Gest. Prod., So Carlos, v. 17, n. 3, p.

465-481, 2010

Otimizao no planejamento agregado de

produo em indstrias de processamento
de suco concentrado congelado de laranja
Optimization in the aggregate production planning in
frozen concentrated orange juice processing industry
Jos Renato Munhoz1
Reinaldo Morabito2
Resumo: Neste trabalho apresentam-se modelos de programao linear e programao por metas para apoiar decises
no processo de planejamento agregado da produo de suco concentrado congelado de laranja, com mltiplos
produtos, estgios e perodos. Alm das decises de produo, mistura e estocagem de sucos, os modelos tambm
incorporam o planejamento de colheita da laranja, levando-se em considerao suas curvas de maturao. Desta
maneira, os modelos consideram grande parte da cadeia de suprimento envolvida no setor de produo de suco
concentrado congelado de laranja. Outro ponto a destacar a considerao do processo de mistura de diferentes tipos
de sucos para a obteno da especificao de ratio do produto acabado, utilizando a acidez da laranja como base
de clculo para a especificao de ratio. Para resolver os modelos de programao linear e programao por metas,
utilizou-se uma linguagem de modelagem algbrica e um aplicativo de ltima gerao de soluo de problemas de
programao matemtica. Um estudo de caso foi realizado em uma empresa de suco de laranja localizada no Estado
de So Paulo, envolvendo vrias plantas e com uma rede de distribuio internacional com caractersticas tpicas de
outras empresas do setor. Os resultados indicam que a abordagem aqui proposta pode ser aplicada em situaes reais.
Palavras-chave: Programao linear. Programao por metas. Processo de mistura. Suco concentrado congelado
de laranja. Problemas de planejamento de produo com mltiplos produtos, estgios e perodos.

Abstract: This work presents models using linear programming and goal programming to support decision making
in the frozen concentrated orange juice planning process with multiple products, stages, and periods. Besides
decisions about the production, blending, and juice storage, the models also include orange harvesting plan, which
takes into account oranges maturation curves. Thus, the models take into consideration a large portion of the
supply chain involved in the frozen concentrated orange juice sector. Another point to highlight is the inclusion of
the blending process of different types of juices to match the ratio specification of the product using orange acidity
to calculate the ratio specification. To solve the linear programming and goal programming models, an algebraic
modeling language and a state of art optimization solver of mathematical programming problems are used. A case
study was developed in an orange juice company located in So Paulo State. This company has many facilities
and a worldwide distribution system, similar to other companies in this sector. The results show that the proposed
approach can be used in real situations.
Keywords: Linear programming. Goal programming. Blending process. Frozen concentrated orange juice. Production
planning with multiple products, stages and periods.

1 Introduo
Na indstria de produo de suco de laranja, o
processo de obteno de produtos finais a partir das
matrias-primas disponveis no mercado envolve uma
grande quantidade de informaes. O processamento
e a anlise dessas informaes podem apoiar a
empresa na gerao de um diferencial competitivo,
que a excelncia no gerenciamento integrado da
1

cadeia de suprimentos. A coordenao da produo,

estoques e transporte de matrias-primas (diferentes
variedades de laranja), produtos intermedirios (sucos
concentrados de laranja de diferentes variedades
de laranja, chamados de bases) e produtos finais
(sucos concentrados congelados de laranja obtidos
pelas misturas de diferentes bases) particularmente

Citrovita Agro Industrial Ltda., CEP 15800-970, Catanduva SP, Brasil, E-mail: jose.munhoz@citrovita.com

Departamento de Engenharia de Produo, Universidade Federal de So Carlos UFSCAR, CEP 13565-905, So Carlos SP,
Brasil, E-mail: morabito@ufscar.br

Recebido em 30/8/2009 Aceito em 17/7/2010

Suporte financeiro: CNPq e FAPESP.

466 Munhoz et al.

importante devido combinao da sazonalidade da

fruta e relativa estabilidade na demanda por produtos.
A utilizao de modelos de otimizao linear
para representar tal processo pode resultar em um
poderoso instrumento para anlise de decises tticas
e operacionais. Dentro deste contexto, o presente
trabalho utiliza programao linear e programao
por metas para dar tratamento s informaes, visando
suprir subsdios ao tomador de deciso na busca da
excelncia na gesto da cadeia de suprimentos. A
anlise conjunta do processo de fornecimento das
frutas at a gerao dos produtos acabados para suprir
a demanda um aspecto importante deste trabalho.
O trabalho utiliza como referncia uma empresa
tpica do setor de produo de suco de laranja de
distribuio internacional. No entanto, os conceitos
aqui abordados so abrangentes o suficiente para
serem aplicados a outras empresas similares do setor.
No sistema de mistura de suco de laranja, pode
ocorrer a necessidade de decises gerenciais
envolvendo vrios objetivos. Quando na elaborao
do plano de mistura, deseja-se, alm de minimizar os
diversos custos envolvidos, que os produtos fiquem o
mais prximo possvel da mdia de suas especificaes
mnimas e mximas de ratio. Por exemplo, em um
produto com especificaes de ratio mnimo e mximo
14 e 15 respectivamente, desejvel que seu ratio
fique o mais prximo possvel da mdia 14,5. Dessa
forma, neste trabalho tambm so discutidas metas
com diferentes nveis de prioridades associados a elas.
Os modelos propostos devem responder a algumas
questes bsicas como: quanto, quando e como devem
ser produzidos os sucos, envolvendo operaes desde a
colheita das laranjas at o atendimento da demanda dos
produtos. Os modelos devem fornecer tais resultados
respeitando-se restries dos recursos produtivos e
visando a minimizao de custos envolvidos.
Em outras palavras, o objetivo deste trabalho
propor abordagens para apoiar a tomada de deciso
no planejamento agregado de produo deste setor.
As consideraes das curvas de maturao das
laranjas no planejamento de colheita e do processo
de mistura de diferentes tipos de bases para obteno
da especificao de ratio do produto acabado no
planejamento da produo resultam em modelos
de programao linear e programao de metas que
incorporam grande parte das decises envolvidas nesta
cadeia de suprimentos. Este objetivo vem de encontro
com as propostas de pesquisa futura em Munhoz e
Morabito (2001a, b) de incorporar o planejamento de
colheita ao problema e utilizar equaes de mistura
com clculo de ratio resultante a partir da acidez dos
diferentes componentes.
Estas extenses tornam os modelos ferramentas de
suporte e anlise tomada de deciso mais poderosas
e efetivas. Em pesquisa bibliogrfica identificaram-se
poucos trabalhos que trataram do tema otimizao
aplicada ao suco concentrado de laranja, como, por

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

exemplo, Pinto (1996), que utiliza programao linear

inteira mista para apoiar a deciso sobre sistemas de
distribuio de suco concentrado de laranja, e Caixeta
Filho (1993, 2006), que apresenta uma modelagem
matemtica para o gerenciamento da programao
de colheita da laranja. Porm, so os trabalhos de
Munhoz (2000) e Munhoz e Morabito (2001a, b) que
mais se aproximam da abordagem aqui proposta e
servem de ponto de partida para este estudo. Sendo
que, os autores desconhecem outros trabalhos na
literatura com a presente abordagem para a indstria
de suco de laranja. Outros estudos no relacionados
ao suco de laranja, porm parcialmente relacionados
abordagem proposta neste trabalho e aplicados a
outros setores agroindustriais, podem ser encontrados,
por exemplo, em Junqueira e Morabito (2008), que
apresentam um modelo de otimizao linear para
auxiliar nas decises do planejamento ttico da
produo, estocagem e transporte de sementes de
milho; e em Paiva (2006, 2009) e Paiva e Morabito
(2007, 2009), que apresentam modelos de otimizao
linear e inteira mista para o planejamento agregado
da produo em usinas de acar e lcool.
Este artigo est organizado em cinco sees. A
seo 2 apresenta resumidamente o processo de
produo do suco de laranja e seus subprodutos,
assim como o planejamento das operaes neste setor.
Na seo 3, modela-se o problema de planejamento
utilizando programao linear e resolve-se o modelo
para diferentes cenrios, analisando-se os resultados
obtidos e explorando-se outras possveis direes para
a modelagem. Na seo 4, utiliza-se uma abordagem
de programao por metas com diferentes nveis de
prioridades associados a cada uma delas. Define-se
como meta prioritria a minimizao de custos, que
faz parte do modelo da seo 3, e a meta secundria
otimizar o processo de mistura. Nas sees 3 e 4, foi
utilizada a linguagem de modelagem GAMS e o solver
CPLEX para resolver os modelos propostos. A anlise
dos modelos e dos resultados obtidos feita ao final
de cada seo. Finalmente, na seo 5, relacionam-se
as abordagens deste estudo como ferramentas de apoio
tomada de deciso no planejamento agregado da
produo de suco concentrado congelado de laranja
e apresentam-se as concluses e perspectivas para
pesquisas futuras.

