Universidade do Estado do Pará
Centro de Ciências Naturais e Tecnologia
Curso de Graduação em Engenharia de Produção
Jamyle Ribeiro de Oliveira
Sabrina Barbosa Ferreira
Análise da Capacidade Produtiva em uma uma
Linha de Produção de Picolés por meio da
Modelagem e simulação de Sistemas.
Castanhal
2014
Jamyle Ribeiro de Oliveira
Sabrina Barbosa Ferreira
Análise da Capacidade Produtiva em uma Linha de Produção de
Picolés por meio da Modelagem e Simulação de Sistemas.
Trabalho de Conclusão de Curso apresentado
como requisito parcial para a obtenção do grau
de Bacharel em Engenharia de Produção,
Universidade do Estado do Pará.
Orientadora: Profª Mariana Pereira Carneiro
Castanhal
2014
Dados Internacionais de Catalogação-na-Publicação (CIP)
O48d Oliveira, Jamyle Ribeiro de.
Análise da capacidade produtiva em uma linha de Produção
de Picolés por meio da modelagem e simulação de sistemas /
Jamyle Ribeiro de Oliveira, Sabrina Barbosa Ferreira ;
orientador, Mariana Pereira Carneiro. – 2014.
79 f.
Trabalho de Conclusão de Curso (Graduação) –
Universidade do Estado do Pará, Centro de Ciências Naturais e
Tecnologia, Castanhal, 2014.
1. Controle de produção. 2. Simulação (Computadores) ProModel. I. Ferreira, Sabrina Barbosa. II. Carneiro, Mariana
Pereira, orient. III. Título.
CDD. – 22. ed. 658.56
Para Jaime Neris e Francileide Oliveira.
Vocês foram a base para esta conquista.
AGRADECIMENTOS
Agradeço aos meus pais, que com carinho, paciência e confiança me
incentivaram à seguir mais adiante e acreditar que tudo é possível quando há
dedicação, vontade e acima de tudo fé em si e naqueles que nos cercam.
Agradeço
também
aos meus irmãos João Pedro
e
Jayane, por todo
companheirismo e amizade que partilhamos e dedico a eles essa conquista.
Agradeço aos meus tios e tias que foram fundamentais em seu apoio, seus
conselhos e sua amizade durante todo o período acadêmico. Agradeço também
minha orientadora Mariana Carneiro pela orientação, atenção e incentivo dado
durante todo o desenvolvimento desse estudo e durante a vida acadêmica.
Agradeço aos responsáveis pela empresa foco do estudo pela confiança e
pelo apoio incondicional dado ao desenvolvimento do trabalho.
Agradeço
aos
colegas
de
trabalho
por
todo
carinho
e
amizade
compartilhados que me ajudaram a ter maior confiança e força de vontade para
alcançar meus objetivos. Agradeço especialmente à Rita Rodrigues por toda
compreensão nesse período conturbado acadêmico e de desenvolvimento do TCC.
Agradeço ainda aos colegas de estágio e aos companheiros de faculdade
que me ajudaram durante esse período de iniciação profissional.
Por fim agradeço à instituição, ao corpo docente e a seus demais
funcionários que direta ou indiretamente proveram as bases para minha formação.
“A menos que modifiquemos a nossa
maneira
de
pensar,
não
capazes
de
resolver
os
causados
pela
forma
seremos
problemas
como
nos
acostumamos a ver o mundo.”
Albert Einstein
Para
Francisco
Ferreira
Filho
e
Francyvone Barboza. Por serem essenciais
em minha vida.
AGRADECIMENTOS
Sou muito grata à Deus, que plantou o sonho em mim e deu-me forças para
buscar e conquistar.
Aos meus pais: Francisco Meninea Ferreira Filho e Francyvone da Cruz
Barboza e irmã: Cybele Barbosa Ferreira, pelo amor, paciência, carinho e apoio
que nos momentos de luta, cansaço, fraqueza e desânimo, me acompanharam
neste momento tão belo.
Ao meu esposo: Jailson Castro da Cruz pelo companheirismo, ao meu bebê,
Asafe Barbosa da Cruz, que ainda está em meu ventre, mas que já faz parte da
minha vida e me mostrou o real sentimento da palavra “amar”.
Aos colegas de classe, em que nossos caminhos se cruzaram diante de um
ideal comum. Partilhamos cada descoberta, desafio e conquista. Dividimos medo,
incertezas e inseguranças. Mas somamos entusiasmo, forças e alegrias. Mais que
colegas de classe, mais que alguém para fazer lição junto. Alguém que fez parte de
um cotidiano, de cada dia de minha caminhada que acaba aqui como alunos por
força natural, mas que não acabará como amigos por força de sentimento.
Aos mestres e doutores, em especial a professora Mariana Carneiro pelas
orientações que foram fundamentais para o desenvolvimento deste trabalho, pela
dedicação e compromisso.
À todos os integrantes da empresa Pingo Frio por terem acreditado em
nosso trabalho e aberto as portas para colher informações essenciais para o
mesmo.
E aos demais funcionários desta entidade (UEPA), que contribuíram para
que pudesse vencer mais uma etapa de minha vida.
A todos muito obrigada!
“Independente
das
circunstâncias,
devemos sempre humildes, recatados e
despidos de orgulho.”
Dalai Lama
RESUMO
OLIVEIRA, Jamyle R.; FERREIRA, Sabrina B. Determinação da capacidade
produtiva em uma linha de produção de picolés por meio da modelagem
e simulação de sistemas. 79F Trabalho de Conclusão de Curso (Graduação em
Engenharia de Produção) – Universidade do Estado do Pará, Belém, 2014.
A determinação e análise da capacidade produtiva é um passo essencial para que
uma empresa possa operar de modo a satisfazer sua demanda na quantidade
correta e no tempo estabelecido. Com base nesse fato este trabalho procurou
analisar a capacidade produtiva de uma linha de produção de picolés localizada em
Castanhal-Pará, buscando determinar e melhorar a capacidade produtiva da
empresa utilizando simulação do modelo no software ProModel. Após a análise do
cenário atual foram simulados dois cenários com abordagens distintas objetivando
um aumento na capacidade produtiva. Por se tratar de um produto sazonal há
meses em que a produção necessita de um aumento de cerca de 71% do valor
médio produzido em períodos de menor demanda. Após a simulação os resultados
apontaram um desempenho satisfatório, com uma produção bastante próxima da
real. Contudo foi feita a simulação para os meses em que há aumento na demanda
para dois cenários distintos, a qual apresentou o segundo cenário, correspondente
a adição de mais um funcionário, como melhor alternativa à ser implementada.
Palavras-chave: Capacidade produtiva, simulação computacional e ProModel.
ABSTRACT
OLIVEIRA, Jamyle R.; FERREIRA, Sabrina B. Determinação da capacidade
produtiva em uma linha de produção de picolés por meio da modelagem e
simulação de sistemas. 79F Trabalho de Conclusão de Curso (Graduação em
Engenharia de Produção) – Universidade do Estado do Pará, Belém, 2014.
The determination of production capacity is an essential step for a company to
operate to meet your demand in the correct amount and within the allotted time.
Based on this fact this paper was to analyze the production capacity of a factory
ices located in Castanhal-Pará, seeking to know the current production level and
examine the possibility of increasing production to meet the increase in product
demand through research in the literature on production capacity, and simulation
model in ProModel software. After analyzing the current scenario were simulated
two scenarios with different approaches aiming an increase in productive capacity y.
Because it is a seasonal product for months in which production requires an
increase of about 71% of the average produced in periods of lower demand. After
the simulation results showed a satisfactory performance, with a similar production
of the real. However, the simulation was made for the months in which there is
increased demand for two distinct scenarios, which presented the second scenario,
corresponding to the addition of another employee as the best alternative to be
implemented.
Keywords: productive capacity, computer simulation and ProModel.
LISTA DE FIGURAS
Figura 1 - Geração dos valores terminais da variável estocástica através de
simulação ................................................................................................................ 27
Figura 2 – Ferramentas de diagramação e estruturação de loops de fluxo e de
feedback de um modelo de SD ............................................................................... 28
Figura 3 - Elementos principais de um SED ............................................................ 29
Figura 4 - Macrofluxograma da empresa ................................................................ 41
Figura 5 - Fluxograma de Produção de picolés ....................................................... 44
Figura 6 - Layout do setor de produção de picolés. ................................................ 45
Figura 7 - Distribuição Lognormal do tempo de requisição de Materiais e
ingredientes ............................................................................................................. 47
Figura 8 - Distribuição Normal do tempo de preenchimento de formas .................. 48
Figura 9 - Distribuição Normal do tempo de retirar excesso de mistura da forma. .. 50
Figura 10 - Distribuição Normal do tempo de desprender picolés da forma ............ 51
Figura 11 - Locais definidos no sistema simulado. .................................................. 52
LISTA DE TABELAS
Tabela 1- Variedade de Produtos............................................................................ 40
Tabela 2 - Medidas de posição e dispersão do tempo de requisição de materiais . 46
Tabela 3 - Teste de aderência tempo de requisição de materiais e ingredientes.... 47
Tabela 4 - Medidas de posição e dispersão do tempo de preenchimento de formas.
................................................................................................................................ 48
Tabela 5 – Teste de aderência tempo de Preenchimento das Formas. .................. 49
Tabela 6 - Medidas de posição e dispersão do retirar excesso de mistura da forma.
................................................................................................................................ 49
Tabela 7- Teste de aderência tempo retirar excesso de mistura da forma. ............ 50
Tabela 8 – Medidas de posição e dispersão do tempo de desprender picolés da
forma. ...................................................................................................................... 51
Tabela 9- Teste de aderência tempo de desprender picolés da forma. .................. 51
Tabela 10 - Porcentagem de Utilização por Local. .................................................. 54
Tabela 11 - Porcentagem de Utilização por Local Cenário 1. ................................. 55
Tabela 12 - Porcentagem de Utilização por Local Cenário 2 .................................. 56
Tabela 13 – Quadro comparativo dos Cenários 1 e 2 ............................................. 56
Sumário
1 INTRODUÇÃO .................................................................................................. 15
1.1 PROBLEMA DA PESQUISA .......................................................................... 16
1.2 JUSTIFICATIVA ............................................................................................. 16
1.3 OBJETIVOS ................................................................................................... 19
1.3.1 Geral ........................................................................................................... 19
1.3.2 Específicos .................................................................................................. 19
1.4 LIMITAÇÕES DA PESQUISA ........................................................................ 19
1.5 ESTRUTURA DA MONOGRAFIA .................................................................. 19
2 REFERENCIAL TEÓRICO ................................................................................ 21
2.1. CAPACIDADE PRODUTIVA ......................................................................... 21
2.2. MODELAGEM ............................................................................................... 23
2.2.1. Modelos de Simulação ............................................................................... 24
2.3. SIMULAÇÃO COMPUTACIONAL ................................................................. 25
2.3.1. Definições .................................................................................................. 25
2.3.2. Tipos de Simulação .................................................................................... 26
2.3.2.1. Simulação Estática .................................................................................. 26
2.3.2.2. Simulação Contínua ................................................................................ 27
2.3.2.3. Simulação de Eventos Discretos (SED) .................................................. 28
2.3.4. Vantagens e Desvantagens ....................................................................... 29
2.4 SOFTWARE DE SIMULAÇÃO PROMODEL ................................................. 30
2.5 TESTE DE HIPÓTESES ................................................................................ 32
2.5.1 Qui Quadrado.............................................................................................. 32
3 PROCEDIMENTOS METODOLÓGICOS ......................................................... 35
3.1. TIPO E DELINEAMENTO DA PESQUISA .................................................... 35
