Você está na página 1de 13

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Dimensionamento de Kanban Estatstico por DOE Simulado


Alexandre Leme
Fernando Augusto Silva
Jos Arnaldo Barra
Sanches
Marins
Montevechi
Universidade Estadual Paulista - UNESP / Universidade So Francisco - USF

Douglas de Almeida
Ribeiro

RESUMO
Geralmente, os kanbans so dimensionados de forma determinstica e seus ajustes so intuitivos e
empricos. As disperses naturais do processo, em muitos casos, no so consideradas, o que pode
gerar falha no dimensionamento. Na realidade o dimensionamento de kanbans pode ser
caracterizado como um trade off, ou seja, se dimensionado em excesso gera inventrio e caso
contrrio gera desabastecimento. Neste trabalho, busca-se um dimensionamento com base estatstica
que minimize o WIP (Work in Process) e maximize o abastecimento, e apresentada uma proposta
para dimensionamento de kanbans com base na metodologia DOE (Design of Experiments) e na
otimizao simultnea de respostas mltiplas pela Funo Desejabilidade de Derringer. Tais
Experimentos, devido ao alto custo e complexidade, so simulados por computador pelo software
PROMODEL. Para a aplicao do DOE e otimizao das respostas utilizdo o software MINITAB e
pra o condicionamento dos dados de entrada utilizado o software Crystal Ball.
Palavras-Chave: Simulao. DOE. Kanban.

1. INTRODUO
Sendo a base da filosofia JIT (Just in Time), o sistema Kanban foi desenvolvido na
dcada de 60, pelos engenheiros da Toyota Motors Cia., com o objetivo de tornar simples e
rpidas as atividades de programao e controle produo OHNO (1997).
Atualmente, o Kanban no uma simples ferramenta de controle de inventrio, mas
tambm um recurso que proporciona flexibilidade e agilidade s clulas de alto mix
SCHOMBERGER (2002).
A dificuldade da utilizao do sistema surgiu com as incertezas inerentes aos
processos produtivos como as oscilaes de demanda, disperses no tempo de execuo de
tarefas e at diferenas em quantidades produzidas, devido a problemas de qualidade.
Na inteno de solucionar o problema, foi introduzido um fator de segurana no
dimensionamento determinstico, que amplia o nmero de cartes kanban de forma
descontrolada, o que pode afastar o dimensionamento da situao tima.
O problema em questo pode ser caracterizado como um trade-off, ou seja, um
trade-off ocorre quando se abre mo de algum bem ou servio para se obter outro bem ou
servio distinto, refere-se, geralmente, a perder uma qualidade ou aspecto de algo, mas
ganhando outra em troca. Portanto, o dimensionamento de kanbans pode ser caracterizado
como um trade off, ou seja, se dimensionado em excesso gera inventrio e caso contrario gera
desabastecimento.
Neste trabalho, busca-se um dimensionamento com base estatstica que minimize o
WIP (Work in Process) e maximize o abastecimento. Na seo seguinte, apresentada a
metodologia da pesquisa, seguida pelos conceitos bsicos sobre Kanban, Simulao de
Eventos Discretos e DOE. Finalizando, apresentada uma aplicao com respectivos
resultados e concluses.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

2. METODOLOGIA
Na pesquisa em questo, a importncia da explorao e descrio dos mtodos se
sobrepe do objeto de pesquisa. A abordagem, no caso, sendo quantitativa, destaca a
evidncia de relaes causais, operacionalizao de conceitos e concluses que, conforme o
enfoque, podem ser generalizadas.
O conceito de pesquisa descritiva tambm se aplica ao caso, pois esta tem como
objetivo a descrio de caractersticas de determinado processo estudado, ou o
estabelecimento de relaes entre variveis. Algumas pesquisas descritivas vo alm da
simples identificao da existncia de relaes entre variveis, pretendendo-se determinar a
natureza dessa relao, tendo-se, ento, uma pesquisa descritiva que se aproxima da
explicativa. H casos de pesquisas, que, embora definidas como descritivas, proporcionam
uma nova viso do problema, o que as aproxima das pesquisas exploratrias.
Abordagem
Tipo de Pesquisa
Mtodo de Pesquisa

