Big Data Analytics

Diversos autores abordaram a aplicação de modelos para suporte do PAP em sistemas reais desde a década de 1980. Aplicações de modelos foram desenvolvidas em Tang et al. (1981), Bloemen e Maes (1992), Junqueira e Morabito (2006), Paiva e Morabito (2007), Carvalho (2009), Munhoz e Morabito (2010) e outros inúmeros autores.

Um modelo clássico de planejamento agregado foi desenvolvido por Tang et al. (1981) para uma indústria de máquinas pesadas. O modelo de programação linear formulado pelos autores tinha como objetivo minimizar custo da mão-de-obra (definido como variável), custos de contratação e demissão, custos de estoque e custos com venda perdida. Apesar da pequena dimensão, em virtude dos recursos computacionais da época, o modelo foi validado em uma grande companhia e garantiu uma economia superior a 10% nos custos de produção totais.

Bloemen e Maes (1992) desenvolveram um sistema de apoio à decisão para auxiliar no PAP de uma planta de agroquímicos de uma grande empresa. A fábrica estudada produzia herbicidas embalados para o mercado, herbicidas a granel para serem embalados em outras plantas e também produtos intermediários para posterior elaboração em outras plantas da empresa. Os autores modelaram o sistema em dois estágios produtivos, sendo, o primeiro para

fabricação dos produtos a granel e o segundo englobando o processo de embalagem do herbicida.

O sistema de Bloemen e Maes (1992) foi fundamentado em um modelo de programação linear e pretendia equilibrar custos de produção, estoque e de contratação de contêineres para transporte entre as plantas. Para a situação real da fábrica o sistema foi considerado eficaz e além de contribuir para a redução de custos diminuiu também o tempo para a elaboração do planejamento.

A integração entre PAP e distribuição foi proposta por Junqueira e Morabito (2006) em empresas produtoras de sementes de milho, mediante a modelo linear. Como o problema trabalhado envolvia transporte, além dos custos triviais do sistema, o modelo abordou custos tributários com o ICMS (Imposto sobre circulação de mercadoria e serviços). É importante observar que na concepção do sistema de PAP os produtos não foram agregados em famílias, em virtude das características da indústria estudada. Na mesma linha, Proto (2006) também desenvolveu um modelo para planejamento agregado envolvendo produção e distribuição que considerava custos com ICMS para o setor cimenteiro.

Carvalho (2009) construiu um modelo para PAP fundamentado em programação inteira mista para indústria do setor sucroalcooleiro. Como o planejamento envolvia a escolha de processos produtivos para cada período e apenas um processo poderia ser escolhido em cada período, o modelo contemplou variáveis de decisão binárias.

Munhoz e Morabito (2010) apresentaram um comparativo de duas formulações para o planejamento agregado da produção em indústrias de suco de laranja. Uma baseada em programação linear e outra baseada em programação por metas. Os autores trabalharam em uma situação com produção em dois estágios e com oferta de matéria prima sazonal e demanda por produtos acabados flutuantes. Ambas as formulações ofereceram bons resultados, no entanto, como o produto final apresentava um parâmetro de qualidade que deveria ser respeitado dentro de um limite, a programação por metas ofereceu sugestões mais seguras para a tomada de decisão.

Outros modelos de planejamento agregado também foram desenvolvidos para uma situação de incerteza. Geralmente esses problemas trabalharam com demandas incertas, gerando então os modelos estocásticos. A maioria dos estudos, que adotaram esta abordagem na resolução de problemas de planejamento agregado, foram formulados como programação

estocástica e programação estocástica robusta. Entre os trabalhos recentes que utilizaram esta abordagem para planejamento agregado destacamos Silva Filho et al. (1995), Paiva e Morabito (2011), Mizapour Al-e-hashem et al. (2011).

Mula et al. (2005) fazem destaques para modelos que se fundamentam na lógica fuzzy. Esses modelos fuzzy questionam os modelos estocásticos robustos e fazem uma distinção entre imprecisão e aleatoriedade. Wang e Fang (2001) discutem as limitações dos modelos de programação matemática e propõem um modelo baseado na lógica fuzzy para resolver um problema de planejamento agregado com múltiplos objetivos.

Observa-se através das pesquisas que há uma dificuldade para obter soluções ótimas para problemas estocásticos de planejamento agregado em dimensões industriais. Isso implica que a resolução de tais problemas fica a cargo de heurísticas (Al-E-Hashem et al, 2011, Raa et

al, 2013) que podem garantir uma boa solução para o problema.

A indústria frigorífica foi alvo de estudos recentes envolvendo o planejamento de produção em Schutz e Tomasgard (2011). A pesquisa foi aplicada a um problema de planejamento agregado na indústria da carne com demanda não determinística, o que resultou em um modelo de programação estocástica. Para abordar a particularidade do fluxo divergente os autores utilizaram padrões de corte. Entrup (2005) já havia utilizados esses padrões para trabalhar o fluxo divergente na indústria de processamento de abate de aves em um modelo de planejamento a nível operacional.

A metodologia desenvolvida na presente pesquisa para abordar o planejamento agregado na indústria frigorífica é embasada nos modelos clássicos da literatura com influências das aplicações recentes de modelos em sistemas reais. Além disso, a pesquisa incorpora conceitos utilizados em Entrup (2005), Cassel et al. (2006), Vaccaro et al. (2006), e Schutz e Tommasgard (2011). Ainda que, os trabalhos referenciados tenham semelhanças com o presente trabalho por abordarem a mesma indústria e alguns utilizarem os padrões de corte, eles não incorporaram na modelagem a atividade agropecuária em nenhum estágio. Ademais, os padrões de corte utilizados eram muito poucos pois foram empregados no processamento de apenas parte do animal e ao contrário do presente trabalho não utilizaram nenhuma rotina de programação para a geração das colunas desses padrões.