AULA 21 e 22 SEQUENCIAMENTO DE PRODUÇÃO

Prévia do material em texto

UNIVERSIDADE FEDERAL DA BAHIA
– Engenharia de Produção – 
Disciplina: Planejamento e controle da Produção
AULA 21 E 22: SEQUENCIAMENTO DE PRODUÇÃO
Prof. Renato Vivas
Planejamento e Controle da Produção
INTRODUÇÃO
1
 SEQUENCIAMENTO DA PRODUÇÃO
2
SUMÁRIO
ATIVIDADES
3
2
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
3
SEQÜENCIAMENTO E EMISSÃO DE ORDENS
As atividades da programação da produção são dependentes de como o sistema produtivo está projetado: para empurrar ou puxar a produção.
Nos sistemas de puxar a produção, normalmente implementados com o kanban, as atividades de programação da produção são deixadas a cargo dos setores de produção.
Já nos sistemas convencionais de empurrar a produção, há a necessidade de definir a cada programa de produção sua sequência, baseada em critérios predeterminados, e emitir ordens autorizando a compra, fabricação e montagem dos itens.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
4
Os problemas da programação da produção são apresentados, convencionalmente, em função do tipo do sistema (ou do subsistema) de produção, ou seja:
Processos contínuos;
Processos repetitivos em massa;
Processos repetitivos em lote;
Processos por projeto.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
5
SEQUENCIAMENTO NOS PROCESSOS CONTÍNUOS
Os processos contínuos de produção são empregados para produtos que não podem ser identificados individualmente, com altíssima uniformidade na produção e demanda, onde os produtos e os processos são totalmente dependentes.
Assim, é economicamente viável estruturar um sistema produtivo em grande escala, direcionado para o tipo de produto que se pretende produzir, permitindo sua automatização, por ex. refinaria de petróleo.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
Balanceamento de produção
6
Planejamento e Controle da Produção
7
BALANCEAMENTO NOS PROCESSOS EM MASSA
Os processos em massa, à semelhança dos processos contínuos, são empregados na produção em grande escala de produtos altamente padronizados, porém identificáveis individualmente, por ex. eletrodomésticos.
Geralmente a montagem de processos em massa exige produtos com demandas grandes e estáveis, com poucas alterações de curto prazo nos seus projetos, permitindo instalações altamente especializadas e pouco flexíveis.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
8
Exemplo:
Um produto é montado em uma linha que trabalha 480 minutos por dia (8 horas) a partir de 6 operações sequenciais, com os seguintes tempos unitários:
1. Para se balancear uma linha, a primeira informação importante é a definição dos limites técnicos da capacidade de produção, em termos de tempo de ciclo, desta linha.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
9
LIMITES
O limite superior da capacidade de produção é obtido empregando-se como tempo de ciclo o maior tempo unitário de operação:
O limite inferior é obtido empregando-se a soma dos tempos das 6 operações:
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
10
CAPACIDADE DE PRODUÇÃO
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
11
TEMPO DE CICLO
No entanto, o tempo de ciclo no qual devemos operar é função do tempo disponível para a produção por dia dividido pela taxa de demanda (D) esperada por dia (proveniente do PMP):
TC = TP / D
Admitindo-se que a taxa de demanda esperada seja de 240 unidades por dia, teremos:
TC = 480 min por dia / 240 unidades por dia = 2,0 min por unidade
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
12
POSTOS DE TRABALHO
O número de postos de trabalho necessários para suportar uma demanda de 240 unidades por dia, com ritmo de 2,0 min por unidade, será função da forma como combinaremos as atividades individuais em grupos de no máximo 2 min de tempo. Teoricamente, podemos calcular o número mínimo de postos de trabalho para atender uma determinada taxa de demanda, ou tempo de ciclo, da seguinte forma:
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
13
No exemplo:
Nmínimo = 4,5 min por unidade / 2,0 min por unidade = 2,25 postos
Como não existe posto de trabalho fracionado, este número deve ser arredondado para 3 postos.
