UM MODELO DE SIMULAO DE SISTEMAS APLICADO PROGRAMAO DA PRODUO DE UM FRIGORFICO DE PEIXE A SYSTEM SIMULATION MODEL APPLIED TO THE PRODUCTION SCHEDULE

E OF A FISH PROCESSING FACILITY Carla Roberta Pereira* E-mail: pereiracrz@gmail.com Miguel Antonio Bueno da Costa* E-mail: mbcosta@ufscar.br
*Universidade Federal de So Carlos (UFSCar), So Carlos, SP Resumo: A simulao busca importar a realidade para um ambiente controlado, onde se pode estudar o seu comportamento, sob diversas condies, sem riscos fsicos e/ou grandes custos envolvidos. Dessa forma, ela se torna uma tcnica til e poderosa em mercados crescentes, como o caso da tilapicultura que necessita produzir de maneira adequada para atender bem seus clientes e expandir seus negcios. Nesse sentido, o objetivo central deste trabalho foi desenvolver um modelo de simulao para auxiliar na tomada de decises sobre a programao da produo de um frigorfico de peixe. Para tanto, utilizou-se como mtodo de pesquisa o estudo de caso e a modelagem/simulao, incluindo neste conjunto a metodologia SimuCAD e as etapas de desenvolvimento de um modelo de simulao. Com a construo do modelo foi possvel trabalhar diversas alternativas de cenrios, testando diferentes jornadas de trabalho, tipos de fluxos e de capacidade produtiva, alm de variaes do estoque final com relao s vendas. Como resultado, obteve-se um modelo de simulao til e diferenciado para auxiliar na tomada de deciso sobre a programao da produo do frigorfico de peixe estudado. Palavras-chave: Simulao. Programao da produo. Frigorfico de peixe. Tilapicultura. Software Arena. Abstract: The simulation seeks to import the reality to a controlled environment, where it is possible to study it behavior, under several conditions, without involving physical risks and/or high costs. Thus, the system simulation becomes a useful and powerful technique in emergence markets, as the tilapiculture sector that needs to expand its business. The main purpose of this study was the development of a simulation model to assist the decisions making of the production scheduling of a fish processing facility. It was applied, as research method, the case study and the modeling/simulation, including in this set the SimuCAD methodology and the development phases of a simulation model. The model works with several alternative scenarios, testing different working shifts, types of flows and production capacity, besides variations of the ending inventory and sales. The result of this research was a useful and differentiated model simulation to assist the decision making of the production scheduling of fish processing facility studied. Keywords: Simulation. Production Scheduling. Fish Processing Facility. Tilapiculture. Software Arena.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 972

1 INTRODUO

A melhoria da qualidade dos produtos, a reduo de custos operacionais e a inovao tecnolgica so aspectos importantes para sustentar as estratgias das organizaes na disputa por mercados. Para assegurarem lucro no mdio e longo prazo, necessitam criar e gerenciar conhecimentos, obtendo vantagens reais ao desenvolver os seus sistemas de produo e oferecendo produtos e/ou servios adequados s necessidades de seus clientes. A falta de informaes, a inexistncia de situaes anlogas passadas, a complexidade associada aos problemas identificados, tudo faz com que a organizao procure por mtodos e tcnicas que a orientem na busca por solues. Nesse contexto, a Pesquisa Operacional, atravs da Simulao de Sistemas, pode contribuir de forma efetiva (GAVIRA, 2003). A simulao til na resoluo de problemas complexos que podem envolver situaes determinsticas ou estocsticas. Assim, Morabito e Pureza (2010, p.170) definem simulao como uma importante ferramenta de planejamento que procura emular, por meio de relaes lgicas, o funcionamento de sistemas reais, a fim de observar seu comportamento sob diferentes cenrios. Os investimentos com modificaes de produtos, processos, tecnologias e arranjos fsicos so altos e arriscados. A simulao permite uma visualizao mais detalhada do funcionamento da planta e ainda testes com cenrios alternativos para indicar solues a baixo custo, atravs de modelos computacionais. Nesse contexto, o objetivo central desse trabalho foi desenvolver um modelo de simulao para auxiliar na tomada de decises sobre a programao da produo de um frigorfico de peixe, localizado no interior do estado de So Paulo - Brasil. Utilizouse como ferramenta computacional o software Arena, e como mtodo de pesquisa, a modelagem/simulao e o estudo de caso, incluindo a metodologia SimuCAD e as etapas de desenvolvimento de um modelo de simulao discutidas por Banks (1998) e Law e Kelton (2000).

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 973

O artigo se estrutura em cinco partes. A primeira expe uma abordagem terica sobre assuntos fundamentais envolvidos nesta pesquisa, sendo eles: simulao de sistemas, software Arena, sistemas de produo, planejamento, programao e controle da produo e uma breve abordagem sobre a tilapicultura. A segunda apresenta a mtodo de pesquisa utilizado. A terceira e a quarta descrevem o desenvolvimento e a anlise dos resultados da pesquisa. Por fim, a quinta parte comenta e conclui o trabalho.

2 REVISO TERICA

De acordo com Cauchick Miguel et al. (2010), o referencial terico delimita as fronteiras do que ser investigado, proporciona suporte terico pesquisa, explicita o grau de evoluo (estado da arte) do tema estudado, alm de ser um indicativo de familiaridade e conhecimento sobre o assunto para o pesquisador. Com essa preocupao, foi feita uma reviso da literatura que contempla os temas tratados neste estudo.

2.1 Simulao de Sistemas

Com um mercado cada vez mais competitivo e de mudanas rpidas, a simulao tem-se tornado uma ferramenta til e poderosa anlise de sistemas complexos (HARREL; TUMAY, 1995) e resoluo de problemas, indispensveis aos engenheiros, projetistas e administradores (SHANNON, 1998). Ela analisa problemas e serve como ferramenta de anlise de sistemas complexos reais ou sob condies especficas determinadas pelo usurio (COSTA, 2002; UM; HYEONJAE; LEE, 2009). Segundo Pegden, Shannon e Sadowski (1995), a simulao o processo de projeo de um sistema real a um modelo relativo que, a partir deste, conduz experimentos a fim de entender seu comportamento e/ou avaliar estratgias de operao. Sendo assim, possvel importar a realidade para um ambiente controlado,

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 974

onde se pode estudar o seu comportamento sob diversas condies, sem riscos fsicos e/ou grandes custos envolvidos (FREITAS FILHO, 2001). De forma geral, a simulao e a modelagem podem ser consideradas tcnicas integradas, sendo necessrio o desenvolvimento de um modelo para posteriormente simul-lo (REN, 2010). Normalmente, os modelos incorporam vrias entradas (parmetros) no sistema, como tempo, distncia, velocidade e recursos disponveis, e fornecem um meio estatisticamente vlido para avaliar, redesenhar e quantificar a utilizao de recursos, a racionalizao de processos e o tempo gasto (HARRINGTON; TUMAY, 2000; LFGREN; TILLMAN, 2011). As informaes geradas auxiliam nas tomadas de deciso e contribuem para uma melhor compreenso do sistema estudado (COSTA, 2002). Esta tcnica ainda permite o tratamento estocstico das variveis do processo, o que assegura uma representao mais realista da aleatoriedade do sistema, diferentemente se tratadas apenas com valores mdios destas variveis (OLIVEIRA, 2008). Lobo e Porto (1996) e ren e Yilmaz (2012) afirmam que a simulao dispe de uma srie de inferncias sobre as mais diversas atividades nos sistemas de produo, tais como: identificao de problemas; comparao com o desempenho de outros sistemas; estudos sobre a utilizao da capacidade instalada, nveis de inventrio, lgica de controle, projetos de produto e engenharia, integrao, seqenciamento, gargalos do sistema, melhor arranjo fsico e melhor ndice de produtividade dos funcionrios; treinamento de operadores; anlise de sensibilidade; auxlio ao planejamento e a aquisio; e previso de comportamento e desempenho; Kelton, Sadowski e Sadowski (1998) afirmam que a simulao computacional iniciou na dcada de 80 e, desde ento, tem sido amplamente utilizada tanto no meio acadmico quanto no empresarial, graas ao aumento da popularidade e da capacidade dos computadores. Assim, vrias so as maneiras de se desenvolver um modelo computacional, incluindo desde as linguagens de alto nvel at planilhas ou aplicativos de software (ALEXANDER, 2006). Diversos simuladores de fcil utilizao e acompanhados de animao grfica dinmica do sistema esto disponveis no mercado como, por exemplo, o Arena, o AutoMod e o ProModel.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 975

