Seminário 3º Semestre - Luís Cordovil - MGEI 2008-2009

Cadeira de Seminário
Nome: Luís Cary de Velho Cabral Cordovil
Tema do Trabalho de Projecto: Modelos de previsão para a programação da produção
numa indústria conserveira – Cofaco Açores – Fábrica da Madalena e Horta
Artigo em apreciação: Mula, J., Poler, R., García-Sabater, J.P., Lario, F.C. – Models for
production planning under uncertainty: A review, Internacional Journal of Production
Economics, vol. 103, (2006), pp 271-285

Índice
Introdução......................................................................................................................... 1
Análise Crítica .................................................................................................................. 2
1 Modelos Conceptuais ........................................................................................... 4
1.1 Material Requirement Planning.................................................................... 4
2 Modelos analíticos................................................................................................ 5
2.1 Planeamento Hierarquizado da Produção..................................................... 5
2.3 Manufacturing Resource Planning ............................................................... 6
3 Modelos de simulação .......................................................................................... 7
3.1 Planeamento agregado.................................................................................. 7
3.3 Manufacturing Resource Planning ............................................................... 9
Conclusão ....................................................................................................................... 10
Bibliografia..................................................................................................................... 13
Introdução
O tema deste trabalho de projecto está inserido no âmbito da actividade profissional de
um Responsável de Produção de uma indústria conserveira, em particular sobre o caso
da Cofaco Açores, Fábricas da Madalena e Horta.
À semelhança de muitas das indústrias alimentares, a indústria conserveira pode-se
caracterizar ao nível do planeamento da produção como “imprevisível” dadas a grande
influência da matéria-prima. Desta forma, desde sempre se assumiu um factor de sorte e
intuição como inerente ao dia-a-dia desta indústria.
Neste projecto pretende-se estudar e implementar modelos de planeamento de produção
novos e ou complementares ao existente, que auxiliem a tomada de decisão, reduzam a
variabilidade de processo (reduzindo-se assim o gut feeling assumido) e melhorem os
indicadores de processo e de rentabilidade das fábricas.
De referir que actualmente o planeamento do processo de produção segue uma
metodologia MRP (Material Requirement Plannin;, Heizer e Render, 2006), com base
em factores de produção e de rendimento previamente definidos em orçamento anual.
Centralmente, a Direcção Industrial e de Logística juntamente com o Departamento
Comercial, elaboram o plano agregado de vendas (sendo enviado mensalmente para as
fábricas o plano de produção mensal), realizam a gestão de inventário, e o planeamento
de capacidade a médio-longo prazo (3 a 5 anos) junto da Administração. Cabe às
Fábricas a desagregação do plano mensal em ordens diárias de produção, de forma a
satisfazer as quantidades pedidas no final do mês. Neste modelo, assume-se que os
factores de rendimento incluem as incertezas e quebras de processo.
Luís Cordovil 1/17

Análise Crítica
No decorrer da pesquisa bibliográfica realizada no âmbito do trabalho de projecto
proposto, o artigo de Mula, J. et al. (2006) sendo um artigo de revisão bibliográfica
permite observar de forma abrangente e condensada a produção científica relevante para
o tema em estudo. Assim, constitui-se como ponto de partida para os modelos de
planeamento de produção que se pretendem avaliar e implementar.
No artigo em apreciação, são classificadas genericamente as fontes de incerteza em dois
grandes grupos:
• Sistémica – a incerteza intrínseca ao processo produtivo, incluem-se nesta
categoria as incertezas devido a:
o Rendimentos de processo,
o Produtividades,
o Tempos de processamento (Lead Times),
o Qualidade,
o Disponibilidade de equipamentos,
o Modificações de estrutura de produção
• Ambiental – incluem-se nesta categoria, por oposição à anterior, as incertezas
exteriores ao processo produtivo, tais como:
o Procura
o Abastecimento
o Absentismo
Os autores apresentam também a seguinte classificação dos modelos de planeamento de
produção e categorias de planeamento de produção (ver Tabela 1):
Luís Cordovil 2/17

