Page 1
APLICAÇÃO DE SIMULAÇÃO EM
GESTÃO DE PROCESSOS OPERACIONAIS
- UM ESTUDO DE CASO NA INDÚSTRIA
ELETRÔNICA”
Felipe Manga Milani (FACAMP)
[email protected]
Paulo Sergio de Arruda Ignacio (FACAMP)
[email protected]
Este trabalho tem como objetivo aplicar um modelo de simulação a
eventos discretos, visando aperfeiçoar uma linha de montagem de
servidores e storages de uma empresa eletrônica. É dada uma ênfase para
a etapa de modelagem conceitual utilizaando-se a técnica do IDEF-SIM
(Integrated Definition Methods - Simulation) para dar suporte ao modelo
computacional, que utilizará o simulador Promodel®. São apresentadas
as etapas pelas qual o trabalho foi estruturado, além dos modelos
conceituais e computacionais validados e verificados de acordo com a
metodologia proposta para projetos de simulação. Os resultados obtidos
foram satisfatórios, conforme os objetivos de aumento da produtividade da
empresa.
Palavras-chaves: Modelagem, IDEF-SIM, Simulação
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
Page 2
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
2
1. Introdução
A empresa eletrônica estudada, montadora de servidores e storages passa por dificuldades de
atendimento a sua demanda, decorrente da sazonalidade dos pedidos de seus clientes. Sendo
assim este artigo tem como objeto de estudo a aplicação da ferramenta de simulação para
melhorar a capacidade produtiva e conseguir adaptar a produção à sazonalidade dos pedidos. A
modelagem dos dados e cenários deve ajudar a melhoria dos processos de montagens e a redução
dos custos de operação. Para que seja possível analisar os dados e atingir os resultados desejados,
a cronoanálise será utilizada como ferramenta para documentar o sistema, assim como o software
de simulação ProModel® como facilitador.
2. Problema de pesquisa e objetivo
O objetivo do artigo será demonstrar a facilidade da utilização de um simulador para atender à
demanda do mercado de Servidores e Storages. Para comprovar a eficácia da simulação o artigo
deve estudar a produtividade, identificar oportunidades de melhorias e dependências do processo.
O problema de pesquisa está relacionado com operação de uma empresa de montagem que sofre
com a sazonalidade da demanda por seus produtos. Nos períodos de pouca demanda, os
operadores ficam ociosos, evidenciando um problema na ocupação dos operadores. Problema que
também pode ser notado quando a demanda está muito alta e é necessário alocar montadores de
outras áreas da empresa. O excesso de movimentação dos colaboradores na montagem, o tempo
por atividade e o layout da linha afetam o lead time de produção por produto. Como certas etapas
podem demorar mais que as outras, existem limitadores de produção. A empresa, porém, não
sofre com estoques de produto acabado. Seus insumos são adquiridos com base em um
adiantamento da possível demanda e são comprados somente quando a ordem de produção é
inserida no sistema.
3. Revisão bibliográfica
A definição de um sistema é a primeira etapa para o entendimento de um problema ou estudo.
Um sistema pode ser definido como um "conjunto de elementos em constante interação"(von
BERTALANFFY, 1968). Todos os sistemas geram dados a serem coletados e armazenados. E,
para definir o nosso modelo, é preciso absorver esses dados de alguma forma.
3.1. Simulação
Existem diversos termos relacionados à simulação e muitos tipos de simulação. O que deve ser
simulado é sempre um sistema. Para Forrester (1968), um sistema é o agrupamento de partes que
operam juntas, visando atingir um objetivo comum. E esse sistema implica em uma interação de
causa e efeito entre suas partes componentes.
“Usualmente os textos clássico de simulação fornecem uma série de definições do que é
simulação. Para não tornarmos as coisas muito repetitivas,... comentaremos o que a
Page 3
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
3
simulação não é: uma bola de cristal; um modelo matemático; uma ferramenta
estritamente de otimização; substituta do pensamento inteligente; uma técnica de último
recurso e uma panacéia que irá solucionar todos os problemas.”
