Anlise comparativa entre modelos de estoque

MIGUEL CEZAR SANTORO GILBERTO FREIRE

EPUSP

Resumo
Este trabalho um estudo do problema de escolha entre modelos de estoque para a gesto de itens independentes em local nico. Quatro modelos de estoque so considerados, sendo trs deles reativos, que no utilizam previso de demanda para a tomada de decises, e um ativo, que decide com base em previses. A medida de desempenho considerada o custo de operao mdio por perodo, que obtida atravs de simulao da utilizao dos modelos com base num histrico de vendas. O trabalho analisa o efeito da alterao de previsibilidade e da considerao de quantidades mnimas de compra no modelo ativo no desempenho relativo dos modelos analisados. A anlise utiliza um modelo de busca acoplado a um simulador. O trabalho apresenta subsdios para a escolha e parametrizao de modelos de estoque em empresas.

Palavras-chave
Modelos de estoques, simulao, busca.

Inventory models comparative analysis

Abstract
This paper is an approach of the inventory models selection problem in single echelon system management with independent items. Four inventory models are considered, three reactive, which dont use demand forecasting for decision making, and one active model, that decides based on forecasting. Average operation cost per period is the performance measurement variable considered, calculated by using simulation of the models applied on sales temporal series. The paper analyses the effects, in the relative models performance, of the demand forecast accuracy and the use of minimum acquisition quantity in the active model. The analysis uses a search model jointly a simulator to optimize the parameters. The results present useful information for models selection and parameters determination in organizations environment.

Key words
Iinventory models, simulation, search.

