Você está na página 1de 163

SIMULAO COMPUTACIONAL COMO UMA

FERRAMENTA DE AQUISIO DE
CONHECIMENTO

Muriel de Oliveira Gavira

Dissertao apresentada Escola de Engenharia de


So Carlos da Universidade de So Paulo, como
parte dos requisitos para obteno do ttulo de
Mestre em Engenharia de Produo

ORIENTADOR: Prof. Titular Joo Vitor Moccellin

So Carlos/SP
2003
2

Dedico esta dissertao

Aos meus amados pais Valdir e


Tnia Mrcia.

Ao meu querido esposo Jayme.


3

AGRADECIMENTOS

A DEUS, por tudo que tenho e pela fora para vencer os obstculos.

Ao professor e orientador Prof. Joo Vitor Moccellin pela colaborao, orientaes


sbias e prticas e pacincia durante o tempo de trabalho em conjunto.

Ao Prof. Renato Vairo Belhot, pela orientao e apoio.

Aos professores da banca examinadora por haverem aceitado a incumbncia, por seu
interesse e dedicao na tarefa de avaliar o contedo do texto e oferecer suas valiosas
contribuies.

Aos colegas Jana e William do Laboratrio de Dinmica Industrial da Universidade


Federal de So Carlos pela valorosa colaborao e sugestes.

Ao Programa de Ps-Graduao em Engenharia de Produo da Escola de


Engenharia de So Carlos da Universidade de So Paulo, por me proporcionar esta
oportunidade de aprendizado e por prover os recursos necessrios ao
desenvolvimento da pesquisa.

Aos professores que no pouparam esforos para nos proporcionar a oportunidade


de atualizar e expandir nossos conhecimentos.

Aos funcionrios da rea de Engenharia de Produo, que, de maneira paciente e


profissional, atenderam todas as minhas solicitaes tcnicas e administrativas.
4

CAPES pelo apoio financeiro que viabilizou a realizao deste trabalho.

A todos colegas de mestrado, pela amizade, pelo apoio e sugestes.

minha famlia, por sempre estar ao meu lado, compartilhando tanto das alegrias
quanto das tristezas, incentivando-me sempre.

Ao meu querido esposo Jayme pelo apoio, compreenso e companhia em todas


circunstncias. minha sogra Neusa, pela ateno e apoio enquanto estive ausente.

A todos os amigos que compartilharam comigo os bons e maus momentos durante


este perodo em So Carlos.

E a todos aqueles que de alguma forma contriburam para a elaborao desse


trabalho.
I

SUMRIO

LISTA DE FIGURAS .................................................................................................I


LISTA DE TABELAS ............................................................................................ III
LISTA DE ABREVIATURAS E SIGLAS.............................................................IV
RESUMO ................................................................................................................... V
ABSTRACT ...............................................................................................................VI
CAPTULO 1 INTRODUO................................................................................ 1
1.1 CARACTERIZAO DO TEMA ......................................................................... 4
1.2 FORMULAO DO PROBLEMA ........................................................................ 6
1.3 OBJETIVO DA PESQUISA ................................................................................. 6
1.4 RELEVNCIA DA PESQUISA ........................................................................... 7
1.5 METODOLOGIA DA PESQUISA ........................................................................ 8
1.6 ESTRUTURA................................................................................................. 10
CAPTULO 2 O CONHECIMENTO ................................................................... 11
2.1 CONCEITOS ................................................................................................. 12
2.2 A EVOLUO DOS ASPECTOS DO CONHECIMENTO ....................................... 15
2.3 TIPOS DE CONHECIMENTO ........................................................................... 18
2.4 AQUISIO DE CONHECIMENTO................................................................... 20
CAPTULO 3 A PESQUISA OPERACIONAL................................................... 24
3.1 A EVOLUO DA PESQUISA OPERACIONAL ................................................. 25
3.2 A PESQUISA OPERACIONAL NO BRASIL....................................................... 29
3.3 A NATUREZA DA PO ................................................................................... 29
3.4 VANTAGENS DA UTILIZAO DA PESQUISA OPERACIONAL NO
GERENCIAMENTO DE NEGCIOS ................................................................. 32
3.5 A METODOLOGIA DA PO ............................................................................. 33
3.5.1 Postulao do problema ........................................................................ 33
3.5.2 Construo do modelo ........................................................................... 34
3.5.3 Desenvolvimento analtico do modelo e obteno dos dados................ 35
3.5.4 Resultados .............................................................................................. 36
3.5.5 Implementao da soluo..................................................................... 37
3.6 TCNICAS .................................................................................................... 37
3.7 SIMULAO DENTRO DA PESQUISA OPERACIONAL ..................................... 38
CAPTULO 4 CONCEITOS BSICOS SOBRE SIMULAO....................... 40
4. 1 SISTEMAS .................................................................................................... 40
II

4.1.1 Componentes de um sistema .............................................................. 40


4.1.2 O estudo dos sistemas ........................................................................ 41
4. 2 MODELOS .................................................................................................... 43
4.2.1 Tipos de modelos................................................................................ 45
4.2.2 Modelos de simulao........................................................................ 47
4. 3 FILAS .......................................................................................................... 47
4.3.1 Termos................................................................................................ 48
4.3.2 Caractersticas ................................................................................... 50
4.3.3 Simulao de filas .............................................................................. 52
4. 4 O MTODO DE MONTE CARLO .................................................................... 53
CAPTULO 5 A SIMULAO DE SISTEMAS ................................................. 55
5. 1 DEFINIO .................................................................................................. 57
5. 2 EVOLUO DA SIMULAO ......................................................................... 58
5. 3 TIPOS DE SIMULAO .................................................................................. 63
5.3.1 Simulao de sistemas dinmicos de eventos discretos..................... 65
5. 4 VANTAGENS E DESVANTAGENS ................................................................... 65
5. 5 METODOLOGIA DA SIMULAO ................................................................... 68
5.5.1 Formulao do problema e Planejamento do estudo ........................ 70
5.5.2 Coleta de dados e Definio do Modelo ............................................ 71
5.5.3 Validao do modelo conceitual........................................................ 74
5.5.4 Construo do programa computacional e verificao..................... 74
5.5.5 Realizao de execues piloto.......................................................... 75
5.5.6 Validao do modelo programado .................................................... 75
5.5.7 Projeto dos experimentos................................................................... 76
5.5.8 Realizao das execues de simulao ............................................ 77
5.5.9 Anlise de Resultados ........................................................................ 77
5.5.10 Documentao e implementao ....................................................... 77
5. 6 FERRAMENTAS DE SIMULAO ................................................................... 79
5.6.1 Linguagens de propsito geral ou linguagens de programao ....... 80
5.6.2 Linguagens de simulao................................................................... 81
5.6.3 Pacotes de simulao......................................................................... 84
CAPTULO 6 DINMICA DE SISTEMAS........................................................ 93
6. 1 VISO SISTMICA ........................................................................................ 94
6.1.1 Histrico............................................................................................. 94
6.1.2 Caractersticas do Pensamento Sistmico ......................................... 97
6. 2 DINMICA DE SISTEMAS ............................................................................. 98
6.2.1 Histrico........................................................................................... 101
6.2.2 Metodologia ..................................................................................... 102
6.2.3 Caractersticas ................................................................................. 102
6.2.4 Ferramentas computacionais........................................................... 105
CAPTULO 7 DESENVOLVIMENTO DAS SIMULAES ..................... 107
7. 1 FORMULAO DO PROBLEMA E PLANEJAMENTO DO ESTUDO .................... 108
7.1.1 Objetivo do estudo de simulao ..................................................... 111
7.1.2 Questes a serem respondidas ......................................................... 111
7.1.3 Configuraes do sistema a ser modelado ...................................... 112
7.1.4 Avaliadores de desempenho............................................................. 113
III

7.1.5 Recursos computacionais utilizados ................................................ 114


7.1.6 Estrutura de tempo para o estudo e recursos requeridos................ 115
7. 2 COLETA DE DADOS E DEFINIO DO MODELO ........................................... 115
7. 3 VALIDAO DO MODELO CONCEITUAL...................................................... 116
7. 4 CONSTRUO DO MODELO DE SIMULAO E VERIFICAO....................... 116
7.4.1 PROGRAMAO DO MODELO NO PACOTE DE SIMULAO STELLA ............. 116
7.4.2 VERIFICAO DO PROGRAMA DE SIMULAO COMPUTACIONAL ............... 121
7. 5 REALIZAO DE EXECUES PILOTO ........................................................ 122
7. 6 VALIDAO DO MODELO PROGRAMADO ................................................... 122
7.6.1 COLETA DE INFORMAES E DADOS DE ALTA QUALIDADE NO SISTEMA .... 122
7.6.2 VALIDAO DA SADA DO MODELO DE SIMULAO .................................. 122
7. 7 PROJETO DOS EXPERIMENTOS .................................................................... 123
7. 8 EXECUES DAS SIMULAES .................................................................. 123
7. 9 ANLISE DE RESULTADOS ......................................................................... 124
7. 10 DOCUMENTAO E IMPLEMENTAO ....................................................... 129
7. 11 CONSIDERAES SOBRE A AQUISIO DO CONHECIMENTO ....................... 129
CONCLUSO ........................................................................................................ 131
ANEXOS ................................................................................................................. 135
LISTA DOS MODELOS SIMULADOS E SEUS PARMETROS................... 136
RESULTADOS DAS SIMULAES ................................................................ 139
REFERNCIAS BIBLIOGRFICAS ................................................................. 142
I

LISTA DE FIGURAS

FIGURA 01 - Ferramentas de aquisio do conhecimento .................................... 12


FIGURA 02 - Componentes dos processos de aprendizagem e memria ............. 12
FIGURA 03 - Modos de converso do conhecimento ........................................... 21
FIGURA 04 - Metodologia da Pesquisa Operacional ............................................ 33
FIGURA 05 - Formas de estudo de um sistema ..................................................... 42
FIGURA 06 - Processo simples de modelagem ..................................................... 44
FIGURA 07 - Sistema bsico de fila ...................................................................... 48
FIGURA 08 - Estruturas bsicas de modelos de fila de espera ............................. 51
FIGURA 09 - A evoluo das ferramentas de simulao ...................................... 62
FIGURA 10 - Classificao dos modelos de simulao ........................................ 64
FIGURA 11 - Passos de um estudo de simulao .................................................. 69
FIGURA 12 - Modelagem com uma linguagem de propsito geral ...................... 82
FIGURA 13 - Modelagem com uma linguagem geral de simulao ..................... 83
FIGURA 14 - Camada superior do STELLA ........................................................ 87
FIGURA 15 - Camada de construo do modelo do STELLA ............................. 87
FIGURA 16 - Camada de equaes do STELLA .................................................. 88
FIGURA 17 - Barra de tarefas da camada de construo do modelo .................... 88
FIGURA 18 - Barra de tarefas da camada superior ............................................... 88
FIGURA 19 - Elementos utilizados na simulao em STELLA ............................ 89
FIGURA 20 - As principais ferramentas de aquisio do conhecimento .............. 94
FIGURA 21 - Pesquisa em SD ............................................................................... 102
FIGURA 22 - Exemplo de estrutura de realimentao ......................................... 104
FIGURA 23 - Exemplo de uma estrutura de realimentao ................................. 104
FIGURA 24 - A fbrica de componentes plsticos .............................................. 109
FIGURA 25 - Anlise do fluxo da fbrica de plsticos ........................................ 110
II

FIGURA 26 - Modelo intermedirio ...................................................................... 117


FIGURA 27 - Modelo intermedirio ...................................................................... 118
FIGURA 28 - Camada superior do modelo final ................................................... 119
FIGURA 29 - Camada de construo do modelo final .......................................... 120
III

LISTA DE TABELAS

TABELA 01 - Investimentos em P&D da indstria de telecomunicaes ............. 03


TABELA 02 - Exemplos de componentes de um sistema ..................................... 41
TABELA 03 - Histria do uso da simulao .......................................................... 60
TABELA 04 - Comparao das vantagens e desvantagens das linguagens ........... 84
TABELA 05 - Principais caractersticas do mtodo analtico ................................ 95
TABELA 06 - Principais caractersticas do mtodo sinttico ................................ 96
TABELA 07 - Tempo mdio de atendimento dos processos ................................. 110
TABELA 08 - Parmetros estudados no modelo ................................................... 111
TABELA 09 - Medidas de desempenho utilizadas ................................................ 114
TABELA 10 - Resultados dos testes ...................................................................... 125
IV

LISTA DE ABREVIATURAS E SIGLAS

GPSS General Purpose Simulation System


ITA Instituto Tecnolgico da Aeronutica
LDI Laboratrio de Dinmica Industrial
MIT Massachusetts Institute of Technology
MMC Mtodo de Monte Carlo
P&D Pesquisa e Desenvolvimento
PO Pesquisa Operacional
PUC-RJ Pontifcia Universidade Catlica do Rio de Janeiro
SD Dinmicas de Sistemas (System Dynamics)
SOBRAPO Sociedade Brasileira de Pesquisa Operacional
USP Universidade de So Paulo
V

RESUMO

GAVIRA, M. O. Simulao computacional como uma ferramenta de aquisio de


conhecimento. So Carlos. 146p. Dissertao (Mestrado) Escola de Engenharia de
So Carlos, Universidade de So Paulo.

Nos ltimos anos, a simulao computacional vem assumindo uma


importncia cada vez maior como ferramenta de aquisio de conhecimento. Na
simulao desenvolvida nos primrdios da Pesquisa Operacional, os problemas eram
resolvidos por meio da obteno dos melhores resultados possveis para cada parte
individual do modelo. Entretanto, medida que a complexidade dos problemas
cresceu, surgiu a necessidade de se utilizar uma abordagem mais sistmica e
generalista. A simulao utilizou-se, inicialmente, de linguagens de programao
geral, como o FORTRAN. Mas, medida que a complexidade das observaes e a
capacidade dos recursos computacionais cresceram, surgiram os programas de
simulao de propsito geral (como o GPSS) e os baseados na Dinmica dos Sistemas
(DYNAMO, STELLA etc). Essa metodologia (Dinmica dos Sistemas) faz uso do
conceito de pensamento sistmico para a resoluo de problemas e para o estudo de
sistemas. Nesse contexto, o presente trabalho tem como principal objetivo identificar
e analisar os aspectos potenciais da simulao enquanto ferramenta de aquisio de
conhecimento. Para atingir esse objetivo, aplica-se a simulao a um sistema de fila
de uma fbrica de componentes plsticos.

Palavras-chave: Conhecimento; Simulao; Dinmica de Sistemas.


VI

ABSTRACT

GAVIRA, M. O. Computer simulation: a tool to acquiring knowledge. So Carlos.


146p. Dissertao (Mestrado) Escola de Engenharia de So Carlos, Universidade
de So Paulo.

In the last years, the computer simulation has become a vital tool in the
development of several self-learning techniques, as well in the acquisition of
knowledge in the engineering teaching and in the managerial training. The
simulation used in the early years of the Operational Research boarded the potential
problems by obtaining the best possible results for each part of the model. However,
as the complexity of such problems increased, the need for more systemic and
generalist approaches has also increased. Initially, the simulation was performed by
general programming languages as FORTRAN. But, as the complexity of the
observations and the capability of the computer resources increased, Simulation
Languages (like GPSS) and Dynamic System Simulation Software (dynamo, STELLA

etc) were developed. This methodology (System Dynamics) uses concepts of the
systemic thought to solve problems and to analyze systems. In that context, the main
objectives of this work are to identify and to analyze the potential aspects of the
simulation based on System Dynamics when applied in the engineering teaching and
in the managerial training.

Keywords: Knowledge; Simulation; System Dynamics.


