ANÁLISE DE UMA LINHA DE
MONTAGEM DE UMA INDÚSTRIA DE
ELETRODOMÉSTICOS POR MEIO DA
SIMULAÇÃO A EVENTOS DISCRETOS
Luiza Vida (UNIFEI ) luiza.vida@yahoo.com.br Jose Arnaldo Barra Montevechi (UNIFEI )
montevechi@unifei.edu.br Josiane Palma Lima (UNIFEI )
jplima@unifei.edu.br
Este trabalho tem como objetivo apresentar o desenvolvimento de um projeto de simulação a eventos discretos em uma linha de montagem de uma indústria de eletrodomésticos. Por meio da utilização da técnica IDEF-SIM na modelagem conceitual, da coleta de dados estocásticos, da modelagem computacional no software de simulação Promodel®, buscou-se identificar oportunidades de reduzir o número de postos e aumentar a taxa de utilização de recursos e locais. A metodologia utilizada mostrou-se eficiente e permitiu a construção de um raciocínio lógico ao longo do trabalho, garantindo que as informações se mantivessem organizadas. Assim, a partir da análise do cenário atual, em três diferentes turnos, foi possível propor duas configurações futuras, que trazem aumento de produtividade e redução do custo total por unidade produzida.
2
1. Introdução
Os desafios enfrentados hoje pelas empresas de manufatura vão além da simples redução de custos para aumento da lucratividade. É necessário que as empresas se mantenham competitivas no cenário global, através da melhoria de seus processos, da redução de
lead-time de produção e entregas, da redução de retrabalhos e desperdícios, do lançamento de
programas de sustentabilidade e do aumento de produtividade.
Em meio a este cenário, as empresas de manufatura se veem forçadas a buscarem maior eficiência e eficácia na gestão de processos de produção. Standridge e Marvel (2006) comentam que a simulação é um método adequado para gestão de processos e possibilita a inclusão de variação aleatória e estrutural nos modelos, permitindo analisar os efeitos da interação dos componentes do sistema. Como forma de apoio às empresas na melhoria contínua de seus sistemas, a simulação oferece uma poderosa ferramenta, podendo ser utilizada para a identificação de problemas no processo produtivo, para a avaliação das oportunidades de melhoria e para análise dos resultados alcançados através de modificações no processo.
Portanto, o objetivo deste trabalho é apresentar as etapas de desenvolvimento de um projeto de simulação a eventos discretos em uma linha de montagem de uma indústria de eletrodomésticos. Tem como escopo a proposta de melhoria de produtividade e da utilização dos recursos e máquinas existentes. O trabalho passa pela modelagem conceitual, modelagem computacional e por fim a geração de cenários de decisão.
Utilizou-se para este fim o software ProModel®, possibilitando a análise de uma linha de produção de máquinas de lavar roupa com relação as informações sobre indicadores característicos, como: taxa de produção horária, utilização de funcionários e capacidade dos postos de trabalho.
2. Simulação a eventos discretos
A simulação a eventos discretos é dedicada à modelagem de sistemas que mudam o seu estado em momentos discretos no tempo, a partir da ocorrência de eventos (CHWIF E MEDINA, 2007). Na manufatura, tem havido uma ampla disseminação do uso da simulação para desenhar e otimizar sistemas produtivos, tornando-se uma das principais áreas para utilização desta técnica (LAW, 2006). Kelton, Sadowski e Sturrock (2007) citam algumas questões na manufatura que podem ser abordadas com sucesso através do uso da simulação,
3 sendo elas: a necessidade de recursos e equipamentos, avaliação de desempenho e análise de procedimentos operacionais.
Para o desenvolvimento de um estudo de simulação bem sucedido, Chwif e Medina (2007) apresentam três grandes etapas necessárias: a concepção do modelo, a implementação do modelo e a análise dos resultados. Para uma melhor compreensão das atividades relacionadas a cada uma destas etapas, Montevechi et al. (2010) propõem uma metodologia que explica a lógica de um projeto de simulação. A metodologia foi estruturada em forma de fluxograma, que pode ser visualizado na Figura 1.
Figura 1 - Etapas de um estudo de simulação. Fonte: Montevechi et al. (2010).
