PLANEJAMENTO E PROGRAMAO DA PRODUO DA ACIARIA DESAFIOS, MTODOS E FERRAMENTAS1

Danilo Leite Dalmon2 Patrick Boudinet3

Resumo A tarefa de realizar o planejamento ou a programao da produo de uma indstria siderrgica complexa e ao mesmo tempo vital ao seu funcionamento. Apesar disso, poucas usinas utilizam ferramentas de software que atendem a todos os requisitos dos usurios que atendem exatamente a necessidade da empresa. Ainda assim, por causa da dificuldade do problema, frequentemente decises sub-timas so tomadas. Isso se deve principalmente pela falta de acesso a ferramentas especficas para a soluo de problemas considerando todas as restries de processo. A aciaria possui, em seu processo produtivo, caractersticas que a colocam em destaque quanto dificuldade e relevncia de realizar uma programao tima. Este trabalho apresenta revises do problema terico de planejamento, alguns mtodos computacionais de resoluo, das particularidades da aciaria que a tornam especial e um levantamento de procedimentos utilizados no cotidiano de usinas. Resultados mostram, em geral, que o uso de um sistema computacional de programao fina de aciaria traz uma reduo de custos adicionados e um aumento da produo. Palavras-chave: Planejamento; Programao; Software; Inteligncia artificial. STEELWORKS PRODUCTION PLANNING - CHALLENGES, METHODS AND TOOLS Abstract Production planning and scheduling is, at the same time, complex and vital for the steel making industry. However, few existing industrial facilities use software tools that meet all the users' requisites or solve the exact planning problem faced by the company. Moreover, because of the problem's difficulty, often sub-optimal choices are made. This is mainly due to the lack of specific problem-solving software tools in the market for each company's problems and probably to the lack of knowledge about the problem's formulation and its effects in the production efficiency. Steelworks has, in its process, characteristics that increase the difficulty and the impact of an optimal planning. This paper reviews the planning problem and some methods used to solve it, presenting relevant steelworks' features and challenges to planning and scheduling, practical and suggested procedures for daily production based on methods and tools. Results show that, in general, the use of a steelworks fine planning software reduces added costs and raises production capacity. Keywords: Planning; Scheduling; Software; Artificial intelligence.
1

Contribuio tcnica ao 42 Seminrio de Aciaria Internacional, 15 a 18 de maio de 2011, Salvador, BA, Brasil. Instituto de Matemtica e Estatstica (IME) Universidade de So Paulo (USP). Rua do Mato 1010, CEP 05508-090, So Paulo - SP. E-mail: ddalmon@ime.usp.br. Incotec S.A. danilo.dalmon@incotec-software.com Incotec S.A. Solutions Informatiques. 7, Boulevard Gonthier dAndernach, B.P. 40136, 67404 Illkirch-Graffenstaden Cedex - France. E-mail: patrick.boudinet@incotec.fr

