Baixe o app para aproveitar ainda mais
Prévia do material em texto
Grupo 8 Módulo 3 Situação problema 3.4 Escolha de processo industrial da empresa ABC Ae Nok Park Ana Cecilia Simionato Biziak Carlos Alfonso Diaz Rangel Helena Junqueira Sant’Anna Rafael Augusto de Santi 1) Alterações em relação ao relatório parcial O relatório final é uma melhor visualização do problema em todos os aspectos comparado com o relatório parcial . 2) Problema formulado O problema 3.4 nos apresenta dois processos industriais distintos, Alfa e Beta, que estão sendo cogitados para implementação na empresa ABC e nos pede para escolher um deles, baseado no Valor Presente Líquido(VPL) de cada um. Cada processo a ser analisado possui os seguintes dados relevantes: a. Custo de implementação: Alfa: R$ 0,00 Beta: R$ 60.000,00 b. Previsão pessimista, realista e otimista da demanda para o ano atual e dois próximos anos, cada um com uma certa probabilidade de ocorrência: Processo Alfa demanda\ano 0 1 2 Pessimista 20,0% 11000 20,0% 8000 10,0% 4000 Realista 60,0% 16000 40,0% 19000 50,0% 21000 Otimista 20,0% 21000 40,0% 27000 40,0% 37000 Processo Beta demanda\ano 0 1 2 Pessimista 30,0% 14000 36,0% 12000 40,0% 9000 Realista 40,0% 19000 36,0% 23000 10,0% 26000 Otimista 30,0% 24000 28,0% 31000 50,0% 42000 c. Custo variável dos produtos por unidade: Os custos variáveis de cada ano apresentam uma distribuição normal, cuja média e desvio padrão dependem do processo escolhido. Alfa: µ = R$ 4,00 σ = R$ 0,40 Beta: µ = R$ 3,50 σ = R$ 1,00 d. Custo Fixo: Independentemente do processo escolhido, os custos fixos totalizam R$ 12.000,00. e. Número de falhas nas máquinas por ano, e o custo gerado por cada ocorrência: Número de falhas nas máquinas por ano apresenta uma distribuição de Poisson, cuja média depende do processo escolhido. O custo gerado a cada falha é fixado e inerente ao processo escolhido. Alfa: µ = 4 custo por falha = R$ 8.000,00 Beta: µ = 3 custo por falha = R$ 6.000,00 Para resolver o problema, pede-se que faça duas coisas: I. Responder a questão: Qual dos dois processos deve ser implementado, levando em conta apenas o VPL de cada um? II. Fazer uma análise de sensibilidade, considerando os parâmetros: Demanda Custo variável Custo fixo Número de falhas nas máquinas 3) Conceitos teóricos pesquisados Simulação de Monte Carlo Distribuição discreta 4) Solução proposta O modelo matemático foi nos dado pelo enunciado, e portanto só nos resta Identificar os passos para calcular o VPL dos processos e chegar a uma conclusão sobre as questões levantadas. O VPL(ou NPV, em inglês) de um processo é dado pela fórmula genérica: onde N é o índice do último período, que no nosso caso é 2 t é o período atual e i é a taxa mínima de atratividade, que no nosso caso é 0,10 ou 10% Rt é o fluxo de caixa no período t Para calcularmos o fluxo de caixa de um dado ano, utilizamos a fórmula: Rt = (D * P) – (D * V) – F – (NF * CF) onde D é a demanda no ano, dado pela tabela no item 2.b. P é o preço de venda do produto, que ja foi estabelecido em R$ 8,00 V é o custo variável por produto no ano, dado no item 2.c. F é o custo fixo, dado no item 2.d. NF é o número de falhas nas máquinas no ano, dado no item 2.e. CF é o custo de cada falha na máquina, também dado no item 2.e. Dado o processo, P, F e CF são sempre os mesmos, e portanto sua utilização na simulação é trivial. No entanto, o comportamento das variáveis D, V e NF requer o uso de variáveis aleatórias para que seja possível a simulação dos cenários. Veremos cada um deles em detalhe a seguir. a) Demanda (D) Sua modelagem é relativamente simples e se assemelha às variáveis dos problemas dos módulos anteriores. Para cada ano(0, 1 ou 2) gera-se um número aleatório x, tal que 0 ≤ x ≤ 1, e a seguir esse número é atribuído a um item da tabela de distribuição de probabilidades dado em 2.b. b) Custo Variável (V) Variável que apresenta uma distribuição normal é um caso inédito e um pouco mais complicado