Tabela 1: Modelos de Previsão e Categorias de Planeamento de Produção (adaptado de Mula, J. et
al., 2006)
Modelos de previsão Categorias de planeamento de produção
• Conceptuais • Planeamento agregado
• Planeamento hierarquizado
• Analíticos • Material Requirement Planning
• Planeamento de capacidade
• Simuladores • Manufacturing Resource Planning
• Gestão de inventário
• Inteligência Artificial • Planeamento da cadeia de abastecimento
Para o trabalho de projecto em estudo, e dados os meios disponíveis, apenas iremos
analisar os modelos de previsão conceptuais, analíticos e por simulação por serem de
mais fácil computação e aplicabilidade. Os modelos de previsão utilizando inteligência
artificial exigem na sua maioria a utilização de pacotes de software específico de que
não dispomos. Por outro lado, no corrente estádio de trabalho, os inputs necessários
para a execução desses modelos ainda não se encontram compilados nem validados em
toda a sua extensão. Deste modo, observa-se uma evolução lógica dos primeiros
modelos de previsão para os de inteligência artificial, ficando em aberto a sua
aplicabilidade num futuro próximo.
Quanto às categorias de planeamento de produção, não serão abordadas as seguintes:
planeamento da cadeia de abastecimento, gestão de inventário, planeamento de
capacidade; dado que esses níveis de planeamento não se enquadram no âmbito do
trabalho de projecto proposto (sendo as mesmas realizadas Direcção Logística e
Industrial, e não ao nível das Fábricas como anteriormente foi referido).
Segue-se então um resumo dos modelos e categorias por autor revistos por Mula et al.
(2006), que foram considerados relevantes para o trabalho de projecto proposto e que
serão utilizados para posteriores pesquisas bibliográficas.
Luís Cordovil 3/17

1 Modelos Conceptuais
1.1 Material Requirement Planning
Este tipo de modelos utiliza o conceito de factor de rendimento (yield factor) para
incorporar as incertezas sistémicas. Este factor composto relaciona as quantidades
necessárias de um dado input para se produzir uma quantidade determinada de um
output. O factor de rendimento composto é assim função dos factores de produção nas
diferentes fases de produção.
Hegseth (1984) considera um processo de produção em série com incertezas, usa então
uma formulação determinística que impõe factores de produção nas diferentes etapas
das operações. A lista de materiais (bill of materials) é ajustada usando esses factores de
rendimento e o MRP é executado em acordância.
New e Mapes (1984) também abordam o processo por incertezas em sistemas com
grande variabilidade e grandes perdas propõem um modelo que relacione as quantidades
de input e output com factores de rendimento aleatórios, recorrendo a stocks de
segurança, tempos de segurança e hedging para cobrir essas perdas.
Murthy e Ma (191) estudam a abordagem de sobre planeamento. Nesta, mais produção
é realizada do que a exigida pelo Master Production Schedule, satisfazendo assim
possíveis excessos da procura. Esta abordagem apresenta como senão os aumentos de
custo de inventário.
Donselaar (1992) introduz o conceito LRP (line requirement planning) para a
coordenação de material em ambiente estocástico. Este conceito tem por base a
transferência do pedido do cliente directamente nas linhas de produção – não se
observando distorções na procura na fase final.
Hatchuel et al. (1997) desenvolveram um modelo adequado para as indústrias com
elevados tempos de produção e tempos de entrega incertos. O DAA (dynamic
antecipation approach) é baseado numa decomposição clássica em duas etapas do
Luís Cordovil 4/17

processo de planeamento e calendarização: o planeamento utiliza numa abordagem
combinada PERT/MRP e os processos ao nível de Job shop regras de calendarização
dinâmicas.
Bertrand e Rutten (1999) abordam a flexibilidade de processo como fonte para lidar
com as incertezas na procura e na oferta.
2 Modelos analíticos
Dantzig (1995) o pai da programação linear é também um dos primeiros autores a
incorporar a incerteza nos seus modelos matemáticos.
2.1 Planeamento Hierarquizado da Produção

Gfrerer e Zäpfel (1995) apresentam um modelo de planeamento de produção multi-
período hierarquizado com dois níveis de planeamento: o agregado e o detalhado, com
incerteza na procura.
Meybodi e Foote (1995) desenvolveram um modelo de planeamento de produção multi-
período hierarquizado com procura aleatória e falhas de produção.

