Otimização do Planeamento e Escalonamento da Produção

na Indústria de Produtos Agro Químicos

Aplicação  ao  Caso  da  SAPEC  Agro  

 

Pedro Cidade Alves

Dissertação para obtenção do grau de Mestre em

Mestrado em Engenharia e Gestão Industrial

Orientadora: Prof. Cristina Marta Castilho Pereira Santos Gomes

Júri

Presidente: Prof. José Rui de Matos Figueira

Orientadora: Prof. Cristina Marta Castilho Pereira Santos Gomes
Vogal: Prof. Henrique Aníbal Santos de Matos

Novembro de 2014
  
 I  
   
 

Otimização do Planeamento e Escalonamento da Produção

na Indústria de Produtos Agro Químicos

Aplicação  ao  Caso  da  SAPEC  Agro  

 

Pedro Cidade Alves

Dissertação para obtenção do grau de Mestre em

Mestrado em Engenharia e Gestão Industrial

Orientadora: Prof. Cristina Marta Castilho Pereira Santos Gomes

Júri

Presidente: Prof. José Rui de Matos Figueira

Orientadora: Prof. Cristina Marta Castilho Pereira Santos Gomes
Vogal: Prof. Henrique Aníbal Santos de Matos

Novembro de 2014

 
II    
 

 
 III  
 

A presente dissertação de mestrado é realizada no âmbito de um

estágio curricular com a empresa SAPEC Agro. Durante o estágio
o orientador designado pela empresa é o Engenheiro Nuno
Alexandre Cabaço Chorincas da divisão de planeamento da
empresa.

 
IV    
 
Resumo
Atualmente empresas das diferentes indústrias sentem uma necessidade cada vez maior de
investimento em fatores de diferenciação, que deriva do crescimento contínuo do nível de
competitividade dos mercados em que estão inseridas. Em indústrias de transformação, a
eficiência da produção é um fator chave para rentabilidade. Isto leva a que os executivos sintam
que um planeamento e escalonamento mais científico das suas capacidades produtivas
instaladas seja um elemento necessário para o sucesso, onde os métodos tradicionais empíricos
tendem a falhar.
A SAPEC Agro é uma empresa líder de mercado na indústria referente aos produtos agro-
químicos. A minimização de custos, tempo de produção, e a estratégia build to order
representam questões passíveis de serem modeladas matematicamente de forma a encontrar
soluções melhoradas ou até ótimas. A presente dissertação apresenta, em primeiro lugar, uma
descrição da SAPEC e da indústria em que a empresa está inserida. De seguida acrescenta-se
uma descrição do processo produtivo de modo a caracterizar o problema de escalonamento na
SAPEC Agro. Uma revisão da literatura relevante para o tema é apresentada de seguida de
modo a enquadrar o tema do planeamento e escalonamento da produção na situação da
empresa e entender quais os métodos disponíveis para a resolução dos problemas subjacentes.
Da revisão realizada advém que o problema em questão pode ser considerado como um
problema de escalonamento job-shop com tempos de setup dependentes da sequência de
produção.
A fase seguinte começa com o desenvolvimento de um modelo PLIM representativo do problema
real. Com o objetivo de testar o modelo desenvolvido foram recolhidos dados reais da empresa
para o problema de escalonamento da produção. Os dados foram mascarados, por motivos de
confidencialidade, mantendo contudo a sua representatividade e proporcionalidade.
Os resultados obtidos pelo modelo são depois comentados e comparados com os resultados
provenientes do plano que a SAPEC desenvolveu para o mesmo conjunto de dados, com o
objetivo de verificar a utilidade do trabalho desenvolvido.
Os resultados do modelo foram obtidos com tempos computacionais reduzidos, especialmente
se comparados com o tempo que atualmente a empresa demora a traduzir as encomendas num
plano de produção. O presente trabalho deixou claro que a utilização do modelo desenvolvido
pode ser uma ferramenta com elevado grau de utilidade para no futuro, assistindo a SAPEC no
escalonamento dos seus processos produtivos de forma mais eficaz e eficiente.

Palavras-Chave: Negócio Agrícola, Escalonamento da Produção, Job-shop, Tempos de Setup

dependentes da Sequência, Programação Linear Inteira Mista.

 
 V  
 
Abstract
Corporations throughout the different industries are driven into ever higher level of investment
towards differentiation in an increasingly competitive market. In transforming industries,
production efficiency is key to profitability. Executives realize that scientific planning and
scheduling of their installed productive capacity is paramount to succeed where traditional
empirical approaches fail.
SAPEC Agro is a market leader in the production of agricultural self-engineered products in a
global market. Minimizing costs, production time, build to order, are issues that can be
mathematically modelled and researched for better or even optimal solutions. This paper will offer
a brief characterization of the scheduling problem at SAPEC, stepping into a literature review that
will shed light on the possible methodologies that can be used to achieve the desired goal. It will
be shown that this real world problem can fall into the category of a job-shop scheduling problem
with task sequence dependent setup times.
A modelling solution is enunciated and developed. The real world problem is then addressed
through the use of Mixed Integer Linear Programming (MILP) methodologies. Real world data
was collected, treated and used to assess the quality of the optimization model and the results
obtained from the developed model are compared to those obtained from the company’s currently
uses best practices. These results were obtained with reduced computational times especially if
compared with the current man-hours employed with the same objective. It is clear from the
present work that the present modelling solution can be useful as a production scheduling tool to
assist SAPEC in future times.

Key Words: Agro Business, Job-shop Scheduling, Sequence Dependent Setup Times, Mixed
Integer Linear Programming.

 
VI    
 
Agradecimentos
Começar por agradecer o apoio incondicional da minha família, mãe, pai e irmã durante todo o
processo de desenvolvimento da dissertação, e agradecer também a disponibilidade e paciência
que demonstraram na fase final para que fosse possível concluir uma etapa muito importante.
Foram essenciais.
De seguida, agradecer à Professora Marta Gomes por ter aceite ser minha orientadora durante
este processo, e pela disponibilidade e participação que manteve ao longo de todo o trabalho
desenvolvido de modo a que fosse concluído da melhor forma possível.
Antes de agradecer às pessoas que me ajudaram dentro da empresa, gostaria de agradecer ao
meu grande amigo João Estrela, pois sem ele esta ligação à SAPEC nunca teria existido.
Gostaria também de agradecer à empresa SAPEC Agro, por me ter dado esta possibilidade de
estágio para que fosse possível realizar uma dissertação a um nível mais prático. Foram muitas
as pessoas da SAPEC que ao longo de todo o trabalho se disponibilizaram para me apoiar,
sendo por isso difícil enumerar todas. Deixo assim um agradecimento mais alongado ao
departamento de planeamento e controlo industrial, e em especial ao Engenheiro Nuno
Chorincas, que esteve sempre disponível para me apoiar no desenvolvimento do trabalho e
ajudar a entender melhor o “mundo SAPEC”.
Para concluir, agradeço aos meus restantes familiares e amigos que sempre se preocuparam em
saber como estava o processo e se ofereceram para me apoiar caso necessário.
Um obrigado a todos os que contribuíram para a conclusão desta etapa da minha vida.

 
 VII  
 
Índice
1 Introdução ................................................................................................................... 1
1.1 Contextualização do estudo ................................................................................ 1
1.2 Metodologia, estrutura e objetivos ....................................................................... 2
2 Agro business e problema em estudo......................................................................... 5
2.1 Sector agrícola em Portugal ................................................................................ 5
2.2 Grupo SAPEC- SAPEC Agro .............................................................................. 5
2.2.1 História .......................................................................................................... 5
2.2.2 Situação atual ............................................................................................... 6
2.3 Caso de estudo ................................................................................................... 8
2.3.1 Produtos e instalações .................................................................................. 8
2.3.2 Produtos e processos em estudo .................................................................. 9
2.3.3 Formulação de flows ..................................................................................... 9
2.3.4 Formulação de CPEs .................................................................................... 13
2.3.5 Sequenciamento de produtos ....................................................................... 14
2.3.6 Equipamentos/máquinas utilizadas ............................................................... 17
2.4 ERP- Enterprise Resource Planning (ERP) ........................................................ 19
3 Revisão bibliográfica ................................................................................................... 21
3.1 Problemas de planeamento de produção ............................................................ 21
3.2 Problemas de escalonamento ............................................................................. 22
3.2.1 Introdução ..................................................................................................... 22
3.2.2 Conceitos relevantes em escalonamento ..................................................... 25
3.2.3 Job-shop scheduling problem with sequence dependent setup times (JSP-
SDST) 26
3.2.4 Modelação e resolução de problemas de escalonamento ............................ 28
3.2.4.1 Simulação .............................................................................................. 28
3.2.4.2 Otimização ............................................................................................ 29
3.2.4.3 Programação dinâmica e estocástica ................................................... 30
3.2.4.4 Incerteza ................................................................................................ 31
3.2.4.5 Modelação do tempo: modelos discretos vs. contínuos ........................ 31
3.2.4.6 Metodologias para a resolução de problemas de escalonamento ........ 33
3.2.4.6.1 Métodos aproximados ..................................................................... 33
3.2.4.6.2 Métodos exatos ............................................................................... 34
3.3 Modelos de programação matemática para escalonamento ............................... 35
3.4 Escalonamento em agro business ...................................................................... 38
3.5 Conclusão ............................................................................................................ 38
4 Definição do modelo de PLIM ..................................................................................... 41
4.1 Definição e caracterização do problema em estudo ........................................... 41
4.2 Modelo de PLIM .................................................................................................. 44

 
VIII    
 
4.2.1 Índices ........................................................................................................... 44
4.2.2 Escalar .......................................................................................................... 44
4.2.3 Parâmetros .................................................................................................... 44
4.2.4 Conjuntos ...................................................................................................... 45
4.2.5 Variáveis ....................................................................................................... 45
4.2.6 Formulação do modelo ................................................................................. 45
4.2.7 Adaptação do modelo à resolução de outros casos ..................................... 47
4.3 Exemplo ilustrativo do funcionamento do modelo ............................................... 49
4.3.1 Validação do exemplo ilustrativo ................................................................... 52
4.4 Conclusão ............................................................................................................ 54
5 Resolução do caso em estudo .................................................................................... 55
5.1 Introdução dos dados .......................................................................................... 55
5.2 Plano SAPEC ...................................................................................................... 60
5.3 Plano GAMS ........................................................................................................ 62
5.4 Comparação de resultados: Plano SAPEC vs Plano GAMS ............................... 66
5.5 Conclusão ............................................................................................................ 70
6 Conclusões e recomendações para trabalho futuro ................................................... 71
6.1 Síntese do trabalho realizado .............................................................................. 71
6.2 Conclusões e trabalho futuro ............................................................................... 72
Referências bibliográficas ................................................................................................. 75
Anexo 1. Descrição dos produtos e máquinas do estudo ............................................ 78
Anexo 2. Modelo base .................................................................................................. 79

 
 IX  
   
Lista de Figuras
Figura 1: volume de exportações e distribuição internacional da SAPEC. ............................................ 7
4
Figura 2: evolução do capital humano na SAPEC . .............................................................................. 7
Figura 3: sequenciamento de tarefas para os CPEs. .......................................................................... 15
Figura 4: sequenciamento de tarefas de HL-flows. ............................................................................. 16
Figura 5: sequenciamento de tarefas de I/FL-flows de cor branca. ..................................................... 16
Figura 6: sequenciamento de tarefas de I/FL-flows de cor azul. ......................................................... 16
Figura 7: estratégia flow-shop vs. estratégia job-shop. ....................................................................... 24
Figura 8: problemas de escalonamento com tempos/custos de setup . .............................................. 27
Figura 9: formas de representação do tempo . .................................................................................... 32
Figura 10: mapa de ocupação das máquinas – exemplo. ................................................................... 53
Figura 11: Escalonamento associado ao Plano SAPEC – ocupação de máquinas. ........................... 61
Figura 12: Escalonamento associado ao Plano GAMS – ocupação de máquinas (tempo em minutos).
.................................................................................................................................................... 65
Figura 13: Comparação entre a ocupação das máquinas: Plano SAPEC vs Plano GAMS. ............... 69

 
X    
 
Lista de Tabelas
Tabela 1: características dos níveis de planeamento. ......................................................................... 22
Tabela 2: Fases de produção e máquinas associadas − exemplo ilustrativo. ..................................... 50
Tabela 3: Produtos a produzir, máquinas disponibilizadas e relações de precedência iniciais. ......... 50
Tabela 4: Tempos de processamento (minutos) − exemplo ilustrativo. .............................................. 51
Tabela 5: Custos unitários e datas pretendidas de conclusão − exemplo ilustrativo. ......................... 51
Tabela 6: Custos de setup iniciais e referentes à sucessão de produção − exemplo ilustrativo. ........ 51
Tabela 7: Resultados globais do modelo − exemplo ilustrativo. .......................................................... 52
Tabela 8: Solução ótima, sequência de produção dos produtos − exemplo ilustrativo. ...................... 52
Tabela 9: Cálculo do valor da função objetivo – exemplo ilustrativo. .................................................. 53
Tabela 10: Fases de produção e máquinas associadas. .................................................................... 56
Tabela 11: Produtos a produzir, máquinas disponibilizadas. .............................................................. 56
Tabela 12: Tempos de processamento (em minutos). ........................................................................ 57
Tabela 13: Tempos de Processamento Mínimos (em minutos). ......................................................... 58
Tabela 14: Tempos de setup dos produtos (em minutos). .................................................................. 58
Tabela 15: Custos unitários (em u.m./minuto) e datas de conclusão dos produtos. .......................... 59
Tabela 16: Datas de conclusão e sequência de máquinas do Plano SAPEC. .................................... 61
Tabela 17: Antecipação/Atraso (minutos) nas Produções – Plano SAPEC. ....................................... 62
Tabela 18: Resultados da Aplicação do Modelo ao caso em Estudo – Plano GAMS. ........................ 63
Tabela 19: Validação dos Tempos (min) de Conclusão Devolvidos pelo Modelo – Plano GAMS. ..... 64
Tabela 20: Adiantamentos/Atrasos nas Produções − Plano GAMS. Cálculo do valor ótimo. ............. 65
Tabela 21: Alocação dos Produtos às Máquinas – Plano SAPEC vs Plano GAMS. ........................... 66
Tabela 22: Tempos de início e de fim – Plano SAPEC vs Plano GAMS. ............................................ 68
Tabela 23: Descrição dos Produtos ..................................................................................................... 78
Tabela 24: Descrição das Máquinas ................................................................................................... 78

 
 XI  
   
Lista de Siglas
APS – Advanced Planning System
B&B- Branch and Bound
CPE- Concentrado para Emulsão
ERP- Enterprise Resource Planning
GRASP- Greedy Randomized Adaptive Search Procedure
HL- Herbicidas Líquidos
HL-CPE- Herbicida Líquido Concentrado para Emulsão
HL-flow- Herbicida Líquido flow
HP- Herbicidas Pós
I/FL- Inseticidas e Fungicidas Líquidos
I/FL-CPE- Inseticida e Fungicida Líquido Concentrado para Emulsão
I/FL-flow- Inseticida e Fungicida Líquido flow
I/FP- Inseticidas e Fungicidas Pós
I&D- Investigação e Desenvolvimento
INE- Instituto Nacional de Estatística
INPI- Instituto Nacional de Propriedade Industrial    
JSP- Job-Shop Scheduling Problem
JSP-SDST- Job-Shop Scheduling Problem with Sequence Dependent Setup Times (Problema de
Escalonamento Job-Shop com tempo de Setup Dependentes)
MP- Matéria-prima
PCB- Printed Circuit Board
PCM- Product Configuration Management
PL- Programação Linear
PLI- Programação Linear Inteira
PLIM- Programação Linear Inteira Mista
PME- Pequenas e Médias Empresas
RTN – Resource-Task-Network
SDST- Sequence Dependent Setup
SNF- Sociedades Não Financeiras
STN – State-Task-Network
WMS- Warehouse Management System

 
 1  
 

1 Introdução

1.1 Contextualização do estudo

Atualmente, graças à cada vez maior globalização dos diferentes tipos de mercados, as
empresas investem recorrentemente em formas de melhorar e otimizar todos os processos que
compreendem as suas atividades. Pretendem desta forma garantir, não só reduções de custos
constantes, abrindo portas a novas possibilidades de investimento, mas também a existência de
um processo de melhoramento contínuo dos seus serviços.
As atividades produtivas das empresas são uma das áreas que mais estudos e
desenvolvimentos têm gerado, proporcionando uma produção cada vez mais eficiente e eficaz.
Por outras palavras, pretende-se que as empresas consigam tirar partido dos variados recursos
de que dispõem, como por exemplo: tempo, instalações, matérias-primas e mão-de-obra,
garantindo a qualidade e a quantidade expectável dos produtos que produzem e comercializam.
É precisamente nesta área que é englobado o planeamento e escalonamento da produção. Este
visa estruturar, da melhor maneira possível, o processo produtivo de vários produtos,
organizando e sequenciando as diferentes tarefas que o constituem. Para tal há que ter em conta
todos os trade-offs relevantes, como, por exemplo, os custos e benefícios associados a
determinada decisão.
No âmbito da presente dissertação de mestrado, tendo como objetivo aplicar os conhecimentos
que serão introduzidos mais à frente neste relatório, foi escolhido um ramo da indústria, o Agro
Business, e mais concretamente o negócio levado a cabo pelo Grupo SAPEC. O facto de os
centros de decisão e produção do Grupo SAPEC se encontrarem geograficamente localizados
em Portugal, e o constante crescimento e internacionalização do negócio agrícola, torna o Grupo
SAPEC numa mais-valia de elevada importância para Portugal, que de forma geral pode ser
1
apreciada pelos seguintes aspetos :
– Volume de Exportações (70%),
– Valor Acrescentado e Contribuições Fiscais,
– Empregabilidade (novos empregos gerados todos os anos),
– Oferta de uma Gama Completa de Produtos Genéricos ao Produtor Nacional (Efeito
Regulador dos Preços de Mercado).
A grande amplitude do Grupo SAPEC, que se encontra inserido em vários mercados com
múltiplos clientes em cada um, leva a um volume de produção muito elevado o que, por seu
turno, torna as atividades de planeamento e escalonamento da produção de importância vital
para a sustentabilidade do negócio do Grupo SAPEC.
Pretende-se pois estudar o escalonamento da produção de um dos grupos de produtos que
conste no portfólio do Grupo SAPEC, tratando e analisando os dados que afetem tanto os custos
como os tempos do processo produtivo. Fixa-se como objetivo a minimização dos tempos de

                                                                                                               
1
http://www.sapecagro.pt

 
2    
 
produção desses produtos, sujeita ao cumprimento dos prazos de entrega aos clientes, sem que
a qualidade do produto final seja prejudicada.

1.2 Metodologia, estrutura e objetivos

Nesta secção apresenta-se a metodologia do estudo, com a descrição da várias fases e
objetivos a atingir, relacionando-os com a estrutura da presente dissertação.
A primeira parte tem como finalidade quer a caracterização do Grupo SAPEC e da indústria em
que a empresa atua, quer a identificação, definição e descrição do problema a tratar (capítulo 2,
secções 2.1, 2.2 e 2.3). A caracterização da empresa visa a identificação de todos os fatores
internos e externos que podem afetar as suas atividades de produção. O processo de
identificação do problema inicia-se com uma caracterização dos produtos que a SAPEC Agro
dispõe e das instalações nas quais estes são produzidos. Destes produtos selecionam-se
aqueles que serão o alvo do estudo a realizar, identificam-se os processos de produção desses
produtos, bem como as máquinas e outros equipamentos utilizados. Para concluir esta secção
indicam-se as várias sequências de tarefas que existem nos processos de produção dos
diferentes produtos. O capítulo acaba com uma secção dedicada a explicar a essência de um
Enterprise Resource Planning (sistema em uso na SAPEC Agro) e das suas funcionalidades
(secção 2.4).
Após a identificação do problema real a estudar, é feita uma revisão bibliográfica sobre os
tópicos principais do escalonamento da produção (capítulo 3). Pretende-se desta forma
enquadrar melhor o tema e o problema identificado a partir de estudos, projetos e trabalhos
anteriormente desenvolvidos por peritos no assunto. A fase final deste capítulo combina uma
análise aos métodos atualmente utilizados para o escalonamento da produção com uma
conclusão acerca da importância de um bom escalonamento da produção, da aplicação de
métodos que continuamente otimizem os processos produtivos das empresas, permitindo a sua
constante adaptação e validação em termos das soluções produzidas.  
Após a conclusão da fase anterior, efetua-se a recolha e classificação dos dados reais do
problema de escalonamento a abordar. Assim, na secção 4.1 o problema em estudo é definido e
caracterizado de forma detalhada. De seguida, desenvolve-se uma formulação matemática do
problema - modelo de Programação Linear Inteira Mista (PLIM) - que contém as restrições
subjacentes ao processo e que consegue atingir as metas identificadas e incluídas na função
objetivo (secção 4.2). Devido à necessidade de generalizar o modelo desenvolvido para que
atenda a todos os aspetos do processo produtivo, introduz-se uma adaptação do modelo anterior
ao presente caso em estudo (sub-secção 4.2.7). A parte final do capítulo 4 diz respeito à
implementação computacional e ilustração do modelo desenvolvido, através da utilização de um
exemplo de dimensão reduzida (secção 4.3).
Realizada esta implementação, apresentam-se os dados anteriormente recolhidos e tratados que
são introduzidos no modelo de PLIM, com vista à obtenção de resultados (secção 5.1). De
seguida são apresentados os resultados reais obtidos pelo plano gerado pela SAPEC (secção
5.2) e os resultados obtidos pela resolução do modelo de PLIM (secção 5.3). É feita uma

 
 3  
 
comparação de modo a entender as diferenças e as possíveis vantagens que podem ser
atingidas com a utilização deste modelo em vez dos métodos atuais em uso na empresa (secção
5.4).  
Finalmente, efetua-se uma síntese do trabalho realizado (secção 6.1), apresentam-se as
conclusões globais e são propostos desenvolvimentos futuros (secção 6.2).
 

 
4    
 
 

 
  5  
 
 

2 Agro business e problema em estudo

2.1 Sector agrícola em Portugal

2
Segundo o Instituto Nacional de Estatística (INE) , com base em dados referentes ao ano de
2009, a agricultura é o sector com maior peso no universo empresarial português, representando
mais de metade do volume de negócios total. Mais concretamente, os estudos mostraram que
das 2.390 empresas que na altura existiam em Portugal, 723 operavam no sector agrícola e
representavam um volume de negócios anual de 4,3 mil milhões de euros num total de 7,9 mil
milhões de euros.
Estudos mais recentes, levados a cabo pela Central de Balanços do Banco de Portugal (Banco
de Portugal, 2009), mostram que, no ano de 2009, cerca de 8% das empresas, 9% do número de
empregados e 13% do volume de negócios do sector institucional das Sociedades não
Financeiras (SNF) são representados pelo sector agrícola. Para a realização deste estudo as
atividades integrantes do Sector Agrícola consideradas foram a Agricultura, a Indústria de
Produtos Agrícolas e o Comércio de Produtos Agrícolas.
Embora as empresas que constituíam o Sector Agrícola, à data, fossem maioritariamente
microempresas, as PME (Pequenas e Médias Empresas) e as grandes empresas detinham a
maior percentagem de volume de negócios, com 50% e 39% respetivamente. Este estudo mostra
também que, no ano de 2009, o volume de negócios deste sector continuou a crescer, como já
vinha sendo verificado em anos anteriores.
O estudo levou à conclusão de que o sector se encontra em crescimento, e que é, de facto, uma
mais-valia importante para Portugal. Tal facto já tinha também sido focado quando referenciadas
as potencialidades do Grupo SAPEC.

2.2 Grupo SAPEC- SAPEC Agro

2.2.1 História
3
A fundação do Grupo SAPEC remonta ao ano de 1926 , e a sua criação surgiu no âmbito da
exploração das minas de pirite, no sul de Portugal. A empresa abriu assim atividade na Herdade
das Praias, em Setúbal, não só pela proximidade à localização das minas, mas também para
usufruir da existência das linhas férreas e do bom acesso marítimo da zona. A sua localização
atualmente contribui para melhorar a eficiência com que o Grupo consegue servir os mercados
em que opera. Em paralelo, o grupo rapidamente se apercebeu que podia tirar vantagem do
ácido sulfúrico que era produzido a partir das cinzas de pirite. Iniciou assim uma integração
vertical progressiva na produção de adubos fosfatados, e mais tarde desenvolveu e alargou as
                                                                                                               
2
http://www.ine.pt/xportal/xmain?xpid=INE&xpgid=ine_main
3  http://www.sapecagro.pt  

 
6    
 
 
suas atividades de produção e comercialização para outros fatores de produção para a
agricultura. A SAPEC Agro, vocacionada para as atividades relacionadas com os fatores de
produção para a agricultura, é considerada pelo grupo como a empresa que retomou e seguiu a
sua atividade histórica.

2.2.2 Situação atual

O Grupo SAPEC transformou-se numa holding industrial e de serviço Ibérico, estatuto que ainda
mantém, presente em aproximadamente 100 países (através da Tradecorp), que gere e opera
cinco negócios base:
– Fatores de Produção para a Agricultura,
– Distribuição de Produtos Químicos,
– Tratamento de Resíduos Industriais Banais,
– Logística, Distribuição e Trading de Agro-alimentares,
– Produção de Energia Renovável.
No entanto o grupo não esquece as suas origens e considera mesmo que sem o seu negócio
histórico a SAPEC não teria chegado onde está nos dias de hoje: “O nosso negócio histórico foi,
com efeito, um viveiro de experiência, de “management” e de conhecimento que permitiu a
conversão do Grupo SAPEC de um grupo uni-sectorial numa holding multi-sectorial”.
A evolução até aos dias de hoje foi progressiva. Nomeadamente, em meados dos anos 60 do
século passado, deu-se início ao negócio de proteção de culturas, que é sustentado por um
portfólio de produtos genéricos em contínuo crescimento.
Foi já nos anos 90, do mesmo século, que a SAPEC Agro Portugal alcançou a liderança do
mercado nacional. Ainda hoje detém esta liderança, embora em conjunto com a Selectis, outra
das companhias do Grupo.
No início do presente século, um novo plano estratégico foi desenvolvido com o objetivo de
projetar o Grupo num player independente e de referência no segmento de produtos genéricos.
Para tal, em 2000, o Grupo apostou na defesa europeia das moléculas fitofarmacêuticas,
conseguindo, apenas em 2009, a primeira aprovação a este nível. Hoje em dia, este investimento
já ultrapassou os 30 milhões de euros, correspondendo à aprovação de mais de 40 moléculas.
A internacionalização surge como resposta natural aos desafios da defesa europeia de
moléculas, da maximização das oportunidades, do aumento do volume de negócios, bem como
de outros fatores de crescimento do Grupo.
Nas duas imagens da Figura 1 pode observar-se a evolução do volume de exportações ao longo
dos anos, à esquerda, e a distribuição do Grupo SAPEC a nível internacional, à direita.

 
  7  
 
 

4
Figura  1:  volume  de  exportações  e  distribuição  internacional  da  SAPEC .  

A primeira fase do processo de internacionalização surge com a aquisição de duas companhias

no mercado espanhol, que mais tarde deram origem à SAPEC Agro España e à Tradecorp
Division España. Esta fase coincide com a criação da Selectis. Uma década depois o Grupo
entra em mais dois mercados internacionais, o francês e o italiano, com a criação da SAPEC
Agro France e da SAPEC Agro Italia, respetivamente. Ainda na senda da internacionalização é
criada, entretanto, a SAPEC Agro Macau, e mais recentemente surge a abordagem ao mercado
brasileiro, com a formação da SAPEC Agro Brasil.
Facto assente na forma de agir na empresa é também a relevância dada ao processo de
Investigação e Desenvolvimento (I&D), na procura de soluções inovadoras e diferenciadoras.
Com investimentos de cerca de 2% do volume de negócios anual nestes processos, a SAPEC foi
distinguida, em 2012, pelo Instituto Nacional de Propriedade Industrial (INPI), como uma das
cinco empresas em Portugal com mais pedidos de proteção de patente.
O crescimento da SAPEC pode também ser visto pelo gráfico da Figura 2 que representa a
evolução do capital humano da empresa desde o início do século.

