Transferir como PDF, PPTX
![(c) 1999-2004 DPD/FEG/UNESP
R = Q ×× p
C = CF + Q ×× cV
cF
p - cv
R = Q ×× p
C = CF + Q ×× cV
cF
p - cv
Ponto de nivelamento
$
Q [unid]
R
C
Q QMÁX
Q =](https://image.slidesharecdn.com/pcp1-150730130523-lva1-app6891/85/Pcp1-10-320.jpg)
![(c) 1999-2004 DPD/FEG/UNESP
Programação Linear
Minimizar Z
Z ≡ Custo total = Σ Σ [ cit Xit + hit Iit + Sit ]
Restrições:
Xit - Iit + Ii t-1 = Dit
Σ [ wi Xit ] ≤ Wt
Minimizar Z
Z ≡ Custo total = Σ Σ [ cit Xit + hit Iit + Sit ]
Restrições:
Xit - Iit + Ii t-1 = Dit
Σ [ wi Xit ] ≤ Wt
CONTADOR, J. L. (s/d), Planejamento e Controle da Produção, apostila,
Guaratinguetá: DPD/FEG/UNESP](https://image.slidesharecdn.com/pcp1-150730130523-lva1-app6891/85/Pcp1-17-320.jpg)
![(c) 1999-2004 DPD/FEG/UNESP
Modelo de Manne
Minimizar Σ Ot
Restrições:
Σ (at + wt Xt) - Ot ≤ Wt
Ot ≤ W’t , Xt ≥ 0 , Ot ≥ 0 ,
Σ [ Xi - Dt ] ≥ 0
Minimizar Σ Ot
Restrições:
Σ (at + wt Xt) - Ot ≤ Wt
Ot ≤ W’t , Xt ≥ 0 , Ot ≥ 0 ,
Σ [ Xi - Dt ] ≥ 0
Teorema da dominância
J = 2T-1
Teorema da dominância
J = 2T-1
MANNE, A. S.(1958), “Programming of economic lot sizes”,
Management Science, v. 4, n. 2, p. 115-135](https://image.slidesharecdn.com/pcp1-150730130523-lva1-app6891/85/Pcp1-18-320.jpg)
![(c) 1999-2004 DPD/FEG/UNESP
Modelo de Lasdon e Terjung
Minimizar Z
Z = Σ Σ [ A(mit - mi, t-1)+ + Hit|Iit| ]
Restrições:
Iit = Ii, t-1 + ρimit - Dit
mit ≤ Ni , Σ mit ≤ bt
Minimizar Z
Z = Σ Σ [ A(mit - mi, t-1)+ + Hit|Iit| ]
Restrições:
Iit = Ii, t-1 + ρimit - Dit
mit ≤ Ni , Σ mit ≤ bt
LASDON, L. S.; TERJUNG, R. C. (1971), “An efficient algorithm for
multi-item scheduling”, Operations Research. 19, (4), 946-969](https://image.slidesharecdn.com/pcp1-150730130523-lva1-app6891/85/Pcp1-19-320.jpg)
Carregado porFranklin Porto
Pcp1
Este documento discute vários tópicos relacionados ao planejamento e controle da produção, incluindo previsão da demanda, planejamento da produção, programação linear, modelos de Manne e Lasdon-Terjung, e planejamento hierárquico. O documento também fornece definições-chave de conceitos como carregamento, sequenciamento e programação.
