Otimização de processo têxtil

PROPOSTA DE OTIMIZAÇÃO DO PROCESSO PRODUTIVO EM UMA
MICROEMPRESA DO SETOR TÊXTIL: APLICAÇÃO DO MÉTODO

SIMPLEX DE PROGRAMAÇÃO LINEAR
Fernanda dos Santos Mendonça Lima
Dissertação de Mestrado apresentada ao Programa

de Pós-Graduação em Engenharia de Processos –
Mestrado Profissional, PPGEP/ITEC, da
Universidade Federal do Pará, como parte dos
requisitos necessários à obtenção do título de Mestre
em Engenharia de Processos.
Orientadores: Bruno Marques Viegas

Emanuel Negrão Macêdo
Belém
Dezembro de 2019
DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE PÓS-

GRADUAÇÃO EM ENGENHARIA PROCESSOS – MESTRADO PROFISSIONAL
(PPGEP/ITEC) DA UNIVERSIDADE FEDERAL DO PARÁ COMO PARTE DOS
REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE MESTRE EM
ENGENHARIA DE PROCESSOS.
Examinada por:
_______________________________________________
Prof. Bruno Marques Viegas, Dr.
(PPGEP/ITEC/UFPA-Orientador)
________________________________________________
Prof. Emanuel Negrão Macêdo, Dr.
(PPGEP/ITEC/UFPA-Coorientador)
________________________________________________
Prof. Rui Nelson Otoni Magno, Dr.
(PPGEP/ITEC/UFPA-Membro)
_______________________________________________
Profª. Mariana Pereira Carneiro, Dra.
(UEPA-Membro)
BELÉM, PA - BRASIL
DEZEMBRO DE 2019
Dados Internacionais de Catalogação-na-Publicação (CIP)
Sistema de Bibliotecas da UFPA
Lima, Fernanda dos Santos Mendonça, 1987-

Proposta de otimização do processo produtivo em uma
microempresa do setor têxtil: aplicação do método simplex de
programação linear/ Fernanda dos Santos Mendonça Lima. -
2019.

Dissertação (Mestrado Profissional) – Universidade

Federal do Pará, Instituto de Tecnologia, Programa de Pós-
Graduação em Engenharia de Processos, 2019
1.Logística empresarial. 2.Programação linear. 3.Indústria

têxtil- Planejamento. 3.Gestão da qualidade total.
CDD 23. ed. 658. 78
iii
Dedico este trabalho aos meus pais, que
sempre tiveram como prioridade minha
educação e a minha querida avó “dona
Zezé” (in memorian), por todo exemplo
que foi em minha vida, contribuindo não
só para minha formação profissional,
mas sim para sempre ser uma pessoa
melhor.
iv
AGRADECIMENTOS
A minha família, pelo apoio e incentivo ao logo de toda minha jornada

acadêmica.
Aos colegas de trabalho José Rodrigues Junior, Iracy Batista da Silva Reis e
Faida Sandreanny Kran pelo apoio, compreensão, disponibilidade e toda logística
realizada durante este período para que pudesse realizar mais esta etapa da minha vida.
Sem o apoio de vocês nada disso seria possível.
Aos Profs. Dr. Emanuel Negrão Macedo e Dr. Bruno Marques Viegas, pela
receptividade, orientação e sugestões de melhorias ao longo do processo de construção
deste trabalho, o auxílio dos senhores foi fundamental.
Aos meus professores e colegas de turma do Programa de Mestrado da UFPA –
que me apoiaram e possibilitaram crescimento ao longo desta jornada.
Enfim, agradeço a todos que, direta ou indiretamente, estiveram presentes nesta
etapa.
v
Resumo da Dissertação apresentada ao PPGEP/UFPA como parte dos requisitos
necessários para a obtenção do grau de Mestre em Engenharia de Processos (M. Eng.)

Dezembro/2019

Área de Concentração: Engenharia de Processos
Devido ao elevado nível de mortalidade das micro e pequenas empresas, bem como o
importante papel dessas empresas na economia, é necessário buscar melhorias nos
processos produtivos e na maximização dos resultados. Sendo assim, este trabalho
apresentou uma proposta de otimização do processo produtivo em uma microempresa
através da aplicação do método simplex de programação linear. Para análise desse
modelo, foram realizados levantamento de dados históricos, definição das funções
objetivo e restrições, bem como a projeção de quatro cenários, considerando projeções
otimistas, pessimistas e realistas para o futuro do negócio. Os resultados apresentados
mostraram que as ferramentas de otimização podem auxiliar nos resultados da empresa,
tais como na redução dos custos operacionais e no aumento da margem de lucro que
poderá chegar até 40,98% a mais do que o praticado no ano anterior, no entanto é
necessário que tais análises sejam transformadas em ações a partir do planejamento
estratégico organizacional, visto que os resultados encontrados nos cenários divergem
da realidade atual da empresa.
vi
Abstract of Dissertation presented to PPGEP/UFPA as a partial fulfillment of the
requirements for the degree of Master in Process Engineering (M. Eng.)
PROPOSAL FOR OPTIMIZING PRODUCTION PROCESS IN A TEXTILE

MICRO ENTERPRISE: APPLICATION OF THE SIMPLEX LINEAR
PROGRAMMING METHOD
December/2019
Advisors: Bruno Marques Viegas

Research Area: Process Engineering
Due to the high level of mortality of micro and small enterprises, as well as the
important role of these companies in the economy, it is necessary to seek improvements
in production processes and maximization of results. Therefore this work presented a
proposal of optimization of the productive process in a micro company by applying the
simplex method of linear programming. To analyze this model, historical data were
collected, objective functions and constraints were defined, as well as the projection of
four scenarios, considering optimistic, pessimistic and realistic projections for the future
of the business. The results presented showed that optimization tools can help to
improve business results, such as reduction operating costs and increase of profit
margin, which may reach 40.98% more than in the previous year. However such
analyzes should be transformed into actions based on strategic organizational planning,
since the results found in the scenarios differ from the current reality of the company.
vii
SUMÁRIO
CAPÍTULO 1 - INTRODUÇÃO.......................................................................... 1
1.1 - MOTIVAÇÃO................................................................................................ 2
1.2 - OBJETIVOS................................................................................................... 4
1.2.1 - Objetivo geral............................................................................................. 4
1.2.2 - Objetivos específicos.................................................................................. 4
1.3 - CONTRIBUIÇÕES DA DISSERTAÇÃO..................................................... 5
1.4 - ORGANIZAÇÃO DO TRABALHO.............................................................. 5
CAPÍTULO 2 - REVISÃO DA LITERATURA................................................. 7
2.1 - MAPEAMENTO DE PROCESSOS............................................................... 7
2.2 - PESQUISA OPERACIONAL........................................................................ 9
2.2.1 - Modelagem matemática............................................................................. 14
2.2.2 - Programação linear.................................................................................... 16
2.2.3 - O problema do mix de produção............................................................... 18
2.2.4 - O método simplex....................................................................................... 20
CAPÍTULO 3 - METODOLOGIA...................................................................... 24
3.1 - ANÁLISE DOS DADOS DA EMPRESA...................................................... 26
3.2 - FORMULAÇÃO DO PROBLEMA E CONSTRUÇÃO DO MODELO....... 26
CAPÍTULO 4 - RESULTADOS E DISCUSSÃO............................................... 28
4.1 - ANÁLISE DO PROCESSO PRODUTIVO.................................................... 28
4.2 - LEVANTAMENTO DO TEMPO DE PRODUÇÃO..................................... 39
4.3 - LEVANTAMENTO DO HISTÓRICO DE VENDAS, CUSTOS DE
PRODUÇÃO E LUCRO UNITÁRIO..................................................................... 43
4.4 - DELIMITAÇÃO DAS RESTRIÇÕES........................................................... 47
4.5 - RESOLUÇÃO DO MODELO PROPOSTO.................................................. 51
4.6 - ANÁLISE DOS RESULTADOS DOS CENÁRIOS E DO MIX DE
PRODUÇÃO........................................................................................................... 55
CAPÍTULO 5 - CONCLUSÕES E SUGESTÕES.............................................. 63
5.1 - CONCLUSÕES............................................................................................... 63
5.2 - SUGESTÕES.................................................................................................. 64
REFERÊNCIAS BIBLIOGRÁFICAS................................................................ 65
viii
LISTA DE FIGURAS
Figura 1.1 Principais dificuldades encontradas pelas MPEs................................... 3

Figura 2.1 Símbolos básicos para fluxograma padrão ANSI.................................. 8
Figura 2.2 Exemplo de carta multiprocesso............................................................ 9
Figura 2.3 Fases de um estudo de pesquisa operacional......................................... 14
Figura 2.4 O método Simplex................................................................................. 21
Figura 3.1 Fluxograma da metodologia empregada................................................ 24
Figura 3.2 Layout da empresa................................................................................. 25
Figura 4.1 Fluxograma do processo de produção de camisas................................. 29
Figura 4.2 Fluxograma do processo de produção de calças e bermudas................ 30
Figura 4.3 Fluxograma do processo de produção de casacos................................. 31
Figura 4.4 Fluxograma do processo de produção de jalecos.................................. 32
Figura 4.5 Fluxo dos processos produtivos da empresa.......................................... 33
Figura 4.6 Comparativo do layout atual X Layout sugerido................................... 35
Figura 4.7 Carta multiprocesso da empresa............................................................ 37
Figura 4.8 Sugestão de alteração de layout de equipamentos................................. 38
Figura 4.9 Levantamento do tempo de produção em minutos – camisas............... 39
Figura 4.10 Levantamento do tempo de produção em minutos – calças.................. 40
Figura 4.11 Levantamento do tempo de produção em minutos – bermudas............ 41
Figura 4.12 Levantamento do tempo de produção em minutos – casaco................. 41
Figura 4.13 Levantamento do tempo de produção em minutos – jalecos................. 42
ix
LISTA DE TABELAS
Tabela 2.1 Aplicações da pesquisa operacional no mundo................................. 13

Tabela 4.1 Levantamento do Tempo de produção por equipamento ou etapa.... 42
Tabela 4.2 Média de vendas, demanda máxima e mínima de 2018.................... 43
Tabela 4.3 Levantamento do custo da hora de produção com encargos............. 44
Tabela 4.4 Cálculo do custo unitário com mão-de-obra por tipo de produto...... 44
Tabela 4.5 Custo unitário com tecido por tipo de produto.................................. 45
Tabela 4.6 Custos total com materiais diretos por tipo de produto..................... 45
Tabela 4.7 Custos indiretos totais dos últimos 12 meses.................................... 46
Tabela 4.8 Custo unitário total............................................................................ 46
Tabela 4.9 Cálculo do lucro mensal.................................................................... 47
Tabela 4.10 Resolução excel - Capacidade de produção como restrição............. 51
Tabela 4.11 Resolução excel - Média de vendas de 2018 como restrição........... 52
Tabela 4.12 Resolução excel - Redução de 10% na média de vendas de 2018
como restrição................................................................................... 53
Tabela 4.13 Resolução excel - Média de vendas de 2018 como restrição de
minimização dos custos..................................................................... 54
Tabela 4.14 Análise da PO sem média de vendas como restrição........................ 56
Tabela 4.15 Análise da função objetivo minimizar custos.................................... 56
Tabela 4.16 Comparação entre os cenários 2 e 3.................................................. 57
Tabela 4.17 Comparação entre as folgas das restrições........................................ 58
Tabela 4.18 Plano de melhorias para a empresa................................................... 62
x
NOMENCLATURA
CAGED CADASTRO GERAL DE EMPREGADOS E DESEMPREGADOS

CD CUSTO DIRETO
CIF CUSTOS INDIRETOS DE FABRICAÇÃO
CLT CONSOLIDAÇÃO DAS LEIS TRABALHISTAS
DSR DESCANSO SEMANAL REMUNERADO
EPP EMPRESA DE PEQUENO PORTE
FGTS FUNDO DE GARANTIA DO TEMPO DE SERVIÇO
IBGE INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA
INPC ÍNDICE NACIONAL DE PREÇOS AO CONSUMIDOR
MD MATERIAL DIRETO
ME MICROEMPRESA
MOD MÃO-DE-OBRA DIRETA
MP MATÉRIA PRIMA
MPEs MICRO E PEQUENAS EMPRESAS
PCP PLANEJAMENTO E CONTROLE DE PRODUÇÃO
PIB PRODUTO INTERNO BRUTO
PL PROGRAMAÇÃO LINEAR
PO PESQUISA OPERACIONAL
SBF SOLUÇÃO BÁSICA FINAL
SEBRAE SERVIÇO BRASILEIRO DE APOIO ÀS MICRO E PEQUENAS
EMPRESAS
SOBRAPO SOCIEDADE BRASILEIRA DE PESQUISA OPERACIONAL
xi
CAPÍTULO 1
INTRODUÇÃO
O planejamento, a estratégia e a gestão são princípios que movem o mundo dos

negócios. No gerenciamento de qualquer negócio, seja ele de pequeno ou grande porte,
sempre ocorrem diversos problemas e para sobreviver no mercado deve-se estar
abastecido de técnicas para tomadas de decisões de maneira clara, objetiva e com o
menor risco possível (PRUDENTE, 2014).
É preciso que as organizações amparem a tomada de decisão em informações
confiáveis, de modo que não sejam fundamentadas apenas no empirismo, sem apoio
metodológico correto. Posto que, muitas vezes, os gestores acabam tomando decisões
equivocadas, precipitadas e de forma errada, o que prejudica a saúde financeira e até
mesmo a sobrevivência do negócio (RODRIGUES; 2013).
É necessário considerar ferramentas que possam auxiliar na tomada de decisões
e que sejam precisas e tempestivas, assim, será possível oferecer melhores condições
para o desenvolvimento e continuidade dessas empresas diante de uma realidade onde o
mercado se mostra cada vez mais competitivo.
Neste cenário, o gerenciamento de processos produtivos apresenta-se como
uminstrumento de grande valia, posto que o curso dos processos produtivos pode
acarretar no sucesso ou insucesso do negócio, já que analisa a existência de etapas
desnecessárias, tempo de entrega, deslocamentos ao longo do sistema de produção e que
implicarão diretamente no custo final dos produtos (MOREIRA, 2011).
Em sistemas de operações e produção com recursos e capacidade limitados, um
dos principais desafios de gerenciamento é o problema de otimização do mix de
produtos: o tipo e a quantidade de produtos a serem produzidos (GOLMOHAMMADI e
MANSOURI, 2015).
Nesse contexto, a Pesquisa Operacional – PO – é considerada uma ferramenta
valiosa, visto que seu principal objetivo, conforme CARDOSO (2011) é estipular a
melhor utilização dos recursos limitados, buscando estabelecer a programação que
maximize as atividades e recursos, fornecendo procedimentos e métodos que tratem de
forma sistêmicas os recursos organizacionais.
Ainda assim, apesar da existência de diversas técnicas de gerenciamento, o
índice de Mortalidade das Micro e Pequenas Empresas – MPEs – medido pelo SEBRAE
1
(2015a) ainda é elevado, principalmente na cidade de São Luís,cujas MPEs que
permaneceram abertas após dois anos representa 70,9% do total, ou seja, quase 30% das
empresas não sobrevivem ao final do segundo ano do negócio.
Nesse contexto, considerando a realidade das MPEs ludovicenses, o cenário
atual de recessão econômica do país, bem como as dificuldades financeiras e
operacionais internas.Considerando, ainda, que os processos produtivos na empresa
objeto de estudo possuem custos elevados, o que culmina na baixa lucratividade,
buscou-se reunir informações com o propósito de desenvolver e solucionar um modelo
matemático de um problema de pesquisa operacional aplicando o Microsoft Excel e o
software Mathematica,a fim de auxiliar a empresa objeto de estudo a melhorar seus
resultados.
1.1 - MOTIVAÇÃO
No Brasil, segundo levantamento do SEBRAE (2015b), as MPEs representam

grande parcela das empresas ativas com cerca de 98,5% do total de empresas privadas e
respondendo por 27% do PIB.
No ano de 2018, segundo levantamento realizado pelo SEBRAE (2019), a partir
de dados do Cadastro Geral De Empregados e Desempregados - CAGED, os pequenos
negócios foram responsáveis pela geração de mais de 580 mil empregos formais
celetistas, o que representou um aumento de 67% sobre o saldo registrado em 2017.
Como as médias e grandes empresas fecharam o ano de 2018 com um saldo negativo de
empregos gerados (mais demitiram do que contrataram), pode-se constatar que foram os
pequenos negócios que sustentaram a geração de empregos em 2018 no país.
Além disso, enquanto as médias e grandes empresas normalmente estão
concentradas as regiões sul e sudeste, as MPEs estão espalhadas em todo o território
brasileiro, de modo a contribuir com a distribuição de renda, emprego e amenizando as
desigualdades regionais.
Por outro lado, em 2014, em pesquisa realizada pelo SEBRAE (2015a), foi
identificado que, das MPEs constituídas em 2012 no Brasil, apenas 76,6% mantiveram
as portas abertas no período de 2 anos. Delimitando a pesquisa para o Maranhão o
resultado cai para 74,7% e em São Luís, conforme já mencionado anteriormente, 70,9%
mostrando um pequeno atraso se comparado ao resto do país.
2
Conforme apontado pelo SEBRAE (2017), a partir da pesquisa “Sondagem
conjuntural dos Pequenos Negócios” as principais dificuldades encontradas pelas MPEs
foram aumentos nos custos (76,3%), pagamento de impostos / tributos (72%) e quedas
nas vendas (69,9%), conforme pode ser observado na Figura 1.1.
Principais dificuldades encontradas pelas MPEs

90.00%
80.00% 76.30%
72% 69.90%
70.00%
60.00%
49.30%
50.00% 44.50%
40.00% 36.00% 35.80% 34.10%
30.00% 24.00% 23.00%
20.00%
10.00%
0.00%
Figura 1.1 - Principais dificuldades encontradas pelas MPEs.

