994 4682 1 PB

UM MODELO DE SIMULAO DE SISTEMAS APLICADO PROGRAMAO DA
PRODUO DE UM FRIGORFICO DE PEIXE

A SYSTEM SIMULATION MODEL APPLIED TO THE PRODUCTION SCHEDULE OF
A FISH PROCESSING FACILITY
Carla Roberta Pereira* E-mail: pereiracrz@gmail.com
Miguel Antonio Bueno da Costa* E-mail: mbcosta@ufscar.br
*Universidade Federal de So Carlos (UFSCar), So Carlos, SP
Resumo: A simulao busca importar a realidade para um ambiente controlado, onde se pode estudar o
seu comportamento, sob diversas condies, sem riscos fsicos e/ou grandes custos envolvidos. Dessa
forma, ela se torna uma tcnica til e poderosa em mercados crescentes, como o caso da tilapicultura
que necessita produzir de maneira adequada para atender bem seus clientes e expandir seus negcios.
Nesse sentido, o objetivo central deste trabalho foi desenvolver um modelo de simulao para auxiliar na
tomada de decises sobre a programao da produo de um frigorfico de peixe. Para tanto, utilizou-se
como mtodo de pesquisa o estudo de caso e a modelagem/simulao, incluindo neste conjunto a
metodologia SimuCAD e as etapas de desenvolvimento de um modelo de simulao. Com a construo
do modelo foi possvel trabalhar diversas alternativas de cenrios, testando diferentes jornadas de
trabalho, tipos de fluxos e de capacidade produtiva, alm de variaes do estoque final com relao s
vendas. Como resultado, obteve-se um modelo de simulao til e diferenciado para auxiliar na tomada
de deciso sobre a programao da produo do frigorfico de peixe estudado.
Palavras-chave: Simulao. Programao da produo. Frigorfico de peixe. Tilapicultura. Software
Arena.
Abstract: The simulation seeks to import the reality to a controlled environment, where it is possible to
study it behavior, under several conditions, without involving physical risks and/or high costs. Thus, the
system simulation becomes a useful and powerful technique in emergence markets, as the tilapiculture
sector that needs to expand its business. The main purpose of this study was the development of a
simulation model to assist the decisions making of the production scheduling of a fish processing facility. It
was applied, as research method, the case study and the modeling/simulation, including in this set the
SimuCAD methodology and the development phases of a simulation model. The model works with several
alternative scenarios, testing different working shifts, types of flows and production capacity, besides
variations of the ending inventory and sales. The result of this research was a useful and differentiated
model simulation to assist the decision making of the production scheduling of fish processing facility
studied.
Keywords: Simulation. Production Scheduling. Fish Processing Facility. Tilapiculture. Software Arena.
Revista Produo Online, Florianpolis, SC, v.12, n. 4, p. 972-1001, out./dez. 2012.

972
1 INTRODUO
A melhoria da qualidade dos produtos, a reduo de custos operacionais e a

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

973
O artigo se estrutura em cinco partes. A primeira expe uma abordagem terica

sobre assuntos fundamentais envolvidos nesta pesquisa, sendo eles: simulao de
sistemas, software Arena, sistemas de produo, planejamento, programao e
controle da produo e uma breve abordagem sobre a tilapicultura. A segunda
apresenta a mtodo de pesquisa utilizado. A terceira e a quarta descrevem o
desenvolvimento e a anlise dos resultados da pesquisa. Por fim, a quinta parte
comenta e conclui o trabalho.
2 REVISO TERICA
De acordo com Cauchick Miguel et al. (2010), o referencial terico delimita as

fronteiras do que ser investigado, proporciona suporte terico pesquisa, explicita o
grau de evoluo (estado da arte) do tema estudado, alm de ser um indicativo de
familiaridade e conhecimento sobre o assunto para o pesquisador. Com essa
preocupao, foi feita uma reviso da literatura que contempla os temas tratados neste
estudo.
2.1 Simulao de Sistemas
Com um mercado cada vez mais competitivo e de mudanas rpidas, a

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

974
onde se pode estudar o seu comportamento sob diversas condies, sem riscos fsicos
e/ou grandes custos envolvidos (FREITAS FILHO, 2001).
De forma geral, a simulao e a modelagem podem ser consideradas tcnicas
integradas, sendo necessrio o desenvolvimento de um modelo para posteriormente
simul-lo (REN, 2010). Normalmente, os modelos incorporam vrias entradas
(parmetros) no sistema, como tempo, distncia, velocidade e recursos disponveis, e
fornecem um meio estatisticamente vlido para avaliar, redesenhar e quantificar a
utilizao de recursos, a racionalizao de processos e o tempo gasto (HARRINGTON;
TUMAY, 2000; LFGREN; TILLMAN, 2011).
As informaes geradas auxiliam nas tomadas de deciso e contribuem para
uma melhor compreenso do sistema estudado (COSTA, 2002). Esta tcnica ainda
permite o tratamento estocstico das variveis do processo, o que assegura uma
representao mais realista da aleatoriedade do sistema, diferentemente se tratadas
apenas com valores mdios destas variveis (OLIVEIRA, 2008).
Lobo e Porto (1996) e ren e Yilmaz (2012) afirmam que a simulao dispe de
uma srie de inferncias sobre as mais diversas atividades nos sistemas de produo,
tais como: identificao de problemas; comparao com o desempenho de outros
sistemas; estudos sobre a utilizao da capacidade instalada, nveis de inventrio,
lgica de controle, projetos de produto e engenharia, integrao, seqenciamento,
gargalos do sistema, melhor arranjo fsico e melhor ndice de produtividade dos
funcionrios; treinamento de operadores; anlise de sensibilidade; auxlio ao
planejamento e a aquisio; e previso de comportamento e desempenho;
Kelton, Sadowski e Sadowski (1998) afirmam que a simulao computacional
iniciou na dcada de 80 e, desde ento, tem sido amplamente utilizada tanto no meio
acadmico quanto no empresarial, graas ao aumento da popularidade e da
capacidade dos computadores. Assim, vrias so as maneiras de se desenvolver um
modelo computacional, incluindo desde as linguagens de alto nvel at planilhas ou
aplicativos de software (ALEXANDER, 2006). Diversos simuladores de fcil utilizao e
acompanhados de animao grfica dinmica do sistema esto disponveis no mercado
como, por exemplo, o Arena, o AutoMod e o ProModel.
975
A simulao tem sido aplicada em muitos setores, como o hospitalar (WANG et

