Baixe o app para aproveitar ainda mais
Prévia do material em texto
Projeto de Graduação: Desenvolvimento Material Teórico Responsável pelo Conteúdo: Prof.ª Me. Brena Bezerra Silva Revisão Textual: Prof. Me. Luciano Vieira Francisco Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento • Modelagem e Simulação; • Processo de Modelagem; • Survey; • Experimento; • Manipulação e Controle de Variáveis; • Ameaças à Validade de um Experimento; • Etapas de Planejamento de um Experimento. · Conhecer os métodos de pesquisa modelagem/simulação, survey e experimento, os quais aplicados em Engenharia de Produção. OBJETIVO DE APRENDIZADO Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como seu “momento do estudo”; Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo; No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados; Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discus- são, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e de aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma Não se esqueça de se alimentar e de se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Modelagem e Simulação Na Engenharia de Produção (EP) sempre nos deparamos com situações que exi- gem uma tomada de decisão assertiva em relação às diversas atividades exercidas em uma organização, sejam de longo, médio ou curto prazo. Assim, o maior desafio dos gestores empresariais é tomar decisões para que tudo opere da melhor maneira possível – lembrando-se que tais decisões dependem de n fatores que precisam ser levados em consideração (MORABITO; PUREZA, 2012). Para tanto, o uso de modelos matemáticos pode ser válido para apoiar este processo de tomada de decisão. Um modelo pode ser definido como “[...] uma representação de uma situação ou realidade, conforme vista por uma pessoa ou grupo, e constituída de forma a auxiliar com tratamento daquela situação de uma maneira sistemática” (MORABITO; PUREZA, 2012). Ainda segundo esses auto- res, a utilização de modelos permite melhor compreensão do ambiente, da identi- ficação de problemas e oportunidades, formulação de estratégias e sistematização do processo de tomada de decisões. Importante! A construção de um modelo deve possuir os elementos principais do sistema que se busca esquematizar de uma maneira simplificada, a fim de que seja mais fácil o seu tratamento pelos métodos disponíveis. Importante! Os modelos podem ser classificados em concretos e abstratos, sendo que estes captam os elementos principais do meio a ser modelado, sendo muitas vezes a base necessária para que se faça um modelo mais detalhado – comumente são representados por desenhos, plantas, gráficos e tabelas. Já os modelos concretos costumam possuir o nível de detalhamento necessário para se verificar questões não permitidas pelos abstratos, sendo padrões físicos, tais como maquetes ou protótipos. No método modelagem normalmente são utilizados modelos quantitativos, que se enquadram no tipo abstrato, descritos em linguagem matemática e computacional. Dito de outra forma, para o desenvolvimento desses modelos são empregadas téc- nicas matemáticas, estatísticas – analíticas – e de simulação – experimento –, com o objetivo de calcular os valores numéricos das propriedades do sistema modelado, obtendo diferentes ações possíveis em tal sistema (MORABITO; PUREZA, 2012). Ademais, como tipologia, tais modelos possuem variáveis de: • Controle: que variam em um domínio específico; • Desempenho: que estão relacionadas à qualidade das decisões obtidas a partir das relações causais e quantitativas definidas, podendo ser de caráter físico – nível de estoque, unidades produzidas etc. – ou econômico – lucros, custos e receitas. 8 9 Processo de Modelagem O processo de modelagem envolve o conhecimento de Pesquisa Operacional (PO), esta que é uma abordagem científica que visa auxiliar a tomada de decisões por meio da modelagem quantitativa de sistemas, tendo como objetivo oferecer subsídios para informações do tipo melhor maneira de se projetar, planejar e ope- rar sistemas produtivos (ARENALES et al., 2007). Construir um modelo matemático de pesquisa operacional requer processos de abstração, sendo um dos quais baseado em descrição verbal, no qual se define um modelo conceitual, considerando apenas uma parte das variáveis relacionadas, de modo que logo após a definição de tal modelo, abstrai-se o mesmo em um padrão conceitual analítico, que é uma expressão do modelo em funções matemáticas ou em modelos experimentais de simulação (MORABITO; PUREZA, 2012). Ainda de acordo com Morabito e Pureza (2012), o modelo matemático requer simplificações em relação ao padrão conceitual, porém, a validação do mesmo está sujeita à condição da solução obtida para o problema – se está coerente aos objetivos e às restrições do sistema. Segundo Arenales e