Simulação Computacional para Otimização de Layout Fabril em Usina de Asfalto - Estudo de Caso

Simulação computacional como apoio à mudança de layout fabril estudo de caso de um processo de fabricação de uma usina de asfalto Autor Eduardo Portella dos Santos Eduardoportella acadpucrsbr PUCRS Brasil Orientador a Fernando de Oliveira Lemos Fernandolemos pucrsbr PUCRS Brasil Resumo O presente trabalho analisa o layout fabril em uma empresa do ramo de montagem de usinas de asfalto Para a tender um aumento de demanda foi proposta uma mudança de layout na fábrica e para fins de ajudar no processo de tomada de decisão e na justificativa das mudanças propostas foi usada S imulação de E ventos D iscretos para simular as mudanças e analisar os ganhos potenciais T écnicas da produção enxuta como a eliminação de perdas e mapeamento do fluxo de valor foram utilizadas para servir como ferramentas de apoio nessa busca Com a mudança de layout simulada foi possível obter capacidade para atender a demanda prevista mostrando redução de 37 nos deslocamentos no novo layout e redução de 23 no lead time Palavraschave Simulação computacional Usina de Asfalto Layout 1 Introdução A demanda da indústria por asfalto está em alta e as perspectivas para o setor são otimistas KOWALSKI 2023 N o Brasil tem duas grandes concorrentes do segmento de montagem de usinas de asfalto que veem sua demanda crescendo e trabalham para conseguir atendêla e para isso acontecer é necessário o atendimento das necessidades dos consumidores sincronizado com a capacidade produtiva da empresa MELO 2011 Para conseguir uma capacidade produtiva que atenda a demanda os sistemas de produção devem ter arranjos físicos da fábrica que favoreçam o fluxo de materiais e reduzam perdas de movimentação e transporte O desenvolvimento de um bom arranjo físico possibilita fluidez da produção de uma forma eficiente e segura TREIN AMARAL 2001 O projeto de fábrica tornase cada dia mais importante para as mais diversas indústrias sendo essencial um bom arranjo de layout para a otimização das operações dentro do espaço fabril O layout faz parte integrante da área de manufatura e apresenta um impacto relevante nos custos e na minimização das distâncias para a eficiência operacional SILVA et al 2012 No segmento das montadoras por tratarse de uma produção de grande fluxo de materiais e de pessoas ter um layout bem definido e organizado faz com que o processo de montagem ocorra de forma mais eficaz Erros no projeto de layout podem gerar interrupções no fornecimento atrasos na produção propiciando filas e estoques confusos e desnecessários além de altos custos relacionados ineficiência da criação de sinergia entre o conjunto do arranjo físico KANNAN 2010 SINGH YILMA 2013 Os procedimentos de layout determinam a forma de organizar a produção alcança ndo a minimização d o tempo d os processos a maximização d os negócios da indústria e maximização da capacidade produtiva OLORUNNIWO UDO 2002 LIKER 2005 Para a análise de layout pode se utilizar a ferramenta de simulação computacional com o intuito de gerar dados que fundamentam uma melhor tomada de decisão permitindo observações onde podese analisar se há condições de melhorias no processo A s imulação é representada por uso de softwares que por meio de modelos matemáticos permitem a realização de previsão de situações que podem ocorrer em uma determinada linha de produção minimizando riscos e permitindo ganhos de produtividade nos processos simulados MARTINS 2022 A simulação tem como objetivo a g eração de dados que fundamentem a tomada de uma decisão BANKS 1998 Diversos autores usaram a simulação e modelagem computacional para avaliar mudanças de layout em processos fabris Soares et al 2011 utiliz aram a simulação computacional para modificar um layout celular e teve como resultado a redução de diversas perdas de lead time e do Work in Process do produto Já Junior et al 2019 utilizaram a simulação computacional com o foco n a diminuição da distância percorrida no processo dentro d o processo de embarques de máquinas agrícolas diminuindo em cerca de 20 os deslocamentos logísticos feitos pelos operadores e diminuindo em 38 as dist â ncias percorridas para o embarque das máquinas agrícolas Araújo et al 2012 utiliz aram a simulação em uma montadora do mesmo segmento conseguindo visualizar perdas de processamento e eliminar elas que geraram uma redução no lead time de 55 O estudo de caso abordado nesse artigo é referente à uma montadora de usinas de asfaltos l ocalizada em Porto Alegre com matriz na Alemanha A demanda da empresa está aumentando nos últimos anos e para seguir no topo do segmento em questão identificouse a necessidade de aumentar a capacidade produtiva da fábrica Nos últimos 5 anos a demanda de produção da usina de maior volume de pedidos da fábrica aumentou