Metodologia

Quantitativa
Descritiva (Exploratria)
Experimentao / Simulao

Figura 1 Metodologia da Pesquisa

O mtodo de pesquisa adotado , portanto, a Pesquisa Experimental, pois segundo


BRYMAN (1995), de um modo geral, alm de se adequar ao caso em questo, o experimento
representa o melhor exemplo de pesquisa cientifica. Consiste em determinar um objeto de
estudo, selecionar variveis que seriam capazes de influenci-lo, definir as formas de controle
e de observao dos efeitos que a varivel produz no objeto. Na execuo da pesquisa, um

kanban dimensionado de forma experimental atravs de um sistema simulado, e onde os nveis


mximos (nmero de cartes).

3. O SISTEMA KANBAN
A idia bsica do Sistema Kanban atribuda ao japons Taiichi Ohno, vicepresidente da Toyota Motors Cia., na dcada de 60, e a base da metodologia Just in Time, do
Sistema Toyota de Produo e principalmente do Pull System SCHOMBERGER (2002).
Kanban uma palavra japonesa que significa literalmente registro ou placa visvel.
Significa um carto de sinalizao que controla os fluxos de produo em uma indstria. O
carto pode ser substituido por outro sistema de sinalizao, como luzes, caixas vazias e at
locais vazios demarcados. Coloca-se um Kanban em quadros especficos de uma linha de
produo, para indicar a necessidade de um item em determinada quantidade. Quando no h
nenhum carto no quadro no se deve produzir nenhuma pea. O Kanban permite agilizar a
entrega e a produo de peas alm de controlar o estoque intermedirio ou WIP (Work in
Process).
Pode ser empregado em indstrias montadoras, desde que a demanda no oscile em
demasia. Os Kanbans fsicos (cartes ou caixas) transitam entre os locais de armazenagem e
produo substituindo formulrios e outras formas de solicitao de peas, permitindo enfim
que a produo se realize no ambiente JIT (Just in Time). SCHOMBERGER (2002).
Entre os principais conceitos do JIT pode-se destacar OHNO (1997):

Eliminao do desperdcio;
Trabalhadores multifuncionais e autnomos;
Defeito zero (Poka Yoke);
Produo em pequenos lotes;

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Setup rpido;
Utilizao de Layout celular;
Kaizen;
5 Ss;
Sistema Kanban (Pull System).

O sistema Kanban um instrumento de controle de produo. Ele tem a funo de ser


um pedido de produo no departamento de fabricao e a funo de ser a instruo de
retirada no processo subseqente SCHOMBERGER (2002).
Uma das principais funes dos Kanbans, alm das j mencionadas, acelerar
melhorias, visto que informa automaticamente problemas em estaes de trabalho por meio da
reduo dos estoques, o que expe os problemas da produo por intermdio das paradas de
linha (OHNO, 1997). Portanto, pode-se afirmar que o Kanban a principal ferramenta do JIT.
Uma ilustrao do Sistema Produtivo Puxado (Pull System), comparado com o Empurrado
(Push System) pode ser observada na Figura 3.

PCP

OP
(MRP)

Clula
Produtiva

Push System

Kanban

Clula
Cliente

Pull System

Figura 2. Push System x Pull System (Fonte: autores).