A primeira etapa, chamada Concepção, possui como objetivo o entendimento do sistema a ser simulado. Sendo assim, nesta fase é necessária a definição do problema de simulação e seu escopo, a criação do modelo conceitual e a coleta dos dados necessários. Primeiramente, deve-se definir com clareza o problema a ser estudado, os objetivos a serem alcançados e as questões que deverão ser respondidas pelo estudo. O modelo conceitual consiste em uma descrição do modelo de simulação a ser desenvolvido, caracterizando os objetivos, as entradas, as saídas, o conteúdo, suposições e simplificações deste modelo (ROBINSON, 2004). De acordo com o autor, a construção do modelo conceitual impacta em todos os aspectos do estudo, em particular na especificação dos dados necessários, na velocidade com
4 a qual o modelo de simulação pode ser desenvolvido, na velocidade de experimentação e na credibilidade dos resultados alcançados.
Para criação do modelo conceitual, a literatura sugere inúmeras técnicas que podem e tem sido utilizadas, como o Activity Cycle Diagram (ACD), Redes Petri, diagramas de mapeamento de processos, entre outras. Para a modelagem conceitual com foco na simulação, Leal et al. (2008) desenvolveram uma técnica nomeada de IDEF-SIM (Integrated Definition
Methods – Simulation), a qual possibilita a construção do modelo conceitual de forma a
manter a lógica desejada pelo especialista em simulação (para mais informações sobre o IDEF-SIM, consultar Leal et al., 2008).
Na segunda etapa da proposta apresentada na Figura 1, denominada de Implementação, é feita a tradução do modelo conceitual em um modelo computacional, através do uso de um
software de simulação. Na modelagem computacional deve-se ter o cuidado de não elaborar
modelos muito complexos, mas que atendam ao objetivo inicial do projeto de simulação. Antes de passar à próxima fase do projeto, deve-se verificar e validar o modelo computacional: a verificação garante que a programação e a implementação do modelo computacional estejam corretas, enquanto a validação determina se as saídas do modelo possuem a precisão necessária para o objetivo desejado (SARGENT, 2010). Como etapa final do projeto de simulação tem-se, então, a Análise dos resultados e a experimentação. São feitas experimentações com modelo e alternativas de solução tendo-se em vista os objetivos definidos na primeira etapa.
3. Metodologia
O trabalho utiliza o método de pesquisa de Modelagem e Simulação, seguindo as etapas propostas por Montevechi et al. (2010). O levantamento de dados contou com a observação e medições em uma estação de trabalho de uma linha de montagem de eletrodomésticos. A linha é responsável pela produção diária de cerca de 4200 produtos finais. A estação ilustrada na Figura 2, aqui chamada de XYZ, é constituída por 21 operadores e 1 líder da área. Os operadores são responsáveis pela operação de uma máquina tipo prensa, pela execução de operações manuais, a maioria delas envolvendo parafusar e conectar componentes, e pela operação de três máquinas que realizam o teste do módulo final produzido nesta estação. Se aprovado no teste, o módulo segue para outra estação, senão ele é encaminhado para a área de reprocesso e será analisado e retrabalhado pelo líder do grupo.
5 Figura 2 - Layout da estação a ser simulada.
5.1. Etapa de Concepção
O estudo contemplou uma das seis ilhas pertencentes a uma das linhas de montagem da empresa e o SKU ABC, já que dentre o portfólio de produtos da área é este o que demanda o maior número de operadores. Definiu-se a redução de 2 postos de trabalho da área para o SKU de interesse. Tal redução implica na liberação de 8 operadores para outras atividades, já que a empresa trabalha em um regime de 4 turnos. Além deste objetivo inicial, buscou-se entender o comportamento atual entre diferentes turnos e encontrar outras oportunidades de melhoria, sobretudo relacionadas ao aumento de produtividade.
5.1.2 Modelo conceitual
Definido o escopo de trabalho, partiu-se, então, para a construção do modelo conceitual. O modelo conceitual foi realizado por meio da técnica IDEF-SIM, apresentado na Figura 3. É possível visualizar que o processo é espelhado, acontecendo simultaneamente no lado A e lado B. As atividades do sistema começam com dois postos em paralelo: a preparação das entidades “Conjunto Dispenser” (nos postos Prensa Dispenser e Mesa Dispenser 2, 3 e 4) e “Base Montada” (preparada no posto Placa de Potência A e B). Tais entidades sofrem uma junção no posto do Console, que produz a entidade “Elementos Tampa Fixa” e a envia para as esteiras. Assim, os primeiros postos das esteiras a recebem e a incorporam na entidade “Tampa Fixa”, transformando-as no “Conjunto tampa fixa testar”. Os postos seguintes executam uma série de atividades de parafusar e conectar, e acabam por disponibilizar o
6 conjunto para os testes. Se o conjunto for aprovado no teste, ele é enviado para outra estação, senão ele segue para o reprocesso, de forma a ser analisado pelo líder do grupo.