2 A indstria de suco de
laranja e o processo de
produo e de planejamento
Na sequncia, descrito brevemente como o
processamento da laranja e o respectivo planejamento
das operaes. Para melhor entendimento do processo,
o Quadro 1 apresenta a terminologia relacionada
utilizada na indstria ctrica, e a Figura 1 ilustra as
principais etapas do processamento.

Otimizao no planejamento agregado de produo em indstrias de processamento...

2.1 Descarregamento e
processamento da fruta
Inicialmente a laranja transportada at a
fbrica por meio de caminhes que, ao chegarem
empresa, so descarregados por meio de rampas
com acionamento hidrulico (Figura 1). A fruta
transportada por meio de correias e elevadores de
canecas at os silos de estocagem de laranja. Durante
o descarregamento da fruta, coletada uma amostra
representativa da carga do caminho, para que seja
feita a identificao das caractersticas fsico-qumicas
desta. Entre as principais caractersticas esto o brix,
ratio e variedade, as quais foram descritas na Tabela1.
Com base nas caractersticas fsico-qumicas da
laranja e no plano de produo, feita a retirada da
fruta dos silos por meio de correias transportadoras
e elevadores de canecas, a qual encaminhada ao
setor de lavagem e seleo. Neste setor, a laranja
lavada primeiro com gua e, em seguida, com soluo
sanitizante, para a devida assepsia. Aps a lavagem, a
laranja passa por um processo de seleo, na qual so
retiradas manualmente as frutas deterioradas e verdes
(estas frutas so transportadas por bombeamento para
o setor de produo do pellet de polpa ctrica, que
um subproduto da laranja utilizado como componente
para rao animal). Uma vez lavada e selecionada,
a fruta transportada mais uma vez por correias
transportadoras at o equipamento denominado
classificador. Este equipamento classifica a laranja
em trs diferentes grupos conforme o tamanho da
fruta (pequena, mdia e grande): suco com polpa;
emulso gua com leo e fragmentos de casca da
laranja; e bagao da laranja.
O bagao da laranja conduzido por meio de
roscas transportadoras at o setor chamado de rao.
Neste setor o bagao armazenado em um silo
(vide caixa de bagao na Figura 1), a partir do qual
passa por uma sequncia de equipamentos (que so
descritos a seguir), at resultar nos subprodutos:
Dlimonene, que utilizado na fabricao de solventes,
resinas, entre outros; e o pellet de polpa ctrica, que

467

utilizado como um componente na fabricao de

rao animal. O bagao da laranja retirado do silo
por roscas transportadoras, quando ocorre a adio
de cal (vide silo de cal na Figura 1), que tem por
funes corrigir o pH e tornar o bagao da laranja
menos viscoso (KESTERSON; BRADDOCK, 1976),
proporcionando, assim, mais facilidade de prensagem
em outra etapa. Em seguida, o bagao triturado em
moinhos tipo martelo e enviado por bombeamento
para um tanque (vide tanque reator na Figura 1), que
tem por funo retardar o envio deste para a prxima
etapa do processo, a fim de que a cal tenha tempo
suficiente para reagir com o bagao.
Aps o tanque, o bagao passa por um sistema
de peneiramento e prensagem, para retirar o lquido
(licor) contido no bagao. Neste momento tem-se
duas fases: o licor e o bagao. O licor enviado por
bombeamento para evaporadores, que extraem o
subproduto denominado Dlimonene. O Dlimonene
extrado neste ponto bombeado para tanques para, em
seguida, ser estocado em tambores ou comercializado
a granel. O bagao proveniente da etapa de prensagem
enviado, por roscas transportadoras, para a secagem
em secador do tipo rotativo. Os gases utilizados
na secagem do bagao so usados como forma de
energia nos evaporadores e a palha (bagao seco) ,
finalmente, peletizada, resfriada e armazenada em
silos, para, posteriormente, ser comercializada na
forma de pellets de polpa ctrica.
Retornando ao setor de extrao, tem-se a fase
de emulso gua com leo e fragmentos de casca de
laranja, que encaminhada, por roscas transportadoras,
ao setor de produo de leo essencial de laranja.
Neste setor, esta emulso passa primeiramente por
um sistema de peneiramento e filtragem para retirar
o mximo de soluo gua e leo de laranja dos
fragmentos de casca. Os fragmentos de casca so
transportados, juntamente com o bagao da laranja,
para o silo de bagao do setor da rao. A soluo
gua e leo separada por centrifugao, e a gua
reutilizada no setor de extrao, neste mesmo

Quadro 1. Terminologia utilizada na indstria ctrica.

Caixa de fruta

Unidade de peso equivalente a 40,8 kg ou 90 lb

Brix

Refere-se porcentagem de slidos solveis ou acares e cidos, sendo quantificado em graus

brix por meio de refratmetro. O refratmetro um instrumento utilizado para medir o ndice
de refrao de solues.

Acidez

Depois dos acares, os cidos so os slidos solveis presentes em maior quantidade no suco.
O teor de cidos determinado por titulao.

Ratio

a relao brix/acidez e fornece o grau de maturao e qualidade do suco.

Variedade

As variedades de laranja Pera, Natal e Valncia so as mais indicadas para a industrializao,

enquanto a variedade Hamlin, por ser mais precoce, permite que a fbrica opere
economicamente no incio da safra, mas fornece um suco de qualidade inferior e de pouca
aceitao no mercado.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

Figura 1. Fluxo do processamento de suco de laranja e subprodutos.

468 Munhoz et al.

469

Otimizao no planejamento agregado de produo em indstrias de processamento...

processo de recuperao de leo essencial. Enquanto

isso, o leo encaminhado para tanques com baixas
temperaturas (vide desceramento na Figura 1), que
tm por funo retirar a cera contida neste. Aps
o processo de desceramento, o leo essencial est
pronto para comercializao em tambores de 200L
ou a granel.
De volta ao setor de extrao, tem-se a fase suco
com polpa, que transportada por gravidade ao
setor de filtragem e centrifugao. Neste setor,
retirado do suco o excesso de polpa e outros defeitos
que possam estar nele incorporados, alm de se
efetuar o ajuste do teor de polpa do produto dentro
dos padres desejados. A polpa retirada do suco
nesta etapa utilizada na produo do subproduto
conhecido como pulp wash (polpa lavada), que vem
a ser um suco com qualidade inferior. O processo
de produo do pulp wash consiste na lavagem da
polpa retirada do suco com gua em contra fluxo e
posterior concentrao deste em evaporadores de
mltiplos estgios com filme descendente, e, pela
combinao de temperatura e vcuo, concentra-se o
produto at a especificao desejada. Na sequncia, o
produto resfriado em trocadores de calor e estocado
a baixas temperaturas em cmaras frigorficas at
o momento da comercializao que, usualmente,
feita em tambores metlicos de 200 L.
Retornando ao suco, que est com o teor de polpa
desejado, o processo de industrializao segue, da
mesma forma que no pulp wash, pela concentrao
do suco, at a especificao desejada em evaporadores
de mltiplos efeitos com filme descendente. Depois
de concentrado, resfria-se o suco e armazena-se este
a granel em cmaras frigorficas. Neste momento,
tem-se o suco na forma de bases, que pode se entender
como sendo um primeiro estgio de um processo de
planejamento da produo. Em um segundo estgio,
tem-se o processo de mistura das diversas bases de
suco de forma a obterem-se os produtos finais (vide
blender na Figura 1). Quando o suco est sendo
concentrado nos evaporadores, ocorre a extrao de
outros dois subprodutos conhecidos por oil phase e
water phase, que, na sequncia, so armazenados
em tambores metlicos de 200 L prontos para serem
comercializados.