4
Figura  2:  evolução  do  capital  humano  na  SAPEC .    

No ramo do negócio agrícola a competição não acontece entre as diferentes empresas que aí
operam, mas sim entre as cadeias de abastecimento. O ambiente altamente competitivo em que
a empresa se encontra aliado à sua internacionalização justificam a importância da

                                                                                                               
4
fonte: http://www.sapecagro.pt.

 
8    
 
 
automatização do processo de planeamento da produção, um ponto fulcral para a sobrevivência
da SAPEC.
A SAPEC cria então a Divisão de Planeamento e Controlo Industrial que, por sua vez, contém o
Departamento de Planeamento. É neste onde, após definidos os planos de produção semanais,
são geridas as encomendas recebidas e emitidas as ordens de produção e enchimento dos
produtos encomendados. Para além destas competências, este departamento realiza também a
gestão de stocks dos diferentes componentes necessários à produção dos diferentes produtos
que constituem os pedidos.
Salienta-se ainda que estes componentes podem ser descarregados em dois portos
portugueses, o de Lisboa ou o de Sines. Por sua vez, a ocorrência, e imprevistos nestas
operações podem fazer com que os componentes não estejam disponíveis a tempo,
comprometendo prazos de entrega de produtos aos clientes.

2.3 Caso de estudo

A concretização do problema em estudo é antecedida por uma descrição concisa dos tipos de
produtos produzidos pela SAPEC Agro, bem como dos processos produtivos utilizados, em
especial do utilizado na produção dos herbicidas líquidos.
Inicia-se então pela descrição dos produtos e processos de produção, para depois referenciar o
modo com atualmente é feito o planeamento e escalonamento da produção na SAPEC Agro.

2.3.1 Produtos e instalações

Independentemente da quantidade de produtos que a SAPEC Agro comercializa e das
diferenças existentes entre eles, todos seguem a mesma política de gestão, como se pode
5
confirmar no site da empresa .Também aqui é referida uma forma de atuação relativamente ao
processo produtivo de todos os seus produtos: “Formular produtos, que pela sua qualidade,
prazo de entrega e preço, satisfaçam inteiramente os requisitos e necessidades dos clientes,
bem como as especificações técnicas exigíveis por lei e requeridas pelos clientes. Para que se
atinja este fim, entende-se como necessário que todas as funções ligadas às homologações dos
novos produtos, formulação e serviços trabalhem em conjunto, e em colaboração com
fornecedores, em torno deste objectivo comum”.
A ampla gama de produtos produzidos pela SAPEC Agro impossibilita a descrição detalhada de
cada um, sendo que irão ser referenciados apenas os tipos de produtos que interessam para o
problema em estudo. De facto, estes podem ser divididos em grupos, tendo em conta as suas
características e diferentes objetivos de utilização.
A SAPEC dispõe de várias instalações fabris, podendo evitar o contacto e a contaminação entre
produtos. Efetivamente, as três maiores instalações que tem atualmente dedicam-se à produção
de: herbicidas (líquidos (HL), pós (HP) e outros); inseticidas e fungicidas (líquidos (I/FL), pós
(I/FP) e outros); ou enxofres.

                                                                                                               
5  http://www.sapecagro.pt  

 
  9  
 
 
Note-se que, por exemplo, os herbicidas não podem ser produzidos na mesma instalação que os
inseticidas, uma vez que cria risco de contacto, comprometendo a qualidade dos produtos finais.
Muito embora não se possam cruzar na mesma instalação, produtos de características
semelhantes, como por exemplo os herbicidas líquidos e os inseticidas líquidos, apresentam
processos produtivos muito semelhantes entre si.
A SAPEC investiu assim num complexo industrial de grande dimensão, conseguindo ampliar a
gama de produtos que comercializa, pois dispõe de espaço suficiente para separar os tipos de
produtos que requerem diferentes áreas de produção.
Não obstante a existência dos três grandes grupos de produtos referidos, existem mais produtos
que a SAPEC comercializa. O presente trabalho irá focar-se apenas em dois destes grupos (HL e
I/FL) que se detalham em 2.3.2.
Os trabalhadores estão também sujeitos a formações constantes. Tais visam tanto aumentar as
condições de segurança no ambiente de trabalho, como aumentar e melhorar os conhecimentos
acerca de todos os aspetos dos processos produtivos dos diferentes produtos, para que estes
possam ser realizados da forma mais eficiente e eficaz possível.

2.3.2 Produtos e processos em estudo

O presente estudo considera os processos relativos a dois grupos de produtos produzidos
diariamente pela SAPEC: i) os herbicidas líquidos (HL) e ii) os inseticidas e fungicidas também
líquidos (I/FL). O processo estudado tem início na receção dos pedidos e na consequente
criação do planeamento semanal de produção e termina quando os produtos se encontram
embalados e prontos para ser armazenados, antes de saírem para os clientes.
Qualquer destes grupos inclui um tipo de produtos denominado flows e outro CPEs
(Concentrados para Emulsão), doravante referidos como HL-flows e I/FL-flows ou HL-CPEs e
I/FL-CPEs. Refira-se que as operações de formulação de flows são diferentes das de formulação
de CPEs, uma vez que as matérias-primas que os constituem têm que ser tratadas de formas
diferentes, o que motiva a descrição detalhada dos dois tipos em cada grupo.
Embora os dois grupos de produtos (HL e I/FL) sejam produzidos em instalações fabris
diferentes, os processos de formulação de HL-flows e de I/FL-flows são semelhantes, e os de
formulação de HL-CPEs são também muito idênticos aos de I/FL-CPEs, como se verá. Estes
processos são parecidos por utilizarem o mesmo tipo de equipamentos, bem como por, em
muitos casos, recorrerem às mesmas matérias-primas na formulação.
Serão agora descritos, com maior detalhe, os processos de formulação de flows e CPEs em
separado.

2.3.3 Formulação de flows

A formulação dos flows, quer para I/FL, quer para HL, é iniciada após a receção do planeamento
de produção semanal. Neste são referenciadas as quantidades a produzir, bem como a alocação
das máquinas aos diferentes produtos e dias de trabalho.

 
10    
 
 
Conjuntamente com o planeamento semanal é também recebida uma folha que contém os
materiais necessários para a formulação e o procedimento dos diferentes produtos, isto é, a
ordem pela qual as matérias-primas devem ser colocadas na fase inicial. Com esta informação o
coordenador da secção de produção preenche uma outra folha com os nomes, códigos e
quantidades das matérias-primas necessárias à produção, ficando assim à espera que estas
sejam entregues para que se possa dar início à produção.
Assim que as matérias dão entrada na zona de produção, é feita uma verificação, com o
scanner, para confirmar se as matérias correspondem aos pedidos efetuados e se estão nas
quantidades certas. Apenas depois desta fase, e caso todas as condições estejam reunidas,
pode ser iniciada a fase de formulação.
As fases do processo de formulação, seguidamente detalhadas, são, por esta ordem: i)
preparação das matérias-primas; ii) alimentação do depósito; iii) agitação e moagem (que
pode, por sua vez, ser decomposta em duas fases de moagem); iv) controlo de qualidade; v)
acabamento; vi) controlo de qualidade; vii) passagem para a linha de enchimento. O
controlo de qualidade é pois efetuado duas vezes.
i) Preparação das matérias-primas − A primeira operação da formulação diz então respeito à
preparação das matérias-primas anteriormente recebidas. Os operadores colocam-nas próximas
do espaço destinado à produção, de modo a facilitar o seu tratamento pela ordem descrita na
folha de formulação.
Um aspeto das matérias-primas que pode influenciar os tempos de produção está associado ao
seu estado. Há, por exemplo, matérias-primas que são disponibilizadas em estado sólido sendo,
no processo produtivo utilizadas em estado líquido. Neste caso, os operadores têm duas opções,
antes de poder iniciar a formulação: ou utilizam a estufa que leva mais tempo a realizar a
transição entre estados; ou utilizam os indutores que levam menos tempo. Em qualquer das
opções, este tipo de matérias demora habitualmente mais de 8h a fazer a transição de estado, e,
caso não seja previamente realizada, pode comprometer os prazos de conclusão dos produtos.
Refira-se que esta situação é pouco usual, uma vez que sempre que uma linha de produção
retira de uma máquina (estufa ou indutores) uma determinada quantidade de matéria-prima no
estado líquido, inclui na mesma máquina a mesma quantidade dessa matéria no estado sólido.
Espera-se assim, que a transição entre estados esteja concluída, quando for necessária a
matéria-prima.
É também preciso ter em conta que enquanto as fases anteriores se desenrolam, e para que as
operações de formulação possam ter início, é necessário que o depósito que foi afeto no
decorrer da fase de planeamento esteja disponível. Ou seja, a formulação anterior tem de estar
previamente concluída e o depósito limpo para que não exista contacto entre os dois produtos
formulados sequencialmente.
ii) Alimentação do depósito − Nesta fase o trabalhador faz a introdução das matérias-primas,
pela ordem previamente definida, no depósito que irá realizar a dispersão (agitação) das
matérias.

 
  11  
 
 
iii) Agitação e Moagem − Depois de todas as matérias serem introduzidas no depósito e de
decorrido o tempo de agitação, o produto segue para a fase de moagem, que é um processo
mais demorado que o anterior, realizado por máquinas próprias (designadas por Dyno Mills e
Pearl Mills). Concluída a moagem o produto passa diretamente para o depósito da fase de
acabamento, onde aguarda o resultado do controlo de qualidade (fase iv)) caso não precise de
ser transferido de depósito de modo a libertar o depósito de acabamento para o produto
seguinte. Esta decisão cabe ao coordenador da secção e é tomada com base no número de
produtos a formular e na urgência de cada um desses produtos.
iv) Controlo de Qualidade – O operador retira uma amostra do produto formulado, que identifica
com nome e código de produto. De seguida, envia a amostra para o laboratório para que seja
analisada e testada.
A fase de controlo de qualidade tem duas respostas possíveis: a rejeição do produto ou a sua
validação. A rejeição implica que o produto seja novamente submetido a uma das fases
anteriores de formulação (moagem, dispersão ou até mesmo a adição de mais quantidade de
matéria-prima em falta), tendo em conta as especificações do laboratório.
v) Acabamento − A validação do produto faz com que possa ser iniciada a fase de acabamento.
Os operadores juntam ao produto resultante da moagem os componentes que faltam para que o
produto esteja acabado.
vi) Controlo de Qualidade − Quando concluída a fase anterior o produto é sujeito ao segundo
controlo de qualidade. Se a resposta do laboratório der o produto como rejeitado, este volta à
fase de acabamento até que esteja dentro das especificações definidas.
vii) Passagem para a linha de enchimento − A validação do produto, pelo controlo de
qualidade, representa que este se encontra pronto a seguir para a linha de enchimento
(embalamento), sendo então colocado, ou nos depósitos de armazenagem ou nos depósitos de
1000l (caso tenha permanecido no depósito final da fase de moagem).
É também importante referir que a formulação de I/FL-flows pode seguir dois caminhos
diferentes, tendo em conta o tipo (cor) de produto que é formulado. Assim, os I/FL brancos
seguem a sequência anteriormente referida. Os de cor azul, após a adição das matérias-primas
em ii), são transportados do depósito de formulação para a primeira Pearl Mill. É nesta máquina
que se iniciam as fases adicionais deste tipo de produtos, a saber: iii.1) 1ª moagem, de onde
vão transitando para um outro depósito, de tamanho inferior onde decorre a fase iii.2) agitação.
Neste ficam em agitação durante um curto período de tempo, até poderem transitar para a
segunda Pearl Mill, para assim cumprirem a última fase, a fase iii.3) 2ª moagem. Após esta
tarefa, o restante processo de formulação (fases iv) a vii)) é idêntico ao dos restantes produtos.
O mesmo acontece nos HL-flows (embora aqui a distinção em vez de originada pela cor, ou seja
apenas pelo processo produtivo) que estejam sujeitos a duas fases de moagem. A primeira é
realizada por um moinho coloidal que mói o produto e o volta a introduzir no depósito inicial,
antes que este siga para a seguinte fase de moagem.
Divide-se então a linha de fabrico dos I/FL-flows em três secções distintas, tendo em conta a
tarefa que realizam. Nas três existem máquinas diferentes para execução das diferentes

 
12    
 
 
operações, sendo que todas as máquinas de uma mesma secção estão habilitadas a realizar a
tarefa dessa secção.
Na primeira secção definida existem três depósitos (máquinas), com capacidade equivalente a
2000l, que podem realizar a tarefa de dispersão.
Refira-se contudo que, embora os três estejam associados à mesma tarefa, a existência de
produtos de categorias diferentes (de diferentes cores), leva a que um dos depósitos da secção
apenas realize a tarefa de dispersão quando o produto é de cor branca, enquanto os dois
restantes sejam afetos aos produtos de cor azul.
A segunda secção desta área de produção destina-se à fase da moagem. Nesta existem quatro
máquinas, denominadas Dyno Mill, que funcionam em paralelo, duas a duas (duas para os
brancos e duas para os azuis). Esta secção tem ainda mais um depósito intermédio que é
apenas utilizado para os flows de cor azul.
A secção de acabamento é a última secção desta linha de fabrico. Aqui, existem dois depósitos
em paralelo, ou seja, ambos são capazes de realizar a tarefa. Estes depósitos têm exatamente a
mesma capacidade, que é igual a 2000l.
Tal como na linha de fabrico dos I/FL-flows anteriormente caracterizada, a linha dos HL-flows
pode ser dividida em três secções diferentes referentes às diferentes fases de produção que
podem realizar. Por sua vez, em todas as secções as máquinas operam em paralelo, ou seja,
todas as máquinas pertencentes a uma mesma secção podem realizar a tarefa a que essa
secção está alocada (Hochbaum, 1999).
A primeira secção nesta linha de fabrico é então a secção destinada à dispersão, que é
atualmente composta por cinco máquinas. Estas dividem-se em dois grupos a trabalhar em
paralelo: três num dos grupos e duas no outro. As cinco máquinas são depósitos com a mesma
capacidade de produção, igual a 1500l. O que as diferencia são as ligações às máquinas das
tarefas seguintes. Há um conjunto de três depósitos que estão ligados a uma Pearl Mill, que
efetua a tarefa seguinte, enquanto os dois restantes se encontram ligados a uma Dyno Mill, da
secção seguinte.
Na segunda fase de produção, a de moagem, existem então três Pearl Mills, que funcionam em
paralelo, e uma Dyno Mill. A grande diferença entre estes dois tipos de máquinas, que realizam a
tarefa da moagem é a respetiva velocidade de execução, sendo a Dyno Mill significativamente
mais rápida qua a Pearl Mill.
Para finalizar esta linha de produção, existem três depósitos na última secção, a trabalhar em
paralelo para realizarem a fase de acabamento dos produtos. Estes três depósitos têm a mesma
capacidade, igual a 2000l.
O objeto do caso em estudo termina com a passagem do produto para a linha de enchimento, no
fim da fase (vii)). Assim, embora já fora do âmbito deste trabalho, detalha-se um pouco a fase
final de preparação das encomendas. É depois desta fase que os produtos dão entrada no
armazém e são referenciados como disponíveis para entrega aos clientes.

 
  13  
 
 
A primeira tarefa da fase de enchimento/embalagem consiste na confirmação das
disponibilidades de três componentes: produtos acabados; materiais necessários ao enchimento
(frascos, embalagens, etc.) e a máquina da linha de enchimento que vai realizar as operações.
De seguida, é preciso confirmar a cor do produto acabado, de modo a ter a certeza de que é o
produto certo a encher. Esta tarefa precede a de passagem do produto, através de uma
mangueira, do depósito de armazenagem (stockagem) para a máquina de enchimento.
Todas as operações seguidamente enumeradas são realizadas pela máquina de enchimento
alocada ao produto: i) enchimento (passagem do produto para os frascos); ii) colocação da
tampa; iii) selagem a quente; iv) confirmação do peso (frascos que não têm o peso correto
são retirados da linha); v) rotulagem e identificação dos frascos; que terminam com a vi)
confirmação visual da fase anterior, por parte de um operador da linha de enchimento.
O processo termina com as seguintes operações: vii) formação das paletes; viii) controlo de
qualidade; ix) transferência para o armazém final. Concluídas estas operações, os produtos
estão prontos para sair para o cliente.  

2.3.4 Formulação de CPEs

A fase inicial de produção dos CPEs é idêntica à fase i) dos flows. No entanto, as operações a
que o produto está sujeito durante a formulação propriamente dita, fases ii) e iii), são diferentes
bem como as máquinas utilizadas para tal.
As diferentes fases do processo de formulação dos CPEs, são então, por esta ordem: i)
preparação das matérias-primas e alimentação do depósito; ii) agitação; iii) filtragem; iv)
armazenagem (stockagem); v) controlo de qualidade; vi) passagem para a linha de
enchimento. As fases v) controlo de qualidade; e vi) passagem para a linha de enchimento,
são idênticas às fases vii) e viii), respetivamente, dos flows.
ii) Agitação − Após a recolha das matérias-primas e a sua validação, na fase i), os operadores
podem então dar início à fase de alimentação do depósito. As diferentes matérias-primas são
introduzidas no depósito de formulação.
Este depósito faz com que as matérias fiquem num estado de agitação por um período de tempo
definido até ser obtido o produto final.
iii) Filtragem − A filtragem corresponde à passagem do produto entre a fase de agitação e a de
armazenagem (stockagem), antes de este seguir para a linha de enchimento.
Para realizar a fase de mistura dos I/FL-CPEs estão disponíveis, na linha de produção, sete
depósitos. Estes são então considerados como máquinas a funcionar em paralelo, sendo que um
deles tem uma capacidade de 10000l e os outros seis têm uma capacidade de 5000l.
Por outro lado, os vários produtos deste tipo (I/FL-CPEs) têm tempos de produção diferentes,
pois, quer as especificações requeridas quer as quantidades a produzir, exigem mais ou menos
tempo para a operação de mistura.
Já na linha de formulação dos HL-CPEs estão em funcionamento um total de oito depósitos
(máquinas), seis com capacidade para 5000l, um com 2000l e outro com 10000l de capacidade.

 
14    
 
 
Também nesta linha se pode dizer que existem máquinas em paralelo uma vez que todas se
destinam a realizar a fase de mistura.
Em ambas as instalações, concluídas as tarefas de agitação e de controlo de qualidade do
produto acabado, o produto é armazenado em depósitos de 1000l ou de armazenagem
(stockagem). Estes depósitos irão depois ser utilizados para alimentar a linha de enchimento
quando esta se encontrar disponível.

2.3.5 Sequenciamento de produtos

 Um aspeto extremamente importante a ter em conta e que tem influência no escalonamento da
produção é a sequência que as diferentes tarefas pertencentes às várias fases descritas seguem
no decorrer do processo produtivo dos diferentes produtos das linhas referenciadas.
Salienta-se, antes de mais, por ser importante, o facto de qualquer tarefa poder ser interrompida
sem que isso prejudique o produto final. Esta situação é recorrente quando se dá uma troca de
turnos ou se há falta de materiais, parando assim o processo produtivo até que estejam reunidas
as condições necessárias para a sua retoma.
De seguida, e dependendo do tipo de produtos, as diferentes tarefas das diferentes fases de
produção podem seguir ordens de processamento diferentes, isto é, a ordem pela qual os
diferentes produtos passam pelas diferentes secções e pelas diferentes máquinas que realizam
as tarefas de produção e que constituem essas secções difere segundo o tipo de produto que
está ser formulado.
Não obstante as diferenças observadas no sequenciamento das diferentes tarefas, existem, no
entanto, fases que são idênticas a todo o tipo de produtos que a SAPEC produz atualmente.
Considera-se que estas são as fases iniciais e as finais, deixando assim as intermédias para
serem diferenciadas segundo o tipo de produto. Assim, apenas as fases distintas, descritas
anteriormente, seguem modelos de sequenciamento diferentes, sendo então possível afirmar
que todos os produtos começam e acabam com as mesmas tarefas.
As primeiras fases, idênticas para todo o tipo de produtos, são as que vão desde o recebimento
das encomendas até à preparação do processo de formulação. A última tarefa das primeiras
fases, idêntica para todos os produtos, é a adição das matérias-primas aos depósitos que irão
iniciar a formulação, como descrito.
Embora as fases sejam semelhantes, é necessário identificar as precedências a respeitar no seu
sequenciamento. Assim, apenas depois de receber a ordem de produção, os operadores podem
realizar e emitir o pedido das matérias-primas necessárias. Por outro lado, quando as matérias-
primas chegam à secção, os operadores só podem começar a formular o produto após todas
terem sido validadas no sistema e existir a confirmação de que as matérias-primas fisicamente
presentes estão de acordo com os dados do sistema informático.
Concluída a fase de verificação e validação das matérias-primas, passa-se às fases que já são
específicas a cada tipo de produto.
Considerando a produção de CPEs, os operadores após terem as matérias-primas disponíveis
para iniciar a formulação começam a introduzi-las no depósito anteriormente afeto ao produto,

 
  15  
 
 
seguindo a ordem disposta na folha que contém a fórmula do produto. De seguida vem a mistura,
que é efetuada dentro do depósito. Muito embora os operadores, na maioria das situações,
liguem a agitação do depósito antes de colocarem todas as matérias-primas dentro do respetivo
depósito, o tempo necessário para que esta tarefa esteja concluída apenas inicia a contagem
depois de a última matéria-prima ter sido introduzida.
À fase de agitação/mistura, segue-se o controlo de qualidade. Apenas depois de o laboratório
emitir uma resposta afirmativa, isto é, que o produto está válido para seguir para a linha de
enchimento, é que os operadores podem dar início à fase de filtragem e armazenamento. Para
tal, é utilizada uma bomba que transfere o produto entre as fases referidas.
Generalizando, o sequenciamento dos CPEs, apenas para as fases que os distinguem dos
restantes produtos, segue o esquema da Figura 3.

Mistura  
Adição  MPs   (Agitação)   Filtragem   Armazenamento  

Figura  3:  sequenciamento  de  tarefas  para  os  CPEs.  

A Figura 3 mostra as tarefas sequenciais, sendo que as que se seguem apenas podem ter início
quando a tarefa anterior estiver concluída, ou seja, representa as relações de precedência entre
as diferentes tarefas.
No caso da produção de flows existem dois tipos de sequenciamentos possíveis, tendo em conta
o tipo de produtos. Para os I/FL, essa distinção é feita pela cor do produto em questão, uma vez
que o sequenciamento dos produtos de cor branca é diferente do sequenciamento dos de cor
azul. Nos HL os tipos de flows existentes são também dois e os seus sequenciamentos diferem
entre si apenas por uma fase adicional de moagem, que pode ou não existir.
Começando então pelo processo de produção dos HL-flows, a primeira tarefa após a fase de
validação das matérias-primas, ou seja, a partir do momento em que estas estão prontas a ser
tratadas, é a alimentação do depósito onde o produto irá ser formulado. Tal como na situação
anterior, a tarefa seguinte é a dispersão (idêntica à fase de agitação) que é realizada dentro do
depósito após os operadores ligarem a agitação do mesmo. Esta tarefa, mais uma vez, pode ter
início antes da anterior acabar. No entanto, neste trabalho não se vai considerar este facto, uma
vez que apenas depois de a última matéria-prima ter sido adicionada ao depósito se inicia a
contagem do tempo necessário para completar a fase de dispersão.
A tarefa que se segue, necessária apenas para alguns dos produtos, é a primeira fase de
moagem. É realizada por um moinho coloidal, onde o produto passa, até voltar ao depósito
inicial. Esta tarefa começa quando a fase de dispersão fica concluída.
Apenas depois de terminadas as tarefas anteriores pode ser iniciada a tarefa de moagem,
realizada pela Pearl Mill ou pela Dyno Mill. O produto pode ser moído mais que uma vez,
seguindo depois para o depósito de acabamento.
Quando a moagem é dada como concluída, o produto fica no depósito de acabamento à espera
que o laboratório diga se os operadores podem prosseguir com a tarefa de acabamento do
produto, ou se este não precisa de ser modificado. Neste caso, existe ainda um outro controlo de

 
16    
 
 
qualidade após a tarefa de acabamento, e só depois os produtos são retirados para depósitos de
1000l ou de armazenagem (stockagem), ficando à espera de alimentar a linha de enchimento.
A Figura 4 representa então o sequenciamento de tarefas deste tipo de produtos.

Adição  MPs   Dispersão   1ª  Moagem     2ª  Moagem   Acabamento   Armazenamento  

Figura  4:  sequenciamento  de  tarefas  de  HL-­‐flows.  

Falta assim ver a sequência de tarefas para o grupo de produtos I/FL-flows. Neste caso, é
necessário voltar a repartir o grupo em dois, apresentando então primeiro o sequenciamento de
tarefas dos flows de cor branca, e de seguida os de cor azul.
Na situação dos flows de cor branca, o depósito utilizado é sempre o mesmo. Assim, para que a
fase de alimentação do depósito comece, não só as matérias têm que estar disponíveis, como
também o depósito tem que se encontrar livre e limpo para receber o novo produto.
Quando todas as matérias tiverem sido introduzidas no depósito, os operadores começam então
a contagem do tempo para realizar a tarefa de dispersão, tal como nos casos anteriores.
Concluída a tarefa anterior, o produto pode então seguir para a Pearl Mill que está ligada ao
depósito, de modo a efetuar a moagem do produto. Este, uma vez moído passa então para o
depósito de acabamento, de onde é retirada uma amostra para enviar para o controlo de
qualidade.
Recebida a resposta do laboratório, e caso o produto vá de encontro aos requisitos pré-
estabelecidos, inicia-se a fase de acabamento. Após a sua conclusão é retirada uma nova
amostra, também dirigida ao laboratório, antes de enviar o produto para os depósitos de
armazenagem (stockagem) ou de 1000l que irão alimentar a linha de enchimento.
A Figura 5 representa a ordem pela qual as tarefas são realizadas, para este tipo de produtos.

Dispersão   Moagem   Acabamento   Armazenamento  

Figura  5:  sequenciamento  de  tarefas  de  I/FL-­‐flows  de  cor  branca.  

Já no caso dos flows de cor azul, o processo é exatamente igual ao anterior excluindo a fase
intermédia que existe neste tipo de produtos. Neste caso o produto, após concluir a fase de
dispersão, passa uma primeira vez por uma Pearl Mill que realiza a primeira moagem e
encaminha o produto para um depósito intermédio existente nesta linha, que continua a agitar o
produto. De seguida, o produto passa do depósito intermédio para uma segunda Pearl Mill, para
ser sujeito a uma segunda fase de moagem, antes de poder seguir para o depósito de
acabamento, e onde o processo volta a ser idêntico ao anterior. A representação do processo
referido é a apresentada na Figura 6.

Depósito  
Dispersão   1ª  Moagem   Intermédio   2ª  Moagem   Acabamento   Armazenamento  

Figura  6:  sequenciamento  de  tarefas  de  I/FL-­‐flows  de  cor  azul.  

