Escolar Documentos
Profissional Documentos
Cultura Documentos
ESCOLA DE ENGENHARIA
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO
GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO
NITERÓI
AGOSTO / 2016
NAYANA ANTUNES GUIMARÃES
NITERÓI
2016
Ficha Catalográfica elaborada pela Biblioteca da Escola de Engenharia e Instituto de Computação da UFF
CDD 658.787
3
BANCA EXAMINADORA:
NITERÓI
2016
AGRADECIMENTOS
Agradeço primeiramente à Deus, que permitiu que tudo isso acontecesse e por ter me
dado força para superar todas as dificuldades.
Aos meus pais Silvana e Carlos e irmãos Sophia e Filipe, que com muito carinho e
apoio, não mediram esforços para que eu concluísse mais uma etapa da minha vida.
Ao meu orientador Artur Alves Pessoa, pela paciência e dedicação que tornaram
possível a conclusão deste projeto.
Aos meus familiares e amigos, por estarem sempre ao meu lado.
Este trabalho tem como principal objetivo a otimização dos custos relacionados ao
estoque de um posto de combustíveis. Para tal, foi desenvolvido um modelo de Programação
Inteira, que visa definir quanto comprar de cada combustível por período e a melhor alocação
do mesmo nos tanques da carreta de transporte. Foram utilizados como embasamento
conceitos como programação linear e gestão de estoques. Como estudo de caso, o modelo
apresentado foi aplicado em um posto de combustíveis localizado em Rio Bonito – RJ. O
trabalho resultou em uma ferramenta em MS Excel que retorna o planejamento dos pedidos
de reabastecimento para um período parametrizado e os custos resultantes. Os resultados
gerados pelo modelo foram comparados com os dados reais do posto. O modelo apontou uma
redução de 12% no custo total, de 52% no nível médio de estoque e uma melhoria
significativa no giro de estoque.
This work aims to optimize costs related to a gas station inventory. To this end, it was
developed an Integer Programming model to define how much of each fuel should be bought
per period and the best allocation of the purchased fuel in the tanks of the transportation truck.
Linear programming and inventory management were used as basic concepts for the
development. As a case study, the model was applied to a gas station located in Rio Bonito -
RJ. The work resulted in a MS Excel tool that returns the purchase planning for a
parameterized period and the resulting costs. The results generated by the model were
compared with the actual data of the gas station. The model indicated a 12% reduction in the
total cost, 52% in the average stock level and a significant improvement in the inventory
turnover.
CAPÍTULO 1 - Introdução.................................................................................................11
1.1 Contextualização......................................................................................................11
1.2 Formulação da Situação-Problema...........................................................................12
1.3 Objetivos...................................................................................................................12
1.4 Delimitação...............................................................................................................13
1.5 Referencial Teórico ou Conceitual...........................................................................13
1.6 Questões e/ou Hipóteses...........................................................................................13
1.7 Definição de Termos................................................................................................13
1.8 Organização do Estudo.............................................................................................14
CAPÍTULO 3 - Metodologia..............................................................................................27
4.1 A Empresa................................................................................................................29
4.1.1 Política Atual de Ressuprimento.......................................................................29
4.1.2 Demanda............................................................................................................30
8
CAPÍTULO 6 - Conclusão.................................................................................................48
Referências Bibliográficas........................................................................................................50
LISTA DE FIGURAS
1.1 Contextualização
1.3 Objetivos
Este trabalho tem como objetivo principal desenvolver uma ferramenta de otimização
através de um modelo de dimensionamento de lotes que minimize os custos de transporte e
estocagem de um posto de combustíveis. Este objetivo principal se divide em três específicos:
Realizar um planejamento semanal da quantidade que deve ser pedida e o
momento em que cada pedido deve ser emitido para cada tipo de combustível;
Otimizar a quantidade de cada combustível transportada na carreta, de modo
que minimize o custo total e que transporte toda a quantidade planejada;
1
1.4 Delimitação
Min Minimizar
S. a. Sujeito à
PIM Programação Inteira Mista
O estudo foi dividido em seis capítulos, dentre os quais o primeiro aborda aspectos
introdutórios, como contextualização do tema, formulação da situação-problema, os objetivos
do trabalho, além das principais questões que serão discutidas ao longo do mesmo.
