UM SISTEMA DE APOIO À DECISÃO PARA SCHEDULING EM JOB SHOP … · Palavras-chaves: Planejamento e Controle da Produção, Job Shop, Sistema de apoio à decisão, Scheduling, Lógica

UM SISTEMA DE APOIO À DECISÃO PARA SCHEDULING EM JOB SHOP,

UTILIZANDO LÓGICA FUZZY

Jean Carlos Domingos (UFSCar) [email protected]

Cláudio Vilela Rodrigues (UFSCar) [email protected]

Néocles Alves Pereira (UFSCar) [email protected]

Paulo Rogério Politano (UFSCar) [email protected]

Stella Jacyszyn Bachega (UFSCar) [email protected]

A programação das operações em Job Shops continua atual e

desafiadora. Ao mesmo tempo, os Sistemas de Apoio à Decisão (SADs)

são cada vez mais indispensáveis no cotidiano empresarial. Estes

sistemas abrangem várias funções organizacionais, dentre elas a

manufatura. O objetivo do presente artigo foi o desenvolvimento de um

sistema de apoio à decisão baseado na lógica fuzzy e na técnica de

simulação para scheduling da produção em Job Shop. O sistema

aborda os modelos de programação baseado em regras de despacho

(Dispatching) e também em lógica fuzzy. Para a programação,

utilizando regras de despacho, foram adotadas as regras SPT (menor

tempo de processamento), EDD (data de entrega mais próxima) e LPT

(maior tempo de processamento), nas quais o usuário pode selecioná-

las conforme a preferência. Uma ferramenta de simulação foi utilizada

para aplicar os modelos de programação em um cenário de produção.

Dentre as conclusões, o sistema desenvolvido apresenta uma interface

amigável com o usuário e atingiu o objetivo proposto: permite ao

usuário modelar novas estratégias de programação na base de

conhecimento fuzzy e escolher, por meio da simulação, comparar o

desempenho das estratégias modeladas com as regras de despacho. Na

simulação hipotética o scheduling baseado em lógica fuzzy apresentou

os melhores resultados.

Palavras-chaves: Planejamento e Controle da Produção, Job Shop,

Sistema de apoio à decisão, Scheduling, Lógica fuzzy

XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A integração de cadeias produtivas com a abordagem da manufatura sustentável.

Rio de Janeiro, RJ, Brasil, 13 a 16 de outubro de 2008



2

1. Introdução

Neste ambiente de mercados dinâmicos e estruturas organizacionais complexas, os sistemas de informação tornam-se necessários para manter as operações organizacionais com eficácia e eficiência, além da necessidade de informações rápidas e confiáveis para agilizar o processo decisório. Uma decisão tomada antes que os concorrentes pode ser decisiva na liderança do mercado em que a organização atua. Devido a estes fatos, os Sistemas de Apoio à Decisão (SADs) são cada vez mais indispensáveis no cotidiano empresarial.

Atualmente, os SADs suportam várias funções organizacionais, dentre elas a manufatura. O Planejamento e Controle da Produção (PCP) é uma das áreas de decisão da manufatura que possui uma das atividades mais desafiadoras: o scheduling (a programação) de operações, ou seja, quando produzir. Tal tarefa tomou importância pela necessidade de se adquirir vantagens competitivas propiciadas pela rápida entrega dos produtos aos clientes.

Desde o artigo de Clarke & Wright (1964), o desenvolvimento de algoritmos de otimização e de aproximação para scheduling tem sido uma atividade central em pesquisas operacionais. O scheduling surgiu do núcleo dos problemas em manufatura, telecomunicações, logística, e muitos outros contextos comuns onde reserva de recursos são demandados. É muito estudado por pesquisadores das áreas de pesquisa operacional, ciências da computação e inteligência artificial (BROWN & SCHERER, 1995; WHITE, 1990).

Um problema pode ser descrito como scheduling quando os recursos são distinguidos (pelo menos em parte) pelo período de tempo em que estão disponíveis. Portanto, a programação pode ser entendida como alocação dos recursos no tempo. Quando aplicado à produção, ocorrem quando se procura a melhor ordem numa seqüência de tarefas em máquinas (ou processadores) para aumentar a eficiência de processos. Recursos podem ser requeridos para a execução das tarefas, bem como prioridades na execução e disponibilidade das máquinas. O problema se torna ainda mais complexo em sistemas de produção do tipo Job Shop.

