sexta-feira, 11 de janeiro de 2013

Pesquisa Operacional no Ensino da Logística


Pesquisa Operacional no Ensino da Logística

Pesquisa operacional no ensino da Logística
 

Resumo

A Logística como atividade já está estabelecida no Brasil há aproximadamente quatro décadas. Seu ensino sempre fez parte de cursos como Administração e Engenharia de Produção. Com a criação dos cursos de graduação em Logística algumas considerações foram modificadas. As explicações de como funciona a Logística cederam espaço para o ensino de técnicas mais apuradas com a ampliação do uso da Matemática. A Programação Linear é uma das técnicas de otimização usadas para solucionar problemas de produção e distribuição, sua solução pode ser manual, através do método algébrico ou do Simplex. Ambos exigem conhecimento para resolver sistemas de matrizes. Atualmente o uso de ferramentas de informática simplifica a compreensão e a otimização dos modelos. O Microsoft Excel traz o suplemento Solver que diminui o trabalho repetitivo, que é o mais sujeito a erros. Desta forma é possível avaliar cenários de produção e distribuição com as suas respectivas conseqüências. Um exemplo de alocação de seis locais de produção e 30 locais de distribuição dos produtos ilustra as explicações técnicas. A técnica ainda é pouco difundida entre os profissionais de Logística, mas apresenta grande potencial de aumento de lucros ou redução de custos.

Introdução

O alinhamento estratégico tem sido perseguido por empresas de excelência em desempenho logístico pelo fato de compatibilizar mutuamente os objetivos de competitividade e os da cadeia de suprimentos. Chopra (2003) afirma que há uma integração entre as prioridades dos clientes e as habilidades da cadeia de suprimentos. A Logística empresarial se apresenta como a parte da cadeia de suprimentos responsável pelo fluxo e armazenagem dos bens entre a origem e o consumidor final. De acordo com o Council of Logistics Management (CLM) a gestão logística funciona como um integrador de atividades de marketing, vendas, produção, finanças e sistemas de informações (CLM, 2004). Este parece ser, portanto, um ponto em que a Logística se apresenta como um apaziguador de conflitos.

A Gestão da Distribuição Física responsabiliza-se por reduzir as desigualdades entre os objetivos do marketing e o das finanças. Tanto o movimento como a armazenagem dos produtos acabados até o consumidor final são funções que minimizam as desigualdades de pontos de vista: os responsáveis pelo marketing desejam produtos sempre disponíveis e em grandes quantidades, ao passo que os profissionais da área financeira buscam a redução dos inventários e dos custos com transportes e armazenagem (DORNIER, 2000).

A administração do canal de distribuição preocupa-se com os resultados financeiros, mas também permanece atenta à percepção que os clientes têm a respeito de seus serviços. CHRISTOPHER (1999) exemplifica que o objetivo logístico baseia-se fundamentalmente em atividades que resultam na entrega do produto certo, no lugar certo e na hora certa. Isso, segundo o autor, seria a condição para a melhor condução dos negócios e para haver incremento na lucratividade e manter-se competitivo. Alcançar cada um dos “certos” da Logística independentemente não significa algo de especial para o cliente. Por isso, os três certos devem ser obtidos de forma concomitante, o que demanda um grande esforço de coordenação.

A Logística é considerada uma atividade, portanto, conta com o uso de disciplinas de outras áreas para formar seus profissionais. A bipolaridade entre finanças (ou custos) e marketing é um exemplo da dificuldade em gerir recursos empresariais na área da Logística. A solução de problemas de alocação de recursos envolvendo diversas variáveis pode ser de difícil obtenção. Exige, então, o uso de ferramentas de otimização, nem sempre de fácil compreensão, mas de excelente resultado. Os métodos de otimização são apropriados para esse tipo de situação, onde a eficiência é alcançada, observando-se as restrições do problema, através da melhor alocação dos recursos de produção.

A Pesquisa Operacional oferece soluções matemáticas para os casos em que a otimização é necessária. Trata-se da utilização do método científico para resolver os problemas de tomadas de decisão com os melhores resultados possíveis de acordo com as políticas da empresa.

Pesquisa Operacional


 A ciência da Pesquisa Operacional é aplicada na resolução de problemas, inclusive os empresarias, utilizando modelos matemáticos com a assistência de computados. Os processos de tomada de decisão muitas vezes envolvem elementos objetivos (racionais) e subjetivos (enquadramento organizacional). Ambos são contemplados nos modelos de Pesquisa Operacional para a solução problemas. Sua função de encontrar soluções ótimas tem uso nas mais diversas atividades, inclusive nas de alocação de recursos, sejam eles financeiros, materiais, patrimoniais, humanos ou tecnológicos.

