Você está na página 1de 11

Modelagem e Simulao

Aplicao a uma Linha de Manufatura de Componentes


Automotivos
Alexandre Betiatto
LineCon Modelagem e Simulao de Sistemas

Resumo
Este artigo apresenta o desenvolvimento
de um projeto de Modelagem e Simulao em
um setor crtico da linha automatizada de
manufatura de virabrequins em uma empresa
nacional de componentes automotivos.
A finalidade do estudo oferecer uma
ferramenta para identificar pontos crticos e
testar solues aos recursos envolvidos.
Dessa forma, melhorar a eficincia deste
setor, que hoje no tem a capacidade de
alimentar as etapas seguintes do sistema.
1. Introduo
A simulao computacional, anteriormente
uma ferramenta muito cara e especializada
KELTON (1998), vem a cada ano sendo
utilizada em inmeras companhias e
direcionada para diversas aplicaes no
processo de apoio tomada de deciso. Hoje,
havendo uma grande gama de softwares para
desenvolvimento de simulaes, tem-se
disponvel no mercado programas que
diferem em complexidade para programao,
resultados grficos e custos e formas de
aquisio. Dessa maneira, essa poderosa
ferramenta de apoio tomada e deciso, hoje,
pode ser utilizada por empresas de qualquer
ramo de atividade e, principalmente, de
qualquer porte. Sejam em empresas
prestadoras de servios (supermercados, call
centers, aeroportos, agncias bancrias),
empresas de logsticas (Centro de
Distribuio, Portos, logstica interna), ou em
processos de manufatura (linhas de produo,
clulas de produo, robotizao), a
Modelagem e Simulao, se aplicada de
acordo com uma metodologia apropriada,
disponibilizar resultados estatisticamente
confiveis para direcionar os gestores a
identificar os melhores caminhos possveis
durante o processo de deciso.
A tcnica de Modelagem e Simulao de
Eventos Discretos torna possvel desenvolver,
em computadores, cenrios virtuais os quais
imitam o comportamento de praticamente
qualquer tipo de sistema. Esses cenrios
podem ser modificados e testados sem
comprometer o sistema real. Os valores
gerados apiam a tomada de deciso, pois se
tem resultados confiveis estatisticamente
envolvendo o sistema, que pode ser simulado
dias ou meses equivalentes ao sistema real,
em poucos minutos de processo
computacional. Dessa forma, se atinge os
melhores resultados com menor investimento.
Alm de uma ferramenta de anlise de
problemas, a simulao uma ferramenta que
promove uma melhor compreenso sobre os
sistemas, servindo de meio de comunicao
entre analistas, gerentes e pessoas ligadas a
sua operao (CHWIF & MEDINA, 2007).
Para KELTON (1998), podem-se
classificar as simulaes segundo alguns
parmetros de comportamento:
a. Tempo: Esttico (quando o tempo no
considerado); ou Dinmico (como na
maioria dos modelos de simulao, o
tempo considerado);
b. Estado de Mudana: Contnua
(quando o estado do sistema muda
continuamente com o tempo, como o
fluxo de gua em reservatrios); ou
Eventos Discretos (muda seus estados a
partir da ocorrncia de eventos no
decorrer do tempo, como no processo
de manufatura de peas com tempo de
ciclo especfico);
c. Aleatoriedade: Determinsticos (no
possuem entradas aleatrias, apenas
valores de entrada fixos); ou
Estocsticos (operam com entradas
aleatrias, como chegadas de clientes
na fila, tempo entre falhas de
equipamentos, tempos de reparo)
2. Problema
A linha de manufatura de virabrequim da
empresa estudada conta com 28 equipamentos
disponveis em 6 Prticos. A transferncia das
peas entre as mquinas feito atravs de
Gantry (robs que correm em trilhos sobre os
equipamentos e os Buffers). J o transporte
entre os prticos feito atravs de esteiras. O
fluxo do processo inicia-se no Prtico1 e
segue at o final do Prtico6. Segue ento
para a etapa de inspeo final e aps, para
embalagem e estocagem. Mesmo havendo
inmeros estoques intermedirios para
compensar falta de peas ou paradas de
equipamentos, a baixa eficincia de um dos
prticos afeta toda a produo. Por se tratarem
de processos totalmente automatizados e em
linha, todo o sistema deve estar balanceado
para um melhor aproveitamento dos recursos.
No entanto, os especialistas e gestores do
setor vinham notando a baixa produtividade
do Prtico1. Depois de vrias reunies e
conversas, percebeu-se que o nmero de
variveis relacionadas uma a outra tornavam
as solues para os problemas no Prtico
difceis de serem identificadas. Isso, porque
era preciso considerar melhorias envolvendo
as falhas dos equipamentos (MTBF, MTTR);
os tempos de ciclo; a utilizao dos
operadores para reparo durante as falhas;
buffers intermedirios e vida til das
ferramentas. Devido s dificuldades
encontradas para melhorias e considerando
ser uma etapa crtica do sistema, optou-se por
desenvolver a Modelagem e Simulao do
Prtico1, da qual trata este artigo.