É neste contexto que o problema da presente pesquisa é fundamentado. A adoção de sistemas de apoio à decisão, que abranjam o scheduling, é necessária para as empresas adquirirem e/ou sustentarem vantagens competitivas no mercado em que estão inseridas. Outra funcionalidade que estes sistemas devem ter é a da simulação, para reduzir os custos. Assim, o objetivo deste artigo é o desenvolvimento de um sistema de apoio à decisão baseado na lógica Fuzzy, para scheduling da produção em Job Shop, que permita ao operador modelar novas estratégias de programação na base de conhecimento fuzzy e escolher, por meio da.simulação, qual das estratégias favoreceu para um melhor desempenho no scheduling do Job Shop. Esta opção de simulação vai mais além, permitindo ao operador comparar o desempenho das estratégias modeladas com as regras de dispaching utilizadas em Job Shop.

O artigo se justifica, entre outros motivos, porque estima-se que no Job Shop os trabalhos despendam 95% do tempo em atividades não produtivas, principalmente em fila. O tempo restante (5%), é gasto no setup e no processamento ( ASKIN & STANDRIDGE, 1993, p. 96).

A estrutura do trabalho é a seguinte: a próxima seção aborda aspectos sobre programação da produção; a seção três, o tema dos sistemas de apoio à decisão e aqueles aplicados em scheduling; a quarta trata do sistema desenvolvido; e, finalmente, na quinta são feitas algumas considerações finais.



3

2. Scheduling da Produção

O planejamento e controle da produção (PCP) envolve o que, quanto e quando produzir e comprar, além dos recursos necessários (FERNANDES & GODINHO, 2005). São decisões influenciadas pelas estratégias de negócios, ao mesmo tempo em que influenciam o desempenho e a eficiência dos mesmos. Neste sentido:

“Os sistemas de planejamento e controle da produção (PCP) são ferramentas

cruciais para atender às demandas e expectativas dos consumidores em um

ambiente de alta competição na manufatura. As funções típicas de um PCP são: - o

planejamento de materiais, a gestão da demanda, o planejamento da capacidade e a

programação e o seqüenciamento das operações. Os principais objetivos destas

atividades são reduzir o Work in Progress (WIP), minimizar os tempos de fluxo e de

lead times reduzir os estoques, melhorar a responsividade diante das variações da

demanda e cumprir os prazos prometidos para entrega” (STEVENSON et al, 2005 – tradução nossa).

A atividade de scheduling (programação) das operações é das mais complexas. O “scheduling especifica o tempo em que cada trabalho começa e termina em cada máquina, bem como os

recursos adicionais necessários” (SIPPER & BULFIN, 1997, p. 383 – tradução nossa). Estas atividades apresentam relação direta com o sistema de produção (projeto, Job Shop, batelada, ou repetitivos), pois são desenvolvidas essencialmente no interior deles (WILD, 2003, p. 356). Dependem também se a produção é empurrada (produz para estoques), ou se é puxada (um pedido desencadeia as ordens de produção); se a demanda é dependente (depende que haja pedido de outro produto), ou independente (WILD, 2003, p. 348-351).

O problema cresce em dificuldade quando o sistema de produção é o Job Shop. O Job Shop apresenta as seguintes características: - a produção de baixos volumes, porém com maior variedade, havendo até customização; cada peça segue uma rota própria ou única dentro do sistema de produção; o layout típico é o de processo, onde os equipamentos são agrupados por similaridade (SIPPER & BULFIN, 1997, p. 9-10). Um problema comum dos Job Shops é “programar os tempos de produção para N jobs em M máquinas” (ASKIN & STANDRIDGE, 1993, p. 113 – tradução nossa), pois existem (n!)m possibilidades (SIPPER & BULFIN, 1997, p. 438). Assim, gerenciar um Job Shop não é fácil, pois a medida em que se aumenta a variedade de produtos, a programação se torna mais complexa.

Uma alternativa para superar os problemas levantados acima é o emprego de técnicas de priorização, ou regras de despacho (Dispatching). As principais são: - menor tempo de processamento (SPT), em que há seleção do trabalho com o menor tempo de processamento; data mais próxima agenda (EDD), seleciona-se o trabalho com a data mais próxima para entrega; o primeiro a chegar, primeiro a ser feito ou a sair (FCFS), em que se realiza o trabalho que está a mais tempo na fila, o que chegou primeiro; folga por operação restante (SRO ou SLK), a que se seleciona o trabalho com menor folga por operações restantes; e com maior tempo de processamento (LTP); entre outras (ASKIN & STANDRIDGE, 1993, p. 115; SIPPER & BULFIN, 1997, 442; WILD, 2003, p. 366; SUSUMU & LEE, 1997).

