Escolar Documentos
Profissional Documentos
Cultura Documentos
Banca Examinadora:
Prof. Jos Arnaldo Barra Montevechi, Dr
Prof. Edson de Oliveira Pamplona, Dr
Prof. Helder Gomes Costa, Dr
ix
Agradecimentos
Sumrio
Agradecimentos ___________________________________________________________ix
Sumrio __________________________________________________________________ x
Resumo _________________________________________________________________xiii
Abstract _________________________________________________________________xiv
Lista de figuras ___________________________________________________________ xv
Lista de tabelas __________________________________________________________ xvii
Lista de abreviaturas _____________________________________________________xviii
1
Introduo ____________________________________________________________ 1
1.1
1.2
O problema _______________________________________________________ 2
1.3
1.4
Relevncia do trabalho______________________________________________ 4
1.5
1.6
Simulao ____________________________________________________________ 7
2.1
2.2
2.3
Definies________________________________________________________ 11
2.3.1
Sistema______________________________________________________ 11
2.3.2
Modelo ______________________________________________________ 12
2.3.3
Simulao ___________________________________________________ 13
2.4
2.5
Definio da metodologia___________________________________________ 20
2.6
Mapeamento do processo___________________________________________ 21
2.7
2.7.1
2.7.2
2.7.3
2.7.4
2.8
2.8.1
2.8.2
xi
2.8.3
2.8.4
2.9
3
Otimizao___________________________________________________________ 34
3.1
3.2
Definio ________________________________________________________ 34
3.3
3.3.1
3.3.2
3.4
3.4.1
3.5
4
Otimizao + Simulao________________________________________________ 43
4.1
4.2
Introduo _______________________________________________________ 43
4.3
Funcionamento ___________________________________________________ 44
4.4
4.5
Aplicao ____________________________________________________________ 47
5.1
5.2
5.3
5.4
5.4.1
5.4.2
5.4.3
5.4.4
5.5
Funcionamento _______________________________________________ 40
Otimizao_______________________________________________________ 64
5.5.1
5.5.2
5.5.3
5.5.4
5.5.5
5.6
Implementao ___________________________________________________ 71
5.7
Concluso ___________________________________________________________ 72
xii
6.1
6.2
6.3
6.4
xiii
Resumo
A simulao computacional juntamente com a otimizao so ferramentas de
fundamental importncia no desenvolvimento de novos projetos, como a implantao de uma
nova linha de manufatura. A simulao pode ser aproveitada nas mais variadas fases do
desenvolvimento da nova linha, entretanto na fase de projeto em que so tomadas as
decises mais importantes. Respostas e perguntas como: Quantos operadores so necessrios?
Qual o regime de trabalho? Qual rea necessria? Qual a produtividade esperada da linha?
So fundamentais para a formao adequada dos custos da nova linha, sendo que a preciso
destes nmeros pode levar a nova linha ao sucesso ou ao fracasso.
O presente trabalho abordou a aplicao da simulao e da otimizao como
ferramentas de auxlio ao planejamento de uma nova linha de manufatura de uma empresa do
setor de autopeas, visando verificar a eficincia do mtodo tradicional utilizado pela empresa
onde nenhuma ferramenta computacional utilizada.
Nos prximos captulos deste trabalho abordada a aplicao destas ferramentas.
Dentre elas pode-se destacar o mapeamento do processo que alm de ser uma ferramenta
fundamental para o bom desempenho do modelo auxiliou no entendimento do fluxo da nova
linha, permitindo a correo de erros que poderiam levar o estudo ao insucesso. Utilizou-se
para isso o pacote de simulao ProModel, que inclui um software de otimizao baseado
em Algoritmos Genticos, o SimRunner.
Pode-se concluir que os resultados alcanados atravs da simulao foram
significativamente diferentes dos obtidos pela metodologia tradicional da empresa,
principalmente em dois aspectos: a mo de obra que foi reduzida em 45% e a produtividade
da linha que ficou 4% acima do previsto. Estes resultados trouxeram vrios benefcios
empresa dentre eles uma nova formao de custos da linha que possibilitar uma reduo dos
preos dos produtos manufaturados tornando a linha mais competitiva.
Outro benefcio destas ferramentas para a empresa a visualizao grfica do projeto
na forma esttica e dinmica, o que alm de enriquecer, facilita a anlise com dados e grficos
mais precisos.
xiv
Abstract
Computational simulation together with optimization is an important tool in the
development of new projects, as the implantation of a new manufacture line. Simulation can
be used in the most varied phases of a new line development, however is in the project phase
where the most important decisions are taken. Questions as: How many operators are
necessary? Which is the regimen of work? Which is the necessary area? Which is the
productivity of the line? Are essential for cost formation of a new line and the precision of
these numbers can take the new line to the success or failure.
The present study approached the application of these techniques as a planning aid
tool in an auto parts factory, to verify the efficiency of the traditional method used by the
company where no advanced tool as the simulation is used.
The next chapters presented the methodology of these two techniques. Amongst them
we can detach the process mapping that beyond of being a basic tool for a good model
performance, assisted in the understanding of the process flow of the new line, allowing the
correction of errors that could lead the analysis to failure. The ProModel simulation
package, that includes an optimization software based on Genetic Algorithms, the
SimRunner, has been choose.
It can be concluded that the results reached through the simulation had been
significantly different from the ones reached by the traditional company methodology, mainly
in two aspects: labor was reduced in 45% and the productivity of the line was 4% above of the
foreseen one. These results had brought some benefits to the company like a new cost
formation that will make possible a reduction on manufactured products prices and also
making the new line more competitive.
Another benefit of these tools for the company is the project graphical visualization in
the static and dynamic form, what beyond enriching, facilitates the analysis with data and
more precise graphs.
xv
Lista de figuras
Figura 1.1 Formas de classificao das pesquisas cientficas (SILVA e MENEZES, 2005).. 5
Figura 2.1 Transformao da realidade em modelo. ............................................................... 7
Figura 2.2 Mtodo cientfico aplicado simulao (HARRELL, 2000)................................. 8
Figura 2.3 Evoluo do custo de um sistema em suas diferentes fases (HARRELL et al.,
2000)......................................................................................................................................... 10
Figura 2.4 Comparativo da evoluo dos custos com e sem aplicao da simulao
(HARRELL et al., 2000). ......................................................................................................... 10
Figura 2.5 Relao entre sistema, modelo e simulador. ........................................................ 14
Figura 2.6 Procedimento para se conduzir uma simulao (Adaptado de PROMODEL
USERS GUIDE, 2002)............................................................................................................18
Figura 2.7 Sequncia da metodologia (LOBO e PORTO, 1997). ......................................20
Figura 2.8 Componentes do processo (HARRINGTON, 1993)............................................ 22
Figura 2.9 Exemplo de um mapofluxograma (ROSA, 2002)................................................25
Figura 2.10 Reviso do trabalho em caso de no validao.................................................. 32
Figura 3.1 Classificao dos mtodos de otimizao (CARNEIRO, 1996).........................36
Figura 4.1 Otimizao em simulao (FU, 2002). ................................................................ 44
Figura 5.1 Produto fabricado pela empresa e sua localizao no veculo. ............................48
Figura 5.2 Principais caractersticas das longarinas. ............................................................. 49
Figura 5.3 Mapofluxograma da linha de manufatura roll form............................................. 52
Figura 5.4 Mapa do processo da linha de manufatura de longarinas RF............................... 55
Figura 5.5 Tela de abertura do ProModel...........................................................................58
Figura 5.6 Definio de locations..........................................................................................59
Figura 5.7 Definio de entities.............................................................................................59
Figura 5.8 Definio de arrivals............................................................................................60
Figura 5.9 Definio de processing.......................................................................................60
Figura 5.10 Definio de resources.......................................................................................61
Figura 5.11 Percentual de utilizao da capacidade dos equipamentos. ............................... 63
Figura 5.12 Definio dos macros......................................................................................... 65
Figura 5.13 Definio das variveis. .....................................................................................65
Figura 5.14 Definio da funo objetivo .............................................................................66
Figura 5.15 Definio do tamanho da populao .................................................................. 67
Figura 5.16 Definio do nvel de confiana.........................................................................67
xvi
xvii
Lista de tabelas
Tabela 2.1 Classificao de sistema, modelo e simulao (PEREIRA, 2000)...................... 15
Tabela 2.2 Simbologia proposta por BARNES (1982) para mapeamento. ........................... 24
Tabela 4.1 Software de otimizao (Adaptado de FU, 2002)................................................ 43
Tabela 5.1 Vantagens e desvantagens do processo RF. ........................................................ 47
Tabela 5.2 Etapas de construo at o modelo final.............................................................. 62
Tabela 5.3 Comparao entre produtividade planejada e simulada. ..................................... 63
Tabela 5.4 Comparao entre produtividade planejada e simulada (sem inspeo) ............. 64
Tabela 5.5 Comparativo dos resultados finais otimizados. ................................................... 70
xviii
Lista de abreviaturas
AE
Algoritmos Evolutivos
AG
Algoritmos Genticos
Roll Form
WIP
Capitulo 1 - Introduo_____________________________________________________1
1 Introduo
1.1 Consideraes iniciais
O captulo que aqui se inicia tem a finalidade de discutir os aspectos de maior
importncia do presente trabalho. So realizadas algumas consideraes iniciais, apresentando
o problema, o objetivo do trabalho, a relevncia e a estrutura da dissertao.
A grande competitividade imposta pela globalizao obriga as empresas a constantes
evolues nos sistemas de produo. Neste cenrio as empresas necessitam no somente
manter a sua fatia de participao no mercado, mas tambm aument-la. Sob esta presso as
empresas se questionam: como manter a fatia de mercado j conquistada? Como melhorar a
competitividade para concorrer com o mundo? (FERREIRA, et al., 2002b).
Segundo LIM e ZHANG (2003), o mercado mundial vem se tornando cada vez mais
dinmico requerendo dos sistemas de manufatura respostas rpidas e flexibilidade para
mudanas de cenrios por parte do cliente.
Para SAAD (2003) o cenrio internacional tem exigido das empresas mudanas no seu
sistema de produo as quais, muitas vezes, levam alguns meses at serem implementadas,
mas o cliente no est disposto a esperar e a concorrncia j poder estar pronta para dar a
resposta.
Desta forma as empresas necessitam retirar o mximo rendimento possvel de todos os
seus recursos bem como realizar novos investimentos que podem afetar diretamente o
desempenho e consequentemente a competitividade da empresas.
Geralmente quando se trabalha na anlise de novos investimentos e seus recursos,
surgem questes como qual ser o layout desta linha e como obter a melhor produtividade,
flexibilidade e qualidade da linha com o menor recurso possvel. Respostas para estas
perguntas podem ser dadas atravs de anlises realizadas sobre crenas e idias de uma pessoa
ou de um grupo, sendo as mesmas pouco quantificveis; atravs de modelos matemticos
estticos que no consideram as caractersticas dinmicas do sistema, levando muitas vezes ao
erro; ou, atravs de modelos de simulao computacional dinmico, onde so consideradas as
Capitulo 1 - Introduo_____________________________________________________2
aleatoriedades e interdependncias das variveis do sistema, aumentando assim a capacidade
de previso do comportamento do sistema real. (HARRELL et al., 2000; BANKS, 2000:
PIDD, 1998).
A representao de um sistema pela modelagem feita em computador, possibilita a
anlise de sistemas complexos. Assim, segundo PIDD (1998), para sistemas dinmicos,
complexos e componentes interativos, como os de manufatura, a simulao computacional
uma ferramenta bastante adequada.
A simulao de sistemas de manufatura uma poderosa ferramenta para a tomada de
decises, minimizando o risco destas decises (BANKS, 2000; PEREIRA, 2000). Porm, para
usar a simulao na avaliao e melhoria do desempenho de um processo, necessrio
primeiramente selecionar algumas configuraes e ento executar a simulao para cada uma
delas, analisando os resultados encontrados (OPTQUEST FOR ARENA USERS GUIDE,
2002). Tal processo pode ser muito tedioso e consumir muito tempo, alm de, geralmente, no
ser claro o ajuste das variveis para compor uma configurao. Esta limitao foi superada
com a utilizao de tcnicas de otimizao em conjunto com a simulao.
Segundo HARREL, (2000), a otimizao o processo de tentar diferentes
combinaes de valores para variveis que podem ser controladas buscando uma combinao
de valores que prov a sada mais desejada de um modelo. Existem atualmente vrios
softwares que permitem a realizao da otimizao a partir de uma simulao, dentre eles
pode-se citar: AutoStat, OptQuest, OPTIMIZ, SimRunner e WITNESS Optimizier. Os
mesmos fazem parte de pacotes comerciais onde tambm est incluso o mdulo de simulao.
A combinao entre simulao e otimizao faz com que as respostas sejam mais
eficientes, possibilitando uma melhor tomada de deciso.
1.2 O problema
O estudo foi desenvolvido ema empresa do setor de autopeas, em fase de expanso,
uma nova linha ser construda para a produo de longarinas atravs de um processo
diferente do atual.
Capitulo 1 - Introduo_____________________________________________________3
Sabe-se que atualmente qualquer novo projeto que necessite de altos investimentos
submetido a uma profunda anlise tcnica e econmica antes de sair do papel e, para tal, os
especialistas necessitam de previses confiveis.
O problema analisado por este trabalho a superficialidade das anlises feitas para
validao tcnica e econmica do projeto de construo desta nova linha de manufatura.
A empresa objeto deste estudo utiliza-se de dados histricos e da experincia de
especialistas para calcular as previses. Apesar de serem dados confiveis as anlises so
feitas de forma esttica, impossibilitando a visualizao dinmica destas previses bem como
a interao entre as variveis. Alm disso, a falta de recursos computacionais torna muito
complexa e demorada a anlise de diferentes cenrios e suas respostas timas.
Baseando-se em resultados feitos atravs de anlises superficiais os gestores desta
empresa tomam decises importantes como a formao de preos de novos produtos e at
mesmo o impedimento da construo da nova linha.
A simulao e a otimizao foram aplicadas na fase de desenvolvimento do projeto
com o objetivo de aprimorar os resultados das anlises dando melhores condies aos gestores
de tomar decises importantes para o futuro da empresa.
Capitulo 1 - Introduo_____________________________________________________4
Capitulo 1 - Introduo_____________________________________________________5
Figura 1.1 Formas de classificao das pesquisas cientficas (SILVA e MENEZES, 2005).
Capitulo 1 - Introduo_____________________________________________________6
A elaborao de hipteses, afirmaes iniciais que se buscar afirmar no decorrer da
pesquisa, algo essencial na elaborao e execuo de uma pesquisa. O presente trabalho
busca afirmar a seguinte hiptese:
A combinao entre simulao e otimizao de grande valia no apoio a deciso, trazendo
vantagens significativas na fase de planejamento do projeto de uma nova linha de manufatura
em alternativa aos mtodos usualmente empregados na empresa.
Capitulo 2 Simulao______________________________________________________7
2 Simulao
2.1 Consideraes iniciais
Este captulo tem como finalidade apresentar uma reviso bibliogrfica a respeito da
simulao computacional e sua relevncia. So levantadas as definies de sistema, modelo e
simulao, assim como suas classificaes. Ainda neste captulo feita a apresentao de
algumas metodologias para uma implementao bem sucedida de simulao, dos conceitos de
mapeamento de processo e finalmente como construir e validar um modelo.
Segundo HARRELL et al. (2000) e LAW e KELTON (1982), simulao a imitao
de um sistema real modelado em computador para avaliao e melhoria do seu desempenho.
Ainda, segundo BANKS (2000), a simulao envolve a criao de uma histria artificial da
realidade e com base nela so realizadas observaes e inferncias nas caractersticas de
operao do sistema real representado. A Figura 2.1 esquematiza este conceito da
transformao da realidade em modelo e novamente dos resultados em realidade.
Capitulo 2 Simulao______________________________________________________8
Capitulo 2 Simulao______________________________________________________9
So diversas as reas de aplicao da simulao. HARRELL et al. (2000), LOBO
(2000), BANKS et al. (1996) e LAW e KELTON (1986) destacam os sistemas
computacionais e de telecomunicaes, fabricao, negcios, logstica, militar, treinamento,
cientfica, econmica e servios.
Segundo KUMAR e PHROMMATHED (2005), antes da implantao direta de
qualquer mudana no sistema produtivo, o mapeamento do processo, a anlise dos dados e a
simulao computacional podem reduzir com sucesso o risco da ineficcia de uma operao
de reprojeto no mundo real.
Capitulo 2 Simulao______________________________________________________10
Durante o seu desenvolvimento um projeto ou sistema passa por diferentes fases com
caractersticas distintas entre si, ou seja, cada qual com o seu tempo e custo. A Figura 2.3
apresenta a relao entre as fases do projeto e seu custo.
Figura 2.3 Evoluo do custo de um sistema em suas diferentes fases (HARRELL et al.,
2000).
Quando a simulao aplicada no desenvolvimento do projeto ou sistema, a relao
entre o custo e as fases do projeto alterada (Figura 2.4). A fase de concepo do projeto ou
sistema no sofre nenhum impacto, pois a aplicao da simulao realizada aps esta etapa.
Figura 2.4 Comparativo da evoluo dos custos com e sem aplicao da simulao
(HARRELL et al., 2000).
Capitulo 2 Simulao______________________________________________________11
Em um sistema onde aplicada a simulao, o custo na fase de projeto fica mais
elevado, mas justamente nesta fase, com o auxlio da simulao, onde se consegue planejar
um sistema mais otimizado, consequentemente nas fases de implantao e operao se obtm
a esperada reduo do custo (BATEMAN et al., 1997) (Figura 2.4).
Ainda na Figura 2.4 pode-se observar que a rea sobre a curva dos custos com a
simulao menor que a dos custos sem a simulao, ou seja, o custo total no final menor
quando a simulao utilizada.
2.3 Definies
Para um melhor entendimento sobre simulao, preciso conhecer as definies de
sistema e modelo e da simulao computacional.
2.3.1 Sistema
A definio clara do que vem a ser sistema muito importante para a execuo de uma
simulao, pois com base nesta definio que se levantaro as informaes necessrias ao
estudo. Segundo SEILA (1995), um sistema um conjunto de componentes ou entidades
interagindo entre si, trabalhando juntos para atingir algum objetivo. Na prtica, o significado
de sistema depende dos objetivos de cada estudo (LAW e KELTON, 2000). So exemplos de
sistema: sistema de trfego, sistema policial, sistema econmico, sistema bancrio, entre
outros. Um sistema tambm pode ser uma parte ou conjunto no qual o estudo ser realizado,
que por sua vez est inserido em universo ainda maior, como a rea responsvel pelo saque e
depsito de uma agncia bancria.
A ao entre os elementos do sistema envolve interdependncias que podem ser
simples ou mais elaboradas, dependendo do nmero de variveis. Segundo DUARTE (2003),
a variabilidade uma caracterstica inerente a qualquer sistema que envolva pessoas e
mquinas, uma vez que ambas podem falhar. Assim, a variabilidade introduz incerteza no
sistema, cuja compreenso se torna difcil sem o uso de ferramentas apropriadas, como a
simulao.
Segundo PEREIRA (2000), em simulao, possvel trabalhar com sistemas discretos,
contnuos ou a combinao dos dois. Os sistemas so ditos discretos quanto as variveis
envolvidas assumem valores finitos ou infinitos numerveis (por exemplo, peas que chegam
Capitulo 2 Simulao______________________________________________________12
a uma mquina) e contnuos quando as variveis mudam continuamente no tempo (por
exemplo, quilmetros rodados pelos caminhes na simulao de um sistema logstico). Neste
caso o software de simulao deve ter condies de resolver sistemas de equaes
diferenciais. J nas simulaes de eventos discretos os programas so dotados de um relgio,
que iniciado com o evento ao qual est vinculado e avana at que o prximo evento esteja
programado.
2.3.2 Modelo
Um modelo, segundo HILLIER e LIEBERMAN (2001), uma representao de um
sistema real, onde somente os aspectos relevantes para a anlise em questo sero
considerados. O uso de modelos traz muitos benefcios como reduo de tempo, custo e
perdas materiais. Em muitos casos seu uso at mesmo inevitvel, como quando o sistema
real no existe por se tratar de um projeto ou no estar disponvel para experimentos.
De acordo com o tipo de modelo, ele pode ser classificado em: matemtico, fsico e de
simulao (STAMM, 1998):
Modelos fsicos: modelos que assumem forma fsica, sobre a qual o estudo ser
realizado. Dentre outros tipos de modelos fsicos pode-se citar (STAMM, 1998):
desenho em escala, um mtodo operacional que permite equacionar, ou otimizar
atividades no muito complexas, freqentemente utilizadas pelos profissionais
responsveis por projetos; e maquetes (ou modelos reduzidos), so miniaturas
tridimensionais em escala de reduo, utilizadas para apreciao de aspectos estticos
e de distribuio de volumes em obras arquitetnicas e para medies de
comportamento, tais como obras hidrulicas ou martimas;
Capitulo 2 Simulao______________________________________________________13
interesse (LAW e KELTON, 2000). Entretanto a maioria dos sistemas reais
complexa demais para permitir uma avaliao analtica e por isto estes casos tm que
ser estudados por meio computacional.
Este trabalho se atm ao ltimo tipo de modelo, que foi construdo com auxlio de
programas de computador especficos para simulao.
Este tipo de modelo pode ser classificado quanto a sua variabilidade no tempo em:
Dinmico - representa o sistema a qualquer tempo. Pode ainda ser classificado quanto
ao tipo de valores que as variveis assumem;
Capitulo 2 Simulao______________________________________________________14
Capitulo 2 Simulao______________________________________________________15
Sistema
Modelo
Discreto:
Variveis envolvidas
assuem valores finitos
e infinitos numerveis.
Determinstico:
Variveis assuem
valores determinados.
Contnuo:
Variveis mudam
constantemente com o
tempo.
Estocstico:
Variveis assuem
valores diversos
segundo uma
determinada
distribuio de
probabilidade.
Esttico:
Estuda o sistema sem
levar em conta sua
variabilidade com o
tempo.
Dinmico:
Representa o sistema a
qualquer tempo.
Simulao
Terminante:
H interesse em se
estudar o sistema num
dado intervalo de
tempo.
No Terminante:
H interesse em
estudar o sistema a
partir de um
determinado estado
estvel, podendo o
estudo prolongar-se
indefinidademente.
Capitulo 2 Simulao______________________________________________________16
PIDD (1997) relata que a modelagem computacional de um sistema uma tarefa que
exige muito esforo por parte do modelador e que, se conduzido com raciocnio cuidadoso e
planejado, ser bastante beneficiada. Para que isto ocorra, o autor prope cinco princpios
bsicos e indispensveis em qualquer metodologia para a implementao da simulao:
a definio dos dados a serem coletados deve ser orientada pelo modelo. O modelador
no deve se apaixonar pelos dados;
seguidos para se obter bons resultados em simulao com um mnimo dispndio de recursos
varia muito de acordo com o projeto, porm os procedimentos bsicos so essencialmente os
mesmos. Esses passos bsicos de como conduzir um projeto de simulao so divididos em
seis:
Capitulo 2 Simulao______________________________________________________17
gerados pelo simulador com os dados tomados em campo. Segundo SARGENT (2004), a
validao e verificao de um modelo e crtica no desenvolvimento da simulao. Ainda
segundo o autor no existe um conjunto especfico de testes que pode ser facilmente aplicado
para determinar a validade do modelo.
HARREL et al. (1996), diz que um teste que pode ser feito para validao do modelo
a comparao entre as respostas fornecidas pelo modelo e as respostas dadas pelo sistema
real. Outro meio de validao o chamado turing test, onde as respostas dadas pelo modelo e
as respostas que so dadas pelo sistema real so entregues a pessoas que conhecem o sistema,
de modo que estas avaliem a representatividade da realidade.
A Figura 2.6 mostra de forma esquemtica a metodologia citada. Nota-se que caso
no haja sucesso em algum dos passos preciso voltar aos passos anteriores, de modo a se
alcanar um resultado satisfatrio na simulao.
Capitulo 2 Simulao______________________________________________________18
Capitulo 2 Simulao______________________________________________________19
Validao: esta validao poder ser realizada de diversas formas: a mais comum
confrontar os resultados de sada com os dados reais do sistema; tambm pode ser
feita com o uso de tcnicas estatsticas; teste de Turing, onde especialistas no sistema
estudado recebem dois relatrios um com os dados simulados e o outro com os
dados reais do sistema, sem a identificao de qual o real e qual o modelado, e
discutem as diferenas;
Capitulo 2 Simulao______________________________________________________20
Capitulo 2 Simulao______________________________________________________21
princpios bsicos das demais metodologias com a vantagem da sequncia adaptar-se bem
aplicao da simulao em uma indstria de manufatura.
As fases de projeto, execuo e anlise do experimento sero realizadas em conjunto
com a otimizao do modelo.
Seguindo as etapas da metodologia definida, nos trs prximos tpicos sero
abordadas as fases de esboo do problema e coleta de dados atravs do mapeamento do
processo, construo do modelo e a validao do modelo.
Atividades:
So elementos
do
processo ou
subprocesso. Geralmente so
Capitulo 2 Simulao______________________________________________________22
Atividades com nvel de unidade: Desempenhadas a cada vez que uma unidade do
produto produzida;
Atividades com nvel de lote: Atividades desempenhadas cada vez que um lote de
produtos fabricado. O setup de uma mquina exemplo de uma atividade com nvel
de lote;
Capitulo 2 Simulao______________________________________________________23
As tcnicas de fluxograma do processo e mapofluxograma do processo so utilizadas
visando exatamente um melhor planejamento da simulao. Estas tcnicas auxiliam o
modelador a representar da forma mais prxima a real o sistema que ser simulado.
O mapeamento de processo constitui em uma ferramenta gerencial, analtica, que
possibilita melhoria nos processos existentes ou implanta uma nova estrutura voltada para os
processos (VILELLA, 2000). Para ANJARD (1996), o mapeamento de processo consiste em
identificar, documentar, analisar e desenvolver um plano de melhoria que proporcione a
mudana de viso dos gestores de indstrias, ou seja, faa com que diminua o foco nos output
ou produtos e fortalea a gesto dos processos.
ANJARD (1996) afirma que o resultado do mapeamento do processo, geralmente,
uma representao grfica, o qual mostra como os recursos de entrada so processados e
transformados em sadas, destacando-se a relao e a conexo entre cada atividade. VILLELA
(2000) afirma que o mapa de processo pode ser confeccionado manualmente ou com
ferramentas computacionais.
Segundo BARNES (1986), o fluxograma do processo uma tcnica para registrar o
processo de uma maneira compacta e de fcil visualizao e entendimento. Usualmente o
fluxograma inicia-se com a entrada da matria prima na fbrica ou clula e segue o caminho
da fabricao do produto, passando pelas operaes de transformao, transporte e inspeo
at a sua sada como produto acabado.
Os passos para execuo do mapa do processo podem ser definidos nas seguintes
fases:
Definio do processo: Nesta fase deve-se determinar quais processos devem ser
analisados e estabelecer a fronteira de cada um. Trata-se simplesmente de uma anlise
explanatria que busca uma compreenso do funcionamento dos processos e da
realizao das atividades. Nesta fase, j possvel definir alguns objetivos ou metas
para a anlise, tais como reduzir tempo de ciclo de execuo das atividades, melhorar
a qualidade dos produtos que chegam organizao e os que so entregues aos
clientes. Algumas questes que podem guiar a equipe que atua no projeto podem ser:
Quem so os clientes do processo (interno externo ou ambos)?, Quem so os
fornecedores?.
Capitulo 2 Simulao______________________________________________________24
Capitulo 2 Simulao______________________________________________________25
questes que podem auxiliar nesta fase so: Quais so os produtos/servios e informaes
produzidas?; Quais so e quantos so os clientes internos e/ou externos?; Quais so as
perspectivas dos clientes em relao ao resultado do processo?; Quais so os pontos crticos
para o processo?.
Ainda segundo BARNES (1986), mapofluxograma o fluxograma desenhado sobre a
planta do edifcio ou layout para visualizar-se melhor o processo, a Figura 2.9 apresenta um
exemplo da entrada de peas compradas no almoxarifado, com as operaes de recebimento e
inspeo.
Caminho
Escritrio
Balana
Rampa
Bancada
Recepo
Prateleiras
Registro
Inspeo
Capitulo 2 Simulao______________________________________________________26
conhecem o sistema que a ser modelado, e os dados principais sobre o sistema j foram
coletados e analisados quanto sua correo, ou seja, quanto maneira como foram coletados
e sua correspondncia com o sistema real de modo a poder represent-lo, a prxima fase que
a construo do modelo computacional j pode ser iniciada.
Na modelagem todos os dados que foram coletados relativos ao sistema, tais como:
layout, equipamentos que participaro da simulao, tempos, nmero de operadores, tipos de
peas processadas, so agora introduzidos no programa, de modo que ao final se tenha o
modelo computacional de onde so obtidos resultados e so feitos os estudos e
experimentaes de simulao. Durante a fase de modelagem o usurio e modelador
procuraram a similaridade com o sistema real, dentro de certas limitaes, e puderam chegar
concluso de que alguns dados que foram coletados no so utilizados, e por outro lado, para
se atingir o objetivo do estudo, outros dados no previstos, foram levantados.
A seguir so apresentados alguns princpios que se aplicados facilitam os trabalhos de
modelagem, possibilitando que se chegue a resultados mais confiveis em menores tempos de
trabalho.
Capitulo 2 Simulao______________________________________________________27
construo do modelo. Segundo DIETZ (1992), um modelo excessivamente detalhado pode
no somente reduzir seu desempenho, como tambm pode obscurecer ou turvar os resultados.
Ao se definir o nvel de detalhamento do modelo no se pode perder de vista o
objetivo especfico da modelagem. Assim sendo, se o objetivo do estudo , por exemplo, o de
se verificar o efeito da compra de mais uma mquina operatriz para dobrar a capacidade desse
recurso gargalo, h que se analisar com cuidado se h necessidade de modelar todo o sistema
de manufatura ou s parte deste; se interessante introduzir variveis relacionadas ao custo
do produto ou mesmo ao estoque em processo; se h possibilidade de reduo dos dados a
serem coletados; se os tempos de parada dos operadores ou equipamentos so significativos
para melhorar a preciso da anlise. Como j foi citado anteriormente, tanto a coleta de dados
quanto modelagem so atividades dispendiosas, que envolvem tambm gasto de tempo,
desta forma imperativo que o modelo seja o mais simples possvel.
Capitulo 2 Simulao______________________________________________________28
na modelagem, porm mais segura do que se tentar ganhar tempo iniciando-a com modelos
complexos e muito grandes.
Capitulo 2 Simulao______________________________________________________29
NEELANKAVIL (1987), apud PROMODEL USERS GUIDE, 1997, afirma: A
validao verdadeira uma impossibilidade filosfica e tudo o que se pode fazer invalidar
ou falhar ao invalidar.
O principal objetivo da validao, j que no existe frmula que ajude a se concluir se
o modelo ou no vlido, seria o de se determinar a utilidade do modelo ou no. Desta forma,
se o modelo atende aos objetivos propostos, mesmo que no tenha semelhana absoluta com o
sistema real que foi simulado, o modelo ser til e vai dar respostas que ajudem empresa em
suas decises. Segundo LAW e KELTON (1982), prefervel se considerar o quanto o
modelo est de acordo com o sistema modelado, do que se referir sua absoluta validade ou
invalidade.
O tempo destinado construo do modelo um dos fatores limitantes. Ao se elaborar
modelos por demais complexos, na tentativa de imitar exatamente o comportamento do
sistema, o que estar ocorrendo uma perda intil de tempo e recursos, levando o estudo de
simulao ao insucesso. Dependendo das respostas que se quer obter, uma linha de produo
pode ser modelada em uma semana ou demorar meses, se forem exigidos nveis de
detalhamento exagerados. Mesmo que se leve muito tempo modelando o sistema, como j foi
visto anteriormente, a validao verdadeira poderia ser impossvel.
Desta forma, nessa etapa de validao, no se pode perder de vista os objetivos do
estudo da simulao. Uma vez que esses objetivos podem ser cumpridos com o modelo
existente, a etapa de validao est terminada. De acordo com a importante observao de
CARSON apud KLEINDORFER et al. (1998), necessrio que o trabalho de validao no
seja feito somente pelo modelador, mas que haja participao do usurio para que o mesmo
ganhe credibilidade.
Apesar de ser uma etapa do estudo de simulao, isto no significa que o modelador,
bem como o usurio, devam se preocupar com a validade somente aps modelar todo o
sistema. Assim, ao se definir o problema, esboar layout, coletar os dados e na modelagem
propriamente dita, a preocupao com a validao dever estar presente, isto posto, natural
que aps o modelo estar concludo, a validao ser uma fase muito mais fcil de ser
executada, pois os dados que fizeram parte do estudo tm consistncia com o sistema a ser
modelado.
Capitulo 2 Simulao______________________________________________________30
Apesar de no haver uma metodologia que garanta a hiptese de que o sistema seja
vlido para os objetos propostos, existem algumas propostas que ajudam na tomada de
deciso e podem reduzir as probabilidades de que se esteja tomando a deciso errada,
validando um modelo que vai gerar resultados no confiveis, ou invalidando um modelo
bom, ocasionando perda intil de tempo. Essas propostas esto enumeradas a seguir.
Capitulo 2 Simulao______________________________________________________31
Essas diferenas so ento analisadas uma a uma, juntamente com o modelador, que
dessa forma poder implementar mudanas no modelo de maneira a aproximar os resultados.
Capitulo 2 Simulao______________________________________________________32
a validao atravs da comparao com o sistema real poderia ser feita somente para aquele
determinado mdulo que se tem.
Se a concluso for de que o modelo no vlido, haver necessidade de se rever os
passos anteriores conforme a Figura 2.10. Essa reviso deve ser feita juntamente com o
usurio. O esboo do layout dever ser revisado, tendo em vista se verificar se ele realmente
est correspondendo linha de produo que foi modelada. Poder ter havido incorreo ao se
lanar as distncias percorridas, caminhos percorridos pelos operadores, posio ou sequncia
das mquinas e dados de balanceamento de linha.
Capitulo 2 Simulao______________________________________________________33
Capitulo 3 Otimizao_____________________________________________________34
3 Otimizao
3.1 Consideraes iniciais
O presente captulo aborda a otimizao, apresentando sua definio e ainda, uma
viso geral dos mtodos de otimizao mais usados em Pesquisa Operacional. Em seguida
este captulo se foca em Algoritmos Evolutivos, mais especificamente nos Algoritmos
Genticos, uma vez que o software otimizante a ser utilizado na fase de aplicao desta
dissertao est baseado neste mtodo.
3.2 Definio
Otimizar melhorar algo que j existe, visando determinar a melhor configurao para
um determinado sistema sem que seja necessrio testar todas as possibilidades envolvidas,
reduzindo assim o tempo destinado a ele. Com isso tem-se a possibilidade do tratamento
simultneo de uma grande quantidade de variveis e restries de difcil visualizao (grfica
ou tabular) e a obteno de solues no tradicionais com menor custo.
Segundo HARREL (2000), a otimizao o processo de tentar diferentes combinaes
de valores para variveis que podem ser controladas (variveis independentes), buscando uma
combinao de valores que prov a sada mais desejada. Na maioria das vezes este processo
de tentar diferentes combinaes para as variveis se torna difcil ou mesmo impossvel de ser
realizado em um sistema real, e por isso feito atravs de modelos.
Se a resposta do modelo for submetida a todos os possveis valores das variveis (ditas
variveis de deciso), a representao grfica destes valores com os resultados obtidos
chamada de superfcie de resposta. Essa superfcie de resposta se torna de difcil visualizao
quando h mais de duas variveis de deciso, uma vez que o nmero de dimenses na qual
est inserida tal superfcie tambm aumenta (n. de dimenses = 1 + n. de variveis), alm de
uma grande demanda de tempo. Assim, em uma otimizao deve haver um equilbrio entre a
busca da soluo tima e o tempo alocado a essa tarefa.
Capitulo 3 Otimizao_____________________________________________________35
Capitulo 3 Otimizao_____________________________________________________36
Capitulo 3 Otimizao_____________________________________________________37
mtodos de otimizao, cuja principal caracterstica que sua aplicao independe dos
valores das funes envolvidas.
Funes sem restries
Os mtodos que fazem parte desta categoria foram denominados por TANOMARU
(1995) de mtodos enumerativos de otimizao. Estes mtodos examinam cada ponto do
espao de estados em busca do valor timo para a funo objetivo, adotando procedimentos
especficos para determinar a direo de busca, ou seja, o prximo valor a ser examinado.
Os mtodos desta categoria so mtodos de programao no-linear (CARNEIRO,
1996), e podem ser univariveis ou multivariveis.
Funes com restries
Mtodos deste tipo so aqueles formados pela Programao Linear, que so
amplamente usados e um dos mais efetivos. A Programao Linear envolve o planejamento
de atividades para obter um resultado timo, isto , o melhor resultado que atinge o objetivo
especificado entre todas as possveis alternativas.
Processos discretos
Muitas plantas de processos e partes de equipamentos so representadas como
processos multiestgios, mesmo se o conjunto sob anlise no constitudo por unidades
separadas. A determinao das condies timas de operao ou projeto em tais processos
complicada, porque os prprios estgios so quantidades discretas e as condies a serem
estabelecidas para cada estgio esto interelacionadas (CARNEIRO, 1996).
O mtodo de Processos Discretos engloba outros mtodos: Diviso e Conquista,
Programao Dinmica e Mtodos Gulosos.
Capitulo 3 Otimizao_____________________________________________________38
Assim, segundo HARREL (2000), mtodos probabilsticos so aqueles em que uma ou
mais variveis de entrada so aleatrias, ou seja, assumem uma distribuio de probabilidade,
conhecida ou no. Nos mtodos probabilsticos as funes objetivo so tipicamente nolineares, tornando a tarefa de otimizao mais complexa. No entanto, os mtodos
probabilsticos permitem uma melhor explorao do espao de solues, aumentando a
possibilidade de determinao do extremo global da funo objetivo pesquisada
(CARNEIRO, 1996).
Segundo a classificao proposta por CARNEIRO (1996), os mtodos probabilsticos
de otimizao englobam trs mtodos: Recozimento Simulado, Evoluo Estocstica e
Computao Evolutiva.
Recozimento simulado
Este mtodo de otimizao, o qual foi proposto na dcada de 50, faz uma analogia
com o processo de recozimento (annealing) da metalurgia (SARAMAGO, 2003). No
recozimento o metal aquecido a altas temperaturas, causando um choque em sua estrutura
atmica. Se o metal for resfriado de forma brusca, a microestrutura tende a um estado
aleatrio instvel, porm, se o metal resfriado de forma suficientemente lenta, o sistema
procurar um ponto de equilbrio caracterizado por uma microestrutura ordenada e estvel.
Para encontrar o valor mnimo da funo objetivo, o processo inicia-se a uma alta
temperatura e aplica o algoritmo at ser alcanado o estado estacionrio, quando no ocorrem
mais alteraes no sistema. Quando o valor da funo objetivo no decresce
sistematicamente, mas somente varia aleatoriamente de uma iterao para a seguinte, inicia-se
a lenta reduo da temperatura e so realizadas mais algumas iteraes. Eventualmente um
novo estado de equilbrio alcanado com um valor menor que o anterior. O processo
continua at que a temperatura seja reduzida a zero, proporcionando uma configurao final
com um valor muito baixo da funo objetivo, talvez at o valor timo (CARNEIRO, 1996).
Evoluo Estocstica
Este mtodo similar ao Recozimento Simulado, tendo como principal diferena o
fato da Evoluo Estocstica aceitar inicialmente somente ganhos positivos fazendo com que
a subida (ou descida) inicie somente quando for alcanado um mnimo local, permitindo
que a Evoluo Estocstica apresente convergncia mais rpida, com resultados similares ou
at melhores.
Capitulo 3 Otimizao_____________________________________________________39
Computao Evolutiva
A Computao Evolutiva (tambm chamada de Computao Evolucionria) o nome
dado a mtodos computacionais inspirados na teoria da evoluo. Os algoritmos usados
nesses mtodos so conhecidos como Algoritmos Evolutivos (AEs).
Os AEs diferem de outras tcnicas no-lineares de otimizao em vrios pontos. A
diferena mais significante que os AEs conduzem sua busca usando uma populao de
solues ao invs de uma s, possibilitando uma maior coleta de informaes sobre a
superfcie de resposta.
Segundo TANOMARU (1995), os AEs encaram a teoria de evoluo Darwiniana
como um processo adaptativo de otimizao, sugerindo um modelo em que populaes
evoluem de modo a melhorar o desempenho geral da populao com respeito a um dado
problema.
Segundo BCK (1997) este mtodo deve ser entendido como um conceito geral
adaptvel soluo de problemas, especialmente bem adaptvel para a soluo de problemas
complexos de otimizao.
Atualmente, os AEs so tcnicas alternativas s convencionais de busca e otimizao
(COELHO e COELHO, 1999), e englobam um crescente nmero de mtodos, sendo os mais
importantes: Algoritmos Genticos, Programao Evolutiva e as Estratgias Evolutivas.
Algoritmos Genticos
Os Algoritmos Genticos so mecanismos de busca baseados nos processos de
evoluo natural e na gentica. Neles, uma populao de possveis solues para um dado
problema evolui de acordo com operadores probabilsticos concebidos a partir de metforas
biolgicas, de modo que haja uma tendncia de que, na mdia, os indivduos representem
solues cada vez melhores medida que o processo evolutivo continua (TANOMARU,
1995).
Estratgias Evolutivas
Ao contrrio dos Algoritmos Genticos, que tambm empregam cruzamentos, este
mtodo emprega apenas operadores de mutao. Em um esquema bem simplificado da
Capitulo 3 Otimizao_____________________________________________________40
Estratgia Evolutiva, um indivduo-pai gera um s filho atravs de aplicao de mutaes de
distribuio Gaussiana, mdia zero e varincia varivel, de modo que pequenas mutaes
ocorram mais freqentemente que mutaes mais radicais. Sempre que um filho melhor que
o pai gerado, o pai substitudo e o processo reiniciado (TANOMARU, 1995).
Programao Evolutiva
Os mtodos de Programao Evolutiva (tambm chamados de Programao
Evolucionria) foram desenvolvidos por Lawrence J. Fogel em 1962, e originalmente
concebidos como uma tentativa de criar inteligncia artificial (BCK, 1997). Porm este
mtodo tem sido bastante usado em problemas de otimizao e , neste caso, virtualmente
equivalente s Estratgias Evolutivas, diferenciando-se apenas nos procedimentos de seleo
e codificao de indivduos.
3.4.1 Funcionamento
De maneira similar teoria da evoluo, os AGs manipulam uma populao de pontos
na superfcie de resposta (indivduos), ou seja, possveis solues para um problema proposto,
de tal modo que as piores solues desaparecem enquanto que as melhores continuam a
evoluir na busca da soluo tima, explorando simultaneamente diversas reas da superfcie
de resposta (TANOMARU, 1995). Os passos so:
Capitulo 3 Otimizao_____________________________________________________41
tcnica heurstica para definir os indivduos, ou o uso conjunto de ambas as tcnicas
(TANOMARU, 1995).
Seleo
A idia principal deste operador oferecer aos melhores indivduos da populao
corrente preferncia para o processo de reproduo, permitindo que estes indivduos passem
suas caractersticas s prximas geraes. O processo de seleo geralmente causa um
aumento mdio no valor de adaptao dos indivduos da populao a cada gerao.
Entre os mtodos de seleo encontra-se o mtodo da Roleta, a Amostragem Universal
Estocstica, Seleo Elitista, Seleo Baseada na Posio, Seleo por Torneio, Seleo
Estado Estvel, Seleo por Truncatura e Seleo local (SIMES, 1999).
Cruzamento
O operador de cruzamento (crossover ou recombinao) cria novos indivduos atravs
da combinao de dois ou mais indivduos. A idia intuitiva por trs deste operador a troca
de informao entre diferentes solues candidatas.
Geralmente dois indivduos progenitores so escolhidos da populao, por um mtodo
aleatrio com probabilidade definida por uma taxa de cruzamento (TANOMARU, 1995),
para produzir dois novos indivduos.
Mutao
O operador de mutao usado nos AGs tem o objetivo de alterar aleatoriamente a
caracterstica de um individuo, atravs da mudana do valor de um gene. Uma vez que as
caractersticas dos descendentes so limitadas constituio de seus ancestrais, a
mutao possibilita o aparecimento de indivduos com caractersticas at ento no
identificadas (CUNHA e PINTO, 2001). Esta alterao garante que a probabilidade de chegar
a qualquer ponto da superfcie de resposta nunca seja zero, alm de contornar o problema de
timos locais.
Capitulo 3 Otimizao_____________________________________________________42
Parmetros
Os AGs dependem essencialmente de um conjunto de parmetros que devem ser
definidos. Os principais parmetros so (TAVARES, 2000):
4 Otimizao + Simulao
4.1 Consideraes iniciais
Este captulo busca apresentar a integrao entre simulao e otimizao, apresentados
nos dois ltimos captulos, seu funcionamento e metodologia de execuo. mostrado ainda
o funcionamento do SimRunner, incorporado ao pacote de simulao ProModel, o qual
utilizado no estudo.
4.2 Introduo
Com a utilizao da simulao computacional possvel prever e visualizar as
consequncias no modelo proporcionadas por determinadas variveis em, por exemplo, uma
linha de manufatura. Porm, no possvel dizer se tais valores so os timos para, por
exemplo, a maximizao da produtividade da linha.
Mtodos de tentativa e erro so muito cansativos, demorados e, alm disso, o resultado
encontrado pode no representar o timo. Esta limitao superada com a integrao dos
softwares de simulao com os de otimizao. Ainda segundo FU (2002) at a ultima dcada,
simulao e otimizao eram mantidas separadamente na prtica. Atualmente essa integrao
tem se mostrado bastante difundida, principalmente pelo fato de alguns pacotes de simulao
inclurem rotinas de otimizao. A Tabela 4.1 apresenta alguns softwares de otimizao, os
pacotes de simulao que esto includos e as tcnicas de otimizao utilizadas.
Software de otimizao
Pacote de simulao
Tcnica de otimizao
AutoStat
AutoMod
OptQuest
OPTIMIZ
SIMUL8
Redes neurais
SimRunner
ProModel
Optimizer
WITNESS
4.3 Funcionamento
Para FU (2002), na interao entre simulao e otimizao, a ltima deve ser vista
como uma ferramenta complementar simulao. Neste processo, a otimizao fornece as
variveis de uma possvel soluo (inputs) simulao; esta, aps todo o processo de
simulao, fornece respostas (outputs) para a situao proposta, que retornam otimizao. A
otimizao gera novas variveis, utilizando tcnicas de otimizao especficas, que sero
novamente testadas pela simulao. Este ciclo, representado na Figura 4.1, repetido at sua
parada, definida de acordo com o mtodo de otimizao utilizado. Quando o mtodo de
otimizao baseado em Algoritmos Genticos, para cada possvel soluo efetuada uma
tentativa, ou seja, um ciclo.
Definir as variveis que afetaro as respostas do modelo e que sero testadas pelo
algoritmo de otimizao. So estas variveis que tero o valor alterado a cada rodada
de simulao;
Definir a funo objetivo para avaliar as solues testadas pelo algoritmo. Na verdade,
a funo objetivo j poderia ter sido estabelecida durante a fase de projeto do estudo
de simulao. Esta funo pode ser construda tendo por base peas (entities),
equipamentos (locations), operrios (resources) entre outros, buscando minimizar,
maximizar ou fazer uso de ambos em diferentes variveis, dando inclusive pesos
diferentes para compor a funo objetivo;
Aps a concluso da busca, um analista deve estudar as solues encontradas, uma vez
que, alm da soluo tima, o algoritmo encontra vrias outras solues competitivas.
Uma boa prtica comparar todas as solues tendo como base a funo objetivo.
Capitulo 5 Aplicao_____________________________________________________47
5 Aplicao
5.1 Consideraes iniciais
Este captulo faz uma descrio da empresa onde realizado o estudo, da linha de
manufatura e do produto a ser fabricado.
O problema abordado neste trabalho consiste em dimensionar os estoques mximos
intermedirios, a quantidade mnima de mo de obra necessria e produtividade mxima da
linha. Para a obteno destas informaes foi utilizada a otimizao atravs da simulao.
Desvantagens
Baixa produtividade
Alta flexibilidade
Capitulo 5 Aplicao_____________________________________________________48
A longarina o componente estrutural de maior importncia na linha de montagem de
chassis de caminhes e nibus, apesar de no ser a de maior custo para a montadora. Sua
funo suportar todos os demais componentes da montagem do veculo. Sem a longarina
impossvel iniciar a montagem do veculo.
A Figura 5.1 mostra a ilustrao de uma longarina.
Longarinas
Capitulo 5 Aplicao_____________________________________________________49
Largura do perfil;
Comprimento;
Capitulo 5 Aplicao_____________________________________________________50
Fluxo geral
A nova linha de produo recebe quatro equipamentos principais: RF, puncionadeira,
rob para corte a plasma e a dobradeira (Anexo 2):
fundamentais para a produo de longarinas, ou seja, todo e qualquer produto a ser produzido
deve obrigatoriamente passar pelos trs primeiros processos. J a dobradeira utilizada por
apenas 10% do total produzido.
Capitulo 5 Aplicao_____________________________________________________51
Atividades e o mapofluxograma
Depois de concludo o fluxo geral de processo foram definidas as atividades de
inspeo, operao, transporte, espera e armazenamento. Com estas informaes foi possvel
montar o mapofluxograma do processo da linha de manufatura de longarinas roll form,
representado na Figura 5.3.
Capitulo 5 Aplicao________________________________________________________________________________________________52
Capitulo 5 Aplicao_____________________________________________________53
100 z s
n=
ax
sendo:
n = nmero de ciclos;
z = grau de confiana;
s = desvio padro da amostra;
a = preciso desejada;
x = mdia da amostra.
Para isso foram tomados cinco tempos e calculadas a sua mdia (x) e desvio padro
(s).
Para cada atividade foi calculado um nmero de ciclos, porm, para este estudo foi
utilizado o nmero de ciclos apresentado pela atividade de maior coeficiente de variao (s/x),
no caso igual a 30, para facilitar a coleta de dados.
Capitulo 5 Aplicao_____________________________________________________54
Aps coletados os 30 tempos de cada atividade foram calculadas as suas mdias que
podem ser vistas na Figura 5.4.
Alm disso, foi definido que os tempos de processo e os tempos de setup dos variados
produtos so praticamente os mesmos, podendo ento ser considerado somente um tempo de
processo para todos os produtos. A Figura 5.4 mostra o mapa do processo da linha de
manufatura de longarinas RF.
Capitulo 5 Aplicao_____________________________________________________55
Capitulo 5 Aplicao_____________________________________________________56
Os blanks, nome dado chapa de ao j previamente cortada em tiras de
aproximadamente dez metros, so a matria prima inicial desta linha. Eles chegam em pacotes
de aproximadamente trinta peas em caminhes e so armazenadas no estoque de matria
prima. As etapas seguintes so:
Na primeira etapa, dois operadores utilizando uma ponte rolante abastecem o RF que
tem a capacidade de armazenar at trs pacotes em sua entrada. Neste momento o
equipamento atua automaticamente, at o desabastecimento do que se chama viga
U. Novamente dois operadores utilizando uma ponte rolante movimentam uma
embalagem contendo trinta vigas para o estoque intermedirio antes da segunda
mquina ou diretamente para o ponto de alimentao do segundo equipamento, a
puncionadeira.
Depois desta etapa, mais uma vez dois operadores utilizando uma ponte rolante levam
uma embalagem de trinta longarinas para o estoque final ou, caso o produto necessite,
para a entrada da mquina de dobrar. Um operador alimenta o equipamento, opera a
mquina e retira para uma embalagem vazia. Depois de concluda a operao esta
nova embalagem retorna para o estoque, sendo movimentada por dois operadores e
uma ponte rolante.
Os operadores desta linha so responsveis pelos setups das mquinas bem como por
toda a movimentao das peas. Cabe ressaltar que esta uma linha com um alto nvel de
automatizao dos equipamentos, onde no existe quase nenhuma necessidade de interveno
dos operadores.
Capitulo 5 Aplicao_____________________________________________________57
modelo conforme o mtodo cientfico apresentado por HARREL (2000) na Figura 2.2. Na
ltima fase realizada a otimizao.
Capitulo 5 Aplicao_____________________________________________________58
Capitulo 5 Aplicao_____________________________________________________59
Capitulo 5 Aplicao_____________________________________________________60
Capitulo 5 Aplicao_____________________________________________________61
no. Contudo, para cada resource deve ter designado uma path network, ou seja, um percurso
na qual a movimentao se dar. A Figura 5.10 mostra as resources para a clula analisada.
Capitulo 5 Aplicao_____________________________________________________62
forma mais simples e a cada novo modelo uma nova complexidade foi adicionada. Desta
forma a validao do modelo final foi muito mais simples. A Tabela 5.2 demonstra as
principais modificaes entre os modelos construdos at o modelo definitivo.
Modelo
Modelo 1
Modelo 2
Modelo 3
Modelo 4
Modelo 5
Modelo 6
Modelo 7
Modelo 8
Modelo 9
Itens acrescentados
Locations
Entitie longarina
Arrivals
Processing basico (caminho da entitie)
Processing avanado
Entitie fardo de longarina
Resources movimentao
Path netword dos sistemas de movimentao
Resources operadores
Path netword dos operadores
Processing (interao dos operadores e da movimentao)
Variables
Macros
Modelo final validado
O modelo foi simulado por um perodo de vinte e quatro horas (trs turnos);
Para que a simulao representasse a linha j em ciclo foi considerada uma entrada
direta de um rack com trinta longarinas na puncionadeira;
Capitulo 5 Aplicao_____________________________________________________63
Nmero operadores
Nmero inspetores
Tamanho do buffer
Roll formadas
Estoque intermedirio
Puncionadas
Produo total
Planejado
(1 Turno no RF)
7
2
1
280
100
260
260
Simulado
(1 Turno no RF)
7
2
1
229
90
210
210
Variao
18%
10%
19%
19%
Capitulo 5 Aplicao_____________________________________________________64
Nmero operadores
Nmero inspetores
Tamanho do buffer
Roll formadas
Estoque intermedirio
Puncionadas
Produo total
Planejado
(1 Turno no RF)
7
2
1
280
100
260
260
Simulado
(1 Turno no RF)
7
2
1
280
150
270
270
Variao
0%
50%
4%
4%
5.5 Otimizao
Esta etapa do estudo busca aumentar a eficincia no consumo de recursos da clula
atravs do software SimRunner, que usa Algoritmos Evolutivos como mtodo de
otimizao. Como na simulao, a realizao de uma otimizao segue uma metodologia.
Buscando a maior produtividade da linha, sero construdos trs cenrios distintos para a
simulao, onde o equipamento RF ira funcionar em um turno, dois turnos e trs turnos.
Capitulo 5 Aplicao_____________________________________________________65
Capitulo 5 Aplicao_____________________________________________________66
buscando minimizar, maximizar ou fazer uso de ambos em diferentes variveis, dando
inclusive pesos diferentes para compor a funo.
Como este trabalho busca a otimizao da linha levando-se em conta a produtividade,
a funo objetivo foi definida como sendo a maximizao do nmero de peas produzidas e
peas puncionadas, pois alm do estoque final de peas o nmero de peas puncionadas de
fundamental importancia pois esta operao se trata de um gargalo. Porm, como todas as
empresas necessitam reduzir seus custos diretos, foi definido que a maximizao da produo
dever acontecer utilizando-se do menor nmero de operadores e inspetores possvel como
exemplifica a Figura 5.14.
Capitulo 5 Aplicao_____________________________________________________67
confiabilidade da resposta; cautions, tem uma grande populao, o que implica em maiores
tempos de processamento. Neste estudo foi utilizada a opo cautions, pois mesmo com uma
grande populao esta otimizao apresentou um tempo de aproximadamente quinze minutos,
considerado baixo.
A janela para a escolha do tamanho da populao do algoritmo apresentada na
Figura 5.15.
Capitulo 5 Aplicao_____________________________________________________68
Capitulo 5 Aplicao_____________________________________________________69
Aps a execuo da otimizao repetiu-se a simulao, agora com os valores
encontrados na otimizao, de modo a fazer uma anlise dos resultados antes e aps a
otimizao. Conforme se pode verificar na Figura 5.19 o tempo mdio em uso dos
operadores e inspetores aumentou, pois ao reduzir a sua quantidade tambm reduziu-se o
tempo ocioso mdio.
Capitulo 5 Aplicao_____________________________________________________70
alterando somente o regime de trabalho do RF. Pode-se observar na Tabela 5.5 os resultados
obtidos nas otimizaes para um, dois e trs turnos.
Nmero operadores
Nmero inspetores
Tamanho do buffer
Roll formadas
Estoque intermedirio
Puncionadas
Produo total
Planejado
(1 Turno no RF)
7
2
1
280
100
260
260
Simulado
(1 Turno no RF)
7
2
1
229
90
210
210
Otimizado
(1 Turno no RF)
2
1
1
225
120
210
210
Otimizado
(2 turnos no RF)
3
2
4
392
180
278
270
Otimizado
(3 turnos no RF)
3
2
4
533
240
278
270
O regime de dois turnos necessita de 25% menos espao para o estoque intermedirio
com relao ao regime de trs turnos;
pois apesar de ambos os regimes terem capacidades finais iguais, outros fatores como mo de
obra, rea para estoque e estoque excedente so determinantes para a escolha.
Capitulo 5 Aplicao_____________________________________________________71
5.6 Implementao
Os resultados obtidos na otimizao no proporcionaram reduo de custos imediatos,
pois a linha ainda se encontra em fase de projeto e instalao. Porm, to ou mais importante
que isto a indicao de que os custos de mo de obra sero aproximadamente 45% menores
e que o e a produtividade ser 4% maior do foi planejado pelos engenheiros da empresa.
Considerando ainda que a produtividade planejada no seja vivel, como mostrado na Tabela
5.4, pode-se concluir que a produtividade da linha ser 22% maior, o que representa uma
produo de aproximadamente 16.000 longarinas a mais que o previsto.
Utilizando estes novos valores, a empresa recalculou os custos da nova linha e
segundo informaes da rea comercial da empresa, esta nova base de custos mudar as
condies de preos dos produtos produzidos por ela, tornando a linha mais competitiva no
mercado. Vale dizer que a reduo dos custos e a maior produtividade da linha no so
consequncias de novos equipamentos, reorganizao do ou qualquer outro tipo de
investimento, mas sim de uma correo dos valores utilizados anteriormente, os quais so
agora baseados em estudos mais precisos por consequncia da utilizao da simulao e da
otimizao computacional.
Cabe ainda ressaltar que os resultados obtidos neste trabalho fizeram com que a
empresa repensasse a forma com que as anlises tcnicas de novos investimentos so feitos.
A possibilidade de se obter resultados mais precisos em suas anlises fez com que a
empresa iniciasse um estudo de viabilidade para a compra do software utilizado.
Capitulo 6 Concluso______________________________________________________72
6 Concluso
6.1 Consideraes iniciais
Este captulo apresenta as concluses obtidas e as recomendaes para futuros
trabalhos, apresentando os resultados obtidos com a aplicao das ferramentas propostas na
linha de manufatura, as contribuies fornecidas com a elaborao deste trabalho e propondo
sugestes para futuros trabalhos em aprimoramento de processos.
Fazer a melhor escolha entre os trs regimes de turno, considerando o tamanho dos
estoques, a produtividade e o nmero necessrio de operadores.
importante ressaltar que seria praticamente impossvel chegar a estas concluses
Capitulo 6 Concluso______________________________________________________73
Porm a maior contribuio deste trabalho foi a possibilidade de simular e otimizar
uma linha que ainda no existe na prtica por se tratar ainda de um projeto.
Segue abaixo outros benefcios do estudo:
Capitulo 6 Concluso______________________________________________________74
Referncias bibliogrficas____________________________________________________75
Referncias bibliogrficas
ANJARD, R. P., Process Mapping: one of three, new, special quality tools for management,
quality and all the other professionals. Microeelectrum Realiab, 1995.
BCK, Thomas; HAMMEL, Ulrich; SCHWEFEL, Hans-Paul. Evolutionary computation:
comments on the history and current state. Evolutionary Computation, April, v. 1, n. 1, p.
3-17, 1997.
BANKS, J. Introduction to simulation. Proceedings of the Winter Simulation Conference.
Atlanta, 2000.
BATEMAN, R. E.; BOWDEN, R. O. ; GOGG, T. J.; HARRELL, C. R.; MOTT, J. R. A.
System improvement using simulation. Utah: ProModel Corp., 1997
BARNES, R. M. Estudo de movimentos e de tempos: Projeto e medida do trabalho. Editora
Edgard Blucher ltda, 1986.
BRATLEY, Paul; FOX, Bennett L.; SCHRAGE, Linus E. A Guide to Simulation. New
York:Springer-Verlag, 1987.
BRYMAN, J. L. A research Methods and organization studies. London Unwin Hyman, 1989.
CARNEIRO, Mara Lcia F. Sntese Automatizada de Colunas de Destilao: uma abordagem
alternativa ao processo de projeto. Dissertao de mestrado em engenharia da informtica.
PUCRS, Porto Alegre, RS, 1996.
COELHO, L. S.; COELHO, A. A. R. Algoritmos Evolutivos em identificao e controle de
processos: uma viso integrada e perspectivas. Revista Controle & Automao, v. 10, n.
1, p. 13-30, 1999.
CUNHA, Alexandre S.; PINTO, Ricardo L. U. S. Uma tcnica para ajuste dos parmetros de
um Algoritmo Gentico. XXXIII Simpsio Brasileiro de Pesquisa Operacional, Campos
do Jordo, SP, p. 1105-1116, 2001.
DUARTE, Roberto N. Simulao computacional: Anlise de uma clula de manufatura em
lotes do setor de autopeas. Dissertao de mestrado em engenharia de produo. UNIFEI,
Itajub, MG, 2003.
DIAZ, Jos A.; PREZ, Ileana G. Simulation and optimization of sugar cane transportation in
harvest season. Proceeding of the 2000 Winter Simulation Conference, p. 1114-1117,
2000.
DIETZ, M. Outline of a successful simulation projects. Industrial Engineering, Nov., 1992
EDGAR, T. F.; HIMMELBLAU, D. M. Optimization of chemical processes. New York,
McGraw-Hill, 2001.
FERREIRA, J. C. E.; MOURA, E. B.; RIBEIRO, L. P. G. O uso da simulao para aumentar
a competncia da indstria junto ao mercado externo. XXII ENEGEP. Curitiba, outubro
2002.
Referncias bibliogrficas____________________________________________________76
FU, Michael C. Optimization for Simulation: Theory vs. Practice. Journal on Computing, vol.
14, n 3, 2002.
GLENNEY, N. E.; GERALD T. M. Modeling & Simulation Provide Key to CIM
implementation Philosophy. Industrial Engineering, may 1985.
HARREL, C. R.; BATEMAN, R. E.; GOGG, T. J.; MOTT, J. R. A. System Improvement
Using Simulation. Orem, Utah: PROMODEL Corporation. 1996.
HARREL, Charles R.; GHOSH, Biman K.; BOWDEN, Royce. Simulation Using
ProModel. McGraw-Hill, 2000.
HILLIER, F. S.; LIEBERMAN, G. J. Introduction to operations research. McGraw-Hill,
2001.
KELLNER, M. I., MADACHY, R. J., RAFFO, D. M. Software process simulation modeling:
Why? What? How?, 1998.
KLEINDORFER, George B.; ONEILL, Liam; GANESHAN, Ram. Validation in
Simulation:Various Positions in the Philosophy of Science. Management Science, Vol. 44,
n. 8, ago. 1998.
KOSTURIAK, J.; GREGOR, M. Simulation in production system life cycle. Computer in
Indutry, 38, pp. 159-172, 1999.
KUMAR, S.; PHROMMATHED, P. Improving a manufacturing process by mapping and
simulation of critical operations, 2005.
LAW, A. M.; KELTON, W. D. Simulation modeling and analysis. New York: Mc Graw-Hill,
1982.
LAW, A.; KELTON, D. Simulation modeling and analysis. New York, McGraw-Hill, 2000.
LIM, M. K.; ZHANG, Z. A mult-agent based manufacturing control strategy for responsive
manufacturing. Journal of Materials Processing Technology, 139, pp. 379-384, 2003.
NAYLOR, Thomas, H.; BALINTFY, Joseph, L.; BURDICK, Donald S.; CHU,
Kong.Tcnicas de Simulao em Computadores. So Paulo: Editora Vozes, 1971.
LOBO, Elidio C.; PORTO, Arthur Jos V. Proposta para sistematizao de estudos de
simulao. XVII Encontro Nacional de Engenharia de Produo ENEGEP. Gramado,
RS, 1997.
LOBO, E. C. Discusso, sistematizao e modelamento do processo de realizao de
estudos de simulao. Tese doutorado. So Carlos: USP, 2000.
LOPES, Heitor S. Algoritmos genticos em projetos de engenharia: aplicaes e perspectivas
futuras. IV Simpsio Brasileiro de Automao Inteligente. So Paulo, SP, p. 64-74, 1999.
MOREIRA, C. M. Estratgias de reposio de estoque em supermercados: Avaliao por
meio de simulao. Dissertao mestrado em engenharia de produo. UFSC,
Florianpolis, SC, 2001.
OPTQUEST FOR ARENA USERS GUIDE, Rockwell Software Inc., 2002.
Referncias bibliogrficas____________________________________________________77
PERSON, J. F. The impact of different levels of detail in manufacturing systems simulation
models. Robotics and Computer Integrated Manufaturing, 18, pp. 319-325, 2002.
PEREIRA, I. C. Proposta de sistematizao da simulao para fabricao em lotes.
Dissertao mestrado em engenharia de produo. UNIFEI, Itajub, MG, 2000.
PIDD, M. Five simple principles of simulation modeling. Rio de Janeiro: Workshop de
Simulao, 1997.
PIDD, M. Modelagem empresarial. Porto Alegre: Bookman, 1998.
PROMODEL USERS GUIDE. PROMODEL Corporation, 1997.
PROMODEL USERS GUIDE. ProModel Corporation, 2002.
RHOLEDER, T. R., SILVER, E. A. A tutorial on business process improvement. Journal of
Operational Management, Volume 15. Elsevier Science, 1997.
ROSA, E. B. Racionalizao da produo. Apostila do curso de Ps-Graduao
Especializao em Produtividade e Qualidade UNIFEI, 2002.
SARGENT, R. G. Validation and Verification of Simulation Models. Proceedings of the 2004
Winter Simulation Conference. R .G. Ingalls, M. D. Rossetti, J. S. Smith, and B. A.
Peters, 2004.
SAAD, S. M. The reconfiguration issues in manufacturing systems. Journal of Materials
Processing Technology, 138, pp. 277-283, 2003.
SARAMAGO, Sezimria F. Pereira. Mtodos de otimizao randmica: Algoritmos genticos
e simulated annealing. XXVI CNMAC. UFU, Uberlndia, MG, p. 1-40, 2003.
SEILA, A. F. Introduction to simulation. Proceedings of the 1995 Winter Simulation
Conference. Arlington, Virginia, United States, p. 7-15, 1995.
SILVA, Alexandre P. A. Tutorial: Genetic Algorithms. Revista Brasileira de Redes Neurais,
n. 1, v. 1, 2002.
SILVA, E. L., MENEZES, E. M. Metodoliga de pesquesa e elaborao da dissertao, 4 ed.
Ver. Atual., Florianpolis, UFSC, 2005.
SIMES, Anabela B. Transposio: estudo de um novo operador gentico inspirado
biologicamente. Dissertao de mestrado em engenharia informtica. Universidade de
Coimbra, Coimbra, Portugal, 1999.
SPPEDING, T. A, SUN, G. Q. Application of discrete event simulation to the activity based
costing of manufacturing system. International Journal Production Economics, 1998.
STAMM, Harro. Simulao industrial: uma avaliao de sua utilizao no sudeste e sul do
Brasil. Dissertao de mestrado em engenharia de produo. UFSC, Florianpolis, SC,
1998.
TANOMARU, J. Motivao, fundamentos e Aplicaes de Algoritmos Genticos. II
Congresso Brasileiro de Redes Neurais. Curitiba, PR, p. 373-403, 1995.
Referncias bibliogrficas____________________________________________________78
TAVARES, Jos A. R. Gerao de Configuraes de Sistemas Industriais com o Recurso
Tecnologia das Restries e Computao Evolucionria. Tese de doutorado em
Informtica. Universidade de Minho, Braga, Portugal, 2000.
VILLELA, C. S. S. Mapeamento do processo como ferramenta de reestruturao e
aprendizagem organizacional. Dissertao de mestrado. UFSC. Santa Catarina, 2000.
ANEXO 1
Programao do modelo no Promodel
********************************************************************************
*
C:\ProMod4\models\rollform32.MOD
*
*
********************************************************************************
Time Units:
Minutes
Distance Units:
Meters
********************************************************************************
*
Locations
********************************************************************************
Name
Cap
Units Stats
Rules
Cost
puncionadeira
qtd_puncionadeira 1
corte_plasma
qtd_corte
bending
entrada_roll_form
saida_roll_form
entrada_corte
qtd_corte
saida_corte
entrada_puncionadeira
qtd_puncionadeira 1
buffer_roll_form
estoque_inicial_blanks
999
estoque_puncionadeira
999
estoque_longarina
999
esteria_descarga_roll_form 60
esteria_puncionadeira
qtd_puncionadeira 1
entrada_bend
saida_bend
30
saida_punc
buffer_saida_punc
qtd_buffer_punc
pos_saida_corte
30
********************************************************************************
*
Entities
********************************************************************************
Name
Speed (mpm)
Stats
Cost
Time Series
longarina_1
Time Series
50
********************************************************************************
*
Path Networks
********************************************************************************
Name
Type
T/S
From
To
BI
Dist/Time
Speed Factor
Crane
Rail1End
BridgeEnd Rail2End
kbk_roll_saida
Crane
Uni
BridgeEnd Uni
Rail1End
Uni
Uni
Origin
BridgeEnd Uni
BridgeEnd Rail2End
caminho_ponte_rolante
Crane
Rail1End
BridgeEnd Uni
BridgeEnd Rail2End
kbk_puncionadeira_entrada Crane
Rail1End
kbk_saida_corte
Passing
Crane
N2
Bi
53
N2
N3
Bi
13
N2
N5
Bi
N1
N4
Bi
23
N1
N6
Bi
N4
N7
Bi
20
Rail1End
Uni
BridgeEnd Uni
BridgeEnd Rail2End
Crane
Rail1End
Passing
Uni
Uni
BridgeEnd Uni
BridgeEnd Rail2End
NET_OPERADOR
Uni
Origin
kbk_bending
Uni
Uni
BridgeEnd Uni
BridgeEnd Rail2End
net_inspecao
Uni
Uni
Uni
N2
Bi
13
N2
N3
Bi
10
N3
N4
Bi
13
N5
N6
Bi
N5
N7
Bi
38
N7
N8
Bi
N4
N11
Bi
N11
N5
Bi
N11
N12
Bi
20
N12
N13
Bi
14
N13
N14
Bi
N9
N10
Bi
13
N10
N15
Bi
N15
N16
Bi
N13
N10
Bi
11
N8
N17
Bi
15
N17
N9
Bi
20
N2
N18
Bi
N3
N19
Bi
N4
N20
Bi
N5
N21
Bi
N8
N22
Bi
N2
N23
Bi
20
********************************************************************************
*
Interfaces
********************************************************************************
Net
Node
Location
Coords (R,B)
N1
buffer_roll_form
5.74, 6.60
N2
entrada_roll_form
1.52, 6.60
N1
saida_roll_form
1.55, 6.20
N2
N1
estoque_inicial_blanks
9.12, 13.24
N2
buffer_roll_form
33.62, 8.68
N4
esteria_puncionadeira
74.53, 9.47
N6
estoque_longarina
93.24, 18.95
N3
N7
estoque_puncionadeira
64.49, 16.61
N9
entrada_bend
76.55, 14.67
N10
saida_bend
76.60, 16.67
N8
pos_saida_corte
102.02, 7.59
kbk_puncionadeira_entrada N1
esteria_puncionadeira
5.64, 6.72
N2
entrada_puncionadeira
11.59, 6.94
net_inspecao
kbk_saida_corte
kbk_bending
NET_OPERADOR
N3
saida_corte
N6
saida_roll_form
N5
saida_punc
N1
corte_plasma
2.47, 6.83
N2
saida_corte
6.98, 7.49
N1
entrada_bend
9.67, 6.76
N3
saida_bend
5.67, 7.01
N2
bending
3.40, 6.86
N1
estoque_inicial_blanks
N6
esteria_puncionadeira
N6
entrada_puncionadeira
N9
estoque_longarina
N16
puncionadeira
N15
saida_bend
N15
entrada_bend
N18
buffer_roll_form
N19
roll_form
N20
esteria_descarga_roll_form
N21
estoque_puncionadeira
N22
corte_plasma
N15
bending
N22
pos_saida_corte
N22
saida_corte
********************************************************************************
*
Resources
********************************************************************************
Name
Units
Stats
Res
Ent
Search
Search Path
Motion
Cost
By Unit
Home: N1
(Return)
Pickup: 2 Seconds
Deposit: 2 Seconds
talha_roll_saida
By Unit
(Return)
Pickup: 2 Seconds
Deposit: 2 Seconds
ponte_rolante
By Unit
talha_puncionadeira_entrada 1
By Unit
(Return)
Pickup: 5 Seconds
Deposit: 5 Seconds
inspetor
qtd_inspetor By Unit
talha_saida_corte
By Unit
Empty: 50 mpm
Full: 50 mpm
Empty: 40,40 mpm
Full: 40,40 mpm
(Return)
Pickup: 5 Seconds
Deposit: 5 Seconds
talha_bending
By Unit
(Return)
Pickup: 5 Seconds
Deposit: 5 Seconds
OPER
qtd_oper
By Unit
Empty: 50 mpm
Full: 50 mpm
********************************************************************************
*
Processing
********************************************************************************
Process
Entity
Location
Operation
Routing
Blk
Output
Destination
Rule
Move Logic
------------
fardo_blank_1 estoque_inicial_blanks
fardo_blank_1 buffer_roll_form
FIRST 1
fardo_blank_1 buffer_roll_form
longarina_1
entrada_roll_form
FIRST 30
GRAPHIC 3
MOVE WITH talha_roll_entrada
THEN FREE
longarina_1
entrada_roll_form
longarina_1
roll_form
FIRST 1
INC cap_roll_form, 1
MOVE FOR .15
longarina_1
roll_form
INC roll_inspecao, 1
IF roll_inspecao = 30 THEN
BEGIN
GET oper
WAIT 3
tempo_roll_form
GRAPHIC 1
INC roladas, 1
FREE ALL
END
ELSE
BEGIN
tempo_roll_form
GRAPHIC 1
INC roladas, 1
END
longarina_1
saida_roll_form
longarina_1
saida_roll_form
DEC cap_roll_form, 1
IF roll_inspecao = 30 OR roll_inspecao = 0 THEN
BEGIN
roll_inspecao = 0
GET inspetor
WAIT 15
FREE ALL
END
ELSE
BEGIN
FIRST 1
END
longarina_1
esteria_descarga_roll_form EMPTY 1
THEN FREE
longarina_1
esteria_descarga_roll_form COMBINE 30
GRAPHIC 2
1
longarina_1
estoque_puncionadeira
FIRST 1
longarina_1
estoque_puncionadeira
INC est_roll, 30
IF est_roll_max < est_roll THEN
BEGIN
est_roll_max = est_roll
END
ELSE
BEGIN
END
longarina_1
esteria_puncionadeira
FIRST 1
DEC est_roll, 30
GET ponte_rolante AND 2 oper
MOVE WITH ponte_rolante
FREE ALL
longarina_1
esteria_puncionadeira
longarina_1
entrada_puncionadeira
FIRST 30
GRAPHIC 1
GET
longarina_1
entrada_puncionadeira
longarina_1
puncionadeira
FIRST 1
INC cap_punc, 1
MOVE FOR .15
longarina_1
puncionadeira
INC punc_inspecao, 1
IF punc_inspecao = 30 THEN
BEGIN
GET oper
WAIT 3
tempo_puncionadeira
FREE ALL
INC puncionadas, 1
END
ELSE
BEGIN
tempo_puncionadeira
INC puncionadas, 1
END
1
longarina_1
saida_punc
longarina_1
saida_punc
FIRST 1
DEC cap_punc, 1
IF punc_inspecao = 30 OR punc_inspecao = 0 THEN
BEGIN
punc_inspecao = 0
GET inspetor
WAIT 15
FREE ALL
END
ELSE
BEGIN
END
longarina_1
buffer_saida_punc
longarina_1
entrada_corte
1
1
longarina_1
buffer_saida_punc
FIRST 1
longarina_1
entrada_corte
FIRST 1
longarina_1
corte_plasma
FIRST 1
INC cap_corte, 1
corte_plasma
INC corte_inspecao, 1
IF corte_inspecao = 30 THEN
BEGIN
GET oper
WAIT 3
tempo_corte
FREE ALL
INC cortadas, 1
END
ELSE
BEGIN
tempo_corte
INC cortadas, 1
END
longarina_1
saida_corte
EMPTY 1
oper
MOVE WITH talha_saida_corte
FREE ALL
longarina_1
saida_corte
DEC cap_corte, 1
IF corte_inspecao = 30 OR corte_inspecao = 0
THEN
BEGIN
corte_inspecao = 0
GET inspetor
WAIT 15
FREE ALL
END
ELSE
BEGIN
END
longarina_1
pos_saida_corte
longarina_1
COMBINE 30
GRAPHIC 2
INC CONTADOR_ESTOQUE_FINAL, 1
IF CONTADOR_ESTOQUE_FINAL = 4 THEN
BEGIN
ROUTE 2
pos_saida_corte
FIRST 1
MOVE
CONTADOR_ESTOQUE_FINAL = 0
END
ELSE
BEGIN
ROUTE 1
END
longarina_1
estoque_longarina
FIRST 1
oper
MOVE WITH ponte_rolante
FREE ALL
INC est_long, 30
LOG "Ciclo Total",
ciclo_total
LOG "Ciclo Puncionadeira",
ciclo_puncionadeira
longarina_1
entrada_bend
FIRST 1
CONTADOR_ENTRADA_BEND = 1
GET ponte_rolante AND 2 oper
MOVE WITH ponte_rolante
FREE ALL
INC est_long, 30
longarina_1
estoque_longarina
longarina_1
entrada_bend
WAIT 9000
longarina_1
EXIT
FIRST 1
longarina_1
bending
FIRST 30
GRAPHIC 1
GET talha_bending AND oper
MOVE WITH talha_bending
FREE ALL
longarina_1
bending
INC bend_inspecao, 1
IF bend_inspecao = 30 THEN
BEGIN
GET oper
WAIT 3
tempo_bend
FREE ALL
END
ELSE
BEGIN
tempo_bend
END
longarina_1
saida_bend
FIRST 1
longarina_1
saida_bend
COMBINE 30
GRAPHIC 2
longarina_1
estoque_longarina
FIRST 1
********************************************************************************
*
Arrivals
********************************************************************************
Entity
Location
Qty each
Logic
esteria_puncionadeira
999
GRAPHIC 2
INC roladas, 30
********************************************************************************
*
Shift Assignments
********************************************************************************
Locations
Resources
Shift Files
Priorities
Disable Logic
talha_roll_entrada
No
No
talha_roll_saida
ponte_rolante
talha_puncionadeira_entrada
inspetor
OPER
talha_bending
talha_saida_corte
********************************************************************************
*
Attributes
********************************************************************************
ID
Type
Classification
Real
Entity
ciclo_puncionadeira Real
Entity
ciclo_saida
Entity
Real
********************************************************************************
*
Variables (global)
********************************************************************************
ID
Type
Integer
Time Series
cap_bend
Integer
Time Series
cap_roll_form
Integer
Time Series
cap_punc
Integer
Time Series
est_long
Integer
Time Series
cortadas
Integer
Time Series
est_roll_max
Integer
Time Series
roladas
Integer
Time Series
roll_inspecao
Integer
-1
Time Series
punc_inspecao
Integer
-1
Time Series
corte_inspecao
Integer
-1
Time Series
CONTADOR_ESTOQUE_FINAL Integer
Time Series
CONTADOR_ENTRADA_BEND
Integer
Time Series
cap_corte
Integer
Time Series
bend_inspecao
Integer
-1
Time Series
puncionadas
Integer
Time Series
********************************************************************************
*
Arrays
********************************************************************************
ID
Dimensions
Type
Integer
********************************************************************************
*
Macros
********************************************************************************
ID
Text
------------------------ -----------tempo_roll_form
WAIT 1.5
tempo_puncionadeira
WAIT 3.5
tempo_corte
WAIT 1.5
tempo_bend
WAIT 3
qtd_roll_form
qtd_puncionadeira
qtd_corte
qtd_bend
qtd_inspetor
qtd_oper
qtd_buffer_punc
********************************************************************************
*
External Files
********************************************************************************
ID
Type
File Name
Prompt
Shift
(null)
Shift
ANEXO 2
Equipamentos da linha de manufatura estudada
ROLL FORM
PUNCIONADEIRA
CORTE A PLASMA
DOBRADEIRA