Pcp1
- 1. (c) 1999-2004 DPD/FEG/UNESP Planejamentoe Controle da Produção Introdução - Sistema de PCP - Previsão da demanda - Planejamento da produção Gerência de Projetos - CPM - PERT - PERT-CPM, PERT-Custos, etc. Gerência de Estoques - Lote Econômico - Plano de Produção Produção Puxada - MRP - JiT & OPT Prof. Valério Salomon (DPD/FEG/UNESP) http://www.feg.unesp.br/~salomon
- 2. (c) 1999-2004 DPD/FEG/UNESP OSistema de PCP PCP = (Sistema de) PLANEJAMENTO e CONTROLE da PRODUÇÃO PCP = (Sistema de) PLANEJAMENTO e CONTROLE da PRODUÇÃO CONTADOR, J. C.; CONTADOR, J. L. (1997), “Programação e controle da produção para a indústria intermitente”, In: CONTADOR, J. C. (coordenador), Gestão de Operações, 2a edição, São Paulo: Fundação C. A. Vanzolini; Edgard Blücher, p. 235
- 3. (c) 1999-2004 DPD/FEG/UNESP Situandoo PCP Alta AdministraçãoAlta Administração FinançasFinanças OperaçõesOperações ComercialComercial ComprasCompras VendasVendasEngenhariaEngenharia PCPPCP FabricaçãoFabricação PrevisãoPrevisãoPlanejamento Planejamento Programação ProgramaçãoLiberaçãoLiberaçãoControleControle MaterialMaterialCustosCustos
- 4. (c) 1999-2004 DPD/FEG/UNESP Detalhandoo PCP Compras Previsões VendasAlta Admin.Engenharia Planejamto Programaç. LiberaçãoControle Custos Fabricação Materiais
- 5. (c) 1999-2004 DPD/FEG/UNESP OProcesso de Decisão no PCP Curtíssimo Prazo Curtíssimo Prazo Curto Prazo Curto Prazo Médio Prazo Médio Prazo Longo Prazo Longo Prazo O QUÊ? COMO ? QUANDO ? QUEM ? • mix de produtos • processos • distribuição • atendimento • materiais • mão-de-obra • estoque • entrega • lotes • prazos • horas-extra • reservas • seqüencia- mento • requisição • designação • controle
- 6. (c) 1999-2004 DPD/FEG/UNESP Aplicações: •PCP • Vendas (Marketing) • Finanças Aplicações: • PCP • Vendas (Marketing) • Finanças Previsão da Demanda
- 7. (c) 1999-2004 DPD/FEG/UNESP Modelagemda Previsão Objetivo da previsãoObjetivo da previsão produto precisão recursos Seleção da técnicaSeleção da técnica Coleta de dadosColeta de dados viabilidade características dos dadosMonitoramento da previsãoMonitoramento da previsão erro parâmetros ajustes características da demanda TUBINO, D. F. (1997), Manual de Programação e controle da Produção, São Paulo: Ed. Atlas
- 8. (c) 1999-2004 DPD/FEG/UNESP Modelagemda Previsão PELLEGRINI, F. R.; FOGLIATTO, F. S. (2001), “Passos para a implantação de um sistema de previsão da demanda – técnicas e estudo de caso”, Revista Produção, v. 11, n. 1, p. 43-64 1 - Definição do Problema 2 - Coleta de Informações 3 - Seleção do Pacote Computacional 4 - Análise Preliminar 5 - Escolha e Validação dos Modelos 6 - Verificação do Sistema 1 - Definição do Problema 2 - Coleta de Informações 3 - Seleção do Pacote Computacional 4 - Análise Preliminar 5 - Escolha e Validação dos Modelos 6 - Verificação do Sistema