(CHWIF e MEDINA , 2006)
Nas décadas decorrentes até os dias de hoje, a expansão da simulação vem proporcionando
facilidade de solução de problemas e criação de novas tecnologias relacionadas ao
desenvolvimento da tecnologia como um todo, a exemplo dos supercomputadores e das redes.
(GOLDSMAN, 2010)
Existem ainda diversos outros termos relacionados à simulação e muitos tipos de simulação.
Enfatizando os diversos tipos de simulação e considerando a simulação computacional, segundo
Chwif e Medina (2006), esta pode ser classificada em três categorias básicas: simulação de
Monte Carlo, simulação contínua e simulação de eventos discretos. No propósito de modelar
sistemas que mudam o seu estado em momentos discretos de tempo, isto é, em decorrência da
realização de eventos, a simulação de eventos discretos pode ser aplicada em manufatura e
serviços.
3.2. Modelagem
Para a etapa de concepção do modelo, devem ser definidos e analisados os objetivos do sistema.
“Mesmo a melhor das operações produtivas precisará melhorar, porque os concorrentes também
estão fazendo melhoramentos”. (SLACK apud CHWIF e MEDINA, 2006).
A formulação do sistema deve ser feita através de ferramentas como Fluxogramas e Value Stream
Map, o mapa de fluxo de valor do sistema. “O modelo abstrato que está na mente do analista
deve ser representado de acordo com alguma técnica de representação, a fim de torná-lo um
modelo conceitual.” (CHWIF e MEDINA, 2006).
Leal, Almeida e Montevechi (2010) destacam a facilidade e o enfoque específico na modelagem
de processos através do IDEF-SIM (Integrated Definition Methods – Simulação). A técnica
apresenta metodologia baseada nos modelos desenvolvidos pela força aérea americana, o IDEF0
(Integrated DEFinition Methods ) e o IDEF3, incrementada com novas formas e dados que
facilitam o desenvolvimento de um modelo computacional, base para a simulação. Para os
autores a facilidade de entendimento trazida através da utilização do IDEF-SIM é seu principal
ponto forte. Apesar de a técnica ter foco no projeto de simulação, os autores garantem que a
técnica é compatível, e sempre deve ser, a outros fins, como projetos de melhoria em geral. Para
exemplificar a metodologia de mapeamento, a figura 1 representa o processo operacional
estudado nesse projeto, mapeado com a utilização do IDEF-Sim.
Page 4
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
4
RawMaterial
CXOrder material
OP wh
Sep.
RawMaterial
CX
Montagem
X
CX
IDEF -SIM CX4
OP 1
OP 2
Cap. INF 4 Locations
A
Fonte : Elaboração própria
Figura 1 - IDEF-Sim CX4
Leal, Almeida e Montevechi (2010) afirmam que essa técnica determina que a aplicação da
técnica pode ser utilizada em dois momentos distintos do projeto: na fase de modelagem
conceitual, onde o modelador registra o sistema a ser modelado; e também quando é feita a
documentação do modelo. Caso o modelo seja detalhado em exagero, a sua construção e
compreensão podem ser prejudicadas. Após o entendimento do modelo IDEF-Sim, a modelagem
computacional foi realizada. Se utilizando de uma linguagem própria de programação todas as
regras, processos, caminhos, recursos e tempos foram configurados de acordo com o modelo. A
figura 2 representa o ciclo de concepção e implementação e análise da simulação para um
processo.
Fonte: adaptado de CHWIF e MEDINA, 2006
Figura 2 -Ciclo de simulação
Através da técnica IDEF-Sim foi possível gerar um modelo conceitual com uma série de
informações que irão diminuir o tempo necessário ao desenvolvimento do modelo
Page 5
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
5
computacional. Nesse caso o modelo foi criado com as informações das atividades, etapas e
semi-produtos da linha de montagem.