Büchel (1983) considera um procedimento de produção baseado em rácios estocásticos
de uso (razão entre a procura específica de um determinado produto sobre a procura de
todos os produtos finais). Estes rácios podem ser utilizados para reduzir a incerteza na
procura em programas MRP: pequenos rácios e ou poucos pedidos de encomendas,
causam consideráveis variações na procura e requerem um nível de inventário de
segurança maior.
Burstein et al. (1984) consideram um processo de produção multi-estágio em série com
procura definida mas incerteza nas datas de entrega. Os autores propõem uma
abordagem de loteamento dinâmico baseado numa programação estocástica dinâmica.
Luís Cordovil 5/17

Wacker (1985) desenvolve um modelo estatístico que estima a média e a variância dos
outputs dos produtos finais e componentes devido a incertezas. O autor utiliza a
abordagem de existências de segurança, apesar de num ambiente make-to-order estes
não aliviarem a incerteza na procura. O modelo utiliza um “erro padrão de previsão”
para os componentes como um estimador das existências de segurança. O autor
implicitamente refere que os sistemas de MRP não deverão implicar sofisticadas
medidas de controlo para monitorizar incertezas ambientais e sistémicas mas que as
deverão incorporar no sistema MRP.
Wijngaard e Wortmann (1985) estudam diferentes abordagens ao MRP com incertezas
estocásticas. Os autores consideram um processo de produção multi-estágio com fases
convergentes e divergentes. Eles consideram três formas de gerar tampões ao longo dos
estágios: “existências de segurança, tempos de segurança e hedging.
Escudero e Kamesan (1993), usando diferentes cenários para diferentes níveis de
incerteza na procura, obtêm um modelo de programação estocástica multi-estágio,
multi-período para um ambiente de produção em rede.
2.3 Manufacturing Resource Planning

Billing et al. (1983) estudam a interacção entre os tempos de entrega, dimensionamento
de lotes e constrições de capacidade num processo de produção com complexas listas de
materiais e incerteza nos tempos de entrega e procura. Os autores propõem um
programa linear de integrais mistos, i.e., o modelo calcula os tempos de entrega
necessários com base na procura, capacidade disponível, enquanto se reduzem as
existências WIP (work in progress). O esforço computacional exigido para obter
soluções depende do tamanho do modelo e pode ser aliviado comprimindo a lista de
matérias (por exemplo: agregando componentes).
Escudero et al. (1993) analisam diferentes abordagens de planeamento de produção e
capacidade utilizando programação estocástica.
Luís Cordovil 6/17

Escudero e Kamesan (1995) desenvolvem um modelo de programação linear para
problemas estocásticos de planeamento e a metodologia para os resolver, utilizando
incerteza na procura caracterizada por cenários teste.
Kira et al. (1997) propõem uma abordagem hierarquizada ao problema de programação
da produção multi-estágio e multi-produto com um conjunto finito de procuras através
da programação linear estocástica.
Rota et al. (1997) apresentam um modelo de programação linear integral misto para
abordar a natureza complexa e incerta dos ambientes de produção, propondo constrições
de capacidade, pedidos de encomendas, previsões de procura, e decisões de
fornecimento e subcontratação num ambiente a curto-prazo do processo de
planeamento.
Grubbström (1999 a, b) e Tang (1999) providenciam uma revisão sobre os
desenvolvimentos teóricos de MRP / MRP II utilizando uma análise combinada de
inputs-outputs e transformação de Laplace. Baseado nessa abordagem, determina o
nível óptimo de existências de segurança num MRP Multi-estágio com necessidades de
capacidade quando a procura é estocástica. O objectivo é maximizar o NPV (net present
value) do cash-flow associado à produção e à procura. Também adaptaram o modelo
para o caso da procura apresentar uma distribuição gama.
3 Modelos de simulação
3.1 Planeamento agregado
Thompson e Davis (1990) apresentam uma abordagem integrada às incertezas presentes
no plano agregado de produção, através de um modelo de programação linear no qual as
incertezas nos custos, capacidades de processo, tempos de entrega e procura são
modelados usando técnicas de simulação de Monte Carlo.
Luís Cordovil 7/17

