4 - Experimentação e análise de resultados

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