colaboradores (2007), o método de modelagem matemá- tica pode ser executado em quatro fases, conforme apresenta a Figura 1: Figura 1 – Processo de modelagem Fonte: Arenales e colaboradores, 2007 As descrições das etapas apresentadas na Figura 1 serão descritas a seguir: • Formulação/modelagem: nesta etapa são definidas as variáveis de interesse e das relações matemáticas que objetivam a descrição do comportamento do sistema ou problema. São estabelecidos também as variáveis úteis ao modelo e as relações causais entre as quais; 9 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento • Dedução/análise: são aplicadas as técnicas matemáticas pertinentes à resolu- ção do modelo, comumente com o apoio de programas computacionais; • Interpretação/inferência: nesta etapa são discutidos os resultados obtidos, ob- jetivando verificar se tais resultados são significativos o suficiente para inferir conclusões e/ou decisões ao modelo real; • Avaliação/julgamento: são verificadas as decisões inferidas, de modo a julgar se realmente são adequadas ou não ao problema. Em caso negativo, deve-se revisar o escopo do problema e a modelagem matemática, fazendo, assim, que este ciclo se repita. Abordagem de Pesquisa Operacional Durante a resolução de um problema usando a pesquisa operacional e modela- gem matemática como métodos, é importante que alguns princípios sejam estabe- lecidos, afinal, requerem a compreensão de algumas fases, as quais explicadas por Morabito e Pureza (2012), vejamos: • Definição do problema: aqui é especificado o escopo do problema, os objeti- vos envolvidos, as decisões de interessee o modelo conceitual, descrevendo as alternativas de decisões – hipóteses – e restrições impostas pelo sistema. O mo- delo conceitual deve representar adequadamente o sistema em que o problema está instalado, pois uma representação insuficiente comprometerá o resultado; • Construção do modelo matemático: após a definição do problema, o mo- delo matemático deve ser construído sob relações matemáticas ou lógicas de simulação – podendo-se combinar os dois itens. Comumente, este modelo é baseado em informações teóricas disponíveis na literatura especializada sobre pesquisa operacional; • Solução do modelo: nesta fase, com a utilização dos métodos de solução e algoritmos computacionais, é resolvido o padrão construído na fase an- terior. Tais algoritmos podem estar presentes na literatura especializada de pesquisa operacional ou ainda serem desenvolvidos exclusivamente para o modelo proposto. É comum a realização, nesta fase, de muitos testes preli- minares para identificar erros e verificar o desempenho dos algoritmos, ou ainda para analisar os cenários e a sensibilidade – com questionamentos do tipo e se? –, a fim de verificar a consistência das soluções; • Validação do modelo: verifica-se se o modelo proposto está de acordo ao problema, representando-o de forma adequada diante das hipóteses levanta- das na definição do problema. A comparação dos dados históricos do proble- ma aos resultados é uma maneira de se atestar a validade do modelo. 10 11 Classifi cação de Modelos em Pesquisa Operacional e Métodos de Solução Considerando que a pesquisa operacional dispõe de diversos modelos, cada qual mais adequado para a resolução de um tipo de problema, segue uma breve descrição sobre os mesmos, conforme Morabito e Pureza (2012): • Modelos matemáticos ou determinísticos: refere-se a um modelo analítico que representa alternativas ou escolhas do problema como variáveis de de- cisão. Busca responder questões relacionadas a quantidades, por exemplo, o quanto produzir de produto x ou o quanto de lucro pode ser obtido com a venda de tal produto; procurando, por meio das variáveis de decisão obti- das, maximizar ou minimizar uma função ligada às mesmas, conhecida como função objetivo. Os valores das variáveis de restrição devem satisfazer a um conjunto de relações analíticas entre as quais e às restrições do problema – por exemplo, limitações de capacidade, disponibilidade de recursos etc. Este modelo é representado matematicamente pela seguinte forma: maximizar ou minimizar função objetivo, sujeito a restrições; • Modelos estocásticos ou probabilísticos: este tipo de modelo possui mar- gens para a consideração de incertezas na parametrização dos problemas. Geralmente, são construídos para obter uma solução que maximize algum rendimento de processo. Este tipo de modelagem requer grande quantidade de dados históricos e um prévio conhecimento em estatística para a realização das tratativas de suas informações. Um exemplo de situação que aplica tal mo- delagem corresponde aos modelos baseados em teoria das filas; No artigo a seguir, são conceituados os modelos de teoria das fi las, como a própria teoria; de modo que vale a sua leitura para fi ns de