O segundo capítulo apresenta uma revisão bibliográfica, que busca fundamentar o
estudo. São detalhados conceitos e definições sobre programação inteira, estoques, modelos
de dimensionamento de lotes e horizonte rolante.
O terceiro capítulo apresenta a metodologia utilizada, as ferramentas, a coleta de dados
e os instrumentos de medida utilizados.
O quarto capítulo destina-se à aplicação do modelo proposto, por meio de um estudo
de caso realizado junto a um posto de combustíveis, que forneceu os dados para a realização
do presente projeto.
Por fim, o último capítulo apresenta as conclusões e considerações finais, além de
sugestões para próximos trabalhos.
1
2.2 Estoques
2.2.1 Definições
b) quando pedir?
A primeira questão refere-se à quantidade ou volume de ressuprimento que o pedido
deve ter, já a segunda busca definir o momento ou o nível de estoque em que um novo pedido
deve ser emitido.
De acordo com Taha (2007), os pedidos podem ser emitidos periodicamente, toda
semana ou todo mês por exemplo, caracterizando um sistema de revisão periódica. Outra
possibilidade é a revisão contínua, na qual o pedido é emitido no momento em que o estoque
atinge certo nível, denominado ponto de reabastecimento.
Segundo Taha (2007), a solução para encontrar a quantidade ideal e o momento certo
de pedir é a partir da minimização dos custos de estoque. Ballou (2006) divide os custos de
estoque em três custos principais:
a) Custos de aquisição: decorrem da emissão de um pedido de reposição de
estoque. Tais custos estão relacionados à fabricação do produto conforme as
quantidades exigidas, preparação do processo de produção, transmissão do
pedido ao ponto de ressuprimento e manuseio ou processamento dos produtos
no ponto de recepção;
b) Custos de manutenção: envolvem custos de espaço, como aluguel, iluminação
ou climatização, custos de capital imobilizado em estocagem, custos de
serviços de estocagem, como seguros e impostos, e custos de risco de estoque,
como deterioração, danos, obsolescência e roubos;
c) Custos de falta de estoque: decorrem de venda não realizada em virtude de
falhas no fornecimento. Nesse contexto, os custos referem-se à perda potencial
de receita e à perda de confiança do cliente.
faltar material durante o lead time de abastecimento. Para Tavares (2014), pode ser definido
como o percentual dos itens que devem ter seus pedidos atendidos.
Segundo Peinado e Graeml (2007), quando a demanda é variável e o lead time é
constante, o estoque de segurança (ES) deve ser calculado conforme a Equação 1:
𝐸𝑆 = 𝑍 × √𝐿𝑇 × 𝜎𝐷 (1)
Sendo:
ES Estoque de Segurança
Z Número de desvios padrão
LT Lead time de ressuprimento
𝜎𝐷 Desvio padrão da demanda
O valor de Z varia em função do nível de serviço desejado e deve ser determinado
através da tabela de coeficientes de distribuição normal.
Existem situações em que a variabilidade acontece não só para a demanda como
também para o tempo de ressuprimento. Nesses casos, o estoque de segurança se resumo em
(PEINADO E GRAEML, 2007):
𝐸𝑆 = 𝑍 × √
2
2 (2)
2
(𝐿𝑇 × 𝜎𝐷) + (𝐷 × 𝜎𝐿𝑇)
Sendo:
ES Estoque de
Segurança
Z Número de desvios padrão
O giro de estoque é definido por Slack et al. (2009) como a frequência com que o
estoque é completamente usado em um período. Este é um indicador utilizado para medir o
desempenho do estoque e pode ser calculado dividindo-se a demanda total pelo estoque médio
do período, conforme representado na Equação 3 (TAVARES, 2014):
𝐷𝑒𝑚𝑎𝑛𝑑𝑎
𝐺𝑖𝑟𝑜 𝑑𝑒 𝐸𝑠𝑡𝑜𝑞𝑢𝑒 = (3)
𝐸𝑠𝑡𝑜𝑞𝑢𝑒 𝑚é𝑑𝑖𝑜
1
Tavares (2014) resalta que é importante que os campos estejam nas mesmas unidades
de medida em tempo e valor.