Outra alternativa é a utilização da simulação computacional, cuja a idéia central é experimentar uma prática antes de sua implementação. É uma alternativa à experimentação real, cujos custos seriam mais elevados. O modelo de simulação é construído em cima de dados, descritos nos modelos conceituais. As abordagens de simulação podem ser em eventos discretos, contínuos e mistos. Os eventos discretos apresentam as entidades individuais (objetos de interesse na simulação), eventos discretos e comportamento estocástico, em que os



4

intervalos entre os eventos não são sempre previsíveis. A simulação contínua se constitui das variáveis agregadas, ou seja, com o comportamento agregado das populações; de mudanças suaves no tempo e de equações diferenciais. Por fim, a mista, em que as duas anteriores são necessárias. O papel do programa de simulação é fornecer análise estatística dos dados de entrada e saída, modelagem rápida e o próprio programa de simulação. Uma idéia essencial em simulação é o princípio da parcimônia, que preceitua que o importante é “manter as coisas

os mais simples possível, por mais tempo possível”. É importante também entender que simulação é ferramenta, quando se acaba o modelo, começa o trabalho, ou seja, depois das simulações é preciso apresentar os resultados e conclusões. (GRANT et al, 2001).

A análise de outras técnicas de programação em Job Shop, como o Material Resources

Planning (MRP II), por exemplo, fogem ao escopo deste trabalho.

3. Sistemas de Apoio à Decisão aplicados em Scheduling

Os sistemas de apoio à decisão, conforme O’Brien (2004, p. 286), são “sistemas de

informação computadorizados que fornecem apoio interativo de informação aos gerentes e

profissionais de empresas durante o processo de tomada de decisão”. Turban et al. (2005) acrescentam ao conceito a combinação de modelos e dados nesses sistemas, que possuem grande envolvimento do usuário, na busca de resolução de problemas semi-estruturados e alguns não-estruturados. Portanto, conforme Laudon & Laudon (2004), os SADs auxiliam o processo de decisão gerencial combinando dados, ferramentas e modelos analíticos sofisticados e software amigável ao usuário em um único e poderoso sistema. Fornecem aos usuários um conjunto flexível de ferramentas e capacidade pra analisar dados relevantes. A amplitude desses sistemas é explicada pela utilização de: i) modelos analíticos; ii) bancos de dados especializados; iii) percepções e julgamentos do tomador da decisão; iv) um processo de modelagem computadorizado para apoiar a tomada de decisões empresariais semi-estruturadas e não-estruturadas (O’BRIEN, 2004, p. 286).

Conforme Turban et al. (2005, p. 364) um SAD deve possuir as seguintes características: i) apoiar as fases do processo de tomada de decisão e os processos e estilos de tomada de decisão; ii) apoiar várias decisões seqüenciais e/ou interdependentes; iii) fornecer, em todos os níveis gerenciais, suporte para tomadores de decisão; iv) possibilidade de disseminação para o uso na Web; v) permitir fácil execução das análises de sensibilidade; vi) promover o aprendizado; vii) utilizar, normalmente, modelos quantitativos (padronizados e/ou personalizados); viii) possuir componente de gestão de conhecimento quando o sistema é avançado; ix) ser adaptável pelo usuário ao longo do tempo para lidar com condições mutantes; x) ser construído facilmente e usado em muitos casos.

Cabe ressaltar que, de acordo com Sprague & Watson (1995) e Sauter (1997), os três componentes dos sistemas de apoio a decisão são:

a) Interface: engloba o banco de conhecimento (considera o conhecimento que o usuário possui em relação à situação de decisão e quanto à utilização do sistema), a linguagem de apresentação (diz respeito à forma como os resultados são disponibilizados ao usuário, como exemplo, gráficos, texto, tabelas, entre outros), e a linguagem de ação (refere-se ao modo como o usuário do sistema se comunica com o mesmo, como exemplo, mouse, teclado, etc.);

b) Dados: devem possuir uma idade adequada à situação de decisão em questão, não possuir viés, serem confiáveis e relevantes ao processo decisório, entre outros aspectos;



5

c) Modelo: é uma simplificação do fenômeno com o objetivo de entender o seu comportamento. Pode ser descrito por meio das dimensões: representação (descreve o tipo de dados necessários), tempo (identifica se está sendo considerado um instante no tempo ou o mesmo fenômeno em diferentes períodos de tempo), e metodologia (considera como os dados são coletados e processados).

Turban et al. (2005, p.365) ampliam a visão dos componentes do SAD adicionando os subsistemas baseados em conhecimento em sistemas avançados, como segue: i) Subsistema de gerenciamento de dados: contém todos os dados que fluem de várias fontes e assemelha-se com qualquer outro sistema de gerenciamento de dados; ii) Subsistema de gerenciamento de modelos: possui modelos completados e elementos indispensáveis para desenvolver aplicações de SAD; iii) Interface com o usuário: engloba aspectos da comunicação entre um usuário e o SAD; iv) Usuários: (pessoa envolvida com o problema ou decisão que o SAD tem a função de apoiar); v) Subsistemas baseados em conhecimento: determinado grau de especialização é exigido para a solução de alguns problemas não-estruturados complexos.