Na etapa de implementação, o modelo conceitual deve ser convertido em um modelo
computacional através de um software de simulação comercial. Para Chwif e Medina (2006), o
modelo computacional implementado deve ser comparado com o modelo desenvolvido
anteriormente, a fim de avaliar se a operação atende ao que foi estabelecido na etapa da
concepção.
Ao realizar a modelação, analisá-la e verifica-la, os experimentos já estão prontos para “rodar” e
as entradas devem ser documentadas. O próximo passo é retirar do software de simulação os
resultados desejados que devam ser documentados, conclusões podem ser tomadas e
recomendações geradas.
3.3. Otimização
Os resultados da simulação e da otimização permitem encontrar as formas desejadas para
solucionar os problemas da empresa. (CHWIF e MEDINA, 2006). Segundo Law e Kelton (2000),
o uso mais comum e difundido da simulação, ainda se dá, para desenhar e otimizar os processos
de manufatura. E ainda se pode dizer que a simulação é mais utilizada nesses processos do que
em qualquer outro ao redor do mundo.
“O aumento da competitividade em muitas indústrias resultou em uma maior ênfase em
automação para melhorar a produtividade e qualidade. Levando em conta o fato que
sistemas automatizados são complexos, eles tipicamente só conseguem ser analisados pela
simulação. A melhoria nos softwares de simulação reduziu tempos de desenvolvimento de
modelos, permitindo, assim, mais tempo para a análise da manufatura em si. ”(LAW e
KELTON, 2000)
Para Law e Kelton (2000), o melhor benefício do uso da simulação no ambiente de uma fábrica
se dá pela possibilidade de se enxergar o todo, isto é, permitir que um engenheiro enxergue todo
o sistema ainda que uma alteração tenha sido feita em somente um determinado local ou
máquina. A mudança pontual pode ser previsível no local, porém sua repercussão no resto do
sistema pode ser bem maior. As conclusões, quando analisado o todo, são mais exatas e
confiáveis.
Ao tratar da simulação associada à otimização Fu (2010) explica que as duas teorias eram
mantidas separadas “fisicamente”, até o começo do Século XXI. Nesse recente período, a
otimização vem sendo encontrada conjuntamente nos softwares de simulação, assim como é o
caso do SimRunner para o ProModel® . Esse software analisa as entradas e os resultados do
modelo simulado através de uma otimização e não somente uma estimativa estatística como
anteriormente.
4. MÉTODO
O método de pesquisa que será realizado para o desenvolvimento desse trabalho será, segundo
Santos (2002), o método de pesquisa científica no qual o objetivo será caracterizado como
Page 6
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
6
descritivo, as fontes de dados coletadas em campo e o procedimento de coleta de dados através
do estudo de caso e pesquisa bibliográfica.
O estudo de caso permite um conhecimento amplo e detalhado do processo e de seus objetos
complexos. “O estudo de caso é apenas uma das várias maneiras de realizar a pesquisa de ciência
social” Yin (2010). “Em geral, os estudos de caso são o método preferido quando: as questões
“como” ou “por que” são propostas; o investigador tem pouco controle sobre os eventos; o
enfoque está sobre um fenômeno contemporâneo no contexto da vida real” Yin (2010).
Os resultados serão analisados qualitativamente e quantitativamente, isso é, será analisado se a
ferramenta de simulação facilita a determinação e o desenvolvimento de melhorias de processo
operacionais. Também serão comparados os resultados numéricos das melhorias propostas e do
resultado da simulação para garantir a conclusão do estudo. A figura 3 representa o fluxo
seguido:
Fonte: Elaboração própria
Figura 3-Fluxograma de método
5. Desenvolvimento
Em uma primeira etapa os principais produtos, volumes de produção e fluxo de informação foram
coletados e entendidos. Foi decidido que o trabalho se basearia em 2 produtos de configurações e
processos de montagem diferentes. Um deles, denominado aqui de UP12 é composto por dois
produtos diferentes, o P1 e o P2. Sendo que a combinação mais tradicional observada é que o
UP12 seja composto por uma unidade de P2 e três unidades de P1. O outro produto é
denominado aqui de P3. A figura 4 a seguir apresenta o período e a sequência pela qual o estudo
foi realizado.
