Repositório > Artigos
Introdução
A tecnologia de otimização nos dias atuais se tornou uma peça chave na tomada de decisão de questões que geram vantagens competitivas para as empresas. Sofisticados sistemas de otimização são desenvolvidos com recursos e potencialidades para atender uma enorme e diversa gama de aplicações comerciais. Dentro desse contexto, possivelmente o mercado de maior crescimento para as tecnologias de otimização se encontre na gestão da cadeia de suprimentos da empresa (Supply Chain Management - SCM), onde esses algoritmos inteligentes se revelaram como o segredo do crescimento das aplicações avançadas de planejamento e planificação de tarefas (Advanced Planning and Scheduling - APS), incluindo-se aqui um crescente número de pacotes comerciais especialistas.
O apelo de soluções APS para o setor de produção é óbvio: as companhias conseguem otimizar suas cadeias produtivas de maneira a reduzir custos, aumentar a margem de lucro de produtos, reduzir estoques e incrementar significativamente a capacidade produtiva de suas plantas. O ganho é de tal forma significativo que estudos feitos com empresas que implementaram aplicações especialistas de APS em sua cadeia produtiva obtiveram um Retorno sobre o Investimento (ROI) maior que 300%.
Os produtos de APS possibilitam examinar milhões de variáveis e resolver problemas de complexidade crescente em tempos cada vez menores, entregando resultados em questão de horas ou minutos onde antes a espera era de dias ou semanas. A aplicação dessas tecnologias e soluções de otimização vem aumentando consideravelmente seu campo de atuação, atendendo já áreas de produção, distribuição e vendas. E, como conseqüência, as grandes corporações mundiais já sabem que as tecnologias de otimização têm o potencial de levar seus negócios a um patamar superior de eficiência, eficácia e competitividade global.
Onde utilizar as aplicações de APS ?
Existe uma íntima relação entre as aplicações empresariais de ERP, SCM e APS. Aplicações SCM são basicamente um subconjunto de um ERP, e focam essencialmente a parte da cadeia de suprimentos da empresa, fazendo uso dos dados de controle do sistema de ERP. As aplicações APS, por sua vez, são módulos críticos na solução SCM, já que otimizam o fluxo de materiais desde os fornecedores, através do processo de produção, passando pela distribuição e chegando aos clientes finais. Nesse contexto, é bom frisar que as aplicações de APS não são apenas uma evolução do MRP, mas sim um novo conjunto de ferramentas destinadas ao uso por parte de planejadores e gerentes e adaptadas à crescente complexidade do ambiente de negócio da empresa.
Os mecanismos de otimização existentes em produtos APS são desconhecidos dos módulos tradicionais de MRP. As melhores soluções de APS do mercado são baseadas em restrições, o que significa que elas consideram a disponibilidade e capacidade de cada recurso antes de determinar a programação de produção e entrega de produtos acabados - algo que não ocorre em módulo MRP, que trabalham baseados em capacidade infinita.
Como a tecnologia de otimização funciona ?
A combinação de desenvolvimento de complexos algoritmos matemáticos com o processamento inteligente de dados criou a possibilidade do desenvolvimento das avançadas tecnologias de otimização nos dias de hoje. Enquanto sistemas de ERP e SCM estão primordialmente envolvidos em organizar e tornar acessíveis dados corporativos buscando aumento de produtividade, as aplicações de otimização possuem um objetivo diferente. Antes do surgimento dessa tecnologia, experientes analistas de negócio efetuavam análises do tipo "e se...", simulando cenários antes de tomar importantes decisões, e considerando cuidadosamente cada possibilidade de forma a identificar as implicações de cada opção. Contudo, identificar e quantificar as implicações de cada possibilidade para um grupo de fatores que deve ser analisado em conjunto para um problema SCM complexo é humanamente impossível. As tecnologias de otimização agora existentes fornecem os meios para considerar simultaneamente todas as possibilidades e variantes de um problema dessa natureza.
A otimização se inicia com o desenvolvimento de um modelo que define o problema e seus parâmetros. Cada questão do negócio é representada por uma variável, enquanto o relacionamento entre elas é formulado por meio de restrições, impondo-se por último um objetivo para o problema (por exemplo, a maximização do lucro). Esse processo de modelagem é necessário para virtualmente qualquer problema de otimização, uma vez que cada um possui características distintas e particulares, e geralmente requer uma alta habilidade por parte de quem o elabora. Profissionais experientes que trabalham com esse tipo de modelagem matemática conseguem expressar o problema em uma linguagem específica ou em um programa de computador escrito em C++, C, Visual Basic ou Delphi. O modelo é então processado usando um "solver", que é um software que possui em seu núcleo algoritmos altamente sofisticados e adequados ao tratamento de gigantescos volumes de dados e analisar possíveis caminhos direcionados para obtenção da solução ótima do problema.
