ANÁLISE DA ESTABILIDADE DE INDICADORES DE DESEMPENHO EM MODELO DE SIMULAÇÃO DE UMA CADEIA DE SUPRIMENTOS UTILIZANDO APLICATIVO OTIMIZADOR

Transcrição

1 ANÁLISE DA ESTABILIDADE DE INDICADORES DE DESEMPENHO EM MODELO DE SIMULAÇÃO DE UMA CADEIA DE SUPRIMENTOS UTILIZANDO APLICATIVO OTIMIZADOR Rodrigo Meirelles Nascimento Marta Monteiro da Costa Cruz

2 ANÁLISE DA ESTABILIDADE DE INDICADORES DE DESEMPENHO EM MODELO DE SIMULAÇÃO DE UMA CADEIA DE SUPRIMENTOS UTILIZANDO APLICATIVO OTIMIZADOR Rodrigo Meirelles Nascimento Marta Monteiro da Costa Cruz Universidade de Federal do Espírito Santo Programa de Pós-Graduação em Engenharia Civil RESUMO O projeto trata um problema de planejamento de logística em cadeia de suprimentos a ser estudado a partir de técnicas de simulação-otimização com o fim de buscar e analisar os resultados ótimos num ambiente já simulado em uma cadeia de suprimentos de uma empresa mineração. Como objetivo geral, a pesquisa pretenderá analisar a estabilidade de indicadores de desempenho relacionados à capacidade de sistema e identificados a partir da simulação, por meio de método adequado de otimização e de análise de sensibilidade. Foram abordados como referencial teórico da pesquisa, conceitos de logística na cadeia de suprimentos, pesquisa operacional em problemas de logística, aspectos gerais sobre meta-heurísticas e aplicativos comerciais otimizadores em simulação. Como ferramenta para as análises e iteração da simulação-otimização, foi proposto o aplicativo OptQuest do software Arena. O estudo pretende encontrar uma forma de se avaliar a representatividade e relevância desses indicadores de desempenho para a identificação de gargalos na cadeia e para munir o tomador de decisão de direcionadores de gestão. 1. INTRODUÇÃO O presente projeto de pesquisa trata-se do planejamento de estudo de técnicas de simulaçãootimização e do método de execução e análise de experimentação de cadeia de suprimentos de uma empresa de mineração já simulada (OLIVEIRA; CRUZ; CARDOSO, 2013), da qual foram identificados os indicadores de desempenho logístico desta cadeia. O campo de atuação dos estudos da Simulação e o da Otimização são bem delimitados e distinguem-se quanto a diversos critérios, como conceito, método de aplicação, análises, objetivos, premissas e formulação. Porém, nas últimas décadas, observou-se a necessidade de aperfeiçoar os resultados que se podem extrair dessas duas áreas, abrindo espaço para um esforço de integração entre eles, de forma a suprir as desvantagens de um e do outro. Sobre os indicadores de desempenho do estudo, suscitam-se algumas questões que merecem aprofundamento teórico e prático para análises de outros pontos de vistas que ainda não foram abordados pelo referido autor, como seguem: - É possível avaliar a partir de otimização dos indicadores de desempenho identificados no modelo de simulação da cadeia em estudo qual a melhor configuração de cenário para o melhor desempenho, usando ferramenta adequada e método eficaz? Qual seria o resultado? - E considerando que a otimização pretendida seja bem sucedida, é possível correlacionar a estabilidade de indicadores da cadeia a partir de análise de sensibilidade? Como? Em que nível de estabilidade se encontram os indicadores de desempenho do estudo de caso? E como classificar um nível de estabilidade para uma determinada cadeia a partir dos resultados da simulação-otimização e análise de sensibilidade de indicadores de desempenho? Essa abordagem trará uma visão mais analítica do problema de identificação de gargalos em cadeia de suprimentos, convergindo os cenários analisados para algo mais preciso e menos flexível. Portanto, assim como a simulação, a otimização em simulação traz diversos ganhos para a tomada de decisão no gerenciamento da cadeia de suprimentos. Justifica-se, portanto, a 1

