04 - Métodos em Engenharia de produção modelagem-Simulação, Survery e Esperimento

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