2.2 O processo de mistura

As bases de suco, que esto armazenadas em
cmaras frigorficas com tanques em ao inoxidvel,
so bombeadas para tanques localizados no setor
denominado blender em diferentes quantidades,
de forma tal que se obtenha um produto dentro das
especificaes predeterminadas. Uma vez completado
o tanque blender com as quantidades especificadas
de bases, coleta-se uma amostra representativa deste
e efetua-se um conjunto de anlises fsico-qumicas,

organolpticas (diz-se das propriedades das substncias

que impressionam os sentidos; no caso em estudo,
propriedades do suco que impressionam o paladar,
tais como: acidez, amargor, adstringncia, etc.) e
microbiolgicas do produto, para verificao da
conformidade com as especificaes.
Estando o produto conforme as especificaes
predeterminadas, este bombeado novamente para as
cmaras frigorficas, para posterior embarque a granel,
ou envasado em tambores metlicos de 200 L, para
posterior comercializao. O clculo da quantidade de
cada base a ser utilizada na mistura para resultar um
ratio (brix/acidez) pr-estabelecido, feito conforme
a seguinte equao linear (Equao 1):

AQ = A1 Q1 + A2 Q2 + ... + An Qn

com Q = Q1 + Q2 + ... + Qn

(1)

R = B/A

em que:
R = ratio final desejado para o produto acabado;
A = acidez final desejada para o produto acabado;
Q = quantidade desejada de produto acabado;
Ai = acidez da base de suco i, (i = 1, 2, ..., n);
Qi = quantidade de base de suco i, (i = 1, 2, ..., n); e
B = brix final mdio do produto acabado, que, no
caso do problema, 66, ou seja, 66% do produto
composto por slidos solveis (vide definio
de brix no Quadro 1).
Para algumas bases, alm do clculo acima,
especificam-se tambm as quantidades limites
(em porcentagem) de determinadas bases a serem
adicionadas ao produto final. Nesse contexto, o
planejamento utilizado para este trabalho se d no
nvel ttico da organizao, quando se analisam
simultaneamente os estoques de passagem de uma
safra para outra, um plano de demanda por produtos
acabados e um plano de disponibilidade de matriaprima. A capacidade dos recursos produtivos uma
restrio particularmente importante.
O plano de disponibilidade de laranja, que tambm
pode ser chamado de planejamento de colheita,
elaborado a partir de diversos parmetros, com
destaque para a curva que representa a evoluo
da maturao da fruta ao longo do tempo, aqui
representada pelo parmetro ratio, conforme definido
no Quadro 1. O setor ctrico deposita grande esforo
na tentativa de entender o comportamento deste
parmetro, sendo que a principal linha utilizada pelas
empresas baseada em mtodos estatsticos, que se
resumem na anlise de amostras de frutas, tcnicas de
regresso, combinado com dados histricos e anlise
de especialistas sobre fatores diversos que impactam
o processo de maturao (por exemplo, clima, solo,
trato de pomares, entre outros), gerando diferentes
curvas que representam a evoluo do ratio da laranja
ao longo do tempo. A Figura 2 ilustra uma curva de

470 Munhoz et al.

maturao para uma laranja tipo precoce, sendo que

o ratio desta fruta varia ao longo do tempo.

3 Abordagem de programao linear

3.1 Modelagem do problema
Conforme mencionado, o ponto de partida para
a modelagem aqui proposta vem dos trabalhos de
Munhoz (2000) e Munhoz e Morabito (2001a, b).
A modelagem a seguir agrega a sugesto desses
trabalhos de incorporar o planejamento de colheita
ao problema. Alm disso, o presente modelo utiliza
equaes de mistura com base na acidez da laranja,
ao invs de utilizar o ratio da fruta, como no modelo
anterior. Calcular o ratio mdio resultante de uma
mistura, a partir do ratio dos diferentes componentes
da mistura, oferece um bom referencial para efeito da
abordagem de planejamento deste trabalho. Porm,
para se obter o ratio resultante de uma mistura de
forma mais precisa, necessrio fazer os clculos a
partir da acidez dos diferentes componentes da mistura.
O procedimento de clculo da necessidade de
matria-prima (laranja) ao longo do horizonte de
planejamento (uma safra) para atender demanda
dos produtos acabados, alinhada a uma poltica de
cobertura de estoques para esses itens finais, o cerne
da modelagem. Como forma de viabilizar a gerao
do produto final, frente a limitaes relacionadas
sazonalidade da disponibilidade da matria-prima
ao longo do horizonte de planejamento, utilizado o
procedimento de mistura de diversas bases de suco, ou
seja, efetua-se o planejamento da produo em dois
estgios: no primeiro estgio, ocorre o processamento
da laranja gerando produtos intermedirios (bases
de suco); e, no segundo estgio, efetua-se a mistura
das diversas bases de suco de forma a se obter os
produtos finais.
A modelagem utiliza programao linear
(BAZARAA; JARVIS; SHERALI, 1990; HILLIER;
LIEBERMAN, 1995) e conceitos conhecidos da
literatura de problemas de mistura e planejamento de
produo com mltiplos produtos, estgios e perodos,
conforme, por exemplo, em Ackoff (1962), Johnson

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

e Montgomery (1974), Williams (1978), Schrage

(1986, 2001), Nahmias (1993), Shapiro (1993),
Al-Shammari e Dawood (1997) e Arenalesetal.
(2007). O objetivo do problema minimizar o custo
total com matria-prima, estoques e falta de produto
ao longo do horizonte de planejamento. As principais
restries para esse processo dizem respeito s
especificaes de qualidade da mistura, capacidade
da produo, balanceamento de material e perodo
de disponibilidade de matria-prima.
O modelo tambm utiliza conceitos de planejamento
agregado e hierrquico (HAX; MEAL, 1975).
A relevncia da agregao de produtos para se
obter modelos efetivos reconhecida por diversos
pesquisadores h algum tempo, como, por exemplo,
em Geoffrion (1977), Zipkin (1982), Axsater e
Jonsson (1984) e Shapiro (2001). A aplicao de
conceitos de planejamento agregado est relacionada
ao agrupamento dos diversos produtos demandados
pelo mercado em famlias e, por convenincia,
tambm se agrega a capacidade de processamento de
produo como um todo e no por unidade produtiva.
Isso interessante para empresas como a do presente
estudo, com diversas unidades produtivas. A aplicao
de conceitos de planejamento hierrquico se d no
aspecto de que o processo de planejamento ttico fica
subordinado ao planejamento estratgico do negcio.
Na sequncia apresentado o modelo genrico
de otimizao linear para este problema.

a) ndices
i = famlia de suco, que referenciada apenas como
suco;
t = perodo de planejamento (ms);
j = famlia de laranja que gera uma base de suco,
que ser referenciado apenas como laranja e
base, respectivamente;
f = fornecedor de laranja f; este ndice incorpora ao
modelo a obteno de laranjas a partir de fontes
diversas, como, por exemplo, fruta prpria, fruta
adquirida por meio de contratos de longo prazo,
fruta adquirida no mercado spot, entre outras
fontes de fornecimento; e
g = tipo de laranja g; este ndice diferencia laranjas
que apresentam diferentes curvas de maturao
ao longo de uma safra.

b) Dados fornecidos

Figura 2. Exemplo de curva de maturao da laranja.

ELfg0 = estoque inicial (t = 0) de laranja base no

fornecedor f do tipo g em caixas de laranja de
40,8 kg;
ELHf 0 = estoque inicial (t = 0) de laranja precoce
no fornecedor f em caixas de laranja de 40,8 kg;

Otimizao no planejamento agregado de produo em indstrias de processamento...

HSi0 = estoque inicial (t = 0) de suco i em toneladas;

HH0 = estoque inicial (t = 0) de precoce em
toneladas;
HBj0 = estoque inicial (t = 0) de base j em toneladas;
FSi0 = falta de estoque inicial (t = 0) de suco i em
toneladas;
FH0 = falta de estoque inicial (t = 0) de precoce i
em toneladas;
FBj0 = falta de estoque inicial (t = 0) de base j em
toneladas;
DTH t = mximo de dias disponveis para
processamento no perodo t;
DTL t = mnimo de dias disponveis para
processamento no perodo t;
CPt = capacidade de processamento diria no
perodo t em caixas de laranja de 40,8 kg;
RatioSHi = ratio mximo do suco i;
RatioSLi = ratio mnimo do suco i;
RatioBj = ratio da base j;
RatioH = ratio esperado da precoce;
PorcentagemHjt = porcentagem esperada de precoce
possvel de se adicionar na base j no perodo t;
RendimentoBjt = rendimento industrial esperado
da laranja j gerando a base j no perodo t em
caixas de laranja/tonelada;
RendimentoHt = rendimento industrial esperado
da laranja precoce gerando base precoce no
perodo t em caixas de laranja/tonelada;
Demandait = demanda esperada do suco i no perodo
t em toneladas;
CustoHSit = custo de armazenagem do suco i no
perodo t (unidades monetrias/tonelada);
CustoHHt = custo de armazenagem de precoce
no perodo t (unidades monetrias/tonelada);
CustoHBjt = custo de armazenagem de base j no
perodo t (unidades monetrias/tonelada);
CustoFSit = custo de falta do suco i no perodo t
(unidades monetrias/tonelada);
CustoFHt = custo de falta de precoce no perodo t
(unidades monetrias/tonelada);
CustoFBjt = custo de falta da base j no perodo t
(unidades monetrias/tonelada);
CustoQLfgt = custo da laranja base do fornecedor
f do tipo g no perodo t (unidades monetrias/
caixa de 40,8 kg);
CustoQLHft = custo da laranja precoce do fornecedor
f no perodo t (unidades monetrias/caixa de
40,8 kg);