3. Metodologia de Simulao
De acordo com CHWIF & MEDINA
(2007), o desenvolvimento de um modelo de
simulao compem-se de trs grandes
etapas:
a. Concepo ou formulao do
modelo: nesta etapa tem-se o
entendimento do sistema a ser
simulado. necessrio discusses do
problema com os especialistas do setor
e ento ocorre a definio do escopo.
Neste momento so tambm coletados
os dados de entrada, certificando-se da
importncia que a qualidade destes tem
em todo o modelo. Faz-se ento a
representao do Modelo Abstrato (que
est na mente do analista) utilizando
tcnicas adequadas. Esta representao
trar um Modelo Conceitual;
b. Implementao do modelo: neste
momento, atravs do Modelo
Conceitual desenvolvido o Modelo
Computacional utilizando um software
de simulao comercial, no caso deste
artigo, foi utilizado o Simul8. O
modelo computacional deve ento ser
comparado frente ao modelo conceitual
para sua avaliao, ou seja, se o
modelo est condizente com o sistema
real. Durante este procedimento so
feitas as validaes (relativo ao
modelo) e as verificaes (relativo ao
comportamento do modelo no
computador);
c. Anlise dos resultados do modelo:
nesta etapa o modelo computacional
est pronto para realizao dos
experimentos. Temos ento o Modelo
Experimental. A partir desse momento,
so realizadas vrias rodadas no
simulador e analisados os resultados.
Caso seja necessrio, fazem-se alguns
ajustes no modelo computacional e
reinicia as rodadas. Aps as anlises
dos resultados, concluses e
recomendaes sobre o sistema
podero ser registradas.

Na Figura 1 exposto o ciclo da Metodologia
de Simulao apresentada por CHWIF
(1999).

Figura 1: Metodologia de Simulao (CHWIF, 1999)