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

Lanado pela
Systems Modeling Company em 1993, o Arena um dos
softwares de simulao mais utilizados no mundo. Este, alm de possibilitar o

desenvolvimento de diversos modelos (lgica) e cenrios (animao) de produo,
envolvendo chegada de matria-prima, quantidade de funcionrios, tempos de
processo, gargalos e mix de produto, tambm contm um conjunto de aplicaes
embutidas (Input Analyser, Output Analyser e OptQuest) que auxilia na anlise
estatstica dos dados de entrada e de sada e na identificao de um resultado timo
(KELTON; SADOWSKI; SWETS, 2010).
Como outros simuladores atuais e com auxlio de equipamentos computacionais
mais avanados, o Arena fornece um pacote com (GAVIRA, 2003, p.85): interface
grfica de comunicao com o usurio; animao do modelo; relatrios em tempo real
sobre a simulao executada; coleta automtica de sadas para medio de
976
desempenho do sistema; desenvolvimento de modelos orientados a objetos; e

ferramentas estatsticas para tratamento dos dados da simulao.
2.3 Sistemas de Produo

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

De acordo com Tubino (1997) e Fernandes e Godinho (2010), as atividades de
Planejamento e Controle da Produo (PCP) so exercidas em trs nveis hierrquicos
977
(estratgico, ttico e operacional) nas atividades de um sistema de produo. No nvel

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

978
2.5 Tilapicultura
Tilpia a denominao comum de grande gama de espcies de peixes
cicldeos (BOSCOLO et al., 2001, p.1391) de origem africana. Por se tratar de um
peixe tropical, guas quentes so ideais para a sua reproduo e desenvolvimento.
Muitas so as vantagens que tornam as tilpias um grupo de peixes mundialmente
cultivado, por exemplo: aceitam uma grande variedade de alimentos; seu ciclo de
engorda relativamente curto (seis meses em mdia) e a desova ocorre durante todo o
ano; so resistentes a doenas, a altas densidades de povoamento e a baixos nveis de
oxignio dissolvido; possuem boas caractersticas organolpticas - carne branca de
textura firme e saborosa, baixo teor de gordura, ausncia de espinhos intramusculares
em forma de Y - e excelente rendimento de fil (aproximadamente 35% a 40%), que a
potencializa como peixe para industrializao (HILSDORF, 1995; RESENDE, 2010).
A tilpia, atualmente, a espcie mais cultivada no territrio brasileiro e a
segunda no mundo (JORY; ALCESTE; CABRERA, 2000). Nos ltimos 56 anos, o
consumo mundial per capita de pescados dobrou em virtude das mudanas alimentares
e dos incentivos a aquicultura (FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008). A
produo de tilpias, no Brasil, teve um grande crescimento e, em 2005, ultrapassou a
produo conjunta dos principais pases exportadores de fil fresco para o mercado
americano (Equador, Honduras, Costa Rica e Colmbia). Assim, com este crescimento
acentuado nas exportaes de tilpia, principalmente para os EUA e o Canad,
estimulou-se a instalao de unidades de processamento, alm de despertar o
interesse de investidores nacionais (SUSSEL, 2007; KUBITZA, 2007).
No incio, o processamento da tilpia era realizado em escala reduzida em
frigorficos de pequeno porte. Atualmente, as indstrias beneficiadoras vm crescendo
em tamanho e em nmero. Os produtos resultantes do processamento para
alimentao humana podem ser: fils, postas, peixe inteiro eviscerado, hambrgueres,
nuggets, quibes, espetinhos, petiscos, lingias, produtos defumados, sashimi e outras
variaes que atrai o consumidor. Pode-se, tambm, obter produtos no alimentcios
com as carcaas, escamas e vsceras das tilpias, como farinha, rao, leo; e do
979
couro, diversos acessrios como bolsas, sapatos e cintos (KUBITZA, 2004;

FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008).
Apesar do ndice de consumo de pescado no Brasil ser baixo, os consumidores
atuais tm buscado alimentos que sejam de rpido preparo e com qualidade nutricional,
o que incentiva a pesquisa para novos produtos. Assim, a perspectiva de que em
2030 o consumo seja de 22,5 kg/pessoa e no mais 7kg/pessoa como em 2003
(SOARES, 2005; RESENDE, 2010).
3 MTODO DE PESQUISA
A pesquisa caracterizada como um processo formal e sistemtico de