POSTOS DE TRABALHO
Posto 1 = operação 1 + operação 2 = 0,8 + 1,0 = 1,8 min
Posto 2 = operação 3 + operação 4 = 0,5 + 1,0 = 1,5 min
Posto 3 = operação 5 + operação 6 = 0,5 + 0,7 = 1,2 min
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
14
EFICIÊNCIA
A eficiência da alternativa adotada é avaliada em função ao tempo livre gerado, assim calculado:
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
15
EFICIÊNCIA
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
16
Balanceamento de Linhas de Montagem
Ordem
Operações-padrão
Tempo (min.)
1
Soltar cabos
0,132
2
Fazer ligação na placa de bornes
0,648
3
Colocar ponte de ligação e porcas com arruelas
0,527
4
Pegar parafusadeira e fixar porcas na placa de bornes
0,156
5
Dobrar cabos com terminais
0,196
6
Pegar caixa de ligação e posicionar na bancada
0,102
7
Posicionar e prensar aterramento na caixa de ligação
0,074
8
Posicionar parafusos na caixa de ligação
0,351
9
Pegar caixa de ligação e posicionar sobre o motor
0,345
10
Pegar parafusadeira e fixar caixa de ligação
0,370
11
Enrolar duas pontas do cabo da resistência
0,207
12
Pegar estanhador e estanhar cabo da resistência
0,415
13
Cortar conector e retirar rebarba
0,593
14
Conectar cabos da resistência no conector
0,611
15
Parafusar conector na caixa de ligação
0,590
16
Conectar cabos do termostato no conector
1,030
Tempo Total
6,347
SEQUENCIAMENTO POR PROCESSOS EM LOTES
17
Planejamento e Controle da Produção
18
SEQÜENCIAMENTO NOS PROCESSOS REPETITIVOS EM LOTE
Os processos repetitivos em lote caracterizam-se pela produção de um volume médio de itens padronizados em lotes, onde cada lote segue uma série de operações que necessita ser programada à medida que as operações anteriores sejam concluídas.
Estes sistemas produtivos são relativamente flexíveis, empregando equipamentos menos especializados, que permitem, em conjunto com funcionários polivalentes, atender a diferentes volumes e variedades de pedidos dos clientes
Inteligência Computacional Aplicada a Sistemas de Controlee Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
19
A questão do sequenciamento em processos repetitivos em lotes pode ser analisada sob dois aspectos:
1ª DECISÃO: A escolha da ordem a ser processada dentre uma lista de ordens;
2ª DECISÃO: A escolha do recurso a ser usado dentre uma lista de recursos disponíveis;
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
20
Seqüenciamento na Produção em Lotes
Grupo de OFs
Planejadas
OF1
OF2
OFn
Regras para
escolha
 da ordem
R1
R2
Rn
Regras para
escolha
 do recurso
OF
Programada
OF
Escolhida
Grupo de Recursos
do CT
Decisão 1
Decisão 2
Uma vez que o PCP, através da aplicação de um dos modelos de controle de estoques, tenha em mãos um conjunto de ordens de fabricação a serem produzidas no período, ele deve decidir pelo seqüenciamento dessas ordens em cima de duas questões centrais 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
21
Espera
Processamento
Inspeção
Transporte
P1
E1
I1
T1
Lead Time da Cadeia de Valor (n processos)
Cada Processo ou Centro de Trabalho
P3
E3
I3
T3
P2
E2
I2
T2
Pn
En
In
Tn
Para Programação da Produção
Nas Filas de Entrada dos CT
Para Conclusão do Lote
+
+
Pode chagar a 80% do LT da Cadeia de Valor
Tem relação direta com o seqüenciamento
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
22
GRÁFICO DE GANTT
Instrumento de visualização para a programação da produção, chamado de gráfico de Gantt em homenagem a Henry Gantt, pioneiro na sua utilização. Auxilia na análise de diferentes alternativas de seqüenciamento.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
23
24
Regras de sequenciamento
As regras de sequenciamento são heurísticas usadas para selecionar, a partir de informações sobre os lotes e/ou sobre o estado do sistema produtivo, qual dos lotes esperando na fila de um grupo de recursos terá prioridade de processamento.
Geralmente as informações mais importantes são:
Tempo de processamento (lead time); e,
Data de entrega
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
25
Regras de sequenciamento
Estas regras normalmente assumem que os tempos e custos dos setups são independentes da sequência escolhida, e são adicionados ao tempo de processamento do lote.