Figura 3: Modelo conceitual em IDEF-SIM
Para validar o modelo conceitual, ou seja, para garantir que a estrutura do modelo é adequada aos propósitos do estudo, foi utilizada a técnica de validação face-a-face, na qual o modelo foi analisado por pessoas com experiência na área e no processo em questão.
5.1.3 Coleta de dados
Levando-se em conta que o sistema é composto, em sua maioria, por tarefas manuais, decidiu-se que os tempos de processamento de cada posto de trabalho decidiu-seriam tratados como estocásticos. A coleta de dados foi realizada durante dois meses através da cronometragem direta dos operadores em seus postos de trabalho. A fim de evitar a coleta de dados tendenciosos, para um mesmo posto de trabalho, a tomada de tempos foi realizada em diferentes dias da semana, com diferentes operadores realizando a atividade (a política da
7 empresa de rodízio entre os postos a cada 30 minutos contribuiu muito para esta etapa). Além disso, optou-se por realizar a cronoanálise de três dos quatros turnos de funcionamento da fábrica, de forma separada, para tornar a análise do cenário atual mais detalhada e melhor entender a variabilidade entre eles. Inicialmente, coletou-se uma amostra de 20 tempos de processamento de cada posto de trabalho.
Partindo-se desta amostra inicial, levando-se em consideração um nível de confiança de 95%, foi feita uma análise se havia necessidade de coletar-se mais tempos. Para isso utilizou-se a expressão: n = (Z.S/e)2, em que n representa o tamanho da amostra, Z é o número de desvios em uma normal para obter a confiabilidade necessária (Neste caso: Z = 1,96) e e é o máximo erro aceitável – absoluto (Neste caso: 0,05 x média da amostra). Em alguns casos, foi necessário completar a amostra inicial para que se atingisse a confiabilidade desejada.
Para o tratamento dos dados utilizou-se o software estatístico Minitab, o qual possibilitou identificar possíveis falhas nos valores amostrados e para determinação das distribuições utilizou-se o StatFit. Finalmente, foi feita a inferência dos dados, em que se determinou a melhor distribuição de probabilidade para representar o comportamento de cada posto.
5.2 Implementação
5.2.1 Construção do modelo computacional
Para implementação do modelo conceitual foi realizada por meio da utilização do software Promodel®. Antes de chegar na versão final, o modelo passou por diversas modificações de forma a melhor se ajustar ao modelo conceitual e, consequentemente, ao cenário real. Inicialmente, optou-se pela construção de um modelo com tempos determinísticos, fornecidos pelo setor de Engenharia Industrial da empresa. Uma vez verificada a coerência do modelo, os tempos determinísticos foram substituídos pelos tempos estocásticos definidos na seção anterior. A Figura 4 apresenta uma tela Promodel® do modelo final.
Foram construídos três modelos diferentes, um para cada turno, que utilizam a mesma regra de processamento e a mesma lógica, diferindo apenas nos tempos de processamento de cada operação. O modelo final contou com 42 locais dentre eles esteiras para transporte, filas, máquinas e bancadas de trabalho. Foram definidos alguns buffers entre dois postos (representados na Figura 4 por pallets de madeira) devido à diferença entre os tempos e a capacidade de processamento dos respectivos operadores/máquinas. Considerou-se duas esteiras que contam com 5 operadores cada: trocou-se a construção de uma única esteira pela
8 construção de 5 esteiras paralelas, uma simplificação que teve por objetivo buscar uma maior fidelidade à operação do sistema real.
Figura 4 – Tela do Promodel® representando o cenário atual simulado
Definiu-se um total de 12 entidades, em que apenas uma delas é de interesse para o resultado final, pois representa o produto final que deve ser entregue pela estação (“Conjunto Tampa Fixa Testado”). A quantidade de chegadas programadas foi definida como infinita em todos os casos, visto que esta estação conta com um abastecedor de materiais dedicado, que se ocupa de colocar a matéria-prima no ponto de utilização. As entidades Base dispenser, Capas Defletoras/Sifão, Elementos dispenser, Rede elétrica, Base placa e Tampa fixa são consideradas matérias-primas e, portanto, possuem chegada infinita. Quanto aos recursos optou-se pela utilização de recursos estáticos (operadores), já que a maioria dos funcionários permanece parada para execução de suas tarefas. Apenas para os operados alocados nos testes foi definida rede de caminho, já que estes recursos devem levar a Tampa reprovada no teste para a bancada de Reprocesso.
