Gerando planos de produção através de um problema linear quadrático Gaussiano com restrições nas variáveis de decisão

Abstract

ResumoNeste artigo um problema sequencial de planejamento agregado da produção é formulado como um modelo de otimização sequencial do tipo Linear-Quadrático Gaussiano (LQG) com restrições probabilísticas nas variáveis de estado e controle. Este problema está baseado em um modelo clássico desenvolvido por Holt, Modigliani, Muth e Simon, e conhecido na literatura como modelo HMMS. Como ideia central do trabalho busca-se estender o modelo original HMMS de modo que ele possa levar em conta restrições de chance nas variáveis de decisão e também uma representação do tipo ARMA como modelo de flutuação de demanda. Essencialmente, o artigo examina as principais características que permitem transformar o modelo HMMS para um padrão LQG com restrições de chances. Além disso, duas heurísticas subótimas muito simples são apresentadas como estratégias de resolução para este tipo de problema. Por fim, um exemplo ilustrativo de como gerar planos de produção agregados via o modelo proposto, é apresentado.Palavras-chave: planejamento da produção; hierarquia de decisões; controle estocástico; controle subótimo; previsão. AbstractA single product, multi-period, aggregate production planning problem is formulated as a LinearQuadratic Gaussian (LQG) optimal control problem with probabilistic constraints on state and control variables. This stochastic problem is based on a classical model developed by Holt, Modigliani, Muth and Simon, and known in the literature as HMMS model. The central idea is to extend the original HMMS model in order to take into account both chance-constraints on the decision variables and an ARMA forecasting model to represent the fluctuation of demand. Essentially, the paper discusses the main features that allow transforming the problem into a chance constrained LQG pattern. In addition, two sub-optimal techniques for solving this kind of problem are briefly described. At last, an illustrative example of how to provide aggregate production plans from the proposed problem is presented.