conceitualmente que o caso anterior. A seguir alguns exemplos de curva normal, dados a média µ e a variância σ²: Sabendo-se que a área sob a curva normal sempre totaliza 1, podemos gerar um número aleatório x, tal que 0 ≤ x ≤ 1, e utilizar uma função que nos retorna o valor da abcissa “a” tal que o valor numérico da área sob a curva de -∞ até “a” é x. Tal função já existe em Excel e se chama NormInv. A implementação é mais simples do que parece, basta chamar a função NormInv com os parâmetros x, µ e σ. c) Número de falhas nas máquinas (NF) É um caso semelhante ao anterior porém dessa vez com a curva de Poisson. A seguir o perfil de algumas curvas de Poisson dada a média λ: O problema é que não existe no Excel uma função equivalente a NormInv para distribuição de Poisson, e portanto a implementação é significativamente mais complexa. A curva da função massa de probabilidade de Poisson é dado por: onde λ é a média k é o número de sucessos em n ensaios de Bernoulli, com n grande e é o número de Euler, aproximadamente 2,718 Sabendo disso, podemos calcular a probabilidade de ocorrer k quebras nas máquinas, k ≥ 0, e verificar a cada passo se o número aleatório x gerado será igual ou menor que a soma das probabilidades calculadas. Caso a condição seja satisfeita, tomaremos então o k como o número de falhas nas máquinas ocorridas naquele ano. A implicação do modelo acima sugerido é que o D, V e NF de um dado ano é completamente independente dos outros anos, por exemplo a ocorrência da demanda pessimista no ano 0 não teria nenhuma influência na demanda no ano 1. É uma suposição bastante carregada, razoável para alguns casos e nem tanto para outros, mas trabalharemos em cima deste modelo por questões de simplicidade. Relembrando a solução proposta no módulo anterior, temos que realizar uma análise estatística para que qualquer tipo de conclusão seja possível. Definiremos grau de confiança em 95%(e portanto z = 1,64), σ será tomado por S(aprox. 50.000 para Alfa e 80.000 para Beta), e ε será definido como S/50 (aprox. 1000 para Alfa e 1600 para Beta) e isso nos dará n = 6724, que será o número de instâncias simuladas para cada cenário, a fim de obter dados para comparação. Concluindo e resumindo o raciocínio, ao determinarmos a média após 6724 simulações, poderemos afimar que o valor obtido corresponde a estimativa real µ com grau de confiança de 95% e um erro para mais ou para menos de 1000 para processo Alfa e 1600 para o processo Beta. A seguir as soluções propriamente ditas. I. Após 6724 simulações, chegamos a seguintes resultados. média VPLα = R$ 101.377,80 ± 1000 média VPLβ = R$ 132.156,55 ± 1600 Portanto, podemos afirmar com 99% de grau de confiança que, levando apenas o VPL em consideração, o processo Beta deve ser implementado. Para verificar os dados gerados na solução do problema, consulte as colunas A e B da aba “Resultados” da planilha de simulação. II. Para fazer a análise de sensibilidade dos parâmetros de entrada, primeiro definimos qual será o conjunto de parâmetros padrão. A partir deste conjunto padrão de parâmetros de entrada escolheremos um parâmetro específico e testaremos todo o espectro permitido das variáveis aleatórias que determinam o comportamento do tal parâmetro, a fim de verificar o seu efeito no resultado final. No nosso caso, os números aleatórios gerados sempre variamentre 0 e 1. Atendendo o pedido feito pelo presidente da ABC, os parâmetros a serem analisados serão: demanda, custos variáveis, custos fixos e número de falhas. Demanda É uma análise relativamente simples porém trabalhosa, pois uma variável aleatória é gerada para cada um dos anos 0, 1 e 2. Entre todo o espectro de possíveis valores para a variável aleatória de 0 a 1, decidimos trabalhar o intervalo entre 0,01 e 0,99, analisando cada ponto em incrementos de 0,01. A seguir os gráficos da variável aleatória dos anos 0, 1 e 2 respectivamente: Processo Alfa Processo Beta implementação R$ 0,00 R$ 60.000,00 