INVESTIGAÇÃO DE MÉTODOS E FERRAMENTAS DE PROJETO

ESPECÍFICAS A FERRAMENTARIAS ESPECIALIZADAS EM MOLDES E

MATRIZES NA LITERATURA

Thomas S. Ribeiro

RESUMO

Neste trabalho são levantadas publicações na literatura que propõem diferentes

métodos e ferramentas para resolução de problemas específicos do projeto e planejamento
da produção em empresas de fabricação de moldes e matrizes. Estas empresas, como
outras aderentes a uma produção Make-to-Order, precisam lidar com um fluxo de projeto
e produção extremamente dinâmico devido ao caráter único de cada produto fabricado,
que invariavelmente é dependente das especificações do cliente.

O problema dos atrasos de entrega, identificado como um dos maiores desafios de

indústrias Make-to-Order, é consequência de um lead time de produção difícil de prever
em conjunto com um sequenciamento de processos complexo na fabricação do produto,
o que faz com que o planejamento da produção seja demorado e difícil. Ferramentas para
o auxílio no planejamento e nas tomadas de decisão em indústrias de moldes e matrizes
são propostas e discutidas.

Palavras-chave: MTO; Planejamento; Moldes e Matrizes; Métodos e Ferramentas de

Projeto.

1. INTRODUÇÃO

No cenário atual, as ferramentas e metodologias voltadas para projetos de produtos

são amplamente difundidas em diversos segmentos. O panorama industrial é cada vez
mais competitivo, e não evoluir é ficar para trás, e o caminho da evolução é, muitas vezes,
a adaptação de metodologias gerais para segmentos cada vez mais específicos, de forma
que cada empresa utilize as ferramentas ótimas para as suas necessidades. E um segmento
com necessidades e particularidades bastante específicas e diferenciadas, é a indústria de
moldes e matrizes.
 No panorama industrial atual, o processo de injeção de alumínio está cada vez melhor
situado por oferecer peças que atendem requerimentos dimensionais altos com uma alta
produtividade. Isso é particularmente verdade para setores, como o automobilístico, cujo
desafio de reduzir a massa dos componentes e ainda assim manter boa resistência é de
crescente importância (KOUKI et al., 2020).

Enquanto essa situação constitui definitivamente uma oportunidade para a

prosperidade de ferramentarias especializadas em moldes e matrizes, também é sinal de
uma competitividade crescente, em que os métodos e processos precisam ser cada vez
mais otimizados para atender à crescente demanda dentro dos prazos estabelecidos.

Ferramentarias especializadas em moldes e matrizes, além de lidarem com produtos

de alta complexidade, também são um caso especial no qual, via de regra, cada projeto é
único, o que às confere a classificação de empresas aderentes a uma produção Make-to-
Order (MTO). Como cada projeto é diferente, é impossível de manter um estoque de
produtos prontos para entregar ao consumidor a qualquer momento, e isso traz alguns
desafios únicos para essas empresas, os quais não são tão proeminentes em produções
Make-to-Stock (MTS).

Com uma revisão da literatura, identifica-se como os principais desafios específicos

a empresas MTO: programação da produção, prazos de entrega, e controle do sistema de
produção. Este trabalho se propõe a rever obras pertinentes a esses dois desafios aplicados
à indústria de moldes, bem como algumas outras considerações relevantes, mesmo que
advindas de artigos cujos assuntos não são diretamente relacionados à indústria de moldes
e matrizes.

Este trabalho será estruturado da seguinte maneira: na Seção 2, se fará uma revisão
da literatura, com explicações de artigos pertinentes ao tema de otimização de métodos e
processos em empresas MTO, atacando os problemas de programação da produção,
definição de prazos e controle do sistema de produção; na Seção 3, comentar-se-á sobre
o tema, tentando integrar os conceitos apresentados quando possível; por fim, na Seção 4
será feita uma breve conclusão sobre o que traz de pertinente esta investigação sobre o
tema proposto.
2. REVISÃO DA LITERATURA
2.1. Programação da Produção

Na manufatura MTO, as empresas precisam lidar com diversos projetos e encaixá-los

em várias máquinas da fábrica para conseguir alcançar o prazo desejado. Nessas
circunstâncias, o planejamento da produção se torna um importante processo para evitar
atrasos e se certificar que a programação foi planejada com base nos complicados
processos envolvidos.

