JCEC/REQ2

Journal
ISSN: 2446-9416
“EU, A INDÚSTRIA E O MUNDO”
08 a 11 de novembro de 2016 no campus Viçosa da UFV
Departamento de Engenharia de Produção e Mecânica – DEP
Universidade Federal de Viçosa – UFV

Vol. 02 N. 04 (2016) 037–039 doi: https://doi.org/10.18540/2446941602042016037

OPEN ACCESS

MODELO MATEMÁTICO PARA OTIMIZAÇÃO DA PRODUÇÃO EM UMA EMPRESA

PRODUTORA DE PEÇAS AUTOMOBILÍSTICAS

Iago Carrara Roque

Universidade Federal de Viçosa, Departamento de Engenharia de Produção e Mecânica
Ph. Rolfs s/n – 36570-000 – Viçosa – MG
[email protected]

1. INTRODUÇÃO
A todo momento é possível se deparar com problemas no qual é demandado grande tempo e
esforço para que sejam solucionados manualmente, enquanto é possível utilizar a pesquisa
operacional para encontrar soluções ótimas e rápidas. A partir de observações do problema, identifica-
se relações matemáticas que dão origem ao modelo matemático (ARENALES et al., 2007). O
objetivo dessa pesquisa é apresentar uma das possibilidades de utilização de um modelo matemático
para resolver uma situação que envolve problemas de capacidade e sequenciamento de produção. Na
próxima seção será descrito o problema, na seção 3 será apresentado o modelo matemático, seguido
dos resultados obtidos após implementação e, por fim, a conclusão.

2. DESCRIÇÃO DO PROBLEMA
O presente estudo de caso ocorreu em uma indústria produtora de peças para carros.
Determinado setor da empresa possui duas linhas de produção, sendo que ambas as linhas têm a
mesma capacidade e podem produzir os mesmos produtos. Estas linhas de produção fabricam três
tipos de peças para automóveis (Produto 1, 2 e 3) em quatro diferentes cores, preto, cinza, azul e
verde nas proporções de 40%, 20%, 10% e 30%, respectivamente. As linhas de produção possuem
diversas estações de trabalho e processos de fabricação, e de acordo com informações de estudos
anteriores na empresa, foi constatado que o processo que demandava maior tempo é o de moldagem
por injeção, sendo 60 segundos para produção do Produto 1, 40 segundos para o produto 2 e 90
segundos para o Produto 3. Devido a esta etapa demandar o maior tempo da produção e ser
considerado o gargalo, o estudo focará apenas neste processo.
Outro fator relevante no processo é a perda de material do processo. De acordo com dados
coletados, há um desperdício de pelo menos 2% de material no processo de moldagem do produto 1,
3% do produto 2 e 4% do produto 3. Além disso, quando há troca de produto ou cor a ser
manufaturado, é realizado o procedimento de set up para realizar modificações na máquina, gerando
um tempo ocioso de duas horas na linha em caso de alteração do tipo do produto e 15 minutos para
alteração da cor do produto, sem mudança do tipo. Por fim, a empresa funciona em dois turnos de
oito horas diárias durante 5 dias na semana.
Com todas as informações obtidas, tem-se o objetivo de encontrar qual a capacidade máxima
de ambas as linhas em conjunto durante uma semana, de forma que todos produtos sejam produzidos
no período. Após atingir um resultado ótimo, deseja-se organizar a produção de forma que o tempo
de set up seja minimizado.