- 9. (c) 1999-2004 DPD/FEG/UNESP Modelosde Previsão • Ponto de nivelamento • Séries temporais • Correlação • Redes neurais • Lógica fuzzy • Método AHP • Método DELPHI 578,50 unid/mês 578,50 unid/mês 61,4 mil em 1998 61,4 mil em 1998 Excelente Excelente M uitoBoa M uitoBoa EstávelEstável Quantitativos Qualitativos
- 10. (c) 1999-2004 DPD/FEG/UNESP R= Q ×× p C = CF + Q ×× cV cF p - cv R = Q ×× p C = CF + Q ×× cV cF p - cv Ponto de nivelamento $ Q [unid] R C Q QMÁX Q =
- 11. (c) 1999-2004 DPD/FEG/UNESP Sériestemporais 0 10 20 30 40 50 60 Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez Demanda Variação irregular Sazonalidade Tendência Variação aleatória Conceitos: • Média (Level) • Sazonalidade (Season) • Tendência (Trend) • Variações (Aleatória e Irregular) Conceitos: • Média (Level) • Sazonalidade (Season) • Tendência (Trend) • Variações (Aleatória e Irregular)
- 12. (c) 1999-2004 DPD/FEG/UNESP SériesTemporais 60,0 62,0 64,0 66,0 68,0 70,0 72,0 74,0 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 venda real prev a=0,2 prev a=0,3 mm 4sem semana venda real prev α=0,2 prev α=0,3 mm 4sem 20 63,3 60,0 60,0 21 62,5 60,7 61,0 22 67,8 61,0 61,4 23 66,0 62,4 63,4 24 67,2 63,1 64,1 64,9 25 69,9 63,9 65,1 65,9 26 65,6 65,1 66,5 67,7 27 71,1 65,2 66,2 67,2 28 68,8 66,4 67,7 68,5 29 68,4 66,9 68,0 68,9 30 70,3 67,2 68,1 68,5 31 72,5 67,8 68,8 69,7 32 66,7 68,7 69,9 70,0 33 68,3 68,3 68,9 69,5 34 67,0 68,3 68,7 69,5 35 68,1 68,2 68,6 Média móvel: Ft = (St-1 + St-2 + St-3 + ... + St-n)/n Suavização: Ft = α St-1 + (1 - α) Ft-1 Média móvel: Ft = (St-1 + St-2 + St-3 + ... + St-n)/n Suavização: Ft = α St-1 + (1 - α) Ft-1
- 13. (c) 1999-2004 DPD/FEG/UNESP SériesTemporais COSTA, M. Y. P. (2001), Determinação da capacidade da produção a partir da previsão da demanda, Trabalho de Graduação (Eng. Produção Mecânica), Guaratinguetá: UNESP demanda real prev α=0,66 mm 3 mês sazonalidade jan/01 43 36 37 42 fev/01 32 40 38 34 mar/01 44 35 37 47 abr/01 39 41 40 36 mai/01 50 40 38 49 jun/01 33 46 44 44 jul/01 21 38 41 28 ago/01 19 27 35 31 set/01 26 22 24 18 out/01 19 25 22 21 nov/01 19 21 21 14 dez/01 30 20 21 16 Cumulative forecast error 23,5 21,0 28,4 Mean absolute deviation 6,40 6,84 7,78 Tracking signal 3,67 3,07 3,65 10 15 20 25 30 35 40 45 50 55 jan/01 fev/01 mar/01 abr/01 mai/01 jun/01 jul/01 ago/01 set/01 out/01 nov/01 dez/01 dem anda real prev a=0,66 m m 3 m ês sazonalidade
- 14. (c) 1999-2004 DPD/FEG/UNESP Correlação Previsãoda demanda de um determinado produto a partir de outra variável relacionada com o produto. Previsão da demanda de um determinado produto a partir de outra variável relacionada com o produto. X ∑ β2 → 0 β Y=a+bXY