O atual estágio de desenvolvimento dos algoritmos usados pelos diferentes solvers de mercado, em associação com a habilidade de modelagem necessária para capturar todos os requisitos do problema em questão são os pontos chave de sucesso de projetos de otimização. Nesse segundo ponto, fica evidente pela experiência de inúmeros projetos dessa natureza, que a habilidade e conhecimento exigidos pelos responsáveis pela modelagem dos problemas de otimização está muito acima da média dos programadores e analistas do mercado. A escassez de especialistas em otimização gerou, dessa forma, a oportunidade para empresas dedicadas de nicho de mercado atuarem com esse conhecimento específico no desenvolvimento e fornecimento de soluções de otimização para as grandes companhias do setor produtivo.
Matemática Aplicada e Otimização
Apesar das poderosas técnicas de otimização estarem disponíveis já há mais de 50 anos, apenas recentemente é que a otimização se tornou uma vantagem competitiva diferencial para as empresas de produção aplicarem a suas cadeias de produção. E, desde as primeiras iniciativas, as técnicas mais utilizadas foram a Programação Linear (LP) e suas variantes, de Programação Inteira (IP) e Programação Inteira Mista (MIP).
Embora essas técnicas sejam denominadas de programas, elas originariamente não envolviam softwares. LP, IP e MIP são expressões matemáticas de problemas que podem ser formulados em uma forma matricial linear. As primeiras aplicações que resultaram em retorno significativo, usando esses paradigmas, foram nas áreas de planejamento de atividades com alocação de mão-de-obra, como programação de horários de vôos, planejamento de "blendagem" em refinarias de combustíveis, e programação de horários de trens e ônibus. Nesses casos, a otimização não apenas auxiliou a garantir um apropriado uso dos recursos investidos, como também a solução desse tipo de problema permaneceu válida por um longo período de tempo, de forma a gerar um retorno acumulativo ainda maior.
Assim, de tal forma a programação linear e suas variantes se mostraram valiosas ferramentas para resolução de problemas dessa natureza, que uma nova e inteira disciplina denominada Pesquisa Operacional (PO) foi criada há alguns anos, de forma a aglutinar o conhecimento e trabalho de pesquisadores nesse campo de estudo. A disciplina de Pesquisa Operacional é agora ministrada em muitas universidades, sendo basicamente uma matéria dos departamentos de matemática, engenharia e computação. Hoje profissionais com alta formação em PO são empregados por muitas empresas para desenvolver soluções de otimização para questões internas críticas de alocação de recursos.
Programação por Restrições
Enquanto a Programação Linear e outras técnicas de tratamento matemático de problemas se tornaram ferramentas efetivas para resolução de uma grande variedade de problemas, uma nova tecnologia denominada Programação por Restrições (CP) estava em desenvolvimento em meados dos anos 80, sendo dedicada a questões onde haviam um grande número de restrições atuando sobre um conjunto finito de recursos.
A Programação por Restrições surgiu basicamente do mundo da ciência da computação, com uma origem no mínimo curiosa. Durante décadas, o campo de estudo da Inteligência Artificial (AI) vinha influenciando a área de Programação por Restrições, provendo tratamentos matemáticos para problemas muito específicos de sua natureza de pesquisa. Nessa situação, enquanto a Inteligência Artificial sofria com uma alta expectativa de poder replicar o pensamento humano, a Programação por Restrições era aplicada para resolver certos problemas controlados, e começou a demonstrar potencial para aplicações comerciais.
Uma das características marcantes, desde os primeiros projetos de Programação por Restrições, era a de que ela estava firmemente baseada na tecnologia de Programação Orientada a Objetos (OOP). Essa tecnologia é fundamentalmente diferente da tradicional programação procedural, com dados sendo "auto-descritivos" e assim terem independência de outros dados no ambiente orientado a objetos. Com isso, é possível mais facilmente, e com maior segurança, acessar e manipular dados remotos. Em termos de linguagens de programação, o C++ é a mais utilizada para Programação Orientada a Objetos, e frequentemente empregada também para a Programação por Restrições, por suas características altamente aderentes às necessidades dessa segunda. Já a linguagem Java, por exemplo, tem se mostrado, ao menos até o momento, inadequada em termos de performance, para o desenvolvimento de soluções de otimização, sendo mais usada como base para distribuição de aplicações transacionais multiplataforma e ambiente Web. Via-de-regra, uma boa solução tem sido o desenvolvimento de soluções híbridas, onde Java é usada na estrutura da aplicação, e C++ nas camadas de otimização.