649

1 INTRODUO A produo siderrgica envolve diversas etapas, como reduo, metalurgia secundria, lingotamento e laminao. Cada uma dessas etapas composta de processos fsico-qumicos complexos, e necessitam, para manter a competitividade, de equipamentos, ferramentas e mtodos de alta tecnologia. O gerenciamento de cada etapa realizado por especialistas, que precisam manter o controle da produo, buscando o aumento da eficincia e a reduo de custos, considerando erros, riscos e perdas na produo. Nesse contexto, o planejamento e a programao da produo possuem um papel essencial.(1) O planejamento realizado para organizar a produo e determinar a relao entre a demanda, muitas vezes apenas prevista, e a produo. Nesse nvel so consideradas caractersticas gerais do processo de fabricao da etapa produtiva em questo, como capacidade e fornecimento de matria-prima.(2) Em outro nvel, a programao da produo realizada para definir os detalhes operacionais da produo, como disponibilidade de equipamentos, diferentes fluxos, e outras variveis de processo.(3) A eficincia final do processo produtivo est relacionada com a eficincia prevista durante o planejamento e a programao, e a fidelidade que a produo possui com o planejado.(4) Dessa maneira, a determinao de um planejamento otimizado necessria para a realizao de uma boa produo, considerando critrios como lead time e custos adicionados. A utilizao sistemtica de mtodos automticos de planejamento e de programao da produo durante as etapas produtivas pode aumentar consideravelmente a eficincia de uma usina.(1) Alm disso, o planejamento timo global da produo da usina um objetivo considerado utpico pelos especialistas industriais.(5) Cada etapa de fabricao possui caractersticas que o tornam mais fcil ou difcil, com relao a critrios computacionais, para o clculo de uma soluo de planejamento tima. No caso da produo siderrgica, a aciaria se destaca com relao dificuldade para o planejamento. A aciaria uma das unidades produtivas das usinas siderrgicas, responsvel pelas etapas de refino, metalurgia secundria e lingotamento. Por causa da complexidade de seu processo produtivo, a aciaria necessita de ferramentas e mtodos especficos automticos para a determinao de uma soluo que minimiza os custos de produo. Mtodos automticos de planejamento so alvos de estudos h muito tempo, sendo considerados um dos ramos mais importantes de pesquisa em inteligncia artificial aplicada.(6) Um problema de planejamento um modelo matemtico que representa algum processo, em geral, produtivo. Assim, algoritmos especializados em problemas de planejamento so aplicados para resolv-los, ou seja, calcular uma soluo de planejamento que seja tima de uma maneira rpida, na medida do possvel. Uma soluo considerada tima se ela atende a certos requisitos prdeterminados, minimizando tempo e custos. Existem diversos algoritmos para problemas de planejamento, em geral adaptados a grupos de problemas.(3) No caso da aciaria, existem diversas ferramentas computacionais que se propem a resolver o problema de planejamento da sua produo.(7-15) Este trabalho analisa as caractersticas do processo de produo da aciaria relevantes para o planejamento e a programao de sua produo, e apresenta uma reviso dos conjuntos de algoritmos e ferramentas que os utilizam que possuem o objetivo de planejar ou programar modelos que representam a produo da aciaria.

650

A metodologia empregada foi o levantamento sistemtico das caractersticas do processo de produo da aciaria relevantes ao planejamento durante projetos de implantao de softwares de planejamento em usinas, e o levantamento e comparao dos principais mtodos existentes para a resoluo de problemas de planejamento segundo critrios pr-estabelecidos. Os resultados apresentados so relatos de empresas que desenvolvem softwares de planejamento de aciaria e de empresas que os utilizam. O presente texto est organizado da seguinte maneira: a seo 2 faz uma introduo problemtica do planejamento e apresenta os principais desafios da produo da aciaria com relao modelagem para o planejamento; as sees 3 e 4 apresentam, respectivamente, mtodos de planejamento que so aplicados na aciaria e ferramentas que o utilizam; a seo 5 encerra o artigo com as concluses. 2 DESAFIOS DE PLANEJAMENTO NA ACIARIA Problemas de planejamento so classificados como problemas do ramo da matemtica de otimizao, e consistem basicamente em ordenar tarefas que respeitam regras de sucesso de um modo a encontrar o menor (ou maior) valor para uma funo objetivo.(16) Dessa maneira, para formular um problema de planejamento necessrio: a) um conjunto de tarefas; b) um conjunto de regras de sucesso para as tarefas; c) um conjunto de valores associados s sucesses; e d) uma funo objetivo que deve ser minimizada (ou maximizada). Podemos encontrar formulaes diferentes e diversos exemplos na literatura.(17,18) Para determinar a sequncia de tarefas que respeita as regras de sucesso que possui o valor timo para a funo objetivo so aplicados algoritmos especficos. Dizemos, a grosso modo, que um problema difcil, chamado de NP-completo na teoria da computao, quando ainda no foi encontrado um algoritmo rpido para resolv-lo.(19) Problemas de planejamento so NP-completos, ou seja, no h um algoritmo rpido para resolv-los, implicando que para situaes grandes, com muitas tarefas, ou muitas restries, o clculo de um valor timo pode demorar muito tempo se usado um computador com o poder de processamento atual. Considerando que existem 50 tarefas a serem planejadas, o nmero de possibilidades de sequncia possveis, sem considerar as restries, de 50! vezes, ou seja 3,04.1064. Nesse caso, se pedirmos para um computador encontrar a melhor sequncia, ele dever calcular a funo objetivo para cada possibilidade. Um computador atual consegue realizar 4.109 operaes por segundo. Esse computador levar 7,6.1054 segundos, no pior caso, para encontrar a melhor sequncia, o que equivale a 2,4.1047 anos, sendo que o universo possui 15.109 anos. As tcnicas existentes desenvolvidas hoje em dia conseguem encontrar solues boas para problemas especficos em pouco tempo, que no so timas necessariamente, pois no calculam todas as possibilidades.(20-22) Elas usam estratgias que aproveitam as caractersticas especficas da formulao do problema para procurar mais rapidamente essas solues. Porm, h problemas de planejamento que, devido a suas caractersticas, ainda no possvel encontrar boas solues em pouco tempo.(23) Algoritmos para soluo de problemas de planejamento so apresentados com mais detalhes na seo seguinte. No caso da aciaria, existem caractersticas que tornam o seu processo de produo mais complexo, ou seja, exige um nmero maior de clculos para encontrar uma soluo tima, em comparao a outros processos de produo das usinas