A simulao tem sido aplicada em muitos setores, como o hospitalar (WANG et al., 2010) o aeroporturio (MEDAU, 2011), o sucroalcooleiro (IANNONI; MORABITO, 2002; SILVA, 2006), o agropecurio (COSTA, 2004), o de transporte (WEI; LEUNG, 2011) e principalmente o de manufatura (WY et al., 2011). Em indstrias frigorficas, poucas foram s aplicaes encontradas, sendo as mais recentes aquelas ligadas ao abate de carne bovina, suna e avcola. Com relao ao processo produtivo ligado ao objeto de pesquisa deste estudo frigorfico de peixe identificou-se apenas os trabalhos de Jonatansson e Randhawa (1986), Jensson (1988) e Randhawa e Bjarnanson (1995). Nenhum destes, no entanto, utilizou softwares do tipo Arena para anlise do processo. Esta tcnica, portanto, considerada muito til ao oferecer segurana na minimizao de riscos e custos com diversos recursos e aes (SHANNON, 1998). Contudo, ela no uma ferramenta que substitui o trabalho de interpretao humano (DUARTE, 2003), pois ao investigar uma dada situao problema com alta variabilidade das variveis, gera resultados que demandam interpretaes mais profundas e abrangentes (PAUL; KULJIS, 2010).

2.2 Software Arena Lanado pela Systems Modeling Company em 1993, o Arena um dos

softwares de simulao mais utilizados no mundo. Este, alm de possibilitar o desenvolvimento de diversos modelos (lgica) e cenrios (animao) de produo, envolvendo chegada de matria-prima, quantidade de funcionrios, tempos de processo, gargalos e mix de produto, tambm contm um conjunto de aplicaes embutidas (Input Analyser, Output Analyser e OptQuest) que auxilia na anlise estatstica dos dados de entrada e de sada e na identificao de um resultado timo (KELTON; SADOWSKI; SWETS, 2010). Como outros simuladores atuais e com auxlio de equipamentos computacionais mais avanados, o Arena fornece um pacote com (GAVIRA, 2003, p.85): interface grfica de comunicao com o usurio; animao do modelo; relatrios em tempo real sobre a simulao executada; coleta automtica de sadas para medio de
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 976

desempenho do sistema; desenvolvimento de modelos orientados a objetos; e ferramentas estatsticas para tratamento dos dados da simulao.

2.3 Sistemas de Produo Segundo Sipper e Bulfin (1997), os sistemas de produo so como icebergs, onde a parte visvel (geralmente os processos de transformao) nfima perto do todo. Desta forma, Fernandes e Godinho (2010, p.1) o define como um conjunto de elementos (humanos, fsicos e procedimentos gerenciais) inter-relacionados que so projetados para gerar produtos finais cujo valor supere o total dos custos incorridos para obt-los. Tais sistemas so compostos de entradas (inputs), processo de transformao, sadas (outputs) e de um subsistema de realimentao (feedback) (BOIKO; TSUJIGUCHI; VAROLO, 2009; LI; MEERKOV; ZHANG, 2010). Sipper e Bulfin (1997) tipificam os sistemas de produo, de acordo com o fluxo do processo, em: sistemas por projeto (Project Shop), sistemas intermitentes (Job Shop), sistemas por lotes (Batch Shop) e sistemas de fluxo contnuo (Flow Shop). Os mesmos autores classificam o tipo do arranjo fsico de uma planta com relao ao volume e variedade dos produtos, sendo como: layout por posio fixa, layout por processo, layout por produto e layout por clula. A classificao dos sistemas de grande importncia nas organizaes, pois permite: um melhor entendimento do sistema observado; o estabelecimento de relaes entre as caractersticas do sistema; a seleo de ferramentas de anlise; o entendimento de problemas tpicos e suas solues particulares; bem como a seleo de tcnicas de Planejamento, Programao e Controle da Produo, Controle da Qualidade do Processo, Gesto de Fornecedores, Gesto da Demanda e Gesto da Distribuio (BOIKO; TSUJIGUCHI; VAROLO, 2009).

2.4 Planejamento, Programao e Controle da Produo De acordo com Tubino (1997) e Fernandes e Godinho (2010), as atividades de Planejamento e Controle da Produo (PCP) so exercidas em trs nveis hierrquicos
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 977

(estratgico, ttico e operacional) nas atividades de um sistema de produo. No nvel estratgico so definidas polticas que compem o planejamento estratgico da produo, o qual estabelece um plano de produo de longo prazo, segundo as estimativas de vendas e a disponibilidade de recursos. J, no nvel ttico so desenvolvidos planos de mdio prazo, definidos como plano mestre da produo. Este plano s vivel se for compatvel com as decises tomadas no nvel anterior. Finalmente, no nvel operacional so preparados os programas de curto prazo de produo, englobando a programao da produo, a administrao dos estoques, a emisso e liberao das ordens de compras, fabricao e montagem, bem como a execuo do controle da produo (CHASE; JACOBS; AQUILANO, 2006). Focando no ponto chave deste estudo dentro da funo PCP, a programao da produo ocupa-se da implementao de tudo que foi planejado, porm no curto prazo. De acordo com Nunes, Melo e Nigro (2009), ela consiste em estabelecer, com maior eficincia, um sequenciamento timo das ordens de produo para minimizar e otimizar a utilizao dos recursos. Sendo assim, a programao define a carga dos centros de produo e os momentos nos quais ela deve ser executada, a fim de cumprir os prazos e programas de entrega assumidos (VOLLMANN et al., 2004). Logo, esta atividade prepara e distribui ordens das mais diversas espcies, cuja finalidade passar instrues sobre o que, como, onde e quando os diversos setores da fbrica devem operar (CONTADOR; CONTADOR, 1997). Apesar da frequente confuso entre as funes de planejamento e programao, ambas so consideradas distintas. A primeira est relacionada a projees gerais e de longo prazo, enquanto que a segunda refere-se ao dia a dia ou horizontes mais restritos (DIRENE, 2003). Por conseguinte, os objetivos da programao, segundo Chase, Jacobs e Aquilano (2006, p.592), so: cumprir as datas de entrega, minimizar os leadtimes, minimizar custo ou tempo de setup, minimizar o estoque em processo e maximizar a utilizao da mquina ou mo de obra. Contudo, sempre bom lembrar que a teoria sobre Produo Enxuta ressalta que manter todos os recursos ocupados pode no ser um meio eficaz de se conseguir bons resultados.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 978

