Professional Documents
Culture Documents
FICHA CATALOGRFICA
Preparada pela Biblioteca do CCT / UENF
29/2011
iii
Comisso Examinadora:
iv
Dedicatria
Agradecimentos
Sumrio
Lista de Smbolos ....................................................................................................... ix
Lista de Figuras ........................................................................................................... x
Lista de Tabela ........................................................................................................... xi
vii
Captulo 5 ................................................................................................................. 71
Concluses ............................................................................................................... 71
5.1. Consideraes Finais ........................................................................................ 71
5.2. Trabalhos futuros ............................................................................................... 72
Referncias .............................................................................................................. 74
ANEXO I Diferena entre Distribuio e Processo de Poisson ............................. 77
ANEX0 II Exponencial de uma Matriz Quadrada ................................................... 79
ANEXO III Operaes de Kronecker ..................................................................... 80
ANEXO IV Definies de Confiabilidade e Disponibilidade ................................... 84
APNDICE A ............................................................................................................ 85
viii
Lista de Smbolos
ix
10
Lista de Figuras
Figura 1 Cadeia estocstica de parmetro discreto a): Fogliatti e Mattos (2007) . 32
Figura 2 Cadeia estocstica de parmetro continuo b): Fogliatti e Mattos (2007). 32
Figura 3 Processo estocstico contnuo de parmetro discreto c): Fogliatti e
Mattos (2007). .......................................................................................................... 32
Figura 4 Processo estocstico contnuo de parmetro continuo do item d): Fogliatti
e Mattos (2007). ....................................................................................................... 33
Figura 5 Diagrama de fluxo de uma cadeia de Markov de parmetro continuo:
Fogliatte e Mattos (2007). ......................................................................................... 36
Figura 6 Tela de entrada para os estados 2 i, j 10 de uma Cadeia de Markov
do exemplo na pgina 717 em Hillier e Lieberman (2006). ...................................... 37
Figura 7 Matriz de transio na 2 etapa, n=2. .................................................... 38
Figura 8 Matriz de transio na 5 etapa, n=5. ..................................................... 38
Figura 9 Representao em diagrama de rede da matriz de transio
P . .......... 40
11
Lista de Tabela
xi
12
Resumo
Diferentes ferramentas auxiliam a tomada de deciso do nmero estimado
de peas de reposio, garantindo a continuidade de um processo produtivo. As
caractersticas dessas peas fazem necessrio o uso de modelos que incorporem a
aleatoriedade na definio confivel no tamanho dos estoques. Ento foi estudado
ferramenta que modela esta tomada de deciso usando processos markovianos de
tempo contnuo.
Para a representao desse tipo de problema foi necessrio o estudo da
extenso do processo de nascimento e morte, chamado processo de quase
nascimento e morte, (QBD Quasi-Brith-and-Death process). por meio deste que
se construiu um algoritmo capaz de estimar a quantidade de peas de reposio
com uma confiabilidade especificada. Neste trabalho construiu-se um cdigo para
testar numericamente o algoritmo em ambiente Scilab 5.2.2 testado utilizando dados
presentes na literatura com um desempenho numrico satisfatrio.
xii
13
Abstract
Different tools help decision making in the estimated number of spare parts,
ensuring continuity of a production process. The characteristics of these pieces are
necessary to use models that incorporate randomness in the reliable definition of the
size of inventories. So was studied with the tool that shapes this decision-making
processes using continuous time Markov.
To represent this type of problem it was necessary to study the extension of
the birth and death process, called quasi birth and death process (QBD process). It is
through this that has built an algorithm to estimate the amount of spare parts with a
specified reliability. In this work we constructed a numerical code to test the algorithm
in an environment Scilab 5.2.2 tested using data from the literature with a satisfactory
numerical performance.
xiii
14
Captulo 1
Introduo
Os sculos XX e XXI caracterizam-se pelo crescimento econmico, pelo
desenvolvimento tecnolgico da informao e o aumento da participao deste na
gesto de negcios. O desenvolvimento se deu graas globalizao dos
mercados,
que
permite
disponibilizar
da
informao
em
tempo
real,
as
comunicaes mais rpidas e a integrao dos mercados. Assim sendo, sob auxilio
destas tecnologias de informao e comunicao, a logstica evolui garantindo s
empresas acessibilidade aos mercados em diferentes locais no mundo de forma
competitiva.
Atualmente, uma das formas que as empresas encontram para obter
vantagens competitivas no mercado por meio de uma gesto eficiente da cadeia
de suprimentos. A relao do cliente-fornecedor est cada vez mais evidente neste
meio garantindo assim grandes oportunidades de negcios, principalmente na
reduo de custos, (BALLOU, 2006).
Como parte da cadeia de suprimentos, a Logstica entendida como uma
funo empresarial que tem por objetivo atender o cliente em um nvel de servio
especificado. Para isso so necessrias tomadas de deciso nos nveis estratgico,
ttico e operacional, nas trs reas que compe a Logstica: transportes; estoques e
localizao, (BALLOU, 2006). Tais tomadas de deciso influenciam diretamente nos
custos gerais da empresa, no atendimento ao cliente, nos problemas operacionais e
na lucratividade da companhia. Alm disso, os estoques so de grande importncia
para avaliao da liquidez da empresa por parte de investidores e instituies
15
financeiras.
