DDMRP para importador: programação linear de container via PuLP/CBC

Importador tem uma restrição que o distribuidor doméstico não tem: a unidade de compra é o container. Não dá para comprar cinco caixas de um SKU e seis de outro toda semana. A compra acontece a cada 30, 60 ou 90 dias e precisa fechar 28 m³ ou 68 m³, respeitar peso máximo, e ainda assim atender a demanda projetada até a próxima chegada.

O DDMRP responde o que falta e quanto falta de cada SKU em estado vermelho ou amarelo. Mas o DDMRP puro não resolve a pergunta seguinte: dado um conjunto de SKUs em recomendação, qual a combinação ótima de quantidades para fechar um container?

Essa pergunta é um problema clássico de programação linear / inteira mista (MILP). E a stack DDMRP da ForgeFlow integra solver matemático no Odoo via PuLP com backend CBC (COIN-OR Branch and Cut).

O problema formalizado

Variáveis de decisão:

• x_i = quantidade a comprar do SKU i (inteiro, em unidades ou caixas master)

Função objetivo (uma das mais usadas em importação):

maximize  sum( priority_i * x_i )

Onde priority_i é uma função do buffer penetration do SKU — quanto mais vermelho o item, maior o peso na função objetivo.

Restrições típicas:

sum( volume_i * x_i ) <= V_container        # capacidade volumétrica
sum( weight_i * x_i ) <= W_container        # capacidade de peso
x_i >= MOQ_i  ou  x_i = 0                   # lote mínimo do fornecedor (binária auxiliar)
x_i <= TOG_i - on_hand_i                    # não ultrapassar Top of Green
x_i é inteiro                               # não fracionar caixa

Em containers fracionados (LCL) entram restrições adicionais de cubagem mínima e fator de estiva.

Por que PuLP e CBC

PuLP é a biblioteca Python mais usada para modelar MILP de forma legível. Ela é interface, não solver — ela traduz o modelo Python para o formato que o solver entende.

CBC é o solver open-source do projeto COIN-OR, mantido pela própria comunidade científica. Ele resolve problemas de MILP de centenas a milhares de variáveis em segundos a minutos. Para o caso típico de container (50 a 300 SKUs candidatos), o CBC resolve em poucos segundos.

A escolha de PuLP+CBC pela ForgeFlow tem três motivos práticos:

1. Open source — sem custo de licença Gurobi ou CPLEX
2. Empacotável em pip — instala junto com o módulo Odoo
3. Determinístico — mesma entrada produz mesma saída, auditável

Onde o solver entra no fluxo Odoo

O fluxo prático em um cliente importador implantado pela KMEE:

1. DDMRP gera lista de recomendação — todos os SKUs com Net Flow Position abaixo de Top of Yellow, ordenados por penetration
2. Comprador filtra por fornecedor / origem — SKUs comprados na China, no Vietnã, etc.
3. Comprador chama o solver — botão na tela passa a lista, capacidade do container, volumes e pesos cadastrados em product.template
4. Solver retorna o mix ótimo — quantidades por SKU que maximizam a recuperação de buffer respeitando container
5. Comprador valida e gera RFQ no Odoo — purchase.order em rascunho com as linhas calculadas

Tudo dentro do Odoo, sem planilha externa.

Onde o solver erra

Modelo matemático só resolve o que está modelado. Erros típicos:

• Volume cadastrado no produto desatualizado — o solver acredita que cabe; na hora de carregar, não cabe
• MOQ não modelado — o solver sugere comprar 3 unidades de um SKU cujo lote mínimo é 100
• Lead time variável não considerado — o solver não sabe que o porto de origem fechou para celebração
• Função objetivo mal calibrada — pesar puramente por penetration ignora margem; pesar puramente por margem ignora ruptura

A camada DDMRP da ForgeFlow já modela MOQ, volume, peso e Top of Green corretamente. A calibragem da função objetivo é o ponto onde a KMEE atua na implantação — definir com o cliente se o critério é puramente DDMRP, ou ponderado por margem, ou ponderado por giro.

Caso real

Um cliente brasileiro em Odoo 18 (distribuidor importador) opera com containers fechados a partir da Ásia. A integração DDMRP + PuLP/CBC reduziu o tempo de planejamento de container de dias (planilha + reunião) para minutos (botão no Odoo + revisão), e melhorou a recuperação média de buffer por carga em mais de 30%.

Stack e papéis

A integração DDMRP + solver matemático é parte da camada Professional da ForgeFlow (Espanha) — especificamente os módulos ddmrp_prioritized_share e correlatos. A KMEE é parceira oficial brasileira para implantação Enterprise: instalação, calibragem e treinamento da equipe de compras.

Leituras relacionadas:

• DDMRP em distribuidor com 5.000 SKUs
• Otimização de frete via solver
• O que é DDMRP
• Serviço DDMRP em Odoo