CAPTULO 1 INTRODUO

De acordo com DRUCKER (1994), a histria ocidental sofre, periodicamente,


uma grande transformao. Dentre essas transformaes, pode-se citar as geradas
pelo Renascimento e pela Revoluo Industrial. Hoje, uma nova mudana, conhecida
como Revoluo da Informao, nos impulsiona sociedade ps-capitalista. Essa
nova sociedade tem viso de mundo, valores bsicos, estrutura social e poltica, artes
etc. muito diferentes da sociedade que a antecedeu (sociedade capitalista).
Pode-se dizer que essas transformaes so decorrentes da modificao da
forma de encarar e utilizar o conhecimento. Na Revoluo Industrial, por exemplo, o
conhecimento do arteso, que antes era restrito a ele, seus familiares e aprendizes, foi
dividido entre vrias pessoas. Mais tarde, esses conhecimentos, antes restritos s
profisses artesanais, foram codificados de forma organizada e sistemtica em
manuais e livros e ensinado nas primeiras escolas tcnicas.
Nenhuma das escolas tcnicas do sculo dezoito visava a produo de novo
conhecimento. O que elas fizeram foi reunir, codificar e publicar os conhecimentos
empricos dos artesos (mistrio do artesanato), da maneira como havia sido
desenvolvido ao longo de milnios. Segundo DRUCKER (1994), as escolas
converteram cincia em conhecimento, aprendizado em livros texto, mistrios em
metodologia, fazer em conhecimento aplicado. Esses fatores foram essenciais para a
Revoluo Industrial a transformao da sociedade por meio da tecnologia.
O surgimento da sociedade industrial gerou todos os mecanismos voltados
para a produo de bens materiais. A sociedade ps-industrial, por sua vez,
consolida-se na gerao de servios e na produo e transmisso de informaes,
atravs da experincia organizacional e de investimentos no desenvolvimento de
tecnologia de ponta, na criao de grupos de especialistas, na implementao da
produo modular, entre outros (SANTOS, 1990).
2

Uma srie de fatores acarretou a transio da sociedade industrial para a


chamada sociedade ps-industrial ou do conhecimento. Dentre eles, pode-se citar:
aumento da competitividade; diminuio do crescimento da produtividade; aumento
da exigncia dos consumidores; mudanas tecnolgicas, polticas e ambientais etc.
Essas mudanas, ocorridas principalmente no cenrio competitivo, levaram as
empresas a procurar sadas que lhes garantissem tomadas de deciso mais precisas e
eficientes, de maneira a lhes proporcionar competitividade a longo prazo.
Segundo BARBOSA (1986), as transformaes que possibilitaram essa nova
realidade iniciaram-se na dcada de 50 e foram decorrentes, principalmente, do
desenvolvimento dos recursos computacionais. O impacto da tecnologia da
informtica sobre a cincia vem se revelando considervel, pois esta deixa de ser
vista como uma atividade nobre, sem finalidade preestabelecida, para ser um
recurso gerador de riquezas. Isso advm da descoberta de que a coleta e o
processamento adequado das informaes fator preponderante no sucesso de
qualquer empreendimento.
DAVENPORT & PRUSAK (1998) afirmam que o interesse das organizaes pelo
conhecimento teve incio a partir da constatao de que o valor de mercado de
diversas empresas, como a Microsoft e a Nokia, muito maior de que seu patrimnio
fsico. O valor das aes dessas empresas incorpora fatores intangveis, como o valor
de suas marcas, a capacidade de inovao, o talento dos funcionrios, as relaes
com os clientes etc. Assim, as empresas voltaram-se para a valorizao do
conhecimento a fim de entender, organizar e lucrar com seu valor intangvel.
O aumento da preocupao das empresas com a aquisio de conhecimento e
com a inovao comprovado pelo comportamento dos investimentos em Pesquisa e
Desenvolvimento (P&D) da indstria de equipamentos de telecomunicaes
(considerada uma das principais indstrias do conhecimento). De acordo com a
TABELA 01, pode-se notar que o investimento em P&D das principais empresas do
setor de telecomunicaes vem aumentado de maneira consistente com o decorrer do
tempo. Isso reflete, entre outras coisas, a preocupao dessas empresas com a
aquisio de novos conhecimentos, os quais sero transformados em novos produtos,
servios e/ou processos produtivos.
3

TABELA 01 - Investimentos em P&D da indstria de telecomunicaes (% das


vendas)
Corporao 1975 1980 1985
NEC 3,7 5,1 7,5
ATT/WE 5,4 5,8 8,0
ITT - 7,4 9,2
ERICSSON - 6,1 8,3
SIEMENS 8,4 9,6 9,8
NORTHERN 4,8 6,8 10,0
PHILLIPS 7,3 7,5 -
PLESSEY 10,6 14,5 22,0
Fonte: MACULAN (1992)1. Citado por FLEURY & FLEURY (1995)

2
TERRA (1999), analisando o trabalho de THUROW (1997), seleciona vrios
dados e argumentos que corroboram a afirmao de que a importncia econmica do
conhecimento vem crescendo:
Entre as doze maiores empresas americanas do incio do sculo, dez eram
empresas baseadas em recursos naturais; apenas uma dessas empresas
sobreviveu at o final do sculo, a General Electric;
Antes da primeira guerra, a Inglaterra empregava mais de 1 milho de
trabalhadores em suas minas de carvo (6% da fora de trabalho do pas);
hoje, menos de 30 mil pessoas trabalham nestas mesmas minas;
No final do sculo XIX, pases ricos em recursos naturais, como
Argentina e Chile, eram ricos, enquanto pases sem recursos, como o
Japo, estavam destinados a ser pobres;
Corrigida a inflao geral, os preos dos recursos naturais caram quase
60% entre meados dos anos 70 e meados dos anos 90;
As decises de localizao dos investimentos industriais, principalmente
pelas empresas multinacionais, tm dependido, cada vez mais, da
existncia de uma mo-de-obra qualificada;
Os trabalhadores de fbricas costumavam ter baixssima qualificao no
incio da industrializao; hoje, nos Estados Unidos, cerca de 16% j
possuem alguma educao de nvel superior e 5% chegam a se graduar.

1
MACULAN, A. M. As novas estratgias tecnolgicas das multinacionais do setor de
telecomunicaes. Revista de Economia Poltica, v. 3, n. 2. 1992.
2 THUROW, L. C. O futuro do capitalismo: como as foras econmicas de hoje moldam o mundo
de amanh. Rio de Janeiro: Rocco, 1997.
4

Em 1990, o Ministrio do Comrcio Internacional e da Indstria do Japo


elaborou uma lista dos setores de crescimento mais rpido nos anos 90 e
incio do sculo XXI: microeletrnica, biotecnologia, indstrias da nova
cincia de materiais, telecomunicaes, fabricao de avies civis,
mquinas operatrizes e robs, e computadores, todos setores cerebrais,
que poderiam estar localizados em qualquer parte do planeta;
Estudos recentes mostram que as taxas de retorno sobre investimentos em
qualificao so duas vezes superiores quelas obtidas em investimentos
em fbricas e equipamentos;

Assim, nessa nova sociedade, o conhecimento assume uma posio cada vez
mais importante. Nas palavras de DRUCKER (1994, XV):

Hoje o recurso realmente controlador, o fator de


produo absolutamente decisivo, no o capital, a terra ou
a mo-de-obra. o conhecimento. Ao invs de capitalistas e
proletrios, as classes da sociedade ps-capitalista so os
trabalhadores do conhecimento e os trabalhadores em
servios.

O avano na aquisio e transmisso de informaes trouxe, e continuar


trazendo, profundas modificaes na aquisio e transmisso de conhecimentos,
sendo que estes sero a principal fora de produo da sociedade. A relao entre
fornecedores e usurios do conhecimento, e o prprio conhecimento, tende e tender
a assumir a forma de valor; o saber e ser produzido para ser vendido, e ele e ser
consumido para ser valorizado numa nova produo.

1.1 Caracterizao do Tema

Nessa nova era, a informao e o conhecimento assumem grande importncia


na preparao dos indivduos e empresas ao entendimento e adaptao realidade.
A simulao computacional uma das ferramentas que podem ser utilizadas para a
aquisio, organizao e construo do conhecimento e da viso sistmica. Esse
5

recurso favorece a educao e o treinamento das pessoas e, conseqentemente, sua


adaptao s rpidas mudanas de nossa sociedade.
A simulao uma das ferramentas que permite a diversos profissionais,
entre eles o administrador e o engenheiro de produo, realizar as atividades a que se
prope. Atravs dela, eles podem adquirir capacidade de identificar, formular e
solucionar problemas ligados s atividades de projeto, operao e gerenciamento do
trabalho e de sistemas de produo de bens e/ou servios.
Nesse contexto, o presente trabalho prope-se a identificar e analisar os
aspectos potenciais da simulao computacional, principalmente daquela baseada na
metodologia de Dinmica de Sistemas (System Dynamics), na aquisio de
conhecimentos sobre um sistema de produo a ser estudado.
Este estudo baseia-se em algumas concluses fundamentadas na literatura e
nas experimentaes realizadas a respeito da aquisio de conhecimento atravs da
simulao. Os processos e mecanismos de aquisio, construo e gesto do
conhecimento no sero detalhados, pois isto extrapolaria os objetivos deste trabalho.
Um estudo a respeito da simulao jamais estar completo e especializado,
uma vez que esta tcnica possui uma rea de aplicao muito vasta, sendo impossvel
reunir, em um s trabalho, todos os seus aspectos. Os tpicos aqui abordados
restringem-se a:
Experincias com modelos lgicos matemticos; no esto includos
modelos fsicos, analgicos, verbais etc.;
Modelos de filas de espera;
Experincias a serem executadas em computadores digitais;
Experincias que se desenvolvem em longos perodos, sob condies
dinmicas e estocsticas, e cujas solues no so necessariamente
completas e analticas.

As restries impostas ao estudo aqui realizado no implicam na ineficincia


dos aspectos ou modelos no includos; sua adoo visou permitir uma anlise
adequada da simulao computacional como uma ferramenta para a criao do
conhecimento.
6

1.2 Formulao do problema

Empresas de todos os setores vem enfrentando uma forte competio. Esse


fenmeno se deve a fatores como a globalizao, aumento do grau de exigncia e
sofisticao de seus clientes, rpido avano tecnolgico, entre outros. Para superar
essas dificuldades, as empresas necessitam de profissionais do conhecimento
capacitados que as ajude a entender a dinmica dos sistemas nos quais esto
inseridas.
Segundo SENGE & STERMAN (1994), o conhecimento desses profissionais
constitudo de seu modelo interno da realidade, de seu conjunto de suposies que
estrutura seu entendimento a respeito do ambiente de negcios e dos fatores crticos
para seu sucesso; esse conhecimento a base para o sucesso ou fracasso de uma
organizao. Quando o mundo muda, os administradores precisam se adaptar nova
realidade; para isso, precisam de ferramentas que possibilitem o teste de novos
cenrios antes que mudanas possam ocorrer.
Uma forma de permitir o aperfeioamento e a atualizao desses profissionais
a simulao das variveis que influenciam o meio onde vivem e trabalham e, assim,
determinar como essa influncia, sua causa e, principalmente, as alternativas para a
resoluo de possveis problemas.
O desafio saber se a simulao uma ferramenta eficiente, atravs da qual
os tomadores de deciso, os trabalhadores do conhecimento, possam adquirir
conhecimento, tanto sobre o sistema em que esto inseridos, quanto sobre seus
subsistemas e ambiente. Essa ferramenta capaz de criar novos conceitos sobre as
complexas relaes entre os elementos do sistema estudado? adequada para a
anlise de diferentes cenrios e polticas operacionais?
Assim, o enfoque da pesquisa pode ser resumido na seguinte questo:
Como a simulao computacional pode auxiliar na aquisio de
conhecimento individual sobre um determinado sistema?

1.3 Objetivo da pesquisa

O objetivo principal desta pesquisa demonstrar a aplicao prtica da


simulao, em particular daquela baseada na metodologia de Dinmica de Sistemas,
7

como um mtodo de aquisio de conhecimento. Para tanto, um problema de


dimensionamento de fila em uma fbrica de componentes plsticos foi estudado por
meio de um pacote de simulao. Os resultados e o processo foram comparados com
o propsito de demonstrar o potencial de aplicao desse mtodo na aquisio de
conhecimento.
Como objetivo secundrio, tem-se a reviso bibliogrfica sobre a simulao e
sobre a aquisio de conhecimento individual.

1.4 Relevncia da Pesquisa

A partir da dcada de 50, a sociedade entrou numa nova fase, denominada por
diversos autores de era da informao, cujo principal recurso estratgico o
conhecimento.
Segundo KLEIN (1998), hoje a informao pura e simples j no garante um
diferencial competitivo. Para assegurar um lugar no futuro, as organizaes
precisam aprender a transformar as informaes em conhecimento, e utiliz-lo para
obter novos resultados, diversificar mercados e satisfazer os seus clientes.
O investimento em novas tecnologias de produto ou processo alto e
arriscado. Contudo, essencial, para a sobrevivncia das organizaes, o uso de
recursos que garantam a eficcia e a viabilidade econmica de novas tecnologias, a
um baixo custo e, principalmente, com pequeno ou nenhum risco (LEPIKSON, 1998).
Uma das alternativas para alcanar tal objetivo a implementao de simulaes
computacionais para estudo de sistemas organizacionais.
A simulao permite a transformao de informaes em conhecimento, o
qual ser aplicado no processo de tomada de decises. Num mundo globalizado e
turbulento, tal ferramenta se mostra eficiente na tarefa de propiciar ao indivduo a
oportunidade de aprender a pensar e a tomar decises de forma rpida e eficiente.
Alm disso, essa ferramenta, estimula a anlise crtica de dados, a formulao
de perguntas e a descoberta de respostas, a viso sistmica, entre outros.
8

1.5 Metodologia da pesquisa

O presente estudo classificado como pesquisa cientfica aplicada, uma vez


que tem como objetivo a gerao de conhecimentos para aplicao prtica dirigida
soluo de problemas especficos (SILVA & MENEZES, 2001).
De acordo com FERRARI (1974), este tipo de pesquisa est vinculada ao valor
prtico ou pragmtico de um tema. Ainda segundo ele, apesar da finalidade prtica
da pesquisa, ela pode contribuir teoricamente com novos fatos para o planejamento
de novas pesquisas, ou mesmo para a compreenso terica de certos setores do
conhecimento.
Do ponto de vista dos procedimentos de levantamento de dados, o estudo
baseado na pesquisa bibliogrfica e de laboratrio.
3
Segundo ARANTES (1971, p.9), citada por FACHIN (2001, p.125), a pesquisa
bibliogrfica constitui o ato de ler, selecionar, fichar, organizar e arquivar tpicos de
interesse para a pesquisa em pauta.
A pesquisa bibliogrfica foi realizada com a finalidade de conhecer as
contribuies cientficas sobre os conceitos aqui empregados (entre eles
conhecimento, simulao, viso sistmica etc.).
De acordo com FACHIN (2001), todo tipo de estudo deve ser apoiado e
respaldado por uma pesquisa bibliogrfica ampla e cuidadosa, mesmo que se baseie
em uma pesquisa de laboratrio ou de campo.
A pesquisa de laboratrio, por sua vez, refere-se a experincias limitadas a
um recinto fechado e condicionado a certas manipulaes (FERRARI, 1974). Essas
experincias requerem instrumentos prprios como, no caso do presente estudo, um
pacote de simulao e um computador.
TRIPODI (1981) caracteriza a pesquisa de laboratrio como estudos
experimentais nos quais o investigador cria uma situao isolada, num ambiente
artificial e com variveis hipotticas. As relaes entre as variveis so examinadas

3
ARANTES, T. F. Pesquisa bibliogrfica nas cincias biomdicas. So Paulo: Faculdade de
Odontologia USP. Revista n.XIII, 1971.
9

pela manipulao destas e pelo controle da potencial influncia das variveis


extrnsecas hiptese testada.
Esse tipo de pesquisa oferece a vantagem de se controlar a cronologia da
pesquisa, desde o instante inicial. Atravs dela, possvel verificar situaes de
causa e efeito; por exemplo, se a causa for aumentada, constata-se que houve
aumento do efeito etc. (FACHIN, 2001).
Segundo FERRARI (1974), apesar das caractersticas citadas anteriormente,
essa pesquisa no deixa de ter suas exigncias, que derivam de trs fontes: da
instrumentao, dos objetivos e da manipulao do instrumental para alcanar os
objetivos previstos. A instrumentao refere-se aos recursos (equipamentos, espao
fsico etc.) que sero utilizados. Esses recursos oferecem ao cientista a preciso e
ampliao necessrias.
O objetivo direciona todos os passos e esforos na pesquisa de laboratrio;
ele que contm a meta a ser atingida. Por sua vez, o experimento de laboratrio
definido como a criao de uma situao na qual manipulam-se certas variveis para
atingir uma determinada meta.
Assim, a pesquisa (simulaes) foi realizada com base em uma metodologia
de simulao. Essa metodologia, baseada no mtodo cientfico, foi sugerida por LAW
& KELTON (2000), e possui os seguintes passos: formulao do problema,
planejamento do estudo, coleta de dados, definio do modelo, validao do modelo
conceitual, construo e verificao do programa computacional, realizao de
execues piloto, validao do modelo programado, projeto dos experimentos,
realizao das execues de simulao, anlise de resultados e documentao e
implementao.
Os recursos computacionais utilizados na pesquisa foram disponibilizados
pelo Laboratrio de Simulao e Jogos do Departamento de Engenharia de Produo
(Escola de Engenharia de So Carlos/Universidade de So Paulo). Para a fase de
construo do programa computacional, at a fase de realizao de execues, foi
utilizado o pacote de simulao STELLA.
10

1.6 Estrutura

A estrutura deste trabalho inclui, alm da introduo, sete captulos.


Os captulos de dois a seis referem-se reviso bibliogrfica referente aos
principais conceitos tratados no estudo. O captulo dois apresenta a conceituao de
conhecimento, sua relao com a aprendizagem e com a informao e suas
caractersticas, evoluo, classificao e formas de aquisio.
No terceiro captulo aborda-se a Pesquisa Operacional e a origem da
simulao computacional; so apresentados aspectos relacionados sua evoluo,
natureza e metodologia, alm de se contextualizar a simulao como um ramo da
Pesquisa Operacional.
Alguns conceitos bsicos necessrios ao entendimento adequado da
simulao e do estudo aqui realizado so introduzidos no captulo quarto. So eles:
sistema, modelo, filas e Mtodo de Monte Carlo.
No quinto captulo retoma-se, de maneira mais profunda, a discusso sobre a
simulao; so tratados os aspectos relacionados sua definio, evoluo,
classificao, vantagens e desvantagens, metodologia e ferramentas.
A evoluo, caractersticas e ferramentas da viso sistmica e da Dinmica
dos Sistemas, dois conceitos fundamentais para o processo de aquisio do
conhecimento, so apresentados no sexto captulo.
J no captulo sete apresenta-se o desenvolvimento das simulaes e a anlise
dos resultados. Descreve-se a pesquisa laboratorial desenvolvida com base em uma
metodologia de simulao e trata-se com detalhes de todos os passos executados
durante o estudo. Para tanto, a pesquisa utilizou-se de um problema de fila de espera
de uma fbrica de componentes plsticos.
No oitavo captulo traz-se as concluses finais, baseadas nas pesquisas
bibliogrfica e laboratorial aqui realizadas.
CAPTULO 2 O CONHECIMENTO

A preocupao com o conhecimento no algo novo. Contudo, seu


reconhecimento como um elemento fundamental na constituio das pessoas e
organizaes e a explorao de seu potencial como uma vantagem competitiva
sustentvel para organizaes e pases, so fenmenos recentes. S recentemente as
empresas se deram conta da importncia da aquisio e gerenciamento do
conhecimento para um melhor desenvolvimento de suas atividades.
As empresas se viram obrigadas a adotar essa posio frente necessidade de
inovao, melhoria qualidade de produtos e processos e aumento de produtividade.
Essa necessidade decorrente de fatores como: globalizao, aumento de
competio, aumento da exigncia dos consumidores, melhoria das comunicaes e
transportes etc.
De acordo com GEUS (1997), o incio da dcada de 50 do sculo XX o
momento de transio da sociedade baseada no capital para a sociedade baseada no
conhecimento. Segundo ele, o conhecimento passou a ser o elemento mais escasso, e
as organizaes vencedoras sero aquelas que souberem aplic-lo e transform-lo
adequadamente em produtos e servios.
Este captulo destina-se ao estudo desse novo diferencial entre pessoas,
empresas e pases, que o conhecimento. A simulao ser utilizada neste trabalho
com o fim de testar sua capacidade de auxlio aquisio do conhecimento.
Conforme se observa na FIGURA 01, trs conceitos sero utilizados: a simulao, a
viso (ou pensamento) sistmica, e a metodologia da Dinmica de Sistemas. Estes
dois ltimos sero tratados com mais detalhes no Captulo 6.
Neste trabalho ser considerada apenas a aquisio de conhecimento
individual. Os aspectos relacionados ao conhecimento organizacional no sero
abordados por fugirem do objetivo do trabalho.
12

Aquisio de
Conhecimento

Simulao Dinmica de Sistemas Viso sistmica

FIGURA 01 - Ferramentas de aquisio do conhecimento consideradas no trabalho


Fonte: Elaborada pelo autor

Aquele que constri e experimenta um modelo de simulao adquire


conhecimento a respeito da metodologia de simulao e tambm do sistema
modelado. Nesta pesquisa, sero tratados apenas os conhecimentos adquiridos sobre
o sistema modelado.
Assim, o conhecimento a ser aqui estudado refere-se aos diversos tipos de
conhecimentos relacionados ao sistema estudado, e no tcnica de simulao em si.
A fim de se fornecer requisitos para um melhor entendimento do estudo aqui
realizado, a prxima seo se encarregar de conceituar alguns termos importantes,
tais como conhecimento, dado, informao, aprendizagem, aquisio do
conhecimento, tipos de conhecimento etc.