Geralmente a eficiência de um sequenciamento é medida em termos de três fatores:
Lead time médio;
Atraso médio; e,
Estoque em processo médio.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
26
27
As regras de seqüenciamento podem ser classificadas segundo várias óticas 
Estáticas x Dinâmicas
Locais x Globais
Prioridades Simples
Combinações de Prioridades Simples
Índices Ponderados
Heurísticas Sofisticadas
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
28
APS (Advanced Planning and Scheduling) Sistema de Programação Avançada
ambiente onde as regras de seqüenciamento são implementadas para gerar a seqüência de ordens de produção
São softwares que normalmente serão operados pelo pessoal de programação dos próprios setores responsáveis pela produção das ordens, identificados como PCP setoriais
Pode ser utilizado sozinho, mas em geral está dentro do ERP
MRP gera a lista de ordens que entraram no momento de ação e o APS as sequencia
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
29
Trabalha em cima de um calendário real de disponibilidade de produção nos recursos, seqüenciando ordem por ordem, segundo suas regras, até o limite de tempo disponível no recurso
sistema de programação de capacidade finita
Para permitir a visualização do que foi seqüenciado, esses sistemas utilizam normalmente um calendário de forma gráfica, chamada de gráfico de Gantt, como ferramenta de auxílio à programação
Em alguns softwares mais sofisticados, a partir desses gráficos de Gantt pode-se arrastar os ícones das ordens programadas nos recursos para se gerar automaticamente uma nova solução de seqüenciamento.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
30
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
31
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
32
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
33
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
34
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
35
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
36
37
Regra PEPS:
É a mais simples, sendo pouco eficiente.
É muito empregada quando o cliente está presente.
Faz com que lotes com tempo grande retardem toda a seqüência de produção, gerando tempo ocioso nos processos à frente, fazendo com que o tempo de espera médio seja elevado (2,4 h).
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
38
Regra MTP
Obtém um índice de lead time médio baixo, reduzindo os estoques em processo, agilizando o carregamento das máquinas à frente e melhorando o nível de atendimento ao cliente.
No exemplo foi a regra com o melhor desempenho global, perdendo apenas para a regra de Johnson no que se refere ao lead time.
Como ponto negativo, a regra MTP faz com que as ordens com tempos de processamento longos sejam sempre preteridas, principalmente se for grande a dinâmica de chegada de novas ordens com tempos menores.
Uma solução para este problema seria associarmos ume regra complementar que possibilitasse à uma ordem que fosse preterida um determinado número de vezes, ou após um determinado tempo, avançar para o topo da lista.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
39
Regra MDE
Como prioriza as datas de entrega dos lotes, faz com que os atrasos se reduzam, o que é conveniente nos processos sob encomenda.
Porém, como não leva em consideração o tempo de processamento,pode fazer com que lotes com potencial de conclusão rápido fiquem aguardando.
Nos processos repetitivos em lotes, onde trabalhamos com estoques, as vantagens em priorizar apenas as datas de entrega não são muito claras.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
40
Regra IPI
Baseada em atribuirmos um índice de prioridade para cada ordem, esta regra teve o pior desempenho entre as sete regras testadas quanto ao atraso e tempo de espera médios.
Seu uso é mais conveniente apenas como critério de desempate para outra regra.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
41
Regras ICR, IFO 
Baseadas em cálculos de índices, são normalmente empregadas em sistemas MRPII, dentro de um módulo chamado “controle de fábrica”, que se encarrega de gerar prioridades para as ordens liberadas pelo módulo MRP.
 As regras ICR e IFO são baseadas no conceito de folga entre a data de entrega do lote e o tempo de processamento, sendo que a regra IFO considera não só a operação imediata, como todas as demais à frente.
 As regras ICR e IFO privilegiam o atendimento ao cliente, porém, devido a simplicidade do exemplo, a regra ICR obteve o pior lead time (32 h) e um atraso médio alto.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
SEQUENCIAMENTO POR PROCESSOS por projeto
42
Planejamento e Controle da Produção
43
Os processos por buscam atender a demanda específica de um determinado cliente, que muito provavelmente não se repetirá nos próximos pedidos. Desta forma, os recursos produtivos são temporariamente alocados a este produto, e uma vez concluído, passam para uma próxima tarefa. 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
44
Desta forma, o PCP de processos por projeto busca seqüenciar as diferentes atividades do projeto, de forma que cada uma delas tenha seu início e conclusão encadeados com as demais atividades que estarão ocorrendo em seqüência e/ou paralelo com a mesma. 