471

DLfgjt = indica se tem disponibilidade da laranja

base j do fornecedor f do tipo g no perodo t
(0= no tem; 1 = tem); e
DHft = indica se tem disponibilidade da laranja
precoce do fornecedor f no perodo t (0 = no
tem; 1 = tem).
Para computar as tabelas com parmetros para
disponibilidade da laranja (DLfgjt e DHft) ao longo do
horizonte de planejamento, so utilizadas projees
com base em dados histricos e informaes de
especialistas, que vm a ser as curvas de maturao
das laranjas. Esses parmetros podem assumir valores
0 ou 1, significando, por exemplo, que se DLfgjt = 1,
ento se tem disponibilidade da laranja base j no
fornecedor f do tipo g no perodo t.
CFft = capacidade de fornecimento de laranja
(base e precoce) do fornecedor f no perodo t
em caixas de laranja de 40,8 kg

c) Dados calculados
CPHt = capacidade de processamento industrial
mxima no perodo t em caixas de laranja de
40,8 kg;
CPLt = capacidade de processamento industrial
mnima no perodo t em caixas de laranja de
40,8 kg
ASHi = acidez mxima do suco i;
ASLi = acidez mnima do suco i;
ABj = acidez da base j;
AH = acidez da precoce.

d) Clculos
CPHt = CPt DTHt
t
CPLt = CPt DTLt
t
Estes clculos so para computar as capacidades
mxima (CPHt) e mnima (CPLt) de processamento
por perodo de planejamento t. Esses resultados so
utilizados na construo das restries de capacidade
de processamento na modelagem em questo.
ASHi = 66/RatioSLi
i
ASLi = 66/RatioSHi
i
ABj = 66/RatioBj
j
AH = 66/RatioH
Estes clculos so para computar a acidez mxima
do suco i (ASHi), acidez mnima do suco i (ASLi),
acidez da base j (ABj) e acidez da precoce (AH).
Observa-se que a constante 66 das equaes acima
se refere ao brix final mdio do produto acabado,
ou seja, 66% do produto composto por slidos
solveis (vide definio de brix no Quadro 1). Isso
se faz necessrio, pois as restries de mistura so
baseadas na acidez dos vrios componentes da mistura
e da acidez do produto final.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

472 Munhoz et al.

e) Variveis de deciso
QLfgjt = quantidade de laranja j gerando base j a
ser processada no perodo t proveniente do
fornecedor f do tipo g, em caixas de 40,8 kg; e
QLHft = quantidade de laranja precoce gerando base
precoce no perodo t proveniente do fornecedor
f, em caixas de 40,8 kg.
As variveis de deciso QLfgjt e QLHft definem
o plano de colheita e processamento de laranjas
para se realizar o plano de produo e mistura de
suco requerido pelo modelo. Cabe ressaltar que a
gerao do plano de colheita, assim como do plano de
produo e de mistura, vm da resoluo do modelo
como um todo.

Z = min CustoQL fgt QL fgjt +

f g t j

+ CustoQLH ft QLH ft +
f t

+ ( CustoHSit HSit + CustoFSit FSit ) + (2)

t i

+ ( CustoHH t HH t + CustoFH t FH t ) +
t

t j

QBjti = quantidade de base j consumida para produzir

suco i no perodo t em toneladas;
HSit = estoque de suco i no perodo t em toneladas;
HHt = estoque de precoce no perodo t em toneladas;
HBjt = estoque de base j no perodo t em toneladas;
FSit = falta de suco i no perodo t em toneladas;
FHt = falta de precoce no perodo t em toneladas;
FBjt = falta de base j no perodo t em toneladas;
ELfgt = estoque de laranja base no fornecedor f
do tipo g no perodo t em caixas de laranja de
40,8 kg; e
ELHft = estoque de laranja precoce no fornecedor
f no perodo t em caixas de laranja de 40,8 kg.

f) Funo objetivo
A funo objetivo (Equao 2) composta pela
soma do custo total da matria-prima; da soma do custo
total de armazenagem de suco, base e precoce e; da
soma do custo total de falta de suco, base e precoce.
O custo da matria-prima, alm de ser minimizado
relativamente ao perodo de processamento e na
relao precoce versus base, tambm minimizado
em relao ao fornecedor f e ao tipo de base g.

Restrio do nvel total de processamento

desse planejamento ttico respeitar (planejamento
hierrquico) a definio estratgica de nvel de
processamento (Equao 3):
QL fgjt

+ QLH ft

f g t j

f t

EL fg 0 + ELH f 0

QHPt = quantidade de precoce produzida no perodo

t em toneladas;

QHjti = quantidade de precoce consumida na base j

para produzir suco i no perodo t em toneladas;

g) Restries

QSit = quantidade de suco i produzido no perodo

t em toneladas;

QBPjt = quantidade de base j produzida no perodo

t em toneladas;

+ CustoHB jt HB jt + CustoFB jt FB jt

f g

(3)

EL" spot" g 0 ELH" spot" 0

g

A expresso 3 determina que se deva processar

no mnimo a fruta de todos os tipos de contratos
com exceo dos contratos tipo spot. Ou seja, nessa
modelagem apenas ocorrer formao de estoque de
produto se a quantidade de laranja disponvel para
o horizonte de planejamento, de todos os tipos de
contratos com exceo dos contratos tipo spot, for
maior que a quantidade necessria de laranja para
produzir o volume de suco demandado no horizonte
de planejamento em questo.
Restries de nveis mximo e mnimo de
processamento industrial (Equao 4):

CPLt QL fgjt + QLH ft CPH t t (4)

f g j

A expresso 4 define que a quantidade de laranja

processada em cada perodo t deve ser maior que o
parmetro de capacidade mnima de processamento
(CPLt), e menor que o parmetro de capacidade
mxima de processamento (CPHt). Convm notar
que a quantidade de laranja (QLfgjt e QLHft) est
desdobrada, tambm, por fornecedor f e por tipo
de laranja g.
Equaes de balano de material (Equaes 5 a 7):

QSit Demandait + HSi(t 1)

FSi(t 1) HSit + FSit = 0

i,t

(5)

QHPt QH jti + HH(t 1)

j i

FH(t 1) HH t + FH t = 0

t (6)

473

Otimizao no planejamento agregado de produo em indstrias de processamento...

QBPjt QB jti + HB j(t 1)

i

FB j(t 1) HB jt + FB jt = 0

j,t

j QB jti AB j + QH jti AH /

/ ASHi QB jti + QH jti

j

(8)

i,t

j QB jti AB j + QH jti AH /

/ ASLi QB jti + QH jti

j

i,t

QH jti PorcentagemH jt

QB jti + QH jti

QSit = QB jti + QH jti

j

j,i,t

i,t

(9)

(10)

(11)

As desigualdades, Expresses 8 e 9 so restries

que asseguram o limite mximo (Expresso 8) e
mnimo (Expresso 9) da acidez para cada produto
final i e para cada perodo t, a partir da combinao
das diversas bases j e precoce. As inexpresses
(Expresso10) garantem a quantidade mxima
permitida de precoce (PorcentagemHjt) adicionada a
cada base j para produzir o suco i em cada perodot.
A Expresso 11 determina que as quantidades de
suco, por perodo, as quais devem ser iguais soma
das quantidades de base j e precoce.
Expresses de relao de quantidade de laranja
gerando quantidades de bases e precoces, incorporando
o fator disponibilidade de fruta nos clculos
(Expresses12 a 15):

QL fgjt EL fg 0 DL fgjt f ,g, j,t

(12)
QLH ft ELH f 0 DH ft f ,t

f g

As Equaes 5 a 7 fornecem o estoque (ou falta)

de cada produto i (Equao 5), base j (Equao 7)
e precoce (Equao 6), ao final de cada perodo de
planejamento t. O resultado composto pela soma
do estoque do perodo anterior (ou menos a falta
originada no perodo anterior), mais tudo o que
foi produzido no perodo t, menos tudo o que foi
consumido (demandado) no perodo t.
Expresses de mistura para obteno dos produtos
finais conforme especificaes a partir de bases e
precoces (Expresses 8 a 11):

QL fgjt

(7)

(13)

QBPjt

RendimentoB jt = 0
QLH ft
f

j,t

(14)

QHPt

RendimentoH t = 0 t (15)