2.5 Tilapicultura Tilpia a denominao comum de grande gama de espcies de peixes cicldeos (BOSCOLO et al., 2001, p.1391) de origem africana. Por se tratar de um peixe tropical, guas quentes so ideais para a sua reproduo e desenvolvimento. Muitas so as vantagens que tornam as tilpias um grupo de peixes mundialmente cultivado, por exemplo: aceitam uma grande variedade de alimentos; seu ciclo de engorda relativamente curto (seis meses em mdia) e a desova ocorre durante todo o ano; so resistentes a doenas, a altas densidades de povoamento e a baixos nveis de oxignio dissolvido; possuem boas caractersticas organolpticas - carne branca de textura firme e saborosa, baixo teor de gordura, ausncia de espinhos intramusculares em forma de Y - e excelente rendimento de fil (aproximadamente 35% a 40%), que a potencializa como peixe para industrializao (HILSDORF, 1995; RESENDE, 2010). A tilpia, atualmente, a espcie mais cultivada no territrio brasileiro e a segunda no mundo (JORY; ALCESTE; CABRERA, 2000). Nos ltimos 56 anos, o consumo mundial per capita de pescados dobrou em virtude das mudanas alimentares e dos incentivos a aquicultura (FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008). A produo de tilpias, no Brasil, teve um grande crescimento e, em 2005, ultrapassou a produo conjunta dos principais pases exportadores de fil fresco para o mercado americano (Equador, Honduras, Costa Rica e Colmbia). Assim, com este crescimento acentuado nas exportaes de tilpia, principalmente para os EUA e o Canad, estimulou-se a instalao de unidades de processamento, alm de despertar o interesse de investidores nacionais (SUSSEL, 2007; KUBITZA, 2007). No incio, o processamento da tilpia era realizado em escala reduzida em frigorficos de pequeno porte. Atualmente, as indstrias beneficiadoras vm crescendo em tamanho e em nmero. Os produtos resultantes do processamento para alimentao humana podem ser: fils, postas, peixe inteiro eviscerado, hambrgueres, nuggets, quibes, espetinhos, petiscos, lingias, produtos defumados, sashimi e outras variaes que atrai o consumidor. Pode-se, tambm, obter produtos no alimentcios com as carcaas, escamas e vsceras das tilpias, como farinha, rao, leo; e do
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 979

couro, diversos acessrios como bolsas, sapatos e cintos (KUBITZA, 2004; FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008). Apesar do ndice de consumo de pescado no Brasil ser baixo, os consumidores atuais tm buscado alimentos que sejam de rpido preparo e com qualidade nutricional, o que incentiva a pesquisa para novos produtos. Assim, a perspectiva de que em 2030 o consumo seja de 22,5 kg/pessoa e no mais 7kg/pessoa como em 2003 (SOARES, 2005; RESENDE, 2010).

3 MTODO DE PESQUISA

A pesquisa caracterizada como um processo formal e sistemtico de desenvolvimento do mtodo cientfico, cujo objetivo fundamental descobrir respostas para problemas mediante o emprego de procedimentos cientficos (GIL, 1999). Assim, de acordo com Cauchick Miguel et al. (2010), os quatro tipos de mtodos de pesquisa mais utilizados em Engenharia de Produo e Gesto de Operaes so: survey, estudo de caso, pesquisa-ao e modelagem/simulao. Esta pesquisa utilizou dois mtodos de pesquisa: o estudo de caso, para conhecer o fenmeno no contexto real de forma ampla e detalhada, e a modelagem/simulao, que aborda quantitativamente o problema e busca controlar as variveis gerenciais em estudo. O segundo mtodo busca desenvolver um modelo que de acordo com Morabito e Pureza (2010, p.166) um veculo para se chegar a uma viso estruturada da realidade e, posteriormente, simul-lo. A metodologia orientadora dos passos desse trabalho foi a metodologia SimuCAD (COSTA; MENEGON; CAMAROTTO, 1996) somada ao projeto de desenvolvimento de um modelo e processo de simulao proposto por Banks (1998) e Law e Kelton (2000).

3.1 Metodologia SimuCAD

A metodologia utilizada como auxlio ao estudo do problema e posterior desenvolvimento do modelo de simulao proposto foi desenvolvida por um grupo de
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 980

pesquisa - SimuCAD - do Departamento de Engenharia de Produo da Universidade Federal de So Carlos (UFSCar). Por este motivo, ela denominada metodologia SimuCAD. Ela comporta trs campos distintos do conhecimento: pesquisa-ao, engineering design e simulao. Para esta pesquisa, focou-se a simulao aplicada ao estudo de um sistema de produo. Os mdulos que compem a metodologia SimuCAD esto inseridos em um sistema maior, denominado Ambiente, como pode ser visto na Figura 1. O primeiro mdulo Mix de Produto e Tecnologia de Produo busca identificar no sistema de produo quais os produtos resultantes e o processo de obteno dos mesmos. O segundo mdulo Fatores de Produo tem o propsito de identificar e quantificar os recursos diretos e indiretos empregados na produo, atentando para os detalhes do processo e dos produtos. O terceiro mdulo Centros de Produo trata da representao das demandas espaciais do processo produtivo a partir da descrio dos centros de produo de forma detalhada. Aps o conhecimento e a coleta dos dados dos trs primeiros mdulos, os trs seguintes so representados de forma paralela, pois constituem um processo cclico de construo, verificao e validao do modelo (etapas detalhadas no item 3.2) a partir de cenrios estratgicos desejados. Definido o modelo, parte-se para o seu detalhamento e animao.

Figura 1 - Macroestrutura da metodologia SimuCAD

AMBIENTE
Simulao

Mix de Produto e Tecnologia de Produo

Fatores de Produo

Centros de Produo

Modelo

Modelo Final

Estratgia de Produo

Fonte: Adaptado de Costa; Menegon; Camarotto (1996)

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 981

3.2 Etapas do Desenvolvimento de um Modelo

De acordo com Shannon (1975) o desenvolvimento de um processo de simulao mais uma extenso das artes do que das cincias. Tal afirmao ajuda a entender o porqu da dificuldade de se apresentar um mecanismo nico para desenvolver modelos de simulao. Contudo, no geral, h alguns elementos fundamentais de um modelo de simulao e alguns passos que, se seguidos, podem ajudar o modelista, mesmo novato, a atingir um bom desempenho no desenvolvimento de modelos de simulao (COSTA, 2002). Neste sentido, segundo adaptaes de Banks (1998) e Law e Kelton (2000), um projeto de simulao deve seguir os seguintes passos (Figura 2):
Figura 2 - Etapas de um projeto de simulao

Formulao de problemas

Definio objetivos Planejamento geral

Concepo do modelo

Coleta de dados

Traduo do modelo

no

Verificado?

sim

no

Validado?

sim

Projeto de experimento

Execuo do modelo Anlise

no sim

Nova execuo?