A técnica mais empregada para planejar, seqüenciar e acompanhar projetos é a técnica conhecida como PERT/CPM. 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
Modelo básico de PERT
	PERT, do inglês Program Evaluation Review Technique, é uma técnica de avaliação e revisão de programas bastante utilizada em atividades de produção e projetos de pesquisa e desenvolvimento.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
O PERT é uma técnica gerencial que:
Divide um projeto em suas tarefas componentes;
Classifica as tarefas em uma sequência lógica;
Determina se as tarefas componentes são sequenciais ou simultâneas;
Diagrama as tarefas componentes em uma rede PERT;
Determina o período mais curto em que um projeto pode ser completado (conhecido como caminho crítico).
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
Os 5 elementos principais de PERT
Uma rede básica de relacionamentos entre diversas atividades.
Eventos
Atividades
Relações
Alocação de recursos
Considerações de tempo
Rede de caminhos a ser seguida
Caminho crítico
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
Componentes de uma rede PERT
Eventos (ponto inicial e ponto final no tempo)
Atividades
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
49
Planejamento e Controle da Produção: Teoria e Prática
Atividade
Dependência
Nós
Duração
A
-
1-2
10
B
-
1-3
6
C
A
2-4
7
D
B
3-4
5
E
B
3-5
9
F
C e D
4-6
5
G
E
5-6
4
1
2
4
3
5
6
C
7
E
9
B
6
F
5
G
4
A
10
D
5
Lista de Atividades 
Rede 
As setas representam as atividades do projeto que consomem determinados recursos (mão-de-obra, máquinas, etc.) e/ou tempo.
Os nós representam o momento de início e fim das atividades, os quais são chamados de eventos 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
50
X
W
Y
X
W
Y
K
Fantasma
X
L
Y
W
Fantasma
K
Atividades Fantasmas
Quando duas atividades possuem o mesmo nó de início e de fim, seria impossível identificá-las pelos números dos nós, em especial em sistemas computacionais. Neste caso cria-se uma atividade que não consome tempo nem recursos, chamada de atividade fantasma 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
51
Cálculo dos Cedos e Tardes
1
2
4
3
5
6
C
7
E
9
B
6
F
5
G
4
A
10
D
5
0
0
10
10
6
9
17
17
15
18
22
22
Cedo de um evento é o tempo necessário para que o evento seja atingido desde que não haja atrasos imprevistos nas atividades antecedentes deste evento 
Tarde de um evento é a última data de início das atividades que partem deste evento de forma a não atrasar a conclusão do projeto 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
52
Cálculo dos Folgas
PDI - Primeira data de início: é a data mais cedo que uma atividade pode iniciar, assumindo-se que todas as suas atividades precedentes iniciaram-se nas suas datas mais cedo;
PDT - Primeira data de término: é a data mais cedo que uma atividade pode ser concluída;
UDI - Última data de início: é a data mais tarde que uma atividade pode ser iniciada, sem contudo atrasar a data final de conclusão do projeto;
UDT - Última data de término: é a data mais tarde que uma atividade pode ser concluída, sem contudo atrasar a data final de conclusão do projeto.
