Aplicação de balanceamento de linha otimizado considerando previsão de demanda e redes neurais artificiais

Ter um modelo de balanceamento de linha vinculado às oscilações de demanda pode contribuir diretamente na tão importante redução de custos atrelados à manufatura. Com as organizações sofrendo cada vez mais transformações e confrontando-se com elevada competitividade, é imprescindível adotar métodos quantitativos e processos otimizados que garantam maior eficiência no gerenciamento de recursos. Antever o comportamento do mercado não é uma tarefa simples, principalmente quando há alta variabilidade de demanda. Desta forma, é importante considerar modelos matemáticos robustos com configurações otimizadas para que sejam capazes de reconhecer padrões, a fim de predizer o volume de vendas com menor erro possível. Diante disso, foram utilizados os dados históricos de vendas dos cinco principais produtos de uma multinacional, aqueles que representam maior lucro, e foram calculadas as demandas por meio dos modelos de média móvel, suavização exponencial, Box-Jenkins e RNA. Após, com o intuito de escolher o método mais acurado, ou seja, que apresenta o menor erro, foi calculado isoladamente os erros de cada um dos métodos utilizados (RMSE, MAE e MAPE) possibilitando assim a comparação entre eles. Diante do resultado obtido, modelou-se o balanceamento das linhas de montagem em que são produzidos os produtos, calculou-se, por meio de um modelo matemático de programação não linear, o número adequado de funcionários para a demanda prevista, tendo como principal objetivo melhorar a eficiência atual por meio da organização das linhas. Sendo assim, constatou-se que as RNAs representaram maior acurácia para a previsão de demanda e que, em comparação com o atual método utilizado pela empresa, mostrou-se ser um método mais confiável de predição de quantidades para planejamento de recursos. Após, visualizou-se que o método de balanceamento desenvolvido trouxe importantes adequações de recursos acarretando, assim, o aumento na eficiência das linhas de produção em um percentual de 29%, o que se considera bastante satisfatório.