3.1. O DIMENSIONAMENTO DE KANBANS


O nmero de contineres, e respectivos cartes kanban, que deve controlar o fluxo de
produo de um determinado item, pode ser definido segundo SCHOMBERGER (2002) pela
Eq. 1.
N=

D
Tr (1 + FS)
Q

(1

Onde:
D: Demanda.
Q: Quantidade de unidades por continer.
Tr: tempo de resposta de Sistema.
FS: fator de Segurana.
O Tempo de Resposta do Sistema (Tr) pode ser decomposto em Tempo de Espera
(Tp), Tempo de Preparao (Tp), Tempo de Operao (To) e Tempo de Movimentao (Tm).
O Tempo de Operao geralmente obtido como unitrio e, portanto, deve ser multiplicado
pela quantidade de unidades em um continer (To = Tou x Q) sendo Tou o tempo de
operao unitrio. Portanto, tem-se:

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

N=

D
( Te + Tp + (Tou Q) + Tt ) (1 + FS)
Q

(2)

4. A METODOLOGIA DOE (DESIGN OF EXPERIMENTS)


O planejamento experimental, tambm denominado delineamento experimental ou
projeto de experimentos, representa um conjunto de ensaios estabelecido com critrios
cientficos e estatsticos, com o objetivo de determinar a influncia de diversas variveis nos
resultados de um dado sistema ou processo MONTGOMERY (1976).
A experimentao sistemtica crucial para investigar os fatores que influenciam
resultados. Depois de identificar esses fatores, pode-se efetuar ajustes nos processos ou nas
formulaes, melhorando imediatamente o processo, a confiabilidade e a qualidade da
resposta COLEMAN (1993).
Os experimentos bem planejados podem produzir significativamente mais
informaes, em menos tempo e com menores despesas do que experimentos aleatrios ou
no planejados.
O DOE fornece as ferramentas para criao de planejamentos de experimentos e
anlise grfica de resultados na melhoria de processos, de maneira rpida e eficiente.
Experimentos so empregados para resolver problemas em geral, decidir entre diferentes
processos de manufatura, diferentes conceitos de produto, entender a influncia de
determinados fatores, etc. Esta tarefa, ainda, torna-se cada vez mais importante na medida em
que se intensifica a base tecnolgica dos produtos e as exigncias governamentais e de
clientes aumentando a necessidade de emprego de experimentos durante todas as etapas dos
processos BOX (1978).
O Planejamento de Experimentos uma tcnica utilizada para se planejar
experimentos, ou seja, para definir quais dados, em que quantidade e em que condies
devem ser coletados, durante um determinado experimento, buscando, basicamente, satisfazer
dois grandes objetivos: a maior preciso estatstica possvel na resposta e o menor custo. ,
portanto, uma tcnica de extrema importncia para a indstria, pois seu emprego permite
resultados mais confiveis, economizando dinheiro e tempo, parmetros fundamentais em
tempos de concorrncia acirrada MONTGOMERY (1976).
Apesar de novas, as principais tcnicas de planejamento de experimentos j existiam e
potencialmente poderiam estar sendo sistematicamente aplicadas na indstria desde muitos
anos. Porm, a grande maioria destas tcnicas requer uma quantidade exaustiva de clculos
tornando fundamental o emprego dos recursos de informtica.
Um fator que tem impulsionado a aplicao industrial do planejamento de
experimentos so as ferramentas computacionais de anlise estatstica e solues corporativas
que, cada vez mais, facilitam a realizao das anlises e manuteno e gerenciamento de
dados. Neste sentido, a tendncia que tais tcnicas tornem-se cada vez mais prximas de
aplicaes prticas e, portanto, cada vez mais utilizadas. preciso estar claro tambm que,
em estatstica, Planejamento de Experimentos designa toda uma rea de estudos que envolve
tcnicas de experimentao.
4.1. ETAPAS PARA O DESENVOLVIMENTO DE UM DOE
COLEMAN & MONTGOMERY (1993) propem as seguintes etapas para o
desenvolvimento de um Planejamento de Experimentos:
Caracterizao do problema;
Escolha dos fatores (variveis de controle ou entrada) e nveis (faixas de valores das
variveis de controle);
Seleo das variveis de resposta;

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Determinao de um modelo de planejamento de experimento;


Conduo do experimento (no caso em questo uma Simulao);
Anlise dos dados;
Concluses e recomendaes.