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

desenvolvimento do modelo de simulao proposto foi desenvolvida por um grupo de
980
pesquisa - SimuCAD - do Departamento de Engenharia de Produo da Universidade

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

AMBIENTE
Simulao
Mix de Produto
e Tecnologia de
Produo
Fatores de
Produo
Centros de
Produo
Modelo
Modelo Final
Estratgia
de Produo
Fonte: Adaptado de Costa; Menegon; Camarotto (1996)

981
3.2 Etapas do Desenvolvimento de um Modelo
De acordo com Shannon (1975) o desenvolvimento de um processo de

simulao mais uma extenso das artes do que das cincias. Tal afirmao ajuda a
entender o porqu da dificuldade de se apresentar um mecanismo nico para
desenvolver modelos de simulao. Contudo, no geral, h alguns elementos
fundamentais de um modelo de simulao e alguns passos que, se seguidos, podem
ajudar o modelista, mesmo novato, a atingir um bom desempenho no desenvolvimento
de modelos de simulao (COSTA, 2002). Neste sentido, segundo adaptaes de
Banks (1998) e Law e Kelton (2000), um projeto de simulao deve seguir os seguintes
passos (Figura 2):
Figura 2 - Etapas de um projeto de simulao
Formulao de problemas
Definio objetivos
Planejamento geral
Concepo do modelo
Coleta de dados
Traduo do modelo
no
Verificado?
sim
no
Validado?
sim
Projeto de
experimento
Execuo do modelo
Anlise
no
sim
Nova execuo?
Relatrios
Implementao
Fonte: (BANKS, 1998, p.16)

982
a) Definio do problema: define-se claramente o problema para estabelecer a

finalidade, ou seja, por que estud-lo?
b) Definio dos objetivos e plano geral do projeto: estabelece-se o(s) objetivo(s)
da pesquisa e demais necessidades - o tempo necessrio, a equipe utilizada,
os requisitos de hardware e software e o custo dos procedimentos.
c) Conceituao do modelo: traduz-se o sistema real para um modelo conceitual,
por meio de uma srie de relaes matemticas e lgicas sobre
componentes e estrutura do sistema (exemplo: fluxograma).
d) Coleta de dados: renem-se informaes como, fluxos de informaes,
recursos, procedimentos da operao e consideraes tericas.
e) Traduo do modelo: codifica-se no software de simulao o modelo
conceitual tornando-se, assim, um modelo operacional.
f) Verificao: trata-se de realizar testes com o modelo, de modo a verificar se o
mesmo foi construdo conforme desejado.
g) Validao: verifica-se se modelo uma boa representao do sistema real e
se suas respostas so compatveis com as sadas do mesmo, dentro de um
nvel de confiana desejvel.
h) Projeto de experimentos: etapa para planejar os conjuntos de variveis
controlveis e parmetros do modelo que sero utilizados na etapa seguinte.
i) Testes e anlises: executa-se o modelo diversas vezes para alcanar
resultados confiveis, com a utilizao de abordagens estatsticas para
anlise dos dados de entrada e de sada.
j) Mais testes?: determina-se se necessrio efetuar mais testes com o modelo
ou se eventuais cenrios adicionais precisam ser desenvolvidos, a partir das
anlises que j foram concludas.
l) Documentao e relatrios: relata-se de forma clara e concisa todos os
resultados gerados, pois sero utilizados nas anlises e nos processos de
futuras tomada de deciso.
m) Implementao: coloca-se em prtica as informaes e aes descritas no
relatrio.
983
4 A PESQUISA, O MODELO E O ESTUDO DE CASO
4.1 Apresentao da empresa
O frigorfico de peixe em estudo est a apenas dois anos no mercado. Localizase no interior do estado de So Paulo e faz parte de uma Corporao (Grupo) que
consiste em quatro unidades de negcio: frigorfico de peixe, pisciculturas (Unidade I, II
e III), fbrica de rao e pecuria. Seu sistema de produo composto por entradas
(matria-prima, mo de obra e equipamentos), processo (recepo, lavagem e
escamagem, beneficiamento, congelamento, embalagem e estoque final) e sadas
(fils de tilpia de vrias classificaes).
A empresa produz sob encomenda (clientes e distribuidores fixos) e para
estoque (terceiros), tem baixo nvel de contato com o consumidor, um mix de produtos
que pode ser considerado de pequeno a mdio, e trabalha sob influncia da
sazonalidade. O arranjo fsico predominante deste sistema de produo o de
processo, pois a matria-prima passa por todos os recursos transformadores de acordo
com a sequncia estabelecida das operaes. No h uma forma sistematizada de
plano de produo no longo prazo. Sendo assim, a nica programao existente com
base nos pedidos dirios e semanais recebidos pelos distribuidores, clientes fixos e
consumidores espordicos. Geralmente, estes pedidos so feitos no final de semana
com prazo de entrega para quarta e quinta-feira. No existe, formalmente, nenhum
roteiro de produo ou previso de vendas que se oriente por informaes histricas,
por exemplo. Os estoques so verificados pelos prprios funcionrios, sem nenhuma
poltica definida.
4.2 Desenvolvimento da Pesquisa