FT = TD - t (Folga total): é o atraso máximo que uma atividade pode ter sem alterar a data final de sua conclusão;
FL = (Cedof - Cedoi) - t (Folga livre): é o atraso máximo que uma atividade pode ter sem alterar a data estabelecida como Cedo do seu evento final;
FD = (Tardef - Tardei) - t (Folga dependente): é o período que se dispõe para a realização da atividade, iniciando-a no Tarde do evento inicial e não ultrapassando o Tarde do evento final;
FI = (Cedof - Tardei) - t (Folga independente): é o período que se dispõe para a realização da atividade, iniciando-a no Tarde do evento inicial e não ultrapassando o Cedo do evento final.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
53
Atividade
t
Cedo
Tarde
FT
FL
FD
FI
i
f
i
f
A
10
0
10
0
10
0
0
0
0
B
6
0
6
0
9
3
0
3
0
C
7
10
17
10
17
0
0
0
0
D
5
6
17
9
17
6
6
3
3
E
9
6
15
9
18
3
0
0
0
F
5
17
22
17
22
0
0
0
0
G
4
15
22
18
22
3
3
0
0
Cálculo dos Folgas
O caminho crítico é a seqüência de atividadesque possuem folga total nula (conseqüentemente as demais folgas também são nulas) e que determina o tempo total de duração do projeto
As atividades pertencentes ao caminho crítico são chamadas de atividades críticas, visto que as mesmas não podem sofrer atrasos, pois caso tal fato ocorra, o projeto como um todo sofrerá este atraso 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
54
Caminho Crítico
1
2
4
3
5
6
C
7
E
9
B
6
F
5
G
4
A
10
D
5
0
0
10
10
6
9
17
17
15
18
22
22
A identificação do caminho crítico de um projeto é de fundamental importância para o gerenciamento do mesmo, pois o PCP pode concentrar seus esforços para que estas atividades tenham prioridade na alocação dos recursos produtivos
Já as atividades não críticas, como possuem folgas, permitem certa margem de manobra pelo PCP, porém se uma delas consumir sua folga total passará a gerar um novo caminho crítico que merecerá atenção
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
55
As estimativas de tempo das atividades de um projeto estão relacionadas à quantidade de recursos (homens, equipamentos, dinheiro, etc.) alocados para cada atividade
Geralmente, é possível adicionar, ou retirar, recursos alocados a uma atividade de forma a acelerar, ou desacelerar, seu prazo de conclusão
Uma vez montada a rede e identificado o caminho crítico, duas análises de custos podem ser realizadas
A analise das folgas das atividades não críticas para verificar a possibilidade de reduzir os recursos, e conseqüentemente os custos alocados as mesmas
A análise das atividades do caminho crítico para verificar a possibilidade de reduzir ou aumentar o prazo de conclusão do projeto 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
56
Com relação à primeira análise, pode-se estudar a possibilidade de resseqüenciar os recursos alocados as atividades não críticas, dado que isto não afetaria o prazo de conclusão do projeto
A atividade B teoricamente poderia ser desacelerada em 3 unidades de tempo, a atividade D em 6, a atividade E em 3, e a atividade G em 3
Deve-se prestar atenção que ao se ir retirando as folgas das atividades não críticas, novos caminhos críticos surgirão
1
2
4
3
5
6
C
7
E
9
B
6
F
5
G
4
A
10
D
5
0
0
10
10
6
9
17
17
15
18
22
22
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
57
O segundo tipo de análise, aceleração ou desaceleração do prazo de conclusão do projeto é mais trabalhoso, pois envolve a relação custo-benefício que se tem ao alterar os prazos das atividades do caminho crítico, bem como a possibilidade de, em dado momento, outros caminhos se tornarem também críticos e entrarem nessa análise
Normalmente, as empresas estão interessadas em acelerar o prazo de entrega dos projetos
evitam penalidades por atrasos
liberam-se os recursos para investir em novos projetos
reduzem-se os custos indiretos de supervisão
se ganha vantagem competitiva quanto ao prazo de entrega, etc. 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
O Caso
	Francisco demorou 2 horas para fazer um Yakisoba. E só após tê-lo realizado, verificou que poderia ter feito em 1h30min.
	Analise os dados da tabela a seguir e demonstre, através do método de PERT, como ele deveria ter efetuado seu trabalho.
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
A
C
D
B
G
F
N
H
O
I
L
J
M
K
P
E
5
8
15
10
20
3
12
12
10
15
40
10
20
5
8
2
20
40
10
8
20
18
15
15
25
40
25
30
70
80
88
90
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
61
Atividades
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção
62
Dúvidas?
E-mail: renato.vivas@ufba.br 
Inteligência Computacional Aplicada a Sistemas de Controle e Automação – Joabe Silva
Politécnica - UFBA
Engenharia de Produção
Prof. Renato Vivas
Planejamento e Controle da Produção