aprofundamento. Disponível em: https://goo.gl/ZzQvui. Ex pl or • Modelos de simulação: buscam representar, por meio de softwares, o com- portamento de um sistema real, conforme o passar do tempo – modelos dinâ- micos – ou de uma fração particular desse tempo – modelos estáticos, ou de Monte-Carlo. Ademais, representam como seria o resultado caso a modela- gem fosse aplicada. O modelo de simulação de Monte-Carlo prevê que o sistema permaneça estático para que seja possível fazer testes com vários valores no lugar de incertezas, a fi m de que assim um provável valor possa ser atingido após tais substituições. Para mais informações, acesse o link: https://goo.gl/yiCbWT. Ex pl or 11 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Já os modelos dinâmicos de simulação podem ser contínuos ou discretos, a saber: • Modelos contínuos são aqueles nos quais as variáveis mudam frequentemen- te ao longo do tempo, não podendo precisar com exatidão quando cada mudança ocorre; • Modelos discretos de simulação têm as suas mudanças em pontos específicos – discretos – no tempo. Tais alterações são frutos de uma intervenção humana, mudança de estado de um produto em processo produtivo etc. Importante! Para a resolução de modelos discretos de simulação são utilizados softwares específicos – como o Promodel e o FlexSim –; porém, isto não torna a construção do modelo mais “fácil”. A essência de um modelo conceitual deve ser mantida, captando todos os detalhes necessários, afinal, não adianta esperar bons resultados de modelos mal elaborados. Trocando ideias... Exemplos de Trabalhos que Utilizaram Modelagem e Simulação como Métodos Pesquisando em periódicos e anais de congressos é possível encontrar uma infinidade de trabalhos na EP que utilizaram a modelagem e simulação como métodos de pesquisa; vejamos então dois exemplos: Modelo de Simulação de eventos discretos para analise de fluxo de veícu- los: este trabalho construiu um modelo de simulação de eventos discretos para a análise do fluxo de veículos e gargalos, utilizando do software FlexSim e da teoria das filas em um trecho que liga a Cidade de São Pau- lo, Capital, ao interior do Estado. Verificou-se que os gargalos ocorrem principalmente nas vias de acesso ao aeroporto Viracopos (Campinas) e próximo à Cidade de São Paulo. (PISSINELI et al., 2015) Utilização da pesquisa operacional para otimização de rotas de um moto- rista autônomo na região de São Paulo: este trabalho avaliou as rotas de um motorista autônomo e com auxílio da pesquisa operacional, modela- gem matemática e o software Lindo, os autores buscaram realizar uma melhoria nestes trajetos. O resultado mostra que a rota otimizada possui 1,77Km a menos e economiza 6,54% do tempo em relação à rota pa- drão do motorista. (OLIVEIRA et al., 2015) Survey Survey, ou levantamento, é um método no qual o pesquisador faz avaliações generalizadas de uma amostra representativa de uma população para responder ao problema investigado com o objetivo de extrair conclusões sobre o mesmo (MIGUEL; HO, 2012). 12 13 Fink e Kosecoff (1998) afirmam que survey é um método de coleta de dados que se encarrega de obtê-los de um determinado grupo por meio de questionários ou entrevistas para que seja realizada uma avaliação baseada no problema proposto. Na EP, esse método objetiva investigar, de modo geral, um tema específico da área. Por exemplo, pode-se pesquisar sobre tipos de gestões como seis sigma, sus- tentabilidade corporativa, adoção do lean manufacturing, entre outros assuntos, de modo a construir um panorama sobre uma população de empresas em relação a esses temas ou qualquer outro da área. De acordo com Forza (2002), survey pode ser classificado em três tipos: 1. Exploratório: tem o objetivo de adquirir uma visão preliminar sobre um tema, de modo a fornecer resultados para pesquisas posteriores mais apro- fundadas. Em algumas situações, pode-se realizar esta modalidade de survey baseada em dados de surveys passados; 2. Descritivo: busca entender a relevância de certo fenômeno e descrever a sua distribuição na população afetada. Não tem o objetivo de construir teorias, mas sim de fornecer embasamento para a construção ou o refi na- mento das mesmas; 3. Survey explanatório: realizado quando já se conhece o fenômeno es- tudado, incluindo modelos teórico-conceituais, proposições e conceitos bem defi nidos. Dessa forma, este tipo de survey tem o objetivo de testar a adequação das variáveis relacionadas ao fenômeno. A condução de surveys deve seguir os passos apresentados na Figura 2: Figura 2 – Etapas de execução de um levantamento do tipo survey Fonte: Martins, Mello e Turrioni, 2014 13 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação,Survey e Experimento Vínculo como Nível Teórico A primeira etapa para a condução do método survey é a pesquisa