5.2.2 Validação
Para validar o modelo optou-se pela comparação entre os dados históricos e os dados obtidos na simulação. O parâmetro de comparação foi a produção horária. Para escolha do número de replicações necessárias, seguiu-se o procedimento apresentado por Chwif e Medina (2007). Primeiramente definiu-se junto à empresa que seria utilizada uma confiança estatística de 95% (assim como utilizada em outras etapas deste projeto), com uma precisão de 2 produtos.
9 A partir desta definição, rodou-se o modelo com 10 replicações de forma a obter uma amostra piloto.
O modelo foi válidado por meio da Equação 2 (Kleijnen, 1995), comparando a média e o desvio padrão dos dados simulados com os dados históricos.
n
s
s
t
x
x
s r n r s 2 2 2 / , 2 2.
(2)Sendo: = média do resultado da simulação; = média do resultado real;
= é a distribuição t de Student para 2n-2 graus de liberdade e um nível de significância de α/2;
= desvio padrão do resultado simulado; = desvio padrão do resultado real;
n = número de observações (deve ser o mesmo para simulado e real).
Definiu-se um nível de confiança de 95% (α=0,05) e calculou-se o intervalo de cada amostra. Os intervalos foram: [-2,35; 2,15] para o 2º turno, [-0,90; 4,10] para o 3º turno e, finalmente, [-3,19; 5,99] para o 4º turno. Assim, os modelos foram considerados válidos e capazes de representar a realidade. Em seguida, partiu-se para a etapa de análise e experimentação. 4. Geração de cenários e análise dos resultados
Uma vez terminada a etapa de verificação e validação conceitual, o modelo de simulação torna-se operacional, estando pronto para ser utilizado. Realizou-se a análise da situal atual seguida da geração de cenários futuros A e B, testando-se produtividade e taxa de utilização de recursos.
Para ajudar na coleta dos dados de saída de cada cenário proposto, foi utilizada a ferramenta
Output Viewer, atrelada ao Promodel®. Tal ferramenta permite visualizar os dados de forma
numérica e gráfica, sendo possível, inclusive, exportar os dados para planilhas. 6.1 Cenário Atual
Com as informações a respeito da taxa de utilização dos operadores e produção horária nos três turnos de interesse desenvolveu-se o cenário atual do processo. A tabela 4 apresenta ods dados da simulação do cenário atual. Observa-se maior produção no 3º turno, com produtividade de 9,86 unidades/h. Homem. Observa-se que apesar da maior produtividade
10 média acontecer no 3º turno, os valores entre os turnos são muito próximos, demonstrando a padronização das operações realizadas neste sistema. O grau de utilização dos recursos, representados pelos operadores, é apresentado na Figura 5. O gráfico representa a média dos três turnos estudados.
Tabela 4 – Dados da simulação do cenário atual. Produção/h Nº Operadores Produtividade
(Produtos/h.homem)
2ºT 201 21 9,57
3ºT 207 21 9,86
4ºT 194 21 9,24
Figura 5 - Utilização dos recursos no cenário atual
Observa-se um alto grau de ociosidade (por volta de 45%) em todos os funcionários que dependem de uma operação anterior para realizarem sua atividade (principalmente aqueles operadores que ficam alocados na Esteira). Isso é reflexo de dois fatores: do desbalanceamento da carga de trabalho nos diferentes postos e da diferença de ritmo entre os operadores (alguns são mais ágeis e experientes, outros ainda estão em fase de aprendizado). Deve-se destacar ainda que o operador que apresenta maior índice de ociosidade é aquele atrelado ao Teste 3, sendo que os operadores do Teste 1 e 2 acabam por absorver um maior número de entidades. Os operadores Dispenser 1, PPA e PPB apresentam 100% de utilização já que a entrada de matéria-prima é infinita e eles produzem para estoque, ou seja, não há nenhuma restrição para realizarem suas atividades.
