na ColepCCL Portugal - repositorio-aberto.up.pt · Cláudia Manuela Ferreira de Andrade...

General Line Planning

na

ColepCCL Portugal

Cláudia Manuela Ferreira de Andrade

Dissertação de Mestrado

Orientador na FEUP: Prof. Doutor Manuel Pina Marques

Orientador na ColepCCL: Eng. José Carlos Soares

Faculdade de Engenharia da Universidade do Porto

Mestrado Integrado em Engenharia Industrial e Gestão

2010-07-05

ii

“All time management begins with planning.” Tom Greening

iii

Resumo

O planeamento da produção é um dos principais factores que influenciam a produtividade

industrial. Particularmente em empresas com capacidade limitada, é crucial um planeamento

da produção que permita a correcta utilização dos recursos disponíveis.

Para resolução dos problemas de planeamento da produção podem ser utilizados diferentes

métodos, que variam conforme as características do sistema produtivo e os objectivos

definidos pela empresa.

Esta dissertação descreve uma ferramenta informática desenvolvida em linguagem “Visual

Basic” aplicada ao “Microsoft Excel” baseada no conceito de sistema de apoio à decisão para

problemas de planeamento da produção de uma empresa do Sector Metalomecânico tendo

como objectivos a minimização do atraso total e a minimização do tempo de “setup”, numa

oficina constituída por uma só máquina. Foram desenvolvidas heurísticas adaptadas ao

sistema produtivo da empresa, e incorporados na ferramenta desenvolvida.

iv

Abstract

Production planning is one of the main factors influencing industrial productivity. Particularly

in companies with seasonal demand and limited capacity, it is crucial to have a production

planning system for a correct allocation of available resources.

Different methods can be used to solve production planning problems, which depend on the

characteristics of the production system and the objectives set by the company.

This thesis describes a software tool developed in "Visual Basic" applied to "Microsoft Excel"

based on the concept of decision support system for production planning of a company in

mechanical sector with the objectives of minimizing the total tardiness and minimizing the

setup time in a single machine workshop. Heuristic Models were tailored and developed for

this company production system

v

Agradecimentos

No final da elaboração deste trabalho gostaria de agradecer a todos quantos, directa ou

indirectamente, o tornaram possível.

A toda a equipa do “Supply Chain Department” em especial ao Eng. José Carlos Soares.

Ao Professor Manuel Pina Marques pela incansável ajuda prestada, pelo apoio e

disponibilidade demonstrados.

Um agradecimento, a todos os professores do MIEIG que me proporcionaram, ao longo do

curso, um óptimo ambiente de estudo e formação.

Finalmente, o maior agradecimento vai para os meus pais, irmãs, namorado e amigos pelos

incentivos, motivação e apoio dado durante este período.

vi

Índice de Conteúdos

1 Introdução ........................................................................................................................................... 1

1.1 Apresentação da empresa ColepCCL .................................................................................................. 1

1.2 Projecto “General Line Planning” ......................................................................................................... 2

1.3 Temas abordados e sua organização no presente relatório ................................................................ 3

2 Fundamentos Teóricos........................................................................................................................ 4

2.1 Métodos de previsão ............................................................................................................................ 4

2.2 Problemas de sequenciamento ............................................................................................................ 7

2.3 SAD (Sistema de Apoio à Decisão) ................................................................................................... 16

3 Apresentação do Projecto “General Line Planning” .......................................................................... 18

3.1 Características gerais do ambiente produtivo .................................................................................... 18

3.2 MRP (“Material Requirement Planning”) ............................................................................................ 21

3.3 “General Line Planning” no presente ................................................................................................. 22

4 Modelo desenvolvido para o “General Line Planning” ...................................................................... 24

4.1 Métodos utilizados para previsão do consumo .................................................................................. 24

4.2 Nova abordagem à geração de ordens de produção ......................................................................... 25

4.3 Definição do problema de sequenciamento ....................................................................................... 27

4.4 Heurísticas desenvolvidas para criação dos planos de produção ...................................................... 28

4.5 Dados de entrada das heurísticas ...................................................................................................... 28

4.6 Regra de escolha da próxima família a sequenciar ........................................................................... 29

4.7 Descrição das heurísticas para cada plano de produção ................................................................... 30

5 Apresentação e Funcionalidades da Ferramenta de Auxílio ao “General Line Planning” ................ 38

5.1 Página inicial ...................................................................................................................................... 38

5.2 Página de dados ................................................................................................................................ 40

5.3 Análise dos valores propostos pela ferramenta ................................................................................. 42

5.4 Geração dos planos de produção ...................................................................................................... 43

5.5 Comparação entre os planos de produção criados ............................................................................ 46

6 Conclusões e Trabalhos Futuros ...................................................................................................... 47

6.1 Conclusões ........................................................................................................................................ 47

6.2 Trabalhos Futuros .............................................................................................................................. 48

Referências ............................................................................................................................................ 50

ANEXO A: Dados do centro de trabalho 41083 na semana 25 ............................................................. 53

ANEXO B: Planos de produção ............................................................................................................. 54

vii

Índice de Figuras

Figura 1: Distribuição das unidades industriais da ColepCCL ................................................................ 1

Figura 2: Componentes de um SAD (Sistema de Apoio à Decisão) .................................................... 17

Figura 3: Identificação de família e artigo ............................................................................................. 18

Figura 4: Processo de fabrico de latas no “General Line” .................................................................... 19

Figura 5: Artigos de procura independente e artigos de procura dependente ..................................... 20

Figura 6: Geração de ordens pelo MRP (“Material Requirement Planning”) ........................................ 22

Figura 7: FlowChart do método usado presentemente no “General Line Planning” ............................ 23

Figura 8: Flowchart para escolha do método de previsão .................................................................... 24

Figura 9: Criação da ordem agregada .................................................................................................. 26

Figura 10: “Flowchart” da regra para escolha da próxima família a sequenciar ................................... 30

Figura 11: “Flowchart” da heurística baseada na regra da folga mínima considerando a restrição –

Plano A .................................................................................................................................................. 32

Figura 12: “Flowchart” da heurística baseada na regra da folga mínima relaxando a restrição – Plano

B ............................................................................................................................................................ 33

Figura 13: “Flowchart” da heurística baseada na regra da “earliest due date” considerando a restrição

– Plano C ............................................................................................................................................... 34

Figura 14: “Flowchart” da heurística baseada na regra da “earliest due date” relaxando a restrição –

Plano D .................................................................................................................................................. 35

Figura 15: “Flowchart” da heurística baseada na regra do tempo mínimo de processamento

considerando a restrição – Plano E ...................................................................................................... 36

Figura 16: “Flowchart” da heurística baseada na regra do tempo mínimo de processamento relaxando

a restrição – Plano F ............................................................................................................................. 37

Figura 17: Página inicial da ferramenta ................................................................................................ 38

Figura 18: Gráfico do histórico de consumo do artigo 31-20358 .......................................................... 42

Figura 19: Alteração da quantidade sugerida pelo programa ............................................................... 43

Figura 20: Exemplo de um plano de produção para o centro de trabalho 41083 ................................. 43

Figura 21: Diagrama de Gant correspondente ao plano de produção ................................................. 45

Figura 22: Gráfico de análise dos planos de produção criados ............................................................ 45

viii

Índice de Tabelas

Tabela 1: Selecção do método de previsão de acordo com o padrão de dados .................................... 5

Tabela 2: Erros de previsão .................................................................................................................... 6

Tabela 3: Possíveis configurações das máquinas .................................................................................. 8

Tabela 4: Características das ordens de fabrico ..................................................................................... 9

Tabela 5: Critérios de optimização relacionados com datas devidas de entrega ................................. 10

Tabela 6: Regras de sequenciamento .................................................................................................. 13

Tabela 7: Definição dos conceitos fundamentais de um Sistema de Apoio à Decisão ........................ 16

Tabela 8: Cálculos relativos à quantidade e à data devida de entrega ................................................ 26

Tabela 9: Funcionalidades dos botões da página inicial do programa ................................................. 39

Tabela 10: Descrição dos dados do centro de trabalho ....................................................................... 41

Tabela 11: Significado dos elementos presentes no plano de produção ............................................. 44

Tabela 12: Avaliação e comparação dos diferentes planos de fabrico para a linha 41086.................. 46

ix

Abreviaturas

EAM Erro Absoluto Médio

EDD “Earliest Due Date “

EM Erro Médio

EPAM Erro Percentual Absoluto Médio

EPM Erro Percentual Médio

EPt Erro Percentual no período t

EQM Erro Quadrático Médio

Et Erro de previsão no período t

MDD “Modified Due Date “

MRP “Material Requirement Planning”

SAD Sistema de Apoio à Decisão

SAP Sistemas Aplicações e Produtos em Processamento de Dados

x

Notações

prmp “preemptions”

𝑟𝑖 “release” date da ordem i

𝑇𝑚𝑎𝑥 atraso máximo

𝑇𝑖

𝑛

𝑖=1

atraso total

𝐶𝑖 data de finalização da ordem i

𝑑𝑖 data devida de entrega da ordem i

Lmax desvio máximo

𝐿𝑖

𝑛

𝑖=1

desvio total

fmls família das ordens

𝑈𝑖

𝑛

𝑖=1

número de ordens atrasadas com 𝑈𝑖 = 0 , 𝑠𝑒 𝐶𝑖 ≤ 𝑑𝑖 1 , 𝑛𝑜 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜

𝑌𝑡 observação para o período t

𝐹𝑡 previsão para o período t

𝑠𝑡𝑖𝑗 tempo de mudança de “setup” da ordem i para a ordem j

𝑝𝑖 tempo de processamento da ordem i


1

1 Introdução

1.1 Apresentação da empresa ColepCCL

A ColepCCL S.A. é a líder europeia no fabrico de artigos aerossol, com actividade nos

segmentos de higiene pessoal, cosmética, higiene do lar e parafarmácia de venda livre.

Desenvolve actividade relevante no fabrico de embalagens metálicas, posicionando-se como

líder Ibérico no sector. Tem também grande relevância na produção de embalagens industriais e

é um dos maiores fornecedores europeus de embalagens aerossol.

A ColepCCL foi criada em 2004 pela fusão da Colep com a divisão europeia de “custom

manufacturing” da CCL Industries Inc.

A empresa tem como clientes as principais marcas multinacionais de bens de consumo, bem

como as mais importantes empresas ibéricas dos sectores industriais e alimentares.

A ColepCCL dispõe de 8 unidades industriais na Europa, localizadas em Espanha, Alemanha,

Portugal e Polónia. Esta cobertura geográfica permite à empresa oferecer aos seus clientes as

mais eficientes soluções de outsourcing.

A sua sede social situa-se em Vale de Cambra. Das suas unidades industriais fazem parte cerca

de 2800 colaboradores. É uma das empresas do grupo RAR totalmente financiada pelo mesmo.

A empresa está dividida em: “Contract Operations”, “Packaging” e “Speciality Custom

Manufacturing”. Cada uma destas divisões é composta por departamentos distintos.

O projecto “General Line Planning” insere-se nas actividades do “Supply Chain Department“

da “Packaging Division” e foi realizado nas instalações da empresa em Vale de Cambra.

Figura 1: Distribuição das unidades industriais da ColepCCL

Fonte: (ColepCCL, 2010)


2

A “Packaging Division” é responsável pelas áreas de embalagens plásticas e metálicas.

As embalagens metálicas dividem-se em duas áreas: “Aerossols”, da qual fazem parte os

artigos aerossol, e “General Line”, que é a área responsável pelas latas alimentares e

industriais.

O “Supply Chain Departement” é responsável pela gestão de toda a cadeia de suprimentos da

área de “Packaging” nas fábricas de Vale de Cambra, Navarra e Polónia. Deste departamento

fazem parte quatro grandes áreas: “Costumer Service”, “Planning”, “Expedition” e “Data

Management”.

O presente projecto está fortemente relacionado com a área de “Planning”.

1.2 Projecto “General Line Planning”

A “General Line” é uma área de negócio fortemente competitiva. A ColepCCL distingue-se dos

seus concorrentes oferecendo prazos de entrega mais reduzidos aliado a um bom nível de

serviço.

A tentativa de cumprimento dos curtos prazos de entrega acordados com os clientes resulta de

um sistema produtivo misto. O plano director de produção é definido tendo em atenção

encomendas firmes de clientes (sistema “make to order”) e encomendas previstas de clientes

(sistema “make to stock”).

O projecto desenvolvido divide-se em duas fases. O objectivo da primeira fase consiste em

associar a previsão de consumo às ordens de fabrico geradas a partir do plano director de

produção.

Na segunda fase pretende-se a criação de planos de produção que cumpram por um lado

critérios baseados nas datas de conclusão das ordens de fabrico e, por outro, critérios baseados

nas datas devidas de entrega.

Estudo e desenvolvimento da ferramenta de apoio ao “General Line Planning”

Optou-se por criar uma ferramenta de apoio ao “General Line Planning” em “Excel” com

recurso a programação em “Visual Basic”, baseada no conceito de sistema de apoio à decisão

(SAD). O conceito de sistema de apoio à decisão vai de encontro às características de um

problema multi-objectivo.

A ferramenta criada tem como dados de entrada, relatórios em “Excel” retirados do SAP

(Sistemas Aplicações e Produtos em Processamento de Dados), que contêm a informação

necessária à resolução do problema.

Os dados retirados do SAP são processados pela ferramenta criando um novo conceito de

ordens de fabrico que considera as ordens geradas a partir do plano director de produção e a

previsão de consumo.


3

Foram desenvolvidas heurísticas que permitem a criação de planos de produção alternativos,

cada um deles avaliado relativamente a duas medidas de desempenho, o total de atrasos e o

tempo total de “setup”.

Os planos de produção criados são analisados pelo agente de decisão tendo em consideração o

valor das medidas de desempenho de cada um deles. A escolha do melhor plano de produção

está inteiramente dependente das preferências do agente de decisão.

Método seguido no projecto

A metodologia seguida é constituída pelas seguintes fases:

Analisar o sistema produtivo da empresa;

Proceder à revisão bibliográfica das temáticas do planeamento da produção;

Escolher e avaliar modelos para previsão de consumo;

Associar a previsão de consumo às ordens de fabrico geradas a partir do plano director

de produção originando novas ordens de fabrico;

Desenvolver modelos de sequenciamento;

Integrar as novas ordens de fabrico com os modelos de sequenciamento, tendo em vista

a criação de planos de produção.

1.3 Temas abordados e sua organização no presente relatório

Esta dissertação encontra-se dividida em 6 capítulos.

No capítulo 2, apresenta-se os fundamentos teóricos dos temas abordados no relatório. Inicia-se

o capítulo com a apresentação de métodos de previsão, de seguida referem-se os problemas de

sequenciamento da produção e por fim sistemas de apoio à decisão.

O capítulo 3 faz uma apresentação extensiva do problema “General Line Planning”. Este

capítulo serve como auxílio ao capítulo 4 onde se apresenta o modelo idealizado para o

“General Line Planning”.

No capítulo 5 descreve-se a ferramenta desenvolvida e as suas principais funcionalidades.

Por fim, no capítulo 6, é feita uma análise crítica ao trabalho desenvolvido com sugestões de

trabalhos futuros.


4

2 Fundamentos Teóricos

2.1 Métodos de previsão

A previsão da procura representa um dado fundamental para o planeamento empresarial,

permitindo dimensionar adequadamente os recursos necessários à empresa (Makridakis,

Whelwright, & Hyndman, 1998). Os gestores não podem planear e controlar a capacidade

produtiva sem uma estimativa da procura.

Para determinar a previsão da procura foram desenvolvidos métodos de previsão. A previsão

pode ser feita através de métodos qualitativos ou quantitativos.

Os primeiros são subjectivos, baseiam-se em intuições ou julgamentos de peritos ou grupos de

pessoas. Estes métodos são utilizados quando há pouca ou nenhuma disponibilidade de dados

ou o horizonte é longínquo.

Os últimos baseiam-se em dados históricos e partem do pressuposto de que acontecimentos

passados se vão replicar no futuro. Dentro dos métodos quantitativos podem distinguir – se a

análise de séries temporais e as relações de causalidade.

A análise de séries temporais considera o histórico da procura, sendo o comportamento passado

utilizado para estimar comportamentos futuros.

Os métodos baseados em relações causais pressupõem que a procura está relacionada com

outras variáveis por meio de causalidades.

Em (Chase, Jacobs, & Aquiliano, 2006) e em (Makridakis, Whelwright, & Hyndman, 1998),

são apresentados vários métodos de previsão e as suas características específicas.

As secções seguintes irão abordar os modelos quantitativos baseados em análise de séries

temporais, identificação dos componentes de uma série temporal e a avaliação dos modelos

através da quantificação dos erros de previsão.

Análise de séries temporais

Um dos interesses da análise de séries temporais é a construção de modelos matemáticos para

previsões. Tais modelos podem ser simples ou complexos, mas o objectivo é sempre o mesmo:

o de determinar a projecção futura de um dado por meio do seu próprio comportamento no

passado.

A Tabela 1 refere alguns dos métodos de previsão e o padrão de dados a que se destinam.


5

Tabela 1: Selecção do método de previsão de acordo com o padrão de dados

Método de previsão Padrão de dados

Média Móvel Simples Estacionários

Média Móvel Ponderada Estacionários

Amortecimento Exponencial Simples Estacionários

Regressão Linear Simples Tendência

Amortecimento Exponencial Holt Winters Aditivo Sazonalidade

Amortecimento Exponencial Holt Winters Multiplicativo Sazonalidade

Segundo Chase (Chase, Jacobs, & Aquiliano, 2006), o método de previsão a escolher pela

empresa depende de:

Horizonte de planeamento;

Disponibilidade dados;

Exactidão requerida.

Na selecção do modelo de previsão há outras questões a ter em consideração como por

exemplo, o grau de flexibilidade da empresa. Quanto maior for a capacidade da empresa em

reagir rapidamente às mudanças, menos precisa a previsão necessita de ser.

Ainda na escolha do método de previsão devem ser tidas em consideração as componentes da

série temporal.

Componentes de uma série temporal

Segundo Shafer (Shafer & Meredith, 1998), uma série temporal pode ser subdividida em quatro

componentes:

Tendência (Tt) - orientação de longo prazo, passível de ser descrita por uma curva

“básica”;

Sazonalidade (St) - oscilação periódica, sentida no curto prazo, associada a divisões

significativas do tempo (ano, mês, semana ou dia, normalmente).

Ciclo (Ct) - Flutuação não periódica, com repercussões no médio prazo, habitualmente

atribuível aos ciclos económicos;

Erro ou Resíduo (Rt) - Variação aleatória, não explicada, com carácter residual.

Relativamente à tendência e à sazonalidade, existem métodos que permitem a sua avaliação. A

verificação da existência de sazonalidade pode ser feita com recurso ao teste de auto-correlação

e para verificar a existência de tendência pode ser utilizado o teste à significância da tendência.


6

Para um conhecimento alargado de séries temporais sugere-se a leitura de (Makridakis,

Whelwright, & Hyndman, 1998) e (Wallis & Thomas, 1971).

Erros de previsão

Sendo Yt a observação para o período t e Ft a previsão para mesmo período, então o erro de

previsão no período t é definido por:

𝐸𝑡 = 𝑌𝑡 − 𝐹𝑡

O erro de previsão não é mais do que a diferença entre a Yt e a previsão feita usando todas as

observações anteriores a t.

Além do Et, há outras medidas de avaliação dos métodos de previsão, baseadas em valores dos

erros observados em n períodos. Essas medidas encontram-se descritas na Tabela 2.