sobre a teoria existente do tema investigado, de modo a construir um modelo teórico a ser testado na fase empírica. Então, pode-se afirmar que esse primeiro passo é o desenvolvimento de um modelo teórico-conceitual. De acordo com Forza (2002), nessa fase o pesquisador precisa estabelecer o nome do construto e as definições nominais, referindo-se à identificação e definição dos conceitos considerados relevantes; as proposições, que são as discussões dos construtos definidos e suas ligações, indicando a natureza e direção de tais relações; a explicação, explicar o porquê de o pesquisador observar as relações escolhidas; e as condições limites, definição das condições que o pesquisador espera que as relações aconteçam. Projeto Na fase do projeto devem ser levantadas todas as possíveis restrições ao desen- volvimento da pesquisa, determinando a população, o método de amostragem e instrumento de coleta de dados. Nesse sentido, Martins, Mello e Turrioni (2014) citam restrições como o tempo disponível para a pesquisa, orçamento e acesso às empresas ou grupos a serem estudados. Além disso, o pesquisador deve selecionar no projeto qual será a população- -alvo da pesquisa e qual tamanho da amostra será suficiente para garantir a sig- nificância dos dados. A população deve ser definida de acordo com o tema da pesquisa, por exemplo, caso discorra sobre sustentabilidade corporativa, deve-se procurar uma população de empresas que a pratiquem. Para tanto, pode-se se- lecionar organizações associadas ao Instituto Ethos ou que publicam relatórios no Global Report Initiative (GRI). Assim, a quantidade de empresas associadas a essas instituições corresponderá à população, de modo que o volume de respostas dessa população será a amostra. Vale lembrar as definições sobre termos estatísticos utilizados no método survey, que são, conforme Forza (2002): • População: grupo inteiro de pessoas ou coisas que o pesquisador pretende investigar; • Elemento: um membro simples da população; • Composição: lista de todos os elementos da população de onde a amostra será retirada; • Matéria: elemento simples de amostra; • Amostragem: processo de seleção de um número suficiente de elementos da população para análise; 14 15 • Aleatoriedade: quando os elementos da amostra são resultados de causalida- de e imprevisibilidade, isto é, não propositais; • Tamanho da amostra: quantidade de elementos da amostra. No geral, o tamanho da amostra deve ser suficiente para garantir uma análise dos dados significativa e confiável. O processo de coleta de dados, isto é, o processo de amostragem da população pode ser classificado de acordo com o método de seleção de empresas utilizado. Assim, Miguel e Ho (2012) classificam as amostras em: • Amostragem causal simples: quando é feita uma listagem e identificação dos elementos da população, realizado um sorteio e os sorteados devem ser os respondentes da pesquisa. Os elementos da listagem devem ser homogêneos em relação ao interesse da pesquisa; • Amostragem estratificada: quando as amostras são divididas em grupos de modo a separar os agrupamentos heterogêneos em homogêneos. Este tipo de amostra segue os mesmos preceitos da amostra casual simples, porém, os elementos devem ser divididos; • Amostragem sistemática: quando a coleta de dados é feita com base em uma regra estabelecida para a seleção do primeiro até os últimos elementos; • Amostragem por conglomerados: quando a população é dividida em grupos, não impostos pelo pesquisador, por exemplo, bairros, departamentos etc. No que se refere aos instrumentos de coleta de dados, o método survey pode utilizar formulários, entrevistas face a face, telefonemas ou mesmo e-mail e outros formulários eletrônicos – todos esses meios devem ser devidamente estruturados para a coleta (MARTINS; MELLO; TURRIONI, 2014). Alguns cuidados devem ser tomados nessa etapa como, por exemplo, a elabo- ração do questionário deve ter questões compreensíveis ao público-alvo respon- dente e não possuir perguntas de duplo sentido. Seja qual for o instrumento de medição escolhido, deve-se definir as escalas de medição. Finck e Kosecoff (1998) citam as mais utilizadas em surveys: • Escalas nominais, referentes a questões de identificação dos grupos que o respondente pertence – escolaridade, faixa etária, credo religioso etc.; • Escalas ordinais que, como o próprio nome afirma, fazem com que os res- pondentes coloquem em ordem as respostas conforme a proposta de cada pergunta; um exemplo está em questões que exijam classificação de zero a dez em determinada situação; • Escalas intervalais buscam estabelecer significado real entre a distância de nú- meros – faixas salariais são exemplos. A última fase de projeto requer que sejam escolhidos os informantes apropria- dos para os propósitos da pesquisa; de modo que nesta etapa o pesquisador deve deixar claro os objetivos e as regras de sua investigação. 