2.1 Conceitos

O conceito de conhecimento est intimamente ligado ao de aprendizagem. Na


verdade, a aprendizagem abrange o conhecimento; segundo FLEURY & FLEURY

(1995, p. 23) o processo de aprendizagem refere-se aquisio de conhecimentos e


habilidades e o de memria ao de reteno desses conhecimentos. A FIGURA 02
fornece um melhor entendimento a respeito da aprendizagem e sua abrangncia.

Processo de Aprendizagem Processo de Memria

Aquisio do Aquisio de Reteno de


conhecimento habilidades conhecimentos

FIGURA 02 - Componentes do processo de aprendizagem e do processo de memria


Fonte: Elaborada pelo autor
13

Enfoca-se aqui apenas a parte do processo de aprendizagem referente


aquisio de conhecimentos.
O conhecimento tambm est intrinsecamente relacionado a dois outros
termos: dados e informao. Apesar disso, esses trs no podem ser considerados
sinnimos, e entend-los essencial para a realizao bem-sucedida de qualquer
trabalho ligado ao conhecimento.
Segundo DAVENPORT & PRUSAK (1998, p.2), dados so um conjunto de fatos
distintos e objetivos, relativos a eventos. Em organizaes, dados so descritos
como registros estruturados de transaes. Os dados, por si s, tm pouco valor, uma
vez que descrevem apenas parte do que aconteceu, no fornecem julgamento,
interpretao, ou qualquer base sustentvel para tomada de ao. Eles so matria-
prima para a criao da informao.
As informaes, por sua vez, so dados dotados de relevncia e propsito
(DRUCKER, 1994). A informao tem como objetivo modificar o modo como se v
algo; exerce influncia sobre julgamentos e comportamentos.
Segundo NONAKA & TAKEUCHI (1997), a informao proporciona um novo
ponto de vista para a interpretao de eventos ou objetos; ela lana luz sobre
conexes inesperadas e torna visveis significados antes invisveis.
o significado que confere a diferena entre dado, informao e
conhecimento. Dados tornam-se informao quando seu criador lhes acrescenta
significado (DAVENPORT & PRUSAK, 1998). Subseqentemente, quando se acrescenta
significado informao, ela se torna conhecimento. Assim, o conhecimento algo
mais amplo, profundo e rico do que dados ou informaes.
O filsofo Richard Rorty (1988) traz uma definio clssica da filosofia para
conhecimento: Conhecer representar cuidadosamente o que exterior mente.
J NONAKA & TAKEUCHI (1997, p.63) adotam a definio tradicional de
conhecimento como uma crena verdadeira justificada, porm a complementam
com a observao de que este um processo humano dinmico de justificar a
crena pessoal com relao verdade.
Outra definio de conhecimento, mais ampla, dada por DAVENPORT &
PRUSAK (1998, p. 6): conhecimento uma mistura fluida de experincia condensada,
valores, informao contextual e viso experimental, a qual proporciona uma
14

estrutura para a avaliao e incorporao de novas experincias e informaes. Ele


tem origem e aplicado na mente dos conhecedores. Nas organizaes, ele costuma
estar embutido no s em documentos ou repositrios, mas tambm em rotinas,
processos, prticas e normas organizacionais.
Ainda segundo esses autores, para que a informao se transforme em
conhecimento, ela precisa ser trabalhada. Tal transformao ocorre atravs de quatro
questes:
Comparao: de que forma as informaes relativas a esta situao se
relacionam com outras situaes conhecidas?
Conseqncias: que implicaes estas informaes trazem para as
decises e tomadas de ao?
Conexes: quais as relaes deste novo conhecimento com o
conhecimento j acumulado?
Conversao: o que outras pessoas pensam da informao?

NONAKA & TAKEUCHI (1997) fazem trs observaes referentes s


semelhanas e diferenas entre conhecimento e informao:
O conhecimento, ao contrrio da informao, diz respeito a crenas e
compromissos. O conhecimento funo de uma atitude, perspectiva ou
inteno especfica;
O conhecimento, ao contrrio da informao, est relacionado ao;
O conhecimento, como a informao, diz respeito ao significado.

Acredita-se que a simulao computacional seja uma ferramenta satisfatria


para desempenhar essas formas de converso de informao em conhecimento,
atendendo em especial s trs primeiras questes h pouco enunciadas.
Cada vez mais, o conhecimento considerado um fator valioso para pessoas e
empresas. Uma das razes disso, no ponto de vista do autor, que o conhecimento
est prximo da ao; o conhecimento de uma tcnica, mtodo ou forma de trabalho
pode ser uma vantagem competitiva significativa em um mercado cada vez mais
exigente.
15

TERRA (1999) faz uma relao das caractersticas do conhecimento sob uma
perspectiva individual:
um processo ativo e laborioso, que envolve todos os sentidos do corpo;
envolve um indissocivel processo mental e emocional;
processa-se, em grande medida, no subconsciente; da a importncia da
intuio e do conhecimento tcito;
resulta da resoluo de tenses e liberao de angstias;
depende das experincias, tentativas e erros de cada indivduo;
um processo social que depende da interao com outros;
inclui a capacidade de combinar diferentes entradas e perspectivas e
compreender relaes complexas, por meio de um permanente processo
de reformulao dos modelos mentais e mapas cognitivos;
est associado a mudanas de comportamento: existncia de
oportunidades para autodesenvolvimento, incentivo autenticidade e
estmulo explicitao de modelos mentais.

O exame da literatura leva crena de que o conhecimento individual pode


ser adquirido atravs de vrios caminhos, dentre os quais pode-se citar a
experimentao (simulao, jogos empresariais, estudos de caso etc.) e a absoro de
conhecimentos de outros indivduos (livros, artigos, vdeos etc.).

2.2 A evoluo dos aspectos do conhecimento

FLEURY & FLEURY (1995), DRUCKER (1994) e LANDES (1998) fazem revises
histricas semelhantes quanto s caracterstica e importncia do conhecimento no
decorrer do tempo. Uma sntese dessa reviso descrita a seguir.
No h quem duvide da importncia do conhecimento para os seres humanos,
desde os tempos mais remotos. Desde a pr-histria, a inteligncia e o conhecimento
fizeram a diferena no processo evolucionrio humano. Aqueles que detinham
melhores conhecimentos de caa e proteo se destacavam sobre os demais. Assim
surgiu o homo sapiens, o qual, por possuir melhores conhecimentos, acabou por
sobrepujar e dominar seus concorrentes contemporneos.
16

Nos tempos do artesanato, os conhecimentos sobre produtos e processos eram


integrados numa nica pessoa. O arteso conhecia (e fazia) todos os aspectos de seus
produtos; ele projetava, desenhava, obtinha as ferramentas, produzia, vendia etc.
Geralmente, contavam com o auxlio de aprendizes. medida que estes aprendiam
com o mestre-arteso, garantia-se a continuidade do ofcio e dos conhecimentos e
habilidades a eles associados.
Com o passar do tempo e evoluo das formas de organizao social, essa
estrutura foi-se alterando. Os conhecimentos e as habilidades necessrios produo
foram gradualmente separados e entregues a diferentes pessoas. Era o incio da
diviso do trabalho, que proporcionou um grande aumento na produtividade das
operaes e uma gradual separao do projeto do produto e do processo em relao
produo propriamente dita.
Ao mesmo tempo, o conhecimento acarretou um aumento da expectativa de
vida da populao, devido a fatores como maior higiene pessoal (criao de roupas
feitas de tecidos lavveis e produo em massa de sabo), maior oferta de alimentos
(desenvolvimento de transportes mais rpidos e eficientes e de melhores tcnicas
agrcolas), progressos na rea mdica etc.
Aps a Revoluo Industrial, a valorizao do conhecimento individual se
tornou evidente com a intensa importao de especialistas por pases que pretendiam
desenvolver ou expandir suas atividades industriais. Esses trabalhadores eram muito
experientes, possuam o conhecimento; por isso eram to apreciados. Alm disso, os
pases enviavam agentes treinados para observar, relatar e aliciar artesos
experientes.
Outro fato histrico que impulsionou a divulgao de conhecimentos foi o
surgimento das Escolas e Universidades de cincia e tecnologia, as quais se
propunham a treinar pessoal e criar a base da autonomia intelectual. Os franceses
foram, nesse quesito, os pioneiros, com sua Ecole Polytechnique, inaugurada em
1794. A partir dessa surgiram, em diversos pases, as escolas locais
profissionalizantes e as escolas industriais especializadas, entre outras.
Segundo LANDES (1998), a confiana na educao formal para a difuso do
conhecimento tcnico e cientfico teve importantes conseqncias. Em primeiro
17

lugar, envolveu quase sempre instruo em matrias abstratas e tericas, que se


prestavam a uma variedade de aplicaes. Em segundo lugar, abriu caminho para
novos ramos de conhecimento de grande potencial econmico.
Por volta 1880, surgiu a Administrao Cientfica, quando Frederick
Winslow Taylor procurou substituir o empirismo que reinava na organizao dos
processos de produo por procedimentos sistemticos de anlise, que utilizavam
algumas informaes relacionadas a experimentos cientficos. Era a aplicao do
conhecimento na melhoria das tcnicas de trabalho e produo.
A aplicao da metodologia de Taylor resultou numa completa separao
entre planejamento e execuo das tarefas. Com essa separao, os operrios
estariam teoricamente isentos da necessidade de qualquer conhecimento sobre
processo e produto; a funo de reunir, classificar e administrar os conhecimentos
seria atribuda gerncia. Para Taylor, assim como para Ford, a contribuio do
trabalhador era analisada de um ponto de vista mecnico, como uma pea.
Com os mtodos de Taylor, e de autores com abordagens semelhantes, o
conhecimento mudou de significado, comeando a ser aplicado a ferramentas,
processos e produtos.
Nos ltimos anos, tem-se vivido uma situao na qual o conhecimento, que
era fragmentado e isolado, precisa ser integrado, no apenas em termos individuais,
mas tambm em termos organizacionais e interorganizacionais. No entanto, no
basta integrar o conhecimento; preciso estabelecer uma dinmica de contnua
aprendizagem, uma postura de aprender a aprender.
Muitos fatores levam necessidade do estudo do conhecimento. Segundo
DAVENPORT & PRUSAK (1998), a percepo e realidade de um mundo competitivo
globalizado constituem uma das energias dessa expanso. Outros fatores so as
rpidas mudanas e a crescente competio por consumidores, os quais, cada vez
mais sofisticados, levaram as empresas a buscar uma vantagem sustentvel para se
distinguir em seus mercados. Essa vantagem sustentvel pode ser proporcionada pelo
emprego adequado do conhecimento (tanto individual quanto organizacional e
interorganizacional).
18

2.3 Tipos de conhecimento

Segundo FACHIN (2001), por relacionar-se com o mundo de diferentes formas,


o indivduo utiliza-se de diversos tipos de conhecimento e atravs deles evolui e faz
evoluir o meio em que vive, trazendo contribuies para a sociedade.
Diversos autores sugerem classificaes para o conhecimento. As
classificaes de FACHIN (2001), FERRARI (1974) e POLANYI (1966) foram utilizadas
para se montar uma classificao geral, mais adequada ao contexto desta pesquisa.
Essa classificao explicada a seguir:
Conhecimento filosfico: conduz a uma reflexo crtica sobre os
fenmenos e possibilita informaes coerentes. Objetiva o
desenvolvimento funcional da mente, procurando educar o raciocnio. Ele
oferece s cincias de todas as reas seus princpios, enquanto o
conhecimento cientfico (a ser abordado mais adiante) oferece filosofia
novos dados, tornando seus princpios gerais passveis de novas
descobertas. Esse conhecimento, segundo FERRARI (1974), valorativo
(faz ponderar), racional, sistemtico, infalvel, no verificvel e exato;

Conhecimento teolgico ou religioso: produto da parte do intelecto do


indivduo relacionado f. Implica na crena de que as verdades tratadas
so infalveis, indiscutveis, por serem reveladas pelo mistrio oculto ou
sobrenatural. um conhecimento sistemtico do mundo como obra de um
criador divino e cujas evidncias no so verificadas. Apresenta respostas
para questes que o ser humano no pode responder. No importa qual a
crena; importa, porm, sua f;

Conhecimento emprico: aquele que se adquire independentemente de


estudos, de pesquisas, de reflexes ou de aplicaes de mtodos. Esse
conhecimento resultado de suposies e de experincias pessoais
conseguidas na vida cotidiana e, comumente, ao acaso; fundamentado
apenas em experincias vivenciadas ou transmitidas de pessoa para
pessoa. Tambm pode proceder de experincias causais, por meio de
19

erros e acertos, sem a fundamentao dos postulados metodolgicos.


prtico, porm limitado, pois se processa segundo os conhecimentos
adquiridos nas aes anteriores, sem nenhuma relao cientfica,
metdica ou terica. Esse conhecimento a estrutura para se chegar ao
conhecimento cientfico; a base fundamental do conhecer.

Conhecimento cientfico: caracteriza-se pelo acolhimento metodolgico


e sistemtico dos fatos da realidade sensvel. Preocupa-se com a
abordagem sistemtica dos fenmenos (objetos), tendo em vista seus
relacionamentos e as noes bsicas de causa e efeito. Geralmente, o
conhecimento cientfico se prende aos fatos, significando que ele possui
uma referncia emprica; ele se vale dos testes empricos para formular
solues aos problemas colocados e apoiar suas prprias declaraes. Ele
procura alcanar a verdade dos fatos (objetos), independentemente da
escala de valores e das crenas dos cientistas; resulta de pesquisas
metdicas e sistemticas da realidade. Este o tipo de conhecimento mais
explorado no presente trabalho.

Em um mesmo indivduo, vrios tipos de conhecimento podem existir


simultaneamente. Por exemplo, um cientista pode ser tambm crente participante de
sua religio ou pode estar engajado dentro de uma orientao filosfica; isso tudo
sem deixar de lado seus conhecimentos provenientes do senso comum. O fato de
diversas formas de conhecimento persistirem concomitantemente no acarreta
conflitos, devido extrao seletiva em diversas situaes (FERRARI, 1974).
Segundo FACHIN (2001), a literatura sobre metodologia mostra que o
conhecimento cientfico adquirido pelo mtodo cientfico e, sem interrupo, pode
ser submetido a testes para aperfeioar-se mediante as situaes enfrentadas. As
simulaes computacionais a serem realizadas neste trabalho seguiro uma
metodologia de simulao (LAW & KELTON, 2000) baseada no mtodo cientfico.
Outra classificao do conhecimento sugerida por POLANYI (1966), que
divide o conhecimento em tcito e explcito. O conhecimento tcito pessoal,
informal, especfico ao contexto e, assim, difcil de ser formulado, visualizado e
20

comunicado; ele o conhecimento pessoal enraizado na experincia individual e


envolve crenas pessoais, intuio, emoes, perspectivas e valores.
J o conhecimento explcito (ou codificado) refere-se quele transmissvel em
linguagem formal e sistemtica. Pode ser facilmente comunicado e compartilhado de
vrias formas (textos, palestras, frmulas, teorias etc.), alm de poder ser processado
e armazenado eletronicamente. Segundo o mesmo autor, esse tipo de conhecimento
representa apenas uma pequena parte do conjunto de conhecimentos como um todo.
Essa concepo fica evidente em sua frase: Podemos saber mais do que podemos
dizer (POLANYI, 1966, p.4).
NONAKA & TAKEUCHI (1997) segmentam o conhecimento tcito em duas
dimenses: tcnica e cognitiva. A dimenso tcnica abrange uma capacidade
informal e de difcil definio, normalmente designada pelo termo know-how. Como
exemplo, tem-se um arteso que desenvolve seu trabalho com habilidade, mas no
consegue descrever os princpios tcnicos e cientficos do que sabe.
A dimenso cognitiva aborda esquemas, modelos mentais, crenas e
percepes; ela reflete a imagem que o indivduo tem da realidade e sua viso de
futuro. Apesar de no poderem ser articulados com facilidade, esses modelos
(imagens) implcitos moldam a forma como se percebe o mundo.
Os elementos cognitivos centram-se, principalmente, no que JOHNSON-LAIRD4
(1983) chama de modelos mentais, nos quais os seres humanos criam modelos do
mundo, estabelecendo e manipulando analogias em suas mentes. Assim, os modelos
mentais podem ser esquemas, paradigmas, perspectivas, crenas e pontos de vista;
eles ajudam os indivduos a perceberem e definirem seu mundo (NONAKA &
TAKEUCHI, 1997).