Choy et al (2011) reconhece em ser artigo os diversos fatores que tornam a

programação da manufatura de moldes ainda mais complexa que em outros tipos de
produção MTO. O autor cita a possibilidade de utilizar diferentes sequenciamento de
processos nesse tipo de indústria, adicionando um grau de complexidade na otimização,
já que mudanças na ordem dos processos, quando levando em consideração outros
produtos sendo concorrentemente fabricados, podem reduzir o tempo de produção e
diminuir significativamente o tempo de ociosidade das máquinas.

O fato de que as especificações de cada molde são geralmente únicas, leva à

necessidade de reconfiguração das máquinas utilizadas para atender essas
particularidades de projeto. Se a programação não é bem planejada, mais tempo é
consumido na calibração da máquina em preparação para o processo. (CHOY et al., 2011)

Um terceiro fator é a necessidade das empresas de moldes e matrizes de cooperar com

diversos parceiros comerciais e subcontratados para atender a demanda em períodos de
pico. Precisar acomodar as necessidades de parceiros frequentemente pode levar a
grandes consumos de tempo com reagendamentos (CHOY et al., 2011)

Por fim, o custo do material também é um fator crítico que deve ser levado em
consideração, já que os altos requerimentos termomecânicos exigidos das cavidades
elevam muito o preço do material, e um plano de produção pobre pode levar a um
aumento significativo de material descartado (CHOY et al., 2011)

A Figura 1, adaptada de Choy et al (2011), resume os fatores citados, os quais os

autores se propõem a remediar através do uso de um modelo de suporte de decisão híbrido
para programações na indústria de moldes e matrizes.
 Figura 1 – Situação descrita do planejamento de manufatura de moldes.

Fonte: Adaptado de Choy et al. (2011)

Levando em consideração as consequências da produção mal planejada, o autor

sugere o uso conjunto de dois módulos de suporte de decisão:

• O primeiro chamado Scheduling Module, um algoritmo genético de

otimização focado em encontrar a ordem de operações fabris com menor
tempo de produção, considerando a quantidade de projetos simultâneos, as
mudanças de processo disponíveis, as operações que precisam ser realizadas,
o número de máquinas disponíveis... Este módulo tende a achar o menor
tempo de produção em que todos os processos possam ser terminados, dentro
de restrições impostas (CHOY et al., 2011).
• O segundo módulo é o Optimisation Module. O Scheduling Module sozinho
frequentemente chega em soluções que não atendem os prazos de todos os
produtos, por isso se faz necessário um algoritmo que sugira cursos de ação
para minimizar, ou potencialmente eliminar, atrasos de entrega. O módulo irá
sugerir a necessidade de horas-extra para entregar os produtos no tempo
acordado ou, quando a capacidade da fábrica não comporta esta opção, o uso
de terceirizados. Caso nenhuma das opções seja possível, atraso na entrega
pode ser a única opção. A solução é encontrada baseada nos custos de atrasos,
 de horas extras, de parcerias e de terceirizações para chegar na opção com um
custo otimizado (CHOY et al., 2011).

Caso parte da produção seja terceirizada após o uso do módulo de otimização, se faz
necessário um novo uso do módulo de programação para levar em conta a nova
quantidade de trabalho. Esse processo se repete até todos os trabalhos estarem dentro dos
prazos (CHOY et al., 2011).

Choy et al (2011) simula uma situação em que 10 produtos diferentes são produzidos
em uma fábrica, cada um com 8 a 12 operações processadas em 9 grupos de máquinas.
Comparou-se o uso do método proposto com uma programação manual, e chegou-se a
menor tempo de planejamento e mais produtos dentro do prazo com o uso do método
híbrido.

Outros autores, como Caballero-Villalobos et al. (2013), também propõem o uso de

algoritmos genéticos para a minimização dos atrasos, porém utiliza Redes de Petri para o
mapeamento dos processos, como mostra a Figura 2 retirada de seu artigo. A figura
representa o modelamento de dois trabalhos e duas máquinas em redes de Petri. A Tabela
1, adaptada do artigo, descreve cada posição da Figura 2.

Figura 2 – Exemplo de rede de Petri para dois trabalhos e duas máquinas

Fonte: Caballero-Villalobos et al. (2013)

Tabela 1 – Descrição explicando rede de Petri da Figura 2.