15 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Teste Piloto O pesquisador deve testar o que foi planejado. Segundo Forza (2002), o pes- quisador deve examinar as propriedades de medição dos questionários da pes- quisa e examinar a viabilidade da administração dessas pesquisas. Nesta etapa é realizado um pré-teste do instrumento de coleta de dados – questionário –, plane- jamento dos procedimentos para lidar com os não respondentes e avaliação da qualidade da medição. No pré-teste do questionário, uma versão deve ser submetida a três grupos para verificar se possui perguntas e instruções claras e se leva o pesquisador a obter as respostas necessárias. Assim, o primeiro grupo de pré-teste deve ser constituído por colegas ou outros pesquisadores para verificar eventuais erros de português, questões repetidas, o sentido e a clareza das perguntas. O segundo grupo deve contar com especialistas no assunto, que podem ser pesquisadores que já publicaram sobre o tema, a fim de que possam verificar se os objetivos do estudo conseguem ser alcançados com o questionário proposto. Por fim, o terceiro grupo deve ser de uma empresa que faz parte da popula- ção-alvo, para verificar se o questionário é claro e se a quantidade de perguntas está excessiva. Dessa forma, com o pré-teste, o pesquisador terá um feedback para correção, adequação e garantia de um bom instrumento de coleta de dados. Os procedimentos para não respondentes devem ser planejados antes da co- leta de dados, pois afetam a análise dos quais. Um exemplo disso é quando um participante responde apenas oito das dez perguntas submetidas. Como proceder em casos assim? A depender da análise, o pesquisador precisará definir o método estatístico adequado para tal situação. Uma opção é que o pesquisador esclareça aos respondentes sobre a obrigação ou não de uma resposta integral ao questionário. Essa etapa pode ser resolvida de duas maneiras: 1. Utilizando-se de métodos para aumentar a taxa de respostas; ou 2. Identificando os não respondentes e as questões não respondidas. Na primeira maneira, o pesquisador se vale de métodos como lembretes perió- dicos – escritos, telefônicos ou por meio eletrônico – e realiza o reenvio do questio- nário (MARTINS; MELLO; TURRIONI, 2014). Na segunda abordagem, ainda con- forme os mesmos autores, deve-se realizar um rastreamento dos não respondentes para o conhecimento da percepção dos mesmos sobre o estudo realizado. A avaliação da qualidade da medição pode ser feita em função da confiabilidade e validade, esta que está relacionada à condição se medimos o conceito correto; enquanto que a confiabilidade corresponde à estabilidade e consistência na medi- ção, além de indicar a estabilidade e previsibilidade dos procedimentos de medi- ção, sendo avaliada após a coleta dos dados. 16 17 Coleta de Dados Basicamente, a coleta de dados é a etapa em que opesquisador entra em con- tato com os possíveis respondentes e disponibiliza o questionário a ser respondido. Segundo Martins, Mello e Turrioni (2014), essa fase se refere a uma repetição dos passos aplicados no teste-piloto após as correções apontadas pelo mesmo, porém, agora realizada com toda a amostra selecionada. Para a obtenção de uma boa taxa de respostas, a apresentação do meio de coleta é primordial para incentivar a participação dos potenciais respondentes (MORABITO; PUREZA, 2012). Ademais, Forza (2002) destaca que a taxa de respondentes maior que cinquenta por cento é importante para a melhor construção da validade do estudo. A aceitação de taxas abaixo da metade, em especial em torno de vinte por cen- to, tem o potencial de transformar o estudo em controverso, pois a validade interna e capacidade de generalização são limitadas, além de taxas baixas de respostas não serem provavelmente capazes de representar a população estudada (MORABITO; PUREZA, 2012). Análise dos Dados Antes da realização da análise de dados propriamente dita, é recomendável pro- videnciar uma pré-análise de caráter descritivo, onde sejam verificadas as principais tendências, correlações e distribuições de frequência, com o apoio de métodos esta- tísticos como média, mediana, desvio-padrão e amplitude, por exemplo (MARTINS; MELLO; TURRIONI, 2014; MORABITO; PUREZA, 2012). Já para a análise propriamente dita, existem duas classes de métodos: os para- métricos e não paramétricos. Conforme Martins, Mello e Turrioni (2014), os métodos paramétricos, por serem derivados de unidades de razão e intervalos, são considerados mais poderosos, po- rém, exigem grande amostragem, tornando-se impraticáveis para situações onde a população é pequena ou a taxa de retorno de respostas foi baixa. São exemplos de métodos paramétricos a correlação de