A simulação em eventos discretos

Ao longo do tempo os problemas analisados no campo da PO vêm crescendo em complexidade, exigindo que uma combinação de métodos seja utilizada para se conseguir resultados satisfatório para eles.

Segundo Hiller e Libeberman (2010) a simulação na PO trabalha na construção de modelos que tem predominância matemática. Porém, ao invés de descrever diretamente o comportamento geral do sistema, esses modelos descrevem a operação do sistema em termos dos eventos que ocorrem em cada componente do sistema.

Ainda segundo Hiller e Libeberman (2010) o sistema é subdividido em componentes que podem ter seus comportamentos preditos, mesmo que por distribuição de probabilidade, para cada um dos possíveis estados do sistema e as suas entradas. As inter-relações entre os componentes do sistema são criadas dentro do modelo, permitindo que o computador possa apresentar os resultados advindos dos efeitos das interações.

Segundo Banks et al. (2010) a simulação é a realidade colocada em um ambiente controlado, onde o seu comportamento pode ser estudado sob certas condições, não trazendo riscos e nem custos para os processos em operação.

Para Ryan e Heavey (2006) a simulação é uma das mais usadas ferramenta de pesquisa, principalmente devido a sua versatilidade, flexibilidade e poder de análise.

Jerbi et al. (2010) afirmam que que uma vez o modelo de simulação tenha sido desenvolvido e validado, isto é, o modelo consegue representar o processo físico, ele está pronto para ser usado para se fazer análise dentro de um escopo definido.

Dessa forma, um modelo de simulação pode ser usado como uma ferramenta para criar cenários buscando testar diferentes configurações de leiautes e no dimensionamento no número de recursos necessários para otimizar o processo de

picking, objeto de estudado dessa dissertação.

4.4.1 Vantagens e desvantagens da simulação

As vantagens e desvantagens referentes ao uso da simulação são citados por Banks et al. (2005), Law e Kelton (2000), Pegden et al. (1995) entre outros.

Algumas das vantagens são:

• Novos procedimentos operacionais, políticas, cenários de investimento, mudança de fluxo de informação ou material, entre outros, podem ser testados sem que haja a interrupção do sistema em questão.

• Identificação das restrições ou gargalos do sistema.

• Teste em diferentes sistemas de transporte, novos equipamentos e na avaliação de novos arranjos físicos.

• Modelos de simulação, em geral, são mais fáceis de entender comparado com a um conjunto de equações matemáticas.

• Pode trazer soluções rápidas.

• Ajuda no entendimento dos componentes do sistema e de como ele de fato opera.

• Ajuda na construção de consenso quando comparado a opinião e cálculos isolados de algumas pessoas.

75

• O software utilizado para criar o modelo necessita de treinamento especializado, sendo que de fato a técnica de modelagem é aprendida e aperfeiçoada com as experiências adquiridas em vários projetos. • O processo para se fazer o modelo e a interpretação dos resultados

podem demandar bastante tempo.

• Dificuldade em interpretar o sistema físico em um modelo.

• Baixa precisão nos resultados geralmente como consequência de uma amostragem não representativa.

Algumas das desvantagens citadas vem, ao longo do tempo, sendo trabalhadas para que sejam diminuídas.

Hoje, no mercado, existem diversos softwares desenvolvidos que facilitam tanto a modelagem quanto a interpretação dos resultados, tornando o processo de modelagem bastante visual, flexível e amigáveis para as pessoas que estão iniciando no campo de modelagem de sistemas.

Não existe hoje um software no mercado que consiga ser bom em todas as etapas de construção de um modelo. Cada software possui características diferentes que os destacam em algum ponto como: visual 3D, facilidade na análise de resultados, flexibilidade para fazer cenários, facilidade para construção de grandes modelos, rapidez e facilidade na programação, entre outros.

Nessa dissertação foram escolhidos dois softwares para desenvolver o modelo de simulação e as análises dos resultados: FlexSim® versão 2010 e ProModel® versão 2016.

A decisão de modelar nesses dois softwares se deu pelos seguintes pontos:

• Disponibilidade para uso dos softwares pelo autor.

• Facilidade para a programação em processos mais complexos (FlexSim®).

• Exploração do visual em 3D (FlexSim®). • Análise dos resultados (ProModel®).

• Facilidade para construção de diferentes cenários de leiaute (ProModel®)

Ambos os softwares escolhidos são softwares que permitem a modelagem utilizando o conceito de simulação discreta, isto é, utiliza-se modelos de distribuição estatística das variáveis para representar a complexidade dos processos físicos.

4.4.2 Etapas da construção dos modelos

O método de simulação é baseado em uma série de etapas. Diversos autores, entre eles Banks et al. (2005), Shannon (1975), Pritsker e Law e Kelton (2000) apresentam os seus métodos, que mesmo diferentes possuem entre si muitas semelhanças. Nessa dissertação serão utilizados os passos sugeridos por Law e Kelton (2000), por parecem mais lógicos e completos e por ter similaridade com o método que o autor tem utilizado em outros trabalhos. Os passos desse método são:

1) Formular o problema e fazer o planejamento do projeto. 2) Coletar os dados e fazer a definição do modelo.

3) Fazer a validação do modelo conceitual. 4) Construir o modelo e fazer a sua verificação. 5) Realizar uma execução de um piloto.

6) Validar o modelo programado.

7) Projetar os cenários que serão executados. 8) Realizar os cenários projetados.

9) Fazer a análise dos resultados.

10) Fazer a documentação e implementar o modelo.

4.4.3 Motivação para o uso da simulação

Segundo Banks et al (2005) dependendo da complexidade do sistema real, torna-se inviável a utilização de métodos matemáticos de solução analítica tais como: métodos algébricos, teoria de filas, entre outros.

Dado a complexidade do processo de picking, que será abordado no Capítulo 5 e as interdependências temporais entre os recursos que realizam essa operação de coleta, optou-se por representar todo esse sistema físico por meio de modelos de simulação por eventos discretos.

77

5

O MÉTODO FPAI E SUA APLICAÇÃO EM CENTROS DE DISTRIBUIÇÃO

DE BEBIDAS

Neste capítulo apresenta-se o método FPAI (Fast Picking Area

Improvement) que engloba os métodos e algoritmos apresentados nos Capítulos

anteriores e é composto por 3 módulos mais o módulo de resultados.

A Figura 31 apresenta um diagrama com os quatro módulos, sendo: Desenho de leiautes (primeiro módulo), SKPA (SKU Positioning Algoritm) ou algoritmo de posicionamento de SKUs (segundo módulo), modelo de simulação (terceiro módulo) e resultados (quarto módulo).

Figura 31 - Fluxograma do método desenvolvido - FPAI.

No total foram analisados 37 CDs, para o exemplificar a aplicação do FPAI, que será detalhado neste capítulo, foi escolhido um CD, localizado na região nordeste, que tem uma grande representatividade nos resultados obtidos desse método. Além dessa aplicação, será apresentado no final desse Capítulo uma consolidação dos resultados que foram obtidos com a aplicação do método nos outros CDs.