É importante destacar a existência de tipos emergentes de SAD. Os SADs de linha de frente correspondem à automatização dos processos de decisão pelas empresas, transferindo-os para parceiros ou para níveis inferiores da organização. Já o suporte a decisão em tempo real também ganha espaço, pois cada vez mais as decisões empresariais necessitam ser tomadas sob a pressão do tempo (TURBAN et al., 2005).

Alguns dos sistemas de apoio à decisão identificados por meio de uma exaustiva revisão da literatura sobre SADs aplicados em scheduling (programação) da produção são apresentados a seguir. Bley et al. (1996) assinalam a importância desses sistemas para o scheduling, realizando uma discussão da divisão do planejamento do trabalho em programação e controle da manufatura. Cabe ressaltar que os trabalhos serão citados em ordem cronológica, com o intento de demonstrar a evolução dos problemas de pesquisas no presente tema:

a) Wolf (1994) apresenta uma estrutura em que problemas de scheduling e restrições podem ser modelados. Há, também, a descrição de um SAD para scheduling em domínio independente e em domínio de informação específica, o que caracteriza várias situações de planejamento;

b) O desenvolvimento de um sistema de apoio à decisão que realiza o scheduling, do trabalho no ambiente de produção, baseado em heurística, é descrito por Schniederjans & Carpenter (1997). Este sistema reduziu o tempo e o esforço do gerenciamento de tal tarefa. Já Belton & Elder (1996) descrevem um SAD visual interativo para a programação da produção na qual a análise multicritério é embutida no algoritmo de scheduling;

c) Hatzilygeroudis et al. (1998) apresentam uma extensão do MRP II baseado em um sistema de gerenciamento de produção com a incorporação de um SAD inteligente. É capaz de executar o rescheduling off-line e on-line, resultando em programações da produção de curto prazo mais realísticas;

d) Uma discussão sobre a análise cognitiva do trabalho associada à programação da manufatura é realizada por Higgins (1998). O autor pretende viabilizar teoricamente o projeto de um SAD para auxiliar o scheduling de tarefas da manufatura em Job Shops;

e) Dauzère-Pérè & Lassere (1999) expõem um modelo de planejamento e scheduling da produção que é utilizado em um SAD, onde problemas de programação linear podem ser resolvidos. Este sistema possui uma interface amigável com o usuário. Permite a seleção



6

conjunta de várias políticas multi-perídodo de scheduling, com número máximo de iterações, antes de iniciar o procedimento iterativo;

f) A otimização do scheduling e do controle de produção é propiciada pelo modelo divulgado por Lei & Yue (2000). É apresentada a arquitetura de um sistema que possui quatro níveis, sendo um destes níveis o sistema de apoio à decisão;

g) Costin et al. (2005) descrevem um SAD que auxilia as complexas estratégias hierárquicas de inferência e os programas sofisticados de scheduling implementados com algoritmos genéticos. Estes algoritmos minimizam o tempo na otimização de projetos dispendiosos e realizam um bom scheduling do fluxo de produção. A inferência híbrida multi-critério em prioridades de operação de scheduling é uma ferramenta necessária neste SAD;

h) T’kindt et al. (2005) lidam com um sistema de apoio à decisão baseado em Internet para problemas de scheduling. O uso deste sistema é realizado com ferramentas que auxiliam na criação de um algoritmo efetivo para resolver uns problemas de programação. É possível identificar automaticamente o ambiente de produção desde Job Shop com máquinas duplicadas até apenas uma máquina.

Além destes SADs que possuem scheduling da produção, há também aplicações não usuais que auxiliam a programação no setor de serviços. Fagerholt (2004) apresenta um sistema de apoio à decisão para o scheduling de embarcações marítimas utilizado por várias empresas de navegação. Eliashberg et al. (2005) expõem o processo de implementação de um sistema de apoio à decisão em cinemas. Com esse sistema, é realizado o scheduling das diversas sessões de filmes nas diversas salas de exibição que as empresas possuem na mesma cidade.

4. O sistema de apoio à decisão desenvolvido: SAD_SCHED

O SAD tem o objetivo de auxiliar o engenheiro de produção na tarefa de programação da produção, fornecendo modelos de programação que podem ser aplicados num ambiente de simulação e avaliados por meio de medidas de desempenhos e gráfico de Gantt. O sistema tem a capacidade de realizar a programação simultânea das operações de transporte e de processamento das peças nas máquinas em função da evolução das operações, da entrada aleatória de peças, dos roteiros de fabricação flexível e das incertezas provenientes do ambiente. Usa a lógica fuzzy para modelar o processo de tomada de decisão na programação das operações de modo que atenda as várias medidas de desempenho utilizadas na produção.

