Modelagem e Simulação de uma proposta de implantação de leiaute em uma Empresa do Setor Automotivo.

(1)

UNIVERSIDADE FEDERAL DE ITAJUBÁ

PROGRAMA DE PÓS-GRADUAÇÃO EM

ENGENHARIA DE PRODUÇÃO

Thiago Buselato Maurício

MODELAGEM E SIMULAÇÃO DE UMA PROPOSTA

DE IMPLANTAÇÃO DE LEIAUTE EM UMA

EMPRESA DO SETOR AUTOMOTIVO

Dissertação submetida ao Programa de Pós-Graduação em Engenharia de Produção como parte dos requisitos para obtenção do título de Mestre em Ciência em Engenharia de Produção.

Área de Concentração: Engenharia de Produção

Orientador: Prof. Dr. José Arnaldo Barra Montevechi

Coorientador: Prof. Dr. Fabiano Leal

Dezembro de 2013 Itajubá – MG

(2)

(3)

UNIVERSIDADE FEDERAL DE ITAJUBÁ

PROGRAMA DE PÓS-GRADUAÇÃO EM

ENGENHARIA DE PRODUÇÃO

Thiago Buselato Maurício

MODELAGEM E SIMULAÇÃO DE UMA PROPOSTA

DE IMPLANTAÇÃO DE LEIAUTE EM UMA

EMPRESA DO SETOR AUTOMOTIVO

Dissertação aprovada por banca examinadora em 19 de dezembro de 2013, conferindo ao autor o título de

Mestre em Ciências em Engenharia de Produção.

Banca examinadora:

Prof. Dr. Antônio Augusto Chaves (UNIFESP) Prof. Dr. Alexandre Ferreira de Pinho (UNIFEI) Prof. Dr. José Arnaldo Barra Montevechi (Orientador) Prof. Dr. Fabiano Leal (Coorientador)

Dezembro de 2013 Itajubá – MG

(4)

DEDICATÓRIA

Aos meus pais que sempre me apoiaram nos meus estudos, além de servirem como exemplos de vida, a minha irmã Tatiana e à minha futura esposa Lina.

(5)

AGRADECIMENTOS

A minha família, pois sem vocês não teria chegado até aqui.

Ao professor José Arnaldo Barra Montevechi pela oportunidade dada de ser seu orientado. Além disso, agradeço às inúmeras conversas que tivemos, com conselhos tanto para a minha vida acadêmica, profissional, pessoal e pela preocupação em motivar e orientar esse seu aluno da melhor forma.

Ao professor Fabiano Leal, pela paciência e tempo que despendeu auxiliando neste trabalho. Seus esquemas de estrutura da dissertação foram de grande utilidade.

Aos professores e colegas do Núcleo de Estudos Avançados para Auxílio à Decisão (NEAAD), em especial ao colega Rafael Miranda.

Ao professor Luiz Gonzaga Mariano por todo o incentivo desde a época da graduação.

Ao meu chefe Fabrício Lombardi que me apoiava e me ajudava com a condução dos meus estudos para o mestrado, dentro das possibilidades de uma empresa privada.

Ao Marcos José Santos, por ter aberto a porta que tornou possível esta dissertação. A minha futura esposa Lina pela ajuda nas revisões dos textos em inglês.

Aos meus sogros, que mesmo à distância sempre possuíam um tempo para me ajudar.

Aos meus amigos da graduação, não teve um dia que estive na UNIFEI depois de formado e não me lembrei de vocês.

Ao Programa de Pró-Engenharias da CAPES, CNPq e à FAPEMIG pelo apoio e incentivo à pesquisa brasileira, em especial a essa.

(6)

EPÍGRAFE

“Tes destins sont d'un homme, et tes voeux sont d'un dieu.” Voltaire

(7)

RESUMO

A simulação a eventos discretos tem sido utilizada na manufatura e na área de serviço para determinar por exemplo: o gargalo, o lead time e o tempo médio de fila de um sistema. A presente dissertação visa mostrar o trabalho realizado em uma empresa do setor automotivo que se utilizou da simulação a eventos discretos e a teoria de leiaute na manufatura para mensurar a quantidade de máquinas necessárias para criar um leiaute especifico a uma família de produto. No entanto, outros pontos foram avaliados como a aceitação da simulação a eventos discretos na empresa e a comparação dos ganhos estimados pelo mapeamento de fluxo de valor (Value Stream Mapping) com os ganhos reais obtidos na criação do novo leiaute. Para tal, precisou-se obter dados referentes ao tempo padrão, amostra com os tamanhos de lotes, frequência de produção dos itens da empresa, tempo de setup, frequência média de quebra das máquinas e tempo médio para o seu reparo. Dessa forma foi possível criar e validar o modelo computacional e assim quantificar o número de máquinas necessárias para produzir o demandado pelo cliente. Essa quantidade serviu como matéria prima para criar uma proposta de leiaute que fosse mais adequada para a fabricação do produto estudado. O novo leiaute obteve os resultados esperados, reduzindo o refugo médio para a família de produto estudada, o estoque em processo, seu lead time de fabricação e aumentou sua produtividade. Além disso o projeto auxiliou na compreensão da aceitação da simulação na empresa e na comparação entre os ganhos estimados pelo Value Stream Mapping e os ganhos reais obtidos.

(8)

ABSTRACT

The discrete event simulation has been used in manufacturing and in service to determine the bottle neck, lead time and average queue time of a system. This research aims to show the work made in an automotive company that employed discrete event simulation and manufacturing’s layout theory to measure the amount of machinery needed to create an specific layout for one product’s family. However, others points were assessed as: acceptance of discrete event simulation at this company and a comparison between the estimated earnings obtained with Value Stream Mapping and the real gains obtained with the new layout. First of all, it was needed to obtain data relating with standard time, batch’s size, production interval, setup time, mean time between fail and mean time to repair it. Thus, it was possible to create and validate the computational model and then analyze the number of machines needed to produce the customer’s demand. This amount served as raw material to create a layout’s proposal more suitable for that product’s family. The new layout reached the expected results, reducing the scrap average for the studied family, work-in-process, lead time and increased productivity. Furthermore, the project helped to understanding the acceptance of simulation in the company and in comparing the earnings estimates by Value Stream Mapping and the real gains.

(9)

LISTA DE FIGURAS

Figura 1.1 – Quantidade de artigos publicados sobre a SED ... 18

Figura 1.2 – Quantidade de artigos publicados sobre a utilização da SED e a criação de leiaute ... 19

Figura 2.1 – Sequência de passos de um projeto de simulação. ... 26

Figura 3.1 - Ciclo de produção de novos conhecimentos ... 35

Figura 3.2 - Passos para o estudo da simulação de Law e Kelton ... 37

Figura 3.3 - Passos para o estudo da simulação de Banks ... 38

Figura 3.4 – Etapas de um projeto de simulação ... 38

Figura 4.1 – SIPOC do projeto a ser simulado ... 46

Figura 4.2 – IDEF-SIM operações básicas ... 47

Figura 4.3 - IDEF-SIM revestimento do produto ... 48

Figura 4.4 – IDEF-SIM operações intermediárias ... 50

Figura 4.5 – IDEF-SIM operações intermediárias (Continuação) ... 51

Figura 4.6 – IDEF-SIM das operações finais ... 52

Figura 4.7 - Leiaute da fábrica... 53

Figura 4.8 – Análise de Outliers para o tamanho de lote do Produto 1... 54

Figura 4.9 – Análise de dispersão do tamanho de lote para o Produto 1... 55

Figura 4.10 – Análise I da distribuição de ajuste para o tamanho de lote do Produto 1 ... 55