- 15. (c) 1999-2004 DPD/FEG/UNESP Planejamentoda Produção • Objetivos • Programação linear • Modelo de Manne • Modelo de Lasdon e Terjung • Planejamento hierárquico • Objetivos • Programação linear • Modelo de Manne • Modelo de Lasdon e Terjung • Planejamento hierárquico
- 16. (c) 1999-2004 DPD/FEG/UNESP •Minimizar atrasos e não atendimento de ordens de produção • Minimizar estoques • Minimizar a ociosidade dos recursos produtivos pela alocação eficiente do trabalho • Minimizar os “lead-times” da produção • Distribuir o trabalho, de modo equilibrado (entre os recursos e ao longo do tempo) • Minimizar atrasos e não atendimento de ordens de produção • Minimizar estoques • Minimizar a ociosidade dos recursos produtivos pela alocação eficiente do trabalho • Minimizar os “lead-times” da produção • Distribuir o trabalho, de modo equilibrado (entre os recursos e ao longo do tempo) Objetivos do Planejamento da Produção SANTORO, M. C. (1999), Planejamento, Programação e Controle da Produção (introdução e informações básicas), apostila, São Paulo/SP: PRO/Poli/USP
- 17. (c) 1999-2004 DPD/FEG/UNESP ProgramaçãoLinear Minimizar Z Z ≡ Custo total = Σ Σ [ cit Xit + hit Iit + Sit ] Restrições: Xit - Iit + Ii t-1 = Dit Σ [ wi Xit ] ≤ Wt Minimizar Z Z ≡ Custo total = Σ Σ [ cit Xit + hit Iit + Sit ] Restrições: Xit - Iit + Ii t-1 = Dit Σ [ wi Xit ] ≤ Wt CONTADOR, J. L. (s/d), Planejamento e Controle da Produção, apostila, Guaratinguetá: DPD/FEG/UNESP
- 18. (c) 1999-2004 DPD/FEG/UNESP Modelode Manne Minimizar Σ Ot Restrições: Σ (at + wt Xt) - Ot ≤ Wt Ot ≤ W’t , Xt ≥ 0 , Ot ≥ 0 , Σ [ Xi - Dt ] ≥ 0 Minimizar Σ Ot Restrições: Σ (at + wt Xt) - Ot ≤ Wt Ot ≤ W’t , Xt ≥ 0 , Ot ≥ 0 , Σ [ Xi - Dt ] ≥ 0 Teorema da dominância J = 2T-1 Teorema da dominância J = 2T-1 MANNE, A. S.(1958), “Programming of economic lot sizes”, Management Science, v. 4, n. 2, p. 115-135
- 19. (c) 1999-2004 DPD/FEG/UNESP Modelode Lasdon e Terjung Minimizar Z Z = Σ Σ [ A(mit - mi, t-1)+ + Hit|Iit| ] Restrições: Iit = Ii, t-1 + ρimit - Dit mit ≤ Ni , Σ mit ≤ bt Minimizar Z Z = Σ Σ [ A(mit - mi, t-1)+ + Hit|Iit| ] Restrições: Iit = Ii, t-1 + ρimit - Dit mit ≤ Ni , Σ mit ≤ bt LASDON, L. S.; TERJUNG, R. C. (1971), “An efficient algorithm for multi-item scheduling”, Operations Research. 19, (4), 946-969
- 20. (c) 1999-2004 DPD/FEG/UNESP PlanejamentoHierárquico Tipos: • grupos de famílias • custos similares de produção • mesmo padrão de sazonalidade Tipos: • grupos de famílias • custos similares de produção • mesmo padrão de sazonalidade Famílias: • grupos de itens • custos de preparação Famílias: • grupos de itens • custos de preparação Itens: • produtos finais • diferenças de cor, tamanho, etc. Itens: • produtos finais • diferenças de cor, tamanho, etc.