4. Desenvolvimento do Projeto
4.1. Estudo do Prtico1 da Linha de
Manufatura de Virabrequim
Conforme j comentado, escolheu-se o
Prtico1 para o desenvolvimento da
simulao, por contar com grande
complexidade em lidar com as variveis
simultaneamente. Decidiu-se ento, ser
considerado como variveis de interesse: o
tempo de ciclo das mquinas; a eficincia dos
operadores; a vida til das ferramentas; e a
mdia de tempo de troca das ferramentas feita
pelos operadores. Nesta etapa do processo de
virabrequim, possuem dois centros de
usinagem (que usaremos a nomenclatura
criada pela prpria empresa e chamaremos de
OP10A e OP10B ou OP10 para generalizar)
que divide a produo, ou seja, a pea
processada em uma ou em outra mquina.
Aps a OP10, h trs tornos que tambm
dividem o processo entre si (que chamaremos
de OP20A, OP20B e OP20C, ou para
generalizar OP20, tambm conforme
nomenclatura da empresa). Os centros de
usinagem processam duas peas de cada vez e
possui um pallet giratrio que permite receber
ou liberar peas ao mesmo tempo em que
duas peas esto sendo processadas. J os
tornos, processam apenas uma pea em cada
ciclo de produo e s reinicia um novo
processo quando a pea concluda for
substituda por outra ainda no processada.
Para manipulao e transferncia das peas
entre as esteiras, as mquinas e os buffers, so
utilizados dois Gantries: um que possui um
brao de manipulao para a OP10 (que
chamaremos aqui de G1A) e outro que conta
com dois braos para a OP20 (chamado de
G1B). Os dois tm um ponto em comum de
acesso que o buffer intermedirio o qual o
G1A fornece as peas que j foram
processadas pelos centros de usinagem ao
G1B que alimentar os tornos para o processo
seguinte.
Para atender paradas dos equipamentos ou
solicitao de trocas de ferramentas, h dois
operadores que atendem os equipamentos da
seguinte forma: operador 1 atende as
necessidades dos centros de usinagem (OP10)
e o operador 2 atende aos tornos (OP20).
4.2. Objetivo do Estudo
O objetivo proposto com este estudo foi o
aumento de produo no final do Prtico 1, ou
seja, a melhora na eficincia e utilizao dos
recursos.
4.3. Coleta e Tratamento de Dados
Segundo MOREIRA (2001), a coleta de
dados um processo de recolhimento dos
fatos e informaes disponveis que sero
processados quando houver necessidade. De
acordo com CHWIF & MEDINA (2007), um
cuidado especial deve ser tomado para
diferenciar o que so dados de entrada
(valores fornecidos ao modelo de simulao)
e o que so dados de sada (valores obtidos
do modelo de simulao).
As amostras coletadas para representar a
populao dos dados envolvidos no sistema,
foram definidas da seguinte forma: tempo de
ciclo das mquinas; MTBF (Tempo Mdio
Entre Paradas); MTTR (Tempo Mdio Para
Reparo); vida til das ferramentas (em
nmero de peas processadas). Os dados
relacionados parada e reparo dos
equipamentos foram coletados atravs do
Supervisrio que gerencia o status de cada
mquina na linha. Os valores foram extrados
de um perodo de cinco dias, totalizando
aproximadamente 150 mudanas de estado.
Segundo VICENT apud CHWIF & MEDINA
(2007), o tamanho da amostra deve estar entre
100 e 200 observaes. Amostras com menos
de 100 observaes podem comprometer a
identificao do melhor modelo
probabilstico, e amostras com mais de 200
observaes no trazem ganhos significativos.
Por se tratar de um sistema estocstico
(valores de entrada aleatrios), as amostras
coletadas tiveram que sofrer um tratamento
para ento serem aderidas s distribuies
estatsticas conhecidas. Para esse processo de
identificao das distribuies e aderncia
estatstica foi utilizado o mdulo para
modelagem de dados da Simul8, o Stat::Fit.
4.3.1. Tratamento dos Dados
Primeiramente, os valores foram
transformados em segundos como medida
de tempo e plotados em forma de grficos
para uma anlise preliminar do
comportamento das observaes. A partir da,
aplicou-se a tcnica de identificao de
Outliers (identificados como valores fora da
normalidade se comparados ao
comportamento dos valores no tempo). Para
CHWIF & MEDINA (2007) as razes mais
comuns para o surgimento dos outliers so
algum erro na coleta de dados ou um evento
raro e totalmente inesperado. Foi ento
aplicada a tcnica apresentada por estes
mesmos autores, que a de construir um
intervalo de valores a partir dos quartis da
amostra, segundo os clculos apresentados
abaixo:

A=Q-Q
Q-1,5A (abaixo desse valor considera-se
outlier moderado);
Q+1,5A (acima desse valor considera-se
outlier moderado);
Q-3A (abaixo desse valor considera-se
outlier extremo);
Q+3A (acima desse valor considera-se
outlier extremo);








Na Tabela 1 so apresentados os valores
referentes identificao dos outliers:

MTBF
OP10A OP10B OP20A OP20B OP20C
Q1 83 52 127 123 148
Q3 1248 2744 4235 3869 3828
A 1165 2692 4108 3746 3680
LI -1664 -3985 -6034 -5497 -5372
LS 2995 6782 10396 9488 9348
MTTR
OP10A OP10B OP20A OP20B OP20C
Q1 4 9 158 128 118
Q3 132 170 529 473 502
A 128 161 372 345 384
LI -187 -232 -400 -390 -458
LS 323 411 1086 991 1078
Tabela 1: limite para identificar os Outliers

Aps a identificao dos outliers, o passo
seguinte foi a entrada dos dados no mdulo
para modelagem de dados Stat::Fit. O
primeiro procedimento aps os valores serem
processados pelo software deve ser a anlise
de correlao entre os dados, ou seja, se h
alguma forma de dependncia entre os
valores. Este caso comumente visto em
situaes que seguem uma curva de
aprendizado. Na Figura 2, so apresentados
os dados de tempos de reparos da OP10B,
possvel comprovar que no h correlao
entre as observaes da amostra.


Figura 2: anlise de disperso do MTTR OP10B
Dados os valores das amostras, agora
tratados, faz-se o ajuste estatstico utilizando
o software Stat::Fit. Dos resultados
apresentados, vale acrescentar que ainda
importante e necessria a ao do analista
para avaliar de maneira crtica e conclusiva as
reais curvas que mais se aderem s amostras
coletadas. Para isso, alguns fatores
importantes devem ser analisados, como os
Histogramas, Box-plot e p-value.
Abaixo, a Figura 3 apresenta o Histograma
das amostras de MTBF da OP10A. Em
seguida vemos a Figura 4, que representa o
Box-plot do MTTR da OP20A. Esta
sequncia para aderncia ao conjunto de
dados coletados foi realizada em cada
equipamento.


Figura 3: Histograma das amostras do MTBF OP10A


Figura 4: Box-plot do MTTR da OP20A

Tendo todas as distribuies estatsticas
que representam o comportamento de cada
recurso estudado, agora so necessrias as
inseres destas informaes no modelo.
Portanto, a partir deste momento passa-se a
desenvolver o Modelo Conceitual e
Computacional.
4.4. Desenvolvimento do Modelo Conceitual
Para construirmos o Modelo Conceitual,
utilizamos a forma de modelagem ACD
(Activity Cicle Diagram) citada por CHWIF
& MEDINA (2007) como particularmente til
em sistemas com fortes caractersticas de
gerao de filas. Essa metodologia permite
uma modelagem simplista e direta do sistema
real. Segue na Figura 5 e Figura 6 os ACDs
da OP10 e OP20 respectivamente,
desenvolvido para o sistema em estudo.


Figura 5: ACD desenvolvido para mquinas e Gantry
da OP10


Figura 6: ACD desenvolvido para mquinas e Gantry
da OP20
4.5. Desenvolvimento do Modelo
Computacional
Seguindo a classificao apresentada por
KELTON (1998), este projeto se enquadra da
seguinte maneira:
a. Tempo: Dinmico;
b. Estado de Mudana: Eventos
Discretos;
c. Aleatoriedade: Estocstica;
Para o desenvolvimento da simulao
foram considerados como fatores a serem
estudados e, consequentemente, como o
permetro do escopo as seguintes
consideraes: a lgica de processo das
mquinas; a lgica de processo dos Gantries
G1A e G1B; a utilizao dos recursos
operadores para atender as paradas das
mquinas e o buffer intermedirio que
dimensionado para 9 peas.
Segue apresentado na Figura 7, o Modelo
Computacional desenvolvido no ambiente do
Simul8 e na Figura 8 uma das sequncias
lgicas desenvolvidas para funcionamento do
painel de controle.