11 A Figura 6, por sua vez, apresenta o grau de utilização de máquinas e bancadas de trabalho. Observa-se que o posto com maior taxa de ociosidade é o reprocesso, posto ocupado pelo Líder da equipe. Este posto não foi alvo dos estudos já que ele não pode ser retirado e pelo fato deste operador possuir diversas outras funções. Comprova-se, também, a alta taxa de ociosidade dos locais de teste, demonstrando uma possível oportunidade de melhoria. É interessante notar também que os postos “Mesa Console A” e “Mesa Console B” permanecem em operação por apenas 43% do tempo, sendo que no restante do tempo estavam aguardando a chegada de entidades (48%, aproximadamente) ou bloqueados (9%), sem poder enviar a entidade “Elementos tampa fixa” para o primeiro posto da esteira. Vale lembrar que os postos Mesa PPA e PPB permanecem 100% em operação, pois não há restrições de matéria-prima (chegada infinita) e pelo fato de produzirem para um estoque intermediário (não há necessidade de aguardar a liberação do posto seguinte). Com isso, tais postos não são considerados gargalos do sistema em questão.
Figura 6 – Utilização dos locais no cenário atual
6.2 Cenário Futuro A
Os operadores de teste no cenário atual (sobretudo o Op. Teste 3) apresentam um alto índice de ociosidade (Figura 5). Como existem três postos que realizam o mesmo tipo de atividade, retirou-se um posto de trabalho e permaneceram os outros dois, testando a entidade “Conjunto tampa fixa testar”. No cenário A foram criados três novos modelos, um para cada turno, de forma a verificar se o efeito da modificação seria o mesmo para todos. Assim, o novo cenário
12 foi testado realizando-se 10 réplicas de simulação, e o resultado médio por turno obtido é apresentado na Tabela 5. Observa-se que a produção horária permaneceu a mesma do cenário atual. No entanto, como foi possível diminuir o número de operadores, houve um aumento de produtividade. A Figura 7 apresenta a taxa de utilização dos operadores de teste na configuração atual e na configuração do cenário A. Houve um aumento da taxa de utilização dos operadores de teste com relação ao cenário atual, assim os recursos são mais bem aproveitados, permanecendo menos tempo ocioso.
Tabela 5 – Dados da simulação do cenário A
Produção/h Nº Operadores Produtividade (Produtos/h.homem)
2ºT 201 20 10,05
3ºT 206 20 10,30
4ºT 193 20 9,65
Figura 7 –Utilização dos recursos de teste no cenário atual e no cenário futuro A.
6.3 Cenário Futuro B
No cenário B retiraram-se dois postos de trabalho. Um dos postos eliminado continuou sendo o Teste 3, já que a viabilidade de tal mudança foi comprovada anteriormente. Vislumbrou-se, então, a retirada de um dos postos “Mesa Console”, já que o local permanece em grande parte do tempo bloqueado ou em aguardo de entidades. Com esta mudança, os dois lados do posto “Placa potência” passam a produzir para um estoque, e o posto “Mesa Console” retira a entidade “Base montada” direto deste buffer, pretendendo-se aumentar o tempo de utilização de tal posto. O Cenário B foi simulado, com 10 réplicas, e os resultados médios de produção obtidos podem ser visualizados na Tabela 6. Novamente é possível observar que a produção
13 horária manteve-se a mesma do cenário atual, porém, agora, com dois operadores a menos, resultando em um ganho médio de produtividade de 10,7%. O gráfico de utilização dos locais na configuração atual e no cenário B, proposto, é apresentado na Figura 8, a seguir.
Tabela 6 – Dados da simulação do cenário futuro B.
Produção/h Nº Operadores Produtividade (Produtos/h.homem) 2ºT 200 19 10,53 3ºT 210 19 11,05 4ºT 193 19 10,16
Figura 8 –Utilização dos postos “Mesa Console” no cenário atual e no cenário futuro B
Além do ganho de produtividade, foi possível notar que o local “Mesa Console” passou a ser melhor aproveitado, visto a diminuição do percentual de tempo em que fica aguardando (já que o buffer que fornece a entidade “Base montada” é abastecido por dois postos simultaneamente) e a eliminação do percentual de tempo em que fica bloqueado, pois agora o operador pode mandar a entidade “Elementos tampa fixa” tanto para o lado A como para o lado B da esteira (a regra de roteamento é de enviar para o primeiro posto disponível). Assim, esta nova configuração mostrou-se viável e vantajosa, pois não só permite o aumento da produtividade do sistema estudado, como também diminui o custo por unidade produzida da área envolvida.