3.2 MÉTODO DE MODELAGEM E SIMULAÇÃO ................................................ 35
3.3. PROCEDIMENTOS DE COLETA DE DADOS.............................................. 38
4 DESENVOLVIMENTO ...................................................................................... 39
4.1 CARACTERIZAÇÃO DA EMPRESA ESTUDADA ......................................... 39
4.1.1 Macrofluxograma da Empresa .................................................................... 41
4.2 FORMULAÇÃO E ANÁLISE DO PROBLEMA ............................................... 42
4.3 FORMULAÇÃO DO MODELO CONCEITUAL ............................................... 42
4.4 COLETA E TRATAMENTO DE DADOS ........................................................ 45
4.5 TRADUÇÃO DO MODELO ............................................................................ 52
4.6 VERIFICAÇÃO E VALIDAÇÃO ...................................................................... 53
4.7 SIMULAÇÃO EM CENÁRIOS ........................................................................ 54
4.8 INTERPRETAÇÃO E ANÁLISE ESTATÍSTICA DOS RESULTADOS ........... 56
4.9 COMPARAÇÃO DE SISTEMAS E IDENTIFICAÇÃO DE MELHORES
SOLUÇÕES ......................................................................................................... 57
5 CONSIDERAÇÕES FINAIS .............................................................................. 59
REFERÊNCIAS.................................................................................................... 61
ANEXOS .............................................................................................................. 64
ANEXO A ............................................................................................................. 64
ANEXO B ............................................................................................................. 65
ANEXO C ............................................................................................................. 70
ANEXO D ............................................................................................................. 75
15
1 INTRODUÇÃO
Muitas empresas têm sérios problemas relacionados à capacidade de
produção, alternando períodos de excesso e falta de capacidade, por desconhecer
sua real capacidade produtiva.
A entidade em estudo é caracterizada como uma microempresa, sendo
localizada no município de Castanhal, nordeste do estado do Pará, está no
mercado há 28 anos e atua no ramo de gelados comestíveis. A empresa fabrica
sorvetes, picolés, laranjinha e moreninha de diversos sabores. Sua linha de
produção é formada por uma sequência de postos de trabalho, compondo estações
dependentes entre si, cada qual com função bem definida e voltada a fabricação de
um determinado produto.
A empresa acaba se enquadrando na cenário de empresas que operam sem
o real conhecimento da sua capacidade produtiva. Mas, fabrica seus produtos
diariamente (segunda a sábado) de acordo com o sistema de produção tradicional
(empurrada ou para estoque), onde a produção é disparada pela disponibilidade de
materiais a processar, em turnos de trabalho de 8 horas diários, conseguindo
atender aos pedidos de seus clientes e estocar uma grande parte em sua câmara
frigorífica e em seus freezers.
Tais problemas consistem em decidir quanto produzir de cada produto em
cada período, considerando a sequência de produção, de maneira a satisfazer a
demanda e minimizar os custos de produção e estoques. Uma das grandes
dificuldades para a programação da produção na empresa é integrar estas
decisões, uma vez que os tempos de preparação (setup) são bem dependentes da
sequência produtiva e sendo produzidos vários sabores durante todo o dia de
trabalho.
Para entregar produtos no prazo desejado, é preciso conhecer o potencial
produtivo instalado, especialmente dos recursos gargalo, a fim de obter dados
acurados sobre capacidade real de produção. Segundo Rodrigues (2011), o
gerenciamento dos recursos produtivos permite à empresa prometer dados
16
confiáveis de entrega e é condição para o planejamento correto da produção, que
resultará no cumprimento dos prazos acordados.
É importante conhecer a capacidade produtiva para determinar com certeza
quantos dias serão necessários para se produzir uma quantidade pedida por cliente
fazendo com que sejam cumpridos prazos de entrega e para que haja equilíbrio
entre capacidade e demanda por períodos, estocando apenas o necessário para o
estoque de segurança. Conforme Slack et al. (2007), um equilíbrio adequado entre
capacidade e demanda pode gerar altos lucros e clientes satisfeitos, enquanto o
equilíbrio errado pode ser potencialmente desastroso.
Justamente com o intuito de buscar o melhor meio possível para se
determinar a capacidade produtiva em uma empresa a pesquisa foi desenvolvida
por meio do procedimento metodológico da modelagem e simulação de sistemas.
Onde foi escolhido o setor de produção de picolés para ser analisado e o programa
de simulação a ser utilizado.
O software de simulação escolido para a simulação do modelo foi o
ProModel, devido à sua interface gráfica bastante amigável e à sua flefibilidade
junto aos modelos de simulação.
1.1 PROBLEMA DA PESQUISA
O estudo foi iniciado a partir da elaboração de um problema de pesquisa:
Como e melhorar a capacidade de produção da empresa?
1.2 JUSTIFICATIVA
Nem sempre é fácil, recomendável ou mesmo possível a implementação de
novos sistemas sem estes serem sujeitos a uma validação prévia que prove que o
mesmo vai oferecer melhorias. Desta forma, a simulação surge como uma
ferramenta capaz de analisar e avaliar tanto situações atuais como futuras, com o
objetivo de melhorar os recursos e processos de qualquer empresa. Torna-se, por
isso, muito relevante para qualquer gestor de uma empresa ter uma ferramenta que
o auxilie em tomadas de decisões que impliquem mudanças significativas nos
17
processos da sua organização tornando-se assim numa ajuda poderosa para
qualquer decisão. (PEREIRA, 2009).
Segundo Freitas Filho (2008), mais do que nunca, a
simulação
computacional tem sido utilizada. O crescimento da utilização dessa ferramenta
deve-se, sobretudo, à atual facilidade de uso e sofisticação dos ambientes de
desenvolvimento de modelos computacionais, aliadas ao crescente poder de
processamento das estações de trabalho. Contando com interfaces gráficas cada
vez mais amigáveis, destinadas às mais diversas plataformas e, principalmente,
fazendo intenso uso da animação dos sistemas que estão sendo simulados, a
simulação computacional deixou para trás o estigma de ser utilizada apenas
“quando tudo mais já foi tentado”.
A simulação tem sido cada vez mais aceita e empregada como uma técnica
que permite aos analistas dos mais diversos seguimentos (administradores,
engenheiros, biólogos, técnicos em informática, etc.) verificarem ou encaminharem
soluções, com a profundidade desejada, aos problemas com os quais lidam
diariamente.
Com o aumento da complexidade dos sistemas, torna-se ainda mais
necessário recorrer à simulação antes de se passar à aplicação prática das
soluções idealizadas. Através da simulação é possível determinar as melhorias que
se podem obter, bem como detectar alguns erros antes da implementação concreta
do novo sistema ou da mudança em causa. (PEREIRA, 2009).
Alguns estudos já foram realizados para analisar a capacidade produtiva,
dentre vários será citados apenas três:
Segundo Pergher et al. (2013) que teve o objetivo de determinar a
capacidade produtiva de um processo produtivo de panificação para atender às
necessidades de alteração da demanda do mix de produtos. Por meio de uma
abordagem de simulação computacional, foram construídos três cenários para
avaliar os possíveis impactos nos indicadores, conforme a proposta de capacidade
e demanda que cada cenário apresenta. Finalmente, a aplicação de simulação no
contexto estudado permitiu observar o potencial de redução dos riscos associados
18
à tomada de decisão, principalmente em situações em que grandes volumes de
recursos serão necessários.
Araujo e Lemos (2012) teve como objetivo apresentar uma sistemática de
aumento da capacidade produtiva em uma empresa do setor metal-mecânico por
meio de mudanças operacionais. Com o auxilio da simulação computacional
chegou-se a conclusão de que é possível avaliar mudanças que podem aumentar a
capacidade de um sistema, mudanças estas definidas a partir do mapeamento do
processo produtivo e pela identificação dos desperdícios.
Rodrigues et al. (2010) usaram a técnica de simulação computacional para
determinar a capacidade da expedição de uma empresa do setor de alimentos em
função de diversos cenários de demanda, assim como para determinação da
restrição da expedição. Todavia, todos os resultados obtidos foram estritamente
relacionados à confiabilidade dos dados coletados e às premissas e simplificações
realizadas durante a modelagem.
A pesquisa se justifica pelo fato de que diversas empresas ainda não
utilizam a modelagem e simulação de sistemas para analisar e determinar a
capacidade produtiva se seus setores de produção, sendo essa técnica de grande
importância, pois consegue responder a pergunta “o que aconteceria se?”, como, o
que aconteceria se aumentasse ou diminuísse a quantidade de funcionário de um
determinado setor ou até mesmo o que aconteceria se fizesse a aquisição de um
novo equipamento, dentre outras perguntas, sem interferir na linha de produção,
apenas simulando o mundo real em um modelo computacional e sendo
implementado o melhor modelo, já testado e validado.
Por meio da simulação de sistemas é possível não só determinar a
capacidade produtiva como também verificar planos de melhorias do processo,
compra de novas máquinas, alterações de layout, alterações do número de
funcionários, etc. Sendo, dessa forma, um método complexo em relação a outros
métodos, como os estudos dos tempos cronometrados e que se destaca por
conseguir imitar o mundo real e ser bastante flexível.
19
Além disto, pretende-se que este estudo seja base de informação para
aplicação em outras empresas do setor, possibilitando melhorias produtivas para
diversas delas.
1.3 OBJETIVOS
1.3.1 Geral
O objetivo geral desta pesquisa consiste em analisar o processo produtivo
de uma linha de produção de picolés por meio da técnica de modelagem e
simulação de sistemas.
1.3.2 Específicos
A partir do objetivo geral proposto os seguintes objetivos específicos são
estabelecidos:
a) Mapear o processo produtivo, analisar o melhor modelo para desenvolver a
simulação do sistema;
b) Validar o modelo, identificar falhas e possíveis melhorias que otimizam o
processo produtivo;
c) Propor a melhor estratégia para aumento da capacidade produtiva da
empresa.
1.4 LIMITAÇÕES DA PESQUISA
A pesquisa limita-se a analise do fluxo de recursos relacionados à produção
da empresa analisada. Sendo analisado apenas o setor de produção de picolés. Os
resultados obtidos condizem com a realidade da empresa em questão, podendo
ser utilizado como base para novas pesquisas apenas a forma de determinação e
de utilização do software e o modo como ela foi conduzida.
1.5 ESTRUTURA DA MONOGRAFIA
Este trabalho possui cinco capítulos. No primeiro capítulo é introduzido o
tema, a problemática da pesquisa, juntamente com a justificativa, os objetivos geral
e específicos, as limitações da pesquisa e, por fim as hipóteses da pesquisa.
20
O
segundo
capítulo é
composto pelo referencial teórico, com a
fundamentalização teórica da pesquisa.
No terceiro capítulo são apresentados os procedimentos metodológicos,
assim como o tipo e delineamento da pesquisa.
O quarto capítulo diz respeito ao desenvolvimento, apresenta uma visão
geral da empresa e do processo analisado, a forma de coleta de dados, além dos
procedimentos de simulação que vão desde a construção até a validação do
modelo, os dados obtidos com a simulação do modelo, aos resultados obtidos e
sugestões de melhoria.
O quinto capítulo é composto pelas considerações gerais do trabalho.
21
2 REFERENCIAL TEÓRICO
Este capítulo trata dos tópicos necessários para compreender os assuntos
relacionados ao trabalho realizado. Serão abordados os seguintes assuntos:
Capacidade Produtiva, Modelagem, Simulação Computacional, Software de
simulação ProModel e Teste de Aderência.
2.1. CAPACIDADE PRODUTIVA
A capacidade produtiva segundo Moreira (1998 apud ARAUJO e
LEMOS,2012) é definida como a quantidade máxima de produtos e serviços que
podem ser produzidos em um determinado intervalo de tempo. Para Slack et al.
(2007, p.274), “a capacidade produtiva de uma operação é o nível máximo de
atividade de valor adicionado que pode ser conseguida em condições normais de
operação durante determinado período de tempo”.
A capacidade produtiva pode ser entendida como o resultado excelente do
uso de suas instalações, equipamentos, mão de obra, insumos, etc. onde durante
todo o processo os recursos foram utilizados de forma extremamente eficaz não
havendo assim desperdícios. (SLACK et al., 2007) Essa realidade é praticamente
inalcançável, visto que as empresas trabalham na verdade com uma capacidade