Figura 7: ambiente do Simul8 com a disposio dos
recursos simulados do Prtico1


Figura 8: uma das sequncias lgicas desenvolvidas no
Visual Logic do Simul8

Para criar uma interface amigvel com os
analistas responsveis pelos processos no
sistema estudado, foi desenvolvido um painel
de controle com entradas para as variveis de
interesse e com a demonstrao dos
resultados obtidos a cada rodada, vista na
Figura 9. Esse recurso se torna interessante,
pois o Simul8 possui uma verso disponvel
gratuitamente que realiza simulaes que
foram desenvolvidas pela verso
Professional em um ambiente simplificado
e de fcil utilizao. Essa verso chamada
de Simul8 Viewer. Dessa forma, o
programa desenvolvido pode ficar de posse
dos analistas e gestores da empresa para
utilizar sempre que ocorrer a necessidade de
testes envolvendo os recursos simulados.



Figura 9: painel de controle desenvolvido pela
LineCon para ser usado pelos analistas da empresa
4.5.1. Verificao e Validao do Modelo
Segundo CHWIF & MEDINA (2007), o
objetivo de validar o modelo o mesmo que
responder pergunta: Ser que estamos
desenvolvendo o modelo correto? e quando
verificamos o modelo a pergunta : Ser que
estamos desenvolvendo o modelo
corretamente?. Portanto, validao trata do
que ser modelado e verificao do modelo
implementado.
Para validao, levou-se em considerao
que o sistema modelado j existe e est em
funcionamento, portanto, foi relativamente
facilitada esta etapa. Atravs de algumas
reunies que contaram com a presena de
analistas e gestores responsveis pelo setor
envolvido, foi possvel confirmar a validao
do modelo aps pequenas correes no
decorrer do desenvolvimento.
Quanto verificao, foram vrios testes e
correes. Durante a construo da lgica,
devido alta complexidade das relaes entre
as mquinas e os transportadores, foram
utilizados alguns recursos disponveis no
Simul8, como por exemplo, o debugger, que
possibilita o acompanhamento da simulao
passo a passo, alm dos recursos grficos, que
apoiaram durante todo o processo de
desenvolvimento para que o fluxo estivesse
programado de acordo com o sistema real.
4.5.2. Identificao das dimenses
relacionadas execuo do programa
Nesta etapa foram dimensionados os
parmetros pelo qual o simulador deve
executar suas corridas. A seguir explicado
de forma simplificada o que significa e quais
os fatores que foram utilizados nesta
simulao.
4.5.3. Regime transitrio / permanente
No regime transitrio, o sistema a ser
simulado sofre alteraes importantes durante
um pequeno perodo at sua estabilizao.
Como na abertura de uma agncia bancria,
quando o intervalo entre chegada dos clientes
pode ser muito menor que o normal, pois
pode haver fila do lado de fora da agncia.
Passado um perodo, o processo se estabiliza
e torna-se regime permanente. A partir da os
valores e mdias tornam-se mais confiveis.
No caso deste projeto, consideramos que a
simulao inicia em regime transitrio, pois
as mquinas e os buffers ainda esto vazios.
Para isso, segundo CHWIF & MEDINA
(2007) h trs tcnicas que podem ser
aplicadas para eliminar ou minimizar essa
interferncia:

a. Simular por um perodo muito longo de
modo que o nmero de amostras em
regime transitrio seja desprezvel;
b. Eliminar o perodo transitrio atravs
de alguma tcnica apropriada;
c. Iniciar o sistema j em um estado
dentro do regime permanente;