2.4 Aquisio de conhecimento

A aquisio de conhecimento est relacionada ao desenvolvimento de novos


conceitos e mtodos e identificao de idias, habilidades e relacionamentos
(DIBELLA & NEVIS, 1999).

4
JOHNSON-LAIRD, P. N. Mental models. Cambridge: Cambridge University Press, 1983.
21

Segundo NONAKA & TAKEUCHI (1997), na epistemologia5 tradicional o


conhecimento derivado da separao do sujeito e do objeto; as pessoas, como
sujeitos da percepo, adquirem conhecimento atravs da anlise dos objetos
externos. Sob esse ponto de vista, o conhecimento uma adequao do sujeito ao
objeto; o sujeito tem seus meios de conhecimento, e o objeto se revela para ele
conforme tais meios. De maneira distinta, POLANYI (1966) afirma que as pessoas
geram conhecimento ao se envolverem com os objetos; adquirem conhecimentos
criando e organizando ativamente suas prprias experincias. Para ele, saber algo
criar sua imagem ou padro atravs da integrao tcita de detalhes; grande parte do
conhecimento fruto do esforo voluntrio das pessoas de lidar com o mundo.
NONAKA & TAKEUCHI (1997) propem que o conhecimento criado
(adquirido) por meio da interao entre o conhecimento tcito e o conhecimento
explcito. Eles estabelecem quatro modos diferentes de converso do conhecimento
(ver FIGURA 03):
de conhecimento tcito em conhecimento tcito: socializao;
de conhecimento tcito em conhecimento explcito: externalizao;
de conhecimento explcito em conhecimento explcito: combinao;
de conhecimento explcito em conhecimento tcito: internalizao.

Conhecimento tcito em Conhecimento explcito


Conhecimento
tcito
Socializao Externalizao

em

Internalizao Combinao
Conhecimento
explcito

FIGURA 03 - Modos de converso do conhecimento


Fonte: NONAKA & TAKEUCHI (1997)

5
Segundo NONAKA & TAKEUCHI (1997), epistemologia o estudo dos fundamentos filosficos do
conhecimento.
22

Os modos de converso que se inserem no contexto deste trabalho so o de


conhecimento tcito em conhecimento explcito (externalizao), o de conhecimento
explcito em conhecimento explcito (combinao) e o de conhecimento explcito em
conhecimento tcito (internalizao). Esses trs modos de converso sero
explicados a seguir, tendo como base a proposta de NONAKA & TAKEUCHI (1997).

Conhecimento tcito em conhecimento explcito: externalizao


A externalizao um processo no qual o conhecimento tcito se torna
explcito, expresso na forma de modelos, metforas, analogias, conceitos ou
hipteses. Esse modo de converso do conhecimento a chave para a criao do
conhecimento, pois gera conceitos novos e explcitos a partir do conhecimento tcito.
NONAKA & TAKEUCHI (1997) afirmam que as maneiras mais eficientes de se
realizar essa converso so: metfora, analogia e modelo. A metfora uma forma de
perceber ou entender algo intuitivamente, atravs da criao de uma imagem
simblica composta de outros elementos; em outras palavras, faz com que a pessoa
entenda determinado problema relacionando-o com uma situao ou objeto
conhecido. Atravs dela, pode-se entender conceitos abstratos pelo uso de imagens
de elementos concretos.
A analogia destaca o carter comum a duas coisas diferentes. A associao
entre coisas ou fatos atravs da analogia realizada pelo pensamento racional e
concentra-se nas semelhanas entre elas. O modelo, por sua vez, normalmente
criado a partir de metforas; nele, so representados os conceitos explcitos, no
devendo haver contradies. Todos os conceitos e proposies devem ser expressos
em linguagem sistemtica e lgica.
A partir dessas definies, pode-se assumir que um modelo de simulao de
um sistema uma forma de converter conhecimento tcito em codificado, j que as
atividades de reflexo, discusso, deduo, induo etc. inerentes modelagem
proporcionam o conhecimento do sistema (aquisio de conhecimento sobre o
sistema modelado).

Conhecimento explcito em conhecimento explcito: combinao


A combinao um processo de sistematizao de conceitos em um sistema
de conhecimento; ela envolve a combinao de diferentes conjuntos de
23

conhecimento explcito. As pessoas trocam e combinam conhecimentos atravs de


meios como documentos, reunies, conversas, redes de comunicao
computadorizadas etc. A reconfigurao das informaes existentes atravs da
classificao, do acrscimo, da combinao e da categorizao do conhecimento
explcito pode levar a novos conhecimentos. O treinamento formal nas escolas
normalmente assume essa forma.

Conhecimento explcito para conhecimento tcito: internalizao


Internalizao o processo de incluso do conhecimento explcito no
conhecimento tcito; est intimamente relacionada ao aprender fazendo. As
experincias, incluindo aquelas adquiridas nos outros modos de converso, so
internalizadas no conhecimento tcito dos indivduos sob a forma de modelos
mentais ou conhecimento tcnico.
Na internalizao, faz-se necessria uma verbalizao e diagramao do
conhecimento sob forma de documentos, manuais, histrias orais, vdeos etc.
A simulao computacional de sistemas envolve esses trs modos de
converso de conhecimentos. Num primeiro momento, a externalizao se
sobressair, pois o conhecimento tcito ser transformado em explcito atravs da
realizao do modelo. Depois, a combinao e a internalizao sero utilizadas para
transferir os conhecimentos adquiridos para documentos apropriados e para a prpria
pessoa que simula.
Adquirir novos conhecimentos no uma questo apenas de instruir-se com
os outros ou com livros, mas tambm aprender atravs da prtica, da experimentao,
da interao intensiva entre o sujeito e seu objeto de estudo. Esta ltima forma de
aquisio de conhecimento pode ser representada pela simulao de sistemas, onde o
conhecimento a respeito de determinado sistema adquirido atravs da anlise de
diversos cenrios.
CAPTULO 3 A PESQUISA OPERACIONAL

Nos ltimos anos, as empresas comearam a enfrentar constantes mudanas


no seu modo gerencial, ocasionadas, em especial, pelo(a):
Aumento das exigncias dos consumidores em relao variedade e
qualidade dos produtos e servios, qualidade do atendimento,
confiabilidade e rapidez de entrega etc.;
Aumento da automao, fazendo com que as mquinas substituam o
homem em trabalhos repetitivos e alienantes. As pessoas passam, ento, a
ser responsveis pelos trabalhos que exigem raciocnio e criatividade;
Abertura da economia e globalizao, fazendo com que as empresas
busquem satisfazer seus clientes enfrentando concorrentes do mundo
todo.

Deste modo, dentre as principais medidas adotadas pelas empresas para se


sobressair frente a seus concorrentes e obter lucro por um longo perodo, tem-se a
utilizao de novas formas de gesto, novas tcnicas de apoio gesto e,
principalmente, a busca pelo aprimoramento de suas operaes. Uma abordagem
importante de apoio anlise e ao aprimoramento de operaes a Pesquisa
Operacional (PO).
Em muitas situaes gerenciais, a intuio e as experincias no
proporcionam informao suficiente para as decises; nesse momento, uma anlise
mais profunda torna-se indicada para a soluo de problemas. Essa anlise pode ser
realizada pela PO, j que seu objetivo principal, segundo MACHLINE (1975), a
criao de modelos adequados tomada racional de decises.
O crescimento no uso das tcnicas de pesquisa operacional em empresas
industriais e de servios comprova, primeiramente, o esforo de seus gestores para
25

manterem suas empresas firmes no mercado e, depois, a eficincia dessa abordagem


e de suas tcnicas.
Uma das tcnicas mais utilizadas pela Pesquisa Operacional, muito til na
resoluo de problemas complexos e que possuem alta dose de aleatoriedade, a
simulao (estudada no captulo cinco).
Este captulo tem como objetivo caracterizar a Pesquisa Operacional e
discorrer sobre sua evoluo, metodologia e tcnicas.

3.1 A evoluo da Pesquisa Operacional

A evoluo da pesquisa operacional pode ser dividida em trs fases distintas:


antes da Segunda Guerra Mundial, quando as aplicaes eram isoladas; durante a
Segunda Guerra, com fins puramente militares; e no perodo ps-guerra, como
instrumento gerencial.
De acordo com HILLIER & LIEBERMAN (1988), a revoluo industrial trouxe
ao mundo um notvel crescimento no tamanho e complexidade das organizaes.
Essa revoluo proporcionou um aumento na diviso do trabalho e das
responsabilidades nas empresas. Os resultados foram excelentes, mas junto com eles
surgiram problemas.
Dentre esses problemas encontra-se, por parte dos segmentos organizacionais,
a perda da viso do objetivo organizacional e de como as atividades das organizaes
devem interagir para atingi-lo. Outro problema relacionado a alocao dos recursos
disponveis entre as vrias atividades de maneira eficaz. Esses problemas, bem como
a necessidade de solucion-los, proporcionaram um incentivo a estudos cientficos
que hoje podemos relacionar com a pesquisa operacional.
Evidentemente, esses estudos no possuem todas as caractersticas da PO,
mas permitem a observao de alguns pontos importantes. Dentre esses estudos,
esto os trabalhos de (ELLENRIEDER, 1971):
Arquimedes: fsico e matemtico que idealizou a defesa da cidade de
Siracusa, descobrindo novas armas e tticas;
Frederick W. Lanchester: ingls que lidou com o problema de traduzir
complexas estratgias militares em frmulas matemticas;
26

Thomas Alva Edison: durante a Primeira Guerra Mundial, utilizou um


tabuleiro de jogo ttico para determinar rotas e outras tcnicas que
permitissem aos navios mercantes escapar aos submarinos inimigos.
Tcnicas semelhantes foram utilizadas, nessa mesma guerra, pelo
Comando Geral Prussiano;
Frederick W. Taylor: iniciou uma srie de estudos objetivando o aumento
da eficincia de determinadas operaes industriais. Taylor denominou
seus mtodos de administrao cientfica e os descreveu num livro
editado em 1911 (The Principles of Scientific Management). A Taylor
seguiram-se outros pesquisadores com contribuies administrao
organizacional: Gantt, Gilbreth, Stewart etc.
Horace C. Levinson: na dcada de 1930, iniciou a aplicao da anlise
cientfica de dados e deduziu, baseado nos mesmos, problemas de
comrcio. Seus trabalhos consistiam em estudos de hbitos de compras
dos clientes, respostas propaganda etc.

De acordo com ELLENRIEDER (1971), os antecedentes citados seriam, nos dias


de hoje, considerados estudos de Pesquisa Operacional, apesar dessa designao no
ser utilizada naquela poca. Alm disso, devemos reconhecer que toda cincia ou
tcnica sempre tem pioneiros que a elas no so unidos. Dessa maneira, encara-se a
Pesquisa Operacional como algo novo, nascido no incio da Segunda Guerra Mundial
e consolidada, organizada e sistematizada em um processo que continua at hoje.
Durante a Segunda Guerra Mundial, diante de problemas operacionais (de
natureza logstica, ttica e de estratgia militar) e de alocao de recursos escassos, a
gerncia militar inglesa solicitou a diversos cientistas a aplicao de uma abordagem
cientfica para a soluo desses problemas.
Segundo ACKOFF & SASIENI (1977), no perodo de vinte anos compreendido
entre o fim da Primeira Guerra Mundial e o incio da Segunda, a tecnologia militar
desenvolveu-se to rapidamente que no foi absorvida pela ttica e pela estratgia.
Assim, em agosto de 1940, o Chefe do Comando Antiareo da Gr-Bretanha
solicitou a colaborao do professor P. M. S. Blackett, prmio Nobel de Fsica da
27

Universidade de Manchester, para estudar, inicialmente, a coordenao dos


equipamentos de radar.
Blackett, ento, reuniu uma equipe com treino cientfico. Essa equipe ficou
conhecida como Anti-Aircraft Command Research Group, e tinha a caracterstica
de ser interdisciplinar, pois inclua fisiologistas, fsico-matemticos, astrofsicos,
oficiais militares, topgrafos, fsicos gerais, matemticos, entre outros. Alguns
grupos incluam tambm cientistas sociais (ELLENRIEDER, 1971).
De acordo com MEDEIROS (2000), as equipes de cientistas trabalharam em
problemas como:
Deteco de navios e submarinos pelo radar;
Relao entre o peso de bombas e os sinistros;
Aes areas anti-submarinas;
Dimensionamento timo dos comboios;
Lanamento areo de minas;
Manobras de navios para evitar kamikazes;
Preciso dos bombardeios;

Esses cientistas no fizeram mais do que aplicar o mtodo cientfico, que j


conheciam, aos problemas que lhes foram sendo colocados. Desenvolveram ento a
idia de criar modelos matemticos, apoiados em dados e fatos, que lhes permitissem
perceber os problemas em estudo e simular e avaliar o resultado hipottico de
estratgias ou decises alternativas.
Os xitos das equipes de pesquisa sobre operaes influenciaram a expanso
de seu mtodo na Gr-Bretanha e, logo, no Canad, na Austrlia e nos Estados
Unidos. A expanso da ento chamada Pesquisa Operacional abrangia no somente
outros pases, como tambm reas fora da aplicao militar (ELLENRIEDER, 1971).
Esses grupos de cientistas e a sua nova metodologia de abordagem dos
problemas se transferiram para as empresas que, aps a guerra, se viram tambm
confrontadas com problemas de deciso de grande complexidade. Suas tcnicas
passaram a ser aplicadas a problemas de gerenciamento de atividades produtivas, o
que permitiu grande economia no uso dos meios de produo e popularizou o seu uso
nessa rea de conhecimento.
28

Ao longo dos anos, a teoria e as aplicaes da PO se diversificaram, fazendo


dela um campo em franca expanso, cujas aplicaes abrangem indstria, comrcio,
servios e setores governamentais. Especificamente, as reas de expressiva
importncia estratgica que mais utilizam a pesquisa operacional so aquelas ligadas
a energia, gesto industrial, gesto da qualidade, administrao de operaes,
logstica, finanas, marketing, planejamento e gesto de servios, informao etc.
alm de inmeras outras, civis e militares.
Aps a Segunda Guerra, a Pesquisa Operacional para Administrao dirigiu-
se a problemas como (MEDEIROS, 2000):
Programao da produo;
Controle de estoque;
Programao de vendas;
Problemas de Transportes;
Manuteno e substituio de equipamentos;
Estudos de mercado;
Planejamento de atividades quaisquer;
Investimentos;

A partir dos anos 50, foram criadas inmeras associaes ligadas PO, como
a Operations Research Society of Amrica, fundada nos Estados Unidos em 1953,
ou a Federao Internacional de Associaes de Pesquisa Operacional, criada em
1957. Revistas tcnicas comearam a surgir em vrios pases, assim como cursos e
programas em pesquisa operacional.
Apesar dos resultados obtidos pela Pesquisa Operacional durante a Segunda
Guerra Mundial terem sido muito importantes para o sucesso das operaes no
conflito, eles foram limitados pela complexidade dos clculos envolvidos. Somente
aps a disponibilizao de mtodos computacionais, o potencial da PO foi mais bem
aproveitado. Dentre as tcnicas de pesquisa operacional que mais se desenvolveram
com o avano dos mtodos computacionais, est a simulao.
Hoje em dia, o potencial da Pesquisa Operacional to grande, que costuma-
se dizer que ela uma soluo procura de um problema (SELLITTO, 2000).
29

3.2 A Pesquisa Operacional no Brasil

Segundo a Sociedade Brasileira de Pesquisa Operacional (SOBRAPO), a PO


surgiu no Brasil quando professores da Universidade de So Paulo (USP), Instituto
Tecnolgico da Aeronutica (ITA) e Pontifcia Universidade Catlica do Rio de
Janeiro (PUC-RJ), com formao no exterior, criaram, nos anos 50, os primeiros
cursos de graduao que incluam disciplinas de PO (como o de Engenharia da
Produo); tais disciplinas foram tambm includas em cursos j existentes, como os
de Economia, Engenharia, Matemtica e Estatstica.
A partir de 1960, a criao de cursos de ps-graduao na rea de PO e a
aquisio dos primeiros computadores multiplicaram as possibilidades de sua
aplicao. Vrias empresas comearam a utilizar a PO, estreitando um proveitoso
relacionamento com as Universidades. O primeiro exemplo desta relao foi o da
PUC-RJ com as empresas SOCIL e Anhangera, para o desenvolvimento de
programas de minimizao de custo de raes para animais, atravs da Programao
Linear (uma das principais tcnicas da PO).
Contudo, os principais setores a empregar tcnicas de PO, na poca, foram os
de siderurgia (CSN, Cia. Vale do Rio Doce), eletricidade (Cia Nacional de Energia
Eltrica), transportes (FRONAPE), petrleo (PETROBRS, ESSO) e
telecomunicaes, alm de grandes projetos e obras estatais.
Uma das primeiras aplicaes da Programao Linear no Brasil foi feita em
1955, na Refinaria Presidente Bernardes (Cubato-SP), para determinar a proporo
ideal de produtos acabados a serem obtidos na refinao, a fim de maximizar o lucro
(MACHLINE, 1975).
Em funo de todos esses estudos e aplicaes, foi criada, em 1968, a
Sociedade Brasileira de Pesquisa Operacional.
Na dcada seguinte, a PO se consolidou no pas atravs de um maior interesse
das empresas e um maior contingente de profissionais habilitados na rea, permitindo
a formao de grupos prprios para atuar na soluo de problemas tticos e no
planejamento estratgico dessas empresas.