Porm, no fcil tomar decises adequadas, visto que, existem muitas
flutuaes dos produtos que tornam os problemas mais complexos de serem
resolvidos. Sendo assim, os gestores de estoque sempre se deparam com
problemas,
que
podem
ser
conflitantes:
os
estoques
geram
custos
por
16
17
Captulo 2
Estoques: Metodologias e Modelos
O estoque tem um papel fundamental nos processos produtivos tanto para
gerao de produtos quanto para a venda deles. Corra et al. (2000) definem que os
estoques so acmulos de recursos, materiais entre fases especficas de processos
de transformao.
Este captulo tem por objetivo, no primeiro tpico, apresentar o modelo
clssico para o controle de estoque, clculo do EOQ (Economic Order Quantity), que
a estimativa da quantidade de material a ser comprado que minimiza os custos de
investimentos de uma indstria. Adicionalmente, uma extenso deste modelo que
considera pedidos de materiais novos e materiais obitidos da recuperao de
produtos que retornaram indstria. No segundo tpico, apresenta-se uma reviso
bibliogrfica de metodologias aplicadas nos estoques de peas de reposio.
18
um modelo geral que abranja todas as situaes possveis. preciso fazer uma
anlise dos dados coletados e criar um modelo especfico para o problema que est
sendo levado em questo.
O fator primordial que afeta a determinao do nvel de estoque a natureza
da demanda, que pode ser tanto determinstica quanto probabilstica. mais
comum, segundo Taha (2007), a utilizao de demanda probabilstica, porm em
alguns casos a aproximao determinstica pode ser aceitvel.
Um tipo especial de mercadoria, considerado muito crtico para a maioria
das empresas, so as peas de reposio, por exemplo, para compressores, os
mancais; e para PCs Desktop, uma placa me ou HD.
O controle de estoque
dessas peas de acordo com Silva (2009), necessrio devido ao alto custo de
cada item para o estoque, prazos longos de fornecimentos destes e a pouca
frequncia de demanda dos mesmos, conhecida como de baixo giro.
Para se modelar problemas que envolvam a determinao de estoques de
peas de reposio e/ou estimativa de falhas, so utilizados os processos
estocsticos e a teoria de filas. E a soluo desses modelos pode usar vrias
ferramentas de clculo, tais como, a programao linear ou a no-linear ou a
dinmica. No entanto, a escolha de qualquer que seja a ferramenta, depender da
natureza da demanda para a resoluo do modelo. Os critrios que norteiam o
estudo dos modelos de estoque tm de responder a trs questes bsicas quais
sejam: quanto pedir, quando fazer o pedido e qual o nvel de servio que se deseja
oferecer.
De acordo com os interesses da empresa e obviamente da quantidade de
informaes que forem disponibilizadas pela mesma, maior ser o apoio destas
ferramentas no auxlio estimativa mdia de capacidades e custos produtivos em
cada etapa do processo estudado, (BRANCO e COELHO, 2006). De modo similar,
quanto mais informaes forem disponibilizadas a respeito da demanda, mais
ajustados sero os resultados obtidos atravs dessas ferramentas, portanto uma
deciso mais segura poder ser tomada.
Para responder a estes questionamentos de quanto e quando pedir os
materiais (insumos) se formula uma funo de custos (total) de estoque, cuja
varivel ser a quantidade a ser solicitada, e em seguida busca-se a minimizao
desta funo:
19
Custo
total
de
de
=
de
de
+
+
+
de
(2.1-1)
onde,
Custo de compra - o preo unitrio de um item para o estoque;
Custo de preparao - representa os encargos fixos incorridos para que o pedido de
compra seja emitido;
Custo de estocagem - representa o custo de manter a mercadoria em estoque;
Custo de falta - a multa incorrida pela falta de unidades em estoque.
A demanda tem um papel importantssimo no desenvolvimento dos modelos
de estoque, conforme foi mencionado anteriormente, a demanda para um
determinado item pode ser determinstica ou probabilstica e, dentro de qualquer
categoria, a demanda pode variar ou no ao longo do tempo.
De acordo com Taha (2007), em situaes prticas, o padro de demanda
em um modelo de estoque pode assumir um dos quatro tipos a seguir:
1.
2.
3.
4.
20
t0 =
y
;
d
y
, o custo total por unidade de tempo, TCU (total cost per unit time), ser calculado
2
pela seguinte funo:
TCU ( y ) =
K
y
+ h .
y
2
d
(2.1-2)
TCU
= 0 para encontrar os pontos
y
y* =
2 Kd
.
h
(2.1-3)
21
recuperados
de
produtos
descartados
da
prpria
indstria.
22
K ( y, m, n, ) =
K2 d
y 2 2
(m 1)
+ u u 2
= (mr + ns ) + h
+
,
T
y
m
m
2 n
(2.1-4)
y
h 2 y 2 2 y 2 u y 2
(m 1)
+
onde, K 2 = (mr + ns ) +
+
, e T = .
1
d
m 2d
m
2d n
mnimo:
y (m, n, ) =
2d (mr + ns )
.
2 2
+ u 1 +
h
+
m
m
(2.1-5)
23
considerada nas relaes (2.1-2) e (2.1-4) que estima o lote econmico de estoque.
Mesmo sendo muito eficiente para os itens comuns h uma necessidade maior de
construir outros modelos para o estoque de tais peas de reposio.
24
25
mostrou que a aproximao da poltica (S, s) pela (S, S 1), mesma poltica utilizada
por Koaa (2004), satisfatria em termos dos custos totais, sobretudo quando as
peas de reposio apresentam elevado custo da falta, chamado pelos autores de
extrema criticidade.