 
  17  
 
 
2.3.6 Equipamentos/máquinas utilizadas
Como frisado, o processo de produção de um determinado produto tem início no recebimento do
pedido e no lançamento da ordem de produção correspondente, quer no caso dos I/FL, quer no
caso dos HL, sendo depois necessário disponibilizar as matérias-primas necessárias à produção.
É nessa fase que entra em funcionamento a primeira máquina do sistema, a empilhadora (existe
uma para os I/FL e outra para os HL). Esta é utilizada para transportar as matérias-primas dos
armazéns para a linha de fabrico correspondente. Esta máquina está quase sempre disponível,
parando apenas em casos de avarias (raras) e quando tem que abastecer de combustível. É
também esta empilhadora que retira as embalagens de matérias-primas vazias da linha de
produção. Para além destas duas tarefas, a empilhadora volta a entrar em funcionamento caso
seja necessário transportar os depósitos finais de produto acabado para a linha de enchimento.
Em seguida procede-se à “picagem” (i.e., leitura dos códigos de barras através do scanner) dos
materiais, que é feita através de um leitor de código de barras. Caso a leitura não esteja correta
ou se observe qualquer tipo de falha, a linha não pode começar a produzir o produto suposto
antes de resolver o problema em questão. Este tipo de problemas, embora com uma frequência
significativa, levam relativamente pouco tempo a ser solucionados. De facto, são necessários
cerca de 15 minutos para que a linha possa começar a produzir, após a chegada das matérias-
primas, e cerca de 10 minutos extra caso surjam complicações a nível da leitura dos códigos de
barras.
A fase seguinte na formulação de um produto (flows e CPEs) é a de passagem das matérias-
primas para os depósitos iniciais, que dependendo do tipo de produto, ou fazem a mistura ou a
dispersão das matérias. Nesta fase, e nos casos em que as matérias não precisam de ser
pesadas, uma vez que a quantidade a introduzir nos depósitos é dada por um certo número de
bidões, a segunda máquina a entrar em funcionamento é uma bomba. Cada uma das duas
fábricas tem 4 bombas disponíveis para esse efeito. Estas bombas levam menos tempo a passar
as matérias líquidas para o interior dos depósitos, exigindo lavagens pouco demoradas (cerca de
10 minutos), quando as matérias-primas em sequência são diferentes. As lavagens consistem
em passar água pela bomba até que esta já não saia suja. Contudo, com alguma frequência,
surgem problemas que dificultam o bombeamento das matérias. No entanto, graças à existência
de outras bombas que podem completar a mesma função, a tarefa apenas se prolonga pelo
tempo necessário para troca de bombas, nunca superior a 5 minutos.
Quando as matérias-primas têm que ser introduzidas pela parte superior do depósito, não sendo
utilizadas as tais bombas, quer seja por questões de pesagem ou por não serem substâncias
líquidas, as primeiras máquinas a ser utilizadas são as hidráulicas manuais. Estas movem as
matérias-primas que têm um peso elevado. Atualmente, existe uma hidráulica para cada uma
das duas fábricas, e uma avaria numa delas leva à interrupção da produção, até que o problema
seja resolvido. No entanto, as avarias neste tipo de máquinas não são muito frequentes.
Nesta fase é também necessário efetuar a pesagem dos materiais, nem que seja de modo a
confirmar que as informações do sistema relativamente às quantidades disponíveis estão
corretas, o que faz da balança uma máquina essencial no desenrolar desta operação.

 
18    
 
 
As fases seguintes do processo produtivo (agitação, dispersão e moagem) são complementadas
pelas máquinas descritas anteriormente e que realizam as tarefas de dispersão, mistura,
moagem e acabamento.
Segue-se então a fase de acabamento, onde pode ocorrer uma situação particular que acaba por
alterar o percurso dos produtos, bem como os tempos de processamento das tarefas. De facto,
muitas vezes, devido a necessidades de urgência, isto é, ordens de produção seguintes que
necessitam ser tratadas o mais depressa possível, há que alterar o planeamento inicial.
Muito embora existam vários depósitos destinados à fase de acabamento, quer na linha de
fabrico de I/FL-flows quer na linha de fabrico de HL-flows, estão também disponíveis nas
instalações vários depósitos com capacidade para armazenar 1000l de produto mas onde não
pode ser processada a fase de acabamento. Estes são utilizados para guardar o produto que
estava a ser processado, mas que terá de aguardar por qualquer motivo. Esta situação é muito
frequente, e acontece, por exemplo, quando concluído um produto, tem que aguardar o relatório
do controlo de qualidade. Este relatório demora em geral entre 8 e 48 horas, dependendo do tipo
de produto e da hora a que dá entrada no departamento de controlo de qualidade. O produto é
transferido para esses depósitos de modo a libertar a linha de fabrico para que possa ser iniciada
a produção de outro produto.
A grande desvantagem neste tipo de situações é que caso o produto não seja aprovado pelo
laboratório, os operadores têm que voltar a introduzir o produto na fase que o laboratório
considerou necessária para que o produto fique com os requisitos certos. Se o produto seguinte
estiver já a ser processado e caso seja diferente do anterior, há que efetuar uma limpeza extra
de máquinas, que, por sua vez, leva a um aumento considerável do tempo de produção.
Não só estas mas também as restantes máquinas afetas aos processos de produção podem,
quando precisas, estar indisponíveis devido a variadíssimos fatores. Salienta-se, a título de
exemplo, a manutenção, ou a ocupação prévia por outros produtos, ou ainda a ocorrência de
avarias inesperadas.
A indisponibilidade de máquinas pode assim ser subdividida em dois grupos, as passíveis de ser
previstas, e as inesperadas, ou seja, aquelas que advêm de eventos incertos e não
programados.
A indisponibilidade das máquinas que surge de um evento previsível, como é o caso das
manutenções preventivas, pode ser incorporada no escalonamento da produção, quando é
realizada a afetação das tarefas às máquinas.
Por outro lado, quando os eventos são incertos, como a ocorrência de avarias inesperadas, as
máquinas não podem realizar as operações que lhes tinham sido previamente destinadas
enquanto o problema não for devidamente solucionado. Supõe-se, neste caso, como
normalmente se verifica, que todas as instalações da fábrica estão a processar operações de
modo contínuo. Surge assim o conceito de reescalonamento (alteração do escalonamento
inicial), respeitando as precedências entre operações, de modo a evitar que tais eventos possam
atrasar a conclusão de produtos ou mesmo a comprometer prazos de entrega de encomendas.  

 
  19  
 
 
2.4 ERP- Enterprise Resource Planning (ERP)
O enorme crescimento dos últimos anos (internacionalização, crescimento das instalações,
aumento da capacidade produtiva, aumento do número de clientes e consequentemente do
número de pedidos, etc.), levou a SAPEC Agro a melhorar os seus processos de planeamento e
gestão de todos os fatores capazes de afetar o negócio da empresa. Saliente-se, por exemplo os
processos de recebimento e tratamento de pedidos, planeamento e escalonamento da produção,
compras de materiais, gestão dos armazéns (matérias primas e produtos acabados), entre
outros. Para isto a SAPEC Agro introduziu o sistema Infor LN.
6
O Infor LN é uma ferramenta de Enterprise Resource Planning (ERP) utilizada em sistemas de
produção complexos. Este está otimizado para operações globais das empresas e equipado com
ferramentas que ajudam a melhorar a desempenho operacional das várias instalações ao longo
da cadeia de abastecimento.
Os mais de 25 anos de experiência estão por detrás de uma flexibilidade elevada deste sistema.
O Infor LN permite pois diferenciar a forma de implantar, implementar e operar, com identificação
das operações de produção de cada cliente. Este sistema é também fulcral para:
– Aumentar a capacidade de resposta,
– Reduzir custos,
– Integrar a gestão de projetos em toda a empresa,
– Prever resultados financeiros mais precisos,
– Expandir a capacidade para gerir os serviços,
– Criar configurações visuais dos produtos (2D, 3D).
A utilização do Infor LN permite não só melhorar a eficiência e o nível de inovação, mas também
a visibilidade e controlo das operações globais das empresas. As funcionalidades que o Infor LN
disponibiliza, a nível industrial, incluem:
– Controlo sobre a produção para aumentar a eficiência operacional e responder às
variações do mercado,
– Planeamento a nível da empresa e da cadeia de abastecimento,
– Gestão financeira global de modo a prever, com maior precisão, os resultados
financeiros,
– Gestão do relacionamento com os clientes com o objetivo de maximizar oportunidades
no mercado,
– Gestão das vendas e da configuração dos pedidos para satisfazer procuras individuais
dos clientes,
– Funcionalidades de sourcing e procurement para controlo do inventário,
– Gestão de projetos, de atividades e de serviços,
– Gestão da qualidade para melhorar controlo, consistência e previsibilidade,
– Gestão dos dados de engenharia que gere a informação da fase de design e ao fim da
de produção.
                                                                                                               
6  http://www.infor.com/  

 
20    
 
 
O Infor LN fornece também novas tecnologias como:
– Recursos para negócios sociais inovadores que visam personalizar e aumentar a
produtividade e melhorar a experiência do utilizador,
– Capacidades móveis de ponta que permitem atualizações do estado das operações em
qualquer altura e lugar,
– Infor ION que liga o Infor LN aos restantes sistemas utilizados nas infraestruturas,
– Arquitetura flexível que permite definir e redefinir os processos,
– O PCM (Product Configuration Management) que permite estimar custos e receitas com
a criação de novos produtos.
A SAPEC Agro utiliza assim o Infor LN que em sincronia com um sistema de WMS (Warehouse
Management System) adaptado à fábrica e com um sistema de advanced planning (que trata do
planeamento de produção), gere e controla todas as operações da empresa.

 
  21  
 
 

3 Revisão bibliográfica

3.1 Problemas de planeamento de produção

Segundo (Vercellis, 2009), atualmente as empresas operam num mundo de negócios cada vez
mais competitivo uma vez que o ambiente organizacional está sujeito a alterações constantes, e
como consequência a capacidade de responder rapidamente a essas alterações, ou seja, de
inovar, tornou-se cada vez mais num fator crítico de sucesso.
Já (Heizer & Render, 2005) falam não só da importância da inovação, mas também da
importância de um sistema produtivo orientado para o cliente, ou seja, de basear o planeamento
da produção nas encomendas e não em previsões.
Para estes autores o melhor modo de proceder consiste em dividir o processo de planeamento
da produção em três níveis distintos, e tomar a melhor decisão possível para cada um desses
níveis: planeamento estratégico, planeamento tático e planeamento operacional.
O nível de planeamento estratégico diz respeito a decisões de longa duração e que fornecem a
orientação e direção global da empresa. Deve pois ser caracterizada a situação atual da
empresa, as metas a atingir e as estratégias a seguir para atingir essas mesmas metas. Como
exemplos de decisões de nível estratégico temos o design do produto, a escolha de
fornecedores, a localização de instalações, entre outras.
Por sua vez, o nível de planeamento tático já envolve um horizonte de tempo médio. Este tipo de
opções são revistas, normalmente, ou entre trimestres ou uma vez por ano. São planos mais
específicos que os anteriores, que e atuam em cada área funcional da empresa, servindo como
uma espécie de ligação entre os planos estratégicos e os operacionais. Como exemplos deste
tipo de planos, podem referir-se decisões de compra e produção, políticas de inventário ou
políticas de transporte.
O último dos três níveis de planeamento é o nível de planeamento operacional, que serve como
regulador das decisões do dia-a-dia, tendo por isso um horizonte de planeamento de curto prazo.
Decisões de scheduling (escalonamento), routing (geração de rotas) e truck loading
(carregamento de produtos) são exemplos de decisões que necessitam de ser tomadas quando
é efetuado o planeamento operacional de uma empresa.
Na Tabela 1 resumem-se as principais características dos três níveis de planeamento.

 
22    
 
 
Tabela  1:  características  dos  níveis  de  planeamento.  

Tipo de Nível
Conteúdo Tempo Aplitude
Planeamento Organizacional
Muito Macro Orientado
Estratégico Institucional Longo Prazo
Genérico/Sintético Empresa Una
Moderadamente Áreas Funcionais
Tático Intermédio Médio Prazo
Genérico/Detalhado Separadas
Muito Detalhado e Micro Orientado
Operacional Operacional Curto Prazo
Analítico Operações
 

3.2 Problemas de escalonamento

3.2.1 Introdução
O escalonamento (scheduling) da produção pode considerar-se, hoje em dia, um tema muito
estudado, sendo focado por vários autores. Entre estes, refere-se (Pinedo, 2012), que afirma:
“Scheduling é o processo de tomada de decisão que é utilizado regularmente em muitas
indústrias de transformação e de serviços. Trata-se de alocar os recursos (máquinas, unidades
de processamento, tripulação, e outros, dependendo do sistema em que se encontram) a tarefas
(operações realizadas através da utilização dos recursos), num dado período de tempo, com a
finalidade de otimizar um ou mais objetivos, que também podem assumir diferentes formas,
como, por exemplo, a minimização do tempo de execução total ou a minimização do número de
tarefas que são completadas após a data prevista”.
Já (Le Pape, 2005) afirma que dados um conjunto de recursos com capacidades conhecidas, um
conjunto de atividades com tempos de processamento e necessidades de recursos também
conhecidas e um conjunto de restrições temporais entre as atividades, um problema de
escalonamento “puro” consiste em decidir quando executar cada atividade, tendo em conta a
satisfação das restrições de tempo e de recursos.
(Hochbaum, 1999) referenciou alguns dos objetivos mais usuais em problemas de
escalonamento:
• Minimizar o makespan, que representa o tempo de execução total (de todo o processo).
É um critério normalmente utilizado para medir o nível de utilização das máquinas. Pode
ser medido pela diferença entre o instante a que a última tarefa termina o seu
processamento e o instante em que a primeira se inicia.
• Minimizar o tempo de espera de cada tarefa, ou seja, o tempo que leva desde que um
produto fica pronto para iniciar uma tarefa e a mesma ser iniciada.
• Minimizar os custos de execução das diferentes atividades.
(Pinedo, 2012) define várias classes de escalonamento motivadas, por sua vez, por três
conceitos, a saber: o de sequência, o de agenda/horário/programação e o de política de
escalonamento. Sequência, normalmente, corresponde a uma ordenação entre um determinado
número de tarefas ou então à ordem pela qual as tarefas devem ser processadas numa dada
máquina. A agenda, usualmente, corresponde à alocação das tarefas a um dado conjunto de

 
  23  
 
 
máquinas, em certos instantes de tempo. E, por último, a política de escalonamento aparece em
cenários de configurações estocásticas, e tem como objetivo “prescrever” a ação mais
apropriada para todos os estados em que o sistema se pode encontrar. Os modelos
determinísticos, apenas consideram a sequência e a agenda.
Surge assim a primeira classe de escalonamento, o Non-Delay Schedule, que acontece quando
existem máquinas livres sempre que uma operação precisa de ser processada. Esta classe de
escalonamento proíbe a ociosidade não forçada.
A segunda classe é o escalonamento ativo que se impõe quando não é possível construir outro
escalonamento, através de trocas na ordem dos processos nas máquinas, que conduzam a pelo
menos uma operação a acabar mais cedo e nenhuma a acabar mais tarde que no
escalonamento de partida.
A terceira e última classe definida por este autor, é a de escalonamento semi-ativo. Esta classe
identifica escalonamentos em que nenhuma operação pode ser concluída mais cedo sem que se
altere a ordem de processamento em nenhuma das máquinas.
Note-se que diferentes estratégias podem ser utilizadas para realizar o escalonamento das
atividades de produção, e a sua aplicação leva a processos com estruturas e características
também diferentes. As estruturas utilizadas são originadas pela escolha da estratégia, e vão
desde a project até à flow-shop, passando pela job-shop e pela batch por exemplo. As duas
principais estratégias que podem ser utilizadas, que se encontram em pontos opostos no que às
diferenças de características e estrutura diz respeito, são a job-shop e a flow-shop.
(Pinedo, 2012) afirma que, em várias instalações de produção e montagem, cada tarefa tem que
ser sujeita a uma série de operações, e que muitas vezes essas operações têm que ser
realizadas para todas as tarefas e na mesma ordem de execução. Neste caso pode dizer-se que
todas as tarefas têm que seguir a mesma rota. É então assumido que as máquinas estão
colocadas em série, e o ambiente de trabalho envolvente é referenciado como flow-shop.
(Parveen & Ullah, 2010), com uma opinião semelhante, definiram a estratégia flow-shop como
uma estrutura linear em que as diferentes máquinas estão organizadas em séries de
operação/tarefa. Assim, existe uma máquina inicial onde as operações começam, passando
depois por várias máquinas intermédias até chegarem à última, onde se dá a conclusão do
processo. O facto de a estrutura ser linear não implica que as operações tenham que utilizar
todas as máquinas disponíveis, ou seja, uma operação pode começar por utilizar a primeira
máquina seguindo depois para a terceira sem passar pela segunda.
(Ma’ruf, 2007) define as principais características deste tipo de estratégia:
– Elevada padronização (standardization) e rapidez,
– Manuseamento reduzido dos materiais (material handling),
– Fluxos com períodos de tempo curtos,
– Custos de processamento unitários reduzidos,
– Custos elevados de investimento e necessidades de produção em massa,
– Equipamentos especializados e trabalhadores pouco habilitados,
– Previne flexibilidade.

 
24    
 
 
(Pinedo, 2012) generaliza a estratégia flow-shop, juntando este tipo de escalonamento a um
ambiente caracterizado por máquinas paralelas. Aqui, em vez de máquinas em série, definem-se
fases/etapas em série, e cada uma dessas etapas exige um determinado número de máquinas
em paralelo. As etapas devem respeitar uma ordem pré-definida, e cada tarefa é realizada por
apenas uma das máquinas pertencentes a cada etapa, sendo que todas as máquinas que se
encontram dentro da mesma fase podem realizar a tarefa a que essa fase se destina.
(Pinedo, 2012) quando as rotas são fixas, mas não são necessariamente as mesmas para cada
tarefa, o modelo é denominado job-shop. Este modelo tem a vantagem de admitir um fenómeno,
comum no mundo real, conhecido por recirculação, isto é, quando uma tarefa tem que passar
pela mesma máquina mais de uma vez antes de o processo ser completado.
(Zalzala & Fleming, 1997) esta estratégia exige a definição da ordem do conjunto de operações
de cada máquina, ou seja, encontrar condições de precedência entre as operações. Já para
(Parveen & Ullah, 2010), a estratégia job-shop não tem as mesmas restrições de fluxos que a
anterior, de flow-shop. Neste caso, as operações podem ser realizadas nas máquinas em
qualquer ordem.
(Ma’ruf, 2007) define também neste caso as principais características desta estratégia:
– Grande variedade de produtos customizados,
– Recursos flexíveis,
– Recursos humanos especializados,
– Fluxos “misturados”,
– Manuseamento elevado dos materiais,
– Inventários elevados,
– Tempos de fluxos elevados,
– Sistemas de informação altamente estruturados,
– Elevados custos por unidade de produto mas o investimento é reduzido.
A Figura 7 compara, através de uma representação gráfica, uma estratégia flow-shop, com uma
estratégia job-shop. Nesta pode-se ver que enquanto numa estratégia flow-shop todos os
produtos executam o mesmo tipo de rota (no mesmo sentido), podendo apenas não passar por
todas as máquinas, na estratégia job-shop existe uma rota que tem sentido inverso, ou seja, as
rotas são personalizadas aos produtos.

P1

P2 M1 M2 M3 M4

P3
Flow-shop

P1
P2 M1 M2 M3 M4

P3
Job-shop
 
Figura  7:  estratégia  flow-­‐shop  vs.  estratégia  job-­‐shop.  

 
  25  
 
 
 
(Pinedo, 2012) generaliza também a estratégia job-shop, definindo o job-shop flexível. Neste
caso existe uma mistura entre a estratégia job-shop e ambientes com máquinas paralelas (como
se detalha no ponto 4.). Em vez de máquinas em série, existe um dado número de centros de
trabalho contendo, cada um, um certo número de máquinas idênticas em paralelo. Neste caso
cada tarefa tem uma rota associada e tem que ser processada em todos os centros de trabalho,
mas em apenas uma das suas máquinas, sendo que todas as máquinas de um determinado
centro podem realizar a tarefa a que o produto deve ser sujeito, aquando da sua passagem
nesse centro.
Uma terceira estratégia possível, igualmente referida por (Pinedo, 2012), é a open-shop. Nesta,
cada tarefa tem que ser processada em cada uma das máquinas disponíveis. No entanto, os
tempos de processamento de uma tarefa numa determinada máquina podem ser nulos e, neste
caso, não existem relações de precedência das tarefas nas máquinas, ou seja, o responsável
pelo escalonamento pode determinar a rota que melhor se ajustar à tarefa, sendo que uma
tarefa, ou mesmo diferentes tarefas, podem ter rotas diferentes.
Tendo em conta o sequenciamento de tarefas a definir no presente estudo, isto é, a identificação
de uma afetação ótima das tarefas às máquinas, minimizando o tempo de execução total do
sistema (makespan), e o sistema real da SAPEC, considera-se o problema como sendo do tipo
job-shop scheduling com uma sequência dependente de tempos de setup (JSP-SDST). Uma das
razões que conduz à conclusão anterior, é o facto de as máquinas sempre que trocam de
produtos (exclui apenas o caso em que o produto é exatamente o mesmo) terem que ser lavadas
para que não exista contaminação entre o novo produto e o anteriormente produzido pela
máquina.

3.2.2 Conceitos relevantes em escalonamento

Os conceitos seguidamente introduzidos são considerados por (Pinedo, 2012) como conceitos
extremamente importantes quando se fala de escalonamento da produção.
(Pinedo, 2012) mostra que em todos os problemas de escalonamento, tanto o número de tarefas
como o de máquinas são considerados finitos, sendo o número de tarefas denotado por 𝑛 e o
número de máquinas pela letra 𝑚. Já os índices 𝑖 e 𝑗 referem máquinas e tarefas específicas,
respetivamente, sendo o par (𝑖, 𝑗) referente à fase de processamento da tarefa 𝑗 (𝑗 = 1, … , 𝑛) na
máquina 𝑖  (𝑖 = 1, … , 𝑚).
O tempo de processamento, 𝑝!,! , representa o tempo de realizar a tarefa 𝑗 na máquina 𝑖. O
índice da máquina pode ser omitido caso o tempo de processamento da tarefa não dependa da
máquina em que é realizada, ou se a tarefa apenas puder ser afeta a uma única máquina.
Associadas a cada tarefa, definem-se ainda a release e a due date, denotadas por 𝑟!   e por 𝑑!
respetivamente. A release date, 𝑟! , corresponde ao instante em que a tarefa 𝑗 pode ser iniciada.
A due date, 𝑑! , corresponde ao instante em que a tarefa deve estar terminada. Esta última, caso
não seja cumprida pode levar a penalidades para os operadores responsáveis por realizar a
tarefa em questão.

 
26    
 
 
O peso, 𝑤! , de uma tarefa é um fator de prioridade, ou seja, é uma medida que denota a
importância da tarefa 𝑗 relativamente às outras tarefas do sistema.
No que ao conceito de máquinas em paralelo diz respeito, podemos ter vários tipos de
máquinas a operar numa determinada fábrica. Considera-se que as máquinas operam em
paralelo, quando sendo idênticas entre si qualquer delas pode realizar uma mesma operação
requerida por uma tarefa. No entanto, mesmo entre as máquinas idênticas em paralelo, que se
destinam a realizar a mesma tarefa, podem coexistir máquinas mais eficientes que outras (com
menores tempos de produção). Este é um fator importante a ter em conta ao ser efetuado o
escalonamento nessa secção de trabalho.
(Kayvanfar et.al., 2014) referem ainda que uma vez que os problemas de escalonamento com
máquinas em paralelo ocorrem em muitos casos reais, esta é uma área alvo de muitos estudos.
Os autores dizem enveredar por uma sub-área que não é muito estudada, sendo essa a área dos
problemas de escalonamento da produção com tempos de setup dependentes da sequência,
num ambiente caracterizado por máquinas em paralelo e que não sejam relacionadas (ou seja,
não realizam necessariamente a mesma operação). Já as restrições de precedência podem
aparecer em qualquer ambiente de fábrica.  
(Makarychev & Panigrahi, 2014) afirmam que o escalonamento de tarefas com a utilização de
restrições de precedência para um conjunto de máquinas idênticas, com o objetivo de minimizar
o tempo total de processamento é um problema fundamental da otimização combinatória.
Estas requerem que uma ou mais tarefas tenham que ser acabadas antes que as tarefas
sucessoras possam ser iniciadas. O autor define três tipos de restrições de precedência, a saber:
em cadeia; de tipo intree; de tipo outtree. As primeiras, em cadeia, identificam situações em que
cada tarefa tem no máximo uma antecessora e uma sucessora. Se cada tarefa tiver no máximo
uma sucessora, definem-se as restrições de precedência de tipo intree. Finalmente, se cada
tarefa tiver no máximo uma antecessora, está-se perante restrições de tipo outtree.
O último conceito relevante diz respeito à recirculação. Recirculação é um termo que surge
muitas vezes relacionado com o job-shop scheduling, sendo por isso importante.
Para (Pinedo, 2012) a recirculação pode ocorrer em indústrias que utilizem a estratégia job-shop
normal ou flexível, quando um produto passa pela mesma máquina mais que uma vez ao longo
do seu processo de produção. No caso de se estar perante uma estratégia de job-shop flexível,
existe recirculação se uma tarefa visitar o mesmo centro de trabalho mais que uma vez ao longo
do seu percurso.

3.2.3 Job-shop scheduling problem with sequence dependent setup times

(JSP-SDST)
Como referenciado, problemas de escalonamento foram já alvo de variadíssimos estudos.
Segundo (Allahverdi et. al., 2008) os primeiros estudos assumiam os setup times (tempos de
preparação das máquinas) como: i) negligenciáveis; ou ii) como parte do tempo de
processamento das tarefas. Para os mesmos autores, estas suposições simplificam a análise
dos problemas, mas acabam por afetar a qualidade das soluções de muitos dos problemas de

 
  27  
 
 
escalonamento que necessitam de tratar de forma explícita os setup times.
Cada vez mais, os estudos sobre estas áreas incorporam os setup times nas decisões de
escalonamento dos sistemas reais, uma vez que se aumenta significativamente os
ganhos/poupanças quando tal acontece.
(Pinedo, 2012) e (Park & Lee, 2012) dizem que o problema JSP-SDST (Job-Shop Scheduling
with Sequence Dependent Setup Times) em apenas uma máquina e com o objetivo de minimizar
o makespan, pode ser transformado num problema do caixeiro viajante, que é NP-difícil. A
complexidade do JSP-SDST aumenta à medida que vão sendo consideradas mais máquinas.
(Choi & Choi, 2001) definem esta variante de problemas job-shop como problemas onde o setup
time necessário para determinada tarefa varia tendo em conta a tarefa imediatamente
precedente.
A Figura 8 classifica os diferentes tipos de problemas que podem existir dentro deste tópico
segundo (Allahverdi et al., 2008). Assim, estes autores dividem os problemas de escalonamento
com tempos ou custos de setup em dois grupos mais abrangentes: batch e non-batch. Por seu
turno, cada um destes é também dividido em dois subtipos de problemas: consoante os setup
times são ou não influenciados pela sequência das tarefas.
A grande diferença entre os dois grupos mais abrangentes é que no primeiro grupo (batch) a
produção é feita em lotes. Neste caso, o problema a analisar e resolver é então influenciado por
mais fatores, como por exemplo pelo número de lotes existentes, pelo tamanho de cada lote ou
pelo número de tarefas por lote produzido. O segundo grupo (non-batch) pode pois ser encarado
como um caso particular do primeiro em que os lotes têm dimensão 1.

7
Figura  8:  problemas  de  escalonamento  com  tempos/custos  de  setup   .  

                                                                                                               
7
Fonte: (Allahverdi et al., 2008).

 
28    
 
 
3.2.4 Modelação e resolução de problemas de escalonamento
Neste ponto, distinguem-se dois conceitos que surgem muitas vezes em abordagens de
problemas de escalonamento: simulação e otimização. Distinguem-se também outros conceitos
importantes como programação dinâmica e estocástica, e modelos de tempo discretos e
contínuos. Identificam-se ainda os temas da programação linear e da incerteza, bem como as
metodologias que podem ser utilizadas na resolução dos problemas. Estas metodologias são
divididas em aproximadas e exatas.
Será ainda justificada a abordagem considerada neste projeto.  