Callarman e Hamrin (1983) comparam as seguintes regras dinâmicas: Economic Order
Quantity (EOQ), Wagner-Whithin e Part-Period Balancing (PPB) para determinar os
tamanhos dos lotes de produção de artigos com procura independente em sistemas MRP
de estádio único, concluindo que a PPB era que permitia a melhor solução nas
condições referidas.
De Bodt e Wassenhove (1983) estudam a tomada de decisão sobre o tamanho dos lotes,
existências de segurança e o efeito dos custos num ambiente MRP de estádio único com
incerteza na procura e num horizonte a curto prazo, demonstrando que os erros de
previsão têm um importante efeito nos custos relativos das decisões anteriormente
referidas.
Grasso e Taylor (1984) examinam o impacto de diferentes políticas de operações em
sistemas MRP com incerteza nos tempos de entrega, e o impacto no custo total da
variação de quatro factores: tempos de entrega, existências de segurança, tempos de
entrega de segurança e regras de dimensionamento de lotes.
Marlin (1986) desenvolve um modelo estocástico de simulação para um sistema MRP /
job-shop, utilizando SIMSCRIPT II.5. Este modelo fecha o circuito entre as ordens de
produção elaboradas via MRP e a sua execução para uma linha de produção e
fornecedores externos. O modelo simula dois tipos de incerteza na procura: quantidade
(utilizando a abordagem de Hegseth, 1984) e prazos de entrega.
Carlson e Yano (1986) investigam sistemas MRP a curto prazo com incerteza na
procura, assumindo que os erros de previsão apresentam uma distribuição normal.
Desenvolvem um método heurístico e demonstram que existe um incremento
significativo no custo do dimensionamento dos lotes devido à existência de produções
precipitadas, e que por esse motivo as existências de segurança ao nível dos
componentes são uma forma eficaz para reduzir esse custo.
Luís Cordovil 8/17

Kurtulus e Pentico (1988) extendem a abordagem de factor de rendimento de Hegseth
(1984) através de simulações em ambiente MRP.
Kadipasaoglu e Sridharan (1997) desenvolvem modelos de simulação para estudar a
instabilidade de sistemas MRP. O objectivo dessas experiências é analisar o impacto
nos parâmetros de processo (e.g. tamanho do lote, capacidade utilizada, etc.) na
execução do MRP em ambientes com incerteza. Uma das abordagens propostas para
resolver este problema é congelando determinados períodos do MPS (Master
Production Schedule). Xie et al. (2003) também investiga a performance do MPS
congelando alguns parâmetros num sistema multi-item de um nível com apenas uma
constrição de matéria-prima em ambiente de procura incerta.
3.3 Manufacturing Resource Planning

Huang et al. (1982) desenvolvem um modelo de simulação para incorporar a lógica
básica de um MRP num processo de produção utilizando uma simulação Q-GERT e
uma linguagem de modelagem em rede, com o objectivo de fornecer a informação
necessária para o planeamento da capacidade e do material, assim como para controlo
do processo de produção com incerteza.
Luís Cordovil 9/17