Page 7
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
7
Fonte : Elaboração própria
Figura 4 -Sequência de atividades
Esses dois produtos representam os maiores volumes de produção da empresa, sendo que o P3
corresponde a quase 65% do total montado na empresa. O UP12 representa 22 %. A apresentação
desses dados foi responsabilidade da empresa estudada e todos os valores foram mantidos
atualizados.
Com uma análise mais profunda, foi compreendido o funcionamento de todo do fluxo de
produção e movimentação desses produtos na linha de produção. Esse período serviu para que a
visão macro do processo fosse adquirida, respeitando a necessidade futura do desenvolvimento
dos mapas dos fluxos de processo e movimentação na linha de produção.
O mapeamento do processo foi executado de acordo com o conceito do Value Stream Map, VSM.
Para tal mapeamento dois tipos de produtos foram estudados e analisados a fundo. Todas as
etapas de trabalho, sem entrar em detalhes operacionais, foram observadas e os tempos de
processo documentados. O fluxo observado pode ser observado na figura 6 abaixo.
Page 8
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
8
Fonte: Elaboração própria
Figura 6 -VSM UP12
Porém, apenas o VSM não é suficiente para que seja viável montar um modelo conceitual ou
matemático para o produto final do estudo. Os tempos devem ser coletados e todas as atividades e
operações devem ser desmembradas. Para isso foi utilizada a cronometria, mais de 5000
observações e tomadas de tempo foram realizadas, até que fosse possível montar uma tabela com
a variabilidade dos tempos e todas as atividades envolvidas na montagem de cada um dos
produtos.
A observação das atividades possibilitou a estruturação de uma tabela com a descrição de cada
atividade e as 10 observações. A partir das observações foi possível realizar a cronoanálise dos
dados a fim de determinar a variabilidade dos tempos de cada atividade. Essa parte é
indispensável para a inserção dos tempos no software de simulação ProModel® . Com os tempos
coletados, a distribuição que mais se aproximou da realidade das operações foi a triangular.
Baseando se nos modelos do IDEF-Sim, e seguindo todas as regras do processo produtivo, a
configuração do sistema no ProModel® foi realizada. Os campos de processos, entidades e a
sistemática de funcionamento foram programados, assim como o posicionamento dos locais de
trabalho e regras. Para garantir que essa programação estivesse correta diversas revisões de lógica
e de funcionamento foram realizadas. A validação final foi garantida somente após se rodar um
cenário refletindo a realidade passada do processo.
A quantidade e a frequência na qual as matérias primas chegam no processo foram programadas
no desenvolvimento do sistema de simulação. Todos os componentes foram respeitados, como
turno dos operadores, tempos de descanso e paradas.
O modelo de simulação, ProModel®, foi então rodado (acionado) respeitando a demanda
1 Griffin1 Drive Bay
Separação Sub-montagem OOBA - HLI
1 Griffin1 Drive Bay
5 4 1
Turno 1: 2 opTurno 2: 1 op
OBS: Operadores compartilhados com a
embalagem e expedição
Turno 1: 2 opTurno 2: 2 op
OBS: Operadores compartilhados com a montagem e pré pack2 Griffins
3 Drive Bay
T/P= 1.5h
T/C= 1.5h
2 Turnos
T/P p2 = 4.9hT/C p2 = 4.9h T/P p1 = 3.8hT/C p1 = 3.8h
2 Turnos
T/P p2 = 0.3hT/C p2 = 0.3hT/P p1 = 0.2hT/C p1 = 0.2h
1 Turno
E E E
Turno 1: 1 op
OBS: Operadores compartilhados com
o OOBA 2
1.5h
33 dias
4.9h
5,5 dias
0.3h
2,2 dias
3.5h
2,2 dias
Page 9
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
9
corrente para o quartil a ser analisado. Com a simulação foi pretendido avaliar o desempenho das
configurações de produção com respeito a: onde estão os limitadores da produção, quais os lead
times reais dos produtos, qual a utilização dos operadores, além de testar a capacidade do
processo.
