[pt] ESTRATÉGIAS PARA GARANTIR VIABILIDADE E CONSISTÊNCIA TEMPORAL NO PLANEJAMENTO DA PRODUÇÃO DE PROCESSOS DE MANUFATURA DISCRETA

[en] STRATEGIES TO ENSURE PLANNING FEASIBILITY AND TIME CONSISTENCY IN DISCRETE MANUFACTURING PRODUCTION PROCESSES

[pt] DANIELLE DE MACEDO

[pt] PLANEJAMENTO DA PRODUCAO

[pt] SEQUENCIAMENTO DA PRODUCAO

[pt] PEDIDO DE MATERIAL

[pt] CONSISTENCIA TEMPORAL

[pt] DECISAO SOB INCERTEZA

[en] PRODUCTION PLANNING

[en] SCHEDULING

[en] MATERIAL ORDERING

[en] TIME CONSISTENCY

[en] DECISION UNDER UNCERTAINTY

[pt] Tradicionalmente, em indústrias de produção de peças discretas, no nível tático do planejamento da produção, é calculado o plano mestre de produção (Master Production Scheduling – MPS), que estabelece a quantidade de cada bem a ser produzida por período. Com o MPS em mãos, a necessidade de matéria-prima é levantada e o requerimento de material é realizado levandose em consideração o lead time de chegada das peças, que está relacionado com o modal de transporte previamente definido pela empresa. Mais próximo da operação, o sequenciamento dos jobs é feito com o objetivo de atender ao planejamento do MPS. Normalmente, esses quatro problemas - definição do modal de transporte, elaboração do plano mestre de produção, definição do momento de compra de materiais e sequenciamento da produção - são tratados em momentos diferentes e, muitas vezes, de forma determinística. Neste trabalho é avaliado o impacto financeiro e operacional de realizar o planejamento de forma determinística e segregada. Em particular, avaliase: (i) o impacto da estocasticidade e co-otimização do planejamento da produção e das decisões de compra e (ii) a viabilidade do sequenciamento. Para (i) é proposto um modelo de otimização estocástica de dois estágios que co-otimiza as decisões de volume de produção, momentos de compra e modal de transporte. Para (ii) restrições de sequenciamento de jobs são adicionadas através de uma heurística e de um modelo de programação matemática. Avaliações empíricas são feitas por meio de dois experimentos numéricos com dados realistas de uma empresa do setor automobilístico. Para (i) observamos uma redução de custo de 7 por cento na operação para o ano de 2018 (ano do planejamento) e cerca de 3,5 por cento para 5000 cenários simulados (out-ofsample), comparando o modelo de dois estágios proposto com o procedimento normalmente adotado na indústria. Para (ii) também observamos uma redução de 8 por cento no custo de operação de 2018, e de 9,6 por cento para 50 cenários simulados (outof- sample), em relação ao modelo proposto em (i) e 13 por cento no custo de operação de 2018 e 15,6 por cento para 50 cenários simulados (out-of-sample), em comparação com o modelo típico da indústria.

[en] Traditionally, in discrete manufacturing industries, at the tactical level of production planning, the master production scheduling (MPS) is calculated, which establishes the quantity of each good to be produced per period. With the MPS in hand, the need for raw material is raised and the material requirement is carried out taking into account the lead time arrival of the parts, which is related to the transport mode previously defined by the company. Closer to the operation, the jobs scheduling is done with the purpose of meeting MPS planning. Typically, these four problems - definition of the transportation mode, preparation of master production scheduling, definition of the time to purchase materials and job scheduling - are dealt with at different times and often in a deterministic way. In this work we evaluate the financial and operational impact of carrying out the planning in a deterministic and segregated way. In particular, we assess: (i) the impact of stochasticity and co-optimization of production planning and purchasing decisions and (ii) the feasibility of job scheduling. For (i) a two-stage stochastic optimization model is proposed that co-optimizes production volume decisions, purchase moments and transportation mode. For (ii) sequencing constraints of jobs are added through a heuristic and a mathematical programming model. Empirical assessments are made through two numerical experiments with realistic data from a discrete manufacturing company. For (i) we observed 7 percent cost reduction in the operation for the year 2018 (planning year) and approximately 3.5 percent for 5000 simulated scenarios (out-of-sample), comparing the proposed two-stage model with the procedure typically adopted in the industry. For (ii) we also observed a reduction of 8 percent in the 2018 operation cost, and 9.6 percent for 50 simulated scenarios (out-of-sample), in relation to the model proposed in (i) and 13 percent in the 2018 operation cost and 15.6 percent for 50 simulated scenarios (out-of-sample), compared to the typical industry model.

BRUNO FANZERES DOS SANTOS

PAULA MEDINA MACAIRA LOURO

BRUNO FANZERES DOS SANTOS

RAFAEL MARTINELLI PINTO

LUCIANA DE SOUZA PESSOA

PAULA MEDINA MACAIRA LOURO

FERNANDO MARQUES DE ALMEIDA NOGUEIRA

2021-10-28

2021-09-17

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55523@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=55523@2

https://doi.org/10.17771/PUCRio.acad.55523