3.2.4.1 Simulação
Simulação pode ser vista como uma metodologia, que tem sido amplamente estudada, e que
surge com o objetivo de desenvolver novas ferramentas e aprimorar as já existentes, de modo a
que estas possam representar e solucionar de maneira mais eficaz e eficiente diversos
problemas, como é o caso do escalonamento da produção.
(Hoover & Perry, 1989) designam por simulação o processo de desenhar um modelo matemático
ou lógico representativo de um sistema real, e através desse modelo conduzir experiências com
base na utilização de um computador tendo em vista descrever, explicar e prever o
comportamento do sistema real e complexo em estudo.
Já (Williams, 1997), com uma definição muito semelhante à anterior, distingue duas grandes
classes de simulação: contínua e discreta. A distinção baseia-se nos diferentes tipos de output
que são devolvidos pelos diferentes modelos após tratarem os inputs relativos ao problema
modelado.
Nos modelos contínuos as variáveis de input e output, também conhecidas por variáveis
independentes e variáveis dependentes, são contínuas. Alguns exemplos deste tipo de variáveis
são a temperatura, tempo, pressão, entre outros.
Nos modelos de simulação discreta as variáveis não podem ser contínuas nem diferenciáveis,
assumindo valores inteiros sendo, em muitos casos, binários. Como exemplo deste tipo de
variáveis destaca-se o número de clientes a chegar, ou o estado de uma máquina
(disponível/indisponível), ou ainda o número de tarefas que a executar em uma hora de trabalho.
Uma explicação mais global foi dada por (Hoover & Perry, 1989). Se à medida que o tempo varia
o modelo estiver sujeito a alterações constantes, então esse modelo é contínuo. Se essas
alterações acontecerem apenas em instantes de tempo discretos, então o modelo é considerado
discreto.
(Craig, 1996) estabelece vantagens e desvantagens da utilização de métodos de simulação.
A primeira vantagem, segundo este autor, prende-se com o facto de fornecer um feedback
prático aos utilizadores quando estes desenham o sistema real, o que permite determinar a
exatidão e eficiência do modelo desenhado antes da sua implementação. Consequentemente, os
utilizadores podem aproveitar esta vantagem para explorar vários designs alternativos antes de
optar por construir um sistema.
A segunda vantagem apontada relaciona-se com a possibilidade de os problemas poderem ser

 
  29  
 
 
estudados com diferentes níveis de abstração. Efetivamente, perante um nível de abstração mais
elevado o utilizador tem uma perceção mais precisa dos diferentes comportamentos e interações
entre as componentes do sistema e, por conseguinte, consegue colmatar melhor as dificuldades
impostas pela complexidade dos sistemas reais. Uma vez que as componentes de nível inferior
são mais específicas, isto é, estão mais relacionadas com determinadas características do
sistema, podem ser utilizadas como medidas de desempenho do mesmo.
A terceira e última vantagem apontada por este autor é a particularidade de os resultados de
uma simulação serem facilmente lidos, através de gráficos e animações, mesmo por pessoas
pouco familiarizadas com estes sistemas.
Em sentido oposto, surgem as desvantagens da simulação em problemas como o do
escalonamento da produção. A primeira é desde já o facto de muitos dos simuladores
necessitarem de processamento intensivo do computador utilizado. Esta característica faz com
que os resultados da simulação possam não estar prontamente disponíveis. Estes atrasos
podem advir de várias fontes como por exemplo da existência de um número excessivo de
entidades a simular, ou de interações demasiado complexas entre entidades que pertencem ao
sistema que está a ser simulado. No entanto, os constantes desenvolvimentos tecnológicos vão
cada vez mais minimizando os impactos desta desvantagem.
Outro dos principais problemas desta metodologia relaciona-se com as hipóteses simplificadoras
introduzidas pelos utilizadores para conseguirem reduzir o tempo da simulação e a complexidade
do sistema. Este procedimento pode conduzir a resultados não tão precisos como deveriam.
Como já foi dito, outro método de lidar com a complexidade do sistema é trabalhá-lo num nível
de abstração maior o que, por sua vez, pode também trazer impactos negativos. Muitas vezes os
detalhes de nível inferior do sistema podem ser sobrevalorizados ou mesmo esquecidos, o que
compromete a informação e faz com que o sistema possa não poder vir a ser implementado na
realidade.

3.2.4.2 Otimização
A otimização é uma das principais ferramentas utilizadas na resolução de problemas de
escalonamento. (Hillier & Lieberman, 2010) começam por referir que a Investigação Operacional
é aplicada a problemas que visam conduzir e coordenar as operações que se desenrolam dentro
de uma organização. A otimização, para estes autores, surge como uma característica da
Investigação Operacional, uma vez que esta tenta frequentemente encontrar uma solução ótima
(não “a solução ótima” uma vez que podem existir várias soluções consideradas alternativas)
para o problema alvo do estudo. Ou seja, o objetivo é identificar um plano de ação, de entre um
conjunto que engloba os melhores planos de ação possíveis.
Para (Rayman, 2012/2013) modelos matemáticos fazem parte da otimização na maior parte das
situações, e envolvem encontrar o valor ótimo de uma função. Em modelos de negócio ou
económicos, as funções objetivo podem representar lucro (a ser maximizado) ou
gastos/despesas/tempo (a minimizar). Podem também existir restrições que limitam as

 
30    
 
 
quantidades dos diferentes tipos de recursos disponíveis a utilizar.
8
No website da (FriarTuck Pte, 2014) , entidade que se dedica a otimizar processos de outras
entidades que contratem os seus serviços, otimização é definida como uma disciplina
matemática que envolve encontrar o mínimo ou máximo de funções que estão sujeitas a
restrições, envolvendo, portanto, a formulação matemática. Hoje em dia, otimização contém uma
grande variedade de técnicas de Investigação Operacional, de inteligência artificial e de ciências
de computação, sendo utilizada para melhorar os processos de negócio em praticamente todas
as indústrias.
(Hillier & Lieberman, 2010) dividem os processos de otimização em seis passos distintos: i)
Definir o problema e recolher os dados relevantes; ii) Criar um modelo matemático que
represente o problema em estudo; iii) Desenvolver um procedimento computacional que consiga
extrair do modelo soluções para o problema; iv) Testar o modelo e melhorá-lo; v) Preparar a
aplicação do modelo tendo em conta os requerimentos da gestão; e vi) Implementar.
A opção escolhida neste projeto foi a otimização, uma vez que permite resolver o problema de
forma exata, caso a dimensão das instâncias assim o permitam e o modelo seja representativo
do sistema real em estudo.
O campo da Programação Linear (PL) surge dentro da otimização e segundo (Hillier &
Lieberman, 2010), uma aplicação comum de modelos de PL está relacionada com a alocação de
recursos limitados a atividades concorrentes da melhor maneira possível (ótima). Por outras
palavras, esta ferramenta pretende selecionar o nível de certas atividades que competem por
recursos escassos, recursos esses que, por sua vez, são necessários para realizar as tarefas
concorrentes.
A PL utiliza modelos matemáticos, compostos apenas por funções lineares, para descrever os
problemas em estudo. Contudo, para que o modelo possa ser de PL, as variáveis têm que poder
assumir valores em intervalos reais e os parâmetros do modelo têm que ser fixos.
O método mais comum para a resolução de problemas de PL é o algoritmo do simplex, onde as
inequações são primeiro transformadas em equações através da junção de variáveis de folga, e
depois, com a obtenção de novas bases e escrita das variáveis em função das da nova base, é
possível encontrar o ótimo, caso exista. Para além dos modelos de PL, mostram-se de grande
utilidade prática os modelos de PL inteira (PLI), em que as variáveis só podem assumir valores
inteiros, e os modelos mistos (PLIM), com variáveis dos dois tipos (inteiras e reais).

3.2.4.3 Programação dinâmica e estocástica

Para (Hillier & Lieberman, 2010) a programação dinâmica é uma técnica muito utilizada para
sequenciar decisões que estejam interrelacionadas. Providencia então procedimentos
sistemáticos que determinam a combinação ótima desse conjunto de decisões.
Neste tipo de modelos não existem formulações matemáticas padrão, isto é, as equações
utilizadas têm que ser adaptadas para que satisfaçam cada situação específica.
A programação estocástica, por outro lado, surge quando os parâmetros dos modelos, não
                                                                                                               
8
http://www.friartuck.net

 
  31  
 
 
sendo certos, assumem determinados comportamentos estatísticos conhecidos.

3.2.4.4 Incerteza
A modelação de um sistema real envolve vários fatores que podem ou não influenciar o modelo e
que devido à sua natureza são extremamente difíceis de prever. (Davenport & Beck, 2000) dizem
mesmo que a probabilidade de um escalonamento pré-computado, num sistema real como uma
fábrica, possa ser efetuado exatamente como planeado é extremamente reduzida, pois o mundo
real não é estático. Algumas fontes de incerteza definidas por estes autores, quando se trata de
um escalonamento de uma fábrica, são:
– Avarias nas máquinas,
– Problemas com operadores/staff,
– Chegada de novos pedidos que não eram esperados,
– Cancelamento ou modificação de pedidos em curso,
– Matérias-primas disponíveis antes ou depois do tempo,
– Incerteza na duração do processamento das atividades,
Existem ainda vários outros fatores que podem modificar o escalonamento previamente feito num
sistema real, e que devido às suas características fazem com que tenham que ser tratados à
medida que vão surgindo.  

3.2.4.5 Modelação do tempo: modelos discretos vs. contínuos

(Stefansson et al., 2011) retratam a importância crescente não só do desenvolvimento de
formulações matemáticas efetivas que modelem os processos produtivos, mas também da
determinação de soluções eficientes, mesmo tendo em conta a complexidade computacional
patente nos problemas de escalonamento combinatórios. A usual dificuldade de modelação de
situações reais é, no caso de problemas de escalonamento, acrescida com a representação do
tempo. Este é pois um dos maiores problemas que surge e que diferencia as várias
aproximações, podendo ser dividido em duas categorias distintas, a de tempo discreto e a de
tempo contínuo.
Para um modelo denominado discreto o horizonte de tempo está dividido num determinado
número de intervalos igualmente espaçados entre si, e os eventos que ocorrem no sistema,
apenas podem ocorrer ou no início ou no final desses intervalos.
Por outro lado, quando o modelo é contínuo, o horizonte de tempo está dividido num número
habitualmente menor de intervalos, e o espaçamento entre esses intervalos é decidido tendo em
conta o problema a resolver.
Na Figura 9 podem ver-se as diferentes formas de representação do tempo em que (a) é uma
representação de tempo discreto, (b) e (c) uma representação de tempo contínuo, com grelha
individual e comum (a todos os equipamentos/unidades) respetivamente.

 
32    
 
 

(a) (b) (c)

9
Figura  9:  formas  de  representação  do  tempo  .  

A escolha do modo de representação do tempo é um fator importante, que influencia a estrutura

e carácter do modelo e pode ser utilizada para a classificação do mesmo.
Os mesmos autores, (Stefansson et al., 2011) apresentam a seguinte explicação sobre as
formulações discretas. Os métodos de modelação que são baseados em representações
discretas do tempo, são, regra geral, muito flexíveis e têm a capacidade de ter em conta várias
especificidades dos problemas de scheduling, incluindo diferentes layouts das fábricas. Por outro
lado, este tipo de modelação que foi já eficientemente aplicada a vários problemas de
escalonamento, quer a nível industrial quer a nível académico, apresenta duas grandes
desvantagens:
i. É uma representação aproximada no domínio do tempo.
ii. O número elevado de variáveis binárias e restrições que são normalmente necessárias
para modelar um problema industrial real.
De facto, intervalos de discretização capazes de capturar todos os eventos significativos, tornam
o número de restrições e de variáveis extremamente elevado, o que, por sua vez, faz com que o
modelo seja difícil de resolver.
Com o objetivo de facilitar a resolução dos modelos e superar as dificuldades implícitas no tipo
de modelações anteriormente referidas, a enfâse no estudo do escalonamento com tempos
contínuos tem sido significativa. Para (Stefansson et al., 2011) a representação contínua do
tempo em modelos de escalonamento pode ser baseada ou em eventos globais (grelha comum),
ou em eventos para unidades/equipamentos específicos (grelha individual).
Aproximações recentemente desenvolvidas para processos sequenciais são geralmente
baseadas no conceito da precedência entre lotes, isto é, as variáveis são introduzidas para
representar as relações de precedência dos diferentes lotes e as restrições garantem que as
diferentes tarefas de produção são realizadas na sequência correta.
Estes autores concluem assim que as aproximações baseadas em representações de tempo
contínuas, quando comparadas com as discretas, têm, em geral, um número inferior de variáveis
binárias e de restrições, conduzindo a modelos de “mais simples” resolução.
No entanto, a complexidade computacional que envolve a resolução de um modelo de tempo
contínuo pode ser superior à de um modelo de tempo discreto, mesmo tendo em conta o número
inferior de variáveis e restrições do problema.

                                                                                                               
9
Fonte: (Stefansson et al., 2011).

 
  33  
 
 
3.2.4.6 Metodologias para a resolução de problemas de escalonamento
Atualmente existe um vasto número de metodologias para a resolução de problemas de
escalonamento (e outros problemas de otimização combinatória, em geral) que fornecem
também diferentes flexibilidades e oportunidades de melhorias em variadíssimos aspetos. Estes
métodos podem dividir-se em dois grandes grupos: aproximados e exatos, consoante pretendam
ou não obter a solução ótima do problema (Gomes, 2007).

3.2.4.6.1 Métodos aproximados

Estes métodos são normalmente baseados em algoritmos iterativos de procura, iniciando-se com
uma solução (determinada de forma arbitrária, com um algoritmo construtivo) que vai ser em
seguida iterativamente melhorada de acordo com um determinado conjunto de regras.
Heurísticas
Para (Gomes, 2007) quando os problemas assumem uma maior dimensão, os métodos mais
adequados à sua resolução são os de aproximação, uma vez que são capazes de produzir boas
soluções em tempos moderados.
Em primeiro lugar, uma heurística deve ser capaz de providenciar aproximações de elevada
qualidade ao ótimo global, pelo menos quando se aumenta quer o número de runs, quer a
quantidade de recursos computacionais. Em segundo lugar uma heurística “bem comportada”
deve ser robusta a alterações nas características dos problemas que visa resolver, ou seja, a
qualidade de soluções que encontra é idêntica para pelo menos uma classe de instâncias, não
diferindo de instância para instância.
Não obstante as características anteriormente referenciadas, uma heurística não deve ser
demasiado sensível quando os parâmetros do algoritmo são afinados ou quando algumas das
restrições do espaço de procura são alteradas. Além das características anteriores, uma
heurística deve também ser facilmente adaptada quer à resolução de qualquer instância do
problema, quer a novas instâncias que possam surgir.
Embora no passado os algoritmos compostos por elementos estocásticos tenham sido
designados como heurísticas na maioria das situações, a tendência da literatura recente é de
tratar este tipo de abordagens como heurísticas especiais, denominadas meta-heurísticas.
(Yang, 2011) cita a definição de meta-heurísticas de (Glover & Laguna, 1997) da seguinte forma:
“estratégia de elevado nível (master strategy) que guia e modifica outras heurísticas de modo a
produzir soluções superiores às que são normalmente geradas por uma pesquisa de ótimo local”.
(Yang, 2011) afirma ainda que as meta-heurísticas utilizam um certo trade-off entre uma procura
aleatória e uma procura local, fazendo com que seja possível encontrar soluções de boa
qualidade para problemas de otimização de difícil resolução, num período de tempo razoável,
embora nunca garantindo que as soluções encontradas são ótimas.
(Gomes, 2007) apresenta como exemplos de meta-heurísticas a procura tabu (tabu search), o
recozimento simulado (simulated annealing) ou os algoritmos genéticos. Podem ainda referir-se
os algoritmos de colónias de formigas, surgidos mais recentemente do que os anteriores.
As meta-heurísticas fornecem pois soluções “aceitáveis” para problemas reais nas áreas da

 
34    
 
 
ciência e engenharia, complexos e de difícil resolução, num período de tempo razoável.
(Yang, 2011) define também as duas maiores componentes de qualquer algoritmo meta-
heurístico, como sendo a intensificação e a diversificação. Diversificação é definida, pelo autor,
como a geração de diversas soluções de modo a ser possível explorar o espaço de procura
numa escala global. Por outro lado, a intensificação refere a capacidade de focar a procura numa
região local, sabendo que uma solução boa pode ser encontrada nessa região. Torna-se
necessário encontrar um balanço adequado entre estas duas componentes, durante a seleção
das melhores soluções, de modo a melhorar a taxa de convergência do algoritmo.
Um estudo mais recente (Nogueira et al., 2014) utiliza algoritmos baseados na meta-heurística
GRASP − Greedy Randomized Adaptive Search Procedure − para tentar minimizar os custos
totais de antecipação e atraso das tarefas para um problema de escalonamento caracterizado
por máquinas não relacionadas em paralelo. Este problema entra em consideração com os
tempos de setup dependentes da sequência de produtos e das máquinas e com os tempos de
inatividade das máquinas do sistema. Utilizam então o método GRASP para encontrar a solução
mais próxima do ótimo possível propondo três heurísticas diferentes, sendo elas um GRASP
simples, um GRASP com um procedimento de intensificação com base na técnica Path Relinking
e uma terceira através de uma procura local iterativa na fase do algoritmo GRASP de procura
local.

Inteligência artificial
Segundo (Gomes, 2007) a inteligência artificial é englobada nos métodos aproximados de
resolução de problemas de escalonamento job-shop. Trata-se de um subcampo da ciência
computacional que se preocupa com a integração da inteligência biológica e computacional de
modo a que os computadores sejam mais úteis para a resolução de problemas. A autora refere
que as duas principais metodologias da inteligência artificial que têm sido utilizadas na resolução
de problemas de escalonamento são a satisfação de restrições (constraint satisfaction) e as
redes neuronais (neural networks).  

3.2.4.6.2 Métodos exatos

Os métodos exatos de resolução de problemas de escalonamento compreendem os métodos
eficientes, a programação matemática e os métodos de ramificação e limite (branch and bound)
(Gomes, 2007).
Os primeiros aplicam algoritmos construtivos e computacionalmente eficientes que, num conjunto
definido de iterações, determinam a solução ótima de um problema de escalonamento. Estão
disponíveis para uma minoria de problemas.
A programação matemática consiste na formulação do problema de escalonamento em
programação linear, não-linear, inteira ou mista, seguida da resolução do respetivo modelo. As
ferramentas computacionais atualmente disponíveis permitem a codificação do modelo numa
linguagem de modelação específica para programação matemática e o uso de um solver
comercial (generalista) na sua resolução.

 
  35  
 
 
(Papadimitriou & Steiglitz, 1988) referem que o método branch and bound (B&B) tem como base
a enumeração implícita das soluções admissíveis de um problema de otimização combinatória.
Por outras palavras, definem B&B como um modo sofisticado para tentar concluir que uma
solução admissível é ótima, com base em sucessivas partições do espaço de soluções
admissíveis. A palavra bound do método está relacionada com os limites que são utilizados para
a referida conclusão de otimalidade evitando, regra geral, efetuar todas as partições do espaço
de soluções. Os métodos B&B são desenvolvidos de forma adaptada ao problema particular que
se pretende resolver.

3.3 Modelos de programação matemática para escalonamento

Grande parte dos trabalhos realizados até à data, na área de escalonamento da produção,
recorrem a modelos matemáticos para descrição dos problemas. Estes modelos podem depois,
como já foi visto, ser resolvidos por variadíssimos métodos.
Nos trabalhos desenvolvidos por (Blazewicz et al., 1996) e (Gomes, 2007) apresentam-se três
formas diferentes de formular os problemas de escalonamento, que se distinguem pelo tipo de
variáveis binárias utilizadas. Estes três tipos de variáveis são as variáveis binárias de Wagner,
Bowman ou Manne, que são definidas do seguinte modo por (Gomes, 2007):
• Wagner (1959):
– Xijk = 1 se a tarefa i é escalonada na posição j para processamento na máquina k,
– Xijk = 0 caso contrário.
• Bowman (1959):
– Yikt = 1 se a tarefa i é processada pela máquina k no instante (intervalo de tempo
discreto) t,
– Yikt = 0 caso contrário.
• Manne (1960):
– Zijk = 1 se a tarefa I precede a tarefa j na máquina k (não necessariamente
imediatamente antes),
– Zijk = 0 caso contrário.
(Blazewicz et al., 1996) modelam o problema definindo o grafo disjuntivo de Roy e Sussman, em
que introduzem operações fictícias, representando o início e o fim das atividades. Apresentam
também vários métodos para resolver o problema, com enfâse especial nos métodos exatos.
Os autores (Zhu & Heady, 2000) desenvolvem um modelo de programação inteira mista com o
objetivo de minimizar o avanço e atraso face à data de entrega (job earliness and tardiness) para
um problema com várias máquinas de características não uniformes. No modelo definem ainda
que os tempos de setup dependem da sequência entre as diferentes tarefas e que os tempos de
processamento dependem da combinação tarefa-máquina em questão.
Já (Gomes, 2007), a partir das variáveis de Manne, desenvolve dois modelos PLIM para resolver
um problema de escalonamento job-shop flexível (com recirculação e montagem) numa indústria
de produção de moldes. O primeiro modelo utiliza uma escala temporal discreta, modelando o

 
36    
 
 
tempo de forma explicita (é índice das variáveis), e prescinde ainda da utilização de variáveis de
afetação às máquinas. Para o segundo modelo desenvolvido a escala temporal é contínua.
Neste caso o tempo é modelado de forma implícita e são utilizadas variáveis binárias (variáveis
de Manne) para afetar as tarefas às máquinas que as realizam. Estes aspetos conduzem a uma
redução do tempo de computação na resolução do problema, mostrando-se assim ser uma
abordagem mais eficaz. Não foram tidos em conta tempos de setup dependentes da sequência
das tarefas.
Mais tarde, os autores (Logendran et al., 2007) consideram o ambiente em que as máquinas
operam, e desenvolvem o estudo para um ambiente de máquinas em paralelo não relacionadas,
tendo em conta tempos de setup dependentes. Tendo por base métodos de tabu search,
apresentam seis algoritmos de pesquisa diferentes, bem como quatro mecanismos diferentes de
procura de soluções inicias, que permitem comparar a eficiência dos algoritmos propostos.
Aproximadamente um ano mais tarde, (Beraldi et al., 2008) desenvolvem uma heurística para
indústrias têxtil e de fibra de vidro, em que a produção é feita em lotes e as máquinas que se
encontram a funcionar em paralelo são idênticas. Aqui, os autores apresentam um modelo
visando minimizar os custos de setup, que dizem ser diretamente proporcionais aos tempos de
setup correspondentes.
No mesmo ano, os autores (Allahverdi et al., 2008) efetuam uma revisão da literatura sobre
problemas de escalonamento com tempos ou custos de setup. Os problemas abordados
distinguem-se pela existência ou não de produção em lotes.
No ano de 2012 surge por (Shen & Buscher, 2012) um novo algoritmo de tabu search na
resolução de problemas de escalonamento com tempos de setup dependentes da sequência.
Também aqui, de modo a facilitar a representação do problema, é introduzido um grafo
disjuntivo.
(Stefansson et al., 2011) defendem novamente a ideia de que a escala temporal utilizada na
construção e formulação de diferentes problemas de escalonamento é o que causa as maiores
diferenças na estrutura das formulações em programação matemática. Para representar essa
diferença os autores escolhem um problema da indústria farmacêutica, dividem esse problema
em duas partes e aplicam modelos de tempo discreto e contínuo a cada um desses sub-
problemas comparando de seguida as soluções de cada modelo.
(Stefansson et al., 2011) constroem modelos de PLIM, que dizem serem mais rigorosos, robustos
e flexíveis na resolução de problemas da vida real. Segundo estes autores, a aplicação destes
modelos torna mais fácil, não só implementar as soluções obtidas pela interpretação das
variáveis inteiras utilizadas, por exemplo, na afetação de tarefas e equipamentos, como também
a introdução de equações que representem fluxos de materiais ou tipologias de redes,
características que são habituais neste tipo de problemas. Os modelos são resolvidos através do
software GAMS/CPLEX 10, sendo o leitor alertado para o facto de que pequenos aumentos no
tamanho das instâncias poderem conduzir a grandes aumentos na complexidade computacional
e a um consequente aumento do tempo necessário para encontrar uma solução.

 
  37  
 
 
(Virgílio, 2011), adaptando o modelo de tempo discreto desenvolvido por (Gomes, 2007), obteve
planos de produção para a indústria de moldes em tempos de computação reduzidos, utilizando
dados reais recolhidos numa empresa do sector.
Mais recentemente, (Sabouni & Logendran, 2013) desenvolvem um modelo matemático PLIM no
âmbito do escalonamento para as linhas de montagem dos PCBs (printed circuit boards). Para
resolver o problema criam uma heurística e duas meta-heurísticas, comparando depois a
eficiência dos métodos através dos resultados computacionais obtidos. Neste modelo, os autores
não só tiveram em conta os SDST existentes, como também os dividiram em dois grupos
possíveis, os internos e os externos. Os tempos de setup considerados internos são os
referentes às tarefas, operações e máquinas que constituem o processo de montagem dos
PCBs, enquanto os tempos de setup externos englobam todos os passos necessários à
montagem e preparação da linha de montagem dos PCBs. Estes últimos são então os tempos
em que as máquinas se encontram paradas e sem possibilidade de funcionar uma vez que estão
a ser preparadas para corresponder à ordem de montagem seguinte. Para a definição do modelo
final os autores integram tanto os tempos de setup internos como os externos, e juntam, na
função objetivo, a minimização de dois objetivos diferentes, tendo em vista não só a redução dos
tempos de montagem, mas também a diminuição dos custos associados.
Segundo (Demir & Isleyen, 2013) o desenvolvimento da área tecnológica tem originado o
aumento do número de autores que utilizam a programação matemática na resolução de
problemas de escalonamento. Afirmam ainda que embora não seja uma solução eficiente devido
à estrutura dos problemas deste tipo, as formulações de programação matemática são o primeiro
passo no desenvolvimento de heurísticas eficientes. Os autores revêm os vários modelos PLIM
existentes na literatura para problemas de escalonamento de job-shop flexível e avaliam a sua
eficiência computacional.
Para instalações fabris para as quais o processo de fabrico é feito em lotes e utilizem um
horizonte de escalonamento de curto prazo, vários autores sentiram necessidade em basear os
seus modelos em técnicas como o STN (State-Task-Network) e o RTN (Resource-Task-
Network). (Janak et al., 2004) utiliza estes métodos de modo a resolver as limitações que
considera inerentes aos modelos de tempo discreto. (Shaik & Vooradi, 2013) diferenciam as duas
dizendo que a representação de um processo numa rede STN tem dois tipos distintos de nodos:
um nodo de estado que representa matérias-primas, produtos intermédios e produtos acabados,
e um nodo de tarefa que representa as diferentes operações. Por outro lado quando se trata de
um modelo RTN, existe mais um nodo com a representação dos equipamentos de
processamento e armazenamento. Estas duas metodologias têm sido sobretudo aplicadas em
indústrias de processo (nomeadamente a indústria química).
Mais desenvolvimentos poderiam ser introduzidos nesta secção, no entanto para a posterior
resolução do caso em estudo, considera-se que os conceitos apresentados são suficientes para
que o leitor consiga entender da melhor forma todo o trabalho desenvolvido.