Conclusão
Mula et al (2006) apresentam-nos um artigo de revisão sucinto e conciso sobre os
modelos de planeamento de produção com incerteza (ver Tabela 2a e 2b), confirmando-
se assim a escolha deste artigo como ponto de partida para a revisão bibliográfica para o
trabalho de projecto.
Os modelos analíticos, e em particular de programação estocástica, foram os que os
autores mais frequentemente encontraram; sendo que na sua maioria, estes modelos
apenas abordavam um tipo de incerteza e assumiam uma estrutura simples do processo
de produção. Os autores referem que para processos mais complexos, diferentes
produtos finais e mais do que um tipo de incerteza a abordagem analítica é substituída
por metodologias baseadas em inteligência artificial e simuladores, realçando-se assim a
necessidade anteriormente detectada de se estabilizar o modelo actual de planeamento
de produção antes de se adoptar esse tipo de modelos.
De entre as necessidades de investigação detectadas pelos autores, o trabalho de
projecto proposto irá abordar as seguintes: (1) a necessidade para desenvolver modelos
que contenham fontes e tipos de incertezas adicionais, tais como tempos de entrega dos
fornecedores, tempos de transporte, incerteza da qualidade, falhas do sistema de
produção, mudanças na estrutura produtiva, etc.; (2) desenvolvimento de trabalhos
empíricos que comparem as diferentes abordagens de planeamento de produção com
casos reais de estudo; (3) desenvolvimento de uma avaliação comparativa dos modelos
existentes para as diferentes indústrias manufactureiras.
Luís Cordovil 10/17

Tabela 2a: Quadro resumo dos vários modelos apresentados, por autor, incerteza, categoria de planeamento e abordagem utilizada (adaptado de Mula et al., 2006)
Modelo Autores Incerteza Categoria de Abordagem

planeamento
Hegseth (1984) FR Factor de rendimento composto
Requirement
New e Mapes (1984) FR Existências de segurança, factor de rendimento
Conceptuais
Planning
Material
Murthy e Ma (1991) FR Sobre planeamento
Donselaar et al. (2000) P Line Requirement Planning (LRP)
Hatchuel et al (1997) TE Dynamic Anticipate approach (DAA) baseada em integração MRP /
PERT e sequenciamento de regras dinâmicas
Bertrand e Rutten (1999) A Flexibilidade de processo
Gfrerer e Zäpfel (1995) P Planeamento Processos hierarquizados
Meybodi e Foote (1995) P, S Hierarquizado Programação multi-objectivos
da Produção
Büchel (1983) A Estatística, utilização de “rácios estocásticos de uso”
Requirement
Burstein et al. (1984) A Programação estocástica dinâmica
Planning
Material
Wacker (1985) A, S Estatística, existências de segurança
Analíticos
Wijngaard e Wortmann A, FR Existências de segurança, tempos de segurança, hedging

(1985)
Escudero e Kamesan (1993) P Programação estocástica
Billington et al. (1983) A, S Programação linear de integrais mistos
Manufacturing
Escudero et al.(1993) P Programação estocástica

Resource
Planning
Kira et al.(1997) P Programação estocástica
Rota et al.(1997) A Programação linear de integrais mistos
Grubbström (1999 a,b) e P Transformações de Laplace e análise de outputs-inputs
Tang (1999)
Legenda das fontes de incerteza: P – procura, A – ambiental, S – sistémica, TE – tempos de entrega, FR – factores de rendimento

Tabela 3b: Quadro resumo dos vários modelos apresentados, por autor, incerteza, categoria de planeamento e abordagem utilizada (adaptado de Mula et al., 2006)
Modelo Autores Incerteza Categoria de Abordagem

planeamento
Thompson e Davis (1990) P, S Planeamento Programação linear utilizando incerteza modelada usando técnicas de
et al. (1993) agregado Monte Carlo
Callarman e Hamrin (1983) P Distribuições de probabilidade, dimensionamento de lotes
Material Requiremente Planning