3 sua utilização na análise de indicadores de desempenho e o desenvolvimento da pesquisa da forma como foi formulada neste projeto. 2. REVISÃO BIBLIOGRÁFICA 2.1. Simulação-Otimização Segundo Fu (2002), até o final do milênio passado, otimização e simulação foram mantidos praticamente separados na prática, mesmo que não houvesse um grande corpo de pesquisa relevante na literatura para combiná-los. Na última década, no entanto, métodos de otimização têm sido inseridos nos softwares de simulação. Em geral, a otimização baseada em simulação é o processo de procurar o melhor conjunto de especificações do modelo, ou seja, os parâmetros de entrada e as premissas estruturais, em que o valor objetivo é a saída do desempenho do modelo de simulação para o sistema subjacente (FU, 2002 ; OLAFSSON; KIM, 2002). Segundo Pinho et al. (2012), também em algumas situações, sem a integração entre a simulação e otimização não é possível avaliar os resultados do modelo sob um determinado conjunto de condições, pois para usar a simulação, cenários precisam ser construídos e testados e, apesar de ser capaz de gerar bons resultados, pode se tornar cansativo e demorado, sem garantias de que serão encontradas as melhores configurações, quando desejadas. Azadivar (1999) avoca os métodos de otimização como forma de suprir incertezas que restam na análise dos resultados de simulação de cenários, muitas vezes sem garantias de que se está testando as melhores configurações do modelo. Para Ceciliano (2007) e Pinto Junior (2001), a simulação-otimização é habilitada para integrar um simulador de sistema real a métodos de otimização satisfatórios para um determinado problema, associando os objetivos da otimização às vantagens da simulação. Fernandes et al. (2013) simplifica a metodologia de otimização em simuladores identificando o método otimizador no centro de todo o processo, participando repetidamente a simulação para controle das variáveis e validação dos resultados otimizados que são gerados. O critério de parada desse looping se encerra no processo de otimização. Com conceitos similares, Hochmuth et al. (2012), Bachelet et al. (2007), Melouk et al. (2013) identificam o processo de simulação-otimização como cíclico até que a insistência pela busca seja contemplada com uma solução aproximada do ótimo e validada pelo simulador. Brito et al. (2012), expõe que a Simulação-Otimização procura obter a melhor configuração de cenário dentre as alternativas avaliadas a partir dos parâmetros de saída da otimização. Em levantamento feito por Law (2007, apud ESKANDARI et al., 2011), Fu (2002), Montevechi, Miranda e Friend (2012) e Swain (2005), dentre os métodos de otimização existentes em simuladores, percebeu-se que o aplicativo OptQuest da empresa OptTek Systems, Inc. (2014) possui uma vasta área de atuação, podendo ser aplicado em diversos tipos de problemas e por meio de variados softwares de simulação disponíveis no mercado para gerar soluções otimizantes. O software Arena foi avaliado como uma ferramenta muito utilizada em problemas de simulação-otimização. 2

4 Segundo a Rockwell Automation (2014), o OptQuest do Arena é um aplicativo servido como ferramenta de otimização customizada e aperfeiçoada para otimizar os resultados de simulações realizadas em software. Aumenta a capacidade de análise do simulador e permite ao usuário encontrar a configuração ideal de cenário (parâmetros de entrada no modelo de simulação) que otimiza a função objetivo descrita no aplicativo. Pode se destacar como vantagens da simulação-otimização, de acordo com Azadivar (1999): a) A complexidade do sistema modelado não implica necessariamente no aumento de complexidade do processo de otimização; b) representação dos parâmetros de decisão do sistema feita por meio de funções implícitas; c) A natureza estocástica da função-objetivo e/ou das restrições do problema permite que as melhores configurações do sistema possam ser avaliadas por meio de simulação; d) possibilidade de modificação das funções-objetivo e restrições durante execução do otimizador/simulador, de forma a se direcionar e especificar as alternativas a serem estudadas; e) validação das saídas da otimização por meio de seu uso como entradas no simulador e avaliação dos cenários com os valores e parâmetros otimizados, quantas vezes forem necessárias até que um critério de parada seja satisfeito. Isso faz com que seja possível validar um sistema ideal (otimização) e verificar sua compatibilidade com o sistema real (simulação). Já quanto a desvantagens, tem que se ter atenção com os seguintes detalhes: a) Não há uma expressão analítica da função-objetivo ou das restrições, estando as análises das variáveis dificultadas; b) o fato da função-objetivo e das restrições do modelo comporem variáveis randômicas, porém de decisão determinística. Isso pode dificultar o encontro do melhor ponto de decisão; c) As linguagens de simulação são bastante diferentes das linguagens de otimização. Para tanto, necessário usar softwares confiáveis e de boa eficácia na interface entre os dois tipos de modelos. 3. METODOLOGIA 3.1. Método O processo de resolução do problema da pesquisa seguirá a lógica de estruturação proposta por Melouk et al. (2013), identificado no item 2.1. Os indicadores de desempenho identificados no modelo de simulação de cadeia de suprimentos da empresa de mineração (OLIVEIRA; CRUZ; CARDOSO, 2013) e que serão analisados são os seguintes: PRODUÇÃO: Interrupção da produção, Consumo específico nas campanhas de produção, Capacidade de moagem dos moinhos ou do sistema de bombeamento, Capacidade de produção nos fornecedores; ARMAZENAGEM OU ESTOCAGEM: Estoque médio dos silos diários, Estoque médio dos silos brutos, Estoque médio no porto de embarque, Estoque médio nos fornecedores, Estoque em trânsito; TRANSPORTE: Quantidade de veículos (carretas, bi-trem, vagões) por pedido; Lead-time de recebimento no cliente e, por fim, ATENDIMENTO DO SUPRIMENTO: Lead-time total por pedido. Contudo a pesquisa terá como objetivos: a) Analisar a estabilidade dos indicadores de desempenho do sistema e identificados a partir 3