Figura 4.11 - Análise II da distribuição de ajuste para o tamanho de lote do Produto 1 ... 56

Figura 4.12 - Análise III da distribuição de ajuste para o tamanho de lote do Produto 1 ... 56

Figura 4.13 - Análise IV da distribuição de ajuste para o tamanho de lote do Produto 1 ... 56

Figura 4.14 – Gráfico da Transformada de Johnson para o Produto 1 ... 59

Figura 4.15 - Análise de Outliers para o intervalo de chegada dos lotes de produção do Produto 1 ... 60

Figura 4.16 - Análise de Dispersão para o intervalo de chegada dos lotes de produção do Produto 1 ... 60

Figura 4.17 – Gráfico do ajuste da distribuição Beta aos dados da amostra do intervalo de chegada dos lotes de produção do Produto 1 ... 60

Figura 4.18 – Resultado do p-value para o teste de ajuste entre a distribuição Beta e a amostra dos dados do intervalo de chegada dos lotes de produção do Produto 1 ... 61

Figura 4.19 – Modelo computacional em 3D ... 67

Figura 4.20 – Período de warm-up do modelo computacional ... 68

Figura 4.21 – Regra de decisão de entrada de entidade na Operação 1 ProModel® ... 70

Figura 4.22 – Leiaute celular proposto ... 74

Figura 4.23A – Quadro combinado da relação homem com a operação 20 e 24 ... 75

Figura 4.24 – Comparação da movimentação do produto antes do novo leiaute e com o novo leiaute ... 78

Figura 4.25 – Mapeamento do estado atual ... 79

Figura 4.26 – Mapeamento do estado futuro ... 80

Figura 4.27 – IDEF-SIM do fluxo do produto para o novo leiaute ... 81

Figura 4.28 - IDEF-SIM do fluxo do produto para o novo leiaute (continuação) ... 81

(10)

Figura 5.1 – Tela de gerenciamento dos locais no software ProModel® ... 87

Figura A.1 – Análise de Outliers para o tamanho de lote do Produto 2 ... 97

Figura A.2 – Análise de dispersão do tamanha de lote para o Produto 2 ... 97

Figura A.3 – Análise I da distribuição de ajuste para o tamanho de lote do Produto 2 ... 98

Figura A.4 – Análise II da distribuição de ajuste para o tamanho de lote do Produto 2 ... 98

Figura A.5 – Análise III da distribuição de ajuste para o tamanho de lote do Produto 2 ... 99

Figura A.6 – Análise IV da distribuição de ajuste para o tamanho de lote do Produto 2... 99

Figura A.7 – Análise de Outliers para o tamanho de lote do Produto 3 ... 100

Figura A.13 – Análise do Outliers do Produto 4 ... 103

Figura A.19 – Análise de Outliers do Produto 5 ... 106

Figura A.40 – Análise de dispersão do Produto 9 ... 116

(11)

Figura A.43 – Análise III da distribuição de ajuste para o tamanho de lote do Produto 9 ... 118 Figura A.44 – Análise IV da distribuição de ajuste para o tamanho de lote do Produto 9... 118

Figura B.1 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 2 ... 119 Figura B.2 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 2. ... 119 Figura B.3 – Gráfico do ajuste da distribuição Logística aos dados da amostra do intervalo de chegada dos lotes de produção do Produto 2 ... 120 Figura B.4 – Resultado do p-value para o teste de ajuste entre a distribuição Logística e a amostra dos dados do intervalo de chegada dos lotes de produção do Produto 1 ... 120 Figura B.5 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 3 ... 121 Figura B.6 – Análise da dispersão para o intervalo de chegada dos lotes de produção do Produto 3 ... 121 Figura B.7 – Gráfico do ajuste da distribuição Beta aos dados da amostra d o intervalo de chegada dos lotes de produção do Produto 3 ... 122 Figura B.8 – Resultado do p-value para o teste de ajuste entre a distribuição Logística e a amostra dos dados do intervalo de chegada dos lotes de produção do Produto 3 ... 122 Figura B.9 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 4 ... 123 Figura B.10 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 4 ... 123 Figura B.11 – Análise I da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 4 ... 124 Figura B. 12 – Análise II da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 4 ... 124 Figura B.13 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 5 ... 125 Figura B.14 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 5 ... 125 Figura B.15 – Análise I da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 5 ... 126 Figura B. 16 – Análise II da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 5 ... 126 Figura B.17 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 6 ... 127 Figura B.18 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 6. ... 127 Figura B.19 – Análise I da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 6 ... 128 Figura B.20 – Análise II da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 6 ... 128

(12)

Figura B.21 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 7 ... 129 Figura B.22 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 7. ... 129 Figura B.23 – Análise I da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 7 ... 130 Figura B. 24 – Análise II da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 7 ... 130 Figura B.25 – Análise de Outliers para o intervalo de chegada entre lotes de produção do Produto 9 ... 131 Figura B.26 – Análise de dispersão para o intervalo de chegada dos lotes de produção do Produto 9. ... 131 Figura B.27 – Análise I da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 9 ... 132 Figura B. 28 – Análise II da distribuição de ajuste para o intervalo de chegada dos lotes de produção do Produto 9 ... 132

(13)

LISTA DE TABELAS

Tabela 2.1 – Fatores de impacto no lead-time e estoque ... 28

Tabela 2.2 – Símbolos do VSM ... 32

Tabela 2.3 – Comparação entre o leiaute original e o novo leiaute ... 33

Tabela 3.1 – Elementos e símbolos utilizados na técnica IDEF-SIM. ... 39

Tabela 4.1 – Fluxo da Família A e B ... 43

Tabela 4.2 – Comparação do volume produzido entre as duas Famílias ... 44

Tabela 4.3 – Curva A do volume de produção da Família A ... 44

Tabela 4.4 - Exemplo de tabela para cálculo de tempos padrões ... 53

Tabela 4.5 – Parâmetros das distribuições calculadas para a variação do tamanho de lote de produção ... 57

Tabela 4.6 – Transformada de Johnson para o Produto 1 ... 58

Tabela 4.7 – Parâmetros das distribuições calculadas para a variação na chegada dos lotes de produção ... 61

Tabela 4.8A – Distribuições ajustadas aos indicadores MTBF e MTTR das máquinas programadas... 62

Tabela 4.9A – Tempos de setup das operações ... 63

Tabela 4.10 – Horários dos turnos e almoço. ... 65

Tabela 4.11A – Tempos de processamento (em min) do produto por processo ... 65

Tabela 4.12 – Amostra-piloto com 20 réplicas ... 69

Tabela 4.13 – Produção total durantes os 7 meses simulados por réplica realizada ... 71

Tabela 4.14 - Porcentagem do tempo que as operações ficavam ocupadas com os produtos .. 72

Tabela 4.15 - Porcentagem do tempo que as operações ficavam ocupadas com os 9 produtos ... 73

Tabela 4.16 – Utilização dos colaboradores das operações 20 e 24 ... 74

Tabela 4.17 – Ganhos potenciais obtidos com o modelo simulado ... 77

Tabela 4.18 – Ganhos potenciais obtidos com o VSM ... 78

Tabela 4.19 – Comparação entre os ganhos potenciais identificados pela simulação e o VSM ... 82

Tabela 4.20 – Comparação com os ganhos reais obtidos ... 82

Tabela 4.21 – Comparação entre a quantidade de máquinas necessárias com o modelo determinístico e o modelo validado ... 83

Tabela 4.22 - Comparação entre a quantidade de máquinas necessárias com o modelo estocástico sem aleatoriedade e o modelo validado ... 84