Escolhendo a Técnica de Otimização
LP, IP, MIP e CP não são as únicas técnicas usadas para tratar questões de otimização, apesar de serem as mais usadas para problemas de missão crítica. A melhor abordagem depende da natureza do problema. Os produtos nativos de soluções ERP são concebidos e focados em problemas mais genéricos, uma vez que são usados por uma ampla variedade de diferentes companhias em diferentes segmentos de negócios. Já problemas mais específicos necessitam de uma modelagem dedicada, e muitas vezes, usando tecnologias híbridas ou métodos como Heurísticas e Recozimento Simulado que não garantem uma solução ótima.
Aqueles que não são treinados em programação matemática usam técnicas aproximativas para resolução de problemas específicos. Uma vantagem em migrar para componentes de otimização é que esses incorporam o estado-da-arte de algoritmos, onde um considerável montante em pesquisa e desenvolvimento já foi investido, acompanhado por uma intensa pesquisa de campo por anos e anos, e que dificilmente um método caseiro conseguirá fazer frente em termos da qualidade do resultado. Por exemplo, softwares de despacho podem utilizar um método de busca local denominado "busca tabu", o qual é um tratamento genérico que pode ser parametrizado e ajustado individualmente para uma aplicação específica. A chave para selecionar uma técnica é, dessa forma, formular o problema de forma que sua estrutura seja clara o suficiente para indicar qual abordagem terá mais sucesso na resolução do problema.
Uma condição particularmente complexa de otimização é a chamada Programação Não Linear (NLP). Uma função não linear é aquela que não pode ser expressa por equações estritamente lineares. Se a função-objetivo ou qualquer restrição do problema é uma equação não-linear, então o problema não pode ser solucionado por métodos de otimização linear. Conceitualmente, os "solvers" que tratam problemas não-lineares quebram as funções não-lineares em pequenos segmentos de retas, para tratá-los então de forma linear. Fazem isso computando derivadas parciais das funções a cada iteração, utilizando o último valor tentado para a solução, e recalculando os valores das derivadas a cada novo ciclo de decisão. A necessidade de repetidamente precisar recalcular essas derivadas de funções não-lineares é o maior motivo pelo qual esses "solvers" demoram muito mais tempo para resolver um problema do que os "solvers" lineares levam para resolver problemas lineares de dimensões semelhantes. Além disso, a adição de uma simples variável ou restrição pode tornar o problema instável e dificultar consideravelmente a sua resolução. Como resultado disso, o que se tem verificado é que "solvers" que tratam problemas não-lineares estão dedicados a problemas de nicho de mercado bem conhecidos e tratáveis, como alguns específicos de indústrias químicas e aeronáuticas, com uso comercial prático ainda muito limitado.
O Comércio Eletrônico e o Futuro da Otimização
O comércio eletrônico transformou o modo como os negócios são atualmente conduzidos. As empresas usam a Internet para atuar em novos mercados, enxugar sua cadeia de suprimentos, criar cadeias de valor, e confrontar os desafios de um mercado global crescente em competitividade. Nesse ambiente, a otimização dos processos terá um papel chave.
O comércio eletrônico demanda cadeias produtivas inteligentes, que devem permitir acesso instantâneo aos dados atualizados de qualquer lugar. Sofisticados mecanismos de otimização não devem apenas permitir decisões conjuntas em tempo-real de diferentes parceiros em uma cadeia de suprimentos usando a web como canal de comunicação, mas também serem responsáveis por um aumento da receptividade dos clientes.
Esse é o emergente mundo de colaboração comercial eletrônica, que forçará a gestão das cadeias produtivas para um novo patamar de eficiência. As empresas serão movidas da atual mentalidade de otimização interna para focar em como a colaboração entre empresas pode transformar a demanda comercial em satisfação final dos clientes. Por exemplo, uma empresa pode fazer projeções completas, usando aplicações de planejamento otimizado, e que envolvam a programação de recursos de produção, distribuição e transporte de forma a atender a ordens de vendas já fechadas em conjunto com uma previsão de demanda futura adicional.
Novos usos da otimização surgem todos os dias, acompanhando a crescente adoção dessas tecnologias pela indústria. O que se iniciou com planejamento de linhas aéreas e horários de trens está agora entrando em áreas que até então nunca haviam considerado a otimização como uma ferramenta, tais como as áreas de varejo e serviços financeiros. A otimização está auxiliando essas indústrias a tirar vantagem das mudanças de mercado e surgimento de novas oportunidades, dando fôlego a novos desafios e abordagens - problemas que irão nortear cientistas e engenheiros para o desenvolvimento da próxima geração de aplicações de otimização.