摘要：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.
其他摘要：Optimizing production planning problems under uncertainty is a challenge, because it is necessary to define whether there is a methodology more appropriate to deal with the type of uncertainty of the problem, whether such methodology is computationally tractable, and which advantages and disadvantages the approaches available in the literature can bring to the analysis of the problem. In this paper, we analyze two important methodologies to deal with uncertainties in a production planning problem: two-stage stochastic programming and robust optimization. Whereas stochastic programming is one of the techniques most traditionally used in production planning problems under uncertainty, such approach can generate intractable models when a very large number of scenarios is considered. Robust optimization arises as an alternative technique to overcome the potential drawback of stochastic programming models, but it can be overly conservative depending on how the uncertainties are modeled. This paper also discusses the advantages and disadvantages of each methodology based on a practical problem of production planning in the furniture industry. The comparison between both approaches is given in terms of objective function, service level, and computational effort. The overall results suggest that both techniques are competitive when less conservative budgets of uncertainty are used in the robust optimization model. It was also verified that the robust counterpart model can be more easily solved compared with the stochastic version model, which is especially important when the deterministic model is already difficult to solve.
关键词：Otimização sob incerteza;Planejamento da produção;Programação estocástica;Programação robusta
其他关键词：Optimization under uncertainty;Production planning;Stochastic programming;Robust optimization
