Overekspresjon av ChiB i E.Coli BL21 Star

3.2.1. A simulação estocástica de sistemas dinâmicos

A simulação estocástica de sistemas dinâmicos, em tempo discreto ou contínuo, é uma téc-

nica que visa obter um histórico sobre as variações sofridas por algumas variáveis de interesse

quando os dados de entrada ou os parâmetros do sistema são alterados(PORTEUS, 1990). É uma

técnica bastante poderosa, e, não raro, é a única forma de resolver numericamente um problema

intratável de forma algébrica. Do ponto de vista deste trabalho, as variáveis de entrada são as

demandas do varejista Df=retailer

d=[1···360]. A partir destas demandas, que se propagam à montante na ca-

deia de suprimentos (CS), os processos de planejamento de produção (Manufacturing Resource

Planning(MRP)) e de demanda passam a gerar ordens.

3.2.2. Dados da pesquisa

A demanda

Os dados primários da pesquisa são os dados de demanda do verejista (Df=retailer

d=[1···360]), que foram

gerados de duas formas:

D_{d=[1···360]}f=retailer

=







N(µ = 350, σ = 50)

demanda estocástica normalmente distribuída

µ= 350

demanda constante = 350un.

Foi utilizada uma distribuição normal cuja média e desvio-padrão podem ser configurados na

planilha de parâmetros do modelo. Nas simulações feitas, adotou-se uma média de 350 un com

desvio-padrão de 50 unidades, conforme se mostra na tabela de parâmetros 9.

A demanda simulada do varejista gera ordens que vão se propagando como demandas à

montante na cadeia de suprimentos. Nas fábricas a demanda de produtos finais gera a demanda

de matérias primas de acordo com a composição do produto, seguindo um modelo MRP, ou

seja, planejamento de recursos de manufatura conforme mostrado na figura 12.

Os resultados

A demanda simulada para os varejistas, que se propaga ao longo da cadeia, segundo o modelo

de simulação descrito a seguir, gera um conjunto de dados de saída que serão utilizados para

avaliar o impacto dos diferentes parâmetros sobre o lucro e os custos, além dos níveis médios

de estoques e outras variáveis de interesse, como mostra a tabela 4.

Tabela 4. – Tabela de variáveis de saída

Receita com vendas ($):

RTS1_{, RT}S2_{, RT}F_{, RT}D_{, RT}R_{, RT}Total

CMV ($):

CMVS1_{, CMV}S2_{, CMV}F_{, CMV}D_{, CMV}R_{, CMV}Total

Gastos Fixos ($):

OCS1_{, OC}S2_{, OC}F_{, OC}D_{, OC}R_{, OC}Total

Gastos financeiros ($):

CFS1_{, CF}S2_{, CF}F_{, CF}D_{, CF}R_{, CF}Total

Lucro ($):

LTS1_{, LT}S2_{, LT}F_{, LT}D_{, LT}R_{, LT}Total

Fornecedores ($):

PGS1_{, PG}S2_{, PG}F_{, PG}D_{, PG}R_{, PG}Total

Clientes ($):

RCS1_{, RC}S2_{, RC}F_{, RC}D_{, RC}R_{, RC}Total

Estoque médio (MP + PA) ($):

STKS1_{, STK}S2_{, STK}F_{, STK}D_{, STK}R_{, STK}Total

NCG ($):

WCNS1_{, WCN}S2_{, WCN}F_{, WCN}D_{, WCN}R_{, WCN}Total

Vendas perdidas (un):

LS_UNS1_{, LS_UN}S2_{, LS_UN}F_{, LS_UN}D_{, LS_UN}R_{, LS_MN}Total

Vendas perdidas ($):

LS_UMS1_{, LS_UM}S2_{, LS_UM}F_{, LS_UM}D_{, LS_UM}R_{, LS_UM}Total

Custos transporte PA ($):

TP_PAS1_{, TP_PA}S2_{, TP_PA}F_{, TP_PA}D_{, TP_PA}R_{, TP_PA}Total

Custos transporte MP ($):

TP_MPS1_{, TP_MP}S2_{, TP_MP}F_{, TP_MP}D_{, TP_MP}R_{, TP_MP}Total

3.2.3. Modelo de simulação

O modelo de simulação baseia-se numa cadeia de suprimentos hipotética conforme mostrado

na figura 10.

Esta cadeia de suprimentos pode ser modelada como uma rede onde cada nó tem dois tipos

básicos: o industrial e o comercial. O nó industrial é mostrado na figura 6. Na revisão de litera-

Figura 6. – Nó que representa um processo de produção de um produto, que recebe insumos

(I1, I2, . . . , Ii), os transforma em produto P1através do processo PR1e o vende

(O1, O2, . . . , Oo) para os consumidores através do processo PR2.

tura que foi feita pôde-se observar que esta idéia de modelagem fractal surge, até onde se pôde

perceber, com o trabalho de Ryu et al. (2012).

Além do nó industrial, o outro nó diz respeito ao processamento e controle dos processos.

É chamado de Unidade de Controle e Processamento de dados (UCP), conforme mostra a fi-

gura 7. Sua finalidade é processar os dados internos e externos, de acordo com determinados

parâmetros, produzindo como saída informações processadas (selecionadas, agrupadas, anali-

sadas, etc) para outros nós da rede. No caso de um microempreendedor individual, em que o

proprietário cuida de todos os assuntos, ele seria o nó UCP desta empresa

Observe-se que estes nós são fractais pois a rede resultante apresenta autosimilaridade, isto

Figura 8. – Nó que representa um processo de produção de um produto, que recebe insumos

(I1, I2, . . . , Ii), os transforma em produto P1através do processo PR1e o vende

(O1, O2, . . . , Oo) para os consumidores através do processo PR2.

é, cada nó pode ser composto de um ou mais nós iguais a todos os outros. Daí toda uma de-

terminada cadeia de suprimentos pode ser modelada como um grande nó composto por outros

tantos nós iguais a estes. A grande vantagem de uma modelagem fractal é que o tratamento

matemático fica mais simples e confiável, além de permitir insights interessantes. Cada nó pode

ser visto como uma caixa-preta, como mostra a figura 8

Modelando-se a CS da figura 10 a partir dos blocos construtivos já mostrados, temos a figura

11, que mostra a CS como constituída dos mesmos blocos, e assim sucessivamente, de maneira

auto-similar.

3.2.4. Os módulos de controle de estoque (MP e PA), MPR, fluxo de caixa e previsão de

vendas, em quatro regimes de consignação

A conservação dos estoques

Tanto os estoques de matérias-primas, de produtos em produção, quanto o de produtos acaba-

dos, tanto os em estoque quanto os que estão consignados, são controlados segundo a fórmula

básica:

Figura 9. – Rede fractal de nós que representa uma indústria que produz dois produtos nos seus dois

processos industriais (UI1e UI2).

Figura 11. – Rede de nós do tipo mostrado anteriormente, representando o nível mais elevado, que é o

da cadeia de suprimentos.

A conservação dos fluxos de caixa

Cd=n,p=p= Cd=(n−1),p=p+ EntCashd=n,p=p− SaiCashd=n,p=p

(3.2)

EntCashd=n,p=p=

∑



















Evento1

recebimento de vendas à prazo

Evento2

recebimento de vendas em consignação

Evento3

empréstimo bancário.

(3.3)

In document Polare residuers roller i kitinase B fra Serratia Marcescens for prosessivitet, effektivitet, aktivitet og substratposisjonering (sider 57-0)