A Administração, a Engenharia de Produção, e por conseqüência a Logística passaram a utilizar a Pesquisa Operacional como método para a solução de seus problemas a partir da Segunda Guerra Mundial. A disciplina criada para o ambiente militar transcendeu suas fronteiras iniciais e encontrou abrigo tanto na comunidade acadêmica como empresarial no ramo da Administração (ANDRADE, 1998).

Dentre as vantagens da utilização da Pesquisa Operacional na determinação da melhor alocação de recursos limitados ou escassos está a possibilidade da realização de simulações de situações reais, antecipando o conhecimento dos potenciais resultados e suas probabilidades de ocorrer. Os métodos, portanto, permitem a avaliação de alternativas com a otimização das atividades e de recursos.

Algumas fases são observadas na solução de problemas com Pesquisa Operacional. As mais importantes são descritas abaixo:

a.             Definição do problema: são definidos os objetivos, as alternativas de decisão, os limites e as restrições das variáveis.

b.            Construção do modelo: são apresentadas as características mais importantes do problema abordado. O conhecimento obtido é representado através de imagens intelectuais sobre o que é mais relevante da porção da realidade em análise.

c.             Solução do modelo: o método apresenta as saídas ótimas para as entradas de informações do modelo em questão.

d.            Validação do modelo: o modelo é válido se tiver soluções de previsão apropriadas para a realidade estudada e se forem úteis para a tomada de decisão.

e.             Implementação da solução: neste momento são transferidos para a realidade os resultados provenientes das simulações ou das otimizações.

f.             Avaliação final: observação dos resultados práticos do que foi sugerido na solução através dos modelos.

Vale lembrar que os modelos traduzem apenas uma porção da situação real e que, pela sua simplificação, podem mostrar soluções que são boas para um segmento da empresa ao passo que são inadequadas para a empresa em maneira geral. A Teoria Geral dos sistemas adverte que as partes são interdependentes e que deve haver tratamento complexo para realidade complexa (Maximiano, 2002)

A modelagem matemática em Pesquisa Operacional classifica-se principalmente segundo a forma com que são solucionados os problemas:

a.             Programação Linear: as variáveis são contínuas e têm comportamento linear. As restrições e a função objetivo também são lineares em relação às variáveis.

b.            Programação Não-linear: havendo não-linearidade na função objetivo ou nas restrições, a otimização caracteriza um problema de Programação Não-linear.

c.             Programação Inteira: problemas complexos em que as variáveis não são contínuas, mas discretas, demanda o uso de Programação Inteira.

Os diferentes tipos de Programação Matemática oferecem soluções específicas para problemas reais. Outras disciplinas fundem suas formas de solução de forma semelhante aos da Programação matemática.

Solução Algébrica


A solução algébrica exige que um termo aditivo  (chamado de variável de folga) apareça em cada inequação para transformá-las em equações. Isso tornará o sistema solúvel, mas aumenta o número de possíveis respostas para o problema, fazendo com que uma grande quantidade de soluções sejam apresentadas e apenas uma escolhida dentre todas. Sendo n o número de incógnitas e m o número de restrições, haverá m+n equações. Portanto, algumas deverão ser zeradas. São  soluções possíveis, sendo que algumas são inviáveis. Goldbarg (2000) argumenta que o número de soluções viáveis em pontos extremos ou vértices (próximos do ótimo) cresce de forma exponencial em relação ao número de variáveis.

Encontrar o ponto onde os custos são mínimos ou o lucro é máximo começa ficar trabalhoso com a adição de novas restrições. Para isso utiliza-se um método da álgebra matricial chamado Simplex, que diminui o número de operações necessárias para resolver problemas maiores.

Método Simplex


Devido à complexidade de alguns problemas de Programação Linear é utilizado o método Simplex para a solução. Murty (1983) argumenta que os métodos clássicos em cálculo ou álgebra linear não são suficientes para resolver sistemas de Programação Linear ou de inequações lineares, por isso uma técnica especial, o Simplex, foi desenvolvida. Shamblin e Stevens Jr (1979) explicam que são usados conceitos básicos da matemática matricial começando com uma solução viável qualquer satisfazendo todas as restrições e acabando por encontrar os resultados que maximizam a função-objetivo. O Simplex é um algoritmo. Algoritmo é um procedimento ou uma fórmula para resolver um problema. Na Matemática é um pequeno procedimento que serve para resolver um problema generalizado. Goldbarg (2000) explica que o algoritmo Simplex soluciona problemas de equações lineares através de uma seqüência de passos, otimizando uma função-objetivo. Teoricamente pode ser utilizado para otimizar qualquer número de variáveis.

