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%
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.