(14)

LISTA DE ABREVIATURAS

SED Simulação a Eventos Discretos ERP Enterprise Resource Planning MTBF Mean Time Between Failures

MTTR Mean Time To Repair

SIPOC Supplier Input Process Output Customer VSM Value Stream Mapping

(15)

Sumário

1. Introdução ... 17

1.1. Contextualização ... 17

1.2. Justificativa e motivação da pesquisa ... 17

1.3. Problema ... 18

1.4. Objetivo ... 19

1.5. Condições de contorno da pesquisa ... 20

1.6. Estrutura da dissertação ... 20

2. Revisão Bibliográfica ... 22

2.1. Considerações iniciais ... 22

2.2. Simulação a eventos discretos ... 23

2.2.1. Definições ... 23

2.2.2. Projeto de Simulação ... 25

2.2.3. Aplicações ... 27

2.3. Leiaute ... 29

2.3.1. Tipos de leiaute ... 29

2.3.2. Lean e Leiaute Celular ... 31

2.3.3. Simulação de Leiaute... 32

2.4. Considerações finais ... 34

3. Método de Pesquisa ... 35

3.1. Considerações Iniciais ... 35

3.2. Método de pesquisa quantitativo: modelagem e simulação ... 35

3.3. Etapas de uma pesquisa de modelagem e simulação ... 37

4. Condução da Pesquisa ... 42

4.1. Considerações iniciais ... 42

4.2. Concepção ... 42

4.2.1. Objetivos e definição do sistema ... 42

4.2.2. Construção e validação do modelo conceitual ... 46

4.2.3. Modelagem dos dados de entrada ... 51

4.3. Implementação ... 67

4.3.1. Construção do modelo computacional ... 67

4.3.2. Verificação e validação do modelo computacional ... 70

4.4. Análise ... 72

4.4.1. Definição do projeto e execução dos cenários... 72

4.4.2. Análise estatística e conclusões ... 74

4.5. Comparação entre os resultados ... 82

4.6. Implantação ... 84

5. Conclusão ... 86

5.1. Considerações Iniciais ... 86

5.2. Conclusões gerais e contribuições ... 86

(16)

5.4. Verificação dos objetivos específicos ... 88

5.5. Sugestões para trabalhos futuros ... 89

REFERÊNCIAS BIBLIOGRÁFICAS ... 90

Anexo A – Análise do Tamanho de Lote dos Produtos a serem simulados ... 97

(17)

Capítulo 1 – Introdução

17

1. Introdução

1.1. Contextualização

Não basta uma empresa preocupar-se apenas com seus concorrentes locais ou próximos; ela precisa estar atenta para os concorrentes regionais ou até mesmo os internacionais. Isso criou maior preocupação e cuidado com a forma como as empresas produzem ou servem seus produtos. Os processos de fabricação devem, então, serem revisados visando sua racionalização. A regra de ouro em um processo produtivo é reduzir desperdícios, eliminar todo tipo de trabalho que não agrega valor ao produto. A produção precisa ser mais enxuta, produzir o necessário no tempo correto para atender ao desejo do cliente (Nylund e Andersson, 2010).

O presente trabalho foi realizado em uma empresa de autopeças que fornece seus produtos para as mais diversas montadoras localizadas no Brasil e também no exterior. No mercado interno essa empresa não possui concorrente instalado, pois só existe ela como fabricante no país.

No entanto, existem conjuntos conhecidos por completely knock-down, ou seja, conjuntos de determinada parte do motor que chegam ao país montados, contendo peças de seus concorrentes do exterior. Além disso, essa empresa também concorre com outras empresas no mercado externo, exportando seus produtos.

Por isso, ela tem todo o interesse de reduzir seu custo de produção, aumentando sua produtividade e reduzindo seu refugo e atendendo seu cliente de maneira mais rápida reduzindo seu lead time.

1.2. Justificativa e motivação da pesquisa

Porém, não foi esse o cenário divulgado pelo Ministério do Desenvolvimento, Indústria e Comércio Exterior. Por exemplo, o valor adicionado a preços básicos, que é a diferença entre o valor bruto de produção e o preço do produto no mercado, sofreu uma retração de 21,4% no setor de peças e acessórios para veículos automotores entre os anos de 2008 e 2009. Isso representa uma redução na margem de lucro do setor, e nenhuma empresa sobrevive sem lucro.

No mesmo período, a taxa de produtividade média na indústria brasileira reduziu 2,9% e entre os anos de 2008 e 2009, o que contribuiu para no ano de 2009 a utilização média da capacidade instalada no setor metalúrgico ter sido de 75%.

(18)

Capítulo 1 – Introdução

18 Por fim, a balança comercial brasileira do setor automotivo no ano de 2009 foi de US$ -2.346.404 mil, demonstrando que o produto brasileiro é pouco competitivo no mercado externo, pois mais produtos foram importados do que exportados.

De maneira geral, os indicadores não apresentam um cenário positivo para a indústria brasileira, principalmente para a área metalúrgica liga ao setor de peças e acessórios para veículos. Por um lado, é uma oportunidade para que sejam realizadas melhorias no setor, por outro é preocupante, pois o setor industrial empregava 9.775.575 trabalhadores no ano de 2009, 230.213 somente na indústria metalúrgica.

1.3. Problema

Buscando uma evolução que contribuísse para uma melhora nesse cenário, a empresa em questão investiu em um projeto para a mudança do seu leiaute de fabricação. Com esse novo leiaute a empresa esperava reduzir seu índice de refugo, a movimentação do produto durante sua fabricação, o custo de produto e aumentar a sua produtividade.

Para tanto, foi utilizada a técnica SED (simulação a eventos discretos) para criar um modelo computacional da empresa, e assim, dimensionar a quantidade de máquinas necessárias para atender a demanda do cliente. Além disso, foi feita uma revisão na literatura sobre tipos de leiaute e propor aquele que fosse mais adequado para atingir os objetivos esperados.

A Figura 1.1 apresenta a quantidade de artigos publicados nos últimos cinco anos sobre a SED.

Figura 1.1 – Quantidade de artigos publicados sobre a SED Fonte: Web of Knowledge

Qu an tid ad e d e A rtig o s P u b lic ad o s Ano de Publicação

(19)

Capítulo 1 – Introdução

19 Pela Figura 1.1 pode-se notar que em média foram publicados 450 artigos por ano sobre o tema, o que demonstra o interesse em realizar trabalhos sobre essa técnica.

A Figura 1.2 apresenta a quantidade de artigos publicados nos últimos cinco anos sobre trabalhos envolvendo a SED e a criação de leiaute.

Figura 1.2 – Quantidade de artigos publicados sobre a utilização da SED e a criação de leiaute Fonte: Web of Knowledge

Pela Figura 1.2 nota-se que poucos artigos foram publicados nos últimos anos sobre a junção dos dois temas, o que demonstra a possibilidade de se pesquisar mais sobre essa interação para melhor compreender como eles podem se ajudar.

1.4. Objetivo

O objetivo desse trabalho é avaliar se os relatórios obtidos como resposta de um modelo da SED pode ajudar na criação de uma proposta de leiaute para uma empresa do setor de autopeças. Com a proposta e implantação do novo leiaute a empresa espera obter como resultados: redução do refugo, redução do lead time, redução de mão de obra, aumento de produtividade gerando uma redução no custo da peça.