De Boot e Wassenhove A Existências de segurança
(1983)
Grasso e Taylor (1984) S Existências de segurança, tempos de entrega de segurança
Marlin (1986) A, FR Factores de rendimento, existências de segurança
Simulador
Carlson e Yano (1986) A Métodos heurísticos, existências de segurança

Kurtulus e Pentico (1988) FR Factores de rendimento
Anderson e Lagodimos A Expressões analíticas, existências de segurança
(1989)
Kadipasaoglu e Sridharan A Congelamento de parâmetros
(1997)
Xie et al. (2003) P Congelamento de parâmetros
Huang et al. (1985) A, FR Manufacturing Modelação de redes usando Q-GERT
Resource
Planning
Legenda das fontes de incerteza: P – procura, A – ambiental, S – sistémica, TE – tempos de entrega, FR – factores de rendimento

Bibliografia
• Mula, J., Poler, R., García-Sabater, J.P., Lario, F.C. (2006) – Models for
production planning under uncertainty: A review, Internacional Journal of
Production Economics, vol. 103, pp 271-285
• Heizer, J., Render, B. (2006) – Operations Management, Pearson Prenctice Hall,
8th Edition, New Jersey, pp 518-586
1 Referências para análise posterior (in Mula et al., 2006):

• Anderson, E.J., Lagodimos, A.G. (1989) – Service levels in single-stage MRP
systems with demand uncertainty, Engineering Costs and Production Economics,
vol 17, pp 125-133
• Bertrand, J.W.M., Rutten, W.G.M.M. (1999) – Evaluation of three production
planning procedures for the use of recipe flexibility, European Journal of
Operational Research, vol 115, pp 179-194
• Büchel, A. (1983) – Stochastic material requirements planning for optional
parts, International Journal of Production Research, vol 21, pp 511-527
• Burstein, M.C., Nevision, C.H., Carlson, R.C. (1984) – Dynamic lot-sizing when
demand timing is uncertain, Operations Research, vol 32, pp 362-379
• Callarman, T.E., Hamrin, R.S. (1983) – A comparison of dynamic lot-sizing
rules for use in a single stage MRP system with demand uncertainty,
International Journal of Operations an Production Management, vol 4, pp 39-48
• Carlson, R.C., Yano, C.A. (1986) – Safety stocks in a MRP systems with
emergency setups for components, Management Science, vol 32, pp 403-412

• Danzig, G.B. (195) – Linear programming under uncertainty, Management
Science, vol 1, pp 197-206
• De Bodt, M.A., Wassenhove, L.N., (1983) – Cost increases due to uncertainty
in MRP lot sizing, Decision Science, vol 14, pp 345-362
• Donselaar, K.V. (1992) – The use of MRP and LRP in a stochastic environment,
Production Planning and Control, vol 3, pp 239-246
• Donselaar, K.V., Nieuwenhof, J.V., Visschers, J. (2000) – The impact of
material coordination concepts on planning stability in supply chains,
International Journal of Production Economics, vol 68, pp169-176
• Escudero, L.F., Kamesan, P.V. (1993) – MRP modelling via scenarios, in
Ciriani, T.A., Leachman, R.C. (Eds) Optimization in Industry, Wiley, New
York, pp 101-111
• Escudero, L.F., Kamesan, P.V., King, A.J., Wets, R.J.B. (1993) – Production
planning via scenario modelling, Annals of Operations Research, vol 43, pp
311-335
• Gfrerer, H., Zäpfel, G. (1995) – Hierarchical model for production planning in
the case of uncertain demand, European Journal of Operational Research, vol
86, pp 142-161
• Giannoccaro, E.T. Pontrandolfo, P. (2001) – Models for production planning in
the case of uncertain demand, Proceedings of the Production and Operations
Management 2001, Conference POMS mastery in the new millennium, Orlando,
Florida, USA
• Grasso, E.T., Taylor, B.W. (1984) – A simulation-based experimental
investigation of supply/timing uncertainty in MRP systems, International Journal
of Production Research, vol 22, pp 485-497