651

siderrgicas, como a laminao, por exemplo. Segue uma lista e explicaes de algumas delas: Os produtos da aciaria possuem caractersticas diferentes os produtos da aciaria, os lingotes, tarugos, blocos, placas ou perfis possuem caractersticas muito diferentes entre si, que vo desde a composio qumica, tempo em cada estgio, restries de sequenciamento, dimenses e os fluxos entre os diferentes estgios. Isso faz com que o planejamento desses produtos, ou de suas etapas de produo na aciaria, seja mais complexo, pois os tipos de caractersticas que variam so numerosos. Assim, o algoritmo deve ser capaz de consider-los durante o clculo de uma sequncia de produo. A produo da aciaria possui formas diferentes de fabricar um produto um mesmo produto na aciaria pode, s vezes, ser produzido de maneiras diferentes, seja usando tipos de panelas diferentes, ou sendo produzido no forno 1 ou forno 2, passando pelo forno-panela ou no, e at mesmo possuir diversas formas de resfriamento possveis. Isso aumenta o nmero de possibilidades e de restries que o algoritmo de clculo de sequncias deve considerar. A produo da aciaria possui muitas restries as caractersticas da produo da aciaria so tais que poucas so as sequncias que atendem a todas as restries do processo, pois elas so muitas e muito rgidas. possvel at que, dado o nmero de corridas a ser produzido, seja impossvel encontrar uma sequncia que respeite todas as restries do processo, por exemplo, contaminao de elementos qumicos, ferramentas e equipamentos disponveis, datas de entrega, nmero de vazamentos em um lingotamento convencional. O algoritmo deve considerar, alm de todas as restries, pois h restries que so crticas produo, margens de segurana para o respeito das restries, permitindo assim, que os produtos sejam entregues atrasados, mas nunca com a composio errada. O planejamento pode ser feito para diferentes horizontes o trabalho de planejamento da aciaria pode ser feito em duas etapas, o planejamento, com um horizonte maior, e a programao, que responsvel pela produo diria. Alm disso, de acordo com a demanda, possvel precisar realizar o planejamento ou a programao para diferentes prazos, o que resultar em valores diferentes para a funo objetivo. Quando trabalha em um prazo reduzido, o algoritmo deve ser capaz de escolher as corridas prioritrias; quando trabalha em um prazo grande, deve ser rpido o suficiente para considerar as melhores possibilidades. A variao do tempo para o planejamento contnua o tempo em que a produo calculada deve ser contnuo, ou seja, possuir um pequeno intervalo entre cada coordenada temporal. O limitante desse parmetro a rapidez com que o cho de fbrica atualiza o andamento da produo. Isso permite que um produto seja planejado para ser entregue com um nvel de detalhe grande, aproveitando ao mximo as possibilidades, mas tambm aumentando o trabalho do algoritmo de planejamento. A produo da aciaria possui mltiplos estgios para uma corrida ser produzida, ela deve passar por vrios equipamentos, desde o forno at o lingotamento. J que cada ferramenta considerada como uma etapa independente, o algoritmo deve considerar cada passagem como uma tarefa diferente a planejar, o que aumenta a complexidade do problema.