Tabela 2: Erros de previsão

Erro Médio

𝐸𝑀 =1

𝑛 𝐸𝑡

𝑛

𝑡=1

Erro Absoluto Médio 𝐸𝐴𝑀 =1

𝑛 𝐸𝑡

𝑛

𝑡=1

Erro Quadrático Absoluto Médio 𝐸𝑄𝑀 =1

𝑛 𝐸𝑡

2

𝑛

𝑡=1

Erro Percentual 𝐸𝑃𝑡 = 𝑌𝑡 − 𝐹𝑡

𝑌𝑡 × 100

Erro Percentual Médio 𝐸𝑃𝑀 =1

𝑛 𝑃𝐸𝑡

𝑛

𝑡=1

Erro Percentual Absoluto Médio 𝐸𝑃𝐴𝑀 = 1

𝑛 𝑃𝐸𝑡

𝑛

𝑡=1


7

Uma outra medida é a estatística U desenvolvida por Theil. Esta estatística faz a comparação

entre o método usado e o método ingénuo. O método ingénuo considera a previsão como sendo

igual à ocorrência no período anterior.

Os intervalos da estatística U são assim resumidos:

U <1: O método de previsão desenvolvido é melhor do que o método ingénuo. A menor

estatística de U corresponde ao melhor método de previsão;

U=1: O método ingénuo é tão bom como o método de previsão desenvolvido;

U> 1: O método ingénuo apresenta melhores resultados do que o método de previsão

desenvolvido.

Relativamente a todas as medidas de erro referidas, quanto menor for o seu valor, melhor terá

sido o modelo adoptado. Para uma medida de valor zero, pode concluir-se que a previsão é

perfeita e todos os valores previstos são iguais aos que ocorreram.

Para uma revisão extensiva sobre métodos de previsão aconselha-se a consulta de (Makridakis,

Whelwright, & Hyndman, 1998).

2.2 Problemas de sequenciamento

A forma mais simples de resolver as questões referentes ao sequenciamento, (BedWorth & Bai,

1987) é ignorar que o problema existe e executar as ordens de forma aleatória. Muitos casos

têm sido resolvidos através da utilização de regras desenvolvidas pelo hábito. Embora nem

sempre apresentem a solução óptima, obtêm soluções de relativa qualidade.

Sequenciamento é um processo de tomada de decisão. O seu interesse consiste na atribuição de

recursos escassos às actividades a desenvolver tendo como objectivo optimizar uma ou mais

medidas de desempenho. Encontram-se na literatura várias definições de sequenciamento. De

entre essas definições, cita-se a seguinte (Carlier & Chretienne, 1988):

“Sequenciamento consiste em projectar o processamento de um trabalho através da atribuição

de recursos a ordens e da fixação dos seus tempos de início […] Os diferentes constituintes de

um problema de sequenciamento são as ordens, as possíveis restrições, os recursos e a/as

funções objectivo […] As ordens deverão ser programadas para optimizar um objectivo

específico […] “

Caracterização dos problemas de sequenciamento

Para uma correcta identificação e caracterização dos diferentes tipos de problemas de

sequenciamento, utilizam-se dois tipos de notações.

A mais antiga, proposta por Conway (Conway, Maxwell, & Miller, 1967), classifica os

problemas segundo quatro parâmetros n/m/A/B em que:

n, representa o número de ordens de fabrico

m, representa o número de máquinas existentes na oficina

A, tipifica o padrão do fluxo na oficina


8

B, define a medida de desempenho utilizada para a avaliação do plano

Outra abordagem mais recente e mais usual na literatura, proposta por Graham (Graham,

Lawer, & Lenstra, 1979) e mais tarde pormenorizada por Blazewicz (Blazewicz, Cellary,

Slowinsky, & Weg, 1986) consiste na caracterização dos problemas de sequenciamento

segundo três critérios α | β | γ.

O parâmetro α descreve a configuração, o número e o tipo de máquinas da oficina, β as

características das ordens de fabrico (existência de restrições de precedência entre as operações

de uma mesma ordem de fabrico, existência de datas mínimas de inicio e processamento para

as ordens de fabrico, características e tempos de preparação das máquinas) e γ o critério de

optimização. Esta caracterização será usada ao longo da presente dissertação.

Nas próximas secções, apresenta-se o significado e definição dos parâmetros α, β e γ com

relevância no trabalho realizado, imprescindíveis para a identificação do tipo de problema.

Para uma identificação exaustiva de problemas sugere-se a consulta de (T’kind & Billaut,

2002) onde, em apêndice, se podem encontrar tabelas contendo todos os parâmetros associados

à notação proposta por Graham (Graham, Lawer, & Lenstra, 1979).

Configuração das máquinas

As possíveis configurações, o número e o tipo de máquinas da oficina estão representados na

Tabela 3.

Tabela 3: Possíveis configurações das máquinas

Máquina Única (1) Oficinas constituídas por uma só máquina1.

Máquinas idênticas em

paralelo (P)

Oficinas constituídas por máquinas idênticas em paralelo2. Uma

determinada ordem i tem que ser sequenciada numa de m máquinas

idênticas em paralelo.

“Flow Shop” (F) Considerando m máquinas em série, cada ordem tem de ser processada

em cada uma das m máquinas. Todos os trabalhos seguem a mesma

rota. Por exemplo, têm de ser primeiro sequenciados na máquina 1, de

seguida na máquina 2 e assim sucessivamente. Depois de completada a

ordem numa máquina, as ordens seguem para a fila de espera da

próxima máquina.

“Job Shop” (J) Considerando m máquinas, cada ordem tem uma determinada rota a

seguir. Há dois tipos de “Job Shop”. Num deles as ordens visitam uma

máquina no máximo uma vez, no outro, as ordens podem visitar uma

máquina mais de uma vez.

“Open Shop” (O) Considerando m máquinas, cada ordem tem de ser processada mais do

1 “Single machine problems”.

2 “Parallel machines problems”


9

que uma vez em cada uma das m máquinas. Contudo, o tempo de

processamento pode ser zero.

Características das ordens de fabrico

Qualquer solução de um problema de sequenciamento deverá apresentar um conjunto de

características que traduzam o ambiente produtivo real. Algumas dessas características segundo

Pinedo (Pinedo, 2008) são representadas na Tabela 4.

Tabela 4: Características das ordens de fabrico

Release dates (ri) A ordem j não pode iniciar o processamento antes da sua “release” date

ri.

Preemptions (prmp) Não exige que a ordem se mantenha na máquina até à sua conclusão. É

permitido interromper o processamento de uma ordem e colocar uma

ordem diferente na máquina. O tempo de processamento que a ordem

recebeu não está perdido.

Família das ordens (fmls)

Considerando n ordens pertencentes a F famílias3 diferentes. Ordens da

mesma família podem ser processadas numa máquina, uma após outra,

sem necessidade de qualquer “setup” entre elas.

“Setups” dependentes da

sequência (sij)

Indica que o tempo “setup” depende da sequência das ordens de

fabrico. Onde sij representa o tempo de “setup” entre o artigo i e o

artigo j.

Critério de optimização

A fim de comparar planos de produção, recorre-se à avaliação de determinados critérios.

Podem classificar-se os critérios em dois tipos: critérios “minimax” que representam o valor

máximo de um conjunto de funções a serem minimizadas e os critérios “minisum”, que

representam a soma de funções a serem minimizadas.

Os critérios podem estar relacionados com as datas de conclusão das ordens de fabrico, com as

datas devidas de entrega ou com nível de stocks e de utilização. No presente trabalho dá-se especial

importância aos critérios relacionados com as datas de conclusão das ordens de fabrico e

relacionados com as datas devidas de entrega. A Tabela 5 apresenta alguns dos critérios de

optimização relacionados com as datas devidas de entrega e a sua descrição.

3 Dois itens pertencem à mesma família se a sua produção consecutiva não exige realização de Setup


10

Tabela 5: Critérios de optimização relacionados com datas devidas de entrega

Desvio Total Representa-se por Lini=1 , com Li = Ci − di . Mede o total dos desvios

entre a data real de conclusão e a data devida de entrega. Caso a

ordem de fabrico seja concluída antes da data devida de entrega, este

desvio toma valores negativos.

Desvio máximo

Representa-se por Lmax = maxi=1,…,n

Li. Mede o maior dos desvios entre

a data real de conclusão e a data devida de entrega.

Número de ordens

atrasadas Representa-se por Ui

ni=1 , onde Ui =

0 , se Ci ≤ di 1 , no caso contrário

. Mede

o número de ordens atrasadas.

Atraso total Representa-se por Tini=1 , com Ti = max Ci − di ; 0 . Mede o total dos

atrasos.

Atraso máximo Representa-se por Tmax = maxi=1,…nTi. Mede a pior violação das datas

devidas de entregas.

Há ainda, dentro dos critérios de optimização acima definidos, aqueles que consideram pesos

diferentes a cada um dos atrasos, sendo estes pesos definidos por um factor de prioridade wi da

ordem i. Exemplos de critérios que consideram o factor de prioridade são:

Ui ∙ wini=1 , que traduz o número de ordens atrasadas ponderado

Ti ∙ wini=1 , que traduz o atraso total ponderado

De acordo com os parâmetros acima definidos pode referir-se a título de exemplo 1 sij Tmax

como um problema de oficina com uma máquina única e tempos de “setup” dependentes da

sequência cujo objectivo é minimizar o atraso máximo.

Métodos de resolução de problemas de sequenciamento

Os métodos de resolução de problemas de sequenciamento dividem-se em dois tipos distintos:

os de optimização e os heurísticos. Os primeiros permitem a obtenção de soluções óptimas,

enquanto que os segundos apesar de não garantirem que a solução é óptima, conseguem obter

uma solução de qualidade de forma eficiente.

Métodos de optimização


11

Os métodos de optimização incluem alguns algoritmos eficientes e a enumeração implícita.

Algoritmos de optimização eficientes

Os algoritmos de optimização eficientes podem ser usados em oficinas constituídas por uma ou

duas máquinas, dependendo da função objectivo pretendida. Estes algoritmos conseguem

determinar a solução óptima em tempo polinomial4. Contudo, são ainda bastante limitados para

uma aplicação prática à escala industrial devido à simplicidade dos problemas que permitem

resolver.

Encontram-se na literatura algoritmos de optimização que resolvem determinados problemas

dependendo do ambiente das máquinas, restrições e função objectivo. Um dos que importa

referir é o algoritmo de Moore (Moore, 1968) que resolve problemas de oficinas com máquina

única e permite minimizar o número de ordens atrasadas, 1 𝑈𝑖𝑛𝑖=1 .

Um outro algoritmo de optimização é o de Johnson (Johnson, 1954), que determina a sequência

óptima em problemas de oficinas constituídas por duas máquinas, obedecendo a determinadas

condições se o objectivo for minimizar o tempo de permanência na oficina.

Para além dos algoritmos de optimização, existem regras que permitem a obtenção de soluções

óptimas em problemas de oficinas constituídas por uma máquina única segundo determinados

critérios de optimização. Dessas regras, importa fazer referência à EDD (“Earliest due date”)

que sequencia as ordens por ordem crescente das suas datas devidas de entrega e permite a

obtenção de soluções óptimas se o critério de optimização for minimizar o desvio máximo Lmax

ou o atraso máximo Tmax.

Uma outra regra que permite a obtenção de soluções óptimas é a regra do tempo mínimo de

processamento, que sequencia as ordens por ordem crescente dos seus tempos de

processamento. Esta regra permite a obtenção de soluções óptimas em problemas do tipo 1 𝐶𝑚𝑒𝑑 , onde Cmed representa a média de conclusão das ordens de fabrico.

Enumeração implícita

A programação dinâmica é um método de enumeração implícita que enumera todas as soluções

possíveis, eliminando posteriormente algumas delas. De uma maneira geral, a programação

dinâmica é aplicável a todos os problemas cuja solução óptima pode ser determinada a partir da

solução óptima de outros sub-problemas que, sobrepostos, compõem o problema original.

Uma outra técnica de enumeração implícita é o método “branch and bound”. Como o seu nome

indica, esta técnica é composta por dois procedimentos distintos: o “branching” que é um

4 Um algoritmo é considerado resolúvel em tempo polinomial, se o número de passos necessários para o completar

é de O(nk) com k um número inteiro não negativo, e n o número de ordens.


12

processo pelo qual se decompõe o problema em dois ou mais sub-problemas e o “bounding”

que consiste no cálculo do minorante5 para a solução óptima do dado problema.

A programação dinâmica aplicada ao problema de máquina única com o objectivo de

minimizar o atraso total, 1 Ti, é abordada por Lawler (Lawler, 1977) e posteriormente por

Schrage (Schrage & Baker, 1978).

Mais recentemente Szwarc (Szwarc & Mukhopadhyay, 1996) e Croce (Croce, Tadei, &

Baracco, 1998), baseados nos resultados apresentados por Emmons (Emmons, 1969) e por

Fisher (Fisher, 1976) apresentam um algoritmo “branch and bound”, para resolução de

problemas de oficinas com uma máquina única com objectivo de minimizar o atraso total, 1 Ti .

Gutjahr (Gutjahr, Hellmayr, & Pflug, 1999) apresenta a solução de problemas de oficinas com

uma máquina única e objectivo de minimizar o atraso total, 1 Ti, recorrendo à técnica

“branch and bound”.

Programação Matemática

Importa referir a programação matemática que, embora não seja um método de optimização,

permite reformular qualquer problema de sequenciamento. Isto é, permite a construção de

modelos matemáticos que representem o problema real.

Omar (Omar & Suppiah, 2007) descreve um modelo de programação inteira mista para

formulação de problemas de máquina única com “setups” independentes entre artigos de

diferentes famílias que tem como objectivo a minimização do atraso total 1 fmls Ti. Apesar

de não ser possível a sua implementação em ambiente industrial com elevado número de

ordens, é uma abordagem interessante ao problema da presente dissertação. (Gupta &

Chantaravarapan, 2008) apresentam também um modelo de programação inteira mista para

problemas do tipo 1 fmls Ti.

Métodos heurísticos

O recurso a métodos heurísticos é útil em problemas que não podem ser resolvidos por métodos

de optimização, nomeadamente situações em que os problemas a tratar são de grande dimensão

ou complexidade.

Os métodos heurísticos não garantem a convergência para a solução óptima do problema mas

permitem encontrar rapidamente uma boa solução.

Vários métodos heurísticos têm sido desenvolvidos para resolver problemas complexos que

seriam extremamente difíceis, senão impossíveis, de resolver de outra forma.

Encontram-se na literatura alguns métodos heurísticos para resolução de problemas de

sequenciamento de ordens em oficinas constituídas por uma máquina única.

5 Limite inferior


13

Panwalkar (Panwalker & Smith, 1993) apresenta uma heurística para problemas de uma

máquina única cujo objectivo é minimizar a média dos atrasos, 1 𝑇𝑚𝑒𝑑 .

Webster (Webster & Baker, 1995) é feito um estudo do sequenciamento realizando o

agrupamento dos artigos em famílias para problemas de máquina única. Neste artigo são

avaliados os critérios de minimizar o tempo médio de permanência das ordens de fabrico na

oficina6 e o desvio máximo Lmax , considerando o agrupamento dos artigos em famílias.

Chen (Chen, 2008) cria uma heurística para resolução de problemas de máquina única

considerando “setups” entre famílias com o objectivo de minimizar o atraso máximo, 1 𝑓𝑚𝑙𝑠 𝑇𝑚𝑎𝑥 .

As regras de sequenciamento fazem parte dos métodos heurísticos. Uma regra de

sequenciamento é uma regra que define a prioridade para um conjunto de ordens na fila de

espera de uma determinada máquina. Sempre que a máquina fica livre a regra inspecciona as

ordens em espera e selecciona a que apresenta prioridade mais elevada. A Tabela 6 apresenta a

descrição de algumas regras de sequenciamento que podem ser encontradas na literatura.

Tabela 6: Regras de sequenciamento

“Earliest due date”

(EDD)

Sequencia as ordens de fabrico por ordem crescente das suas datas devidas

de entregas di. Ou seja, sempre que a máquina fica livre, a regra dá

prioridade à ordem com data devida de entrega mais próxima.

Menor tempo de

processamento

Sequencia as ordens de fabrico por ordem crescente dos seus tempos de

processamento pi.

Folga Mínima Sequencia as ordens de fabrico por ordem crescente da sua folga,

relativamente à data devida de entrega medida por 𝑀𝑆 = 𝑑𝑖 − 𝑝𝑖 − 𝑡 . Esta

regra é semelhante ao EDD mas considera os tempos de processamento das

ordens e a data actual, minimiza objectivos relacionados com datas de

entrega.

“Modifed due date” Idêntica à EDD mas alterando a data devida de entrega, di, para o valor dado

pela soma da data corrente com o tempo de processamento, pi, da ordem,

desde que este valor seja superior à data devida de entrega. Caso contrário a

data devida de entrega modificada, corresponde à data devida de entrega.

Igualando-se assim a regra “modifed due date” à regra “earliest due date”. A

“modifed due date” é dada por 𝑀𝐷𝐷 = 𝑚𝑎𝑥 𝑑𝑖 , 𝑑𝑖𝑛𝑖=1 .

Menor tempo de

Setup

Sequencia as ordens por ordem crescente de tempos de “setup”.

Em (Jaideep, 2003) é analisada a regra de sequenciamento “Modified Due Date”. Neste artigo a

regra “Modified Due Date” é comprovada como a regra de sequenciamento que apresenta

melhores resultados quando o objectivo é minimizar o atraso total, 𝑇𝑖𝑛𝑖=1 .

6 “flow time”


14

Meta-heurísticas

É ainda importante fazer referência às meta-heurísticas que, apesar de não garantirem que a

solução é óptima, conseguem obter uma solução de qualidade em tempo polinomial, mesmo em

problemas mais difíceis.

Em (Metaheuristics Network, 2010), define-se uma meta-heurística como um conjunto de

conceitos que podem ser utilizados para definir métodos heurísticos aplicáveis a um extenso

conjunto de problemas.

Melian (Melian, 2003) divide as meta-heurísticas em quatro tipos distintos:

Meta-heurísticas de pesquisa por vizinhança: percorrem o espaço de pesquisa tendo em

consideração, fundamentalmente, a vizinhança da solução, definida como o conjunto de

soluções que podem ser obtidas a partir de modificações da última solução obtida.

Como exemplo pode-se referir o “guided local search”, “simulated annealing”, pesquisa

Tabu e pesquisa reactiva;

Meta-heurísticas de relaxação: simplificam o problema (criando um problema relaxado)

e utilizam a solução encontrada com a relaxação como guia para o problema original.

Um exemplo de uma meta-heurística de relaxação é a relaxação Lagrangeana.

Meta-heurísticas construtivas: definem de forma meticulosa o valor de cada

componente da solução. Um exemplo de uma meta-heurística construtiva é o “Greedy

randomized adaptive search procedure”;

Meta-heurísticas evolutivas: lidam com uma população de soluções, que evolui,

principalmente, através da interacção entre seus elementos. Exemplos de meta-

heuristicas evolutivas são os algoritmos genéticos, “ant colony optimization”,

algoritmos meméticos e “path relinking”.

Existem na literatura algumas abordagens a problemas de sequenciamento de máquinas únicas

com o objectivo de minimizar o atraso total.

Gupta (Gupta & Chantaravarapan, 2008) apresentam uma meta-heuristica do tipo “simulated

annealing” para resolução do problema de uma máquina única com “setups” entre artigos de

diferentes famílias que tem como objectivo a minimização do atraso total, 1 fmls Ti,.

Gupta et al. (Smith & Gupta, 2005) apresentam duas meta-heurísticas para resolução do

problema de máquina única com “setups” dependentes da sequência, com o objectivo de

minimizar o atraso total, 1 sjk Ti. A primeira é a “Greedy randomized adaptative search

procedure” e uma segunda que consiste numa meta-heurística de pesquisa por vizinhança.