 
38    
 
 
3.4 Escalonamento em agro business
O último tópico deste capítulo tem como objetivo referenciar trabalhos de escalonamento que
tenham sido desenvolvidos em indústrias do sector Agro Business.
De (Bassett & Gardner, 2013) surge um trabalho em que é feito um estudo de forma a possibilitar
um desenvolvimento ótimo da cadeia de abastecimento na Dow AgroSciences.
Embora este estudo difira do presente caso na medida em que o modelo de PLIM desenvolvido é
aplicável a toda a cadeia de abastecimento e não apenas ao processo produtivo, a sua
consequente aplicação acaba por otimizar a cadeia de abastecimento integrando a produção
mensal e a calendarização do envio dos produtos acabados, de modo a maximizar o lucro total.
Uma segunda consequência da aplicação deste modelo são as melhorias que pode introduzir se
utilizado como método de rastreamento dos produtos desde a sua origem. Isto possibilita que a
validação e caracterização do inventário seja feita de forma mais rápida e correta em ambientes
fabris caracterizados pelas constantes alterações que os produtos sofrem à medida que vão
avançando no processo produtivo.
Um outro trabalho que é importante referenciar, uma vez que se encontra diretamente
relacionado com o presente caso em estudo, foi realizado por (Branquinho, 2013).
Este trabalho além de ser realizado para a mesma entidade, a SAPEC Agro, é semelhante ao
atualmente proposto, uma vez que também trata da otimização do escalonamento da produção
com tempos de setup dependentes. Neste trabalho o autor utiliza o método Branch and Bound
para resolver o modelo desenvolvido e chegar ao escalonamento semanal ótimo, se o tamanho
das instâncias o permitirem.
As diferenças entre o presente caso de estudo e o desenvolvido por (Branquinho, 2013) estão ao
nível do tipo de produtos e dos seus processos produtivos. De salientar que no caso anterior, os
produtos e processos considerados dizem respeito a pós e o presente estudo aplica-se a
produtos do tipo líquido, alterando assim o processo produtivo, quer a nível de equipamentos e
tarefas que o constituem, quer a nível das instalações onde são produzidos.

3.5 Conclusão
Após o enquadramento do problema em estudo, efetuou-se uma revisão da bibliografia existente,
onde se enunciaram as características, formas de resolução e outros aspetos de problemas de
job-shop scheduling with sequence dependent setup times, problema que se considerou mais
apto ao presente trabalho.
Hoje em dia, com os desenvolvimentos que ocorreram na área tecnológica, os modelos de PLIM
são um modo cada vez mais eficiente para a resolução de problemas de escalonamento.
Adicionado ao facto de que este tipo de modelos tem sido aplicado com sucesso às indústrias de
processos, permitindo aos utilizadores uma maior concentração na formulação dos problemas e
não na sua resolução, o modelo a adaptar na próxima fase será um modelo PLIM.
Para os capítulos seguintes em que foi necessário o desenvolvimento do modelo de forma a
representar, resolver e interpretar os resultados da aplicação de um modelo de programação

 
  39  
 
 
matemática a este tipo de indústrias, utilizou-se como ponto de partida o modelo desenvolvido
por (Zhu & Heady, 2000), que está exposto no Anexo 2.

 
40    
 
 

 
  41  
 
 

4 Definição do modelo de PLIM

Com o objetivo representar o processo produtivo que a SAPEC apresenta para os I/FL e HL e de
apoiar o processo de tomada de decisão no que diz respeito ao escalonamento da produção das
encomendas que a empresa recebe, será desenvolvido e caracterizado um modelo de
programação linear inteira mista (PLIM). O modelo descrito tem como base o modelo de tempo
contínuo apresentado por (Zhu & Heady, 2000) uma vez que este revelou ser um modelo
genérico, aplicável a problemas de escalonamento com tempos de setup dependentes da
sequência de produtos, e por isso adaptável ao caso em estudo.
Para representar o problema concreto em análise foram introduzidas alterações significativas ao
modelo base, de forma a que o escalonamento tenha em conta o máximo número de fatores
específicos do presente processo produtivo. A alteração mais importante consistiu na
generalização do modelo base, que contempla apenas uma operação ou fase de fabrico (para a
qual existem várias máquinas em paralelo), ao caso de múltiplas fases de produção, cada uma
das quais com diferentes máquinas em paralelo.
O modelo original de (Zhu & Heady, 2000) é apresentado no Anexo 2, sendo que o modelo
descrito neste capítulo é o modelo generalizado a várias fases de produção. De notar que, por
uma questão de simplificação a formulação matemática apresentada considera um processo com
três fases de produção (número de fases do caso de estudo). Deve porém ressalvar-se que a
generalização do modelo de (Zhu & Heady, 2000) efetuada neste trabalho é extensível a um
processo com 𝑛  fases de produção.

4.1 Definição e caracterização do problema em estudo

Considerando o processo produtivo associado ao caso em estudo apresentado anteriormente, o
modelo de PLIM proposto irá permitir efetuar o escalonamento da produção a curto prazo para
indústrias de produção por encomenda. Com o objetivo de aproximar o mais possível o modelo
da realidade, foram assumidas algumas hipóteses, referentes, por exemplo, ao sequenciamento
entre produtos, às operações a realizar nas diferentes secções e às máquinas existentes em
cada secção associadas ao processo produtivo. As hipóteses consideradas podem resumir-se
como se segue:
• Uma vez que os processos produtivos de ambos os tipos de produtos (I/FL e HL) são
idênticos, embora se encontrem em instalações distintas para evitar contaminação entre
as diferentes matérias-primas que os compõem, o modelo descrito na secção 4.2.6
representa ambos os processos. As principais diferenças entre os processos produtivos
dizem respeito às dimensões. Assim, o exemplo da secção 4.2.7 ilustra apenas o caso
dos I/FL, que considera um número maior de máquinas disponíveis.
• Tal como descrito no capítulo 2.3.2 o processo de formulação é composto por três fases
distintas de produção que se destinam a operações específicas. O modelo desenvolvido
neste capítulo é então generalizado para as três fases do processo produtivo.

 
42    
 
 
• A primeira fase, diz respeito às operações de dispersão e agitação (mistura) das
matérias-primas constituintes do produto final e introduzidas na máquina da fase. A
operação de dispersão efetua-se para os produtos do tipo flow, e pode ser realizada por
qualquer uma das máquinas desta fase. A operação de agitação (mistura) é para os
produtos do tipo CPE, e pode apenas ser realizada por algumas das máquinas que
pertencem a esta fase. Esta caracterização de máquinas é especificada mais à frente no
presente trabalho.
• Ainda de referir que para os tempos de processamento destas operações, entram
também os tempos necessários à alimentação das máquinas associadas, isto é, os
tempos de introdução das matérias-primas na linha de produção.
• As segunda e terceira fases do processo produtivo apenas são processadas para os
I/FL-flows (capítulo 2.3.3), pois para os CPEs apenas se efetua a operação da primeira
fase (capítulo 2.3.4). A segunda fase destina-se a realizar a operação de moagem,
enquanto a terceira e última fase diz respeito à operação de acabamento dos produtos.
• A ordem das fases tem que ser sempre respeitada, isto é, um produto não pode de modo
algum começar a ser processado na segunda fase, passando depois para a primeira e
por fim para a terceira fase. Assim, a ordem de processamento dos produtos nas
diferentes fases segue a sequência: fase1, fase 2, fase 3, como pode ser visto no
capítulo 2.3.5.
• No processo descrito anteriormente alguns dos I/FL-flow são sujeitos a duas fases de
moagem, como é o caso do IPRODIONA(500 g/l) - GRANEL. Efetivamente, estes
produtos depois de moídos numa máquina, passam para um depósito intermédio, que
está sempre disponível, voltando depois à máquina inicial para a segunda moagem.
Considerou-se então que esta sequência representa a fase de moagem, com um tempo
de execução obviamente superior ao de produtos que necessitam de uma só moagem,
como, por exemplo, o CUPRITAL SC – GRANEL. As descrições dos produtos podem ser
consultadas no Anexo 1 do presente documento.
• Os recursos necessários ao processo produtivo, quer sejam de matérias-primas, quer de
mão-de-obra, estão sempre disponíveis, o que faz com que o processo possa ser
iniciado assim que recebido o pedido de encomenda.
• As capacidades das linhas de produção não se encontram explícitas no modelo, pois são
tidas em consideração no cálculo das datas de conclusão pretendidas para os produtos
(due date), uma vez que as limitações de capacidade influenciam a data em que a
fábrica consegue efetivamente acabar o produto.
• Os tempos de setup considerados são motivados pelas lavagens realizadas sempre que
existe troca de produto numa máquina. Se na sequência de produção o produto não é
alterado este tempo é igual a zero. Assim, os tempos de setup são independentes da
fase e da máquina, sendo apenas influenciados pela da sequência de produtos referida.

 
  43  
 
 
• Segundo os dados recolhidos, a preparação das operações para o início da produção
dos diferentes produtos tem um valor médio de 15 ou de 25 minutos, dependendo do tipo
de produto. De facto, o tempo de setup inicial, ou seja, o tempo de preparação do
primeiro produto a passar numa máquina da sequência de produção, depende do
conjunto a que o produto pertence. Assim, se o primeiro produto a entrar na linha de
produção for um CPE, então o tempo de setup inicial é igual a 15 minutos. Se o primeiro
produto a ser processado for um produto do tipo flow o tempo de setup inicial é igual a 25
minutos.
• Quando alguns produtos têm necessidades de produção simultâneas, são introduzidas
restrições de precedência para que existam produtos com prioridade, ou seja, caso
produtos diferentes tenham que ser escalonados para o mesmo período de tempo, existe
um que é obrigatoriamente produzido primeiro. Para a representação destes casos foram
criados os conjuntos Γ na formulação do modelo PLIM (descrita em 4.2).
• A conclusão antecipada ou retardada de um produto acarreta custos.
• O custo (penalidade) unitário de concluir um produto depois da data de conclusão
pretendida é dado pelo custo de perda de venda. Esta simplificação deve-se
principalmente ao acesso restrito aos dados da empresa. De facto, poderiam considerar-
se outros fatores, tais como a necessidade de realocação dos produtos aos meios de
transporte para os clientes, o impacto negativo no nível de serviço, entre outros.
• O custo (penalidade) de concluir um produto antes da data pretendida é habitualmente
inferior ao de concluir depois, pois são menos fatores a considerar. O principal
componente deste custo advém, regra geral, da dificuldade de expedição imediata do
produto, originando um acréscimo nos custos de armazenamento. Neste trabalho, e pela
já referida restrição ao acesso de dados, o valor deste custo é metade do valor do custo
de acabar o produto depois da data pretendida.
• Cada fase de produção corresponde a uma operação, e para cada operação existe um
conjunto de máquinas que a podem realizar, sendo por isso considerado um processo
produtivo com máquinas em paralelo.
• Embora as máquinas que coexistem em cada secção sejam maioritariamente idênticas,
existem máquinas a trabalhar em paralelo com rendimentos diferentes. Quando tal
acontece, os tempos de processamento diferem, ou seja, se o rendimento da máquina
𝑚1 que realizar uma determinada operação num produto 𝑖 for superior ao rendimento de
outra máquina 𝑚2 que realize a mesma operação para o mesmo produto, o tempo de
processamento do produto 𝑖 nesta fase depende da máquina utilizada, sendo inferior se
utlizada 𝑚2.
• As diferenças de capacidade das máquinas não são consideradas pois não existem
encomendas que as excedam. Assim, os tempos de processamento são apenas
influenciados pelos rendimentos das respetivas máquinas, como referido.

 
44    
 
 
• Os tempos de processamento/produção das diferentes operações das diferentes fases
englobam os tempos de trasfega, isto é, os tempos de passagem entre fases. O tempo
de passagem entre a fase 1 e a 2 é pois representado no tempo de processamento da
operação da fase 1 e assim sucessivamente.
• A produção deve ser escalonada para atender à data pretendida para a conclusão num
modo de operação just-in-time.
• tempos de setup iniciais numa máquina nunca são superiores aos de troca de produto na
mesma máquina

Pretende-se ainda que o modelo ajude a definir a afetação das máquinas à produção dos vários
produtos, minimizando os custos/penalidades totais de produzir os vários produtos antes ou depois
da data pretendida.

4.2 Modelo de PLIM

4.2.1 Índices
𝑚 – máquinas (𝑚 = 1, … , 𝑀! + 𝑀! + 𝑀! ),
𝑘− fase, correspondendo a uma secção da fábrica (𝑘 = 1,2,3). A secção 1 tem disponíveis 𝑀!
máquinas representadas nos primeiros índices ( 𝑚 = 1, … , 𝑀! ), a secção 2 dispõe de 𝑀!
máquinas, as de numeração seguinte (𝑚 =   𝑀! + 1, … , 𝑀! + 𝑀! ) e a terceira secção tem 𝑀!
máquinas representadas nos índices restantes (𝑚 = 𝑀! + 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀! ).
𝑖, 𝑗 – produtos (𝑖, 𝑗 = 0,1, … , 𝑁), em que o índice 0 está associado a um produto fictício, que
representa o primeiro a ser “produzido” em cada máquina, para efeitos de simplificação da
escrita das restrições (tal como fazem (Zhu & Heady, 2000)), e os restantes índices representam
os 𝑁 produtos.

4.2.2 Escalar
𝐵 – número suficientemente elevado. Este escalar é introduzido de modo a permitir tornar
redundantes, sempre que necessário, as restrições em que é utilizado.

4.2.3 Parâmetros
𝑁 – número de produtos a produzir,
𝑀! – número de máquinas disponíveis na fase 𝑘 (𝑘 = 1,2,3),
𝑑! - data pretendida para a conclusão do produto 𝑖 (𝑖 = 1, … , 𝑁) (due date),
𝑒! – custo/penalidade por unidade de tempo de terminar o produto 𝑖 mais cedo do que o
pretendido,
𝑡! – custo/penalidade por unidade de tempo de terminar o produto 𝑖 depois da data pretendida
de conclusão,
𝑝!" - tempo de processamento do produto 𝑖 na máquina 𝑚,
𝑠!" – tempo de setup do produto 𝑖 quando este é sucessor imediato do produto 𝑗,

 
  45  
 
 
𝑠!! - tempo de setup do produto 𝑖 quando este é o primeiro a ser processado (𝑠!! ≤ 𝑠!" ).

4.2.4 Conjuntos
Γ𝑘 – conjunto de pares de produtos que têm de ser produzidos respeitando uma certa ordem na
fase 𝑘, (𝑘 = 1,2,3). Assim, se 𝑖, 𝑗 ∈ Γ1 o produto 𝑖 tem que ser produzido antes do produto 𝑗 na
fase 1,

4.2.5 Variáveis
𝑋!" - instante de conclusão do produto 𝑖 na fase 𝑘,
𝑇𝐸! – amplitude do intervalo de tempo se o produto 𝑖 for concluído mais cedo do que a sua data
pretendida de conclusão 𝑑! ,
𝑇𝑇𝒊 – amplitude do intervalo de tempo se o produto 𝑖 for concluído mais tarde do que a sua data
pretendida de conclusão 𝑑! ,
𝑌!"# – variável binária que assume o valor 1 se o produto 𝑖 for antecessor imediato do produto 𝑗
na máquina 𝑚 (logo 𝑗  é sucessor imediato de 𝑖), e 0 caso contrário,
𝑍!" – variável binária que assume o valor 1  se o produto 𝑖 for processado na máquina 𝑚, e 0
caso contrário.
Os três primeiros conjuntos de variáveis definidos podem assumir valores não negativos uma vez
que representam instantes ou intervalos de tempo. Sendo 𝑖 o índice de um produto e havendo
apenas três fases de produção, 𝑋!! indica o instante de tempo em que este termina o processo
produtivo. Por outro lado, 𝑇𝐸! mede o comprimento do intervalo de tempo caso o produto 𝑖 seja
concluído antes da data pretendida, 𝑑! . Caso o instante de conclusão do produto 𝑖 seja posterior
a esta data, o comprimento do intervalo de tempo que indica o atraso é medido pela variável 𝑇𝑇𝒊 .
Os dois últimos grupos de variáveis, são de variáveis binárias, assumindo portanto apenas os
valores 0 ou 1, dependendo da verificação das condições definidas.

4.2.6 Formulação do modelo

Tendo em conta as características do problema em estudo e as definições da secção anterior,
define-se de seguida o modelo de otimização a resolver, ou seja, a função objetivo e as
respetivas restrições funcionais.
!

min (𝑒!  𝑇𝐸! + 𝑡!  𝑇𝑇! )                                                                                                                                                                                                                                              (1)

!!!
𝑋!! − 𝑇𝑇! + 𝑇𝐸! = 𝑑!  , 𝑖 = 1, … , 𝑁                                                                                                                                                                        (2)
!!

𝑍!" = 1  ,      𝑖 = 1, … , 𝑁
!!!
!! !!!

𝑍!" = 1  ,      𝑖 = 1, … , 𝑁                                                                                                                                                                                                  (3)
!!!! !!
!! !!! !!!

𝑍!" = 1  ,      𝑖 = 1, … , 𝑁
!!!! !!! !!

 
46    
 
 
𝑋!! ≤ 𝑋!!  ,                  ∀(𝑖, 𝑗) ∈ Γ1
𝑋!! ≤ 𝑋!!  ,                    ∀(𝑖, 𝑗) ∈ Γ2                                                                                                                                                                  (4)
𝑋!! ≤ 𝑋!!  ,                    ∀(𝑖, 𝑗) ∈ Γ3
!! !!! !!!

𝑋!!   ≥ 𝑋!! + 𝑝!" 𝑍!"  , 𝑖 = 1, … , 𝑁    

!!!! !!! !!
!! !!!

𝑋!!   ≥ 𝑋!! + 𝑝!" 𝑍!" ,                                  𝑖 = 1, … , 𝑁                                                                                                                          (5)

!!!! !!
!!

𝑋!!   ≥ 𝑠!! + 𝑝!" 𝑍!" ,                                                𝑖 = 1, … , 𝑁

!!!
!

𝑌!"# ≤ 𝑍!" , 𝑖 = 0, … , 𝑁  , 𝑚 = 1, … , 𝑀! + 𝑀! + 𝑀!                                                                                      (6)

!!!
!!!
!

𝑌!"# = 𝑍!" , 𝑗 = 1, … , 𝑁  , 𝑚 = 1, … , 𝑀! + 𝑀! + 𝑀!                                                                                      (7)

!!!
!!!
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵, 𝑚 = 1, … , 𝑀!                                                                                           𝑗 ≠ 𝑖  ,                          
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵, 𝑚 =   𝑀! + 1, … , 𝑀! + 𝑀!                                                 𝑖 = 1, … , 𝑁,      (8)
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵, 𝑚 =   𝑀! + 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀! 𝑗 = 0,1, … , 𝑁

𝑇𝐸! ,      𝑇𝑇! ,      𝑋!" ≥ 0, 𝑖 = 1, … , 𝑁, 𝑘 = 1,2,3                                                                                                                  (9)

𝑍!" , 𝑌!"# ∈ 0,1 ,      𝑖, 𝑗 = 0, … , 𝑁   𝑖 ≠ 𝑗 ,      𝑚 = 1, … , 𝑀! + 𝑀! + 𝑀!                                                (10)

A função objetivo (1) representa o custo total associado aos atrasos e antecipações do sistema
de escalonamento em estudo, que se pretende minimizar. Este custo é calculado com base nos
atrasos e antecipações na produção dos diferentes produtos face às datas inicialmente
pretendidas. Assim, o primeiro termo da função (𝑒! ×𝑇𝐸! ) representa os custos associados aos
produtos que são finalizados antes da data pretendida. O segundo e último termo (𝑡! ×𝑇𝑇! )
representa os custos para os produtos que são concluídos depois da data pretendida. A soma
destes dois termos para todos os produtos escalonados representa então a função objetivo do
sistema em estudo.
Nas restrições (2) medem-se os intervalos de tempo relativos ao atraso (𝑇𝑇! ) ou à antecipação
(𝑇𝐸! ) na produção de cada produto 𝑖, comparando o instante em que este é concluído na última
fase de produção, 𝑋!! , com o da data pretendida para a sua conclusão (parâmetro 𝑑! ). Note-se
que 𝑇𝑇! e 𝑇𝐸! apenas assumem valores não nulos caso 𝑋! ≠ 𝑑! . Caso contrário, apenas uma das
variáveis pode assumir valor não nulo, ou seja, 𝑇𝑇! ×𝑇𝐸! = 0.
As restrições (3) encontram-se divididas em três conjuntos de equações uma vez que existem
três fases distintas de produção, todas elas com um conjunto de máquinas que funcionam em
paralelo, isto é, que podem realizar a mesma operação. Assume-se que cada produto tem que
passar nas três fases, cada uma representando uma secção da fábrica, e passando em cada
fase uma e uma só vez. Cada conjunto de restrições impõe assim que cada produto, em cada
fase, seja processado uma e uma só vez numa das máquinas da respetiva secção. Note-se que
a numeração das máquinas indica a secção a que pertencem, pois as primeiras 𝑀! estão

 
  47  
 
 
associadas à secção 1, as seguintes 𝑀! (𝑚 = 𝑀! + 1, … , 𝑀! + 𝑀! ) à secção 2 e as restantes 𝑀!
(𝑚 = 𝑀! + 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀! ) à secção 3. Para os produtos que não passem nas três
fases, caso existam, deve adaptar-se o modelo, sendo apenas escritas as restrições das fases
que os incluam (esta adaptação é alvo da secção 4.2.7).
As restrições (4) garantem que as relações de precedência entre pares de produtos específicos
(elementos dos conjuntos Γ𝑘) são cumpridas. Isto porque quando alguns dos produtos têm
necessidades de produção simultâneas, estão definidas regras de prioridade que fazem com que
uns sejam produzidos primeiro que outros.
As restrições (5) garantem a correta passagem dos produtos nas três fases: o produto inicia
obrigatoriamente a ser processado na fase 1; só passa à fase 2 depois de concluída a fase 1; e à
fase 3 depois de terminada a fase 2.
As restrições (6) e (7) asseguram que cada produto deve ser processado imediatamente antes e
imediatamente depois de um e um só dos outros produtos, em cada máquina por onde passe.
Estas restrições implicam também que, se um produto 𝑖 não for processado numa dada máquina
𝑚 (𝑍!" = 0), então ele não precede nenhum outro produto 𝑗  nessa máquina 𝑚, sendo nulas todas
as variáveis de precedência 𝑌!"# (para os restantes produtos 𝑗 ). Assim, as restrições (6)
garantem que um produto 𝑗 apenas pode ser sucessor imediato de um produto 𝑖 na máquina 𝑚
caso 𝑖 seja feito na máquina 𝑚. Se 𝑖 = 0, então 𝑗 é o primeiro produto a ser realizado na máquina
𝑚 (ou seja, 𝑖 é o produto fictício inicial), e portanto 𝑖 = 0 está contemplado no domínio de
validade do índice nas restrições (6). O sinal destas restrições é de “≤ " para salvaguardar o
caso de 𝑖 ser o último produto processado na máquina 𝑚, não tendo sucessores.
Por outro lado, as restrições (7) definem que se um produto 𝑗 é feito na máquina 𝑚 terá
obrigatoriamente um produto antecessor 𝑖 (podendo este ser o produto fictício inicial). Assim, o
domínio de validade deste índice nestas restrições não inclui o produto fictício inicial (𝑗   =
 1, … , 𝑁) e o sinal das restrições é de “=”.
As restrições (8), que se encontram divididas pelas três fases de produção, garantem que se um
produto 𝑖 for sucessor de 𝑗 na máquina 𝑚 (ou seja, se 𝑌!"# = 1) então o instante de conclusão do
produto 𝑖 na correspondente fase 𝑘 (𝑋!" ) não pode ser inferior à soma entre o instante de fim do
produto 𝑗 na mesma fase 𝑘 (𝑋!" ) com o tempo de processamento do produto 𝑖 na máquina 𝑚
(𝑝!" ) e o tempo de setup de 𝑖, quando este é sucessor imediato de 𝑗 (𝑠!" ). Caso contrário, ou
seja, se 𝑌!"# = 0, sendo 𝐵 uma constante suficientemente elevada, a respetiva restrição torna-se
redundante.
Nas restrições (9) e (10) define-se o domínio de variação das variáveis.

4.2.7 Adaptação do modelo à resolução de outros casos

A generalização do modelo à inclusão de produtos que apenas passam na fase 1 pode fazer-se
como se segue. Seja 𝐹1 o conjunto de produtos que apenas são processados na fase 1 (ou seja,
de tipo I/FL-CPEs) e 𝐹 o conjunto de todos os restantes produtos que para serem produzidos têm

 
48    
 
 
que passar sequencialmente nas três fases (de tipo I/FL-flow). Como anteriormente, o índice 0
representa um produto fictício que ajuda a modelar o problema. Note-se que nesta adaptação do
modelo são definidas menos variáveis, pois para os produtos 𝑖 ∈ 𝐹1, 𝑋!! ,   𝑋!! não se definem e
𝑍!" e 𝑌!"# apenas se definem para os índices da primeira fase, ou seja, para 𝑚 ≤ 𝑀! . O modelo
pode então ser escrito como se segue.

min (𝑒!  𝑇𝐸! + 𝑡!  𝑇𝑇! )                                                                                                                                                                                                                                        (11)

!∈!∪!!
𝑋!! − 𝑇𝑇! + 𝑇𝐸! = 𝑑!  , 𝑖∈𝐹
                                                                                                                                                   (12)
𝑋!! − 𝑇𝑇! + 𝑇𝐸! = 𝑑!  , 𝑖 ∈ 𝐹1
!!

𝑍!" = 1  ,      𝑖 ∈ 𝐹 ∪ 𝐹1
!!!
!! !!!

𝑍!" = 1  , 𝑖 ∈ 𝐹                                                                                                                                                                      (13)
!!!! !!
!! !!! !!!

𝑍!" = 1  ,      𝑖 ∈ 𝐹
!!!! !!! !!
𝑋!! ≤ 𝑋!!  ,                  ∀(𝑖, 𝑗) ∈ Γ1
𝑋!! ≤ 𝑋!!  ,                    ∀(𝑖, 𝑗) ∈ Γ2                                                                                                                                                                          (14)
𝑋!! ≤ 𝑋!!  ,                    ∀(𝑖, 𝑗) ∈ Γ3
!! !!! !!!

𝑋!!   ≥ 𝑋!! + 𝑝!" 𝑍!"  , 𝑖 ∈ 𝐹    

!!!! !!! !!
!! !!!

𝑋!!   ≥ 𝑋!! + 𝑝!" 𝑍!" ,                                  𝑖 ∈ 𝐹                                                                                                            (15)

!!!! !!
!!

𝑋!!   ≥ 𝑠!! + 𝑝!" 𝑍!" ,                                  𝑖 ∈ 𝐹 ∪ 𝐹1

!!!

𝑌!"# ≤ 𝑍!" ,        𝑖 ∈ 0 ∪ 𝐹1 ∪ 𝐹,      𝑚 = 1, … , 𝑀!          
!∈!!∪!
!!!
                                                                     (16)
𝑌!"# ≤ 𝑍!" ,      𝑖 ∈ 𝐹,      𝑚 = 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀!
!∈!
!!!

𝑌!"# = 𝑍!" ,      𝑗 ∈ 𝐹1 ∪ 𝐹,      𝑚 = 1, … , 𝑀!                              
!∈ ! ∪!!∪!
!!!
                                                                                   (17)

𝑌!"# = 𝑍!" ,      𝑗 ∈ 𝐹,      𝑚 = 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀!
!∈!
!!!
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵,      𝑖 ∈ 𝐹 ∪ 𝐹1, 𝑗 ≠ 𝑖  , 𝑗 ∈ 0 ∪ 𝐹 ∪ 𝐹1, 𝑚 = 1, … , 𝑀!  
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵,      𝑗 ≠ 𝑖  , 𝑖, 𝑗 ∈ 0 ∈ 𝐹,                    𝑚 =   𝑀! + 1, … , 𝑀! + 𝑀!                     (18)
𝑋!! − 𝑋!! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵, 𝑗 ≠ 𝑖  , 𝑖, 𝑗 ∈ 0 ∈ 𝐹, 𝑚 =   𝑀! + 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀!
𝑋!! ≥ 0,      𝑖 ∈ 𝐹 ∪ 𝐹!                        
                                                                                                                                                                             (19)
𝑋!" ≥ 0,      𝑖 ∈ 𝐹,      𝑘 = 2,3        

𝑇𝐸! ,      𝑇𝑇! ≥ 0,        𝑖 ∈ 𝐹 ∪ 𝐹!                                                                                                                                                                                      (20)

 
  49  
 
 
𝑍!" , 𝑌!"# ∈ 0,1 ,      𝑖, 𝑗 ∈ 𝐹 ∪ 𝐹!   𝑖 ≠ 𝑗 ,      𝑚 = 1, … , 𝑀!                                        
                             (21)
𝑍!" , 𝑌!"# ∈ 0,1 ,      𝑖, 𝑗 ∈ 𝐹   𝑖 ≠ 𝑗 ,      𝑚 = 𝑀! + 1, … , 𝑀! + 𝑀! + 𝑀!