em cerca de 400 passando de 3 unidades para 1 2 unidades por ano Um novo arranjo para a fábrica de usina de asfaltos localizada em Porto Alegre foi definido pois a empresa deseja aumentar sua produção em 100 nos próximos 5 anos O atual cenário da empresa é de montar cerca de 4 2 usinas de maior demanda ao ano e o desejo é de passar para 84 unidades A lém do desejo de aumentar 100 seu volume de produção ao ano também entrou em questão um a mudança no portfólio de produtos da empresa onde o foco será somente na produção de usinas de asfalto deixando outros projetos para outras unidades da empresa Em função do contexto e problema apresentados a questão de pesquisa definida fo i as mudanças definidas pela empresa serão efetivas para aumentar a capacidade produtiva em questão Para responder à questão de pesquisa o atual trabalho propôs como objetivo geral estruturar um modelo de Simulação de E ventos Discretos para auxiliar na análise e elaboração de uma nova proposta de layout da fábrica Os objetivos específicos do trabalho foram i a valiar a capacidade produtiva da fábrica e ii melhorar a utilização dos recursos necessários para atender a demanda utilizando o layout proposto Foram definidas as seguintes delimitações i foi considerad o apenas um modelo de usina de asfalto para obtenção dos dados usina com maior demanda ii foi contemplado o tempo de produção de uma usina com os valores de agregação de valor e perdas i ii o layout fo i desenvolvido por uma equipe de consultores para uma planta de 1000 m² i v foi utilizado o Sofware AutoCaD para o desenho do layout da fábrica e realização do gráfico de Spaghetti v Microsoft Excel para análise de tempos de produção esperas e l ead t ime e vi software Arena Simulation para realização da simulação computacional Nesta seção do artigo foram apresentados o contexto prático e teórico do estudo assim como os objetivos e delimitações do trabalho O trabalho é composto por mais 3 seções a segunda com foco no método de pesquisa e no método de trabalho utilização com suas devidas fases descritas A terceira seção demonstra os resultados derivados da mudança de layout na fábrica e na última seção deste trabalho s erão apresentadas as considerações finais do artigo 2 Procedimentos Metodológicos Esta seção está dividia em duas subseções método de pesquisa e método de trabalho Na primeira subseção são abordadas as características da pesquisa e n a segunda é detalhado o método de trabalho utilizado no artigo em questão discriminando as etapas do método para alcançar os objetivos citados anteriormente 21 Método de Pesquisa Uma pesquisa tem natureza aplicada quando o conhecimento gerado para a aplicação prática visa solucionar um problema específico GERHARDT SILVEIRA 2009 O estudo em questão visa mostrar que o conhecimento gerado através da simulação computacional tem efeito prático na análise da capacidade produtiva das fábricas Um estudo é considerado de caráter exploratório quando possibilita aumentar o conhecimento do autor em relação ao problema estudado permitindo a criação de hipóteses experimentais para o problema GIL 2007 MALHOTRA 2019 Portanto o objetivo da pesquisa é considerado exploratório pois o trabalho visa construir hipóteses de mudança de layout e balanceamento de tarefas com o apoio da simulação computacional para a tomada de decisão Esse trabalh o utiliza uma abordagem qualiquantitativa pois o estudo possui variáveis qualitativas em análises de decisões e também possui variáveis numéricas POLIT 2004 MINAYO et al 2001 Nesse trabalho foram consideradas opiniões de analistas coordenadores gestores e consultores especialistas nesse tema mas também foram utilizados dados históricos e dados coletados durante a realização do trabalho para a elaboração do modelo conceitual o balanceamento de tarefas a mudança de layout e a simulação computacional Segundo Gil 2007 e Yin 2010 um estudo de caso ocorre quando se estuda um ou poucos objetos mas que permita um amplo detalhamento do caso por isso o trabalho é caracterizado como um estudo de caso GIL 2007 YIN 2010 A lém disso o trabalho abrange um método que como etapas tem a coleta e análise de dados em um ambiente específico A pesquisa também é considerada um estudo transversal pois a coleta de dados ocorreu em um curto período de tempo mas também permite a comparação do antes e depois e a visualização de um estado futuro do processo analisado SILVA MENEZES 2001 22 Método de Trabalho A simulação computacional ganhou espaço no cenário industrial para a análise de sistemas complexos SOLDING GULLANDER 2009 A representação de um sistema real por meio de modelos lógicos e matemáticos que tentam representar o comportamento do mesmo de forma lógica acurada e através do tempo permite prever o desempenho de uma operação e explorar diferentes cenários P E DGEN SHANON