Fonte: SEBRAE (2017).
Uma das possíveis causas para a avaliação elevada do aumento dos custos nesta
pesquisa deve-se a conjuntura econômica no país, principalmente o aumento da inflação
(INPC) que entre o período de 2014/2016 foi de aproximadamente 25,98% (BCB,
2018). Por outro lado, segundo o IBGE (2019) o Produto Interno Bruto – PIB do Brasil
teve duas reduções consecutivas de 3,5% em 2015 e 2016, seguido por um crescimento
de 1,1% e 1,1% em 2017 e 2018, no entanto, este resultado retorna ao patamar histórico
do 1º semestre de 2012.
Sendo assim, em um ambiente altamente competitivo, aliado a um cenário de
crise econômica, observa-se que a análise do processo de produção é um dos fatores que
devem receber particular atenção por parte dos gestores da organização, posto que
influencia diretamente nos custos de fabricação dos seus produtos e, como
3
consequência, impactará no preço final repassado ao cliente e na margem de lucro da
empresa.
Nesse contexto, optou-se pela utilização da Pesquisa Operacional que é uma
ferramenta de otimização utilizada nas mais diversas áreas tais como manufatura,
automobilística, alimentícia, aviação, assistência médica, bancária, construção civil,
militar, naval, petrolífera, mineradoras, papel e celulose, supermercados, transportes,
telecomunicações, serviços públicos etc. COLIN (2011) evidencia que uma pesquisa
contemplando as empresas da Fortune 500 constatou-se que 85% delas usavam ou
haviam usado a Programação Linear (PL), ramo da PO. No Brasil, este mesmo autor
cita o uso da PL em empresas como Eletrobrás, Petrobrás, Correios e Sadia.
Outrossim, a Pesquisa Operacional utiliza métodos próprios capazes de solucionar
problemas e facilitar a tomada de decisão através de cálculos. Para tanto, são coletados
dados envolvendo custos, demanda, variáveis e restrições. Desse modo, a partir da sua
utilização, pode-se chegar a função objetivo, capaz de determinar a melhor maneira de
produzir, com o que se tem disponível, no caso, o mix de produção mais rentável que
cumprirá o principal objetivo de maximizar o lucro ou minimizar o custo (RODRIGUES,
2013).
1.2 - OBJETIVOS
1.2.1 - Objetivo geral
O objetivo geral desta pesquisa é apresentar uma proposta de otimização do

processo produtivo em uma microempresa do setor têxtil a partir da aplicação do
método simplex de programação linear.
1.2.2 - Objetivos específicos
 Identificar e descrever detalhadamente os principais processos produtivos de

uma empresa específica;
 Determinar a disponibilidade de insumos, valores dos custos e margem de lucro,
a fim de propor a função objetivo e restrições do modelo elaborado;
 Modelar cenários com os dados coletados e calculados;
4
 Verificar quantitativamente os impactos da adoção do mix ideal nos diferentes
cenários;
 Apresentar melhorias que corroborem com o alcance do mix projetado.
1.3 - CONTRIBUIÇÕES DA DISSERTAÇÃO
Devido à sua utilidade, estudos na área de otimização do mix de produção áreas

são de grande importância para as organizações, visto que os gestores podem receber
informações que, muitas vezes, não conseguiriam obter por estar todo tempo envolvidos
com as atividades do dia-a-dia da operação, principalmente nas MPEs, em que o gestor
normalmente é o dono da empresa e este acumulo de funções é ainda maior, o que faz
com que o tempo para pensar em como maximizar os resultados do negócio seja algo
ainda mais escasso, quando comparado às médias e grandes empresas.
Embora já existam pesquisas publicados a respeito do gerenciamento do mix de
produção, estes não estão direcionados para o contexto da realidade das MPEs.
Ademais, este estudo abordará a combinação da análise do processo produtivo, do
layout de produção e a aplicação da pesquisa operacional. Baseado no modelo que será
elaborado,espera-se alcançar a maximização da receita da empresa estudada, a partir da
identificação da função objetivo maximizar lucro, contemplando a soma dos lucros
unitários dos principais itens do processo de produção da empresa estudada, os quais
são: camisetas, calças, bermudas, casacos e jalecos. Também será testado um cenário
em que será trabalhada a minimização dos custos, de modo que possa ser realizada uma
análise do melhor caminho a ser traçado pela empresa. Outrossim, o modelo também
contemplará as seguintes restrições: material, capacidade de produção, mão-de-obra,
demanda dos produtos e receita máxima.
1.4 - ORGANIZAÇÃO DO TRABALHO
O Capítulo 1 apresenta a motivação, os objetivos, as contribuições da dissertação

e a forma de organização do trabalho.
O Capítulo 2 apresenta uma revisão da literatura sobre as micro e pequenas
empresas, no qual serão apresentados conceitos básicos e importância para a economia
brasileira. Também será apresentada revisão literária sobre processos produtivos,
5
layout,pesquisa operacional e programação linear, tais como origem, conceituação e
utilização.
O Capítulo 3 apresentará o método utilizado para a elaboração e
desenvolvimento do trabalho, as ferramentas aplicadas em sua fundamentação etc. Em
seguida, no Capítulo 4, serão apresentados os resultados e a discussão.
No Capítulo 5 são apresentadas as principais conclusões e recomendações
futuras para a continuação do trabalho posteriormente, de modo a para melhorar ainda
mais a produtividade da empresa.
6
CAPÍTULO 2
REVISÃO DA LITERATURA
2.1 - MAPEAMENTO DE PROCESSOS
Segundo SLACK et al. (2009) o mapeamento do processo envolve descrever as

atividades que o compõem, relacionando as atividades entre si. Trata-se de uma
ferramenta gerencial analítica e de comunicação que têm a intenção de ajudar a
melhorar os processos existentes ou de implantar uma nova estrutura voltada para
processos.
Esse mapeamento também ajuda a organização a observar seus pontos fortes e
pontos a serem trabalhados, tais como redução de custos, lead time (tempo decorrido
entre o recebimento de um pedido e a entrega ao cliente), detecção de gargalos, falhas
processuais e operacionais, atividades redundantes etc. Sendo assim, OTTOBONI e
PAGNI (2003) afirmam que melhorias que aumentam a eficiência e eficácia dos
processos podem ser identificadas com o mapeamento de processos, assim como a
criação de indicadores de desempenho.
Dentre as diversas técnicas existentes, o fluxograma é uma das mais utilizadas,
visto que permite a representação gráfica a partir da utilização de símbolos previamente
convencionados, possibilitando, por exemplo, a descrição precisa do fluxo de um
processo, assim como sua análise e, se necessário, redesenho.
Os fluxogramas têm a função de descrever analiticamente as operações e tarefas
realizadas dentro de um determinado processo, indicando as sequências a serem
realizadas, unidades envolvidas e os responsáveis por cada execução, gerando assim a
visualização mais definida de movimento e/ou etapas supérfluas, podendo estas serem
excluídas, abreviadas ou melhoradas, tendo em estudo um gráfico descritivo e dinâmico
(CHIAVENATO, 2013).
Neste contexto, destaca-se a utilização dos símbolos convencionados pelo
American National Standards Insitute – ANSI, haja vista a universalidade do
significado dos seus símbolos, cujas formas básicas estão apresentadas na Figura 2.1.
7
Figura 2.1 - Símbolos básicos para fluxograma padrão ANSI.
Fonte: Adaptado de HARRINGTON (1991).
Dentre as vantagens na utilização do fluxograma pode-se citar:

 Visão integrada de todo o processo, o que permite verificar como se conectam e
relacionam os componentes de um sistema, desse modo facilitando a análise de
sua eficácia;
 Facilita a localização das deficiências, pela fácil visualização dos passos,
transportes, operações, formulários, etc.;
 Permite a simplificação do trabalho a partir da combinação, permutação ou
mesmo eliminação de fases do processo.
Nesse cenário, observa-se que o fluxograma auxilia o mapeamento do fluxo do
processo, descrevendo-o etapa por etapa a partir da utilização da representação gráfica
na qual são utilizados símbolos convencionados. Tal ferramenta permite, ainda, a visão
clara e precisa do fluxo, auxiliando a análise da situação atual do processo, para que
sejam propostas, se necessário, possíveis mudanças no mesmo.
Outra ferramenta utilizada no mapeamento de processos é a carta multiprocesso
que indica a sequência de operações pela qual o produto a ser transformado deve
percorrer. Com isso é possível ter uma visão geral das operações necessárias na
transformação (PEINADO e GRAEML 2007).
Tal carta consiste em um quadro em forma de matriz correlacionando o processo
com os produtos a serem fabricados. A primeira coluna lista as diferentes operações do
processo, e as demais os produtos produzidos por essas operações. Cada processo é
indicado em etapas numericamente, respeitando-se a sequência de fabricação.
(NEUMANN; SCALISE, 2015).
A Figura 2.2 apresenta um exemplo da carta multiprocesso:
8
Figura 2.2 - Exemplo de carta multiprocesso.
Fonte: NEUMANN e SCALISE (2015).
PASCINI (2006) define que para a realização de uma carta de processos para
vários produtos deve-se realizar inicialmente a relação de todas as operações realizadas
em qualquer sequência. Em seguida, faz-se uma carta de processo para cada produto em
separado. Posteriormente, deve-se listar as operações e processos colocando-os lado a
lado, a fim de obter o fluxo ótimo de material a partir do rearranjando a lista de
operações, de modo a se conseguir uma maior linearização do fluxo geral.
2.2 - PESQUISA OPERACIONAL
Pesquisa Operacionais (PO) pode ser entendido como a aplicação de problemas

que compreendam a organização de atividades ou operações, avaliando como elas
podem ser melhor realizadas (HILLIER e LIEBERMAN, 2013).
Neste contexto, a Sociedade Brasileira de Pesquisa Operacional – SOBRAPO
(2019) define a PO como sendo uma área de conhecimento que estuda, desenvolve e
aplica métodos analíticos avançados para auxiliar na tomada de melhores decisões nas
mais diversas áreas de atuação humana, tais como matemática, engenharia,
administração e computação.
ROYSTON (2011) destaca que os métodos de pesquisa operacional são úteis
para a identificação sistemática de problemas e a busca de possíveis soluções. Sendo
assim, entende-se que a PO é uma abordagem cientifica para a tomada de decisões,
através da qual os gestores irão buscar as melhores soluções para os sistemas que
operam, visto que há necessidade de alocação de recursos e estes são escassos.
9
O termo Pesquisa Operacional é relativamente novo e de origem militar, sendo
utilizado, pela primeira vez, na Grã-Bretanha, um pouco antes da Segunda Guerra
Mundial, em 1938, e relacionados à pesquisa associada a radar (BERNARDO et al.,
2018).
No entanto, alguns autores remetem a fatos anteriores, como relatos de que
desde o princípio da humanidade, as civilizações buscam formas de quantificar seus
processos e otimizar seus recursos. LOSS (1981), por exemplo, descreve em seu livro o
uso de ferramentas de PO desde o séc. III A.C. quando Hierão, tirano da Siracusa,
solicitou de Arquimedes que idealizasse a forma mais eficiente de utilizar as armas da
época, a fim de que obtivesse meios para acabar com o cerco naval dos romanos.
Neste mesmo sentido HENRIQUES et al. (2003) afirmam que dois mil anos
antes de Cristo exemplos especiais de equações lineares já tinham sido estudadas por
egípcios e babilônios. Ademais, Babilônios, gregos e chineses conheciam a ideia de
eliminação de variáveis para resolver equações lineares (ou quadráticas).
No mundo organizacional, a chegada da Revolução Industrial no século XVIII
permitiu um acelerado crescimento e aumento da complexidade das organizações, com
eles também evoluíram os problemas e a escassez de recursos. Um processo que antes
era feito apenas pelo artesão em sua oficina, a partir da revolução industrial passou a ser
feito por várias pessoas no processo que ficou conhecido como divisão do trabalho
(CHIAVENATO, 2013). Além da necessidade da busca pela solução dos problemas
organizacionais, há de se lembrar que os próprios recursos dessas novas fábricas eram
escassos, sendo assim, também seria necessário avaliar qual a melhor alternativa para
alocá-los de maneira eficaz.
O estudo da PO tal qual como é conhecida hoje remete ao período da Segunda
Guerra Mundial (1939-1945), como uma área em que a ciência foi aplicada e novas
pesquisas inspiradas nos desafios do mundo real, principalmente na análise militar e na
produção industrial (BELTON et al., 2018).
Nesse contexto, destaca-se o trabalho bem-sucedido da equipe liderada pelo
prof. PMS Blackett que influenciou estrategistas militares dos EUA durante a guerra,
desse modo, grupos semelhantes foram criados nos Estados Unidos sob o nome de
'análise de operações' (PAUCAR-CACERES e PAGANO, 2011).
Sendo assim, os governos americanos e britânicos demandaram a cientistas e
matemáticos que realizassem estudos sobre as operações militares e como otimizá-las.
REZENDE FILHO (2010) relata que, para apoiar os comandos operacionais na
10
resolução desses problemas, foram então organizados grupos multidisciplinares de
cientistas que continham matemáticos, físicos e engenheiros, a par de outros oriundos
das ciências sociais.
Tais cientistas apenas aplicaram o método científico aos problemas que lhes
foram sendo colocados. Desenvolveram então a ideia de criar modelos matemáticos,
apoiados em dados e fatos, que lhes permitissem perceber os problemas em estudo e
ensaiar e avaliar o resultado hipotético de estratégias ou decisões alternativas.
Alguns dos resultados destes estudos foram melhoria na eficiência dos ataques
aéreos aos submarinos, nova disposição dos comboios marítimos, de forma a minimizar
as perdas e organização dos bombardeamentos aéreos sobre a Alemanha. Segundo
HILLIER e LIEBERMAN (2013), como fruto desses estudos, asseguraram-se as
vitórias nas Batalhas Aéreas na Grã-Bretanha e no Atlântico Norte, igualmente
auxiliaram na Campanha Britânica no Pacífico.
Com o término da guerra e o crescimento econômico de diversos países,
cresceram também a complexidade dos problemas das organizações. Neste contexto,
observou-se, então, que os problemas estudados para as questões militares eram
semelhantes aos encontrados nas empresas, obviamente que dentro do seu devido
contexto (ARENALES et al., 2011).
CARDOSO (2011) evidencia que o sucesso e credibilidade de ganhos ao longo
da guerra foram tamanhos que, ao final do conflito, permitiu que esses grupos de
cientistas e a sua nova metodologia de abordagem dos problemas se transferiram para as
empresas. Neste cenário, é possível perceber que apenas no início da década de 50 que a
PO começou a ser aplicada nas organizações.
REZENDE FILHO (2010) identifica pelo menos dois fatores, que tiveram um
papel essencial no rápido crescimento da PO durante este período:
 Substancial progresso das técnicas matemáticas disponíveis na PO: Depois
da guerra, vários cientistas sentiam-se motivados em procurar relevantes
investigações no campo, resultando daí a avanços importantes na área. O
primeiro caso é o método de Simplex para resolver problemas de programação
linear, desenvolvido por George Dantzig em 1947;
 Evolução/revolução dos computadores. Normalmente é exigida uma grande
quantidade de cálculos para tratar, mais eficientemente, os problemas complexos
considerados típicos pela PO. Realizar tais cálculos a mão seria inviável. No
entanto, o desenvolvimento dos computadores com as suas capacidades para
11
realizar cálculos aritméticos de milhares ou mesmo milhões de vezes mais
rápido do que o homem e trabalhar enormes volumes dedados sobre as
atividades das empresas, foi uma tremenda vantagem para a PO.
HILLIER e LIEBERMAN (2013), por sua vez, frisam que outro estímulo veio
nos anos 1980 com o desenvolvimento de computadores pessoais cada vez mais
poderosos munidos de excelentes pacotes de software para emprego da PO. Isso
permitiu que o emprego da PO ficasse ao alcance de um número muito maior de
pessoas. Atualmente qualquer pessoa têm pronto acesso a software de PO como
LINDO, MATHEMATICA, ou mesmo o Microsoft Excel.
Na área acadêmica, os estudos iniciaram nos departamentos de Engenharia
Industrial, Engenharia de Produção e nas escolas de Administração das Universidades
norte-americanas. No Brasil, conforme LOSS (1981) o início ocorreu por volta de uma
década após a introdução na Grã-Bretanha e nos Estados Unidos.
No ano de 1957 a Escola Politécnica da Universidade de São Paulo (EPUSP)
concebeu curso de Engenharia de Produção, primeiro em nível de graduação no Brasil
que seguiu os moldes do curso de Engenharia Industrial dos EUA. Posteriormente, em
1958 iniciou-se o Curso de Graduação em Engenharia de Produção do Instituto
Tecnológico de Aeronáutica (ITA). Assim, foram concebidos os cursos de Programação
Linear, Teoria dos Jogos, Simulação, Teoria das Filas e Estatística que foram ofertados
aos alunos de Engenharia de Produção da USP e do ITA (ARENALES et al., 2011).
Já na década de 60, devido a atuação dos professores destes cursos no setor
privado, iniciou-se uma pequena interação entre a Universidade e a Empresa, o que
resultou nos primeiros empregos da aplicabilidade de PO a problemas reais.
(MARTINS, 2011)
Como principais características da PO, MOREIRA (2011) cita seu ponto de vista
abrangente, ou seja, através da PO é realizado uma análise a partir de uma visão
organizacional, sendo assim, ela tende a dirimir e solucionar conflitos de interesses
entre os departamentos e unidades das organizações, visto que sempre buscará a melhor
solução para a organização como um todo.
O estudo de PO não está limitado apenas a empresas, podendo ter grande valia
quando aplicado a serviços públicos e serviços de saúde. EPPRECHT et al. (2000)
propuseram um modelo de minimização de custos em diagnósticos com um caso de
aplicação em um banco de sangue obtendo como resultado redução de até 86% dos
custos, o que equivale a 7 vezes mais barato que o procedimento vigente a época.
12
FIGUEIREDO e NETTO (2001) desenvolveram um modelo de centralização de
estoques para a logística de suprimento da exploração e produção da Petrobras. Neste
estudo observou-se qual o melhor local para a instalação de uma central de
administração compartilhada para a distribuição de materiais e equipamentos para o
Nordeste.
HILLIER e LIEBERMAN (2013), por sua vez, destacam alguns estudos que
tiveram representatividade no mundo, conforme a Tabela 2.1.
Tabela 2.1 - Aplicações da pesquisa operacional no mundo.
Organização Natureza da aplicação Ano de Economia

Publicação Anual (US$)
Holanda Desenvolver a política nacional de gestão de recursos 1985 15 milhões
hídricos, inclusive combinação de novas instalações,
procedimentos operacionais e tarefas
United Programar turnos de trabalho nos balcões de reserva 1986 6 milhões
Airlines para atender às necessidades dos clientes a um custo
mínimo
Departamento Programar e empregar de forma otimizada os 1989 11 milhões
de polícia de patrulheiros por meio de um sistema
São Francisco computadorizado
(EUA)
Texaco Inc. Misturar, de forma otimizada, a produtos da gasolina, 1989 30 milhões
componentes disponíveis, visando atender às
exigências de qualidade e de comercialização
IBM Integrar uma rede nacional de inventário de peças de 1990 20 milhões +
reposição para melhorar os serviços de suporte 250 mil
devido a
inventários
menores
IBM Fazer a reengenharia de sua cadeia global de 2000 750 milhões
abastecimento para responder mais rapidamente aos no primeiro
clientes, mantendo, ao mesmo tempo, o menor ano
estoque possível
Força de Redesenhar, de forma otimizada, o tamanho e o 1997 1,1 bilhão
defesa da formato das forças de defesa e seus sistemas de
África do Sul armamentos
Proctor and Redesenhar o Sistema de distribuição e de produção 1997 200 milhões
Gamble nos EUA para reduzir custos e aumentar a velocidade
(P&G) de chegada ao mercado
Fonte: Adaptado de HILLIER e LIEBERMAN (2013).
Neste contexto, pode-se observar que a PO, a partir do seu caráter

multidisciplinar, através do qual a organização é englobada como um todo, quando
aplicada de maneira adequada dentro da organização é capaz de gerar grandes retornos
financeiros, tais como os casos acima apresentados.
13
2.2.1 - Modelagem matemática
Modelos matemáticos são úteis basicamente de duas maneiras. O caminho óbvio

é que depois de "resolvidos", os modelos geram resultados que podem ser úteis,
podendo ser usados para auxiliar na tomada de decisões. Além disso, também servem
como veículos para discussões ou pesquisa, uma vez que ajuda a entender quais
informações são importantes e quais não são (OLAFSSON, 1998).
Nesse contexto, para auxiliar na tomada de decisão, a otimização dos processos
através da PO busca solucionar os problemas a partir da representação de modelos
matemáticos que devem seguir alguns passos conforme apresentado na Figura 2.3.
Figura 2.3 - Fases de um estudo de pesquisa operacional.