Deste modo as principais características do SAD são: i) auxiliar a programação da produção; ii) realizar programação off-line, na qual todas as tarefas disponíveis são programadas imediatamente; iii) utiliza roteiros alternativos de fabricação; iv) atende a várias medidas de desempenho; v) programar simultaneamente as operações de transporte e processamento.

Este sistema de apoio à decisão é proposto para sistemas de produção tipo Job Shop, com as seguintes características: i) possuem várias estações de trabalho compostas por uma máquina capaz de realizar uma operação por vez e um buffer (elemento de armazenamento de materiais) de entrada e outro de saída com capacidade limitada ou não; ii) utilizam um ou mais veículos de transporte de produtos; iii) produzem vários tipos de produtos; iv) possuem roteiros de fabricação alternativos; v) ocorrem eventos inesperados, tais como solicitações de demandas não previstas, alterações nos prazos de entrega e falhas dos seus componentes.

4.1 O sistema de apoio à decisão desenvolvido: SAD_SCHED

O SAD_SCHED consiste em uma ferramenta de simulação de eventos discretos, uma base de dados contendo informações sobre os modelos de programação e sobre o ambiente de



7

produção, tais como os roteiros de fabricação dos produtos, os tempos de processamento de cada operação nas máquinas, quantidade de máquinas, produtos a serem processados, entre outros, e uma interface de comunicação com o usuário (Figura 1).

Figura 1 – Arquitetura do Sistema de apoio à decisão

O sistema aborda dois modelos de programação: baseado na técnica de priorização e baseado em lógica fuzzy. No primeiro, foram adotadas algumas regras de prioridades que são bastante utilizadas em sistemas de manufatura Job Shop, e estas poderão ser selecionadas pelo usuário através da interface. As regras adotadas foram: i) SPT: menor tempo de processamento; ii) EDD: data de entrega mais próxima; e iii) LPT: maior tempo de processamento.

No segundo modelo, extraído de Domingos (2004), o conhecimento do especialista pode ser armazenado em estratégias de programação de chão de fábrica, que são codificadas na forma de regras fuzzy (se <condição> então <conclusão>) e combinadas em uma base de regras de modo que cada uma contribui parcialmente com a conclusão. A conclusão é a atribuição de um grau de prioridade às tarefas a serem realizadas em um determinado momento, e está relacionada com o atendimento de várias medidas de desempenho simultaneamente. Com base nessa prioridade são tomadas a decisões de programação. Essas decisões são realizadas em três situações definidas pelo modelo como pontos de decisão: i) seleção de máquina; ii) seleção de peça da fila de entrada da máquina; iii) seleção de transporte. Em cada um desses pontos é utilizada uma base de regras fuzzy distinta, formando assim, uma base de conhecimento de programação que, utilizada pelo processo de inferência fuzzy, atribui prioridades às tarefas em cada ponto de decisão. A base de conhecimento desse modelo de programação poderá ser manipulada pelo usuário através da interface do SAD, permitindo-o modelar seu conhecimento e alterar o comportamento da programação.

A ferramenta de simulação é utilizada para a construção de cenários de sistemas de manufatura do tipo Job Shop. Esses cenários são representações computadorizadas de sistemas de manufatura, que apresentam o mesmo comportamento dinâmico e estocástico de um sistema real, sendo utilizados para testar teorias, solucionar problemas de programação, projetar fábricas, etc. Os cenários construídos com o simulador são integrados à interface do SAD de forma que os modelos de programação possam ser aplicados (simulados) e programas de produção possam ser gerados. Com essa integração o usuário poderá avaliar o desempenho dos programas através de um Gráfico de Gantt e pelas seguintes medidas de desempenho: i) atraso médio; ii) porcentagem de tarefas atrasadas; iii) tempo médio de fluxo; iv) makespan.



8

A interface do SAD também permite ao usuário manipular a base de dados do sistema, definindo roteiros de fabricação, tempos de processamento das operações, e lotes de produção que serão utilizados nos cenários do simulador.

Os modelos de programação foram implementados na linguagem C, a interface do SAD_SCHED e a base de dados foram desenvolvidas na ferramenta de programação visual Delphi 7. A ferramenta de simulação de eventos discretos utilizada para a construção dos cenários de manufatura foi o simulador AutoMod versão 9.1 da empresa AutoSimulations.

4.2. Funcionamento do sistema

Ao iniciar o sistema, primeiramente o usuário seleciona o método de programação desejado: - por regras de prioridade ou pelo sistema de programação fuzzy (Figura 2).