As etapas utilizadas para desenvolvimento desta pesquisa seguiram as indicadas
pela metodologia SimuCAD e, quando se fez necessrio a gerao de um modelo de
simulao, seguiu-se os passos do desenvolvimento de um modelo de simulao
apresentados por Banks (1998) e Law e Kelton (2000).
984
De acordo com a primeira etapa da metodologia SimuCAD definiu-se como mix

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

985
Figura 3 - Fluxograma do processo

Lavar e
escamar
Cmara
Fria
Filetar
Tirar couro
Tirar
sobras
Recepo
tilpias
Classificar
Colocar na
bandeja
Expedio
Estoque
final
Embalar
Tirar
espinho
central
Cmara
congelamento
Expedio
Embalar
Glasing?
Tirar fils
bandeja
Congelar?
8%
Cmara
congelamento
15%
Cmara
congelamento
30%
Cmara
congelamento
Conforme especificado anteriormente, para desenvolvimento do modelo de

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

986
No terceiro passo conceitualizou-se o modelo de acordo com as caractersticas

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

987
Para validar o modelo utilizaram-se dados histricos de produo e de venda

das primeiras semanas de Janeiro. Aps a insero destes dados e execuo do
modelo, foi possvel observar (Tabela 2) uma boa representao dos dados gerados
pelo modelo em relao aos dados reais, resultando em pequenas porcentagens de
diferena. Sendo assim, o modelo foi considerado validado.
Tabela 2 - Resultados da simulao comparados aos reais
Beneficiamento (kg)
Real
659
656
513
708
779
666
637
Embalagem (kg)
Simulado
990
950
957
935
989
Real
660
633
515
300
930
810
741
4821
4589
4618
4%
Vendas (kg)
Simulado
540
1110
985
992
975
Real
209
254
1766
2249
30
4602
4508
0,28%
Simulado
270
195
1845
2295
16
4621
2,51%
No projeto de experimentos, o objetivo foi verificar a variabilidade dos dados de

modo a averiguar se so confiveis e, tambm, obter maior conhecimento sobre o
sistema estudado e seus processos crticos. Para isso, identificaram-se as variveis
importantes de anlise - variveis controlveis e de resposta (Figura 4).
As quantidades geradas no sistema real so diferentes das geradas pelo modelo de simulao, pois
dependendo do dia, h at duas chegadas de matria-prima na empresa, enquanto que no modelo isso
padronizado. Como o modelo simula a produo de cinco dias por semana, ele gerar apenas cinco
resultados.
988
Figura 4 - Variveis estabelecidas do sistema
Quantidade e ritmo de chegada

de matria-prima
Estoque de produto acabado
Quantidade e ritmo de vendas
Quantidade de produo total
Estoque inicial matria-prima
Quantidade produzida de cada

produto
Estoque intermedirio cmara

congelamento
PROCESSO
Estoque final produto

acabado
Mdia dos pesos dos peixes
brutos
Quantidade da mo de obra
Mdia do tempo de produo

total
Mdia do tempo de produo
para cada produto
Utilizao da mo de obra
Tamanho das filas
Tempo de congelamento
Variveis controlveis
Variveis de resposta
Definido as variveis, executou-se o modelo por um perodo relativamente longo

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

considerando todas as possveis combinaes entre fatores e indicando caminhos que
gerem resultados melhores.
Tabela 3 - Resultados dos testes realizados
Colaboradores
Quant.
SR
Quant.
T1
Quant.
T2
Quant.
T3
Quant.
T4
Colaborador LE
0,0892
0,1788
0,1793
0,1792
0,1798
Colaborador F
0,9537
0,9885
0,4758
0,7621
0,7623
Colaborador TC
0,3557
0,0920
0,3555
0,3553
0,3555
Colaborador TSC
0,4484
0,2328
0,4481
0,8956
0,4480
Colaborador TV
0,7248
0,3759
0,7248
0,7249
0,7249
Colaborador C
0,9256
0,1198
0,9257
0,4632
0,4624
Colaborador CB
0,4995
0,2575
0,4997
0,4996
0,4993
Colaborador E
0,9449
0,2795
0,5219
0,5314
0,5386
Tempo de sistema (h)
6,75
8,05
7,25
5,87
4,83
Produo Kg/semana
4701
1220
5100
5240
5405
Venda
5076
4536
4313
4416
4490
Estoque Final
-376
-3316
787
824
915
Lavar e escamar
0,3554
0,1019
0,1479
0,1681
0,1519
Filetar
61,4048
25,0698
32,6738
46,4133
46,0711
Tirar couro do fil
13,1421
2,3183
1,547
7,0579
7,1431
Tirar sobras couro
0,2376
0,0904
2,0298
832,55
0,2766
Tirar vezinho
0,6967
0,1090
650,69
1,0273
1,7556
Classificar
3,9583
0,0695
1341,34
0,8101
0,2788
Colocar bandeja
0,0327
0,0234
0,0344
0,0338
0,0424
Embalar
2,8295
0,508
0,9162
0,9666
1,9757
Processo
Filas
No cenrio do sistema real (SR), puderam-se observar altas taxas de utilizao

dos colaboradores F, C e E, tempo de sistema (tempo mdio de produo) de 6,75
horas e um estoque final negativo.
No houve nenhum acmulo prejudicial de
entidades nas filas, considerando que a atividade a qual apresentou um maior nmero
foi a filetagem e este fator devido ao transporte ser feito na proporo de uma caixa
(contendo uma mdia de 27 peixes) por colaborador. Durante o processo de filetagem
os peixes so mantidos cobertos com gelo para a conservao da carne.
2
As siglas dos colaboradores correspondem aos processos listados na Tabela. Logo: Colaborador LE
(lavar e escamar), Colaborador F (filetar), Colaborador TC (tirar couro do fil), Colaborador TSC (tirar
sobras couro), Colaborador TV (tirar vezinho), Colaborador C (classificar), Colaborador CB (colocar
bandeja) e Colaborador E (embalar).
990
Cinquenta simulaes, com trs replicaes cada uma, foram executadas no