Fonte: Adaptado de KÜNZEL (2017).
Inicialmente é necessário identificar uma demanda a ser solucionada, a partir de

então será determinado o problema objeto do estudo. A etapa de definição do problema
exige maior complexidade e esforço por parte da equipe de PO, uma vez que os
problemas nesta etapa ainda não estão claros/definidos, cabendo a esta equipe a
atribuição de delimitá-lo, analisando-o de todos os ângulos para que isso seja
incorporado na melhor solução.Em seguida, o modelo é elaborado.
14
Segundo PIDD (1998), modelo significa uma representação simplificada da
realidade. Sendo assim, a partir do problema real definido na etapa anterior, nesta etapa
deve-se elaborar um modelo, ou seja, uma representação do problema que se está
avaliando.
Nesta etapa são formulados os objetivos, ou seja, quais problemas desejam ser
revolvidos. Este objetivo pode ser quantitativo (maximizar ou minimizar um resultado)
ou qualitativo (medir satisfação do cliente, por exemplo). Posterior a delimitação dos
objetivos, são analisadas as restrições do modelo, ou seja, os fatores que irão limitar as
soluções que poderão ser propostas, tais como tempo, orçamento, demanda, capacidade
(transporte, armazenamento, produção etc.).
Em seguida, as alternativas passam a ser estudadas, a fim de identificar qual a
melhor solução a ser aplicada para o modelo proposto, para tanto a equipe de PO deve
utilizar algum método, tal como procedimentos matemático, teste de hipóteses,
algoritmos etc.
Neste cenário, a avaliação representa a validação do modelo, ou seja, é nesta
fase que a equipe de PO deve trabalhar para garantir que o modelo proposto bem como
a solução apresentada na etapa anterior tenha representatividade e correspondam à
realidade, sendo assim, nesta fase ainda cabe a realização de ajuste. Por fim, caso o
modelo proposto e a solução encontrada não necessitem de qualquer outro ajuste, cabe
então a análise da viabilidade de implementação da solução.
RAGSDALE (2009), por sua vez, declara que a programação matemática é
composta de três itens:
 Definição das decisões: os fatores decisórios de um modelo matemático são
representados por variáveis, que são capazes de descrever, por exemplo, o lucro
por unidade, o volume em estoque de determinado recursos etc.;
 Identificação das restrições: constituem as funções que impõem uma limitação
aos recursos, tais utilização mínima, máxima ou exata de determinado elemento
do modelo;
 Determinação do objetivo: a função objetivo do modelo pode ser de
maximização ou minimização das variáveis definidas na primeira etapa.
O proposto pelo autor poderia ser representado de maneira canônica conforme a
forma geral a seguir:
15
Função objetivo
MAX ou MIN Z: 𝑓0(𝑋1, 𝑋2, … ,𝑋𝑛) = c1 x1 + c2 x2 + ... + cnxn (2.1)
Sujeita a:
𝑓1(𝑋1, 𝑋2, … ,𝑋𝑛) = a11 x1 + a12 x2 + ... + a1nxn ≤ 𝑏1 (2.2)
𝑓𝑘(𝑋1, 𝑋2, … , 𝑋𝑛) a21 x1 + a22 x2 + ... + a2nxn≤ 𝑏𝑘 (2.3)
...
𝑓𝑚(𝑋1, 𝑋2, … , 𝑋𝑛) = am1 x1 + am2 x2 + ... + amnxn = 𝑏𝑚 (2.4)
Em que:
x = representa a variável de decisão, ou seja, número de unidades do produto j
j
produzidas num certo período de tempo;

Z = função que será otimizada (maximizada ou minimizada);
c = coeficiente de lucro, ou seja, aumento no lucro Z pelo acréscimo de uma
j
unidade xj
a = coeficiente de restrições, ou seja, quantidade do recurso i consumida na
ij
produção de uma unidade de atividade j;

bj = limitação de capacidade da restrição, ou seja, quantidade de recurso i
disponível no período para as n atividades.
Do exposto, entende-se que a função objetivo, Eq. (2.1), deve maximizar ou
minimizar a partir das variáveis (Xi). Para solucionar esta função, deve-se considerar as
restrições impostas pelas Eqs. (2.2) e (2.3) que tem k funções para representar a
limitação de um mesmo número k de recursos. Por outro lado, a Eq. (2.4) representa a
restrição de uso exato de recursos disponíveis, representados pela letra m.
2.2.2 - Programação linear
Dentre as técnicas clássicas de otimização, a Programação Linear (PL) é uma

das mais amplamente usadas sob as quais a pesquisa operacional foi desenvolvida
(EZQUERRO et al., 2016). Tal método consiste em buscar a melhor solução para uma
determinada função objetivo (maximizar ou minimizar) levando em consideração as
limitações existentes, sendo que todas as funções (inclusive as de restrições) são
lineares.
16
A programação linear pode ser vista como parte de um grande desenvolvimento
revolucionário, dando à humanidade a habilidade de estabelecer objetivos gerais e traçar
um caminho de decisões detalhadas a serem tomadas para alcançar seus objetivos da
melhor maneira diante de situações práticas de grande complexidade (DANTZIG,
2002).
Segundo COLIN (2011), dentro da PO a programação linear é uma das
principais descobertas da matemática aplicada, levando em considerações os benefícios
econômicos. Em termos econômicos, ela é compatível às maiores descobertas, como a
divisão do trabalho, o motor a vapor, a produção em massa e a tecnologia da
informação.
Isso se justifica devido à linearidade do modelo, o que explica sua a
aplicabilidade e simplicidade na busca pela melhor alocação de recursos, permitindo
que a organização tenha ganhos ao trabalhar a busca por minimizar os resultados,
alcançando melhorias em níveis de estoques, pessoas, mix de produtos, processos e,
consequentemente, custos, bem como através da maximização de resultados ou qualquer
outro processo de tomada de decisão gerencial, o que permite um crescimento no
resultado final da empresa.
Diversos autores listam requisitos para que um determinado modelo seja
considerado programação linear, dentre eles CARDOSO (2011) e ARENALES et al.
(2011). Neste contexto, segue os requisitos listados por estes autores:
 Proporcionalidade: indica que a contribuição de cada variável de decisão, tanto
na função objetivo quanto nas restrições, devem ter seu peso diretamente
equivalente ao valor que podem assumir. Sendo assim, implica que o nível de
contribuição de cada variável será sempre proporcional ao seu valor;
 Aditividade: implica na função objetivo e nas restrições, visto que pressupõe
que o todo é igual à soma das partes, ou seja, a contribuição total das variáveis é
a soma da contribuição individual das variáveis existentes na função objetivos e
nas restrições;
 Certeza: menciona que todos os coeficientes da função objetivo e das restrições
do modelo são determinísticos, o que significa que são constantes conhecidas,
no qual se tem certeza dos valores assumidos por essas variáveis;
17
 Divisibilidade: as variáveis podem assumir valores não inteiros. Segundo este
mesmo princípio alguns autores também listam os requisitos como hipótese de
proporcionalidade e hipótese de fracionamento.
Neste cenário, infere-se que para que um modelo matemático seja considerado
de programação linear é necessário que:
a) Tenha uma única função objetivo;
b) Todas as funções, seja ela objetivo ou de restrição, possuem expoente 1 e
possuem suas variáveis multiplicadas por constantes conhecidas;
c) Nenhum termo das funções, objetivo ou de restrição, pode conter produtos de
variáveis de decisão;
d) As variáveis de decisão podem ser divididas ou fracionadas, assumindo valores
reais ou inteiros.
A programação linear é um tipo de modelo matemático, sendo assim, para
montar o problema de programação linear deve-se primeiramente definir as variáveis do
problema, em seguida a função objetivo (maximizar ou minimizar) e, por fim, as
restrições do modelo, ou seja, fatores que limitam as variáveis disponíveis.
Nesse contexto, observa-se que o principal objetivo é fornecer um critério
holístico para avaliar a utilidade de uma ação ou escolha com base em vários critérios.
Ocorre que os problemas práticos e reais da tomada de decisões muitas vezes precisam
satisfazer vários objetivos que às vezes são conflitantes e inconsistentes (RAZAVI et
al., 2013).
Sendo assim, para resolver tais problemas pode-se utilizar a solução gráfica
(quando possui apenas 2 variáveis), assim como podem ser aplicados diversos tipos de
algoritmos, tais como branchandbound ou simplex. A partir da aplicação de algoritmos,
obtêm-se uma solução rápida e precisa, no entanto, para realizar esta análise são
necessários softwares tais como LINDO (Lindo Systems Inc); o Prolin (Escola Superior
de Tecnologia); e o Multisimplex (Gabritech Solutions), aplicativos que podem ser
utilizados sem custos para fins acadêmicos.
2.2.3 - O problema do Mix de produção
Definir o mix de produção é uma decisão importante que impacta diretamente

nos resultados da empresa. O problema do mix de produção é comum em indústrias.
Estudos tratam deste problema desde a 1ª guerra mundial, época em que surgiu a
18
Pesquisa em Operações, cuja área estuda modelos matemáticos para a otimização
ajudando a tomada de decisão (RIBOLDI, 2017).
No início de sua história, o problema do mix de produtos foi formulado como um
problema de PL e aplicado em uma ampla variedade de configurações. Com o tempo,
surgiram inovações na formulação para abordar características especiais do ambiente de
tomada de decisão, desse modo, passou-se a integrar informações referentes a custos
(diretos e indiretos), volume de produção e capacidade de recursos (utilização e
expansão) na determinação do mix ideal (WELLINGTON et al. (2014).
Esse tipo de problema faz parte da Programação Linear, consistindo em
determinar o objetivo ótimo, tais como maximização do lucro ou da receita que se pode
alcançar com a produção de n unidade de determinado bem ou serviço, em situações nas
quais os recursos disponíveis – quantidade de dinheiro, mão de obra, matérias- primas,
máquinas de produção etc. – são limitados ou escassos (LONGARAY, 2013).
Sendo assim, o problema de decisão do mix de produtos pressupõe 'n' número de
produtos a serem fabricados, usando o número 'k' de diferentes técnicas de
processamento de fabricação, misturando 'm'número de matérias-primas em diferentes
proporções. Dentro das restrições, limitações dos recursos das matérias-primas podem
ser consideradas (SUSANTO e BHATTACHARYA, 2011). Nesse sentido, NOREEN et
al. (1996) elucidam que uma restrição pode ser entendida como algo que impeça o
sistema produtivo de alcançar seus objetivos.
Quanto a literatura, observa-se que já existem estudos de pesquisa operacional
de otimização de mix, tais como os apresentados a seguir:
 SCHMIDT (2008) analisou a programação linear como uma ferramenta para
verificar a viabilidade econômico-financeira de um investimento, em uma
indústria de confecções de uniformes e roupas profissionais, ao final do estudo
pôde-se observar que a PL pode ser utilizada como uma alternativa aos métodos
tradicionais de análise de viabilidade econômico-financeiro;
 DIAS (2014) propôs um modelo de otimização para o planejamento agregado da
produção de uma indústria Têxtil no estado de Minas Gerais, que confecciona
calças, bermudas e shorts, todos feitos com a mesma matéria prima, Jeans. A
pesquisa concluiu que através da PO é possível gerar ganhos financeiros para a
empresa, no entanto, não quantificou este valor, visto que não foram
apresentados dados anteriores a sugestão de mix de produção;
19
 BOTELHO et al. (2017) realizaram pesquisas visando encontrar uma solução
rentável para o mix de produção de uma empresa especializada na confecção de
camisetas. Ao final do estudo, obteve-se um resultado 7% acima da meta
estipulada para o ano analisado, mesmo após um péssimo primeiro trimestre da
empresa.
Nesse contexto, WANG et al. (2009) mostraram que quando o sistema de
produção não possui elevada complexidade, os métodos tradicionais para resolução de
problemas de programação propostos na literatura são capazes de obter a solução ótima
em tempo razoável. Para fins de análise desse trabalho, utilizou-se o método Simplex.
2.2.4 - O método simplex
O método Simplex foi desenvolvido por George Dantizig, um matemático

americano, em 1947. Sua eficácia resultou em economia de bilhões para a indústria e
Governo, principalmente a partir da utilização de softwares para análise de problemas
mais complexos.
Tal método é um dos desenvolvimentos mais famosos e importantes da ciência e
foi reconhecido pelo Journal of Computing in Science and Engineering como um dos 10
principais algoritmos do século XX. Ademais, o método simplex mudou o uso da
programação linear de um modelo interessante para uma ferramenta prática.
Atualmente, a PL, através da utilização do método simplex impacta dramaticamente a
sociedade, encontrando melhores soluções para problemas em diversas indústrias,
incluindo logística, finanças, manufatura, medicina e política governamental. (VITOR.
TOOD, 2018)
O algoritmo Simplex é o método mais utilizado para resolver problemas de
programação linear. Uma base viável, ou seja, aquela que atenda todas as restrições de
maneira satisfatória é um dado principal para iniciar o processo (NABLI.
CHAHDOURA, 2015).
Em seguida, é realizado o teste de otimalidade em que se analisa se a solução
encontrada é a solução ótima para o problema ou se é possível obter uma solução básica
viável melhor que a atual. Sendo assim, sucessivamente obtém-se novas soluções em
intersecções que fornecem valores cada vez melhores para a função objetiva. A Figura
2.4 apresenta o funcionamento do método.
20
Figura 2.4 - O método simplex.
Fonte: Adaptado de LACHTERMACHER (2007).
Nesse sentido, entende-se que o princípio do método simplex é o deslocamento

de um projeto inicial pela região experimental estudada, a fim de evitar regiões com
respostas indesejáveis. Assim, o deslocamento simplex é realizado pela reflexão do
ponto experimental, mostrando a pior resposta, gerando um novo simplex que deve ser
novamente analisado e deslocado para a região ótima. (BEZERRA et al., 2016)
CARVALHO (2014) determina que existem algumas condições a serem
seguidas para aplicação do método:
a) A restrição de não negatividade é obrigatória;
b) Não é possível aplicar o método a um problema na forma geral, terá que se
passar para a forma padrão ou aumentada. Transforma-se o sistema de
inequações e/ou equações, associadas às restrições, exclusivamente num sistema
de equações. Recorre-se, para isso, às chamadas variáveis auxiliares, de desvio
ou de folga, assim como a variáveis artificiais. Estes novos tipos de variáveis
permitem obter uma matriz identidade no quadro Simplex, constituindo-se como
a base inicial;
c) Caso a inequação seja ≤ acrescenta-se uma variável auxiliar com sinal positivo;
d) Caso a inequação seja ≥ acrescenta-se uma variável auxiliar com sinal negativo e
uma variável artificial com sinal positivo; isto porque o coeficiente negativo da
variável auxiliar não permite ter um vetor da matriz identidade;
e) Caso seja uma equação, acrescenta-se uma variável artificial com sinal positivo,
de modo a ter aqui um vetor da matriz identidade.
21
Nesse sentido, diversos autores apresentaram roteiros para solução de problemas
de PL através do Simplex, a seguir, pode-se observar o desenvolvido a partir da
adaptação de ANDRADE (2011)
1º Etapa: Transformação para a forma padrão ou aumentada a partir da
transformação em um sistema de equações em que são introduzidas as variáveis de
folga nas restrições do tipo (≤) ou (≥) e, se necessário, as variáveis artificiais para todas
as restrições do tipo (=) ou (≥).
Observação: Caso a função seja de minimizar é necessário multiplicá-la por (-1)
para resolução do problema;
2º Etapa: Se necessário, cria-se uma nova função objetivo artificial (w),
formada da seguinte maneira:
a) Para todas as variáveis reais e de folga, o coeficiente da função artificial será
a soma dos coeficientes dessas variáveis, ou seja: di = −(a1j + a2j +...+ am j)
Observação: Somente são incluídos os coeficientes das linhas com variáveis
artificiais.
b) Zero para as variáveis artificiais;
c) O valor inicial da função objetivo artificial é a soma dos termos independentes
das restrições.
3º Etapa: Montar um quadro para os cálculos, colocando na primeira linha os
coeficientes da função objetivo transformada e, em seguida, os coeficientes de todas as
variáveis com os respectivos sinais, por fim, coloca-se a função objetivo artificial na
última linha.
4º Etapa: Aplica-se o método Simplex, tomando como função objetivo a última
linha. Sendo assim, deve-se identificar na tabela qual a variável não básica que oferece,
na última linha, a maior contribuição para o aumento da função objetivo (ou seja, tem o
maior valor negativo). Caso todas as variáveis que estão fora da base tiverem
coeficientes nulos ou positivos nesta linha, a solução atual é ótima. Se alguma dessas
variáveis tiver coeficiente nulo, isto significa que ela pode ser introduzida na base sem
aumentar o valor da função objetivo. Isso quer dizer que temos uma solução ótima, com
o mesmo valor da função objetivo.
Quando a solução ótima for atingida, dois casos podem ocorrer:
a) Za = 0: neste caso foi obtida uma solução básica do problema original e o
processo de solução deve continuar desprezando-se as variáveis artificiais e
os elementos da última linha. É o início da 2 etapa do processo;
22
b) Za ≠ 0: neste caso, o problema original não tem solução viável, o que
significa que as restrições devem ser inconsistentes.
5º Etapa: Identificar qual a variável deve sair da base, a partir da seguinte
análise:
a) Dividir os elementos da última coluna pelos correspondentes elementos
positivos da coluna da variável que vai entrar na base. Caso não haja elemento algum
positivo nesta coluna, o processo deve parar, já que a solução é ilimitada.
b) O menor quociente indica a equação cuja respectiva variável básica deverá ser
anulada, tornando-se variável não básica.
6º Etapa: Usando operações válidas com as linhas da matriz, transformar o
quadro de cálculos de forma a encontrar a nova solução básica. A coluna da nova
variável básica deverá se tornar um vetor identidade, onde o elemento 1 aparece na
linha correspondente à variável que está sendo anulada.
7º Etapa: Retornar a etapa 6 para iniciar outra iteração.
8º Etapa: Exclusão das colunas auxiliares e função w
Caso o resultado ainda não fosse o resultado ótimo, deveria iniciar outro
processo de pivoteamento até que seja possível localizar o valor que torne o resultado da
função ótimo.
Uma limitação é a impossibilidade de trabalhar com variáveis qualitativas. No
entanto, dependendo das características dos sistemas a serem otimizados, o método
simplex são escolhidos porque são simples e rápidos (BEZERRA et al., 2016)
23
CAPÍTULO 3
METODOLOGIA
Neste estudo foram realizados diversos levantamentos, a fim de quantificar o