5. Considerações Finais
Este trabalho apresentou a construção de um projeto de aplicação da simulação a eventos discretos como ferramenta para aumento de produtividade em um setor pertencente a uma linha de montagem de eletrodomésticos. O trabalho permitiu ainda analisar e comparar
14 diferentes turnos, de forma a verificar se possuíam comportamentos semelhantes e se reagiriam da mesma forma às mudanças propostas.
Desde o planejamento dos objetivos à execução do modelo computacional no Promodel®, a metodologia proposta por Montevechi et al. (2010) mostrou-se eficiente e permitiu a construção de um raciocínio lógico ao longo do trabalho, garantindo que as ideias e as informações se mantivessem organizadas. Também se mostrou muito útil à técnica de mapeamento IDEF-SIM, que não só facilitou o entendimento do funcionamento do sistema, como também facilitou a construção do modelo computacional, permitindo grande economia de tempo nesta atividade.
Notou-se que as principais dificuldades encontradas concentraram-se nas atividades de construção do modelo conceitual (o qual sofreu diversas modificações ao longo do projeto até chegar em sua versão final), na cronometragem dos tempos (fase que consumiu muitos dias devido ao número elevado de postos e devido à coleta de dados ter sido feita em três diferentes turnos), e análise dos resultados para sugestão de modificações.
Foram identificadas duas oportunidades de melhorias, que resultaram na proposição de um cenário com dois postos de trabalho a menos em relação ao sistema atual (cenário B). A redução de um posto de Teste e a junção dos postos “Mesa Console A” e “Mesa Console B” em um só, resultariam um ganho de 10% em produtividade e permitiriam à empresa liberar oito operadores para outras áreas (já que o regime de trabalho é de 4 turnos por dia).
Cabe ressaltar ainda que, pela análise das taxas de ociosidade dos operadores alocados na Esteira A e Esteira B, seria possível haver aumento de produtividade também nestes locais. No entanto, todas as operações ali são manuais e caso houvesse alguma modificação, as tarefas do posto eliminado teria que ser redistribuída para outros operadores. Assim, mensurar os novos tempos para realizar as funções só seria possível alterando-se o sistema na prática e fazendo-se uma nova cronoanálise. Isso se mostra inconveniente para o propósito atual deste trabalho, sendo que esta oportunidade poderá ser explorada em um trabalho futuro.
Agradecimentos
Os autores agradecem ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) e à FAPEMIG (Fundação de Amparo à Pesquisa do Estado de Minas Gerais) pelo apoio financeiro concedido aos projetos que subsidiaram o desenvolvimento deste trabalho.
REFERÊNCIAS
CHWIF, L; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria & Aplicações. 2 ed. rev. São Paulo: Ed. do Autor, 2007. 254 p.
15
KELTON, W. D. SADOWSKI, R. P. STURROCK, D. T. Simulation with Arena. 4 ed. New York: McGraw-Hill, 2007.
KLEIJNEN, J.P.C.; Verification and validation of simulation models. European Journal of Operation Research, 82, pp. 145-162, 1995.
LAW, A. M. Simulation Modeling and Analysis. 4 ed. New York: McGraw-Hill, 2006. 792 p.
LEAL, F.; ALMEIDA, D.A. de; MONTEVECHI, J.A.B. (2008) Uma Proposta de Técnica de Modelagem Conceitual para a Simulação através de Elementos do IDEF. In: Anais do XL Simpósio Brasileiro de Pesquisa
Operacional, João Pessoa, PB.
MONTEVECHI, J. A. B.; LEAL, F.; PINHO, A. F.; COSTA, R. F. S.; OLIVEIRA, M. L. M.; SILVA, A. L.F. Conceptual modeling in simulation projects by mean adapted IDEF: an application in a Brazilian tech company. In: Proceedings of Winter Simulation Conference. Baltimore, MD, USA, 2010.
OLIVEIRA, C.S. Aplicação de técnicas de simulação em projetos de manufatura enxuta. Estudos Tecnológicos, v.4, n.3. p. 204-217, 2008.
ROBINSON, S. Simulation: The Practice of Model Development and Use. Chichester, West Sussex, England: John Wiley & Sons, 2004. 316 p.
RYAN, J.; HEAVEY, C. Process modeling for simulation. Computers in Industry, v.57, p. 437–450, 2006. SARGENT, R. G. Verification and Validation of Simulation models. In: Proceedings of Winter Simulation
Conference. Baltimore, MD, USA, 2010.
STANDRIDGE, C. R.; MARVEL, J. H. Why lean needs simulation. In: Proceedings of Winter Simulation