OptQuest. Como restrio considerou-se que a soma das quantidades de
colaboradores fosse menor ou igual a 36 (capacidade mxima) e como funo objetivo,
a reduo do tempo de sistema, de forma a conseguir uma produo diria maior.
O teste 1 (T1) resultou em um montante de estoque negativo ainda maior que o
sistema real simulado, apresentando, tambm, alta utilizao do colaborador F, baixas
taxas dos demais colaboradores e um aumento do tempo de sistema. Logo,
considerou-se que esta estrutura de cenrio no apropriada.
No teste 2 (T2) dobrou-se a quantidade de colaborador F, em relao ao
sistema real simulado, o que ocasionou um gargalo nas atividades de tirar o vezinho
e classificar. Apesar de o estoque final ter fechado a semana com saldo positivo, as
filas tornaram-se demasiadamente grandes (o que prejudica a qualidade do produto
em permanecer muito tempo em espera no processo) e o tempo de sistema ainda
permanece maior que do sistema real. Deste modo, tal estrutura no se encaixa no
propsito desejado.
No teste 3 (T3) tentou-se balancear a linha de produo com base nas anlises
dos testes anteriores e dos tempos mdios das atividades do processo. Como
resultado, ainda obteve-se uma alta taxa de utilizao do colaborador TSC,
ocasionando, por conseqncia, um gargalo em sua atividade.
Finalmente, alterando a quantidade de recurso da atividade TSC, o teste 4 (T4)
dispe de um bom cenrio para a produo demandada desta primeira semana de
Janeiro. Alguns colaboradores ainda permaneceram com uma taxa de utilizao baixa,
contudo no caso das atividades de lavagem e retirada do couro necessrio a
presena de pelo menos um colaborador em cada posto devido distncia deles dos
demais postos. J, no caso dos colaboradores TSC, C, CB e E as taxas de utilizao
estiveram em torno de 44 a 53%, o que apesar de no ser um ndice bom, excederia
os 75% estabelecido com limitante, caso algum colaborador fosse retirado, e criaria
gargalos por todo o processo. Ainda assim, com estas taxas baixas, conseguiu-se
reduzir em 1,92h do tempo de sistema e aumentar a produo em 704kg, cumprindo
todas as solicitaes de venda e permanecendo com um estoque de segurana.
991
Importante ressaltar que em nenhum momento a varivel custo foi critrio de anlise,
pois o objetivo deste trabalho utilizar a simulao como uma ferramenta til a
programao da produo, podendo visualizar a alocao dos recursos, a dinmica
dos fluxos e os tempos de processo.
Mesmo com o T4 obtendo o tempo mdio de 4,83h para produo de uma caixa
de 15kg de fil de tilpia, foi possvel reduzir-lo alterando o tempo de congelamento
dos fils. Os tempos de 2 horas para congelamento dos fils frescos e 1 hora para o
processo de glasing foram padronizados pela empresa sem estudos prvios, apenas
pela observao e experincia diria. Assim, para encontrar o tempo ideal de
congelamento dos fils frescos e dos fils aps o processo de glasing, efetuaram-se
clculos utilizando conceitos tericos e frmulas especficas para congelamento de
alimentos perecveis, determinando um tempo de congelamento dos fils frescos de
5640 segundos (aproximadamente 94 minutos) e de permanncia na cmara fria aps
o processo de glasing de 1440 segundos (aproximadamente 24 minutos). Com a
alterao desses tempos no modelo, novo teste foi feito para verificar se houve alguma
melhoria no processo. Pde-se, ento, verificar uma reduo total no tempo de
congelamento de 2,87h se comparada ao sistema real. Em termos de taxa de
utilizao e nmero de filas, nada se alterou. A produo total tambm no teve grande
aumento, pois toda a matria-prima que entrou foi processada, sem restar nada na
cmara de congelamento.
Finalizado o ltimo passo do processo de desenvolvimento de um modelo de
simulao, efetuou-se, tambm, a ltima etapa da metodologia SimuCAD modelo
final. O cenrio que melhor se adaptou as variveis iniciais estabelecidas foi o T4 com
as mudanas no tempo de congelamento. O cenrio final mostrado na Figura 5, onde
possvel visualizar: a chegada de matria-prima, as quantidades de caixas de peixe
bruto e limpo, os colaborados ocupados ou inativos, a quantidade de carrinhos contidos
na cmara de congelamento e as quantidades produzidas. Tudo isso de forma
dinmica, no decorrer da simulao dos cinco dias da semana.