histórico de vendas, recursos disponíveis, custos de produção, margem de lucro,
restrições e a proposta de um modelo matemático. A Figura 3.1 apresenta, de forma
resumida, o fluxograma da metodologia empregada.
Figura 3.1 - Fluxograma da metodologia empregada.
Conforme a Figura 3.1, a pesquisa em questão iniciou-se por uma revisão

bibliográfica. Em seguida, foi realizado estudo in loco na empresa objeto de estudo,
através do qual foi possível realizar a análise do processo produtivo e verificar
possibilidades de otimização, também foi realizado levantamento de dados históricos e
atuais que fomentassem informações para a formulação do problema, etapa que define o
limite do estudo a partir da definição dos objetivos, restrições identificadas e realização
de revisões, a fim de melhor detalhar o problema de estudo.
A partir dos dados anteriores, realizou-se a formulação de um modelo que
representasse o problema que está sendo avaliado, observando tanto a função objetivo
quanto as restrições encontradas anteriormente.
Para a seleção da amostra, considerou-se a produção de camisas, calças,
bermudas, casacos e jalecos, o que engloba praticamente todo o mix de produtos da
empresa.
24
A empresa objeto de estudo desta pesquisa é uma malharia. Trata-se de uma
microempresa que opera na indústria e comércio da cidade de São Luís-MA, uma vez
que fabrica e comercializa seus produtos, atuando principalmente no mercado de
confecção de uniforme, jalecos e camisas.
Sua localização é o centro da cidade de São Luís – MA, em um prédio cuja
estrutura é tombada pelo patrimônio histórico, desse modo, para que seja feita algumas
alterações em sua estrutura é necessária a solicitação de autorização junto aos órgãos
competentes. A Figura 3.2 apresenta o layout da empresa analisada.
LOJA
CORTE
18
ESCRITÓRIO
5 5 2 1
2
4
10
3 4 2 4 3 17
13
7 6
PINTURA 12 11
3 3 3 3 16
5 15 14 LAVAGEM
3
COSTURA
3 WC WC
8
9
8
5 3
ESTOQUE
COPA
LEGENDA:
1 -MÁQUINA DE PINTAR 6 – CASADEIRA 11 – SECADOR DE 15 – ESTOQUE DE
PAPEL 7 – ELASTIQUEIRA PAPEL TINTAS
2 – OVERLOCK 8 - PESPONTADEIRA 12 – MESA TÉRMICA 16 – ESTOQUE DE TELAS
3 - MÁQUINA RETA 9 - MÁQUINA DE 13 – TRANSFER A4 17 – ESTOQUE DE
4 – GALONEIRA BRAÇO 14 - MÁQUINA DE PRODUTOS EM
5 – INTERLOCK 10 – ESTOQUE DE PLASTISOL PROCESSO
MATERIAIS DIRETOS 18 – MESA DE CORTE
Figura 3.2 - Layout da empresa.
25
3.1 - ANÁLISE DOS DADOS DA EMPRESA
Inicialmente foi realizado o desenho dos processos produtivos da empresa, a

partir da observação direta da operação. Em seguida, analisou-se os tempos das etapas
do processo produtivo. Foi considerado uma amostra de 10 unidades de cada tipo de
produto, exceto a etapa de emissão de pedido de produção que, por se tratar de
procedimento igual para todos os tipos de produtos, considerou-se apenas o grupo das
10 primeiras amostras e replicou-se o resultado para os demais tipos de produtos.
A análise documental foi realizada através de coleta de dados do ano de 2018
extraídos por meio de relatórios do sistema de gerenciamento da empresa, tais como
relação mensal de posição de estoque e histórico de vendas. Foram coletados os dados
históricos de vendas e produção, visto que os custos indiretos do processo produtivo são
divididos de maneira proporcional ao volume de vendas de cada item. Sendo assim,
definiu-se um período de 1 ano para o histórico de vendas e estoque, traçando-se uma
média aritmética sobre os dados coletados.
Para calcular o Custo Direto (CD) unitário, foi realizado o levantamento dos
custos de mão-de-obra direta (MOD), a partir de informações fornecidas em relatório da
contabilidade da empresa, considerando todos os gastos para manutenção do
colaborador na empresa, o que engloba salário base, vale transporte, provisão para férias
(11,11%), décimo terceiro salário (8,33%), FGTS (8%), FGTS / Provisão de multa para
rescisão (4%), previdenciário sobre 13º / Férias / DSR (7,93%).
3.2 - FORMULAÇÃO DO PROBLEMA E CONSTRUÇÃO DO MODELO
Atualmente, a definição do mix de produção na empresa é realizada de modo

empírico, ou seja, baseada na experiência dos profissionais e principalmente na data de
entrega dos pedidos (quando se trata de encomendas diretas) e disponibilidade de
estoque na loja (quando se trata de uniformes escolares ou de produtos a pronta entrega
disponíveis na loja, como o caso de calças de brim e camisas sem pinturas).
Destaca-se, também, que quando se trata de encomendas de produtos, a empresa
opta por aceitar um pedido mínimo de 10 peças, sendo que a produção é realizada
baseada na data de entrega. Desse modo, entende-se que os primeiros produtos
solicitados serão os primeiros a serem produzidos e entregues. Tal metodologia permite
26
maior confiabilidade no cumprimento de prazos de entrega, no entanto compromete a
otimização de recursos e tempos.
Nesse cenário, tendo em vista que os recursos organizacionais são escassos e que
precisam ser maximizados, buscou-se elaborar um modelo matemático que assegurasse
um maior lucro para a empresa. Por conseguinte, determinou-se que as variáveis do
modelo seriam:
 X1: quantidade de camisas produzidas mensalmente;
 X2: quantidade de calças produzidas mensalmente;
 X3: quantidade de bermudas produzidas mensalmente;
 X4: quantidade de casacos produzidos mensalmente;
 X5: quantidade de jalecos produzidos mensalmente.
Sendo o objetivo principal do estudo maximizar o lucro, a função do modelo

proposto, com base nos levantamentos realizados anteriormente está apresentado na Eq.
(3.1).
Max Z = L1 X1 + L2 X2 + L3X3 + L4 X4 + L5X5 (3.1)
Onde L1, L2, L3, L4 e L5 são os lucros unitários da camisa, calça, bermuda,
casaco e jaleco, respectivamente.
Além disso, a fim de contemplar a análise da minimização dos custos, foi
proposto o seguinte o modelo da Eq. (3.2).
Min Z = C1 X1 + C2 X2 + C3X3 + C4 X4 + C5 X5 (3.2)
Onde C1, C2, C3, C4 e C5 são os custos unitários da camisa, calça, bermuda,
casaco e jaleco, respectivamente.
Para a delimitação das restrições das funções objetivos, foram consideradas
informações referente a demanda, capacidade de produção, média de vendas,
disponibilidade de materiais, receita máxima e tempo disponível em cada etapa do
processo produtivo, sendo que o tempo apresentado como o tempo limite da restrição
foi obtido baseados em dados determinados pela empresa, que avaliou a disponibilidade
máxima de cada etapa do processo produtivo, a fim de que a etapa se torne
economicamente viável.
27
CAPÍTULO 4
RESULTADOS E DISCUSSÃO
4.1 - ANÁLISE DO PROCESSO PRODUTIVO
Para essa etapa foi feita observação direta do processo produtivo de camisetas,
calças, bermudas, casacos e jalecos. Todos os processos produtivos possuem suas fases
de Planejamento e Controle de Produção (PCP), corte e finalização semelhantes, visto
que são compostos pelas seguintes etapas: inicialmente os pedidos de produção são
emitidos, em seguida é realizada uma verificação de disponibilidade de matéria-prima
(MP) no estoque, caso haja disponibilidade imediata o pedido é encaminhado para
produção. Desse modo, o colaborador da área de corte transporta o tecido do estoque
para a mesa de corte e realiza o processo de enfestar o tecido, que consiste em estender
os tecidos em camadas planas e alinhadas de modo que sejam cortadas em pilhas.
Posteriormente é realizado o corte do tecido através da utilização de tesoura
elétrica. Ao final do processo de corte, as peças são separadas por tamanhos e em lotes
de pelo menos 10 unidades, em seguida esses lotes são encaminhados para as fases de
costura e pintura, como poderá ser observado no fluxograma do processo apresentado
na Figura 4.1.
28
Figura 4.1 - Fluxograma do processo de produção de camisas.
Ressalta-se que o processo de pintura também possui etapas semelhantes para

todos os produtos estudados, tendo sua divergência no tipo de produtos utilizados visto
que para cada tipo de tecido é utilizado uma tinta adequada.
Posteriormente, foi analisado o processo produtivo das calças e bermudas de
brim. Optou-se por realizar um fluxograma único para esses dois processos devido a
semelhança em grande parte das etapas de produção, pois o que difere um processo
produtivo do outro é a utilização de cós de elástico nas bermudas, enquanto que na
produção das calças são utilizados zíper de 15cm e botão, conforme fluxograma da
Figura 4.2.
29
Figura 4.2 - Fluxograma do processo de produção de calças e bermudas.
30
Com relação aos casacos de brim, observa-se que esse não é parte tão significativa da produção atual da empresa, o que pode ser
explicado pela sua localização em uma cidade de temperaturas quentes durante todo o ano. No entanto, trata-se de um item que sempre é
demandado por escolas e empresas que trabalham em área industrial. A Figura 4.3 apresenta o fluxograma do processo.
Figura 4.3 - Fluxograma do processo de produção de casacos.
31
Observou-se o processo produtivo dos jalecos, itens que são confeccionados com tecido de microfibra, desse modo, delimitou-se o
processo conforme fluxograma apresentado a seguir na Figura 4.4.
Figura 4.4 - Fluxograma do processo de produção de jalecos.
32
Considerando que boa parte dos equipamentos de costura não são únicos, o fluxo
apresentado na Figura 4.5 representa uma das possibilidades de processo de produção,
quando da ocorrência de produção simultânea de todo o mix de produção da empresa.
CORTE
18
19
ESCRITÓRIO
ETAPA
COMUM A
5 5 2 2 1 TODOS OS
4 PRODUTOS
10
CAMISAS
3 4 2 4 3 17
CALÇAS
13
7 6 BERMUDAS
11
PINTURA 12 JALECOS
3 3 3 3 16
CASACOS
5 15 14 LAVAGEM
3
COSTURA
3 WC WC
8
9
8
5 3
ESTOQUE
COPA
Figura 4.5 - Fluxo dos processos produtivos da empresa.
Após observação do processo produtivo da empresa, notou-se que a empresa

opera os processos em lote, a partir do recebimento de encomendas de pelo menos 10
unidades e a própria organização do seu processo produtivo contempla a separação dos
produtos ao final da etapa de corte em grupos de pelo menos 10 unidades.
Quanto ao arranjo físico, entende-se que a empresa tenta trabalhar o arranjo por
processos. No entanto, o layout atual dos setores e equipamentos não buscam a
maximização dos resultados da empresa, visto que geram maior tempo de transporte,
principalmente com os tecidos, que são matérias-primas pesadas e que apresentam
manuseio mais difícil do que as peças já cortadas.
Além disso, percebeu-se que a loja é muito grande quando comparada ao fluxo
de pessoas que passam por ela, nesse sentido, observou-se que suas dimensões foram
33
feitas considerando as divisões de espaços já existentes no prédio, haja vista o fato de
ser tombado pelo patrimônio histórico, o que faz com que qualquer alteração em sua
estrutura necessite de aprovação do Instituto do Patrimônio Histórico e Artístico
Nacional (IPHAN) e demais órgãos cabíveis.
Do exposto, considerando tal limitação, sugere-se que seja criada uma parede de
gesso acartonado, a fim de que seja feita a divisão da loja em dois espaços, com isso, o
processo a ser gerado no órgão competente tende a ser menos burocrático, uma vez que
a qualquer tempo pode ser feita a reversibilidade para retornar as condições anteriores
do imóvel.
Com o novo espaço devidamente dividido, pode-se realizar a transferência do
escritório para esse novo espaço. Com isso, a área do escritório passará a ser o novo
estoque de matéria-prima: um local mais próximo a entrada de materiais e do setor de
corte, o que irá permitir um menor deslocamento tanto no recebimento de mercadorias
quanto no momento de retirada da matéria-prima do estoque e transporte para o setor de
corte.
Com essas mudanças, o espaço do estoque anterior ficará vago para que a
empresa analise qual a melhor opção de utilização. Sugere-se pela utilização de espaço
reserva para estoque que será utilizado apenas quando o novo estoque estiver lotado, o
que só ocorre no período de pico de produção de uniformes escolares, visto que no mês
de janeiro as fábricas de tecidos entram em férias coletivas, sendo assim, a malharia
realiza o pedido de MP em 2,5 vezes da sua necessidade para o mês de dezembro.
Diante do exposto, apresenta-se na Figura 4.6 o comparativo entre a sugestão de
mudança do layout e o layout atual da empresa.
34
Figura 4.6 - Comparativo do layout atual X layout sugerido.
Futuramente, esse novo espaço poderá ser utilizado como espaço para ampliação do parque de máquinas da empresa, quando as
vendas atingirem a capacidade de produção mensal de 1.400 peças.
35
Por outro lado, se a empresa optar por uma solução conservadora e não realizar
qualquer mudança que implique em solicitação de autorização para os órgãos
competentes sugere-se a permuta entre o local que hoje abriga o escritório e o estoque.
Cabe ressaltar que tal alteração implicará numa maior distância entre o escritório e a
loja, o que é uma desvantagem, pois poderia prejudicar no acompanhamento do
atendimento aos clientes.
Após a mudança do layout setorial, observou-se a necessidade de adequação da
localização das máquinas, visto que os processos produtivos não estão devidamente
setorizados por tipo de processos de produção. Sendo assim, considerando os processos
produtivos aqui apresentados, percebeu-se que seria adequada a organização de uma
área de preparos iniciais com máquinas de costura overloque e reta, haja vista se
tratarem de etapas rápidas (com duração média inferior a 2 min nas etapas iniciais) e
que tais máquinas são utilizadas por todos os processos produtivos. Desse modo, as
partes iniciais poderiam fluir pela linha de produção de cada item, o que resultará na
alteração do layout restante dos produtos.
Nesse sentido, optou-se por deixar a área de costura entre o novo estoque de MP
e o setor de pintura para as máquinas galoneiras, uma vez que elas só são utilizadas na
linha de produção de camisas, ficando então determinado que o fluxo da linha de
produção de camisas na etapa costura seria concentrado apenas nessa área.
Com relação ao layout dos demais processos, observou-se que o processo
produtivo das calças possui várias etapas que utilizam as máquinas interloque,
pespontadeira, reta e caseadeira, resultando na concentração desses equipamentos a fim
de otimizar o processo.
Em seguida, determinou-se a linha de produção de jaleco próximo a de produção
das calças, uma vez que ambas compartilham a máquina caseadeira em seu processo
produtivo. Ademais, considerando que é um produto que se pretende aumentar a
produção, essa linha foi posicionada mais próximo da área de preparo iniciais com as
máquinas interloque, reta e caseadeira, sendo esta última comum as duas linhas.
Por outro lado, as bermudas possuem a preparação do cós na máquina
elastiqueira como uma etapa inicial diferente do processo das calças, assim como
também não utiliza a máquina caseadeira.Desse modo, concentraram-se as máquinas
interloque, pespontadeira e reta. Observou-se também que a bermuda é um produto que
possui uma demanda menor que as demais, o que justificou a organização da linha de
produção mais distante.
36
Por motivo análogo ao das bermudas, optou-se por instalar a linha de produção
dos casacos mais distante. Para esse tipo de produto foram concentradas próximas as
máquinas reta e interloque, visto que a etapa de preparação de cós e punhos, assim
como as bermudas, ocorrem no início do processo produtivo e seguiriam para utilização
desses dois equipamentos.
Sendo assim, a partir da Figura 4.7 é possível observar a carta multiprocesso dos
processos produtivos da empresa.
Figura 4.7 - Carta multiprocesso da empresa.
Ocorre que ao colocar tais processos na ferramenta em questão, entende-se que

existiria apenas um único equipamento de cada tipo listado, o que não condiz com a
realidade do negócio, visto que os equipamentos de uso intensivo no processo produtivo
possuem mais unidades que foram distribuídas, de modo a facilitar o fluxo da produção
na empresa.
Sendo assim, também foi realizado o mapa fluxograma da organização, no qual
é possível observar a mudança do layout, bem como a alteração do fluxo de
processo,tais informações poderão ser observadas na Figura 4.8.
37
LOJA
ESCRITÓRIO
CORTE
18
ESTOQUE
ETAPA
COMUM A
2 2 4 1 TODOS OS
4
2 PRODUTOS
10
CAMISAS
3 3 3 4 3 17
CALÇAS
13
5 5 BERMUDAS
PINTURA 12 11 JALECOS
8 6 3 7 16
CASACOS
3 15 14 LAVAGEM
5
COSTURA
3 WC WC
3 8
5
ESTOQUE
3 9 RESERVA
COPA
LEGENDA:
1 -MÁQUINA DE PINTAR 6 – CASADEIRA 11 – SECADOR DE 15 – ESTOQUE DE
PAPEL 7 – ELASTIQUEIRA PAPEL TINTAS
2 – OVERLOCK 8 - PESPONTADEIRA 12 – MESA TÉRMICA 16 – ESTOQUE DE TELAS
3 - MÁQUINA RETA 9 - MÁQUINA DE 13 – TRANSFER A4 17 – ESTOQUE DE
4 – GALONEIRA BRAÇO 14 - MÁQUINA DE PRODUTOS EM
5 – INTERLOCK 10 – ESTOQUE DE PLASTISOL PROCESSO
MATERIAIS DIRETOS 18 – MESA DE CORTE
Figura 4.8 - Sugestão de alteração de layout de equipamentos.
Observou-se, ainda, que durante a etapa de levantamentos de tempos houve

várias paradas devido à quebra de agulhas, da própria máquina de costura ou término da
linha. Tais fatores geraram aumento no tempo geral de produção. Desse modo, sugere-
se que a empresa faça um cronograma de manutenção e limpeza periódica dos
equipamentos, atuando de maneira preventiva e não apenas de maneira reativa a
problemas do processo produtivo. A partir de tais alterações, espera-se diminuir o
tempo de deslocamento entre as etapas e melhorar o fluxo de trabalho, o que resultará
em melhoria do desempenho da empresa.
38
Ademais, ressalta-se que a partir da análise do processo produtivo da empresa é
possível otimizar seus processos e, com isso, contribuir com a maximização dos
resultados, o que é o objetivo proposto através da utilização do método simplex. Nesse
sentido, observa-se que tal análise serve como complemento para que a empresa venha a
ter o melhor resultado possível.
4.2 - LEVANTAMENTO DO TEMPO DE PRODUÇÃO
Nesta etapa foram realizados os levantamentos dos tempos de produção em

todas as etapas do processo produtivo, sendo assim, ao final, obtiveram-se os tempos de
produção das camisas, calças, bermudas, casacos e jalecos.
Para a produção das camisetas, obteve-se um tempo médio de produção de 19,05
min, divididos em 0,67 min para elaborar pedido de produção, 2,18 min em etapas de
transporte, 1,17 min nas etapas de corte, 3,85 min na máquina overloque, 1,46 min na
máquina reta, 2,74 min na máquina galoneira, 4,79 min nas etapas de pintura e 2,19 min
em controle de qualidade. Na observação desse processo houve duas paradas: uma
devido à quebra da agulha da máquina e outra para troca de linha, cujo rolo havia
acabado, desse modo, tais outliers foram considerados para fins de cálculos do tempo
médio de produção, pois são paradas que ocorrem naturalmente ao longo do processo
produtivo. Os tempos de cada etapa do processo produtivo estão apresentados na Figura
4.9.
Tempo Médio de Produção - Camisas