SADOWSK 1995 LAW KELTON 2000 ROBINSON 2004 Diversos autores como McHaney 1991 Strack 1984 Harrel et al 2007 sugerem métodos para a desenvolvimento de um modelo computacional Neste estudo será utilizada a sistemática sugerida por Law e Kelton 2000 i Formular o problema e planejar o estudo ii Coletar dados e definir o modelo iii Validar o modelo conceitual iv Construir o modelo computacional e verificálo v Executar o modelo vi Validar o modelo vii Analisar os resultados e viii Documentar os resultados obtidos Para a obtenção do objetivo proposto no trabalho uma sistemática para a modelagem e simulação foi definida e adaptada a partir de Law e Kelton 2000 Sendo elaborad a em 3 etapas Figura 1 i Modelagem Concentiual ii Modelagem e Simulação Computacional e iii Experimentação e análise dos resultados Na etapa inicial de um processo de modelagem e simulação computacional é necessária uma clara definição dos objetivos do trabalho de simulação sob o risco da não obtenção de sucesso no processo de simulação pela falta de um escopo bem definido BANKS 1998 Após a clara definição dos objetivos do trabalho são estruturados o modelo conceitual e o modelo computacional da simulação para uma boa estruturação a qualidade dos dados de entrada é fundamental no desenvolvimento de um modelo computacional para que o mesmo reflita da melhor forma possível a realidade analisada VINCENT 1998 A terceira etapa contempla a experimentação da simulação do layout proposto e do layout atual junto com a análise dos resultados obtidos através da simulação Figura 1 Método propost o F onte Elaborado pelo autor Fonte Adaptado de Law e Kelton 2000 Harrel et al 2002 Chwif e Medina 2010 Rother e Shook 2003 Os dados que são considerados importantes para a construção do modelo conceitual são tempo de ciclo da produção tempo de ciclo da separação demanda layout atual capacidade de armazenamento turnos tempo disponível ineficiência normal recursos número de operadores e fluxo dos processos LIKER 2005 PEGDEN et al 1990 Os dados tempo de ciclo da produção e separação tempo disponível número de operadores layout atual e fluxo dos processos foram retirados da coleta de dados realizada nas cronoanálises citadas anteriormente 22 1 Modelagem Conceitual O modelo conceitual se bem estruturado é de fácil entendimento e possui todos os detalhes necessários para que a simulação replique um processo próximo do real Para estruturar um modelo de processo é preciso definir uma das técnicas usadas Integrated definition methods simulation IDEFSIM diagrama de fluxo de processo diagrama de fluxo lógico ou redes de Petri ROBINSON 2004 LEAL et al 2008 Neste trabalho foi escolhida a técnica do IDEFSIM que foi criada exclusivamente para estruturações de modelos conceituais que se tornariam modelos computacionais De linguagem clara e padronizada esta técnica se torna mais prática para construções de modelos computacionais LEAL et al 2008 A linguagem do IDEFSIM e seus elementos podem ser vistos no Anexo 1 Após a construção do modelo conceitual este deve ser validado com especialistas do processo que irão fazer uma análise qualitativa do fluxo do processo das entidades dos recursos dos locais que estão presentes no modelo conceitual Com a validação se obtém um processo modelado que define as características do sistema real que serão posteriormente modeladas e simuladas no software SARGENT 1999 É imprescindível a validação do modelo conceitual e sta validação é realizada através da comparação entre as informações descritas no mapa conceitual e o processo real A validação visa assegurar que o modelo retrate o verdadeiro cenário de produção e evitar a justes futuros no modelo após a execução da simulação Nesta etapa também foram validadas algumas simplificações para o modelo i o modelo representou a simulação de 1 ano de funcionamento da linha de montagem ii o modelo considerou somente o fluxo da s célula s de prémontagem e montagem até o produto acabado iii foi considerado que as peças estão s empre disponíveis para a montagem e iv os operadores estão sempre disponíveis 22 2 Modelagem e Simulação Computacional Com o modelo conceitual validado pelos especialistas do processo devese iniciar a criação do modelo computacional utilizando um software de simulação de eventos discretos A simulação de eventos discreto s consiste em modelar os processos de um determinado sistema onde cada um dos eventos discretos ocorrerá de forma instantânea em diferentes tempos e que podem ocasionar em uma alteração do estado do sistema ROBINSON 2004 Para desenvolver o modelo computacional primeiro é necessário definir qual o software de simulação computacional será utilizado após a escolha o modelador inicia a construção do modelo pelas partes mais básicas até chegar no modelo final HILLIER LIEBERMAN 2006 Esse estudo aborda um