Outros objetivos do DOE, podem ser:


Determinar quais variveis so mais influentes nos resultados;
Atribuir valores s variveis influentes de modo a aperfeioar os resultados;
Atribuir valores s variveis influentes de modo a minimizar a variabilidade dos
resultados;
Atribuir valores s variveis influentes de modo a minimizar a influncia de variveis
incontrolveis.
A seguir, destacam-se alguns benefcios da utilizao das tcnicas estatsticas de
planejamento experimental:
Reduo do nmero de ensaios sem prejuzo da qualidade da informao;
Estudo simultneo de diversas variveis, separando seus efeitos;
Determinao da confiabilidade dos resultados;
Realizao da pesquisa em etapas, num processo iterativo de acrscimo de novos
ensaios;
Seleo das variveis que influem num processo com nmero reduzido de ensaios;
Representao do processo estudado atravs de expresses matemticas;
Elaborao de concluses a partir de resultados qualitativos.
O planejamento experimental uma ferramenta essencial no desenvolvimento de
novos processos e no aprimoramento de processos em utilizao. Um planejamento adequado
permite, alm do aprimoramento de processos, a reduo da variabilidade de resultados, a
reduo de tempos de anlise e dos custos envolvidos.
No que se refere ao projeto de produtos, o planejamento experimental permite a
avaliao e comparao de configuraes (projetos) distintas, avaliao do uso de materiais
diversos, a escolha de parmetros de projeto adequados a uma ampla faixa de utilizao do
produto e otimizao de seu desempenho.
Os conceitos descritos acima podem ser resumidos em trs termos muito empregados
atualmente: qualidade, produtividade e competitividade. Para que os resultados obtidos de
ensaios experimentais possam ser analisados atravs de mtodos estatsticos, possibilitando
elaborarem-se concluses objetivas, o planejamento experimental deve ser baseado numa
metodologia tambm estatstica, que a nica forma objetiva de avaliar os erros
experimentais que afetam esses resultados.
Como j afirmado, alm de dominar a metodologia estatstica necessria para o
planejamento e para a anlise dos dados, deve-se conhecer exatamente o que deseja estudar,
como obter os dados, bem como ter uma estimativa qualitativa de como esses dados sero
analisados. Tambm desejvel, sempre que possvel, o estabelecimento de um modelo
fsico-matemtico que estabelea funes que relacionem as diversas variveis influentes no
processo com os resultados que se deseja analisar.
A elaborao de um modelo, mesmo que aproximado, possibilita um planejamento
experimental mais dirigido, definindo-se valores de estudo adequados para as variveis,
reduzindo desta forma o nmero de ensaios.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

4.2. TESTE PARA A SIGNIFICNCIA DO MODELO


Este teste realizado como um procedimento de ANOVA. Calculando-se a razo entre
a mdia quadrtica dos termos de regresso e a mdia quadrtica do erro, encontra-se ento a
estatstica F. Comparando-se esta estatstica com o valor crtico de F obtido a partir do nvel
de significncia desejado, conclui-se sobre a significncia do modelo. Se F for maior que
Fcrtico (o que equivale a um P-Value menor que o nvel de significncia), ento o modelo
adequado MONTGOMERY (1976).
4.3. TESTE PARA A SIGNIFICNCIA INDIVIDUAL DOS COEFICIENTES DO
MODELO
O teste individual de significncia de cada coeficiente pode conduzir otimizao do
modelo atravs da eliminao ou da adio de termos. Do mesmo modo que no item anterior,
se o P-Value do teste individual para os termos for inferior ao nvel de significncia, ento, o
termo adequado ao modelo e deve, portanto, ser mantido. Se, entretanto, ocorrer o contrrio,
o termo deve ser excludo se tal procedimento conduzir a um aumento do coeficiente de
determinao R2 conjuntamente com a diminuio do termo de erro S (este termo a raiz
quadrada do erro mdio quadrtico) MONTGOMERY (1976).
O teste para falta de ajuste do modelo reduzido deve ter um P-value superior ao nvel
de significncia, caso contrrio, a eliminao do termo no se justifica. Alm disso, a retirada
de qualquer termo deve obedecer ao princpio da Hierarquia MONTGOMERY (1997), ou
seja, se um termo de ordem alta mantido no modelo, o de ordem baixa tambm deve ser
conservado. Por exemplo, se a interao AB significativa, mas o efeito principal A no o ,
ento o modelo deve conservar ambos.
A presena de rplicas em um experimento permite que a soma de quadrados do erro
seja dividida em duas partes: o erro puro e a falta de ajuste. Quando o P-value do teste de falta
de ajuste superior ao nvel de significncia, ento, no h evidncia de que o modelo no
explique adequadamente a variao da resposta MONTGOMERY (1997).
5. A OTIMIZAO SIMULTNEA DE RESPOSTAS MULTIPLAS
De Acordo com CARNEIRO (2005), a idia bsica da funo de desejabilidade
transformar um problema de vrias respostas em um de uma nica resposta por meio de
transformaes matemticas. A primeira etapa desta transformao consiste em tornar cada
resposta em funes normalizadas que possuem valores de imagem entre 0 e 1. As funes de
normalizao ou convenincia so dadas como:

(3)

Para busca unilateral, e para busca bilateral.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

(4)

Onde:
ymin m : valor mnimo para a resposta ym
ymax m: valor mximo para a resposta ym
Tm: valor alvo para a resposta ym r,s e t: parmetros de subjetividade
m: respostas (1,...,p)
Para minimizao, na otimizao unilateral, os limites superiores e inferiores so
invertidos, o que equivale a um complemento (1 dm) para a funo de convenincia. Todas
as funes de convenincia individuais so combinadas numa funo global, que definida
como a mdia geomtrica das funes individuais:
D = (d1 x d2 x .....dp)1 /p
Quanto maior o valor de D, mais conveniente a resposta do sistema, sendo que o
valor mximo de D a soluo otimizada do sistema. Nas respostas dp com descontinuidades
ou singularidades (pontos de inflexo), foi introduzido um polinmio de quarta ordem que se
ajusta sobre um pequeno trecho onde est a descontinuidade.
f(y) = F + Gy + Hy2 + Iy3 + Jy4
Pode-se observar na Figura X, que o polinmio entra no trecho entre os pontos a e c,
removendo a inflexo que estava presente no ponto b. Para que isso ocorra, porm, as
seguintes condies devem ser obedecidas:
f(a) = d(a)
f(a) = d(a)
f(c) = d(c)
f(c) = d(c)
f(b) = d(b)
Onde:
b = valor objetivo
a = b b/50
c = b + b/50
Sendo a e b denominados como vizinhana do valor objetivo. Tendo um sistema com
5 equaes, pode-se encontrar 5 incgnitas (F, G, H, I, J) atravs da manipulao de lgebra
linear e assim encontrar o polinmio que satisfaa as restries acima e remova a
descontinuidade da funo.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Figura 3. Funo de desejabilidade para busca de um valor especifico. (Fonte: CARNEIRO, 2005).

A equao contnua de desejabilidade ser ento:

(5)

Procedimento para entrada de dados:


1. Selecionar o tipo de otimizao (Fatorial 2k);
2. Fornecer o nmero de variveis independentes;
3. Fornecer os limites superior e inferior das variveis independentes;
4. Definir o nmero de respostas a serem otimizadas;
5. Definir o objetivo de otimizao de cada resposta;
6. Definir os limites superior e inferior e o valor alvo (se for o caso) para cada resposta.
6. A SIMULAO DE EVENTOS DISCRETOS
A simulao uma tcnica matemtica destinada a resolver problemas cuja soluo
analtica ou experimental difcil ou mesmo impossvel. Em geral, a tcnica da simulao
no produz resultados exatos, mas produz boas aproximaes quando h dificuldade ou
mesmo impossibilidade de se conseguir a soluo experimental do problema LAW (2000).
Um modelo de simulao tem um carter descritivo, com maior nfase ao
desenvolvimento de um sistema que se adapte realidade do que a um processo de clculo
que leve a um ponto timo. Lembrando que nenhum objeto existente na realidade pode ser