As Expresses 12 e 13 definem que o processamento

de laranja (QLfgjt e QLHft) s ocorre quando existe a
disponibilidade dessa laranja. Convm lembrar que
DLfgjt indica se h disponibilidade e, neste caso,
igual a 1 nas Expresso 12 (similarmente para DHft
na Expresso 13). Da mesma forma, se o parmetro
DLfgjt assumir valor igual a zero, ele garante que a
quantidade processada (QLfgjt) ser nula (o mesmo
vlido para DHft na Expresso 13). A Expresso 14
definem que a quantidade de base (QBPjt) produzida
a partir da quantidade de laranja processada (QLfgjt)
para cada perodo de planejamento t (note que
a quantidade de laranja (QLfgjt) est desdobrada,
tambm, por fornecedor f e por tipo de laranja g). A
Expresso 15 definem que a quantidade de precoce
(QHPt) produzida a partir da quantidade de laranja
precoce processada (QLHft) para cada perodo de
planejamento t.
Expresses de balano de material para
fornecimento de laranja (Expresses 16 e 17):

EL fgt EL fg(t 1) + QL fgjt = 0 f ,g,t (16)

j

ELH ft ELH f (t 1) + QLH ft = 0 f ,t

(17)

As Expresses 16 e 17 definem a evoluo do

estoque de laranja (ELfgt e ELHft) ao longo do horizonte
de planejamento por fornecedor f e por tipo de laranja
g ou precoce. Restrio de capacidade de fornecimento
de laranja (Expresses 18):

QL fgjt
j g

+ QLH ft CFft f ,t

(18)

A Expresso 18 definem que o fornecimento de

laranja para cada fornecedor f a cada perodo t deve
ser no mximo igual capacidade de fornecimento
do referido fornecedor f no dado perodo t. Essas
restries so necessrias para agregar o planejamento
de colheita ao modelo em questo.
Finalmente, tem-se que todas as variveis de
deciso do modelo so no negativas.

3.2 Anlise da soluo

O modelo apresentado na seo 3.1 possui as
seguintes caractersticas comumente encontradas
em empresas do setor ctrico:

474 Munhoz et al.

O modelo considera o processo de planejamento

parcialmente orientado pela demanda por
produto acabado e parcialmente orientado
pela disponibilidade de matria-prima. A
fruta prpria da empresa, assim como a fruta
previamente contratada, so dados de entrada
para o planejamento. Essa base de matria-prima
deve ser totalmente utilizada, ou seja, configura
um processo de empurrar o fornecimento de
material para dentro do sistema. Por outro lado,
h outra parte de matria-prima disponvel que
no est contratada (normalmente contratos de
curto prazo e spot), e a utilizao desta matriaprima orientada pela demanda de sucos configura
um processo de puxar o fornecimento de material
para dentro do sistema. Esses aspectos esto
devidamente representados no modelo, em
que a soluo consome a parcela empurrada e
utiliza apenas o mnimo necessrio da parcela
puxada, conforme determinao da demanda
por produtos acabados;
O modelo incorpora adequadamente a
dependncia do ratio do suco produzido em
relao ao perodo da colheita da laranja, ou
seja, uma mesma laranja pode dar origem a
diferentes ratios de suco em funo de sua curva
de maturao. Quanto mais tempo a laranja ficar
no pomar, maior ser o seu ratio;
A soluo do modelo responde adequadamente
ao objetivo de minimizar os custos da matriaprima, manuteno de estoques de produtos,
assim como os custos de falta de produto;
O modelo incorpora expresses de balanceamento
de material para laranja e suco, em que a soluo
reflete corretamente o comportamento esperado
dos estoques e faltas de produtos e matriaprimas ao longo do horizonte de planejamento;
O modelo fiel caracterstica de planejamento
hierrquico que determina que se deva processar
no mnimo a fruta de todos os tipos de contratos,
exceo aos contratos tipo spot que ficam
subordinados demanda por produtos acabados;
O modelo incorpora de forma apropriada as
restries de capacidade de processamento
industrial, assim como de fornecimento de
matria-prima; e
As expresses de mistura esto contidas no
modelo, e a soluo demonstra a coerente
utilizao dos vrios tipos de suco em um
processo de mistura, visando a obteno de um
determinado produto acabado.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

Com o objetivo de avaliar o comportamento do

modelo proposto, elaboraram-se diversos cenrios
baseados na situao real da empresa, variando-se
os parmetros de entrada e avaliando-se a coerncia
dos resultados do modelo diante dessas variaes. A
anlise crtica dos resultados fornecidos pelo modelo
frente aos diferentes parmetros de entrada foi feita
por um gestor da empresa, com experincia de mais
de vinte anos no setor de suco de laranja, dos quais
oito anos so na atividade de planejamento das
operaes e, tambm, por outro gestor da empresa em
planejamento de matria-prima, com experincia neste
tipo de planejamento e em modelos de otimizao.
Os principais parmetros de entrada utilizados
para avaliar a consistncia do modelo frente aos
diversos cenrios, assim como os detalhes dos
resultados obtidos do modelo para cada cenrio,
podem ser consultados em Munhoz (2009). Na
sequncia, apresenta-se uma discusso resumida
desses resultados. Como o modelo envolvido de
otimizao linear, os tempos computacionais para
resolv-lo em cada cenrio, utilizando a linguagem de
modelagem GAMS 19.6 com o resolvedor CPLEX7.0
(BROOKE; KENDRICK; MEERAUS, 1992), foram
bem aceitveis: da ordem de poucos segundos em
um microcomputador com processador Intel(R) CPU
T2300, 1.66 GHz e 0.99 GB de memria RAM. O
modelo contm 2.184 variveis e 1.885 restries.
O cenrio inicial escolhido composto de doze
meses de planejamento, sete famlias ou bases de
laranja (Precoce, BA11, BA13, BA14,
BA15, BA16 e BA17), com diferentes nveis
de acidez (consequentemente, ratio) em cada ms,
quatro famlias de produtos finais (PA11, PA13,
PA14 e PA15), e cinco tipos de fornecedores
de laranja com dois tipos de laranja. Este cenrio
utiliza valores para os diversos parmetros de forma
a possibilitar a anlise dos resultados relativamente
ao comportamento esperado do sistema. O plano
de mistura timo obtido apresenta os produtos
acabados com especificao de ratio dentro dos limites
estabelecidos, assim como respeita o limite mximo
de consumo de base precoce de suco (mximo 15%),
o que demonstrado, por exemplo, na Tabela 1. A
Tabela 1 composta por quadros, representando cada
produto final; linhas, representando os diferentes
perodos de planejamento; e colunas, indicando quanto
de cada componente deve ser consumido em cada
perodo de planejamento. As ltimas colunas de cada
quadro indicam a acidez, o ratio e a porcentagem de
precoce adicionada para o produto acabado resultante
em cada perodo, respectivamente. Por exemplo, note
que para se produzir 1.500 t de produto acabado
PA13 no perodo (ms) 1 so necessrias 225 t de
precoce, 633 t de base BA11 e 642 toneladas de

475

Otimizao no planejamento agregado de produo em indstrias de processamento...

base BA14. Essa mistura resulta em uma acidez

5,077, ratio 13,0 e uma adio de 15% de precoce,
resultados esses que esto dentro das especificaes
impostas pelo modelo.
A partir do cenrio inicial (cenrio 1), elaborou-se o
cenrio 2. Nesse cenrio, eliminou-se a disponibilidade
de fruta do fornecedor de laranja spot para os tipos
de laranja precoce, mdia e tardia. Como
resultados principais, tem-se: no ocorre fornecimento
desses tipos de laranja do fornecedor spot; e,
consequentemente, ocorre falta de bases para produo
de suco. Estes resultados eram os esperados pelos
gestores da empresa para essa situao. Novamente,
a partir do cenrio 1, alterou-se o parmetro de
estoque inicial de base, gerando o cenrio 3. Como
resultados principais desse cenrio, tem-se: o custo
total (funo objetivo) reduz sensivelmente devido
menor necessidade de laranja, que o principal
custo desse processo; no h falta de produto no final
do horizonte de planejamento; no h estoques de
produtos finais, bases e precoce no final do horizonte
de planejamento. Estes resultados tambm eram
os esperados pelos gestores da empresa para essa
simulao.
A partir do cenrio 1, tambm se elevou o custo
da laranja precoce do fornecedor spot, gerando-se o
cenrio 4. Como resultados principais do cenrio4,
tem-se: no h consumo de laranja precoce do
fornecedor de laranja spot; e, consequentemente, uma
menor produo de suco tipo precoce. Novamente,
os resultados so consistentes para tal cenrio.
Finalmente, a partir do cenrio 1, eliminou-se a
demanda por suco PA11. Como resultados principais,
tem-se: uma menor necessidade de gerao de produtos
acabados, bases e precoce, que, por sua vez, reduz
a necessidade de laranjas e, consequentemente, um
menor custo total. Resultados esses que eram os
esperados pelos gestores da empresa para essa situao.
Os dados e resultados completos de todos estes
cenrios esto detalhados em Munhoz (2009),
alm de outras anlises. Com isso observa-se que
a presente modelagem consistente. A partir do
modelo apresentado nesta seo, incorporam-se
conceitos de programao por metas no sentido de,
uma vez minimizado os custos, buscar a otimizao
do processo de mistura, o que discutido a seguir.