Lugar Significado Lugar Significado
p1 Trabalho 1 está disponível p6 Trabalho 2 está disponível
p2 Trabalho 1 está sendo processado na p7 Trabalho 2 está sendo processado
máquina 1 na máquina 1
 p3 Trabalho 1 está esperando para ser p8 Trabalho 2 está esperando para
processado na máquina 2 ser processado na máquina 2
p4 Trabalho 1 está sendo processado na p9 Trabalho 2 está sendo processado
máquina 2 na máquina 2
p5 Trabalho 1 terminou p10 Trabalho 2 terminou
m1 Máquina 1 está disponível m2 Máquina 2 está disponível
Fonte: Adaptado de Caballero-Villalobos et al. (2013)

O uso de Redes de Petri auxilia no modelamento do problema, enquanto o método de

resolução é similar ao de Choy et al (2011), no sentido do uso de algoritmos genéticos
para a geração aleatória de as, seleção dos mais adaptados para o problema e mistura dos
selecionados, até o alcance de um conjunto de soluções que atendam os requisitos.

Jong e Lai (2014) também, em seu artigo, utilizaram algoritmos genéticos para
otimizar a programação da produção, mas adicionam o diferencial de uma plataforma
para o processo de navegação da manufatura de moldes e matrizes. A plataforma é
construída utilizando three-tiers architecture, comumente utilizada em sistemas e-
comerce. Ela trabalha com três camadas, conforme esboçado na Figura 3, retirada do
artigo de Jong e Lai (2014). A camada de dados é utilizada somente para acesso e
armazenamento de dados. A camada do cliente, primariamente acessada por browser, é
responsável por receber os dados de entrada dos clientes e apresentar os resultados. A
camada de lógica de negócios é a ponte entre ambos, e é responsável pelos algoritmos
lógicos, pelo processamento de dados e pelo servidor web.

Figura 3 – Diagrama explicativo de arquitetura de três níveis.

Fonte: Jong e Lai (2014)

 No artigo em questão, a plataforma foi construída dentro do software CAD
Pro/ENGINEER, possibilitando a integração suave entre gestão de projetos, design de
navegação e gestão de conhecimento. Segundo os autores, uma base de dados com
informações sobre moldes é criada, automaticamente capturando informações necessárias
para o processamento de cada parte do molde na etapa de design, sem necessidade de
entrada manual do usuário, apenas pela integração com o CAD. Isso é feito para
economizar tempo na integração entre o projeto do molde e a sua manufatura. (JONG;
LAI, 2015)

Utilizando dados gerados pelo departamento de projetos, assim como dados de

sequenciamento de processos derivado dos mesmos, uma estimativa de tempo de
complicação do molde é gerada para cada molde. Essa integração de dados em uma única
plataforma, em conjunto com a otimização da programação de processos por meio de um
algoritmo genético se mostra, em comparação com três casos de benchmark, eficaz na
redução de tempos tanto de projeto quanto de manufatura através de uma programação
de processos otimizado. (JONG; LAI, 2015)

Lee et al. (2020) contribuem para o problema de programação de produção levando

um viés sustentável em consideração através do uso de Deep Reinforcement Learning.
De acordo com os autores, na Indústria 4.0, as fábricas consideram questões técnicas,
além de questões econômicas, ambientais e sociais, na sustentabilidade. Uma
programação de processos mais eficiente é capaz de reduzir custos e impactos, e ao
mesmo tempo aumentar lucro.

Para o uso de Deep Reinforcement Learning, os autores utilizam especificamente o

algoritmo conhecido como deep Q-network (DQN). O algoritmo define um ambiente e
um número de agentes que se comunicam através de uma rede neural. O agente observa
o estado do ambiente, e escolhe uma ação dentre um conjunto de possíveis ações que
levará a um resultado ótimo global. Essa escolha é baseada em um treinamento prévio de
tentativa e erro, o qual melhora os padrões de escolha da rede neural até chegar em uma
política ótima para os agentes (LEE; CHO; LEE, 2020).

A ação tomada então modifica o ambiente, e o agente age nesse novo estado. A
recompensa está ligada ao objetivo da otimização, e vem do ambiente. Existem diversos
algoritmos que trabalham nessa linha. O DQN, especificamente, é baseado em um Q-
valor que calcula o pareamento entre estado e ação de forma a alcançar o valor esperado
para uma recompensa futura (LEE; CHO; LEE, 2020).

