Prévia do material em texto
SIMULAÇÃO DE SISTEMAS PRODUTIVOS Gabriela Fonseca Parreira Gregorio Experimentação e análise de resultados Objetivos de aprendizagem Ao final deste texto, você deve apresentar os seguintes aprendizados: Discutir a aplicação de simulação computacional em ambientes con- trolados e laboratórios. Descrever aplicações e limitações das atividades de simulação em laboratório. Ilustrar aplicações práticas e casos de simulação. Introdução O uso da simulação computacional vem ganhando cada vez mais espaço no cenário industrial. Muitas organizações veem vantagens consideráveis em fazer testes por meio da representação do sistema de produção real em um ambiente controlado ou em laboratórios. Esses testes, quando bem apli- cados, geram várias informações que podem ser utilizadas pelos tomadores de decisão. Os gerentes podem fazer as avaliações e análises necessárias e, posteriormente, diante da identificação da melhor alternativa, implementar melhorias nos processos produtivos ou de prestação de serviços. Neste capítulo, você vai verificar quando a simulação computacio- nal pode ser aplicada em ambientes controlados. Você também vai conhecer as aplicações possíveis e as principais barreiras para o uso da simulação. Por fim, você vai acompanhar a aplicação da simulação em casos específicos. Aplicação de simulação computacional em ambientes controlados e laboratórios A simulação computacional possibilita levar o sistema real para um ambiente controlado e para laboratórios com o objetivo de analisar e avaliar o seu com- portamento sob diferentes condições, com baixo custo e sem envolver riscos (FREITAS FILHO, 2001). Segundo Naylor et al. (1971 apud GAVIRA, 2003), antes de se optar pela aplicação da simulação computacional, as seguintes questões precisam ser analisadas: A simulação é o processo mais barato para a solução do problema? Será obtida uma solução satisfatória? A técnica utilizada permitirá uma interpretação relativamente fácil por parte do usuário? Se as respostas aos questionamentos forem positivas, existirão evidên- cias consideráveis de que a aplicação da simulação computacional pode ser satisfatória. De forma geral, a aplicabilidade da simulação computa- cional está diretamente relacionada ao suporte que ela oferece às decisões gerenciais. A simulação computacional vem sendo cada vez mais utilizada em diver- sas áreas. Hoje, os avanços tecnológicos possibilitam avaliar cenários cada vez mais complexos por meio de ferramentas fáceis de serem aplicadas. De acordo com um estudo feito por Moreira (2001 apud PIMENTEL, 2015) em 125 empresas dos Estados Unidos, a simulação é a segunda ferramenta mais utilizada para auxiliar nas tomadas de decisões em ambientes de negócios, ficando atrás apenas de análises estatísticas. Segundo o autor, 12,9% das empresas nunca utilizaram a simulação e 87,1% a utilizam moderada ou frequentemente. A aplicação da simulação computacional tem sido utilizada nos mais diversos segmentos para responder a questões como esta: se determinado evento incidir sobre o sistema, quais serão as consequências? Como você sabe, inúmeros eventos podem incidir sobre um sistema. Assim, alguns exemplos de questões que podem ser respondidas por meio da aplicação da simulação computacional são: Qual é o número ideal de atendentes para reduzir o tempo de atendi- mento em fila? Qual é o número de operadores e/ou de máquinas para aumentar a capacidade produtiva do processo? Qual é o modal de transporte mais adequado para a logística de supri- mentos ou de distribuição? Qual é o gargalo do processo? O que pode ser feito para aumentar a sua capacidade? Experimentação e análise de resultados2 Como as estratégias de manutenção impactam o desempenho do pro- cesso produtivo? Qual é o impacto de determinada programação da produção na efici- ência do sistema? Como melhorar a gestão de estoques? Como otimizar o processo de armazenagem? A seguir, você pode ver questões respondidas por meio da aplicação da simulação computacional em uma célula de usinagem de peças metálicas. Como o fluxo unitário de peças influencia a capacidade da célula? Como o fluxo unitário de peças influencia os estoques? Como o fluxo unitário de peças influencia o tempo de atravessamento? Como o fluxo unitário de peças influencia a alocação da mão de obra de manufatura? Após elaborar, verificar e validar o modelo e realizar as experimentações, o resultado permitiu identificar que: se os setups das máquinas da célula forem de 9 minutos, será possível atender à demanda com