5.

RESULTADOS OBTIDOS A implantao do algoritmo ROC por computador permite eliminar uma desvantagem de utilizao , citada no quadro 1 do item 3 deste trabalho, que a dificuldade de aplicar o algoritmo , quando o nmero de mquinas e peas da matriz em anlise elevado, em funo do nmero necessrio de repeties do procedimento que pode ocorrer nestes casos. No entanto, permanece a dificuldade, neste caso, de cadastrar cada pea e cada mquina presente no sistema produtivo, e estabelecer as relaes de passagem/no passagem das peas nas mquinas, antes de proceder aplicao do algoritmo. A necessidade de interveno do analista na identificao dos grupos permanece como sendo a principal dificuldade aplicao do algoritmo ROC. O programa desenvolvido e apresentado neste trabalho est sendo complementado com a possibilidade de utilizao de rotinas e procedimentos para permitir a identificao dos agrupamentos atravs do prprio programa. 6. REFERNCIAS BIBLIOGRFICAS BURBIDGE,J.L.,1992, Change to Group Technology: Process Organization is Obsolete. . International Journal of Production Research,30(5), 1209-1219. CHENG,CS. e CHEN,SJ.,1995, A Neural Network Based Cell Formation Algorithm in Cellular Manufacturing. International Journal of Production Research, 33(2) 293-318. GUPTA,T. e SEIFODDINI,H.,1990, Production Data Based Similarity Coefficient for Machine-Component Grouping Decisions in the Design of a Cellular Manufacturing System. International Journal of Production Research, 28(7), 1247-1269. KAPARTHI,S. e SURESH,N.C., 1992, Machine Component Cell Formation in Group Technology: A Neural Network Approach. International Journal of Production Research, 30(6) 1353-1367. KING e NAKORNCHAI, 1982, Machine-component group formation in group technology: review and extension. International Journal of Production Research, 3 117-133. KUSIAK,1991, Intelligent Manufacturing Systems, Englewood Cliffs. VAKHARIA,A .J. e WEMMERLOV,U.,1995, A Comparative Investigation of Hierarchical Clustering Techniques and Dissimilarity Measures applied to the Cell Formation Problem. Journal of Operations Management 13 117-137.

Figura 4 : Exemplo de Tela do Programa para aplicao do algoritmo ROC

P E A S

P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12

Figura 5(a): Matriz de Incidncia antes da aplicao do algoritmo ROC MQUINAS

P E A S

1 1 1 1 1

Figura 5(a): Matriz de Incidncia aps aplicao do algoritmo ROC

3.) reescrever a MI de acordo com a ordenao definida no passo anterior, mantendo a ordem original/anterior das colunas; 4.) ordenar as colunas da MI obtida do passo anterior, em ordem decrescente de seus valores binrios; 5.) reescrever a MI de acordo com a ordenao definida no passo anterior (mantendo a ordem anterior das linhas); 6.) verificar se as linhas de MI necessitam de novo ordenamento (ordem decrescente de valores binrios) ; caso seja necessrio, voltar ao passo 2) . Seno, ir para o prximo passo; 7.) fim do procedimento. O quadro seguinte (quadro 1) mostra as principais vantagens e desvantagens da aplicao do algoritmo ROC. DESVANTAGENS MI com grande volume de elementos necessita de apoio computacional Fcil compreenso e aplicao rpida Depende do analista para identificao dos agrupamentos Fcil aplicao para nmero reduzido de Necessita de visualizao da MI reordenada elementos para identificar grupos Facilidade de implementar por Para MI com grande nmero de elementos, o computador, segundo (SUNDARAM e nmero de repeties do procedimento pode LIAN, 1990) tornar-se muito alto. Quadro 1. : Vantagens e desvantagens do algoritmo ROC (adaptado de SEIFFODINI e WOLFE, 1992) 4. PROGRAMA COMPUTACIONAL PARA APLICAO DO ALGORITMO ROC O programa desenvolvido para aplicao do algoritmo ROC possui as seguintes caractersticas: a linguagem utilizada foi a C, mas ser posteriormente usada a linguagem C++ Builder, para facilitar a visualizao dos dados e a interface com os usurios. A configurao mnima exigida para sua utilizao um computados PC, Pentium 100MHz, com 32Mb de memria RAM. No h limitaes para as dimenses das matrizes de incidncia a serem modeladas, ou seja, o nmero de mquinas e peas ilimitado. Mas para efeito de visualizao dos resultados, a identificao dos agrupamentos evidentemente fica prejudicada, quando o nmero de elementos ultrapassa as dimenses da tela do microcomputador. A figura 4 apresenta uma das telas do programa, conforme estgio atual de desenvolvimento, apenas para efeito ilustrativo. Para testar o funcionamento do programa, apresentada um exemplo de sua aplicao, utilizando-se a matriz de incidncia da figura 5(a), composta por 9 mquinas e 12 peas. A figura 5(b) apresenta os resultados obtidos, a partir da aplicao do programa computacional desenvolvido para o algoritmo ROC. Neste caso, foi obtida uma soluo com grupos parcialmente separveis, uma vez que foram identificados elementos de exceo (elementos 1 fora dos grupos gerados). VANTAGENS Soluo rpida para EBD perfeita