652

 A produo da aciaria possui vrios fluxos diferentes em uma aciaria possvel produzir corridas que utilizam diferentes fluxos, ou seja, diferentes equipamentos em cada passagem. Em comparao a processos que possuem apenas um fluxo possvel, isso aumenta consideravelmente a complexidade dos clculos. Essa propriedade permite que, de acordo com a demanda, diferentes equipamentos se tornem o gargalo da produo, ou que equipamentos sejam subutilizados. A funo objetivo considera mltiplos critrios para calcular uma boa sequncia de corridas, o algoritmo de planejamento deve possuir uma funo objetivo que considera no apenas o custo de produo, mas tambm o tempo de produo, o tempo de parada, o tempo de atraso, o desgaste dos equipamentos, o sequenciamento em lingotamentos contnuos, entre outros. A considerao de apenas um critrio torna o planejamento no otimizado. A modelagem matemtica de processos similares ao da aciaria pode ser encontrada em outros trabalhos.(24-26) As caractersticas aqui citadas tornam a notao e a modelagem complexa e sua descrio formal est fora do escopo deste artigo. 3 MTODOS DE SOLUO DO PROBLEMA DE PLANEJAMENTO Existem diversos mtodos, ou grupos de algoritmos, para a soluo de problemas de otimizao, como o problema de planejamento. Nesta seo sero apresentados alguns dos mais importantes. Os algoritmos so descritos como uma srie de passos e decises tomadas ao longo da soluo de um problema, de maneira a entrar em um lao (que repete um conjunto de aes usando um contador) ou em uma chamada recursiva (que repete um conjunto de aes repetindo a si prprio) at terminar a soluo. Para terminar a soluo o algoritmo pode encontrar a soluo tima, encontrar uma soluo boa segundo alguns critrios, ter passado um perodo de tempo estabelecido, ou o algoritmo simplesmente termina quando esgotar as solues (o que levaria, em certos casos, muito tempo, como explicado na seo anterior). A classificao desses algoritmos feita de acordo com a estrutura do algoritmo e com a natureza das estratgias utilizadas. Tambm so classificados de acordo com o tipo de problema que tratam, possvel modelar problemas de planejamento como problemas de propagao de restries ou de otimizao global, por exemplo. Os mtodos apresentados nesta seo esto ordenados de acordo com a complexidade de utilizao e implementao dos mtodos, e so mtodos utilizados no cotidiano em algumas empresas para realizar o planejamento e a programao da aciaria ou mtodos estudados por universidades ou empresas para essa aplicao. Abaixo segue uma lista das classificaes dos mtodos de otimizao e soluo de problemas de planejamento, em cada item feita uma breve descrio dos algoritmos, suas aplicaes e limitaes com relao a sua utilizao no planejamento da aciaria. Mtodos Lineares, Simplex o algoritmo Simplex(27,28) um algoritmo de otimizao para a soluo de problemas de programao linear. Esse um dos mtodos mais utilizados para a soluo de problemas industriais pelo fato de ser simples e fcil de implementar, podendo ser usado inclusive em sistemas de planilhas eletrnicas. Muitas vezes usado inclusive para o clculo de sequncias de corridas e de planejamento da produo de aciarias. Porm, para casos em que o processo produtivo mais complexo ou que a modelagem deve ser mais precisa, esse mtodo no adaptado, pois