Portanto, o objetivo principal deste trabalho é:

 Projetar um leiaute celular por meio da SED;

O motivo de buscar um leiaute celular deve-se ao fato do fluxo do material ser simplificado. Além disso, Hameri (2011) obteve como resultado da criação de um leiaute celular uma redução de 40% na distância percorrida pelo produto ao longo do processo de produção e 35% a menos de retrabalho. Esses são indicadores que as empresas buscam reduzir para aumentarem suas margens de lucro sobre o preço do produto.

Qu an tid ad e d e Ar tig o s P u b lic ad o s Ano de Publicação

(20)

Capítulo 1 – Introdução

20 A principal razão para se utilizar a SED é a necessidade de modelar processos que possuem variações e são correlacionadas elevando a complexidade do objeto de estudo (BANKS et al. 2010; ROBINSON et al., 2012). No caso do objeto estudado, existem diversos fatores que interligados impactam na resposta do sistema, mas eles serão citados mais à frente.

Como objetivos específicos dessa pesquisa, tem-se:

 Descrever como foi a aceitação da SED pelos tomadores de decisão da empresa;

 Comparar os resultados esperados (redução de lead time e mão de obra, aumento de produtividade) utilizando-se o mapeamento VSM e os resultados reais obtidos.

O primeiro objetivo específico visa complementar a literatura, uma vez que nos artigos de Gen, Zhang e Lin Lin (2009), Shyshou, Gribkovskaia e Barceló (2010), Hameri (2011), Renna e Ambrico (2011), e Sharda e Akiya (2012), não é citado como os gestores das áreas aceitaram os resultados da simulação para a implantação do projeto.

O segundo objetivo específico visa avaliar a afirmação feita por Abdulmalek e Rajgopal (2007) que uma das dificuldades em implantar a filosofia do lean manufacturing nas empresas é pela dificuldade em quantificar os ganhos que serão alcançados ao final do projeto. Sendo assim, ao final do trabalho será possível avaliar se o VSM (uma das ferramentas do lean manufacturing) aplica-se como meio de identificar os ganhos potenciais do projeto lean.

1.5. Condições de contorno da pesquisa

O modelo de simulação e os resultados apresentados a seguir se aplicará a empresas com leiaute funcional que queiram adaptá-lo a um leiaute celular. Dessa forma, o trabalho não abordará questões para otimização do espaço na montagem do leiaute nem mesmo a criação de outro tipo de leiaute existente na literatura.

Isso porque segundo Krishnan et al. (2012) o leiaute celular é reconhecido por proporcionar alta eficiência operacional.

1.6. Estrutura da dissertação

A presente dissertação está estruturada em cinco capítulos. O primeiro, já apresentado, contextualiza o trabalho de forma geral, além de mostrar sua relevância, seus objetivos gerais e específicos, além da condição de contorno da pesquisa.

(21)

Capítulo 1 – Introdução

21 O Capítulo 2 apresenta a revisão bibliográfica que embasa todo o trabalho. Dessa forma, ele apresenta artigos recentes que discutem sobre SED, tanto a parte de concepção e criação do modelo como áreas de aplicações práticas. Em um segundo momento são apresentados os mais diversos tipos de leiaute, focando mais especificamente no leiaute celular, que foi o implementado na empresa. Por fim, são apresentados exemplos práticos da utilização da SED para a simulação e obtenção de leiaute.

O Capítulo 3 apresenta o método de pesquisa Modelagem e Simulação que foi utilizado como guia de estrutura do trabalho. O capítulo aborda conceitos do método de pesquisa, suas etapas, envolvem assim, as partes do projeto de modelagem e simulação. Por fim, é citada a classificação deste trabalho segundo Bertrand e Fransoo (2002).

O Capítulo 4 trata do objeto de estudo. Nesse capítulo é criada uma contextualização da empresa, segmento de mercado e alguns indicadores principais. De maneira mais ampla é comentado sobre as dificuldades enfrentadas e o interesse para a criação desse novo leiaute. Toda a parte de concepção com o modelo conceitual, e coleta de dados (fluxo do produto, recursos envolvidos na produção), posteriormente a fase de implementação e construção do modelo computacional, sua verificação e validação e por fim a etapa de análise e criação de cenários é abordada nesse capítulo.

O Capítulo 5 discute, por fim, os objetivos descritos no item 1.1, os resultados obtidos e a conclusão dos mesmos.

(22)

Capítulo 2 – Revisão Bibliográfica

22

2. Revisão Bibliográfica

2.1. Considerações iniciais

Buscando uma melhora na eficiência produtiva para melhorar seu posicionamento em relação aos seus concorrentes, as organizações começaram a utilizar uma técnica militar, nascida na 2ª Guerra Mundial, conhecida como Pesquisa Operacional. Para Hillier e Lieberman (2010) a Pesquisa Operacional é uma ciência aplicada a problemas que envolvem como conduzir e coordenar as operações em uma organização, ou seja, uma resolução práticas para problemas reais.

A Pesquisa Operacional trata da modelagem matemática de fenômenos estáticos ou dinâmicos, um problema do tipo estático é denominado determinístico, pois não existe variação em seus resultados. Neste problema, todos os componentes são conhecidos a priori e nenhuma aleatoriedade em sua ocorrência é admitida. Essa modelagem de fenômenos determinísticos deu origem a Simulação Computacional (PHILLIPS, RAVINDRAN e SOLBERG, 1976).

Para Banks et al. (2010) a SED é a criação e a observação de uma história de um sistema real para gerar inferências referentes a ele.

A simulação computacional permite, assim, estudar as dinâmicas de um processo e seus efeitos. Infinitos cenários podem ser criados e suas respostas analisadas para auxiliar na tomada de decisão e, portanto, fornecer informações mais precisas e fieis de como o sistema iria reagir com tal modificação.

A vantagem dessa operação é que o software de simulação computacional procura repetir o mesmo comportamento que o processo real teria nas mesmas condições. O modelo de simulação computacional é utilizado, particularmente, como uma ferramenta para obter-se respostas a sentenças do tipo: “o que ocorre se...”. (CHWIF e MEDINA, 2010).

Outro ponto importante a ser estudado na melhoria de um processo produtivo é o seu leiaute. De acordo com Krajewski, Ritzman e Malhotra (2009) existem quatro tipos básicos de leiaute: por processo, por produto, por célula e de posição fixa. Segundo Slack, Chambers e Johnston (2010) mudanças no leiaute podem afetar os custos e a eficiência da operação.

Portanto, nada mais natural de utilizar a simulação computacional para testar diferentes leiautes, e escolher aquele que traga melhores benefícios para a empresa. Jerbi, Chtourou, e Maalej (2010) alegam que uma vez o modelo de simulação desenvolvido e validado (representando o sistema real), ele pode ser usado pelos tomadores de decisão para prever

(23)

Capítulo 2 – Revisão Bibliográfica

23 qualquer tipo de combinação dentro do escopo da pesquisa inicialmente definido. Ou seja, o modelo de simulação pode servir como ferramenta para escolher o leiaute mais apropriado para o objeto de estudo.

O mercado como se apresenta atualmente, globalizado e diversificado, gerou uma necessidade de adaptação das empresas em âmbito mundial. Dessa forma, o dinamismo requerido é muito mais intenso que outrora. Portanto, as empresas de manufatura, bem como as empresas do setor automotivo precisam responder às mudanças de demanda, volume de produção e variação no mix de produção de maneira muito rápida.

Isso tudo para minimizar o custo de armazenamento de produto, tempo total de produção, minimizar investimentos em novos equipamentos, melhorar a eficiência na utilização dos espaços, prover satisfação e segurança aos funcionários, flexibilidade para realocações e operações, além de facilitar o processo de manufatura (HASAN, SARKIS e SHANKAR, 2012).