vrios objetivos. Quando na elaborao do plano de

mistura, deseja-se, alm de minimizar custos, que os
produtos fiquem o mais prximo possvel da mdia
de suas especificaes mnimas e mximas de ratio.
Por exemplo, em um produto com especificaes de
ratio mnimo e mximo 14 e 15, respectivamente,
desejvel que seu ratio fique o mais prximo possvel
da mdia 14,5. Dessa forma, no modelo da seo
3.1, pode-se definir metas com diferentes nveis
de prioridades, tais como (para mais detalhes de
programao por metas, veja, e.g., HAX; CANDEA,
1984; OZAN, 1986; WINSTON, 1991):
Meta 1, de maior prioridade, minimizar o
custo total. Nesse modelo o custo total a
soma dos custos da matria-prima (laranja),
da armazenagem de produtos (sucos) e falta
de produtos.
Meta 2, de prioridade secundria, minimizar
o desvio da especificao de ratio mdio para
os diversos produtos.
Definindo-se as variveis de desvio do modelo
conforme a Tabela 2, obtm-se uma nova funo
objetivo, para substituir a funo objetivo (2) do
modelo (2)-(18) da seo 3.1, dada pela Expresso 19:

t i

))

(19)

em que se admite que P1 >> P2 (i.e., a prioridade da

meta 1 muito maior do que a da meta 2) e ci um
peso relativo para cada produto i (neste trabalho,
por convenincia, utilizou-se ci = 1). necessrio
definir ainda mais um parmetro para o ratio mdio:
RatioSMi = ratio mdio do suco i;
que, por sua vez, necessita do clculo a seguir para
obter a acidez mdia (ASMi): ASMi = 66/RatioSMi.
Por fim, adicionaram-se ao modelo as seguintes
restries de metas 1 e 2:
Restrio da meta 1, obtida a partir da funo
objetivo (2) do modelo apresentado na seo 3.1
(Equao 20):
CustoQL fgt
f g t

QL fgt +

+ CustoQLH ft QLH ft +
f t

4 Abordagem de programao
por metas visando otimizar o
processo de mistura

CustoHSit HSit +
+
+
t i + CustoFSit FSit

(20)

CustoHH t HH t +
+
+
t + CustoFH t FH t

4.1 O modelo de programao por metas

Conforme Munhoz e Morabito (2001a, b), no
sistema de mistura de suco de laranja, pode ocorrer
a necessidade de decises gerenciais envolvendo

( )

min P1 s1+ + P2 ci s2+it + s2it

CustoHB jt HB jt +
+
+
s1 = 0
t j + CustoFB jt FB jt

476 Munhoz et al.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

Tabela 1. Resultado do plano de mistura para o cenrio 1.

Determinstico
PA11
(de 11,00 11,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
Ms
Quantidade em toneladas
1
225
1275

2
225
1275

3
225
1275

4
225
1173

102

5
225
1132
143

6
225
1173

102

7
225
1193

82

8
225
1205

70

9
225
1213

62
10
225
1213

62
11
225
1213

62
12
225
1213

62
PA13
(de 13,00 13,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
Ms
Quantidade em toneladas
1
225
633

642

2
225
633

642

3
225
633

642

4
225
179

1096

5
225

1275

6
225
179

1096

7
225
396

879

8
225
527

748

9
225
614

661
10
225
614

661
11
225
614

661
12
225
614

661
PA14
(de 14,00 14,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
Ms
Quantidade em toneladas
1
1125
873

5502

2
1125
873

5502

3
1125
873

5502

4
1125

6375

5
1125

4610

1795

6
1125

5937

438

7
1125
387

5988

8
1125
1276

5099

9
1125
1868

4507
10
1125
1868

4507
11
1125
1868

4507
12
1125
1868

4507
PA15
(de 15,00 15,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
Ms
Quantidade em toneladas

1
675

1126
2699

2
675

1126
2699

3
675

1126
2699

2175
2325

5
675

524

3301

6
675

167

3658

7
675

3825

8
675
53

3772

9
675
491

3334
10
675
282

1796
1747
11
675
491

3334
12
675
53

3772

Acidez
5,585
5,585
5,585
5,505
5,504
5,505
5,504
5,504
5,504
5,504
5,504
5,504

Ratio
11,82
11,82
11,82
11,99
11,99
11,99
11,99
11,99
11,99
11,99
11,99
11,99

% Precoce
15
15
15
15
15
15
15
15
15
15
15
15

Acidez
5,077
5,077
5,077
4,718
4,863
4,718
4,717
4,718
4,718
4,718
4,718
4,718

Ratio
13,00
13,00
13,00
13,99
13,57
13,99
13,99
13,99
13,99
13,99
13,99
13,99

% Precoce
15
15
15
15
15
15
15
15
15
15
15
15

Acidez
4,714
4,714
4,714
4,576
4,712
4,544
4,403
4,403
4,403
4,403
4,403
4,403

Ratio
14,00
14,00
14,00
14,42
14,01
14,53
14,99
14,99
14,99
14,99
14,99
14,99

% Precoce
15
15
15
15
14,9
15
15
15
15
15
15
15

Acidez
4,400
4,400
4,400
4,400
4,400
4,128
4,326
4,128
4,128
4,127
4,128
4,128

Ratio
15,00
15,00
15,00
15,00
15,00
15,99
15,25
15,99
15,99
15,99
15,99
15,99

% Precoce
15
15
15
0
15
15
15
15
15
15
15
15

Otimizao no planejamento agregado de produo em indstrias de processamento...

477

Tabela 2. Variveis de desvio.

Notao
Descrio
+
Varivel de desvio indicando o quanto a somatria dos custos da laranja, da armazenagem de produtos
S1
e falta de produtos est acima da meta 1: custo zero.
+
S2it

Varivel de desvio indicando o quanto o produto i no perodo t, est acima da especificao de ratio
intermediria desejada pela meta 2 (em quantidade ratio).

S2it

Varivel de desvio indicando o quanto o produto i no perodo t, est abaixo da especificao de ratio
intermediria desejada pela meta 2 (em quantidade ratio).

Restries da meta 2, obtidas a partir das expresses

de mistura (8) e (9) apresentadas na seo 3.1
(Expresso21):

QB jti AB j + +

s2 it +
j +QH jti AH
+ s2it = ASMi

QB jti + QH jti
j

(21)

i,t

A restrio (20), juntamente com a nova funo

objetivo (19), estabelecem que o custo total da laranja,
armazenagem de produtos e falta de produtos, deve
ser o mais prximo possvel de zero. Similarmente,
as restries (21) estabelecem que o ratio mdio
do produto i, obtido a partir das misturas das vrias
bases j em cada perodo t, deve ser o mais prximo
possvel do valor mdio da faixa de ratio permitida
para este produto.
Este modelo de programao por metas, junto
com as restries de no negatividade das variveis,
tambm foi codificado e resolvido pelo GAMS/
CPLEX. Inicialmente resolveu-se o problema
apresentado nessa seo minimizando o desvio da
meta 1 (custozero), ou seja, ignorou-se a meta 2 da
funo objetivo(19), para obter-se o custo mnimo
F*. Em seguida, resolveu-se o problema novamente
minimizando o desvio da meta 2 (ratio mdio) sob
a meta 1, ou seja, ignorou-se a meta 1 da funo
objetivo (19) e adicionou-se no modelo a restrio
de custo mnimo: S1+= F*. Em outras palavras, ao
admitir-se que P1 >>P2, procurou-se pela soluo de
mnimo desvio da meta de ratio mdio, dentre todas
as solues alternativas de custo mnimo.