653

no promove suporte a modelagens complexas como problemas que no so de programao linear (ou seja, so de programao no-linear). Mtodos Construtivos ou Iterativos so chamados de mtodos construtivos ou iterativos os algoritmos de programao no-linear.(29) Existem vrios mtodos dessa categoria que podem ser usados para a soluo de problemas de otimizao de planejamento. So exemplos: os mtodos de Newton, do gradiente(30) e do ponto interior.(31) Esses mtodos so muito especializados e rpidos em encontrar uma soluo, mesmo que ela no seja a tima. Apesar de conseguirem modelar uma produo de aciaria mais complexa quando comparados ao simplex, os tipos de problemas que conseguem resolver com resultados satisfatrios no abrangem os problemas de planejamento multi-critrio como o caso da aciaria. Propagao de Restries os mtodos estruturados em rvores, cujo principal representante o conjunto dos algoritmos de propagao de restries,(32) so algoritmos exatos, como o Simplex. O tipo de problema que resolvem o problema da satisfao de restries, ao qual necessrio determinar um conjunto de variveis que respeita as restries do problema. Esses algoritmos so basicamente algoritmos de busca que usam certas heursticas, como a propagao de restries, para determinar uma soluo que resolve o problema.(33) Para a sua implementao existem bibliotecas e linguagens interpretadas que facilitam esse processo. Esses mtodos so os mais utilizados em sistemas de software industriais para problemas mais complexos que o Simplex no adaptado, incluindo o problema de planejamento para alguns casos. As limitaes desses mtodos surgem quando o tamanho dos problemas aumenta, como a considerao de um grande nmero de restries, fazendo com que o tempo para o clculo de uma soluo fique muito grande. Metaheursticas alm dos algoritmos exatos e dos mtodos iterativos, existem mtodos que utilizam heursticas (uma regra que melhora uma soluo dada) para a determinao de uma soluo tima, ou de uma boa soluo. Esses mtodos so chamados de metaheursticas.(34) Vrias heursticas existem, e algumas so utilizadas para resolver problemas de planejamento, como os algoritmos genticos (35), o arrefecimento simulado(36) e a busca tabu.(37) Esses mtodos so eficientes mesmo quando os problemas so grandes, e por isso so bem adaptados aos casos industriais reais, por isso empresas e universidades tentam integr-los em sistemas comerciais. Porm, por serem complexos durante a parametrizao e serem extremamente especializados a um tipo restrito de problema, sua utilizao ainda no encontrou um sucesso reconhecido. Mtodos Hbridos uma outra abordagem para o desenvolvimento de novas tcnicas de otimizao a hibridizao, que usa conceitos de outros grupos de mtodos para formar novos. Um exemplo o IOSO,(38) criado pela empresa Sigma Technology, um mtodo de otimizao que aproxima algoritmos genticos com mtodos de otimizao local. Outro exemplo o motor de propagao metablica, MPM, apresentado pela empresa Incotec,(39) que mistura, por sua vez, algoritmos genticos com propagao de restries. O estudo de caso apresentado na seo seguinte mostra resultados da utilizao desse ltimo mtodo.