modelo de Simulação de Eventos Discretos que é utilizada para modelar sistemas que mudam o seu estado em momentos discretos no tempo a partir da ocorrência de eventos CHWIF MEDINA 2010 Um modelo de Simulação de Eventos Discretos é programado em software de simulação com os seguintes elementos Entidades que são os itens que serão processados pelo sistema Funções que são os locais onde a entidade sofrerá alguma ação Fluxo de Entidade que caracteriza quando a entidade entra ou sai de alguma função Recursos que representam o que tem disponível para movimentar as entidades e executar alguma função Controles que são as regras utilizadas nas funções as Regras para fluxos paralelos ou alternativos Fluxo de Entrada e saída do sistema que define a entrada ou criação das entidades Movimentações que representam os deslocamentos das entidades e o Ponto Final que representa o fim do processo Todos esses elementos estão exemplificados no anexo 1 O modelo computacional precisa ser verificado e validado baseado não só em inferências dos tomadores de decisão mas por meio estatístico PRTISKER 1997 Deve se determinar um número inicial de rodadas de simulação para o cálculo da precisão dos dados gerados CHWIF MEDINA 2010 A Equação 1 permite calcular o número ideal de replicações de simulação para atender uma precisão desejada CHWIF MEDINA 2010 Nn h h 2 1 Onde N é o número de amostras que devem ser utilizadas n é o número de replicações iniciais h é o percentil da distribuição t de student com n1 graus de liberdade e h é o nível de precisão desejado Para realizar a v alidação dos outputs do modelo é necessário compa r ar com os outputs do sistema real gerados com as replicações calculadas na Equação 1 com os resultados reais Utilizando a Equação 2 verificase a diferença entre a média dos resultados da simulação e a média dos resultados reais CHWIF MEDINA 201 0 O modelo é considerado validado quando o intervalo calculado a partir da Equação 2 possui o 0 entre os dois números do intervalo ou seja para dois números positivos ou dois negativos nos limites inferior e do intervalo o modelo não é válido CHWIF MEDINA 201 0 Intervalo X s X r t n1 α 2 sd n 2 Onde X s é a média do resultado da variável a ser analisada a partir das rodadas de simulação X r é a média do resultado da variável a ser analisada a partir do sistema real t n1 α 2 é a à distribuição t de Student para n 1 grau de liberdade e um nível de significância de α 2 𝑠 d é o desvio padrão da diferença entre o sistema real e o simulado n é o número de observações simuladas que são iguais ao número de observações dos dados reais O modelo validado permite realizar experimentos com o intuito de analisar os tempos de operações do layout utilizado da movimentação dos materiais de avaliação de investimento em equipamentos e processos e da capacidade produtiva HARREL et al 2007 Por exemplo Soares et al 2011 buscaram a reestruturação do layout produtivo via simulação para aumento da produtividade e redução do lead time A s primeiras etapas da construção do modelo computacional de formular o problema e planejar o estudo e coletar dados e definir o modelo foram discriminadas na seç ão 221 artigo Após a realização dessas etapas começa a realização do modelo de simulação computacional Antes de realizar a simulação Após a validação do modelo conceitual foi realizado no software Arena Simulation a simulação computacional do layout atual e posteriormente a modelagem computacional do layout proposto com o intuito de retratar os tempos de operações discriminados anteriormente e validar a capacidade produtiva da empresa 2 2 3 Experimentação e análise de resultados Os experimentos são mudanças planejadas no processo produtivo visando atingir o objetivo proposto melhorar a eficiência do processo de montagem Para auxiliar a definição dos experimentos podem ser utilizadas informações geradas por relatórios de saída e análises estatísticas fornecida pelo software de simulação de eventos discretos HILLIER LIEBERMAN 2006 As mudanças propostas nesta etapa são alteradas no modelo computacional e são simuladas novamente as rodadas que devem passar pelo processo de verificação estatística para entender se a modificação realizada no processo fez diferença para o resultado da simulação LAW KELTON 2000 A verificação estatística é feita através do cálculo das médias obtidas através da simulação junto ao cálculo das médias obtidas no processo real comparando se os resultados aproximamse CHWIF MEDINA 2010 Com os resultados dos experimentos devese fazer as análises para definir as recomendações aos tomadores de decisões A viabilidade das mudanças propostas deve ser verificada utilizando como base os indicadores relacionados à mudança de layout ociosidade utilização e movimentação de operadores LIN SHARP 1999 MASOOD 2006 LIKER 2005 FARNES PEREIRA 