M Q U I N A S

PEAS P1 P2 P3 P4 P5 P6 M1 1 1 0 0 0 0 M2 0 1 1 0 0 0 1 1 1 0 0 0 M3 M4 0 0 1 1 0 1 M5 0 0 0 1 0 1 M6 0 0 0 1 1 0 Situao (b) : Grupos Parcialmente Separveis

P7 0 0 0 1 1 1

Figura 2: Solues possveis para identificao de EBD (estrutura bloco diagonal) Analisando-se a situao (b), percebe-se que a necessidade de executar uma operao da pea P3 na mquina M4 impede a separao dos grupos de modo nico: a pea P3 pode ser considerada como pertencente tanto ao primeiro agrupamento quanto ao segundo. A mesma situao ocorre com a mquina M4, que pode estar alocada em qualquer dos dois grupos gerados. No exemplo analisado, tanto a pea P3 quanto a mquina M4 podem ser caracterizados como elementos de exceo. 2.4. Principais Algoritmos de Agrupamento Existem muitas propostas de algoritmos baseados em formulao matricial que buscam a identificao de agrupamentos para formao de clulas. Os algoritmos mais conhecidos e tradicionalmente usados, bem como suas lgicas de agrupamento, esto mostrados na tabela 1. seguinte. Tabela 1. : Algoritmos bsicos usados em formulao matricial ALGORITMOS BSICOS USADOS EM FORMULAO MATRICIAL Algoritmo Lgica de Agrupamento ROC (Rank Order Clustering) Valor binrio BEA (Bond Energy Algorithm) Medida de Efetividade CIA (Cluster Identification Algorithm) Densidade de matriz SLC (Single Linkage Algorithm) Medida de Similaridade DCA (Direct Clustering Analysis) Nmero de elementos i No item seguinte deste trabalho, ser detalhado o funcionamento do algoritmo ROC (Rank Order Clustering), que foi implementado por computador, para facilitar a tarefa de identificao de agrupamentos. 3. MTODO ROC (Rank Order Clustering) O algoritmo ROC pode ser entendido ou traduzido por algoritmo por ordem de grandeza e foi publicado em 1980, originalmente em (KING e NAKORNCHAI, 1982). um algoritmo baseado no arranjo de linhas e colunas da MI e que usa como lgica de agrupamento, o valor binrio de linhas e colunas. O procedimento de aplicao consiste dos seguintes passos: 1.) obter a MI correspondente situao que se deseja analisar; 2.) ordenar as linhas da MI obtida em ordem decrescente, de seus valores binrios;

Avaliando-se a MI no tem (b), aps o reordenamento de peas e mquinas, possvel identificar trs agrupamentos: o primeiro composto pelas mquinas M3, M5 e M6 e pelas peas P3, P7 e P10; o segundo composto por M1 e M7, e pelas peas P5, P4, e P2; e o terceiro agrupamento com as mquinas M2 e M4, e as peas P1, P6, P9 e P8. importante salientar que os exemplos apresentados so didticos. No caso da matriz analisada, tem-se 7 mquinas e 10 peas (70 elementos ao todo), que um nmero muito pequeno de elementos para representar uma situao real. No entanto, neste trabalho sero utilizados exemplos de MI com nmero reduzido de elementos, em funo de dois aspectos: a) facilitar a visualizao dos mtodos de anlise de agrupamentos por formulao matricial, bem como de seus principais conceitos, potencial de utilizao e problemas; b) todos os aspectos analisados para as MI com poucos elementos podem ser considerados para as situaes reais, em que o nmero de elementos pode chegar a 105 ou 106, em funo do porte da empresa. Isto ocorre porque os algoritmos de agrupamento podem ser implementados por computador, como pode ser verificado pelo programa apresentado neste trabalho. 2.3. Processo de Identificao de Agrupamentos O processo de identificao de agrupamentos realizado atravs da aplicao dos chamados algoritmos de agrupamento. Os algoritmos procuram, atravs de procedimentos baseados em alguma lgica de agrupamento; predeterminada, reordenar as linhas e colunas da MI, de modo a agrupar os elementos 1 em estruturas chamadas estruturas bloco diagonais ou (EBD), que permitem identificar as peas e mquinas que compem os grupos. Existem duas possveis solues que podem ser obtidas: a) Estrutura bloco diagonal perfeita : ocorre quando todos os grupos gerados pelo reordenamento de elementos no apresentam interseces entre si. Neste caso, refere-se aos grupos obtidos como grupos mutuamente exclusivos, e os elementos so facilmente identifcados; b) Estrutura Bloco diagonal incompleta ou imperfeita : ocorre quando no possvel definir com exatido, a composio de cada grupo, face s interseces que ocorrem. Neste caso, refere-se aos resultados como grupos parcialmente separveis e a tarefa de identificar os elementos de cada grupo fica prejudicada. A figura 2. exemplifica as duas solues possveis atravs de MI, com grupos mutuamente exclusivos, na situao (a) e grupos parcialmente separveis, na situao (b).
M Q U I N A S