Figura 2 – Tela principal do sistema

Selecionado o método, é necessária a especificação do roteiro de fabricação dos produtos no menu cadastro. Há uma caixa de seleção contendo todos os produtos existentes. Ao selecionar o produto, os roteiros de fabricação devem ser carregados (botão carregar) e indicados os tempos, em minutos, de cada operação. Por exemplo, para o produto 4, os tempos devem ser determinados para as máquinas 1, 2 e 3 em cada uma das operações A, B, C, D e E. Portanto, a operação “A” pode ser feita na máquina 1 com tempo X, na máquina 2 com tempo Y e na máquina 3 com tempo Z, conforme mostra figura 3.



9

Figura 3 – Roteiro de fabricação do produto

Após salvar as alterações efetuadas é fundamental o cadastramento dos lotes de produção (Figura 4). Os produtos desejados devem ser selecionados e as informações sobre os lotes carregadas, quando já existente em um arquivo. É possível inserir dados sobre os produtos selecionando-os e indicando a quantidade e o tempo de entrega. Na tabela sobre os lotes de produção, é permitida a alteração ou a exclusão dos dados. As modificações devem ser salvas quando realizadas nesta etapa.

Figura 4 – Lotes de produção

Caso haja a seleção do método de programação por regras de prioridades, é necessária a configuração (menu configurar) das mesmas. Escolha uma entre as regras SPT, EDD ou LPT. Se o método selecionado foi o sistema de programação fuzzy, o usuário pode configurar a base de regras fuzzy (Figura 5), se necessário, em cada ponto de decisão (seleção de máquina, seleção de peça da fila de entrada e seleção da próxima peça a programar).



10

Figura 5 – Configuração das regras fuzzy

A simulação do cenário de produção pode ser realizada após a seleção dos métodos e configuração dos lotes de produção. Se almejado, o usuário pode simular vários cenários que o SAD_SCHED retorna os resultados das medidas de desempenho para possível comparação. Estes resultados são demonstrados na tela principal do sistema. A visualização do plano de produção pode ser efetuada por meio do gráfico de Gantt (Figura 6). Basta o usuário, após executar a simulação, pressionar o botão “Visualizar Gantt”.

Figura 6 – Gráfico de Gantt

Conforme se vê, o sistema desenvolvido, além de possuir as funcionalidades necessárias ao desempenho das funções de scheduling, apresenta uma interface amigável e é bem intuitivo.

4.3 Experimento no SAD_SCHED

Para a realização de testes do SAD foi construído um cenário hipotético de manufatura com a versão limitada da ferramenta de simulação o Automod Student v. 9.1. O cenário construído considera as características principais dos sistemas de manufatura Job Shop e tem a seguintes



11

características: 1) Possui três estações de trabalho contendo uma máquina CNC, um buffer de entrada/saída com capacidade limitada; 2) Possui uma estação de carga e descarga de peças; 3) Utiliza um veículo para o transporte das peças, os quais têm capacidade de carregar um lote de peça por vez; 4) Cinco tipos de peças com roteiros de fabricação alternativos são produzidos neste cenário; 6) Os tempos de setup não foram considerados no modelo. Os roteiros de fabricação dos cinco tipos de produtos, usado na simulação, foram montados através da interface do SAD e são apresentados na tabela 1, onde os tempos de processamento em cada máquina são apresentados em minutos.

Tipos de Peças

Tipos de Operação

Tempos de Processamento (min/peça) por Nº Máquina MAQ 1 MAQ 2 MAQ 3

1 A 14 20 - B - - 11

2 A 12 8 - B - - 13

3 A 17 21 - B - - 14

4

A 12 - - B - 18 - C - - 10 D 6 - - E - - 9

5

A 12 - 15 B - 18 - C 9 - 10 D - 11 -

Tabela 1 – Tempos de processamento e roteiros alternativos das peças produzidas pelo modelo de FMS

Os modelos de programação e a interface utilizada pelo SAD foram integrados ao cenário do Job Shop, para realizar a programação dos lotes de produção definidos pelo usuário e avaliar os modelos de programação por meio da simulação. Para realização desse estudo foram definidos os lotes de produção apresentado na tabela 2:

Prazo de entrega (min) Tipo de produto Quantidade a produzir 5000 Produto 1 50 4000 Produto 2 50 3500 Produto 3 25 4000 Produto 4 25 3200 Produto 5 30 3780 Produto 5 70

Tabela 2 - Lotes de produção definidos na interface do SAD

Para os testes com o modelo de simulação baseado em lógica fuzzy foi utilizada a base de conhecimento construída por um especialista da área de engenharia da produção descrita em Domingos (2004). Os desempenhos dos modelos de programação foram avaliados segundo as quatro medidas de desempenho “percentual de atraso”, “tempo médio de atraso”, “tempo médio de fluxo” e “makespan”, que estão relacionadas diretamente com os objetivos de produção confiabilidade e rapidez, e que indiretamente influenciam no objetivo custo (Slack et al 2002). Os resultados obtidos nas simulações dos modelos para as medidas de desempenhos são apresentados na tabela 3.