Relatrios

Implementao

Fonte: (BANKS, 1998, p.16) Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 982

a) Definio do problema: define-se claramente o problema para estabelecer a finalidade, ou seja, por que estud-lo? b) Definio dos objetivos e plano geral do projeto: estabelece-se o(s) objetivo(s) da pesquisa e demais necessidades - o tempo necessrio, a equipe utilizada, os requisitos de hardware e software e o custo dos procedimentos. c) Conceituao do modelo: traduz-se o sistema real para um modelo conceitual, por meio de uma srie de relaes matemticas e lgicas sobre componentes e estrutura do sistema (exemplo: fluxograma). d) Coleta de dados: renem-se informaes como, fluxos de informaes, recursos, procedimentos da operao e consideraes tericas. e) Traduo do modelo: codifica-se no software de simulao o modelo conceitual tornando-se, assim, um modelo operacional. f) Verificao: trata-se de realizar testes com o modelo, de modo a verificar se o mesmo foi construdo conforme desejado. g) Validao: verifica-se se modelo uma boa representao do sistema real e se suas respostas so compatveis com as sadas do mesmo, dentro de um nvel de confiana desejvel. h) Projeto de experimentos: etapa para planejar os conjuntos de variveis controlveis e parmetros do modelo que sero utilizados na etapa seguinte. i) Testes e anlises: executa-se o modelo diversas vezes para alcanar resultados confiveis, com a utilizao de abordagens estatsticas para anlise dos dados de entrada e de sada. j) Mais testes?: determina-se se necessrio efetuar mais testes com o modelo ou se eventuais cenrios adicionais precisam ser desenvolvidos, a partir das anlises que j foram concludas. l) Documentao e relatrios: relata-se de forma clara e concisa todos os resultados gerados, pois sero utilizados nas anlises e nos processos de futuras tomada de deciso. m) Implementao: coloca-se em prtica as informaes e aes descritas no relatrio.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 983

4 A PESQUISA, O MODELO E O ESTUDO DE CASO

4.1 Apresentao da empresa

O frigorfico de peixe em estudo est a apenas dois anos no mercado. Localizase no interior do estado de So Paulo e faz parte de uma Corporao (Grupo) que consiste em quatro unidades de negcio: frigorfico de peixe, pisciculturas (Unidade I, II e III), fbrica de rao e pecuria. Seu sistema de produo composto por entradas (matria-prima, mo de obra e equipamentos), processo (recepo, lavagem e escamagem, beneficiamento, congelamento, embalagem e estoque final) e sadas (fils de tilpia de vrias classificaes). A empresa produz sob encomenda (clientes e distribuidores fixos) e para estoque (terceiros), tem baixo nvel de contato com o consumidor, um mix de produtos que pode ser considerado de pequeno a mdio, e trabalha sob influncia da sazonalidade. O arranjo fsico predominante deste sistema de produo o de processo, pois a matria-prima passa por todos os recursos transformadores de acordo com a sequncia estabelecida das operaes. No h uma forma sistematizada de plano de produo no longo prazo. Sendo assim, a nica programao existente com base nos pedidos dirios e semanais recebidos pelos distribuidores, clientes fixos e consumidores espordicos. Geralmente, estes pedidos so feitos no final de semana com prazo de entrega para quarta e quinta-feira. No existe, formalmente, nenhum roteiro de produo ou previso de vendas que se oriente por informaes histricas, por exemplo. Os estoques so verificados pelos prprios funcionrios, sem nenhuma poltica definida.

4.2 Desenvolvimento da Pesquisa As etapas utilizadas para desenvolvimento desta pesquisa seguiram as indicadas pela metodologia SimuCAD e, quando se fez necessrio a gerao de um modelo de simulao, seguiu-se os passos do desenvolvimento de um modelo de simulao apresentados por Banks (1998) e Law e Kelton (2000).
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 984

De acordo com a primeira etapa da metodologia SimuCAD definiu-se como mix de produtos os fils de tilpias das seguintes classificaes: mini (com peso menor que 40g), 40-80g, 80-120g, 120-180g, 180-250g e premium (com peso maior que 250g). Cada uma destas categorias classificada, ainda, quanto porcentagem de gua agregada, ocorrida por meio do processo de glasing: A (fil s congelado), B (fil com 8% de gua), C (fil com 15% de gua), D (fil com 30% de gua, e F (fil fresco). Toda a tecnologia de produo foi identificada, aprendida e registrada. Na etapa seguinte foram quantificados, orientados pela estrutura do produto, todos os insumos utilizados (recursos diretos) e os colaboradores, mquinas e instrumentos de trabalho (recursos indiretos). J, na terceira etapa descreveu-se o processo produtivo da planta em estudo (Figura 3) que consiste na chegada e armazenamento dos peixes em cmara fria, passando, posteriormente, pela escamagem, lavagem, e sendo transportados por esteiras at o setor de beneficiamento, onde os fils so extrados. Depois de separado os fils dos couros, carcaas, vsceras e espinhos centrais, eles so classificados em pesos e colocados em bandejas. Essas so posicionadas em carrinhos e levadas at a cmara de congelamento. Depois de congelado, os fils que no passam pelo processo de glasing (agregao de gua), so retirados das bandejas, embalados em caixas de 15 kg e transportados at a cmara fria de produto acabado. L permanecem at o momento da expedio.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 985

Figura 3 - Fluxograma do processo

Lavar e escamar Tirar sobras Tirar espinho central

Cmara Fria

Filetar

Tirar couro

Recepo tilpias

Classificar

Expedio

Colocar na bandeja

Expedio
Estoque final
Cmara congelamento

Embalar

Congelar?

8%

Embalar

Cmara congelamento

15%

Glasing?

Tirar fils bandeja

Cmara congelamento

Cmara congelamento

30%

Conforme especificado anteriormente, para desenvolvimento do modelo de simulao seguiu-se os passos apresentados no item 3.2. No primeiro passo ficou definido que o problema em questo era a falta de um sistema adequado de programao da produo para o frigorfico estudado, dada a complexidade associada variabilidade da matria-prima e sazonalidade das vendas. No era raro faltar produto por problemas com a programao. No segundo passo, definiu-se como meta do estudo, desenvolver um modelo de simulao para auxiliar tomada de decises sobre a programao da produo do frigorfico. Foi definido o cronograma de desenvolvimento do trabalho, o software de desenvolvimento do modelo de simulao e as formas de coleta de dados para identificar os pontos nevrlgicos do sistema/problema. O software de simulao utilizado foi o Arena, pois comporta as caractersticas presentes no frigorfico, quanto aleatoriedade associada matria-prima e s vendas, sendo possvel anlise dinmica do sistema produtivo utilizando variveis de estado determinsticas e estocsticas.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 986

No terceiro passo conceitualizou-se o modelo de acordo com as caractersticas do sistema utilizando a modelagem discreta, estocstica e dinmica, composta de uma parte lgica, da qual so gerados os dados para anlise estatstica, e outra com uma animao para melhor visualizar o fluxo do processo e os resultados das variveis durante a simulao. A coleta de dados foi realizada durante o ms de janeiro de 2010. Apesar de tratar-se de um perodo pequeno e determinado do ano, lembrando que a empresa trabalha com demanda sazonal, os dados coletados foram suficientes para municiar o modelo. Algumas situaes, no contempladas com os dados deste ms, foram parametrizadas e, assim, puderam tambm ser estudadas. Informaes sobre o processo foram coletadas por meio de observao direta e de entrevista com o responsvel da produo, enquanto que as informaes sobre vendas e produo diria foram examinadas a partir dos registros histricos. Terminada a coleta de dados, os processos de produo do frigorfico foram traduzidos para mdulos no software Arena. Houve a preocupao em atender as especificidades de cada centro de produo, de modo que o conjunto funcionasse como o esperado. Na sequncia foi feita a verificao do modelo, testando-o em relao s variveis de controle. Um desses testes consistiu em zerar todos os estoques internos e habilitar apenas uma chegada de matria-prima de 108 caixas. Com estas informaes, o modelo foi executado e ao trmino da simulao obtiveramse resultados coerentes com o esperado, como pode ser observado na Tabela 1. A pequena porcentagem de erro resultante devido variabilidade dos pesos dos fils, sendo que a varivel composta pela mdia dos tempos padres.
Tabela 1 - Porcentagens esperadas e produzidas
Subprodutos Fil Couro Carcaa e vsceras Espinho Peixe bruto Porcentagem 32% 3,30% 64,40% 0,30% 100% Quantidade esperada 691,2 71,28 1391,04 6,48 2160 Quantidade produzida 699,84 72 1406,97 6,56 2160 % Erro 1,25% 1,01% 1,15% 1,23% 0,00%