4.2 Anlise da soluo de

programao por metas
O modelo de programao por metas discutido na
seo 4.1 foi aplicado para resolver o cenrio1 da
seo 3.2. Conforme mencionado, primeiro resolveu-se
o modelo minimizando o desvio da meta 1 (custo zero)
e, em seguida, resolveu-se o modelo minimizando o
desvio da meta 2 (ratio mdio) sob a meta 1. Como

estes dois modelos so de otimizao linear, os

tempos computacionais para resolv-los pelo GAMS/
CPLEX foram bem aceitveis, da ordem de poucos
segundos no microcomputador utilizado. O modelo
contm 2.282 variveis e 1.936 restries.
O plano de mistura timo obtido considerando-se os
objetivos 1 e 2, sendo que o objetivo 1 tem prioridade
sobre o objetivo 2, resumidamente apresentado na
Tabela 3. Comparam-se os planos de mistura quando
o objetivo apenas minimizar o custo total (meta1),
apresentado na Tabela 1 da seo 3.2, e quando se
tem tambm o objetivo de minimizar o desvio da
especificao ratio dos produtos acabados de seu
valor mdio (meta 2), apresentado na Tabela4.
Similarmente Tabela 1, esta tabela composta por
quadros, representando cada produto final; linhas,
representando os diferentes perodos do horizonte de
planejamento; e colunas indicando quanto de cada
componente deve ser consumido em cada perodo
de planejamento. As ltimas colunas de cada quadro
indicam a acidez, o ratio e a porcentagem de precoce
adicionada para o produto acabado resultante em
cada perodo.
A abordagem traz resultados positivos, uma vez
que parte do produto acabado gerado a partir desse
plano de mistura apresenta especificao de ratio
em torno do valor mdio do intervalo. Isso pode
ser visualizado na Tabela 3, na qual o ratio dos
produtos PA13 no ms 4, PA14 nos meses 5 e 6
e PA15 nos meses 5, 6 e 7, se alteraram na direo
desejada. Por exemplo, 7.500 ton do produto acabado
PA14 gerado pelo plano de mistura no perodo 5,
considerando-se apenas a meta 1, apresenta ratio
igual a 14,01 (Tabela 1 da seo 3.2), enquanto esse
mesmo produto nesse mesmo perodo resulta em ratio
igual a 14,50, quando se consideram as metas1 e 2
(vide a Tabela 3). Nota-se que a especificao de ratio
para o produto acabado PA14 varia de um valor
mnimo de 14,00 a um valor mximo de 14,99, o que
significa que o modelo fornece resultados melhores
do ponto de vista da meta 2.
A anlise dos resultados do modelo em questo
evidencia que a abordagem de programao por metas
utilizada consistente, e oferece elementos importantes
para dar apoio ao processo de tomada de deciso
no planejamento da produo de suco concentrado

478 Munhoz et al.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

Tabela 3. Resultados do plano de mistura para o modelo de programao por metas com os objetivos 1 e 2.
Meta 1 (mnimo custo) e Meta 2 mnimo desvio da especificao de ratio mdio
PA11
(de 11,00 11,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
ms
Quantidade em toneladas
1
225
1275

2
225
1275

3
225
1275

4
225
1275

5
225
1132
143

6
225
1173

102

7
225
1193

82

8
225
1205

70

9
225
1205

70

10
225
1205

70

11
225
1213

62
12
225
1213

62
PA13
(de 13,00 13,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
ms
Quantidade em toneladas
1
225
633

642

2
225
633

642

3
225
633

642

4
225
395

880

5
225

1275

6
225
179

1096

7
225
396

879

8
225
527

748

9
225
614

662
10
225
614

662
11
225
575

329
371
12
225
614

662
PA14
(de 14,00 14,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
ms
Quantidade em toneladas
1
1125
873

5502

2
1125
873

5502

3
1125
873

5502

4
1125

6375

5
1125

2678

3697

6
1125

6044

332

7
1125
387

5987

8
1125
1276

5099

9
1125
1868

4507
10
1125
1868

4507
11
1125
1868

4507
12
1125
1276

5099

PA15
(de 15,00 15,99)
(consumo esperado de precoce: mximo de 15%)
Precoce
BA11
BA13
BA14
BA15
BA16
BA17
ratio
14,0
11,5
13,5
14,5
15,5
16,5
17,5
acidez
4,714
5,739
4,889
4,552
4,258
4,000
3,771
ms
Quantidade em toneladas
1
675

1126
2699

2
675

1126
2699

3
675

1126
2699

2175
2325

5
675

3825

6
675

1231

2594

7
675

3192
633
8
675
53

3772

9
675
491

3334
10
675
491

3334
11
675
491

3334
12
675
491

3334

Acidez
5,585
5,585
5,585
5,585
5,504
5,505
5,504
5,504
5,504
5,504
5,504
5,504

Ratio
11,82
11,82
11,82
11,82
11,99
11,99
11,99
11,99
11,99
11,99
11,99
11,99

% Precoce
15
15
15
15
15
15
15
15
15
15
15
15

Acidez
5,077
5,077
5,077
4,889
4,863
4,718
4,717
4,718
4,718
4,718
4,717
4,718

Ratio
13,00
13,00
13,00
13,50
13,57
13,99
13,99
13,99
13,99
13,99
13,99
13,99

% Precoce
15
15
15
15
15
15
15
15
15
15
15
15

Acidez
4,714
4,714
4,714
4,576
4,552
4,552
4,403
4,403
4,403
4,403
4,403
4,403

Ratio
14,00
14,00
14,00
14,42
14,50
14,50
14,99
14,99
14,99
14,99
14,99
14,99

% Precoce
15
15
15
15
15
15
15
15
15
15
15
15

Acidez
4,400
4,400
4,400
4,400
4,326
4,258
4,258
4,128
4,128
4,128
4,128
4,128

Ratio
15,00
15,00
15,00
15,00
15,25
15,50
15,50
15,99
15,99
15,99
15,99
15,99

% Precoce
15
15
15
0
15
15
15
15
15
15
15
15

Otimizao no planejamento agregado de produo em indstrias de processamento...

congelado de laranja. Isso ocorre principalmente

no que tange elaborao do plano de mistura,
que evidencia o quanto vivel que os produtos
fiquem o mais prximo possvel da mdia de suas
especificaes mnimas e mximas de ratio, sem
afetar a meta principal de minimizao de custos.

5 Consideraes finais
5.1 Concluses
Como apresentado na seo 1, o objetivo deste
trabalho foi modelar o planejamento agregado da
produo de suco concentrado congelado de laranja
e, desta forma, que a modelagem se torne uma
ferramenta efetiva de apoio e anlise tomada de
deciso. Para isso, representaram-se as principais
decises envolvidas no planejamento por modelos de
programao linear (seo 3) e programao por metas
(seo 4). Inicialmente apresentou-se uma abordagem
para o problema que permite um planejamento mais
integrado da cadeia de suprimentos de suco de laranja.
Esse modelo pode ser uma ferramenta importante
para apoiar a deciso neste sistema. Isto foi realizado
por meio de uma extenso do modelo proposto em
Munhoz e Morabito (2001a, b), ao qual se incorpora
o planejamento de colheita ao planejamento de
produo, e tambm os clculos de ratios a partir da
considerao de acidez das bases de suco.
Em seguida, apresentou-se uma abordagem de
programao por metas, a qual apresenta resultados
promissores, uma vez que oferece a possibilidade
de gerar planos de produo objetivando atingir a
especificao mdia para o parmetro ratio do produto
acabado (vide seo 4.2), sem prejudicar o objetivo
de maior importncia, que, no problema em questo,
minimizar custos de matria-prima e armazenagem/
falta de produtos. Nota-se que a vantagem deste
modelo de programao por metas em relao ao
modelo apresentado na seo 3 que, neste ltimo,
uma vez atingido o valor timo da funo objetivo
(minimizar custos), a especificao de ratio do produto
acabado em geral fica no limite inferior ou no limite
superior da faixa de ratio definida para o produto
acabado (vide Tabelas 2 da seo 3.2). Desta forma,
pequenos desvios na execuo do plano de produo
podem levar a produtos fora de especificao. Por
outro lado, no modelo de programao por metas, o
plano de produo gerado est mais bem protegido
contra tais desvios (vide Tabela 3 da seo 4.2).
Todos os modelos lineares aqui apresentados so
resolvidos pelo software GAMS/CPLEX e os tempos
de processamento so da ordem de poucos segundos,
no sendo, portanto, um limitante para a aplicao
destas abordagens na prtica.
Cabe destacar que as principais contribuies
deste estudo esto no desenvolvimento de modelos

479

de programao linear e programao por metas

para apoiar o processo de tomada de deciso no
planejamento agregado de produo e colheita. Sendo
que, a considerao das curvas de maturao das
laranjas no planejamento de colheita e a considerao
dos processos de mistura de diferentes tipos de sucos
para obteno da especificao de ratio do produto
acabado no planejamento da produo conduzem a
modelos que incorporam grande parte das decises
envolvidas na cadeia de suprimentos deste setor. Desta
forma, os modelos apoiam o tomador de deciso na
busca excelncia na gesto da cadeia de suprimentos.