A literatura apresenta diversos modelos de dimensionamento de lotes, uma vez que não
é possível o desenvolvimento de um único modelo que abranja todas as situações possíveis,
devido à complexidade da realidade das empresas.
Cada problema deve ser modelado conforme as características específicas de seu
sistema, que afetam diretamente a complexidade do modelo. Com isso, antes de definir qual
modelo se adéqua ao problema, é preciso classificar o problema segundo algumas
características específicas.
2.3.1.3 Demanda
De acordo com Karimi et al. (2003), a demanda de um produto apresenta três tipos de
categorias que precisam ser identificadas de modo a determinar o modelo adequado. Quando
a demanda por um produto não apresenta variação ao longo do horizonte de planejamento, ou
seja, é constante no tempo, classificam-na como demanda estática. Por outro lado, quando há
variação, a demanda é dinâmica. Caso a demanda seja conhecida antecipadamente, recebe o
nome de determinística, No entanto, se não for conhecida com exatidão e for calculada como
base em probabilidades, é denominada probabilística ou estocástica. Por fim, a demanda pode
ser classificada em dependente ou independente, conforme exposto anteriormente, no tópico
2.3.1.1.
diversos itens, usa-se a denominação big bucket, enquanto que em períodos pequenos, na qual
são produzidos um ou dois itens, tem-se a classificação de small-bucket (KARIMI et al.,
2003).
2.3.1.7 Setup
Sendo:
CT Custo total de estoque anual
Q Tamanho do pedido para reposição do estoque, em unidades
D Demanda anual constante, unidades/ano
S Custo de aquisição por ano
C Custo unitário de manutenção no estoque por ano
I Taxa de encargos sobre o estoque por ano
O termo D/Q representa o número de vezes por ano que um pedido de reposição é
emitido e o termo Q/2, o nível médio de estoque.
Segundo Slack et al. (2009), à medida que a quantidade do pedido Q varia, um custo
aumenta enquanto que outro diminui, conforme pode ser visto na Figura 2:
2
2𝐷𝑆
𝑄∗ = √ 𝐼𝐶
(7)
Karimi et al. (2003) expõem outros modelos mais avançados nos quais é necessária a
utilização de Programação Linear para encontrar a solução ótima, como é o caso do Problema
de Dimensionamento de Lotes Capacitado (CLSP), que será abordado no próximo tópico.
2.3.3.1 Premissas
2.3.3.2 Dados
2.3.3.3 Variáveis
2.3.3.4 Formulação
CAPÍTULO 3 - Metodologia
Conforme exposto por Gil (2002), um princípio básico do estudo de caso que não pode
ser descartado é a utilização de mais de uma técnica de coleta de dados. Com isso, garante-se
a qualidade dos resultados obtidos. Seguindo esse princípio, os dados foram coletados por
meio de levantamento de dados históricos e entrevistas.
Os dados a serem trabalhados sobre o Posto de Combustíveis foram fornecidos pelo
gerente do mesmo através de planilhas em MS Excel, com dados históricos de venda, de
estoque e dos custos de um período específico.
Além disso, foram feitas entrevistas com o gerente, que contribuíram grandemente
para realização do diagnóstico do funcionamento do posto e da política atual de
ressuprimento.
2
4.1 A Empresa
4.1.2 Demanda
A demanda dos combustíveis no posto estudado pode ser classificada como regular,
apresentando padrão de sazonalidade. O comportamento da venda varia em função de cada
período do ano, aumentando no verão e em feriados ensolarados, devido ao aumento do fluxo
de veículos voltando da Região dos Lagos, litoral norte do Estado do Rio de Janeiro.
Analisando o comportamento da demanda, é possível identificar que há uma variação
entre os dias de uma semana, para todos os combustíveis. A Gasolina, por exemplo, aumenta
o patamar de vendas sábado, domingo e segunda-feira, como pode ser visto no Gráfico 1:
O posto analisado possui uma carreta própria para o transporte dos combustíveis. A
escolha de frota própria ao invés de terceirizada se deve à maior confiabilidade no serviço, à
ciclos menores de reabastecimento e à maior autonomia na tomada de decisão em relação as
entregas.