Para este projeto especificamente, decidiu-
se eliminar o perodo transitrio. Para isso,
foram realizadas vrias rodadas e
acompanhado as situaes de processo dos
equipamentos atravs dos grficos tipo
Pizza disponvel no Simul8 (ver Figura 7).
Em seguida, o tempo corrido de simulao
para a estabilizao dos processos neste
caso 20.000 segundos foi usado no recurso
Warm Up Period que diz para o
simulador que no deve ser considerado os
valores resultantes deste perodo nos dados
estatsticos de sada.
4.5.4. Terminal ou no-terminal:
Neste caso, deve ser analisado se o sistema
a ser simulado possui um perodo definido de
funcionamento, ou no se pode afirmar qual o
intervalo de tempo que se deve simular. Para
a simulao considerada neste artigo foi
definido um sistema no-terminal, pois a
empresa estudada possui trs turnos
produzindo 24 horas por dia e cinco dias por
semana. Com essas informaes definiu-se
tambm que as rodadas de simulao teriam
um perodo de cinco dias, ou no caso
computacional, 432.000 segundos.
4.5.5. Nmero de replicaes e intervalo de
confiana
A replicao considerada nos modelos
computacionais de simulao consiste na
gerao de rodadas utilizando sementes de
gerao dos valores aleatrias diferentes.
Sendo assim, os valores relacionados s
entradas so os mesmos, mas os resultados
possuem algumas variaes, pois contam com
sementes diferentes durante a gerao dos
nmeros aleatrios.
Por se tratar de simulaes que usam
nmeros aleatrios para gerar os resultados,
necessariamente temos que considerar as
variaes destes resultados e que eles esto
dentro de uma probabilidade de ocorrerem.
Com isso, precisamos ento criar um intervalo
de confiana, considerando uma preciso
desejada. Intervalo de confiana um
intervalo em que h a probabilidade dos
valores se encontrarem. J preciso, o
tamanho desse intervalo. O software utilizado
conta com uma ferramenta que facilita a
tarefa para ser encontrado o nmero de
replicaes para que os resultados estejam
dentro de um intervalo de confiana seguindo
uma preciso pr-estabelecida.
O resultado da quantidade de replicaes a
ser utilizada, com confiana de 95% e
preciso de 5%, foi de quatro replicaes para
um perodo de 432.000 segundos. Os
resultados de sada considerados para o
clculo da quantidade de replicaes foram a
quantidade total produzida e o ndice de
utilizao dos dois operadores.
4.6. Anlise dos cenrios
Conforme comentado no inicio deste
documento, o grande problema apresentado
pelo Prtico1 da linha de manufatura estudada
a baixa eficincia dos seus processos. Esse
problema est diretamente relacionado com a
baixa produtividade na sada de peas que
daro sequncia na linha produtiva. Por outro
lado, exposto pelos analistas responsveis
do setor estudado, que as paradas dos
equipamentos para troca de ferramentas
devido ao alcance de sua vida til, so um dos
fatores que mais preocupam. Alm dessas
paradas, h tambm as paradas por falhas
diversas que ocorrem nas mquinas. Com
posse dessas informaes, pudemos
direcionar o experimento de diversos cenrios
relacionados com as paradas das mquinas e
consequentemente o tempo de reparo gasto
pelos operadores.