2007 3 Resultados A empresa deseja aumentar a produção das usinas nos próximos anos com isso visouse um cenário de mudança de layout da fábrica Com isso foi escolhido o processo de montagem da usina de maior demanda anual coletando os dados de produção para visualizar se a fábrica tem capacidade de produção para atender uma maior demanda O processo atual é dividido em 3 estações chamadas de takts pela empresa Nesses takts as operações estão divididas em células de p rémontagem e montagem no chassi As células de prémontagem contam com 10 operadores para a prémontagem dos conjuntos e as células de montagem no chassi contam com 6 operadores divididos pelos takts para a montagem Além desses operados citados na linha de montagem do chassi da usina de asfalto contam também com 6 operadores para as operações elétricas Atualmente a empresa teve sua maior produção anual de 4 2 usinas de asfalto no último ano e ela pretende aumentar sua produção para cerca de 84 usinas ao ano Ao decorrer dos resultados do artigo serão mostrados os dados de cada processo de montagem e prémontagem para a usina de asfalto em questão O método proposto visa criar um alternativas de organização do processo que melhore a eficiência e aumente a capacidade de produção 31 Modelagem Conceitual O início do trabalho teve foco na coleta de d ados para ser realizada as analises dos tempos de operações na fabricação da usina de asfalto de maior demanda da fábrica Para coletar os tempos de montagem de cada operação foi realizada uma cronoanálise de cada etapa no processo de montagem da usina de asfalto Os dados coletados para prémontagem e montagem no chassi dos componentes Filtro de Manga Misturador Câmaras Banco de Roletes Sistemas de Controle Queimador Exaustor Correia Transportadora Dosadores Elevador de Arraste Tubulação e atividades de acabamento os dados foram armazenados em uma planilha em MS excel Os dados abaixo representam tempos coletados e calculados Esses dados representam os tempos de operações e de espera dos conjuntos A Tabela 1 mostra os tempos de ciclos calculados em minutos de prémontagem e montagem no chassi dos conjuntos Tabela 1 Fonte Elaborado pelo autor Além dos tempos medidos também foi realizad a a medição das distâncias totais percorridas entre os conjuntos no processo de montagem da usina as distâncias de movimentações d o atual cenário da empresa estão na Tabela 2 abaixo Tabela 2 Fonte Elaborado pelo autor Após a coleta de dados foi desenvolvido o modelo conceitual com base na linguagem IDEFSIM definida na etapa 22 1 do método Para a construção de modelo foram utilizados os dados coletados na tabela 1 e que foram tratados nessa mesma seção No Apêndice A é apresentado o modelo conceitual IDEFSIM do processo de montagem Após a construção o modelo conceitual foi validado com o s especialistas no processo e o supervisor da área O s especialistas avaliaram o fluxo os recursos as entidades e os locais discriminados no modelo e validaram que o modelo conceitual representava a situação real do processo Após a validação do modelo conceitual foi iniciado o processo de construção do modelo computacional que é desdobrado na próxima etapa No caso deste estudo uma equipe da empresa avaliou o modelo conceitual discriminado no APÊNDICE A e consideraram que o modelo representa de forma satisfatória o processo atual da empresa 3 3 Simulação Computacional Para simular o processo de montagem que está sendo analisado o autor definiu o software Arena Simulation à ser utilizado para a simulação de Eventos Discretos do processo atual e para o layout futuro criado pelos especialistas O s modelo s computaciona is à ser em criado s são referente s ao layout já utilizado na montagem atual e o layout definido pel os especialistas e colaboradores da empresa montadora à ser adotado sendo programado os elementos do modelo e a dinâmica de fluxo de materiais e informações do sistema analisado O primeiro modelo computacional é o modelo da situação atual então com base nos dados obtidos na etapa 3 1 são programados os elementos do modelo e a dinâmica de fluxo de materiais e informações do sistema analisado A figura 2 apresenta a situação do modelo atual Figura 2 Fonte Elaborado pelo autor Na primeira simulação é necessário definir estatisticamente quantas rodadas de simulação serão necessárias Para uma amostragem inicial foram simulad a s 5 replicações de 255 dias de produção com o intuito de comparação dos dados históricos de demanda coletados P ara realizar a verificação de qual seria o número de rodadas ideal é utilizada a Equação 1 apresentada na etapa 221 Utilizando a Equação 1 foi calculado o tamanho de amostra necessária para a realização da simulação do processo de fabricação e o valor encontrado foi de 18 replicações necessárias com um grau de confiança de 95 e precisão de 