Como notas relativamente à codificação dos modelos de PLIM na linguagem GAMS, é de referir
que as restrições (4) e (14) não foram implementadas uma vez que o exemplo real reproduzido
não tinha produtos prioritários em relação a outros, ou seja, não existia nenhuma ordem pré-
estabelecida pela empresa.
É também importante ter em conta que nos modelos de PLIM apresentados não existe nenhuma
restrição que proíba a utilização de máquinas por um produto, numa dada fase. Como de facto
alguns produtos não podem utilizar todas as máquinas de uma certa fase no exemplo real, foi
atribuído, como tempo de processamento para esses produtos nessas máquinas, um valor
elevado, de forma a obrigar a afetação desses produtos a outras máquinas da mesma fase.

4.3 Exemplo ilustrativo do funcionamento do modelo

Para melhor compreender o modelo de PLIM apresentado na secção anterior e ilustrar o seu
funcionamento, nesta secção descreve-se e resolve-se um exemplo de reduzida dimensão do
problema de job-shop with sequence dependent setup times, com dados retirados de um plano
de produção real realizado pela SAPEC.
Embora os produtos que são apresentados sejam os do plano utilizado como base neste
exemplo, todos os restantes dados necessários à implementação do modelo (tempos de
processamento, tempos de setup, custos/penalidades relativas à data de conclusão do produto,
etc.) foram gerados aleatoriamente dentro de um intervalo de valores que representasse da
10
melhor forma possível o conjunto inicial de dados originais.
O modelo PLIM foi implementado no sistema de modelação GAMS (versão 24.3.2) e resolvido
com o CPLEX versão 12.6.0.1 num Intel Core i5-43000U com um processador de 2.50 GHz e
com 4 GB de RAM e o sistema operativo Windows 7.
Como referido anteriormente, o processo produtivo é composto por três fases distintas de
produção, ou seja, a cada fase 𝑘 está associada uma determinada operação, como pode ser
analisado na Tabela   2. Durante o processo produtivo, os produtos podem ser submetidos a
todas as operações ou apenas a algumas delas, o que significa que os produtos tanto podem
passar pelas três fases como não. É importante ter em conta (como referido anteriormente) que a
primeira fase, de dispersão, engloba não só o tempo de processamento desta operação mas
também os tempos que os operadores levam para introduzir as matérias-primas nas máquinas
alocadas.
Em cada fase de produção e com o intuito de realizar as operações a que essa secção se
destina, existem várias máquinas que funcionam em paralelo, como pode ser observado na
Tabela 2.  

                                                                                                               
10 Esta geração aleatória de dados surge no âmbito do acordo de confidencialidade subscrito por todas as
partes aquando da formalização do contrato para o desenvolvimento do presente trabalho.  

 
50    
 
 
Tabela  2:  Fases  de  produção  e  máquinas  associadas  −  exemplo  ilustrativo.  
Fase de Produção Operação Máquinas $
(k) Correspondente (m)

k=1 Dispersão/Agitação m1 e m10

k=2 Moagem m13
k=3 Acabamento m18
 
 
Para este exemplo são consideradas algumas das máquinas existentes na linha de produção
(𝑚1, 𝑚10, 𝑚13 e 𝑚18) e que representam entre si as três fases de produção, uma vez que os
produtos que vão ser utilizados nesta ilustração do funcionamento do modelo podem utilizar
todas as máquinas.
O número total de produtos diferentes que podem ser produzidos na linha de produção
considerada neste caso de estudo, relativa aos I/FL-flows, é de 65. No entanto, tanto neste
exemplo, como na comparação com um caso real do plano de produção da empresa, apenas
alguns vão ser utilizados. Note-se que tal não invalida o estudo, pois os 65 produtos, embora
pertencentes à mesma família, têm aplicações práticas diferentes quando utilizados pelos
clientes e são utilizados em alturas diferentes do ano. Por estes motivos a empresa nunca tem
encomendas de todos eles em simultâneo, facto que se reflete no planeamento da produção.
O exemplo utiliza os dados relativos a encomendas dos produtos 𝑖1, 𝑖7, 𝑖9 e 𝑖14 que, como pode
ser observado na Tabela 3, representam dois casos de produtos do tipo  
𝐹! (CPEs), e dois casos de produtos do tipo 𝐹 (I/FL-flows).

Tabela  3:  Produtos  a  produzir,  máquinas  disponibilizadas  e  relações  de  precedência  iniciais.  

Conjunto do Máquinas
Produto
Produto Disponíveis

i1 F1 m1
i7 F1 m1
m1, m10
i9 F m13
m18
i14 F m1, m10, m13, m18

A escolha recaiu sobre estes quatro produtos que partilhando máquinas, ilustram o
funcionamento do modelo, tornando ativas grande parte das restrições.
Os tempos de produção são inteiros e dependendo do produto que é produzido, podem assumir
valores diferentes para as mesmas máquinas (𝑚).
Na Tabela 4 estão representados os tempos de processamento (em minutos) dos produtos nas
diferentes máquinas. A Tabela 5 contém os valores dos custos/penalidades, por unidade de
tempo, de terminar o produto depois da data pretendida (𝑡! ), de atraso; mais cedo do que o
pretendido (𝑒! ), de antecipação; e da data pretendida para a conclusão do produto (𝑑! ).

 
  51  
 
 
Tabela  4:  Tempos  de  processamento  (minutos)  −  exemplo  ilustrativo.  
Máquinas
m1 m10 m13 m18

i1 1240 - - -

Produtos
i7 2200 - - -
i9 410 310 1800 780
i14 365 265 1100 1470

11
Tabela  5:  Custos  unitários  e  datas  pretendidas  de  conclusão  −  exemplo  ilustrativo.  
Custo de
Produto Custo de Atraso Data de Conclusão
Antecipação
(i) (t i - MU/min) (d i - minutos)
(e i - MU/min)

i1 8,3325 5,16625 2880

i7 5,7210 3,86050 3000
i9 4,9532 3,47660 1642
i14 14,4448 8,22240 3124
 
Na Tabela 6 pode observar-se o último conjunto de dados necessários ao modelo para obter um
escalonamento destes quatro produtos, ou seja, o tempo de setup de cada produto quando é
sucessor de outro na linha de produção.

Tabela  6:  Custos  de  setup  iniciais  e  referentes  à  sucessão  de  produção  −  exemplo  ilustrativo.  
Sucessor
i1 i7 i9 i14

i0 15 15 25 25
i1 - 311 311 311
Antecessor

i7 316 - 316 316

i9 294 294 - 294
i14 289 289 289 -
 
 
A Tabela 7 sumariza os resultados. Nesta pode observar-se o valor da função objetivo, o número
de variáveis e de restrições funcionais do modelo, e também o número de iterações e o tempo
computacional necessários para resolver o modelo. Obteve-se a solução ótima com a utilização
de uma margem de otimalidade (“relative gap” no GAMS) de 0% ao correr o solver CPLEX.

                                                                                                               
11
Os valores dos custos unitários descritos ao longo do trabalho, embora não sejam os reais devido ao acordo
de confidencialidade, têm o mesmo número de casas decimais do que os retirados do ERP da SAPEC.

 
52    
 
 
Tabela  7:  Resultados  globais  do  modelo  −  exemplo  ilustrativo.  
Valor da Número de
Margem de Número de Número de Número de Tempo de CPU
Função Variáveis
Otimalidade Variáveis Restrições Iterações (seg)
Objetivo Binárias

0% 46.445,7 108 84 257 99 0,046

 
4.3.1 Validação do exemplo ilustrativo
Para que seja possível verificar e compreender os resultados obtidos e também de forma a tentar
perceber se o modelo construído funciona de forma correta para este exemplo de modo a que
possa ser implementado para um caso real, há que ter em conta os seguintes aspetos:
• Passagem correta dos produtos pelas máquinas (isto é, os produtos podem apenas
passar pelo conjunto de máquinas pré-definido);
• Sequência de produção correta para cada produto (ou seja, respeita-se a ordem das
fases);
• Sequência correta da ocupação de cada máquina (isto é, sem sobreposição de
operações);
• Sequência correta entre produtos como a estabelecida nos dados;
• Cálculo do valor da função objetivo.
A Tabela 8 corresponde aos resultados devolvidos pelo modelo. Na primeira coluna indica-se o
produto e, para cada fase do processo produtivo, a máquina que realiza a operação e o instante
de fim. Analisando os resultados devolvidos pelo modelo pode concluir-se que a passagem dos
produtos pelas máquinas está a ser feita corretamente, uma vez que cada produto apenas passa
pelas máquinas disponibilizadas na Tabela 3, respeitando as relações de precedência
inicialmente definidas. Note-se que, neste caso, os produtos 𝑖9 e 𝑖14 terminam a fase 1 (𝑘 = 1)
no instante em que iniciam a segunda fase (𝑘 = 2), e os instantes de fim da fase 2 são iguais aos
instantes de início da terceira fase (𝑘 = 3).
Tabela  8:  Solução  ótima,  sequência  de  produção  dos  produtos  −  exemplo  ilustrativo.  
Fases do Processo Produtivo
k=1 k=2 k=3
Instante de Instante de Instante de
Máquina Máquina Máquina
Fim Fim Fim

i1 m1 3771 - - - -
Produto

i7 m1 2215 - - - -
i9 m10 3584 m13 5384 m18 6164
i14 m10 1495 m13 2595 m18 4065
 
12
Na Figura 10 representa-se o mapa da sequência dos produtos em cada máquina
correspondente a esta solução ótima, ilustrando melhor a correta sequência referida.

                                                                                                               
12
De referir que este e os restantes mapas apresentados são uma representação simplificada, indicando os
instantes de início e fim das operações e do tempo de setup, mas sem que se verifique proporcionalidade
entre os tempos e o comprimento no eixo dos 𝑥 (como acontece habitualmente num mapa/carta de Gantt).

 
  53  
 
 
Relativamente à sequência que cada produto segue no processo produtivo, pode ainda ser
observado que o instante de fim entre fases está de acordo com o tempo de processamento dos
produtos nas fases em questão (Tabela 4).

m1 setup i7 setup i1
F1
m10 i14 setup i9
F2 m13 i14 setup i9
F3 m18 i14 setup i9
30 (min)

95

15

31

95

85

74

95

84

71

65

95

84

64
15

12

14

22

25

25

29

32

32

35

37

40

50

53

61
Figura  10:  mapa  de  ocupação  das  máquinas  –  exemplo.  

Outra conclusão a retirar deste conjunto de resultados é a de que as ordens entre fases são
respeitadas, pois o instante de fim dos vários produtos na primeira fase nunca é superior ao
instante de fim dos produtos na segunda fase subtraídos do tempo de processamento. Este
último, por sua vez, nunca é superior à diferença entre o instante de fim dos produtos na terceira
e última fase de produção e o tempo de processamento.
Por outro lado, as máquinas só executam um produto de cada vez, como facilmente se observa
na Figura 10, verificando-se também tempos de inatividade.
Para concluir a etapa de validação do modelo falta verificar o cálculo da função objetivo. Na
Tabela 9 estão representados os intervalos de tempo de atraso/adiantamento dos produtos que
ocorreram na resolução do modelo e que são utilizados no cálculo do valor da função objetivo,
conjuntamente com os custos/penalizações unitários anteriormente definidos.
Tabela  9:  Cálculo  do  valor  da  função  objetivo  –  exemplo  ilustrativo.  
Instante de Data de Tempo de Tempo de Custo de Custo de Valor a Somar
Produto
Fim Conclusão Atraso Antecipação Atraso (t i ) Antecipação a FO
(i)
(X i3 ou X i1 ) (d i ) (TTi ) (1) (TE i ) (2) (3) (e i ) (4) (5)

i1 3771 2880 891 0 8,333 5,166 7424,3

i7 2215 3000 0 785 5,721 3,861 3030,5
i9 6164 1642 4522 0 4,953 3,477 22398,4
i14 4065 3124 941 0 14,445 8,222 13592,6

Função Objetivo ((6) = Σ(5) = Σ((1)x(3) + (2)x(4))) = 46.445,7  

Pode ser observado que o produto 𝑖7 é concluído 785 minutos antes do tempo pretendido e os
três produtos restantes, 𝑖1 𝑖9 e 𝑖14 são concluídos depois da data pretendida, mais
especificamente, com um atraso de 891, 4522 e 941 minutos relativamente a essa data,
respetivamente. Neste exemplo nenhum produto é concluído no instante pretendido de
conclusão.
O valor da função objetivo apresentado pelo programa deve então ser igual à soma dos produtos
entre os valores da tabela anterior e os valores dos custos unitários apresentados na Tabela 5 e
aqui repetidos. Ou seja, o valor da função objetivo é 46445,7  u.m. = 891×8,3325 + 785×

3,8605 + 4522×4,9532 + 941×14,4448  igual ao valor obtido ao resolver o modelo (ver

Tabela 7 e Tabela 9).

 
54    
 
 
4.4 Conclusão
No capítulo 2 foi introduzido e descrito o processo produtivo do caso em estudo, realçando
também os aspetos mais importantes constituintes do planeamento e escalonamento da
produção na SAPEC Agro. A revisão de literatura efetuada no capítulo 3 apontou para a
utilização de um modelo matemático de otimização. Em consequência, no presente capítulo
desenvolveu-se e caracterizou-se um modelo de programação linear inteira mista (PLIM) que
generaliza o modelo de (Zhu & Heady, 2000) à resolução do caso em estudo. As alterações
introduzidas no modelo base foram então feitas de forma a caracterizar o melhor possível o caso
em análise, com o maior detalhe possível e aproximando-o da realidade do funcionamento do
processo produtivo na SAPEC Agro.
Depois de definida a formulação matemática do problema, apresenta-se um exemplo ilustrativo
de reduzida dimensão do problema de job-shop com tempos de setup dependentes da sequência
de produtos. De facto, tanto os dados que foram recolhidos e tratados, bem o estudo do
processo produtivo da SAPEC Agro, apontam para este tipo de problema. Tal coincide com o
que regra geral se aplica em indústrias deste tipo. A introdução dos dados no modelo e a sua
execução foi um passo essencial de forma a efetivar a sua validade, tendo em conta as
especificações do sistema de produção identificadas.
No capítulo seguinte o modelo desenvolvido será aplicado a um exemplo de um plano de
produção da SAPEC Agro de forma a comparar a situação atual com o escalonamento efetuado
pelo modelo.

 
  55  
 
 

5 Resolução do caso em estudo

Neste capítulo descreve-se a aplicação do modelo de PLIM desenvolvido ao escalonamento de
um conjunto de produtos da empresa SAPEC Agro. Esta aplicação é feita através da utilização
de um plano de produção real da empresa, com um horizonte de planeamento de uma semana.
Com o estudo deste plano semanal de produção, nomeadamente da afetação dos produtos
constituintes às máquinas disponíveis e as sequências definidas pela empresa, é possível retirar
os dados necessários e utilizá-los na implementação do modelo, para em seguida comparar os
resultados obtidos (ao resolver o modelo) com o plano de produção real da empresa. No final
conclui-se sobre a aplicação deste tipo de métodos e do modelo desenvolvido ao planeamento e
escalonamento do processo produtivo da SAPEC Agro.

5.1 Introdução dos dados

Nesta secção descreve-se o exemplo real do plano de produção utlizado para comparar a
solução utilizada pela empresa com os resultados devolvidos pelo modelo. O plano de produção
semanal escolhido diz respeito à semana 37 do ano corrente e engloba o escalonamento da
produção de 14 produtos diferentes. Como referido, e por motivos de confidencialidade, todos os
dados introduzidos no modelo são gerados a partir dos dados reais fornecidos pela empresa
para os produtos que constituem este plano de produção e de modo a que a sua representação
seja a mais correta possível. A geração de dados foi feita de modo aleatório, de acordo com uma
distribuição uniforme entre os valores mínimo e máximo do conjunto de dados reais da empresa.
O escalonamento atual, doravante denominado Plano SAPEC, é fundamentalmente realizado
com base na muita experiência acumulada dos responsáveis da fábrica. Estes desenvolvem a
afetação dos produtos às máquinas numa folha Excel que enviam posteriormente para a secção
de produção, para que os operadores comecem a produção. Os dados relativos a este plano,
apresentados na presente dissertação, foram recolhidos das tabelas Excel referentes ao plano
da semana em causa, e adaptados a novas tabelas disponibilizadas na secção 5.2.
A linha de produção dos I/FL (incluindo os dois tipos de produtos, CPEs e flows) encontra-se
dividida em três fases de produção distintas, que correspondem às diferentes operações a que
os produtos estão sujeitas. Como consta da Tabela 10, no conjunto de todas as fases, esta
secção de produção é constituída por um total de 20 máquinas e cada máquina executa uma só
operação. A capacidade de cada máquina 𝑚 é unitária, isto é, apenas pode produzir um produto
de cada vez.

 
56    
 
 
Tabela  10:  Fases  de  produção  e  máquinas  associadas.  

Fase de Produção Operação Máquinas $

(k) Correspondente (m)
m1 a m6
k=1 Dispersão
m10 a m12

k=2 Moagem m13 a m17

k=3 Acabamento m18 a m20

 
 
Todas as máquinas que pertencem à mesma fase podem realizar a respetiva operação. No
entanto, devido a especificações da empresa relacionadas com as duas famílias de produtos em
estudo, nem todas as máquinas podem ser afetas a todos os produtos deste plano de produção.
O produto 𝑖1, por exemplo, pertencente à família dos CPEs, apenas passa na fase 𝑘 = 1, e a
operação desta fase, de dispersão, só pode ser realizada pelas máquinas 𝑚1 a 𝑚6. Por outro
lado, o produto 𝑖10 passa por todas as três fases de produção, podendo, na fase 𝑘 = 1, ser
alocado apenas às máquinas 𝑚1 a 𝑚6 e 𝑚10 a 𝑚12.
As máquinas 𝑚7, 𝑚8 e 𝑚9 estão designadas para produtos específicos. Uma vez que nenhum
destes produtos engloba o plano de produção em estudo, pois nenhum se encontra nas
encomendas feitas na data de realização deste plano de produção, estas três máquinas foram
excluídas dos dados de utilizados.
Na Tabela 11 podem ser observadas as relações entre as máquinas de cada fase e o tipo de
produtos a escalonar, ou seja, indicam-se as máquinas que se encontram disponíveis para
realizar as operações nos 14 produtos identificados e quais as fases de produção a que cada
produto está sujeito.

Tabela  11:  Produtos  a  produzir,  máquinas  disponibilizadas.  

F 1 (CPE)
i1 i2 i3 i4 i5 i6 i7

Fase k=1 m1 a m6 m1 a m6 m1 a m6 m1 a m6 m1 a m6 m1 a m6 m1 a m6

F (I/FL-flow) F 1 (CPE) F (I/FL-flow)

i8 i9 i10 i11 i12 i13 i14

m1 a m6 m1 a m6 m1 a m6 m1 a m6 m1 a m6 m1 a m6
k=1 m1 a m6
m10 a m12 m10 a m12 m10 a m12 m10 a m12 m10 a m12 m10 a m12

Fase k=2 m13 a m17 m13 a m17 m13 a m17 m13 a m17 - m13 a m17 m13 a m17

k=3 m18 a m20 m18 a m20 m18 a m20 m18 a m20 - m18 a m20 m18 a m20

 
  57  
 
 
No Anexo 1 encontram-se tabelas onde podem ser observadas as descrições dos produtos e das
máquinas utilizadas no caso corrente em estudo.
Os tempos de processamento dos diferentes produtos são valores inteiros e a unidade é
minutos. Note-se que estes tempos dependem quer da máquina a utilizar quer do produto a
processar.
Na Tabela 12 podem ser observados os tempos de processamento de todos os produtos nas
diferentes máquinas correspondentes às três fases do processo produtivo, que foram utilizados
para a resolução do caso em estudo.

Tabela  12:  Tempos  de  processamento  (em  minutos).  

Fases
k=1 k=2 k=3
m1 m2 m3 m4 m5 m6 m10 m11 m12 m13 m14 m15 m16 m17 m18 m19 m20

i1 1240 1240 1240 1240 1240 1240 - - - - - - - - - - -

i2 1240 1240 1240 1240 1240 1240 - - - - - - - - - - -
i3 1060 1060 1060 1060 1060 1060 - - - - - - - - - - -
F1 i4 1060 1060 1060 1060 1060 1060 - - - - - - - - - - -
i5 1840 1840 1840 1840 1840 1840 - - - - - - - - - - -
i6 1300 1300 1300 1300 1300 1300 - - - - - - - - - - -
Produtos

i7 2200 2200 2200 2200 2200 2200 - - - - - - - - - - -

i8 350 350 350 350 350 350 250 265 - 850 850 850 850 610 1530 1470 -
i9 410 410 410 410 410 410 310 - 310 1800 1800 1800 1800 - 780 - 780
F
i10 350 350 350 350 350 350 250 265 - 850 850 850 850 610 1530 1470 -
i11 410 410 410 410 410 410 310 - 310 1800 1800 1800 1800 - 780 - 780
F1 i12 1735 1735 1735 1735 1735 1735 - - - - - - - - - - -
i13 356 356 356 356 356 356 256 - - 850 850 850 850 - 1500 - -
F
i14 365 365 365 365 365 365 265 - - 1100 1100 1100 1100 - 1470 - -
 
A Tabela 13 discrimina os tempos mínimos de produção dos produtos, para cada fase e o
respetivo valor total. Estes valores são calculados supondo que os produtos são realizados nas
máquinas de cada fase com os menores tempos de processamento possíveis, sendo o tempo
mínimo total igual à soma dos tempos mínimos de processamento para cada fase.
Exemplificando, o produto 𝑖14 passa pelas três fases do processo de formulação antes de ser
concluído. Na primeira fase, a máquina que o consegue processar em menos tempo leva 265
minutos. Para a segunda e terceira fase, as máquinas com os menores tempos de
processamento demoram 1100 e 1470 minutos a concluir as operações, respetivamente. Logo,
se o produto pudesse ser produzido nas condições ideais, isto é, no menor tempo possível de
produção, demoraria 2835 (265 + 1100 + 1470) minutos a ser produzido, valor que consta da
Tabela 13.

 
58    
 
 
Tabela  13:  Tempos  de  Processamento  Mínimos  (em  minutos).  
k1 k2 k3 Total k1 k2 k3 Total

i1 1240 - - 1240 i8 250 610 1470 2330

i2 1240 - - 1240 i9 310 310 780 1400
i3 1060 - - 1060 i10 250 610 1470 2330
i4 1060 - - 1060 i11 310 310 780 1400
i5 1840 - - 1840 i12 1735 - - 1735
i6 1300 - - 1300 i13 256 850 1500 2606
i7 2200 - - 2200 i14 265 1100 1470 2835
 
 
Embora os tempos de processamento dos produtos nas diferentes máquinas dependam apenas
do tipo de produto, é necessário ter em conta os tempos de setup, ou seja, os tempos de
preparar o início da tarefa seguinte. A Tabela 14 representa então todos os tempos de setup para
os 14 produtos, sendo que o elemento da linha 𝑖 coluna 𝑗 indica o tempo de setup se o produto 𝑖
é antecessor imediato de 𝑗. A tabela é apresentada por produtos, pois como referido os tempos
de setup são independentes da máquina em que os produtos são processados em cada fase. De
notar que a matriz é assimétrica, ou seja, o tempo de setup de produzir o produto 𝑗
imediatamente depois do produto 𝑖,não é o mesmo de produzir o produto 𝑖 imediatamente depois
do produto 𝑗. Exemplificando: o tempo de setup de produzir o produto 𝑖6 imediatamente depois
de produzir 𝑖4 tem um valor igual a 307 minutos. Por outro lado, se o produto 𝑖4 for produzido
imediatamente depois de 𝑖6, o tempo de setup já terá um valor igual a 289 minutos.

Tabela  14:  Tempos  de  setup  dos  produtos  (em  minutos).  

i1 i2 i3 i4 i5 i6 i7 i8 i9 i10 i11 i12 i13 i14

i0 15 15 15 15 15 15 15 15 15 15 15 15 15 15
i1 0 311 311 311 311 311 311 311 311 311 311 311 311 311
i2 311 0 311 311 311 311 311 311 311 311 311 311 311 311
i3 337 337 0 337 337 337 337 337 337 337 337 337 337 337
i4 307 307 307 0 307 307 307 307 307 307 307 307 307 307
i5 287 287 287 287 0 287 287 287 287 287 287 287 287 287
i6 289 289 289 289 289 0 289 289 289 289 289 289 289 289
i7 316 316 316 316 316 316 0 316 316 316 316 316 316 316
i8 310 310 310 310 310 310 310 0 310 310 310 310 310 310
i9 294 294 294 294 294 294 294 294 0 294 294 294 294 294
i10 301 301 301 301 301 301 301 301 301 0 301 301 301 301
i11 294 294 294 294 294 294 294 294 294 294 0 294 294 294
i12 313 313 313 313 313 313 313 313 313 313 313 0 313 313
i13 316 316 316 316 316 316 316 316 316 316 316 316 0 316
i14 289 289 289 289 289 289 289 289 289 289 289 289 289 0
 
 
Tal como os restantes tempos, também os tempos de setup estão representados em minutos.
De uma análise da Tabela 14 pode observar-se que todos os valores de setup iniciais, ou seja,
quando o produto 𝑖 é o primeiro produto a ser produzido na máquina em questão, têm valor igual

 
  59  
 
 
a 15 ou a 25 minutos para os produtos de 𝐹! ou de 𝐹, respetivamente. São considerados tempos
de setup nulos sempre que se mantém o produto a ser processado, o que pode ocorrer, por
exemplo, se existirem dois pedidos de encomendas de um mesmo produto.
A Tabela 15 inclui o último conjunto de dados necessário, mais concretamente, o
13
custo/penalidade por unidade de tempo de adiantar/atrasar a produção de cada produto 𝑖, bem
como as datas de conclusão pretendidas. Os valores dos custos unitários são apresentados em
unidades monetárias por unidade de tempo (u.m./minuto) e os das datas de conclusão, primeiro
em dias e depois em minutos. O número de minutos de trabalho considerados por dia foi de 1440
minutos, que corresponde a 24 horas de trabalho, de modo a representar a situação real da
empresa.
Como referido na secção 4.1, o custo por unidade de tempo de terminar o produto depois da data
pretendida de conclusão é igual ao custo de perca de venda. O custo por unidade de tempo de
antecipar a produção é sempre inferior, sendo, neste caso, metade do valor do primeiro.
Várias razões motivam que o custo de antecipar a produção seja inferior ao de atrasar. A título
exemplificativo saliente-se o facto de consumar a venda do produto mais cedo e por
consequência faturar antes do previsto, originando um maior fluxo de cash flow para a empresa,
do que se fosse concluído depois da data pretendida. Fatores como o maior consumo de
recursos como energia, capacidade, e ainda outros fatores como depreciações das máquinas por
maior utilização e custos de mão-de-obra mais elevados têm também grande influência para que
tenha sido seguida esta suposição.

Tabela  15:  Custos  unitários    (em  u.m./minuto)  e  datas  de  conclusão  dos  produtos.  