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

explicado corretamente examinando suas partes independentemente, importante ser feito um


estudo global de todas as partes de um sistema.
A simulao permite ampliar a anlise de projetos nos casos mais gerais, incorporando
a dimenso de risco de forma explcita. Em vez de medidas determinsticas de resultados de
explorao, ela permite gerar pontos, de modo a indicar o grau de confiana associado. Um
modelo de simulao inicia-se pela especificao da poro do mundo real que ser estudada,
identificando os pontos principais do sistema e suas inter-relaes, num mundo esquemtico
ou quantitativo.
Definido o sistema, o prximo passo consiste no estudo e caracterizao de cada item
identificado no modelo a ser adotado. Selecionar as variveis essenciais do fenmeno
estudado, o modelo matemtico que o simula poder levar a solues prximas daquelas
esperadas na realidade.
Simulao uma tcnica de modelagem e anlise usada para avaliar e aprimorar os
sistemas dinmicos de todos os tipos. A simulao numrica faz parte da capacidade humana de

imaginao. O crebro humano cria constantemente imagens da realidade sua volta.

Uma das nossas capacidades mais refinadas de simulao a intuio: nela, um


modelo refinado da realidade criado na mente, na qual a relao causa-efeito prevista, sem
por isso ter um modelo racional do fenmeno e nem uma viso clara da causa. Uma das reas
mais desenvolvidas de simulao por computador a criao de ambientes virtuais. medida
que a potncia dos computadores aumenta, o realismo desses ambientes torna-se cada vez
mais convincente.
Outra rea a simulao por computador de padres de tomadas de deciso. Esses
incluem a simulao de mecanismos de seleo e/ou padres lgicos. A aplicao na rea
financeira procura simular situaes que envolvem investimento de capital sem realmente
dispor do mesmo, e assim analisar o comportamento das variveis envolvidas.
O sistema em estudo representado por equaes (traduo do problema financeiro
para a matemtica computacional), ento os resultados da simulao so comparados aos
possveis fenmenos reais em estudo. A simulao numrica est ao alcance de qualquer
empresa, desde que tenha o software e os recursos humanos adequados.
7. DESCRIO DO PROBLEMA EM ESTUDO

Geralmente, os kanbans so dimensionados de forma determinstica e seus ajustes so


intuitivos e empricos. Portanto busca-se um dimensionamento que minimize o WIP e
maximize a abastecimento do cliente (interno ou externo).
No caso em questo, uma clula de produo de bicos de escapamento (subconjunto
tubo + flange) opera com certa deficincia no abastecimento, com excessivas paradas por falta
de componentes. O kanban, no caso, foi dimensionado pela Eq. 2.
A soluo trivial seria um aumento no nmero de cartes, o que aumentaria o WIP,
situao que tambm no desejada. Est caracterizado, ento, um problema de otimizao de
respostas mltiplas. Em suma, o problema consiste em experimentar um aumento de uma
unidade no nmero de cartes kanban em dois componentes distintos (tubo e flange),
caracterizando um Experimento Fatorial Completo 2k e uma aplicao da Funo
Desejabilidade de Derringer para a otimizao das duas respostas (mn. WIP e
mn.Desabastecimento). Para a execuo dos experimentos utilizada a Simulao de
Eventos Discretos.
So realizados quatro experimentos com Kanban Tubos em dois nveis (7 e 8 cartes)
e Kanban Flange tambm em dois nveis (7 e 8 cartes), totalizando quatro condies
experimentais (22 = 4) sendo consideradas trs replicaes para cada condio experimental
tem-se doze corridas. A Figura 4 ilustra apenas uma das quatro condies experimentais.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Figura 4. Simulao do Kanban com 7 cartes pelo Software PROMODEL.