apenas um operador, com menos estoque em processo e menor tempo de atravessamento (ZAGONEL; CLETO, 2007). São diversas as possibilidades de análises de cenários e de questionamentos. A aplicabilidade da simulação será definida pelos problemas organizacionais que conduzirão à definição dos objetivos do projeto de simulação. Segundo Freitas Filho (2001), a simulação computacional em ambientes controlados ou laboratórios é aplicada pelos seguintes motivos: reduz o custo de projetos para a melhoria dos sistemas produtivos; tem a capacidade de representar com confiabilidade o sistema real e possibilitar melhor compreensão dele; não promove interrupções no sistema real para que os cenários sejam testados; permite o dimensionamento adequado de recursos, o que impacta no desempenho organizacional; de forma geral, aumenta o grau de assertividade das decisões. Em síntese, Vaccaro (1999 apud MENEZES; LUZ, 2007) afirma que as aplicações da simulação computacional são para avaliação, predição, inves- tigação e comparação dos sistemas produtivos. 3Experimentação e análise de resultados Aplicações e limitações das atividades de simulação em laboratório Existem múltiplas aplicações da simulação em laboratório. No entanto, como quase todas as atividades no ambiente empresarial, a simulação computacional também apresenta algumas restrições. Assim, os analistas precisam conhecer os potenciais e as barreiras da simulação computacional antes de optar por aplicá-la. Shimizu (1975 apud GAVIRA, 2003) apresenta algumas situações em que a aplicação de simulação computacional é aconselhável. Veja: na experimentação de políticas administrativas organizacionais, quando um erro pode ter consequências graves; em casos em que os métodos analíticos são possíveis, mas de alta complexidade; na resolução de certos tipos de equações diferenciais; em casos em que a formulação matemática completa do problema não existe. Além disso, a simulação computacional também pode ser utilizada: para identificar os problemas, facilitar a sua compreensão e avaliar possíveis soluções; para identificar elementos críticos e avaliar medidas de desempenho; como uma ferramenta de comunicação; para planejar as operações e os recursos necessários. A seguir, veja aplicações da simulação em ambientes controlados ou la- boratórios (LAW; KELTON, 2000; NAYLOR, 1971; SHIMIZU, 1975 apud GAVIRA, 2003): avaliar as consequências de mudanças antes de implementá-las; projetar novos sistemas produtivos ou refinar os existentes; compreender um sistema real, seus elementos e as interações entre eles; promover a familiarização da equipe com os processos e recursos; avaliar o impacto que alterações no meio ambiente têm no sistema; apresentar os impactos de uma nova ideia ou da resolução de um problema; atuar como material pedagógico para o ensino de estudantes e profissionais; avaliar processos intermediários ou transitórios; promover a aquisição de conhecimento por meio das etapas do processo de simulação; produzir estudos do comportamento do sistema em tempo real. Experimentação e análise de resultados4 Com tamanha utilidade, a simulação computacional tem espaço em todos os setores e segmentos. No entanto, existem algumas aplicações principais, como você pode ver na Figura 1. Figura 1. Principais aplicações da simulaçãocomputacional. Fonte: Moreira (2001 apud PIMENTEL, 2015). Se, por um lado, a aplicabilidade é tamanha, por outro as atividades de simulação em laboratórios apresentam algumas limitações. É importante você reconhecer tais limitações e avaliar como elas impactam o desenvolvimento do projeto. Segundo Peron (2015), entre as limitações da simulação computacional em laboratórios, pode-se citar: modelos que não representam fielmente a realidade; estimativas que podem não ser totalmente confiáveis. 5Experimentação e análise de resultados Outras limitações e/ou desvantagens da simulação foram apresentadas por Law e Kelton (1991 apud GAVIRA, 2003). Veja a seguir: O resultado gerado depende da confiabilidade do modelo e dos dados de entrada. Se eles não forem confiáveis, não adianta estudar detalha- damente os dados de saída. As técnicas de simulação experimentam e testam as alternativas sele- cionadas pelo usuário, ou seja, elas, por si só, não otimizam o processo. Dependendo da complexidade do sistema, um estudo de simulação pode ser demorado. Dias e Correa (1998 apud FRIGERI; BIANCHI; BACKES, 2007) ainda afirmam que, às vezes, modelos complexos podem exigir equipamentos potentes de software e hardware para a realização de validações