Como resultado o esperado é encontrar: Resultados de Produção diária e total no quartil para os
cenários; Lead time do processo e WIP (teste e total); Lead time por etapa de montagem;
Utilização teórica e simulada do Operador.
Os seguintes cenários foram simulados e alguns resultados quantitativos já puderam ser
observados:
Fonte: Elaboração própria
Figura 5 - Cenários de simulação
Na figura 7, a coluna “Produção” indica o total de produtos que foram demandados ao final do
quarto Quartil de 2010. A coluna do primeiro mês mostra a quantidade de produtos que entraram
na produção e a qual frequência, tomando como exemplo o P1, entrou no modelo simulado um
produto a cada 52 horas. Essa distribuição é muito similar a real e representa a sazonalidade da
demanda.
As duas últimas colunas da direita representam as saídas do sistema, isto é, o total que foi
produzido decorrente das entradas. Podemos observar que na simulação do quarto Quartil de
2010 todos os produtos demandados foram produzidos, porém na simulação do outro cenário, a
previsão do último Quartil de 2011, a demanda não conseguiu ser atendida. O software
ProModel® possuí a função de gerar gráficos para facilitar a interpretação dos resultados e
métricas.
Os resultados da simulação do 4º Quartil de passa a informação de que consegue ser atendida, e
até mesmo com um pouco de folga. As quantidades produzidas por dia foram facilmente
percebidas através de outro gráfico. Esse resultado foi comparado com o real, a partir disso foi
possível atestar que o programa de simulação estava validado e representaria fielmente o
processo produtivo.
Page 10
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
10
A simulação do cenário Q4 de 2011 gerou resultados diferentes em relação ao Q4 2010, com a
demanda mais alta, os meses não tinham capacidade para produzir todos os pedidos. O gráfico de
produção diária mostrou que não existem intervalos ociosos entre os meses, indicando que a
montagem está produzindo em sua capacidade máxima.
Nos resultado fornecidos é possível notar que no primeiro mês a produção diária foi em média de
5 racks e a demanda consegue ser atendida. Já nos segundo e terceiro meses simulados do Quartil
4 – 2011 a produção diária não é suficiente para atender toda a demanda de produtos.
Com isso, é possível notar que com a capacidade de montagem atual o processo não atende a
demanda futura simulada e qualquer que seja seu aumento em próximos períodos. Para identificar
onde o processo está limitado e os locais aonde as mudanças serão realizadas, outros resultados
da simulação foram analisados.
Através do indicador WIP (Estoque entre processo), foi possível identificar em qual situação o
número de racks em processo era maior. Resultados mostram que quando a demanda é maior, os
produtos têm uma tendência a ficarem parados e não saírem em um fluxo contínuo. Se
comparados com o outro cenário, foi possível notar que com o aumento da demanda geral, mais
racks ficaram parados no sistema e por mais tempo. A simulação do cenário Q4 – 2011 deixou
claro que o WIP permanece constante durante os dois primeiros meses do quartil, já no terceiro
mês, o alto volume da demanda de um dos produtos, o P3, provoca o aumento do indicador. O
estoque entre processos máximo, chegou a 16 produtos. Destacando atenção ao início do último
mês do quartil de 2011.
A fim de identificar a etapa do processo responsável por aumentar o WIP, um gráfico da etapa
mais longa, o teste do produto, foi traçado. Ao se analisar os resultados foi entendido que o teste
do P3, limita a continuidade da produção. No terceiro mês de 2010, mesmo depois de os outros
produtos terem completado seu ciclo de produção, o testador de P3 estava com sua capacidade
máxima de teste. O mesmo resultado pode ser observado no Q4 – 2011, assim o testador se torna
limitador da produção. Esse foi considerado o primeiro processo a ser melhorado. Algumas
melhorias, como aumentar o número de testadores, diminuir os tempos dessa atividade ou tentar
eliminá-la, devem ser realizadas.
