SIMULAÇÃO COMPUTACIONAL HÍBRIDA DE DINÂMICA DE SISTEMAS E EVENTOS DISCRETOS PARA AUXILIO AO PROCESSO DE SOP

Transcrição

1 SIMULAÇÃO COMPUTACIONAL HÍBRIDA DE DINÂMICA DE SISTEMAS E EVENTOS DISCRETOS PARA AUXILIO AO PROCESSO DE SOP Jean Carlos Domingos (UFSCar) jean@dc.ufscar.br Paulo Rogerio Politano (UFSCar) paulo@dc.ufscar.br Neocles Alves Pereira (UFSCar) neocles@power.ufscar.br Apesar do processo de S&OP não ser uma prática nova nas empresas, principalmente naquelas de grande porte, sua execução é ainda sujeita a falhas e as análises resultantes do processo podem incorrer em erros. Modelos e ferramentas computacionais focadas para o auxílio no processo de S&OP são utilizadas e podem contribuir para a melhora da qualidade da sua execução e dos seus resultados. O uso de modelos e ferramentas baseado em técnicas de simulação computacional que possam proporcionar uma visão sistêmica e dinâmica de um processo complexo com a participação de vários tomadores de decisão pode reduzir as incertezas que ocorrem na realização do planejamento tático das empresas. Este trabalho tem o objetivo de desenvolver um modelo de Simulação Híbrida de Dinâmica de Sistemas e de Eventos Discretos para auxiliar o Processo de S&OP, modelo este que deve proporcionar uma nova abordagem para auxiliar no processo de SOP, fornecendo formas alternativas de análise do planejamento tático, buscando reduzir as incertezas do planejamento resultante, o que leva a uma melhora na qualidade das decisões em todos os níveis envolvidos na gestão da organização. Palavras-chave: S&OP, Simulação Híbrida, Dinâmica de Sistemas, Simulação de Eventos Discretos

2 1. Introdução Em qualquer organização, as decisões de nível estratégico e tático relacionadas à capacidade produtiva geralmente estão vinculadas a uma incerteza considerável, pois objetivam o médio/longo prazo e envolvem recursos financeiros que não podem ser desprezados. Neste ambiente não há certezas absolutas, somente oportunidades concernentes. Tomar decisões de forma competente e abrangentes é uma questão essencial para instituir situações competitivas, melhorar ganhos e reduzir perdas. Segundo Corrêa et al. (2007), para que uma decisão deste tipo possa ser tomada, é necessário o desenvolvimento de uma certa visão de futuro que considere, dentro do horizonte de tempo associado, fatores como a demanda prevista e o nível de capacidade desejado. Segundo Wallace (2004), uma das melhores soluções que visam prover esta visão de futuro é o processo de S&OP. Vollmann et al. (2008) consideram que o retorno do S&OP é fornecer uma visibilidade das interações críticas entre as áreas de vendas, marketing, produção e finanças, equilibrando as demandas de cada área e possibilitando o monitoramento e controle dos planos. Uma melhor integração entre as áreas funcionais do negócio é um dos principais retornos do S&OP. Uma vez desenvolvido um plano consistente de operações e vendas entre os altos níveis das áreas funcionais, isso pode ser traduzido em planos detalhados que estejam de acordo com as diretrizes de alto nível. Isso resulta num conjunto de objetivos comuns, melhoria de comunicação e sistemas transparentes. Neste contexto, surge também a importância da simulação computacional para a análise e o diagnóstico de alternativas de ações próprias ao ambiente empresarial e ao processo de tomada de decisão. Por meio da simulação, é possível avaliar os efeitos de cada ação tomada, bem como prever os impactos nas áreas organizacionais, como finanças, produção, marketing, e as implicações provenientes de variáveis do ambiente externo, tais como concorrentes, fornecedores e novos produtos. A simulação aumenta a eficácia da tomada de decisão por permitir a análise antecipada dos impactos e das consequências na escolha da melhor alternativa. Entre os conceitos da simulação computacional, o termo simulação híbrida refere-se à combinação entre as abordagens de simulação discreta e contínua, apresentadas neste trabalho pelos paradigmas de simulação de eventos discretos (SED) e Dinâmica de Sistemas (SD - System Dynamics), cujo objetivo é a construção de modelos de simulação com níveis 2