Para a questão de programação de produção, o ambiente é caracterizado por um

conjunto de operações em espera ligados a cada máquina disponível. Um agente observa
cada máquina e sua ação é a seleção da melhor operação em espera para aquela máquina,
em que “melhor” se refere ao que produz o menor tempo de operação, ponderado pelo
peso da operação para o trabalho. A Figura 4, retirada de Lee et al. (2020) representa a
interação dos agentes com o ambiente, e sua ligação com a rede neural.

Figura 4 – Representação das relações de ambiente, agente e rede neural utilizados.

Fonte: Lee et al. (2020)

Para validar sua metodologia, Lee et al. (2020) utilizou uma pequena empresa de
moldes e matrizes coreana e aplicou seu algoritmo, comparando com quatro regras de
programação de processos utilizadas na empresa, e os resultados mostram uma redução
significativa nos atrasos, indicando a eficácia do método em uma situação real.

2.2. Prazo de Entrega

Liu et al (2012) identifica em seu artigo que nem sempre atrasos em empresas de
moldes e matrizes são devidos a falta de planejamento na programação da produção, mas
que muitas vezes a própria definição da data de entrega é feita de modo a estabelecer um
prazo muito mais curto do que é possível produzir. Por outro lado, se um prazo mais longo
que o necessário é estabelecido para absorver possíveis atrasos, a empresa corre o risco
de perder a venda para competidores com prazos mais atraentes. Por isso é importante
que a decisão do prazo seja baseada no lead time da produção.
 Essa estimativa, porém, não é trivial, principalmente em um estágio tão inicial quanto
o de negociação com o cliente. Segundo os autores, o principal problema para estimar o
lead time da produção, é determinar a verdadeira carga de trabalho total do sistema em
um ambiente tão dinâmico quanto uma empresa de moldes e matrizes. Liu et al (2012)
explica que a carga de trabalho total é composta de três tipos de carga: cargas de trabalho
liberadas, que vêm de ordens que já foram liberadas para a produção na fábrica; cargas
de trabalho não liberadas, que vem de ordens confirmadas, mas que ainda não foram
liberadas para a produção; cargas de trabalho não confirmadas, que ainda estão sendo
avaliadas pela empresa, e ainda não há confirmação.

Enquanto os dois primeiros tipos de carga de trabalho são fáceis de se obter em um

ambiente equipado com computer-integrated manufacturing (CIM), o terceiro é
especialmente complicado para a indústria de manufatura de moldes, pois há várias
incertezas envolvidas. O autor cita três incertezas principais: incertezas no bill of
materials (BOM) e na definição do caminho crítico; incertezas na escolha das máquinas
para cada estágio do processo; a incerteza no número de ordens não confirmadas com
probabilidades de aceitação diferentes (LIU et al., 2013).

Liu et al (2012) então propõem uma ferramenta de suporte de decisão que usa o
modelo de Markov - o qual assume que estados futuros dependem somente do estado
atual de um sistema e não de eventos que ocorreram antes disso – para simplificar as
relações entre as incertezas e criar correlações entre os parâmetros incertos para ordens
não confirmadas em diferentes estágios da produção. Então uma abordagem de evolução
do progresso do molde com capacidade limitada, também baseada no modelo de Markov,
é usada para obter uma distribuição de probabilidades do tempo de produção viável de
cada ordem nova.

Em simulações, os autores comparam o método com dois benchmarks comumente

adotados na produção de moldes, e obtém resultados promissores, indicando uma
significativa redução nos atrasos em relação a taxa de novas ordens (LIU et al., 2013).

2.3. Controle do Sistema de Produção

Ghelase et al. (2012) identificam em seu artigo que, enquanto muitos estudos são
realizados relacionando parâmetros de processo e a performance do sistema de
manufatura, tendo um caráter puramente técnico, e muitos estudos são feitos relacionando
o produto feito pelo sistema de manufatura e o mercado, com um caráter puramente
econômico, estudos que juntam esses dois aspectos são incomuns. Os autores
argumentam que o sistema completo de empresas MTO deve ser integrado para tornar
possível tomadas de decisão homogêneas em relação a todas as atividades dos processos
de produção.

São listadas como atividades gerais do processo de produção decomposto: estimativa

de custo e tempo; cotação de preço e prazo de entrega; aceitação da ordem e programação;
planejamento do processo de manufatura; programação de atividades da produção;
medição de performance (GHELASE et al., 2013).