real ou efetiva de produção.
Prover a capacitação de satisfazer a demanda atual e futura é uma
responsabilidade fundamental da administração de produção. Conforme Slack et al.
(2009), um equilíbrio adequado entre capacidade e demanda pode gerar altos
lucros e clientes satisfeitos, enquanto o equilíbrio errado pode ser potencialmente
desastroso.
De acordo com Slack et al. (2009) o uso mais comum do termo capacidade é
no sentido estático, físico do volume fixo de um recipiente ou do espaço. Este
significado da palavra é usado por gerentes de produção. Assim, a capacidade de
uma operação é o máximo nível de atividade que um processo é capaz de produzir
em determinado período de tempo e sob condições normais de operação.
22
Ainda segundo Slack et al. (2009) é comum organizações operarem abaixo
da capacidade produtiva, o que ocorre devido à demanda insuficiente ou como
estratégia de reação a um possível aumento na demanda, de forma que essa
possa responder rapidamente. Entretanto também ocorrem situações em que
partes de uma operação trabalha abaixo da capacidade enquanto outras operam
em sua capacidade máxima, são as chamadas restrições de capacidade. Para
saber se possuem capacidade para atender a demanda ou se operam abaixo da
capacidade as operações e processos precisam conhecer a sua capacidade atual.
Para Moreira (1998 apud GERVÁSIO,2008) a capacidade produtiva é a
máxima quantidade de produtos ou serviços que podem ser produzidos em uma
determinada unidade de produção, em um determinado intervalo de tempo.
Destacando ainda a necessidade que há de sincronia entre os recursos disponíveis
para a produção e a sua utilização de maneira eficiente para a obtenção de
melhores resultados na produção.
De acordo com Gaither e Frazier (2002 apud GERVÁSIO, 2008) as decisões
de planejamento da capacidade comumente envolvem as atividades de: Estimar as
capacidades das instalações atuais; Prever as necessidades de capacidade futura
de longo prazo para os produtos e serviços; Identificar e analisar fontes de
capacidade para o atendimento das necessidades de maior capacidade futura e
por fim escolher entre as alternativas de capacidade que resultaria em um menor
custo unitário, resultando em um melhor nível operacional. Esta ultima alternativa
estaria relacionada a diversos fatores como a natureza dos produtos produzidos
pela empresa e a disponibilidade de fundos de investimento, entre outros, sendo
tomada a decisão entre expandir a capacidade imediatamente ou de maneira a
incrementa-la aos poucos.
Slack et al. (2009) apresenta três etapas para o planejamento e controle da
capacidade: Medir a demanda e a capacidade agregada, seria a primeira etapa
onde deve-se buscar uma ideia quantitativa não somente da capacidade produtiva,
mas também da demanda; Identificar as políticas alternativas de capacidade, onde
pode-se buscar respostas as alterações de demanda e pro fim a terceira etapa
23
seria escolher as políticas de capacidade mais adequadas às circunstâncias da
empresa.
Segundo Slack, et al (2007, p. 269) todas as operações e processos
precisam conhecer sua capacidade, porque, se eles têm pouca capacidade, não
podem atender a demanda e, se têm muita, estão pagando pelo excesso de
capacidade.
Ainda de acordo com Slack et al. (2009) as decisões tomadas a respeito das
políticas de capacidade tem como consequências alterações em diversos aspectos
de desempenho em uma empresa, que são os objetivos pelos quais se busca
empregar o planejamento e controle da capacidade. Entre estes se pode citar
alterações nos custos, diminuição da preda de receitas, mudanças no capital de
giro, qualidade do produto, melhoria da velocidade de resposta á demanda e
mudanças no mercado, confiabilidade será maior quanto maior a diferença entre
demanda e capacidade máxima de operação, e por fim a flexibilidade será
melhorada em caso de capacidade excedente.
2.2. MODELAGEM
Segundo Vernadat (1996 apud BARBALHO, 2002) um modelo é uma
representação útil de algo, como um modelo da realidade expressa de modo a
servir aos propósitos do usuário. Para Lourenço (2009 apud SAMPAIO, 2013)
modelagem é uma representação gráfica de um processo, e a construção de um
modelo que reflete uma realidade expressa em linguagem de modelação.
A modelagem de um processo segundo Smith & Fingar (2003 apud
PRADELLA, 2011) busca apresentar uma definição simplificada de um processo
para que os profissionais interessados possam o compreender e manipular de
maneira adequada. O que compreende etapas como identificação do processo,
mapeamento e análise e busca a compreensão do seu funcionamento.
Para Regsdale (2009) um modelo computacional é um conjunto de
relacionamentos matemáticos e suposições logicas inseridos em um computador
de modo a representar algum problema ou fenômeno do mundo real.
24
2.2.1. Modelos de Simulação
Segundo Chwif e Medina (2007) modelos são uma abstração da realidade
que buscam se aproximar o máximo dos sistemas reais, contudo são uma
representação simplificada do sistema real. Para que seja realizada a simulação a
construção de um modelo é fundamental, nele serão realizados os experimentos
afim de simular o sistema real.
De acordo com Chwif e Medina (2007) os modelos podem ser classificados
como:
Modelos Simbólicos, Icônicos ou Diagramáticos: Representam o sistema de
forma estática, por meio de símbolos gráficos. Geralmente empregada como forma
de comunicação e em projetos.
Modelos Analógicos: estudam as variáveis sistêmicas de interesses por meio
de dispositivos analógicos que funcionam de forma similar ao das mesmas
variáveis. Seu estudo se baseia na transferência de informação entre variáveis.
Modelos Matemáticos: São conjuntos de formulas matemáticas que buscam
descrever o comportamento de um sistema ou processo, por meio de
interpretações matemáticas para os atributos físicos.
Modelos de Simulação: Recomendados quando o sistema possui elevado
gral de dificuldade. Alia métodos matemáticos com distribuições de probabilidade
para descrever as interações entre os elos do processo analisado.
Os Modelos de simulação são classificados a partir do tipo de sistema
estudado, podendo ser estáticos ou dinâmicos.
Modelos Estáticos: Não são influenciados pelo tempo, o que implica na total
independência do seu estado para com variáveis temporais.
Modelos Dinâmicos: São influenciados pelo tempo, sendo os estados desse
tipo de modelo decorrentes de tempos simulados no relógio da simulação.
Os modelos dinâmicos são classificados em modelos discretos e contínuos.
25
Modelos Contínuos: Baseados em eventos contínuos, ou seja, ações que
são variantes no tempo de forma contínua e não apenas pontual.
Modelos Discretos: Baseados em eventos discretos, ou seja, ações
instantâneas que ocorrem de forma pontual.
Os modelos discretos podem ser classificados em Escolástico ou
Determinístico.
Modelo Escolástico: Modelos escolásticos ou probabilísticos são baseados
em uma descrição aproximada de realidade e se utilizam de variáveis aleatórias ou
descritas por distribuições de probabilidade.
Modelo Determinístico: São aqueles que não possuem entradas aleatórias
com comportamento previsível.
2.3. SIMULAÇÃO COMPUTACIONAL
2.3.1. Definições
Segundo Dias (2001 apud PAVANELLO, 2006), simulação é uma tentativa
de reprodução de um sistema real por meio de um sistema matemático o mais
condizente possível com a realidade. Por meio dessa reprodução é possível fazer
uma análise do comportamento do sistema em questão e tomar decisões baseadas
nos resultados.
A simulação computacional faz uso de técnicas matemáticas aliadas a
computadores e segundo Torga (2007) foi intensificada na década de 1960 com a
difusão dos primeiros computadores. Sendo as primeiras aplicações feitas na área
militar, voltado ao planejamento e a distribuição de suprimentos. A computação
moderna transformou a simulação computacional em uma ferramenta de grande
importância para a tomada de decisões em qualquer empresa.
De acordo com Shannon (1998 apud GURGEL, 2009) a simulação é o
processo de criação de um sistema real e de condução de experimentos com esse
modelo, tal condução tem o propósito de entender o comportamento do sistema,
assim como avaliar estratégias para sua operação.
26
2.3.2. Tipos de Simulação
Segundo Chwif e Medina (2007) a simulação está ligada ao desenvolvimento
de modelos responsáveis por representar sistemas reais analisados. Desse modo
os tipos de simulação são classificados pelo tipo de modelo utilizado ao se
desenvolver a simulação do sistema.
Assim existem três tipos básicos de categorias de simulação computacional:
Simulação estática ou Monte Carlo; Simulação contínua ou sistema dinâmico e
Simulação de eventos discretos. (SHWIF e MEDINA, 2007).
2.3.2.1. Simulação Estática
Também conhecida como simulação de Monte Carlo tem por característica o
fato de não utilizar o tempo como variável de modo explicito, se valendo da
geração de números aleatórios para simular modelos matemáticos e físicos. Esses
modelos, em geral, são menos complexos se comparados aos outros tipos de
simulação. (CHWIF e MEDINA, 2007)
De acordo com Trigeorgis (1996 apud MELIN, 2008) na simulação de Monte
Carlo o processo estocástico de tempo contínuo de cada uma das variáveis
aleatórias é aproximado por um processo de tempo discreto. Nesse modelo o
tempo é dividido em N intervalos de tamanhos iguais até que haja maturidade e da
opção. Ou seja, o tempo é dividido em diversos intervalos de tamanhos iguais e
para cada intervalo é gerado um número aleatório que será considerado na
equação do sistema, o que resulta em um valor simulado da variável do sistema.
Esse procedimento é repetido diversas vezes com o objetivo de validar os valores
de saída das variáveis do sistema.
Ao final a simulação, tem-se como resultado inúmeras trajetórias da variável
estocástica, como pode ser observado na Figura 1.
27
Figura 1 - Geração dos valores terminais da variável estocástica através de simulação
Fonte: MELIN (2008)
Pode ser observado que na Figura 1 os valores gerados a serem usados na
equação do sistema encontram-se ilustrados à esquerda e à direita pode ser
observada a frequência com que cada intervalo ocorre.
2.3.2.2. Simulação Contínua
Também chamada de Simulação Dinâmica (System Dynamics – SD) é
utilizada em casos onde a variação de estado é contínua em relação ao tempo.
Sendo as mudanças das variáveis calculadas por meio de equações diferenciais.
(CHWIF e MEDINA, 2007)
De acordo com Sterman (2000 apud BRITO, 2011) a Simulação Contínua
trata-se de uma metodologia capaz de aprimorar a compreensão de sistemas
complexos com a utilização de diagramas causais loops de feedback e fluxo, e as
interações e mecanismos de atrasos entre as componentes do sistema. Assim
sendo a simulação contínua possui uma perspectiva interativa do sistema, capaz
de fornecer percepção do comportamento de feedback entre os processos
analisados de um sistema.
Para a SD o feedback é conceituado como qualquer influencia de uma
variável sofre em função de outra. Sendo os recursos do sistema real na SD,
28
representados em termos de estoque, tanto de material como pessoas, capital...
(BRITO, 2011). Na Figura 2 pode-se observar a relação dos itens com os fluxo de
loops, feedbacks e atrasos previamente citados.
Figura 2 – Ferramentas de diagramação e estruturação de loops de fluxo e de feedback de um
modelo de SD
Fonte: BRITO (2011)
2.3.2.3. Simulação de Eventos Discretos (SED)
A SED é utilizada na modelagem de sistemas nos quais ocorrem mudanças
de estados em momentos discretos no tempo, também conhecidos como eventos.
(CHWIF e MEDINA, 2007)
De acordo com Law e Kelton (2000 apud BRITO, 2011) um sistema de SED
trata-se de uma coleção de entidades que agem e interagem juntas através de
fluxos no sistema em
busca de um objetivo lógico. Para Gordon (1961 apud
BRITO, 2011) SED trata-se de uma metodologia de processamento de entidades
que se movimentam por diagramas de bloco e podem permanecer em filas, serem
processadas ou sofrerem atrasos. Na figura 3 podem ser observados os principais
elementos de um SED.
29
Figura 3 - Elementos principais de um SED
Fonte: BRITO (2011)
De acordo com Brito (2011) todos os elementos da SED são integrados por
meio de um calendário de eventos, esta, por sua vez trata-se de uma lista com o
informe de todos os eventos que ocorrerão durante a simulação. Desse modo, a
cada novo evento a lista é atualizada com o agendamento de novos eventos e
cancelamento de outros.
De acordo com Brito (2011) a SED é operada por meio de dados gerados
por análises estatísticas, desse modo os dados de saída também são variáveis
randômicas e devem ser interpretadas com o auxílio de técnicas estatísticas.
A SED também apresenta grande sensibilidade ao comportamento o
sistema, por meio de sua animação gráfica. O que permite ao usuário visualizar a
formação de filas e outros gargalos de produção (BRITO, 2011)
2.3.4. Vantagens e Desvantagens
De acordo com Freitas Filho (2008) simulação computacional apresenta as
seguintes vantagens e desvantagens para a utilização em estudo de sistemas.
As principais vantagens são:

Novas politicas, procedimentos operacionais, regras de decisão, fluxo de
informação, procedimentos organizacionais, etc. podem ser estudados sem
interferência nas operações do sistema real.
30

Novos equipamentos, arranjos físicos, sistemas de transporte, etc. podem
ser testados antes de se investir em recursos com as aquisições envolvidas.

Hipóteses de como e por que certos fenômenos ocorrem podem ser
avaliados.

O tempo pode ser comprimido ou expandido, permitindo que o fenômeno em
estudo possa ser acelerado ou retardado.

“Gargalos”
onde
as
informações
ou
materiais
têm
seus
fluxos
comprometidos podem ser identificados.
As principais desvantagens são:

A construção de modelos requer um treinamento especial. Pode ser
considerada uma “arte” que se aprende ao longo do tempo e que envolve o
“bom” uso da experiência.

Os resultados da simulação podem ser difíceis de interpretar. Como as
saídas da simulação podem incluir variáveis aleatórias, não é trivial
determinar se os resultados observados resultam de interações efetivas
das partes do sistema ou se são fruto da aleatoriedade do sistema.

A modelagem do sistema e a analise dos dados podem consumir muito
tempo e muitos recursos. Por outro lado, economizar tempo e recursos na
modelagem e na analise pode resultar em cenários insuficientes para
atender os objetivos.
2.4 SOFTWARE DE SIMULAÇÃO PROMODEL
O ProModel é um software desenvolvido e comercializado pela ProModel
Corporation muito utilizado tanto na área de logística, como na área de processos
de produção das empresas o que ocorre devido a sua grande flexibilidade no que
diz respeito à programação. O modelo simula acontecimentos de sistemas de
produção e ajuda na busca por alternativas de melhor desempenho. O software
também conta com uma interface bastante amigável com animações tanto em 2D
como em 3D. (PROMODEL® USER’S GUIDE, 2011)
31
De acordo com o PROMODEL® USER’S GUIDE (2011) a modelagem
projetada no ProModel segue uma sequencia de passos que se inicia pela
definição dos elementos de modelagem descritos a seguir:
a) Locais: O local é um lugar imóvel no sistema onde ocorre o processamento ou
armazenamento de Entidades, onde estas serão processadas, armazenadas ou
tomarão outro roteiro de acordo com o modelo. Os locais podem ser simples ou
duplos (com uma ou mais entidades de cada vez);
b) Entidades: A entidade é um item que é processado no modelo, como uma mesa
sendo fabricado, por exemplo. A dinâmica do ProModel ás entidades permite que
estas sofram operações que tem como resultado novas entidades. A imagem que
representa essa entidade pode ser trocada ilustrando uma mudança proveniente de
uma operação;
c) Rotas: As rotas são elementos que definem o caminho tomado pelas entidades e
recursos que se movem pelo sistema. As distancias podem ser tanto definidas
manualmente pelo usuário como calculadas automaticamente pelo software com
base no layout definido pelo usuário;
d) Recursos: Os recursos são quaisquer objetos, ferramenta, veículo, ou pessoas
usadas para transportar materiais entre os dois locais, realizar uma operação ou
manutenção em um material no local destinado. Recursos podem ser tanto
dinâmicos (vinculados à rota) como estáticos (não vinculados à rota);
e) Processos: A lógica do processo define a operação e o roteamento para cada
tipo de entidade em cada local do sistema. Os tempos de operação, requisições de
recursos, lógicas de processamento, relação entre entrada e saída, assim como
condições de roteamento e tempos de movimentação podem ser descritos;
f) Chegadas: é o elemento onde é definido o mecanismo de determinação dos
momentos em que as entidades são introduzidas no sistema;
g) Horários de trabalho: É o elemento onde são adicionados os horários de
funcionamento, as paradas agendadas, horas do dia e dias da semana de
funcionamento;
32
h) Atributos: Os atributos são geralmente empregados para representar
características das entidades como cor, números de retrabalho, tempo de operação
da entidade em um local específico, etc;
i) Variáveis: As variáveis podem assumir valores reais ou inteiros como atributos.
São utilizadas para tomada de decisão e calculo estatístico;
j) Vetores/Matrizes: São matrizes de variáveis, uni ou multidimensionais;
k) Macro: É usada quando uma situação ocorre várias vezes, por meio de uma
expressão com o objetivo de evitar repetições na simulação.
l) Sub rotinas: São blocos definidos pelo usuário e recebem valores quando
chamadas, podendo retornar resultados após sua execução;
m) Distribuições do usuário: Podem ser definidas pelo usuário e substituem as
distribuições probabilísticas provenientes do software.
O software também conta com a geração de resultados por meio de gráficos
e diagramas, o que permite uma análise ampla dos cenários simulados.
2.5 TESTE DE HIPÓTESES
Segundo Chwif e Medina (2007) o processo de modelagem necessita da
execução de um teste de aderência para verificar se os dados coletados se
ajustam à distribuição esperada para o modelo. Os testes de hipótese visam
exatamente testar a aderência desses dados por meio de duas hipóteses: a
hipótese nula, que indica aderência adequada; e a hipótese alternativa, que indica
aderência inadequada ao modelo.
2.5.1 Qui Quadrado
O teste do Qui quadrado, representado pelo símbolo
, se destina ao
cálculo da dispersão entre duas variáveis nominais. Esse teste compara possíveis
divergências entre as frequências observadas e esperadas para um determinado
evento, mostrando assim se os valoras obtidos podem ser aceitos como
representantes do modelo.(CHWIF E MEDINA, 2007)
O método compara as proporções entre as frequência observada (
esperada ou teóricas
e
de um evento. Os grupos se comportarão de forma
aproximada dependendo do quão mais próximo de zero for a diferença entre eles.
33
Para o teste são trabalhadas duas hipóteses:
As frequências observadas não são diferentes das teóricas. O modelo
é aceitável como representação da população analisada.
As frequências observadas são diferentes das teóricas. O modelo não é
aceitável como representação da população analisada.
É necessário que se siga cinco passos para a aplicação do teste.
Primeiramente se formula as hipóteses nula e alternativa. Logo após são definidos
o nível de significância do teste ( ) e o número de graus de liberdade. O terceiro
passo é onde se determina limites de aceitação e rejeição da hipótese nula e
necessita do auxilio da tabela do qui quadrado. O quarto passo consiste no cálculo
do valor da estatística teste. Por fim no ultimo passo o valor encontrado para a
estatística teste é comparado com as área de aceitação e rejeição. A hipótese nula
só será rejeitada caso o valor calculado da estatística teste for maior que o valor
tabelado. (Bruni, 2011)
O calculo do Qui quadrado pode ser realizado a partir das equações que se
seguem:
Primeiramente se calcula o valor da estatística
, obtido a partir do
quadrado da diferença entre as frequência observada (
e a teóricas
,
conforme pode ser observado na equação 1:
, k = 1,2,...,k
Após a obtenção do valor
meio do somatório dos valores
é encontrado o valor da estatística E, obtida por
, conforme o apresentado na equação 2, onde k
é obtido de k – 1 – n graus de liberdade.
∑
Obtido o valor de
e com a análise da tabela de distribuição do
qui-quadrado onde pode-se encontrar o valor do
, para um determinado
34
grau de liberdade, tem-se a aceitação ou rejeição da hipótese
aceita-se
.
Caso
35
3 PROCEDIMENTOS METODOLÓGICOS
3.1. TIPO E DELINEAMENTO DA PESQUISA
A pesquisa efetivada pode ser classificada do ponto de vista da sua natureza
como pesquisa aplicada, onde tem por objetivo investigar, comprovar ou rejeitar
hipóteses sugeridas pelos modelos teóricos. Quanto à abordagem, pode ser
considerada como de ordem quantitativa, onde irá traduzir em números as opiniões
e informações para serem classificadas e analisadas e se utiliza técnicas
estatísticas.
Quanto aos objetivos da pesquisa é exploratória. Segundo (GIL, 2008), a
pesquisa exploratória proporcionar mais familiaridade com o problema. Pode
envolver levantamento bibliográfico, entrevistas com pessoas experientes no
problema pesquisado. Geralmente, assume a forma de pesquisa bibliográfica e
estudo de caso.
Quanto aos procedimentos técnicos é usada a modelagem e simulação de
sistemas, que de acordo com (FREITAS FILHO, 2008), permitirá imitar uma
operação ou um processo do mundo real. A simulação envolve a geração de uma
“historia artificial” de um sistema para analise de suas características operacionais.
3.2 MÉTODO DE MODELAGEM E SIMULAÇÃO
De acordo com Freitas Filho (2008) alguns procedimentos básicos são
necessários para alcançar o objetivo da pesquisa, os passos neste procedimento
são os seguintes:

Formulação do problema a ser simulado:
Todo estudo deve começar pela definição do problema. Se as definições são
realizadas pelo usuário que está como problema, o projetista deve se assegurar de
que o problema foi efetivamente entendido. Se as definições do problema são
desenvolvidas pelo projetista, é importante que o usuário também esteja de acordo
com a formulação.
36

Definição dos objetivos e planejamento geral:
Os objetivos envolvem as questões que precisam ser respondidas pela
simulação. Neste ponto deve-se avaliar e confirmar qual a simulação é a técnica
adequada para tratar o problema, como planeja atingir os objetivos previstos. Se a
simulação é apropriada, o planejamento geral deve incluir uma especificação das
alternativas que devem ser consideradas, e um critério para comparar os
resultados. Deve especificar também as estratégias para o estudo em termos dos
recursos envolvidos, o custo do estudo, o número de dias necessários para
completar cada fase e, os resultados previstos no final de cada estágio.

Concepção do modelo:
A tarefa de modelagem envolve certa habilidade para abstrair as
características essenciais de um problema, para solucionar e modificar as
suposições que caracterizam o sistema e para detectar os resultados de interesse.
Deve-se começar com um modelo simples, e então, a partir deste, chegar a
modelos mais complexos. A complexidade do modelo não deve ser maior que
aquela requerida para alcançar os objetivos do estudo. A violação deste princípio
aumenta os custos de construção do modelo e de execução do modelo. É
aconselhável envolver o usuário na concepção do modelo. Isto aumenta a
qualidade do modelo resultante e a confiança deste usuário na aplicação do
modelo.

Coleta de dados:
Há uma relação entre a concepção do modelo e os dados de entrada
necessários. Ao variar a complexidade do modelo. os dados necessários também
podem mudar. Como a coleta de dados pode envolver muito tempo, é
recomendável iniciar esta fase o quanto antes, geralmente junto com as etapas
iniciais da construção do modelo. Os objetivos do estudo definem os tipos de dados
a serem coletados.

Tradução do modelo:
37
Os sistemas do mundo real podem resultar em modelos que envolvem uma
grande quantidade e variedade de informações assim, os modelos precisam ser
traduzidos para um formato adequado para serem tratados num computador. O
projetista precisa decidir se editará o modelo em uma linguagem de simulação ou
então usará pacotes de software específicos. As linguagens se simulação são
geralmente mais poderosas e mais flexíveis que os pacotes para fins específicos.

Verificação:
A verificação em geral faz parte do processo de edição do modelo e
programação do computador preparando-o para a simulação. Deve-se verificar se
o programa de computador executa o modelo conforme o esperado.

Validação:
Validação é a confirmação de que um modelo é uma representação
adequada do sistema real. Validação é geralmente resultante da calibração do
modelo, isto é, um processo iterativo de comparar dados do modelo com o
comportamento do sistema real, usando as discrepâncias entre os dois para
melhorar o modelo. Este processo é repetido até que o modelo seja julgado
aceitável.

Projeto do experimento:
As alternativas e/ou cenários que serão simulados devem ser detalhadas.
Em geral, a decisão de quais alternativas serão simuladas é função do histórico
dos cenários previamente obtidos e analisados. Para cada cenário que é simulado
decisões precisam ser tomadas sobre a magnitude dos valores de inicialização, do
tempo de simulação, e o número de repetições que devem ser feitas.

Execução do modelo e analise:
A execução do modelo e sua subsequente analise são realizadas e
utilizadas para estimar medidas de desempenho para o sistema que está sendo
simulado.
38

Nova execução?:
Baseado na analise das execuções realizadas, determina-se se são
necessários experimentos adicionais e se novas especificações devem ser
consideradas.

Relatórios:
A documentação do programa é imprescindível quando o programa é usado
novamente e, é fundamental para a confiança dos usuários do sistema que podem
tomar decisões baseados nos dados gerados. Os relatórios fornecem a “história”
do projeto de simulação. Os resultados das analises devem ser apresentados de
forma clara e concisa em um relatório final. Isto permite que os usuários do modelo
revejam a formulação final, os critérios pelos quais alternativas foram comparadas,
os resultados de experimentos, e a solução recomendada.