3 elevados de confiança, representando seus elementos por meio da abordagem mais adequada, de acordo com suas características particulares. Diversos autores da área afirmam que os paradigmas de simulação SED e SD podem complementar um ao outro e oferecer ferramentas necessárias para a construção de modelos de simulação com potencial para representar o ambiente empresarial atual. Trabalhos acadêmicos em simulação híbrida de dinâmica de sistemas e eventos discretos mostram o potencial do emprego dessa abordagem em arquiteturas de planejamento hierárquico de produção (VENKATESWARAN 2005, PASTRANA 2010). No nível mais alto do planejamento, a dinâmica de sistema é utilizada para se modelar as variáveis que representam o planejamento estratégico da empresa, considerando a natureza dinâmica dessas variáveis, interligadas umas as outras, formando um sistema de variáveis dependentes, no tempo, uma das outras e com laços de realimentação. A abordagem de Dinâmica de Sistemas vem sendo empregado nas mais diversas áreas do conhecimento, em particular para definir políticas de médio e longo prazo e regras de negócio nas organizações (STERMAN 2000). Ela permite estudar e analisar o comportamento das variáveis dos sistemas ao longo do tempo, bem como serve para compartilhar os diagramas de causa e efeito originários dos modelos mentais dos colaboradores das organizações. Já no nível do chão de fábrica, o uso da simulação de evento discreto é empregado para modelar e simular as operações de chão de fábrica, com um bom nível de detalhamento dos seus componentes e o emprego de variáveis aleatórias para a modelagem de processos aleatórios. A integração dos dois modelos de simulação é realizada através de um mecanismo de sincronização e a troca de dados entre os dois modelos. O objetivo da abordagem é aprimorar do processo de planejamento e controle em arquiteturas de planejamento hierárquico de produção. Essa abordagem ainda carece de mais estudos e de aplicações práticas, portanto, um campo ainda para ser explorado tanto na questão da teoria como da sua aplicação. Uma abordagem baseada em simulação computacional híbrida de dinâmica de sistemas e eventos discretos pode oferecer uma nova sistemática de realizar o processo de SOP, com a criação de novas formas de análise e de desenvolvimento de um processo de tomada de decisão compartilhado, com possibilidades de redução do tempo de ciclo de repetição do processo, buscando decisões em tempo real, o que leva a uma melhora na qualidade das decisões em todos os níveis envolvidos na gestão da organização. 3

4 2. Simulação Computacional combinando Dinâmica de Sistemas e Simulação de Eventos Discretos Simulação computacional é método de resolução de problemas, é um método de modelagem utilizado para implementar e analisar um procedimento real (físico), proposto em um computador (de forma virtual) ou em protótipos (ensaios), ou seja, simulação é o ato de imitar um procedimento real em menor tempo e com menor custo, permitindo um estudo detalhado de acontecimentos passados, presentes e futuros (LAW ; KELTON, 2000). Dentre as abordagens utilizadas na simulação computacional, duas se destacam e são tradicionais, a modelagem e simulação de eventos discretos (SED) e a dinâmica de sistema (System Dynamics SD) (PIDD, 2004) O uso tradicional da simulação de eventos discretos (SED) para simular o chão de fábrica é direcionado para as análises estatísticas detalhadas ao nível operacional do sistema de manufatura da empresa. Nesse nível, as principais preocupações são o fluxo de materiais, os níveis de estoque de produto acabado e em processo, o desempenho dos recursos de produção e dos processos. A necessidade de simular todo o sistema, considerando as funções onde se definem as estratégias organizacionais restringe a aplicação do SED, que não consegue traduzir o comportamento contínuo particularmente a nível agregado, ou comunicar adequadamente os cálculos financeiros à alta gerência, ou seja, não é aplicável para modelar um sistema global. Os dados das operações de chão de fábrica são ricos em detalhes e está presente em grande quantidade, o que já não ocorre nos níveis mais altos da gestão da empresa. Nesse caso, têm-se dados de conteúdo agregado e que podem refletir estimativas aproximadas. Nesse caso, a simulação com Dinâmica de Sistemas, cuja teoria é fundamentada no pensamento sistêmico, pode modelar as funções e variáveis referentes às tomadas de decisões que são estruturadas em um arranjo sistêmico de variáveis interligadas e com realimentações, além de permitir a modelagem de variáveis que representam valores não quantitativos. Por outro lado, a Dinâmica de Sistemas não é tão apropriada para tratar de detalhes operacionais e da grande quantidade de informação disponível. No trabalho de Morecroft e Robinson (2005) é ressaltado duas diferenças importantes entre as abordagens de Dinâmica de Sistemas e Simulação de eventos discretos. No caso de Sistemas 4