A carreta da empresa possui capacidade de 35 mil litros, divididos em seis tanques,
que podem transportar qualquer um dos combustíveis revendidos pelo posto. A capacidade de
cada tanque está representada na Tabela 2:
Tabela 2: Capacidade da Carreta de Transporte de Combustíveis
4.1.4 Armazenamento
Capacidade de
Combustível
Armazenamento (L)
Diesel 30.000
Diesel S-10 15.000
Etanol 15.000
Gasolina 30.000
Gasolina Aditivada 15.000
Total 105.000
Fonte: Gerente do Posto de Combustíveis
Custos de Transporte
Combustível R$ 250,00
Pedágio R$ 120,00
Total R$ 370,00
Fonte: Gerente do Posto de Combustíveis
O posto estudado não calcula o estoque de segurança que deseja manter para garantir
suas vendas, porém este é um dado de entrada importante para o modelo. Sendo assim, o
mesmo foi calculado através da Equação 1, apresentada no tópico 2.2.3. Uma vez que o
fornecedor apresenta elevado grau de confiabilidade, a variação do lead time de entrega pode
ser considerada desprezível.
O Gráfico 2 apresenta o estoque de segurança de Gasolina para o lead time de 1 dia,
em função do nível de serviço:
3
O modelo proposto sugere um planejamento para sete períodos da quantidade que deve
ser pedida com o objetivo de atender a demanda prevista e minimizar os custos envolvidos. O
modelo leva em consideração a demanda média de cada período, o estoque inicial, o estoque
de segurança estabelecido e a capacidade de transporte.
O custo de aquisição não foi considerado no modelo, pois este é certa de 100 vezes
maior que a soma dos demais custos. Isso faz com que o modelo considere os demais custos
desprezíveis. Além disso, se o nível de estoque for mantido baixo, a quantidade comprada
será revertida em venda. Dessa forma, o modelo desenvolvido considera somente o custo de
transporte e o de capital.
3
O modelo assume que o pedido é recebido no início do dia, ou seja, o estoque inicial já
contabiliza o pedido recebido. Além disso, os pedidos só podem ser recebidos de segunda a
sábado. Por fim, o modelo permite mais de um transporte de combustível por dia.
O posto estudado revende N tipos de combustíveis, cada um com uma demanda Dit
para cada período t. A capacidade de armazenamento do item i no período t é Rit. O
abastecimento é feito, a cada t períodos, através de uma carreta com J tanques, que podem
transportar qualquer um dos combustíveis. O tanque j tem capacidade Gj.
O modelo busca encontrar a quantidade que deve ser comprada de cada combustível i
no período t e em qual tanque da carreta deve ser transportado de forma a atender a demanda
e minimizar os custos.
4.2.1.2 Variáveis
4.2.1.3 Formulação
Yt ≥ 0 (t =1,...,T) (21)
Zijt ≥ 0 (i =1,...,N; j =1,...,J; t =1,...,T) (22)
Xit ≥ 0 (i =1,...,N; t =1,...,T) (23)
4.2.2 Implementação
Criação da Função
Objetivo
Solução do Problema
Preenchimento da
planilha com os
resultados
Figura 3: Esquema do código de
A análise dos resultados foi feita por meio da comparação entre os resultados obtidos
pelo modelo matemático e os dados reais do posto no período determinado.
A sugestão do modelo foi gerada utilizando-se o método de Horizonte Rolante. Isto é,
uma vez que se espera uma variação entre a demanda real e a estimada, dia a dia o modelo
deve ser atualizado, considerando o estoque real do período. Esse procedimento foi realizado
14 vezes, de modo a se obter a necessidade de reabastecimento do período de 03 a 16 de Abril
de 2016.
Para uma análise mais precisa, utilizou-se como dado de entrada do modelo o estoque
real de abertura do período, apresentado na Tabela 7.
Tabela 7: Estoque Inicial por Combustível
Inicialmente, utilizou-se a demanda real do período como input para o modelo. Como a
demanda impacta diretamente o resultado gerado, optou-se por usar a demanda real para a
análise da qualidade do modelo, de modo a não ser impactado pelos erros da previsão de
demanda.