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 987

Para validar o modelo utilizaram-se dados histricos de produo e de venda das primeiras semanas de Janeiro. Aps a insero destes dados e execuo do modelo, foi possvel observar (Tabela 2) uma boa representao dos dados gerados pelo modelo em relao aos dados reais, resultando em pequenas porcentagens de diferena. Sendo assim, o modelo foi considerado validado.
Tabela 2 - Resultados da simulao comparados aos reais
Beneficiamento (kg) Real 659 656 513 708 779 666 637 4618 4% Simulado 990 950 957 935 989 Embalagem (kg) Real 660 633 515 300 930 810 741 4589 0,28% Simulado 540 1110 985 992 975
1

Vendas (kg) Real 209 254 1766 2249 30 Simulado 270 195 1845 2295 16

4821

4602

4508 2,51%

4621

No projeto de experimentos, o objetivo foi verificar a variabilidade dos dados de modo a averiguar se so confiveis e, tambm, obter maior conhecimento sobre o sistema estudado e seus processos crticos. Para isso, identificaram-se as variveis importantes de anlise - variveis controlveis e de resposta (Figura 4).

As quantidades geradas no sistema real so diferentes das geradas pelo modelo de simulao, pois dependendo do dia, h at duas chegadas de matria-prima na empresa, enquanto que no modelo isso padronizado. Como o modelo simula a produo de cinco dias por semana, ele gerar apenas cinco resultados. Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 988

Figura 4 - Variveis estabelecidas do sistema

Quantidade e ritmo de chegada de matria-prima Quantidade e ritmo de vendas Estoque inicial matria-prima Estoque intermedirio cmara congelamento Estoque final produto acabado Mdia dos pesos dos peixes brutos Quantidade da mo de obra Tempo de congelamento PROCESSO

Estoque de produto acabado Quantidade de produo total Quantidade produzida de cada produto Mdia do tempo de produo total Mdia do tempo de produo para cada produto Utilizao da mo de obra Tamanho das filas

Variveis controlveis

Variveis de resposta

Definido as variveis, executou-se o modelo por um perodo relativamente longo (2 meses) para se ter uma viso mais clara sobre o comportamento da varivel ESTOQUE_KG_FINAL (estoque de produto acabado em quilogramas) no sistema e identificar o perodo que a mesma entra em regime (perodo transiente). Com auxlio do Output Analyser identificou-se um perodo transiente de 30260 segundos quando se atinge um valor no estoque de 2295 kg. Como um perodo transiente resultante curto, aplicou-se diretamente o mtodo das mltiplas replicaes independentes, em que o modelo foi executado novamente com 20 replicaes. Ao fim da simulao, calculou-se o intervalo de confiana da varivel em questo, obtendo uma mdia de 4070 kg e uma half-width (h) de 55,9. Desejando-se 95% de confiana nesta estatstica, o half-width teria de ser no mximo 203,5; porm, com 20 replicaes conseguiu-se um h bem inferior ao permitido. Portanto, conclui-se que os dados coletados e suas variabilidades durante o processo tm sustentao estatstica. Com o modelo pronto - verificado, validado e dentro dos padres estatsticos -, demais simulaes foram executadas para analisar os resultados e gerar estratgias de cenrios adequados produo. Os resultados das simulaes so apresentados na Tabela 3, em que SR corresponde aos dados do sistema real, T1 e T2 so cenrios propostos pelo OptQuest e o T3 e T4 so cenrios sugeridos como tentativa de melhoria dos anteriores. O OptQuest uma ferramenta de otimizao integrada ao
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 989

software Arena e tem a misso de simplificar a busca exaustiva de solues, considerando todas as possveis combinaes entre fatores e indicando caminhos que gerem resultados melhores.
Tabela 3 - Resultados dos testes realizados
Colaboradores Colaborador LE Colaborador F Colaborador TC Colaborador TSC Colaborador TV Colaborador C Colaborador CB Colaborador E Tempo de sistema (h) Produo Kg/semana Venda Estoque Final Processo Lavar e escamar Filetar Tirar couro do fil Tirar sobras couro Tirar vezinho Classificar Colocar bandeja Embalar 0,3554 61,4048 13,1421 0,2376 0,6967 3,9583 0,0327 2,8295 0,1019 25,0698 2,3183 0,0904 0,1090 0,0695 0,0234 0,508 Quant. 2 4 1 2 2 1 2 1 SR 0,0892 0,9537 0,3557 0,4484 0,7248 0,9256 0,4995 0,9449 6,75 4701 5076 -376 Quant. 1 1 1 1 1 2 1 1
2

T1 0,1788 0,9885 0,0920 0,2328 0,3759 0,1198 0,2575 0,2795 8,05 1220 4536 -3316

Quant. 1 8 1 2 2 1 2 2

T2 0,1793 0,4758 0,3555 0,4481 0,7248 0,9257 0,4997 0,5219 7,25 5100 4313 787 Filas 0,1479 32,6738 1,547 2,0298 650,69 1341,34 0,0344 0,9162

Quant. 1 5 1 1 2 2 2 2

T3 0,1792 0,7621 0,3553 0,8956 0,7249 0,4632 0,4996 0,5314 5,87 5240 4416 824

Quant. 1 5 1 2 2 2 2 2

T4 0,1798 0,7623 0,3555 0,4480 0,7249 0,4624 0,4993 0,5386 4,83 5405 4490 915

0,1681 46,4133 7,0579 832,55 1,0273 0,8101 0,0338 0,9666

0,1519 46,0711 7,1431 0,2766 1,7556 0,2788 0,0424 1,9757

No cenrio do sistema real (SR), puderam-se observar altas taxas de utilizao dos colaboradores F, C e E, tempo de sistema (tempo mdio de produo) de 6,75 horas e um estoque final negativo. No houve nenhum acmulo prejudicial de

entidades nas filas, considerando que a atividade a qual apresentou um maior nmero foi a filetagem e este fator devido ao transporte ser feito na proporo de uma caixa (contendo uma mdia de 27 peixes) por colaborador. Durante o processo de filetagem os peixes so mantidos cobertos com gelo para a conservao da carne.
2

As siglas dos colaboradores correspondem aos processos listados na Tabela. Logo: Colaborador LE (lavar e escamar), Colaborador F (filetar), Colaborador TC (tirar couro do fil), Colaborador TSC (tirar sobras couro), Colaborador TV (tirar vezinho), Colaborador C (classificar), Colaborador CB (colocar bandeja) e Colaborador E (embalar). Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 990

Cinquenta simulaes, com trs replicaes cada uma, foram executadas no OptQuest. Como restrio considerou-se que a soma das quantidades de colaboradores fosse menor ou igual a 36 (capacidade mxima) e como funo objetivo, a reduo do tempo de sistema, de forma a conseguir uma produo diria maior. O teste 1 (T1) resultou em um montante de estoque negativo ainda maior que o sistema real simulado, apresentando, tambm, alta utilizao do colaborador F, baixas taxas dos demais colaboradores e um aumento do tempo de sistema. Logo, considerou-se que esta estrutura de cenrio no apropriada. No teste 2 (T2) dobrou-se a quantidade de colaborador F, em relao ao sistema real simulado, o que ocasionou um gargalo nas atividades de tirar o vezinho e classificar. Apesar de o estoque final ter fechado a semana com saldo positivo, as filas tornaram-se demasiadamente grandes (o que prejudica a qualidade do produto em permanecer muito tempo em espera no processo) e o tempo de sistema ainda permanece maior que do sistema real. Deste modo, tal estrutura no se encaixa no propsito desejado. No teste 3 (T3) tentou-se balancear a linha de produo com base nas anlises dos testes anteriores e dos tempos mdios das atividades do processo. Como resultado, ainda obteve-se uma alta taxa de utilizao do colaborador TSC, ocasionando, por conseqncia, um gargalo em sua atividade. Finalmente, alterando a quantidade de recurso da atividade TSC, o teste 4 (T4) dispe de um bom cenrio para a produo demandada desta primeira semana de Janeiro. Alguns colaboradores ainda permaneceram com uma taxa de utilizao baixa, contudo no caso das atividades de lavagem e retirada do couro necessrio a presena de pelo menos um colaborador em cada posto devido distncia deles dos demais postos. J, no caso dos colaboradores TSC, C, CB e E as taxas de utilizao estiveram em torno de 44 a 53%, o que apesar de no ser um ndice bom, excederia os 75% estabelecido com limitante, caso algum colaborador fosse retirado, e criaria gargalos por todo o processo. Ainda assim, com estas taxas baixas, conseguiu-se reduzir em 1,92h do tempo de sistema e aumentar a produo em 704kg, cumprindo todas as solicitaes de venda e permanecendo com um estoque de segurana.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 991

Importante ressaltar que em nenhum momento a varivel custo foi critrio de anlise, pois o objetivo deste trabalho utilizar a simulao como uma ferramenta til a programao da produo, podendo visualizar a alocao dos recursos, a dinmica dos fluxos e os tempos de processo. Mesmo com o T4 obtendo o tempo mdio de 4,83h para produo de uma caixa de 15kg de fil de tilpia, foi possvel reduzir-lo alterando o tempo de congelamento dos fils. Os tempos de 2 horas para congelamento dos fils frescos e 1 hora para o processo de glasing foram padronizados pela empresa sem estudos prvios, apenas pela observao e experincia diria. Assim, para encontrar o tempo ideal de congelamento dos fils frescos e dos fils aps o processo de glasing, efetuaram-se clculos utilizando conceitos tericos e frmulas especficas para congelamento de alimentos perecveis, determinando um tempo de congelamento dos fils frescos de 5640 segundos (aproximadamente 94 minutos) e de permanncia na cmara fria aps o processo de glasing de 1440 segundos (aproximadamente 24 minutos). Com a alterao desses tempos no modelo, novo teste foi feito para verificar se houve alguma melhoria no processo. Pde-se, ento, verificar uma reduo total no tempo de congelamento de 2,87h se comparada ao sistema real. Em termos de taxa de utilizao e nmero de filas, nada se alterou. A produo total tambm no teve grande aumento, pois toda a matria-prima que entrou foi processada, sem restar nada na cmara de congelamento. Finalizado o ltimo passo do processo de desenvolvimento de um modelo de simulao, efetuou-se, tambm, a ltima etapa da metodologia SimuCAD modelo final. O cenrio que melhor se adaptou as variveis iniciais estabelecidas foi o T4 com as mudanas no tempo de congelamento. O cenrio final mostrado na Figura 5, onde possvel visualizar: a chegada de matria-prima, as quantidades de caixas de peixe bruto e limpo, os colaborados ocupados ou inativos, a quantidade de carrinhos contidos na cmara de congelamento e as quantidades produzidas. Tudo isso de forma dinmica, no decorrer da simulao dos cinco dias da semana.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 992

Figura 5 - Animao do modelo final3

4.3 Anlise Geral dos Resultados Um primeiro ponto que pode ser melhorado a eficincia dos funcionrios da embalagem. Apesar da reduo do tempo de congelamento, eles ainda possuem uma eficincia de 53,79%. Para balancear esta etapa possvel reduzir ainda mais o tempo de congelamento dos fils modificando o mecanismo de congelamento para o Plate Freezers ou o Liquid imersion freezers (CLELAND; VALENTAS, 1997). Contudo de modo a causar um menor impacto possvel na estrutura existente e ter baixos investimentos, possvel reduzir o tempo de congelamento dos fils frescos para 59 minutos, em mdia, aumentando apenas a velocidade do ventilador da cmara de 2 m/s para 4 m/s. A trade piscicultura/frigorfico/distribuidores possui grandes vantagens com um relacionamento prximo. Comeando pela piscicultura (fornecedora de tilpias), a
3

Figura extrada da animao desenvolvida no software Arena. Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 993

mesma desfruta de grandes vantagens perante o seu modo de cultivo em tanques-rede e pela pequena distncia at o frigorfico. Este, por sua vez, usufrui do crescimento do mercado e produz, cada vez mais, para atender a demanda. Por fim, os distribuidores (responsveis pelas maiores vendas do frigorfico) abastecem diferentes regies onde h demanda. Neste processo de relacionamento preciso ateno quanto: execuo de uma boa programao da produo no curto prazo, alm do desenvolvimento de um planejamento da produo em longo prazo; gesto da cadeia de suprimentos e da demanda que no existe no momento devido ausncia de histrico e a falta de conhecimento dos gestores desta cadeia para execuo de uma previso da demanda robusta (PEREIRA et al., 2010b); e ao aproveitamento dos resduos do processo de modo a no prejudicar o meio ambiente e, por conseguinte, a sociedade (PEREIRA; COSTA; NOGUEIRA, 2010a; KUBITZA, 2005). O principal desafio de um sistema de planejamento e controle da produo o balanceamento entre a oferta e a procura, sendo ambas dimenses de alta variabilidade. Assim, combin-las um desafio permanente da gerncia de produo. A previso de vendas facilita a programao da produo e, consequentemente, a elaborao dos planos de produo com antecedncia, tomando medidas preventivas. Logo, para a obteno de um timo planejamento da produo essencial que - no s esta empresa, mas todas em geral - trabalhem com uma boa base em suas previses de venda, efetuando uma gesto da demanda no decorrer dos planos de longo, mdio e curto prazo. A sazonalidade tambm um ponto influente na programao da produo do frigorfico. De acordo com Slack, Chambers e Johnston (2002), so seis as causas da sazonalidade: climticas, festivas, comportamentais, polticas, financeiras e sociais. No caso do frigorfico as causas sazonais so as climticas e as festivas. O vero considerado uma causa climtica, pois nesta poca que h um maior desenvolvimento dos peixes e, tambm, maior venda em decorrncia da mudana de hbitos alimentares dos consumidores locais e regionais nesta poca (frias). Como causas festivas, tm-se as festas de final de ano (Reveillon e Natal), nas quais alm de carnes vermelhas e aves, j se encontram cardpios repletos de peixes, e a quaresma,
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 994

na qual tradio do catolicismo o no consumo de carnes vermelhas, proporcionando um aumento no consumo de peixes.

5 CONCLUSO

A perspectiva deste estudo foi abordar a simulao computacional para auxlio programao da produo de um frigorfico de peixe especfico. Programar a produo uma atividade bastante complexa, pois envolve tempo de produo, prazo de entrega, mix de produto, quanto, quando e onde produzir, alm de buscar sempre o equilbrio entre capacidade produtiva e demanda. E com o objetivo de reduzir as dificuldades de programao que as empresas esto, cada vez mais, fazendo uso de sistemas computacionais, softwares especializados e simuladores para o

gerenciamento de seus sistemas produtivos, dispondo de solues avanadas, com mais rapidez e segurana do que a concorrncia. O modelo de simulao desenvolvido respondeu aos objetivos estabelecidos, gerando resultados confiveis e teis para auxiliar na tomada de decises sobre a programao da produo do frigorfico em estudo. Este modelo tambm pode ser empregado em outras empresas com processos produtivos anlogos ao estudado. Tendo por base o referencial terico elaborado, a pesquisa desenvolvida e o objetivo proposto foi possvel: gerar cenrios de produo mais confiveis; testar diversas variveis de controle; aproveitar melhor os recursos e quantific-los; obter planos de produo semanais ou dirios; verificar a capacidade do sistema; analisar o estado dos estoques; e determinar a quantidade de matria-prima necessria. Tudo isso identificando se ser necessrio adquirir mais mo de obra, fazer horas extras, utilizar os colaboradores em tempo parcial, ou seja, identificar atravs dos resultados gerados pela simulao um mtodo de ajuste da capacidade. Tais decises afetam os custos, as receitas, o capital de giro, a qualidade, a velocidade, a confiabilidade e a flexibilidade do sistema produtivo. Diante deste contexto, tomadas de deciso atravs das informaes geradas pelo modelo de simulao aqui construdo podem atender bem as expectativas de desempenho da empresa.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 995

Alm destes pontos, que so fundamentais para uma boa programao da produo, conseguiu-se reduzir o lead-time do processo de transformao dos produtos, por meio de clculo especficos do tempo de congelamento dos fils frescos e do processo de glasing, e visualizar as consequncias benficas geradas. Tambm, relevante enfatizar que o investimento em estudos e pesquisas no ramo de processamento de peixes promissor, pois o consumo mundial per capita de pescados tem aumentado muito em virtude das mudanas alimentares e dos incentivos a aquicultura (FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008). Por conta deste crescimento, unidades de processamento de tilpias esto surgindo cada dia mais. Tal destaque nesta espcie devido a determinadas caractersticas como: pequeno ciclo de engorda; desova durante todo o ano; resistncia a doenas, altas densidades de povoamento e a baixos nveis de oxignio dissolvido; boas caractersticas

organolpticas; e excelente rendimento de fil (HILSDORF, 1995). Portanto, a simulao foi considerada, neste caso, uma boa tcnica para tratar o problema de programao exposto, tendo como vantagem a visualizao do funcionamento do frigorfico de forma rpida e a baixo custo. Tal ferramenta tem seu valor aumentado ao aliar-se com outras tcnicas ou estudos aprofundados sobre melhoria do processo, como ocorreu com o estudo dos tempos de congelamento seguido de uma posterior simulao. Possveis trabalhos futuros para complementar o presente trabalho e ampliar o conhecimento neste setor emergente podem ser: incluso da previso e gesto da demanda como forma de ampliar a certeza sobre os resultados gerados pelo modelo de simulao desenvolvido; desenvolvimento de um planejamento da produo incluindo os trs nveis hierrquicos; e anlise do processo de glasing, suas vantagens e desvantagens, identificando se este processo gera ou no margem de lucro para a empresa. _______
Nota: Texto indito, fruto de uma dissertao desenvolvida pela autora, financiada pela Capes, e orientada pelo co-autor por meio do Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de So Carlos.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 996

REFERNCIAS

ALEXANDER, C.W. Discrete event simulation for batch processing. In: WINTER SIMULATION CONFERENCE, 2006, Augusta. Anais... Augusta: Lovers Lane, p. 19291934, 2006. BANKS, J. Principles of simulation. In: Handbook of simulation: principles, methodology, advances, applications and practice. Nova York: John Wiley & Sons, 1998. BOIKO, T.J.P.; TSUJIGUCHI, L.T.A.; VAROLO, F.W.R. Classificao de Sistemas de Produo: uma abordagem de Engenharia de Produo. In: ENCONTRO DE PRODUO CIENTFICA E TECNOLGICA, 4., 2009. Campo Mouro, Anais... Campo Mouro: NUPEM, 2009. BROSCOLO, W.R., et al. Desempenho e caractersticas de carcaa de machos revertidos de tilpias do Nilo (Oreochromis niloticus), linhagens tailandesa e comum, nas fases inicial e de crescimento. Revista Brasileira de Zootecnia, v.30, n.5, p. 13911396, 2001. CAUCHICK MIGUEL, P.A.C., et al. Metodologia de pesquisa em engenharia de produo e gesto de operaes. Rio de Janeiro: Elsevier, 2010. CHASE, R.B.; JACOBS, F.R.; AQUILANO, N.J. Administrao da produo para a vantagem competitiva. 10. ed. So Paulo: Bookman, 2006. CLELAND, D.J.; VALENTAS, K.J. Prediction of Freezing Time and Design of Food Freezers. In: VALENTAS, K.J.; ROTSTEIN, E.; SINGH, R.P. Handbook of Food Engineering Practice. Nova York: CRC Press, 1997. CONTADOR, J.C.; CONTADOR, J.L. Programao e controle da produo para a indstria intermitente. In: CONTADOR, J. C. (coordenador). Gesto de Operaes. 2 ed. So Paulo: Fundao C. A. Vanzolini; Edgard Blcher, 1997. COSTA, M.A.B. Simulao de sistemas. Apostila de suporte a disciplina Simulao aplicada a Engenharia de Produo. Departamento de Engenharia de Produo. 2002. COSTA, M.A.B. Um modelo baseado em conhecimento para simular rebanhos de bovinos de corte. 2004. 188 p. Tese (Doutorado em Engenharia Eltrica e de Computao) - Faculdade de Engenharia Eltrica e de Computao, Universidade Estadual de Campinas, Campinas, 2004. COSTA, M.A.B.; MENEGON, N.L.; CAMAROTTO, J.A. SimuCAD: Simulao & CAD um sistema de apoio deciso no planejamento e implantao de sistemas de
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 997

produo. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO, 16., 1996, Piracicaba. Anais... Piracicaba: ABEPRO, 1996. DIRENE, J.R. Anlise de planejamento e controle da produo em uma empresa do ramo rural. 2003. 91 p. Monografia (Graduao em Engenharia de Produo), Universidade Federal de Ouro Preto, Ouro Preto, 2003. DUARTE, R.N. Simulao computacional: anlise de uma clula de manufatura em lotes do setor de auto-peas. 2003. 235 p. Dissertao (Mestrado em Engenharia de Produo) - Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal de Itajub, Itajub, 2003. FERNANDES, F.C.F; GODINHO FILHO, M. Planejamento e controle da produo, dos fundamentos ao essencial. So Paulo: Atlas, 2010. FIGUEIREDO JUNIOR, C.A.; VALENTE JUNIOR, A.S. Cultivo de tilpia no Brasil: origens e cenrio atual. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE ECONOMIA, ADMINISTRAO E SOCIOLOGIA RURAL, 47., 2008, Fortaleza. Anais... Rio Branco: SOBER, 2008. FREITAS FILHO, P.J. Introduo modelagem e simulao de sistemas: com aplicaes em Arena. Florianpolis: Visual Books, 2001. GAVIRA, M.O. Simulao computacional como uma ferramenta de aquisio de conhecimento. 2003. Dissertao (Mestrado em Engenharia de Produo) - Escola de Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003. GIL, A.C. Mtodos e tcnicas de pesquisa social. 5. ed. So Paulo: Atlas, 1999. HARREL, C.H.; TUMAY, K. Simulation made easy: a managers guide. Engineering and Norcross; Management Press, 1995. HARRINGTON, H.J.; TUMAY, K. Simulation modeling methods. Nova York: McGrawHill, 2000. HILSDORF, A.W.S. Gentica e cultivo de tilpias vermelhas: uma reviso. Boletim do Instituto de Pesca, So Paulo, v. 22, n. 1, p. 73-84, 1995. IANNONI, A.P.; MORABITO, R. Anlise do sistema logstico de recepo de cana-de-acar: um estudo de caso utilizando simulao discreta. Gesto & Produo, v.9, n.2, p.107-128, 2002. JENSSON, P. Daily production planning in fish processing firms. European Journal of Operational Research, v.36, p.410-415, 1988.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 998