3.3 A natureza da PO

No existe um consenso entre os autores quanto definio mais apropriada a


ser atribuda Pesquisa Operacional, ou mesmo se esta pode ser definida.
30

ACKOFF & SASIENI (1977) apresentam uma definio que leva a uma
compreenso inicial da natureza da PO. Eles consideram PO como a aplicao do
mtodo cientfico, por equipes interdisciplinares, a problemas que dizem respeito ao
controle de sistemas organizados (homem-mquina), com a finalidade de obter as
solues que melhor satisfaam aos objetivos da organizao como um todo.
As caractersticas essenciais que podem ser obtidas dessa definio, segundo
os autores, so: a) a orientao para sistemas (ou para sua direo), b) o emprego de
equipes interdisciplinares e c) a aplicao do mtodo cientfico a problemas de
controle.
Para HERMAN & MAGEE6, citados por ELLENRIEDER (1971, p.8):
O primeiro ponto a destacar que a Pesquisa Operacional
o que seu nome indica: pesquisa sobre operaes. Envolve,
porm, uma viso particular das operaes e, ainda mais
importante, uma classe particular de pesquisa. As operaes
so consideradas como uma nica entidade. O objetivo do
estudo no o equipamento utilizado, nem a predisposio
dos participantes, nem as propriedades fsicas do produto
final, mas a combinao de todos esses fatores em
conjunto, considerados como um processo econmico. E as
operaes, assim concebidas, so submetidas anlise
atravs dos processos mentais e dos mtodos que esto
associados com os trabalhos de pesquisa dos fsicos,
qumicos e bilogos tudo o que veio a ser chamado de
mtodo cientfico.

Segundo ELLENRIEDER (1971), essa definio provm dos especialistas da


primeira poca da pesquisa operacional (nascida com Blackett e seus
contemporneos), e se mostra relativamente tautolgica, isto , fala-se sempre o
mesmo, apenas empregando-se diferentes termos. Para que ela se mostre mais
explcita, h a necessidade de uma descrio da metodologia empregada.
Em sntese, esses especialistas tentavam, por meio de um processo de
induo, achar um mecanismo que explicasse o fenmeno (que chamado de
modelo); logo, por um processo de deduo, procurava-se determinar qual seria o
comportamento do fenmeno que mais convinha aos objetivos do momento. Tudo
isso em termos quantitativos, com o estabelecimento do que se poderia chamar
medida da efetividade do sistema ou da operao.

6
HERMANN, C. C.; MAGEE J.F. Operations research for management. In: BURSK, E.C.; CHAPMAN, J.F.
(Eds). New decision-making tools for managers. New York: The Mentor Executive Library, 1963.
31

Mas, a definio mais comum e, por sua vez, uma das mais antigas, foi dada
7
por KITTEL , citado por ELLENRIEDER (1971). Segundo KITTEL a Pesquisa
Operacional o uso do mtodo cientfico para prover os departamentos executivos
de elementos quantitativos para tomar decises com respeito a operaes sob seu
controle.
Outra definio concisa a de EHRLICH (1985), que se refere Pesquisa
Operacional como: ... um conjunto de tcnicas quantitativas com o intuito de
auxiliar o processo de deciso dentro de uma filosofia de modelagem e,
preferivelmente, de otimizao.
Nas definies de ACKOFF & SASIENI e de HERMANN & MAGEE, observa-se a
descrio do mtodo e do procedimento de trabalho da PO como auxlio na
compreenso do significado de Pesquisa Operacional.
Apesar de diferenas quanto generalizao ou particularizao das
definies, observa-se a mesma idia central, as mesmas caractersticas em todas
elas. Dentre essas caractersticas esto:
Aplicao da PO a problemas relativos a como conduzir e coordenar as
operaes ou atividades dentro de uma organizao;
Amplitude de aplicaes: tem sido aplicada nos negcios, nas indstrias,
no governo, nos hospitais etc;
Utiliza a abordagem do mtodo cientfico;
Ponto de vista organizacional;
Sua meta identificar o melhor curso de aes possvel, tenta encontrar a
soluo melhor ou tima para o problema;
Utilizao de equipes formadas por pessoas com diferentes experincias e
habilidades.

De acordo com HEILLIER & LIEBERMAN (1988), a contribuio da abordagem


da pesquisa operacional deriva principalmente de:
Estruturao da situao de vida real num modelo matemtico, abstraindo
os elementos essenciais para que possa ser buscada uma soluo
relevante para os objetivos do tomador de decises;

7
KITTEL, C. The nature and development of operations research. Science, p. 105-150, 1947.
32

Explorao da estrutura de tais solues e desenvolvimento de


procedimentos sistemticos para obt-los;
Desenvolvimento de uma soluo, incluindo, se necessrio, a Teoria
Matemtica, que permita a obteno de um valor timo para determinada
medida desejada (ou possivelmente que compare cursos de aes
alternativos atravs da avaliao de suas medidas).

3.4 Vantagens da utilizao da Pesquisa Operacional no gerenciamento


de negcios

Para uma dada situao, um modelo de pesquisa operacional pode oferecer a


mesma soluo a que um administrador experiente poderia chegar usando somente
bases intuitivas. Por essa razo, os benefcios de se utilizar a PO tm que ser
avaliados em termos de seu impacto de longo prazo no processo gerencial.
As qualidades inerentes a essa abordagem racional fazem dela um mtodo
vlido que possui os seguintes benefcios (WAGNER, 1975):
nfase na avaliao das interaes e ramificaes de todo o sistema de
decises alternativas. Intrnseco em uma abordagem de pesquisa de
operaes est a construo de um modelo que sintetiza os segmentos de
um empreendimento que so afetados por uma deciso. Cada parte
individual construda pelo pessoal com maior conhecimento a respeito
dos dados relevantes.
mpeto para desenvolver uma gama completa de decises alternativas. O
nmero de possveis aes que podem ser analisadas aumenta
expressivamente pela aplicao dos mtodos matemticos e dos recursos
computacionais.
Foco na resoluo de pontos crticos. A abordagem procede de maneira a
estabelecer implicaes da forma: se a hiptese H verdadeira e a ao
A realizada, ento o resultado R ir ocorrer. O mtodo promove uma
comunicao interdepartamental. Como conseqncia, choques de
opinio dentro de uma organizao podem ser ordenados de acordo com
determinado critrio.
33

3.5 A metodologia da PO

A PO utiliza, em determinados problemas, o chamado mtodo cientfico.


Esse mtodo consiste numa organizao particular das atividades, orientada
soluo do problema proposto.
Vrios autores concordam que a metodologia da PO baseada e dividida de
acordo com o mtodo cientfico. Um exemplo o diagrama abaixo (FIGURA 04),
proposto por ELLENRIEDER (1971), o qual divide a metodologia nas seguintes fases:
postulao do problema, estabelecimento do modelo, desenvolvimento analtico,
obteno de dados, resultados e implementao da soluo.

Postulao Estabele- Desenvol- Obteno


Implemen-
do cimento vimento de Resultados
tao
problema do modelo analtico dados

Comparao
Experincia

FIGURA 04 - Metodologia da Pesquisa Operacional


Fonte: ELLENRIEDER (1971)

O plano de ao elaborado por essa metodologia no deve ser encarado como


uma srie de etapas rgidas, e sim flexveis. Isto significa que s aps o trmino de
cada etapa, avalia-se o que foi realizado e decide-se o que fazer a seguir.
A seguir as etapas da metodologia sero explicadas com mais detalhes de
acordo com ACKOFF & SASIENI (1977), ELLENRIEDER (1971), HILLIER & LIEBERMAN

(1988) entre outros.

3.5.1 Postulao do problema

Esta a primeira fase, consistindo na definio do problema, a qual deve ser a


mais precisa possvel. Nessa definio, devem ser apontados os objetivos a serem
alcanados, alm das caractersticas das restries do sistema e das diferentes
34

variveis existentes, bem como suas interligaes. Quanto mais precisa a definio,
mais facilitadas sero as outras etapas.
Os problemas cujas solues mais utilizam as tcnicas e princpios da PO so
relativos a operaes militares, tticas ou estratgicas, assim como a administrao
pblica, econmica e industrial. Entretanto, em princpio, essas tcnicas podem ser
aplicadas a qualquer sistema.

3.5.2 Construo do modelo

Aps observar o sistema e analisar o problema, constri-se uma representao


formal do sistema e de seu comportamento (modelo), isto , deve-se conseguir
expressar, de forma mais ou menos exata, a realidade atravs de um modelo. Esse
modelo , geralmente, matemtico.
De acordo com ACKOFF & SASIENI (1977) os modelos em PO assumem a
forma de equaes com diversos nveis de complexidade. Alm disso, necessita-se,
freqentemente, de uma ou mais equaes ou inequaes para traduzir a condio de
que algumas (ou todas) variaes controladas s podem ser manipuladas dentro de
limites.
Segundo os mesmos autores, uma conseqncia importante da aplicao da
PO a uma grande variedade de problemas tticos a verificao de que a maioria
desses problemas pode ser representada por um pequeno nmero de problemas
tpicos. Como esses ocorrem com grande freqncia, desenvolveram-se tcnicas para
model-los e obter solues a partir desses modelos. Tais problemas tpicos so:
Alocao;
Estoque;
Substituio ou reposio;
Filas de espera;
Seqncia e coordenao;
Determinao de rotas;
Situaes de competio;
Busca de informao; etc.
35

Deste modo, o modelo usado como uma simulao de uma situao


presente ou futura e na avaliao da probabilidade de sua ocorrncia, delimitando a
rea de ao e determinando o alcance de uma situao atual ou futura com um
considervel nvel de certeza.
Apesar da PO utilizar a construo de modelos para analisar fenmenos e
obter informaes dos mesmos, deve-se ressaltar que essa metodologia no restrita
a este tipo de aplicao. Hoje em dia, modelos so utilizados na construo de
edifcios e fabricao de meios de transporte (maquetes), na contabilidade (modelo
matemtico de fluxos de capital) etc. Os modelos podem ser encontrados at mesmo
na Renascena, em pinturas e esculturas, sem contar as pinturas rupestres na era pr-
histrica.

3.5.3 Desenvolvimento analtico do modelo e obteno dos dados

Com o modelo em mos, procura-se fazer um desenvolvimento analtico que


leve resoluo do problema. Esse desenvolvimento consiste em manipular todas ou
algumas das variveis (controladas), de forma que determinada grandeza,
expressando uma caracterstica desejvel do sistema (por exemplo, a medida de
efetividade ou da utilidade), atinja um valor timo (ou suficientemente prximo
deste). Resumindo, desenvolver analiticamente o modelo consiste na busca por um
mtodo capaz de calcular o valor das variveis que influenciam na resoluo do
problema em foco.
A maneira como a manipulao das variveis feita depende da natureza do
modelo. A soluo pode ser extrada do modelo mediante experimentao (isto , por
simulao) ou mediante anlise matemtica. Em alguns casos, a anlise matemtica
pode ser conduzida sem que se tenha qualquer idia a respeito dos valores das
variveis (isto , abstrata ou simbolicamente), mas em outros casos necessrio
conhecer tais valores (isto , concreta ou numericamente) (ACKOFF & SASIENI, 1977).
Para alguns tipos de modelos, a matemtica clssica fornece instrumentos
perfeitamente adequados para a determinao dos melhores valores das variveis
controladas, desde que as restries no sejam numerosas. Nos ltimos anos,
diversas tcnicas matemticas foram desenvolvidas e/ou aperfeioadas, fazendo com
36

que problemas com numerosas restries, intratveis pelo uso de mtodos clssicos,
devido ao custo em tempo e dinheiro envolvido, possam ser abordados
adequadamente. Dentre essas tcnicas, encontram-se:
Programao Linear;
Programao No-linear;
Programao Inteira;
Programao Dinmica;
Teoria das Filas;
Simulao;
Teoria dos Jogos, entre outras.

Caso o desenvolvimento analtico no seja possvel, ou por ser muito difcil


do ponto de vista terico, ou por ter clculos excessivamente complexos, deve-se
fazer uma reviso do problema e do modelo; uma eventual simplificao deste
ltimo pode ser necessria, visando facilitar sua anlise.
Se o desenvolvimento analtico for vivel, isto , se for encontrado um
mtodo de clculo do valor das variveis que leve ao ponto timo, passa-se
obteno de dados. Nessa fase, tenta-se determinar o conjunto de dados necessrios
para se chegar soluo esperada. Os dados previstos para a resoluo do modelo
podem ou no ser passveis de obteno; se o segundo caso ocorre, pode haver a
necessidade de uma reformulao dos passos anteriores.
Uma anlise da validade dos dados e dos erros a eles associados importante
como forma de garantir a veracidade da soluo a ser encontrada.

3.5.4 Resultados

Nesta etapa, faz-se uma comparao entre os resultados obtidos a partir do


modelo e o comportamento efetivo do sistema. Se a soluo obtida pelo modelo tiver
um desempenho inferior ao da poltica ou procedimento que ir substituir pode-se,
mais uma vez, refazer as etapas anteriores. No caso do resultado ser satisfatrio,
passa-se diretamente implantao da soluo obtida.
Porm, se as suposies que permitiram a construo do modelo forem
vlidas devido a simplificaes em sua confeco ou aproximaes realizadas no
37

desenvolvimento analtico, podem aparecer resultados cujos valores no estejam em


conformidade com a experincia. Nesse caso, faz-se necessria uma reviso das
etapas anteriores soluo.

3.5.5 Implementao da soluo

Aps a anlise dos resultados obtidos, faz-se a aplicao da soluo indicada.


importante que sua viabilidade seja verificada e que haja um controle permanente
no processo de aplicao. s vezes, a aplicao prtica da soluo invivel para o
problema (devido a fatores restritivos), ou podem surgir situaes em que a aplicao
da soluo indicada acarrete o surgimento de novos problemas cujas solues sejam
imprescindveis para uma implementao adequada.
Alm disso, o processo de implementao da soluo preconizada pelo
modelo pode exigir o controle constante das etapas anteriores, j que modificaes
significativas nos sistema e no meio ambiente ocorrem com relativa facilidade. Essa
prtica possibilita a obteno de dados mais prximos da realidade.

3.6 Tcnicas

Como visto anteriormente, um estudo de pesquisa operacional comea com a


construo de um modelo conceitual simplificado do sistema a ser analisado. A partir
da, analisa-se o modelo como se o sistema fosse real. Por causa da necessidade de
incorporao de dados numricos e outros eventos objetivos, os modelos de PO so
quase sempre matemticos e, portanto, requerem uma anlise que emprega os
mtodos matemticos.
Otimizao e incerteza so temas constantes nos estudos de PO. Segundo
ECKER & KUPFERSCHMID (1988), a necessidade de se fazer escolhas timas em
situaes de incerteza determina duas categorias principais de mtodos matemticos
usados na pesquisa operacional:
Otimizao
Programao linear;
Programao inteira;
38

Programao no-linear;
Programao dinmica, entre outros.
Probabilidade aplicada
Teoria das filas
Modelos de estoques
Simulao de eventos discretos, entre outros.

Os mtodos de otimizao so tambm conhecidos como mtodos de


programao matemtica, e os tpicos de probabilidade aplicada so usados na
predio de resultados de uma seqncia de eventos incertos.
Os problemas reais de pesquisa operacional no vm em pacotes prontos para
uma anlise matemtica. As situaes nas quais h maior dificuldade (e necessidade)
de se aplicar a PO so justamente aquelas que possuem fatores difceis de quantificar
e medir, mecanismos complicados e/ou obscuros e problemas com carter fortemente
aleatrio.

3.7 Simulao dentro da Pesquisa Operacional

A definio e os principais aspectos da simulao sero abordados no captulo


5. Nesta seo, pretende-se auxiliar a compreenso da simulao como uma
ferramenta da PO.
A partir dos primeiros estudos realizados pela Pesquisa Operacional, os
problemas analisados cresceram em complexidade, exigindo, desta maneira, tcnicas
mais sofisticadas de anlise. Assim, a simulao surgiu da carncia por mtodos de
soluo de problemas de natureza estatstica ou estocstica.
Um dos mtodos de simulao mais utilizados na PO, para problemas e
processos bem definidos, foi o mtodo de Monte Carlo. Esse mtodo consiste em
reproduzir, em laboratrio, o processo aleatrio que gera o fenmeno estudado. Ele
era especialmente til quando a lei de probabilidade do processo era excessivamente
complexa para se criar seu modelo matemtico. A partir desse mtodo, originou-se a
chamada simulao probabilstica (MACHLINE, 1975).
39

Segundo HILLIER & LIEBERMAN (1988), a simulao, dentro da Pesquisa


Operacional, envolve a construo de um modelo que , por natureza,
predominantemente matemtico. Mas, em lugar de descrever diretamente o
comportamento geral do sistema, o modelo de simulao descreve a operao do
sistema em termos dos eventos individuais de cada componente do sistema.
Ainda segundo os autores acima, no procedimento de simulao utilizado na
PO, o sistema subdividido em elementos cujos comportamentos possam ser
preditos, pelo menos em termos das distribuies de probabilidade, para cada um dos
possveis estados do sistema e suas entradas. As inter-relaes entre os elementos
tambm so construdas dentro do modelo. A partir da, combina-se os elementos em
sua ordem natural e faz-se com que o computador apresente o efeito das interaes.
Aps sua construo, o modelo ativado (pela gerao de dados de entrada), a fim
de simular a operao real do sistema e registrar seu comportamento agregado.
Repetindo-se isso para vrias configuraes alternativas de projeto e polticas de
operao do sistema, e comparando seus desempenhos, as formas mais promissoras
podem ento ser identificadas.
Em decorrncia do erro estatstico, impossvel garantir que a configurao
que resulte no melhor desempenho simulado seja, de fato, a tima; porm, se o
experimento tiver sido projetado adequadamente, tal configurao estar bastante
prxima da ideal.
Assim, poder-se-ia definir a simulao na PO como a realizao de
experimentos numricos com modelos lgico-matemticos (SALIBY, 1989).
Neste trabalho, a tcnica simulao aplicada, em seus diferentes aspectos, a
um problema de fila de espera. Os conceitos de fila de espera e Mtodo de Monte
Carlo sero abordados com mais detalhes no captulo quatro.
CAPTULO 4 CONCEITOS BSICOS SOBRE SIMULAO

Antes da discusso sobre a simulao de sistemas propriamente dita, deve-se


considerar alguns conceitos que esto intrinsecamente relacionados a ela e cuja
discusso facilite seu entendimento. Por esse motivo, apresenta-se a seguir uma
descrio dos principais conceitos adotados neste estudo: sistemas, modelos, filas e
Mtodo de Monte Carlo.

