Neste primeiro artigo sobre o tema falaremos sobre fundamentos do uso de motores, os solvers.
Soluções avançadas de planejamento, em especial os APS, iniciaram sua popularização em meados da década de 90 e anos 2000. Eles traziam novidades em relação ao proposto pelos softwares que incorporavam MRP, tanto em termos de interação com os planejadores quanto em abrangência de processos e cálculos. Os APS passaram a endereçar o planejamento de demanda usando modelos estatísticos e planos de produção e distribuição através de heurísticas e otimizadores.
O destaque na solução para os processos de “suprir” (ex: MPS) centrava-se no planejamento finito, considerando gargalos e restrições de recursos de tal forma a oferecer, distintamente do MRP, um plano possível em termos de capacidade (ex: linhas de produção).
Os motores (solvers) de otimização se valem da Programação Linear. Muitos problemas práticos em pesquisa operacional podem ser expressos como problemas de programação linear. o que traz uma maior complexidade em entender o seu comportamento e cálculos, em contraste com o cálculo de um MRP mais facilmente compreensível.
O problema geral de programação linear é utilizado para otimizar (maximizar ou minimizar) uma função linear de variáveis, chamada de função objetivo, sujeita a uma série de equações (ou inequações) lineares, chamadas restrições.
A formulação do problema a ser resolvido segue três pontos básicos:
- Definição do objetivo do problema;
- Definição das variáveis de decisão envolvidas;
- Conhecimento das restrições a que está sujeito o problema.
Para ilustrar vejamos um caso em que uma função objetivo busca uma solução ótima considerando 3 restrições, de tubos, bombas e de trabalho. O ponto ótimo coincide com um dos vértices do polígono (em cinza). No caso de modelos de programação linear, isso sempre será verdade.
Em linhas gerais o algoritmo simplex resolve problemas de Progressão Linear construindo uma solução admissível no vértice do poliedro, e então percorre os vértices do poliedro que sucessivamente possuem valores mais altos da função objetivo até encontrar o seu máximo.
Poderíamos listar alguns vantagem principais do uso de otimizadores:
- Capacidade de resolver problemas complexos, de um grande volume de combinações e soluções não viáveis de serem testadas e definidas de forma artesanal, manual;
- Permitir planejamento finito, o que aumenta a confiabilidade da cadeia (atendimento)
- Aumento da produtividade do setor de planejamento através da redução tempo de ciclo de planejamento (idas e vindas). Menos tempos gerando números e mais tempo analisando alternativas e cenários.
Em breve abordaremos os algoritmos e a história do uso de solvers em soluções SAP.
