Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos

Detalhes bibliográficos
Autor(a) principal: Silveira, Marco Aurélio Campetti da
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/75919
Resumo: A disputa por parcelas de mercado impõe condições severas às empresas sob diversas perspectivas. Dentre elas salienta-se a crescente demanda por alta variedade de produtos, que por sua vez cria um ambiente de decisões gerenciais complexas e por vezes conflitantes. Neste contexto, dois pontos relativos a processos produtivos tornam-se cada vez mais importantes na implantação de estratégias diferenciadas: a programação da produção e a gestão de estoques. Esta dissertação apresenta uma sistemática que visa embasar decisões relativas a tais pontos, aprimorando o processo produtivo. Como primeira etapa, trata-se o problema relativo à programação da produção diária. Para tanto, é apresentada uma sistemática de seleção de variáveis de clusterização para agrupamento de produtos, a qual é integrada à Simulação de Monte Carlo (SMC) com objetivo de maximizar lucro. Os cenários propostos são aplicados em clusters (famílias de produtos) e não nos produtos de forma individual, simplificando e agilizando a programação da produção. O erro percentual em relação à situação real foi de 1%. A segunda etapa desta dissertação foca na seleção de variáveis de clusterização com vistas à gestão de estoques. Desta forma, é apresentada uma abordagem de seleção de variáveis para clusterização de 76 produtos em três clusters, sendo que para cada cluster são geradas políticas simultâneas de reposição dos produtos. Tais políticas são confrontadas, em termos de custos de colocação de pedidos e guarda de estoques, com os resultados gerados pelo Lote Econômico de Compras (LEC). A redução do volume de pedidos anuais se aproximou de 90%, enquanto que o incremento de custos relativos à guarda de produtos e processamento de pedidos foi de 0,2% frente ao custo gerado pelo LEC.
id URGS_1841f7a64be955717d892f7905af83fc
oai_identifier_str oai:www.lume.ufrgs.br:10183/75919
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Silveira, Marco Aurélio Campetti daAnzanello, Michel José2013-07-17T01:49:36Z2013http://hdl.handle.net/10183/75919000891329A disputa por parcelas de mercado impõe condições severas às empresas sob diversas perspectivas. Dentre elas salienta-se a crescente demanda por alta variedade de produtos, que por sua vez cria um ambiente de decisões gerenciais complexas e por vezes conflitantes. Neste contexto, dois pontos relativos a processos produtivos tornam-se cada vez mais importantes na implantação de estratégias diferenciadas: a programação da produção e a gestão de estoques. Esta dissertação apresenta uma sistemática que visa embasar decisões relativas a tais pontos, aprimorando o processo produtivo. Como primeira etapa, trata-se o problema relativo à programação da produção diária. Para tanto, é apresentada uma sistemática de seleção de variáveis de clusterização para agrupamento de produtos, a qual é integrada à Simulação de Monte Carlo (SMC) com objetivo de maximizar lucro. Os cenários propostos são aplicados em clusters (famílias de produtos) e não nos produtos de forma individual, simplificando e agilizando a programação da produção. O erro percentual em relação à situação real foi de 1%. A segunda etapa desta dissertação foca na seleção de variáveis de clusterização com vistas à gestão de estoques. Desta forma, é apresentada uma abordagem de seleção de variáveis para clusterização de 76 produtos em três clusters, sendo que para cada cluster são geradas políticas simultâneas de reposição dos produtos. Tais políticas são confrontadas, em termos de custos de colocação de pedidos e guarda de estoques, com os resultados gerados pelo Lote Econômico de Compras (LEC). A redução do volume de pedidos anuais se aproximou de 90%, enquanto que o incremento de custos relativos à guarda de produtos e processamento de pedidos foi de 0,2% frente ao custo gerado pelo LEC.The dispute for larger market shares imposes hard conditions to companies in several perspectives. The growing demand for high variety of product models gives rise to complex productive scenarios, requiring precise managerial decisions. In this context, two points relating to production processes become increasingly important when implementing managerial strategies: production scheduling and inventory management. This dissertation presents an approach aimed at supporting decisions related to such points. As a first step, we tackle the daily scheduling problem presenting a systematic for selecting the most relevant variables for clustering products with similar features into groups; such groups are then integrated to a Monte Carlo Simulation (MCS) tailored to maximizing profit. In our propositions, managing clusters of products leads to simpler and faster managerial decisions regarding the production schedule. A proper training of the MCS parameters yielded a 1% deviation when compared to the real situation. The second part of this dissertation focuses on variable selection for clustering tailored to inventory management. For that matter, we present a variable selection approach for clustering 76 products into three clusters; such clusters are then integrated