5 da simulação, por meio de otimização e análise de sensibilidade; b) Verificar a possibilidade de se identificar indicadores de sensibilidade das variáveis de decisão do modelo baseando-se nas referências de simulação-otimização; c) Avaliar uma forma de se avaliar a representatividade e relevância desses indicadores de desempenho para a identificação de gargalos na cadeia e para munir o tomador de decisão de direcionadores de gestão; d) Verificar o nível de estabilidade dos indicadores de desempenho para a medição do desempenho da cadeia de suprimentos analisada e as suas capacidades de resposta; e) Interpretar os efeitos das variáveis dependentes mais significativas sobre cada indicador. REFERÊNCIAS BIBLIOGRÁFICAS AZADIVAR, F. (1999). Simulation optimization methodologies. In: WINTER SIMULATION CONFERENCE. Proceedings of the 1999 Winter Simulation Conference, 1999, Phoenix. Anais, v. 1, p BACHELET, Bruno ; YON, Loic. Model enhancement: Improving theoretical optimization with simulation. Simulation Modelling Practice and Theory, 2007, v.15, p BRITO, Thiago Barros ; SILVA, Rodolfo Celestino dos Santos ; TREVISAN, Edson Felipe Capovilla ; BOTTER, Rui Carlos. Discrete Event Simulation Combined with Multiple Criteria Decision Analysis as a Decision Support Methodology in Complex Logistics Systems. Discrete Event Simulations - Development and Applications, chapter 4, InTech, CECILIANO, W. R. A. Aplicação de um método de simulação-otimização na cadeia produtiva de minérios de ferro. Dissertação (Mestrado em Engenharia de Sistemas Logísticos) - Escola Politécnica da Universidade de São Paulo, São Paulo-SP, 2007, 228 f. FERNANDES, Laerte José ; RODRIGUEZ, Luis Alberto Osés ; CORREIA, Anderson Ribeiro ; MARINS, Fernando Augusto Silva. Planejamento e controle da produção de cilindros para laminação: um estudo de caso quantitativo. Production, 2013, v.23, n.1, p FU, Michael C. Feature Article: Optimization for simulation: Theory vs. Practice. Journal on Computing, 2002, v.14, p HOCHMUTH, Christian A. ; KOCHEL, Peter. How to order and transship in multi-location inventory systems: The simulation optimization approach.(report). International Journal of Production Economics, 2012, v.140, p MELOUK, Sharif H. ; FREEMAN, Nickolas K. ; MILLER, David ; DUNNING, Michelle. Simulation optimization-based decision support tool for steel manufacturing. International Journal of Production Economics, 2013, v.141, p ÓLAFSSON, Sigurdur ; KIM, Jumi. Simulation Optimization. In: WINTER SIMULATION CONFERENCE. Proceedings of the 2002 Winter Simulation Conference, 2002, San Diego. Anais, p OLIVEIRA, R. ; CRUZ, M. ; CARDOSO, P.. Identification of bottlenecks in logistics supply chain inputs in mining industry using simulation. In: 13th WCTR, 2013, Rio de Janeiro. Proceedings of 13th WCTR. Rio de Janeiro: UFRJ, v. 1. p PINHO, Alexandre Ferreira de et al. Evaluation of a proposed optimization method for discrete-event simulation models. Pesquisa Operacional, 2012, v.32, n.3, p PINTO JUNIOR, O. P. F. Simulação e otimização: desenvolvimento de uma ferramenta de análise de decisão para suprimento de refinarias de petróleo através de uma rede de oleodutos. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de Santa Catarina, Florianópolis-SC, 2001, 125 f. ESKANDARI, Hamidreza ; MAHMOODI, Ehsan ; FALLAH, Hamed ; GEIGER, Christopher D. Performance analysis of comercial simulation-based optimization packages: OptQuest and Witness Optimizer. In: WINTER SIMULATION CONFERENCE. Proceedings of the 2011 Winter Simulation Conference, 2011, Phoenix. Anais, p MONTEVECHI, José Arnaldo Barra ; MIRANDA, Rafael de Carvalho ; FRIEND, Jonathan Daniel. Sensitivity Analysis in Discrete Event Simulation Using Design of Experiments. Discrete Event Simulations - Development and Applications, chapter 3, Intech, SWAIN, James J. 'Gaming' reality: biennial survey of discrete-event simulation software tools.(software Survey). OR/MS Today, 2005, v.32, p OPTEK SYSTEMS, INC. Partners. Disponível em: < Acesso em: 20 mai ROCKWELL AUTOMATION. Arena Simulation Software. OptQuest for Arena. Disponível em: < Acesso em: 11 mai