O algoritmo Simplex examina toda uma seqüência de pontos em uma região viável e encontra a solução ótima. O procedimento faz com que a região viável, de um canto a outro, seja analisada até que todos os incrementos na função-objetivo sejam testados (CORMEN, 1999).

Entretanto, os modelos desenvolvidos são de difícil e lenta solução, sujeitos ao erro humano. De nada adiantaria obter soluções tão morosas que seu cálculo fica pronto depois que a produção já tivesse encerrado. Por isso o uso do computador revolucionou a forma de utilização da Programação Linear, passando de problemas estratégicos, de longo prazo, para situações operacionais, de curtíssimo prazo.

Programação Linear no ensino da Logística


 Com o aumento da concorrência entre as empresas torna-se necessário reduzir os riscos e as incertezas para prosperar. Considera-se que todos os ambientes empresariais contêm um componente de risco e incerteza, justamente as origens do lucro (KNIGHT, 1972). As empresas precisam, portanto, de um instrumento confiável e viável para a geração de conhecimento suficiente para que decisões sejam feitas com mais segurança em relação a seus concorrentes. Em ambientes empresariais que envolvem produção e distribuição de bens as alocações são muito dinâmicas e o que provou ser eficaz pode perder sua validade em um curto período. Portanto, ferramentas de apoio a tomada de decisão são cada vez mais utilizadas no dia a dia, substituindo as deliberações estratégicas que serviam para um período mais extenso.

Os cursos de ensino da Logística ainda estão começando a aparecer no Brasil. Apesar de ser ministrada como disciplina, a graduação é pouco disseminada. Alguns cursos de pós-graduação estão tentando preencher a lacuna, compensando a falta de formação específica de profissionais já atuando no mercado (LAVRATTI, 2004). Entretanto, esses cursos de pós-graduação são latu senso, de curta duração (360 horas) e voltados a pessoas sem conhecimento técnico das disciplinas que orientam a formação de base quantitativa do profissional de logística.

O primeiro curso de graduação em Logística na Brasil tem sua grade curricular organizada de forma inter e transdiciplinar, para proporcionar ao aluno a construção do conhecimento e conhecimento do mundo (UNIVALI, 2003). As disciplinas de predominância quantitativa interagem com as qualitativas formando uma harmonia ideal para as tomadas de decisão, sejam elas de curto, médio ou longo prazo.
 

1o Período
Disciplina
Duração
Enfoque
 
Cálculo aplicado à Logística
60 horas
Quantitativo
 
Comunicação empresarial
60 horas
Qualitativo
 
Economia regional
60 horas
Qualitativo
 
Gerenciamento do transporte rodoviário de carga
60 horas
Quantitativo
 
Introdução à Logística
60 horas
Quantitativo
2o Período
Disciplina
Duração
Enfoque
 
Análise do transporte multimodal
60 horas
Quantitativo
 
Informática na Logística
60 horas
Qualitativo
 
Engenharia econômica
60 horas
Quantitativo
 
Geopolítica
60 horas
Qualitativo
 
Logística de suprimentos
60 horas
Quantitativo
3o Período
Disciplina
Duração
Enfoque
 
Armazenagem e movimentação de materiais
60 horas
Quantitativo
 
Inglês técnico
60 horas
Qualitativo
 
Metodologia do trabalho científico
60 horas
Qualitativo
 
Métodos de otimização em transportes
60 horas
Quantitativo
 
Tecnologia da informação na Logística
60 horas
Qualitativo
4o Período
Disciplina
Duração
Enfoque
 
Custos logísticos
60 horas
Quantitativo
 
Estatística aplicada à Logística
60 horas
Quantitativo
 
Gestão da distribuição física
60 horas
Quantitativo
 
Planejamento e logística de produção
60 horas
Quantitativo
 
Transporte público
60 horas
Quantitativo
 
Estágio ou monografia
60 horas
 
5o Período
Disciplina
Duração
Enfoque
 
Filosofia e ética na Logística
60 horas
Qualitativo
 
Gestão de recursos humanos
60 horas
Qualitativo
 
Logística reversa
60 horas
Quantitativo
 
Psicologia em Logística
60 horas
Qualitativo
 
Planejamento estratégico
60 horas
Quantitativo
 
Estágio ou monografia
120 horas
-
6o Período
Disciplina
Duração
Enfoque
 
Logística avançada
60 horas
Qualitativo
 
Logística internacional
60 horas
Quantitativo
 
Marketing
60 horas
Qualitativo
 
Qualidade no pensamento logístico
60 horas
Quantitativo
 
Direito na Logística
60 horas
Qualitativo
 
Estágio ou monografia
120 horas
-
-
 
 
 
 
Atividades complementares
120 horas
-




 

0 Comentários: