ESTUDO DE CASO DE PROGRAMAO DA

PRODUO UTILIZANDO UM MODELO HBRIDO

DE MRP E KANBAN
Juliano Bianchini1
Gilsiley Henrique Daru2

Resumo
Este trabalho tem o objetivo de apresentar os resultados, obtidos atravs de simulaes
executadas no software Arena, do uso de um modelo hbrido de MRP e Kanban. O estudo foi
aplicado na indstria de equipamentos eletrnicos para automao industrial, onde o
processo produtivo baseado no mtodo de manufatura puxada com Kanban e o processo de
compra de matria-prima baseado no mtodo de manufatura empurrada com MRP. A
simulao demonstra como o planejamento das compras de matria-prima influencia nos
nveis de estoque e no atendimento ao cliente.

Palavras-chave: Programao da produo. Administrao da Produo. Kanban. Material

Resource Planning. MRP. Pesquisa Operacional. Manufatura Enxuta. Manufatura Puxada.
Manufatura Empurrada. Arena. Simulao.

1 INTRODUO
Cada vez mais o mercado vem exigindo que as empresas sejam competitivas. Do
ponto de vista dos clientes, isso se traduz em (CORRA, GIANESI E CAON, 2000, p. 6):
Reduzir os custos de produo e, consequentemente, o preo de venda;
Reduzir o tempo de entrega dos produtos;
Cumprir datas prometidas;
Ser flexvel de forma a atender as particularidades do cliente;
Produzir com qualidade;
Disponibilizar bons servios de ps-vendas;
Alm disso, exigido das empresas de capital aberto, altos nveis de lucratividade. Do
ponto de vista do acionista, isso se traduz em aumento dos lucros.
Neste cenrio, planejar, programar e controlar a produo uma das tarefas mais
importantes. Essa tarefa consiste em entender como a situao presente e a viso de futuro
influenciam nas decises tomadas no momento atual de forma que se atinga os objetivos no
futuro (CORRA, GIANESI E CAON, 2000, p. 17). Sendo assim, o planejamento da
produo influencia diretamente a competitividade e lucratividade da empresa.
A literatura apresenta alguns mtodos de planejamento da produo. Entre eles esto a
manufatura empurrada e a manufatura puxada. Alguns autores defendem uma ou outra. H
outros, como Corra, Gianesi e Caon (2000) e Nazareno (2008) que demonstram como
1
2

Especialista em Engenharia de Produo. E-mail: jbianchini2001@gmail.com

Mestre em Programao Matemtica. E-mail: ghdaru@gmail.com

2
harmonizar as duas, num modelo hbrido, de forma que se aproveite o melhor que cada uma
tem a oferecer.
Neste sentido, este artigo apresenta os resultados da simulao, no software Arena, de
um processo produtivo da indstria de equipamentos para automao industrial, onde o
planejamento da produo feito de forma hbrida com o uso do MRP (Material Resource
Planning) e do Kanban. O objetivo da simulao demonstrar como as compras de matriaprima, feitas por MRP baseado em previso, influenciam nos nveis de estoque e no
atendimento ao cliente (nvel de servio).

2 PLANEJAMENTO, PROGRAMAO E CONTROLE DA PRODUO

A administrao da produo a rea da engenharia da produo que apoia tomadas
de deciso, tticas e operacionais, no que diz respeito a o que, quanto, quando produzir e
comprar e com quais recursos. Corra, Gianesi e Caon (2000, p. 2) explicam que a
adimistrao da produo deve apoiar a organizao nas tomadas de deciso logsticas de
modo a:
Planejar as necessidades de mo-de-obra futuras;
Planejar a compra de matrias-primas;
Planejar e controlar os nveis de estoque de matrias-primas, produtos semi-acabados e
produtos acados;
Programar as atividades de produo de forma que os recursos (materiais e mo-deobra) sejam utilizados no momento certo e na quantidade certa;
Ter o controle do processo produtivo de forma, a saber, como est a situao corrente:
o que est sendo produzido (quais as ordens de produo) de cada produto e quais
recursos humanos esto sendo utilizados;
Prometer e cumprir os prazos;
Reagir eficazmente.
Sendo assim, como j dito, planejar a produo significa entender como a situao
presente e a viso de futuro influenciam nas decises tomadas no momento presente a fim de
atingir determinados objetivos no futuro. Segundo Corra, Gianesi e Caon (2000, p. 17),
alguns aspectos devem ser considerados no processo de planejamento, nesta ordem:
Um bom processo de planejamento depende de uma viso adequada do futuro, onde
esta pode depender de sistemas de previso eficazes;
necessrio o conhecimento fiel da situao atual;
Um bom modelo lgico, que transforme a situao atual e a viso de futuro em boas
decises no presente, tambm deve ser definido;
Por fim, para que haja um bom processo decisrio com base no planejamento,
imprescindvel definir objetivos claros e tangveis.
Neste contexto, o Planejamento, Programao e Controle da Produo (PPCP) a
funo administrativa que planeja, controla e orienta as atividades industriais de forma que os
produtos sejam manufaturados e as metas da empresa sejam atingidas. Mais especificamente,
as seguintes funes podem ser atribudas ao PPCP (NAZARENO, 2008, p. 51):
Previso de demanda;
Planejamento agregado;
Programao mestra;
Planejamento de capacidade;
Planejamento de materiais;
Emisso de ordens;

3
Programao e controle da produo.
Existem vrios mtodos de planejamento da produo, entretanto, ser destacado o
mtodo de puxar e o mtodo de empurrar. Segundo Ohno (1997, p. 19), a definio para cada
um deles a seguinte:
[...] No mtodo empurrar, utilizado amplamente nas indstrias, a quantidade
planejada de produo determinada pelas previses de demanda e pelos estoques
disponveis; perodos sucessivos de produo so determinados a partir de
informaes padronizadas, preparadas em determinadas ocasies para cada passo; o
produto ento produzido seqencialmente desde o passo um. No sistema puxado, o
processo final retira as quantidades necessrias do processo precedente num
determinado momento, e este procedimento repetido na ordem inversa passando
por todos os processos anteriores.

De acordo com Corra, Gianesi e Caon (2000, p. 384), vrias empresas consideram a
utilizao hbrida dos mtodos puxado e empurrado. Neste modelo, o mtodo empurrado
utilizado para o planejamento futuro de mdio e longo prazo, sendo responsvel pela gesto
(planejamento e controle) de matrias-primas e componentes (materiais semi-elaborados). A
gesto detalhada (programao de curto prazo e controle) de fbrica ficaria ento por conta do
mtodo puxado. A seguir, ser dissertado sobre a manufatura empurrada e a manufatura
puxada.

2.1 MANUFATURA EMPURRADA E O MRP (MATERIAL RESOUCE PLANNING)

Moreira (1993, apud NAZARENO, 2008, p. 47) afirma que o MRP, sigla para
Material Resource Planning, ou Planejamento das Necessidades de Material um mtodo de
produo empurrada, pois a partir da quantidade e data desejadas de um produto final faz-se a
programao de seus componentes, levando em conta o tempo de atravessamento (Lead
Time), atravs da exploso de sua lista tcnica. Ainda, Martins e Campos (2000, p. 97)
complementam que o MRP determina tambm as necessidades de compra das matriasprimas utilizadas no processo produtivo.
Em outras palavras, em um sistema MRP, cada centro de trabalho empurra o produto
para o prximo centro de trabalho sem levar em considerao se o centro de trabalho seguinte
pode utiliz-lo. Neste sistema comum a existncia de ociosidade, estoques intemedirios e
filas (SLACK, 1999 apud NAZARENO, 2008, p. 47). A grande vocao deste mtodo a de
lidar com produtos de estruturas complexas e grande variedade de itens, por permitirem um
planejamento detalhado e antecipado das necessidades de materiais (NAZARENO, 2008, p.
24).
2.2 MANUFATURA PUXADA E KANBAN
O sistema Kanban o mtodo de operao do Sistema Toyota de Produo (OHNO,
1997, p. 37) que limita o estoque de materiais em transformao na linha de produo e
controla o reabastecimento dos mesmos atravs de cartes. Ao contrrio do MRP, neste
sistema elimina-se a necessidade de se programar todas as operaes do processo produtivo.
O que e quanto fazer passam a ser decises dos operadores, usando os Kanbans que conectam
e controlam as operaes atravs do processo produtivo. Segundo Nazareno (2008, p. 48),
este um dos benefcios da manufatura puxada, isto , a transferncia da responsabilidade da
programao diria do cho de fbrica para os operadores, eliminando-se, desta forma, a
necessidade de um programador para fazer esta tarefa.
As principais vantagens da utilizao deste mtodo so (GAURY et al., 2000 apud
NAZARENO, 2008, p. 64):

4
Ausncia de estoque de material em processo;
Aumento da produtividade atravs da melhor utilizao dos meios de
produo;
Reduo dos tempos de atravessamento (Lead Time) de entrega dos produtos;
Possibilita a reduo da existncia de estoque de produtos finais;
Menor ocupao de espaos fsicos para armazenamento de produtos.
Segundo Daru (2005, p. 20), a grande desvantagem deste mtodo o aspecto
perfeccionista do mesmo, pois a implantao requer doutrina e atitude preventiva.
Existem cinco regras que devem ser seguidas para que o Kanban funcione
(MONDEN, 1998 apud NAZARENO, 2008, p. 65):
Regra 1: Um processo deve retirar produtos, do seu processo imediatamente
anterior, na quantidade necessria e no momento correto;
Regra 2: O processo que sofreu a retirada deve apenas produzir a quantidade
retirada, nem mais, nem menos;
Regra 3: Produtos com defeito no podem ser passados adiante;
Regra 4: O nmero de Kanbans deve ser o menor possvel;
Regra 5: O Kanban deve ser dimensionado para suportar pequenas variaes
na demanda.
Geralmente os Kanbans so determinados aps a elaborao do Mapa de Fluxo de
Valor (MFV). De acordo com Rother e Shook (2003, p. 3), um MFV a descrio das aes
necessrias (que agregam ou no valor) para trazer um produto por todos os fluxos essenciais
de produo. O mapeamento consiste em trs fases distintas partindo, na maioria das vezes, de
uma famlia de produtos. Conforme mostrado na figura 2.1, o mapeamento comea pelo
desenho do estado atual, a partir deste desenho gerado o desenho do estado futuro e, por
ltimo, elaborado o plano de trabalho para se chegar ao estado futuro.

Famlia de produtos

Desenho do estado atual

Desenho do estado futuro

Plano de trabalho e
implementao

Figura 2.1 Etapas inciais do Mapeamento de Fluxo de Valor

Fonte: Adaptado de Rother e Shook (2003, p. 9).

Algumas mtricas so utilizadas para medir os processos dentro dos conceitos de

manufatura enxuta e que so importantes para dimensionar os Kanbans. Entre elas esto
(ROTHER e SHOOK, 2003, p. 21 e 44):
Tempo de Ciclo (T/C): representa a freqncia com que uma pea ou produto
realmente completado em um processo. Tambm pode representar o tempo
que um operador leva para percorrer todos os elementos de trabalho antes de
repeti-los outra vez;
Tempo de Agregao de Valor (TAV): expressa o tempo dos elementos de
trabalho que efetivamente transformam o produto de uma maneira que o cliente
est disposto a pagar;

5
Lead Time (L/T): expressa o tempo que uma pea leva para mover-se ao longo
de todo um processo ou fluxo de valor, desde o comeo at o fim. Em outras
palavras, o tempo que se leva para deixar um produto pronto para entregar
para o cliente;
Takt Time (Takt): define a freqncia que se deve produzir um produto,
baseado no ritmo de vendas, de forma a atender a demanda dos clientes.
Porm, h uma necessidade de revisar ciclicamente estas variveis. Para este
procedimento utiliza-se a previso de vendas (DARU, 2010).

3 MODELAGEM E SIMULAO DE SISTEMAS

Santos (2010, p. 141, grifo nosso) diz que a simulao a imitao, durante
determinado perodo de tempo, da operao de um sistema ou de um processo do mundo
real. O comportamento do sistema estudado pela construo de um Modelo de Simulao.
Este modelo leva em considerao um conjunto de operaes do sistema. Estas consideraes
so expressas atravs de relaes matemticas, lgicas e simblicas entre as entidades
pertencentes ao sistema.
Segundo Filho (2001, p. 11), entre as vantagens de simular sistemas esto:
1. Uma vez criado, o modelo simulado pode ser executado inmeras vezes a fim
de avaliar diversas propostas;
2. A metodologia de anlise utilizada na simulao permite a avaliao de um
sistema proposto, mesmo que os dados de entrada ainda estejam parcialmente
definidos;
3. Geralmente mais fcil simular do que aplicar mtodos analticos;
4. Modelos analticos requerem um nmero muito grande de simplificaes para
torn-los matematicamente viveis. J a simulao no apresenta tal restrio;
5. O nvel de detalhamento de uma simulao pode ficar muito prximo do real,
desta forma, novas polticas e procedimentos operacionais, regras de deciso,
fluxos de informao, entre outros, podem ser implementados sem que o
sistema real seja modificado;
6. Hipteses podem ser testadas;
7. O tempo de simulao pode ser controlado;
8. possvel compreender melhor quais as variveis so as mais importantes em
relao ao desempenho e como as mesmas interagem entre si e com os outros
elementos do sistema;
9. Pontos crticos do sistema (gargalos) podem ser facilmente identificados,
principalmente com a utilizao dos recursos visuais;
10. A simulao mostra como realmente um sistema funciona em oposio
maneira como muitos pensam que o mesmo opera;
11. uma ferramenta que pode ajudar a elucidar situaes onde se tem pouco
conhecimento e experincia, isto , questes do tipo o que aconteceria se
podem ser respondidas.
Ainda Filho (2001, p. 12), aponta as seguintes dificuldades no uso da simulao:
1. Para construir os modelos de simulao necessrio treinamento especial.
Alm do mais, um processo que envolve arte e, por isso, o aprendizado se d
ao longo do tempo;
2. Os resultados gerados por uma simulao so, por muitas vezes, de difcil
interpretao;

6
3. A modelagem e a experimentao utilizadas na simulao consomem muitos
recursos, principalmente de tempo. As tentativas de simplificao na
modelagem ou nos experimentos, a fim de economizar recursos, costumam
levar a resultados insatisfatrios.
Um estudo envolvendo modelagem e simulao deve ser estruturado e geralmente
passa por quatro etapas, conforme descrito logo abaixo (FILHO, 2001, p. 13):
1. Planejamento: procura formular e analisar o problema, coletar informaes
sobre o sistema atual e futuro, criar um modelo conceitual, alm planejar todas
as etapas que se sucedem;
2. Modelagem: procura coletar os dados que fazem parte da simulao, traduz o
modelo conceitual para o modelo de simulao. Verifica e valida o modelo de
simulao;
3. Experimentao: consiste em executar o modelo criado e avaliar os dados
gerados;
4. Tomada de deciso e concluso da simulao.
A figura 3.1 resume as etapas e atividades envolvidas na modelagem e simulao de
sistemas.

Figura 3.1 Passos em um estudo envolvendo modelagem e simulao

Fonte: Adaptado de Filho (2001, p. 15).

Prado (2003, p. 18) explica que, a partir da dcada de 60, surgiram as primeiras
linguagens de simulao. A simulao visual passou a ser usada a partir da dcada de 80
devido ao maior poder de processamento dos microcomputadores e teve maior aceitao
devido facilidade de utilizao. Entre as linguagens mundialmente conhecidas esto
(PRADO, 2003, p. 19): GPSS, GASP, SIMSCRIPT, SIMAN, ARENA, PROMODEL,
AUTOMOD, TAYLOR, etc. O prximo tpico trata sobre softwares de simulao.
3.1 SOFTWARES DE SIMULAO
De acordo com Prado (2003, p. 22), o conceito mais aceito de simulao com o uso de
computador que a simulao : uma tcnica para soluo de problemas atravs da anlise de
um modelo que descreve o comportamento do sistema usando um computador digital. Cada
software de simulao possui uma forma de ver o mundo. Esta forma de ver o mundo que
determina como os dados sero fornecidos a cada software e como este apresenta os
resultados.

7
3.1.1 Software Arena
Segundo Prado (2003, p. 25), o software Arena foi lanado, em 1993, pela empresa
americana System Modeling, sendo o sucessor de dois outros softwares: SIMAN (primeiro
software de simulao para computadores pessoais) e o CINEMA (primeiro software de
animao para computadores pessoais). Em 1998 a empresa Rockwell Software incorporou a
Systems Modeling.
O modo de ver o mundo do software Arena formado por conjuntos de estaes de
trabalho que prestam servios a entidades que se movem atravs do sistema. O movimento
pode ser feito pela prpria entidade, por meios de transporte ou correias. A figura 3.2 mostra
um exemplo de modelagem de entidades e o fluxo entre estas entidades.

Figura 3.2 Modelagem de estaes de trabalho e o fluxo entre elas

Fonte: Adaptado de Prado (2003, p. 27).

O software Arena distribudo nas seguintes verses (PRADO, 2003, p. 301):

Training/Evaluation (Student): possui uma limitada capacidade de
modelagem e simulao. Se os limites impostos por esta verso forem
extrapolados, o software no salva o projeto ou pra o processo de
simulao;
Academic: possui capacidade um pouco superior a anterior;
Standard: disponibiliza todas as funes do software sem limite algum;
Professional: o que difere da verso Standard que esta permite a criao
de templates (modelos) que podem ser utilizados em diversos processos de
simulao.

4 ESTUDO DE CASO
4.1 CARACTERSTICAS DO ESTUDO DE CASO
O estudo de caso foi aplicado no processo produtivo de inversores de freqncia de
uma determinada famlia de produtos. Os inversores de freqncia so produtos
caractersticos da indstria de equipamentos eletrnicos para automao industrial. Esta
famlia de produtos planejada utilizando-se como base a previso de vendas para a compra
de matria-prima e redimensionamento das variveis da manufatura enxuta.
4.1.1 Mapa de fluxo de valor do modelo atual
Na figura 4.1 mostrada, de forma simplificada, uma viso multinvel da lista tcnica
dos produtos desta famlia. O modelo conceitual do processo produtivo mostrado na figura
4.2.

Figura 4.1 Viso geral da lista tcnica de produto

A produo de inversores feita em duas etapas principais. Na primeira, alguns
componentes eletrnicos comprados, incluindo um mdulo de potncia, so montados sobre
uma placa de circuito integrado que, depois de feita a montagem, recebe o nome de carto
eletrnico. Na segunda etapa, este carto eletrnico montado em uma estrutura e, a esta,
agrupada outros componentes que resultam no inversor de freqncia propriamente dito
(figura 4.1).
Previso
+4 meses

Fornecedor

Uma vez
por ms

o
*
]
Supermercado
de mdulos de
pontncia

Planejamento e
controle da produo

Ordens dirias

n
Montagem de
cartes

Pedidos dirios

Ordens dirias

]
Supermercado
de cartes

n
Montagem de
inversores

T/C (s) =34.714

T/C (s) =21.276

2 turnos
Disponibilidade
= 80%

2 turnos
Disponibilidade
= 80%

Clientes

o
*

Diariamente

]
Supermercado
de inversores

Figura 4.2 Mapa do processo atual

A compra dos mdulos de potncia feita atravs de previses, via MRP, e enviadas
mensalmente ao fornecedor prevendo o consumo dos prximos quatro meses. Estes mdulos
de potncia so importados e, devido ao longo tempo de transporte entre o fornecedor e a
fbrica, feita a previso de quatro meses para frente (figura 4.2).
Diariamente ordens de produo so liberadas com base nas vendas realizadas. Estas
ordens visam (a) atender o supermercado de inversores ou (b) produzir inversores sob
encomenda. Isto provoca uma reduo dos nveis de estoque nos supermercados a montante.
Realizando, desta forma, a puxada no prximo nvel. Por conseguinte, este provoca uma
reduo dos nveis de matria-prima que, a partir da previso, foram estimados quatro meses
antes (figura 4.2).
4.2 MODELAGEM DA SIMULAO
4.2.1 Traduo do modelo conceitual para o modelo de simulao no software Arena
Conforme mencionado anteriormente, a forma como o software Arena v o mundo
formado por conjuntos de estaes de trabalho que prestam servios a entidades que se
movem atravs do sistema. Isso, em sua essncia, remete a um modelo empurrado, pois para

9
que uma estao de trabalho preste um servio, necessrio que haja uma entidade
requisitando o mesmo. To logo este servio seja prestado, a entidade remetida para
prxima estao de trabalho que executar o servio que a mesma foi designada e assim
sucessivamente. Esta caracterstica do software trouxe um desafio adicional na traduo do
modelo conceitual para o modelo de simulao: modelar um processo puxado numa
ferramenta que essencialmente modela processos empurrados.
A transformao do modelo conceitual para o modelo de simulao foi divida em
quatro conjuntos lgicos que possuem caractersticas e funes distintas: (1) controle dos
pedidos de clientes, (2) controle da produo, (3) controle do fornecimento de matria-prima e
(4) controle dos Kanbans. Os benefcios desta diviso foram percebidos no s no processo de
transformao, isto , nas etapas de planejamento, modelagem e experimentao, mas tambm
na validao e entendimento dos resultados obtidos com a simulao. Em seguida ser
explicada a funo de cada conjunto do modelo de simulao.
Na figura 4.3 mostrado o modelo que simula o processo de pedidos dos clientes.
Neste modelo, uma entidade chamada Cliente gera os pedidos atravs de uma funo de
demanda. Para cada pedido verificado se existe estoque disponvel para atend-lo. Caso haja
estoque, um sinal de entrega liberado para o processo logstico efetuar a entrega e o
indicador de pedidos entregues atualizado. Caso contrrio, apenas o indicador de pedidos
no entregues atualizado.

Figura 4.3 Modelo de Simulao Pedidos de clientes

Na figura 4.4 mostrado o modelo que simula o processo de produo de cartes
eletrnicos e inversores. O quadro mais a direita (identificado pela letra A) representa o
supermercado de inversores. A entrega dos inversores aos pedidos de cliente (oriundos do
processo mostrado na figura 4.3) gera um sinal para o processo de expedio (entrega) de
inversores e, tambm, para o processo de controle de Kanbans (mostrado na figura 4.5) para
repor o supermercado. Este ltimo aciona a produo de inversores se o nvel de estoque
mnimo, definido no Kanban, atingido.
A montagem de inversores executada pelo processo mostrado no quadro B. Neste
quadro simulado o tempo total de produo do inversor. Depois de passado o tempo de
produo, o inversor enviado ao supermercado de inversores. O quadro C da figura 4.4
simula o supermercado de cartes eletrnicos utilizados na produo de inversores. Ao
produzir um inversor (quadro B), consumido um carto eletrnico do supermercado e um
sinal de controle enviado para o processo de controle de Kanbans (Figura 4.5). Este, por sua
vez, verifica se necessrio disparar a produo de cartes eletrnicos (quatro D). No quadro
D simulado o tempo total de produo do carto eletrnico. Uma vez produzido, o carto
enviado para o supermercado de cartes eletrnicos (quadro C).
Toda produo de carto eletrnico retira um mdulo de potncia do almoxarifado
(quadro E). Este mdulo de potncia comprado e o processo de reabastecimento do mesmo,
no almoxarifado, simulado pelo processo mostrado na figura 4.6.

10

Figura 4.4 Modelo de Simulao Processo de produo

Na figura 4.5 mostrado o processo de controle dos nveis de estoque dos
supermercados do processo produtivo. Este controle feito por Kanban. Este processo
auxiliar recebe um sinal dos supermercados toda vez que h uma retirada. Com isso,
avaliado o nvel de estoque dos mesmos com as definies do Kanban elaboradas para cada
um dos supermercados e, se for necessrio, dispara um sinal de reabastecimento (ordem de
produo) para o fornecedor do respectivo supermercado.

Figura 4.5 Modelo de Simulao Processo de controle dos Kanbans do processo produtivo
Na figura 4.6 mostrada a entidade que simula o fornecimento de mdulos de
potncia e o abastecimento do almoxarifado da fbrica. Esta entidade gera, atravs de uma
funo estatstica, as quantidades a serem fornecidas para fbrica. Os detalhes desta funo
que gera o abastecimento de mdulos de potncia e das demais funes estatsticas do
processo de simulao sero explicados no prximo tpico.

Figura 4.6 Modelo de Simulao Processo de fornecimento de mdulos de potncia

A figura 4.7 mostra, em forma de diagrama de blocos, uma viso geral da integrao
entre os quatro conjuntos em que o modelo de simulao foi logicamente construdo.
importante ressaltar que os tempos de transporte, entre todos os processos, no foram
considerados por no serem significativos para os objetivos da simulao.

11
Fornecedor de
mdulos de
potncia

Demanda dos
clientes (pedidos)
Processo Produtivo
Entrega

Almoxarifado de
mdulos de
potncia

Montagem
de cartes

Supermercado
de
cartes

Montagem
de
inversores

Supermercado de
Inversores

Controle dos cartes Kanban

Figura 4.7 Viso integrada dos quatro conjuntos do modelo de simulao

Durante o processo de simulao dois indicadores so acompanhados: (1) nvel de
servio e (2) estoque de mdulo de potncia. Com estes indicadores possvel acompanhar,
em tempo de simulao, o atendimento ao cliente em relao ao nvel de estoque do mdulo
de potncia.
4.2.1.1 Reduo de escala para os dados aplicados no modelo de simulao
Conforme j dito, dependendo da verso utilizada, o software Arena possui restries.
Para este trabalho utilizou-se a verso Student que possui limitaes, entre outras, na
quantidade de entidades ativas ao mesmo tempo durante o processo de simulao. Com isso,
foi necessrio aplicar uma escala de reduo dos dados no momento de transformar o modelo
conceitual no modelo de simulao. Isto ser explicado logo a seguir.
Como regra geral, foi adotado que cada unidade simulada representa 40 unidades no
modelo conceitual (1:40). Desta forma, temos as seguintes funes que foram reduzidas no
modelo de simulao:
1. Funo demanda de inversores ou F(D): foi definida uma distribuio
triangular para simular o tempo de chegada entre os pedidos de cliente e uma
distribuio normal para simular a quantidade requerida em cada pedido. No
que diz respeito ao tempo de chegada entre pedidos de cliente, a distribuio
triangular foi definida com o valor mnimo igual a zero, valor mximo igual a
dois e moda igual a um. Para a quantidade requerida por pedido, a distribuio
normal foi definida como mdia igual a 0,8 e desvio padro igual a 0,35. Estes
valores foram baseados numa disponibilidade de 630 unidades por ms, com
desvio padro de 210 unidades por ms e 20 dias teis no ms. A estes valores
foi aplicada a escala de reduo de 40 unidades do modelo conceitual para uma
unidade do modelo de simulao, resultando nos parmetros j mencionados
anteriormente para a distribuio normal e para a distribuio triangular;
2. Tempo de produo de inversores ou F(Ti): foi definida uma distribuio
normal (com valor mdio iguala a 1,6 e desvio padro de 0,24 valores j
reduzidos na escala de quarenta para um) para simular o tempo de produo
dos inversores. Estes valores foram baseados numa capacidade mensal de 780
unidades por ms, 20 dias teis por ms e 80% de utilizao da estao de
trabalho em dois turnos de trabalho;
3. Tempo de produo de cartes eletrnicos ou F(Tc): tambm foi definida
uma distribuio normal (com valor mdio igual a 0,8 e desvio padro de 0,12
j aplicada a escala de reduo) para simular o tempo de produo dos
cartes eletrnicos. Os valores esto baseados numa capacidade mensal de 630
unidades por ms, 20 dias teis por ms e 80% de utilizao da estao de
trabalho em dois turnos de trabalho;

12
4. Funo para previso de reabastecimento dos mdulos de potncia ou
F(M): as distribuies utilizadas sero descritas no prximo tpico, isto , na
descrio dos cenrios simulados.
4.3 EXECUO DA SIMULAO
Nesta etapa de experimentao, foram identificadas as situaes que seriam simuladas
e foram avaliados os resultados de cada situao. Tambm foram identificados os parmetros
de configurao do software Arena. Estes pontos sero detalhados em seguida.
4.3.1 Parmetros de simulao do software Arena
Antes de executar os cenrios, o software Arena foi configurado com alguns
parmetros importantes, descritos logo a seguir e mostrados na figura 4.8:
Nmero de replicaes (Number of Replications): indica o nmero de vezes
que a simulao se repetir. A cada repetio as estatsticas voltam a zero;
Tamanho da rplica (Replication Length): o montante de tempo de
simulao usado para avaliar o processo que foi modelado;
Perodo de aquecimento (Warm-up Period): indica o perodo de tempo de
aquecimento. A unidade de tempo tambm deve ser informada para este
parmetro. Durante este perodo o processo de simulao corre normalmente,
entretanto, as estatsticas no so geradas. Este parmetro influencia nos nveis
de estoque dos supermercados. Ao iniciar a simulao, todos os supermercados
esto vazios. Isso significa que durante este perodo inicial (de aquecimento)
solicitaes de retirada dos supermercados no podem ser atendidas por falta
de estoque, prejudicando o indicador de atendimento ao cliente;
Horas por dia (Hours Per Day): define o nmero de horas utilizadas para um
dia de simulao.

Figura 4.8 Parmetros de simulao do software Arena

Em suma, o perodo de simulao corresponde a um perodo de 186 dias, sendo que
cada dia corresponde a 24 horas. O perodo correspondente ao primeiro e o sexto dia o
intervalo de dias de aquecimento, isto , este o perodo onde os supermercados so
abastecidos at seu limite mximo. A simulao se repete 30 vezes (devido ao parmetro
Nmero de replicao) e a coleta de dados estatsticos feita em cada uma das repeties.

13
4.3.2 Experimentao
A etapa de experimentao do processo simulado teve como premissas:
feito um fornecimento de mdulos de potncia a cada trinta dias;
Em cada fornecimento entregue a quantidade exata de um lote de mdulos de
potncia;
O tamanho de cada lote de 480 unidades. Aplicando a escala de reduo
(1:40) j mencionada anteriormente, o tamanho do lote de 12 unidades no
modelo de simulao;
Existem dois cartes Kanban para controlar o reabastecimento da montagem de
cartes eletrnicos e dois cartes Kanban para controlar o reabastecimento da
montagem de inversores;
Os parmetros da funo que gera as demandas de clientes e os tempos dos
processos de montagem dos cartes e dos inversores so os mesmos para todos
os cenrios;
A partir destas premissas foram definidos seis cenrios com o objetivo de identificar o
cenrio que tem, em mdia, o menor estoque de mdulos de potncia e o melhor nvel de
servio (atendimento) ao cliente.
No primeiro cenrio simulada a entrega de 100% do tamanho de lote definido para o
fornecimento de mdulos de potncia. No segundo cenrio, simulada a entrega de 110% do
lote. J no terceiro, quarto, quinto e sexto cenrio simulada a entrega de, respectivamente,
apenas 90%, 70%, 50% e 40% do lote. A funo de gerao de demanda e o tempo de
processamento de cada estao de trabalho so os mesmos para os trs cenrios e esto
descritos no item 4.2.1.1. Na tabela 4.1 mostrado um resumo dos trs cenrios submetidos
experimentao.
Tabela 4.1 Cenrios simulados
Identificao
Descrio
Funo para reabastecimento
do cenrio
de mdulos de potncia F(M)
01
100% do tamanho do lote necessrio
Tamanho do lote * 1
02
110% do tamanho do lote necessrio
Tamanho do lote * 1,1
03
90% do tamanho do lote necessrio
Tamanho do lote * 0,9
04
70% do tamanho do lote necessrio
Tamanho do lote * 0,7
05
50% do tamanho do lote necessrio
Tamanho do lote * 0,5
06
40% do tamanho do lote necessrio
Tamanho do lote * 0,4
Conforme mencionado anteriormente, cada execuo do cenrio simula a durao de
186 dias, 24 horas por dia. Os seis primeiros dias so utilizados para abastecer os
supermercados at seus nveis mximos. Nestes seis dias no h demanda de cliente. Essa
simulao feita 30 vezes por cenrio. Os dados estatsticos so coletados para cada execuo
e, ao final, gerado um valor mdio.
A seguir apresentada a compilao e anlise dos dados estatsticos coletados.
4.3.3 Anlise dos resultados
A partir dos resultados obtidos atravs da simulao dos cenrios, os dados foram
tabelados de forma a expressar o atendimento ao cliente e o estoque mdio de mdulos de
potncia de cada cenrio. A tabela 4.2 resume os resultados de cada cenrio.

14
Tabela 4.2 Resumo dos resultados de cada cenrio simulado
Identificao
Descrio
F(M)
Atendimento
Estoque mdio de mdulos
do cenrio
(un)
ao cliente (%)
de potncia (un)
01
100% do lote
12
98,67%
27
02
110% do lote
13,2
98,67%
33
03
90% do lote
10,8
98,57%
15
04
70% do lote
8,4
95,95%
4
05
50% do lote
6
79,38%
0
06
40% do lote
4,8
56,58%
0
Pode-se verificar que os cenrios um e dois tiveram, na mdia, o mesmo percentual de
atendimento ao cliente, isto , 98,67% das ordens foram atendidas. Porm, o cenrio dois teve
um estoque mdio de mdulos de potncia maior que o cenrio um. O cenrio trs teve um
atendimento ao cliente inferior e um estoque mdio 55,56% menor que o cenrio um e
45,45% menor que o cenrio dois.
O cenrio quatro teve uma baixa significativa no estoque mdio de mdulos de
potncia e uma reduo de aproximadamente trs pontos percentuais no atendimento ao
cliente em relao ao cenrios um, dois e trs. Os cenrios cinco e seis tiveram queda
considervel no atendimento ao cliente, baseando-se em um padro de 95% aceitvel no
mercado (WANKE, 2008, p. 184) e houve falta de estoque de mdulos de potncia.
A partir deste panorama pode-se ainda observar:
Entre os cenrios um, dois e trs, o cenrio trs o que apresentou uma boa
relao entre o nvel de atendimento e os estoques, quando comparados aos
cenrios um e dois;
O cenrio quatro pode ser atraente se o nvel de 95% de atendimento ao cliente
for satisfatrio e o baixo nvel de estoque mdio de mdulos de potncia for
um dos requisitos;
Esperava-se uma relao linear entre o fornecimento de matria-prima e o
ndice de atendimento ao cliente. Isto , fornecimentos de mdulos de potncia
acima da demanda, refletiram no aumento do estoque mdio, o que pode ser
observado nos cenrios um, dois, trs e quatro. Isto pode ser explicado pelo
dimensionamento do lote de matria-prima (12 unidades por ms) que est
acima da demanda de clientes (7,5 unidades por ms).
Os cenrios cinco e seis no so aplicveis, pois est claro que o atendimento
ao cliente ficou comprometido devido falta de estoque de mdulos de
potncia.
Para os dois ltimos cenrios, o fornecimento de matria-prima foi inferior a
demanda. No cenrio cinco, o lote foi de 6 unidades por ms, o que equivale a
80% da demanda. Ao se observar o resultado obtido na simulao, obteve-se
um valor prximo a este. O mesmo efeito vlido para o cenrio seis. O
fornecimento foi de 4,8 unidades por ms, que equivalem a 60% da demanda,
valor este observado na simulao.

5 CONSIDERAES FINAIS
visvel, nos resultados da simulao executada neste trabalho, que o modelo hbrido
de planejamento da cadeia foi construdo de forma adequada e que atendeu satisfatoriamente a
demanda prevista de clientes. Alm disso, o panorama gerado com a simulao fornece
embasamento para decises a serem tomadas no que diz respeito ao planejamento,
programao e controle da produo.

15
Entretanto, importante destacar que estes dados apenas refletem uma parte tangvel
da empresa. Outros fatores intangveis, estratgicos e de reduo de riscos devem ser levados
em considerao para uma tomada de deciso apropriada.
Pode-se inferir que com relao aos parmetros utilizados, os fatores de reduo de
escala no impactaram nos resultados finais e o perodo de aquecimento (warm-up period),
bem como o tempo total de simulao, tambm se apresentaram adequados.
Ainda foi possvel demonstrar que factvel a utilizao hbrida do mtodo puxado e
do mtodo empurrado e que a simulao de sistemas foi uma ferramenta til nessa avaliao.
Este trabalho tambm contribuiu com uma proposta de como modelar processos
puxados numa ferramenta que essencialmente modela processos empurrados.
Por ltimo, este trabalho pode contribuir para o desenvolvimento de outros trabalhos.
Por exemplo, a partir do atual modelo de simulao elaborado e de uma projeo de
crescimento na demanda dos clientes pode-se simular o efeito deste crescimento na linha de
produo a fim de identificar quais sero os gargalos no processo produtivo. Com isso,
decises tais como onde, quanto e quando investir em maquinrio ou, ento, quando e quantas
pessoas contratar, podem ser tomadas com base nos resultados obtidos na simulao. Outro
exemplo avaliar o efeito de esvaziamento dos supermercados e seu impacto no nvel de
atendimento ao cliente.
Do ponto de vista tcnico, este trabalho pode ser adaptado de forma que se torne um
exemplo para modelagem de sistemas puxados no software Arena.

6 REFERNCIAS
CORRA, Henrique Luiz; GIANESI, Irineu Gustavo Nogueira; CAON, Mauro.
Planejamento, Programao e Controle da Produo. 5.ed. So Paulo: Saraiva, 2000.
DARU, Gilsiley Henrique. Uma Heurstica para o Sequenciamento da Produo Baseada
na Teoria das Restries. 2005. 134f. Dissertao (Mestrado em Cincias) Departamento de
Engenharia Civil da Universidade Federal do Paran, Curitiba, 2005.
DARU, Gilsiley Henrique. Proposta de integrao entre previso de vendas e
redimensionamento das variveis do sistema puxado. Palestra, Jaragu do Sul/SC, 23 de
julho de 2010.
FILHO, Paulo Jos de Freitas. Introduo modelagem e simulao de sitemas.
Florianpolis: Visual Books, 2001.
MARTINS, Petrnio Garcia; CAMPOS, Paulo Renato. Administrao de Materiais e
Recursos Patrimoniais. So Paulo: Atlas, 2009.
NAZARENO, Ricardo R. Desenvolvimento de Sistemas Hbridos de Planejamento e
Programao da Produo com Foco na Implantao de Manufatura Enxuta. 2008. 319
f. Tese (Doutorado) Escola de Engenharia de So Carlos, Universidade de So Paulo, So
Carlos, 2008.
OHNO, Taiichi. O Sistema Toyota de Produo: alm da produo em larga escala. Porto
Alegre: Bookman, 1997.
PRADO, Darci Santos do. Usando o Arena em Simulao. 3.ed. Belo Horizonte: INDG
Tecnologia e Servios Ltda, 2003.

16
ROTHER, Mike; SHOOK, John. Aprendendo a Enxergar: mapeando o fluxo de valor para
agregar valor e eliminar o desperdcio. So Paulo: Lean Institute Brasil, 2003.
SANTOS, Maurcio P. dos. Pesquisa Operacional. Disponvel em:
<http://www.mpsantos.com.br/po/arquivos/po.pdf>. Acesso em: 02 maio 2010.
WANKE, Peter. Gesto de Estoques na Cadeia de Suprimentos: Decises e Modelos
Quantitativos. 2.ed. So Paulo: Atlas, 2008.