5.2 Perspectivas para pesquisa futura

O presente trabalho oferece vrias oportunidades
para pesquisa futura. Algumas delas so destacadas
a seguir. Conforme mencionado anteriormente, uma
perspectiva interessante para investigao futura seria
incorporar nos modelos outras caractersticas que
interferem na determinao da especificao do ratio
da fruta, tais como a regio produtora e a florada. Outra
perspectiva interessante seria incluir nos modelos o
planejamento de distribuio do produto acabado,
pois neste setor ctrico os sistemas de distribuio de
produtos em geral so em nvel internacional, com
armazns de distribuies em diferentes geografias,
tais como: EUA, Europa e sia. Em Munhoz (2000)
e Munhoz e Morabito (2001a, b), pode ser encontrada
uma descrio de um sistema de distribuio de suco
de laranja concentrado de laranja.
Seria tambm interessante incorporar na
abordagem de programao por metas uma anlise
de compensao (trade-off) entre solues subtimas
e ratio do produto acabado resultante do plano de
produo. Eventualmente uma pequena variao do
objetivo primrio (custo mnimo) pode resultar em
planos de produo que gerem especificaes de
ratio dos produtos acabados bem mais prximas do
valor mdio da faixa permitida. Isto significa maior
proteo contra possveis desvios, minimizando
assim a ocorrncia de produtos fora de especificao,
apesar de implicar em (pequenos) aumentos no custo
mnimo do plano. Outros resultados tambm poderiam
ter sido analisados neste trabalho, estimando-se
as penalizaes P1 e P2 para os objetivos de custo
mnimo e ratio mdio, respectivamente (ao invs de
se considerar P1 >>P2), e resolvendo-se o modelo
de programao por metas com a funo biobjetivo
escalonada desta maneira.
Outra pesquisa promissora desenvolver modelos
de otimizao robusta (BERTSIMAS; SIM, 2003,
2004; BERTSIMAS; THIELE, 2006) a partir
destes modelos determinsticos, incorporando as
incertezas inerentes a determinados parmetros do
modelo (MUNHOZ, 2009). Pretende-se reportar os
resultados desta pesquisa em um futuro prximo.

480 Munhoz et al.

Finalmente, uma investigao futura importante

baseada nas abordagens apresentadas neste trabalho
seria desenvolver procedimentos para desagregao
dos planos agregados gerados por estas abordagens.
Desta forma, seria possvel mostrar como estes
modelos tticos de planejamento agregado poderiam
ser desdobrados em planos operacionais, que, por
sua vez, teriam os seus resultados controlados e
tambm poderiam retroalimentar os planos tticos.

Agradecimentos
Os autores agradecem aos revisores annimos
pelos teis comentrios e sugestes. Esta pesquisa
contou com apoio do CNPq e FAPESP

Referncias
ACKOFF, R. L. Scientific method: optimizing applied
research decisions. John Wiley & Sons, 1962.
AL-SHAMMARI, M.; DAWOOD, I. Linear programming
applied to a production blending problem: a spreadsheet
modeling approach. Production and Inventory
Management Journal, v. 38, n. 1, p. 1-7, 1997.
ARENALES, M. N.; ARMENTANO, V. A.; MORABITO,
R.; YANASSE, H. H.: Pesquisa Operacional. Rio de
Janeiro: Campus; Elsevier, 2007.
AXSATER, S.; JONSSON, H. Aggregation and
disaggregation in hierarchical production. European
Journal of Operational Research, n. 17, p. 338-350,
1984.
BAZARAA, M. S.; JARVIS, J. J.; SHERALI, H. D.
Linear programming and network flows. John Wiley
& Sons, 1990.
BERTSIMAS, D.; SIM, M. Robust discrete optimization
and network flows. Mathematical Programming
Series B, v. 98, n. 1-3, p. 49-71, 2003.
BERTSIMAS, D.; SIM, M. The price of robustness.
Operations research, v. 52, n. 1, p. 35-53, 2004.
BERTSIMAS, D.; THIELE, A. A robust optimization
approach to inventory theory. Operations Research,
v. 54, n. 1, p. 150-168, 2006.
BROOKE, A., KENDRICK, D., MEERAUS, A. Release
2.25 GAMS - A Users Guide. San Francisco: The
Scientific Press, 1992.
CAIXETA FILHO, J. V. Estrutura de modelagem para
programao de colheita de laranja. 1993. Tese
(Doutorado) Universidade de So Paulo, 1993.
CAIXETA FILHO, J. V. Orange harvesting scheduling
management: a case study. Journal of the Operational
Research Society, v. 57, p. 637-642, 2006.
GEOFFRION, A. M. A priori error bounds for procurement
commodity aggregation in logistics planning models.
Naval Research Logistics Quarterly, v. 24, n. 2,
p.201-212, 1977.
HAX, A. C.; MEAL, H. C. Hierarchical integration of
production planning and scheduling. In: GEISLER, M.

Gest. Prod., So Carlos, v. 17, n. 3, p. 465-481, 2010

A. (Ed.). Studies in Management Sciences, logistics.

v.1. New York: North Holland-American Elsevier, 1975.
HAX, A.C.; CANDEA, D. Production and inventory
management. Prentice-Hall, 1984.
HILLIER, F. S.; LIEBERMAN, J. G. Introduction to
operations research. 6th ed. New York: McGraw-Hill
International Editions, 1995.
JOHNSON, L. A.; MONTGOMERY, D. C. operations
research in production planning, scheduling, and
inventory control. New York: John Wiley & Sons, 1974.
JUNQUEIRA, R. A. R.; MORABITO, R. Planejamento
otimizado da produo e logstica de empresas produtoras
de sementes de milho: um estudo de caso. Gesto &
Produo, v. 15, p. 367-380, 2008.
JUNQUEIRA, R. A. R.; MORABITO, R. Um modelo de
otimizao linear para o planejamento agregado da
produo e logstica de sementes de milho. Produo,
v. 16, n. 3, p. 510-525, 2006.
KESTERSON, J. W.; BRADDOCK, R. J. By-products
and specialty products of Florida citrus. Gainesville:
Institute of Food and Agricultural Sciences, University
of Florida, 1976. Bulletin 784.
MUNHOZ, J. R. Otimizao no planejamento agregado
de produo em indstrias de processamento de
suco concentrado congelado de laranja. 2009. Tese
(Doutorado em Engenharia de Produo)-Universidade
Federal de So Carlos, So Carlos, 2009.
MUNHOZ, J. R. Um modelo baseado em programao
linear e programao de metas para anlise de
um sistema de produo e distribuio de suco
concentrado congelado de laranja. 2000. Dissertao
(Mestrado em Engenharia de Produo)-Universidade
Federal de So Carlos, So Carlos, 2000.
MUNHOZ, J. R.; MORABITO, R. A goal programming
model for frozen concentrated orange juice production
and distribution system. Opsearch, v. 38, n. 6, p.630-646,
2001b.
MUNHOZ, J. R.; MORABITO, R. Um modelo baseado
em programao linear e programao de metas para
anlise de um sistema de produo e distribuio de
suco concentrado congelado de laranja. Gesto &
Produo, v. 8, n. 2, p. 139-159, 2001a.
NAHMIAS, S. Production and operations analysis.
Richard D. Irwin, 1993.
OZAN, T. M. Applied Mathematical Programming
for Engineering and Production Management.
Prentice-Hall, 1986.
PAIVA, R. P. O. Modelagem do planejamento agregado
da produo em usinas cooperadas do setor
sucroenergtico utilizando programao matemtica
e otimizao robusta. Tese (Doutorado em Engenharia
de Produo)-Universidade Federal de So Carlos, So
Carlos, 2009.
PAIVA, R. P. O.; MORABITO, R. An optimization model
for the aggregate production planning of a Brazilian sugar
and ethanol milling company. Annals of Operations
Research, v. 169, p. 117-130, 2009.

Otimizao no planejamento agregado de produo em indstrias de processamento...

PAIVA, R. P. O.; MORABITO, R. Um modelo de otimizao

para o planejamento agregado da produo em usinas
de acar e lcool. Gesto & Produo, v. 14, n. 1,
p. 25-41, 2007.
PINTO, K. C. R. Contribuio anlise de deciso sobre
os sistemas de distribuio fsica de suco de laranja
brasileiro de exportao. Tese (Doutorado)-Escola de
Engenharia de So Carlos, Universidade de So Paulo,
So Carlos, 1996.
SCHRAGE, L. Linear, integer and quadratic
programming with LINDO. The Scientific Press, 1986.
SCHRAGE, L. Optimization Modeling with Lingo.
Lindo Systems, 2001.
SHAPIRO, J .F. Mathematical programming models
and methods for production planning and scheduling.

481

In: GRAVES, S. C.; RINNOOY KAN, A. H. G.;

ZIPKIN, P. H. (Eds.). Logistic of Production and
Inventory. Elsevier Science Publishers, 1993. p. 371-439.
(Handbooks in Operations Research and Management
Science, v. 4).
SHAPIRO, J. F. Modeling the supply chain. Califrnia:
Pacific Grove, 2001.
WILLIAMS, H. P. Model building in mathematical
programming. New York: John Wiley & Sons, 1978.
WINSTON, W. L. Operations research: applications and
algorithms. Boston: Wadsworth, 1991.
ZIPKIN, P. Exact and approximate cost function for
product aggregates. Management Science, n. 28,
p.1002-1012, 1982.