A técnica de modelagem e simulação serve como ferramenta para análise e tomada de decisão justamente quando se visa um ganho no processo.

2.2. Simulação a eventos discretos

2.2.1. Definições

De acordo com Chwif e Medina (2010) existem três tipos de modelos de simulação: a simulação de Monte Carlo, a simulação contínua e a SED.

Segundo Mooney (1997) a simulação de Monte Carlo utiliza-se de um gerador de números aleatórios para simular sistemas onde o tempo é desconsiderado como uma variável do objeto de estudo.

Na simulação contínua e na SED o tempo é uma variável que influencia no sistema. No entanto, o que difere a simulação contínua da SED é que na simulação contínua o estado do modelo muda continuamente com o tempo (LAW, 2007). Por exemplo, o efeito de resfriamento ou aquecimento de um objeto é dado gradativamente com o tempo.

A SED estuda sistemas que mudam seu estado em períodos determinados no tempo. Por exemplo, um processo de fabricação que trabalha uma matéria prima para dar forma ao produto desejado. A matéria prima está bruta antes de passar pelo primeiro processo de fabricação, porém, após o tempo de ciclo da operação a matéria prima é transformada.

O tipo de modelagem e simulação que será realizada na dissertação é a de eventos discretos. Esse tipo de modelagem e simulação tem sido muito utilizado como ferramenta

(24)

Capítulo 2 – Revisão Bibliográfica

24 auxiliar para a tomada de decisões. Sua principal característica, que desperta o interesse pela técnica, é trabalhar com sistemas complexos e permitir seu comportamento dinâmico (LAW e KELTON, 1991).

Montevechi et al. (2007) disseram que simulação é a transferência do sistema real para um ambiente controlado, possibilitando seu estudo, sem envolver riscos físicos e/ou altos custos.

Essas diversas condições que podem ser estudadas visam analisar o aumento de produtividade e qualidade, aquisição de máquina, mudança de leiautes, alteração nos parâmetros de um processo de fabricação, ineficiência em movimentação, etc.

Chwif e Medina (2010) comentam sobre algumas aplicações da modelagem e SED: estudar o número de postos de check-in necessários em aeroportos, estipular o número de caixas automáticos necessários no atendimento ao cliente, determinar a política de estocagem em centro de distribuição, avaliar o número de postos de trabalho em call centers, dimensionar a quantidade de ambulância necessária em um hospital, verificar os tempos de espera em restaurantes, etc.

Nessas mais diversas aplicações, existem vários artigos escritos por pesquisadores mostrando a utilização da modelagem e SED. Confirmando, assim, a importância da SED e o espaço que esta vem ganhando nas empresas.

Montevechi et al. (2007) apresentam em seu artigo a utilização da simulação como meio de analisar o processo de fabricação em uma indústria automotiva. O trabalho visou estudar os efeitos das mais diversas variáveis do processo e as suas interações. Os resultados apresentados pelo trabalho permitiram que a empresa expandisse sua capacidade diária de fabricação.

Torga (2007) discute em sua dissertação a utilização da modelagem e simulação para o cálculo de cartões kanbans necessários em um sistema de fabricação. Como o kanban auxilia na programação de produção, um ajuste fino em sua utilização produz um ganho no gerenciamento de estoque, na capacidade de produção e na necessidade de compra de matéria prima.

Machado (2006) estudou os impactos de uma melhoria na cadeia logística de petróleo e derivados da empresa PETROBRAS. O estudo foi feito desde a chegada dos óleos a terminais marítimos e terrestres, passando pelo transporte por dutos, campanhas de refino, até a transferência de derivados aos pontos de venda ou exportação.

De acordo com Garrido (2009) a simulação é uma ferramenta poderosa e bem provida para desenhar e otimizar sistemas de manufaturas dinâmicas com validação lógica e

(25)

Capítulo 2 – Revisão Bibliográfica

25 verificação suportando decisões críticas.

Ryan e Heavey (2006) apontam a simulação como uma das técnicas de pesquisa mais utilizadas devido, principalmente, à sua versatilidade, flexibilidade e poder de análise.

Assim, torna-se evidente a importância da SED nos dias atuais. Por outro lado, essa técnica deve respeitar alguns procedimentos e etapas para a sua elaboração, que serão apresentados no item 2.2.2.

Segundo Bloomfield et al. (2012) o fato de a SED simular o comportamento de sistemas sem que ele exista fisicamente reduz drasticamente o custo de desenvolvimento desse sistema.

2.2.2. Projeto de Simulação

Como dito anteriormente, os projetos de simulação apresentam uma estrutura a ser seguida.

Montevechi et al. (2010) apresentam a Figura 2.1 como sequência de passos a ser respeitada em um projeto de modelagem e simulação. Para Patel, Ashby e Ma (2002) a metodologia de análise utilizando a SED já foi estabelecida, mas existe um ponto importante no início do projeto que é fazer as perguntas certas e manter seu foco, que seria o ponto 1.1 da

Figura 2.1.

Analisando a Figura 2.1 pode-se afirmar que existem três grandes etapas para o desenvolvimento da técnica modelagem e simulação: concepção, implementação e análise.

Na parte de concepção o pesquisador começa a adquirir conhecimento para entender o sistema a ser modelado, e assim, definir os objetivos do trabalho. Inicia-se então a construção do modelo conceitual, definindo hipóteses e seu grau de detalhamento. Em paralelo, o pesquisador começa a recolher os dados que serão necessários para programar o software de simulação.

O modelo conceitual pode ser representado de diversas maneiras e apresenta um papel importante dentro de uma das etapas da SED (MONTEVECHI et al., 2008).

Os trabalhos de Johansson e Kaiser (2002), Heilala et al. (2010) e Löfgren e Tillman (2011) apresentam fluxogramas para construção do modelo computacional. Ismail et al. (2011) criam seu modelo conceitual utilizando-se a UML, outra técnica de mapeamento.

No entanto, nenhuma dessas técnicas de mapeamento foi desenvolvida especificamente para a construção do modelo conceitual. Por isso, Leal (2008) desenvolveu a técnica IDEF-SIM.

(26)

Capítulo 2 – Revisão Bibliográfica

26

Figura 2.1 – Sequência de passos de um projeto de simulação. Fonte: Montevechi et al. (2010)

Essa técnica se comunica mais facilmente com o modelo computacional por representar o sistema da mesma forma que os elementos são chamados dentro do software de simulação.

Outra parte importante ainda na etapa de concepção é da obtenção dos dados. Esses dados podem ser determinísticos ou estocásticos.

Sprenger e Mönch (2012) apresentam no seu trabalho a diferença nos resultados obtidos quando se usa dados determinísticos e estocásticos. Os autores ainda ressaltam a importância da SED por possibilitar utilizar dados estocásticos como entrada para seus modelos.

Ahmed e Alkhamis (2009) utilizaram dados estocásticos para avaliarem o sistema de

1.1 Objetivos e definição do sistema 3.4 Conclusões e recomendações 1.2 Construção do modelo conceitual 1.3 Validação do modelo conceitual 1.5 Modelagem dos dados de entrada 2.1 Construção do modelo computacional Validado? Modelo conceitual Modelo computacional 2.2 Verificação do modelo computacional 2.3 Validação do modelo computacional 3.1 Definição do projeto experimental 3.2 Execução dos experimentos 3.3 Análise estatística Validado? Verificado? N N _S N CONCEPÇÃO IMPLEMENTAÇÃO ANÁLISE 1.4 Documentação do modelo conceitual S Tempo, custo, porcentagens, capacidades, etc. Modelo operacional S

(27)

Capítulo 2 – Revisão Bibliográfica

27 atendimento em um hospital no Kuwait e obtiveram um aumento de produtividade de 28% e uma redução no tempo de fila para atendimento em 40%.