05 N 5 095 05 2 18 replicações Com isso ficou definido que seriam simuladas 18 replicações da simulação que equivalem à 18 repetições de 1 ano de produção da usina de asfalto Após rodar as 18 rodadas de simulações foram coletados os dados das 18 replicações com o intuito de comparar com os dados históricos coletados de produção anual da empresa para assim validar se o modelo computacional está refletindo o processo real P ara isso é utilizada a equação 2 que representa o intervalo de confiança apresentada na etapa 221 do método de trabalho Na Tabela 3 estão apresentadas as médias de saída s dos produtos após as 18 primeiras rodadas e a média da demanda histórica captada na empresa n os últimos anos de produção Os dados de demanda da produção da empresa que constam no sistema e a média da mesma estão demonstrada na tabela 4 Tabela 3 Fonte Elaborado pelo autor Tabela 4 Fonte Dados históricos da empresa Para o modelo ser v á lido o IC Intervalo de Confiança necessita ter o 0 no caso apresentado foi comprado os dados da tabela à cima que possui os últimos 5 anos de demanda de produção captados do histórico da empresa e os dados das 18 replicações A saída de produto foi válida definindo assim que o modelo computacional criado representa o processo real e que experimentações no modelo podem direcionar mudanças no processo real Para o cálculo do IC foi utilizada à equação 2 demonstrada na seção 221 Os dados da equação foram obtidos através do cálculo das médias de saída dos produtos acabados no sistema real e no simulado os valores encontrados nas replicações estão no anexo 2 Já o valor 29 representa o valor obtido na tabela t student para n 1 a 2 Intervalo 3233 2937218 Intervalo de Confiança definido 232 μ 0 32 34 Experimentação e análise dos resultados Com a validação e verificação do modelo computacional do layout utilizado atualmente foi realizada a simulação computacional com os ajustes realizados ao novo layout feito pela equipe de consultores em questão A Figura 3 apresenta a representação gráfica do novo layout estabelecido pelos especialistas para a verificação junto ao modelo computacional O modelo computacional foi criado com os mesmos tempos utilizados na primeira simulação porém com um arranjo de fábrica diferente A verificação do modelo computacional foi feita após várias rodadas de simulação para assim não ser constatado qualquer erro no modelo Figura 3 Fonte Elaborado pelo autor As rodadas de simulação do modelo computacional futuro após as 18 replicações definidas na seção 33 permitiram a obtenção da capacidade máxima do sistema sendo considerado que os materiais estejam sempre disponíveis para a montagem O resultado da simulação feitas as 18 replicações no período definido de 1 ano de funcionamento da linha cerca de 255 dias úteis com o tempo útil 8 horas por di a foram de montagem média de 85 usinas ao ano A empresa não tem a definição exata da capacidade produtiva da fábrica porém com a simulação foi possível ver que os números são coerentes com a realidade e com a busca de atender a demanda desejada A verificação do modelo foi feita através da utilização dos recursos gráficos de animação Analisouse o modelo em relação à movimentação das entidades que representam os conjuntos em processamento e dos recursos que representam os operadores Verificouse que as entidades estavam seguindo o fluxo real do processo produtivo e que os recursos estavam desempenhando suas atividades e caminhadas de acordo com o processo real da linha de montagem Comparando os dados de processamento das entidades no primeiro modelo foi calculado após as replicações no software um lead time de 1615 horas validado junto aos gestores da produção o qual representa a soma dos tempos do caminho crítico das operações e os tempos de espera no sistema deste caminho O lead time obtido na simulação do novo layout foi de 125 horas gerando uma redução de 23 do lead time A redução do lead time foi devida à duas importantes mudanças na linha às movimentações dos conjuntos onde no antigo layout que foi medido o primeiro lead time não podiam entrar mais chassis das usinas na linha e nem mais conjuntos nas células de prémontagem por não ter espaço porém com o acréscimo de áreas de escape na linha de montagem do chassi e o ganho de espaço nas células de prémontagem os conjuntos conseguem se movimentar mesmo se as operações da célula de montagem seguinte não tenham finalizado Além do ganho nas movimentações dos conjuntos com a simulação foi possível analisar uma melhoria nas distâncias percorridas dentro da fábrica tendo um ganho de 37 nos deslocamentos Antes a usina percorria cerca de 15 km dentro da fábrica com as mudanças de layout começou a percorrer 109 km As distâncias percorridas no novo layout estão na Tabela 4 abaixo Tabela 4 Fonte Elaborado pelo autor Com o modelo