PEAS P1 P2 P3 P4 P5 P6 M1 1 1 1 0 0 0 M2 1 0 1 0 0 0 M3 0 1 1 0 0 0 1 1 0 M4 0 0 0 M5 0 0 0 1 1 1 M6 0 0 0 0 1 1 Situao (a) : Grupos Mutuamente Exclusivos

P7 0 0 0 1 0 1

A matriz de incidncia MI consiste , portanto, de um conjunto de elementos 0 e 1, distribudos por suas linhas e colunas, que obedecem ao processo de fabricao de cada pea no cho de fbrica. Uma matriz genrica MI, composta por m mquinas e n peas, ser definida por m x n elementos. Cada pea do sistema de manufatura definida por uma das n colunas de MI, enquanto cada linha de MI corresponde a uma mquina m. Assim, quando se observa cada linha de MI, verifica-se pelo nmero de elementos 1, quais as peas que sofrem operao na mquina que corresponde a esta linha. Analogamente, para cada coluna da matriz , representada pelo nmero de elementos 1 presentes, tem-se as mquinas que so necessrias para o processamento completo da pea correspondente esta coluna. 2.2. Objetivos da Formulao Matricial Uma vez obtida a MI representativa para a situao do cho de fbrica que se pretende analisar, o passo seguinte deve ser a identificao dos agrupamentos. Os agrupamentos so definidos pelos conjuntos de peas e mquinas representados pelo aglomerado de elementos 1 em regies determinadas da matriz. Procurar agrupar os elementos 1 da MI, portanto, a tarefa fundamental dos algoritmos de agrupamentos baseados em formulao matricial e seu objetivo principal. As matrizes MI da figura 1. so apresentadas em duas situaes distintas, para ilustrar a funo destes algoritmos: na situao (a) mostrada a MI original, sem alterao de posio de linhas e colunas, conforme sua obteno. A situao (b) mostra a matriz MI reordenada de forma a permitir a visualizao dos grupos de elementos 1, que originam as clulas, pois representam a identificao dos agrupamentos. PEAS P1 P2 P3 P4 P5 P6 P7 P8 M M1 0 1 0 1 1 0 0 0 M2 1 0 0 0 0 0 0 1 Q M3 0 0 1 0 0 0 1 0 U M4 0 0 0 0 0 1 0 1 I M5 0 0 0 0 0 0 1 0 N M6 0 0 1 0 0 0 1 0 A M7 0 1 0 0 1 0 0 0 S Situao (a) : MI original, sem aplicao de algoritmo de agrupamento PEAS P3 P7 P10 P5 P4 P2 P1 P6 M M3 1 1 0 0 0 0 0 0 M5 0 1 1 0 0 0 0 0 Q 1 1 1 0 0 0 0 0 M6 U M1 0 0 0 1 1 1 0 0 I 1 0 1 0 0 M7 0 0 0 N 1 0 M2 0 0 0 0 0 0 A M4 0 0 0 0 0 0 0 1 S Situao (b) : MI reordenada, aps a aplicao de algoritmo de agrupamento