992
Figura 5 - Animao do modelo final3
4.3 Anlise Geral dos Resultados

Um primeiro ponto que pode ser melhorado a eficincia dos funcionrios da
embalagem. Apesar da reduo do tempo de congelamento, eles ainda possuem uma
eficincia de 53,79%. Para balancear esta etapa possvel reduzir ainda mais o tempo
de congelamento dos fils modificando o mecanismo de congelamento para o Plate
Freezers ou o Liquid imersion freezers (CLELAND; VALENTAS, 1997). Contudo de
modo a causar um menor impacto possvel na estrutura existente e ter baixos
investimentos, possvel reduzir o tempo de congelamento dos fils frescos para 59
minutos, em mdia, aumentando apenas a velocidade do ventilador da cmara de 2
m/s para 4 m/s.
A trade piscicultura/frigorfico/distribuidores possui grandes vantagens com um
relacionamento prximo. Comeando pela piscicultura (fornecedora de tilpias), a
3
Figura extrada da animao desenvolvida no software Arena.

993
mesma desfruta de grandes vantagens perante o seu modo de cultivo em tanques-rede

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

um aumento no consumo de peixes.
5 CONCLUSO
A perspectiva deste estudo foi abordar a simulao computacional para auxlio

programao da produo de um frigorfico de peixe especfico. Programar a produo
uma atividade bastante complexa, pois envolve tempo de produo, prazo de
entrega, mix de produto, quanto, quando e onde produzir, alm de buscar sempre o
equilbrio entre capacidade produtiva e demanda. E com o objetivo de reduzir as
dificuldades de programao que as empresas esto, cada vez mais, fazendo uso de
sistemas
computacionais,
softwares
especializados
simuladores
para
gerenciamento de seus sistemas produtivos, dispondo de solues avanadas, com

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

produo, conseguiu-se reduzir o lead-time do processo de transformao dos
produtos, por meio de clculo especficos do tempo de congelamento dos fils frescos
e do processo de glasing, e visualizar as consequncias benficas geradas.
Tambm, relevante enfatizar que o investimento em estudos e pesquisas no
ramo de processamento de peixes promissor, pois o consumo mundial per capita de
pescados tem aumentado muito em virtude das mudanas alimentares e dos incentivos
a aquicultura (FIGUEIREDO JUNIOR; VALENTE JUNIOR, 2008). Por conta deste
crescimento, unidades de processamento de tilpias esto surgindo cada dia mais. Tal
destaque nesta espcie devido a determinadas caractersticas como: pequeno ciclo
de engorda; desova durante todo o ano; resistncia a doenas, altas densidades de
povoamento e
a baixos
nveis
de oxignio dissolvido; boas
caractersticas
organolpticas; e excelente rendimento de fil (HILSDORF, 1995).

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

996
REFERNCIAS
ALEXANDER, C.W. Discrete event simulation for batch processing. In: WINTER
SIMULATION CONFERENCE, 2006, Augusta. Anais... Augusta: Lovers Lane, p. 19291934, 2006.
BANKS, J. Principles of simulation. In: Handbook of simulation: principles,
methodology, advances, applications and practice. Nova York: John Wiley & Sons,
1998.
BOIKO, T.J.P.; TSUJIGUCHI, L.T.A.; VAROLO, F.W.R. Classificao de Sistemas de
Produo: uma abordagem de Engenharia de Produo. In: ENCONTRO DE
PRODUO CIENTFICA E TECNOLGICA, 4., 2009. Campo Mouro, Anais...
Campo Mouro: NUPEM, 2009.
BROSCOLO, W.R., et al. Desempenho e caractersticas de carcaa de machos
revertidos de tilpias do Nilo (Oreochromis niloticus), linhagens tailandesa e comum,
nas fases inicial e de crescimento. Revista Brasileira de Zootecnia, v.30, n.5, p. 13911396, 2001.
CAUCHICK MIGUEL, P.A.C., et al. Metodologia de pesquisa em engenharia de
produo e gesto de operaes. Rio de Janeiro: Elsevier, 2010.
CHASE, R.B.; JACOBS, F.R.; AQUILANO, N.J. Administrao da produo para a
vantagem competitiva. 10. ed. So Paulo: Bookman, 2006.
CLELAND, D.J.; VALENTAS, K.J. Prediction of Freezing Time and Design of Food
Freezers. In: VALENTAS, K.J.; ROTSTEIN, E.; SINGH, R.P. Handbook of Food
Engineering Practice. Nova York: CRC Press, 1997.
CONTADOR, J.C.; CONTADOR, J.L. Programao e controle da produo para a
indstria intermitente. In: CONTADOR, J. C. (coordenador). Gesto de Operaes. 2
ed. So Paulo: Fundao C. A. Vanzolini; Edgard Blcher, 1997.
COSTA, M.A.B. Simulao de sistemas. Apostila de suporte a disciplina Simulao
aplicada a Engenharia de Produo. Departamento de Engenharia de Produo. 2002.
COSTA, M.A.B. Um modelo baseado em conhecimento para simular rebanhos
de bovinos de corte. 2004. 188 p. Tese (Doutorado em Engenharia Eltrica e de
Computao) - Faculdade de Engenharia Eltrica e de Computao, Universidade
Estadual de Campinas, Campinas, 2004.
COSTA, M.A.B.; MENEGON, N.L.; CAMAROTTO, J.A. SimuCAD: Simulao & CAD
um sistema de apoio deciso no planejamento e implantao de sistemas de
997
produo. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUO, 16., 1996,