O custo total realizado no período foi de R$ 857.408. O modelo gerou um custo de R$
749.822, 13% menor. Para minimizar os custos, o modelo optou por fazer mais viagens no
período e manter menos combustível estocado, como pode ser visto na Tabela 8. Dessa forma,
o modelo sugeriu uma quantidade menor de compra e conseguiu diminuir os custos de
aquisição, que é o mais significativo, em 13%.
4
Tabela 8: Comparação entre os custos reais e os custos do modelo considerando a demanda real
Analisando o custo total por tipo combustível, o modelo gerou custos menores para
todos os combustíveis, conforme apresentado no Gráfico 3:
O Gráfico 4 mostra que, novamente, o modelo gerou custos menores para todos os
combustíveis. A redução do custo total da Gasolina foi de apenas 2%, porém este combustível
é o que mais impacta os custos totais da empresa e essa redução representou uma economia de
quase R$ 9 mil.
4
O Gráfico 5 compara o custo de aquisição praticado pelo posto com o gerado pelo
modelo por período. A partir dele, é possível perceber que o de modelo gera pedidos com
maior frequência, o que permite compras diárias de valores menores. A política atual optou
por pedidos com valores mais estáveis por pedido, porém maiores. O valor máximo gerado
pelo modelo no período foi de R$ 125.000, enquanto que o real foi de R$ 160.000.
A comparação entre os custos reais e os custos gerados pelo modelo foi importante
pois provou que o modelo consegue gerar uma economia significativa em relação aos custos
praticados atualmente. Porém, é fundamental analisar o comportamento do estoque no período
analisado para verificar se houve rupturas, e consequente perda de venda.
O Gráfico 6 representa a evolução real do estoque no período analisado. No eixo x,
estão representados os dias e no eixo y, a quantidade de combustível em litros. A área em
laranja representa o nível de estoque, as barras azuis são a quantidade comprada em cada dia,
4
as barras verdes referem-se à demanda real, a linha pontilhada em cinza representa o estoque
de segurança e os pontos vermelhos são a capacidade máxima de armazenamento nos tanques
do posto.
estratégia, pois como o tempo de reação é curto, não é necessário manter um nível alto de
estoque.
O Gráfico 8 deixa mais evidente a comparação entre os níveis de estoque. Analisando
a linha vermelha, que representa o estoque gerado pelo modelo, é possível perceber que há
uma tendência de queda. Isso mostra que o modelo trabalha com um nível mais baixo de
estoque e que nos primeiros dias o estoque está mais alto pois é reflexo do estoque de abertura
do período. A linha azul mostra o estoque real do período, muito acima do estoque gerado
pelo modelo.
O Etanol começou o período com excesso de estoque, com um nível 9 vezes maior que
a demanda média do período. Tal excesso foi consequência do estoque inicial do período
analisado. Para regularizar a situação, o modelo sugeriu quantidades pequenas de compra,
como pode ser visto no Gráfico 11.
4
O giro de estoque aumentou para todos os itens. O Etanol foi o único combustível que
não apresentou um aumento expressivo, pois já estava com estoque elevado na abertura do
período analisado, fazendo com que o modelo gerasse poucos pedidos de compra. A Gasolina
se destacou com um aumento de 126% em relação ao giro real do período.
O giro médio para o total de combustíveis foi calculado através da Equação 4, com
valores a preço de custo A necessidade de compra calculada pelo modelo obteve um giro de
estoque de 8,74, ou seja, o estoque foi renovado 8,74 vezes durante o período. Em relação ao
giro real, o modelo gerou um aumento de 94% no período.
Tabela 11: Giro médio de estoque no período
CAPÍTULO 6 - Conclusão
consequência poderá ser a perda da venda, pois o consumidor pode não estar disposto a
abastecer com um combustível similar.
Dessa forma, estudos futuros podem se aprofundar na análise da previsão de demanda.
Outro ponto interessante é aprimorar o modelo de modo a considerar o custo de perda de
venda e o impacto ambiental gerado pelo transporte de combustíveis. A última sugestão é
calcular o estoque de segurança por dia da semana, de modo a obter um valor mais preciso e
reduzir ainda mais o nível de estoque.
5
Referências Bibliográficas