7
6
5
4
3
2
1
0
Computador Transporte corte overlock reta galoneira pintura contr. de
qual.
Amostra 01 Amostra 02 Amostra 03 Amostra 04 Amostra 05 Amostra 06

Amostra 07 Amostra 08 Amostra 09 Amostra 10 Tempo Médio
Figura 4.9 - Levantamento do tempo de produção em minutos – camisas.
39
Já na produção de calças, o tempo médio de produção foi de 38,22 min,
subdivididos em 0,67 min para elaborar pedido de produção, 2,16 min em etapas de
transporte, 2,08 min nas etapas de corte, 0,9 min na máquina overloque, 7,18 min na
máquina reta, 9,75 min na máquina interloque, 3,35 min na pespontadeira, 0,98 min na
caseadeira, 5,5 min nas etapas de pintura e 5,65 min em controle de qualidade.
Na observação desse processo houve três paradas: duas devido à troca de linha,
cujo rolo havia acabado e outra devido a defeito que a máquina apresentou, sendo
necessária a parada para limpeza e reiniciar o processo. Ressalta-se que tais outliers
foram considerados para fins de cálculos do tempo médio de produção, pois são paradas
que ocorrem naturalmente ao longo do processo produtivo. Os tempos de cada etapa do
processo produtivo estão apresentados na Figura 4.10.
Tempo Médio de Produção - Calças

14
12
10
8
6
4
2
0

Figura 4.10 - Levantamento do tempo de produção em minutos – calças.
A análise da produção das bermudas de brim apresentou um tempo médio de

produção de 30,90 min, que se subdivide em: 0,67 min para elaborar pedido de
produção, 2,20min de transporte, 1,73min nas etapas de corte, 0,91min na overloque,
2,88 min na reta, 8,01min na interloque, 2,64 min na pespontadeira, 1,16 min na
elastiqueira, 5,53min nas etapas de pintura e 5,17min em controle de qualidade. Na
observação desse processo, houve duas paradas: uma devido à quebra de agulha e outra
devido a defeito que a máquina apresentou, sendo necessária a parada para limpeza e
reiniciar o processo. Salienta-se que tais outliers foram considerados para fins de
cálculos do tempo médio de produção, pois são paradas que ocorrem naturalmente ao
40
longo do processo produtivo. Sendo assim, os tempos levantados podem ser observados
na Figura 4.11.
Tempo Médio de Produção - Bermudas

14
9
4
-1
Amostra 01 Amostra 02 Amostra 03 Amostra 04

Amostra 09 Amostra 10 Tempo Médio
Figura 4.11 - Levantamento do tempo de produção em minutos – bermudas.
O processo de produção dos casacos apresentou uma duração média de 30,64

min que estão divididos em: 0,67 min para elaborar pedido de produção, 3,15min de
transporte, 2,04 min nas etapas de corte, 0,7min na overloque, 5,92 min na reta, 6,28min
na interloque, 3,65 min na elastiqueira, 5,13min nas etapas de pintura e 3,10min em
controle de qualidade. Na observação desse processo houve três paradas, as quais todas
foram devido à término da linha, ressalta-se que tais outliers foram considerados para
fins de cálculos do tempo médio de produção, pois são paradas que ocorrem
naturalmente ao longo do processo produtivo. O levantamento dos referidos tempos
poderá ser observado na Figura 4.12.
Tempo Médio de Produção - Casacos

9
7
5
3
1
-1

Figura 4.12 - Levantamento do Tempo de produção em minutos – casaco.
41
O processo de produção dos jalecos cuja duração média foi de 33,67 min que
estão divididos em: 0,67 min para elaborar pedido de produção, 2,34 min de transporte,
1,66 min nas etapas de corte, 0,89min na overloque, 11,47 min na reta, 3,57 na
caseadeira, 3,81min na interloque, 5,32min nas etapas de pintura e 3,94min em controle
de qualidade. Na observação desse processo houve três paradas: duas devido à término
da linha e uma devido à quebra da agulha, ressalta-se que tais outliers foram
considerados para fins de cálculos do tempo médio de produção, pois são paradas que
ocorrem naturalmente ao longo do processo produtivo. O levantamento dos referidos
tempos poderá ser observado na Figura 4.13.
Tempo de Produção - Jalecos

20
15
10

Figura 4.13 - Levantamento do tempo de produção em minutos – jalecos.
Desse modo, a Tabela 4.1 apresenta o tempo de produção por cada tipo de
equipamento ou fase do processo.
Tabela 4.1 - Levantamento do tempo de produção por equipamento ou etapa.
Camisa Calça Bermuda Casaco Jaleco

Computador 0,67 0,67 0,67 0,67 0,67
Transporte 2,18 2,16 2,2 3,15 2,34
Corte 1,17 2,08 1,73 2,04 1,66
Overloque 3,85 0,9 0,91 0,7 0,89
Reta 1,46 7,18 2,88 5,92 11,47
Galoneira 2,74 0 0 0 0
Interloque 0 9,75 8,01 6,28 3,81
Pespontadeira 0 3,35 2,64 0 0
Caseadeira 0 0,98 0 0 3,57
Elastiqueira 0 0 1,16 3,65 0
42
Pintura 4,79 5,5 5,53 5,13 5,32
Controle de Qualidade 2,19 5,65 5,17 3,1 3,94
Total 19,05 38,22 30,9 30,64 33,67
A partir dos dados coletados nessa etapa, foi possível realizar a elaboração de
cálculos futuros referentes a composição dos custos.
4.3 - LEVANTAMENTO DO HISTÓRICO DE VENDAS, CUSTO DE PRODUÇÃO

E LUCRO UNITÁRIO
Após o levantamento de dados realizado na empresa a partir da análise de

relatórios do ano de 2018, foram obtidos a média mensal de vendas, demanda máxima e
demanda mínima dos produtos, os quais estão apresentados na Tabela 4.2.
Tabela 4.2 - Média de vendas, demanda máxima e mínima de 2018.
TOTAL
CAMISA CALÇA BERM. CAS. JALECO
MENSAL
JANEIRO 720 260 80 30 20 1110
FEVEREIRO 600 250 80 30 50 1010
MARÇO 850 100 30 20 25 1025
ABRIL 670 220 70 20 40 1020
MAIO 650 120 40 25 70 905
JUNHO 900 80 20 15 28 1043
JULHO 658 300 72 20 35 1085
AGOSTO 780 240 20 15 20 1075
SETEMBRO 830 70 20 18 20 958
OUTUBRO 920 120 15 25 100 1180
NOVEMBRO 835 220 90 15 30 1190
DEZEMBRO 780 220 70 20 100 1190
MÁXIMO 920 300 90 30 100 1190
MÍNIMO 600 70 15 15 20 905
MÉDIA DE
766 183 51 21 45 1066
PEDIDOS
Deste modo, chegou-se aos resultados, os quais estão apresentados na Tabela

4.3.
43
Tabela 4.3 - Levantamento do custo da mão-de-obra de produção com encargos.
CÁLCULO DA MOD DE PRODUÇÃO COM ENCARGOS

SALÁRIO BASE COSTUREIRA R$ 1.004,00
FÉRIAS + 13º + ENCARGOS (39,37%) R$ 395,27
VALE TRANSPORTE R$ 138,20
VALOR TOTAL MENSAL R$ 1.537,47
MINUTOS TRABALHADOS MENSALMENTE 13.200
VALOR DO MINUTO DE PRODUÇÃO COM ENCARGOS R$ 0,12
A partir das informações da Tabela 4.8 e, baseado no tempo de produção

levantado na etapa anterior, calculou-se o custo unitário de MOD por tipo de produto,
conforme a Tabela 4.4.
Tabela 4.4 - Cálculo do custo unitário com mão-de-obra por tipo de produto.
TEMPO MÉDIO EM MINUTO DE CUSTO

MINUTOS PARA PRODUÇÃO C/ EFETIVO
PRODUÇÃO UNITÁRIA ENCARGOS COM MOD
CAMISA 19,05 R$ 0,12 R$ 2,29
CALÇA 38,21 R$ 0,12 R$ 4,58
BERM. 30,90 R$ 0,12 R$ 3,71
CAS. 30,63 R$ 0,12 R$ 3,68
JALECO 33,67 R$ 0,12 R$ 4,04
Para a composição dos custos com materiais diretos (MD), foi considerado o
custo no mês de fevereiro de 2019. Desse modo, utilizou-se os valores atuais para
compor os custos dos referidos produtos. Os principais MD são: tecidos brim, algodão e
microfibra, elástico, linha e outros materiais diretos (compostos por etiqueta, botão e
zíper).
Para avaliar o consumo de MD por tipo de produto, foi feito o acompanhamento
do processo produtivo com uma amostra de 10 unidades de cada tipo de peça, onde
constataram-se os seguintes custos com tecido por tipo de produto, conforme apresenta
a Tabela 4.5.
44
Tabela 4.5 - Custo unitário com tecido por tipo de produto.
JALEC
CAMISA CALÇA BERM. CASACO
O
METRAGEM UTILIZADA - BRIM 0 1,2 0,8 1,1 0
PREÇO DO METRO R$ 13,30 R$13,30 R$ 13,30 R$ 13,30 R$ 13,30
GASTO COM BRIM R$ - R$15,96 R$ 10,64 R$ 14,63 R$ -
METRAGEM UTILIZADA - MALHA PV 0,95 0 0 1,1 0
PREÇO DO METRO R$ 5,12 R$ 5,12 R$ 5,12 R$ 5,12 R$ 5,12
GASTO COM MALHA PV R$ 4,86 R$ - R$ - R$ 5,63 R$ -
METRAGEM UTILIZADA - MICROFIBRA 0 0 0 0 1,5
CUSTO MICROFIBRA R$ - R$ - R$ - R$ - R$ 11,40
CUSTO UNIT. TECIDO R$ 4,86 R$15,96 R$ 10,64 R$ 20,26 R$ 11,40
A partir dos dados do custo unitário com tecido, calculou-se o custo total com
MD, considerando os custos com elástico, linha, tecido e outros MD, conforme a Tabela
4.6.
Tabela 4.6 - Custos total com materiais diretos por tipo de produto.
CAMISA CALÇA BERMUDA CASACO JALECO
METRAGEM UTILIZADA - ELÁSTICO 0 0 0,5 0,3 0

CUSTO ELÁSTICO 0 0 R$ 0,08 R$ 0,05 0
CONSUMO ROLO DE LINHA 0,05 0,13 0,08 0,13 0,13
PREÇO DO ROLO R$ 0,60 R$ 0,60 R$ 0,60 R$ 0,60 R$ 0,60
CUSTO LINHA R$ 0,03 R$ 0,08 R$ 0,05 R$ 0,08 R$ 0,08
OUTROS MD R$ 0,01 R$ 0,61 R$ 0,61 R$ 1,31 R$ 0,19
CUSTO UNIT. COM TECIDO R$ 4,86 R$ 15,96 R$ 10,64 R$ 20,26 R$ 11,40
CUSTO TOTAL MD R$ 4,90 R$ 16,65 R$ 11,37 R$ 21,70 R$ 11,67
Em seguida, foram identificados os custos indiretos de fabricação (CIF) da

empresa, para tanto, observou-se o relatório de histórico de gastos e calculou-se a média
dos últimos 12 meses, conforme apresenta a Tabela 4.7.
45
Tabela 4.7 - Custos indiretos totais dos últimos 12 meses.
CUSTOS INDIRETOS DE FABRICAÇÃO – CIF

Água R$ 110,00
Luz R$ 385,46
Telefone + Internet R$ 128,30
Contador R$ 950,00
Pró-labore R$ 2.500,00
Depreciação R$ 150,00
Simples Nacional R$ 1.338,78
Material de Limpeza e expediente R$ 120,00
Manutenção R$ 250,00
TOTAL R$ 5.932,54
Desse modo, considerando que mensalmente são produzidas em média 1.066

peças, observa-se que tais valores incorrem em um custo unitário de R$5,57. Desse
modo, obteve-se o custo unitário total de cada produto fabricado na empresa, conforme
apresentado na Tabela 4.8.
Tabela 4.8 - Custo unitário total.
OUTROS CUSTOS C. UNIT.

CUSTO MD CUSTO MOD
DE FABRICAÇÃO TOTAL
CAMISA R$ 4,90 R$ 2,29 R$ 5,57 R$ 12,76
CALÇA R$ 16,65 R$ 4,58 R$ 5,57 R$ 26,80
BERMUDA R$ 11,37 R$ 3,71 R$ 5,57 R$ 20,65
CASACO R$ 21,70 R$ 3,68 R$ 5,57 R$ 30,94
JALECO R$ 11,67 R$ 4,04 R$ 5,57 R$ 21,27
Com a obtenção dos resultados apresentados na Tabela 4.9, realizou-se o cálculo

unitário de cada item. O preço de venda aplicado no estudo foi obtido a partir do preço
médio praticado pela empresa no mês de fevereiro de 2019, de modo que a receita e o
lucro estejam de acordo com a realidade atual das vendas da empresa, conforme
apresenta a Tabela 4.9.
46
Tabela 4.9 - Cálculo do lucro mensal.
QUANTIDADE
MÉDIA
PRODUZIDA CUSTO PREÇO DE LUCRO LUCRO
MENSAL UNITÁRIO VENDA UNITÁRIO TOTAL
CAMISA 766 R$ 12,76 R$ 16,00 R$ 3,24 R$ 2.485,43
CALÇA 183 R$ 26,80 R$ 33,00 R$ 6,20 R$ 1.136,98
BERMUDA 51 R$ 20,65 R$ 25,00 R$ 4,35 R$ 220,24
CASACO 21 R$ 30,94 R$ 35,00 R$ 4,06 R$ 85,68
JALECO 45 R$ 21,27 R$ 30,00 R$ 8,73 R$ 391,24
TOTAL DE VENDAS MENSAL R$ 21.654,83 R$ 4.319,56
Após tais levantamentos, foi possível identificar de maneira específica as

funções objetivos que serão desenvolvidas, bem como as devidas restrições do processo
produtivo. Do exposto, a Eq. (3.1) que determina a função objetivo de maximizar o
lucro da empresa será definida pela fórmula apresentada na sequência. Já a análise da
minimização dos custos descrita na Eq. (3.2) passará a se delimitar na fórmula posterior.
Max Z = 3,24 X1 + 6,20 X2 + 4,35X3 + 4,06 X4 + 8,73 X5 (4.1)

Min Z = 12,76 X1 + 26,80 X2 + 20,65X3 + 30,94 X4 + 21,27 X5 (4.2)
Onde:
 Max Z: Função objetivo de maximização do lucro da empresa;
 MinZ: Função objetivo de minimização dos custos da empresa;
 X1: quantidade de camisas produzidas mensalmente;
 X2: quantidade de calças produzidas mensalmente;
 X3: quantidade de bermudas produzidas mensalmente;
 X4: quantidade de casacos produzidos mensalmente;
 X5: quantidade de jalecos produzidos mensalmente.
4.4 - DELIMITAÇÃO DAS RESTRIÇÕES
Para a delimitação das restrições de tempo a empresa apresentou os dados de

tempo limite para cada etapa do processo produtivo a partir de uma avaliação interna da
disponibilidade máxima de cada etapa do processo produtivo a fim de que a etapa se
torne economicamente viável.
47
A princípio foram analisados os tempos em min de cada etapa do processo
produtivo como restrição. Desse modo, foram desenvolvidas as Eqs. (4.3 - 3.13).
a) Disponibilidade de corte:
1,17 X1 + 2,08 X2 + 1,73X3 + 2,04 X4 + 1,66 X5 ≤ 2.430 (4.3)
b) Disponibilidade da máquina overloque:

3,85 X1 + 0,9 X2 + 0,91 X3 + 0,7X4 + 0,89 X5 ≤ 4.252,50 (4.4)
c) Disponibilidade da máquina reta:

1,46 X1 + 7,18 X2 +2,88 X3 + 5,92 X4 + 11,47 X5 ≤ 5.467,5 (4.5)
d) Disponibilidade da máquina galoneira:

2,74 X1 ≤ 3.037,50 (4.6)
e) Disponibilidade da máquina interloque:

9,75 X2 +8,01 X3 + 6,28 X4 + 3,81 X5 ≤ 4.860 (4.7)
f) Disponibilidade da máquina pespontadeira:

3,35 X2 +2,64 X3 ≤ 3.645,00 (4.8)
g) Disponibilidade da máquina elastiqueira:

1,16 X3 +3,65 X4 ≤ 1.215 (4.9)
h) Disponibilidade da máquina caseadeira:

0,98 X2 +3,57 X5 ≤ 1.215 (4.10)
i) Disponibilidade de pintura:
4,79 X1 + 5,5 X2 + 5,53 X3 + 5,13 X4 + 5,32 X5 ≤ 10.692 (4.11)
j) Disponibilidade de controle de qualidade:

2,19 X1 + 5,65X2 + 5,17X3 + 3,1 X4 + 3,94 X5 ≤ 4.860 (4.12)
k) Disponibilidade de transporte:
2,18 X1 + 2,16X2 + 2,20X3 + 3,15 X4 + 2,34 X5 ≤ 3.402 (4.13)
Após o levantamento da média de estoque do ano anterior, bem como o

consumo de cada tipo de item obtido na etapa de composição de custos, foram
determinadas as restrições de materiais, as Eqs. (4.14 - 4.21).
48
a) Disponibilidade de brim:
1,2X2 + 0,8X3 + 1,1X4 ≤ 700 (4.14)
b) Disponibilidade de Malha PV:

0,95X1 + 1,1 X4 ≤ 1.000 (4.15)
c) Disponibilidade de Microfibra:
1,5 X5 ≤ 300 (4.16)
d) Disponibilidade de elástico:
0, 5X3 + 0,3X4 ≤ 400 (4.17)
e) Disponibilidade de linha:
0,05X1 + 0,13X2 + 0,08X3 + 0,13X4 + 0,13X5 ≤ 180 (4.18)
f) Disponibilidade de Zíper de 15cm:

X2 ≤ 450 (4.19)
g) Disponibilidade de Zíper de 50cm:

X4 ≤ 150 (4.20)
h) Disponibilidade de botão:
X2 + X5 ≤ 1.000 (4.21)
A partir do histórico de vendas, demanda máxima e mínima, foram determinadas

as restrições relativas às demandas, conforme apresenta as Eqs. (4.22 – 4.26).
a) Demanda mensal de camisas
600 ≤ X1 ≤ 920 (4.22)
b) Demanda mensal de calças

70 ≤ X2 ≤ 300 (4.23)
c) Demanda mensal de bermudas

15 ≤ X3 ≤ 90 (4.24)
d) Demanda mensal de casacos

15 ≤ X4 ≤ 30 (4.25)
e) Demanda mensal de casacos
49
20 ≤ X5 ≤ 100 (4.26)
Foram identificadas restrições ligadas a capacidade de produção mensal, assim

como foi realizada a projeção de quatro cenários, dentre os quais um analisará a função
minimizar custos, considerando que a empresa terá a mesma média de vendas de 2018.
Esse cenário foi projetado visando maximizar o lucro. Analisou-se também o
comportamento do lucro com cenários em que houve redução de 10% nas vendas de
2018 e, por fim, um cenário considerando a capacidade total de produção da
empresa.Para a função objetivo maximização do lucro, Eq. (4.1), foram determinados
três cenários, de acordo com as Eqs. (4.27 – 4.29).
a) Média de vendas de 2018 como restrição mensal – maximização do lucro.
X1 + X2 + X3 + X4 + X5 ≤ 1. 066 (4.27)
b) Redução de 10% nas de vendas de 2018

X1 + X2 + X3 + X4 + X5 ≤ 959 (4.28)
c) Capacidade de produção
X1 + X2 + X3 + X4 + X5 ≤ 1.400 (4.29)
Para a função objetivo minimização dos custos, Eq. (4.2), utilizou-se a restrição
média de vendas de 2018 como restrição mensal, conforme a Eq. (4.30).
X1 + X2 + X3 + X4 + X5 = 1. 066 (4.30)
Tendo em vista que a empresa não deseja alterar sua natureza de ME,
considerou-se a receita mensal como restrição, a fim de atender essa demanda
específica. Desse modo, sua receita anual não deve ultrapassar R$360.000,00 (trezentos
e sessenta mil reais), logo, a receita mensal não deve ultrapassar a média de R$30.000
(trinta mil reais).
16X1 + 33X2 + 25X3 + 35X4 + 30X5 ≤ 30.000 (4.31)
Após a determinação de todas as restrições, realizou-se a solução do modelo

proposto a partir da análise da função objetivo e das restrições delimitadas
anteriormente. Por se tratar de um modelo de programação linear, optou-se por utilizar o
método SIMPLEX.
50
4.5 - RESOLUÇÃO DO MODELO PROPOSTO
Para auxiliar nos cálculos e operacionalização do método SIMPLEX, utilizou-se

a ferramenta solver do Microsoft Excel. Além disso, utilizou-se as funções maximize e
minimize do software Mathematica, através do qual pode-se buscar a solução ideal que
maximize ou minimize o resultado da função objetivo, respectivamente.
a) Cenário 1 – Capacidade de produção como restrição de maximização do

lucro
Neste cenário, não foi levado em consideração o histórico de vendas do ano

anterior como restrição, mas sim a capacidade produtiva mensal que foi de 1.400 peças.
Desse modo, para que a empresa alcance esse patamar de produção, seria necessário um
aumento na média de vendas mensal de 334 peças, visto que em 2018 tal média foi de
1.066, ou seja, a empresa deverá ter um aumento de 31,33% na média de peças vendidas
em 2019.
Sendo assim, foi realizado a solução do modelo, cujos resultados seguem
apresentados na Tabela 4.10.
Tabela 4.10 - Resolução excel - Capacidade de produção como restrição.

CAMISA
RESTR.
NOME DA
BERMUD
CASACO
JALECO
CALÇA
RESTR.
RESTR.
SINAL
RES.
A
Função objetivo (R$) 3,24 6,20 8,734,35 4,06

Disp. Corte 1,17 2,08 1,73
1,66 <= 2.430,002,04 R. Corte 2.023,45
Disp. Overlock 3,85 0,9 0,91
0,89 <= 4252,5 0,7 R. Overl. 3897,15
Disp. Reta 1,46 7,18 2,88
11,47 <= 5467,5 5,92 R. Reta 4953,625
Disp. Galoneira 2,74 <= 3037,5 R. Gal. 2452,3
Disp. Interloque 9,75 8,01 6,28 3,81 <= 4.860,00 R. Inter. 4120,65
Disp. Pespontadeira 3,35 2,64 <= 3.645,00 R. Pesp. 1242,6
Disp. Elastiqueira 1,16 3,65 <= 1.215,00 R. Elast. 159,15
Disp. Casadeira 0,98 3,57 <= 1.215,00 R. Casea. 649,5
Disp. Pintura 4,79 5,5 5,53 5,13 5,32 <= 10.692 R. Pint. 7.043,70
Disp. Cont. de qual. 2,19 5,65 5,17 3,1 3,94 <= 4.860 R. C.q. 4560,85
Disp. Transp. 2,18 2,16 2,20 3,15 2,34 <= 3.402 R. Transp. 3.076,78
R. Mensal R$ 16 R$33 R$25 R$35 R$30 <= R$30.000 R. Rec. R$29.995
Brim 1,2 0,8 1,1 <= 700 R. Brim 448,5
Malha pv 0,95 1,1 <= 1200 R. Malha pv 866,75
Microfibra 1,5 <= 300 R. Micr. 150
Cap. De prod. 1 1 1 1 1 <= 1400 R. C.P. 1400
Elástico 0,5 0,3 <= 400 R. Elást. 49,5
51
Linha 0,05 0,13 0,08 0,13 0,13 <= 180 R. Linha 105,9
Zíper 15cm 1 <= 450 R. Z. 15cm 300
Zíper 50 cm 1 <= 150 R. Z. 50cm 15
Botão 1 7 <= 1000 R. Botão 900
Demanda máxima 920 300 90 30 100 R. D. camisa 895
Demanda mínima 600 70 15 15 20 R. D. calça 300
R. D. berm. 90
Função Objetivo R$ 6.085,20 R. D. casaco 15
X1 - camisas 895 R. D. Jaleco 100
X2 - calças 300
X3 - bermudas 90
X4 - casacos 15
X5 - jalecos 100
Nesse cenário foi encontrado um lucro mensal de R$ 6.085,20 e um mix de

produção de 895 camisas, 300 calças, 90 bermudas, 15 casacos e 100 jalecos,
totalizando 1.400, ou seja, a capacidade máxima de produção no contexto atual da
empresa. Tal resolução foi validada a partir da utilização do Mathematica.
b) Cenário 2 – Média de vendas de 2018 como restrição de maximização do

lucro
Este cenário apresenta uma concepção mais realista da empresa, visto que
entende que a média de vendas do ano anterior irá se repetir no ano corrente, desse
modo, a restrição capacidade de produção foi substituída pela restrição de média de
vendas de 2018 que foi de 1.066 peças. Desse modo, a Tabela 4.11 apresenta os
resultados do cenário proposto.
Tabela 4.11 - Resolução excel - Média de vendas de 2018 como restrição.

RESTR.
DA
NOME
CASACO
CAMISA
JALECO
BERMU
CALÇA
RESTR.
RESTR.
SINAL
RES.
DA
Função objetivo (R$) 3,24 6,20 8,734,35 4,06

Disp. Corte 1,17 2,08 1,73
1,66 <= 2,04 2.430,00 R. Corte 1.610,83
Disp. Overlock 3,85 0,9 0,91
0,89 <= 0,7 4252,5 R. Overl. 2725,91
Disp. Reta 1,46 7,18 2,88
11,47 <= 5,92 5467,5 R. Reta 4410,605
Disp. Galoneira 2,74 <= 3037,5 R. Gal. 1644
Disp. Transp. 2,18 2,16 2,20 3,15 2,34 <= 3.402 R. Transp. 2.347,88
R. Mensal R$ 16 R$33 R$25 R$35 R 30 <= R$30.000 R. Rec. R$24.300
M. de vendas 2018 1 1 1 1 1 <= 1.066 R. m. 2018 1.066
Brim 1,2 0,8 1,1 <= 700 R. Brim 417,3
52
Malha PV 0,95 1,1 <= 1200 R. Malha PV 586,50
Cap. De prod. 1 1 1 1 1 <= 1400 R. C.P. 1066
Elástico 0,5 0,3 <= 400 R. Elást. 30
Linha 0,05 0,13 0,08 0,13 0,13 <= 180 R. Linha 88,03
Zíper 15cm 1 <= 450 R. Z. 15cm 300
Zíper 50 cm 1 <= 150 R. Z. 50cm 15
Botão 1 7 <= 1000 R. Botão 900
Demanda máxima 920 300 90 30 100 R. d. camisa 600
Demanda mínima 600 70 15 15 20 R. d. calça 300
R. d. berm. 51
Função Objetivo R$ 4.959,75 r. d. casaco 15
x1 – camisas 600 r. d. jaleco 100
x2 – calças 300
x3 – bermudas 51
x4 – casacos 15
x5 – jalecos 100
Para tal cenário foi encontrado um lucro mensal de R$4.962,78 e um mix de

produção de 600 camisas, 300 calças, 51 bermudas, 15 casacos e 100 jalecos,
totalizando 1.066 peças.Ademais, tal resolução foi validada a partir da utilização do
Mathematica.
c) Cenário 3 – redução de 10% na média de vendas de 2018 como restrição de

maximização do lucro
Trata-se do cenário mais conservador, uma vez que considera que no ano
corrente haverá uma redução de 10% das vendas em comparação ao ano anterior, tendo
em vista o cenário de instabilidade econômica do país. Nesse contexto, entende-se que a
restrição média de vendas será de 959 peças. A Tabela 4.12 apresenta a resolução do
modelo proposto no Excel.
Tabela 4.12 - Resolução excel - Redução de 10% na média de vendas de 2018 como
restrição.
BERMUD
CASACO
CAMISA
JALECO
CALÇA
RESTR.
RESTR.
RESTR.
NOME
SINAL
RES.
DA
A
Função objetivo (R$) 3,24 6,20 4,35 4,06 8,73

Disp. Corte 1,17 2,08 1,73 2,04 1,66 <= 2.430,00 R. Corte 1.400,87
Disp. Overlock 3,85 0,9 0,91 0,7 0,89 <= 4252,5 R. Overl. 2.629,25
Disp. Reta 1,46 7,18 2,88 5,92 11,47 <= 5467,5 R. Reta 3.797,5
Disp. Galoneira 2,74 <= 3037,5 R. Gal. 1644
Disp. Interloque 9,75 8,01 6,28 3,81 <= 4.860,00 R. Inter. 2.828,03
53
Disp. Transp. 2,18 2,16 2,20 3,15 2,34 <= 3.402 R. Transp. 2115,67
R. Mensal R$ 16 R$33 R$25 R$35 R$30 <= R$30.000 R. Rec. R$ 21.057
-10% M. vend. 1 1 1 1 1 <= 959 R. -10% 959
Brim 1,2 0,8 1,1 <= 700 R. Brim 303,3
Malha pv 0,95 1,1 <= 1200 R. Malha pv 586,5
Cap. De prod. 1 1 1 1 1 <= 1400 R. C.P. 959
Elástico 0,5 0,3 <= 400 R. Elást. 12
Linha 0,05 0,13 0,08 0,13 0,13 <= 180 R. Linha 75,92
Zíper 15cm 1 <= 450 R. Z. 15cm 229
Zíper 50 cm 1 <= 150 R. Z. 50cm 15
Botão 1 7 <= 1000 R. Botão 829
Demanda máxima 920 300 90 30 100 R. d. camisa 600
R. d. berm. 15
x1 - camisas 600 r. d. jaleco 100
x2 – calças 229
x3 - bermudas 15
x4 - casacos 15
x5 - jalecos 100
. Desse modo, para tal cenário foi encontrado um lucro mensal de R$4.365,71 e
um mix de produção de 600 camisas, 229 calças, 15 bermudas, 15 casacos e 100 jalecos,
totalizando 959 peças produzidas. Ademais,tal resolução foi validada a partir da
utilização do Mathematica.
d) Cenário 4 – Média de vendas de 2018 como restrição de minimização dos

custos
A Tabela 4.13 apresenta os resultados obtidos a partir da análise realizada no

Microsoft Excel.
Tabela 4.13 - Resolução excel - Média de vendas de 2018 como restrição de

minimização dos custos.
CASACO
RESTR.
DA
NOME
BERMUD
CAMISA
JALECO
CALÇA
RESTR.
RESTR.
SINAL
RES.
A
Função objetivo (R$) 12,76 26,8 20,65 30,94 21,27

Disp. Corte 1,17 2,08 1,73 2,04 1,66 <= 2.430,00 R. Corte 1.356,73
Disp. Overlock 3,85 0,9 0,91 0,7 0,89 <= 4252,5 R. Overl. 3670,61
Disp. Reta 1,46 7,18 2,88 5,92 11,47 <= 5467,5 R. Reta 2281,555
Disp. Galoneira 2,74 <= 3037,5 R. Gal. 2520,8
54
Disp. Cont. de qual. 2,19 5,65 5,17 3,1 3,94 <= 4.860,00 R. C.q. 2747,57
Disp. Transp. 2,18 2,16 2,20 3,15 2,34 <= 3.402,00 R. Transp. 2.340,63
R. Mensal R$ 16 R$ 33 R$ 25 R$ 35 R$ 30 <= R$30.000 R. Rec. R$ 19.180
M. vend. 2018 1 1 1 1 1 = 1066 R. m.v. 1066
Brim 1,2 0,8 1,1 <= 700 R. Brim 133,3
Malha pv 0,95 1,1 <= 1200 R. M.pv 890,50
Cap. De prod. 1 1 1 1 1 <= 1400 R. C.P. 1066
Elástico 0,5 0,3 <= 400 R. Elást. 25
Linha 0,05 0,13 0,08 0,13 0,13 <= 180 R. Linha 62,93
Zíper 15cm 1 <= 450 R. Z. 15cm 70
Zíper 50 cm 1 <= 150 R. Z. 50cm 15
Botão 1 7 <= 1000 R. Botão 190
R. d.
Demanda máxima 920 300 90 30 100 camisa 920
R. d. berm. 41
x1 - camisas 920 r. d. jaleco 20
x2 – calças 70
x3 - bermudas 41
x4 - casacos 15
x5 - jalecos 20
Diferente dos cenários anteriores, nesse levantamento avaliou-se qual seria o mix
de produção que minimizasse os custos da empresa. Sendo assim, a função objetivo
trabalhada é diferente das anteriores, visto que anteriormente foi avaliado o mix ideal
para maximizar os custos. Desse modo, foi encontrado um custo mensal de
R$15.351,35 e um mix de produção de 920 camisas, 70 calças, 41 bermudas, 15 casacos
e 20 jalecos, totalizando 1.066 peças. Ademais, tal método foi validado através da
utilização do software Mathematica.
4.6 - ANÁLISE DOS RESULTADOS DOS CENÁRIOS E DO MIXDE PRODUÇÃO
Considerando o levantamento realizado na projeção de cenários com a utilização