Em (Bauer, Hartl, Strauss, & Bullnheimer, 2000) é proposto um modelo para a resolução do

problema de máquina única com o objectivo de minimizar o atraso total 1 Ti baseado na

meta-heurística “ant colony optimization”.

Ainda no domínio das meta-heurísticas importa fazer referência aos algoritmos genéticos. Em

(França, Mendes, & Mos, 2001) é descrito um algoritmo genético para resolução de um

problema de máquina única com o objectivo de minimizar o atraso total, 1 Ti.


15

Comparação entre as abordagens possíveis para a resolução do problema de

sequenciamento

Se estivermos perante um problema de máquina única sem restrições e a função objectivo for

minimizar o número de ordens atrasadas, o problema é facilmente resolúvel recorrendo à regra

EDD. Contudo, segundo Lobo (Lobo, 2005) o objectivo de minimização do número de ordens

atrasadas, não evita a ocorrência de violações inaceitáveis na prática das datas devidas de

entrega. De entre os objectivos que respondem a esta preocupação, está a minimização do

atraso total.

A complexidade do problema de sequenciamento de uma máquina única com o objectivo de

minimizar o atraso total, manteve-se em aberto durante muito tempo.

Em (Du & Leung, 1990) mostra-se que o problema de sequenciamento de uma máquina única

com o objectivo de minimizar o atraso total, é do tipo “NP-Hard”, e portanto, o seu tempo de

resolução aumenta exponencialmente com o seu tamanho.

Lawler (Lawler, 1977), desenvolveu uma abordagem ao problema de sequenciamento de uma

máquina única com o objectivo de minimizar o atraso total como um problema

pseudopolinomial resolúvel através de um algoritmo baseado em decomposição.

Quanto aos algoritmos de optimização eficientes e às regras que permitem a obtenção de

soluções óptimas, como já foi referido anteriormente, estes estão limitados a um pequeno

conjunto de problemas, englobando apenas uma restrita parte dos problemas de

sequenciamento de ordens de fabrico, nomeadamente problemas de maior simplicidade.

Relativamente às técnicas de optimização, como o “branch and bound” ou os algoritmos de

programação dinâmica, estes podem ser utilizados para resolver problemas de sequenciamento

de uma máquina única com o objectivo de minimizar o atraso total pois tratam de algoritmos

enumerativos, contudo não são aplicáveis em problemas que envolvam um grande número de

ordens.

Os métodos de optimização apesar de não serem aplicáveis em problemas de sequenciamento

com um número extenso de ordens de fabrico, ou em problemas de sequenciamento mais

complexos, são de grande importância, na medida em que podem ser úteis para o

desenvolvimento de novas abordagens à resolução de problemas reais

Para problemas à escala industrial é possível desenvolver heurísticas que embora não garantam

que a solução é óptima conseguem obter uma solução de qualidade e são eficientes

computacionalmente.

Na prática, o ambiente produtivo é em geral bastante complexo, tornando difícil a formulação

do problema devido à existência de objectivos múltiplos e, normalmente não quantificáveis. É,

portanto, importante a interacção do utilizador que é em geral muito experiente e sensível às

consequências de cada decisão no desempenho global do sistema produtivo.


16

2.3 SAD (Sistema de Apoio à Decisão)

Uma possível metodologia para a resolução de problemas multicritério é a criação de uma

abordagem do tipo Sistema de Apoio à Decisão (SAD).

SAD é um sistema que apoia os gestores na sua tomada de decisão. Estes sistemas envolvem

actividades que apoiam o decisor (agente de decisão) na sua tomada de decisão.

Em (Matos, 2010) podem encontrar-se as definições dos conceitos fundamentais de um SAD,

apresentadas na Tabela 7.

Tabela 7: Definição dos conceitos fundamentais de um SAD (Sistema de Apoio à Decisão)

Agente de

decisão

Trata-se da pessoa responsável pela decisão final. Por um lado, o agente de

decisão define e especifica os critérios a considerar, eventualmente com o

apoio de especialistas. Por outro lado, não é possível levar a cabo o processo

de decisão sem nele incorporar as preferências do agente de decisão.

Alternativa

dominada

Uma alternativa é dominada se e só se existe outra melhor pelo menos em um

critério, sem ser pior em nenhum outro.

Alternativa

eficiente

Uma alternativa é eficiente se e só se não é dominada por nenhuma solução

admissível.

Alternativa ideal Alternativa em geral não-admissível, definida no espaço dos atributos. É

constituída pelos óptimos individuais das funções objectivo.

Curva de

indiferença

Lugar geométrico das soluções a que o agente de decisão dá o mesmo valor.

“Trade-off” Relação entre o que é preciso perder em X para ganhar uma unidade em Y, sem

sair da curva de indiferença. É definido a partir da tangente à curva. Em geral,

depende dos valores de X e Y e, também dos valores dos outros atributos.

Pesos de

importância

relativa dos

atributos

Se houver independência aditiva nas preferências entre atributos, os “trade-offs”

permitem deduzir pesos de importância relativa. Se, além disso, os “trade-offs”

forem constantes, os pesos também serão constantes.

Num SAD não é possível, apenas com base na análise do valor das funções objectivo, escolher

de forma peremptória a melhor alternativa, ou ainda menos ordenar as alternativas. Só a

intervenção do agente de decisão vai permitir chegar a uma conclusão, que resultará da

conjugação das suas preferências com os atributos das alternativas.

Não há, portanto, uma solução óptima que possa ser escolhida sem suscitar controvérsia, mas

sim uma solução preferida que poderá ser diferente em função do agente de decisão, sem que se

possa dizer que um está certo e os outros errados, pois cada um dará mais ou menos

importância a cada um dos critérios, de acordo com os seus interesses e com a sua percepção

global da situação.


17

Componentes de um SAD

Um SAD é definido como um conjunto de modelos quantitativos e algoritmos (Base de

Modelos), interfaces de comunicação (Interface) e um sistema de gestão de dados (Base de

Dados).

É um sistema interactivo com controlo parcial do utilizador que oferece dados e modelos para o

suporte à discussão e à solução de problemas semi-estruturados. A Figura 2 apresenta os

componentes de um SAD.

Vários trabalhos relativos ao desenvolvimento de SADs podem ser encontrados na literatura.

Por exemplo um sistema de apoio à decisão desenvolvido por Vicens (Vicens, Alemany,

Andre, & Guarch, 2001) aplicado ao planeamento hierárquico da produção. Em (Silva,

Figueira, Lisboa, & Barman, 2006) desenvolve-se um SAD para o planeamento agregado da

produção aplicado a uma empresa de materiais de construção.

Figura 2: Componentes de um SAD (Sistema de Apoio à Decisão)


18

3 Apresentação do Projecto “General Line Planning”

A presente dissertação aborda o planeamento da produção ao nível operacional. O objectivo é

desenvolver uma ferramenta de apoio ao planeamento que lide com decisões do dia-a-dia

tomadas por gestores operacionais que requerem a desagregação completa da informação

gerada nos níveis superiores, ou seja, o sequenciamento das ordens e a definição das datas de

produção.

Considerações gerais

Na elaboração do planeamento da produção é tida em consideração a divisão dos artigos em

famílias. Uma família corresponde em termos reais a uma determinada geometria. A Figura 3

apresenta o exemplo de uma família. A família dos tampos (representado pela notação LD) de

diâmetro 286 mm e um conjunto de artigos pertencentes a essa família.

3.1 Características gerais do ambiente produtivo

A “General Line” é a área responsável pelo fabrico de latas para artigos alimentares e

industriais.

A principal matéria-prima utilizada na “General Line” é a folha-de-flandres.

A folha-de-flandres é uma liga metálica de ferro com baixo teor em carbono, laminada a frio e

de pequena espessura sobre a qual se deposita electroliticamente um revestimento de estanho,

que aumenta a sua resistência à corrosão.

O corpo da lata é constituído por folha-de-flandres soldada, formando uma virola. A folha-de-

flandres é litografada7: o processo de litografia inclui a aplicação de verniz interior, que varia

7 Litografia define-se como um processo de impressão e aplicação de vernizes na folha-de-flandres.

LD 286 P UN EC CL LD 286 P UN EC CL BC FLEXP.57 LD 286 P UN EC WC GRAV. T004.

LD 286

Figura 3: Identificação de família e artigo


19

de acordo com a utilização a que se destina a lata. Ao corpo da lata são cravados os fundos e,

em algumas situações, são colocadas argolas e garras.

Os componentes para a produção da lata são provenientes da área de estampagem da fábrica.

Resumidamente, a produção de latas envolve os seguintes processos de fabrico distintos:

Corte primário da folha-de-flandres;

Litografia da folha-de-flandres que serve de corpo à lata;

Corte Secundário;

Produção dos componentes a incorporar na lata por um processo de estampagem de

topos, fundos, argolas e garras nos centros de trabalho de estampagem;

Produção da lata por um processo de montagem nos centros de trabalho de montagem.

O projecto de planeamento da produção desenvolvido, contempla os dois últimos processos de

produção. De seguida, apresentam-se as características gerais dos centros de trabalho

envolvidos na produção de componentes e de latas.

A figura 4 representa esquematicamente o processo de fabrico de latas.

Figura 4: Processo de fabrico de latas no “General Line”

Estampagem

Montagem

Corte Primário

Litografia

Corte Secundário


20

Centros de trabalho de Estampagem

Neste tipo de centro de trabalho, os artigos produzidos são em grande parte de procura

dependente, ou seja, a procura deste artigo depende da procura de outro(s) artigo(s). Por vezes

estes artigos são vendidos sob a forma de componentes. Nesse caso, passam a considerar-se

também de procura independente. Os componentes produzidos nos centros de estampagem são

os topos, os fundos, as argolas e as garras.

Centros de trabalho de Montagem

Nos centros de trabalho de montagem são produzidos artigos de procura independente. A

procura deste artigo não depende da procura de outro(s) artigo(s). São artigos requisitados por

clientes externos. Os artigos produzidos nos centros de trabalho podem ser latas para artigos

alimentares ou latas para artigos industriais.

Na Figura 5 exemplifica-se a necessidade de componentes para o fabrico de uma lata de tinta

da ColepCCL. Neste exemplo, o artigo de procura independente é a lata e os artigos de procura

dependente são o fundo, tampo, argola e folhas litografadas 1, 2, 3 e 4.

Dimensão do problema do “General Line Planning”

A área da “General Line” é constituída por 62 centros de trabalho. O número de diferentes

famílias que cada centro de trabalho pode produzir varia entre um, que é o caso dos centros de

trabalho dedicados, até um máximo de dezasseis.

Procura Dependente

Procura Independente

Figura 5: Artigos de procura independente e artigos de procura dependente


21

Relativamente ao número de ordens de fabrico por centro de trabalho são na ordem das

dezenas. Este dado varia de centro de trabalho para centro de trabalho, e depende do período

em análise.

3.2 MRP (“Material Requirement Planning”)

A lógica do MRP desenvolve-se a partir de três fontes de informação principais:

O plano director de produção, que descreve as necessidades brutas de cada um dos

artigos finais, em cada um dos períodos de tempo considerados;

A lista de materiais, que especifica a composição de cada um dos artigos finais. Pode

também fornecer informação acerca dos “lead times“ dos componentes;

O inventário que é um registo, programado no tempo, das existências presentes e

futuras dos artigos finais, componentes e matérias em armazém.

A partir do conhecimento das encomendas firmes e previstas dos clientes, é definido o plano

director de produção que descreve as necessidades brutas dos artigos finais em cada semana.

Definidas as necessidades brutas de cada um dos artigos finais, o próximo passo é a definição

das necessidades líquidas tendo em consideração o inventário desses artigos.

A partir das necessidades líquidas dos artigos finais, são definidas as necessidades brutas de

componentes, considerando a lista de materiais. As necessidades líquidas dos componentes são

determinadas tendo em conta inventário dos mesmos.

As quantidades associadas às ordens de fabrico são determinadas arredondando as necessidades

líquidas a valores múltiplos do lote mínimo.

A lógica do MRP (no caso da “General Line”) permite determinar e calendarizar quais são as

necessidades líquidas dos artigos finais e componentes arredondados a múltiplos do lote

mínimo. Estas necessidades líquidas correspondem a necessidades líquidas semanais.

A Figura 6 apresenta o método de funcionamento do MRP no caso da “General Line”.


22

Figura 6: Geração de ordens pelo MRP (“Material Requirement Planning”)

3.3 “General Line Planning” no presente

Na situação presente da “General Line” existe uma elevada taxa de ocupação dos centros de

trabalho obrigando à produção dos artigos por famílias.

Um outro factor a ter em consideração na situação presente é que o processo de planeamento é

inteiramente manual. O gestor operacional analisa uma a uma, as ordens de fabrico geradas

pelo MRP, o que torna o processo de planeamento muito dispendioso a nível de tempo.

O método de planeamento utilizado presentemente consiste em sequenciar inicialmente todos

os artigos com ordens de fabrico da última família produzida ou da família que está em

produção.

Encomendas firmes de clientes

Encomendas previstas de clientes

Plano director de produção

Necessidades líquidas dos produtos

finais

Lista de materiais

Inventário dos

produtos finais

Necessidades líquidas arredondadas ao

tamanho do lote mínimo

(Ordens de fabrico geradas pelo MRP)

Decomposição dos produtos finais em

componentes

Necessidades líquidas dos

componentes

Inventário dos

componentes


23

Depois de sequenciados todos os artigos dessa família, é escolhida a próxima família a

sequenciar, tendo em consideração critérios formados pela experiência do planeador. Na Figura

7 representam-se dois exemplos de critérios em que o planeador se baseia, contudo não há

nenhum conjunto de critérios estruturado para a escolha da próxima família a sequenciar.

Escolhida a próxima família a sequenciar, repetem-se os passos anteriormente descritos até

estarem sequenciadas todas as ordens de fabrico das famílias pertencentes ao centro de

trabalho.

A Figura 7 representa esquematicamente o método de planeamento utilizado presentemente.

Figura 7: FlowChart do método usado presentemente no “General Line Planning”

Não

Sim

FIM

Sequenciar pela regra EDD as ordens geradas pelo MRP da família escolhida. Cumprindo

critérios de desempate como:

1. Sequenciar primeiro ordem gerada pelo MRP com encomenda mais antiga.

2. Sequenciar primeiro ordem gerada pelo MRP com stock inferior

Escolha da última família produzida.

Escolha da próxima família a sequenciar baseada em

critérios como:

1. Família com a encomenda com data de

entrega mais próxima

2. Família com maior número de encomendas

Sequenciadas todas

as famílias do

centro de trabalho?

Ordens criadas pelo MRP


24

4 Modelo desenvolvido para o “General Line Planning”

Foi desenvolvida uma ferramenta em “Visual Basic Application” no “Microsoft Excel” para

auxiliar o “General Line Planning”.

O modelo em que se baseia a ferramenta tem em consideração uma nova variável que não é

considerada no modelo de planeamento actual: a previsão de consumo baseada nos dados

históricos.

A previsão de consumo baseada no histórico é determinada recorrendo a métodos de previsão.

A secção 4.1 refere os métodos de previsão e o critério utilizado na escolha do método de

previsão mais apropriado para cada artigo.

4.1 Métodos utilizados para previsão do consumo

O processo de escolha do método de previsão que mais se adequa a cada artigo passa, em

primeiro lugar, pela aplicação de métodos de previsão baseados em análise de séries temporais.

Os métodos de previsão considerados pela ferramenta são: média móvel simples, média móvel

ponderada, amortecimento exponencial simples e regressão linear simples.

Estes métodos são aplicados artigo a artigo. Para cada método de previsão aplicado a cada

artigo, é determinada a previsão e o EQM.

A escolha de qual o método de previsão indicado para cada artigo baseia-se no valor do EQM.

A previsão obtida pelo método que apresentar menor EQM é um dos dados de entrada do

modelo em que se baseia a ferramenta de auxílio ao “General Line Planning”.

Importa ainda referir que a previsão é realizada mensalmente considerando um histórico de

doze meses.

A Figura 8 apresenta esquematicamente o procedimento para escolha do método de previsão.

Figura 8: Flowchart para escolha do método de previsão

Escolha da previsão de cada artigo do

método que apresente menor EQM.

Histórico de consumo

Cálculo da previsão recorrendo aos

métodos de previsão.

Cálculo do EQM de cada método para

cada artigo.


25

4.2 Nova abordagem à geração de ordens de produção

Um dos objectivos desta dissertação é considerar a previsão do consumo na realização do

planeamento da produção. Para tal, tornou-se necessário criar uma nova abordagem à geração

de ordens de fabrico.

No que diz respeito às quantidades das novas ordens de fabrico, são tidos em consideração dois

tipos de dados: as ordens geradas pelo MRP com data devida de entrega inferior a um mês e as

previsões.

As ordens geradas pelo MRP, têm a elas associadas uma quantidade e uma data devida de

entrega. Estas ordens são exportadas a partir do SAP.

No que diz respeito às previsões, estas são determinadas a partir do histórico de consumo, os

valores das previsões são determinados pela ferramenta, correspondendo a uma quantidade

mensal.

As existências, isto é, o stock de segurança, o stock real e o stock livre são definidas como se

apresenta de seguida.

O stock de segurança corresponde a um valor mínimo de stock em armazém acordado com o

cliente.

O stock real corresponde à quantidade em stock no armazém subtraído o stock de segurança, no

momento em que se realiza o planeamento.

Se existirem ordens geradas pelo MRP o stock livre corresponde à diferença entre a quantidade

da ordem de fabrico do artigo e as necessidades líquidas do mesmo, na presente semana. A

existência de stock livre é justificada pelo arredondamento por excesso das ordens de fabrico

para valores múltiplos do tamanho do lote mínimo. Se não existirem ordens de fabrico geradas

pelo MRP naquela semana, o stock livre corresponde à diferença entre o stock e as

necessidades brutas do artigo.

Agregação das ordens planeadas pelo MRP

As quantidades das ordens geradas pelo MRP com data devida de entrega inferior a um mês são

somadas, dando origem a uma ordem cuja data devida de entrega vai ser a data devida de

entrega da ordem gerada que expira primeiro. A agregação das ordens planeadas pelo MRP é

realizada de forma a garantir que um artigo só é produzido uma vez por mês, cumprindo assim

uma restrição imposta de durante um mês só se realizar um “setup” por família.

A essa ordem será dada a denominação de ordem mensal, visto que considera as necessidades

líquidas mensais. A Figura 9 representa a geração da ordem mensal.


26

Quantidade 100 50 150 100

Data de entrega 2 3 4 5

Figura 9: Criação da ordem agregada

Novas ordens de fabrico

Na abordagem à geração de novas ordens de fabrico, existem três situações distintas no que diz

respeito à determinação da quantidade a produzir, qi e à data devida de entrega, di.

Numa situação em que a quantidade da ordem mensal é superior à previsão, a nova ordem é

igual à ordem de fabrico mensal.

Se por sua vez, a quantidade da ordem mensal for inferior à previsão, a quantidade da nova

ordem é o stock livre subtraído da previsão e, a data devida de entrega é a data devida de

entrega da ordem mensal.

Caso não exista ordem mensal, a quantidade da nova ordem corresponde ao stock livre

subtraído da previsão e a data devida de entrega é determinada pela cobertura e data presente.

A cobertura é determinada pelo quociente do stock livre pela previsão.

As novas ordens geradas são um dos dados do problema de sequenciamento.

Na Tabela 8 apresentam-se as três situações descritas acima.