to a simultaneous inventory policy. The simultaneous policy aims at reducing costs of orders placement and simplifying the inventory management. When compared to the Economic Quantity Order (EOQ), our propositions reduced the number of order placements in 90%, while increasing costs related to inventory keeping in 0.2%.application/pdfporCluster industrialGestão de estoquesMétodo de Monte CarloVariable selectionClusteringMonte Carlo simulationInventory managementSeleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivosClustering variable selection for production planning improvement info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de ProduçãoPorto Alegre, BR-RS2013mestrado profissionalinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000891329.pdf000891329.pdfTexto completoapplication/pdf1388693http://www.lume.ufrgs.br/bitstream/10183/75919/1/000891329.pdfc0f526ec3a8a44decb0e5f934767bec6MD51TEXT000891329.pdf.txt000891329.pdf.txtExtracted Texttext/plain119041http://www.lume.ufrgs.br/bitstream/10183/75919/2/000891329.pdf.txt3dc140868b2da59514e536a143fc4ce5MD52THUMBNAIL000891329.pdf.jpg000891329.pdf.jpgGenerated Thumbnailimage/jpeg1193http://www.lume.ufrgs.br/bitstream/10183/75919/3/000891329.pdf.jpg7f950b4d4d530afe689800a1552cba3bMD5310183/759192018-10-15 08:11:27.3oai:www.lume.ufrgs.br:10183/75919Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-15T11:11:27Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
dc.title.alternative.en.fl_str_mv Clustering variable selection for production planning improvement
title Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
spellingShingle Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
Silveira, Marco Aurélio Campetti da
Cluster industrial
Gestão de estoques
Método de Monte Carlo
Variable selection
Clustering
Monte Carlo simulation
Inventory management
title_short Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
title_full Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
title_fullStr Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
title_full_unstemmed Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
title_sort Seleção de variáveis para clusterização com vistas ao aprimoramento de processos produtivos
author Silveira, Marco Aurélio Campetti da
author_facet Silveira, Marco Aurélio Campetti da
author_role author
dc.contributor.author.fl_str_mv Silveira, Marco Aurélio Campetti da
dc.contributor.advisor1.fl_str_mv Anzanello, Michel José
contributor_str_mv Anzanello, Michel José
dc.subject.por.fl_str_mv Cluster industrial
Gestão de estoques
Método de Monte Carlo
topic Cluster industrial
Gestão de estoques
Método de Monte Carlo
Variable selection
Clustering
Monte Carlo simulation
Inventory management
dc.subject.eng.fl_str_mv Variable selection
Clustering
Monte Carlo simulation
Inventory management
description A disputa por parcelas de mercado impõe condições severas às empresas sob diversas perspectivas. Dentre elas salienta-se a crescente demanda por alta variedade de produtos, que por sua vez cria um ambiente de decisões gerenciais complexas e por vezes conflitantes. Neste contexto, dois pontos relativos a processos produtivos tornam-se cada vez mais importantes na implantação de estratégias diferenciadas: a programação da produção e a gestão de estoques. Esta dissertação apresenta uma sistemática que visa embasar decisões relativas a tais pontos, aprimorando o processo produtivo. Como primeira etapa, trata-se o problema relativo à programação da produção diária. Para tanto, é apresentada uma sistemática de seleção de variáveis de clusterização para agrupamento de produtos, a qual é integrada à Simulação de Monte Carlo (SMC) com objetivo de maximizar lucro. Os cenários propostos são aplicados em clusters (famílias de produtos) e não nos produtos de forma individual, simplificando e agilizando a programação da produção. O erro percentual em relação à situação real foi de 1%. A segunda etapa desta dissertação foca na seleção de variáveis de clusterização com vistas à gestão de estoques. Desta forma, é apresentada uma abordagem de seleção de variáveis para clusterização de 76 produtos em três clusters, sendo que para cada cluster são geradas políticas simultâneas de reposição dos produtos. Tais políticas são confrontadas, em termos de custos de colocação de pedidos e guarda de estoques, com os resultados gerados pelo Lote Econômico de Compras (LEC). A redução do volume de pedidos anuais se aproximou de 90%, enquanto que o incremento de custos relativos à guarda de produtos e processamento de pedidos foi de 0,2% frente ao custo gerado pelo LEC.
publishDate 2013
dc.date.accessioned.fl_str_mv 2013-07-17T01:49:36Z
dc.date.issued.fl_str_mv 2013
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/75919
dc.identifier.nrb.pt_BR.fl_str_mv 000891329
url http://hdl.handle.net/10183/75919
identifier_str_mv 000891329
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/75919/1/000891329.pdf
http://www.lume.ufrgs.br/bitstream/10183/75919/2/000891329.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/75919/3/000891329.pdf.jpg
bitstream.checksum.fl_str_mv c0f526ec3a8a44decb0e5f934767bec6
3dc140868b2da59514e536a143fc4ce5
7f950b4d4d530afe689800a1552cba3b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736881638899712