do modelo e experimentações. A seguir, veja outras limitações da simulação realizada em laboratórios (CORREIA, [200-?]): a construção do modelo exige treinamento e experiência; a interpretação dos resultados pode ser difícil e complexa; a obtenção do resultado ótimo pode exigir inúmeros testes e replicações; a modelagem pode consumir muito tempo. Aplicações práticas e casos de simulação Diante de tantas aplicações da simulação, vários exemplos podem ser dados. A seguir, você vai acompanhar exemplos de aplicações práticas e casos de simulação. Caso 1: otimização de processos de uma indústria de produção de fios A aplicação da simulação em uma empresa produtora de fi os foi feita por Pariz et al. (2016) e o objetivo do projeto era identifi car problemas no processo de produção de fi os, propondo melhorias. A principal questão a nortear o traba- lho foi: quais são os gargalos do processo de produção de fi os? Por meio da identifi cação dos gargalos, da elaboração e da implantação de propostas de melhorias, foi possível aumentar a capacidade produtiva da empresa. Para elaborar o modelo, foi necessário: Experimentação e análise de resultados6 conhecer o processo produtivo, o que foi feito por meio da construção de um fluxograma (Figura 2); coletar dados de tempo de ciclo de cada operação do processo produtivo. Figura 2. Produção de fios. Fonte: Adaptada de Pariz et al. (2016). Por meio do conhecimento do processo e do tempo de ciclo de cada operação, da identificação dos fluxos, da quantidade de funcionários e da quantidade de máquinas e suas respectivas capacidades produtivas, foi possível elaborar o modelo. Para tanto, foi utilizado o programa Flexsim. Na Figura 3, você pode ver 7Experimentação e análise de resultados a representação no software, com todas as entidades, processamentos e recursos. Para a validação do modelo, ele ficou em processo de simulação por 24 horas. Figura 3. Modelagem computacional do processo de produção de fios. Fonte: Pariz et al. (2016). Na análise do comportamento do processo, foi formulada esta questão: qual é o gargalo do processo? Por meio do modelo simulado, foi possível perceber que o gargalo era o processo de cardas, que possuía maior fila de espera (estoque em processo). A partir da identificação do gargalo, a equipe verificou as alternativas a serem experimentadas, a fim de avaliar os resultados de cada uma delas. A equipe iden- tificou três cenários potenciais: (1) adicionar uma carda; (2) adicionar 10 cardas e (3) adicionar 18 cardas. A fim de tomar a decisão quanto à melhor alternativa, foi analisada a fila e o seu contéudo médio. A ideia era avaliar se houve redução de estoque em processo. Você pode ver os resultados no Quadro 1, a seguir. Fonte: Adaptado de Pariz et al. (2016). Quantidade de cardas Estoque médio Capacidade produtiva (kg/h) Quantidade de funcionários Redução de estoque médio Atual 42 950,25 1487,00 4 - Cenário 1 43 740,65 1522,40 5 22% Cenário 2 52 676,33 1841,05 5 29% Cenário 3 60 599,70 2124,29 6 37% Quadro 1. Resultados dos cenários testados Experimentação e análise de resultados8 Como você pode ver, no cenário 1 haveria uma redução de estoque médio em processo de 22%, no entanto seria necessário alterar o número de funcio- nários de 4 para 5. No cenário 2, a redução de estoque médio seria de 29% e o número de funcionários seria 5. Por fim, no cenário 3, a redução de estoque seria de 37%, mas seriam necessários dois funcionários a mais. A proposta final foi de que a empresa adicionasse uma nova carda e procu- rasse um trabalhador que já fizesse parte do seu quadro de funcionários para se responsabilizar por ela paralelamente às suas outras atividades. Caso 2: aplicação do Flexsim no setor de bebidas A empresa Flexsim, em conjunto com Silva (2014), desenvolveu um projeto de modelagem e simulação em uma indústria do setor de bebidas com os seguintes objetivos: “[...] aumentar a segurança dos trabalhadores do armazém, aumentar a densidade do armazém, aumentar a produtividade das equipes e reduzir as movimentações internas” (SILVA, 2014, docu- mento on-line). Após a definição dos objetivos do projeto, uma etapa importante foi a coleta de dados. Segundo Silva (2014), os dados necessários para a construção do modelo e simulação foram: densidade do armazém (caixas ou pallets/m2); produtividade do picking (caixas/homem hora); volume movimentado (pallets/dia); tempo médio dos caminhões na planta (minutos); nível de atendimento ao cliente (volume pedido/volume entregue); número de caminhões/dia. Diante dos dados necessários, o modelo foi construído considerando as entidades, os fluxos, os recursos e os atributos. Após construído, o modelo foi validado e colocado para rodar com dados reais. Depois, surgiu a seguinte questão: qual é a oportunidade de melhoria? Alguns exemplos de experimentações feitas foram: Qual será o impacto de aumentar o pé-direito do galpão para 20 metros? Quais serão as consequências de a empresa alterar o seu layout e criar um estacionamento de caminhões e um espaço para o armazenamento de produtos acabados e vasilhames? 