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

89

Miguel Cezar Santoro; Gilberto Freire

para atender as necessidades. Essa forma de compra conhecida como Lote a Lote, embora seja questionvel tal nome. Esses modelos e suas variaes, daqui por diante, sero O problema de estoques h muito tempo pode utilizar denominados Clculo de Necessidades, para diferenci-los modelos matemticos como auxlio sua aplicao, tendo dos MRP, que cuidam de processos de transformao com sido por volta de 1915 a primeira publicao da conhecida demandas dependentes. frmula do lote econmico desenvolvida por F. W. Harris. A Apesar da idia conceitual e original do Clculo de Neabordagem matemtica do problema iniciou-se efetivamencessidades ser a aquisio do estritamente necessrio, surge te durante a 2a Guerra Mundial, e enfatiza a formulao de naturalmente o problema de altos custos de aquisio quanmodelos ou polticas para a determinao do ponto de pedo existirem custos de pedido altos. Uma srie de modelos dido (instante) em que devem ser efetuados os pedidos e da de agrupamento em lotes foi criada, ento, para resolver esse quantidade do mesmo (lote) sob determinadas propriedades problema. Eles podem ser vistos, por exemplo, em Hax e e restries da demanda, da oferta e dos custos do sistema Candea (1984) e Orlicky (1995). considerado. Essa abordagem ativa (aquisies determinadas por Citam-se como obras importantes para a disseminao previses) provocou discusses sobre o acoplamento de dessa abordagem os artigos de Dvoretzky e Kiefer (1952), modelos de previso ao de estoques. Podemos ver em Fildes de Arrow; Harris e Marschak (1958) e os livros de Hadley e e Beard (1992) uma discusso interessante sobre medidas de Whitin (1963), Naddor (1966), e Brown (1967 e 1977). previsibilidade e em Gardner (1990) uma anlise de como a qualidade das previses pode afetar as deciste trabalho um estudo do problema de ses e o custo delas num sistema de escolha entre modelos de estoque para estoques. O aumento da complexidade dos gesto de itens independentes em local nico. problemas surgidos com os modelos ativos, por outro lado, favoreceu a utilizao da simulao e de modelos de busca como instruOs primeiros modelos disponibilizados por essa abordamentos exploratrios e de tomada de decises prximas s gem, hoje denominados tradicionais ou reativos, so modelos timas nesse novo ambiente. Exemplos de uso interessante que permitem tomar as decises de quando e quanto abastecer dessas ferramentas podem ser vistos em Fu e Healy (1997) sem que seja necessrio obter previses sobre a demanda. A e Lopez-Garcia e Posada-Bolivar (1999). demanda, na absoluta maioria dos estudos, considerada conO foco deste estudo efetuar uma anlise comparativa tnua, com mdia constante e explicada por uma distribuio do desempenho entre modelos de estoque reativos e ativos, de probabilidade xa e conhecida no tempo. quando submetidos a demandas com diferentes previsibiNa dcada de 1970, Eilon e Elmaleh (1970) apresentalidades. O modelo ativo Clculo de Necessidades apreram um modelo que utiliza previses para ajuste adaptativo sentado em duas verses, uma obedecendo aos preceitos da de parmetros dos modelos reativos de estoque, enquanto abordagem JIT, no formando lotes, e outra com a permisso que, paralelamente, discutia-se nos meios empresariais e de formao de lotes obedecendo a uma quantidade mnima. acadmicos a losoa Just in Time (JIT), e o conseqente A considerao de quantidade mnima e no de lote permite interesse na compra do estritamente necessrio, e no de a considerao de demandas altas, uma vez que no existe lotes. Surgiram ento os chamados sistemas Material Requilimitao superior. rement Planning (MRP). Eles serviram, inicialmente, para A idia bsica vericar se o comportamento do motratar decises de abastecimento em problemas de produo delo Clculo de Necessidades supera os reativos mesmo (estoques intermedirios) de itens com demandas depencom baixa previsibilidade de demanda e se, para o caso de dentes (no comercializados diretamente), que apareciam operao em ambientes com custos de pedido altos, onde nas estruturas de fabricao e montagem de produtos com trabalha com desvantagem pela no formao de lotes, a demandas independentes (comercializados). O cronograma opo de quantidades mnimas de aquisio permite supeaproximado e pontos importantes do desenvolvimento desrar os modelos reativos. Considera-se essa avaliao como ses e de outros modelos de estoque e de programao podem muito importante para a efetiva utilizao de modelos ativos ser vistos em Sipper e Buln. (1998). no ambiente das empresas. Como conseqncia de considerar demandas com tenNa prxima seo, o problema estudado caracterizado, dncias, sazonalidades e saltos, e a losoa JIT, naturalbem como so detalhados os objetivos do estudo. Seguindo, mente surgiram decises de compra baseadas diretamente apresentada a modelagem do problema e descrio dos em previses, nas quais se compra o estritamente necessrio

INTRODUO

90

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

Anlise comparativa entre modelos de estoque

dados de entrada, do tratamento efetuado e dos dados de sada. Na Seo Resultados computacionais, os resultados obtidos so analisados. Na ltima seo, so apresentadas as principais concluses do trabalho.

modelos ativos e reativos em funo de diferentes previsibilidades do modelo ativo. Analisar o efeito da introduo do parmetro Necessidade Lquida Mnima no modelo ativo, no comportamento relativo j estudado.