Freitas (2008) objetivou por fazer um levantamento de um modelo da gesto
de estoque, j legitimado pela literatura, para aplic-lo, a realidade da refinaria
estudada, nas peas sobressalentes de manuteno. O modelo proposto pelo autor
foi um modelo de controle de estoque baseado no sistema (r, q), onde r o ponto de
26
27
modelo,
em
Fadiloglu
Yeralan
(2002),
foi
primeiramente
28
29
Captulo 3
Conceitos Preliminares
Neste captulo sero abordados os conceitos preliminares que formam a
base essencial para o estudo relacionado ao estoque de peas de reposio
reparveis.
aleatria, pode crescer sem limite e sua varincia aumenta com o tempo.
30
31
falha.
Uma formulao matemtica descreve os processos estocsticos como
processos que evoluem ao longo do tempo e podem ser definidos como um conjunto
indexado de variveis aleatrias { X t } em que o ndice t percorre um dado conjunto
instante em que a k-sima mquina comea a ser atendida. Nesse caso, o processo
estocstico {N k : k = 1,2,3,...} , representado na Figura 1, um processo estocstico
32
E = {0, 1, 2, 3,...}
e tempo
T = {1, 2, 3,...} .
Figura 1 Cadeia estocstica de parmetro discreto do item a): Fogliatti e Mattos (2007).
b)
Figura 2 Cadeia estocstica de parmetro continuo do item b): Fogliatti e Mattos (2007).
c)
T = {1, 2, 3,...} .
Figura 3 Processo estocstico contnuo de parmetro discreto do item c): Fogliatti e Mattos (2007).
33
d)
Figura 4 Processo estocstico contnuo de parmetro continuo do item d): Fogliatti e Mattos (2007).
P[ X (t n+1 ) x n +1 / X (t n ) = x n , X (t n 1 ) = x n 1 ,..., X (t 0 ) = x0 ] =
P[ X (t n+1 ) x n +1 / X (t n ) = x n ]
(3.2-1)
34
P{ X t +1 = j / X 0 = k 0 , X 1 = k1 ,..., X t 1 = kt 1 , X t = i} = P{ X t +1 = j / X t = i} ,
(3.3-1)
P{ X t +1 = j / X t = i} = P{ X 1 = j / X 0 = i},
t = 0, 1, 2,...,
(3.3-2)
P{ X t + n = j / X t = i} = P{ X n = j / X 0 = i},
t = 0, 1, 2,...,
(3.3-3)
35
(3.3-4)
(3.3-5)
pij( n ) 0, i e j; n = 0,1,2,...
e
M
P(n)
Estado
0
(n)
p00
0
(n)
= 1
p10
M
M
(n)
M
pM 0
1 L M
(n)
p01
L p0(nM)
(n)
L L piM
n = 0, 1, 2,...
L L M
(n)
(n)
pM
p
L
MM
1
36
Figura 5 Diagrama de fluxo de uma cadeia de Markov de parmetro continuo: Fogliatte e Mattos
(2007).
P[ X (t 0 ) = i ], i = 0, 1, 2,...,
onde, t0 o instante inicial de observao, e as probabilidades (condicionais) de
transio entre os estados i e j , pij (u , v) so definidos como:
pij (u , v) = P[ X (v) = j / X (u ) = i ]
1,
com pij (v, v) =
0,
0 u v;
u,v T ; i, j E
(3.3-6)
se i = j ,
caso contrrio.
0 i, j M ; n = m + 1, m + 2,... e 1 m n 1.
(3.4-1)
k =0
37
P ( n ) = P ( m ) P ( nm ) , 1 m n 1
(3.4-2)
(3.4-3)
Figura 6 Tela de entrada de dados para os estados de uma Cadeia de Markov com 2 i, j 10 .
as Equaes de Chapman-Kolmogorov.
38
39
Em geral tem-se:
pij( n ) = 0
j C; n > 1
pij( n ) > 0
n >1
transio, isto ,
2.
p jj = 1 .
(n)
p jj < 1 para todo i = j lim p jj = 0 .
n
40
3.
anterior com base em outros estados for igual a 1. Neste caso, o estado pode ser
recorrente se, e somente se, o estado no for transiente.
A recorrncia uma propriedade de classe, isto , todos os estados em uma
classe so recorrentes ou ento transientes, (HILLIER e LIEBERMAN, 2006).
Segundo Taha (2007), de acordo com as definies descritas, uma cadeia de
Markov finita no pode consistir em estados que sejam todos transientes porque, por
definio, a propriedade transiente requer entrar em outros estados. Isto , toda
cadeia com nmero finito de estados tem pelo menos um estado recorrente.
Para melhor serem entendidos os estados de uma matriz de transio se
fornece um exemplo numrico encontrado em Nogueira, (2010), que tambm podem
ser visualizado no diagrama da Figura 9. Seja a seguinte matriz de transio
Estados
0
1
P=
2
3
4
0
1
2
3
0
0
0.25 0.75
0.5 0.5
0
0
0
0
1
0
0
0.33 0.67
0
1
0
0
0
P:
4
0
0
0
0
0
41
s e s + 1 tais
dito como tendo perodo 1 e assim ser denominado como um estado aperidico.
Em uma cadeia de Markov de um nmero finito de estados, os estados
recorrentes que forem aperidicos so denominados de estados ergdicos e se uma
cadeia de Markov possui todos os seus estados ergdicos denominada cadeia de
Markov ergdica.
existe
(3.6.1)
42
j =
i pij ,
para j = 0,1,..., M
(3.6.2)
i =0
j = 1
(3.6.3)
j =0
Os
equaes para M+1 incgnitas. Pelo fato do sistema (3.6.2) e (3.6.3) apresentar
soluo nica, e o sistema (3.6.2) ser linearmente dependentes por conta de uma
linha, pode-se eliminar a ltima, completando o sistema com a equao (3.6.3).