Tabela 8: Cálculos relativos à quantidade e à data devida de entrega

8 Nesta situação, as encomendas fixas e previstas de clientes deveriam ser subtraídas para evitar que a quantidade

considere valores em duplicado. Por um lado o stock sobrante considera encomendas de clientes como já

suprimidas por outro lado a previsão sendo efectuada a partir de um histórico de consumo está também a

considerá-las. Por preferência da empresa tal não se considerou.

Quantidade 400

Data de entrega 2

Quantidade da ordem mensal

superior à previsão 𝑑𝑖 = 𝐷𝑎𝑡𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑔𝑎 𝑑𝑎 𝑜𝑟𝑑𝑒𝑚 𝑚𝑒𝑛𝑠𝑎𝑙

𝑞𝑖 = 𝑄𝑢𝑎𝑛𝑡𝑖𝑑𝑎𝑑𝑒 𝑑𝑎 𝑜𝑟𝑑𝑒𝑚 𝑚𝑒𝑛𝑠𝑎𝑙

Quantidade da ordem mensal

inferior à previsão

𝑞𝑖 = 𝑃𝑟𝑒𝑣𝑖𝑠ã𝑜 − 𝑆𝑡𝑜𝑐𝑘 𝑙𝑖𝑣𝑟𝑒

𝑑𝑖 = 𝐷𝑎𝑡𝑎 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑔𝑎 𝑑𝑎 𝑜𝑟𝑑𝑒𝑚 𝑚𝑒𝑛𝑠𝑎𝑙

Existe previsão e não existe

ordem mensal

𝑞𝑖 = 𝑃𝑟𝑒𝑣𝑖𝑠ã𝑜 − 𝑆𝑡𝑜𝑐𝑘 𝑙𝑖𝑣𝑟𝑒 8

𝑑𝑖 = 𝐶𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 + 𝐷𝑎𝑡𝑎 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑒

Ordens geradas

pelo MRP

Ordem mensal


27

4.3 Definição do problema de sequenciamento

Através da análise das características α | β | γ proposta por Graham (Graham, Lawer, & Lenstra,

1979) já definidas no capítulo 2, é possível classificar o presente problema de sequenciamento,

facilitando a escolha do modelo apropriado.

Ambiente das máquinas

Um artigo é produzido num centro de trabalho, não havendo centros de trabalho

alternativos.

Cada centro de trabalho, num determinado momento, só pode produzir um determinado

artigo.

Analisando as características acima, conclui-se que se está perante um problema de máquina

única. Assim sendo, o parâmetro α toma o valor 1.

Características das ordens

A restrição imposta pela empresa é que, para cada família, apenas é permitido um

“setup” por horizonte de planeamento.

Esta restrição baseia-se no conhecimento dos responsáveis pelo “General Line Planning” e é

justificada, pela existência de uma taxa de ocupação nos centros de trabalho da “General Line”

na ordem dos 100%.

Para verificar a validade desta restrição, a presente dissertação aborda problemas considerando

a restrição e problemas que não a consideram.

Os tempos de “setup” entre famílias são independentes da sequência.

Numa abordagem em que se considera a restrição imposta pela empresa o parâmetro β não tem

qualquer atributo. Relaxando a restrição imposta pela empresa, considera-se que o problema

permite o agrupamento das ordens por famílias, então o parâmetro β representa-se por fmls.

Critério de optimização

A escolha do critério de optimização está fortemente relacionada com os objectivos da

empresa. Desta maneira, definiram-se os critérios de optimização juntamente com os

responsáveis pelo “General Line Planning”.

O principal objectivo do planeamento da produção na ColepCCL é a satisfação dos clientes.

Definiu-se assim, como principal função objectivo, a minimização do atraso total, 𝑇𝑗 . Por

outro lado, o cumprimento dessa meta apenas é possível através da maximização do volume de


28

produção, o que se traduz na minimização dos tempos de “setup”. Importa ainda referir que na

situação em que se considera a restrição de apenas se realizar um “setup” por família ao longo

do horizonte de planeamento, o objectivo de minimizar os tempos de “setup” é inteiramente

cumprido.

De acordo com os parâmetros acima referidos e consultando as tabelas existentes em (T’kind &

Billaut, 2002), onde se encontra a definição de vários problemas de sequenciamento, conclui-se

que o problema considerando a restrição de apenas se realizar um “setup” por família ao longo

do horizonte de planeamento é classificado como um problema de máquina única e cujo

objectivo é a minimização do atraso total, 1 𝑇𝑖 .

Na situação em que se relaxa a restrição imposta e considerando a inexistência de tempos de

“setup” entre artigos da mesma família, considera-se um problema do tipo oficina constituída

por uma máquina única com agrupamento dos produtos em famílias e objectivo de

minimização do atraso total, 1 𝑓𝑚𝑙𝑠 𝑇𝑖 .

O problema de máquina única com o objectivo de minimização do atraso total, 1 𝑇𝑖 é do

tipo “NP-hard” e, como já foi referido no capítulo 2 e comprovado no artigo de (Du & Leung,

1990), não há algoritmos que optimizem a sua solução em tempo polinomial.

Relativamente ao problema de uma máquina única com agrupamento dos produtos em famílias

e objectivo de minimização do atraso total, 1 𝑓𝑚𝑙𝑠 𝑇𝑖 , não foi encontrado nenhum trabalho

que comprove a complexidade do mesmo. Contudo, na bibliografia encontrada, todos os

trabalhos que determinam a solução óptima, não são eficientes.

Na presente dissertação, a proposta para resolver os dois tipos problemas de sequenciamento é

a de criar heurísticas baseadas em regras de sequenciamento. Cada uma das heurísticas dará

origem a um plano de produção distinto.

4.4 Heurísticas desenvolvidas para criação dos planos de produção

Para cada um dos planos de produção, é criada uma heurística desenvolvida com base nas

regras de sequenciamento e numa regra para a escolha da família a ser sequenciada, comum a

todos os planos.

No presente problema de sequenciamento da produção decidiu-se pela criação de seis planos de

produção denominados por planos A, B, C, D, E e F.

Os planos A, C e F são planos que consideram a restrição da empresa apenas de realizar um

“setup” por família ao longo do horizonte de planeamento. Os planos B, D e E relaxam essa

restrição.

4.5 Dados de entrada das heurísticas

Os dados necessários às heurísticas desenvolvidas dividem-se em: novas ordens de fabrico,

tempo de processamento das novas ordens de fabrico, folga das novas ordens de fabrico,

encomendas fixas, datas devidas de entrega das encomendas fixas e última família produzida.


29

As novas ordens de fabrico são compostas pela quantidade, qi, e pela data devida de entrega, di.

Estas ordens são geradas do modo descrito na secção 4.2. As heurísticas distinguem ainda as

novas ordens geradas a partir de ordens planeadas pelo MRP das novas ordens geradas

unicamente a partir de previsões.

Na determinação do tempo de processamento, pi, das novas ordens de fabrico é necessário o

conhecimento da cadência que é a mesma para artigos pertencentes à mesma família. A

cadência representa-se por 𝑐𝑎𝑑𝑗 , que por sua vez significa a cadência da família j e corresponde

ao número de artigos produzidos por unidade de tempo.

O cálculo do tempo de processamento, pi, da ordem é dado pela fórmula (1).

𝑝𝑖(𝑕) =𝑞𝑖(𝑚𝑖𝑙 )

𝑐𝑎𝑑 𝑗 (𝑚𝑖𝑙 /𝑕) (1)

A folga da ordem de fabrico (3) é dada pela diferença entre a data devida de entrega e o tempo

de processamento (1).

𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑒 𝑆𝑒𝑚𝑎𝑛𝑎𝑙 𝑕 = 𝑛º 𝑡𝑢𝑟𝑛𝑜𝑠 × 𝑑𝑖𝑎𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢çã𝑜 𝑠𝑒𝑚𝑎𝑛𝑎𝑖𝑠(𝑑𝑖𝑎𝑠) × 8 𝑕 (2)

𝐹𝑜𝑙𝑔𝑎 (𝑑𝑖𝑎𝑠) = 𝑑𝑖(𝑑𝑖𝑎𝑠) −𝑝𝑖 𝑕 × 𝐷𝑖𝑎𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢 çã𝑜 𝑝𝑜𝑟 𝑠𝑒𝑚𝑎𝑛𝑎 (𝑑𝑖𝑎𝑠 )

𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑𝑒 𝑆𝑒𝑚𝑎𝑛𝑎𝑙 (𝑕) (3)

São ainda tidas em consideração as encomendas firmes de cada artigo com data devida de

entrega mais próxima e qual a família em produção, ou qual a última família produzida nesse

centro de trabalho.

O tempo de processamento de outras famílias, corresponde ao somatório do tempo de

processamento de ordens correspondentes a artigos de uma família diferente da família da

última ordem sequenciada (ou produzida caso se trate da primeira ordem do plano), com data

devida de entrega inferior à próxima semana a sequenciar.

4.6 Regra de escolha da próxima família a sequenciar

Foi desenvolvida uma regra de escolha da próxima família a sequenciar, baseada nas datas

devidas de entrega das novas ordens de fabrico.

Os dados de entrada desta regra são as novas ordens de fabrico e a informação acerca das

famílias já sequenciadas.

Se se tratar da primeira ordem sequenciada do plano de produção, esta regra verifica se existem

novas ordens de fabrico relativas à última família produzida. Se existirem, a família escolhida

como a próxima família a sequenciar é a última família produzida.


30

Pelo contrário, se não existem ordens relativas à última família produzida, verifica se existem

ordens atrasadas de alguma família do centro de trabalho. Se existirem ordens atrasadas, a

família escolhida é a que tiver a ordem mais atrasada.

Caso não existam famílias com ordens atrasadas, a família escolhida é a família com mais

ordens de fabrico com data devida de entrega igual ou inferior à próxima semana. A Figura 10

descreve a regra de escolha da próxima família a sequenciar.

Figura 10: “Flowchart” da regra de escolha da próxima família a sequenciar

4.7 Descrição das heurísticas para cada plano de produção

As heurísticas desenvolvidas para cada plano de produção são semelhantes.

No que diz respeito às regras de sequenciamento, os planos A e B baseiam-se na regra da folga

mínima, os planos C e D na regra “earliest due date” e os planos E e F na regra do menor tempo

de processamento.

Quanto à restrição de apenas se realizar um “setup” por família ao longo do período de

planeamento, são considerados dois grupos. Um deles constituído pelos planos A, C e E que

considera a restrição, e o outro, do qual fazem parte os planos B, D e F que restringem a

restrição. A Figura 11 apresenta esquematicamente as regras em que se baseiam cada um dos

seis planos.


Informação acerca de todas as famílias já sequenciada


Existem famílias com ordens de fabrico

atrasadas?

Escolher a família com a data de entrega da

ordem de fabrico mais antiga.

Escolher a última família produzida. Existem ordens de fabrico

da última família

produzida?

Fim

Escolher a família com mais ordens de fabrico para a

semana seguinte.

Não

Não

Sim

Sim


31

Em todos os planos, a regra de escolha da próxima família a sequenciar é a mesma (Figura 10).

A heurística associada ao plano A (Figura 12) é descrita do seguinte modo: tendo como dados

de entrada as novas ordens de fabrico, escolher a próxima família a sequenciar com base na

regra de escolha da próxima família a sequenciar descrita na Figura 10.

Escolhida a próxima família, sequencia-se pela regra da folga mínima as novas ordens de

fabrico pertencentes à família escolhida, que resultam de ordens planeadas pelo MRP. Como já

foi referido anteriormente na secção 4.2, as novas ordens de fabrico podem ser geradas a partir

de ordens planeadas pelo MRP ou de previsões.

Caso se verifique situações de ordens que apresentem a mesma folga, estabelece-se o seguinte

critério de desempate: sequenciar em primeiro lugar a novas ordens com a data devida de

entrega da encomenda fixa mais antiga. Se mesmo assim se verificaram empates, o critério é

sequenciar primeiro a ordem com data devida de entrega mais próxima.

Sequenciadas todas as novas ordens que resultam de ordens planeadas pelo MRP, sequenciam-

se as ordens geradas unicamente a partir de previsões pela regra da folga mínima. Nesta

situação o critério de desempate é sequenciar primeiro a ordem com data devida de entrega

mais próxima.

Terminado o sequenciamento da família, escolhe-se a próxima família repetindo-se todos os

passos anteriormente descritos até terem sido sequenciadas todas as famílias do centro de

trabalho.

Planos

Folga miníma

Com Restrição Plano A

Sem Restrição Plano B

"Earliest due date"

Com Restrição Plano C

Sem Restrição Plano D

Menor tempo de processamento

Com Restrição Plano E

Sem Restrição Plano F

Figura 11: Heurísticas desenvolvidas para cada um dos planos


32

Figura 12: “Flowchart” da heurística baseada na regra da folga mínima considerando a

restrição – Plano A

A Figura 13 representa a heurística que permite a criação do plano B. A heurística é semelhante

ao apresentado na Figura 12, diferindo apenas na relaxação da restrição imposta pela empresa.

Nesta heurística, depois de sequenciadas todas as novas ordens geradas a partir de ordens

planeadas pelo MRP pertencentes à família escolhida, é determinado o tempo de

processamento de outras famílias, referido na secção 4.4, e de seguida escolhe-se a nova ordem

gerada a partir de previsões pertencente à família escolhida que apresente menor folga.

Se a soma da capacidade semanal disponível com o tempo de processamento da ordem for

inferior ao tempo de processamento das outras famílias, sequencia-se a ordem. Caso contrário,

faz-se a escolha da próxima família a sequenciar e repetem-se os passos anteriores tal como

apresentado na Figura 13.

Aplicar a regra da folga mínima ao conjunto de novas ordens que resultam de ordens planeadas pelo MRP pertencentes à família escolhida obedecendo aos seguintes critérios de desempate:

1. Sequenciar primeiro as novas ordens com a data de entrega da encomenda fixa mais antiga.

2. Sequenciar pela regra EDD caso o primeiro critério não seja aplicável.

Sequenciadas todas as

famílias do centro de

trabalho?

Fim

Aplicar a regra da folga mínima ao conjunto novas ordens que resultam de previsões pertencentes à

família escolhida obedecendo ao seguinte critério de desempate:

1. Sequenciar pela regra EDD.

Critério de escolha da próxima

família a sequenciar.


Não

Sim


33

Figura 13: “Flowchart” da heurística baseada na regra da folga mínima relaxando a

restrição – Plano B

As heurísticas dos planos C, D, E, e F são apresentados nas figuras seguintes. A descrição das

heurísticas representadas é semelhante à descrição das heurísticas para os planos A e B, a única

diferença é a regra de sequenciamento e os critérios de desempate.

Escolher a nova ordem ainda não sequenciada pertencente à família escolhida que apresenta menor

folga.

Calcular o Tempo de Processamento das Outras Famílias (TPOF)

Sequenciados todos os

artigos da família escolhida?

Sequenciadas todas as famílias do centro de

trabalho?

Fim

TPOF superior à soma do tempo de processamento do

artigo escolhido com tempo semanal restante?

Sequencia o artigo escolhido.

Aplicar a regra da folga mínima ao conjunto de novas ordens que resultam de ordens planeadas pelo

MRP pertencentes à família escolhida obedecendo aos seguintes critérios de desempate:

1. Sequenciar primeiro as novas ordens com a data de entrega da encomenda fixa mais

antiga.

2. Sequenciar pela regra EDD caso o primeiro critério não seja aplicável.




Não

Não

Não

Sim

Sim

Sim


34

Figura 14: “Flowchart” da heurística baseada na regra da “earliest due date”

considerando a restrição – Plano C

Aplicar a regra da “earliest due date” ao conjunto de novas ordens que resultam de ordens planeadas pelo MRP pertencentes à família escolhida obedecendo aos seguintes critérios de desempate:

1. Sequenciar primeiro as novas ordens com a data de entrega da encomenda fixa mais antiga. 2. Sequenciar pela regra SPT caso o primeiro critério não seja aplicável.



trabalho?

Fim

Aplicar a regra da “earliest due date” ao conjunto novas ordens que resultam de previsões pertencentes à

família escolhida obedecendo ao seguinte critério de desempate:

1. Sequenciar pela regra SPT.

.




Não

Sim


35

Figura 15: “Flowchart” da heurística baseada na regra da “earliest due date” relaxando a

restrição – Plano D

Escolher a nova ordem ainda não sequenciada pertencente à família escolhida que apresenta menor tempo

de processamento.






trabalho?

Fim

TPOF superior à soma do tempo de processamento do

artigo escolhido com tempo

semanal restante?


Aplicar a regra da “earliest due date” ao conjunto de novas ordens que resultam de ordens planeadas pelo MRP pertencentes à família escolhida aos seguintes critérios de desempate:


2. Sequenciar pela regra do tempo mínimo de processamento caso o primeiro critério não seja

aplicável.




Não

Não

Não

Sim

Sim

Sim


36

Figura 16: “Flowchart” da heurística baseada na regra do tempo mínimo de

processamento considerando a restrição – Plano E

Aplicar a regra do tempo mínimo de processamento ao conjunto de novas ordens que resultam de ordens planeadas pelo MRP pertencentes à família escolhida, obedecendo aos seguintes critérios de

desempate:

1. Sequenciar primeiro as novas ordens com a data de entrega da encomenda fixa mais antiga. 2. Sequenciar pela regra “earliest due date” caso o primeiro critério não seja aplicável.



trabalho?

Fim

Aplicar a regra do tempo mínimo de processamento ao conjunto de novas ordens que resultam de

previsões pertencentes à família escolhida obedecendo ao seguinte critério de desempate:

1. Sequenciar pela regra “earliest due date” .




Não

Sim


37

Figura 17: “Flowchart” da heurística baseada na regra do tempo mínimo de

processamento relaxando a restrição – Plano F

Escolher a nova ordem ainda não sequenciada pertencente à família escolhida que apresenta menor

tempo de processamento.






trabalho?

Fim

TPOF superior à soma do

tempo de processamento do

artigo escolhido com tempo

semanal restante?


Aplicar a regra do tempo mínimo de processamento ao conjunto de novas ordens que resultam de ordens planeadas pelo MRP pertencentes à família escolhida obedecendo aos seguintes critérios de

desempate:


2. Sequenciar pela regra “earliest due date” caso o primeiro critério não seja aplicável.




Não

Não

Não

Sim

Sim

Sim


38

5 Apresentação e Funcionalidades da Ferramenta de Auxílio ao “General Line Planning”

A ferramenta de auxílio ao “General Line Planning” foi codificada em “Visual Basic” aplicado

ao “Microsoft Excel”.

O “layout” da ferramenta encontra-se formatado de maneira a ser de fácil entendimento, não

necessitando grandes esforços por parte do utilizador.

O planeamento da produção é feito centro de trabalho a centro de trabalho. Deste modo, cada

conjunto de planos criados diz respeito a um centro de trabalho.

Para um fácil entendimento do funcionamento do programa, segue-se uma explicação dos

passos a seguir para a criação dos planos de produção.

5.1 Página inicial

A partir da página inicial da ferramenta, podem ser realizadas as seguintes operações:

Importação de dados a partir de relatórios em ficheiro “Excel” exportados do SAP;

Alterar cadências dos centros de trabalho;

Adicionar novas famílias aos centros de trabalho.

A Figura 18 apresenta a página inicial da ferramenta.

Figura 18: Página inicial da ferramenta


39

A Tabela 9 apresenta as funcionalidades e frequência de utilização de cada um dos botões à

direita na Figura 17.

Tabela 9: Funcionalidades dos botões da página inicial do programa

Botão Funcionalidades Frequência

Importar Stock

Livre

Importa informação acerca do stock livre

de cada artigo. Semanal

Importar

Encomendas

Importa informação acerca da encomenda

fixa de cada artigo com data de entrega

mais próxima.

