dos produtos dada por , visando identificar o um novo mix de produo. seja igual

Realize esse procedimento at que a demanda de

ou no seja possvel aumentar as quantidades a serem produzidas dos demais produtos. Caso existam dois produtos com o mesmo valor de , sequencie o de maior primeiro. Assuma como

o maior ganho total obtido na realizao desse procedimento. ii. Calcule o para todos os produtos da seguinte forma:

Classifique os produtos de maneira decrescente com base no existir produtos com o mesmo valor de que apresentar o maior

e se

, considere primeiramente o

. Com base nessa nova classificao

aplique o algoritmo B-Greedy-M, visando identificar um novo mix de produo inicial. Caso essa nova sequncia de produo seja idntica

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 535

 sequncia anterior proceda para o Passo 2d.iii. Caso contrrio, iniciando a procura do produto com maior o ltimo produto que apresentou para o menor, identifique

. Reduza a demanda desse

produto, uma unidade por vez, e sequencie a produo com base nessa nova demanda at que a mesma seja igual ou no

seja possvel aumentar as quantidades a serem produzidas dos demais produtos. Comparando os resultados obtidos entre o novo mix de produo e os mixes de produo proporcionados pela reduo da demanda do produto , assuma o maior ganho total obtido como iii. Considerando o mix de produo obtido na soluo produto que apresentar o maior .

, identifique o

. Reduza a demanda desse produto,

uma unidade por vez, e sequencie a produo com base nessa nova demanda, utilizando o B-Greedy-M. Realize esse procedimento at que a demanda desse produto seja igual ou no seja

possvel aumentar as quantidades a serem produzidas dos demais produtos. Assuma o maior ganho total encontrado como iv. Se o gargalo dominante for , faa .

igual a zero e proceda para o do

Passo 2.e. Caso contrrio, sequencie os produtos com base no primeiro gargalo do conjunto

, ou seja, na maior diferena de ,

capacidade existente. Caso exista produtos com o mesmo valor de sequencie o que apresentar maior

primeiro. Aplique o algoritmo B-

Greedy-M visando identificar um mix de produo. Com base no mesmo identifique o ltimo produto que apresentar diminua

uma unidade por vez da demanda desse produto e sequencie novamente todos os produtos. Realize esse procedimento at que a demanda desse produto seja igual ou no seja possvel

aumentar as quantidades a serem produzidas dos demais produtos. Comparando os resultados obtidos entre o mix de produo obtido com
Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 536

base em

e os mixes de produo proporcionados pela reduo da , assuma o maior ganho total obtido como .

demanda do produto

e) Assuma como soluo final da heurstica o mix de produo que apresentar o maior ganho do seguinte conjunto .

No tocante as duas heursticas importante destacar, como muito bem salientado por Hsu & Chung (1998, p. 37), que as mesmas so baseadas na utilizao dos Passos I e II do processo de melhoria da TOC, pois os demais passos so aes gerenciais baseadas na soluo desenvolvida na utilizao dos dois primeiros passos. Assim considerando o escopo deste trabalho, para fins de definio de mix de produo, no se faz uso dos mesmos. 4 EXPERIMENTO COMPUTACIONAL Com o objetivo de testar as duas heursticas apresentadas na Seo 0, uma extensa experimentao computacional foi realizada visando identificar a melhor heurstica. Ambas heursticas foram testadas na resoluo de problemas, encontrados na literatura especializada e gerados aleatoriamente. Os problemas foram divididos em dois grupos, a saber: Pequeno Porte: constitudo por ,e de at ; e problemas contendo igual a , de at problemas contendo de at , de at

Grande Porte: constitudo por ,e de at .

Alm disso, as duas heursticas foram desenvolvidas em VBA e testadas em computador Intel 2.16 GHz Dual Clock, com 4 GB de memria RAM. Visando a comparao entre as heursticas, o tempo total de processamento e o Desvio Relativo Mdio DRM foram utilizadas como medidas de comparao. O DRM foi calculado conforme a Expresso 5. (5)

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 537

Aonde, o

o ganho obtido pela heurstica

, ou seja, a TOCh ou a

heurstica proposta, e

representa a melhor soluo obtida entre as duas

heursticas. Considerando os problemas de pequeno porte, o resumo dos resultados obtido pelas heursticas, para problemas com 1, 2, 3, e 4 gargalos respectivamente apresentado na Tabela 2.
Tabela 2 Comparao dos resultados obtidos para os problemas de pequeno porte em termo da mdia do DRM e do tempo total de processamento Heurstica Nmero de Gargalos TOCh Proposta A B 1 -0,0096 (00:00:00) 0,0000 (00:00:00) 2 -1,0684 (00:00:00) -0,0081 (00:00:00) 3 -3,0414 (00:00:01) -0,1747 (00:00:02) 4 -7,3889 (00:00:00) -0,6740 (00:00:00) Mdia -2,8771 (00:00:00) -0,2142 (00:00:01) . A Mdia do Desvio Relativo Mdio. B Total de tempo necessrio para processar todos os problemas com esse nmero de gargalos.