12

Procedimento de programação

Lotes de produção

Percentual de Atraso (%)

Tempo médio atraso (min)

Tempo médio de fluxo (min)

Makespan (min)

Baseado Lógica Fuzzy

250 produtos 6,8 16,95 1789,99 4249,05

Regras de prioridade SPT

250 produtos 12,8 59,99 2797,17 4687,32

Regras de Prioridade EDD

250 produtos 9,2 31,07 2824,97 4426

Regras de prioridade LPT

250 produtos 21,6 63,34 3168,51 4364,75

Tabela 3 - Medidas de desempenho dos modelos de programação apresentados pelo SAD

O usuário do SAD pode verificar que para esse estudo o melhor modelo de programação foi o baseado em lógica fuzzy, o qual apresentou os melhores resultados nas medidas de desempenho. Pode-se verificar também em relação ao modelo baseado em regras de priorização, que são bem mais simples e fáceis de colocar em prática, que:

- a regra SPT é mais apropriada para quando se tem o objetivo de reduzir o tempo médio de fluxo, obtendo maior rapidez na entrega de produtos;

- a regra EDD é mais apropriada para o objetivo de produção confiabilidade de entrega;

- a regra LPT para a redução do makespan obtendo maior utilização das máquinas e redução de custos com máquina ociosa.

Os resultados demonstraram que o sistema desenvolvido é uma ferramenta hábil para auxiliar o operador do PCP a programar as operações em um ambiente de produção do tipo Job Shop.

5. Considerações finais

O SAD_SCHED atingiu o objetivo proposto. O sistema auxilia os profissionais envolvidos na tarefa de programação da produção, fornece modelos para serem selecionados pelos usuários e permite a avaliação do desempenho de cada modelo disponibilizado.

O sistema de apoio à decisão desenvolvido possui uma interface amigável com o usuário. As opções de modelos de scheduling são disponibilizadas de forma clara e apresenta observações para orientar o funcionário envolvido com a programação da produção que utiliza tal sistema.

As linguagens de programação utilizadas foram adequadas para o desenvolvimento do SAD. Cabe ressaltar que o sistema apresenta limitações devido à versão do simulador utilizado, restringindo o cenário de produção simulado. Esta situação pode ser contornada com o uso da versão completa da ferramenta de simulação que permite ampliar o cenário reproduzido.

Dentre os modelos de scheduling utilizados, a programação baseada em lógica fuzzy é a mais eficiente, demonstrando um desempenho superior quando comparada com os outros modelos, conforme Domingos (2004).

O presente trabalho contribui para a prática gerencial da produção, mais especificamente para a atividade de programação da produção. Com o uso do SAD desenvolvido, os funcionários comprometidos com tal tarefa poderão tomar decisões mais apropriadas.



13

Referências

ASKIN, R. G.; STANDRIDGE, C.R. Modeling and analysis of manufacturing systems. New York: John Wiley & Sons, 1993. BELTON, V.; ELDER, M.D. Exploring a multicriteria approach to production scheduling, Journal of the Operational Research Society, v. 47, pp. 162-174, 1996.

BLEY, H. JOSTOCK, J. STADELMEYER, V. Approaches to integrating detailed job scheduling and

manufacturing control. Proceedings… CIRP Seminars Manufacturing Systems, Vol. 25, No. 4/96, p. 359-365, WISU Verlag Aachen, Germany, 1996.

BROWN, D. E.; SCHERER, W. T. Intelligent scheduling systems. Kluwer, 276 p., 1995.

CLARKE, G.; WRIGHT J.W. Scheduling of vehicles from a central depot to a number of delivery points. Operations Research, v. 12, pp 568–581, 1964.

COSTIN, M.; DUMBRAVÃ, S.; BREZULIANO, A. Hybrid decision model for operational flow scheduling. Proceedings… International Conference on Computer Systems and Technologies - CompSysTech’ 2005. Disponível em: < http://ecet.ecs.ru.acad. bg/cst05/Docs/cp/SIII/IIIB.4.pdf>. Acesso em: 05 de jan. de 2006.

DAUZÈRE-PÉRÈ S, S.; LASSERE, J-B. On the importance of sequencing decisions in production planning

and scheduling. Disponível em: <http://www.nhh.no/ for/dp/1999/0799.pdf>. Acesso em: 23 de dez. de 2005.

DOMINGOS, J. C. Programação on-line da produção de sistemas flexíveis de manufatura baseado em lógica

fuzzy. 137 p. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2004.