5 de eventos discretos, há uma tendência em incluir variáveis aleatórias enquanto que a Dinâmica de Sistemas tem a tendência de incluir variáveis contínuas. A segunda diferença importante é que o Sistema de Evento Discreto modela os componentes de um sistema em uma estrutura de sistema aberto, enquanto que a Dinâmica de Sistema é modelada como um sistema com laços de realimentação. Outras diferenças conceituais entre as duas abordagens são apresentadas no quadro 1. Quadro 1 Diferenças entre a Dinâmica de Sistemas e Simulação de Eventos Discretos Segundo Borshchev e Filippov (2004), simulações de eventos discretos envolvem sistemas com médio a alto nível de detalhamento, sendo geralmente aplicadas para modelagem de sistemas com baixo grau de abstração, diferentemente da Dinâmica de Sistemas que é uma abordagem de simulação empregada em modelagem de sistemas agregados, em nível estratégico. Nesses sistemas, as entidades não precisam ser altamente diferenciadas e uma representação em nível agregado é considerada (SIEBERS, 2007). Os paradigmas de SED e SD, como discutido por Morecroft e Robinson (2005), Rabelo et al (2005), Helal e Rabelo (2004) e Helal et al. (2007), podem complementar um ao outro de modo a oferecer soluções potenciais para modelar e atender aos requisitos do dinâmico sistema empresarial. A combinação desses dois paradigmas em uma simulação híbrida tem 5

6 potencial para modelar de forma integrada ou única, as variáveis de decisão tanto do nível mais estratégico como do nível operacional dos ambientes empresariais. A simulação híbrida de dinâmica de sistema e evento discreto é a ferramenta que vem sendo estudada e desenvolvida para atender essa demanda para os tomadores de decisão. Apesar da importância dessa solução, pouco material bibliográfico é encontrado, o que demonstra um potencial de pesquisa e desenvolvimento a ser realizado. 3. Proposta de modelo de simulação híbrida para S&OP Neste trabalho é proposto um modelo de simulação que auxilie os gestores de empresas no processo de planejamento de vendas e operações (S&OP). O modelo proposto considera a integração das abordagens de dinâmica de sistemas e simulação de eventos discretos em um modelo de simulação hibrida com o objetivo de representar a dinâmica do S&OP. O modelo tem o objetivo de representar as atividades operacionais do chão de fábrica e os processos envolvidos no ciclo de S&OP, tais como: planejamento de vendas, planejamento da produção, controle de estoque, e suprimentos; de modo a possibilitar à elaboração de planos de vendas, planos de produção e de estoque como também a análise e comparação de cenários de planejamento. Considera-se como características importantes do modelo de simulação híbrida proposto: a) Visão sistêmica dos processos que representam as áreas funcionais do S&OP, representada no modelo com regras de negócios modeladas por elementos de estoque e fluxo e variáveis endógenas e exógenas com características determinísticas e probabilísticas. b) Geração de múltiplos cenários, podendo-se simular inúmeros cenários, além do tradicional cenário otimista, pessimista e provável, utilizado na prática empresarial; c) Análise estatística da simulação, pois o uso de variáveis probabilísticas permite o tratamento das incertezas no ambiente empresarial; d) Tempo de execução da simulação realizado em minutos para períodos maiores do que doze meses, o que permite fazer análises no momento da reunião do S&OP; e) Aprendizado organizacional, pois a metodologia de dinâmica de sistemas possui características de aprendizado com o seu uso; f) Possibilidade de adaptação e ampliação do modelo, na medida em que se aprende mais sobre o processo ou se cria novas regras de negócios; 6