Porém não foi somente esse o problema encontrado com a ajuda do software de simulação.
Durante as simulações o produto estava esperando muito tempo antes de ser produzido. Criando
controles no ProModel® , foi possível notar que existia um acúmulo de racks antes de uma etapa,
esse processo foi o de OOBA ( Auditoria de fora da caixa). Ao analisar o processo a fundo, foi
notado que, o turno no qual o operador do OOBA trabalha, é diferente do turno dos operadores da
montagem ou do teste, o que trava o fluxo contínuo do rack. Portanto uma melhoria nesse
processo também seria necessária, adequando e combinando os turnos ou dando autonomia para
algum outro operador realizar essa função.
A simulação do cenário com um maior período de trabalho do operador de OOBA gerou
resultados muito positivos em relação a produção de racks. Além de um aumento de mais de 75
racks no período a taxa de utilização do operador do montagem aumentou consideravelmente,
destacando um problema que não havia sido notado anteriormente, de que o produto em espera
para OOBA limitava o fluxo de produção.
Page 11
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
11
O aumento de mais de 12% da utilização, resultado do aumento do período de trabalho do
OOBA, refletiu no aumento da produção em valor similar. Com isso um problema pode ser
minimizado e a melhoria já havia sido testada e estava pronta para ser implantada com êxito.
Sido notado que o operador da montagem tem muita influência no processo, foi resolvido estudar
a utilização desse operador. De uma maneira teórica a utilização do operador da montagem pode
ser observada na figura 8, abaixo.
Fonte : Elaboração própria
Figura 8 – Utilização teórica do operador
O cálculo do tempo de utilização do operador foi realizado pela divisão entre os tempos
necessários para produzir, pelo total de tempo disponível. Sendo assim um operador leva em
média 420 horas para produzir 153 racks do P3. No geral a utilização dos operadores é razoável,
porém no Q4 – 2011 tem a probabilidade de a quantidade de operadores não ser suficiente para o
total da demanda, assim como a simulação havia mostrado anteriormente. Esse foi também um
ponto a ser melhorado.
Pelos cálculos os dois operadores não seriam suficientes para produzir o total de racks. Com
isso, outra solução para atender a demanda, seria a alocação de mais um operador de montagem a
partir do final do terceiro mês do Q4 – 2011.
Tendo em vista essa possibilidade, foi realizada uma simulação na qual um operador extra, será
alocado somente para trabalho no último mês. Como resultado da mudança, foram produzidos 30
racks a mais. Em números gerais, a figura 27 mostra todos os resultados possíveis de serem
alcançados, se as melhorias propostas forem realizadas e implantadas.
Page 12
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
12
Fonte : Elaboração própria
Figura 9 - Análise comparativa dos Resultados
6. Conclusão
O entendimento do processo foi necessário para conhecer com que tipo de sistema seria realizado
o estudo. Para isso foram utilizadas pesquisas e entrevistas, além do acompanhamento do
funcionamento do processo in loco. As coletas de dados disponibilizaram as medidas e tempos do
funcionamento do processo. Os desenhos e representações do processo foram realizadas em
forma de fluxograma, VSM e finalmente IDEF-Sim. Esse último método pode ser chamado de
modelagem conceitual do processo, etapa indispensável para o desenvolvimento do modelo
computacional.
O desenvolvimento do modelo de forma computacional foi realizado por meio do software de
simulação ProModel® . A partir da programação de todos os comandos e lógicas nesse software
se tornou possível simular qualquer tipo de cenário que respeitasse as premissas descritas no
desenvolvimento desse trabalho. A simulação de dois cenários foi realizada, a demanda que já
havia sido produzida em um quartil do ano de 2010 e de uma previsão de uma futura demanda
para o último quartil de 2011.