ELIASHBERG, J.; SWAMI, S.; WEINBERG, C.; WIERENGA, B. Operations research in the movies: scheduling the multiplexes. Disponível em: <http://www.sauder.ubc.ca/ faculty/divisions/marketing/docs/OR-in-the-Movies-June3-05.pdf>. Acesso em: 21 de dez. 2005.

FAGERHOLT, K. A computer-based decision support system for vessel fleet scheduling: experience and

future research. Decision Support Systems, v. 37, pp. 35 – 47, 2004.

FERNANDES, F. C. F.; GODINHO FILHO, M. Sistemas de coordenação de ordens: revisão, classificação,

funcionamento e aplicabilidade. Gestão & Produção, São Carlos, v. 14, n.2, p. 337-352, maio-ago. 2007.

GRANT, H.; PIDD, M.; BANKS, J.; KELTON, D.; MUSSELMAN, K.; CLARK, G. Simulation. In: GREENE, J.H. Production and Inventory Control Handbook. 3ª e. Boston: Mc Graw Hill, 2001, cap.36, p.41-55.

HATZILYGEROUDIS, I.; SOFOTASSIOS, D.; DENDRIS, N.; TRIANTAFILLOU, V.; TSAKALIDIS, A.; SPIRAKIS, P. MRP II-based production management using intelligent decision making. In: DREXL, A.; KIMMS, A. Beyond Manufacturing Resource Planning (MRP II), Advanced Models and Methods for Production Planning, Springer-Verlag, p. 379-411, 1998.

HIGGINS, P. G. Extending cognitive work analysis to manufacturing scheduling. Proceedings… OzCHI’98, Adelaide, November, pp. 236-243, 1998.

LAUDON, K. C.; LAUDON, J. P. Management information systems: managing the digital firm. 8ª ed. Upper Saddle River, NJ: Prentice-Hall. 534 p., 2004.

LEI, X.; YUE, H. Design of system for manufacturing of integrated circuits - VirMIC. Proceedings... ICDA. 9 p. Disponível em: <http://www.ifip.org/con2000/icda2000/ icda-11-4.pdf>. Acesso em: 23 de dez. de 2005.

O’BRIEN, J. A. Sistemas de informação e as decisões gerenciais na era da Internet. 2ª ed. São Paulo: Saraiva. 433 p. 2004.

SAUTER, V. Decision Support Systems. New York: John Wiley & Sons, 1997.

SCHNIEDERJANS, M. J.; CARPENTER, D. A. A heuristic job scheduling decision support system: a case

study. Decision Support Systems, v. 18, pp. 159 – 166. 1997.

SIPPER, D.; BULFIN, R. Production: planning, control, and integration. New York: McGraw-Hill, 1997.

SLACK, N; CHAMBERS, S.; JOHNSTON, R. Administração da produção. São Paulo: Atlas. 748p. 2002.



14

SPRAGUE, R. H.; WATSON, H. J. Sistemas de apoio à decisão: colocando a teoria em prática. Rio de Janeiro: Campus, 1995.

STEVENSON, M. ; HENDRY, L. C.; KINGSMAN, B. G. A review of production planning and control: the

applicability of key concepts to the make-to-order industry. International Journal of Production Research, United Kingdon, v. 43, n.5, 1, March 2005, 869-898.

SUSUMU, M.; LEE, K.H. Efficient simulation/optimization of dispatching priority with “fake” processing

time. Proceedings… Winter Simulation Conference, 1997. Disponível em: <http://www.informs-sim.org/ wsc97papers/0872.PDF>. Acesso em: 26 de jan de 2006.

T’KINDT, V.; BILLAUT, J.- C.; BOUQUARD, J.-L.; LENTÉ, C.; MARTINEAU, P.; NÉRON, E.; PROUST, C.; TACQUARD, C. The e-OCEA project: towards an Internet decision system for scheduling

problems. Decision Support Systems, v. 40, pp- 329 – 337., 2005.

TURBAN, E.; RAINER JR, R. K.; POTTER, R. E. Administração de tecnologia da informação: teoria e

prática. 3ª ed. Rio de Janeiro: Elsevier. 618 p., 2005.

WHITE, K.P. Advances in the theory and practice of production scheduling. In: LEONDES, C.T., Advances in Control and Dynamic Systems. Academic Press, pp. 115–157., 1990.

WILD, R. Operations Management. 6th edition, Thomson Learning, London. 870 p., 2003.

WOLF, G. Schedule management: an object oriented approach. Decision Support Systems, v. 11, n. 4, pp. 373-388., 1994.

Documents

UM SISTEMA DE APOIO À DECISÃO PARA SCHEDULING EM JOB SHOP … · Palavras-chaves: Planejamento e Controle da Produção, Job Shop, Sistema de apoio à decisão, Scheduling, Lógica