7 g) Documentar o conhecimento do processo de S&OP, além de possibilitar o armazenamento dos processos anteriores para analisar a sua evolução Apresentação do Modelo Híbrido para S&OP O modelo híbrido consiste de um modelo de simulação de eventos discretos (SED), um modelo de dinâmica de sistemas (SD), uma interface de integração, e uma base de dados que contém informações sobre os estados corrente dos modelos de simulação e sobre o ambiente de manufatura, conforme esquema apresentado na figura 1. Figura 1 - Esquema do modelo de simulação híbrida Pode ser observado na figura 1, que a interface é responsável por realizar toda integração e sincronização dos dois modelos de simulação, como também será o canal de comunicação do gestor com os modelos de simulação. A interface tem o papel de estabelecer a comunicação com cada simulador das abordagens de SED e SD, de modo que a interface controle o momento em cada modelo de simulação deve ser executado, pausado ou finalizado de forma sincronizada. A interface é também responsável por atualizar e realizar a troca de informações entre os simuladores, garantindo a integração dos modelos SED e SD. Além de garantir a sincronização das duas abordagens de SED e SD, a interface tem com objetivo: Possibilitar a configuração do ambiente de manufatura, definindo produtos e famílias, tempos de processamento, roteiros de fabricação, definição de regras de programação, etc; 7

8 Permitir a inclusão de planos de vendas agregados; Definir estratégia de agregação e desagregação das famílias de produtos; Permitir a definição de níveis de estoque; Realizar a análise de indicadores de desempenho do planejamento realizado; Analisar cenários de planejamento. A base dados é manipulada pela interface que coleta informações dos modelos de simulação e depois às tratam e armazenam de modo que estas possam ser acessadas posteriormente por ambos os modelos. Essas informações consistem de dados agregados e detalhados tais como: taxa de produção, taxa de expedição, estoques, tempos de ciclo de produção, taxa de vendas, peça a ser processada, tempo de processamento de cada operação por máquina, quantidade de máquinas, distância entre máquinas, rotas de transporte, velocidade e quantidade de transportadores, entre outras informações. O modelo SD é utilizado para representar uma cadeia interna de suprimentos de uma empresa de manufatura. Neste modelo são representadas todas variáveis, fluxos de materiais e informações agregados de maneira a dar suporte ao processo de S&OP. O modelo SD trabalhará com os dados agregados de um sistema de manufatura e fornecerá os planos agregados do processo de S&OP. O modelo SED é utilizado para modelar e simular as condições de um ambiente de manufatura com o objetivo de proporcionar uma análise mais detalhada ao processo de S&OP, considerando as características inerentes de um ambiente estocástico. O papel do modelo SED é de construir um plano de produção mensal detalhado e factível em função do plano agregado mensal elaborado pelo modelo SD. Os dois modelos trabalharão de forma integrada e sincronizada pela interface. Nessa integração, o modelo SD elaborará planos mensais agregados por família de produto que serão desagregados por meio da interface em produtos acabados e processados pelo modelo SED de maneira sincronizada. O modelo SED irá simular a execução do plano agregado e por meio desse processo obterá um plano de produção detalhado. A cada ciclo mensal a SED é colocada em pausa e os dados atuais do chão de fábrica modelado no SED, tais como estoque em processo, estoque de produto acabado, tempo médio de atravessamento, entre outros, são coletados e agregados novamente em famílias de produto pela interface e realimentados para o modelo SD para que o próximo ciclo mensal de planejamento seja realizado. 8

9 3.2. Análise dos resultados da simulação do modelo híbrido para S&OP Um estudo inicial foi elaborado para o modelo de simulação híbrida com o objetivo de analisar a integração do modelo SD com o modelo SED para o processo de S&OP. Inicialmente foi construído um modelo SED que representa uma ambiente de manufatura hipotético utilizando-se a ferramenta de simulação de eventos discretos AutoMod do fabricante AutoSimulations apresentado na figura 2. O cenário construído possui as seguintes características, comuns aos sistemas de manufatura: 1. Possui três estações de trabalho contendo uma máquina CNC, um buffer de entrada/saída com capacidade limitada; 2. Possui uma estação de carga e descarga de peças; 3. Utiliza um veículo para o transporte das peças, os quais têm capacidade de carregar um lote de peça por vez; 4. Cinco tipos de peças com roteiros de fabricação alternativos são produzidos neste cenário; Figura 2 Modelo hipotético de manufatura construído no simulador de eventos discretos Para realizar a integração com modelo SED, foi construído um modelo de simulação SD para o planejamento da produção baseado em Sterman (2000), que representa a estrutura do processo de decisão baseado no gerenciamento básico do estoque para definição do volume de produção inicial. O modelo SD construído tem como função representar e simular o processo decisório para definição do volume de produção inicial para uma família de produto. Neste modelo as 9