Semanal

Importar Ordens Importa informação acerca das ordens

planeadas pelo MRP. Semanal

Planeamento Mudança para a página de dados.

Este botão limpa os planos de produção

criados anteriormente.

Semanal

Copiar Códigos Permite copiar todos os códigos dos

artigos da “General Line”. Útil para retirar

dados do SAP.

Sempre que seja

necessário retirar dados do

SAP

Previsão Importa informação relativa ao histórico

de consumo de cada produto. Realiza a

previsão da procura, baseada em métodos

de previsão.

Mensal

Importar Centro-

Artigo

Importa a alocação de cada artigo da

“General Line” a um centro de trabalho.

Sempre que existam

artigos novos na “General

Line”.

Alterar Cadências Permite a alteração manual da cadência

dos centros de trabalho.

Sempre que se verifiquem

alterações de cadências

dos centros de trabalho da

“General Line”.

Adicionar Famílias Permite adicionar novas famílias a um

centro de trabalho.

Sempre que sejam

alteradas as famílias

produzidas pelos centros

de trabalho.

Na Figura 17, ao centro, encontram-se os botões de navegação entre páginas, o nome do botão

indica a página para a qual se desloca. Este tipo de botões está presente em todas as páginas do

programa permitindo uma fácil visualização de dados e planos criados.

Depois de actualizada a informação referida na Tabela 9, deverá proceder-se à inserção manual

dos restantes dados necessários à heurísticas desenvolvidas.


40

5.2 Página de dados

A partir da página de dados é possível:

Escolher o centro de trabalho para o qual vai ser feito o planeamento;

Definir a família do artigo em produção ou a última família produzida;

Definir o artigo deste centro de trabalho que está em produção;

Consultar a informação relativa aos artigos produzidos pelo centro de trabalho;

Consultar o gráfico do histórico de consumo dos últimos 12 meses, de cada artigo

produzido pelo centro de trabalho;

Escolher a data de início do planeamento;

Definir o número de dias e turnos em que o centro de trabalho opera;

Fazer alterações à quantidade da nova ordem calculada pela ferramenta.

A escolha do centro de trabalho, permite ao programa fazer a associação entre o centro de

trabalho e os artigos produzidos pelo mesmo

Escolhido o centro de trabalho, o programa executa as seguintes acções, para os artigos do

centro de trabalho escolhido:

Cálculo da quantidade a produzir, qi, sugerida pelo modelo, isto é a quantidade da nova

ordem;

Data devida de entrega, di, da nova ordem;

Cálculo do tempo processamento, ti, da nova ordem;

Elimina da tabela artigos sem consumo9;

Cria uma tabela que contém todos os dados dos artigos produzidos pelo centro de

trabalho escolhido.

A descrição dos dados da tabela criada pela ferramenta encontra-se na Tabela 10.

9 São considerados artigos sem consumo, os artigos que não têm ordens mensais nem stock no período presente e

que não são consumidos há mais de seis meses.


41

Tabela 10: Descrição dos dados do centro de trabalho

Coluna Descrição Informação

Material Código do artigo Importada do SAP

Descrição Descrição do artigo Importada do SAP.

Família Família à qual pertence o

artigo

Determinada a partir da descrição do artigo.

Stock Real Stock real do artigo na

semana em que se realiza

o sequenciamento

Importada do SAP.

Stock

Segurança

Stock de Segurança do

artigo

Importada do SAP.

Stock Livre Stock Livre do artigo no

dia em que se realiza o

sequenciamento

Importada do SAP.

Cobertura Cobertura do Stock Livre Cálculo descrito em 4.2. A cobertura apenas é

calculada pela ferramenta para artigos que não

tenham ordem mensal, caso contrário esta célula

fica preenchida pelo valor zero. Se o artigo não

tiver ordem mensal nem previsão esta célula fica

preenchida pela mensagem “S/Nec”, que indica

que não há necessidade bruta desse artigo.

Quantidade da

Nova Ordem

Quantidade da nova

ordem de fabrico gerada

Cálculo descrito na secção 4.2.

Quantidade

Manual

Quantidade da nova

ordem que pode ser

alterada pelo utilizador

O preenchimento desta coluna é descrito na

próxima subsecção. Esta coluna é preenchida

pelo utilizador.

Tempo de

Processamento

Tempo de processamento

da nova ordem

Se a quantidade manual não for preenchida pelo

utilizador, corresponde ao tempo de

processamento da quantidade da nova ordem.

Caso contrário, corresponde ao tempo de

processamento da quantidade manual.

ABC Classificação do artigo Importada do SAP:

Encomenda

Fixa

Quantidade da

encomenda fixa do artigo

com data devida de

entrega mais próxima

Importada do SAP.

Data

Encomenda

Fixa

Data devida de entrega da

encomenda fixa com data

devida de entrega mais

próxima

Importada do SAP.

Previsão Previsão de consumo

calculada

Cálculo descrito na secção 4.1.

Quantidade da

Ordem Mensal

Quantidade da ordem

mensal

Determinação descrita na secção 4.2.

Data de

Entrega da

Ordem Mensal

Data de entrega da ordem

mensal

Determinação descrita na secção 4.2.


42

No Anexo A é apresentada, a título de exemplo, uma tabela referente ao centro de trabalho

41083 contendo os dados do centro de trabalho para iniciar o sequenciamento na semana 25.

É ainda importante a inserção de dados no que diz respeito ao artigo em produção. Os dados a

inserir neste campo são a família do artigo, o código e a quantidade em produção. Se não

houver nenhum artigo em processamento deve-se inserir apenas a família do último artigo

produzido no centro de trabalho.

Por fim, deve-se indicar a data de início do sequenciamento e o número de dias e turnos em que

o centro de trabalho opera.

5.3 Análise dos valores propostos pela ferramenta

Determinados todos os dados de entrada das heurísticas, o utilizador deverá verificar a

quantidade sugerida pelo programa, artigo a artigo, e fazer as alterações que julgue conveniente

tendo em conta a sua experiência

O programa apresenta a possibilidade de visualização do gráfico de consumo dos artigos nos

últimos 12 meses. O utilizador deverá usar os botões Artigo Anterior e Artigo Seguinte para

percorrer a lista de artigos, verificando o histórico do consumo através do gráfico idêntico ao

representado na Figura 19 que diz respeito ao artigo com o código 31-20358.

Analisado o gráfico de consumo, caso o utilizador pretenda uma quantidade diferente da

quantidade sugerida pelo programa, deverá inserir a quantidade pretendida, na coluna Qtd.

Manual.

A actualização das quantidades através da análise do gráfico de consumo é importante, pois os

métodos previsão nem sempre têm sensibilidade para analisar correctamente a série de dados,

isto devido à possível existência de “outliers10

”.

10 “Outliers” são observações que se apresentam muito distantes das restantes ou são inconsistentes com elas

Figura 19: Gráfico do histórico de consumo do artigo 31-20358


43

Após inserida manualmente a quantidade a produzir, o programa actualiza automaticamente o

tempo de processamento necessário, passando a partir deste momento a considerar-se apenas a

quantidade referida na coluna da quantidade manual. A Figura 20 apresenta o artigo 51-29029

com um novo valor para a quantidade a produzir.

Se o utilizador pretender alterar a quantidade sugerida pelo programa deverá apagar a

quantidade manual. O programa volta a assumir a quantidade sugerida que está representada na

quantidade da nova ordem.

A partir deste momento estão definidos os dados necessários à geração dos planos de produção.

5.4 Geração dos planos de produção

O utilizador deverá clicar no botão sequenciar para geração dos seis planos de produção já

referidos no Capítulo 4.

A Figura 21 apresenta o exemplo de um plano de produção criado.

Neste plano de produção apresenta-se na primeira coluna a semana em que a ordem é

sequenciada, cada ordem tem associada um código que corresponde ao código do artigo, a

família do artigo, a quantidade da ordem e data devida de entrega.

Figura 20: Alteração da quantidade sugerida pelo programa

Figura 21: Exemplo de um plano de produção para o centro de trabalho 41083


44

Caso se dê a troca de família é também indicado o tempo de setup correspondente a essa troca.

No plano de produção são ainda indicados o tempo de processamento da ordem, tempo de

processamento total da semana, o atraso em dias, tipo de ordem e data prevista de conclusão.

O significado dos elementos presentes no plano de produção é descrito na Tabela 11

apresentada de seguida.

Tabela 11: Significado dos elementos presentes no plano de produção

Semana Semana de produção

Código Código do artigo

Família Família à qual pertence o artigo

Quantidade Quantidade a produzir

Due Date Data de entrega da nova ordem

Setup [h] Tempo de “setup”

Tempo de Proc. [h] Tempo de processamento

Tempo Acumulado Sem. [h] Tempo de processamento acumulado na semana com “setups”

Atraso [sem] Diferença entre a data de entrega da ordem mensal e o dia de

produção proposto pelo plano. Só se considera o atraso em

ordens criadas a partir de ordens mensais.

Tipo de Ordem Descriminação se o artigo vai ser produzido para cumprir uma

ordem planeada pelo MRP ou se devido a uma previsão.

Importa referir que um artigo pode ser simultaneamente

produzido para suprimir uma ordem gerada pelo MRP e uma

previsão, nesta situação considera-se a que a ordem gerada

pelo MRP prevalece sobre a Previsão baseada no Histórico

Para cada plano de produção é criado um diagrama de Gantt (Figura 22). Neste diagrama as

cores correspondem às famílias.

O eixo vertical indica as semanas que correspondem ao horizonte do plano de produção e, o

eixo horizontal corresponde às horas utilizados por semana para cada uma das famílias.


45

Cada uma das cores no gráfico indica o número de horas de produção semanal de cada família.

A fim de apoiar o utilizador na selecção do plano a adoptar, o sistema calcula e apresenta o

valor das funções objectivo, obtido para cada um dos planos de produção (Figura 23).

Esta figura auxilia o utilizador na escolha do plano de produção mais favorável, tendo em conta

o valor das duas funções objectivo.

O eixo vertical indica o tempo dispendido em “setup” e o eixo horizontal indica o total de

atrasos em dias.

Figura 23: Gráfico de análise dos planos de produção criados

Figura 22: Diagrama de Gantt correspondente ao plano de produção


46

Neste exemplo as alternativas criadas pelos planos B, C, E e F são consideradas alternativas

dominadas, isto é existe uma alternativa melhor em pelo menos uma das medidas de

desempenho não sendo pior nas outras. As alternativas criadas pelos planos A e D são

alternativas eficientes, isto é são melhores do que as outras alternativas em pelo menos uma das

medidas de desempenho não sendo pior nas outras. Deste modo o agente de decisão apenas

avalia os planos A e D.

5.5 Comparação entre os planos de produção criados

Nesta secção, compara-se os resultados obtidos em cada um dos planos de produção para os

centros de trabalho 41036, 41040 e 41083 na semana 25. Considerando diferentes capacidades

semanais.

A capacidade semanal é definida pelo número de dias e turnos. O centro de trabalho 41036

opera a 5 dias em 1 turno, os centros 41040 e 41083 operam a 5 dias e dois turnos.

Por exemplo, para um centro de trabalho que opera em cinco dias da semana a um turno a

capacidade semanal é de 40h.

Tabela 12: Avaliação e comparação dos diferentes planos de fabrico para a linha 41086

Plano A- Folga Mínima

Plano B - Folga Mínima sem

restrição

Plano C- “Earliest due

date”

Plano D- “Earliest due

date” sem restrição

Plano E- Tempo mínimo de

processamento

Plano F- Tempo mínimo de

processamento sem restrição

Setup Atraso Setup Atraso Setup Atraso Setup Atraso Setup Atraso Setup Atraso

41036 16 36 24 34 16 31 24 27 16 27 16 20

41040 3 44 3,50 43 3 43 3,50 42 3 38 3 38

41083 40 174 64 167 40 173 64 166 40 88 64 83

Relativamente ao centro de trabalho 41036 verifica-se que o plano F é o plano que apresenta

melhores resultados, isto é, o plano é superior a todos os outros na medida do atraso total, não

sendo inferior a nenhum deles no tempo de “setup”.

No centro de trabalho 41040 os planos E e F são os que apresentam melhores resultados

relativamente ao atraso total, não sendo inferior a nenhum dos outros planos no tempo de

“setup”.

Quanto ao centro de trabalho 41083 o plano E apresenta melhores resultados relativamente ao

tempo de setup e o plano F relativamente ao atraso total.

Os planos de produção relativos aos resultados indicados na tabela 12 encontram-se no anexo

B.

A descrição de cada uma das colunas foi referida na secção 5.3.


47

6 Conclusões e Trabalhos Futuros

O ambiente competitivo presentemente enfrentado pelas organizações obriga à maximização da

utilização dos recursos e à satisfação dos clientes. No âmbito da presente dissertação isso

traduz-se em minimizar os tempos de “setup” e em minimizar os atrasos das entregas aos

clientes.

6.1 Conclusões

A caracterização dos problemas de sequenciamento foi fundamental para a escolha dos

métodos de resolução. Os problemas de sequenciamento do trabalho desenvolvido são do tipo

“NP-Hard”, não existindo portanto algoritmos de optimização eficientes para a sua resolução.

Devido à dimensão do problema, a aplicação dos restantes métodos de optimização: a

enumeração implícita e a programação matemática, é considerada inviável, uma vez que não

resolvem o problema em tempo polinomial. Deste modo, a resolução do problema será

efectuada recorrendo a métodos heurísticos.

Relativamente aos métodos heurísticos, devido à complexidade do problema, optou-se por

desenvolver heurísticas baseadas em regras de sequenciamento.

As principais vantagens da abordagem dos problemas de programação em operações fabris

através de regras de sequenciamento são:

Execução em tempo polinomial;

Fácil implementação;

Fácil compreensão pelos utilizadores;

Grande flexibilidade na escolha das regras, bem como na sua adaptação a situações

específicas de produção.

O estudo de sequenciamento da produção torna-se uma poderosa ferramenta para alocação de

recursos, de forma a obter o sequenciamento de ordens que melhor se adapte aos objectivos da

empresa.

Importa ainda referir que a restrição imposta de apenas se realizar um “setup” por família é

prejudicial ao objectivo de minimização do atraso total. Uma vez que ao ser considerada essa

restrição, o tempo de “setup” deixa de ser uma variável de decisão e passa a ser um valor que

depende unicamente dos tempos de “setup” entre famílias e do número de famílias produzidas

pelo centro de trabalho.

O trabalho apresentado nesta dissertação, consiste na criação de uma ferramenta que considera

a previsão de consumo no processo de geração de ordens de fabrico e as sequencia, tendo em

vista os objectivos definidos.

As novas ordens de fabrico são geradas considerando a previsão e as ordens planeadas pelo

MRP, com data devida de entrega inferior a um mês.


48

Partindo das novas ordens, são criados os planos de produção. Estes, são gerados a partir de

heurísticas baseados em regras de sequenciamento e regras de escolha da família a sequenciar,

sendo cada plano de produção gerado a partir de um modelo heurístico diferente.

De salientar que as heurísticas foram desenvolvidas tendo em consideração as preferências dos

gestores da empresa no respeitante à definição das prioridades de sequenciamento.

Os planos de produção criados terão de ser submetidos a uma avaliação por parte do utilizador.

O plano escolhido será o que mais se adeqúe às preferências do agente de decisão.

A ferramenta desenvolvida irá libertar os gestores da tarefa de criação de planos de produção,

permitindo que dediquem mais tempo a analisar planos alternativos.

A possibilidade de avaliação dos planos alternativos é uma das inovações trazidas para a

empresa no que diz respeito ao planeamento da produção. A avaliação da forma como os

objectivos estão a ser cumpridos tem relevante importância, na medida em que se consegue de

avaliar o desempenho da empresa no planeamento da produção.

É importante referir que nenhuma das heurísticas desenvolvidas se destina a determinar uma

solução óptima para a minimização do atraso total; contudo, os planos A, C e E apresentam a

solução óptima para a minimização dos tempos de “setup”, uma vez que é cumprida a restrição

de apenas se realizar um “setup” por família no horizonte de planeamento.

Nesta dissertação os resultados obtidos com o programa não foram comparados com os

resultados em ambiente industrial, tal é justificado por na situação real muitas das ordens de

produção não serem realizadas devido à inexistência de matérias-primas. Deste modo a

produção realizada não corresponde aquilo que seria desejável pelos responsáveis pelo

planeamento.

6.2 Trabalhos Futuros

Relativamente aos trabalhos que poderão vir a ser desenvolvidos no futuro, propõe-se

diferentes abordagens para o problema de sequenciamento da presente dissertação.

Em primeiro lugar sugere-se a relaxação da restrição de apenas se realizar um “setup” no

horizonte de planeamento. Como já foi referido antes, esta restrição prejudica o objectivo de

minimizar o atraso total.

No que respeita à nova abordagem à geração de ordens de fabrico, propõe-se uma alteração do

período coberto pela ordem de fabrico. Essa alteração consiste na modificação da cobertura da

nova ordem de fabrico de um mês para uma semana, mantendo todos os outros pressupostos já

referidos Nesta situação, a cada ordem planeada pelo MRP (ordens semanais) seria associada

uma previsão semanal.

Uma abordagem possível é considerar o presente problema como um problema de oficina com

uma máquina única com agrupamento em famílias e o objectivo de minimizar o atraso total, 1 fmls Ti . Sugere-se desenvolvimento de uma heurística adaptada à situação da empresa,

recorrendo a heurísticas desenvolvidas noutros trabalhos. Nomeadamente meta-heurísticas, tais

como a “simulated annealing” proposta por Gupta (Gupta & Chantaravarapan, 2008), que trata


49

o problema de sequenciamento de oficinas constituídas por uma máquina única com

agrupamento em famílias e o objectivo de minimizar o atraso total, 1 fmls Ti .

Uma outra possível sugestão é considerar o problema como um problema do tipo oficina com

uma máquina única, “setups” dependentes da sequência e objectivo de minimizar o atraso total,

uma possível abordagem considerando a meta-heurística “Greedy Randomized Adaptive

Search Procedure” (GRASP) proposta por Gupta (Gupta & Smith, 2005).

A adaptação à proposta consiste em considerar o tempo de “setup” entre artigos de famílias

diferentes como sendo igual ao tempo de “setup” entre famílias e considerar nulo o tempo de

“setup” entre artigos da mesma família como se exemplifica na Tabela 22 para um centro de

trabalho com duas famílias e 5 trabalhos. Sendo o tempo “setup” da família 1 de 20 e o da

família 2 de 30.

Tabela 13: Matriz dos tempos de “setup”

F 1 2 2 2 1

F O 1 2 3 4 5

1 1 0 20 20 20 0

2 2 30 0 0 0 30

2 3 30 0 0 0 30

2 4 30 0 0 0 30

1 5 0 20 20 20 0

Tempo de setup de:

Para:


50

Referências

Bauer, A., Hartl, R., Strauss, C., & Bullnheimer, B. (2000). Minimizing Total Tardiness on a

Single Machine Using Ant Colony Optimization. Vienna: Department of Management Science.

University of Vienna.

BedWorth, D., & Bai, D. (1987). Integrated Production Control Systems. John Wiley & Sons.

Blazewicz, J., Cellary, C., Slowinsky, W., & Weg, R. (1986). Scheduling under resource

constrains: deterministic models. Baltzer Science Publishers .

Carlier, J., & Chretienne, P. (1988). Time Petri Net Schedules: Advances in Petri Nets. In G.

Rozenberg, Lecture Notes in Computer Scienc (pp. 62-84). Springer Verlag.