P9 0 1 0 1 0 0 0

P10 0 0 0 0 1 1 0

P9 0 0 0 0 0 1 1

P8 0 0 0 0 0 1 1

Figura 1.: Matriz de Incidncia MI, na situao original e aps reordenamento

Outros autores (KUSIAK,1991), (BURBIDGE, 1992), utilizando o mesmo critrio de classificao, separam os mtodos existentes em : i) Mtodos de classificao e codificao, associados s caractersticas das peas/componentes; ii) Mtodos baseados em anlise de agrupamentos (cluster analysis), associadas s caractersticas de produo. O conjunto de mtodos de anlise de agrupamentos baseados em formulao matricial constitui o maior grupo de propostas para identificao de peas e mquinas, visando configurao de clulas. Os mtodos baseados em formulao matricial so os mais utilizados por reunirem uma srie de vantagens: a) as informaes necessrias para sua utilizao so simples e obtidas com facilidade: restringem-se ao fluxo de peas/componentes pelas mquinas do sistema de manufatura; b) com o desenvolvimento dos microcomputadores, o tempo de processamento dos algoritmos usados diminuiu para fraes de segundos, e a capacidade de memria permite que se trabalhe com volume muito grande de dados, eliminando-se as restries que existiam anteriormente para aplicao destes mtodos. Este trabalho apresenta uma proposta para implantao de um algoritmo de agrupamento baseado em formulao matricial, denominado Rank Order Clustering (ROC). Por isso, o prximo item enfocar os mtodos baseados em formulao matricial. 2. MTODOS BASEADOS EM FORMULAO MATRICIAL Pesquisas mais recentes em manufatura celular indicam que a maioria das empresas que utilizam arranjos celulares preferem aplicar tcnicas mais simples e mais baratas para formar agrupamentos. Segundo (VAKHARIA e WEMMERLOV, 1995), por volta de um tero das empresas americanas utilizam algoritmos de agrupamentos, e a maioria concilia o uso destes algoritmos com anlise de dados. Esta informao justifica o fato de que os mtodos baseados em formulao matricial para identificao de agrupamentos so os mais difundidos atualmente. Alm do custo relativamente baixo de implantao, em comparao aos demais, a velocidade de resposta extremamente alta. Assim, estes mtodos apresentam resultados a curto prazo e no necessitam de grandes investimentos. Para explicar o funcionamento destes mtodos, necessrio antes que os princpios da formulao matricial sejam conhecidos. Os prximos tens deste trabalho apresentam estes princpios. 2.1. Composio da Matriz de Incidncia (MI) Todos os algoritmos de agrupamento baseiam-se em informaes que so obtidas das matrizes de incidncia (MI). A regra de formao das MI bastante simples. Seja aij um elemento da MI. Seu valor ser definido pela relao: 1 , quando a pea (i) sofre operao na mquina (j); a ij = 0 , se a pea (i) no sofre operao na mquina (j).

UMA APLICAO DO ALGORITMO ROC (RANK ORDER CLUSTERING) EM MANUFATURA CELULAR Rosangela Aparecida Leal (*) Antonio Nelson Correia Filho (*) Nelson Carvalho Maestrelli (*) Antonio Batocchio (**) Universidade Metodista de Piracicaba, Faculdade de Engenharia Mecnica e de Produo, Rodovia [Link]-Iracempolis, Km1, Santa Brbara Doeste/SP, Brasil, Email: nmaestre@[Link] Universidade Estadual de Campinas, Faculdade de Engenharia Mecnica, Departamento de Fabricao, Campinas/SP, Brasil. Email: batocchi@[Link] Resumo Os sistemas celulares de produo tem sido aplicados com frequncia crescente nas empresas que procuram adotar os princpios da World Class Manufacturing, como forma de manuteno de sua competitividade e ampliao de seus mercados de atuao. . Os programas de implantao de Tecnologia de Grupo e Manufatura Celular visam basicamente a reduo dos tempos improdutivos associados aos processos de fabricao, atravs de melhorias de fluxo, reduo de setup e de inventrios em processo. A primeira fase do projeto de clulas de manufatura a fase de identificao de agrupamentos, baseada em critrios de similaridade e formao de famlias de peas. Um dos mtodos mais simples e rpidos para identificao de agrupamentos (peas e mquinas que formaro as clulas de manufatura) a aplicao de algoritmos para cluster analysis que utilizam formulao matricial. Este trabalho apresenta os principais resultados obtidos aplicando-se o algoritmo ROC (Rank Order Clustering) , para obteno de agrupamentos em manufatura celular, atravs de um programa computacional de auxlio. Palavras-chave: Manufatura Celular, Tecnologia de Grupo, Anlise de Agrupamentos. 1. INTRODUO O passo inicial no projeto de clulas de manufatura consiste na identificao das famlias de peas e grupos de mquinas que definem os agrupamentos (GUPTA, 1990). Estes agrupamentos so os conjuntos iniciais a partir dos quais os estudos de dimensionamento sero feitos, at o estgio de configurao das clulas. Existe um nmero significativo de mtodos para proceder identificao destes agrupamentos . Estes mtodos esto classificados em dois grandes grupos (CHENG e CHEN,1995),(KAPARTHI e SURESH, 1992): a) mtodos baseados em caractersticas das peas/ componentes fabricados; b) mtodos baseados em caractersticas da produo (fluxo de produo) e roteiros de fabricao.