DESCRIO DO PROBLEMA MODELAGEM DO PROBLEMA

O problema objeto do estudo o de itens sem estrutura estocados em local nico, sujeitos a demandas regulares, que Nesta seo apresentamos o procedimento experimental, obedecem a quatro curvas de demandas mdias: reta consque se apia em simulao e busca nos itens de estoque. tante, reta inclinada, reta constante com sazonalidade e reta inclinada trabalho analisa o efeito da alterao de com sazonalidade. A oferta ilimitada com tempo de espera constante, previsibilidade e de quantidades mnimas de e a disponibilidade de recursos para armazenagem tambm ilimitada. compra no desempenho dos modelos analisados. Os custos de pedidos, estocagens e faltas so xos e conhecidos. Faltas convertem-se em atrasos. Descrio dos Dados de Entrada Para a previso ser utilizado o modelo de projeo com A simulao foi efetuada com itens agrupados em fareta inclinada e sazonalidade, e suavizao exponencial mlias. Cada famlia foi caracterizada por uma curva de simples nos trs coecientes de suavizao. demanda, por um desvio-padro e pelo tempo de espera Sero considerados quatro modelos de estoque, todos (lead time de suprimento) dos seus itens. Os valores de peridicos e com perodo de reviso unitrio, sendo trs demanda de cada famlia foram gerados a partir de sorteio deles reativos (Reposio do Mximo, Reposio da Base e aleatrio em curvas normais, centradas nos pontos da curva Lote Fixo) e um ativo (Clculo de Necessidades). A avaliade demanda e utilizando o desvio-padro correspondente. o de desempenho dos modelos de estoque para cada item A Tabela 1, abaixo, ilustra a composio das famlias ser feita pela simulao dos mesmos aplicados ao item de itens. num horizonte de 60 perodos, e pela medio do custo de A combinao de 4 curvas de demanda, 5 desvios padro operao mdio por perodo, obtido pela soma dos custos e 3 tempos de espera resulta em 60 famlias diferentes. Para de pedidos, armazenagens e faltas mdios por perodo. Por cada famlia foram geradas 5 replicaes com 60 perodos facilidade de explicao, daqui por diante consideraremos a cada, o que resultou num total de 300 itens. unidade de tempo ms. As curvas consideradas tm um valor da constante no Os objetivos do trabalho so: instante zero igual a 100 e, quando for o caso, inclinao de 2 Efetuar uma anlise do comportamento relativo dos e ndices de sazonalidade colocados na Tabela 2, a seguir:

Tabela 1: Caracterizao das famlias de itens.

FAMLIAS DE ITENS CURVAS DE DEMANDA Constante Inclinada Constante com Sazonalidade Inclinada com Sazonalidade DESVIOS PADRO (UNIDADE) 3 7 12 18 25 TEMPOS DE ESPERA (MS) 1 3 6

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

91

Miguel Cezar Santoro; Gilberto Freire

Os custos importantes para o estudo esto colocados a seguir (a unidade monetria irrelevante por ser um estudo comparativo), e foram escolhidos de forma a gerar solues equilibradas para as anlises comparativas: custo do item igual a 10; custo de pedido igual a 20 e a 80; taxa de armazenagem de 0,02 por ms; custo de falta igual a 4 e a 10.

pelo Clculo de Necessidades na fase seguinte de simulao dos modelos de estoque.

Clculo dos parmetros e do desempenho dos modelos de estoque Os quatro modelos de estoque considerados e sua operao esto explicados a seguir: Modelo de Reposio do Mximo (RepMaxC) Parmetros: Ponto de Pedido (PtoPed) e Estoque Mximo anlise utiliza um modelo de busca acoplado a (EstMax). A cada nal de perodo avalia-se um simulador para otimizao dos parmetros o estoque fsico mais o a receber e compara-se com o ponto dos modelos de previso e de estoque. de pedido. Se for superior nada se pede e se for inferior faz-se Descrio do tratamento dos dados de um pedido para a reposio do mximo. Esse modelo s entrada de sada vezes chamado simplesmente de Modelo de Reposio Peridica. Clculo da equao de projeo Para cada um dos 300 itens com 60 meses de demanda Modelo de Reposio da Base (RepBaseC) foi ajustada uma curva de projeo considerando como Parmetros: Estoque Mximo (ou Base) e Necessidade perodo de inicializao 24 meses e perodo de validao Lquida Mnima (NLiqMin). os 36 meses restantes. Esse ajuste foi feito consideranA cada final de perodo soma-se o estoque fsico e o a do como curva uma reta inclinada com sazonalidade, e receber e faz-se um pedido igual diferena entre o escolha dos trs parmetros por suavizao exponencial Estoque Mximo e esta soma, caso no exista Necessimples de acordo com Makridakis e Wheelright (1998). sidade Lquida Mnima. Caso exista, faz-se o pedido As simulaes foram suportadas por uma busca direta desta diferena somente se ela for superior NLiqMin. na superfcie de resposta para encontrar o melhor ajuste, Esse modelo conhecido tambm com Modelo do com os coecientes de suavizao variando no intervalo Estoque Base. [0,00 - 0,30], e com dois nveis de resoluo, com passos respectivamente de 0,05 e 0,02. A busca localiza o mnimo Modelo do Lote Fixo (LotFixC) com o passo maior e reinicializa a partir da melhor soluo Parmetros: Ponto de Pedido (PtoPed) e Lote Fixo (LotFix). com o passo inferior, tendo quatro critrios de parada, para A cada nal de perodo avalia-se o estoque fsico mais o dar segurana ao valor do mnimo encontrado: a receber e compara-se com o ponto de pedido. Se for Total de 800 iteraes; superior nada se pede e se for inferior faz-se um pedido 300 limites ou valores piores obtidos; igual ao lote xo. Esse modelo conhecido tambm com 300 valores mnimos obtidos; Modelo do Lote Econmico quando o clculo do lote 4 mnimos seguidos em direes e sentidos opostos. obedece a alguma frmula de lote econmico.