Retornando ao exemplo do estoque de cmeras fotogrficas, na Figura 10
se mostra a matriz de transio aps 8 passos, obtidas usando o tutorial IOR, nela
aparecem as probabilidades de estado estvel. Na Figura 11, so mostradas as
equaes de estado estvel onde foi eliminada a ltima linha da matriz de transio
inicial e substituda pela linha de 1s.
estvel.
43
dos
estados
tambm
podem
ser
grandes,
que
torna
computacionalmente pesado.
No entanto, na Figura 11, apresenta-se outra forma de calcular as
probabilidades de estado estvel, que atravs das equaes de estado estvel
apresentadas (3.6.2) e (3.6.3). A construo do sistema de equaes que calcule as
probabilidades
assume valores discretos. Esta hiptese adequada para muitos casos, porm h
os que necessitam ser analisados com o parmetro de tempo contnuo. Este caso se
desenvolve nesta seo.
Os estados possveis do sistema continuam os mesmos, 0, 1, ..., M , iniciando
no instante 0 e permitindo que o parmetro de tempo agora definido como t '
continuamente assuma valores t ' 0, fazendo com que a varivel aleatria X (t ' ) seja
o estado do sistema no instante t ' . Portanto, X (t ' ) assumir um de seus M + 1
valores possveis ao longo de algum intervalo, 0 t ' t1 .
Considere agora trs pontos no tempo:
1. t ' = r , r 0 um tempo passado,
44
P{ X (t + s) = j /X ( s) = i e X (r ) = x(r )} = P{ X (t + s) = j /X (s) = i}
i, j = 0,1,...M e todo r 0, s > r e t > 0.
(3.7-1)
P{ X (t + s) = j /X ( s) = i } = P{ X (t ) = j /X (0) = i}
s 0 ,
(3.7-2)
pij (t ) = P{ X (t ) = j /X (0) = i },
(3.7-3)
1
lim pij (t ) =
t 0
0
se i = j
se i j.
(3.7-4)
45
1
, sendo qi igual ao nmero de vezes que o processo deixa o estado i
qi
pii = 0
para todo i,
(3.7-5)
M
pij = 1
para todo i.
j =0
3.
46
qi =
1-p (t )
d
pii (0) = lim ii ,
t 0
dt
t
(3.7-6)
qij =
pij (t )
d
= qi pij ,
pij (0) = lim
t 0
dt
t
para todo j i,
(3.7-7)
qij o nmero de vezes esperado que processo transite do estado i para o estado
j por unidade de tempo gasto no estado i . Assim,
qi = qij
(3.7-8)
j i
qij , i j
A matriz Q formada pelas entradas
define a matriz geradora da
q i , i = j
t e s (0 s t ),
M
(3.7-9)
k =0
pij (t ) > 0
Alm disso,
47
lim pij (t ) = j ,
i = 0,1,..., M
(3.7-10)
j satisfazem as equaes
j = i pij (t ),
(3.7-11)
i =0
j q j = i qij ,
para j = 0, 1, ..., M .
i j
(3.7-12)
M
j = 1.
j =0
i j * . Resultando ento que o lado direito fornece a taxa na qual o processo entra
no estado j a partir de qualquer estado. Portanto a equao (3.7-12) diz que a taxa
na qual o processo deixa o estado j * deve ser igual a taxa na qual o estado entra
no estado j * .
48
j-1) respectivamente.
Figura 12 Modelo bsico do Processo nascimento e morte usando grafos: Fogliatti e Mattos (2007).
2.
3.
lim
o(t ) = 0
t
t 0
49
Usando a notao:
Pi n ( t ) = P{ ocorncia de i nascimentos em t} e
Pkm ( t ) = P{ ocorncia de k mortes em t}
a terceira hiptese pode ser reescrita da seguinte forma:
P1n ( t ) = P[ X (t + t ) X (t ) = 1 / X (t ) = j ] = j t + o( t ) j = 0, 1, 2,...,
(3.8-1)
(3.8-2)
Pi n ( t ) Pkm ( t ) = o ( t )
i , k | (i + k ) > 1.
(3.8-3)
(3.8-4)
(3.8-5)
(t + t ) , para t
mutuamente excludentes:
1.
2.
50
3.
no h nenhum nascimento;
2.
(3.8-6)
(3.8-7)
(3.8-8)
= Pj (t ) j tPj (t ) j tPj (t ) + Pj 1 (t ) j 1 (t )
+ Pj +1 (t ) j +1t + o(t ),
j 1,
P0 (t + t ) = P0 (t )[1 0 t o(t )]
+ P1 (t )[1 1t o(t )][ 1t o(t )] + o(t )
= P0 (t ) 0 tP0 (t ) + 1tP1 (t ) o(t ),
foram utilizadas as relaes de aproximao (t ) 2 o( t ) e o(t ) t o(t ).