Em seguida, o modelo conceitual é “traduzido” em uma linguagem que o software de simulação possa entender, ou seja, começa nessa etapa a programação do sistema.

Segundo Tako e Robinson (2010) a etapa da SED que os programadores mais empregam seus tempos em um projeto de simulação é na construção do modelo computacional. Além disso, no seu trabalho os autores comparam o tempo gasto pelos programadores em softwares de simulação diferentes.

Uma vez obtido o modelo computacional, esse deve ser validado por pessoas experientes no processo e verificado pelo programador os comandos utilizados na tradução do modelo conceitual em um modelo computacional.

Segundo Pegden, Shannon e Sadowski (1995) o processo de construção do modelo real serve para conduzir experimentos com o proposito de entender o comportamento do sistema e avaliar as estratégias de operação do sistema.

O software escolhido para a construção do modelo computacional deste trabalho foi o ProModel®. Para Harrell, Ghosh e Bawden (2003) ele é uma ferramenta de modelagem e simulação com capacidade de criar diversos tipos de manufatura e sistemas de serviço.

Ainda de acordo com os autores, manufaturas com sistemas de job shop, esteiras, linhas de transferências, produção em massa, linha de montagem, sistemas de manufatura flexíveis, pontes rolantes, sistema just in time, kanbans podem ser modelados no ProModel®.

O modelo computacional terminado deve ser ainda verificado e validado. Kleijnen (1995), Sargent (2000) e Robinson e Brooks (2010) propõem em seus trabalhos técnicas de verificação e validação do modelo computacional.

Por fim, o modelo computacional validado e verificado dá origem ao modelo operacional que está apto a ser experimentado e seus resultados analisados para o melhor entendimento do sistema.

No trabalho de Hwang e Lambert (2008) eles testam diversos cenários possíveis alterando o número de mesas, garçons e cozinheiros de um restaurante para obter um sistema melhor que o atual gerando mais satisfação aos clientes.

2.2.3. Aplicações

Segundo Sandanayake, Oduoza e Proverbs (2008) a importância da utilização da SED na manufatura vem aumentando nas últimas décadas. Ainda segundo os autores Moon e Phatak (2005) a integração de um modelo de simulação com um programa do tipo ERP

(28)

Capítulo 2 – Revisão Bibliográfica

28 (Enterprise Resource Planning) da empresa fornece atualização imediata dos dados, possibilitando uma precisão maior nos resultados da programação.

Esse fato pode ser comprovado com a quantidade de aplicações encontradas na literatura. Nesta parte do trabalho serão apresentados algumas dessas aplicações e seus resultados gerados.

Kumar e Phrommathed (2006) utilizaram a SED para avaliar o processo de corte de papéis em uma indústria da área de celulose. Para isso eles avaliaram um cenário atual onde a empresa apenas cortava papéis de tamanho e densidade iguais e um cenário proposto onde seria considerado apenas o tamanho do papel. Ao final da pesquisa eles puderam afirmar que o cenário proposto era mais produtivo e reduziria em 5,5% o custo do produto.

Abdulmalek e Rajgopal (2007) desenvolveram um modelo para uma empresa de aço com o intuito de analisar o impacto do sistema de produção (empurrado ou puxado), tempo de

setup e TPM no lead-time e estoque da empresa. A Tabela 2.1 apresenta os fatores de

impacto nesses dois indicadores.

Lead-Time Estoque

Sistema de Produção 0,000 0,000

TPM 0,000 0,000

Redução Setup 0,815 0,815

Sistema de Produção + TPM 0,000 0,000

Sistema de Produção + Redução de Setup 0,632 0,632

TPM + Redução Setup 0,783 0,783

Sistema de Produção + TPM + Redução

Setup 0,815 0,815

Tabela 2.1 – Fatores de impacto no lead-time e estoque Fonte: Abdulmalek e Rajgopal (2007)

Todos os fatores com valores menores que 0,050 são significativos, ou seja, o sistema de produção, TPM, sistema de produção + TPM influenciam no lead-time e estoque.

Shyshou, Gribkovskaia e Barceló (2010) avaliam, empregando a SED, o custo de manter a frota de navios petroleiros sabendo-se que as operações de uma base na Noruega são voláteis.

Kulak et. al (2011) desenvolveram um modelo de simulação que identificou o gargalo de um porto na Turquia, propondo ajustes futuros que poderiam ser feitos, além de mostrar precisamente onde os investimentos poderiam ser aplicados para melhorar a performance do terminal.

(29)

Capítulo 2 – Revisão Bibliográfica

29 Mobini, Sowlati e Sokhansanj (2011) utilizaram a SED em seu trabalho para avaliar a eficiência do suprimento de matéria prima para uma usina termoelétrica, utilizando três sistemas de colheita diferentes.

Sharda e Akiya (2012) apresentam em seu trabalho a SED como ferramenta para avaliar diferentes politicas de estoque em diferentes produtos e o impacto que seria gerado no custo da empresa química DOW.

Segundo Zhu, Hen e Teow (2012) a SED está sendo amplamente utilizada em hospitais. Além disso, a SED proveu mais recursos para criar um modelo que fosse compatível com a realidade da UTI. No objeto estudado e que gerou o artigo, foi estudado o número ideal de camas na UTI para atender a demanda variável de clientes.

2.3. Leiaute

2.3.1. Tipos de leiaute

Segundo Slack, Chambers e Johnston (2010) existem quatro tipos de leiautes: posição fixa, funcional, celular e o de produto.

 Leiaute de posição fixa: o produto é estático e quem se movimenta é recurso utilizado como: material, informação e operadores. Exemplo: produção de navio, avião, cirurgia em geral.

 Leiaute funcional: nesse caso o produto se movimenta conforme necessário, já os recursos ficam alocados em um mesmo lugar. Exemplo: máquinas de usinagem agrupadas, máquinas de soldagem agrupadas.

 Leiaute celular: todos os recursos necessários estão próximos, o produto entra bruto e sai acabado na célula. Exemplo: máquinas de usinagem e soldagem agrupadas em uma mesma área (chamada de célula).

 Leiaute de produto: o produto flui em uma linha que está presente, em ordem, todos os recursos a serem utilizados na sua fabricação. Exemplo: linha de montagem automotiva.

Sendo assim, cada um desses leiautes apresentam vantagens e desvantagens. Por exemplo, no caso do leiaute de posição fixa as vantagens são: mão-de-obra envolvida altamente qualificada e motivada, ordem de produção mais fácil de ser administrada e com estoques menores (WANG et al., 2005). Por outro lado, todos os recursos envolvidos no

(30)

Capítulo 2 – Revisão Bibliográfica

30 processo produtivo devem ser disponibilizados no momento certo para evitar desperdícios (QIN e HUANG, 2010).

Para Jithavech e Krishnan (2010), Altuntas e Selim (2012) o leiaute funcional apresenta vantagens dos recursos de fabricação estarem agrupados, permitindo maior flexibilidade em aceitar os diversos fluxos produtivos, reduzindo o custo de manutenção do material. Em contra partida, as criticas existentes a esse tipo de leiaute são a baixa produtividade e a dificuldade em programar a produção (GEIGER et al., 1997).

Segundo Askin e Estrada (2007) o leiaute celular busca ter o rendimento do leiaute de produto e a agilidade do leiaute funcional, propicia a redução de estoques intermediários e do tempo de preparação da máquina. Ideal para empresas que possuem diversidade de produtos por aumentar sua flexibilidade, reduzir lead-time e facilitar o controle de produção. Todavia, apresenta desvantagens como complexidade em sua elaboração e produção restrita a um tipo de família de produto (SATOGLU e SURESH, 2009).