Os resultados principais dessa fase so as quatro equaes de projeo e os correspondentes melhores coecientes de suavizao para cada item. A melhor curva encontrada foi ento transladada para a data zero e, com os melhores coecientes de suavizao, geraram-se as previses utilizadas

Modelo do Clculo de Necessidades (CalNec) Parmetros: Estoque de Segurana (EstSeg) e Necessidade Lquida Mnima (NLiqMin). A cada nal de perodo avalia-se o estoque fsico mais o a receber menos a demanda prevista no tempo de

Tabela 2: ndices de sazonalidade.

JAN 0,80 FEV 1,10 MAR 1,30 ABR 1,20 MAI 1,00 JUN 0,90 JUL 0,90 AGO 1,00 SET 1,20 OUT 1,30 NOV 1,10 DEZ 0,80

92

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

Anlise comparativa entre modelos de estoque

reao mais o estoque de segurana. O tempo de reao a soma do perodo de reviso mais o tempo de espera do item. Se essa quantidade for nula ou positiva nada se pede, e, se for negativa, faz-se um pedido igual mesma, caso ela seja superior NLiqMin. Caso seja igual ou inferior, pede-se a NLiqMin.

No houve preocupao em melhorar os valores sementes, pois eles serviram, de fato, para a denio do passo e incio da busca, mas no devem ter afetado o resultado da mesma, por se tratar de busca com trs nveis de resoluo, limites de variao dos parmetros em relao s sementes e critrios de parada bastante frouxos.