Implementação:
O sucesso dessa fase depende de como foram conduzidos os passos
anteriores. Se o usuário esteve envolvido durante o processo de edição do modelo
e entende a natureza do modelo e suas saídas este poderá contribuir efetivamente
para a fase de implantação.
3.3. PROCEDIMENTOS DE COLETA DE DADOS
Foram utilizados os seguintes instrumentos de coleta de dados, para o
mapeamento do processo: realiza visita à empresa e entrevistas com o
responsável, bem como com os funcionários operacionais para conhecimento das
etapas do processo produtivo e observações do setor e de todas as etapas de
fabricação.
Para a modelagem foram feitas cronometragens de todos os tempos
pertinentes ao objetivo do projeto, como tempo de parada de máquina, tempo de
setup, tempo de cada etapa do processo produtivo, dentre outros. E para simular
foram utilizados técnicas estatísticas do software ProModel.
39
4 DESENVOLVIMENTO
Neste capítulo são apresentados os passos percorridos para a realização do
estudo, desde o tratamento dos dados coletados, a simulação do modelo, aos
resultados obtidos com a mesma.
4.1 CARACTERIZAÇÃO DA EMPRESA ESTUDADA
Voltada para a produção de gelados comestíveis, a microempresa foi
fundada no ano de 1986 e encontra-se localizada no município de Castanhal,
nordeste do estado do Pará. A fábrica conta com 14 colaboradores fixos atuando
em turnos de 8 horas diárias e distribuídos nos setores destinados a produção de
cada produto.
A produção ocorre de acordo com os estoques. Desse modo os produtos
que se encontram em menor quantidade são produzidos e repostos nos locais de
armazenamento compostos por uma câmara frigorífica e por 20 freezers
localizados no interior da fábrica. Cerca de 90% desse estoque é rapidamente
vendido.
A linha de produção da empresa é formada por uma sequência de postos de
trabalho, compondo estações dependentes entre si, cada qual voltada a fabricação
de um determinado produto.
Por se tratar de um item sazonal, onde há uma queda no seu consumo em
meses de temperaturas menos elevadas, a quantidade produzida desses gelados
comestíveis apresenta variação em relação a períodos mais quentes. Dessa forma
a média de produção no verão é de 6000 unidades/dia e no inverno são produzidas
em média 3500 unidades/dia.
Sua produção é composta por um mix de nove tipos de gelados comestíveis,
entre estes sorvetes, picolés, laranjinha e moreninha. Cada um desses itens possui
locais específicos na planta da fábrica destinados a produção de cada tipo de
produtos. A lista de itens produzidos pela empresa é descrita na tabela 1, onde
também encontram-se as informações a respeito dos sabores ofertados de cada
um. O setor de produção de picolés, escolhido para estudo, pode ser encontrado
em três tipos distintos: Picolé Especial, Comum e Recheado.
40
Tabela 1- Variedade de Produtos
PRODUTOS
Picolé Comum Picolé Especial Picolé Recheado
SABORES
Laranjinha
Moreninha
Tapioca
Tapioca
Tapioca
Côco
Tapioca
Taperebá
Paraense
Bacuri
Tangerina
Flocos
Maracujá
Bacuri
Morango
Uva
Bacuri
Groselha
Brigadeiro
Murucí
Brigadeiro
Choc. Branco
Morango
Morango
Flocos
Crocante
Aminduim
Chocolate
Côco
Napolitano
Cupuaçu
Flocos
Cupuaçu
Açaí
Uxi
Chocolate Branco
Acerola
Milho Verde
Cupuaçu
Goiaba
Côco
Limão
Tucumã
Abacate
Cupuçu
Chocolate
PRODUTOS
Sorvete 110ml Sorvete 200ml
SABORES
Sorvete 1 litro
Sorvete 5 litros
Tapioca
Tapioca
Tapioca
Tapioca
Flocos
Flocos
Flocos
Flocos
Bacuri
Bacuri
Bacuri
Bacuri
Brigadeiro
Brigadeiro
Brigadeiro
Brigadeiro
Morango
Morango
Morango
Morango
Napolitano
Napolitano
Napolitano
Napolitano
Chocolate
Chocolate
Chocolate
Chocolate
Côco Nevado
Côco Nevado
Maracujá
Maracujá
Castanha
Sonho de Valsa
Pavê de Cupuaçu
Creme c/ Passas
Milho Verde
Fonte: As Autoras (2014)
Como é possível observar na tabela 1 a produção de picolé conta com cerca
de 7 à 12 sabores distintos. Contudo é necessário ressaltar que os processos de
produção para o picolé comum e recheado possuem as mesmas etapas. Apenas o
picolé recheado possui uma etapa a mais, contudo, pelo fato de o mesmo possuir
uma produtividade bem inferior aos demais, o estudo possui foco apenas nos
picolés dos tipos: Comum e Especial.
41
4.1.1 Macrofluxograma da Empresa
Para que se possa ter uma visão geral da organização e da forma como se
desenvolve sua produção, seu estoque, e como se distribuem as informações a
respeito de quantidade a ser produzida, quantidade em estoque, necessidade de
manutenção processos, entre outros, foi montado o macrofluxograma da empresa
(figura 4) no qual estão indicados os processos da mesma e as relações existentes
entre eles. Pode-se observar dois tipos de linas: Cheias e tracejadas. As relações
diretas, que envolvem fluxo de materiais e informações, estão representadas por
linhas cheias. A linha apresenta uma seta no sentido do processo que “recebe” o
fluxo. As linhas tracejadas representam o outro tipo de relação, aquele que envolve
apenas comunicação, que pode ser verbal, escrita, eletrônica… As linhas sçao
terminadas com uma seta no sentido do processo que “recebe” a comunicação.
Figura 4 - Macrofluxograma da empresa
Fonte: As Autoras (2014)
Como pode ser observada na figura 4, a direção é o processo controlador de
toda a fábrica, recebendo informações de todos os outros processos. O processo
de produção, por sua vez envia informações ao de manutenção de equipamentos
em caso de necessidade para intervenção em determinado equipamento, e recebe
deste a manutenção ou a troca de equipamentos que forem necessárias.
42
O setor de almoxarifado também executa o mesmo tipo de relação com o
processo de produção enviando os insumos necessários à produção naquele
determinado momento.
O setor de estoque é o responsável pelas ordens de produção, uma vez que
envia informações ao setor de produção a respeito de que produto encontra-se em
baixa. Dessa forma a produção é toda voltada para as informações provenientes do
estoque, que por sua vez, envia produtos ao setor de vendas de acordo com as
informações que recebe do mesmo.
O setor de vendas recebe informações direto dos clientes e repassa essas
informações ao estoque, e envia aos clientes os produtos requisitados.
Como é possível notar a produção de picolés, assim como a dos demais
setores da empresa, é totalmente empurrada, sendo feita por meio de informações
provenientes do próprio estoque.
4.2 FORMULAÇÃO E ANÁLISE DO PROBLEMA
Para a formulação e identificação do problema fez-se necessárias algumas
visitas iniciais à empresa, com o objetivo de observar o processo a ser analisado,
assim como a coleta de informações a respeito de seu funcionamento. Com esses
dados buscou-se não somente o conhecimento do local como também a
identificação e averiguação do impacto do problema a ser estudado, no
desempenho da empresa.
4.3 FORMULAÇÃO DO MODELO CONCEITUAL
Para a formulação do modelo conceitual foi obtido junto à empresa um
fluxograma no qual são descritas as atividades realizadas no processo de produção
de picolés, assim como também foi observado o processo no momento de sua
execução. Com essas informações e utilizando o padrão ANSI (ANEXO 1) foi
possível elaborar um novo fluxograma, contendo apenas as informações relevantes
ao estudo e à elaboração do modelo de simulação.
A produção ocorre de segunda à sábado, iniciando suas operações as 8h e
se estendendo até as 17h, com intervalo de uma hora para almoço. O processo
43
tem início com a escolha dos sabores que serão produzidos naquele período e,
posteriormente, na requisição dos materiais. Esse setup inicial possui média de 10
minutos de duração e é seguido pela atividade que consiste em transferir os
insumos para o liquidificador industrial (com capacidade para 65 litros)
posteriormente a batida da mistura, processo esse que possui 6 minutos de
duração média.
Após a mistura preparada a mesma é transferida para as formas de picolés
e levadas à esteira de resfriamento uma a uma. Esse processo necessita
primeiramente da inserção dos palitos de picolés no encaixe das formas, tarefa
realizada com pouca antecipação para não atrasar o processo.
A esteira de resfriamento transfere automaticamente as formas com picolés
do início ao final da mesma, em um processo que dura 30 minutos, contudo o
tempo necessário para o congelamento da mistura e consequentemente a
formação do picolé é bem menor que isso, necessitando apenas de cinco minutos.
O fato de o tempo de processamento do picolé na esteira ser maior se dá pelo fato
de tanto o nível de produção observada não necessitar de velocidade maior
(poucas chagadas de formas para congelar) quanto o operador estar ocupado em
outra operação no momento em que o picolé já está congelado.
Após passarem pela esteira de congelamento os picolés são transferidos até
a máquina embaladora que possui capacidade para embalar um picolé por minuto.
Após 280 unidades embaladas a produção é armazenada nos freezers próprios ao
produto.
Todo o processo conta com três maquinários: o liquidificador industrial,
responsável pela mistura dos ingredientes; a esteira de resfriamento, encarregada
de resfriar a mistura (já em formas) até o ponto de embalar e a maquina
embaladora, responsável pelo processo de embaçar os picolés. O fluxograma do
processo pode ser observado na figura 5.
Os recursos humanos presentes consistem em três funcionários que operam
em uma jornada de oito horas diárias, de segunda-feira à sábado, com intervalo de
uma hora para almoço. Os se dividem entre as funções descritas e definidas no
fluxograma da figura 5.
44
Figura 5 - Fluxograma de Produção de picolés
Fonte: As Autoras (2014)
45
Para o início dos procedimentos de simulação do modelo foi requisitado
junto a empresa o layout do setor analisado, o mesmo pode ser observado na
figura 6. O layout possui a função de ilustrar o ambiente junto a simulação, servindo
também como base para a observação da disposição do maquinário junto ao setor
produtivo e à disposição do local.
Figura 6 - Layout do setor de produção de picolés.
Fonte: As Autoras (2014)
Como já foi citado e pode ser observado na figura 6 o processo escolhido
para ser objeto de estudo foi o de produção de picolés, por se tratar de um produto
com etapas bem definidas e em maquinários bastante propícios ao estudo da
simulação. Além disso se trata de um produto com grande demanda, mas sem o
conhecimento da real capacidade produtiva contida no processo e das possíveis
reações à um aumento significativo na mesma.
4.4 COLETA E TRATAMENTO DE DADOS
O
procedimento
de coleta de
dados
foi realizado por meio
da
cronometragem dos tempos de cada operação. Dessa forma realizadas
cronometragens em dias alternados, acompanhando desde o início ao final de cada
turno de produção, com início às 8h e se estendendo às 12h; e com retorno às 13h
se estendendo às 17h. Foram coletadas 40 amostras de tempos para cada
operação. Os tempos cronometrados correspondem desde as etapas iniciais de
setup, passando pelo processamento de cada produto, à finalização da produção.
Por meio da observação desses tempos foi possível perceber que não há distinção
46
significativa entre as amostras obtidas no período da manhã e as da tarde, desse
modo os dois grupos foram reunidos em um único grupo de dados tratamento, e
utilização no modelo simulado.
Junto a empresa foram adquiridos os relatórios diários de produção dos
meses de agosto à outubro do ano de 2014, nos quais houve acompanhamento e
cronometragem dos tempos de produção.
Após a coleta de dados fez-se necessário o tratamento dos mesmos por
meio do software Stat::fit, foram calculadas as medidas de posição e de dispersão
para cada etapa cronometrada do processo.
Primeiramente foram calculadas as medidas de posição de dispersão para o
tempo de requisição de materiais e ingredientes como mostrado na tabela 2.
Tabela 2 - Medidas de posição e dispersão do tempo de requisição de materiais
Estatística descritiva
Quantidade de dados
Mínimo
Máximo
Média
Mediana
Moda
Desvio padrão
Variância
40
408
966
645,82
631
578
129,5
16770,1
Fonte: As Autoras (2014)
Em seguida foi construído um histograma de cada etapa do processo, para a