654

Aps os mtodos e algoritmos para a soluo do problema de planejamento apresentados, a seo abaixo descreve sua utilizao no cotidiano das usinas e ferramentas computacionais que os utilizam. 4 FERRAMENTAS PARA O PROBLEMA DE PLANEJAMENTO NA ACIARIA Apesar de existirem diversos mtodos de otimizao bem estudados na academia, a realidade de utilizao de planejamento automtico na indstria no reflete diretamente esses avanos. Para que um mtodo seja sistematicamente utilizado no trabalho dirio de uma usina, preciso haver uma ferramenta robusta e adaptvel s necessidades especficas de cada empresa. Esta seo apresenta, portanto, formas de soluo para o problema de planejamento da aciaria utilizadas em usinas siderrgicas do Brasil e da Europa. Seguindo a mesma estrutura das sees anteriores, abaixo segue uma lista com formas de utilizao de ferramentas encontrados para a realizao do planejamento e da programao da aciaria. O procedimento descrito em linhas gerais, assim como os problemas e benefcios de cada abordagem. O estudo considerou o relato de empresas produtoras de ao e fabricantes de softwares de planejamento com relao situao anterior e posterior a projetos de implantao desses sistemas. Planilha Eletrnica no caso da ausncia de ferramentas de software especializadas em planejamento, em geral, as usinas utilizam uma planilha eletrnica para realizar as tarefas de planejamento e programao da produo da aciaria. O planejamento pode ser feito de duas maneiras: 1) usando uma macro que realiza alguns clculos, nesse caso o planejamento feito na planilha; e/ou 2) em reunies com especialistas que analisam a demanda e a capacidade e determinam como ser o cronograma de produo, nesse caso o planejamento anotado na planilha. Essa situao possui vantagens e desvantagens: como todas as decises esto nas mos dos especialistas, apenas eles tm o controle da produo, o que pode se tornar negativo em situaes de impasses e consumindo o tempo que poderia ser gasto com outras atividades. Outra considerao pode ser feita com relao qualidade da soluo proposta, no caso em que nenhuma mtrica utilizada, se torna impossvel verificar se outra soluo seria mais econmica. Software de Planejamento a utilizao de um software de planejamento facilita esse procedimento de alguma forma. Existe uma grande variedade de softwares de planejamento, desde genricas extenses de sistemas ERP a programas especialistas para a siderurgia, inclusive para a aciaria.(9-15) Esses softwares recebem as informaes do sistema de demanda, geralmente o ERP, e calculam as corridas que devem ser produzidas. Os detalhes desse clculo variam muito entre as ferramentas. H ferramentas que calculam parte do cronograma e s vezes pedem interveno do operador, outras sugerem escolhas para o operador, outras at calculam sozinhas e avisam (ou no) se possvel haver incompatibilidades com o cho de fbrica. Isso ocorre porque esses sistemas no consideram todas as restries de produo, so sistemas de planejamento de alto nvel, e no atentam aos detalhes do cho de fbrica. As principais vantagens da utilizao desses sistemas a integrao com os sistemas de gerenciamento de demandas e a facilidade de operao. Porm, para um sistema complexo, como muitas vezes o caso da aciaria, ganhos relevantes em eficincia podem ser atribudos a operadores competentes.

655

 Software de Programao Fina a programao da aciaria tambm pode ser realizada com a ajuda de um software, porm, essa prtica menos difundida. Um software de programao fina, assim como um bom software de planejamento, deve considerar todos os desafios para a soluo do problema de planejamento da aciaria listados na seo 2. O procedimento de utilizao de um sistema desse tipo automatizado, o operador escolhe os parmetros para a simulao e o sistema calcula automaticamente a soluo desejada, enviando-a para o cho de fbrica. Caso a sequncia de corridas calculada tenha incompatibilidades com o cho de fbrica, o operador ser avisado, podendo modificar os parmetros e realizar um novo clculo. Esse clculo difere dos feitos pelos sistemas de planejamento pelo fato de se aproveitar de cada possibilidade nos detalhes do processo de fabricao da aciaria para aumentar a eficincia de sua produo. Com a utilizao de um sistema de programao fina e global, Incoplan, fornecido pela Incotec (39), e um subsequente programa de reduo de imprevistos, para aumentar a fidelidade do programado e do produzido, empresas chegam a reduzir em 10% o custo adicionado de seus produtos e a aumentar a capacidade da usina em 5% com relao ao uso de um software de planejamento, como o caso da usina Ugitech, do grupo Schmoltz + Bickenback. O melhor cenrio, portanto, a utilizao do maior nmero de sistemas de soluo automtica do problema de planejamento da aciaria, fato que reduz as intervenes humanas e aumenta consideravelmente a eficincia do processo de fabricao. A aciaria , por causa das suas caractersticas, a unidade produtiva que mais pode se beneficiar de sistemas de planejamento e de programao fina. 5 CONCLUSES Este artigo apresentou os principais desafios que o processo produtivo da aciaria apresenta com relao soluo automtica do problema de planejamento, e em seguida, descreveu os mtodos e ferramentas para essa soluo. Os procedimentos utilizados hoje em dia pelas empresas para o planejamento e a programao da aciaria pode no utilizar a melhor tecnologia disponvel, o que d margem obteno de ganhos de eficincia e reduo de custos. Ao fim, os melhores resultados com relao aos procedimentos de planejamento e programao fina da produo da aciaria foram obtidos com a utilizao de ferramentas de software especficas para cada um dos nveis de detalhe: planejamento e programao, como, a reduo em 10% do custo adicionado dos produtos da aciaria obtido aps a implantao do sistema de programao automtica. Agradecimentos Os autores agradecem usina Ugitech do grupo Schmoltz + Bickenback pelo fornecimento dos dados para o projeto de implantao do software de programao Incoplan, da empresa Incotec. REFERNCIAS
1 L. Tang, J. Liu, A. Rong, A review of planning and scheduling systems and methods for integrated steel production, European Journal of Operational, 2001.