3. MODELO MATEMÁTICO
 O problema descrito possui dois objetivos. O primeiro é encontrar a maior capacidade de
produção, e uma vez encontrado este valor, espera-se obter o resultado que possua menor tempo de
set up, por isso a utilização de uma constante próxima de zero para dar peso a cada termo da função.
Além disso, algumas variáveis artificiais foram importantes para que algumas restrições fossem
modeladas.
Este modelo matemático contém os seguintes parâmetros:
I: Conjunto de 3 produtos; J: Conjunto de 4 cores; K: Conjunto de 2 linhas de produção; : Constante
muito próxima de zero ( = lim ); T: Tempo disponível para produzir todos os três produtos.
→
A seguir são apresentadas as variáveis utilizadas no problema.
: Número de produtos do tipo i da cor j que entram na linha k; ≥ 0 e inteiro.
: Número de produtos do tipo i da cor j que saem da linha k; ≥ 0 e inteiro.
: 1 se há produção do tipo i da cor j na linha k, 0 caso contrário.
: 1 se há produção do tipo i na linha k, 0 caso contrário.
: Número de cores do tipo i sendo produzido na linha k; ∈ 0,1,2,3,4
: Tempo de espera na linha k.
O problema tem como objetivo maximizar o somatório do número de produtos que saem de
ambas as linhas de produção. Uma vez atingindo este objetivo, espera-se minimizar o tempo de espera
para troca de produtos e cores na linha de produção.
max ∑($% ∑'$% ∑# $% − ∑# $% (1)
Para atender os requisitos apresentados na descrição do problema, Seção 2, foram utilizadas as
seguintes restrições.
• O número de produtos produzidos de cada tipo deve ser igual.
∑# $% % = ∑# $% # = ∑# $% ( . ∀ + = 1,2,3,4. (2)
• Garantir que a relação entre o número de produtos que entra e o que sai de acordo com
as perdas que ocorrem durante a produção.
% ≤ 0.98 % . ∀ + = 1,2,3,4; 0 = 1,2. (3)
# ≤ 0.97 # . ∀ + = 1,2,3,4; 0 = 1,2. (4)
( ≤ 0.96 ( . ∀ + = 1,2,3,4; 0 = 1,2. (5)
• Garantir que a quantidade de cada cor será respeitada.
∑($% ∑# $% % = 0.43∑($% ∑'$% ∑# $% 4. (6)
( # ( ' #
∑ $% ∑ $% # = 0.23∑ $% ∑ $% ∑ $% 4. (7)
( # ( ' #
∑ $% ∑ $% ( = 0.13∑ $% ∑ $% ∑ $% 4. (8)
( # ( ' #
∑ $% ∑ $% ' = 0.33∑ $% ∑ $% ∑ $% 4. (9)
• Determina qual o tempo de espera em cada uma das linhas. Os coeficientes utilizados
são os tempos de espera em segundos.
900 ∑($%( − ) + 7200 ∑($%( − 1) = ∀ 0 = 1,2. (10)
• Restringe a capacidade de produção de acordo com o tempo disponível. Os coeficientes
são os tempos de produção de cada tipo de produto em segundos, e a constante T é
determinada pelo tempo disponível para que todas as peças sejam produzidas.
60 ∑'$% % + 40 ∑'$% # + 90 ∑'$% ( + ≤ 6. ∀ 0 = 1,2. (11)
• Garante que se há produção do tipo i da cor j na linha k, a variável z assume valor de 1,
e caso não haja produção, a variável z assume o valor de 0.
≥ ∀ 7 = 1,2,3; + = 1,2,3,4; 0 = 1,2. (12)
%
≤ 8× ∀ 7 = 1,2,3; + = 1,2,3,4; 0 = 1,2. (13)
• Garante que se há produção do produto i da cor j na linha k, a variável a assume o valor
de 1, caso não haja produção, a variável a assume o valor de zero.
∑'$% ≥ ∀ 7 = 1,2,3; 0 = 1,2. (14)
 ∑'$% ≤ 4× ∀ 7 = 1,2,3; 0 = 1,2. (15)
• Determina o quantas cores do tipo i são produzidas na linha k.
∑'$% = ∀ 7 = 1,2,3; 0 = 1,2. (16)

4. RESULTADOS
O modelo foi implementado no software IBM ILOG CPLEX®, e é possível visualizar seu
resultado na Tabela 1.1 e na Tabela 2 a quantidade produtos a serem produzidos em cada uma das
linhas de produção.
Tabela 1 - Número de produtos de cada tipo Tabela 2 - Número de produtos de cada tipo produzidos na
produzidos na linha 1. linha 2.

Linha 1 Linha 2
Quantidade Quantidade
Produto Entrada Saída Produto Entrada Saída
Produto 1 (Preto) 1074 1052 Produto 2 (Preto) 1089 1052
Produto 1 (Verde) 806 789 Produto 2 (Verde) 814 789
Produto 1 (Azul) 269 263 Produto 2 (Azul) 272 263
Produto 2 (Cinza) 543 526
Produto 1 (Cinza) 537 526
Produto 3 (Azul) 274 263
Produto 3 (Preto) 1096 1052
Produto 3 (Cinza) 548 526
Produto 3 (Verde) 822 789

5. CONCLUSÃO
O estudo tinha o objetivo de encontrar o sequenciamento da produção, mas com os resultados
obtidos não há necessidade de uma nova modelagem visto que o mesmo pode ser feito de forma
manual. Isto é possível pois é um problema simples e que sua maior limitação é o tempo disponível
para produção, ou seja, quanto maior o tempo de set up, menor será o tempo disponível para produção.
Desta forma, deve ser afirmado tanto para o sequenciamento quanto para a implementação desse
modelo, que quando a produção de um produto se inicia, devem ser processadas todas as unidades
programadas para ele de acordo com o resultado, até que se inicie a produção de um novo produto.
Para estudos posteriores, seria interessante algum modelo que, após sua implementação o resultado
determinasse também a sequência de produção, sendo útil para problemas maiores.

6. AGRADECIMENTOS
Agradeço ao Professor orientador deste trabalho Gursel A. Suer, pela sua ajuda e disposição
guiando este estudo, à estudante Letícia Ferreira de Souza, pela sua contribuição fundamental na
realização da pesquisa e construção do modelo matemático, e também aos estudantes Mateus
Tartaglia e Gustavo Molino pela assistência prestada na redação deste resumo.

REFERÊNCIAS
ARENALES et al. “Pesquisa Operacional”. Rio de Janeiro: Campus/Elsevier, 2007.