Planejamento da produção sob incerteza: programação estocástica versus otimização robusta

Abstract

Otimizar problemas de planejamento da produção sob incertezas é um desafio, pois é preciso definir se existe alguma metodologia mais adequada para lidar com o tipo de incerteza do problema, se tal metodologia é computacionalmente tratável e quais as vantagens e desvantagens que as metodologias disponíveis na literatura podem trazer na análise do problema. Neste trabalho, são analisadas duas importantes metodologias para lidar com um problema de planejamento da produção sob incertezas: a programação estocástica de dois estágios e a otimização robusta. Ao passo que a programação estocástica é uma das técnicas mais tradicionalmente utilizadas em problemas de planejamento da produção sob incertezas, a mesma pode gerar modelos intratáveis se o número de cenários for muito grande. A otimização robusta surge como alternativa para superar a aparente limitação dos modelos de programação estocástica, mas ela pode ser muito conservadora, dependendo de como as incertezas são modeladas. As vantagens e desvantagens de cada metodologia são ilustradas com base num problema prático de planejamento da produção de empresas moveleiras e são comparadas em termos de função objetivo, nível de serviço e esforço computacional. Os resultados sugerem que ambas as técnicas são competitivas quando budgets de incerteza menos conservadores são utilizados no modelo de otimização robusta. Verificou-se também que o modelo equivalente robusto pode ser mais fácil de ser resolvido do que a versão estocástica, o que é especialmente importante quando a versão determinística já apresenta dificuldade de resolução.

Robust Model for Network-constraint Hydro-thermal-wind Operation Planning Considering Uncertainties

“…Two-stage SP is the most widely used technique for solving uncertain planning problems, however, it requires prior knowledge of probability distribution functions and can generate computationally unviable models due to the high number of scenarios. Thus, according Alem and Morabito (2015), RO arises as an alternative to SP because it requires only robust sets that can be easily formulated.…”

Uma Abordagem Estocástica Para a Otimização Da Programação De Voos Offshore

“…Na análise de sensibilidade são realizadas variações em parâmetros para avaliar o impacto na função objetivo (Hillier e Lieberman, 2013). Ou seja, é um estudo pós-otimalidade e, portanto, é reativo em relação ao problema analisado e não propositivo (Alem e Morabito, 2015). Outro método é a otimização robusta, na qual adotam-se valores nos parâmetros do modelo que o tornem robusto e imune às incertezas (Alem e Morabito, 2015).…”

“…Ou seja, é um estudo pós-otimalidade e, portanto, é reativo em relação ao problema analisado e não propositivo (Alem e Morabito, 2015). Outro método é a otimização robusta, na qual adotam-se valores nos parâmetros do modelo que o tornem robusto e imune às incertezas (Alem e Morabito, 2015). Há ainda métodos não exatos como heurísticas e meta-heurísticas, que possuem a flexibilidade de lidar com problemas em diferentes configurações, como a consideração de incertezas, e que são capazes de gerar soluções boas ou quase-ótimas em tempo computacional aceitável.…”

“…A programação estocástica é um dos métodos de otimização mais utilizados para lidar com as incertezas (Alem e Morabito, 2015). Assim como num problema modelado por programação linear, é necessário conhecer as variáveis de decisão do processo analisado, mas, no caso da programação estocástica, também é necessário saber o momento em que essas decisões se concretizam.…”