Por fim, o leiaute de produto apresenta vantagens como: grande produtividade, controle de produção simplificado, baixo custo de fabricação por unidade e de estoque intermediário (YAMAMOTO, QUDEIRI e JAMALI, 2008 e SILVA e CARDOZA, 2010). Suas desvantagens são baixa flexibilidade de produção, alto investimento inicial para aquisição de maquinário e qualquer problema na linha acarreta em grandes perdas (ALTUGER e CHASSAPIS, 2010, SLACK, CHAMBERS e JOHNSTON, 2010).

Sendo assim, muitas pesquisas têm sido realizadas para estudar e avaliar o melhor leiaute de uma determinada realidade produtiva. Sobretudo, pesquisas integrando a modelagem e simulação com a possibilidade de testar os mais variados tipos de leiaute e disposição de máquinas para melhorar o processo produtivo de forma mais simples e com maior precisão.

Por exemplo, Jerbi, Chtourou e Maalej (2010) realizaram um trabalho usando a SED para criar um modelo matemático capaz de avaliar qual leiaute, funcional ou celular, é o mais apropriado para o contexto da empresa a ser avaliada.

Yazici (2006) escreveu um artigo descrevendo as possibilidades do uso da simulação para avaliar os tipos de leiaute mais adequados a uma empresa. O modelo simulado serviu como material didático para os alunos aprenderem as diferenças no lead time e estoques finais, para cada tipo de leiaute simulado.

Jahangirian et al. (2010) confirmam em seu artigo, por meio de uma vasta revisão na literatura, a possibilidade de utilizar a modelagem e simulação para criar projetos de alteração de leiaute.

(31)

Capítulo 2 – Revisão Bibliográfica

31 Jithavech e Krishnan (2010) em seu estudo comentam a dificuldade em determinar um tipo de leiaute conforme o tamanho do problema e complexidade aumentam. Para Hasan, Sarkis e Shankar (2012) o planejamento do leiaute tem uma importância fundamental para a operação da empresa.

De acordo com Caron, Marchet e Perego (2000) uma decisão mal feita sobre o tipo de leiaute pode levar a um aumento drástico no tempo de movimentação do material.

De acordo com o estudo de Tompkins et al. (2010) o custo do produto pode ser reduzido de 10 a 30% somente com a adequação do leiaute. Para Canen e Williamson (1996) encontrar o leiaute adequado para a empresa melhoraria a performance dos seus resultados.

2.3.2. Lean e Leiaute Celular

Segundo Abdulmalek e Rajgopal (2007) o Lean Manufacturing originou-se na Toyota junto com o seu Sistema Toyota de Produção e várias técnicas são associadas a esse sistema como o TPM, SMED e o leiaute celular. Ainda segundo os autores, a filosofia Lean

Manufacturing é uma iniciativa que muitas empresas dos EUA vem tentando implementar

para continuarem competitivos no mercado global.

Womack e Jones (2004) apresentam uma forma de mapeamento de desperdícios (VSM) amplamente utilizado pelo Lean Manufacturing, que pode incentivar na alteração de leiaute da empresa. Os principais símbolos utilizados para criar esse mapeamento são apresentados na Tabela 2.2.

Mahdavi, Shirazi e Paydar (2008) descrevem no seu trabalho que para montar um leiaute celular de sucesso deve-se identificar famílias de produtos, ou seja, similaridades no processo de fabricação de diferentes produtos.

Süer et al. (2010) realizaram um trabalho adaptando parte da empresa para leiaute celular e com as máquinas que sobraram eles montaram um leiaute hibrido que absorveria a variação na demanda sem impactar a nova célula criada. Renna e Ambrico (2011) também apresentam em seu trabalho a ideia de células fragmentadas justamente para combater uma desvantagem do leiaute celular, que é o impacto da variação de demanda para a família, ou falhas dentro da célula.

De acordo com Ghotboddini, Rabbani e Raihmian (2011) o leiaute celular reduz o custo do produto além de aumentar a flexibilidade do sistema adaptando-se aos pedidos de lotes menores atuais.

(32)

Capítulo 2 – Revisão Bibliográfica

32

Símbolo Nome e Função

Caixa de processo - equivale a uma área do fluxo.

Caixa de dados – utilizada para registrar informações relativas a processos de produção, departamentos, clientes etc.

Estoque – identifica a quantidade e tempo da peça no estoque.

Seta - representa o movimentado antes que o processo seguinte necessite.

Fontes externas – serve para mostrar clientes, fornecedores e processos de produção

externos.

Tabela 2.2 – Símbolos do VSM Fonte: Rother e Shook (2003)

Segundo Renna e Ambrico (2011) as principais vantagens do leiaute celular é que o estoque em processo e o lead-time são reduzidos, o que melhora a resposta para o mercado, tempo de setup, custo com ferramental, área utilizada, movimentação reduzida e planejamento da produção facilitado.

2.3.3. Simulação de Leiaute

Banks et al. (2005) destacam ainda a possibilidade de utilização da simulação como ferramenta para se definir leiautes em ambientes fabris, como a proposta deste trabalho.

Baykasoğlu e Göçken (2010) apresentam em seu trabalho o uso da SED junto com a técnica Planejamento de Experimentos para avaliar o ganho de produtividade sobre o leiaute funcional ao criar células virtuais. A ideia de células virtuais é manter o leiaute como está, no entanto, deve-se garantir que famílias de um mesmo produto passem por determinadas máquinas.

Jerbi, Chtourou, e Maalej (2010) utilizam a SED e o método de Taguchi para avaliar os impactos do tempo de setup, tempo de transferência, tempo de processamento, frequência de chegada, tamanho de lote e regra de sequenciamento das filas no programa para o leiaute funcional e o celular.

(33)

Capítulo 2 – Revisão Bibliográfica

33 Azadeh et al. (2011) emprega a SED para avaliar os resultados obtidos (tempo de fila, utilização das máquinas e tempo no sistema) permutando 24 formações diferentes de leiaute em um processo de injeção. A melhor configuração do leiaute foi obtida pela técnica de fuzzy

simulation-fuzzy data envelopment analysis.

Renna e Ambrico (2011) utilizam a SED para comparar o leiaute celular clássico com outros dois tipos de leiaute, o fragmento de células (mais de uma célula igual) e a “última” célula (uma célula para cada produto e uma última célula que pode produzir qualquer produto).

Os indicadores utilizados na comparação foram o tempo de ciclo, WIP e taxa de utilização das máquinas. Para condições sem variação na demanda do cliente, o leiaute celular clássico se mostrou melhor, no entanto, quando foi inserido um cenário mais atual, com variação da demanda, o leiaute da última célula foi melhor.

Kurkin e Šimon (2011) utilizaram a SED para propor um novo leiaute para duas linhas de produção da empresa (linha Daimler e VW). O objetivo principal era reduzir o espaço utilizado com essas duas linhas. Para os autores, a principal vantagem de utilizar a SED em simulação de leiautes é tentar diversos arranjos no programa, sem necessidade de movimentar as máquinas na vida real. No momento em que a melhor variante dos leiautes pesquisados for encontrada pela SED é que os trabalhos poderão começar. Os resultados alcançados são apresentados na Tabela 2.3. Leiaute Original (%) Novo Leiaute (%) Diferença (%) Área ocupada (m2) 100 69,4 30,6

Distância entre operações (m) 100 83,33 16,67

Intensidade de ruído (dB) 100 87,35 12,65

Número de operadores 100 84,61 13,39

Número de peças produzidas 100 107,09 7,09

Tabela 2.3 – Comparação entre o leiaute original e o novo leiaute Fonte: Kurkin e Šimon (2011)

Thammatutto e Charoensiriwath (2011) utilizaram em seu trabalho a SED juntamente com o Planejamento de Experimentos para testar a configuração de seis propostas de leiautes celulares para uma empresa de manufatura.