verificação da possibilidade de sua representação por meio da distribuição de
probabilidades.
Como pode ser observado na figura 7, a distribuição que mais se adequou
aos dados referentes ao tempo de Requisição de Materiais e Ingredientes foi a
Lognormal, com média de 645,82 segundos.
47
Figura 7 - Distribuição Lognormal do tempo de requisição de Materiais e ingredientes
Fonte: As Autoras (2014)
O software Stat::fit serviu de auxilio para a identificação do modelo de
distribuição que melhor representasse o processo analisado, onde posteriormente
foi utilizado o teste do qui quadrado para validação desses dados, como pode ser
observado na tabela 3.
Tabela 3 - Teste de aderência tempo de requisição de materiais e ingredientes.
Lognormal
Qui-quadrado
0,25
X2 (4,5.e-002)
9,49
P-valor
0,993
Resultado
Não Rejeitar
Fonte: As Autoras (2014)
O resultado dos testes confirmou os resultados apontando a distribuição
Lognormal como a que mais se adequou aos dados coletados.
Posteriormente foram calculadas as medidas de posição de dispersão para a
etapa de Preenchimento das formas com a Mistura (junção de produtos que, após
o congelamento, formam o picolé), como mostrado na tabela 4.
48
Tabela 4 - Medidas de posição e dispersão do tempo de preenchimento de formas.
Estatística descritiva
Quantidade de dados
Mínimo
Máximo
Média
Mediana
Moda
Desvio padrão
Variância
40
10,23
19,77
13,59
13,88
14,21
1,81
3,28
Fonte: As Autoras (2014)
Para a operação de Preenchimento da forma de picolés com a mistura
(capacidade de 28 picolés cada forma) a distribuição que melhor se adequou foi a
Normal, com média de 13,59. Como pode ser observado na figura 8.
Figura 8 - Distribuição Normal do tempo de preenchimento de formas
Fonte: As Autoras (2014)
Posteriormente foi utilizado o teste do qui quadrado para validação desses
dados, conforme pode ser observado na tabela 5.
49
Tabela 5 – Teste de aderência tempo de Preenchimento das Formas.
Normal
Qui-quadrado
1
X2 (4,5.e-002)
9,49
P-valor
0,91
Resultado
Não Rejeitar
Fonte: As Autoras (2014)
O resultado dos testes apontou a distribuição Normal como a que mais se
adequou aos dados coletados.
Em seguida foram calculadas as medidas de posição e dispersão para o
tempo de retirada do excesso da mistura, como mostrado na tabela 6.
Tabela 6 - Medidas de posição e dispersão do retirar excesso de mistura da forma.
Estatística descritiva
Quantidade de dados
Mínimo
Máximo
Média
Mediana
Moda
Desvio padrão
Variância
40
2,49
14,59
9,21
9,21
8,75
2,95
8,7
Fonte: As Autoras (2014)
Para a operação de retirada do excesso de mistura da forma a distribuição
mais adequada novamente foi a Normal, com média 9,21. Como pode ser
observado na figura 9.
50
Figura 9 - Distribuição Normal do tempo de retirar excesso de mistura da forma.
Fonte: As Autoras (2014)
Posteriormente foi utilizado o teste do qui quadrado para validação desses
dados, como pode ser observado na tabela 7.
Tabela 7- Teste de aderência tempo retirar excesso de mistura da forma.
Normal
Qui-quadrado
3,25
X2 (4,5.e-002)
9,49
P-valor
0,52
Resultado
Não Rejeitar
Fonte: As Autoras (2014)
O resultado dos testes apontou a distribuição Normal como a que mais se
adequou aos dados coletados.
Por fim foram calculadas as medidas de posição de dispersão para o tempo
desprender picolés, já congelados, da forma, como mostrado na tabela 8.
51
Tabela 8 – Medidas de posição e dispersão do tempo de desprender picolés da forma.
Estatística descritiva
Quantidade de dados
Mínimo
Máximo
Média
Mediana
Moda
Desvio padrão
Variância
40
3,59
9,93
6,71
6,68
6,67
1,62
2,63
Fonte: As Autoras (2014)
Para a operação de desprender picolés da forma já congelados da forma a
distribuição mais adequada novamente foi a Normal, com média 6,71. Conforme
pode ser observado na figura 10.
Figura 10 - Distribuição Normal do tempo de desprender picolés da forma
Fonte: As Autoras (2014)
Posteriormente foi utilizado o teste do qui quadrado para validação desses
dados, como pode ser observado na tabela 9.
Tabela 9- Teste de aderência tempo de desprender picolés da forma.
Normal
Qui-quadrado
9
X2 (4,5.e-002)
9,49
P-valor
6,11 e-002
Resultado
Não Rejeitar
52
Fonte: As Autoras (2014)
O resultado dos testes apontou a distribuição Normal como a que mais se
adequou aos dados coletados.
4.5 TRADUÇÃO DO MODELO
Nessa etapa foram utilizadas informações provenientes das visitas
realizadas à empresa e os dados coletados nas mesmas para a tradução do
modelo conceitual para o de simulação. Para isso as informações e o
conhecimento a respeito do sistema real foram relacionadas às características e
propriedades do software de simulação ProModel, como locais, entidades, redes
recursos, processos e chegadas.
A planta baixa do setor foi utilizada como gráfico de fundo para o modelo.
Logo após foram definidos nove locais de processamento e armazenamento do
produto: Armazenagem (1), Liquidificador Industrial (2), Pia (3), Câmara de
Resfriamento (4), Pia2 (5), Bacia (6), Embaladora (7), Caixa (8) e Freezer (9). A
figura 11 apresenta os locais no software ProModel.
Figura 11 - Locais definidos no sistema simulado.
Fonte: As Autoras (2014)
Em seguida foi inserida a entidade picolés processada durante a simulação.
Optou-se por denominar Picolé toda a entidade desde a sua fase de Ingredientes
ou Mistura até a etapa de picolé já embalado e pronto para consumo. A distinção
foi feita por meio de mudança gráfica ocorrida na entidade durante as etapas de
processamento.
53
Após esse passo foram inseridas as redes de caminho e, posteriormente, os
recursos responsáveis pela movimentação da entidade à cada local de
processamento. O anexo B extraído do ProModel demostra a tradução desse
modelo.
4.6 VERIFICAÇÃO E VALIDAÇÃO
Após a tradução do modelo a etapa de verificação foi realizada por meio da
observação de sua execução. Durante as simulações iniciais foi possível identificar
diversos equívocos que impediam o mesmo de operar de acordo com sistema real,
fato esse que resultou em pequenas modificações até que o modelo finalmete
operasse de acordo com o sistema real.
Com o modelo operando de acordo com o sistema real passou-se então ao
cálculo do numero de replicações necessárias para que se atinja o resultado
esperado em de acordo com o sistema real. A confiança estabelecida foi de 95% e
com um erro esperado de mais ou menos 3 minutos. O cálculo foi realizado por
meio da equação 3.
(
)
Onde:
= númiro de replicações;
= Coeficiente de Confiança;
= Desvio padrão estimado.
Após o cálculo do numero de replicações rodou-se o modelo com as
quantidades de replicações necessárias e obteu-se um relatório gerado pelo
ProModel. Com base nesse relatório foi possível observar que a porcentagem de
utilização de cada um dos locais em operação não é de fato elevada a ponto de as
mesmas possuírem problemas em sua execução com a quantidade produzida
atualmente, não havendo assim gargalo para a produção atual. Como pode ser
observado na tabela 10.
54
Tabela 10 - Porcentagem de Utilização por Local.
Local
Liquidificador Industrial
Pia1
Pia2
Câmara de Resfriamento
Bacia
Caixa
Processamento
Médio (segundos)
641
18,65
158,99
4026,55
993,21
139,5
Porcentagem de Utilização
9,99
8,72
74,35
62,77
46,45
6,52
Fonte: As Autoras (2014)
Conforme pode ser observado na tabela 10, o cenário atual tem a
capacidade necessária para atender sua demanda atual, o que já previam as
primeiras visitas ao setor e observações do processo.
A quantidade produzida com a simulação realizada com valor de 3.360
unidades/dia foi comparada à média dos relatórios diários de produção dos meses
de Agosto, Setembro e Outubro de 2014 respectivamente: 4.116 unid/dia, 3.368
unid/dia e 3.389 unid/dia. Com isso comprovou-se que a produção obtida no
modelo simulado condiz com o modelo real, validando dessa forma a simulação.
4.7 SIMULAÇÃO EM CENÁRIOS
Nos relatórios diários de produção e nas informações prévias obtidas com os
responsáveis pelo empreendimento foi possível observar que, apesar da média de
produção condizer com o resultado simulado, houveram picos de produção
correspondentes a 6.000 picolés/dia, assim como períodos com esse nível médio
de produção, correspondente aos meses em que ocorre uma elevação na
demanda do produto (Fevereiro à Julho). Dessa forma foi feita a simulação do
modelo atual para observar se o mesmo possui capacidade de produzir esse nível.
Para isso alterou-se o tempo de processamento do picolé na câmara de
resfriamento, reduzindo o mesmo para 5 minutos. Como resultado obteu-se uma
produção de 4.480 unidades/dia inferior à esperada de 6.000 unidades/dia. Dessa
forma rodou-se novamente a simulação com a inserção de duas horas extras de
trabalho. Após a citada alteração observou-se uma produção de 5.600
55
unidades/dia. O anexo C extraído do ProModel demostra os dados da simulação
nesse cenário.
Após a realização da simulação gerou-se um relatório no ProModel.
Novamente foi observada a porcentagem de utilização de cada um dos locais em
operação, assim como o tempo médio de processamento para cada um deles.
Como pode ser observado na tabela 11.
Tabela 11 - Porcentagem de Utilização por Local Cenário 1.
Local
Liquidificador Industrial
Pia1
Pia2
Câmara de Resfriamento
Bacia
Caixa
Processamento
Médio (segundos)
636,49
11,61
158,5
13.941
180,06
139,5
Porcentagem de Utilização
14,14
7,74
90,26
0,01
55,63
7,75
Fonte: As Autoras (2014)
Conforme pode ser observado na câmara de resfriamento houve uma
diminuição significativa na porcentagem de utilização em relação ao cenário inicial,
isso se dá devido ao fato do aumento no numero de chegadas (maior quantidade
de insumos para preparação de picolés) desencadear em uma necessidade de
menor tempo de congelamento do picolé, que nesse cenário, encontra-se no tempo
mínimo estabelecido de cinco minutos, o que diminui o congestionamento aparente
inicial. Pois, à medida que mais picolés necessitam entrar em processamento mais
rapidamente o operador precisa retirar os já congelados e prontos para a etapa
seguinte. O mesmo fato pôde ser observado quanto ao tempo de processamento,
devido ao mesmo motivo. Assim como na câmara de refrigeração, o
processamento na Bacia também teve seu tempo subtraído devido à maior
quantidade de picolés chegando em menor tempo.
Posteriormente foi realizada a simulação para o cenário com aumento na
quantidade a ser produzida e com um aumento no numero de colaboradores.
Buscou-se neste uma alternativa à implementação de horas extra na jornada de
trabalho. Com essa simulação observou-se a produção de 6.720 unidades/dia, com
56
uma folga de 1 hora e 11 minutos restando ao fim da simulação. O anexo C
extraído do ProModel demostra os dados da simulação nesse cenário.
Após a realização da simulação nesse novo cenário gerou-se outro relatório
no ProModel. Novamente foi observada a porcentagem de utilização de cada um
dos locais em operação, assim como o tempo médio de processamento para cada
um deles. Como pode ser observado na tabela 12.
Tabela 12 - Porcentagem de Utilização por Local Cenário 2
Local
Liquidificador Industrial
Pia1
Pia2
Câmara de Resfriamento
Bacia
Caixa
Processamento
Médio (segundos)
634,98
11,48
84,19
5.442
619,24
139,5
Porcentagem de Utilização
20,74
11,25
82,5
0,01
60,69
13,67
Fonte: As Autoras (2014)
Para se testar a capacidade desse modelo alterou-se o número de chegadas
de 8 para 10 e pôde-se observar uma produção de 7.840 unidades/dia, equivalente
à um aumento de 133% da quantidade produzida na simulação inicial. A tabela 13
apresenta o quadro comparativo entre a porcentagem de utilização em cada local
em ambos os cenários.
Tabela 13 – Quadro comparativo dos Cenários 1 e 2
Porcentagem de Utilização
Local
Liquidificador Industrial
Pia1
Pia2
Câmara de Resfriamento
Bacia
Caixa
Cenário 1
Cenário 2
14,14
7,74
20,26
0,01
55,63
7,75
20,74
11,25
82,5
0,01
60,69
13,67
Fonte: As Autoras (2014)
4.8 INTERPRETAÇÃO E ANÁLISE ESTATÍSTICA DOS RESULTADOS
A simulação do modelo atualmente empregado pela fábrica apontou folga de
capacidade as operações realizadas com a quantidade produzida atualmente.
57
Um caso a ser observado diz respeito ao tempo de processamento da