Para cada um dos 300 itens com 60 trabalho apresenta subsdios para a meses de demanda e cada um dos trs modelos de estoque feita uma simulao escolha e parametrizao de modelos da operao do modelo, iniciando-se na data zero e terminando-se no horizonte de de estoque em empresas. simulao correspondente aos 60 meses. Nessa simulao so medidos o nmero Os resultados principais dessa etapa so os melhores pamdio de pedidos/ms, o estoque mdio/ms e as faltas rmetros encontrados de cada modelo de estoque aplicado a mdias/ms. Uma vez multiplicados pelos respectivos cada item, e os respectivos valores dos custos de operao custos unitrios de pedido, de estoque e de faltas e somamensais mdios. Numericamente temos 300 itens x 4 modos, resulta o custo mdio de operao por perodo, que delos = 1200 resultados. o mensurador do desempenho do modelo de estoque para Foram rodadas oito fases do experimento resultantes da aquele item com os parmetros simulados. As simulaes foram suportadas por uma busca direta combinao dos parmetros, mostrada na Tabela 3. com mltiplos reincios na superfcie de resposta para encontrar o melhor ajuste, com trs nveis de resoluo, com RESULTADOS COMPUTACIONAIS passos respectivamente de 0,06 , 0,02 e 0,01 do valor semente do parmetro. A busca localiza o mnimo com o passo A modelagem foi desenvolvida em VBA do Excel e exemaior e reinicializa a partir da melhor soluo com o passo cutada num PC com 526 Mb de RAM e Processador Intel inferior, e assim por diante, tendo critrios de parada iguais de 1,8 Mhz; cada execuo completa de cada fase demorou ao da busca da projeo, para dar segurana ao valor do aproximadamente 15 minutos para os 300 itens. A Figura 1, custo de operao mnimo encontrado. Os valores sementes a seguir, apresenta uma comparao entre os quatro modelos dos parmetros foram obtidos atravs de frmulas simples, de estoque nas trs fases do experimento testadas: como indicado a seguir: Verica-se o melhor desempenho do modelo Clculo de ponto de pedido = demanda mxima no tempo de reao; Necessidades nas fases 3 a 8, e um desempenho inferior aos lote xo = frmula padro do lote econmico; de dois modelos reativos nas fases 1 e 2. A anlise mais detaestoque mximo = ponto de pedido mais lote econmico. lhada dos resultados fornece as razes deste desempenho.

Tabela 3: Fases de testes de simulao.

FASE 1 2 3 4 5 6 7 8 CUSTO DE PEDIDO 80 80 20 20 80 80 20 20 CUSTO DE FALTA 4 10 4 10 4 10 4 10 TAXA DE ARMAZENAGEM 2% 2% 2% 2% 2% 2% 2% 2% NECESSIDADES LQUIDAS MNIMAS Sem Sem Sem Sem Com Com Com Com

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

93

Miguel Cezar Santoro; Gilberto Freire

A Figura 2, a seguir, apresenta os resultados de todos os custos de operao para cada modelo de estoque, obtidos na Fase 1, para cada famlia de demanda. Os resultados so apresentados em quatro grandes grupos de demanda ordenados por sua complexidade crescente. Dentro de cada um destes grupos, os resultados esto separados em quatro subgrupos, um para cada modelo de estoque testado, ordenados por modelos na ordem RepMaxC, RepBaseC, LotFixC e CalNec. Finalmente, em cada subgrupo os resultados dos itens esto organizados em ordem crescente das famlias, que coincide com a ordem crescente dos desvios padro combinados com tempos de espera crescentes, utilizados na gerao das demandas e nas simulaes. A Figura 2 mostra que os custos de operao dos modelos Clculo de Necessidades e Reposio da Base, nos casos de demanda constante e constante com sazonalidade, so superiores aos dos modelos de Reposio do Mximo e Lote Fixo. Como na Fase 1 o valor do Custo de Pedido alto, esperado que os modelos cujas regras impliquem em maior nmero de compras tenham um custo de operao mais alto, que o caso destes dois modelos quando no se utiliza o recurso de Necessidades Lquidas Mnimas. Comporta-

mento semelhante esperado na Fase 2, conrmado pelos resultados apresentados na Figura 3, onde somente o Custo de Falta aumentado em relao Fase 1. A reduo do Custo de Pedido na Fase 3 conrma o impacto deste custo no desempenho dos modelos, permitindo que o Clculo de Necessidades vena em 69% dos itens. A gura 4 mostra as disperses referentes a esta fase. Em todos os grcos de disperso pode-se notar um grande aumento na disperso dos custos dos modelos reativos nos casos de demandas com inclinao (tendncia). A mesma observao ressalta a robustez do modelo de Clculo de Necessidades em relao s diferentes demandas, devidamente tratadas pelos modelos de previso, apresentando um padro de disperso quase constante em todos os ambientes simulados. A Figura 5 apresenta os resultados da Fase 5. O efeito do uso de Necessidades Lquidas Mnimas pode ser observado na comparao entre as Fases 1 e 5, onde nesta ltima este recurso introduzido, mantendo-se os demais parmetros da outra fase. Fica claro que a formao de lotes mnimos nos modelos de Reposio da Base e Clculo de Necessidades, permitindo um nmero menor de compras, nivela o desempenho destes em relao aos demais modelos reativos nos

Figura 1: Distribuio dos melhores modelos pelo critrio de menor custo de operao.