demanda ano 0 16000 19000 demanda ano 1 19000 23000 demanda ano 2 21000 26000 cvariavel R$ 4,00 R$ 3,50 cfixo R$ 12.000,00 R$ 12.000,00 falhas maq. 4 3 custo/falha R$ 8.000,00 R$ 6.000,00 VPL R$ 82.148,76 R$ 134.219,01 R$ 0,00 R$ 20.000,00 R$ 40.000,00 R$ 60.000,00 R$ 80.000,00 R$ 100.000,00 R$ 120.000,00 R$ 140.000,00 R$ 160.000,00 R$ 180.000,00 0,01 0,11 0,21 0,31 0,41 0,51 0,61 0,71 0,81 0,91 VPLα VPLβ R$ 0,00 R$ 20.000,00 R$ 40.000,00 R$ 60.000,00 R$ 80.000,00 R$ 100.000,00 R$ 120.000,00 R$ 140.000,00 R$ 160.000,00 R$ 180.000,00 0,01 0,11 0,21 0,31 0,41 0,51 0,61 0,71 0,81 0,91 VPLα VPLβ R$ 0,00 R$ 50.000,00 R$ 100.000,00 R$ 150.000,00 R$ 200.000,00 R$ 250.000,00 0,01 0,11 0,21 0,31 0,41 0,51 0,61 0,71 0,81 0,91 VPLα VPLβ A informação mais relevante que podemos tirar desses gráficos é o fato de que VPL é mais sensível à demanda do ano 2(amplitude de mais de R$ 100.000,00 para os dois processos)e menos sensível à demanda do ano 0(amplitude da ordem de R$ 40.000,00 para os dois processos). A tabela de dados desse item se encontra nas colunas D a N da aba “Resultados” da planilha de simulação. Custos variáveis Da mesma maneira que fizemos para o item anterior, variamos entre 0,01 e 0,99 o número aleatório gerado referente ao custo variável para verificar o comportamento do VPL. Por questões de simplicidade, o mesmo número foi utilizado para os três anos. O gráfico que apresenta o comportamento do VPL em função da variável aleatória está a seguir: Percebemos que para o processo Alfa, o custo variável exerce uma influência num nível semelhante à demanda do ano 3, ambos com faixa de resultados com amplitudes da ordem de R$ 100.000,00. Por outro lado, para o processo Beta a influência sobre o VPL do custo variável é muito maior do que a demanda de qualquer ano, com amplitude quase na casa dos R$ 300.000,00. Os dados obtidos estão disponíveis nas colunas P a R da aba “Resultados” da planilha de simulação. -R$ 50.000,00 R$ 0,00 R$ 50.000,00 R$ 100.000,00 R$ 150.000,00 R$ 200.000,00 R$ 250.000,00 R$ 300.000,00 variável 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 VPLα VPLβ Custos fixos Os custos fixos não são determinados por variáveis aleatórias, portanto determinamos arbitrariamente um intervalo de valores possíveis e fizemos uma análise. Eis o gráfico do intervalo de 0 a 24.000 O efeito dos custos fixos sobre o resultado final é definitivamente baixa comparado a outros fatores, apresentando uma amplitude de cerca de R$ 65.000,00 entre a faixa de possíveis valores de entrada estudada. Os dados obtidos estão disponíveis nas colunas T a V da aba “Resultados” da planilha de simulação Número de falhas Da mesma maneira da demanda e dos custos variáveis, analisamos o comportamento do VPL em incrementos de 0,01 da variável aleatória. A seguir o gráfico. R$ 0,00 R$ 20.000,00 R$ 40.000,00 R$ 60.000,00 R$ 80.000,00 R$ 100.000,00 R$ 120.000,00 R$ 140.000,00 R$ 160.000,00 R$ 180.000,00 R$ 0,00 R$ 4.000,00 R$ 8.000,00 R$ 12.000,00 R$ 16.000,00 R$ 20.000,00 R$ 24.000,00 VPLα VPLβ A influência do número de falhas é maior no processo Alfa do que Beta, com amplitudes próximas a R$ 200.000,00 e R$ 130.000,00, respectivamente. A tabela dos dados obtidos para construção desse gráfico estão nas colunas X a Z da aba “Resultados” da planilha de simulação. No caso dos custos variáveis e número de falhas, a amplitude apresentada é válida somente se tomarmos a faixa de valores de 0,01 a 0,99 da variável aleatória, e cresce indefinidamente caso incluirmos os valores fora dessa faixa. Terminamos a análise de sensibilidade nesse ponto porque decidimos que cenários com probabilidade < 1% não são relevantes à discussão. 5) Referências bibliográficas Apostila de Simulação – Capítulos 1, 2 e 3; Livros e apostilas de estatística de disciplinas anteriores. Wikipedia -R$ 50.000,00 R$ 0,00 R$ 50.000,00 R$ 100.000,00 R$ 150.000,00 R$ 200.000,00 0,01 0,11 0,21 0,31 0,41 0,51 0,61 0,71 0,81 0,91 VPLα VPLβ
Compartilhar