8. ANLISE DOS RESULTADOS


Os resultados so analisados pelo software MINITAB, sendo que o mesmo possui um
modulo especfico para otimizao de respostas simultneas pela Funo Desejabilidade de
Derrringer, como mostra a Figura 7.
O Tempo Efetivo de Operao, ou seja, tempo em que a clula cliente ficou abastecida
representado pela Figura 5. Convm destacar que a Figura resultado de uma nica corrida
O Nvel Mdio de Inventrio de cada kanban representado pela Figura 6, observa-se
que a figura apresenta o Nvel Mdio de todos os locais (locations), o que uma caracterstica
do software, porm as variveis de interesse so somente as relativas aos kanbans (Tubos e
Flanges).

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Figura 5. % de Tempo Efetivo de Operao.

Figura 6. Nvel Mdio dos Kanbans.

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

Optimal
Hi
D
Cur
0,34069 Lo

Kanban T
8,0
[7,0]
7,0

Kanban F
8,0
[8,0]
7,0

% Faltas
Minimum
y = 0,050
d = 0,92857
Inventr
Minimum
y = 6,50
d = 0,12500

Figura 7. Otimizao Simultnea das variveis % de Faltas e Inventrio.

9. CONCLUSES
Geralmente, quando as incertezas so inseridas nos modelos, fica exposta a grande
fragilidade de certos mtodos determinsticos. Com relao ao sistema kanban, pode-se
concluir que capacidade mdia de fornecimento deve ser maior ou igual capacidade mdia
de consumo, ou seja, a clula deve estar balanceada ou ligeiramente desbalanceada de forma
que o abastecimento seja maior que o consumo. Caso tal condio no seja atendida, o kanban
certamente ir falhar e o tempo entre falhas depender das disperses envolvidas no processo,
do abastecimento inicial, e da diferena entre o ritmo de abastecimento e de consumo.
Se as capacidades mdias de abastecimento e consumo forem iguais, deve-se iniciar o
processo com o kanban plenamente abastecido para executar a funo de amortecimento das
disperses do processo. O DOE combinado com a Simulao de Eventos Discretos se
apresenta como um mtodo poderoso na anlise de incertezas, porm apresenta como
limitao, a complexidade dos clculos e a necessidade de softwares especficos.
No caso em questo, ficou evidente a necessidade de ampliao do kanban de Flanges
para otimizao das respostas % Faltas e Inventrio. Para maior aprimoramento do
nmero de Kanbans, seria conveniente a aplicao de Metodologia de Superfcie de Resposta
(Methodology Response Surface MRS), para busca de uma condio tima, alm das
condies experimentadas, que proporcione um acrscimo na funo desejabilidade.
10. REFERNCIAS
BRYMAN, A.; Research Methods and Organization Studies, John Wiley & Sons Ltd 1995.
BOX, G. E. P.; HUNTER, W. G.; HUNTER, J. S. Statistics for experimenters. New York:
John Willey: 1978.
CARNEIRO, R. L. O Semina: Cincias Agrrias, Londrina, v. 26, n. 3, p. 353-362, jul./set.
2005

SEGeT Simpsio de Excelncia em Gesto e Tecnologia

COLEMAN, D. E.; MONTEGOMERY, D. C. A systematic approach to planning for a


designed industrial experiment. Technometrics, v.35, n.1. 1993.
LAW, A.M., KELTON, W.D.; Simulation Modeling and Analysis. 3a. ed. New York:
McGraw-Hill: 2000.
MONTGOMERY, D. C. Introduction to statistical quality control. 3rd. ed. New York: Wile:
1997
MONTGOMERY, D. C. Design and analysis of experiments. New York: Willey: 1976.
OHNO, Taiichi. O Sistema Toyota de Produo: Alm da produo em larga escala. Porto
Alegre: Bookman, 1997.
SCHONBERGER, R. J.; Kanban at the Nexus - Production and Inventory Management
Journal; Third Quarter 2002; 43, 3/4; ABI/INFORM Global pg. 1.