Pearson, análise de variância e o teste T. Os métodos não paramétricos, por sua vez, são indicados quando a distribui- ção da população é indefinida ou não atende aos requisitos para um método pa- ramétrico (MARTINS; MELLO; TURRIONI, 2014). São exemplos de métodos não paramétricos os testes qui-quadrado, da mediana, de Fischer e o teste U de Mann-Witney. Para conhecer mais sobre os métodos não paramétricos, acesse este material: • Qui-quadrado: https://goo.gl/Ce41LH; • Teste de Fisher: https://goo.gl/d5xXzu; • Teste U de Mann-Witney: https://goo.gl/jXg8UD. Ex pl or 17 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Gerar o Relatório O relatório escrito é a síntese do trabalho da pesquisa, contendo informações sobre o que foi realizado, a avaliação dos objetivos perante os resultados encontra- dos, devendo possuir meios compreensíveis para que a pesquisa seja replicada em diversos cenários e comparada a outras já publicadas. De acordo com Martins, Mello e Turrioni (2012), um relatório deve conter o referencial teórico, a definição dos construtos, relação entre variáveis, unidade de análise, contribuição esperada, abordagem adotada para a coleta de dados e amostra, descrição do processo de construção das medidas, das técnicas usadas para análise de dados e discussão. Vejamos dois exemplos de trabalhos que adotaram survey como método: [Investigação empírica sobre o relacionamento entre o seis sigma e as prio- ridades competitivas]: Este trabalho utilizou o método survey para investigar como o programa seis sigma está relacionado com a estratégia da empresa. Foram realizadas análises estatísticas como regressão linear múltipla para comparar as dimensões do seis sigma com as dimensões da estratégia, que foram as prioridades competitivas. (SILVA, 2015) [Influência dos fatores motivacionais entre os funcionários de uma insti- tuição pública de pesquisa do Estado de São Paulo]: Por meio do méto- do survey, este trabalho buscou identificar os fatores motivacionais que afetam desenvolvimento dos trabalhadores de um centro público de pes- quisa em São Carlos, SP. Foram identificados quais fatores mais afetam os trabalhadores, que são: treinamento e programas de incentivo e que a teoria das características dos cargos é válida para analisar as deficiên- cias motivacionais em uma instituição pública. (MELO; BRASSOLATTI; LIZARELLI, 2017) Experimento A pesquisa experimental é um método no qual o pesquisador, por meio de um ambiente controlado, comumente laboratórios, monitora as variáveis de estudo para análise das relações entre as quais. Segundo Martins, Mello e Turrioni (2014), o pesquisador monitora as vari- áveis independentes, estabelecendo os valores que serão utilizados nos experi- mentos e por meio de análises estatísticas são investigadas as relações causais entre as variáveis independente – controle, fator, causa – e dependente – resul- tante, resposta, efeito. Apesar de não ser um método muito comum no campo da Engenharia de Produção, o experimento pode ser utilizado para pesquisas realizadas ao desen- volvimento de novos materiais ou produtos, por exemplo. 18 19 Segundo Gelman (1971), a pesquisa experimental pode ser utilizada em inú- meras áreas de decisão para verificação dos efeitos de diferentes alternativas de ação mercadológica como, por exemplo, a escolha dos canais de distribuição, estratégias e políticas de preços e produtos. Os experimentos podem se subdividir, de acordo com Bryman (1989), em ge- nuínos, nos quais os pesquisadores possuem todas as condições de seguir o rígido procedimento da pesquisa experimental; e “quase-experimentos”, que são os ca- sos onde o investigador é impossibilitado de controlar totalmente o ambiente ou as variáveis, de modo que domina parcialmente o experimento. Manipulação e Controle de Variáveis Uma variável deve ter, pelo menos, dois valores e representar características, aspectos ou propriedades que o pesquisador deseja tirar conclusões a respeito. De acordo com Kidder (2004), o pesquisador pode controlar a influência de ou- tras variáveis, estranhas ao estudo, de duas maneiras: mantendo-as constantes ou distribuídas pelas condições experimentais. Ao mantê-las constantes, o pesquisador pode escolher trabalhar apenas um tipo de dado – que se encaixe em sua pesquisa –, desprezando os demais. Porém, isto é um fator que sacrifica a validade externa. Já distribuindo os sujeitos pelas condições experimentais, o pesquisador trabalha com todos os sujeitos possíveis de acordo com o seu objetivo de pesquisa, ignorando as diferenças de classifica- ção entre os quais (MARTINS, MELLO; TURRIONI, 2014). Ameaças à Validade de um Experimento A validade interna de uma pesquisa experimental é um dos pontos fortes deste método, pois quanto mais o pesquisador puder manipular a variável