computacional do novo layout validado e verificado o experimento que visa atingir os objetivos propostos pode ser realizado Nesta etapa foi simulado somente um cenário para o aumento da capacidade considerando a proposta definida junto à empresa da mudança de disposição das células O cenário simulado foca na eliminaçã o de perdas de deslocamento Com os recursos disponíveis e a demanda estabelecida os reais tempos disponíveis de cada recurso estão Tabela 5 mostrando quais são os tempos disponíveis por mês à fim de alcançar o objetivo de produzir 7 usinas ao mês para atingir a demanda anual desejada de 84 usinas ao ano A tabela mostra também a ocupação que os recursos tem para conseguir atingir o resultado final e mostra que é possível suprir a demanda com uma quantidade menor de operadores que foi calculado através da capacidade real menos a demanda A capacidade real apresentada na tabela 5 foi calculada através do tempo total disponível no mês 178 horas número de operadores vezes a eficiência esperada dos operadores OEE A demanda foi calculada através do tempo de produção para atingir as desejadas 7 usinas no mês Tabela 5 Fonte Elaborado pelo autor Com o auxílio da simulação foi possível perceber que o simulador gerou uma produção de 8 4 usinas no ano mostrando que a fábrica tem capacidade de atender a demanda A maior perda identificada a perda por processamento era devida à ociosidade dos operadores onde eles ficavam ociosos após terminar à montagem do conjunto de sua responsabilidade e com o ganho de espaço na célula que o mesmo pertence ao finalizar um conjunto ele já consegue dar adiantamento à montagem dos próximo s conjuntos que entrarão no próximo chassi de usina que entrará na linha 4 Considerações Finais Este trabalho teve como objetivo apresentar uma resposta para a questão da pesquisa as mudanças definidas pela empresa serão efetivas para aumentar a capacidade produtiva em questão Para responder à questão foi definido um estudo aplicado de método de simulação de E ventos D iscretos para avaliar essas mudanças Foi escolhida a S imulação de E ventos D iscretos como método de avaliação pois com ela conseguese testar a capacidade da fábrica O presente trabalho teve como objetivo principal propor uma sistemática para avaliar se as alternativas propostas pela organização seriam eficazes para aumentar a capacidade do processo de montagem com apoio de simulação computacional E teve como objetivos específicos aumentar a eficiência do processo e aumentar a capacidade produtiva Os objetivos principais e específicos do trabalho foram atingidos pois foi aplicada uma sistemática para avaliar a alternativa de organização operacional de um processo de montagem com est a sistemática também foi possível avaliar e testar as mudanças de layout Assim foi possível avaliar um cenário que representou a eficiência do processo mostrando que a fábrica tem capacidade para produzir a demanda desejada A simulação computacional mostrouse eficiente para avaliar a capacidade produtiva da empresa pois ela permitiu gerar respostas para os tomadores de decisões com maior acuracidade e sem modificar o processo real considerando o mercado atual e a rapidez da informação essa ferramenta se demonstra cada vez mais útil para as empresas Com isso concluiuse que o uso da simulação computacional é uma ferramenta adequada para o auxílio no processo de tomada de decisões nas empresas Sugerese para estudos futuros a implementação do modelo computacional na empresa e o acompanhamento da mesma durante um período para verificar os resultados verdadeiros da adoção do modelo na empresa e comp a rar os resultados obtidos no processo real com os encontrados no modelo computacional Referências ARAÚJO C G LEMOS F O Aplicação da Simulação Computacional para Avaliação de Capacidade Produtiva Estudo de Caso em uma Empresa do Setor MetalMecânico In XXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO ENEGEP 2012 Bento Gonçalves RS Anais Bento Gonçalves RS 2012 BANKS J Handbook of simulation Principles methodology advances application and practice New York John Wiley Sons 1998 CAMARGO L F R Proposição de um método para desenvolvimento de sistema de apoio à decisão baseado em modelos de simulação computacional na indústria de mineração 2013 Tese Doutorado em Administração Programa de Pósgraduação em Administração UNISINOS São Leopoldo 2013 CHWIF L MEDINA A C Modelagem e simulação de eventos discretos teoria e prática 3ª ed São Paulo Bravarte 2010 FARNES F C V PEREIRA AN Balanceamento de linha de montagem com o uso de heurística e simulação estudo de caso na linha branca Gestão da Produção Operações e Sistemas GEPROS v2 n2 2007 GERHARDT T E SILVEIRA D T Métodos de Pesquisa 1ª ed Porto Alegre Editora da UFRGS 2009 GIL A C Como elaborar projetos de pesquisa 4ª ed São Paulo Atlas 2007 