4. 1 Sistemas

Um sistema pode ser definido, segundo BANKS et al. (1996), como um grupo
de objetos que so reunidos em alguma interao ou interdependncia regular, a fim
de se alcanar algum propsito.
Atravs dessa definio, nota-se que um sistema algo bastante relativo. Em
determinado momento, uma coleo de objetos pode ser uma pequena parte de um
sistema maior (subsistema), e em outro considerada um sistema completo. Os
limites do sistema so estabelecidos a fim de se definir o que ser estudado e incluir
neles apenas aqueles itens que so considerados mais importantes para os objetivos.
A determinao desses limites depende do estudo realizado e dos objetivos a serem
alcanados. Deste modo, o termo endgeno usado para descrever atividades e
eventos que ocorrem no sistema, e o termo exgeno usado para descrever
atividades e eventos do ambiente que afetam o sistema (BANKS et al., 1996).

4.1.1 Componentes de um sistema

De acordo com BANKS et al. (1996), para se compreender e analisar um


sistema, alguns termos precisam ser definidos. Uma entidade um objeto de
interesse no sistema e um atributo uma propriedade de uma entidade. Uma
41

atividade representa um perodo de tempo de durao especificada; j um evento


pode ser definido como uma ocorrncia instantnea que pode mudar o estado do
sistema. Se uma linha de produo est sendo estudada, os produtos podero ser
entidades, seus tempos de processamento poderiam ser um atributo, e a
transformao dos produtos poderia ser uma atividade.
O estado de um sistema outro componente que pode ser definido, segundo
LAW & KELTON (2000), como uma coleo de variveis necessrias para descrever
um sistema em determinado momento. No estudo de um banco, so possveis
variveis de estado: o nmero de atendentes ocupados, o nmero de clientes
esperando na fila ou sendo servidos e o tempo de chegada do prximo cliente. A
TABELA 02 abaixo lista alguns exemplos dos componentes de um sistema.

TABELA 02 - Exemplos de componentes de um sistema


Sistema Entidades Atributos Atividades Eventos Variveis de estado
Banco Clientes Saldo da Depositar Chegada; Nmero de caixas
conta partida. ocupados; nmero de
bancria clientes esperando.
Ferrovia Viajantes Origem; Viajar Chegada Nmero de viajantes
destino. estao; esperando em cada
Chegada ao estao; nmero de
destino. viajantes em trnsito.
Produo Mquinas Velocidade; Solda, Molde. Quebra Status das mquinas
taxa de (ocupada, ociosa ou
quebra. quebrada).
Comunicaes Mensagem Durao; Transmitir Chegada ao Nmero esperando para
destino. destino ser transmitido
Estoques Armazm Capacidade Remoo Demanda Nveis dos estoques:
demandas acumuladas

Fonte: Adaptado de BANKS et al. (1996)

4.1.2 O estudo dos sistemas

LAW & KELTON (2000) expem a necessidade de se estudar os sistemas para


tentar aferir algumas hipteses sobre os relacionamentos entre os vrios componentes
42

ou para predizer o desempenho do sistema sob novas condies. Algumas das


diferentes maneiras existentes para se estudar um sistema esto representadas no
esquema abaixo (FIGURA 05) e explicadas a seguir:

Experimento com o sistema real versus Experimento com um modelo


do sistema real: se for possvel (e custo-efetivo) alterar o sistema fisicamente
e ento faz-lo operar sob as novas condies, provavelmente desejvel
assim proceder. Entretanto, tal situao raramente ocorre, porque um
experimento poderia, com freqncia, ser muito caro ou desestabilizar o
sistema. Alm disso, o sistema poderia no existir, mas ainda assim haveria
a necessidade de estud-lo de acordo com vrias propostas de configuraes
alternativas para observar como ele poderia ser construdo. Por essas razes,
usualmente necessrio construir um modelo como uma representao do
sistema e estud-lo como um substituto para o sistema real.

Sistema

Experimento com o sistema real Experimento com um modelo do sistema real

Modelo Fsico Modelo Matemtico

Soluo Analtica Simulao

FIGURA 05 - Formas de estudo de um sistema


Fonte: LAW & KELTON (2000)

Modelo fsico versus Modelo matemtico: os modelos fsicos ou


icnicos normalmente se parecem com o que eles representam, mas diferem
no tamanho; so rplicas, geralmente de dimenses reduzidas. Como exemplo
tem-se: fotografias, mapas, maquetes etc. Segundo ACKOFF & SASIENI (1977),
os modelos icnicos so freqentemente especficos, concretos e difceis de
manipular para fins experimentais. Esses modelos normalmente no
interessam aos pesquisadores operacionais e analistas de sistemas; a maioria
43

dos modelos de interesse desses profissionais matemtico. Os modelos


matemticos (tambm chamados de abstratos ou simblicos) usam smbolos
em lugar de dispositivos fsicos; eles representam um sistema em termos de
relacionamentos lgicos e quantitativos, os quais so manipulados para se
observar como o modelo reage, e ento como o sistema reagiria. Um modelo
de simulao um tipo particular de modelo matemtico.

Soluo analtica versus Simulao: uma vez construdo, um modelo


matemtico deveria ser examinado a fim de se determinar como ele poderia
ser utilizado na obteno de respostas s questes de interesse a respeito do
sistema que supostamente representa. Se o modelo suficientemente simples,
pode ser possvel trabalhar com suas relaes e quantidades para obter uma
soluo analtica. Se uma soluo analtica para um modelo matemtico
vivel e computacionalmente eficiente, esta , freqentemente, a abordagem
mais adequada. Porm, muitos sistemas so altamente complexos,
dificultando qualquer possibilidade de solues deste tipo. Nesse caso, o
modelo deve ser estudado atravs da simulao, isto , numericamente
experimentado para as entradas em questo, com o objetivo de determinar
como elas afetam as sadas e as medidas de desempenho do sistema.

Uma vez que se decidiu utilizar simulao para se estudar um modelo


matemtico, algumas ferramentas particulares devem ser examinadas para esse fim.
til para esse propsito classificar os modelos de simulao e estudar as linguagens
de simulao, conforme indicado no Captulo 5.

4. 2 Modelos

O item anterior tratou, entre outras coisas, do estudo de um sistema atravs de


modelos fsicos ou matemticos. Mas o que exatamente um modelo e qual sua
classificao? Esta seo visa conceituar o termo modelo e apresentar uma breve
discusso sobre sua classificao.
44

Um modelo uma representao de um objeto, sistema ou idia em alguma


forma outra que no a prpria entidade (SHANNON, 1975, p.123).
FORRESTER (1961), discorrendo sobre modelos, diz que eles tm se tornado
largamente aceitos como um meio de estudar fenmenos complexos e que seu valor
provm da melhoria da nossa compreenso das caractersticas de comportamento do
sistema real, compreenso essa mais efetiva do que aquela realizada pela observao
do sistema em si. Um modelo, comparado ao sistema real que ele representa, pode
lidar com informao a um baixo custo, alm do conhecimento ser obtido mais
rapidamente e em condies no observveis na vida real.
A definio transcrita acima remete a uma caracterstica fundamental da
utilidade dos modelos: resumir o funcionamento do sistema num pequeno nmero de
variveis que permita sua apreenso pelo intelecto humano. A FIGURA 06 procura
fornecer uma noo a respeito dos princpios utilizados no processo de modelagem.

ENTRADA SADA

Sistema

Modelo

FIGURA 06 - Processo simples de modelagem


Fonte: Adaptado de CASSANDRAS & LAFORTUNE (1999)

Para se construir modelos e empreg-los para prever e explicar fenmenos


com alto grau de preciso, necessria uma seleo correta das variveis mais
significativas para se descrever o comportamento do sistema. A razo disso, segundo
ACKOFF & SASIENI (1977), que, embora seja necessrio um grande nmero de
variveis para prever um fenmeno com perfeita exatido, um pequeno nmero de
variveis geralmente explica a maior parte dele. O ponto chave do processo de
modelagem, evidentemente, descobrir as variveis certas e a relao entre elas.
Dessa maneira, a principal tarefa daquele que modela (modelador) um
sistema deve ser decidir, com base nos objetivos estabelecidos, quais elementos do
45

sistema incluir no modelo e, dessa forma, instituir suas fronteiras e nvel de


detalhamento. Dependendo do modelador e de seu objetivo, um mesmo sistema pode
ter modelos com maior ou menor nvel de detalhamento e com diferentes
caractersticas.

4.2.1 Tipos de modelos

Uma breve classificao de modelos de sistemas foi apresentada na seo


4.1.3 (modelos fsicos versus matemticos). Vrias outras classificaes de modelos
so sugeridas por diversos autores, entre eles CASSANDRAS & LAFORTUNE (1999),
BANKS et al. (1996), SOARES (1990), EHRLICH (1985), FORRESTER (1961) etc. A
seguir, apresenta-se uma sntese dessas classificaes.

Linear ou no-linear
Os modelos so lineares quando o sistema que representam segue uma lei
linear, ou seja, independente do nvel em que esteja, sempre haver a mesma resposta
da varivel endgena a uma varivel independente ou exgena. Modelos no-lineares
so aqueles em que o relacionamento das variveis endgenas e exgenas no se d
atravs de relaes lineares.

Esttico ou dinmico
Um modelo esttico representa um sistema em um ponto particular no tempo
ou um sistema no qual o tempo simplesmente no desempenha um papel importante;
modelos de Monte Carlo so exemplos de modelos de simulao estticos. Modelos
dinmicos representam sistemas medida que eles evoluem ao longo do tempo.

Estvel ou instvel
Modelos dinmicos podem ser estveis ou instveis. Nos primeiros, sempre
se volta condio inicial aps algum distrbio. J os modelos instveis representam
sistemas que, depois de ativados, tendem a desenvolver a sua amplitude de
movimentao e, conseqentemente, a se afastar sobremaneira de sua condio
inicial.
46

Discretos ou contnuos
As alteraes nas variveis de estado do sistema podem ser contnuas ou
discretas no tempo. Um modelo de mudana discreta (chamado de modelo de sistema
de eventos discretos) aquele em que as variveis se modificam discretamente em
pontos especficos do tempo simulado. Um modelo de mudana contnua aquele
em que as variveis podem variar continuamente ao longo do tempo simulado.

Determinsticos ou estocsticos
Modelos que no contm variveis aleatrias so classificados como
determinsticos; esses tm um conjunto conhecido de entradas que resultaro em um
nico conjunto de sadas. Um modelo estocstico tem uma ou mais variveis
aleatrias como entrada; essas entradas levam a sadas aleatrias, as quais podem
apenas ser consideradas como estimativas das verdadeiras caractersticas de um
modelo.

Modelos analticos ou modelos de simulao


Esta uma classificao na qual os modelos so divididos de acordo com os
mtodos utilizados na obteno dos resultados numricos. Assim, modelos analticos
so definidos como aqueles cuja estrutura formada por uma srie de equaes
matemticas, atravs das quais o comportamento do sistema pode ser obtido pela
atribuio de valores aos parmetros do modelo e a soluo das equaes. Modelos
de simulao podem ser definidos como aqueles representados por uma estrutura
matemtica/lgica, que pode ser exercitada de forma a mimetizar o comportamento
do sistema. Atravs do experimento (simulao), vrias observaes so realizadas
para dar subsdio s vrias concluses sobre o sistema.

ACKOFF & SASIENI (1977) afirmam que na Pesquisa Operacional procura-se,


sempre que possvel, estabelecer modelos simblicos, porque so mais fceis de
manipular e produzem, quase sempre, resultados mais exatos que os modelos
icnicos.
Neste estudo, so considerados os modelos de simulao de sistemas
dinmicos de eventos discretos, em particular os modelos de fila de espera.
47

4.2.2 Modelos de simulao

Segundo SOARES (1990), os modelos so uma descrio dos sistemas e, apesar


de serem construdos dependentes do problema a resolver, requerem uma estrutura
organizada qualquer. Uma linguagem (ou pacote) para simulao fornece uma destas
estruturas, e sua compilao que vai traduzir a descrio do sistema em uma forma
aceitvel por um sistema de computao.
Esta pesquisa est direcionada ao estudo de sistemas descritos atravs de
modelos - apoiados em uma estrutura fornecida por um pacote de simulao - que, ao
serem exercitados num computador, fornecero subsdios para que decises
relacionadas com a resoluo de problemas, referentes a estes sistemas, possam ser
tomadas.

4. 3 Filas

Uma vez que este trabalho baseia-se no estudo de um sistema de fila,


importante que se apresente sua conceituao e principais caractersticas.
A Teoria das Filas uma tcnica da Pesquisa Operacional que utiliza
conceitos de processos estocsticos e de matemtica aplicada para analisar o
fenmeno de formao de filas e suas caractersticas. Essa teoria foi desenvolvida de
modo a resolver problemas de congestionamento e dimensionamento de instalaes.
Sistemas de filas ou de linhas de espera so muito comuns. Como exemplo,
tem-se as filas de clientes em um banco, bens incompletos esperando processamento
e passageiros esperando num ponto de nibus. Qualquer sistema que caracterizado
por elementos sujeitos a espera por um servio podem ser conceituados como
sistemas de fila (WATSON, 1981).
A fila formada por aqueles elementos esperando na linha para receber o
servio. J o sistema de fila inclui a fila, o servidor e qualquer elemento que esteja
sendo servido naquele momento. Por exemplo, em um supermercado, os clientes
esperando na linha constituem a fila; e a(s) fila(s), o(s) cliente(s) que est(o) sendo
servido(s) e o(s) atendente(s) formam o sistema de fila (ver FIGURA 07).
48

Fila
Sistema Servidor
Chegada de clientes Partida de clientes

Elementos
Elementos em fila
em servio
FIGURA 07 - Sistema bsico de fila
Fonte: Elaborada pelo autor

De maneira geral, uma fila resulta da falta de programao do sistema, pois se


fosse possvel organizar as chegadas e os servios, seria possvel evitar
completamente a espera dos clientes. Mas, na maioria dos sistemas, impossvel
programar as filas, pois as chegadas e os servios so geralmente aleatrios.
De acordo com MACHLINE (1975), os problemas de filas normalmente esto
relacionados com o congestionamento de clientes e com a ociosidade dos servidores.
O congestionamento em filas de espera pode ser criado porque h muitos clientes
chegando para serem servidos em instalaes de servio inadequadas (a taxa de
chegada excede a taxa de servio). Um tempo longo de espera causa a desistncia de
clientes e ento, para alguns sistemas, perda de rendimentos. Instalaes de servio
podem estar ociosas (esperando por clientes) porque pode haver um excessivo
nmero de unidades de servio e/ou as instalaes existentes podem ter uma taxa
total de servio que excede a taxa de chegada.
A situao mais ideal um sistema de fila balanceado que tende a um
equilbrio; nesses casos as instalaes de servio esperam temporariamente por
clientes e clientes esperam temporariamente pelo servio.

4.3.1 Termos

Apresenta-se a seguir alguns termos bsicos relacionados Teoria de Filas


(SHAMBLIN & STEVENS, 1974):
Cliente: unidade de chegada que requer atendimento. Os clientes podem
ser pessoas, mquinas, peas etc.
Fila (linha de espera): nmero de clientes esperando atendimento.
Normalmente, a fila no inclui o cliente que est sendo atendido.
49

Canal de atendimento: processo ou sistema que realiza o atendimento


do cliente. Pode ser um canal mltiplo ou nico.
Taxa de chegada: a taxa (clientes por perodos de tempo) segundo a qual
os clientes chegam para serem atendidos. O pressuposto referente
distribuio deste valor tem grande efeito sobre o modelo matemtico. O
pressuposto tpico que ser utilizado neste texto o de que a taxa de
chegada est aleatoriamente distribuda conforme a distribuio de
Poisson. O valor mdio da taxa de chegada .
Taxa de atendimento: a taxa (clientes por perodo de tempo) segundo a
qual um canal de atendimento pode efetuar o atendimento requerido pelo
cliente. Esta a taxa que poderia ser atingida se o canal de atendimento
no ficasse ocioso. A distribuio deste valor igualmente importante na
determinao do grau de complexidade matemtica. Salvo indicao em
contrrio, supe-se que a taxa de atendimento est distribuda
aleatoriamente conforme um processo de Poisson.
Prioridade: critrio de deciso sobre a ordem de atendimento. O
pressuposto mais comum o de que quem chegou primeiro ser atendido
primeiro.
Tamanho da populao: tamanho do grupo que fornece os clientes. Se
houver apenas alguns clientes potenciais, a populao ser finita. Se
houver um nmero grande de clientes potenciais, digamos, acima de 30
ou 50, geralmente se diz que a populao infinita. Outra regra prtica: o
pressuposto de uma populao infinita geralmente ser vlido quando a
populao potencial for bastante grande para significar que a chegada de
um cliente no afetar significativamente a probabilidade de outra
chegada.
Taxas de distribuio de chegada (de atendimento): o pressuposto
mais comum a distribuio de Poisson. Isto implica que os eventos
atendimento e chegada so completamente independentes. Esta uma
das suposies mais restritivas. Em todos os casos, deve-se ter em mente
que a anlise fornece resultados em termos de valores esperados ou
mdios. Alm disso, normalmente supe-se que tanto a taxa de
atendimento como as taxas de chegada so constantes no tempo. Na
50

prtica, isto pode no ser verdade, uma vez que comum o uso de tempo
ou esforo extra quando surgem filas muito longas.
Nmero esperado na fila: nmero esperado de clientes que aguarda
atendimento.
Nmero esperado no sistema: nmero esperado de clientes na fila e/ou
sendo atendidos.
Tempo esperado na fila: tempo que se espera que um cliente gaste
aguardando em fila.
Tempo de sistema esperado: tempo que se espera que um cliente gaste
aguardando e sendo atendido.

Alguns desses conceitos so considerados medidas de desempenho do sistema


de filas, como nmero de clientes na fila, tempo esperado no sistema etc. Essas
medidas so importantes para se conhecer as caractersticas e o comportamento do
sistema. As medidas de desempenho das filas a serem utilizadas neste trabalho esto
relacionadas na metodologia (captulo sete).

4.3.2 Caractersticas

O processo de fila caracterizado pelos seguintes elementos:


a) Especificao da populao de clientes: finita ou infinita;
b) Distribuio da probabilidade do intervalo de tempo entre chegadas: a
distribuio de chegada descreve o padro pelo qual os elementos chegam para
serem servidos. Por exemplo, taxas de chegada com distribuio de Poisson so
muito comuns em sistemas de fila, mas outras distribuies, como a uniforme e a
normal, so s vezes mais apropriadas;
c) A disponibilidade do servio: alguns sistemas s atendem durante um
certo intervalo de tempo, outros esto sempre disponveis;
d) A capacidade do sistema, isto , o nmero de clientes atendidos
simultaneamente; as unidades podem ser atendidas individualmente (bilheteria do
cinema etc.) ou em grupos (pessoas num elevador, veculos num semforo etc.);
e) A durao do tempo de servio de cada cliente: a distribuio de servio
descreve o padro pelo qual o servidor prov o servio. Pode ser constante ou
aleatria;
51

f) Nmero de canais e fases: o nmero de canais descreve o nmero de


linhas que existem em um sistema; o nmero de fases se refere ao nmero de
instalaes de servio atravs das quais um elemento pode passar antes de se
completar o servio;
g) Disciplina da fila: o conjunto de regras que determinam a ordem em que
os elementos da fila so atendidos. H vrias possibilidades, como atendimento pela
ordem de chegada, atendimento aleatrio, datas de entregas prometidas etc.

As caractersticas das filas de espera formam a base para sua classificao. A


diviso dos modelos de filas pode se basear no nmero de canais e fases. O nmero
de canais descreve o nmero de linhas que existem em um sistema; segundo este
critrio, os sistemas de fila podem ser classificados em simples ou multicanais. O
nmero de fases se refere ao nmero de instalaes de servio atravs das quais um
elemento pode passar antes de se completar o servio; segundo este critrio, os
sistemas de fila podem ser classificados em simples ou multifsicos (WATSON, 1981).
A classificao baseada em canais e fases ilustrada na FIGURA 08.

(a) Caso do canal simples, monofsico

(b) Caso do canal mltiplo, monofsico

(c) Caso do canal simples, multifsico

(d) Caso do canal mltiplo, multifsico

Legenda:
= Cliente = Servidor = Fluxo de Clientes

FIGURA 08 - Estruturas bsicas de modelos de fila de espera


Fonte: BUFFA (1972)
52

As figuras acima representam as quatro estruturas bsicas de situaes de fila


de espera. A situao mais simples ocorre quando as unidades que chegam formam
uma fila nica para ser atendida por um nico equipamento de servio. Caso se
aumente o nmero de estaes de processamento, mas haja uma s fila de espera,
temos o caso de canais mltiplos monofsicos. Uma linha de montagem simples tem
um nmero de equipamentos de servio em srie; este o caso do canal simples,
multifsico. Finalmente, tem-se o caso dos canais mltiplos multifsicos, que pode
ser ilustrado por duas ou mais linhas de produo paralelas. Neste trabalho, ser
abordado o sistema de fila de canal simples e multifsico.

4.3.3 Simulao de filas

De todos os conceitos tratados pelas tcnicas de pesquisa operacional bsica,


a teoria das filas parece ter a mais ampla aplicao. Empresas, escolas, hospitais,
governo etc. tm se utilizado dessa tcnica para resolver seus problemas de
congestionamento e dimensionamento de instalaes.
Segundo WATSON (1981), existem trs tipos de anlise de sistemas de fila:
tentativa e erro, analtico e mtodos de simulao. O principal objetivo deste trabalho
ilustrar como se pode adquirir conhecimento sobre um sistema de fila atravs da
simulao de seu comportamento.
Um projeto de um sistema pode evoluir em uma base de tentativa e erro. Para
sistemas simples, essa abordagem usualmente efetiva em termos de custo, pois um
projeto timo com freqncia identificado aps a explorao de algumas poucas
alternativas. Porm, conforme sistemas mais complexos so analisados, torna-se
menos provvel que um projeto timo seja descoberto por procedimentos de tentativa
e erro. Eles so tambm inapropriados no desenvolvimento de novos sistemas, para
os quais modificaes do projeto inicial sero difceis ou impossveis.
Uma segunda abordagem envolve o uso do modo analtico. Por meio de
mtodos matemticos e estatsticos, expresses que descrevem o comportamento do
sistema so desenvolvidas. Essa abordagem deve ser usada sempre que possvel;
entretanto, muitos sistemas de filas so complexos demais para serem estudados
atravs de mtodos analticos. Nesses casos, o analista deve voltar-se abordagem de
simulao.
53

Segundo MIRSHAWKA (1977), pode-se simular qualquer sistema de fila que


possa ser descrito e para o qual se possam obter dados de chegada e de tempo de
servio. A disponibilidade de computadores reduziu consideravelmente o tempo
requerido para a simulao de problemas de fila complexos. Com o auxlio dos
computadores, o tempo de operao ficou mais curto, e o gasto de tempo com a
programao pde ser reduzido pelo uso de linguagens e pacotes de simulao (ver
seo 5.7).

4. 4 O Mtodo de Monte Carlo

A maior dificuldade encontrada na PO lidar com situaes to complexas


que tornam impossvel o estabelecimento de uma expresso analtica, seja ela
determinstica ou probabilstica, que possa ser manipulada para produzir respostas
imediatas e analticas. Em muitos casos, a simulao o nico mtodo til para a
soluo de problemas de deciso.
Como relatado no captulo anterior, o Mtodo de Monte Carlo (MMC)
originou o que hoje se denomina simulao probabilstica. Mas, a que se refere este
mtodo?
Segundo NAYLOR (1971), a anlise de Monte Carlo uma tcnica de
simulao para problemas que tm base probabilstica ou estocstica, e aplicada a
dois tipos gerais de problemas:
1) Problemas que envolvem alguma forma de processo estocstico. O
mtodo foi desenvolvido para simular distribuies de probabilidade
conhecidas ou empricas;
2) Certos problemas matemticos determinsticos que no podem ser
facilmente resolvidos por mtodos determinsticos. Nesses casos, obtm-se
solues aproximadas simulando um processo estocstico cujos momentos,
funes de densidade ou funes de distribuio cumulativas satisfaam as
relaes funcionais ou requisitos de soluo de problemas determinsticos.

Ainda segundo esse autor, a origem do Mtodo de Monte Carlo remonta ao


trabalho de Von Neumann e Ulam, em 1940, no Laboratrio de Los Alamos (Estados
54

Unidos). Nesse trabalho, os pesquisadores associaram a expresso Anlise de


Monte Carlo a uma tcnica matemtica que utilizaram para solucionar certos
problemas de blindagem em reatores nucleares, os quais seriam muito caros em uma
soluo experimental ou muito complicados para tratamento analtico.
SALIBY (1989) trata da evoluo do MMC. De acordo com ele, a aplicao
original desse mtodo voltava-se avaliao de integrais mltiplas, mas logo se
verificou sua aplicabilidade na soluo de diversos outros problemas matemticos
complexos.
Aps o momento inicial, as deficincias do mtodo foram mais bem
reconhecidas, entre elas o grande esforo computacional envolvido e a baixa preciso
dos resultados. Como no final da dcada de 40 os computadores apenas comeavam
a se tornar realidade, as melhorias no mtodo direcionaram-se para a obteno de
resultados mais precisos, sem o aumento proporcional dos tempos de processamento.
Esse esforo resultou no desenvolvimento de tcnicas de reduo da varincia.
O advento dos primeiros computadores, no incio da dcada de 50, permitiu a
extenso do Mtodo de Monte Carlo soluo de problemas probabilsticos de
carter mais geral, como o caso das filas de espera. Com isso, observou-se que se
poderia simular um processo e estimar seus principais parmetros de operao;
nascia assim a simulao de Monte Carlo.
O barateamento dos recursos computacionais e o desenvolvimento de
programas e linguagens de simulao contriburam para uma maior utilizao da
simulao de Monte Carlo. Ainda assim, o problema da preciso dos resultados
sempre foi um obstculo, pois as tcnicas de reduo de varincia desenvolvidas at
ento se revelaram pouco eficientes na simulao de sistemas. Esse fenmeno se
deveu a uma maior restrio imposta ao processo de amostragem, restrio essa
derivada da idia de que uma simulao deveria ser uma simples cpia da realidade e
no uma ferramenta com grande capacidade de avaliao de cursos de aes e
treinamento.
O captulo seguinte trata da simulao de sistemas e suas principais
caractersticas e particularidades.
CAPTULO 5 A SIMULAO DE SISTEMAS

Cada vez mais, as grandes entidades e empresas tm se reorganizado para que


as decises, cada vez mais complexas, possam ser tomadas mais cientificamente. Tal
procedimento permite que a transmisso de informao acompanhe as mudanas
rpidas de circunstncias, de forma que as necessidades no mercado consumidor
possam ser satisfeitas.
Hoje, possumos certas formas de conhecimento, mais particularmente de
mtodos, que nos possibilitam trazer para a intuio uma quota da lgica matemtica,
alm do empirismo e da experincia dos profissionais e especialistas. Um desses
mtodos a simulao.
Graas ao surgimento de ferramentas cada vez mais acessveis, tanto em
termos de custo quanto em facilidade de uso, a simulao tem se popularizado e
fornecido importantes resultados.
Mas, antes de se proceder utilizao de simulao para resolver um
problema particular, deve-se responder a trs perguntas, sugeridas em NAYLOR et al.
(1971, p.35):
o processo de mais baixo custo para a soluo do problema?
H segurana de se obter uma soluo satisfatria?
A tcnica a ser usada permitir uma interpretao relativamente fcil por
parte do usurio?

A escolha da simulao como abordagem de resoluo de problemas


complexos foi discutida no item 4.1.2 do captulo anterior. Assim sendo, supe-se
que as respostas s perguntas acima sejam positivas.
SHIMIZU (1975) menciona alguns exemplos em que o emprego de tcnicas de
simulao aconselhvel:
56

Resoluo de certos tipos de equaes diferenciais, quando as condies


de contorno levam a solues analticas complicadas ou impossveis;
Testes de novas polticas administrativas em uma empresa, quando um
engano pode ter conseqncias desastrosas;
Descoberta de novas tcnicas de estratgia em guerra moderna;
Quando uma formulao matemtica completa do problema no existe ou
os mtodos analticos para soluo do modelo matemtico ainda no
foram desenvolvidos;
Quando mtodos analticos so possveis, mas muito complexos; nesse
caso a simulao pode prover um mtodo mais simples de soluo do
problema.

Diversos autores, entre eles LAW & KELTON (2000), NAYLOR (1971) e
SHIMIZU (1975), citam algumas atividades onde a simulao em computador digital
pode ser empregada:
Experimentao e avaliao, isto , na tentativa de prever as
conseqncias de mudanas sem a necessidade de implement-las no
sistema real, o que poderia acarretar gastos excessivos sem a garantia de
se obter os resultados esperados;
Como maneira de estudar novos sistemas, a fim de projet-los ou refin-
los;
Projeto e anlise de sistemas de manufatura/
Compreenso de um sistema real (componentes, interaes, processos);
Como ferramenta para familiarizar equipes com equipamentos ou
sistemas;
Exame de processos transitrios ou intermedirios;
Anlise dos efeitos de variaes do meio-ambiente na operao de um
sistema;
Verificao ou demonstrao de uma nova idia, sistema ou maneira de
resoluo de um problema;
Determina;ao de pol[iticas de gerenciamento de estoques
Ensino, como material pedaggico para estudantes e profissionais;
Aquisio de conhecimento atravs das etapas de uma simulao,
principalmente na formulao do problema, na construo do modelo e na
anlise dos resultados;
57

Verificao e comparao de solues dos mtodos analticos ou


intuitivos com aquelas obtidas em outras simulaes. Essa atividade visa
comparar as abordagens de resoluo de problemas, bem como avaliar a
capacidade dos pesquisadores e tomadores de deciso;
Estudo de sistemas dinmicos em tempo real, reduzido ou dilatado;
Projeo do futuro, isto , previso e planejamento quantitativo.

Dessa forma, a simulao uma ferramenta muito til, na medida em que


possibilita uma anlise de vrias situaes que a empresa pode enfrentar, antes que
ela as enfrente; alm disso, ela possibilita s pessoas uma compreenso mais ampla
do problema ou sistema sob estudo. A simulao utiliza-se de um modelo para
estudar o sistema real sem a necessidade de gastos com pessoal e equipamentos e
com riscos de falha reduzidos.
As sees seguintes compreendem diversos aspectos da tcnica de simulao,
entre eles sua definio, evoluo, metodologia etc.

5. 1 Definio

Em essncia, a simulao uma tcnica que consiste em realizar um modelo


da situao real, e nele levar a cabo experincias. Essa definio, dada por (NAYLOR
et al., 1971), muito ampla, e pode incluir coisas aparentemente no relacionadas,
como jogos militares, jogos de negcios, modelos reduzidos e economtricos etc.
Entretanto, faz-se necessria uma definio mais restrita, como a dada por EHRLICH

(1985).
Segundo esse autor, a simulao um mtodo empregado para estudar o
desempenho de um sistema por meio da formulao de um modelo matemtico, o
qual deve reproduzir, da maneira mais fiel possvel, as caractersticas do sistema
original. Manipulando o modelo e analisando os resultados, pode-se concluir como
diversos fatores afetaro o desempenho do sistema.
Atravs da simulao no possvel obter, de imediato, resultados que levem
otimizao de um objetivo desejado. Entretanto, possvel simular, por meio do
modelo, uma srie de experimentos em diferentes condies e, posteriormente,
escolher a condio cujos resultados sejam mais aceitveis (EHRLICH, 1985).
58

Dessa definio podemos concluir que o principal objetivo de um estudo de


simulao conhecer o comportamento de um sistema e avaliar vrias estratgias
para a sua operao.
Segundo SHIMIZU (1975), o grande volume e complexidade de clculos
repetitivos em uma simulao demanda o uso intensivo do computador. A utilizao
desse recurso reduziu significativamente o tempo de construo e soluo dos
modelos. Graas ao aperfeioamento do computador eletrnico, com sua grande
velocidade de clculo, poder de armazenamento de dados e capacidade de decises
lgicas, o ramo experimental da simulao tem se tornado um instrumento de
pesquisa e planejamento cada vez mais importante.

5. 2 Evoluo da simulao

O desejo de conhecer o futuro, a eterna questo e se, motiva o ser humano a


utilizar tcnicas como a simulao para tentar prever e entender o mundo sua volta.
Esta busca de conhecimento to antiga quanto a prpria histria da raa humana.
A partir da definio de que simular construir modelos de sistemas reais,
experiment-los e aprender com eles, pode-se inferir que a simulao uma tcnica
muito antiga. Comprova-se isso nas pinturas rupestres dos primeiros seres humanos,
que utilizavam desenhos para simular as caadas e rituais.
Segundo NAYLOR et al. (1971), antes do sculo XVII a busca do poder de
predio estava limitada aos mtodos dedutivos de filsofos como Plato e
Aristteles. Esses mtodos formavam a chamada filosofia especulativa; nela, as
questes eram respondidas pela lgica dedutiva.
Mas, em 1620, Francis Bacon reconheceu as limitaes da filosofia
especulativa como metodologia para predio do futuro. Segundo ele, a razo por si
s no tem nenhuma capacidade de previso, ela o consegue somente com a ajuda da
observao; lgicas dedutiva e indutiva devem caminhar juntas na busca do
conhecimento. Bacon considerado o criador da filosofia ou mtodo cientfico, base
para os estudos de pesquisa operacional e, por conseguinte, de simulao.
Com o passar do tempo, a busca pela resoluo de problemas atravs de uma
analogia com a realidade experimentou um grande crescimento, a ponto de se
59

integrar ao cotidiano. A impossibilidade de testar tcnicas e hipteses de resoluo


diretamente no sistema real levou o ser humano a mtodos como o de simulao.
Segundo NAYLOR et al. (1971), a simulao uma palavra que apareceu
recentemente na documentao cientfica para descrever a antiga arte da construo
de modelos. Dessa forma, a simulao geral, que foi aplicada na construo de
modelos de formas extremamente diversas, desde as esculturas e pinturas da
Renascena at os modelos analticos de processos mentais, tornou-se algo quase que
especfico para cientistas tericos e prticos.
O uso moderno do vocbulo remonta sua origem ao Mtodo de Monte Carlo
(por volta de 1940). Esse mtodo, como referenciado no captulo 4, proporcionou a
soluo de problemas matemticos no probabilsticos atravs da simulao de um
processo estocstico.
Apesar da aplicao original do Mtodo de Monte Carlo voltar-se avaliao
de integrais mltiplas, logo se verificou sua aplicabilidade na soluo de diversos
outros problemas matemticos complexos.
Com o advento dos primeiros computadores, no incio da dcada de 50, a
idia do Mtodo de Monte Carlo foi estendida para soluo de problemas
probabilsticos de carter mais geral, como o caso das filas de espera; nascia assim
a simulao de Monte Carlo (SALIBY, 1989).
A partir de ento, a simulao tornou-se uma abordagem de estudo cada vez
mais utilizada nas mais variadas reas de conhecimento. Dois fatores contribuem
para isso: a crescente complexidade dos problemas enfrentados e a maior
disponibilidade de recursos computacionais.
A crescente competio entre empresas que desenvolvem equipamentos de
informtica tem levado criao de produtos cada vez melhores. A indstria dos
programas de simulao vem acompanhando essa evoluo.
Assim, o barateamento e desenvolvimento dos recursos computacionais,
programas e linguagens contribuem de maneira decisiva para a disseminao da
simulao.
As linguagens de propsito geral foram as primeiras a serem utilizadas para a
simulao (ver TABELA 03). Essas linguagens, como o FORTRAN e o PASCAL,

podem ser usadas para implementar praticamente qualquer problema computacional,


60

e muitos programas de simulao foram escritos nessas linguagens. No incio, a


simulao se restringia a um seleto grupo de pessoas trabalhando em Universidades,
centros de pesquisa e no meio militar. Cada programa tinha uma aplicao especfica
e suas execues eram problemticas, pois, naquela poca, os computadores eram
bem menos poderosos que os atuais.