De (3.8-5) e (3.8-6), obtm-se:
(3.8-9)
51
Pj (t + t ) Pj (t )
t
= j Pj (t ) j Pj (t ) + j 1 Pj 1 (t )
+ j +1 Pj +1 (t ) +
o ( t )
,
t
j 1,
P0 (t + t ) P0 (t )
o ( t )
= 0 P0 (t ) + 1 P1 (t ) +
.
t
t
dPj (t )
dt
= j Pj (t ) j Pj (t ) + j 1 Pj 1 (t ) + j +1 Pj +1 (t ),
j 1
(3.8-10)
dP0 (t )
= 0 P0 (t ) + 1 P1 (t ),
dt
(3.8-11)
= 0,
j, t > t * .
j 1, e t > t*
(3.8-12)
0 = 0 P0 (t ) + 1P1 (t ).
(3.8-13)
j P j (t ) j +1 P j +1 (t ) = j 1 P j 1 (t ) j P j (t)
j 1e t > t *
e usando-se de recorrncia,
j Pj (t ) j +1 Pj +1 (t ) = j 1 Pj 1 (t ) j Pj (t)
= j 2 Pj 2 (t ) j 1 Pj 1 (t)
= 0 P0 (t ) 1 P1 (t).
(3.8-14)
52
j 1 P j 1 (t ) j P j (t ) = 0
j 1 e t > t *
ento,
Pj (t ) =
j 1
j 1 j 2
j 1 j 2 j 3 ...0
Pj 1 (t ) =
Pj 2 (t ) = ... =
P0 (t )
j
j j 1
j j 1 j 2 ...1
j
= P0 (t ) i 1
i
i =1
Pj (t ) = 1,
Como
(3.8-15)
j 1 e t > t * .
obtm-se:
j 0,t >t*
P0 (t ) =
1 + i 1
j 1 i =1 i
j
t > t*
(3.8-16)
j 1 P j 1 (t ) + j +1 P j +1 (t ) = j Pj (t ) + j Pj (t)
(3.8.17)
e para o estado j = 0,
(3.8-18)
53
j 1 P j 1 + j +1 P j +1 = j P j + j P j j 1.
H ( x) = 1 exp(Tx)e, x 0.
(3.9-1)
0 0 ,
54
foram
vistos
definies
de
processos
estocsticos,
processos
55
Captulo 4
Metodologia QBD e Aplicaes
O conceito de processos estocsticos (em particular o processo de
nascimento e morte) bsico para o estudo dos problemas de servios na teoria de
filas. Nesta pesquisa trabalhou-se com um modelo que estima a falta de peas
sobressalentes no estoque, na presena de falha dos equipamentos; a abordagem
foi feita via processos de Markov de estados finitos de tempo continuo.
Na primeira seo apresentam-se aplicaes que envolvem a extenso do
processo de Nascimento e Morte, o processo Quase Nascimento e Morte (QuasiBirth-and-Death QBD).
56
{(0, 1), ..., (0, m), (1, 1), ..., (1, m), ..., ( n, 1),..., (n, m),...}
e o gerador infinitesimal Q, de forma genrica, tem a seguinte estrutura de blocos:
B00
B
10
Q=
B01
A1
A2
A0
A1
A2
A0
A1
O
,
A0 L
O O
(4.1-1)
57
B00
B
10
Q=
B01
A1
A2
O
A0
A1
O
A2
A0
O
A1
A2
A0
A1
Bn,n1
Bn1,n
Bn,n
(4.1-1)
58
Figura 14 Servidor com buffer limitado e parmetros relevantes: Fadiloglu e Yeralan (2002).
(4.1-2)
P ( M ) + P ( M 1) = 0
59
Q=
( + )
( + )
( + )
B00 = - ,
B01 = A0 = Bn1,n = ,
A1 = - ( + ),
B10 = A2 = Bn,n1 = ,
Bn , n = -
Figura 16 Servidor com avaria e reparo e seus parmetros relevantes, adaptado de Fadiloglu e
Yeralan (2002).
60
(4.1-3)
( + )
+ )
0
0
Q=
0
+ + )
( + ) 0
0
0 ( + + )
0
0
0
( + )
0
( + )
0
0
( + )
0
, Bn,n =
,
= A2 = B n , n 1 =
0 0
( + + )
A1 =
.
( + )
( + )
B 00 =
B10
,
( + )
61
Figura 18 Servidor com tempo de servio Erlang-2, buffer limitado e parmetros relevantes:
Fadiloglu e Yeralan (2002).
62
P( 0 ) + P( 1, 2 ) = 0 ,
( + )P( 1, 1 ) + P( 0 ) + P( 2, 2 ) = 0 ,
( + )P( 1, 2 ) + P( 1, 1 ) = 0 ,
( + )P(i 1, 1 ) + P(i 1,1) + P(i + 1, 2 ) = 0 , para 1 i M 1,
( + )P(i, 2 ) + P(i 1, 2 ) + P(i,1 ) = 0 , para 1 i M 1,
P(M, 1 ) + P(M 1,1 ) = 0 ,
P(M, 2 ) + P(M 1, 2 ) + P(M, 1 ) = 0.
A partir da primeira equao pode-se calcular o valor de P(0), e assim, P(0)
pode ser substitudo na segunda equao, e as seguintes taxas de transio da
matriz podem ser obtidas. A matriz de blocos tri-diagonal Q , deste processo, dada
a seguir:
0
( + )
0
( + )
0
0
0
( + )
0
0
( + ) 0
Q=
O
0 0 ( + )
0
0
(
)
0
0
0
0
0
,
B 01 = A0
( + )
0 0
= A 2 = B n,n 1 =
B n,n =
,
0
( + )
B 00 =
B 10
( + )
A1 =
0
.