JONATANSON, E.; RANDHAWA, S.U. A simulation based decision model for a fish processing facility. Computers Industrial Engineering, v.11, p.406-410, 1986. JORY, D.E.; ALCESTE, C.; CABRERA, T.R. Mercado y comercializacin de tilapia en los Estados Unidos de Norteamrica. Panorama Acucola, v.5, n.5, p.50-53, 2000. KELTON, D.; SADOWSKI, D. A.; SADOWSKI, R. P. Simulation with Arena. 1 ed. New York: McGraw-Hill, 1998. KELTON, W.D.; SADOWSKI, R.P.; SWETS, N.B. Simulation with Arena. 5 ed. New York: McGraw-Hill, 2010. KUBITZA, F. Coletnea de informaes aplicadas ao cultivo de tambaqui, do pacu e outros peixes redondos Parte 2. Revista Panorama da Aqicultura, So Paulo, v.14, n.83, p.13-23, maio/jun. 2004. KUBITZA, F. Tilpia em gua salobra e salgada: uma boa alternativa de cultivo para esturios e viveiros litorneos. Revista Panorama da Aqicultura. So Paulo, v.15, n.88, p.14-18, 2005. KUBITZA, F. Tilpias na Bola de Cristal. Revista Panorama da Aquicultura. So Paulo, v.17, n.99, jan./fev. 2007. LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Nova York: McGraw Hill, 2000. LI, J.; MEERKOV, S.M.; ZHANG, L. Production systems engineering: Problems, solutions, and applications. Annual Reviews in Control, v.34, p.73-88, 2010. LOBO, E.C.; PORTO, A.J.V. Proposta de sistematizao de estudos de simulao. Revista de Engenharia e Arquitetura - EESC/USP, So Carlos, SP, p. 61-69, 1996. LFGREN, B.; TILLMAN, A.M. Relating manufacturing system conguration to life-cycle environmental performance: discrete-event simulation supplemented with LCA. Journal of Cleaner Production, v.19, p. 2015-2024, 2011. MEDAU, J.C. Anlise de capacidade do lado areo de aeroportos baseada em simulao computacional: aplicao ao aeroporto de So Paulo Congonhas. 2011. 123p. Dissertao (Mestrado em Engenharia de Transportes) Programa de PsGraduao em Engenharia de Transportes, Escola Politcnica da Universidade de So Paulo, 2011. MORABITO, R.; PUREZA, V. Modelagem e simulao. In: CAUCHICK MIGUEL, P.A.C. et al. Metodologia de pesquisa em engenharia de produo e gesto de operaes. Rio de Janeiro: Elsevier, 2010. p.165-192.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 999

NUNES, D.M.; MELO, P.A.C.; NIGRO, I.S.C. Planejamento, programao e controle da produo: o uso da simulao do PREACTOR em uma indstria de alimentos. In: Congresso Nacional de Engenharia de Produo, 29, 2009, Salvador. Anais... Salvador, ENEGEP: 2009. OLIVEIRA, C.S. Aplicao de tcnicas de simulao em projetos de manufatura enxuta. Estudos Tecnolgicos, v.4, n.3, p. 204-217, 2008. REN, T.I. Simulation and reality: The big picture. International Journal of Modeling, Simulation, and Scientic Computing, v.1, p.1-25, 2010. REN, T.; YILMAZ, L. Synergies of simulation, agents, and systems engineering. Expert Systems with Applications, v.39, p.81-88, 2012. PAUL, R.J.; KULJIS, J. Problem solving, model solving, or what? In: WINTER SIMULATION CONFERENCE, 2010, Baltimore. Anais... Baltimore: Lovers Lane, p. 353-358, 2010. PEGDEN, C.D.; SHANNON, R.E.; SADOWSKI, R.P. Introduction to simulation Using SIMAN. 2. ed. New York: McGraw-Hill, 1995. PEREIRA, C.R; COSTA, M.A.B; NOGUEIRA, E. Sustentabilidade Ambiental e Estratgia: estudo de caso em um frigorfico de peixe do interior do Estado de So Paulo. In: CONGRESSO NACIONAL DE ENGENHARIA DE PRODUO, 30, 2010, So Carlos. Anais... So Carlos: ABEPRO,2010a. PEREIRA, C.R., et al. A Gesto da Demanda em uma Cadeia de Suprimentos Emergente: o caso de um frigorfico de peixe do estado de So Paulo. In: CONGRESSO NACIONAL DE ENGENHARIA DE PRODUO, 30, 2010, So Carlos. Anais... So Carlos: ABEPRO, 2010b. RANDHAWA, S.U.; BJARNASON, E.T. A decision aid for coordinating fishing and fish processing. European Journal of Operational Research, v.81, p.62-75, 1995. RESENDE, A.L.S.S. Viabilidade Tcnica, Qualidade Nutricional e Sensorial de Produtos Base de Carne de Tilpia (Oreochromis niloticus). 2010. 112 p. Tese (Doutorado em Cincia e Tecnologia de Alimentos) Programa de Ps-Graduao em Cincia e Tecnologia de Alimentos, Universidade Federal Rural do Rio de Janeiro, Rio de Janeiro, 2010. SHANNON, R.E. System simulation: the art and science. Englewood Cliffs, N.J: Prentice Hall, 1975.

Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 1000

SHANNON, R.E. Introduction to the art and science of simulation. In: WINTER SIMULATION CONFERENCE, 1998, Texas. Anais... Texas: Texas A & M University, 1998. SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2 ed. So Paulo: Editora Atlas, 2002. SIPPER, D.; BULFIN, R.L. Production: planning, control and integration. Nova York: McGraw-Hill, 1997. SILVA, J.E.A.R. Desenvolvimento de um modelo de simulao para auxiliar o gerenciamento de sistemas de corte, carregamento e transporte de cana-deacar. 2006. 145p. Dissertao (Mestrado em Engenharia de Produo) Programa de Ps-Graduao em Engenharia de Produo, Universidade Federal de So Carlos. So Carlos, 2006. SOARES, P. Secretaria faz campanha nacional para vender quilo de peixe a R$ 1,00. Folha de So Paulo. So Paulo, 20 set. 2005. SUSSEL, F.R. Para onde vai tilpia: anurio da Pecuria Brasileira. In: ANURIO DA PECURIA BRASILEIRA, 2007, So Paulo. Anais... So Paulo: FNP, 2007. TUBINO, D.F. Manual de planejamento e controle da produo. So Paulo: Atlas, 1997. UM, I.; HYEONJAE, C.; LEE, H. The simulation design and analysis of a Flexible Manufacturing System with Automated Guided Vehicle System. Journal of Manufacturing Systems, v.28, p.115-122, 2009. VOLLMANN, T. E.; BERRY, W. L.; WHYBARK, D.C; JACOBS, F. R. Manufacturing Planning and Control for Supply Chain Management. 5 ed. Boston: Mcgraw-Hill, 2004. WANG, S.C. et al. Explore of the hospital management of simulation education learning model. Journal of Engineering Technology and Education, v.7, n.4, p.640-649, 2010. WEI, J., LEUNG, S.C.H. A simulation modeling and analysis for RFID-enabled mixedproduct loading strategy for outbound logistics: A case study. Computers & Industrial Engineering, v.61, p.209215, 2011. WY, J. et al. A data-driven generic simulation model for logistics-embedded assembly manufacturing lines. Computers & Industrial Engineering, v.60, p.138147, 2011.

Artigo recebido em 27/04/2011 e aceito para publicao em 11/01/2012. Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012. 1001