• Grubbström, R.W. (1999a) – New developments within MRP theory, Second
International Aegean Workshop on the Analysis an Modelling of Manufacturing
Systems
• Grubbström, R.W. (1999b) – A net present value to approach to safety stocks in
a multi-level MRP system, International Journal of Production Economics, vol
59, pp 361-375
• Grubbström, R.W., Tang, O. (1999) – Further developments on safety stocks in
a MRP system applying Laplace transforms and input-output analysis,
International Journal of Production Economics, vol 60-61, pp381-387
• Hatchuel, A., Saidi-Kabeche, D. Sardas, J.C. (1997) – Towards a new planning
and scheduling approach for multistage production systems, International
Journal of Production Research, vol 35, pp 867-886
• Hegseth, M.A. (1984) – The challenge of operation yield, Production and
Inventory Management, vol 25, pp 4-10
• Huang, P.Y., Clayton, E.R., Moore, L.J, (1992) – Analysis of material and
capacity requirements with Q-GERT, International Journal of Production
Research, vol 20, pp 701-713
• Kadipasaoglu, S.N., Sridharan, V. (1997) – Measurement of instability in multi-
level MRP systems, International Journal of Production Research, vol 35, pp
713-737
• Kira, D., Kusy, M., Rakita, I. (19979 – A stochastic linear programming
approach to hierarchical production planning, Journal of the OR Society, vol
48, pp 207-211
• Kurtulus, I, Pentico, d.W. (1988) – Material requirement planning when there is
scrap loss, Production and Inventory Management, vol 29, pp18-21

• Marlin, P.G. (1986) – A MRP / job shop stochastic simulation model, in Lev, B.
(Ed) Production Management: Methods and Studies, North Holland,
Amesterdam, pp163-172
• Meybodi, M., Foote, B. (1995) – Hierarchical production planning and
scheduling with random demand and production failure, Annals of Operations
Research, vol 59, pp259-280
• Murthy, D.N.P., Ma, L. (1991) – MRP with uncertainty: A review and some
extensions, International Journal of Production Economics, vol 25, pp 51-64
• New, C., Mapes, J. (1984) – MRP with high uncertainty yield losses, Journal of
Operations Management, vol 4, pp 315-330
• Rota, K., Thierry, c., Bel, G. (1997) – Capacity-constrained MRP system: a
mathematical programming model integrating firm orders, forecasts and
suppliers, Départment d’Automatique, Université Toulouse II Le Mirail
• Thompson, S.D., Davis, W.J. (1990) – An integrated approach for modelling
uncertainty in aggregate production planning, IEEE Transactions on Systems,
Man and Cybernetics, vol 20, pp 1000-1012
• Thompson, S.D., Watanabe, D.T., Davis, W.J., (1993) – A comparative study of
aggregate production planning strategies under conditions of uncertainty and
cyclic product demands, International Journal of Production Research, vol 31,
pp 1957-1979
• Wacker, J.G. (1985) – A theory of material requirements planning (MRP): an
empirical methodology to reduce uncertainty in MRP systems, International
Journal of Production Research, vol 133, pp 521-536
• Wijngaard, J., Wortmann, J.C. (1985) – MRP and inventories, European Journal
of Operations Research, vol 20, pp 281-293

• Xie, J., Zhao, X., Lee, T.S. (2003) – Freezing the master production schedule
under single resource constraint and demand uncertainty, International Journal
of Production Economics, vol 83, pp 65-84

Seminário 3º Semestre - Luís Cordovil - MGEI 2008-2009

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Seminário 3º Semestre - Luís Cordovil - MGEI 2008-2009

Enviado por

Direitos autorais:

Formatos disponíveis

Cadeira de Seminário

Nome: Luís Cary de Velho Cabral Cordovil

Tema do Trabalho de Projecto: Modelos de previsão para a programação da produção

numa indústria conserveira – Cofaco Açores – Fábrica da Madalena e Horta

production planning under uncertainty: A review, Internacional Journal of Production