DISTRIBUIO DOS MELHORES MODELOS % DOS ITENS CUJO MODELO INDICADO FOI O MELHOR

94

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

Anlise comparativa entre modelos de estoque

Figura 2: Disperso dos custos de operao dos itens na Fase 1.

Figura 3: Disperso dos custos de operao dos itens na Fase 2.

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

95

Miguel Cezar Santoro; Gilberto Freire

Figura 4: Disperso dos custos de operao dos itens na Fase 3.

Figura 5. Disperso dos custos de operao dos itens na Fase 5.

96

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

Anlise comparativa entre modelos de estoque

ambientes de demanda constante. Para o modelo de Clculo de Necessidades, o desempenho nos ambientes de demanda com inclinao melhora o suciente para lhe dar vantagem geral em toda a fase, como pode ser observado na porcentagem de vitrias obtidas (45%), apresentada na Figura 1. Para facilitar o entendimento das concluses a seguir, a Tabela 4 resume o desempenho dos modelos com base nos diferentes custos de pedido (alto e baixo), na considerao ou no de necessidade lquida mnima e na constncia ou inclinao da demanda mdia.

melhoraram muito seus desempenhos relativos e o Clculo de Necessidades perdeu suas vantagens originais. A liberao, para o Clculo de Necessidades e para o Reposio da Base, do uso da Necessidade Lquida Mnima teve, como efeito importante, valores positivos para esse parmetro como resultado da busca, indicando o interesse nisso em termos absolutos e, em termos relativos, fez com que o Clculo de Necessidades retomasse sua supremacia em relao aos modelos reativos.

CONCLUSES

Este trabalho efetuou uma anlise comparativa do desempenho entre modelos de estoque reativos e ativos, quando submetidos a diferentes demandas. A reduo do custo de pedido foi acompanhada por uma substancial melhoria de desempenho do Clculo de Necessidades e por uma pequena melhoria do modelo Reposio da Base. Isso sugere que a impossibilidade de reduo de custo pela compra em lotes maiores penalizou esses dois modelos citados, principalmente o modelo Reposio da Base. Com Custo de Pedido relativamente baixo e mesmo sem trabalhar com Necessidades Lquidas Mnimas, o Clculo de Necessidades teve um desempenho superior aos reativos, principalmente quando trabalhou com ambientes de demanda de baixa previsibilidade. Esses resultados esto coerentes com os obtidos por Jacobs e Whybark (1992) embora, a rigor, no se possa comparar efetivamente os resultados pelas diferenas de abordagens e medidas adotadas. No entanto, ao se trabalhar com Custo de Pedido alto os modelos reativos

s resultados indicam supremacia do modelo de estoque que utiliza previses e necessidades lquidas mnimas, mesmo em condies de baixa previsibilidade.

A existncia de demanda com tendncia causou, como era de se esperar, um decrscimo acentuado no desempenho relativo dos modelos reativos e um crescimento vigoroso no do Clculo de Necessidades. A possibilidade de prever, mesmo que com desvios, gera uma vantagem competitiva dicilmente superada pelos modelos reativos que, como a prpria designao diz, reagem demanda. O resultado sugere um grande interesse no uso de modelos ativos, mesmo em condies de baixa previsibilidade, e o interesse na considerao de quantidades mnimas de aquisio nesse mesmo modelo, pois, mesmo afastando-o de sua origem conceitual coerente com a idia de JIT, fornece um recurso adicional para seu melhor desempenho, enquanto no forem eliminados os Custos de Pedido.