I. Cenrio 1
No cenrio atual, dois operadores
acompanham o desempenho das mquinas e
realizam testes de qualidade. O operador 1
disponibilizado para atender as paradas (troca
de ferramentas ou falhas) das operaes
OP10A e OP10B. J o operador 2 atende as
paradas (troca de ferramentas e falhas) das
operaes OP20A, OP20B e OP20C. O que
pde se perceber que muitas vezes ocorre
de, enquanto o operador repara um
equipamento, outro equipamento que
responsabilidade do mesmo operador, para
tambm. Nesse momento, um equipamento
est parado para reparo e outro fica
aguardando para ser reparado. Se for, no caso
a OP10 e duas mquinas pararem ao mesmo
tempo, todo o Prtico1 para seu processo. Se
for a OP20 e duas das trs mquinas pararem,
apenas aproximadamente 33% do Prtico1
continua produzindo. Isso significa que o
envolvimento dos operadores muito mais
importante no desempenho do Prtico como
pode parecer.
No desenvolvimento do modelo
computacional foi considerada a hiptese dos
dois operadores atenderem todas as mquinas,
isso poderia reduzir o tempo de espera por
reparo pelos equipamentos. o que foi
comprovado aps as simulaes, conforme
visto nas Figuras 10, 11 e 12. Com a opo de
utilizao dos operadores criada no painel de
controle desenvolvido pela LineCon, foi
possvel confirmar uma melhora mdia de
aproximadamente 7,7% na produo final.
Esse valor se torna muito mais expressivo se
considerarmos que no haver praticamente
nenhum investimento para as alteraes, a
necessidade estaria apenas no treinamento e
criao de alguns procedimentos para os
operadores envolvidos.


Figura 10: localizao dos valores e Box de opo
para usurio no painel de controle


Figura 11: Box desabilitado indicando, situao dos
operadores como esto atualmente e produo diria



Figura 12: Box habilitado indicando, utilizao dos
operadores em ambas as operaes e produo diria

II. Cenrio 2
Como o volume de produo muito alto,
uma das grandes preocupaes no setor
analisado a utilizao das ferramentas
envolvidas nas mquinas. No Prtico1, as
ferramentas utilizadas so oito ferramentas
em cada mquina da OP10 e seis ferramentas
em cada mquina da OP20. notrio que a
forma que utilizada e a vida til de cada
ferramenta interferem, de maneira
significativa, na produo total do Prtico.
Visto isso, outro ponto em que executamos
vrios cenrios para a otimizao dos recursos
analisados foram, tanto as alteraes da vida
til das ferramentas optando por qualidades
diferentes de produto, quanto combinao
de paradas para troca dessas ferramentas. Dos
resultados destes cenrios, foram extradas
informaes importantes que indicam
alteraes nesses fatores para uma reduo no
tempo de paradas para troca de ferramenta.
Uma das simulaes realizadas considerando
a vida til das ferramentas foi a substituio
da ferramenta T3 da OP20. O que motivou o
teste foi a possibilidade de aumento na
durabilidade da ferramenta, optando por
outros materiais ou fornecedores. Essa
substituio consiste na troca da ferramenta
de metal-duro com vida til de 75 pallet de
produo, para ferramentas de materiais
como, por exemplo, cermica. Esse material
possui vida til de 500 pallet de produo.
Pode-se observar nos resultados da simulao
na Figura 13 (ferramenta metal-duro) e na
Figura 14 (ferramenta cermica) um aumento
mdio na produtividade de 5%. Isso devido
reduo nas paradas para troca de ferramenta
nas trs mquinas da OP20.
Vale lembrar que o sistema simulado foi
desenvolvido pela LineCon tambm em um
arquivo para ser utilizado em um software
chamado Simul8 Viewer. Esse programa, que
disponibilizado gratuitamente pela Simul8,
pode ser instalado em qualquer computador,
possibilitando que os analistas do setor
possam realizar quantos testes acharem
necessrio.


Figura 13: resultado da simulao com a ferramenta
T3 de Metal-duro na OP20


Figura 14: resultado da simulao com a ferramenta
T3 de Cermica na OP20
5. Resultados Obtidos
Conforme apresentado nas sees
anteriores, foram realizadas simulaes
considerando inicialmente dois fatores que
poderiam melhorar a eficincia do Prtico1,
so eles: utilizao dos operadores quanto aos
reparos durante paradas das mquinas, e a
substituio da ferramenta T3 de metal-duro
da OP20 por ferramenta com durabilidade
maior.
Seguem abaixo os valores resumidos
referentes aos cenrios simulados. Na Tabela
2 esto demonstrados os valores dos cenrios
relativos utilizao dos operadores. Na
Tabela 3 so expostos os resultados referentes
qualidade da ferramenta T3 da OP20. J na
Tabela 4, as melhorias propostas so
simuladas simultaneamente, dessa forma,
possvel observar o comportamento do
sistema com todas as alteraes. Neste ltimo
cenrio, pode-se perceber a importante
melhora no Prtico1 com a implantao das
modificaes aproximadamente 9,9%.