9Experimentação e análise de resultados Após testar e experimentar as alternativas, os resultados gerados pela simulação apontaram que: poderia haver um aumento de 132% na densidade do armazém; poderia haver um ganho de 116% no número de posições de pallets; poderia haver uma melhoria de 9% nas movimentações internas. Como você pode notar por meio dos dois casos, o desenvolvimento de um projeto de modelagem e simulação requer que as seguintes questões sejam respondidas: Qual é o problema do sistema real? Quais são os objetivos do projeto? Quais são os dados necessários para modelar o sistema? Qual será a técnica de verificação e validação do modelo? Quais serão os cenários a serem testados? Qual é a melhor alternativa para solucionar o problema? CORREIA, A. Introdução à simulação. [S.l.: s.n., 200-?]. Disponível em: www2.ita.br/~correia/ MB-761/aula_1.pptx. Acesso em: 14 maio 2019. FREITAS FILHO, P.J. Introdução à modelagem e simulação de sistemas: com aplicações em Arena. Florianópolis: Visual Books, 2001. FRIGERI, J.; BIANCHI, M.; BACKES, R. Um estudo sobre o uso das técnicas de simulação no processo de elaboração e execução dos planejamentos estratégico e operacional. ConTexto, v. 7, n. 12. 2007. Disponível em: www2.ita.br/~correia/MB-761/aula_1.pptx. Acesso em: 14 maio 2019. GAVIRA, M. Simulação computacional como ferramenta de aquisição de conhecimento. Dissertação (Mestrado em Engenharia de Produção) - Universidade de São Paulo, São Carlos, 2003. Disponível em: www.teses.usp.br/teses/disponiveis/18/18140/tde-20052003-004345/.../Gavira1.pdf. Acesso em: 14 maio 2019. MENEZES, F.; LUZ, G. Avaliação da solução logística da teoria das restrições através de simulação computacional. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 27., 2007. Anais [...]. Foz do Iguaçu, 2007. Experimentação e análise de resultados10 PARIZ, M. et al. Proposta de otimização de processos em uma indústria de produção de fios através da identificação do gargalo e simulação dinâmica. In: SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 1., 2016. Anais [...]. Paraná, 2016. Disponível em: www.dep. uem.br/gdct/index.php/simeprod/article/viewFile/1015/906. Acesso em: 14 maio 2019. PERON, L. Contribuição metodológica para aplicação de prioridade semafórica condicional em corredores de ônibus. 120 f. 2015. Dissertação (Mestrado em Engenharia de Transporte) - Universidade de São Paulo, São Paulo, 2015. Disponível em: www.teses.usp.br/teses/ disponiveis/3/3138/tde-05112015-103715/. Acesso em: 14 maio 2019. PIMENTEL, C. Aplicação da Simulação como ferramenta de apoio à tomada de decisão gerencial em uma célula de manufatura. Dissertação (Mestrado em Engenharia de Pro- dução) - Universidade Metodista de Piracibaba, Santa Bárbara D Oeste, 2015. Disponível em: https://www.unimep.br/phpg/bibdig/pdfs/docs/19052015_143840_carolinealcal- depimentel_ok.pdf. Acesso em: 14 maio 2019. SILVA, F. Um estudo sobre simulação de eventos discretos. Monografia (Trabalho de Conclu- são de Curso) - Universidade Estadual de Campinas, Limeira, 2014. Disponível em: www. bibliotecadigital.unicamp.br/document/?down=000973555. Acesso em: 14 maio 2019. ZAGONEL, E.; CLETO, M. G. Estudo para a implantação do fluxo unitário de peças numa célula de usinagem por meio de simulação. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 27., 2007. Anais [...]. Foz do Iguaçu, 2007. Leituras recomendadas BANKS, J. Handbook of simulation: principles, methodology, advances, applications, and practice. New York: John Wiley & Sons, 1998. CALLEFI, M. et al. Modelagem e simulação de processos aplicado em uma indústria de comunicação visual. In: SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 1., 2016. Anais [...]. Paraná, 2016. Disponível em: http://www.dep.uem.br/gdct/index.php/simeprod/ issue/view/31. Acesso em: 14 maio 2019. FLEXSIM SOFTWARE PRODUCTS. Industries. Orem: Flexsim, 2019. Disponível em: www. flexsim.com. Acesso em: 14 maio 2019. 11Experimentação e análise de resultados