( + )
= B n 1 ,n =
0
,
0
0
,
63
A pesquisa desta dissertao teve no artigo de Prez-Ocn e MontoroCazorla (2004) uma de suas fontes importantes de desenvolvimento. Neste artigo foi
desenvolvido um modelo QBD objetivado a calcular os vetores de probabilidade
estacionria, ou vetores de probabilidade de estado estvel, e em termos destes,
determinar medidas teis da teoria de confiabilidade como a disponibilidade e a taxa
de ocorrncia de falha. Este estudo foi realizado considerando o tempo operacional
e o tempo de reparo de uma unidade (mquina) segue uma distribuio tipo Fase e
so independentes.
Assim, os autores assumem que os parmetros de entrada necessrios, a
seguir, para o modelo QBD so , T e , S , respectivamente, da distribuio tipo
Fase para as variveis do tempo operacional e do tempo de reparo. Os valores
atribuidos a estes parmetros so:
m fases operacionais;
fases de reparao;
0
0.0027 0.0027
T =
0
0.008
0.008 matriz de ordem m , no singular com
0
0
0.02878
64
0
0.02 0.02
reparao.
Neste exemplo considera-se que m = k = 3 e que os parmetros
apresentados so suficientes para a construo da matriz chamada de gerador
infinitesimal Q que pela sua estrutura muito conveniente para a resoluo do
problema.
B00
B10
Q=
B01
A1
A2
A0
A1
O
A0
O
A2
O
A1
A2
A0
A1
Bn,n 1
Bn 1,n
Bnn
onde,
B00 = T , B01 = T 0 , B10 = I S 0 , A1 = T S , A0 = T 0 I , A2 = I S 0 ,
Bn 1, n = T 0 I , Bn, n 1 = S 0 , Bn, n = S , I a matriz identidade de ordem
3 3, e
encontrados.
Os vetores de probabilidade estacionria so:
0 = (0.558, 0.218, 0.062)
1 = (0.096, 0.023, 0,016, 0,011, 0.003, 0.003, 0.002, 0.001, 0.001)
2 = (0.003, 0.001, 0.001, 0.0004, *, *, *, *, *)
3 = (0.0001, *, *, *, *, *, *, *, *),
M
65
encontrados:
3 , 4 e 5 apresentam valores
10 4 .
66
Teorema. Suponha que, para garantir uma proviso de peas de reposio com
uma probabilidade no inferior a P durante um perodo t, devem ser preparadas pelo
menos h peas. Ento, Q, t e P satisfazem a desigualdade exp(Qt )e > P , onde Q
67
Algoritmo de HUANG-LIANG-GUO:
B
Passo 2: Seja h = 1, Q = 00
B10
B01
, = ( ,0) , calcular exp(Qt )e . Se exp(Qt )e > P
A1
ento se necessita de uma reposio e o algoritmo termina, caso contrrio vai para o
passo 3.
0
M
Passo 3: Seja h = h + 1, Q = Q +
0
... 0
O M
L 0
L A2
0
M
, = ( ,0,...,0)1( h +1) . Calcular
A0
A1 ( h +1)( h +1)
68
B
Q = 00
B10
B01
, = ( ,0) , logo exp(Qt )e = 0.8995 , que ainda um valor de
A1
B00
Q = B10
0
B01
A1
A2
0
A0 , = ( ,0, 0), logo exp(Qt )e = 0.9984, que satisfaz o grau
A1
69
o risco de falha. O algoritmo foi implementado no ambiente Scilab 5.2.2, para esta
dissertao, onde se confirma os resultados fornecidos por esses autores. O cdigo
do algoritmo encontra-se no apndice A. Os resultados desse cdigo so
apresentados na Figura 20.
70
Tabela 1 Valores de confiabilidade para que um sistema permanea em funcionamento analisado
por diferentes valores de t.
Quantidade
Valor de E com
Valor de E com
Valor de E com
t=1500h
t=4320h
t=5760h
2.9%
0.001%
0.00003%
89.79%
70.59%
62.43%
99.66%
98.82%
98.40%
99.98%
99.95%
99.94%
Estimada de
peas no estoque
71
Captulo 5
Concluses
72
insuficientes, para garantir concluses eficientes para uma previso dos estoques de
peas de reposio.
As caractersticas das peas de reposio, tais como: baixo giro,
comportamento irregular e intermitente, demanda baixa, as vezes de alto custo de
aquisio e longo tempo de elaborao fazem mais complexa a tomada de deciso
do quando e quantos destes itens so necessrios a mnimo custo. Portanto, se teve
como segundo objetivo o estudo de modelos de processos estocsticos para
representar o problema do clculo do tamanho do estoque de peas sobressalentes
reparveis. Este objetivo foi satisfeito com o estudo do processo QBD e sua
aplicao no algoritmo que estima o nmero de peas necessrias para garantir,
com alto grau de confiabilidade, a manuteno do funcionamento de um processo
produtivo. Esta se constitui numa ferramenta que modela de forma mais ajustada a
previso do tamanho do estoque de sobressalentes reparveis. Este tamanho
depende de dois parmetros um ligado ao tempo em que acontecer a necessidade
de uma pea de reposio (uma falha no processo produtivo) e o segundo ligado ao
tempo necessrio para a reparao desta pea.
O enfoque dado ao modelo, que mede o tamanho de estoque de peas de
reposio, a de previso da seguinte parada no processo produtivo ou previso da
seguinte falha. Na ocorrncia de falha se tem a opo de substituio por uma pea
nova ou uma pea reparada, sob a hiptese que a reparao deixa a pea como
nova, sempre que esta esteja disponvel. Considerar a possibilidade de reparao
de uma pea sobressalente uma opo de responsabilidade ambiental incorporada
nos processos produtivos.