HARREL C R MOTT J R A BATEMAN R E BOWDEN R G GOGG T J Simulação otimizando os sistemas 2ª ed São Paulo IMAM 2007 HILLIER F S LIEBERMAN G J Introdução à Pesquisa Operacional 8ª ed São Paulo McGrawHill 2006 JÚNIOR L CAMARGO G SANTOS A Análise do layout do processo de embarques de máquinas agrícolas através da simulação computacional Revista Brasileira de Engenharia de Produção v5 n4 2019 KANNAN V R Analyzing the Tradeoff Between Efficiency and Flexibility in Cellular Manufacturing Systems Production Planning Control v 9 n4 p 572579 2010 KOWALSKI R Demanda da indústria por asfalto está em alta na Grande Curitiba Jornal BemParaná Paraná 2023 Disponível em httpswwwbemparanacombrnoticiasparanaochaonossodecadadiadoqueecomoefeitooasfalto Acesso em 19 de Setembro de 2023 LAW A M KELTON W D Simulation Modeling and Analysis 3ª ed Boston McGrawHill 2000 LEAL F ALMEIDA D MONTEVECHI J Uma proposta de técnica de modelagem conceitual para simulação através de elementos do idef In SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL SOBRAPO 2008 João Pessoa Anais João Pessoa SOBRAPO 2008 LIKER J K O Modelo Toyota 14 princípios de gestão do maior fabricante do mundo Porto Alegre Bookman 2005 LIN L C SHARP G P Quantitative and qualitative indices for the plant layout evaluation problem European Journal of Operational Research 1999 MALHOTRA K N Pesquisa de Marketing Uma orientação aplicada 7ª ed Porto Alegre Bookman 2019 MARTINS A O que é e como aplicar a simulação computacional na indústria Jornal A voz da Indústria 2022 Disponível em httpsavozdaindustriacombrinovacaooqueeecomoaplicarsimulacaocomputacionalnaindustria Acesso em 19 de outubro de 2023 MASOOD S Line balancing and simulation of an automated production transfer line Assembly Automation v26 n1 2006 MCHANEY R Computer simulation A practical perspective San Diego Academic Press 1991 MELO D ALCANTARA L A gestão da demanda em cadeia de suprimentos uma abordagem além da previsão de vendas Universidade Federal de São Carlos 2011 MINAYO S C M DESLANDES F S GOMES R Pesquisa social Teoria método e criatividade 25ª ed Rio de Janeiro Vozes 2001 MONTGOMERY D C RUNGER G C Estatística aplicada e probabilidade para engenheiros 5ªed Rio de Janeiro Editora LTC 2012 OLORUNNIWO F UDO G The impact of management and employees on cellular manufacturing implementation International Journal Production Economics v76 n1 2002 PEGDEN C D SHANNON RE SADOWSK RP Introduction to Simulation Using SIMAN New York McGrawHill 1990 POLIT F D Fundamentos de pesquisa em enfermagem Métodos avaliação e utilização 5ª ed Porto Alegre Artmed 2004 PRITSKER A A B Modeling in performanceenhancing processes Operations research 456 797804 Maryland USA 1997 Disponível em httpsdoiorg101287opre456797 Acesso em 08 de novembro de 2023 ROBINSON S Simulation The Practice of Model Development and Use 1ª ed New York John Wiley and Sons 2004 ROTHER M HARRIS R Criando o Fluxo Contínuo um guia de ação para gerentes engenheiros e associados da produção São Paulo Lean Institute Brasil 2002 SARGENT R G Validation and Verification of Simulation Models In FARRINGTON P A NEMBHARD H B STURROCK D T EVANS G W eds Proceedings of the 1999 Winter Simulation Conference Anais Phoenix p 121130 1999 SILVA C S MORAIS M C FERNANDES F A A practical methodology for cellular manufacturing systems design An industrial study Transaction on Control and Mechanical Systems v2 n4 p 198 211 2012 SILVA E L MENEZES E M Metodologia da pesquisa e elaboração de dissertação 3ª ed Rev Atual Florianópolis Lab EAD da UFSC 2001 SINGH A P YILMA M Production floor layout using systematic layout planning in Can manufacturing company In IEEE International Conference on Control Decision and Information Technologies CoDIT Hammamet Anais Tunisia p 822 828 2013 STRACK J GPSS Modelagem e simulação de sistemas Rio de Janeiro LTC 1984 SOARES J P M LEMOS F O ARAÚJO C L K HANSEN P B A contribuição da simulação computacional para a análise sistêmica da reestruturação de layout e otimização de recursos na manufatura celular estudo de caso em uma célula de uma empresa do ramo automotivo Produto Produção v12 n3 2011 SOLDING P GULLANDER P Concepts for simulation based value stream mapping In Proceedings of the 2009 Winter Simulation Conference Anais Austin 2009 TREIN F AMARAL F A aplicação de técnicas sistemáticas para a análise e melhoria de layout de Processo na indústria de beneficiamento de couro In ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Anais 21 2001 YIN R K Estudo de Caso Planejamento e Métodos 4 ª ed Porto Alegre Bookman 2010 Anexo 1 Fonte Adaptado de LEAL et al 2008 Anexo 2 N Dados Simulados Diferença 1 29 4 2 27 6 3 28 5 4 26 7 5 31 2 6 25 8 7 37 4 8 33 0 9 34 1 10 32 1 11 30 3 12 35 2 13 32 1 14 38 5 15 36 3 16 34 1 17 33 0 18 31 2 Desvio Padrão 192 372 Média 3200 1277778 APENDICE A