Escolar Documentos
Profissional Documentos
Cultura Documentos
Júri
Novembro de 2014
I
Júri
Novembro de 2014
II
III
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.
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
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.
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
2.2.1 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.
7
4
Figura
1:
volume
de
exportações
e
distribuição
internacional
da
SAPEC .
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.
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.
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.
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.
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
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.
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.
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
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
3.2.1 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.
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.
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).
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.
32
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).
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).
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.
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
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.
4.2.1 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.
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
!! !!! !!!
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.
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.
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
!! !!! !!!
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
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.
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)
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)
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
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
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)
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
56
Tabela
10:
Fases
de
produção
e
máquinas
associadas.
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
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.
Fases
k=1 k=2 k=3
m1 m2 m3 m4 m5 m6 m10 m11 m12 m13 m14 m15 m16 m17 m18 m19 m20
58
Tabela
13:
Tempos
de
Processamento
Mínimos
(em
minutos).
k1 k2 k3 Total k1 k2 k3 Total
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.
Produtos
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.
61
Tabela
16:
Datas
de
conclusão
e
sequência
de
máquinas
do
Plano
SAPEC.
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
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
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.
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)
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 )
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)
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
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.
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
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
Produto Descrição
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
Máquina Descrição
79
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
!
𝑍!" = 1, 𝑖 = 1, … , 𝑁 (24)
!!!
!
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.