câmara de resfriamento, cuja operação atualmente estima-se em 30 minutos,
contudo este valor pode chegar até 5 minutos em caso de necessidade de maior
processamento. Esse fato ocorre devido ao atual tempo em que a forma se
encontra na câmara ser o ideal para esse nível de produção, mas o produto em si
está pronto para ser retirado antes desse limite. O fato de a simulação inicial conter
o valor de 30 minutos para processamento se deve à observação dessa ocorrência
na produção atual do setor.
Na
simulação realizada nos cenários verificou-se
primeiramente a
incapacidade do modelo atual, com ao parâmetros utilizados atualmente, de
produzir a quantidade necessária e responder aos picos de produção registrados
nos meses de maior demanda. Com isso alterou-se primeiramente o tempo de
simulação, correspondente às horas trabalhadas. Estabeleceu-se duas horas
extras para o atendimento da demanda. Contudo registrou-se uma produção de
5.600 unidades/dia, quantidade próxima, mas ainda inferior à meta de 6.000
unidades/dia.
Na simulação realizada no cenário seguinte, com as mesmas oito chegadas
do cenário anterior, optou-se por simular o modelo com as oito horas de produção
normal e inserir um funcionário a mais no setor, esse fato pode ser observado
diariamente nas micro e pequenas empresas, onde não apenas há a contratação
de um novo colaborador, mas também um remanejamento deste para o setor que
mais o estiver necessitando no momento.
Os resultados desse senário apontaram uma elevação na quantidade
produzida de 3.360 unidades do modelo inicial, para 6.720 unidades/dia, o que e
superou a meta de 6.000 unidades em 12%.
4.9 COMPARAÇÃO DE SISTEMAS E IDENTIFICAÇÃO DE MELHORES
SOLUÇÕES
Ao comparar os resultados obtidos em cada um dos cenários analisados
ficou evidente o superior desempenho do segundo cenário em relação ao primeiro.
Essa interpretação deve-se não somente ao fato de o segundo modelo alcançar a
58
meta, como também à sua capacidade de produzir até 133% acima da capacidade
inicial, possibilitando assim, uma folga à empresa para responder à flutuações
acima do aumento esperado em sua demanda.
Em relação ao modelo inicial o primeiro cenário apresentou um aumento de
67% na quantidade produzida. Essa quantidade é bastante significativa, porém não
supera a necessidade de um aumento produtivo de 79% para suprir períodos de
maior demanda. Portanto o modelo simulado no segundo cenário, que corresponde
à inserção de mais um funcionário na tarefa de movimentação e de picolés e na
retirada e operação da câmara de resfriamento, se torna mais eficiente justamente
por conseguir alcançar essa meta e ainda superá-la em 12%.
59
5 CONSIDERAÇÕES FINAIS
Percebe-se, a partir do estudo realizado, a importância da simulação
computacional para a tomada de decisão para gestores, por ser uma técnica que
permite mudanças de cenários sem interferir na linha de produção e analisar qual
será o melhor modelo ou cenário para atingir o objetivo pretendido.
Neste trabalho buscou-se determinar a capacidade produtiva atual do setor
de produção de picolés, coletando dados correspondentes à movimentação e
processamento de cada atividade para, em seguida, alimentar o software ProModel
com essas informações, utilizado para realizar a simulação do modelo real no
computacional. Após simular o cenário atual da empresa comprovou-se pelos
parâmetros de porcentagem de utilização e de processamento médio, que é
satisfatória a capacidade de produção atual da empresa, e sem a geração de
gargalos.
Ainda assim é fato o aumento da demanda nos meses de Fevereiro à Julho,
nos quais a venda é maior. Observou-se o modelo atual não suporta esse aumento
no valor de 6.000 unidades/dia correspondente à cerca de 79% da produção
realizada no primeiro cenário. Partindo dessa observação simulou-se o modelo em
dois cenários distintos visando identificar aquele que melhor solução traria à esse
modelo.
O primeiro cenário simulou a produção com o acréscimo de 2 horas de
extras trabalhadas, com esse cenário obteu-se uma produção inferior à
estabelecida. Partiu-se então à simulação no segundo cenário, o qual simulou a
operação com inserção de mais um funcionário na operação e retirada dos picolés
da câmara de resfriamento. Com esse cenário obteu-se um resultado superior ao
esperado em 12%, correspondente à 6.720 unidades/dia.
Assim pode-se considerar que tanto o objetivo geral quanto os específicos
foram alcançados. Visto que foi possível não somente analisar o processo
produtivo da linha de produção de picolés por meio da modelagem e simulação de
sistemas, como também propor o melhor cenário para reagir ao aumento na
demanda. No campo acadêmico pode-se considerar que houve ganho, no que diz
60
respeito à referências para trabalhos futuros, pois a pesquisa apresentada mostra
os passos para a elaboração do métido de simulação e as possibilidades e
comtribuições que o mesmo pode trazer diversos setores produtivos.
Cabe, por fim resaltar as dificuldades encontradas que de algum modo
limitaram o estudo e que também serve como ponto de referência à trabalhos
futuros. Uma das maiores limitaçõs for o tempo gasto na tradução do modelo
conceitual para o modelo computacional, o que veio a ser bastante trabalhoso e
consumiu boa parte do tempo de execução da pesquisa. Outro ponto diz respeito à
coleta de dados que foi realizada no período de menor produtividade da empresa,
conseguindo dessa forma, apenas dados referentes à esses meses.
61
REFERÊNCIAS
ARAUJO, Carolina G.; LEMOS, Fernando. Aplicação da Simulação Computacional
para Avaliação de Capacidade Produtiva: Estudo de Caso em uma Empresa do
setor
Metal-Mecânico.
Disponível
em:
<http://www.abepro.org.br/biblioteca>.
Acesso em: 22 mai. 2014.
BARBALHO, Sanderson M.; ROZENFELD, Henrique; AMARAL, Daniel C.
Modelando
Processos
de
Negócio
Com
UML.
Disponível
em
<http://www.abepro.org.br/biblioteca>. Acesso em 8 jun 2014.
BRITO, Thiago Barros. Aplicabilidade da Simulação Híbrida em Sistemas
Logísticos. Dissertação (Mestrado em Engenharia) Escola Politécnica da
Universidade de São Paulo, 2011.
BRUNI, Adriano Leal. Estatística aplicada à gestão empresarial. 3ª edição. São
Paulo: Atlas, 2011.
CASTRO, Cristiano, G. Desenvolvimento de um Simulador Computacional para
Poços de Petróleo com Método de Elevação Artificial por Plunger Lift. 2009.
Monografia – Universidade Federal do Rio Grande do Norte, Natal, 2009.
CHWIF, L; MEDINA, A,C. Modelagem e Simulação de Eventos Discretos:
Teoria e Aplicações. Editora do Autor. 2ª Edição, 2007.
DIAS, G.P.P. Uso de simulação para dimensionamento e gestão de estoques
de peças sobressalentes. Artigo apresentado no II Simpoi (Simpósio de Produção
e Operações Internacionais da EAESP-FGV, 2001).
FREITAS FILHO, Paulo José de. Introdução a Modelagem e Simulação de
Sistemas com Aplicações em Arena. 2.ed. Florianópolis: Visual Books,2008.
GAITHER, Norman; FRAZIER, Greg. Administração da produção e operações.
8.ed. São Paulo: Pioneira, 2002.
62
GERVÁSIO, Adelar. Análise do Processo de Produção de Feira da Indústria
Caseira Rural. 2008. Monografia – Universidade do Vale do Itajaí, Balneário
Camboriú, 2008.
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo:
Atlas, 2008.
LOURENÇO, J. T. V. Modelagem de processos. Rio de janeiro, 2009
MELIN, Bruno Batista. Análise das opções reais de um empreendimento de
mineração utilizando simulação de Monte Carlo. Dissertação (Mestrado em
Engenharia de Produção) Universidade Federal de Minas Gerais. Belo Horizonte.
2008.
MOREIRA, Daniel Augusto. Administração da produção e operações. 3.ed. São
Paulo: Pioneira, 1998.
PAVANELLO, Janaina Emília. O Uso de Simulação Computacional para
Programação e Acionamento de Fábrica em Processo de Fundição: Um
Estudo de Caso. 2006. Monografia - Universidade do Estado de Santa Catarina,
Joinville, 2006.
PEREIRA, A. P. A. Simulação de Sistemas de Produção Lean. 2009 Tese
(Mestrado) - Faculdade de Engenharia da Universidade do Porto, Porto, 2009.
PERGHER, Isaac et al. Aplicação da simulação computacional para determinar a
capacidade produtiva do processo de produção de pães: um estudo de caso. Rev.
Produto & Produção, vol. 14 n.1, p.22-39, fev. 2013. Disponível em: <
http://seer.ufrgs.br/ProdutoProducao>. Acesso em: 22 mai. 2014.
PRADELA, Simone; WENDT , David Jose A Modelagem de Processos como
Fonte de Requisitos Para o Desenvolvimento de Sistemas em Uma Ies: Um
Estudo De Caso Disponível em <http://www.abepro.org.br/biblioteca>. Acesso em
8 jun 2014.
PROMODEL® USER’S GUIDE. ProModel ® Corporation, 2011.
63
REGSDALE, Cliff T. Modelagem e Análise de Decisão. Editora Cengage learning.
São Paulo, 2009.
RODRIGUES, Gabriel M. et al. Utilização da Simulação Computacional para
Determinação da Capacidade da Expedição de uma Empresa do Setor de
Alimentos. Disponível em: <http://www.abepro.org.br/biblioteca>. Acesso em: 27
mai. 2014.
SAMPAIO. Priscila G. V.; OLIVEIRA Suzany D. Estudo de Modelagem e
Simulação de Filas num Supermercado Associado à Análise de Cenários
Disponível em <http://www.abepro.org.br/biblioteca>. Acesso em 5 jun 2014.
SHANNON, Robert E. Introduction to the art and science of simulation, em
‘WSC ’98: Proceedings of the 30th conference on Winter simulation’, IEEE
Computer Society Press, Los Alamitos, CA, USA, (1998).
SILVA, José Claret T. Gestor da qualidade e suas estórias. 2 ed. Editora São
Paulo. São Paulo, 2014.
SLAGK, Nigel; et al. Administração da Produção. 3 ed. Editora Atlas. São Paulo,
2009.
SMITH, H.; FINGAR, P. Business Process Management: the third wave. Florida:
Meghankiffer, 2003.
TORGA, Bruno. Modelagem, Simulação e Otimização de Sistemas Puxados de
Manufatura.
(Mestrado em Engenharia de Produção)Universidade Federal de
Itajubá, 2007.
VERNADAT, F.B. Enterprise modeling and integration: principles and
applications. Chapman & Hall, 1996.
64
ANEXOS
ANEXO A – Simbologia Padrão da American National Standards Institute
(ANSI)
Simbologia
Significado
Início ou fim
Operação
Sentido
Decisão
Fonte: As Autoras (2014), adaptado de José Claret T da Silva (2014)
65
ANEXO B – Dados da simulação no Promodel do Modelo Atual
********************************************************************************
*
*
*
Listagem Formatada do Modelo:
*
* C:\JAMYLE\TCC\Simulação - Capacidade Produtiva\Simulação no
Promodel\Modelo Fábrica Picolé 6 com REDE MODIFICADO.MOD *
*
*
********************************************************************************
Tempo:
Segundos
Distância:
Metros
********************************************************************************
*
Locais
*
********************************************************************************
Nome
Cap
Unidade Estatísticas Regras
Custo
--------------------------- -------- ------- -------------- ---------------- -----------Armazenagem
INFINITE 1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_1 30
1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_2 1
1
Série de Tempo O Mais Velho, ,
Pia_1
1
1
Série de Tempo O Mais Velho, ,
Pia_2
1
1
Série de Tempo O Mais Velho, ,
Câmara_de_Resfriamento
30
1
Série de Tempo O Mais Velho, ,
66
Bacia
280
Embaladora
1
1
Caixa
1
280
Freezer
Série de Tempo O Mais Velho, ,
1
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
iNFINITE 1
Série de Tempo O Mais Velho, ,
********************************************************************************
*
Entidades
*
********************************************************************************
Nome
Velocidade (mpm) Estatísticas Custo
---------- ------------ -------------- -----------Picolés
50
Série de Tempo
********************************************************************************
*
Redes de Caminho
*
********************************************************************************
Nome
Tipo
T/S
De
Para
BI String
Fator de Velocidade
-------- ------------- ---------------------- -------- -------- ---- ---------- -----------Red1
Passante
Tempo
R3
R4
Red2
Passante
Tempo
R1
R3
Red3
Passante
Tempo
R3
R2
R1
R2
Bi 2.38
Bi 1.01
R2
R2
1
Bi 4.08
Bi 2.82
1
1
1
Bi 11.93
1
67
********************************************************************************
*