Piracicaba. Anais... Piracicaba: ABEPRO, 1996.
DIRENE, J.R. Anlise de planejamento e controle da produo em uma empresa
do ramo rural. 2003. 91 p. Monografia (Graduao em Engenharia de Produo),
Universidade Federal de Ouro Preto, Ouro Preto, 2003.
DUARTE, R.N. Simulao computacional: anlise de uma clula de manufatura em
lotes do setor de auto-peas. 2003. 235 p. Dissertao (Mestrado em Engenharia de
Produo) - Programa de Ps-Graduao em Engenharia de Produo, Universidade
Federal de Itajub, Itajub, 2003.
FERNANDES, F.C.F; GODINHO FILHO, M. Planejamento e controle da produo,
dos fundamentos ao essencial. So Paulo: Atlas, 2010.
FIGUEIREDO JUNIOR, C.A.; VALENTE JUNIOR, A.S. Cultivo de tilpia no Brasil:
origens e cenrio atual. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE
ECONOMIA, ADMINISTRAO E SOCIOLOGIA RURAL, 47., 2008, Fortaleza. Anais...
Rio Branco: SOBER, 2008.
FREITAS FILHO, P.J. Introduo modelagem e simulao de sistemas: com
aplicaes em Arena. Florianpolis: Visual Books, 2001.
GAVIRA, M.O. Simulao computacional como uma ferramenta de aquisio de
conhecimento. 2003. Dissertao (Mestrado em Engenharia de Produo) - Escola de
Engenharia de So Carlos, Universidade de So Paulo, So Carlos, 2003.
GIL, A.C. Mtodos e tcnicas de pesquisa social. 5. ed. So Paulo: Atlas, 1999.
HARREL, C.H.; TUMAY, K. Simulation made easy: a managers guide. Engineering
and Norcross; Management Press, 1995.
HARRINGTON, H.J.; TUMAY, K. Simulation modeling methods. Nova York: McGrawHill, 2000.
HILSDORF, A.W.S. Gentica e cultivo de tilpias vermelhas: uma reviso. Boletim do
Instituto de Pesca, So Paulo, v. 22, n. 1, p. 73-84, 1995.
IANNONI, A.P.; MORABITO, R. Anlise do sistema logstico de recepo de
cana-de-acar: um estudo de caso utilizando simulao discreta. Gesto &
Produo, v.9, n.2, p.107-128, 2002.
JENSSON, P. Daily production planning in fish processing firms. European Journal of
Operational Research, v.36, p.410-415, 1988.
998
JONATANSON, E.; RANDHAWA, S.U. A simulation based decision model for a fish
processing facility. Computers Industrial Engineering, v.11, p.406-410, 1986.
JORY, D.E.; ALCESTE, C.; CABRERA, T.R. Mercado y comercializacin de tilapia en
los Estados Unidos de Norteamrica. Panorama Acucola, v.5, n.5, p.50-53, 2000.
KELTON, D.; SADOWSKI, D. A.; SADOWSKI, R. P. Simulation with Arena. 1 ed. New
York: McGraw-Hill, 1998.
KELTON, W.D.; SADOWSKI, R.P.; SWETS, N.B. Simulation with Arena. 5 ed. New
York: McGraw-Hill, 2010.
KUBITZA, F. Coletnea de informaes aplicadas ao cultivo de tambaqui, do pacu e
outros peixes redondos Parte 2. Revista Panorama da Aqicultura, So Paulo, v.14,
n.83, p.13-23, maio/jun. 2004.
KUBITZA, F. Tilpia em gua salobra e salgada: uma boa alternativa de cultivo para
esturios e viveiros litorneos. Revista Panorama da Aqicultura. So Paulo, v.15,
n.88, p.14-18, 2005.
KUBITZA, F. Tilpias na Bola de Cristal. Revista Panorama da Aquicultura. So
Paulo, v.17, n.99, jan./fev. 2007.
LAW, A.M.; KELTON, W.D. Simulation modeling and analysis. 3. ed. Nova York:
McGraw Hill, 2000.
LI, J.; MEERKOV, S.M.; ZHANG, L. Production systems engineering: Problems,
solutions, and applications. Annual Reviews in Control, v.34, p.73-88, 2010.
LOBO, E.C.; PORTO, A.J.V. Proposta de sistematizao de estudos de simulao.
Revista de Engenharia e Arquitetura - EESC/USP, So Carlos, SP, p. 61-69, 1996.
LFGREN, B.; TILLMAN, A.M. Relating manufacturing system configuration to life-cycle
environmental performance: discrete-event simulation supplemented with LCA. Journal
of Cleaner Production, v.19, p. 2015-2024, 2011.
MEDAU, J.C. Anlise de capacidade do lado areo de aeroportos baseada em
simulao computacional: aplicao ao aeroporto de So Paulo Congonhas. 2011.
123p. Dissertao (Mestrado em Engenharia de Transportes) Programa de PsGraduao em Engenharia de Transportes, Escola Politcnica da Universidade de So
Paulo, 2011.
MORABITO, R.; PUREZA, V. Modelagem e simulao. In: CAUCHICK MIGUEL, P.A.C.
et al. Metodologia de pesquisa em engenharia de produo e gesto de
operaes. Rio de Janeiro: Elsevier, 2010. p.165-192.
999
NUNES, D.M.; MELO, P.A.C.; NIGRO, I.S.C. Planejamento, programao e controle da