Chase, R., Jacobs, F., & Aquiliano, N. (2006). Operations Management for Competitive

Advantage with Global Cases. New York: McGraw-Hill.

Chen, W.-J. (2008). Single-machine scheduling with family setup times in a manufacturing

system. Engineering Optimization 1029-0273 40- 6 , 579 - 589.

ColepCCL. (2010). Portal da ColepCCL. Retrieved Junho 11, 2010, from Acesso a partir da

rede interna

Conway, R., Maxwell, R., & Miller, L. (1967). Theory of scheduling. Addison-Wesley.

Croce, D., Tadei, R., & Baracco, R. (1998). A New Decomposition For Single Machine Total

Tardiness Scheduling Problem. Journal of Operational Research society 49 , 1001-1106.

Du, J., & Leung, Y.-T. (1990). Minimizing Total Tardiness on One Machine is NP-Hard.

Mathematics of Operations Research 15 , 483-495.

Emmons, H. (1969). One Machine Sequencing to Minimize Certain Functions of Tardiness.

Operations Research 17 , 701-715.

Fisher, M. (1976). A Dual Algorithm for the One-Machine Scheduling Problem. Mathematical

Prograrmning 11 , 229-251.

França, P., Mendes, P., & Mos, A. (2001). A memetic algorithm for the total tardiness single

machine scheduling problem. Campinas: Faculdade de Engenharia Elétrica e de Computação,

Universidade Estadual de Campinas.

Graham, R., Lawer, E., & Lenstra, J. (1979). Optimisation and Approximation in Deterministic

Sequencing and Scheduling. A survey. Annals of Discrete Mathematics 5 , 5 (pag 287-326),

287-326.

Gupta, N., & Chantaravarapan, S. (2008). Single machine group scheduling with family setups

to minimize total tardiness. International Journal of Production Research, Volume 46, Issue 6 ,

1707 - 1722.

Gupta, S., & Smith, J. (2005). Algorithms for single machine total tardiness scheduling with

sequence dependent setups. European Journal of Operational Research , 722-739.


51

Gutjahr, W., Hellmayr, A., & Pflug, G. (1999). Optimal stochastic single-machine-tardiness

scheduling by stochastic branch-and-bound. European Journal of Operational Research 117- 2

, 396-413.

Jaideep, T. (2003). A note on a well-known dispatching rule to minimize total tardiness. Omega

31-2 , 137-140.

Johnson, S. (1954). Optimal Two-stage and Three stage Production Schedules with Setup

Times Includes. Naval Research Logistics - 1 , 61-68.

Lawler, E. (1977). A pseudopolynomial algorithm for sequencing jobs to minimize total

tardiness. Annals of Discrete Mathematics 1 , 331-342.

Lobo, B. (2005). Planeamento e Sequenciamento da Produção: Visão Global e Caso de

Estudo. Porto: Faculdade de Engenhraia da Universidade do Porto.

Makridakis, S., Whelwright, S., & Hyndman, R. (1998). Statistics Forecasting Methods and

Apllications. John Wiley & Sons. New York: John Wiley & Sons, Inc.

Matos, M. (2010). Página Pessoal de Manuel António Matos. Retrieved Junho 14, 2010, from

http://paginas.fe.up.pt/~mam/

Melian, B. (2003). Metaheuristics: A Global View. Revista Iberoamericana de Inteligencia

Artificial 2-19 .

Metaheuristics Network. (2010). Metaheuristics Network. Retrieved Junho 30, 2010, from

http://www.metaheuristics.net

Moore, J. (1968). An n-Job, One Machine Sequencing Algorithm for Minimizing the Number

of Late Jobs. Management and Science 15 , 102-109.

Omar, M., & Suppiah, T. (2007). Scheduling with Setup Considerations: An MIP Approach.

Centre of Computer Aided Design and Knowledge Manufacturing.Faculty of Engenheering and

Technology.Multimedia University, Malaysia.

Panwalker, S., & Smith, L. (1993). European Journal of Operational Research 70- 3 , 304-310.

Pinedo, M. (2008). Scheduling Theory, Algorithms, and Systems. Springer.

Schrage, L., & Baker, K. (1978). Dynamic Programing Solution of Sequencing Problems with

Precedence Constrains. Operations Research 26 , 444-449.

Shafer, S., & Meredith, J. (1998). Operations Management. New York: John Wiley & Sons.

Silva, C., Figueira, J., Lisboa, J., & Barman, A. (2006). An interactive decision support system

for an aggregate production planning model based on multiple criteria mixed integer linear

programming. Omega , 167-177.

Smith, J., & Gupta, N. (2005). Algorithms for single machine total tardiness scheduling with

sequence dependent setups. European Journal of Operational Research .

T’kind, V., & Billaut, C. (2002). Multicriteria scheduling: Theory, Models and Algorithms.

Vicens, E., Alemany, M., Andre, C., & Guarch, J. (2001). A design and application

methodology for hierarchical production planning decision support systems in an enterprise

integration context. International Journal of Production Economics 74 , 5-20.


52

Wallis, K., & Thomas, J. (1971). Seasonal variation in regression analysis. Journal of the

RoyalStatistical Society A-134-1 , 52-72.

Webster, S., & Baker, K. (1995). Scheduling Group of Jobs on a Single Machine . Operations

Research 43- 4 , 692-703.


53

ANEXO A: Dados do centro de trabalho 41083 na semana 25


54

ANEXO B: Planos de produção

Dados de entrada da heurística para o centro de trabalho 41036

Material Stock Real [mil]

Stock Seg. [mil]

Stock Livre [mil]

DD Prev

[sem]

Qtd.Sug. [mil]

T.Proc. [h]

Encomenda[mil] Data Enc.

Previsão [mil]

Ord.Plan.[mil] DD

Ord.Plan.

51-24098 1,4 0,0 1,4 2,40 0,93 0,2

2,31

51-24093 29,2 18,4 5,5 1,13 14,05 2,8

19,56

51-24097 90,1 55,3 32,8 2,64 17,02 3,4

49,83

51-24099 15,1 18,4 1,2 0,00 12,30 2,5

13,46 4,6 25-Jun

51-32135 21,6 101,4 10,9 S/Nec 147,46 29,0

1,42 147,5 25-Jun

51-32136 4,5 4,6 2,0 0,00 4,61 1,0

4,27 4,6 25-Jun

51-30369 15,8 14,8 0,9 0,00 26,43 4,5 25,0 12-Jul 27,36 26,0 12-Jul

31-09673 0,4 0,0 0,4 0,00 1,42 0,3 0,8 1-Jul 1,83 0,4 1-Jul

51-30368 0,0 7,4 2,9 0,00 14,85 2,5 4,1 9-Jun 12,93 14,8 25-Jun

31-09640 3,8 2,1 1,7 0,00 3,44 0,6

5,13 2,1 25-Jun

31-19038 25,9 7,2 10,9 2,55 6,22 1,1 0,6 28-Jun 17,14

31-10180 0,0 0,0 0,0 0,00 1,91 0,4

1,91

31-09648 0,0 0,0 0,0 0,00 0,93 0,2

0,93

51-33436 4,1 0,0 4,1 1,76 5,24 0,9

9,34

51-32054 7,1 36,0 11,7 S/Nec 43,20 7,2 0,6 25-Jun 4,33 43,2 25-Jun

51-21123 0,0 0,0 0,0 0,00 1,23 0,3

1,23

31-30876 0,0 0,0 2,2 0,91 7,45 1,3

9,62

31-20260 2,6 1,5 1,1 2,85 0,44 0,1

1,52

31-18533 0,0 0,9 0,0 0,00 1,45 0,3 0,3 29-Jun 1,45 1,2 25-Jun

31-09653 5,7 3,6 2,0 0,00 5,55 1,0

7,52 3,6 28-Jun

31-09668 0,0 0,0 0,0 0,00 0,12 0,1

0,12

31-09650 7,0 3,6 3,3 0,00 1,59 0,3

4,87 3,6 25-Jun

31-09669 24,6 25,2 19,5 0,00 7,64 1,3 0,4 28-Jun 27,12 25,2 25-Jun

31-09670 0,0 0,0 0,0 0,00 8,85 1,5

8,85


55

Plano A – Centro de trabalho 41036

Semana Código Família Quantidade[mil] Due Date

Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 51-32054 LD 188 43,2 25-Jun

7,2 7,20 0,0 Encomenda 25-Jun

26 51-30368 LD 188 14,8 25-Jun


26 31-09669 LD 188 7,6 25-Jun


26 31-09640 LD 188 3,4 25-Jun


26 31-18533 LD 188 1,5 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09653 LD 188 5,6 28-Jun

1 13,20 0,0 Encomenda 26-Jun

26 31-09673 LD 188 1,4 1-Jul


26 51-30369 LD 188 26,4 12-Jul


26 31-09670 LD 188 8,9 25-Jun

1,5 19,50

Previsão 27-Jun

26 31-10180 LD 188 1,9 25-Jun

0,4 19,90

Previsão 27-Jun

26 51-21123 LD 188 1,2 25-Jun

0,3 20,20

Previsão 27-Jun

26 31-09648 LD 188 0,9 25-Jun

0,2 20,40

Previsão 27-Jun

26 31-09668 LD 188 0,1 25-Jun

0,1 20,50

Previsão 27-Jun

26 31-30876 LD 188 7,4 1-Jul

1,3 21,80

Previsão 27-Jun

26 51-33436 LD 188 5,2 7-Jul

0,9 22,70

Previsão 27-Jun

26 31-19038 LD 188 6,2 12-Jul

1,10 23,8

Previsão 27-Jun

26 31-20260 LD 188 0,4 14-Jul

0,10 23,9

Previsão 27-Jun

26 51-32135 BT 267 147,5 25-Jun 16 29,00 40 10,00 Encomenda 5-Jul

27 51-24099 BT 267 12,3 25-Jun

2,50 31,4 10,00 Encomenda 5-Jul

27 51-32136 BT 267 4,6 25-Jun

1,00 32,4 11,00 Encomenda 6-Jul

27 51-24093 BT 267 14,0 2-Jul

2,80 35,2

Previsão 6-Jul

27 51-24098 BT 267 0,9 11-Jul

0,20 35,4

Previsão 6-Jul

27 51-24097 BT 267 17,0 13-Jul

3,40 38,8

Previsão 6-Jul

Plano B – Centro de trabalho 41036


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 51-32054 LD 188 43,2 25-Jun


26 51-30368 LD 188 14,8 25-Jun


26 31-09669 LD 188 7,6 25-Jun


26 31-09640 LD 188 3,4 25-Jun


26 31-18533 LD 188 1,5 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09653 LD 188 5,6 28-Jun


26 31-09673 LD 188 1,4 1-Jul


26 51-30369 LD 188 26,4 12-Jul



56

26 51-32135 BT 267 147,5 25-Jun 16,00 29,0 40,00 9,0 Encomenda 4-Jul

27 51-24099 BT 267 12,3 25-Jun

2,5 25,50 10,0 Encomenda 5-Jul

27 51-32136 BT 267 4,6 25-Jun

1 26,50 10,0 Encomenda 5-Jul

27 51-24093 BT 267 14,0 2-Jul

2,8 29,30

Previsão 5-Jul

27 51-24098 BT 267 0,9 11-Jul

0,2 29,50

Previsão 5-Jul

27 51-24097 BT 267 17,0 13-Jul

3,4 32,90

Previsão 6-Jul

27 31-09670 LD 188 8,9 25-Jun 8,00 1,5 40,00

Previsão 9-Jul

28 31-10180 LD 188 1,9 25-Jun

0,40 2,8

Previsão 9-Jul

28 51-21123 LD 188 1,2 25-Jun

0,30 3,1

Previsão 9-Jul

28 31-09648 LD 188 0,9 25-Jun

0,20 3,3

Previsão 9-Jul

28 31-09668 LD 188 0,1 25-Jun

0,10 3,4

Previsão 9-Jul

28 31-30876 LD 188 7,4 1-Jul

1,30 4,7

Previsão 9-Jul

28 51-33436 LD 188 5,2 7-Jul

0,90 5,6

Previsão 9-Jul

28 31-19038 LD 188 6,2 12-Jul

1,10 6,7

Previsão 9-Jul

28 31-20260 LD 188 0,4 14-Jul

0,10 6,8

Previsão 9-Jul

Plano C – Centro de trabalho 41036


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 31-18533 LD 188 1,5 25-Jun


26 31-09669 LD 188 7,6 25-Jun


26 51-30368 LD 188 14,8 25-Jun


26 51-32054 LD 188 43,2 25-Jun


26 31-09640 LD 188 3,4 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09653 LD 188 5,6 28-Jun


26 31-09673 LD 188 1,4 1-Jul


26 51-30369 LD 188 26,4 12-Jul


26 31-09668 LD 188 0,1 25-Jun

0,1 18,10

Previsão 27-Jun

26 31-09648 LD 188 0,9 25-Jun

0,2 18,30

Previsão 27-Jun

26 51-21123 LD 188 1,2 25-Jun

0,3 18,60

Previsão 27-Jun

26 31-10180 LD 188 1,9 25-Jun

0,4 19,00

Previsão 27-Jun

26 31-09670 LD 188 8,9 25-Jun

1,5 20,50

Previsão 27-Jun

26 31-30876 LD 188 7,4 1-Jul

1,3 21,80

Previsão 27-Jun

26 51-33436 LD 188 5,2 7-Jul

0,9 22,70

Previsão 27-Jun

26 31-19038 LD 188 6,2 12-Jul

1,10 23,8

Previsão 27-Jun

26 31-20260 LD 188 0,4 14-Jul

0,10 23,9

Previsão 27-Jun


27 51-32135 BT 267 147,5 25-Jun

29,00 31,4 10,00 Encomenda 5-Jul

27 51-32136 BT 267 4,6 25-Jun

1,00 32,4 11,00 Encomenda 6-Jul

27 51-24093 BT 267 14,0 2-Jul

2,80 35,2

Previsão 6-Jul

27 51-24098 BT 267 0,9 11-Jul

0,20 35,4

Previsão 6-Jul


57

27 51-24097 BT 267 17,0 13-Jul

3,40 38,8

Previsão 6-Jul

Plano D – Centro de trabalho 41036


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 31-18533 LD 188 1,5 25-Jun


26 31-09669 LD 188 7,6 25-Jun


26 51-30368 LD 188 14,8 25-Jun


26 51-32054 LD 188 43,2 25-Jun


26 31-09640 LD 188 3,4 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09653 LD 188 5,6 28-Jun


26 31-09673 LD 188 1,4 1-Jul


26 51-30369 LD 188 26,4 12-Jul


26 51-24099 BT 267 12,3 25-Jun 16,00 2,5 36,50 4,0 Encomenda 29-Jun

26 51-32135 BT 267 147,5 25-Jun

29,0 40,00 10,0 Encomenda 5-Jul

27 51-32136 BT 267 4,6 25-Jun


27 51-24093 BT 267 14,0 2-Jul

2,8 29,30

Previsão 5-Jul

27 51-24098 BT 267 0,9 11-Jul

0,2 29,50

Previsão 5-Jul

27 51-24097 BT 267 17,0 13-Jul

3,4 32,90

Previsão 6-Jul

27 31-09668 LD 188 0,1 25-Jun 8,00 0,1 40,00

Previsão 9-Jul

28 31-09648 LD 188 0,9 25-Jun

0,20 1,2

Previsão 9-Jul

28 51-21123 LD 188 1,2 25-Jun

0,30 1,5

Previsão 9-Jul

28 31-10180 LD 188 1,9 25-Jun

0,40 1,9

Previsão 9-Jul

28 31-09670 LD 188 8,9 25-Jun

1,50 3,4

Previsão 9-Jul

28 31-30876 LD 188 7,4 1-Jul

1,30 4,7

Previsão 9-Jul

28 51-33436 LD 188 5,2 7-Jul

0,90 5,6

Previsão 9-Jul

28 31-19038 LD 188 6,2 12-Jul

1,10 6,7

Previsão 9-Jul

28 31-20260 LD 188 0,4 14-Jul

0,10 6,8

Previsão 9-Jul

Plano E – Centro de trabalho 41036


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 31-18533 LD 188 1,5 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09673 LD 188 1,4 1-Jul


26 31-09640 LD 188 3,4 25-Jun


26 31-09653 LD 188 5,6 28-Jun


26 31-09669 LD 188 7,6 25-Jun


26 51-30368 LD 188 14,8 25-Jun


26 51-30369 LD 188 26,4 12-Jul


26 51-32054 LD 188 43,2 25-Jun



58

26 31-09668 LD 188 0,1 25-Jun

0,1 18,10

Previsão 27-Jun

26 31-20260 LD 188 0,4 14-Jul

0,1 18,20

Previsão 27-Jun

26 31-09648 LD 188 0,9 25-Jun

0,2 18,40

Previsão 27-Jun

26 51-21123 LD 188 1,2 25-Jun

0,3 18,70

Previsão 27-Jun

26 31-10180 LD 188 1,9 25-Jun

0,4 19,10

Previsão 27-Jun

26 51-33436 LD 188 5,2 7-Jul

0,9 20,00

Previsão 27-Jun

26 31-19038 LD 188 6,2 12-Jul

1,1 21,10

Previsão 27-Jun

26 31-30876 LD 188 7,4 1-Jul

1,30 22,4

Previsão 27-Jun

26 31-09670 LD 188 8,9 25-Jun

1,50 23,9

Previsão 27-Jun


27 51-24099 BT 267 12,3 25-Jun


27 51-32135 BT 267 147,5 25-Jun

29,00 32,4 11,00 Encomenda 6-Jul

27 51-24098 BT 267 0,9 11-Jul

0,20 32,6

Previsão 6-Jul

27 51-24093 BT 267 14,0 2-Jul

2,80 35,4

Previsão 6-Jul

27 51-24097 BT 267 17,0 13-Jul

3,40 38,8

Previsão 6-Jul

Plano F – Centro de trabalho 41036


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem

Dia Conclusão

26 31-18533 LD 188 1,5 25-Jun


26 31-09650 LD 188 1,6 25-Jun


26 31-09673 LD 188 1,4 1-Jul


26 31-09640 LD 188 3,4 25-Jun


26 31-09653 LD 188 5,6 28-Jun


26 31-09669 LD 188 7,6 25-Jun


26 51-30368 LD 188 14,8 25-Jun


26 51-30369 LD 188 26,4 12-Jul


26 51-32054 LD 188 43,2 25-Jun


26 51-32136 BT 267 4,6 25-Jun 16,00 1,0 35,00 4,0 Encomenda 29-Jun

26 51-24099 BT 267 12,3 25-Jun


26 51-32135 BT 267 147,5 25-Jun


27 51-24098 BT 267 0,9 11-Jul

0,2 26,70

Previsão 5-Jul

27 51-24093 BT 267 14,0 2-Jul

2,8 29,50

Previsão 5-Jul

27 51-24097 BT 267 17,0 13-Jul

3,4 32,90

Previsão 6-Jul

27 31-09668 LD 188 0,1 25-Jun 8,00 0,1 40,00

Previsão 9-Jul

28 31-20260 LD 188 0,4 14-Jul

0,10 1,1

Previsão 9-Jul

28 31-09648 LD 188 0,9 25-Jun

0,20 1,3

Previsão 9-Jul

28 51-21123 LD 188 1,2 25-Jun

0,30 1,6

Previsão 9-Jul

28 31-10180 LD 188 1,9 25-Jun

0,40 2

Previsão 9-Jul

28 51-33436 LD 188 5,2 7-Jul

0,90 2,9

Previsão 9-Jul

28 31-19038 LD 188 6,2 12-Jul

1,10 4

Previsão 9-Jul

28 31-30876 LD 188 7,4 1-Jul

1,30 5,3

Previsão 9-Jul


59

28 31-09670 LD 188 8,9 25-Jun

1,50 6,8

Previsão 9-Jul



Stock Seg. [mil]

Stock Livre [mil]

DD Prev [sem]

Qtd.Sug. [mil]

T.Proc. [h]


Previsão [mil]

Ord.Plan.[mil] DD

Ord.Plan.