Data de Conclusão Data de Conclusão

ti ei dias minutos ti ei dias minutos

i1 8,333 5,166 2,00 2880 i8 9,270 5,635 1,81 2600

i2 3,191 2,596 1,00 1440 i9 4,953 3,477 1,14 1642
i3 9,238 5,619 0,97 1400 i10 9,270 5,635 1,83 2640
Produtos

Produtos

i4 28,368 15,184 1,27 1824 i11 4,953 3,477 1,39 2000

i5 4,166 3,083 1,70 2442 i12 13,347 7,673 1,70 2444
i6 7,708 4,854 1,38 1988 i13 6,748 4,374 1,98 2846
i7 5,721 3,861 2,08 3000 i14 14,445 8,222 2,17 3124
 

Para o cálculo das datas de conclusão pretendidas (Tabela 15) foram fornecidos pela empresa
os dias da semana 37 em que estava previsto o início da produção de cada produto bem como
os dias que a empresa previa demorar para concluir os mesmos. É ainda importante referir que a
data pretendida para a conclusão de um qualquer produto nunca pode ser inferior ao tempo total
mínimo de produção desse produto. O motivo da existência de valores não inteiros na Tabela  

                                                                                                               
13
Por questões de confidencialidade os custos não são exatamente os custos retirados do sistema ERP, sendo
também utilizada a unidade monetária (u.m.) pela mesma razão.

 
60    
 
 
15 para os valores das datas pretendidas de conclusão, deriva do facto de os produtos poderem
ser concluídos em qualquer instante de um dia de trabalho.
A data pretendida para a conclusão dos produtos, calculada pelos responsáveis da fábrica, é
feita individualmente para cada produto. Desta forma, não são considerados produtos que
utilizem as mesmas máquinas, antecipando a data efetiva de conclusão. Para este cálculo os
responsáveis por esta tarefa tentam não se afastar muito dos tempos mínimos de processamento
dos vários produtos, uma vez que concluída a fase de formulação, os produtos ainda têm que
seguir para a linha de enchimento antes de poderem “dar saída” para os clientes. Por norma,
esta fase acrescenta pelo menos mais meio-dia aos tempos de fim calculados até que os
produtos estejam disponíveis para enviar para os clientes. No entanto, as fases seguintes às
operações de formulação já saem do âmbito do caso em estudo, visto que para essas mesmas
fases é feito um escalonamento à parte deste.
Como o exemplo se refere a um plano de produção semanal, e na semana considerada a fábrica
encontrava-se a trabalhar de segunda a sábado, o horizonte de escalonamento considerado é de
seis dias. Nestas alturas, em que não existe produção ao domingo, este dia é normalmente
utilizado como reset, ou seja, é o dia de arrumação e limpeza das linhas de produção para que
na segunda-feira a produção possa recomeçar do zero, sem que existam acréscimos de tempo
por transporte de produções de uma semana para a semana seguinte. Tal motivou a que se
considerasse que no instante zero em que o modelo é corrido, todas as máquinas se encontram
disponíveis, não existindo nenhum produto com o processo de produção em aberto.
Concluída a fase de introdução de dados no modelo, pode então passar-se à sua execução, de
forma a obter resultados e retirar conclusões.

5.2 Plano SAPEC

Antes de introduzir os resultados do modelo desenvolvido para representar este sistema
produtivo da empresa, são calculados os valores associados ao escalonamento realizado pelos
responsáveis pela produção na SAPEC, de modo a que seja possível depois efetuar a
comparação de resultados.
Os dados utilizados nestes cálculos são exatamente os mesmos que foram introduzidos na
secção anterior e que vão ser também os dados de input do modelo.
As datas pretendidas para a conclusão dos produtos apresentadas na Tabela 15, como referido,
foram as datas dadas pelos responsáveis pela produção para a conclusão dos produtos. No
entanto, na Tabela 16 podem observar-se as datas em que os produtos foram efetivamente
concluídos, em dias e minutos, neste plano (Plano SAPEC). Estas datas (em minutos) são
utilizadas no cálculo dos comprimentos dos intervalos de tempo de antecipação/atraso e,
posteriormente, no cálculo do valor da função objetivo para o plano atual. O mapa de ocupação
das máquinas que ilustra também a sequência de produção dos produtos está representado na
Figura 11.

 
  61  
 
 
Tabela  16:  Datas  de  conclusão  e  sequência  de  máquinas  do  Plano  SAPEC.  

Data de Conclusão Data de Conclusão

dias minutos m dias minutos m

i1 1,80 2592 m2 i8 2,25 3240 m10-m16-m19

i2 3,22 4636 m2 i9 3,07 4421 m10-m15-m20
i3 0,88 1267 m3 i10 4,32 6214 m11-m14-m19
Produtos

Produtos
i4 1,27 1824 m4 i11 2,32 3347 m11-m14-m20
i5 2,48 3577 m5 i12 3,54 5092 m1
i6 1,88 2708 m6 i13 3,41 4913 m12-m13-m18
i7 2,08 3000 m1 i14 2,17 3124 m12-m13-m18
 
 
Para o cálculo da função objetivo é então necessário determinar os valores de 𝑇𝐸! , que são a
amplitude dos intervalos de tempo se as tarefas 𝑖 forem concluídas mais cedo que a sua data
pretendida de conclusão 𝑑! , e de 𝑇𝑇𝒊 que são a amplitude do intervalo de tempo se as tarefas 𝑖
forem concluída mais tarde que a sua data pretendida de conclusão 𝑑! . Estes valores são dados
pela subtração da data de conclusão à data pretendida de conclusão para cada produto 𝑖. A
Tabela 17 contém estes valores para os 14 produtos compreendidos pelo estudo.
m1 i7 i12
m2 i1 i2
m3 i3
m4 i4
Fase1

m5 i5
m6 i6
m10 i8 i9
m11 i11 i10
m12 i14 i13
m13 i14 i13
m14 i11 i10
Fase 2

m15 i9
m16 i8
m17
m18 i14 i13
Fase 3

m19 i8 i10
m20 i11 i9
(min)
52

31

37

24

98

08

92

24

47

96

29

94

77

36

14
7

0
20

45

67

76

92

13

15

17

18

22

27

25

31

33

33

36

38

35

46

62

Figura  11:  Escalonamento  associado  ao  Plano  SAPEC  –  ocupação  de  máquinas.  

 
62    
 
 
Tabela  17:  Antecipação/Atraso  (minutos)  nas  Produções  –  Plano  SAPEC.  
Instante de Data
Antecipação Atraso Sequência de Máquinas
Fim Pretendida

i1 2592 2880 288 0 m2

i2 4636 1440 0 3196 m2
i3 1267 1400 133 0 m3
i4 1824 1824 0 0 m4
i5 3577 2442 0 1135 m5
i6 2708 1988 0 720 m6
Produto

i7 3000 3000 0 0 m1
i8 3240 2600 0 640 m10 - m16 - m19
i9 4421 1642 0 2779 m10 - m15 - m20
i10 6214 2640 0 3574 m11 - m14 - m19
i11 3347 2000 0 1347 m11 - m14 - m20
i12 5092 2444 0 2648 m1
i13 4913 2846 0 2067 m12 - m13 - m18
i14 3124 3124 0 0 m12 - m13 - m18

Função Objetivo: 131.503,58

Com os valores das tabelas expostas nesta secção e com os do custo/penalidade por unidade de
tempo de terminar a tarefa 𝑖 atrasada/antecipada é então possível calcular o valor da função
objetivo para o plano SAPEC da semana de produção em estudo.
O valor da função objetivo é então dado por:
𝐹𝑂!"#$% = 288×5,16625 + 3196×3,1914 + 133×5,61905 +
+ 1135×4,1659 + 720×7,7079 + 640×9,2702 + 6340×4,9532 + 6068×9,2702
+ 2380×4,9532 + 2648×13,3467 + 6269×6,7475 + 916×14,4448
= 131.503,58  unidades  monetárias  
O valor do custo total da solução utilizada pela empresa neste caso é então de 131.503,58 u.m.

5.3 Plano GAMS

Para a obtenção de resultados, o modelo de PLIM foi implementado no sistema de modelação
GAMS (versão 24.3.2) e resolvido com o CPLEX versão 12.6.0.1 num Intel Core i5-43000U com
um processador de 2.50 GHz e com 4 GB de RAM e o sistema operativo Windows 7.
14
A margem de otimalidade escolhida para a resolução do modelo é de 0%. Na Tabela 18 são
apresentadas as características (dimensões) do modelo e os resultados obtidos, para posterior
comparação com os valores do Plano SAPEC. A solução obtida designa-se Plano GAMS.
Um factor importante a ter em conta ao resolver o modelo é a influência do limite máximo do
15
tempo de computação disponível (para essa resolução) nos resultados obtidos . Para tal
efetuaram-se três testes:
1. Correr o solver durante 1 minuto,

                                                                                                               
14
Esta margem de otimalidade é a definida no GAMS antes da resolução do modelo.
15
Parâmetro do GAMS igualmente definido antes da resolução do modelo.
 

 
  63  
 
 
2. Correr o solver durante 10 minutos,
3. Correr o solver durante 30 minutos.
Os resultados obtidos para estes testes figuram também na Tabela  18.

Tabela  18:  Resultados  da  Aplicação  do  Modelo  ao  caso  em  Estudo  –  Plano  GAMS.  
Valor da Número de Limite
Relative Número de Número de Número de
Função Variáveis Máximo
Gap Variáveis Restrições Iterações
Objetivo Binárias CPU (min)

14,51% 104.149,36 4.294 4.220 12.379 99.559 1

0,19% 104.149,36 4.294 4.220 12.379 1.130.321 10
0,00% 104.149,36 4.294 4.220 12.379 1.344.074 30
 
 
Como pode ser observado na Tabela   18, mantendo-se o modelo, o número de variáveis e de
restrições é sempre igual. O valor da função objetivo também se mantém nos três casos, mas a
margem de otimalidade (relative gap) é diferente. A conclusão a retirar é a de que o solver,
quando corrido para um limite máximo do tempo de computação de 30 minutos, consegue provar
que a solução encontrada é a ótima (o relative gap é nulo). E na realidade a corrida terminou aos
671,6 segundos (cerca de 11 minutos), instante em que ficou provada a otimalidade da solução.
Para os outros dois casos com limites máximos de 1 e 10 minutos, o valor da função objetivo é o
mesmo, no entanto o solver não consegue provar que a solução é ótima. De facto, o valor do
relative gap reduz-se de 14,51% para 0,19% quando o limite imposto ao tempo de computação
aumenta de 1 para 10 minutos. Nota-se ainda um significativo acréscimo no número de
iterações.
Tal como na validação do exemplo ilustrativo, a passagem dos produtos pelas fases de produção
é feita na sequência correta, sendo os produtos pertencentes a 𝐹! produzidos apenas na primeira
fase.
Tanto os tempos de processamento dos produtos nas diferentes máquinas escalonadas, como
os tempos de setup (iniciais e entre sequências de produtos) são respeitados pelo modelo. Estas
observações podem ser confirmadas quer na Tabela 19 quer no mapa da Figura 12, onde estão
também representados os tempos de início e de conclusão dos produtos.

 
64    
 
 
Tabela  19:  Validação  dos  Tempos  (min)  de  Conclusão  Devolvidos  pelo  Modelo  –  Plano  GAMS.  
Tempo de Instante de
Produto Tempo de Tempo de
Processam. Fim
Início Setup
(i) (p im) (X i3 ou X i1 )

m1 i7 800 2200 15 3000

m2 i6 688 1300 15 1988
m3 i4 764 1060 15 1824
i3 340 1060 15 1400
m4
i5 1737 1840 337 3577
m5 i12 709 1735 15 2444
i2 89 1240 15 1329
k=1 m6
i1 1640 1240 311 2880
i14 1230 265 25 1495
m10
i13 3269 265 289 3534
i10 1230 265 25 1495
m11
i8 3001 265 301 3266
i11 1515 310 25 1825
Fase

m12
i9 2589 310 294 2899
m13 i11 1825 1800 25 3625
m14 i13 3534 850 25 4384
m15 i14 1495 1100 25 2595
K=2
m16 i9 2899 1800 25 4699
i10 1495 610 25 2105
m17
i8 3266 610 301 3876
i14 2595 1470 25 4065
m18
i13 4384 1500 289 5884
i10 2105 1470 25 3575
k=3 m19
i8 3876 1470 301 5346
i11 3625 780 25 4405
m20
i9 4699 780 294 5479

Outra ilação que pode ser retirada da observação da tabela anterior e da Figura 12 é a de que as
operações não se sobrepõem ao longo do horizonte de escalonamento. Quer isto dizer que o
tempo de início de produção de um produto numa qualquer máquina nunca é inferior ao tempo
de conclusão do produto que o antecede (antecessor imediato) na mesma máquina.
Na Tabela 20 estão representados os valores utilizados no cálculo do valor da função objetivo.
Na primeira linha da segunda coluna aparece descrito 𝑋!! ou 𝑋!! como tempo de conclusão,
porque quando se trata de um produto que pertença ao conjunto 𝐹! o tempo de conclusão desse
produto é igual ao tempo de conclusão da primeira fase (𝑘 = 1), uma vez que os produtos deste
grupo não passam nas fases seguintes. Caso contrário, ou seja, caso o produto pertença ao
conjunto 𝐹, o tempo de conclusão é igual ao da última fase, 𝑘 = 3.
Com a análise da Tabela 20 pode-se concluir que apenas o produto 𝑖2 foi processado antes do
tempo pretendido, e que os produtos 𝑖5, 𝑖8, 𝑖9, 𝑖10, 𝑖11, 𝑖13 e 𝑖14 foram acabados com tempo a

 
  65  
 
 
mais que o pretendido. Relativamente aos produtos 𝑖1, 𝑖3, 𝑖4, 𝑖6, 𝑖7 e 𝑖12, pode ser observado
que quando é utilizado o Plano GAMS todo este conjunto de produtos é concluído exatamente no
tempo de conclusão pretendido.
m1 i7
m2 i6
m3 i4
m4 i3 i5
Fase1

m5 i12
m6 i2 i1
m10 i14 i13
m11 i10 i8
m12 i11 i9
m13 i11
m14 i13
Fase 2

m15 i14
m16 i9
m17 i10 i8
m18 i14 i13
Fase 3

m19 i10 i8
m20 i11 i9
(min)
30

00

95

37

25

05

89

80

00

69

75

25

65

05

46

84
8

4
89

68

76

12

14

14

17

18

21

25

28

30

32

35

36

40

44

53

58
Figura  12:  Escalonamento  associado  ao  Plano  GAMS  –  ocupação  de  máquinas  (tempo  em  minutos).  

Tabela  20:  Adiantamentos/Atrasos  nas  Produções  −  Plano  GAMS.  Cálculo  do  valor  ótimo.  
Tempo de Tempo de Custo de Custo de
Instante de Valor a
Due Date Atraso Antecipação Atraso Antecipação
Fim Somar a FO
(d i ) (TTi ) (TE i ) (ti ) (e i )
(X i3 ou X i1 )
(1) (2) (3) (4) (5)

i1 2880 2880 0 0 8,333 5,166 0,00

i2 1329 1440 0 111 3,191 2,596 288,12
i3 1400 1400 0 0 9,238 5,619 0,00
i4 1824 1824 0 0 28,368 15,184 0,00
i5 3577 2442 1135 0 4,166 3,083 4728,30
i6 1988 1988 0 0 7,708 4,854 0,00
Produto

i7 3000 3000 0 0 5,721 3,861 0,00

i8 5346 2600 2746 0 9,270 5,635 25455,97
i9 5479 1642 3837 0 4,953 3,477 19005,43
i10 3575 2640 935 0 9,270 5,635 8667,64
i11 4405 2000 2405 0 4,953 3,477 11912,45
i12 2444 2444 0 0 13,347 7,673 0,00
i13 5884 2846 3038 0 6,748 4,374 20498,91
i14 4065 3124 941 0 14,445 8,222 13592,56

Função Objetivo ((6) = Σ(5) = Σ((1)x(3) + (2)x(4))) = 104.149,36  

Como se viu, são os valores da antecipação, ou atraso, de conclusão pretendida que, ao serem
multiplicados pelos respetivos custos por unidade de tempo, permitem o cálculo do valor da
função objetivo. O valor da função objetivo, representativo dos custos totais do sistema, é então
igual a 104.149,36 u.m., como constava da Tabela 18.

 
66    
 
 
5.4 Comparação de resultados: Plano SAPEC vs Plano GAMS
Existem várias diferenças entre o plano de produção obtido pela SAPEC (secção 5.2) – Plano
SAPEC – e os resultados obtidos ao resolver o modelo de PLIM implementado (secção 5.3) –
Plano GAMS. Estas surgem quer ao nível da utilização de recursos e dos tempos de produção,
quer ao nível dos custos originados pelo escalonamento deste caso particular, correspondente a
uma semana de trabalho na produção.
Antes de prosseguir, é importante referir que a disponibilidade de tempo de trabalho durante esta
semana corresponde a seis dias de trabalho (segunda-feira a sábado), 24 horas por dia. Assim,
em minutos, o horizonte de escalonamento resulta:
𝑇𝑒𝑚𝑝𝑜  𝑇𝑜𝑡𝑎𝑙   𝑑𝑖𝑎𝑠 ℎ𝑜𝑟𝑎𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑑𝑒  𝑇𝑟𝑎𝑏𝑎𝑙ℎ𝑜 =6 ×24 ×60 = 8640   .
 𝑆𝑒𝑚𝑎𝑛𝑎𝑙  𝐷𝑖𝑠𝑝𝑜𝑛í𝑣𝑒𝑙 𝑠𝑒𝑚𝑎𝑛𝑎 𝑑𝑖𝑎 ℎ𝑜𝑟𝑎 𝑠𝑒𝑚𝑎𝑛𝑎

A primeira comparação entre os resultados é feita sobre os valores assumidos pelas variáveis
𝑍!", que representam a afetação dos produtos às máquinas disponíveis para processar as
operações nas diferentes fases. Na Tabela 21 pode ser observado que produtos são alocados a
cada máquina, quer para o Plano SAPEC, quer para o plano GAMS.

Tabela  21:  Alocação  dos  Produtos  às  Máquinas  –  Plano  SAPEC  vs  Plano  GAMS.  
Produtos Alocados Produtos Alocados
Plano Plano Plano Plano
Máquinas Máquinas
SAPEC GAMS SAPEC GAMS

m1 i12, i7 i1, i2 m13 i13, i14 i11

m2 i1, i2 i12 m14 i10, i11 i14
m3 i3 i3, i5 k=2 m15 i9 i13
m4 i4 i7 m16 i8 i9
Fase
Fase

k=1 m5 i5 i6 m17 - i8, i10

m6 i6 i4 m18 i13, i14 i13, i14
m10 i8, i9 i13, i14 k=3 m19 i8, i10 i8, i10
m11 i10, i11 i8, i10 m20 i9, i11 i9, i11
m12 i13, i14 i9, i11
 
Refira-se que esta tabela não contém as sequências dos produtos nas máquinas. Por exemplo,
na última linha da fase 3 o facto de aparecer 𝑖9, 𝑖11 não significa que 𝑖9 seja produzido primeiro
que 𝑖11 na máquina 𝑚20 , pode apenas ser concluído que ambos foram processados na
máquina.
Analisando a última fase de produção (𝑘 = 3) a conclusão é de que ao resolver o modelo para
este conjunto de produtos, a alocação dos mesmos às máquinas desta fase foi igual à alocação
feita pelos responsáveis pelo planeamento da produção da SAPEC.
Por outro lado, na fase 2, o plano da empresa não utiliza a máquina 𝑚17, enquanto o modelo
aloca dois produtos a essa máquina nesta fase. É ainda visível que o modelo faz uma maior
distribuição dos produtos pelas máquinas desta fase, uma vez que apenas a máquina 𝑚17 está

 
  67  
 
 
encarregue de produzir dois produtos diferentes, enquanto no plano da SAPEC, tanto a máquina
𝑚13, como a 𝑚14 se encontram nesta situação. Nesta fase não existe nenhum produto que
tenha sido alocado à mesma máquina nos dois planos.
Na fase 1 todas as máquinas são utilizadas. No entanto, apenas os produtos 𝑖3 e 𝑖10 estão
alocados às mesmas máquinas nos dois escalonamentos.
Na Tabela 22 estão representados os instantes de início e de fim dos produtos nas diferentes
fases de produção e a máquina que cada produto utiliza, em cada fase, para os dois planos da
produção (SAPEC e GAMS). Nesta tabela pode também ser observada a discrepância existente
entre os diferentes tempos, quer os de conclusão quer os de início.
Por norma, os tempos de conclusão dos produtos no Plano SAPEC são superiores aos tempos
de conclusão dos produtos no Plano GAMS, e os tempos de início da produção, embora alguns
sejam idênticos, com os atrasos e adiantamentos subjacentes a ambos os modelos, acabam
também por ser superiores no Plano SAPEC quando comparado com o Plano GAMS.
Falta ainda acrescentar que tanto a Tabela 22 como a Figura 11 e a Figura 12, mostram que as
sequências são validadas, ou seja, os produtos apenas iniciam a fase seguinte após concluída a
anterior, e apenas iniciam o processamento numa qualquer máquina 𝑚 caso esta não se
encontre ocupada.

 
68    
 
 
Tabela  22:  Tempos  de  início  e  de  fim  –  Plano  SAPEC  vs  Plano  GAMS.  

Plano SAPEC Plano GAMS

Máquina Início Fim Máquina Início Fim

i1 m2 1352 2592 m6 1640 2880

i2 m2 3396 4636 m6 89 1329

i3 m3 207 1267 m4 340 1400

i4 m4 764 1824 m3 764 1824

i5 m5 1737 3577 m4 1737 3577

i6 m6 1408 2708 m2 688 1988

i7 m1 800 3000 m1 800 3000

m10 670 920 m11 3001 3266

i8 m16 920 1770 m17 3266 3876

m19 1770 3240 m19 3876 5346

m10 1531 1841 m12 2589 2899

i9 m15 1841 3641 m16 2899 4699

Produtos

m20 3641 4421 m20 4699 5479

m11 3629 3894 m11 1230 1495

i10 m14 3894 4744 m17 1495 2105

m19 4744 6214 m19 2105 3575

m11 457 767 m12 1515 1825

i11 m14 767 2567 m13 1825 3625

m20 2567 3347 m20 3625 4405

i12 m1 3357 5092 m5 709 2444

m12 2298 2563 m10 3269 3534

i13 m13 2563 3413 m14 3534 4384

m18 3413 4913 m18 4384 5884

m12 289 554 m10 1230 1495

i14 m13 554 1654 m15 1495 2595

m18 1654 3124 m18 2595 4065

Relativamente aos valores das funções objetivo podemos observar que o valor dos custos totais
do sistema para o Plano GAMS é inferior ao apresentado pelo Plano SAPEC. Isto acontece
porque, no Plano GAMS as discrepâncias existentes entre os instantes pretendidos para a
conclusão dos produtos e os instantes efetivos de conclusão são significativamente inferiores às
discrepâncias do Plano SAPEC. No total, o Plano SAPEC demora mais 330 minutos a ser
concluído que o Plano GAMS:
𝑇𝑒𝑚𝑝𝑜 𝑇𝑒𝑚𝑝𝑜
𝑇𝑒𝑚𝑝𝑜  𝑇𝑜𝑡𝑎𝑙  𝑑𝑒  
∆ = 𝑑𝑜  𝑝𝑙𝑎𝑛𝑜 − 𝑑𝑜  𝑝𝑙𝑎𝑛𝑜 = 6214 − 5884 = 330  𝑚𝑖𝑛𝑢𝑡𝑜𝑠    
𝐶𝑜𝑛𝑐𝑙𝑢𝑠ã𝑜  𝑑𝑜  𝑃𝑙𝑎𝑛𝑜
𝑆𝐴𝑃𝐸𝐶 𝐺𝐴𝑀𝑆
A data pretendida de conclusão do plano no seu todo é igual à maior data pretendida de
conclusão dos produtos, ou seja a produção fica concluída quando o produto que tem o instante
de conclusão maior termina o seu processo produtivo. Com a análise da Figura 11 e da Figura
12, podemos retirar o instante de fim do plano, ou seja o instante de conclusão do último produto
que foi escalonado. O instante de fim do plano SAPEC é pois superior ao instante de conclusão

 
  69  
 
 
do Plano GAMS, e esta discrepância reflete-se depois na diferença entre os valores encontrados
para as funções objetivo. De facto, esta diferença leva a que o Plano SAPEC que tenha um custo
total superior ao custo do Plano GAMS num valor de 27.354,22 u.m.:
𝐹𝑂!"#$% − 𝐹𝑂!"#$ = 131.503,58 − 104.149,36 = 27.354,22    u.m.  
Pela análise da Figura 13, que compara as taxas de ocupação das máquinas dos dois planos,
pode ser concluído que, em média, a ocupação das máquinas nos dois planos é muito idêntica.
Ao comparar a Figura 11 com a Figura 12, observa-se que no Plano SAPEC as máquinas têm
maiores intervalos de tempo de inatividade do que no Plano GAMS. Estes tempos de inatividade
superiores levam a que o tempo global de conclusão dos produtos seja superior no Plano
SAPEC, o que, por sua vez, conduz a valores também superiores no correspondente valor da
função objetivo. Deve contudo ressalvar-se o facto de esta comparação poder sofrer de alguma
“injustiça”: o Plano GAMS não foi implementado na prática, e podem não ter sido contempladas
todas as restrições do problema no modelo de PLIM que o gerou, por terem sido omitidas pelos
responsáveis pelo plano na SAPEC (ou seja, não foram por estes explicitadas).
Da Figura 13 pode ser também inferido que o Plano GAMS utiliza todas as máquinas que tem
disponíveis, enquanto para o Plano SAPEC o valor mínimo de ocupação das máquinas é igual a
0% (𝑚17 não é utilizada). Nota-se ainda que além da idêntica ocupação média das máquinas
nos dois planos, o Plano GAMS proporciona uma melhor distribuição nas máquinas. De facto, as
taxas de ocupação variam entre 0 e 71% no Plano SAPEC e entre 14 e 56% no Plano GAMS.

80%#
Plano#SAPEC#
70%#
Plano#GAMS#
60%#

50%#

40%#

30%#

20%#

10%#

0%#
1#
2#
3#
4#
5#
6#

#
#
#

e#

#
#

#
#
#

Av in#
11

15

17
18
19

ax
10

12
13
14

16

20

ag
m
m
m
m
m
m

M
m

m
m
m
m

m
m
m

er

Figura  13:  Comparação  entre  a  ocupação  das  máquinas:  Plano  SAPEC  vs  Plano  GAMS.  

 
70    
 
 
5.5 Conclusão
Depois da recolha e tratamento dos dados relativos a um exemplo real de um plano de produção
da empresa – Plano SAPEC – e dos cálculos a estes relativos, foi aplicado o modelo de PLIM,
desenvolvido no capítulo 4, para obtenção do plano ótimo relativo aos mesmos dados. Pretende-
se assim comparar as duas soluções e concluir acerca das potencialidades da utilização deste
método numa indústria como a SAPEC. O modelo PLIM foi implementado no sistema de
modelação GAMS (versão 24.3.2) e resolvido com o CPLEX versão 12.6.0.1.
Como evidenciado na comparação de resultados, com as devidas ressalvas, a aplicação do
modelo aos dados da empresa obteve melhorias, quer a nível da ocupação das máquinas
disponíveis, quer a nível da redução dos custos totais associados ao processo, por antecipação e
atraso face aos tempos de conclusão pretendidos. Foi também obtido um menor tempo de
conclusão global do plano.
Os bons tempos de resolução do modelo obtidos (por exemplo, uma margem de otimalidade de
0,19% num tempo de computação de 10 min) indicam que este se apresenta como
potencialmente interessante na construção de uma ferramenta de apoio à decisão para a
definição de escalonamentos na indústria de produtos agro-químicos.
Note-se que o tempo que atualmente os responsáveis pelo planeamento e escalonamento da
produção demoram até encontrar uma sequência admissível para as encomendas semanais
(entre um a dois dias de trabalho) é consideravelmente mais elevado, quando comparado com os
tempos computacionais em causa.