Foram verificados os resultados computacionais, sobre dados acadmicos,
para a matriz infinitesimal trabalhada nos artigos Prez-Ocon & Montoro-Cazorla
(2004) e Huang et al. (2006), utilizando o ambiente Scilab 5.2.2, num Notebook STI,
Processador Pentium T4400 HD 320 SATA II.
73
74
Referncias
ALVES, D.: Processos Estocsticos. sites.ffclrp.usp.br/ccp/(SEM%204)/PE/ProcEstoc17292.doc.
Acessado em janeiro de 2011.
BALLOU, Ronald H.: Gerenciamento da Cadeia de Suprimentos/Logstica Empresarial. 5ta. Edio.
Porto Alegre: Bookman, 2006.
BHAT, U. N.: Elements of Applied Stochastic Processes. Wiley Series in Probability and Mathematical
Statistics, Dallas, Texas December 1971.
BRANCO, R. M., COELHO, A. S.; Cadeias absorventes de Markov no processo produtivo de fil
congelado de pescada. Synergismus scyentifica UTFPR, Pato Branco, 01 (1,2,3,4) : 1-788. 2006.
CLARKE, A. B.; DISNEY, R. L.: Probabilidade e Processos Estocsticos. Livros Tecnicos e
Cientficos, Editora S.A., 1979.
DIAS,
A.:
Confiabilidade
na
manuteno
industrial.
and
Computer
Modelling
35,
p.
913-930,
2002.
75
GOMES, A. V. P. e WANKE, P. F.: Modelagem da gesto de estoques de peas de reposio atravs
de cadeia de Markov. Revista Gesto. Produo, So Carlos, v. 15, n. 1, p. 57-72, jan. - abr. 2008.
HILLIER, F. S.; LIEBERMAN, G. J: Introduo Pesquisa Operacional. Traduo Ariovaldo Griesi;
Reviso tcnica, Joo Chang Junior So Paulo. McGraw-Hill, 2006.
HUANG, Z.; LIANG, L. and GUO, B.: A general repairable spare part demand model based on quasi
birth and death process. March, 2006, Vol.32, N2.
HUISKONEN, J.: Maintenance Spare Parts Logistcs: Special Characteristics and Strategic Choices.
International Journal of Production Economics, 2001.
KAYANO, L. K.: Gesto de estoques das peas de reposio de uma empresa ferroviria. Trabalho
de Concluso de Curso (Graduao em Engenharia de Produo) Escola Politcnica da
Universidade de So Paulo, So Paulo, 2005.
KOCHI, G. T.: Aplicao dos modelos de previso de demanda intermitente na gesto de estoque de
peas de reposio de relgios. Trabalho de Concluso de Curso (Graduao em Engenharia de
Produo) Escola Politcnica da Universidade de So Paulo, So Paulo, 2008.
KOAA, Y. L.: Spare parts inventory management with delivery lead times and rationing. Ph. Thesis
Institute of Engineering and Sciennce of Bilkent University, 2004.
LARC-PCS: Modelagem e Simulao de Sistemas de Computacionais. Noes de Processos
Estocsticos e Cadeias de Markov. EPUSP, 2004.
NEUTS, M.F. Matrix-Geometric Solution in Stochastic Models: An Algorithm Approach. Dover
Publication Inc. New York, 1994
NOGUEIRA,
F.:
Modelagem
Simulao
Cadeias
de
Markov.
COTS utilizando
T.:
Brief
tutorial
on
phase-type
distributions,
76
ROSS, S. M.: Stochastic Processes. 2 edio, 1996.
ROGERS, D. S. & TIBBEN-LEMBKE, R. (2001). An examination of reverse logistics practices. Journal
of Business Logistics, 22(2), 129148.
SALASAR, L. E. B.: O processo de Poisson Estendido e aplicaes. Dissertao apresentada a
UFSC em 2007.
SALES, M. V. S; FRANA, F. C. C; MORALES, G.; SANTOS, P. R.; RIBEIRO, M. V.: Melhoria do
Ensino da Pesquisa Operacional em Cursos de Engenharia de Produo com Apoio de Ferramentas
Computacionais. Baur SP, XVI SIMPEP 2009.
SALES, M. V. S; MORALES, G.: Estado da Arte em Estoque de Peas de Reposio: Introduo a
Processo de Quase-Nascimento-e-Morte. Baur SP, XVII SIMPEP 2010.
SANTOS, J. S.: Clculo Variacional e Controle timo: Exponencial de uma Matriz. Ano de 2007.
dfm.ffclrp.usp.br/~jair/listas/ExpMatriz.pdf. Acessado em Fevereiro de 2011.
SILVA, D. N.: Aplicao de processos estocsticos em gesto de custos de manuteno - uma
abordagem da utilizao da cadeia de Markov. Rio de Janeiro, SPOLM 2008.
SILVA, G. L. C.: Modelo de estoque para peas de reposio sujeita demanda intermitente e lead
time estocstico. Dissertao (Mestrado em Engenharia de Produo) Universidade Federal de
Minas Gerais UFMG, Belo Horizonte, 2009.
SIQUEIRA, I. P.: Processos de Deciso Markovianos em Sistemas de Segurana e Proteo.
Dissertao (Mestrado em Engenharia de Produo) Universidade Federal de Pernambuco
UFPE, Recife, 1999.
SODR, U.: Exponencial de uma matriz. Londrina, 2001.