656

2 C. Menca, M. R. Sierra, R. Varela, Partially Informed Depth-First Search for the Job Shop Problem, Proceedings of the 2010 International Conference on Automated Planning and Scheduling, pp. 113-120, 2010. 3 E. A. Silver, D. F. Pyke, R. Peterson, Inventory management and production planning and scheduling, John Wiley & Sons, New York, EUA, 1st Ed. 1998. 4 P. Beghin, F. Hormiga, R. Perez, G. Alvarez, D. Nuez, Otimizao do fluxo de produo na Sidor com a AIS, Anais do 29 Seminrio de Logstica, PCP, Suprimentos e Transportes da ABM, 2010. 5 S. P. Sethi, W. Suo, M. I. Taksar, Optimal production planning in a multi-product stochastic manufacturing system with long-run average cost, Discrete Event Dynamic Systems, 1998. 6 S. Russell, P. Norvig, Artificial intelligence: a modern approach, Prentice Hall, Upper Saddle River, EUA, 3rd Ed. 2009. 7 ERP Software., Entreprise Resource Planning, ERP Vendors, ERP Systems, ERP Guide. Disponvel em: http://www.erp.com/, acessado em janeiro de 2011. 8 TECHNOLOGY EVALUATION CENTERS. ERP for Steel Manufacturers: an Overview. Disponvel em: http://www.technologyevaluation.com/research/newsletters/erp-for-steelmanufac turers-an-overview-760-1/, acessado em janeiro de 2011. 9 MANAGING AUTOMATION. Manufactoring Execution Systems (MES).. Disponvel em: http://www.managingautomation.com/error.aspx?url=%2fmanufacturing-execution systems, acessado em janeiro de 2011. 10 JOMAR SOFTCORP. Products Manufacturing Execution System. Disponvel em: http://www.jomarsoftcorp.com/p-mes.html, acessado em fevereiro de 2011. 11 BITPIPE.COM. Advanced Planning and Scheduling Software White Papers. Disponvel em: http://www.bitpipe.com/tlist/Advanced-Planning-and-Scheduling-Software.html, acessado em janeiro de 2011. 12 BRONER METALS SOLUTIONS. Case Cosipa. Disponvel em: http://www.bronermetals.com/case_cosipa.php, acessado em janeiro de 2011. 13 HYPERION. Products. Advanced Planning and Scheduling. Disponvel em: http://www.hyperion.com.cy/en/solutions/manufacturing-operations-management /advanced-planning-a-scheduling-solutions.html, acessado em janeiro de 2011. 14 INCOTEC SOLUES EM TI. Solues Otimizao de Cronogramas e Processos. Disponvel em: http://www.incotec-software.com/pt/Otimizacao-avancada/, acessado em fevereiro de 2011. 15 QUINTIQ. Steel: Effective Planning and Scheduling for Complex Steel Production Processes. Disponvel em: http://www.quintiq.com/industries/metals/steel.aspx, acessado em fevereiro de 2011. 16 F. A. Rodammer, K. P. White Jr., A recent survey of production scheduling, Systems, Man and Cybernetics, 2002. 17 J. Liu, L. Kuhn, J. de Kleer, R. Zhou: Pervasive Model Adaptation: The Integration of Planning and Information Gathering in Dynamic Production Systems, Proceedings of the 2009 International Conference on Automated Planning and Scheduling, 2009. 18 I. G. Rodrguez, C. R. Vela, J. Puente, A. Hernndez-Arauzo: Improved Local Search for Job Shop Scheduling with uncertain Durations, Proceedings of the 2008 International Conference on Automated Planning and Scheduling, 2008. 19 O. Gimnez, A. Jonsson: The Influence of k-Dependence on the Complexity of Planning, Proceedings of the 2009 International Conference on Automated Planning and Scheduling, 2009. 20 Z. Bien, J. Lee, A minimum-time trajectory planning method for two robots, IEEE Transactions on Robotics and Automation, 1992. 21 K. H. Kim, Y. Park, A crane scheduling method for port container terminals, Operational Research Applications, 2003. 22 P. Apkarian, R. J. Adams, Advanced gain-scheduling techniques for uncertain systems, IEEE Transactions on Control Systems Technology, 1998.

