Beruflich Dokumente
Kultur Dokumente
465-481, 2010
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
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
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.
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
Caixa de fruta
Brix
Acidez
Depois dos acares, os cidos so os slidos solveis presentes em maior quantidade no suco.
O teor de cidos determinado por titulao.
Ratio
Variedade
469
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
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
471
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.
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.
+ CustoQLH ft QLH ft +
f t
+ ( CustoHH t HH t + CustoFH t FH t ) +
t
t j
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.
+ QLH ft
f g t j
f t
EL fg 0 + ELH f 0
g) Restries
+ CustoHB jt HB jt + CustoFB jt FB jt
f g
(3)
i,t
(5)
FH(t 1) HH t + FH t = 0
t (6)
473
FB j(t 1) HB jt + FB jt = 0
j,t
j QB jti AB j + QH jti AH /
(8)
i,t
j QB jti AB j + QH jti AH /
i,t
QH jti PorcentagemH jt
QB jti + QH jti
j,i,t
i,t
(9)
(10)
(11)
f g
QL fgjt
(7)
(13)
QBPjt
RendimentoB jt = 0
QLH ft
f
j,t
(14)
QHPt
RendimentoH t = 0 t (15)
(17)
QL fgjt
j g
+ QLH ft CFft f ,t
(18)
475
t i
))
(19)
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
( )
CustoHB jt HB jt +
+
+
s1 = 0
t j + CustoFB jt FB jt
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
477
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).
QB jti AB j + +
s2 it +
j +QH jti AH
+ s2it = ASMi
QB jti + QH jti
j
(21)
i,t
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
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
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.
481