Alm disso, considerando os problemas de pequeno porte, as mdias com um intervalo de confiana de 99% so apresentadas para cada heurstica na Figura 4.
Figura 4 - Mdia e Intervalo de Confiana (99%) das heursticas para os problemas de pequeno porte

Com base na Tabela 2 e na Figura 4, a heurstica proposta apresentou um melhor desempenho do que as heursticas TOC-h nos problemas de pequeno porte,

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 538

pois na maioria dos casos apresentou o maior resultado ou um resultado muito prximo do maior. Quanto ao tempo de processamento, visto o tamanho dos problemas, s duas heursticas so rpidas, isto , necessitam de menos de um segundo para resolver os problemas o que, por sua vez, no possibilita identificar diferenas significativas entre as mesmas. No tocante aos problemas de grande porte, o resumo dos resultados obtidos apresentado na Tabela 3.
Tabela 3 - Comparao dos resultados obtidos para os problemas de grande porte em termo do DRM e do tempo total de processamento. Heurstica % de Recurso Gargalos TOCh Proposta A B 10 -29,8866 (00:00:01) 0,0000 (00:00:06) 20 -2,5598 (00:00:05) 0,0000 (00:00:13) 30 -6,3177 (00:00:29) 0,0000 (00:00:16) 40 -19,7687 (00:00:40) 0,0000 (00:00:24) 50 -18,6439 (00:00:27) 0,0000 (00:00:23) 60 -18,9958 (00:01:34) 0,0000 (00:00:29) 70 -18,4878 (00:00:55) 0,0000 (00:00:36) 80 -16,4529 (00:01:59) 0,0000 (00:00:51) 90 -26,9762 (00:01:36) 0,0000 (00:00:59) 100 -25,7098 (00:01:56) 0,0000 (00:01:02) Mdia -18,3799 (00:00:58) 0,0000 (00:00:32) A Desvio Relativo Mdio. B Total de tempo necessrio para processar todos os problemas com esse nmero de gargalos.

Conforme apresentado na Tabela 3, a heurstica proposta tambm apresenta um desempenho melhor do que a heurstica TOC-h em problemas de grande porte, visto que apresentou em mdia um DRM de 0,00% em relao a melhor soluo encontrada entre ambas as heursticas e utilizou em mdia 32 segundos para resolver os problemas agrupados pelo percentual de gargalos existentes. importante destacar que esse apontamento se torna mais expressivo quando a quantidade de recursos gargalos aumenta no ambiente produtivo, ou seja, quando h muitos recursos gargalos no sistema produtivo a TOC-h utiliza muito tempo na tentativa de identificar quais desses recursos o gargalo dominante. Em contrapartida a heurstica proposta utiliza pouco tempo na criao da soluo inicial e mais tempo na melhoria da mesma. Essa caracterstica proporciona heurstica proposta uma menor variabilidade em relao mdia do DRM do que a heurstica TOC-h conforme apresentado na Erro! Fonte de referncia no encontrada..

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 539

Figura 5 - Mdia e Intervalo de Confiana (99%) das heursticas para os problemas de grande porte

Considerando que a heurstica proposta apresentou um melhor desempenho tanto para os problemas de pequeno quanto para os de grande porte, a mesma foi comparada com as solues timas obtidas por meio da tcnica de Programao Linear Inteira - P.L.I., calculadas por meio VBA com o auxlio do algoritmo LP Simplex desenvolvido pela Frontline Systems Inc e disponvel como suplemento no aplicativo Microsoft Excel 2010. Para tanto foi definido um tempo mximo de 24 horas para realizao desse processo de procura da soluo tima, visto que tal processo de busca pela soluo tima pode ser um processo moroso, ou seja, caso a tcnica de P.L.I. utilizasse 24 horas para encontrar a soluo tima e no a encontrasse a melhor soluo encontrada seria adotada como tal valor. Com base nesse contexto, assumindo que os valores obtidos pela tcnica de P.L.I. so , na

Tabela 4 so apresentados os DRM da heurstica proposta e o tempo total de processamento para os problemas de pequeno porte e na Tabela 5 tais resultados so apresentado para os problemas de grande porte.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 540

Tabela 4 - Comparao considerando o DRM entre a heurstica proposta e a tcnica de P.L.I. DRM Tempo de Processamento Total Nmero de Gargalos Heurstica Proposta Heurstica Proposta P.L.I. 1 0,0000 00:00:00 00:00:00 2 -0,4688 00:00:00 00:00:13 3 -2,4955 00:00:02 00:00:05 4 -3,8021 00:00:00 00:00:04 Mdia -1,6916 00:00:01 00:00:06 Tabela 5 - Comparao considerando o DRM entre a heurstica proposta e a tcnica de P.L.I. DRM Tempo de Processamento Total % de Gargalos Heurstica Proposta Heurstica Proposta P.L.I. 10 -29,4855 00:00:06 00:32:23 20 -19,6491 00:00:13 00:29:38 30 -19,1612 00:00:16 00:33:54 40 -12,9456 00:00:24 00:17:08 50 -20,7603 00:00:23 00:47:29 60 -14,5410 00:00:29 02:41:36 70 -17,8203 00:00:36 01:00:04 80 -13,9182 00:00:51 03:02:37 A 90 -11,6786 00:00:59 24:42:32 100 -13,1521 00:01:02 01:24:41 Mdia -17,3112 00:00:32 03:33:12 A Nesse conjunto de problemas houve um problema em que a tcnica de P.L.I. no obteve a soluo tima depois de 24 horas.