independen- te, mais válido será (KIDDER; 2004); porém, a validade externa é comprometida, visto que quanto mais o investigador manipular a variável independente, menos naturais serão os efeitos e mais difícil será generalizar os mesmos devido às dife- renças cada vez maiores com a vida real (MARTINS; MELLO; TURRIONI, 2014). Ao realizar um experimento é comum que diversas hipóteses sejam possíveis para um mesmo resultado, porém, apenas uma é real. Essas “hipóteses rivais” são ameaças à validade interna, as quais podem ocorrer das seguintes maneiras, de acordo com Kidder (2004): • Maturação: os sujeitos da pesquisa podem ter amadurecido ou estão exaustos de maneira diferente das condições ambientais; 19 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento • História: as alterações em que o ambiente é submetido podem ser diferentes para os sujeitos das pesquisas; • Seleção: quando não se tem a distribuição aleatória dos sujeitos entre os gru- pos pesquisados; • Instrumentação: diferenças que podem acontecer entre os grupos pesquisados; • Regressão em relação à média: apresentação de tendências extremas pelos sujeitos em quaisquer medidas analisadas; • Difusão: tendência de um efeito experimental afetar o grupo de controle– além do grupo experimental previsto. Já a validade externa é o que permite que o estudo seja generalizado para ambien- tes além do investigado (BRYMAN, 1989). Os fatores que podem comprometer tal tipo de validade são os seguintes: • Parcialidade na escolha dos sujeitos: isto pode fazer com que as respostas ao experimento não sejam representativas – recomenda-se uma escolha aleatória; • Receptividade diferente em sujeitos pré-testados: a aplicação de um pré- -teste pode mudar a receptividade dos sujeitos envolvidos no experimento, o que pode limitar a generalização das descobertas; • Fixação de efeitos reativos: o pesquisador, no planejamento de sua pesqui- sa, pode fixar uma quantidade de efeitos reativos. Isso pode fazer com que os resultados do experimento sejam específicos com o cenário estudado, não sendo possível uma generalização. Etapas de Planejamento de um Experimento A seguir serão listadas as etapas para o planejamento e a execução da pesquisa experimental, conforme Martins, Mello e Turrioni (2014): 1ª. Planejamento do experimento: a escolha das variáveis a serem exploradas; 2ª. Operacionalização das variáveis: definir as variáveis e como serão mensuradas; 3ª. Estabelecimento das relações causais – hipóteses: definição das vari- áveis dependentes e independentes do experimento a ser realizado; 4ª. Definição das técnicas de análise dos dados: estabelecimento da téc- nica estatística a ser utilizada; 5ª. Especificação da unidade de análise – campo – ou banco de ensaio: início da preparação para coleta de dados; 20 21 6ª. Especifi cação do tempo para a condução do experimento: a escolha do tempo é fundamental para experimentos realizados no futuro; 7ª. Projeto do experimento: estabelecimento dos valores para cada variá- vel de controle, sequenciamento dos eventos da experimentação, defi ni- ção dos números de eventos e se são necessárias replicações; 8ª. Realização do experimento e coleta de dados: executar a realização do experimento e da coleta dos dados; 9ª. Análise estatística: aplicar a técnica estabelecida no planejamento para tratar os dados; 10ª. Análise dos resultados: exame do que foi obtido e comparação dos mesmos com a teoria existente; 11ª. Conclusão: apresentação dos resultados e determinação das relações entradas para as hipóteses; e 12ª. Redação e publicação dos resultados. Vejamos um exemplo de trabalho experimental em Engenharia de Produção: Planejamento de experimentos em blocos aplicado às propriedades me- cânicas de arames de aço para molas: o objetivo deste artigo é mostrar a aplicação das metodologias planejamento de experimentos com análise em blocos e regressão linear múltipla aplicadas ao estudo de um proces- so de tratamento térmico siderúrgico com múltiplas respostas. Por meio deste estudo buscou-se projetar modelos estatísticos que permitissem prever os resultados das propriedades mecânicas em arames de aço SAE 9254 trefilados, com diâmetros de 2,00 mm e 6,50 mm, após processo de têmpera e revenimento. Para isso foram investigadas as variáveis de entrada do processo (diâmetro, velocidade, temperatura de revenimen- to e concentração do polímero) e as suas influências sobre o limite de resistência à tração, estricção e dureza do material. Os resultados re- velaram que todas as variáveis consideradas têm influência significativa na obtenção das propriedades mecânicas e os modelos obtidos foram validados utilizando-se análise de variância (Anova). A regressão linear múltipla permitiu representar o processo adequadamente e a análise gráfica possibilitou visualizar o comportamento das múltiplas respostas. (PIMENTA et al., 2014) 21 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Leitura A influência dos fatores motivacionais entre os funcionários de uma instituição de pesquisa pública do Estado de São Paulo MELO, R. C.; BRASSOLATTI, T. F. Z.; LIZARELLI, F. L. A influência dos fatores mo- tivacionais entre os funcionários de uma instituição de pesquisa pública do Estado de São Paulo. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 37., 2017. Anais... Joinville, SC: Enegep, 2017. https://goo.gl/JwDK6x Utilização da pesquisa operacional para otimização de rotas de um motorista autônomo na região de São Paulo OLIVEIRA, I. H. I. et al. Utilização da pesquisa operacional para otimização de rotas de um motorista autônomo na região de São Paulo. In: SIMPÓSIO DE EXCELÊNCIA EM GESTÃO E TECNOLOGIA, 12., 2015. Anais... São Paulo: SEGeT, 2015. https://goo.gl/qEMwWv Planejamento de experimentos em blocos aplicado às propriedades mecânicas de arames de aço para molas PIMENTA, C. D. et al. Planejamento de experimentos em blocos aplicado às pro- priedades mecânicas de arames de aço para molas. Produção, v. 24, n. 1, p. 71- 83, 2014. https://goo.gl/e8WJ2U Modelo de simulação de eventos discretos para análise de fluxo de veículos PISSINELI, G. J. et al. Modelo de simulação de eventos discretos para análise de flu- xo de veículos. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 35., 2015. Anais... Fortaleza, CE: Enegep, 2015. https://goo.gl/5upn5R Investigação empírica sobre o relacionamento entre seis sigma e prioridades competitivas SILVA, B. B. Investigação empírica sobre o relacionamento entre seis sigma e prioridades competitivas. 2015. 101 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de São Carlos, Sorocaba, SP, 2015. https://goo.gl/1PR17P 22 23 Referências ARENALES, M. et al. Pesquisa operacional. Rio de Janeiro: Campus; Elsevier, 2007. BRYMAN, A. Research methods and organization studies: contemporary social research. London: Routledge, 1989. CAMPOS, A. T. et al. Comparação entre as técnicas de modelagem conceitual via Idef-SIM, fluxograma e mapofluxograma para a simulação de processos hospi- talares. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 27., 2017. Anais... Joinville, SC: Enegep, 2017. FINK, A.; KOSECOFF, J. How to conduct surveys: a step by step guide. 2rd ed. Thousand Oaks, California, USA: Sage, 1998. FORZA, C. Survey research in operations management: a process- based perspective. International Journal of Operations & Production Management, v. 22, n. 2, p. 152-194, 2002. GELMAN, J. J. Pesquisa experimental: um instrumento para decisões mercado- lógicas. Revista Administração de Empresas, v. 11, n. 2, p. 24-31, 1971. KIDDER, L. H. (Org.). Métodos de pesquisa nas relações sociais: delineamen- tos de pesquisa. v. 1. 4. ed. São Paulo: Editora Pedagógica e Universitária, 2004. MARTINS, R. A.; MELLO, C. H. P.; TURRIONI, J. B. Guia para elaboração de monografia e TCC em Engenharia de Produção. São Paulo: Atlas, 2014. MELO, R. C.; BRASSOLATTI, T. F. Z.; LIZARELLI, F. L. A influência dos fato- res motivacionais entre os funcionários de uma instituição de pesquisa pública do Estado de São Paulo. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRO- DUÇÃO, 37., 2017. Anais... Joinville, SC: Enegep, 2017. MIGUEL, P. A. C.; HO, L. L. Levantamento tipo survey. In: MIGUEL, P. A. C. et al. Metodologia de pesquisa em Engenharia de Produção. 2. ed. Rio de Janeiro: Elsevier, 2012. p. 75-130. MORABITO, R. N.; PUREZA, V. Modelagem e simulação. In: MIGUEL, P. A. C. et al. Metodologia de pesquisa em Engenharia de Produção. 2. ed. Rio de Janeiro: Elsevier, 2012. p. 169-198. OLIVEIRA, I. H. I. et al. Utilização da pesquisa operacional para otimização de rotas de um motorista autônomo na região de São Paulo. In: SIMPÓSIO DE EXCELÊNCIA EM GESTÃO E TECNOLOGIA, 12., 2015. Anais... São Paulo: SEGeT, 2015. PIMENTA, C. D. et al. Planejamento de experimentos em blocos aplicado às propriedades mecânicas de arames de aço para molas. Produção, v. 24, n. 1, p. 71-83, 2014. 23 UNIDADE Métodos em Engenharia de Produção: Modelagem/Simulação, Survey e Experimento PISSINELI, G. J. et al. Modelo de simulação de eventos discretos paraanálise de fluxo de veículos. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRO- DUÇÃO, 35., 2015. Anais... Fortaleza, CE: Enegep, 2015. SILVA, B. B. Investigação empírica sobre o relacionamento entre seis sigma e prioridades competitivas. 2015. 101 f. Dissertação (Mestrado em Engenharia de Produção) - Universidade Federal de São Carlos, Sorocaba, SP, 2015. SORDAN, J. E. et al. Planejamento de experimentos aplicado ao processo de tratamento térmico do aço 4340. In: SIMPÓSIO DE ENGENHARIA DE PRO- DUÇÃO, 24., 2017, Bauru, SP. Anais... Bauru, SP: Simep, 2017. 24
Compartilhar