10 decisões de planejamento são avaliadas com base no relacionamento das variáveis de previsão de vendas, cobertura de estoque desejada e nos tempos médios de reposição do estoque, ciclo de produção e atendimento de pedido. Nesse modelo, restrições de capacidade não são consideradas, tais como disponibilidade de materiais, mão de obra ou equipamento. O modelo SD foi desenvolvido utilizando-se a ferramenta STELLA do fabricante ISEE System, e é apresentado na figura 3. As equações que descrevem o relacionamento entre as variáveis do modelo são apresentadas a seguir no quadro 3. Figura 3 Modelo de SD para planejamento da produção Fonte: Adaptado de Sterman (2000) Quadro 3 Equações do modelo SD para planejamento da produção A integração entre os modelos construídos SED e SD foi realizada neste experimento inicial na região em destaque na figura 3 denominada como modelo SED. Como mostrado na figura 3, os totais de produção desejada calculados no modelo SD na variável txproddesejada 10

11 serão valores de entrada para o modelo SED, e os valores para as variáveis de estoque em processo WIP e tempo de ciclo de produção TCicloProdução, computadas pelo modelo SED serão entradas para as variáveis do modelo SD. Para realizar essa integração, foi desenvolvido um programa de computador, com o visual gráfico apresentado na figura 4, que realiza as funções e possuí as características da interface discutida na seção 3.1. Figura 4 Interface de integração do modelo de simulação híbrida para S&OP. A interface desenvolvida permite ao gestor manipular a base de dados para os modelos de simulação, definindo roteiros de fabricação, tempos de processamento das operações, realizar a agregação de produtos para formar famílias, definindo como regra para a desagregação, o percentual de participação de cada produto dentro da família no volume produção planejado. As decisões relacionadas ao plano de vendas por família de produto, cobertura de estoque desejada, e o lead time médio de reposição do estoque e expedição são definidos pelo gestor por meio da interface e essas informações são compiladas e enviadas para os modelos de DES e SD. A interface também aborda regras de programação da produção baseado na técnica de priorização em que foram adotadas algumas regras de prioridades que são bastante utilizadas 11

12 em sistemas de manufatura e estas poderão ser selecionadas pelo gestor através da interface para serem aplicadas no modelo DES. As regras adotadas foram: i) SPT: menor tempo de processamento; ii) EDD: data de entrega mais próxima; e iii) LPT: maior tempo de processamento. O processo de sincronização dos modelos de SD e DES é controlado pela interface e a sua execução é apresentada na figura 5 por meio de um fluxograma. Figura 5 Fluxograma do processo de sincronização realizado pela interface Inicialmente foram realizadas várias simulações para testes de integração com objetivo de encontrar o equilíbrio balanceado para o modelo hibrido, ou seja, que todos os estoques do sistema estejam em regime, exigindo que suas entradas e saídas sejam iguais. Para realização dessas simulações, foi considerada uma família de produto composta por cinco tipos diferentes de produtos ou peças, um plano de plano de vendas com um demanda mensal constante de 400 unidades para 12 meses após entrar em regime. Para os cinco tipos de produtos foram definidos os roteiros de fabricação apresentados no quadro 4, onde os tempos de processamento em cada máquina são apresentados em minutos. Com o modelo híbrido em regime, foi simulada uma perturbação de uma função degrau que representou o acréscimo de 10% no plano de vendas a partir do mês quatro, e pôde-se observar na figura 6 o comportamento dinâmico das variáveis txprodução, txproddesejada, txexpedição e txexpeddesejada, as quais representam 12

13 respectivamente, as quantidades de: produção realizada, produção planejada, demanda atendida, e a demanda planejada; ao longo dos meses restantes do período de planejamento estabelecido. Quadro 4 Tempos de processamento e roteiros alternativos das peças produzidas pelo modelo híbrido Figura 6 Comportamento do modelo híbrido após acréscimo de 10% no plano de vendas A oscilação apresentada das variáveis apresentada no gráfico da figura 6, mostra o comportamento dinâmico das variáveis que compõem os planos de S&OP, visto que seus 13