657

23 M. Gbelbecker, T. Keller, P. Eyerich, M. Brenner, B. Nebel, Coming Up With Good Excuses: What to do When no Plan Can be Found, Proceedings of the 2009 International Conference on Automated Planning and Scheduling, pp. 81-88, 2009. 24 R. Uzsoy, C. Y. Lee, Uzsoy, R., Lee, C., A review of production planning and scheduling models in the semiconductor industry, Part-II: Shop-Floor control. IIE transactions, 26 (4), pp. 44-55, 1994. 25 A. R. Benaskeur, F. Kabanza, E. Beaudry, M. Beaudoin, A Probabilistic Planner for the Combat Power Management Problem, Proceedings of the 2008 International Conference on Automated Planning and Scheduling, pp. 12-19, 2008. 26 J. H. P. Medrano, E. H. Enari, J. Medrano, Adequao de conceitos de modelagem e sistemas a eventos discretos na anlise do fluxo de materiais produtivos na indstria de equipamentos de GNV, Anais do 28 Seminrio de Logstica, PCP, Suprimentos e Transportes da ABM, 2009. 27 J. A. Nelder, R. Mead, A simplex method for function minimization, The Computer Journal, n. 7, vol. 4, pp. 308-313, 1965. 28 M. Chen, W. Wang, A linear programming model for integrated steel production and distribution planning, Journal of Operations & Production, 1997. 29 D. P. Bertsekas, Nonlinear Programming, Journal of the Operational Research Society, n. 3, vol. 48, 1997. 30 J. B. Rosen, The gradient projection method for nonlinear programming. Part I. Linear constraints, Journal of the Society for Industrial and Applied Mathematics, 1960. 31 R. A. Tapia, T. Tsuchiya, On the formulation and theory of the Newton interior-point method for nonlinear programming, Journal of Optimization, 1996. 32 J. Monette, Y. Deville, P. van Hentenryck, Just-In-Time Scheduling with Constraint Programming, Proceedings of the 2009 International Conference on Automated Planning and Scheduling, 2009. 33 V. Vidal, A lookahead strategy for heuristic search planning, International Conference on Automated Planning and Scheduling, 2004. 34 J. Bibai, P. Savant, M. Schoenauer, V. Vidal, An Evolutionary Metaheuristic Based on State Decomposition for Domain-Independent Satisficing Planning. Proceedings of the 2010 International Conference on Automated Planning and Scheduling, 2010. 35 L. D. Davis, M. Mitchell, Handbook of genetic algorithms, Van Nostrand Reinhold, New York, EUA, 1991. 36 P. J. M. van Laarhoven, Simulated annealing: theory and applications, Mathematics and Its Applications, Kluwer Academic Press, Dordrecht, Holanda, 1987. 37 F. Glover, Tabu search, Part II, ORSA Journal on Computing, 1990. 38 I. N. Egorov, Indirect Optimization Method on the Basis of Self-Organization. Proceedings of International Conference on Optimisation Techniques and Applications, pp. 683690, 1998. 39 EMPRESA. Ttulo da pgina. Disponvel em: www.incotec-software.com, acessado em janeiro de 2011.

658