Cenrios Operadores OP10 OP20 Utilizao
Mdia de
produo
diria
Melhora
Cenrio 1
Operador 1 Atende No Atende 50.8%
1673
7,7%
Operador 2 No Atende Atende 51.7%

Cenrio 2
Operador 1 Atende Atende 53.6%
1802
Operador 2
Atende Atende
53.3%
Tabela 2: resultados dos cenrios referentes utilizao dos operadores



Cenrios Ferramenta
Metal-duro
(vida til por
pea produzida)
Cermica (vida
til por pea
produzida)
Melhora
Ferramenta T3 OP20 75 500

Cenrio 3
Mdia de produo
diria
1673 1761 5.3%
Tabela 3: resultados dos cenrios referentes vida til das ferramentas T3 da OP20



Cenrio
Recursos
Estudados
OP10 OP20
Mdia de
produo diria
Melhora
Cenrio 4
Operador 1 Atende Atende
1839 9,9%
Operador 2 Atende Atende
Ferramenta T3
OP20

Vida til 500
peas
Tabela 4: resultados dos cenrios referentes utilizao dos operadores e a vida til das
ferramentas T3 da OP20
6. Concluses e Recomendaes
Conforme visto nos resultados das
simulaes nas tabelas acima, possvel
entendermos claramente as possibilidades de
ganhos de produo final relativo ao Prtico1.
Devido melhora significativa de 7,7% e o
baixo custo para implantao das alteraes
propostas para se chegar ao cenrio 2, sugere-
se que a primeira melhoria seja a alterao
dos mtodos de trabalho dos operadores do
Prtico1 para que ambos atendam as paradas
das operaes OP10 e OP20. J a alterao da
ferramenta para cermica, apesar de
apresentar uma melhora importante, na prtica
a ferramenta no se mostrou resistente carga
necessria. Esse fator leva a identificao de
novas ferramentas que ofeream durabilidade
maior que a atual, considerando que a
simulao demonstrou que possvel o ganho
na produtividade com o aumento da vida til
de apenas uma ferramenta.



Referncias Bibliogrficas
Chwif, Leonardo; Medina, Afonso C. Modelagem e simulao de eventos discretos, teoria &
aplicaes. Segunda edio. So Paulo, 2007.
Chwif, Leonardo. Reduo de modelos de simulao de eventos discretos na sua concepo:
uma abordagem causal. Tese de Doutorado. Escola Politcnica da USP. Departamento de
Engenharia Mecnica, 1999.
Vincent, Stephen. Input data analysis. In: Handbook of Simulation, Ed. J. Banks, p.55-91, New
York: John Wiley and Sons, 1998.
Kelton, David W.; Sadowski, Randall P.; Sadowski, David. Simulation with Arena. Boston:
McGraw Hill, 1998.
Pidd, Michael. Tools for hinking: modeling in management science. Quarta edio, Chichester:
John Wiley & Sons, 2000.
Leal, Fabiano. Um diagnostico do processo de atendimento a clientes em uma agencia bancria
atravs de mapeamento do processo e simulao computacional. Dissertao submetida ao
Programa de Ps-Graduao em Engenharia de Produo. Universidade Federal de Itajub, MG,
2003.
Moreira, C. M. Estratgias de reposio de estoques em supermercados: avaliao por meio de
simulao. Dissertao (Mestrado em Engenharia de Produo) Programa de Ps-Graduao em
Engenharia de Produo, Universidade Federal de Santa Catarina, Florianpolis, SC, 2001.