Boucherie, Hans e Hartmann (2012) em sua pesquisa, avaliam a proposta de um leiaute hospitalar empregando a SED.

(34)

Capítulo 2 – Revisão Bibliográfica

34

2.4. Considerações finais

Nessa seção 2 da dissertação foi descrito os temas sobre a SED, as etapas de seus projetos e aplicações práticas. Além disso, foi abordado o tema de leiaute, o leiaute celular mais especificamente e a utilização da SED como ferramenta para auxiliar nos projetos de leiaute.

Tudo isso, com o intuito de facilitar a compreensão do objeto de estudo que será apresentado na seção 4.

(35)

Capítulo 3 – Método de Pesquisa

35

3. Método de Pesquisa

3.1. Considerações Iniciais

A primeira parte desse capítulo trata sobre a escolha do método de pesquisa quantitativa em Engenharia de Produção. Em seguida, serão abordadas as sequências das etapas da modelagem e simulação. Por fim, será comentada a utilização do método de pesquisa para o objeto estudado.

3.2. Método de pesquisa quantitativo: modelagem e

simulação

Segundo Fleury (2010) a Engenharia de Produção trata do projeto, aperfeiçoamento e implantação de sistemas integrados de pessoas, materiais, informações, equipamentos e energia para a produção de bens e serviços, de maneira econômica, respeitando as condições sociais, culturais, éticas e ambientais.

No entanto, para se gerar conhecimento científico na área de Engenharia de Produção existem certas etapas a serem respeitadas e abordas. A Figura 3.1 elucida de forma clara como realizar uma pesquisa, e assim, gerar conhecimento científico dentro da Engenharia de Produção.

Figura 3.1 - Ciclo de produção de novos conhecimentos Fonte: Fleury (2010)

Pela análise da Figura 3.1 pode-se notar que umas das primeiras etapas a ser desenvolvida na pesquisa é a escolha do método da pesquisa.

(36)

Capítulo 3 – Método de Pesquisa

36 Segundo Morabito e Pureza (2010) modelos quantitativos são modelos abstratos que podem ser descritos em linguagem computacional utilizando, por exemplo, a simulação para analisar o impacto de diferentes ações possíveis no sistema.

Portanto, o presente trabalho adotará o método quantitativo em Engenharia de Produção para o seu desenvolvimento. De acordo com Bertrand e Fransoo (2002) uma pesquisa quantitativa serve para construir modelos que explicam completamente ou parte do comportamento encontrado na vida real.

O termo quantitativo refere-se ao fato das funções estudadas na pesquisa variarem de forma específica quando ocorrer uma mudança específica nas variáveis das funções (MORABITO e PUREZA, 2010).

Como o objeto de pesquisa (tratado no item 1.1) é um sistema de manufatura moderno, com diversas variáveis independentes, sua análise é complexa. Sendo assim, para a solução desse problema foi adotada a simulação computacional.

A simulação computacional obtém dados que servem em uma pesquisa quantitativa, por isso, o método quantitativo escolhido para a pesquisa foi a modelagem e simulação. Segundo Miguel (2007) essa era uma das abordagens mais utilizadas em Engenharia de Produção.

A simulação computacional serve para manipular as variáveis independentes (x) e predizer as reações no sistema real (MORABITO e PUREZA, 2010), ou seja, as respostas obtidas pela simulação podem ser transpostas para o mundo real sem haver necessidade de alterar o real.

Os mais diversos valores para as variáveis independentes e cenários podem ser testados sem qualquer impacto no sistema real. Sendo essa uma das grandes vantagens da simulação computacional (BANKS et al., 2010).

Segundo Bertrand e Fransoo (2002) o método quantitativo modelagem e simulação pode ser dividido em quatro tipos diferentes: empírico descritivo, axiomático descritivo, empírico normativo e axiomático normativo. Suas principais características são:

 Empírica descritiva: o modelo criado descreve relações causais que podem existir na realidade (resulta na compreensão de algo real);

 Axiomática descritiva: interesse principal em analisar um modelo (normalmente esse modelo é encontrado na literatura) e gerar conhecimento sobre o mesmo;

 Empírica normativa: objetiva criar uma maneira para melhorar um sistema real corrente;

(37)

Capítulo 3 – Método de Pesquisa

37

 Axiomática normativa: preocupada em desenvolver o conhecimento já existente na literatura.

Como a finalidade da pesquisa é utilizar o modelo de simulação para analisar um sistema real, e ela passa por todas as etapas apresentadas na Figura 2.1, o método definido para a pesquisa foi o método quantitativo modelagem e simulação do tipo empírico normativo.

3.3. Etapas de uma pesquisa de modelagem e simulação

De acordo com Chwif e Medina (2010) o desenvolvimento de um modelo de simulação passa por três grandes etapas: concepção ou formulação do problema, implementação e por fim análise dos resultados do modelo. As Figuras 3.2, 3.3, 3.4 e 2.1 mostram a visão proposta por Law e Kelton (1991), Banks (1998), Chwif e Medina (2010) e Montevechi et al. (2010) que apesar de terem 19 anos de diferença entre eles, apresentam estruturas muito parecidas e também divididas nessas três grandes áreas.

Figura 3.2 - Passos para o estudo da simulação de Law e Kelton Fonte: Law e Kelton (1991)

(38)

Capítulo 3 – Método de Pesquisa

38

Figura 3.3 - Passos para o estudo da simulação de Banks Fonte: Banks (1998)

Figura 3.4 – Etapas de um projeto de simulação Fonte: Chwif e Medina (2010)

(39)

Capítulo 3 – Método de Pesquisa

39 As Figuras 3.2, 3.3, 3.4 e 2.1 são de grande importância para orientar o pesquisador nas etapas a serem seguidas no processo. No entanto, como a Figura 2.1 é uma das mais atuais e com uma estrutura mais definida, será ela que norteará os passos do presente estudo.

A primeira etapa (concepção) é onde ocorre maior aprendizado, o pesquisador está descobrindo o objeto de estudo através da construção do objetivo do trabalho, a definição e o escopo do projeto.

Em seguida, para a construção do passo 1.2 já existe a necessidade de reuniões entre os especialistas para definir o nível de detalhamento do sistema a ser simulado para então ser representado em forma de desenho o sistema a ser estudado. Essa construção do modelo conceitual em forma de desenho pode ser representada por diversas técnicas como o

Integrated Definition methods - Simulation – IDEF-SIM (MONTEVECHI et al., 2010)

apresentado na Tabela 3.1.

Elementos Simbologia Técnica de origem

Entidade IDEF3 (Transição do modo

descritivo)

Função IDEF0

Fluxo da entidade IDEF0 e IDEF3

Recurso IDEF0

Controle IDEF0

Regras para fluxo paralelo e/ou alternativo Regra E Regra OU Regra E/OU IDEF3 Movimento Fluxograma

Explicação IDEF0 e IDEF3

Entrada de fluxo no sistema Fim do sistema

Conexão com outra figura

Tabela 3.1 – Elementos e símbolos utilizados na técnica IDEF-SIM. Fonte: Montevechi et al., 2010

& X O