A heurstica proposta apresentou na mdia um DRM de aproximadamente 17,32% em relao aos resultados timos. Apesar de esse valor ser expressivo, houve uma diminuio significativa na mdia do tempo total de processamento utilizado para resoluo desses problemas o que, por sua vez, evidncia a eficincia e robustez da heurstica proposta. Ainda no tocante ao desempenho da heurstica proposta, Linhares (2009, p. 128) aponta que um dos principais problemas ou falhas das heursticas desenvolvidas para os problemas de definio de mix de produo, apesar de sua eficincia na soluo de problemas mais complexos, a dificuldade de obteno das solues timas para problemas com apenas um gargalo. Entretanto, conforme exposto na Tabela 4, a heurstica proposta no apresenta essa dificuldade, pois conseguiu encontrar todas as solues timas para esses problemas mais simples.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 541

CONCLUSES Neste artigo foi tratado o problema de definio de mix de produo, com o

objetivo de maximizar o ganho, considerando a Teoria das Restries e aspectos do problema da mochila, por meio de heursticas construtivas. De maneira prtica, tal problema pode ser compreendido como a definio das quantidades a serem produzidas de cada produto quando os recursos produtivos no apresentam capacidades suficientes para atender a toda demanda. Entretanto, a busca de solues prximas tima pelo uso de eficientes e simples heursticas ainda necessita de pesquisas, visto que esse problema do tipo NP-Completo. Dentro desse contexto, foi proposta uma nova heurstica para esse problema com base na TOC e no problema da mochila que apresentou um melhor desempenho, em termos de qualidade de soluo, do que a heurstica TOC-h de Fredendall & Lea (1997, p. 1537). Assim, pode-se concluir que a heurstica proposta muito mais eficiente que as heursticas existente o que, em suma, destaca sua importncia na definio de mix de produo. No tocante a indicao de pesquisas futuras, proposta a realizao de estudos que verificassem a utilizao da heurstica proposta em situao prtica. REFERNCIAS CORBETT, T. Bssola financeira: o processo decisrio da teoria das restries. So Paulo: Nobel, 2005. 208 p. FINCH, B. J.; LUEBBE, R. L. Response to 'theory of constraints and linear programming: a re-examination'. International Journal of Production Research, 38, n. 6, p.1465-1466, 2000. FREDENDALL, L. D.; LEA, B. R. Improving the product mix heuristic in the theory of constraints. International Journal of Production Research, v.35, p.15351544,1997. GOLDRATT, E. M.; COX, J. A meta: um processo de melhoria contnua. 2. ed. So Paulo: Nobel, 2006. 365 p. HSU, T.-C.; CHUNG, S.-H. The TOC-based algorithm for solving product mix problems. Production Planning & Control, v.9, n. 1, p. 36-46,1998.
Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 542

KELLERER, H.; PFERSCHY, U.; PISINGER, D. Knapsack Problems. 1. ed. Berlin: Springer, 2004. 546 p. LEA, B.-R. Management accounting in ERP integrated MRP and TOC environments. Industrial Management & Data Systems, v.107, n. 8, p. 1188-1211, 2007. LEA, B.-R.; FREDENDALL, L. D. The impact of management accounting, product structure, product mix algorithm, and planning horizon on manufacturing perfomance. International Journal Production Economics, n.79, p. 279-299, 2002. LINHARES, A. Theory of constraints and the combinatorial complexity of the productmix decision. International Journal Production Economics, n. 121, p.121-129, 2009. MADAY, J. C. Proper use of constraint management. Production and Inventory Management Journal, 35, n. 1, p.84,1994. MARTELLO, S.; TOTH, P. Knapsack problems: algorithms and computer implementations. 1. ed. Guildford: John Wiley & Sons, 1990. 306 p. ISBN 0471924202. PISINGER, D.; TOTH, P. Knapsack Problems. In: DU, D. Z.; PARDALOS, P. M. Handbook of combinatorial optimization. 1. ed. Boston: Kluwer Academic Publisher, v. I, p. 299-428,1998. VACCARO, G. L. R.; RODRIGUES, L. H.; MENEZES, F. M. Um estudo da implantao de um otimizador de mix para o setor agropecurio. Gesto & Produo, 13, n. 2, p. 283-295, maio/ago. 2006. VERMA, R. Management Science, Theory of Constraints/Optimized Production Technology and Local Optimization. Omega, 25, n. 2, p.189 200,1997. WATSON, K. J.; BLACKSTONE, J. H.; GARDINER, S. C. The evolution of a management philosophy: The theory of constraints. Journal of Operations Management, n.25, p.387 402, 2007.

Artigo recebido em 21/10/2011 e aceito para publicao em 03/06/2013.

Revista Produo Online, Florianpolis, SC, v.13, n. 2, p. 520-543, abr./jun. 2013. 543