Tabela 4: Resumo do desempenho dos modelos.

PORCENTAGEM COMO MELHOR MODELO REPMAXC ALTO CTOPED BAIXO NO NECLIQMIN SIM SEM INCLINAO DEMANDA COM INCLINAO CRESCENTE COM INCLINAO DECRESCENTE 16% 38% 20% 8% 11% 13% 5% 0% 16% 26% 26% 9% 58% 22% 49% 83% 12% 28% 9% 1% 12% 25% 67% 45% 32% REPBASEC 4% LOTFIXC 28% CALNEC 36%

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008

97

Miguel Cezar Santoro; Gilberto Freire

Artigo recebido em 29/06/2006 Aprovado para publicao em 02/01/2007

Referncias
ARROW, K. A.; HARRIS, T. E.; MARSCHAK, J. Optimal Inventory Policy. Econometrica, 19, p. 250-272, 1951. BROWN, R. G. Decision Rules for Inventory Management. New York: Holt, Rinehart and Winston, 1967. BROWN, R. G. Materials Management Systems. New York: Wiley, 1977. DVORETZKY, A.; KIEFER, J. The Inventory Problems: I. Case of Known Distributions of Demand; II. Case of Unknown Distributions of Demand. Econometrica, 20, p. 187-222 e p. 450-466p, 1952. EILON, S.; ELMALEH, J. An Evaluation of Alternate Inventory Control Policies. FU, M. C.; HEALY, K. J. Techniques for optimization via simulation: an experimental study on an (s, S) inventory system. IIIE Transaction, 29, p. 191-199, 1997. GARDNER JR, E. S. Evaluating Forecast Performance in an Inventory Control System. Management Science, 36, Iss. 4, p. 490-499, 1990. Management Science , v. 16, n. 8, p. 532-548, 1970. FILDES, R.; BEARD, C. Forecasting Systems for Production and Inventory Control. International Journal of Operations & Production Management, 12, Issues 5, p. 4-27, 1992. HADLEY, G.; WITHIN, T. M. Analysis of Inventory Systems. New Jersey: Prentice Hall, Englewood Cliffs, 1963. stochastic inventory models. Computers & Industrial Engineering, v. 37, n. 1, 2, p. 215-218, 1999.

HAX, ARNOLDO; CANDEA, D. Production and Inventory Management. New Jersey: Prentice-Hall, 1984.

MAKRIDAKIS, S.; S. C. WHEELRIGHT Forecasting-Methods and Applications New York: Wiley, 3. ed, 1998. NADDOR, E. Inventory Systems. New York: Wiley, 1966. ORLICKY, J. Material Requirements Planning. New York: McGraw-Hill, 1995. SIPPER, D. AND BULFIN, R. Production: planning, control and integration. New York: McGraw-Hill, 1998.

JACOBS, F. R.; WHYBARK, D. C. A Comparison of Reorder Point and Material Requirements Planning Inventory Control. Logic Decision Sciences, v. 23, n. 2, p. 332-342, 1992.

LOPEZ-GARCIA, L.; POSADA-BOLIVAR, A. A simulator that uses Tabu Search to approach the optimal solution to

Sobre os autores Miguel Cezar Santoro Professor Departamento de Engenharia de Produo Escola Politcnica USP End.: Av. Prof. Almeida Prado, 128 Cidade Universitria 05508-900 So Paulo SP Tel.: (11) 3091-5363 E-mail: santoro@usp.br Gilberto Freire Mestre em Engenharia de Produo Departamento de Engenharia de Produo Escola Politcnica USP End.: Av. Prof. Almeida Prado, 128 Cidade Universitria 05508-900 So Paulo SP Tel.: (11) 3091-5363 E-mail: gfreire@usp.br

98

Produo, v. 18, n. 1, p. 089-098, Jan./Abr. 2008