Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos

Abstract

A disputa por parcelas de mercado impõe condições severas às empresas sob diversas perspectivas. Dentre elas salienta-se a crescente demanda por alta variedade de produtos, que por sua vez cria um ambiente de decisões gerenciais complexas e por vezes conflitantes. Neste contexto, dois pontos relativos a processos produtivos tornam-se cada vez mais importantes na implantação de estratégias diferenciadas: a programação da produção e a gestão de estoques. Esta dissertação apresenta uma sistemática que visa embasar decisões relativas a tais pontos, aprimorando o processo produtivo. Como primeira etapa, trata-se o problema relativo à programação da produção diária. Para tanto, é apresentada uma sistemática de seleção de variáveis de clusterização para agrupamento de produtos, a qual é integrada à Simulação de Monte Carlo (SMC) com objetivo de maximizar lucro. Os cenários propostos são aplicados em clusters (famílias de produtos) e não nos produtos de forma individual, simplificando e agilizando a programação da produção. O erro percentual em relação à situação real foi de 1%. A segunda etapa desta dissertação foca na seleção de variáveis de clusterização com vistas à gestão de estoques. Desta forma, é apresentada uma abordagem de seleção de variáveis para clusterização de 76 produtos em três clusters, sendo que para cada cluster são geradas políticas simultâneas de reposição dos produtos. Tais políticas são confrontadas, em termos de custos de colocação de pedidos e guarda de estoques, com os resultados gerados pelo Lote Econômico de Compras (LEC). A redução do volume de pedidos anuais se aproximou de 90%, enquanto que o incremento de custos relativos à guarda de produtos e processamento de pedidos foi de 0,2% frente ao custo gerado pelo LEC.

The dispute for larger market shares imposes hard conditions to companies in several perspectives. The growing demand for high variety of product models gives rise to complex productive scenarios, requiring precise managerial decisions. In this context, two points relating to production processes become increasingly important when implementing managerial strategies: production scheduling and inventory management. This dissertation presents an approach aimed at supporting decisions related to such points. As a first step, we tackle the daily scheduling problem presenting a systematic for selecting the most relevant variables for clustering products with similar features into groups; such groups are then integrated to a Monte Carlo Simulation (MCS) tailored to maximizing profit. In our propositions, managing clusters of products leads to simpler and faster managerial decisions regarding the production schedule. A proper training of the MCS parameters yielded a 1% deviation when compared to the real situation. The second part of this dissertation focuses on variable selection for clustering tailored to inventory management. For that matter, we present a variable selection approach for clustering 76 products into three clusters; such clusters are then integrated to a simultaneous inventory policy. The simultaneous policy aims at reducing costs of orders placement and simplifying the inventory management. When compared to the Economic Quantity Order (EOQ), our propositions reduced the number of order placements in 90%, while increasing costs related to inventory keeping in 0.2%.