51-11434 2,3 0,0 2,3 S/Nec

0,0

1,26 0,0

51-13832 0,2 0,0 0,2 0,26 2,46 5,0

2,63 0,0

51-24766

0,1 0,07 4,26 8,6

4,32

31-31497 0,0 0,0 0,0 0,00 4,35 4,4

4,35 0,0

31-31319 0,0 0,0 0,0 0,01 19,53 19,6

19,57 0,0

31-30707

0,0 0,00 0,38 0,4 4,0 14-Jun 0,38

31-09673 0,4 0,0 0,4 0,00 1,42 1,5 0,8 1-Jul 1,83 0,4 1-Jul

31-09640 3,8 2,1 1,7 0,00 3,44 3,5

5,13 2,1 25-Jun

31-30299 25,7 52,8 5,8 0,00 15,40 15,4 16,2 11-Jun 14,09 15,4 25-Jun

31-28742 3,1 8,0 0,0 0,00 5,04 5,1 20,0 14-Jul 4,62 5,0 25-Jun

31-30639 1,4 0,0 1,4 S/Nec

0,0

0,68 0,0

31-28741 2,0 0,0 0,0 0,00 13,44 13,5 15,0 30-Jun 2,82 13,4 30-Jun

51-28887 0,0 0,0 0,0 0,00 0,55 1,1

0,55 0,0

51-30295 1,6 0,0 1,2 2,12 1,06 2,2

2,24 0,0

51-30153 1,5 0,0 1,5 S/Nec

0,0

1,03 0,0

31-26229

0,0 0,00 2,44 5,5 3,0 2-Jul 2,44

31-26024 0,4 1,8 -2,3 -2,72 5,60 12,5

3,34 0,0

31-26563 0,0 0,5 0,0 0,00 0,41 1,0

0,41 0,0

31-07802 0,3 0,0 0,3 1,71 0,42 1,0

0,73 0,0

31-07819 0,0 0,0 0,0 0,00 0,80 1,8

0,80 0,0

51-21691 0,0 0,0 0,0 0,00 1,25 2,8

1,25 0,0

31-27127 0,0 0,0 0,0 0,00 0,25 0,6

0,25 0,0

31-25787 0,0 2,6 0,8 0,00 7,55 16,8 2,6 28-Jun 8,40 6,2 25-Jun

31-08133 0,3 0,0 0,3 S/Nec

0,0

0,11 0,0

31-10176 1,8 2,6 0,9 0,42 7,51 16,7 1,8 28-Jun 8,39 0,0

31-20358 2,3 11,7 0,1 0,00 10,71 23,8

10,77 9,6 25-Jun

31-21056 1,4 2,1 0,1 0,00 2,02 4,5

2,16 0,9 25-Jun

31-28150

0,3 0,75 1,46 3,3

1,79

31-26253 0,1 0,0 0,1 S/Nec

0,0

0,06 0,0

31-28329 0,0 0,0 0,0 0,00 2,57 5,2

2,57 0,0

31-28328 0,3 0,0 0,3 0,44 2,12 4,3

2,39 0,0

31-05303 0,0 0,0 0,0 0,00 1,48 3,0

0,16 1,5

31-04522 0,0 0,0 0,0 0,03 1,86 3,8

1,88 0,0


60

31-06682 0,0 0,0 0,0 0,00 0,26 0,6

0,26 0,0

51-17901

0,2 0,51 1,12 2,3 2,0 18-Jun 1,28

31-06143 0,5 0,0 0,5 0,00 1,48 3,0 2,0 1-Jul 0,98 1,5 1-Jul

51-17861 0,0 0,0 0,0 0,00 1,44 2,9

1,44 0,0

51-18015 6,5 0,0 6,5 S/Nec

0,0

2,98 0,0

51-12361 3,1 0,0 3,1 S/Nec

0,0

1,83 0,0

51-07385 0,0 0,0 0,0 0,00 2,17 4,4

2,17 0,0

51-07888 0,0 0,0 0,0 0,00 6,82 13,7

0,49 6,8



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-20358 LD 286 10,7 25-Jun

23,8 23,80 1,0 Encomenda 26-Jun

26 31-25787 LD 286 7,5 25-Jun

16,8 40,60 2,0 Encomenda 27-Jun

26 31-21056 LD 286 2,0 25-Jun


26 31-26024 LD 286 5,6 5-Jun

12,5 57,60

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 63,10

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 65,90

Previsão 29-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 67,70

Previsão 29-Jun

26 31-26563 LD 286 0,4 25-Jun

1 68,70

Previsão 29-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 69,30

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul

27 31-28150 LD 286 1,5 30-Jun

3,3 9,30

Previsão 2-Jul

27 31-07802 LD 286 0,4 6-Jul

1 10,30

Previsão 2-Jul

27 31-30299 LD 188 15,4 25-Jun 0,50 15,4 26,20 8,0 Encomendas 3-Jul

27 31-28742 LD 188 5,0 25-Jun


27 31-09640 LD 188 3,4 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-09673 LD 188 1,4 1-Jul


27 31-31319 LD 188 19,5 25-Jun

19,60 69,4

Previsão 6-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 73,8

Previsão 6-Jul

27 31-30707 LD 188 0,4 25-Jun

0,40 74,2

Previsão 6-Jul

27 31-06143 LD 292 1,5 1-Jul 0,5 3,00 77,7 5,00 Encomenda 6-Jul

27 31-28329 LD 292 2,6 25-Jun

5,20 80

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 5,9

Previsão 9-Jul

28 51-17861 LD 292 1,4 25-Jun

2,90 8,8

Previsão 9-Jul

28 31-06682 LD 292 0,3 25-Jun

0,60 9,4

Previsão 9-Jul

28 31-04522 LD 292 1,9 25-Jun

3,80 13,2

Previsão 9-Jul

28 31-28328 LD 292 2,1 28-Jun

4,30 17,5

Previsão 10-Jul

28 51-17901 LD 292 1,1 28-Jun

2,30 19,8

Previsão 10-Jul

28 51-24766 LD 152 4,3 25-Jun 0,5 8,60 28,9

Previsão 10-Jul


61

28 51-13832 LD 152 2,5 26-Jun

5,00 33,9

Previsão 11-Jul

28 51-07888 TM 279 6,8 25-Jun 0,5 13,70 48,1

Previsão 12-Jul

28 51-07385 TM 279 2,2 25-Jun

4,40 52,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 25-Jun 0,5 1,10 54,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 9-Jul 0,5 2,20 56,8

Previsão 12-Jul



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-20358 LD 286 10,7 25-Jun

23,8 23,80 1,0 Encomenda 26-Jun

26 31-25787 LD 286 7,5 25-Jun

16,8 40,60 2,0 Encomenda 27-Jun

26 31-21056 LD 286 2,0 25-Jun


26 31-26024 LD 286 5,6 5-Jun

12,5 57,60

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 63,10

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 65,90

Previsão 29-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 67,70

Previsão 29-Jun

26 31-26563 LD 286 0,4 25-Jun

1 68,70

Previsão 29-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 69,30

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul

27 31-28150 LD 286 1,5 30-Jun

3,3 9,30

Previsão 2-Jul

27 31-30299 LD 188 15,4 25-Jun 0,50 15,4 25,20 8,0 Encomenda 3-Jul

27 31-28742 LD 188 5,0 25-Jun


27 31-09640 LD 188 3,4 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-09673 LD 188 1,4 1-Jul


27 31-31319 LD 188 19,5 25-Jun

19,60 68,4

Previsão 6-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 72,8

Previsão 6-Jul

27 31-30707 LD 188 0,4 25-Jun

0,40 73,2

Previsão 6-Jul


27 31-28329 LD 292 2,6 25-Jun

5,20 80

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 4,9

Previsão 9-Jul

28 51-17861 LD 292 1,4 25-Jun

2,90 7,8

Previsão 9-Jul

28 31-06682 LD 292 0,3 25-Jun

0,60 8,4

Previsão 9-Jul

28 31-04522 LD 292 1,9 25-Jun

3,80 12,2

Previsão 9-Jul

28 31-28328 LD 292 2,1 28-Jun

4,30 16,5

Previsão 10-Jul

28 51-17901 LD 292 1,1 28-Jun

2,30 18,8

Previsão 10-Jul

28 51-24766 LD 152 4,3 25-Jun 0,5 8,60 27,9

Previsão 10-Jul

28 51-13832 LD 152 2,5 26-Jun

5,00 32,9

Previsão 11-Jul

28 51-07888 TM 279 6,8 25-Jun 0,5 13,70 47,1

Previsão 11-Jul

28 51-07385 TM 279 2,2 25-Jun

4,40 51,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 25-Jun 0,5 1,10 53,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 9-Jul 0,5 2,20 55,8

Previsão 12-Jul


62

28 31-07802 LD 286 0,4 6-Jul 0,5 1,00 57,3

Previsão 12-Jul



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-25787 LD 286 7,5 25-Jun

16,8 16,80 1,0 Encomenda 26-Jun

26 31-20358 LD 286 10,7 25-Jun

23,8 40,60 2,0 Encomenda 27-Jun

26 31-21056 LD 286 2,0 25-Jun


26 31-26024 LD 286 5,6 5-Jun

12,5 57,60

Previsão 28-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 58,20

Previsão 28-Jun

26 31-26563 LD 286 0,4 25-Jun

1,0 59,20

Previsão 28-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 61,00

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 63,80

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 69,30

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul

27 31-28150 LD 286 1,5 30-Jun

3,3 9,30

Previsão 2-Jul

27 31-07802 LD 286 0,4 6-Jul

1 10,30

Previsão 2-Jul


27 31-30299 LD 188 15,4 25-Jun


27 31-09640 LD 188 3,4 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-09673 LD 188 1,4 1-Jul


27 31-30707 LD 188 0,4 25-Jun

0,40 50,2

Previsão 5-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 54,6

Previsão 5-Jul

27 31-31319 LD 188 19,5 25-Jun

19,60 74,2

Previsão 6-Jul


27 31-06682 LD 292 0,3 25-Jun

0,60 78,3

Previsão 6-Jul

27 51-17861 LD 292 1,4 25-Jun

2,90 80

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 4,2

Previsão 9-Jul

28 31-28329 LD 292 2,6 25-Jun

5,20 9,4

Previsão 9-Jul

28 31-04522 LD 292 1,9 25-Jun

3,80 13,2

Previsão 9-Jul

28 31-28328 LD 292 2,1 28-Jun

4,30 17,5

Previsão 10-Jul

28 51-17901 LD 292 1,1 28-Jun

2,30 19,8

Previsão 10-Jul

28 51-24766 LD 152 4,3 25-Jun 0,5 8,60 28,9

Previsão 10-Jul

28 51-13832 LD 152 2,5 26-Jun

5,00 33,9

Previsão 11-Jul

28 51-07385 TM 279 2,2 25-Jun 0,5 4,40 38,8

Previsão 11-Jul

28 51-07888 TM 279 6,8 25-Jun

13,70 52,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 25-Jun 0,5 1,10 54,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 9-Jul 0,5 2,20 56,8

Previsão 12-Jul


63

Plano D – Centro de trabalho 41040


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-25787 LD 286 7,5 25-Jun

16,8 16,80 1,0 Encomenda 26-Jun

26 31-20358 LD 286 10,7 25-Jun

23,8 40,60 2,0 Encomenda 27-Jun

26 31-21056 LD 286 2,0 25-Jun


26 31-26024 LD 286 5,6 5-Jun

12,5 57,60

Previsão 28-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 58,20

Previsão 28-Jun

26 31-26563 LD 286 0,4 25-Jun

1,0 59,20

Previsão 28-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 61,00

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 63,80

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 69,30

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul

27 31-28150 LD 286 1,5 30-Jun

3,3 9,30

Previsão 2-Jul


27 31-30299 LD 188 15,4 25-Jun


27 31-09640 LD 188 3,4 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-09673 LD 188 1,4 1-Jul


27 31-30707 LD 188 0,4 25-Jun

0,40 49,2

Previsão 5-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 53,6

Previsão 5-Jul

27 31-31319 LD 188 19,5 25-Jun

19,60 73,2

Previsão 6-Jul


27 31-06682 LD 292 0,3 25-Jun

0,60 77,3

Previsão 6-Jul

27 51-17861 LD 292 1,4 25-Jun

2,90 80

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 3,2

Previsão 9-Jul

28 31-28329 LD 292 2,6 25-Jun

5,20 8,4

Previsão 9-Jul

28 31-04522 LD 292 1,9 40354,2

3,80 12,2

Previsão 9-Jul

28 31-28328 LD 292 2,1 40357,1

4,30 16,5

Previsão 10-Jul

28 51-17901 LD 292 1,1 40357,6

2,30 18,8

Previsão 10-Jul

28 51-24766 LD 152 4,3 40354,5 0,5 8,60 27,9

Previsão 10-Jul

28 51-13832 LD 152 2,5 40355,8

5,00 32,9

Previsão 11-Jul

28 51-07385 TM 279 2,2 40354,0 0,5 4,40 37,8

Previsão 11-Jul

28 51-07888 TM 279 6,8 40354,0

13,70 51,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 40354,0 0,5 1,10 53,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 40368,8 0,5 2,20 55,8

Previsão 12-Jul

28 31-07802 LD 286 0,4 40366,0 0,5 1,00 57,3

Previsão 12-Jul


64



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-21056 LD 286 2,0 25-Jun


26 31-25787 LD 286 7,5 25-Jun

16,8 21,30 1,0 Encomenda 26-Jun

26 31-20358 LD 286 10,7 25-Jun

23,8 45,10 2,0 Encomenda 27-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 45,70

Previsão 27-Jun

26 31-26563 LD 286 0,4 25-Jun

1 46,70

Previsão 27-Jun

26 31-07802 LD 286 0,4 6-Jul

1,0 47,70

Previsão 27-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 49,50

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 52,30

Previsão 28-Jun

26 31-28150 LD 286 1,5 30-Jun

3,3 55,60

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 61,10

Previsão 28-Jun

26 31-26024 LD 286 5,6 5-Jun

12,5 73,60

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul


27 31-09640 LD 188 3,4 25-Jun


27 31-28742 LD 188 5,0 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-30299 LD 188 15,4 25-Jun

15,40 49,8 10,00 Encomenda 5-Jul

27 31-30707 LD 188 0,4 25-Jun

0,40 50,2

Previsão 5-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 54,6

Previsão 5-Jul

27 31-31319 LD 188 19,5 25-Jun

19,60 74,2

Previsão 6-Jul


27 31-06682 LD 292 0,3 25-Jun

0,60 78,3

Previsão 6-Jul

27 51-17901 LD 292 1,1 28-Jun

2,30 80

Previsão 9-Jul

28 51-17861 LD 292 1,4 25-Jun

2,90 3,5

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 6,5

Previsão 9-Jul

28 31-04522 LD 292 1,9 25-Jun

3,80 10,3

Previsão 9-Jul

28 31-28328 LD 292 2,1 28-Jun

4,30 14,6

Previsão 9-Jul

28 31-28329 LD 292 2,6 25-Jun

5,20 19,8

Previsão 10-Jul

28 51-13832 LD 152 2,5 26-Jun 0,5 5,00 25,3

Previsão 10-Jul

28 51-24766 LD 152 4,3 25-Jun

8,60 33,9

Previsão 11-Jul

28 51-07385 TM 279 2,2 25-Jun 0,5 4,40 38,8

Previsão 11-Jul

28 51-07888 TM 279 6,8 25-Jun

13,70 52,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 25-Jun 0,5 1,10 54,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 9-Jul 0,5 2,20 56,8

Previsão 12-Jul


65



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 31-21056 LD 286 2,0 25-Jun


26 31-25787 LD 286 7,5 25-Jun

16,8 21,30 1,0 Encomenda 26-Jun

26 31-20358 LD 286 10,7 25-Jun

23,8 45,10 2,0 Encomenda 27-Jun

26 31-27127 LD 286 0,2 25-Jun

0,6 45,70

Previsão 27-Jun

26 31-26563 LD 286 0,4 25-Jun

1 46,70

Previsão 27-Jun

26 31-07802 LD 286 0,4 6-Jul

1,0 47,70

Previsão 27-Jun

26 31-07819 LD 286 0,8 25-Jun

1,8 49,50

Previsão 28-Jun

26 51-21691 LD 286 1,3 25-Jun

2,8 52,30

Previsão 28-Jun

26 31-28150 LD 286 1,5 30-Jun

3,3 55,60

Previsão 28-Jun

26 31-26229 LD 286 2,4 25-Jun

5,5 61,10

Previsão 28-Jun

26 31-26024 LD 286 5,6 5-Jun

12,5 73,60

Previsão 29-Jun

26 31-10176 LD 286 7,5 27-Jun

16,7 80,00

Previsão 2-Jul


27 31-09640 LD 188 3,4 25-Jun


27 31-28742 LD 188 5,0 25-Jun


27 31-28741 LD 188 13,4 30-Jun


27 31-30299 LD 188 15,4 25-Jun

15,40 49,8 10,00 Encomenda 5-Jul

27 31-30707 LD 188 0,4 25-Jun

0,40 50,2

Previsão 5-Jul

27 31-31497 LD 188 4,3 25-Jun

4,40 54,6

Previsão 5-Jul

27 31-31319 LD 188 19,5 25-Jun

19,60 74,2

Previsão 6-Jul


27 31-06682 LD 292 0,3 25-Jun

0,60 78,3

Previsão 6-Jul

27 51-17901 LD 292 1,1 28-Jun

2,30 80

Previsão 9-Jul

28 51-17861 LD 292 1,4 25-Jun

2,90 3,5

Previsão 9-Jul

28 31-05303 LD 292 1,5 25-Jun

3,00 6,5

Previsão 9-Jul

28 31-04522 LD 292 1,9 25-Jun

3,80 10,3

Previsão 9-Jul

28 31-28328 LD 292 2,1 28-Jun

4,30 14,6

Previsão 9-Jul

28 31-28329 LD 292 2,6 25-Jun

5,20 19,8

Previsão 10-Jul

28 51-13832 LD 152 2,5 26-Jun 0,5 5,00 25,3

Previsão 10-Jul

28 51-24766 LD 152 4,3 25-Jun

8,60 33,9

Previsão 11-Jul

28 51-07385 TM 279 2,2 25-Jun 0,5 4,40 38,8

Previsão 11-Jul

28 51-07888 TM 279 6,8 25-Jun

13,70 52,5

Previsão 12-Jul

28 51-28887 LD 240 0,5 25-Jun 0,5 1,10 54,1

Previsão 12-Jul

28 51-30295 LD 273 1,1 9-Jul 0,5 2,20 56,8

Previsão 12-Jul


66



Stock Seg. [mil]

Stock Livre [mil]

DD Prev [sem]

Qtd.Sug. [mil]

T.Proc. [h]


Previsão [mil]

Ord.Plan.[mil] DD

Ord.Plan.