Interfaces
*
********************************************************************************
Red
Nó
Local
---------- ---------- --------------------------Red1
R2
Liquidificador_Industrial_1
R3
R4
Red2
R1
Red3
Pia_1
Câmara_de_Resfriamento
Câmara_de_Resfriamento
R2
Pia_2
R3
Bacia
R1
R2
Caixa
Freezer
********************************************************************************
*
Recursos
*
********************************************************************************
Rec
Nome
Unid Estatísticas Pesquisar
Ent
Pesquisar Caminho
Movimentação
Custo
------------ ----- ----------- ------------ ---------- ---------- -------------- -----------Funcionário1 1
Por Unidade Mais Próximo Mais Velha Red1
mpm
Vazio: 150
68
Base: R2 Cheio: 150 mpm (Retornar)
Funcionário2 1
Por Unidade Mais Próximo Mais Velha Red2
Vazio: 150
mpm
Base: R1 Cheio: 150 mpm (Retornar)
Funcionário3 1
Por Unidade Mais Próximo Mais Velha Red3
Vazio: 150
mpm
Base: R1 Cheio: 150 mpm (Retornar)
********************************************************************************
*
Processamento
*
********************************************************************************
Processo
Entidade Local
Operação
Regra
Roteamento
Bl Saída
Destino
Lógica de Movimento
-------- --------------------------- ------------------ ---- -------- --------------------------- -------- ----------Picolés Armazenagem
1
WAIT 64.3+L(582, 130) SEC GRAPHIC 1
Picolés Liquidificador_Industrial_1 FIRST 1 MOVE FOR 1 SEC
Picolés Liquidificador_Industrial_1 WAIT 360 SEC
WAIT N(13.6, 1.79) SEC
GRAPHIC 2 1 Picolés Pia_1 FIRST 1 MOVE WITH Funcionário1
FREE Funcionário1
Picolés Pia_1
WAIT N(9.21, 2.91) SEC
69
1
Picolés Câmara_de_Resfriamento
FIRST 1 MOVE WITH
Funcionário1 FREE Funcionário1
Picolés Câmara_de_Resfriamento
1
Picolés Pia_2
FIRST 1 MOVE WITH Funcionário2
Picolés Pia_2
1
WAIT 1800
WAIT N(6.71, 1.6) SEC
Picolés Bacia
FIRST 28 MOVE WITH Funcionário2
FREE Funcionário2
Picolés Bacia
ACCUM 280
GRAPHIC 3
1
Picolés Embaladora
FIRST 1 MOVE FOR 1 SEC
Picolés Embaladora
1
Picolés Caixa
FIRST 1 MOVE FOR 1 SEC
Picolés Caixa
ACCUM 280 GRAPHIC 4 COMBINE 280
1
Picolés Freezer
FIRST 1
MOVE WITH Funcionário3 FREE Funcionário3
Picolés Freezer 1
Picolés EXIT
FIRST 1
********************************************************************************
*
Chegadas
*
********************************************************************************
Entidade Local
Quantidade Primeira Vez Ocorrências Freqüência
Lógica
-------- --------------------------- ----------- ------------ ----------- ---------- -----------Picolés Liquidificador_Industrial_1 30
1
4
6000
70
ANEXO C – Dados da simulação no Promodel do Cenário 1
*******************************************************************************
*
*
*
Listagem Formatada do Modelo:
*
* C:\JAMYLE\TCC\Simulação - Capacidade Produtiva\Simulação no
Promodel\Modelo Fábrica Picolé 6 com REDE MODIFICADO AUMENTO
FUNCIONÁRIO.MOD *
*
*
*******************************************************************************
Tempo:
Segundos
Distância:
Metros
********************************************************************************
*
Locais
*
********************************************************************************
Nome
Cap
Unidade Estatísticas Regras
Custo
--------------------------- -------- ------- -------------- ---------------- -----------Armazenagem
INFINITE 1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_1 30
1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_2 1
1
Série de Tempo O Mais Velho, ,
Pia_1
1
1
Série de Tempo O Mais Velho, ,
Pia_2
1
1
Série de Tempo O Mais Velho, ,
Câmara_de_Resfriamento
iNFINITE 1
Série de Tempo O Mais Velho, ,
71
Bacia
280
Embaladora
1
1
Caixa
1
280
Freezer
1
iNFINITE 1
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
********************************************************************************
*
Entidades
*
********************************************************************************
Nome
Velocidade (mpm) Estatísticas Custo
---------- ------------ -------------- -----------Picolés
50
Série de Tempo
********************************************************************************
*
Redes de Caminho
*
********************************************************************************
Nome
Tipo
T/S
De
Para
BI String
Fator de
Velocidade
-------- ------------- ---------------------- -------- -------- ---- ---------- -----------Red1
Passante
Tempo
R3
R4
Red2
Passante
Tempo
R1
R3
Red3
Passante
Tempo
R3
R2
R1
R2
Bi 2.38
Bi 1.01
R2
R2
1
Bi 4.08
Bi 2.82
1
1
1
Bi 11.93
1
72
********************************************************************************
*
Interfaces
*
********************************************************************************
Red
Nó
Local
---------- ---------- --------------------------Red1
R2
Liquidificador_Industrial_1
R3
R4
Red2
R1
Red3
Pia_1
Câmara_de_Resfriamento
Câmara_de_Resfriamento
R2
Pia_2
R3
Bacia
R1
R2
Caixa
Freezer
********************************************************************************
*
Recursos
*
********************************************************************************
Rec
Nome
Unid Estatísticas Pesquisar
Ent
Pesquisar Caminho
Movimentação
Custo
------------ ----- ----------- ------------ ---------- ---------- -------------- -----------Funcionário1 1
Por Unidade Mais Próximo Mais Velha Red1
mpm
Vazio: 150
73
Base: R2 Cheio: 150 mpm (Retornar)
Funcionário2 1
Por Unidade Mais Próximo Mais Velha Red2
Vazio: 150 mpm
Base: R1 Cheio: 150 mpm (Retornar)
Funcionário3 1
Por Unidade Mais Próximo Mais Velha Red3
Vazio: 150mpm
Base: R1 Cheio: 150 mpm (Retornar)
********************************************************************************
*
Processamento
*
********************************************************************************
Processo
Entidade Local
Roteamento
Operação
Regra
Bl Saída
Destino
Lógica de Movimento
-------- --------------------------- ------------------ ---- -------- --------------------------- -------Picolés Armazenagem
WAIT 64.3+L(582, 130) SEC
GRAPHIC 1
1
Picolés Liquidificador_Industrial_1 FIRST 1 MOVE FOR 1 SEC
Picolés Liquidificador_Industrial_1 WAIT 360 SEC
WAIT N(13.6, 1.79) SEC
GRAPHIC 2
1
1 MOVE WITH Funcionário1
Picolés Pia_1
Picolés Pia_1
FIRST
FREE Funcionário1
WAIT N(9.21, 2.91) SEC
1
Picolés Câmara_de_Resfriamento
FIRST 1 MOVE WITH Funcionário1 FREE Funcionário1
Picolés Câmara_de_Resfriamento
WAIT 300
74
1
Picolés Pia_2
FIRST 1
MOVE WITH Funcionário2
Picolés Pia_2
WAIT N(6.71, 1.6) SEC
1
Picolés Bacia
FIRST 28
MOVE WITH Funcionário2 FREE Funcionário2
Picolés Bacia
ACCUM 280
GRAPHIC 3
1
Picolés Embaladora
FIRST 1 MOVE FOR 1 SEC
Picolés Embaladora
1
Picolés Caixa
FIRST 1 MOVE FOR 1 SEC
Picolés Caixa
ACCUM 280 GRAPHIC 4 COMBINE 280
1
Picolés Freezer
FIRST 1
MOVE WITH Funcionário3
FREE Funcionário3
Picolés Freezer
1
Picolés EXIT
FIRST 1
********************************************************************************
*
Chegadas
*
********************************************************************************
Entidade Local
Quantidade Primeira Vez Ocorrências Freqüência
Lógica
-------- --------------------------- ----------- ------------ ----------- ---------- -----------Picolés Liquidificador_Industrial_1 30
1
8
1800
75
ANEXO D – Dados da simulação no Promodel do Cenário 2
********************************************************************************
*
*
*
Listagem Formatada do Modelo:
*
* C:\JAMYLE\TCC\Simulação - Capacidade Produtiva\Simulação no
Promodel\Modelo Fábrica Picolé 6 com REDE MODIFICADO com
Funcionário.MOD *
*
*
********************************************************************************
Tempo:
Segundos
Distância:
Metros
********************************************************************************
*
Locais
*
********************************************************************************
Nome
Cap
Unidade Estatísticas Regras
Custo
--------------------------- -------- ------- -------------- ---------------- -----------Armazenagem
INFINITE 1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_1 30
1
Série de Tempo O Mais Velho, ,
Liquidificador_Industrial_2 1
1
Série de Tempo O Mais Velho, ,
Pia_1
1
1
Série de Tempo O Mais Velho, ,
Pia_2
1
1
Série de Tempo O Mais Velho, ,
Câmara_de_Resfriamento
iNFINITE 1
Série de Tempo O Mais Velho, ,
76
Bacia
280
Embaladora
1
1
Caixa
1
280
Freezer
1
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
Série de Tempo O Mais Velho, ,
iNFINITE 1
Série de Tempo O Mais Velho, ,
********************************************************************************
*
Entidades
*
********************************************************************************
Nome
Velocidade (mpm) Estatísticas Custo
---------- ------------ -------------- -----------Picolés
50
Série de Tempo
********************************************************************************
*
Redes de Caminho
*
********************************************************************************
Nome
Tipo
T/S
De
Para
BI String
Fator de
Velocidade
-------- ------------- ---------------------- -------- -------- ---- ---------- -----------Red1
Passante
Tempo
R3
R4
Red2
Passante
Tempo
R1
R3
Red3
Passante
Tempo
R3
R2
R1
R2
Bi 2.38
Bi 1.01
R2
R2
1
Bi 4.08
Bi 2.82
1
1
1
Bi 11.93
1
77
********************************************************************************
*
Interfaces
*
********************************************************************************
Red
Nó
Local
---------- ---------- --------------------------Red1
R2
Liquidificador_Industrial_1
R3
R4
Red2
R1
Red3
Pia_1
Câmara_de_Resfriamento
Câmara_de_Resfriamento
R2
Pia_2
R3
Bacia
R1
R2
Caixa
Freezer
********************************************************************************
*
Recursos
*
********************************************************************************
Rec
Nome
Unid Estatísticas Pesquisar
Ent
Pesquisar Caminho
Movimentação
Custo
------------ ----- ----------- ------------ ---------- ---------- -------------- -----------Funcionário1 1 Por Unidade Mais Próximo Mais Velha Red1
Vazio: 150 mpm
78
Base: R2 Cheio: 150 mpm (Retornar)
Funcionário2 2 Por Unidade Mais Próximo Mais Velha Red2
Vazio: 150 mpm
Base: R1 Cheio: 150 mpm (Retornar)
Funcionário3 1 Por Unidade Mais Próximo Mais Velha Red3
Vazio: 150mpm
Base: R1 Cheio: 150 mpm (Retornar)
********************************************************************************
*
Processamento
*
********************************************************************************
Processo
Entidade Local
Roteamento
Operação
Regra
Bl Saída
Destino
Lógica de Movimento
-------- --------------------------- ------------------ ---- -------- --------------------------- -------- -Picolés Armazenagem
WAIT 64.3+L(582, 130) SEC
GRAPHIC 1
1
Picolés Liquidificador_Industrial_1 FIRST 1 MOVE
FOR 1 SEC
Picolés Liquidificador_Industrial_1 WAIT 360 SEC
WAIT N(13.6, 1.79) SEC
GRAPHIC 2
1
Picolés Pia_1
1 MOVE WITH Funcionário1
FREE Funcionário1
Picolés Pia_1
WAIT N(9.21, 2.91) SEC
FIRST
79
1
Picolés Câmara_de_Resfriamento
FIRST 1 MOVE WITH Funcionário1 FREE Funcionário1
Picolés Câmara_de_Resfriamento
WAIT 300
1
Picolés Pia_2
FIRST 1 MOVE WITH Funcionário2
Picolés Pia_2
WAIT N(6.71, 1.6) SEC
1
Picolés Bacia
FIRST 28
MOVE WITH Funcionário2 FREE Funcionário2
Picolés Bacia
ACCUM 280
GRAPHIC 3
1
Picolés Embaladora
FIRST 1 MOVE FOR 1 SEC
Picolés Embaladora
1
Picolés Caixa
FIRST 1 MOVE FOR 1 SEC
Picolés Caixa ACCUM 280 GRAPHIC 4 COMBINE 280
1
Picolés Freezer
FIRST 1
MOVE WITH Funcionário3
FREE Funcionário3
Picolés Freezer
1
Picolés EXIT
FIRST 1
********************************************************************************
*
Chegadas
*
********************************************************************************
Entidade Local
Quantidade Primeira Vez Ocorrências Freqüência
Lógica
-------- --------------------------- ----------- ------------ ----------- ---------- -----------Picolés Liquidificador_Industrial_1 30
1
8
1800
Centro de Ciências Naturais e Tecnologia
Curso de Graduação em Engenharia de Produção
Tv. Enéas Pinheiro, n° 2626 - Marco
CEP: 66095-100 Belém - PA
www.uepa.br