do método simplex, observou-se que a empresa poderia melhorar os seus resultados a
partir de mudanças em seu mix de produção.
55
Observa-se que com a adequação do mix de produção a empresa poderá gerar
um aumento na sua receita de até 40,98%, caso trabalhe na sua capacidade máxima de
produção atual que é de 1.400 peças, conforme poderá ser observado na Tabela 4.14
Tabela 4.14 - Análise da PO sem média de vendas como restrição.
2018 -
ANTES DA PROJEÇÃO PO - SEM MÉDIA DE
PO VENDAS COMO RESTRIÇÃO
QTE.
MÉDIA
CUSTO PV L. UNIT. MENSAL LUCRO QUANT. LUCRO
R$
CAMISA 12,76 16,00 3,24 766 R$ 2.485,43 895 2.903,68
CALÇA 26,80 33,00 6,20 183 R$ 1.136,98 300 R$ 1.860,52
BERM. 20,65 25,00 4,35 51 R$ 220,24 90 R$ 391,85
CAS. 30,94 35,00 4,06 21 R$ 85,68 15 R$ 60,96
JALECO 21,27 30,00 8,73 45 R$ 391,24 100 R$ 872,65
MENSAL R$ 4.319,56 MENSAL R$ 6.089,66
ANUAL $ 51.834,77 ANUAL R$ 73.075,89
Incremento no lucro anual R$ 21.241,12
percentual de aumento 40,98%
Desse modo, verifica-se que caso a emprese opera com sua capacidade máxima,
deverá ocorrer um aumento de vendas mensal de em média 334 peças, haja vista que em
2018 a média de vendas mensal foi de 1.066.
Por outro lado, ao se projetar um cenário em que a empresa busca a minimização
dos seus custos, o que foi simulado no cenário 4, é possível obter uma redução de
aproximadamente 11% dos custos praticados em 2018 para um mesmo volume de
produção de 1.066 peças. Ocorre que o lucro da empresa também reduziu na mesma
proporção, o que pode ser apreciado na Tabela 4.15.
Tabela 4.15 - Análise da função objetivo minimizar custos.
PROJEÇÃO PO - MINIMIZAÇÃO
2018 - ANTES DA PO DOS CUSTOS
L.
CUST UNI QTE QTE
O PV T . CUSTO LUCRO . CUSTO LUCRO
CAMIS
A 12,76 16 3,24 766 R$ 9.771,91 R$2.485,43 920 R$ 11.735,22 R$2.984,78
CALÇA 26,80 33 6,20 183 R$ 4.913,02 R$1.136,98 70 R$1.875,88 R$434,12
56
BERM. 20,65 25 4,35 51 R$1.044,35 R$220,24 41 R$ 846,49 R$178,51
CAS. 30,94 35 4,06 21 R$ 652,24 R$85,68 15 R$ 464,04 R$60,96
JALEC
O 21,27 30 8,73 45 R$ 953,76 R$ 391,24 20 R$ 425,47 R$174,53
MENSAL R$ 17.335,27 R$ 4.319,56 R$ 15.347,10 R$ 3.832,90
ANUAL R$208.023,23 R$51.834,77 R$184.165,17 R$ 45.994,83
(R$ (R$
Redução 23.858,06) 5.839,94)
% de redução -11,47% -11,27%
Sendo assim, nota-se que a mudança do mix de produção para reduzir seus
custos não é uma estratégia interessante, haja vista a queda também no lucro da
empresa. Nesse interim, entende-se que é mais saudável para a empresa buscar a
redução dos custos a partir de outras estratégias, como a melhor alocação dos
excedentes de recursos não utilizados nos demais cenários aqui propostos.
No cenário 2, onde foi considerada a média de vendas de 2018 como
restrição,verificou-seque apenas com a devida adequação no mix de produção é possível
gerar um aumento no lucro da empresa de quase 15%. Para isso, deve-se diminuir
consideravelmente a confecção de camisas e aumentar o volume de vendas de calças e
jalecos, visto que tais itens geram maior retorno financeiro que as camisas.
Para o cenário 3, ainda que houvesse redução de 10% da demanda quando
comparada a 2018, ou seja, a empresa decairia em volume de vendas de 1.066 para 959
peças mensais.Nota-se nesse cenário que a empresa conseguiria um aumento no lucro
de 1,07%, de modo a praticamente se igualar em lucro quando comparado ao ano de
2018. Assim como no cenário 2, seria necessário a redução do volume de vendas de
camisas e aumento na projeção de vendas de jalecos e calças. Os resultados dos cenários
2 e 3 poderão ser analisados na Tabela 4.16.
Tabela 4.16 - Comparação entre os cenários 2 e 3.
PROJEÇÃO PO - PROJEÇÃO PO -
COM MÉDIA DE REDUÇÃO DE
2018 - ANTES DA VENDAS COMO 10% NA
PO RESTRIÇÃO DEMANDA
L.
CUS UNI LUCRO QTE
TO PV T QTE. LUCRO QTE. TOTAL . LUCRO
CAMISA 12,76 16 3,24 766 R$ 2.485,43 600 R$ 1.946,60 600 R$ 1.946,60
CALÇA 26,80 33 6,20 183 R$ 1.136,98 300 R$ 1.860,52 229 R$ 1.420,20
BERM. 20,65 25 4,35 51 R$ 220,24 51 R$ 222,05 15 R$ 65,31
CAS. 30,94 35 4,06 21 R$ 85,68 15 R$ 60,96 15 R$ 60,96
57
JALECO 21,27 30 8,73 45 R$ 391,24 100 R$ 872,65 100 R$ 872,65
MENSAL R$4.319,56 R$ 4.962,78 R$ 4.365,71
ANUAL R$51.834,77 R$ 59.553,32 R$52.388,55
Incremento no lucro anual R$ 7.718,55 R$ 553,78

Percentual de aumento 14,89% 1,07%
Sendo assim, considerando os dados apresentados na Tabela 4.26, observa-se

que a empresa deverá trabalhar no sentido de melhorar o volume de vendas de calças e
jalecos. Desse modo, em vista de melhorar as vendas dos produtos listados, observou-se
que a empresa é circundada por vários hospitais e laboratórios em um raio de 1 Km de
distância.Nessa região também existem faculdades e cursos técnicos na área de
enfermagem e voltados para a construção civil. Sendo assim, percebe-se a existência de
um grande mercado potencial para venda de jalecos para os clientes que atuam na área
médica e também de calças para os que atuem na área de construção civil.
Para isso, é necessário que haja a venda desses produtos a pronta entrega na loja,
sem que a necessidade de realização de encomenda de 10 itens, o que facilitaria o
alcance desse mix de produção. Ademais, por se tratar de vendas no varejo, a empresa
pode cobrar um valor superior ao praticado nas encomendas, o que aumentaria a
margem de lucro desses itens.
Notou-se, ainda, a necessidade de analisar as folgas das restrições de modo a
buscar a otimização dos recursos e do nível de estoque. Sendo assim, partiu-se
inicialmente para a análise das etapas de produção em que as restrições foram medidas
em minutos. Na Tabela 4.17, poderá ser analisado o comparativo das folgas em todos os
cenários apresentados.
Tabela 4.17 - Comparação entre as folgas das restrições.
PROJEÇÃO PO -
COM MÉDIA DE PROJEÇÃO PO -
2018 - ANTES DA VENDAS COMO REDUÇÃO DE 10%
PO RESTRIÇÃO NA DEMANDA
QUANT.
RESTRIÇÃO DISP. CONSUMO FOLGA CONSUMO FOLGA CONSUMO FOLGA
R. PINTURA 10.692 5.304,27 5.387,73 5.414,98 5.277,02 4.825,40 5.866,60
R. CORTE 2.430 1.482,59 947,41 1.610,83 819,17 1.400,87 1.029,13
R. OVERLOCK 4252,5 3.215,11 1.037,39 2.725,91 1.526,59 2.629,25 1.623,25
R. RETA 5467,5 3.218,30 2.249,20 4.410,61 1.056,90 3.797,50 1.670,00
R. GALONEIRA 3037,5 2.099,07 938,43 1.644,00 1.393,50 1.644,00 1.393,50
R. INTERLOCK 4.860 2.495,64 2.364,36 3.808,46 1.051,55 2.828,03 2.031,98
R. PESPONT. 3.645 747,71 2.897,29 1.139,64 2.505,36 806,75 2.838,25
R. ELAST. 1.215 135,63 1.079,37 113,91 1.101,09 72,15 1.142,85
58
R. CASEADEIRA 1.215 338,81 876,20 649,50 565,50 580,28 634,73
R. LIMP. E ARMAZ. 4.860 5.304,27 5.387,73 5.414,98 5.277,02 4.825,40 5.866,60
R. TRANSPORTE 3.402 3.217,07 1.642,93 3.713,17 1.146,83 3.125,90 1.734,10
R. BRIM 700 283,66 416,34 417,30 282,70 303,30 396,70
R. MALHA PV 1000 750,97 249,03 586,50 613,50 586,50 613,50
R. MICROFIBRA 300 67,25 232,75 150,00 150,00 150,00 150,00
R. ELÁSTICO 400 31,62 368,38 30,00 370,00 12,00 388,00
R. LINHA 180 74,75 105,25 88,03 91,97 75,92 104,08
R. ZÍPER 15CM 450 183 267 300 150 229 221
R. ZÍPER 50CM 150 21 129 15 135 15 135
R. BOTÃO 1000 452 548 900 100 829 171
Conforme demonstrado na Tabela 4.17 a disponibilidade da etapa pintura é de

10.692 min, para tanto, a empresa dispõe de 1 colaborador em tempo integral para
trabalhar apenas nesta etapa. Cabe ressaltar que apenas o cenário 1 demandaria uma
disponibilidade mais próxima da praticada pela empresa em 2018, no entanto para que
esse cenário se concretize, é necessário um aumento significativo de vendas, o que não
se acredita ser factível a curto prazo.
Desse modo, optou-se por trabalhar as restrições para que fossem adequadas aos
cenários 2 e 3, visto que esses apresentam contextos próximos a realidade da
empresa.Sendo assim, observou-se que o consumo nos demais cenários atingiu o valor
máximo de 7.043,70 min o que seria equivalente a uma média de 5,22 horas diárias.
Diante dessa conjuntura, sugere-se que o regime de trabalho desse colaborador
da etapa pintura seja alterado para o regime parcial, com duração de 6 horas diárias,
conforme permitido pela reforma trabalhista a partir do art. 58 da CLT (BRASIL,
2017).Tal alteração resultará em uma redução do custo operacional da empresa,a partir
da redução de 3.402 min mensais. Mesmo com a alteração, a etapa continuará com uma
disponibilidade de 7.290 min, atendendo a demanda atual e gerando uma folga de 246,3
min mensais. No futuro, quando houver um aumento da demanda, a empresa analisaria
o aumento dessa carga horária ou mesmo a contratação de outro colaborador em regime
parcial, buscando, assim, menor custo para a organização.
Ainda na Tabela 4.17, é possível identificar as folgas das diversas etapas de
costura, transporte e controle de qualidade, observou-se que ao somá-las há uma folga
nas restrições de pelo menos 12.220,61 min. Sendo assim, também é possível a
alteração do regime de contratação de 2 costureiras para que trabalhassem 26 horas
semanais, com a possibilidade de acréscimo de até seis horas suplementares semanais
caso haja alguma demanda maior em determinado período, o que também é permitido a
partir da nova CLT (BRASIL, 2017).
59
Considerando que um trabalhador com disponibilidade de 8,8h diárias represente
uma disponibilidade de 10.692 min, enquanto que o de 5,2h diárias representa uma
disponibilidade de 6.318 min, a alteração de carga horária década colaborador resultará
em uma redução de 4.374 min. Como sugeriu-se pela redução horário de 2
colaboradores, será obtida uma redução total de 8.748 min na folga mensal.
Considerando que a folga total era de 12.220,61 min, após a redução, essas
etapas ainda terá uma folga de 3.472,21min, o que suprirá um futuro aumento das
vendas e, quando houver necessidade, a empresa poderá demandar até 6 horas extras
semanais de cada um desses colaboradores.
Assim como a adequação da carga horária da etapa pintura, espera-se que essa
medida gere uma redução no custo operacional, evitando a ociosidade dos seus recursos.
Nesse contexto, observou-se a possibilidade de redução total de 12.150 min nas etapas
de produção, o que representa R$1.458,00 a menos no gasto com mão-de-obra.
Na Tabela 4.17 também é possível identificar as folgas de materiais diretos,
desse modo observou-se que a folga mensal de tecido brim foi de pelo menos 282,70
metros, enquanto que para a Malha PV, a folga foi de 613,50 metros. Sendo assim,
considerando que tanto na produção de camisas quanto na produção de calças e
bermudas existe a necessidade de adequação do pedido a cor demandada pelo cliente,
sugere-se que seja feito um estudo específico sobre o consumo de cada tecido por cor,
de modo que seja possível avaliar se há a necessidade de redução desse nível de
estoque.
Por outro lado, observou-se que o consumo máximo de microfibra, matéria-
prima utilizada na confecção de jalecos, foi de 150 metros mensais, enquanto que o
estoque médio é de 300 metros, o que gera uma folga mensal de 150 metros.
Considerando que tal item só é confeccionado na cor branca, sugere-se pela redução no
nível de estoque para 200 metros mensais, o que supriria a demanda do mês, possíveis
falhas no processo produtivo, bem como possíveis flutuações em até 33 unidades a mais
no pedido mensal. Tal redução diminuirá o nível de estoque em 100metros, o que
representa um montante de R$760 reais que pode ser investido em outros processos da
empresa.
A demanda máxima de elástico foi de 30 metros, enquanto que o estoque mensal
é de 400 metros. Para esse caso, sugere-se pela redução do nível de estoque para 60
metros, visto que, apesar de ter o mesmo custo, a empresa utiliza 2 tipos de elásticos em
60
seu processo produtivo, tal redução representaria um montante de R$51,00 no nível de
estoque mensal.
Quanto ao nível de estoque de linhas, ainda que haja uma sobra nas restrições de
pelo menos 74 rolos, optou-se por não alterar o nível de estoque, uma vez que a
organização necessita de um estoque com uma diversidade de cores para atender em
tempo hábil os diversos tipos de pedidos dos clientes. Também se optou por manter o
nível de estoque de botões, mesmo que haja uma folga de pelo menos 100 unidades,
pois considerou-se que poderá ocorrer avarias, bem como variações na demanda.
Na análise do item zíper de 15 cm, observou-se uma folga de pelo menos 150
unidades. Sendo assim, sugere-se alteração do estoque médio para 350 unidades, o que
resultará em uma folga dessa restrição para 50 unidades, quantidade suficiente para
atender a demanda mensal, possíveis avarias ou aumentos eventuais de demanda.
Mesmo com essa alteração, haverá uma redução no custo de estoque no valor mensal de
R$30,00.
A folga mensal do zíper de 50 cm foi de pelo menos 135 unidades. Desse modo,
para manter um estoque de 150 unidades por mês, mostra-se desnecessária,
principalmente pelo fato de que trata-se de um item utilizado na produção que resulta
em um lucro unitário baixo (R$4,06). Sendo assim, sugere-se a alteração do nível de
estoque mensal para 50 unidades, gerando uma economia mensal de R$130,00.
Já, ao analisar a restrição interposta pela empresa no que diz respeito a receita
mensal que não poderia ultrapassar R$30.000, pois implicaria na mudança da sua
situação de ME para se tornar uma EPP. Observou-se que, mesmo que haja a mudança
devido ao aumento da receita anual, a malharia continuará como optante do Simples,
porém sua alíquota de imposto deixará de ser 7,8% e passará para 10%, o que
contempla a primeira faixa de alíquota de EPP, significando que a receita anual poderá
ser de até R$720.000,00, ou seja, mensalmente a empresa poder vender até
R$60.000,00.
Considerando que a nível de imposto representa-se um aumento de 2,2%,
percebe-se que não é uma justificativa plausível para a manutenção de tal restrição.
Caso a própria empresa não tivesse essa restrição, seria possível a projeção de cenários
factíveis a nível de volume de produção e de itens vendidos, pois, no cenário 2 – em que
se manteve a média de itens vendidos em 2018 –foi possível obter um nível de vendas
de R$29.995,00.
Desse modo, apresentou-se o plano de melhorias descrito na Tabela 4.18.
61
Tabela 4.18 - Plano de melhorias para a empresa.
O QUE PARA QUE QUEM QUANDO ONDE COMO QUANTO CUSTA

(WHAT) (WHY) (WHO) (WHEN) (WHERE) (HOW) (HOW MUCH)
Aumentar o volume de vendas de Para aumentar a margem de lucro Proprietário Jan/2020 Vendas A partir da oferta desses produtos R$1.000 para
calças e jalecos da empresa e buscar atingir o mix para o mercado em potencial da preparação de
ideal de produção área (cursos técnicos, hospitais e material publicitário
faculdades da região) e divulgação
Venda de produtos no varejo Para possibilitar aumento nas Proprietário Fevereiro / Vendas Isentando a venda de produtos a Sem custo
vendas, margem de lucro e 2020 pronta entrega do quantitativo
alcance do mix de produção ideal mínimo de 10 peças
Diminuir a ociosidade do setor e Contador Março / Setor de Alteração do regime de trabalho A definir de acordo
Adequação do regime de trabalho / os custos de produção externo 2020 Pintura e do colaborador da etapa pintura com os
carga horária costura para o regime parcial, com colaboradores
duração de 6 horas diárias e de selecionados
duas costureiras para o regime de
26 horas semanais
Para evitar estoque parado por Proprietário Abril / 2020 Estoque Reduzindo os níveis de estoque Sem custo (material
Adequação do nível de estoque muito tempo, bem como realocar para os valores sugeridos no excedente deverá ser
os custos a outras operações estudo consumido no
processo produtivo)
Reavaliar a restrição de volume de A fim de não impedir o Proprietário / Janeiro / Toda Não atribuindo o limite de Aumento de 2,2% de
vendas crescimento da empresa Contador 2020 empresa vendas mensais de R$30.000,00 imposto
para que permaneça na condição proporcional às
de ME vendas
Realizar adequação das instalações A fim de melhorar o fluxo dos Todos os Abril/ 2020 Toda Redistribuindo espaço físico da R$ 5.000,00 para
físicas e distribuição dos processos produtivos colaboradores empresa loja para deslocamento do reformas
equipamentos escritório e consequente criação necessárias.
do novo estoque, bem como
redistribuição dos equipamentos
conforme processos produtivos
62
CAPÍTULO 5
CONCLUSÕES E SUGESTÕES
5.1 - CONCLUSÕES
Foram realizados estudos que possibilitaram a apresentação desoluções que

permitem tanto otimizar o processo produtivo, como gerar mudanças no layout da
empresa. Realizou-se o levantamento, proposição e resolução de um modelo
matemático que visasse melhorar o mix de produção, de modo a maximizar os
resultados da empresa objeto de estudo.
Os resultados desta pesquisa permitiram melhor compreender as diversas
oportunidades de melhorias, dentre elas a adequação do mix de produção a um
quantitativo diferente do praticado hodiernamente. O modelo proposto considerou
diversas limitações do próprio negócio, dentre elas a disponibilidade de equipamentos,
material, capacidade de produção e a própria demanda dos itens produzidos, com isso,
simulou-se condições muito próximas a realidade do próprio negócio.
Os resultados obtidos através desse modelo demonstram a aderência do modelo
a realidade do negócio, visto que é possível manter a empresa competitiva, mesmo em
um ambiente externo coberto de incertezas, tal qual no cenário econômico atual,o que
pôde ser demonstrado a partir da manutenção dos resultados da empresa em um cenário
de redução de 10% das vendas quando comparado ao ano anterior.
Além disso, observou-se em outro cenário que é possível a empresa obter um
aumento de rentabilidade de aproximadamente 41%. Desse modo, com um mix de
produção otimizado, a empresa poderá maximizar seu lucro ou adequar seus preços a
patamares mais competitivos no mercado e possibilitar um crescimento a partir da
economia de escala.
A aplicação do modelo matemático não está limitada apenas ao ambiente
acadêmico, devendo ser implementado na prática de qualquer organização com auxílio
de ferramentas computacionais acessíveis (como o próprio Microsoft Excel). No
entanto, não basta apenas conhecer a solução ideal, é necessário que sejam projetados
meios para que a empresa possa alcançar tal cenário, caso contrário o estudo perde sua
finalidade.
63
Nesse contexto, é fundamental que o gestor amplie seus horizontes e trabalhe no
sentido de planejar o futuro da empresa, a fim de não apenas garantir sua sobrevivência
como também melhorar os resultados e até mesmo ser instrumento de transformação e
crescimento do negócio. Sendo assim, infere-se que a otimização de processos tem
papel importante nas organizações, no entanto, é necessário que sempre haja uma
interação entre a avaliação do cenário atual, análise de resultados e aplicação prática a
partir do planejamento estratégico.
5.2 - SUGESTÕES
Algumas sugestões para a continuação desta pesquisa são:
 Aplicação da matriz SWOT a fim de fomentar o planejamento estratégico

organizacional;
 Realizar uma pesquisa para avaliar qual o real impacto das reduções propostas
nesse trabalho e, a partir das melhorias obtidas com a mudança dos processos
produtivos, reavaliar a otimização do mix;
 Otimizar a partir da base zero, ou seja, sem considerar fatores como histórico de
vendas ou mesmo a condição de microempresa como restrição para a empresa,
haja vista ter demonstrado que o aumento inicial dos impostos é baixo quando
comparados ao retorno financeiro alcançado;
 Avaliar o ponto de equilíbrio da empresa;
 Realizar uma análise ponderada a partir da utilização de lógica fuzzy;
 Avaliar outros cenários e melhorias na empresa a partir da simulação
computacional usando tempos probabilísticos.
64
REFERÊNCIAS BIBLIOGRÁFICAS
ANDRADE, E. L. de. Introdução à pesquisa operacional: métodos e modelos para

análise de decisões. 4. ed. Rio de Janeiro: LTC, 2011. 202 p.
ARENALES, M. et al. Pesquisa operacional. - Rio de Janeiro. Elsevier: ABEPRO,