 
  71  
 
 

6 Conclusões e recomendações para trabalho futuro

Este capítulo tem como principal objetivo retratar as conclusões finais deste trabalho e
apresentar as recomendações para o desenvolvimento de trabalho futuro. Inclui, ao início, uma
síntese do trabalho desenvolvido.

6.1 Síntese do trabalho realizado

O presente trabalho incide na indústria dos produtos agro-químicos e a sua escolha deve-se não
só ao facto de ter surgido a hipótese de desenvolver um trabalho prático para uma empresa do
sector, mas também porque é uma indústria relevante para a economia do país, indispensável na
produção de muitos dos produtos alimentares que se encontram à disposição da população
portuguesa.
A empresa em estudo é a SAPEC Agro, uma das maiores empresas deste sector em Portugal. O
atual sistema de planeamento da produção nesta empresa funciona com base em Excel e na
experiência dos responsáveis pelo planeamento da produção. É um processo que depende muito
da presença humana, o que leva ao aumento do nível de risco das operações. Neste contexto,
enquadra-se o objetivo principal deste trabalho, que pretende desenvolver um modelo de
programação matemática que possa servir de apoio ao processo de escalonamento da empresa.
As abordagens de programação matemática têm várias vantagens, sendo que uma das que
sobressai é a flexibilidade na modelação de uma grande variedade de problemas de
escalonamento, permitindo facilmente utilizar diferentes funções objetivo no modelo e incorporar
novas restrições ou modificar as restrições existentes.
Depois da caracterização do sistema produtivo em estudo e de uma revisão de literatura sobre o
planeamento e escalonamento da produção em sistemas job-shop, apresenta-se um modelo de
PLIM que contempla o nível de planeamento operacional (escalonamento) representando a
estrutura de produção numa das instalações da SAPEC. As decisões no modelo envolvem a
afetação dos produtos às diferentes máquinas disponíveis e a sequenciação da produção dos
mesmos, nessas máquinas. As decisões mencionadas têm em conta a minimização dos custos,
tentando cumprir ao máximo as datas de entrega estipuladas para cada produto. Com base na
implementação computacional deste modelo, usando o sistema GAMS e o solver CPLEX,
efetuou-se uma análise quantitativa e discutiram-se os resultados obtidos.
Ao contrário do que acontece noutras indústrias, até à data existe apenas mais um caso de
estudo que aborda os problemas de planeamento e escalonamento na SAPEC (Branquinho,
2013), o que justifica o facto de o escalonamento ainda ser realizado de forma manual com a
utilização de ferramentas genéricas de cálculo em vez de específicas.
De facto, o grande foco do trabalho foi a comparação da solução atual da SAPEC com a solução
devolvida pelo modelo de PLIM, de modo a perceber qual o grau de aplicabilidade desta
abordagem para efetuar o escalonamento da produção nesta indústria, e mais especificamente
na SAPEC.

 
72    
 
 
6.2 Conclusões e trabalho futuro
O modelo de PLIM foi desenvolvido com o objetivo de escalonar a ocupação semanal das
máquinas de uma das linhas de produção da SAPEC, tendo sido aplicado ao caso real de um
plano de encomendas semanais relativo ao ano corrente.
O facto de ser um modelo de tempo contínuo faz com que o solver utilizado encontre a solução
ótima em tempo reduzido. No entanto, o tempo necessário para se provar que a solução
encontrada é a ótima, embora ainda pequeno no corrente caso, é obviamente superior. De facto,
este tempo é aproximadamente igual a 671,6 segundos (cerca de 11 minutos), e obtém-se
quando se limita a 30 minutos o tempo de execução do modelo. Esta observação foi também
verificada por (Gomes et al., 2008), onde se comparam dois modelos, um de tempo discreto e
outro de tempo contínuo, em sistemas de produção do tipo job-shop.
Os resultados obtidos parecem indicar que a SAPEC pode beneficiar com a utilização de
modelos de programação matemática para o planeamento e escalonamento da produção. Neste
caso específico, a eficiência de ocupação das máquinas seria melhorada, e numa semana, a
empresa conseguiria poupar um total de 27.354,22 u.m., representando assim uma redução nos
custos de 20,8%. Este valor deriva da diferença existente no tempo total dos dois planos de
produção. O Plano SAPEC demora no total mais 330 minutos a ser concluído que o Plano
GAMS.
Ressalva-se contudo o facto de esta comparação poder não ser completamente justa. O facto de
o Plano GAMS não ter sido implementado na prática pode induzir em erros, podendo por
exemplo não ter sido contempladas restrições no modelo por terem sido omitidas pelos
responsáveis pelo plano na SAPEC.
A automatização do processo tem ainda a vantagem de permitir reduzir o nível de incerteza que
envolve o processo produtivo da SAPEC para este tipo de produtos. Quer isto dizer que desta
forma a informação circula de forma mais correta e precisa, sempre que os responsáveis pelo
planeamento e escalonamento da produção têm que informar os restantes departamentos da
empresa das datas pretendidas de conclusão dos produtos, para que também os clientes
possam ter conhecimento de uma data possível para a disponibilidade dos produtos.
Um dos objetivos do trabalho foi a possibilidade de fornecer uma base para a criação de uma
ferramenta que permita tornar mais eficaz e eficiente, o processo de tomada de decisão realizado
por parte dos responsáveis pelo planeamento e escalonamento da produção na SAPEC,
sugerindo soluções melhoradas ao nível da utilização dos equipamentos (máquinas).
A aplicação deste método podendo ainda melhorar as taxas de ocupação das máquinas permite,
aos responsáveis pelo processo fabril, tornar o processo produtivo mais eficiente.
A obtenção das soluções ótimas do modelo em tempos computacionais reduzidos, quando
comparados ao tempo que o método atual demora para encontrar uma solução admissível, surge
também como vantagem e motivação à implementação deste tipo de soluções no processo
produtivo da SAPEC. A utilização dos modelos torna fácil e rápida a comparação entre diferentes
abordagens e considerações no modo de funcionamento do sistema como um todo.

 
  73  
 
 
Como primeira sugestão para desenvolvimento de trabalho futuro surge a utilização das
restrições (4) e (14), assim que a empresa receber uma encomenda em que seja necessária a
definição de precedências entre os produtos a escalonar. Por exemplo, recebendo duas
encomendas e tendo uma delas uma urgência de produção mais elevada, estas restrições levam
a que esse produto seja o primeiro a ser produzido, caso a sua omissão conduza a outro tipo de
escalonamento.
Relativamente aos tempo de setup iniciais, estes podem facilmente incluir, caso necessário, o
facto de algumas máquinas poderem não estar disponíveis no instante inicial do sistema, devido
a produções que não tenham sido concluídas a tempo na semana anterior. Neste caso, pode-se,
por exemplo, somar aos valores do setup inicial de cada produto, o valor necessário para que a
máquina a que foi alocado se encontre disponível, caso não o esteja no instante zero.
A generalização do modelo de modo a que este possa ser aplicável a todo o conjunto de
produtos que a SAPEC produz, é outro desenvolvimento que pode ser interessante. Neste caso,
seria necessário estudar ao pormenor as diferentes linhas de produção da empresa para que se
conseguisse ligar o modelo desenvolvido às características dos restantes processos produtivos.
O modelo desenvolvido apenas para as fases de formulação dos produtos pode ser ampliado à
incorporação dos processos de enchimento dos produtos. Desta forma poder-se-ia também
otimizar a ocupação das máquinas utilizadas nestas secções.
Um estudo que incida sobre as máquinas existentes para o processo produtivo pode também ter
uma aplicação interessante, na medida em que podem surgir desenvolvimentos como a
necessidade de renovar as máquinas da linha de produção de modo a melhorar os tempos de
processamento dos produtos e reduzir os tempos de entrega dos produtos aos clientes. Uma vez
que os responsáveis pelo planeamento e escalonamento da produção desenvolvem o plano
manualmente, podem também estar a utilizar um número de máquinas na instalação superior ao
necessário. Ou seja, seria ainda interessante poder verificar se uma redução no número de
máquinas disponíveis na instalação seria possível e vantajosa, caso os custos totais
representativos do sistema se reduzam.
Um outro fator interessante a ter em conta, prende-se com uma maior consciencialização por
parte dos responsáveis da empresa para a importância deste tipo de abordagens. De facto, após
o trabalho desenvolvido por (Branquinho, 2013) e o início do presente estudo, que visaram
processos de produção distintos, nota-se uma maior aderência dos responsáveis a este tipo de
soluções, com especial interesse nas margens de melhoria inerentes. Atualmente está então a
ser desenvolvido um novo módulo para o ERP da empresa, denominado APS- Advanced
Planning System, pela entidade que criou o ERP. Este interage diretamente com o sistema,
retirando os dados disponíveis para planear e escalonar as encomendas recebidas pela SAPEC.
Assim, quando este processo estiver concluído, os responsáveis pelo planeamento e
escalonamento da produção têm apenas que introduzir em sistema os produtos que pretendem
escalonar para o próximo plano de produção, e este devolve a solução que achar mais
conveniente.

 
74    
 
 
Este sistema aliado a uma análise posterior dos resultados devolvidos vai permitir à SAPEC
otimizar em grande escala todos os seus processos reduzindo os custos atuais ligados à
produção.
Em suma, parecem existir ganhos financeiros claros se usadas ferramentas de programação
matemática para o planeamento e programação da produção, de dentro da capacidade de
produção existente instalada na SAPEC.
Este trabalho, tendo proporcionado um interessante contacto com a realidade empresarial ao seu
autor, permitiu ainda aumentar o laço anteriormente estabelecido por (Branquinho, 2013). A
existência de uma ligação estreita de colaboração entre o mundo real e as universidades é
mutuamente benéfica, pois proporciona aos primeiros um conhecimento inovador e aos
segundos um campo de oportunidades de ligação entre a teoria e a prática no mundo
empresarial.

 
  75  
 
 

Referências bibliográficas
Agro,  S.  (2010).  SapecAgro.  Obtido  em  07  de  01  de  2014,  de  SAPEC  Agro  Portugal:  
http://www.sapecagro.pt  
Allahverdi,  A.,  Ng,  C.,  Cheng,  T.,  &  Kovalyov,  M.  Y.  (2008).  A  survey  of  scheduling  
problems  with  setup  times  or  costs.  European  Journal  of  Operational  Research,  
187,  985-­‐1032.  
Banco  de  Portugal.  (2009).  Análise  do  Setor  Agrícola.  Obtido  em  18  de  01  de  2014,  de  
Estudos  da  Central  de  Balanços:  https://www.bportugal.pt/pt-­‐
PT/ServicosaoPublico/CentraldeBalancos/Publicacoes  
Bassett,  M.,  &  Gardner,  L.  (2013).  Designing  optimal  global  supply  chains  at  Dow  
AgroSciences.  Ann  Oper  Res,  203,  187–216.  
Beraldi,  P.,  Ghiani,  G.,  Grieco,  A.,  &  Guerriero,  E.  (2008).  Rolling-­‐horizon  and  fix-­‐and-­‐
relax  heuristics  for  the  parallel  machine  lot-­‐sizing  and  scheduling  problem  with  
sequence-­‐dependent  set-­‐up  costs.  Computers  &  Operations  Research,  35,  3644  –  
3656  .  
Blazewicz,  J.,  Domschke,  W.,  &  Pesch,  E.  (1996).  The  job  shop  scheduling  problem:  
Conventional  and  new  solution  techniques.  European  Journal  of  Operational  
Research,  93,  1-­‐33.  
Branquinho,  V.  (2013).  Escalonamento  de  Produção  com  tempos  de  setup  Dependentes  
–  Aplicação  na  SAPEC  Agro.  Dissertação  de  Mestrado:  Decisão  Económica  e  
Empresarial,  Instituto  Superior  de  Economia  e  Gestão.  
Choi,  I.-­‐C.,  &  Choi,  D.-­‐S.  (2001).  A  local  search  algorithm  for  jobshop  scheduling  
problems  with  alternative  operations  and  sequence-­‐dependent  setups.  
Computers  &  Industrial  Engineering,  42,  43-­‐58  .  
Craig,  D.  (1996).  Extensible  Hierarchical  Object-­‐Oriented  Logic  Simulation  with  an  
Adaptable  Graphical  User  Interface.  Department  of  Computer  Science,  Memorial  
University  of  Newfoundland  (http://www.mun.ca/).  
Davenport,  A.  J.,  &  Beck,  J.  C.  (2000).  A  Survey  of  Techniques  for  Scheduling  with  
Uncertainty.  University  of  Toronto:  Faculty  of  Applied  Science  &  Engineering  
(http://tidel.mie.utoronto.ca).  
Demir,  Y.,  &  Isleyen,  S.  (2013).  Evaluation  of  mathematical  models  for  flexible  job-­‐shop  
scheduling  problems.  Applied  Mathematical  Modelling,  37,  977-­‐988.  
Enterprise  Resource  Planning.  (s.d.).  Obtido  em  14  de  03  de  2014,  de  Infor:  
http://www.infor.com/  
FriarTuck  Pte,  L.  (2014).  Obtido  em  13  de  02  de  2014,  de  FRIARTUCK:  
http://www.friartuck.net  
Glover,  F.,  &  Laguna,  M.  (1997).  Tabu  Search.  MA,  USA:  Kluwer  Academic  Publishers  
Norwell.  
Gomes.  (2007).  Reactive  scheduling  in  make-­‐to-­‐order  production  systems:  An  
optimization  based  approach.  Dissertação  para  a  obtenção  do  grau  de  Doutor  em  
Engenharia  de  Sistemas.  Instituto  Superior  Técnico,  Universidade  Técnica  de  
Lisboa.  
Gomes,  M.,  Barbosa-­‐Póvoa,  A.,  &  Novais,  A.  (2008).  Scheduling  of  job  shop,  make-­‐to-­‐
order  industries  with  recirculation  and  assembly:  a  MILP  approach.  Proceedings  
of  IEEE  International  Engineering  Management  Conference,  IEMC-­‐Europe  2008  
(pp.  403-­‐407).  Estoril,  Portugal.  

 
76    
 
 
Heizer,  J.,  &  Render,  B.  (2005).  Operations  Management.  New  Jersey:  Pearson  Prentice  
Hall.  
Hillier,  F.  S.,  &  Lieberman,  G.  J.  (2010).  Introduction  to  Operations  Research  (9th  ed.).  
New  York:  McGraw-­‐Hill  International  Edition.  
Hochbaum,  D.  S.  (1999).  The  Scheduling  Problem.  Obtido  em  25  de  01  de  2014,  de  RIOT:  
Remote  Interactive  Optimization  Testbed:  
http://riot.ieor.berkeley.edu/Applications/Scheduling/algorithms.html  
Hoover,  S.  V.,  &  Perry,  a.  R.  (1989).  Simulation  a  Problem-­‐Solving  Approach.  
Massachusetts:  Addison-­‐Wesley  Publishing  Company.  
Internet  Center  for  Management  and  Business  Administration,  I.  (2002-­‐2010).  
NetMBA.com.  Obtido  em  20  de  01  de  2014,  de  NetMBA  Business  Knowledge  
Center:  http://www.netmba.com/operations/process/structure/  
Janak,  S.,  Lin,  X.,  &  Floudas,  C.  (2004).  Enhanced  Continuous-­‐Time  Unit-­‐Specific  Event-­‐
Based  Formulation  for  Short-­‐Term  Scheduling  of  Multipurpose  Batch  Processes:   
Resource  Constraints  and  Mixed  Storage  Policies.  Ind.  Eng.  Chem.  Res,  43,  pp.  
2516-­‐2533.  
Kayvanfar,  V.,  Aalaei,  A.,  Hosseininia,  M.,  &  Rajabi,  M.  (2014).  Unrelated  Parallel  
Machines  Scheduling  Problem  with  Sequence  Dependent  Setup  Times  .  
Proceedings  of  the  2014  International  Conference  on  Industrial  Engineering  and  
Operations  Management  ,  (pp.  1794-­‐1803).  Bali.  
Le  Pape,  C.  (2005).  Constraint-­‐based  scheduling:  A  tutorial.  Proceedings  of  the  1st  
International  Summer  School  on  Constraint  Programming.  
Levels  of  Control:  Strategic,  Tactical  &  Operational.  (2011).  Obtido  em  17  de  02  de  2014,  
de  Boundless:  https://www.boundless.com  
Logendran,  R.,  McDonell,  B.,  &  Smucker,  B.  (2007).  Scheduling  unrelated  parallel  
machines  with  sequence-­‐dependent  setups.  Computers  &  Operations  Research,  
34,  3420-­‐3438.  
Ma’ruf,  A.  (2007).  Production  System-­‐  Traditional  Production  System.  Manufacturing  
Research  Group,  Institut  Teknologi  Bandung  (http://www.itb.ac.id/en).    
Makarychev,  K.,  &  Panigrahi,  D.  (2014).  Precedence-­‐constrained  Scheduling  of  Malleable  
Jobs  with  Preemption.  Cornell  University  Library.  
Nogueira,  J.,  Arroyo,  J.,  Villadiego,  H.,  &  Gonçalves,  L.  (2014).  Hybrid  GRASP  Heuristics  to  
Solve  an  Unrelated  Parallel  Machine  Scheduling  Problem  with  Earliness  and  
Tardiness  Penalties.  Electronic  Notes  in  Theoretical  Computer  Science,  53–72.  
Papadimitriou,  H.,  &  Steiglitz,  K.  (1988).  Combinatorial  Optimization  and  Complexity:  
Algorithms  and  Complexity.  Dover  Publications.  
Park,  J.,  &  Lee,  D.  (2012).  Job  Shop  Scheduling  with  Job  Families  and  Sequence-­‐
dependent  Setups:  Minimizing  the  Total  Family  Flow  Time.  (V.  
Kachitvichyanukul,  H.  Luong,  &  R.  Pitakaso,  Edits.)  Proceedings  of  the  Asia  Pacific  
Industrial  Engineering  &  Management  Systems.  Thailand.  
Parveen,  S.,  &  Ullah,  H.  (2010).  Review  on  Job-­‐Shop  and  Flow-­‐Shop  Scheduling  Using  
Multi  Criteria  Decision  Making.  Journal  of  Mechanical  Engineering,  41,  130-­‐146.  
Pinedo,  M.  (2012).  Scheduling:  Theory,  Algorithms,  and  Systems.  New  York:  Springer.  
Rayman,  J.  F.  (2012/2013).  Operations  Research  and  Optimization.  Department  of  
Mathematics,  University  of  Surrey  (http://www.surrey.ac.uk).  
Sabouni,  M.  Y.,  &  Logendran,  R.  (2013).  Carryover  sequence-­‐dependent  group  
scheduling  with  the  integration  of  internal  and  external  setup  times.  European  
Journal  of  Operational  Research,  224,  8-­‐22.  

 
  77  
 
 
Shaik,  M.,  &  Vooradi,  R.  (2013).  Unification  of  STN  and  RTN  based  models  for  short-­‐term  
scheduling  of  batch  plants.  International  Conference  on  Process  Systems  
Engineering,  (pp.  25-­‐27).  Kuala  Lumpur.  
Shen,  L.,  &  Buscher,  U.  (2012).  Solving  the  serial  batching  problem  in  job  shop  
manufacturing  systems.  European  Journal  of  Operational  Research,  221,  14-­‐26.  
Stefansson,  H.,  Sigmarsdottir,  S.,  Jensson,  P.,  &  Shah,  N.  (2011).  Discrete  and  continuous  
time  representations  and  mathematical  models  for  large  production  scheduling  
problems:  A  case  study  from  the  pharmaceutical  industry.  European  Journal  of  
Operational  Research,  215,  383–392  .  
Vercellis,  C.  (2009).  Business  Intelligence:  Data  Mining  and  Optimization  for  Decision  
Making.  UK:  Wiley  and  Sons,  Ltd.  
Virgílio,  B.  E.  (2011).  Optimização  do  planeamento  e  escalonamento  da  produção  na  
indústria  de  moldes:  Aplicação  ao  caso  da  GECO.  Dissertação  de  Mestrado  em  
Engenharia  e  Gestão  Industrial,  Instituto  Superior  Técnico,  Universidade  Técnica  
de  Lisboa.  
Williams,  E.  J.  (1997).  Discrete-­‐Event  Process  Simulation  for  the  Continuous  Simulation  
Model  Builder.  Summer  Computer  Simulation  Conference.  At  Arlington,  Virginia.    
Yang,  X.-­‐S.  (2011).  Metaheuristic  Optimization.  Cambridge  University,  UK.  Scholarpedia  
(http://www.scholarpedia.org/article/Metaheuristic_Optimization).    
Zalzala,  A.  M.,  &  Fleming,  P.  J.  (1997).  Genetic  Algorithms  in  Engineering  Systems.  London:  
The  Institution  of  Electrical  Engineers.  
Zhu,  Z.,  &  Heady,  R.  B.  (2000).  Minimizing  the  sum  of  earliness/tardiness  in  multi-­‐
machine  scheduling:  a  mixed  integer  programming  approach.  Computers  &  
Industrial  Engineering,  38,  297–305.  

 
78    
 
 

Anexo 1. Descrição dos produtos e máquinas do estudo

Tabela  23:  Descrição  dos  Produtos  

Produto Descrição

i1 TASIS 12,5 - GRANEL

i2 ADREX - GRANEL
i3 TERRASITA - GRANEL
I/FL - CPE i4 CEREMONIA 25 EC - GRANEL
i5 DIDILONE 112 EC - GRANEL
i6 EXPEDIENT 10 EC - GRANEL
Tipo de Produto

i7 AGRICLOR - GRANEL
i8 CUPTITAL SC - GRANEL
i9 REPLAY - GRANEL
I/FL - flow
i10 DOURO - GRANEL
i11 CRUZADO R - GRANEL
I/FL - CPE i12 AZOXISTROBINA 250 G/L SC - GRANEL
i13 CRAPAL - GRANEL
I/FL - flow
i14 IPRODIONA (500 g/l) - GRANEL
 

Tabela  24:  Descrição  das  Máquinas  

Máquina Descrição

m1 Depósito de Formulação #1 - I/F

m2 Depósito de Formulação #2 - I/F
m3 Depósito de Formulação #3 - I/F
m4 Depósito de Formulação #4 - I/F
m5 Depósito de Formulação #5 - I/F
m6 Depósito de Formulação #6 - I/F
k=1
m7 Depósito de Formulação #7 - I/F
m8 Depósito de Formulação #8 - I/F
m9 Dispermix - I/F
m10 Depósito flow's - ID2
Fase

m11 Depósito Pearl Mill #1 - I/F

m12 Depósito Dyno Mill - I/F
m13 Dyno Mill - I/F
m14 Dyno Mill - I/F
k=2 m15 Dyno Mill - I/F
m16 Dyno Mill - I/F
m17 Pearl Mill #1 - I/F
m18 Depósito de Acabamento #1 - I/F
k=3 m19 Depósito de Acabamento #2 - I/F
m20 Depósito de Acabamento #3 - I/F

 
  79  
 
 

Anexo 2. Modelo base

Neste anexo apresenta-se o modelo de (Zhu & Heady, 2000) em que se baseou o modelo de
PLIM apresentado para a resolução do caso de estudo. Apresenta-se primeiro a notação seguida
do modelo e de uma breve explicação.

Parâmetros
𝐵 – número suficientemente elevado,
𝑖, 𝑗 – Índices associados aos produtos (𝑖, 𝑗 = 0,1, … , 𝑁), incluindo o produto fictício, 0,
𝑚 – Índice associado às máquinas (𝑚 = 1, … , 𝑀),
𝑑! - data pretendida para a conclusão do produto 𝑖 (𝑖 = 1, … , 𝑁),
𝑒! – custo por unidade de tempo de terminar o produto 𝑖 mais cedo do que o pretendido,
𝑡! – custo por unidade de tempo de terminar o produto 𝑖 depois da data pretendida de conclusão,
𝑝!" - tempo de processamento do produto 𝑖 na máquina 𝑚,
𝑠!" – tempo de setup do produto 𝑖 quando esta é sucessor imediato do produto 𝑗,
𝑠!! - tempo de setup do produto 𝑖 quando este é o primeiro a ser processado.

Variáveis
𝑋! - instante de conclusão do produto 𝑖,
𝐸! – amplitude do intervalo de tempo se o produto 𝑖 for concluído mais cedo do que a sua data de
conclusão pretendida 𝑑! ,
𝑇𝒊 – amplitude do intervalo de tempo se o produto 𝑖 for concluído mais tarde do que a sua data
de conclusão pretendida 𝑑! ,
𝑌!"# – variável binária, igual a 1 se o produto 𝑖 for antecessor imediato do produto 𝑗 na máquina
𝑚 (logo 𝑗  é sucessor imediato de 𝑖), e 0 caso contrário,
𝑍!" – variável binária, igual a 1  se o produto 𝑖 for processado na máquina 𝑚, e 0 caso contrário.

Modelo
!

min (𝑒!  𝐸! + 𝑡!  𝑇! )                                                                                                                                                                                                                                                                            (22)

!!!
𝑋! − 𝑇! + 𝐸! = 𝑑!  ,                                              𝑖 = 1, … , 𝑁                                                                                                                  (23)
!

𝑍!" = 1,                                            𝑖 = 1, … , 𝑁                                                                                                                                                                  (24)
!!!
!

𝑌!"# ≤ 𝑍!" ,                                            𝑖 = 0, … , 𝑁  , 𝑚 = 1, … , 𝑀                                                                                  (25)

!!!
!!!
!

𝑌!"# = 𝑍!" ,                                            𝑗 = 1, … , 𝑁  , 𝑚 = 1, … , 𝑀                                                                                      (26)

!!!
!!!
𝑋! − 𝑋! − 𝐵𝑌!"# ≥ 𝑝!" + 𝑠!" − 𝐵,      𝑗 ≠ 𝑖,      𝑖 = 1, … , 𝑁,      𝑗 = 0,1, … , 𝑁,      𝑚 = 1, … , 𝑀        (27)
𝑋! ≥ 0, 𝑖 = 1, … , 𝑁                                                                                                                                                                                              (28)
𝑍!" , 𝑌!"# ∈ 0,1 ,                        𝑖, 𝑗 = 0, … , 𝑁   𝑖 ≠ 𝑗 ,      𝑚 = 1, … , 𝑀                                                          (29)

 
80    
 
 

A função objetivo (22) representa o custo total do sistema em estudo que se pretende minimizar.
Nas restrições (23) medem-se os intervalos de tempo relativos ao atraso (𝑇! ) ou à antecipação
(𝐸! ) na produção de cada produto 𝑖, comparando o instante em que este é concluído com o da
data pretendida para a sua conclusão. As restrições (24) garantem a passagem de cada produto
numa só máquina uma só vez. As restrições (25) e (26) asseguram que cada produto deve ser
processado imediatamente antes e imediatamente depois de um e um só dos outros produtos, na
máquina por onde passa. Estas restrições implicam também que, se um produto 𝑖 não for
processado numa dada máquina 𝑚 (𝑍!" = 0), então ele não precede nenhum outro produto
𝑗  nessa máquina 𝑚, sendo nulas todas as variáveis de precedência 𝑌!"# (para os restantes
produtos 𝑗). As restrições (27) garantem que se um produto 𝑖 for sucessor de 𝑗 na máquina 𝑚 (ou
seja, se 𝑌!"# = 1) então o instante de conclusão do produto 𝑖 (𝑋! ) não pode ser inferior à soma
entre o instante de fim do produto 𝑗 (𝑋! ) com o tempo de processamento do produto 𝑖 na máquina
𝑚 (𝑝!" ) e o tempo de setup de 𝑖, quando este é sucessor imediato de 𝑗 (𝑠!" ). Caso contrário, ou
seja, se 𝑌!"# = 0, sendo 𝐵 uma constante suficientemente elevada, a respetiva restrição torna-se
redundante.