Planejamento agregado na indústria de nutrição animal sob incertezas

Abstract

Resumo Um dos desafios para o planejamento da produção na indústria de nutrição animal consiste em determinar quanto produzir de cada produto em cada período, considerando que existem incertezas associadas às operações de setup, que os produtos são perecíveis e que a capacidade produtiva deve ser ajustada num ambiente de demanda estocástica caracterizada pela sazonalidade dos produtos e das matérias-primas. Este trabalho investiga um problema de planejamento agregado da produção em uma planta que produz suplementos para nutrição animal. Para lidar com esse problema, propôs-se uma extensão do problema clássico de dimensionamento de lotes com restrição de capacidade para incorporar decisões sobre vendas perdidas (lost sales) e as incertezas inerentes ao planejamento da produção: demandas, tempos de preparação e taxa de perecibilidade dos produtos. Para gerar soluções menos sensíveis às variações dos cenários, desenvolveu-se um modelo estocástico com aversão ao risco baseado numa medida de risco do tipo semidesvio absoluto. Analisando-se o valor esperado da informação perfeita e o valor da solução estocástica, confirmou-se o desempenho superior do modelo de programação estocástica no tratamento das incertezas. Além disso, os resultados indicaram que é possível reduzir significativamente a variabilidade dos custos de segundo estágio sem sacrificar demasiadamente o custo total esperado.Abstract One of the greatest challenges of production planning in the animal nutrition industry is determining the amount of each product that should be produced during each period, given the perishability of the products, the manual execution of the setups and the need to adjust the production capacity in a stochastic demand environment that is characterized by the seasonality of the products and raw materials. This paper investigates an aggregate production planning problem in a plant that produces supplements for horses, cattle, pigs and poultry. To address this problem, we proposed an extension of the classical capacitated lot-sizing problem to incorporate decisions about lost sales and inherent uncertainties in production planning, such as demands, setup times and perishability. To generate solutions that are less sensitive to changes in scenarios, we also developed a risk-averse stochastic model with an absolute semi-deviation-based risk measure. An analysis of the expected value of perfect information and the value of the stochastic solution confirmed that the stochastic approach outperformed the deterministic approximations in handling uncertainty. Furthermore, the results indicated that it is possible to significantly reduce the variability of the second-stage costs without sacrificing the expected total cost.