Economics, vol. 103, (2006), pp 271-285

Análise Crítica .................................................................................................................. 2

1 Modelos Conceptuais ........................................................................................... 4

1.1 Material Requirement Planning.................................................................... 4

2.1 Planeamento Hierarquizado da Produção..................................................... 5

2.2 Material Requirement Planning.................................................................... 5

2.3 Manufacturing Resource Planning ............................................................... 6

3 Modelos de simulação .......................................................................................... 7

3.1 Planeamento agregado.................................................................................. 7

3.2 Material Requirement Planning.................................................................... 8

3.3 Manufacturing Resource Planning ............................................................... 9

um Responsável de Produção de uma indústria conserveira, em particular sobre o caso

da Cofaco Açores, Fábricas da Madalena e Horta.

À semelhança de muitas das indústrias alimentares, a indústria conserveira pode-se

caracterizar ao nível do planeamento da produção como “imprevisível” dadas a grande

influência da matéria-prima. Desta forma, desde sempre se assumiu um factor de sorte e

intuição como inerente ao dia-a-dia desta indústria.

Neste projecto pretende-se estudar e implementar modelos de planeamento de produção

novos e ou complementares ao existente, que auxiliem a tomada de decisão, reduzam a

variabilidade de processo (reduzindo-se assim o gut feeling assumido) e melhorem os

indicadores de processo e de rentabilidade das fábricas.

De referir que actualmente o planeamento do processo de produção segue uma

em factores de produção e de rendimento previamente definidos em orçamento anual.

Centralmente, a Direcção Industrial e de Logística juntamente com o Departamento

Comercial, elaboram o plano agregado de vendas (sendo enviado mensalmente para as

fábricas o plano de produção mensal), realizam a gestão de inventário, e o planeamento

de capacidade a médio-longo prazo (3 a 5 anos) junto da Administração. Cabe às

Fábricas a desagregação do plano mensal em ordens diárias de produção, de forma a

satisfazer as quantidades pedidas no final do mês. Neste modelo, assume-se que os

factores de rendimento incluem as incertezas e quebras de processo.

Luís Cordovil 1/17

proposto, o artigo de Mula, J. et al. (2006) sendo um artigo de revisão bibliográfica

permite observar de forma abrangente e condensada a produção científica relevante para

o tema em estudo. Assim, constitui-se como ponto de partida para os modelos de

planeamento de produção que se pretendem avaliar e implementar.

No artigo em apreciação, são classificadas genericamente as fontes de incerteza em dois

• Sistémica – a incerteza intrínseca ao processo produtivo, incluem-se nesta

categoria as incertezas devido a:

o Tempos de processamento (Lead Times),

o Modificações de estrutura de produção

• Ambiental – incluem-se nesta categoria, por oposição à anterior, as incertezas

exteriores ao processo produtivo, tais como:

Os autores apresentam também a seguinte classificação dos modelos de planeamento de

produção e categorias de planeamento de produção (ver Tabela 1):

Luís Cordovil 2/17

Para o trabalho de projecto em estudo, e dados os meios disponíveis, apenas iremos

analisar os modelos de previsão conceptuais, analíticos e por simulação por serem de

mais fácil computação e aplicabilidade. Os modelos de previsão utilizando inteligência

artificial exigem na sua maioria a utilização de pacotes de software específico de que

modelos de previsão para os de inteligência artificial, ficando em aberto a sua

aplicabilidade num futuro próximo.

Quanto às categorias de planeamento de produção, não serão abordadas as seguintes:

planeamento da cadeia de abastecimento, gestão de inventário, planeamento de

capacidade; dado que esses níveis de planeamento não se enquadram no âmbito do

trabalho de projecto proposto (sendo as mesmas realizadas Direcção Logística e

Industrial, e não ao nível das Fábricas como anteriormente foi referido).

serão utilizados para posteriores pesquisas bibliográficas.

Luís Cordovil 3/17