TAHA, H. A.: Pesquisa operacional. 8.ed. So Paulo: Pearson ; Prentice Hall, 2007.
WANKE P.F.: Metodologia para gesto de estoques de peas de reposio: um estudo de caso em
empresa brasileira. Revista Tecnologstica, p. 60-65, 2005.
WILLEMAIN, T.R.; SMART, C.N.; SCHWARTZ, H.F.: A new approach to intermittent forecasting
demand for service parts inventories. International Journal of Forecasting, v. 20, p. 375-387, 2004.
77
Distribuio de Poisson
A distribuio de Poisson uma distribuio de probabilidade discreta, cujo
objetivo expressar a probabilidade de certo nmero de eventos que ocorrem em
um dado perodo de tempo, caso estes ocorram com uma taxa mdia conhecida e
caso cada evento seja independente do tempo decorrido desde o ltimo evento.
Para uma formulao matemtica consideremos X variveis aleatrias que
representam o nmero de ocorrncias, chegadas, discretas durante um intervalo de
tempo de determinado comprimento. A probabilidade de que existam exatamente k
ocorrncias, com k inteiro e no negativo
P( X = k ) =
k e
k!
k e
k =0
k!
P( X ) =
diferentes.
78
Processo de Poisson
Para Alves (2011), um processo de contagem dito ser um processo de
Poisson com taxa > 0 , se for verdade que:
P[X (t ) = 1] = t + o (t ) .
Na definio acima o(t ) denota uma funo real de t que decresce para
zero mais rpido do que t , isto ,
o(t )
=0
t 0 t
lim
79
A exponencial de uma matriz real tA de ordem n pode ser obtida por vrios
modos distintos. Como exemplo, apresenta-se trs formas:
a.
b.
c.
1 k
M .
k = 0 k!
exp( M ) = e M =
(**)
e M = Z k e k ,
k =1
80
Produto de Kronecker
Definio 3: Se
A11 B L A1k B
2
A B = M
M
M
Ak 1 B L Ak k B
1 2
1
onde A B uma matriz de dimenses k1k1' k 2 k 2' , e pode ser escrita na forma
compacta ( Aij B ) .
Soma de Kronecker
Definio 4: Sejam A e B matrizes quadradas de dimenses m m e n n ,
respectivamente, a soma de Kronecker de A e B , A B , a matriz de dimenso
mn mn , escrita como
A B = A In + Im B
81
B00
B10
Q=
B01
A1
A2
A0
A1
O
A0
O
A2
A1
A2
A0
A1
Bn,n1
Bn1,n
Bnn
onde,
Kronecker.
Na Figura 23, se mostram alguns blocos resultantes da matriz Q , aps rodar
o cdigo da Figura 22.
82
Figura 22 Cdigo que gera a matriz infinitesimal Q , do exemplo numrico, seo 4, em Prez-Ocn
e Montoro-Cazorla (2004)
83
Figura 23 Matriz
84
Confiabilidade
Embora a ateno com a degradao seja antiga, a confiabilidade como uma
teoria especfica recente e vem sendo usada h aproximadamente 40 anos. por
isso que a confiabilidade torna-se to bem integrada aos programas de manuteno.
Muitas so as definies de confiabilidade. Matematicamente a confiabilidade pode
ser representada, simplesmente, como:
X
C ( X ) = 1 f ( X )dx
0
onde, C ( X )
,
a confiabilidade e
f (X )
a funo de densidade de
Disponibilidade
A disponibilidade de um dado produto ou sistema est na verdade,
diretamente associado com a qualidade temporal ou vida desse sistema, se
considerado reparvel.
Segundo a NBR-5462 (1994), disponibilidade a capacidade de um item
estar em condies de executar uma certa funo em um dado instante ou durante
um intervalo de tempo determinado, levando-se em conta os aspectos combinados
de sua confiabilidade, mantenabilidade e suporte de manuteno, supondo que os
recursos externos requeridos estejam assegurados.
85
APNDICE A
O cdigo a seguir foi elaborado pelo autor dessa dissertao para conferir os
resultados do trabalho de Huang et al. (2006). O objetivo desta construo de
comprovar os resultados numricos encontrados por estes autores e, verificar o
entendimento das propriedades das operaes de Kronecker e da distribuio PH.
Para o cdigo so necessrios o conhecimento das matrizes de tempo
operacional e de tempo de reparo, e incorporar outras matrizes necessrias para o
clculo inicial, como as matrizes de zeros, de 1s e a matriz identidade, cada qual
com a sua dimenso adequada.
O ambiente Scilab 5.2.2 foi escolhido pela sua liberdade de utilizao,
Ribeiro et al. (2010) e Sales et al. (2009), e pela maneira simples de apresentar seus
resultados. A facilidade de utilizao deste ambiente permitiu que o autor
construsse este cdigo sem a utilizao de muitas funes j contidas neste pacote.
Como o caso da funo produto de Kronecker (kron) encontrada no pacote do
Scilab 5.2.2. Esta funo no foi utilizada em um primeiro momento para a execuo
dos clculos do algoritmo por finalidade de aprendizado.
Logo aps a entrada dos dados iniciais, o cdigo gera as matrizes (blocos)
que sero utilizadas no desenvolvimento do algoritmo. A seguir apresentado o
cdigo, desenvolvido pelo autor dessa dissertao, no ambiente Scilab 5.2.2 para a
verificao e confirmao dos resultados obtidos no trabalho de Huang et al.. (2006)
a partir do algoritmo HUANG-LIANG-GUO.
86
87