As simulações geraram resultados consistentes, isso por que o primeiro cenário serviu como
validação do modelo. Todas as entradas foram produzidas e os resultados do simulador se
igualaram ao que realmente ocorreu. Já os resultados do Q4 – 2011 foram consistentes, porém
mostraram claramente que o processo analisado não teria capacidade de suprir toda aquela
demanda projetada.
O cenário apresentou um déficit de pouco menos de 100 unidades dos produtos montados
naquele quartil. A demanda não conseguiu ser atendida e ficou claro que para atender a demanda
esperada algumas mudanças teriam de ser realizadas no processo. As análises dos resultados e
dos gráficos gerados pelo ProModel® destacaram os principais problemas limitadores da
produção e também qual foi a utilização dos operadores no processo. Com essas informações
algumas possíveis melhorias também foram encontradas.
Os limitadores de produção, como o Teste dos produtos e também a espera para se realizar a
Page 13
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
13
atividade de OOBA, são alguns dos pontos de possíveis melhorias. A utilização do operador de
montagem durante o último mês do quarto quartil de 2011 também foi destacada no resultado da
simulação. A fim de melhorar o processo produtivo e pretender aumentar a capacidade produtiva
do processo, algumas soluções foram geradas. A alocação de mais um operador de montagem e a
instauração de mais um turno de trabalho para o operador de OOBA foram programadas no
ProModel® . Ao rodar mais um a vez o software as mudanças foram facilmente notadas. Os
números totais produzidos aumentaram de forma significativa, possibilitando o atendimento da
demanda projetada. Os resultados disponibilizados pelo simulador evidenciaram a produção de
105 racks adicionais, quando combinada as duas medidas de melhorias.
Com isso se torna evidente que o software de simulação é uma ferramenta de grande qualidade
para a gestão de processos. Ela possibilita a análise do estado em que se encontra o processo,
possibilita a identificação de eventuais limitadores de produção e gera resultados consistentes
quando a programação é feita de maneira correta. A aplicação da simulação vem sendo cada vez
mais utilizada nos processos operacionais e deve ser vista como um grande ajuda para a melhoria
desses processos.
Referências
CHWIF, F. e MEDINA, A. Modelagem e Simulação de eventos discretos, teoria e aplicações - São Paulo: Ed. dos
autores, 2006
FORRESTER, J. Principles of Systems, 2ª ed. Pegasus Communications. 1968
FU, M. (2010), Optimization for Simulation: Theory vs. Practice, University of Maryland, Atas do 2010 Winter
Simulation Conference, Baltimore,Maryland, USA.
GOLDSMAN, D.; NANCE, R.; WILSON, J. R. (2010), A brief histoty of simulation revised, Atas do 2010 Winter
Simulation Conference, Baltimore,Maryland, USA.
HOUAISS, A. VILLAR, M. Dicionário Houaiss da Língua Portuguesa. Rio de Janeiro, RJ: Objetiva, 2001.
LAW, A. M. and KELTON, W.Simulation Modeling and Analysis – 3rd
. Ed – McGraw-Hill, 2000
LEAL, F.; ALMEIDA, D.A. de; MONTEVECHI. (2010), Uma Proposta de técnica de modelagem conceitual
para a simulação através de elementos do IDEF, Atas do 2010 Winter Simulation Conference,
Baltimore,Maryland, USA.
PÁDUA, E. Metodologia da pesquisa: abordagem teórico-prática. 10ª ed. rev. e atual. Campinas, SP: Papirus,
2004
SANTOS, A. Metodologia Científica: A Construção do Conhecimento, São Paulo: Prentice Hall, 2002
VON BERTALANFFY, L..General systems theory; foundations, development, apllications. George Braziller
Publishers, New York 1968
YIN, R. Estudo de caso: planejamento e métodos – 4. Ed. – Porto Alegre: Bookman, 2010