31-20657 1,9 1,6 0,3 0,00 4,68 2,3

4,96 1,1 25-Jun

31-29225 7,4 5,8 1,7 0,96 5,37 2,6

7,05

31-29472 0,3 0,0 0,3 0,45 2,70 1,3

3,04

31-29470 0,0 0,0 0,0 0,00 1,12 0,6

1,12

31-29474 0,0 0,0 0,0 0,00 1,11 0,6

1,11

31-09638 0,0 0,0 0,0 0,00 0,27 0,2 0,3 5-Jul 0,23 0,3 5-Jul

31-11787 0,0 0,0 0,0 0,00 0,11 0,1

0,11 0,0

51-20855 1,4 0,0 0,0 0,00 1,68 0,9 0,1 23-Jun 1,68 0,1 30-Jun

51-17918

0,0 0,00 1,05 0,6

1,05

51-21701 0,0 0,0 0,0 0,00 3,86 1,9

3,86

51-21168

0,0 0,00 0,14 0,1

0,14

51-21705 0,0 0,0 0,0 0,20 0,96 0,5 3,0 30-Jun 1,01

51-21708 0,0 0,0 0,0 0,00 0,85 0,5

0,85

31-27119 0,0 0,0 0,0 0,00 5,14 2,5 5,0 30-Jun 1,77 5,1 30-Jun

31-29270 0,0 0,0 0,0 0,00 0,27 0,2

0,27

31-11972 2,9 1,5 0,8 0,86 2,81 1,4 0,4 28-Jun 3,57

31-29514 0,0 0,0 0,0 0,00 0,07 0,1

0,07

31-26550 0,0 0,0 0,0 0,00 5,14 2,5

0,83 5,1

31-29271 0,0 0,0 0,0 0,00 0,16 0,1

0,16

31-27906 0,0 0,0 0,0 0,00 3,44 1,7

3,44

31-28155 0,0 0,0 0,0 0,00 0,03 0,1

0,03

31-27907 0,0 0,0 0,0 0,00 0,30 0,2

0,30

31-27908 0,0 0,0 0,0 0,00 0,70 0,4

0,70

31-27909 0,0 0,0 0,0 0,00 0,61 0,3

0,61

31-29513 0,0 0,0 0,0 0,00 0,05 0,1

0,05

31-09801 0,0 0,0 0,0 0,00 1,07 0,6

1,07

31-10094 0,1 0,0 0,0 0,00 0,33 0,2 0,1 29-Jun 0,33

31-11377 1,4 1,5 0,5 0,00 3,15 1,5

3,64 0,6 28-Jun

31-18528 2,1 1,8 0,0 0,06 3,73 1,8 0,2 28-Jun 3,78

31-18527 0,5 0,3 0,1 0,98 0,46 0,3

0,61

31-18526 1,0 0,6 0,4 1,04 1,03 0,5

1,39

31-17288 0,0 0,0 0,0 0,00 0,20 0,1

0,20

31-26214 0,0 0,0 0,0 0,00 0,61 0,3

0,61

31-17281 0,0 0,0 0,0 0,00 1,70 0,9

1,70

31-17280 0,3 0,0 0,3 1,05 0,71 0,4

0,97

31-17381 0,0 0,0 0,0 0,00 2,19 1,1

2,19


67

31-11751 0,0 0,0 0,0 0,00 0,09 0,1

0,09

31-11789 0,7 0,5 0,0 0,00 0,23 0,2 0,4 29-Jun 0,19 0,2 29-Jun

31-09583 0,3 0,0 0,3 2,11 0,25 0,2

0,52

31-17695 0,1 0,0 0,1 1,75 0,17 0,1

0,30

31-28319 0,7 0,0 0,1 2,11 0,13 0,1

0,27

31-18974 0,3 0,0 0,3 1,06 0,82 0,4

1,11

31-11427 0,0 0,0 0,0 0,00 0,92 0,5

0,92

31-11432 0,0 0,0 0,0 0,00 0,85 0,5

0,85

31-19499

0,0 0,00 0,63 0,3

0,63

31-19263 0,0 0,0 0,0 0,00 0,11 0,1

0,11

31-30337

0,0 0,00 4,60 2,2 5,0 2-Jul 4,60

51-14879

5,3 1,06 14,72 7,1 5,3 29-Jun 20,00

31-27030

0,0 0,00 2,32 1,2 0,1 25-Jun 2,32

31-29261 0,0 0,0 0,0 0,00 0,62 0,3

0,62

31-29839 0,0 0,0 0,0 0,00 2,27 1,1

2,27

31-08347 0,0 0,0 0,0 0,00 0,06 0,1

0,06

31-28013 0,0 0,0 0,0 0,00 0,25 0,2

0,25

31-29289 0,0 0,0 0,0 S/Nec 151,80 72,3

-0,24 151,8

31-08285 0,0 0,0 0,0 0,00 0,39 0,2

0,39

31-08274 0,0 0,0 0,0 0,00 0,09 0,1

0,09

31-08283 0,0 0,0 0,0 0,00 0,31 0,2

0,31

31-28472 0,0 0,0 0,0 0,00 0,97 0,5 0,4 5-Jul 0,97 0,4 5-Jul

31-29259 0,0 0,0 0,0 0,00 1,14 0,6

1,14 0,0

31-29253 0,0 0,0 0,0 0,00 1,59 0,8

1,59

31-27138 0,4 0,0 0,4 3,34 0,08 0,1

0,49

31-29250 0,0 0,0 0,0 0,00 0,11 0,1

0,11

31-17757 0,0 0,0 0,0 0,00 0,30 0,2

0,30

31-07095 0,0 3,0 0,6 0,27 8,88 4,3

9,52

31-17218 0,3 0,0 0,3 3,42 0,05 0,1

0,31

31-08131 0,0 0,0 0,0 0,00 0,06 94,0

0,06

31-29257 0,0 0,0 0,0 0,00 0,06 0,1

0,06

31-10008 0,0 0,0 0,0 0,00 0,82 0,4

0,82

31-29256 0,0 0,0 0,0 0,00 0,16 0,1

0,16

31-11923 0,0 0,0 0,0 0,00 0,04 0,1

0,04

31-29260 0,0 0,0 0,0 0,00 0,20 0,1

0,20

31-17109 1,9 0,0 0,0 0,00 0,71 0,4 1,9 29-Jun 0,71 0,1 29-Jun

31-26021 3,1 3,0 0,5 0,00 7,36 3,6 1,5 25-Jun 7,83 1,7 5-Jul

31-26548 0,3 0,5 0,6 1,64 0,80 0,4

1,36 0,0

31-26224

0,0 0,00 1,04 0,5 1,5 2-Jul 1,04

31-17693 0,0 0,0 0,0 0,00 0,73 0,4

0,73 0,0


68

31-20351 4,1 7,3 5,9 0,00 32,08 15,3 1,9 28-Jun 38,00 7,3 25-Jun

31-18004 2,6 1,5 0,2 0,63 0,84 0,4 1,0 28-Jun 1,00 0,0

31-29631 4,5 6,1 2,3 0,00 29,65 14,2 1,9 28-Jun 31,96 6,1 28-Jun

31-17388 0,0 0,0 0,0 0,00 3,27 1,6

3,27 0,0

31-20713

0,0 0,00 1,00 0,5

1,00

31-02299 0,3 0,0 0,0 0,06 3,01 1,5 1,0 28-Jun 3,06 0,0

31-17694 0,0 0,0 0,0 0,00 0,18 0,1

0,18 0,0

31-19288 0,2 0,8 0,4 0,00 2,12 1,1

2,52 0,7 25-Jun

31-08119 0,8 0,7 -0,1 0,00 1,64 0,8 0,6 29-Jun 1,59 0,5 28-Jun

31-27174

0,0 0,00 13,12 6,3 1,8 18-Jun 13,12

51-14772

0,0 0,00 1,10 0,6

1,10

31-02322 0,0 0,0 0,0 0,00 0,07 0,1

0,07 0,0

51-14677

0,0 0,00 5,71 2,8

5,71

31-11734 0,0 0,0 0,0 0,00 0,26 0,2

0,26 0,0

31-17334 0,0 0,0 0,0 0,00 0,14 0,1

0,14 0,0

31-05262 0,0 0,0 0,0 0,00 1,69 0,9

1,69 0,0

31-25838 0,0 0,0 0,0 0,00 0,12 0,1

0,12 0,0

31-09634 0,0 0,0 0,0 0,00 0,45 0,3

0,28 0,4



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29028 LD 292 B 2,8 25-Jun


26 51-29065 LD 292 B 1,1 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun

26 51-31964 LD 292 B 0,6 25-Jun

0,7 15,50

Previsão 25-Jun

26 31-20357 LD 286 P 210,0 25-Jun 8,00 218,8 80,00 17,0 Encomenda 12-Jul

27 31-20358 LD 286 P 10,7 25-Jun

11,2 80,00 19,0 Encomenda 14-Jul

28 31-21056 LD 286 P 2,0 25-Jun


28 31-20781 LD 286 P 0,6 25-Jun


28 51-25110 LD 286 P 25,5 29-Jun

26,6 40,50 12,0 Encomenda 11-Jul

28 31-00563 LD 286 P 7,1 28-Jun

7,5 48,00 14,0 Encomenda 12-Jul

28 31-30360 LD 286 P 1,6 25-Jun

1,7 49,70

Previsão 12-Jul

28 31-17973 LD 286 P 0,3 25-Jun

0,4 50,10

Previsão 12-Jul

28 31-26228 LD 286 P 11,6 25-Jun

12,1 62,20

Previsão 12-Jul

28 31-28150 LD 286 P 1,5 30-Jun

1,6 63,80

Previsão 12-Jul

28 31-19286 LD 286 P 2,4 30-Jun

2,6 66,40

Previsão 13-Jul

28 31-20247 LD 188 1T 13,0 25-Jun 8,00 13,5 80,00 21,0 Encomenda 16-Jul

29 31-28741 LD 188 1T 13,4 30-Jun

14,00 21,9 17,00 Encomenda 17-Jul

29 31-30707 LD 188 1T 0,4 25-Jun

0,40 22,3

Previsão 17-Jul


69

29 51-14773 LD 286 B 1,6 25-Jun 8 1,70 32 23,00 Encomenda 18-Jul

29 51-24989 LD 292 P 6,7 25-Jun 8 7,00 47 23,00 Encomenda 18-Jul

29 51-32505 LD 292 P 9,4 25-Jun

9,90 56,9

Previsão 19-Jul

29 31-05303 LD 292 P 1,5 25-Jun

1,60 58,5

Previsão 19-Jul

29 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 66,6

Previsão 20-Jul



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29028 LD 292 B 2,8 25-Jun


26 51-29065 LD 292 B 1,1 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun


27 31-20358 LD 286 P 10,7 25-Jun

11,2 80,00 19,0 Encomenda 14-Jul

28 31-21056 LD 286 P 2,0 25-Jun


28 31-20781 LD 286 P 0,6 25-Jun


28 51-25110 LD 286 P 25,5 29-Jun

26,6 40,50 12,0 Encomenda 11-Jul

28 31-00563 LD 286 P 7,1 28-Jun

7,5 48,00 14,0 Encomenda 12-Jul


28 31-28741 LD 188 1T 13,4 30-Jun

14,0 80,00 16,0 Encomenda 16-Jul

29 51-14773 LD 286 B 1,6 25-Jun 8,00 1,7 13,20 21,0 Encomenda 16-Jul

29 51-24989 LD 292 P 6,7 25-Jun 8,00 7 28,20 22,0 Encomenda 17-Jul

29 51-32505 LD 292 P 9,4 25-Jun

9,9 38,10

Previsão 18-Jul

29 31-05303 LD 292 P 1,5 25-Jun

1,6 39,70

Previsão 18-Jul

29 31-30360 LD 286 P 1,6 25-Jun 8,00 1,7 49,40

Previsão 19-Jul

29 31-17973 LD 286 P 0,3 25-Jun

0,40 49,8

Previsão 19-Jul

29 31-26228 LD 286 P 11,6 25-Jun

12,10 61,9

Previsão 19-Jul

29 31-28150 LD 286 P 1,5 30-Jun

1,60 63,5

Previsão 19-Jul

29 31-19286 LD 286 P 2,4 30-Jun

2,60 66,1

Previsão 20-Jul

29 51-31964 LD 292 B 0,6 25-Jun 8 0,70 74,8

Previsão 20-Jul

29 31-30707 LD 188 1T 0,4 25-Jun 8 0,40 80

Previsão 23-Jul

30 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 11,3

Previsão 23-Jul



Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29065 LD 292 B 1,1 25-Jun


26 51-29028 LD 292 B 2,8 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun

26 51-31964 LD 292 B 0,6 25-Jun

0,7 15,50

Previsão 25-Jun



70

27 31-20358 LD 286 P 10,7 25-Jun

11,2 80,00 19,0 Encomenda 14-Jul

28 31-21056 LD 286 P 2,0 25-Jun


28 31-20781 LD 286 P 0,6 25-Jun


28 31-00563 LD 286 P 7,1 28-Jun

7,5 21,40 12,0 Encomenda 10-Jul

28 51-25110 LD 286 P 25,5 29-Jun

26,6 48,00 13,0 Encomenda 12-Jul

28 31-17973 LD 286 P 0,3 25-Jun

0,4 48,40

Previsão 12-Jul

28 31-30360 LD 286 P 1,6 25-Jun

1,7 50,10

Previsão 12-Jul

28 31-26228 LD 286 P 11,6 25-Jun

12,1 62,20

Previsão 12-Jul

28 31-28150 LD 286 P 1,5 30-Jun

1,6 63,80

Previsão 12-Jul

28 31-19286 LD 286 P 2,4 30-Jun

2,6 66,40

Previsão 13-Jul


29 31-28741 LD 188 1T 13,4 30-Jun

14,00 21,9 17,00 Encomenda 17-Jul

29 31-30707 LD 188 1T 0,4 25-Jun

0,40 22,3

Previsão 17-Jul



29 31-05303 LD 292 P 1,5 25-Jun

1,60 48,6

Previsão 19-Jul

29 51-32505 LD 292 P 9,4 25-Jun

9,90 58,5

Previsão 19-Jul

29 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 66,6

Previsão 20-Jul

Plano D- Centro de trabalho 41083


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29065 LD 292 B 1,1 25-Jun


26 51-29028 LD 292 B 2,8 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun


27 31-20358 LD 286 P 10,7 25-Jun

11,2 80,00 19,0 Encomenda 14-Jul

28 31-21056 LD 286 P 2,0 25-Jun


28 31-20781 LD 286 P 0,6 25-Jun


28 31-00563 LD 286 P 7,1 28-Jun

7,5 21,40 12,0 Encomenda 10-Jul

28 51-25110 LD 286 P 25,5 29-Jun

26,6 48,00 13,0 Encomenda 12-Jul


28 31-28741 LD 188 1T 13,4 30-Jun

14,0 80,00 16,0 Encomenda 16-Jul



29 31-05303 LD 292 P 1,5 25-Jun

1,6 29,80

Previsão 17-Jul

29 51-32505 LD 292 P 9,4 25-Jun

9,9 39,70

Previsão 18-Jul

29 31-17973 LD 286 P 0,3 25-Jun 8,00 0,4 48,10

Previsão 19-Jul

29 31-30360 LD 286 P 1,6 25-Jun

1,70 49,8

Previsão 19-Jul

29 31-26228 LD 286 P 11,6 25-Jun

12,10 61,9

Previsão 19-Jul

29 31-28150 LD 286 P 1,5 30-Jun

1,60 63,5

Previsão 19-Jul

29 31-19286 LD 286 P 2,4 30-Jun

2,60 66,1

Previsão 20-Jul


71

29 51-31964 LD 292 B 0,6 25-Jun 8 0,70 74,8

Previsão 20-Jul

29 31-30707 LD 188 1T 0,4 25-Jun 8 0,40 80

Previsão 23-Jul

30 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 11,3

Previsão 23-Jul

Plano E- Centro de trabalho 41083


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29065 LD 292 B 1,1 25-Jun


26 51-29028 LD 292 B 2,8 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun

26 51-31964 LD 292 B 0,6 25-Jun

0,7 15,50

Previsão 25-Jun

26 31-20781 LD 286 P 0,6 25-Jun 8,00 0,6 24,10 1,0 Ordem Planeada 26-Jun

26 31-21056 LD 286 P 2,0 25-Jun


26 31-00563 LD 286 P 7,1 28-Jun


26 31-20358 LD 286 P 10,7 25-Jun

11,2 44,90 2,0 Encomenda 27-Jun

26 51-25110 LD 286 P 25,5 29-Jun

26,6 71,50 0,0 Encomenda 29-Jun

26 31-20357 LD 286 P 210,0 25-Jun

218,8 80,00 20,0 Encomenda 15-Jul

27 31-17973 LD 286 P 0,3 25-Jun

0,4 80,00

Previsão 17-Jul

28 31-28150 LD 286 P 1,5 30-Jun

1,6 2,00

Previsão 9-Jul

28 31-30360 LD 286 P 1,6 25-Jun

1,7 3,70

Previsão 9-Jul

28 31-19286 LD 286 P 2,4 30-Jun

2,6 6,30

Previsão 9-Jul

28 31-26228 LD 286 P 11,6 25-Jun

12,1 18,40

Previsão 10-Jul


28 31-28741 LD 188 1T 13,4 30-Jun

14,00 53,9 12,00 Encomenda 12-Jul

28 31-30707 LD 188 1T 0,4 25-Jun

0,40 54,3

Previsão 12-Jul



28 31-05303 LD 292 P 1,5 25-Jun

1,60 80

Previsão 16-Jul

29 51-32505 LD 292 P 9,4 25-Jun

9,90 10,5

Previsão 16-Jul

29 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 18,6

Previsão 17-Jul

Plano F – Centro de trabalho 41083


Setup [h]

Tempo Proc [h]

Tempo Acumulado

[h]

Atraso [Dias]

Tipo de ordem Dia

Conclusão

26 51-29065 LD 292 B 1,1 25-Jun


26 51-29028 LD 292 B 2,8 25-Jun


26 51-29029 LD 292 B 10,2 2-Ago

10,6 14,80 0,0 Encomenda 25-Jun

26 31-20781 LD 286 P 0,6 25-Jun 8,00 0,6 23,40 1,0 Encomenda 26-Jun

26 31-21056 LD 286 P 2,0 25-Jun


26 31-00563 LD 286 P 7,1 28-Jun


26 31-20358 LD 286 P 10,7 25-Jun

11,2 44,20 2,0 Encomenda 27-Jun


72

26 51-25110 LD 286 P 25,5 29-Jun

26,6 70,80 0,0 Encomenda 29-Jun

26 31-20357 LD 286 P 210,0 25-Jun

218,8 80,00 20,0 Encomenda 15-Jul

27 31-17973 LD 286 P 0,3 25-Jun

0,4 80,00

Previsão 17-Jul


28 31-28741 LD 188 1T 13,4 30-Jun




28 31-05303 LD 292 P 1,5 25-Jun

1,6 62,20

Previsão 12-Jul

28 51-32505 LD 292 P 9,4 25-Jun

9,9 72,10

Previsão 13-Jul

28 31-28150 LD 286 P 1,5 30-Jun 8 1,60 80

Previsão 16-Jul

29 31-30360 LD 286 P 1,6 25-Jun

1,70 3,4

Previsão 16-Jul

29 31-19286 LD 286 P 2,4 30-Jun

2,60 6

Previsão 16-Jul

29 31-26228 LD 286 P 11,6 25-Jun

12,10 18,1

Previsão 17-Jul

29 51-31964 LD 292 B 0,6 25-Jun 8 0,70 26,8

Previsão 17-Jul

29 31-30707 LD 188 1T 0,4 25-Jun 8 0,40 35,2

Previsão 18-Jul

29 51-22246 RG 152 C/ 0,1 13-Jul 8 0,10 43,3

Previsão 18-Jul

na ColepCCL Portugal - repositorio-aberto.up.pt · Cláudia Manuela Ferreira de Andrade...

Documents

Transcript of na ColepCCL Portugal - repositorio-aberto.up.pt · Cláudia Manuela Ferreira de Andrade...