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

1000
SHANNON, R.E. Introduction to the art and science of simulation. In: WINTER
SIMULATION CONFERENCE, 1998, Texas. Anais... Texas: Texas A & M University,
1998.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2 ed. So
Paulo: Editora Atlas, 2002.
SIPPER, D.; BULFIN, R.L. Production: planning, control and integration. Nova York:
McGraw-Hill, 1997.
SILVA, J.E.A.R. Desenvolvimento de um modelo de simulao para auxiliar o
gerenciamento de sistemas de corte, carregamento e transporte de cana-deacar. 2006. 145p. Dissertao (Mestrado em Engenharia de Produo) Programa
de Ps-Graduao em Engenharia de Produo, Universidade Federal de So Carlos.
So Carlos, 2006.
SOARES, P. Secretaria faz campanha nacional para vender quilo de peixe a R$ 1,00.
Folha de So Paulo. So Paulo, 20 set. 2005.
SUSSEL, F.R. Para onde vai tilpia: anurio da Pecuria Brasileira. In: ANURIO
DA PECURIA BRASILEIRA, 2007, So Paulo. Anais... So Paulo: FNP, 2007.
TUBINO, D.F. Manual de planejamento e controle da produo. So Paulo: Atlas,
1997.
UM, I.; HYEONJAE, C.; LEE, H. The simulation design and analysis of a Flexible
Manufacturing System with Automated Guided Vehicle System. Journal of
Manufacturing Systems, v.28, p.115-122, 2009.
VOLLMANN, T. E.; BERRY, W. L.; WHYBARK, D.C; JACOBS, F. R. Manufacturing
Planning and Control for Supply Chain Management. 5 ed. Boston: Mcgraw-Hill,
2004.
WANG, S.C. et al. Explore of the hospital management of simulation education learning
model. Journal of Engineering Technology and Education, v.7, n.4, p.640-649, 2010.
WEI, J., LEUNG, S.C.H. A simulation modeling and analysis for RFID-enabled mixedproduct loading strategy for outbound logistics: A case study. Computers & Industrial
Engineering, v.61, p.209215, 2011.
WY, J. et al. A data-driven generic simulation model for logistics-embedded assembly
manufacturing lines. Computers & Industrial Engineering, v.60, p.138147, 2011.
Artigo recebido em 27/04/2011 e aceito para publicao em 11/01/2012.

1001

994 4682 1 PB

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

994 4682 1 PB

Enviado por

Direitos autorais:

Formatos disponíveis

UM MODELO DE SIMULAO DE SISTEMAS APLICADO PROGRAMAO DA

PRODUO DE UM FRIGORFICO DE PEIXE

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

A melhoria da qualidade dos produtos, a reduo de custos operacionais e a

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

O artigo se estrutura em cinco partes. A primeira expe uma abordagem terica

De acordo com Cauchick Miguel et al. (2010), o referencial terico delimita as

2.1 Simulao de Sistemas

Com um mercado cada vez mais competitivo e de mudanas rpidas, a

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

A simulao tem sido aplicada em muitos setores, como o hospitalar (WANG et

2.2 Software Arena

Systems Modeling Company em 1993, o Arena um dos

softwares de simulao mais utilizados no mundo. Este, alm de possibilitar o

desempenho do sistema; desenvolvimento de modelos orientados a objetos; e

2.3 Sistemas de Produo

2.4 Planejamento, Programao e Controle da Produo

(estratgico, ttico e operacional) nas atividades de um sistema de produo. No nvel

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

couro, diversos acessrios como bolsas, sapatos e cintos (KUBITZA, 2004;

A pesquisa caracterizada como um processo formal e sistemtico de

3.1 Metodologia SimuCAD

A metodologia utilizada como auxlio ao estudo do problema e posterior

pesquisa - SimuCAD - do Departamento de Engenharia de Produo da Universidade

Figura 1 - Macroestrutura da metodologia SimuCAD

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

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

3.2 Etapas do Desenvolvimento de um Modelo

De acordo com Shannon (1975) o desenvolvimento de um processo de

Fonte: (BANKS, 1998, p.16)

a) Definio do problema: define-se claramente o problema para estabelecer a

4 A PESQUISA, O MODELO E O ESTUDO DE CASO

4.1 Apresentao da empresa

4.2 Desenvolvimento da Pesquisa

De acordo com a primeira etapa da metodologia SimuCAD definiu-se como mix

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

Figura 3 - Fluxograma do processo

Conforme especificado anteriormente, para desenvolvimento do modelo de

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

No terceiro passo conceitualizou-se o modelo de acordo com as caractersticas

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

Para validar o modelo utilizaram-se dados histricos de produo e de venda

No projeto de experimentos, o objetivo foi verificar a variabilidade dos dados de

Figura 4 - Variveis estabelecidas do sistema

Quantidade e ritmo de chegada

Estoque de produto acabado

Quantidade e ritmo de vendas

Quantidade de produo total

Estoque inicial matria-prima

Quantidade produzida de cada

Estoque intermedirio cmara

Estoque final produto

Mdia do tempo de produo

Definido as variveis, executou-se o modelo por um perodo relativamente longo

software Arena e tem a misso de simplificar a busca exaustiva de solues,

Tempo de sistema (h)

Tirar couro do fil

Tirar sobras couro

No cenrio do sistema real (SR), puderam-se observar altas taxas de utilizao

No houve nenhum acmulo prejudicial de

Cinquenta simulaes, com trs replicaes cada uma, foram executadas no

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

Figura 5 - Animao do modelo final3