14 valores são computados durante a simulação segundo a lógica do processo modelado e considerando as realimentações existentes, assim as variáveis que são de natureza dinâmica são calculadas/obtidas no decorrer da simulação em função do tempo e do estado do sistema Considerações finais A abordagem da pesquisa desse trabalho considerou que um modelo de simulação híbrido baseado em dinâmica de sistemas e simulação de eventos discretos como uma alternativa de ferramenta computacional que possibilitasse um entendimento sistêmico e integrado das variáveis envolvidas no processo de S&OP e das variáveis do modelo detalhado de chão de fábrica. O modelo SD tem características que possibilitam representar o relacionamento entre as variáveis agregadas do processo de S&OP e favorecem o entendimento das relações de causa e efeito devido à realimentação e amplificação das informações das variáveis que compõem os planos agregados de vendas e produção. A execução do modelo SD para S&OP permite observar a natureza dinâmica das suas variáveis ao longo do tempo, resultando em análises mais eficientes que subsidiam a tomada de decisão no planejamento. Dados agregados do processo S&OP são desagregados para o modelo DES que permite uma representação mais próxima da realidade da lógica de produção diária. Dessa forma, o modelo DES permite que os planos de vendas e produção derivados do modelo SD sejam factíveis e mais precisos, de modo a favorecer uma tomada de decisão mais segura dos gestores do processo S&OP. O modelo híbrido fornece agilidade na execução do processo de S&OP, o que possibilita reduzir o tempo para sua realização, uma vez que com o uso combinado dos modelos DES e SD as atividades envolvidas no S&OP podem ser realizadas de forma interativa e simultânea. O modelo híbrido demonstrou que tem potencial para representar a combinação de modelos de simulação de SD e DES que se complementam na representação de sistemas mais complexo e que apresentam uma estrutura hierárquica de tomada de decisão. REFERÊNCIAS BORSHCHEV, A.; FILIPPOV, A. From system dynamics and discrete event to practical agent based modeling: reasons, techniques, tools. In: International conference of the system dynamics society, 22,

15 Proceedings. Oxford, England: Keble College, CORRÊA, H. L.; GIANESI, I. G. N.; CAON, M. Planejamento, Programação e Controle da Produção. 5ed. Sao Paulo: Editora Atlas, HELAL, M.; RABELO, L.; VEDA, J. S.; JONES, A.; A methodology for Integrating and Synchronizing the System Dynamics and Discrete Event Simulation Paradigms. System Dynamics, HELAL, M.; RABELO, A. An enterprise simulation approach to the development of dynamic balanced scorecards. Proceedings os American Society of Engineering Management Conference, October 20-23, Alexandria, Virginia LAW, A., KELTON, W. Siumulation modeling and analysis. McGrawHill, USA, MORECROFT, J.; ROBINSON, S.; Explaining Puzzling Dynamics: Comparing the Use of System Dynamics and Discrete-Event Simulation, (In: System Dynamics Society International Conference, 23, Jul.17-21, 2005, Boston, USA. Proceedings, Boston: System Dynamics Review PASTRANA, J.; MARIN, M.; HELAL, M.; MENDIZABAL, C. Enterprise Scheduling: Hybrid and Hierarchical Issues, Proceedings of the Winter Simulation Conference, PIDD, M. Computer Simulation in Management Science. Wiley: Chichester RABELO, L.; HELAL M.; JONES, A.; MIN, H. Enterprise simulation: a hybrid system approach. International Journal of Computer Integrated Manufacturing, , SIEBERS, P. Understanding retail productivity by simulating management practices. In: Eurosim, 2007, Slovenia. STERMAN. J.D.; Business Dynamics: System:Thinking and Modeling a Complex World 1st edition USA: McGraw Hill, VENKATESWARAN, J.; SON, Y. Hybrid system dynamic-discrete event simulation-based architecture for hierarchical production planning, International Journal of Production Research, Vol. 43, No. 20, 15 October 2005, p (2005). VOLLMANN, T. E.; BERRY, W. L.; WHYBARK, D. C.; JACOBS, F. R. Sistemas de Planejamento e Controle da Produção: O gerenciamento da cadeia de suprimentos,5 ed., Editora Bookman, WALLACE, T. F. Sales & Operations Planning The How-To Handbook, 2ed., T. F. Wallace & Company,