Ghelase et al. (2012) propõem então o uso de um novo critério de performance que
poderia ser aplicado a todas as atividades listadas. O critério foi nomeado earning power
(EP), um critério que é sintético e adequado aos cinco aspectos de performance mais
importantes, lucratividade, adequação às especificações, satisfação do consumidor,
retorno no investimento, e custo de material.

Define-se EP como a renda da operação dividida pelos ativos totais, onde a renda de
operação é a resultante das operações de negócios principais da empresa, e ativos são
entidades adquiridas ou compradas com valor monetário. Este critério pode ser aplicado
a nível de operação, considerando o preço da operação específica e os ativos diretamente
ligados a ela, a nível de trabalho, levando em consideração que um trabalho consiste de
diversas operações e seus preços e ativos são o somatório dos relacionados a cada
operação, a nível de ordem, do mesmo modo sabendo que uma ordem inclui diversos
trabalhos, e por fim a nível de sistema de manufatura, que inclui o sistema completo
(GHELASE et al., 2013).

O método proposto fornece um critério para o aceite ou rejeição de ordens capaz de

considerar o cenário completo da indústria, além de auxiliar na escolha de que trabalhos
tem resultados positivos sendo trabalhados internamente, e quais deveriam ser
terceirizados. Ainda, é possível avaliar o impacto parâmetros técnicos de produção, como
mostrado em um estudo de caso realizado no artigo. Portanto, a análise baseada no
earning power tem potencial tanto para auxiliar o gerente de uma empresa MTO a aceitar
ou não uma ordem, quanto para otimizar o controle do sistema de produção (GHELASE et
al., 2013).
3. DISCUSSÕES

Com base nos artigos encontrados sobre o tema, pode-se tirar conclusões não só a
partir do conteúdo das obras, como também da quantidade de material encontrado e do
ano das publicações. Muito material se encontra sobre métodos e ferramentas para
melhorar o fluxo de projetos em empresas com grandes linhas de produção, pois com há
muito a se ganhar com cada economia encontrada no mapeamento do fluxo. São mais
escassas as publicações voltadas para empresas que, pela natureza única de seu produto,
utiliza um sistema de produção que começa apenas após o pedido do cliente ser avaliado.

Percebe-se que o problema mais associado a projetos Make-to-Order é o atraso na

entrega advindo das dificuldades de planejar o fluxo da produção quando as máquinas da
ferramentaria não possuem necessariamente apenas uma operação ligadas a ela, e os
moldes produzidos tem em sua produção uma ordem de operações não fixa. E a
complexidade do planejamento só tende a aumentar com um maior número de ordens
simultâneas, já que as possibilidades de sequenciamento da produção aumentam
exponencialmente.

Neste trabalho foram citados quatro autores que atacaram o problema através da
otimização do planejamento da produção através de métodos computacionais, tendo três
deles utilizado variações de algoritmos genéticos, os quais são comumente utilizados em
problemas de planejamento em diferentes segmentos. Estes autores, cujos artigos foram
publicados entre 2011 e 2015, aplicaram com diferentes graus de sucesso (dificilmente
comparáveis sem maior estudo, por cada um ter utilizado benchmarks diferentes) esta
mesma metodologia e adicionaram melhorias a ela, não necessariamente mutuamente
excludentes. Talvez o uso de redes de Petri para a modelagem do sistema, de uma
plataforma integrada entre cliente, projetista e produção, e de algoritmos genéticos em
dois módulos para a minimização do atraso possam atuar em conjunto no mesmo sistema
de auxílio ao planejamento de produção para empresas no ramo de moldes e matrizes.
Seria necessário um estudo aprofundado para entender a viabilidade disso, porém.

O quarto autor, que publicou seu artigo em 2020, utiliza deep reinforcement learning
e redes neurais para atingir o mesmo fim. Esta é uma ferramenta mais recente, e sua
aplicação para este problema indica que ainda há espaço e demanda para melhorias no
planejamento de empresas MTO, e conforme novas tecnologias surgem, talvez novas
soluções possam ser estudadas e aplicadas.
 Além dessas quatro publicações, foi encontrada uma que tenta lidar com o problema
de atrasos através de uma predição mais precisa do lead time da produção já na hora da
negociação com o cliente, assim estabelecendo um prazo realista, e tão competitivo
quanto possível para a situação da empresa. É uma abordagem interessante para a redução
de atrasos, em que apesar de não modificar a agilidade da produção, influencia no
planejamento por resultar em ordens com lead time que estejam de acordo com a
capacidade da empresa. Pode-se conjecturar que, se utilizada em conjunto com as
soluções apresentadas para otimização do planejamento da produção, esta solução
poderia apresentar prazos ainda mais competitivos para o cliente, e com ainda menos
atrasos. Novamente, porém, a interação entre essas metodologias precisaria ser estudada
para saber se os resultados seriam positivos.