2011.
BCB. Calculadora do cidadão. Disponível em: <https://www3.bcb.gov.br/CALCI

DADAO/publico/exibirFormCorrecaoValores.do?method=exibirFormCorrecaoValores
&aba=1>. Acesso em: 24 de fevereiro de 2019, 20h40min.
BELTON, V., BEDFORD, T., e PISINGER, D. (2018). “Editorial: Operational

Research – Making an Impact”. In: European Journal of Operational Research. v.
264(3), 797-798. Disponível em: <https://doi.org/10.1016/j.ejor.2017.09.001>. Acesso
em: 18 de março de 2019, 10h55min.
BERNARDO, C. H. C.; CHAVES, V. H. C.; SANT’ANA, R. C. G. and MARTINEZ,

M. P. Operational Research Historical Perspectives. In: Bolema [online]. 2018, vol.32,
n.61, pp.354-374. ISSN 0103-636X. Disponível em: <http://dx.doi.org/10.1590/1980-
4415v32n61a03>. Acesso em: 18 de março de 2019, 11h45min.
BEZERRA, M.; SANTOS, Q.; SANTOS, A.; NOVAES, C.; FERREIRA, S.; SOUZA,
V. (2016). Simplex optimization: A tutorial approach and recent applications in
analytical chemistry. In: Microchemical Journal. v. 124. 45-54. Disponível em:
<10.1016/j.microc.2015.07.023>. Acesso em: 23 de março de 2019, 14h15min.
BOTELHO, W. C. et al. Uso da programação linear para definição do mix de produção

mais limpa na indústria têxtil. In: 6 th international workshop advances in cleaner
production. 2017, São Paulo / Brasil. Disponível em: <http://www.advancesincleaner
production.net/sixth/files/sessoes/5A/1/botelho_wc_et_al_academic.pdf>. Acesso em:
14 de fevereiro de 2019, 15h11min.
BRASIL. Consolidação das leis do trabalho – CLT e normas correlatas. – Brasília :

Senado Federal, Coordenação de Edições Técnicas, 2017. Disponível em:
<http://www2.senado.leg.br/bdsf/bitstream/handle/id/535468/clt_e_normas_correlatas_
1ed.pdf.> Acesso em: 15 de abril de 2019, 16h50min.
CARDOSO, A. Fundamentos da pesquisa operacional. Alfenas, 2011. Disponível

em: <https://docplayer.com.br/5281170-Fundamentos-da-pesquisa-operacional.html>.
Acesso em: 05 de março de 2019, 20h14min.
65
CARVALHO, J. M. S. Introdução à Investigação Operacional. ed. 1. S.L: Bubok
Publishing, 2014.
COLIN, E. C. Pesquisa Operacional: 170 aplicações em estratégias, finanças,

logística, produção, marketing e vendas. Rio de Janeiro: LTC, 2011.
CHIAVENATO, I. Teoria Geral da Administração. Vol. 1 - 7ª Ed. 2013
DANTZIG, G. B., (2002) Linear Programming. Operations Research 50(1):42-47.

https://doi.org/10.1287/ opre.50.1.42.17798
DIAS, I. F.; et al. Aplicação da programação linear para otimização do processo

produtivo em uma empresa têxtil. In: XXXIV ENCONTRO NACIONAL DE
ENGENHARIA DE PRODUCAO. 2014, Curitiba/PR: [s. n.], 2014. Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2014_tn_stp_200_134_25751.pdf>.
Acesso em: 20 de fevereiro de 2019, 13h10min.
EPPRECHT, E. K; BRASIL, G. H.; DOS SANTOS J. R, M. C. Um modelo de

minimização de custos em diagnósticos com um caso de aplicação em um banco de
sangue. In: Pesquisa Operacional, v.20, n.2, Rio de Janeiro, dez 2000. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-74382000000200004&
lng=pt&nrm=iso&tlng=pt>. Acesso em: 5 de março de 2019, 09h45min.
EZQUERRO, M; PARDOS, M.; DIAZ-BALTEIRO, L. Operational research

techniques used for addressing biodiversity objectives into forest management: an
overview. Forests 2016; 7(10): 1-18.
FIGUEIREDO, E. D.; NETTO, M. A. C. Modelo de centralização de estoques para a

logística de suprimento da exploração e produção da Petrobras. In: Pesquisa
Operacional., v.21, n.2, Rio de Janeiro, jul 2001. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-74382001000200002&
lng=pt&nrm=iso&tlng=pt>. Acesso em: 5 de março de 2019, 21h50min.
GOLMOHAMMADI D., MANSOURI S.A., Complexity and workload considerations

in product mix decisions under the theory of constraints, In: International Journal of
Production Economics., Vol. 165, pp. 38-50, Teerã, 2015.
HARRINGTON, H, J. Aperfeiçoando processos empresariais. São Paulo: Makron

Books, 1991.
66
HENRIQUES, C. S. M. F; LOPES, D. J. N; JESUS, M. N. L.; SANTOS, S. P. G.
Programação Linear. Faculdade de Ciências e Tecnologia da Universidade de
Coimbra: Departamento de Matemática, 2000. Disponível em: <http://www.mat.uc.pt/
~mcag/FEA2003/Programacao%20linear.pdf>. Acesso em: 04 de março de 2019.
HILLIER, F. S; LIEBERMAN G. J. Introdução à pesquisa operacional. São Paulo:

McGraw-Hill, 2013.
IBGE. PIB cresce 1,1% em 2018 e fecha ano em R$ 6,8 trilhões. [S. l.], 28 fev 2019.
Disponível em: <https://agenciadenoticias.ibge.gov.br/agencia-sala-de-imprensa/2013-
agencia-de-noticias/releases/23886-pib-cresce-1-1-em-2018-e-fecha-ano-em-r-6-8-
trilhoes>. Acesso em: 28 de fevereiro de 2019, 14h44min.
KÜNZEL, E. E. Modelagem matemática aplicada na gestão de manutenção: um

estudo feito em uma indústria do setor de borracha. Trabalho de Conclusão de
Curso (graduação) - Universidade Tecnológica Federal Do Paraná, Curso de Engenharia
de Produção, Ponta Grossa: PR, 2017.
LACHTERMACHER, G. Pesquisa operacional na tomada de decisões: modelagem

em Excel. 3. ed. Rio de Janeiro: Elsevier: Campus, 2007.
LONGARAY, A. A. Introdução a Pesquisa Operacional. São Paulo: Editora Saraiva,

2013.
LÓSS, Z. E. O. Desenvolvimento da Pesquisa Operacional no Brasil. Tese de

Mestrado, COPPE/UFRJ, 1981.
MOREIRA, D. A. Pesquisa Operacional: curso introdutório. Thomson Learning, São

Paulo, 2011.
NABLI, H.; CHAHDOURA, S. Algebraic simplex initialization combined with the

nonfeasible basis method. In: European Journal of Operational Research. V. 245,p.
384-391, 2015. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/
S0377221715002623?via%3Dihub>. Acesso em: 03 de março de 2019, 16h49min.
NEUMANN, C., & SCALICE, R. Projeto de Fábrica e Layout. Rio de Janeiro:

Campus, 2015.
NOREEN, E.; SMITH, D.; MACKEY, J. A Teoria das Restrições e suas Implicações
na Contabilidade Gerencial. São Paulo, 1996.
67
OLAFSSON, S. Teaching mathematical modeling to business students. In: Annals of
Operations Research - Annals OR. 1998, Vol.82, pp.49-58
OTTOBONI, C.; PAGNI, T.E.M. A importância do mapeamento de processos para a

implementação do Balanced Scorecard. In: Encontro Nacional de Engenharia de
Produção, Anais. Ouro Preto: ABEPRO, 2003.
PASCINI, A. Arranjo Físico. Juiz de Fora. 2006.
PAUCAR-CACERES, A.; PAGANO, R. Management Sciences/Operational Research

Units in Business and Management Courses in the UK. In: Systemic Practice and
Action Research, v. 24 379–395 (2011). Disponível em: <https://doi.org/10.1007/s112
13-010-9189-x>. Acesso em: 03 de abril de 2019, 08h15min.
PIDD, M. Modelagem Empresarial: ferramentas para a tomada de decisão. Porto

Alegre: Artes Médicas, 1998.
PEINADO, J.; GRAEML, A. R.Administração da Produção: operações industriais e

serviços. Curitiba: Unicemp, 2007
PRUDENTE, M. K. Programação Linear: um estudo de caso na indústria de

embalagens Emball LTDA. Trabalho de Conclusão de Curso (graduação) -
Universidade Federal da Fronteira Sul, Curso de Administração, Cerro Alegre: RS,
2014.
RAGSDALE, C. T. Modelagem e análise de decisão. São Paulo/SP, Cengage

Learning, 2009.
RAZAVI, H.; SEYED, H.; MAHDIRAJI, H. et al. Multi-objective linear programming

with interval coefficients: A fuzzy set based approach. In: Kybernetes: The
International Journal of Systems & Cybernetics. V. 42, n. 3, 482-496, 2013.
Disponível em: <https://www.researchgate.net/publication/263445464_Multi-objective_
linear_programming_with_interval_coefficients_A_fuzzy_set_based_approach>.
Acesso em: 23 de fevereiro de 2019, 20h14min.
REZENDE FILHO, M. Programação Linear: Otimização de Recursos em Apoio à

Tomada de Decisão. Rio de Janeiro, POD Editora, 2010.
RIBOLDI, T. M. Modelo para determinação do mix de produção em um ambiente

de customização em massa. Tiago Martini Riboldi. – 2017. 88 f.: il. Dissertação
68
(Mestrado) - Universidade de Caxias do Sul, Programa de Pós-Graduação em
Administração.
RODRIGUES, L. P. Ferramenta Web para Resolução de Problemas de

Programação Linear através dos métodos Simplex e Simplex em Duas Fases.
Leandro Pedrosa Rodrigues. – Catalão – GO, 2013.
ROYSTON, G. Meeting global health challenges through operational research and

management science. In: Bulletin of the World Health Organization, 89 (9), 683 - 688.
World Health Organization, 2011. Disponível em: <http://dx.doi.org/10.2471/BLT.11.
086066>. Acesso em: 23 de fevereiro de 2019, 16h30min.
SEBRAE. Causa Mortis: o sucesso e o fracasso das empresas nos primeiros cinco
anos de vida. São Paulo, 2015a. Disponível em: <http://www.sebrae.com.br/Sebrae/
Portal%20Sebrae/UFs/SP/Anexos/causa_mortis_2014.pdf>. Acesso em: 23 de janeiro
de 2019, 21h41min.
_________. Micro e pequenas empresas geram 27% do PIB do Brasil. 2015b

Disponível em: http://www.sebrae.com.br/sites/PortalSebrae/ufs/mt/noticias/Micro-e-
pequenas-empresasgeram-27%25-do-PIB-do-Brasil. Acesso em: 08 jan. 2019.
________. Sondagem conjuntural dos Pequenos Negócios – BR. Jun. 2017.

Disponível em: observatorio.sebraego.com.br/midias/downloads/09082017105544.pdf.
Acesso em: 31 jan. 2019.
________. Análise do CAGED – Dezembro/ 2018. Brasília, DF, 2019. Disponível em:
<https://datasebrae.com.br/wp-content/uploads/2019/02/2019-01-29-Relatorio-Sebrae-
Caged.pdf>. Acesso em: 10 de fevereiro de 2019, 15h14min.
SCHMIDT, A. G. et al. Contribuição da programação linear na análise de viabilidade: o

caso da indústria de confecções de uniformes. In: Revista de Negócios, [S. l.],
mar/2008. Disponível em: <https://docplayer.com.br/4382857-Palavras-chave-analise-
de-viabilidade-programacao-linear-tomada-de-decisao.html>. Acesso em: 19 de março
de 2019, 18h45min.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 2ª Ed.

São Paulo: Atlas, 2009.
SOCIEDADE BRASILEIRA DE PESQUISA OPERACIONAL (SOBRAPO). O que é

pesquisa operacional? [S. l.], [2019]. Disponível em: https://www.sobrapo.org.br/o-
que-e-pesquisa-operacional. Acesso em: 4 de março de 2019, 20h45min.
69
SUSANTO, S.; ARIJIT, B. (2011) Compromise Fuzzy Multi-Objective Linear
Programming (CFMOLP) heuristic for product-mix determination. In: Computers &
Industrial Engineering, 61 (3). pp. 582-590. ISSN 0360-8352
VITOR, F.; EASTON, T. (2018). The Double Pivot Simplex Method. Mathematical
Methods of Operational Research. 87. 109-137. 10.1007/s00186-017-0610-4.
WANG, J.-Q.; CUI, F.-D.; ZHANG, C.-W.; SUN, S.D. Capacity partition method of
machines in cloud manufacturing-oriented job shops. In: Jisuan jiJich eng Zhizao
Xitong/Computer Integrated Manufacturing Systems, CIMS. Vol. 20, Issue 9, p.2146-
2163, 2014.
WELLINGTON, J.; GUIFFRIDA, A.; LEWIS, S. Interior analysis of the green product
mix solution. In: European Journal Of Operational Research, 237, 966-974, 2014.
Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S037722171400
1623>. Acesso em: 03 de fevereiro de 2019, 19h40min.
70

Otimização de processo têxtil

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

Otimização de processo têxtil

Enviado por

Direitos autorais:

Formatos disponíveis

PROPOSTA DE OTIMIZAÇÃO DO PROCESSO PRODUTIVO EM UMA

MICROEMPRESA DO SETOR TÊXTIL: APLICAÇÃO DO MÉTODO

Fernanda dos Santos Mendonça Lima

Dissertação de Mestrado apresentada ao Programa

Orientadores: Bruno Marques Viegas

Fernanda dos Santos Mendonça Lima

DISSERTAÇÃO SUBMETIDA AO CORPO DOCENTE DO PROGRAMA DE PÓS-

Lima, Fernanda dos Santos Mendonça, 1987-

Orientadores: Bruno Marques Viegas

Dissertação (Mestrado Profissional) – Universidade

1.Logística empresarial. 2.Programação linear. 3.Indústria

CDD 23. ed. 658. 78

A minha família, pelo apoio e incentivo ao logo de toda minha jornada

PROPOSTA DE OTIMIZAÇÃO DO PROCESSO PRODUTIVO EM UMA

Fernanda dos Santos Mendonça Lima

Orientadores: Bruno Marques Viegas

Área de Concentração: Engenharia de Processos

PROPOSAL FOR OPTIMIZING PRODUCTION PROCESS IN A TEXTILE

Fernanda dos Santos Mendonça Lima

Advisors: Bruno Marques Viegas

Research Area: Process Engineering

Figura 1.1 Principais dificuldades encontradas pelas MPEs................................... 3

Tabela 2.1 Aplicações da pesquisa operacional no mundo................................. 13

CAGED CADASTRO GERAL DE EMPREGADOS E DESEMPREGADOS

O planejamento, a estratégia e a gestão são princípios que movem o mundo dos

No Brasil, segundo levantamento do SEBRAE (2015b), as MPEs representam

Principais dificuldades encontradas pelas MPEs

Figura 1.1 - Principais dificuldades encontradas pelas MPEs.

1.2.1 - Objetivo geral

O objetivo geral desta pesquisa é apresentar uma proposta de otimização do

1.2.2 - Objetivos específicos

 Identificar e descrever detalhadamente os principais processos produtivos de

1.3 - CONTRIBUIÇÕES DA DISSERTAÇÃO

Devido à sua utilidade, estudos na área de otimização do mix de produção áreas

1.4 - ORGANIZAÇÃO DO TRABALHO

O Capítulo 1 apresenta a motivação, os objetivos, as contribuições da dissertação

2.1 - MAPEAMENTO DE PROCESSOS

Segundo SLACK et al. (2009) o mapeamento do processo envolve descrever as

Dentre as vantagens na utilização do fluxograma pode-se citar:

2.2 - PESQUISA OPERACIONAL

Pesquisa Operacionais (PO) pode ser entendido como a aplicação de problemas

Tabela 2.1 - Aplicações da pesquisa operacional no mundo.

Organização Natureza da aplicação Ano de Economia

Fonte: Adaptado de HILLIER e LIEBERMAN (2013).

Neste contexto, pode-se observar que a PO, a partir do seu caráter

Modelos matemáticos são úteis basicamente de duas maneiras. O caminho óbvio

Figura 2.3 - Fases de um estudo de pesquisa operacional.

Inicialmente é necessário identificar uma demanda a ser solucionada, a partir de

MAX ou MIN Z: 𝑓0(𝑋1, 𝑋2, … ,𝑋𝑛) = c1 x1 + c2 x2 + ... + cnxn (2.1)

𝑓1(𝑋1, 𝑋2, … ,𝑋𝑛) = a11 x1 + a12 x2 + ... + a1nxn ≤ 𝑏1 (2.2)

𝑓𝑘(𝑋1, 𝑋2, … , 𝑋𝑛) a21 x1 + a22 x2 + ... + a2nxn≤ 𝑏𝑘 (2.3)

produzidas num certo período de tempo;

produção de uma unidade de atividade j;

2.2.2 - Programação linear

Dentre as técnicas clássicas de otimização, a Programação Linear (PL) é uma

2.2.3 - O problema do Mix de produção

Definir o mix de produção é uma decisão importante que impacta diretamente

2.2.4 - O método simplex

O método Simplex foi desenvolvido por George Dantizig, um matemático

Nesse sentido, entende-se que o princípio do método simplex é o deslocamento

Neste estudo foram realizados diversos levantamentos, a fim de quantificar o

Figura 3.1 - Fluxograma da metodologia empregada.

Conforme a Figura 3.1, a pesquisa em questão iniciou-se por uma revisão