- 21. (c) 1999-2004 DPD/FEG/UNESP Planejamentoe Controle Seqüenciamento SeqüenciamentoCarregamentosCarregamentos 0 0,2 0,4 0,6 0,8 1 horas dias sem anas m eses anos tempo importânciarelativa planejamento controle Planejamento Planejamento ControleControle Program ação Program ação
- 22. (c) 1999-2004 DPD/FEG/UNESP Conceitose Definições Carregamento: determinação do volume de produção para cada sistema (centro) Seqüenciamento: determinação da prioridade das tarefas Programação: determinação do início e do final de cada tarefa Carregamento: determinação do volume de produção para cada sistema (centro) Seqüenciamento: determinação da prioridade das tarefas Programação: determinação do início e do final de cada tarefa Planejamento: determinação do que deve ser realizado Controle (acompanhamento): processo de lidar com as variáveis que afetam um sistema Planejamento: determinação do que deve ser realizado Controle (acompanhamento): processo de lidar com as variáveis que afetam um sistema
- 23. (c) 1999-2004 DPD/FEG/UNESP Tiposde Planejamento e Controle “Planejamento e Controle são atividades que buscam conciliar fornecimento e demanda” “Planejamento e Controle são atividades que buscam conciliar fornecimento e demanda” SLACK, N.; CHAMBERS, S. ; JOHNSTON, R. (2002), Administração da Produção, 2a edição, São Paulo: Ed. Atlas Fazer p/estoque Fazer contra pedido Comprar contra pedido EntregaProduçãoCompras D D D
- 24. (c) 1999-2004 DPD/FEG/UNESP CarregamentoFinito Abordagem de alocação de trabalho até um limite estabelecido. • é possível limitar carga; • é necessário limitar carga; • baixo custo de limitação de carga. Abordagem de alocação de trabalho até um limite estabelecido. • é possível limitar carga; • é necessário limitar carga; • baixo custo de limitação de carga. Cargas para Abril/1999 0 50 100 150 200 1 2 3 4 5 6 7 8 horas/mês
- 25. (c) 1999-2004 DPD/FEG/UNESP Programaçãopara trás (puxada) Linha de Balanço (Exército dos EUA, anos 50)Linha de Balanço (Exército dos EUA, anos 50) Linha de Balanço para 3a. semana 0 25 50 75 100 10 20 25 30 50 70 80 Operação %concluída
- 26. (c) 1999-2004 DPD/FEG/UNESP Seqüenciamento Regras •exigência contratual; • importância do cliente; • ordem de chegada (FIFO ou LIFO); • duração da tarefa (mais longa primeiro ou mais curta primeiro); • duração da seqüência. Regras • exigência contratual; • importância do cliente; • ordem de chegada (FIFO ou LIFO); • duração da tarefa (mais longa primeiro ou mais curta primeiro); • duração da seqüência.
- 27. (c) 1999-2004 DPD/FEG/UNESP Seqüenciamento(Scheduling) n! seqüências (n!)m seqüências Job-shopJob-shop Mq 1 Mq 2 Mq 3 Mq 4 Saída Entrad X X X Mq 1 - X X X X Mq 2 - X X X Mq 3 X - X X Mq 4 - X Flow-shopFlow-shop Mq 1 Mq 2 Mq 3 Mq 4 Saída Entrad X Mq 1 - X Mq 2 - X Mq 3 - X Mq 4 - X
- 28. (c) 1999-2004 DPD/FEG/UNESP Flow-shopScheduling Duração da seqüênciaDuração da seqüência Máquina Peça 1 2 3 4 1 9 4 5 8 2 9 3 10 1 3 5 9 8 10 Matriz peça x máquinaMatriz peça x máquina
- 29. (c) 1999-2004 DPD/FEG/UNESP Algoritmode JOHNSON (1956)Algoritmo de JOHNSON (1956) Máquina Peça 1 2 1 15 12 2 18 16 3 24 18 4 10 13 5 17 22 Seqüência ótima: 4, 5, 3, 2, 1Seqüência ótima: 4, 5, 3, 2, 1 Flow-shop Scheduling
- 30. (c) 1999-2004 DPD/FEG/UNESP Algoritmode NAWAS, ENSCORE e HAM (1983)Algoritmo de NAWAS, ENSCORE e HAM (1983) Seqüência “muito boa”: 3, 1, 2Seqüência “muito boa”: 3, 1, 2 Máquina Peça 1 2 3 4 1 9 4 5 8 2 9 3 10 1 3 5 9 8 10 Flow-shop Scheduling seqüências1 2 )1n(n − +