Por fim, foi levantada uma obra cujos autores propõem o uso de um critério de
performance unificado para todos os setores da empresa, para que o impacto de cada
decisão em escala de produção possa ser facilmente calculado em escala sistêmica. O uso
de um critério sintético unificado parece ser eficaz no auxílio de decisões por facilitar a
visualização do resultado, positivo ou negativo, de ações e escolhas, tanto de aceite ou
rejeição de projetos, quanto de modificações na produção.

Este foi o artigo encontrado que não tenta lidar com a questão dos atrasos, mas sim
facilitar tomadas de decisão como um todo na empresa MTO. O uso do critério unificado
é mais um conceito que talvez funcione bem em conjunto com as outras ferramentas
apresentadas, principalmente por, a princípio, lidarem com problemas diferentes que
afetam o mesmo segmento industrial.

4. CONCLUSÃO

Este trabalho procurou avaliar ferramentas presentes na literatura que lidem com
problemas específicos enfrentados por empresas como as do ramo de moldes e matrizes,
onde cada produto é único e dependente da ordem do cliente. Foi possível identificar um
dos maiores problemas relacionados a este modelo de produção, o atraso na entrega, o
qual diversos autores se propuseram a minimizar.

Percebeu-se uma escassez de publicações específicas sobre metodologias e

ferramentas de projetos para matrizarias, que neste trabalho foram encaixadas no sistema
maior de Make-to-Order, o que pode indicar que há oportunidades de melhorias na área,
ou que metodologias existentes para outros tipos de indústria ainda se aplicam para
empresas aderentes de MTO, apesar das diferenças.

Por fim, com base nos resultados encontrados pelos autores estudados, se supôs que
existe a possibilidade da integração de duas ou mais ferramentas aqui levantadas para
maiores melhorias no setor. Porém, reconhece-se que sem um estudo aprofundado, é
difícil avaliar a interação entre as metodologias e se um resultado positivo seria derivado
da união delas.

REFERÊNCIAS

CABALLERO-VILLALOBOS, J. P.; MEJÍA-DELGADILLO, G. E.; GARCÍA-CÁCERES, R. G. Scheduling of

complex manufacturing systems with Petri nets and genetic algorithms: A case on plastic
injection moulds. International Journal of Advanced Manufacturing Technology, [s. l.], v. 69, n.
9–12, p. 2773–2786, 2013.

CHOY, K. L. et al. A hybrid scheduling decision support model for minimizing job tardiness in a
make-to-order based mould manufacturing environment. Expert Systems with Applications, [s.
l.], v. 38, n. 3, p. 1931–1941, 2011.

GHELASE, D. et al. Method for control of the make-to-order manufacturing system on the base
of earning power assessment. International Journal of Advanced Manufacturing Technology, [s.
l.], v. 65, n. 9–12, p. 1439–1458, 2013.

JONG, W. R.; LAI, P. J. The navigation process of mould-manufacturing scheduling optimisation

by applying genetic algorithm. International Journal of Computer Integrated Manufacturing, [s.
l.], v. 28, n. 12, p. 1331–1349, 2015.

KOUKI, Y. et al. Development of an instrumented test tool for the determination of heat
transfer coefficients for die casting applications. Metals, [s. l.], v. 10, n. 9, p. 1–18, 2020.

LEE, S.; CHO, Y.; LEE, Y. H. Injection mold production sustainable scheduling using deep
reinforcement learning. Sustainability (Switzerland), [s. l.], v. 12, n. 20, p. 1–17, 2020.

LIU, J. J. et al. A decision support to assign mould due date at customer enquiry stage in
computer-integrated manufacturing (CIM) environments. International Journal of Computer
Integrated Manufacturing, [s. l.], v. 26, n. 6, p. 571–582, 2013.