TABELA 03 - Histria do uso da simulao computacional


Anos Ferramenta Caractersticas do estudo de simulao Exemplos
50 e 60 Linguagens Aplicao em Grandes corporaes; FORTRAN,
de propsito Grupos de desenvolvimento de modelos com 6 a 12 pessoas; PASCAL e
geral Geram programas a serem executados em grandes C.
computadores;
Grandes investimentos em capital;
Aplicveis a qualquer contexto;
Exigem conhecimento profundo da linguagem;
Exigem muito tempo de desenvolvimento;
No so totalmente reutilizveis.
70 e Linguagens Utilizao em um maior nmero de corporaes; SIMSCRIPT,
incio de simulao Desenvolvimento e uso dos pacotes de linguagens; GPSS, GASP
dos 80 Surgem linguagens de simulao baseadas em System IV,
Dynamics; DYNAMO,
Comandos projetados para tratar lgica de filas e demais SIMAN e
fenmenos comuns; SLAM
Mais amigveis, mas ainda requerem programador
especializado.
80 e Simuladores Introduo do PC e da animao; Simfactory e
incio de alto nvel Presena de guias, menus e caixas de dilogos; Xcell
dos 90 Simulao realizada antes do incio da produo;
Facilidade de uso;
Menos flexvel que as linguagens de propsito geral e de
simulao;
Projetados para permitir modelagem rpida;
Dispem de elementos especficos para representar filas,
transportadores etc.;
Restringem-se a sistemas de certos tipos.
Aps Pacotes Melhor animao e facilidade de uso; Witness,
90 flexveis de Fcil integrao com outras linguagens de programao; Extend,
programas de Usada na fase de projeto; Stella,
simulao Grande uso em servios; ProModel for
Uso para controle de sistemas reais; Windows
Grande integrao com outros pacotes (base de dados e
processadores de texto);
Aprimoramento dos simuladores, o que permite modelagem
rpida;
Integram a flexibilidade das linguagens de simulao, com a
facilidade de uso dos pacotes de simulao.
Fonte: KELTON et al. (1998)
61

A partir da utilizao das linguagens de propsito geral, observou-se que os


programas resultantes possuam muitas caractersticas comuns, as quais foram usadas
no desenvolvimento de linguagens de simulao, mais poderosas e eficientes.
Uma linguagem de simulao um simulador que designado para
representar qualquer caso especfico de uma classe de situaes, atravs de inseres
de valores prprios para os parmetros. Essas linguagens de simulao tm o
benefcio de reduzir o tempo necessrio para a implementao de um modelo. Elas
so mais rpidas que uma linguagem de propsito geral, desde que nenhum projeto
ou programa do modelo seja requerido.
Dentre as linguagens de simulao, esto o GPSS, SIMAN, SLAM e o SIMSCRIPT.
Graas ao surgimento de linguagens prprias, a simulao foi difundida nos setores
de engenharia e negcios. Mas, apesar do avano propiciado pelas linguagens de
simulao, o tempo gasto com aprendizado e a eliminao de erros eram ainda muito
longos.
Uma das linguagens de simulao mais utilizadas o GPSS (General Purpose
Simulation System). Sua estrutura fundamental conceitualmente diferente das
linguagens de propsito geral, como o FORTRAN. O uso do GPSS facilita a tarefa de
construir modelos computacionais para certos tipos de simulaes de eventos
discretos.
Aps as linguagens de propsito geral, surgiram os programas baseados em
System Dynamics (SD), entre eles DYNAMO e, mais tarde, o STELLA. Esses programas
trouxeram uma nova viso das interaes e relaes entre os componentes dos
sistemas e dos sistemas com o ambiente.
Jay Forrester8 foi o criador da metodologia System Dynamics (Dinmica de
Sistemas), que se baseia nos conceitos de pensamento sistmico e possui um
conjunto especfico de ferramentas e formas de abordagem para estudo de sistemas.
Os trabalhos de Forrester forneceram uma viso mais dinmica e sistmica para a
simulao.
Durante os anos 80, graas aos avanos dos computadores e ao aumento da
competitividade, a simulao estendeu-se a muitas indstrias, e programas
direcionados a elas foram criados (ProModel, AutoMod etc.). Essas ferramentas de
8
Suas principais publicaes foram Industrial Dynamics (1961), Human Dynamics (1969) e
World Dynamics (1972).
62

simulao eram passveis de serem usadas por profissionais de diversas reas e com
diferentes nveis de conhecimento em simulao.
Os anos 90 viram o surgimento de programas de simulao mais flexveis,
com melhor animao e integrao com outras linguagens de programao. Nesses
programas, o tempo e esforo despendidos se concentram mais na atividade de
anlise dos resultados e menos na programao e eliminao de erros. A evoluo
das ferramentas de simulao nas ltimas dcadas resumida na TABELA 03 e na
FIGURA 09.

Alto

Sistemas de simulao integrados e personalizados


Poder e facilidade de uso

Linguagens de simulao especficas para indstrias (ProModel etc.)

Linguagens gerais de simulao (GPSS etc.)

Linguagens de programao (FORTRAN etc.)


Baixo
1950 1960 1970 1980 1990 2000
Ano
FIGURA 09 - A evoluo das ferramentas de simulao computacional
Fonte: HARRELL & TUMAY (1995)

A TABELA 03 e a FIGURA 09 mostram a significativa diminuio do tempo


de programao e execuo requeridos medida que as tcnicas de simulao
evoluam.
As ferramentas de simulao continuam a evoluir, tornando-se mais
adaptveis, flexveis e fceis de usar, alm de apresentarem melhores recursos
grficos, de comunicao e interao com o usurio, estatsticos, de animao etc.
O foco deste estudo est na simulao computacional de sistemas (a partir
daqui, chamada apenas de simulao), a qual teve sua origem na Pesquisa
Operacional (PO). Neste trabalho, utilizar-se- um pacote de simulao (STELLA)
para anlise da aquisio de conhecimentos sobre um sistema de fila.
63

5. 3 Tipos de simulao

Toda simulao requer a construo de um modelo com o qual sero feitos os


experimentos. Um modelo matemtico estudado atravs da simulao chamado de
modelo de simulao (SALIBY, 1989). O termo modelo foi definido no captulo
quarto.
Segundo BARTON (1970), um modelo de simulao tem as seguintes
propriedades:
1. Inteno de representar a totalidade ou parte de um sistema;
2. Possibilidade de ser executado ou manipulado;
3. O tempo ou um contador de repeties uma de suas variveis;
4. Proposta de auxiliar no entendimento do sistema, o que significa um ou
mais dos seguintes itens:
a. uma descrio (parcial) do sistema objeto.
b. Seu uso tenta explicar o comportamento passado do sistema objeto.
c. Seu uso tenta predizer o comportamento futuro do sistema objeto
d. Seu uso tenta ensinar a teoria existente pela qual o sistema objeto
pode ser entendido.

Pode-se dividir os modelos de simulao de maneira semelhante aos modelos


em geral. Um tipo de classificao resumido na FIGURA 10. As classificaes
mais relevantes para este trabalho so descritas a seguir, e outras podem ser
encontradas no captulo anterior.

Estticos ou dinmicos
Um modelo de simulao esttico representa um sistema em um ponto
particular no tempo ou um sistema no qual o tempo no desempenha papel
importante. Modelos dinmicos representam sistemas medida que eles mudam ao
longo do tempo.

Determinsticos ou estocsticos
Um sistema pode ser determinstico ou estocstico, dependendo da natureza
da entrada, do processo e da sada em vrios estgios do sistema. Modelos de
simulao que no contm variveis aleatrias so classificados como
64

determinsticos; esses modelos tm um conjunto conhecido de entradas que


resultaro em um nico conjunto de sadas. Um modelo de simulao estocstico tem
uma ou mais variveis aleatrias como entrada. As entradas aleatrias levam a sadas
aleatrias (uma gama de possveis sadas, segundo alguma distribuio de valores).

Modelos de simulao

Estticos Dinmicos

Lineares No-lineares

Estado contnuo Estado discreto

Dirigidos pelo tempo Dirigidos por eventos

Determinsticos Estocsticos

Tempo discreto Tempo contnuo

FIGURA 10 - Classificao dos modelos de simulao


Fonte: Elaborada pelo autor

Muitos processos somente so descritos adequadamente por distribuies de


probabilidade, como aquelas refletindo a demanda varivel por produtos e servios e
os modelos de fila e linha de espera (BUFFA & DYER, 1977).

Discretos ou contnuos
Modelos de simulao discretos e contnuos so definidos de uma maneira
anloga aos modelos discretos e contnuos. Porm, um modelo de simulao discreto
nem sempre usado para modelar um sistema discreto; de maneira anloga, a
modelagem de um sistema contnuo no implica na utilizao de um modelo
contnuo. A escolha entre os modelos (ou o uso de ambos) uma funo das
caractersticas do sistema e do objetivo do estudo (BANKS et al., 1996).
Conforme BUFFA & DYER (1977), modelos de simulao em sistemas
gerenciais so usualmente do tipo discreto e so, freqentemente, uma combinao
de processos determinsticos e estocsticos, especialmente em modelos
representando um sistema complexo.
65

Este estudo restringe-se aos modelos de simulao construdos para uso em


computadores digitais. Estes experimentos (simulaes) vo permitir inferncias
sobre o sistema sem a necessidade de constru-lo.

5.3.1 Simulao de sistemas dinmicos de eventos discretos

O enfoque desse trabalho restringe-se simulao computacional de sistemas


dinmicos de eventos discretos. Para isso, um exemplo de sistema de fila ser
analisado.
Muitas das aplicaes da simulao referem-se ao estudo de um sistema ao
longo do tempo, caracterizando assim uma simulao dinmica. De fato, um
importante aspecto numa simulao refere-se observao, ao longo do tempo, das
vrias atividades que compem o modelo.
Numa simulao discreta, a passagem do tempo feita aos saltos, entre um
evento e outro, por isso tambm chamada de simulao de eventos discretos (LAW
& KELTON, 2000). Neste caso, supe-se que o estado do sistema no se altera ao
longo do intervalo compreendido entre dois eventos consecutivos.

5. 4 Vantagens e desvantagens

Os benefcios da simulao so citados por SALIBY (1989), BANKS et al.


(1996), BANKS (2000), PEGDEN et al. (1995) LAW & KELTON (2000) entre outros, e so
relacionados abaixo:
Modelos mais realistas: maior liberdade na construo do modelo de
simulao. A simulao no obriga a enquadrar um problema em
determinado modelo padro para que se possa obter uma soluo, como
ocorre, por exemplo, no caso da programao linear;
Processo de modelagem evolutivo: comea-se com um modelo
relativamente simples e aumenta-se sua complexidade aos poucos,
identificando de maneira mais clara as peculiaridades do problema;
Perguntas do tipo e se? (what if?): muitas vezes, em lugar da busca
de uma soluo, o objetivo resume-se em tornar mais claras as possveis
conseqncias de um conjunto de decises;
66

Aplicao a problemas mal-estruturados: muitos problemas da vida


real referem-se a situaes em que dispomos apenas de um conhecimento
parcial sobre suas variveis ou relaes. A simulao uma das poucas
ferramentas para o estudo deste tipo de problema;
Facilidade de comunicao: um modelo de simulao , em geral, mais
fcil de se compreender do que um conjunto de complicadas equaes
matemticas;
Solues rpidas: no conturbado ambiente empresarial dos dias de hoje,
onde as regras mudam da noite para o dia, esta vantagem muito
importante;
Grande flexibilidade: aplica-se aos mais variados problemas;
Aquisio de viso sistmica: viso do efeito que alteraes locais tero
sobre o desempenho global de todo o sistema;
Escolha correta: a simulao permite o teste de muitos aspectos de uma
mudana, sem comprometer recursos;
Compresso e expanso do tempo: para examinar o comportamento do
sistema;
Explorao de possibilidades: uma vez desenvolvido um modelo de
simulao vlido, pode-se explorar novas polticas, procedimentos
operacionais, arranjos fsicos ou mtodos sem perturbar o sistema real;
Diagnstico de problemas: a simulao leva a um melhor entendimento
das interaes entre as variveis de sistemas complexos. O diagnstico de
problemas dessa forma mais eficiente;
Desenvolvimento de entendimento: estudos de simulao ajudam no
entendimento dos componentes do sistema e de como ele realmente
opera;
Visualizao de planos: a animao em uma simulao oferece a
possibilidade de visualizar a operao de uma organizao enquanto a
simulao ocorre;
Construo de consenso: o resultado de uma simulao, submetido a
uma srie de etapas de modelagem, teste, validao e representao
visual, tem melhor aceitao que a opinio de uma nica pessoa;
67

Preparao para mudanas e anlise de investimentos prudentes:


como o custo das mudanas em um sistema muito grande, a simulao
um investimento vlido para analisar suas conseqncias;
Treinamento de equipes: a equipe e seus membros podem aprender
como trabalhar melhor atravs de erros e acertos realizados na simulao.

Os mesmos autores citam tambm algumas desvantagens da simulao:


A construo de modelos requer treinamento especial; a tcnica
aprendida e aperfeioada com o tempo e atravs da experincia;
Os resultados da simulao podem ser difceis de interpretar, pois
geralmente as sadas da simulao so variveis aleatrias;
A modelagem e a anlise da simulao podem ser dispendiosas em termos
de recursos financeiros e de tempo;
Pode ser usada inapropriadamente, por exemplo, quando uma soluo
analtica factvel;
Os resultados da simulao podem ser de difcil implementao;
Dificuldade de modelagem;
A programao de um modelo de simulao pode tornar-se uma tarefa
altamente dispendiosa e desgastante se os recursos computacionais no
forem apropriados;
Tempo de processamento e baixa preciso dos resultados: a baixa
preciso dos seus resultados o que faz da simulao um ltimo
recurso. Esta impreciso geralmente conseqncia do uso da
amostragem.

Atualmente, muitas pessoas vm trabalhando na resoluo de alguns dos


problemas acima citados. As deficincias da simulao tm sido resolvidas atravs
de simuladores mais rpidos, simples, amigveis e flexveis; de novos mtodos de
anlises de sadas; de equipamentos de informtica mais eficientes etc.
Empresas de programas de simulao tm desenvolvido produtos que
facilitam a modelagem: pacotes com modelos que precisam apenas dos dados de
entrada e pacotes que possuem capacidade de anlise de sadas. Esses produtos
68

permitem a reduo das necessidades de conhecimentos computacionais dos


usurios, alm de reduzirem o tempo de projeto.
Um erro cometido por alguns analistas e usurios de simulao consiste em
considerar a simulao apenas como uma simples cpia da realidade ou como um
exerccio de programao em computador. Por causa desse tipo de pensamento,
muitos estudos de simulao tm sido compostos de verificaes e validaes
insuficientes. A simulao uma poderosa ferramenta de avaliao de cursos de
aes, mas que requer um grande esforo metodolgico e um rigoroso estudo
estatstico para levar a concluses satisfatrias.

5. 5 Metodologia da simulao

A simulao, por ser uma tcnica de Pesquisa Operacional, utiliza-se do


mtodo cientfico para desempenhar seu papel. Um processo de simulao baseia-se
numa srie de etapas que pode ser chamada de metodologia de simulao. Diferentes
metodologias tm sido apresentadas por vrios autores, entre eles SHANNON (1975),
EMSHOFF & SISSON (1970), BANKS et al.(1996), LAW & KELTON (2000). Essas
metodologias so muito semelhantes entre si, j que se baseiam no mesmo mtodo (o
cientfico). Neste trabalho, sero utilizados os passos de um estudo de simulao
sugeridos por LAW & KELTON (2000), como mostrado na FIGURA 11. Esse mtodo
foi escolhido porque seus passos foram avaliados, pelo autor, como mais eficientes.
Apesar disso, outros autores foram consultados para um maior esclarecimento de
cada passo.
Esses passos (enumerados abaixo) sero utilizados em todas as simulaes
contidas nesse trabalho.
1. Formulao do problema e planejamento do estudo
2. Coleta de dados e definio do modelo
3. Validao do modelo conceitual
4. Construo do programa computacional e verificao
5. Realizao de execues piloto
6. Validao do modelo programado
7. Projeto dos experimentos
8. Realizao das execues de simulao
69

9. Anlise de resultados
10. Documentao e implementao

As fases compostas de duas atividades esto assim dispostas para representar


tarefas que podem ser realizadas ao mesmo tempo.

FIGURA 11 - Passos de um estudo de simulao


Fonte: LAW & KELTON (2000)
70

Assume-se aqui que a abordagem de resoluo de problemas escolhida foi a


simulao e que as outras abordagens (intuitiva e analtica) foram desconsideradas
por no se aplicarem ao sistema estudado (ver discusso sobre o estudo de sistemas
no captulo 4).

5.5.1 Formulao do problema e Planejamento do estudo

Um experimento de simulao computacional deve iniciar-se com a


formulao do problema e com o planejamento do estudo. Isto porque a obteno de
uma soluo aceitvel depende de um bom conhecimento do problema e da criao
de um plano para sua avaliao.
Nessa etapa, decide-se se o estudo ser feito pelos tomadores de deciso (ou
aqueles que esto ligados diretamente ao sistema ou problema a ser simulado) ou por
analistas de simulao. Caso se decida por um analista, este deve se assegurar de que
o problema descrito esteja claramente entendido. Tambm nesse caso importante
que os tomadores de deciso entendam e concordem com a formulao do problema
feita pelo especialista. O ideal que em todos os passos, principalmente nesse
primeiro, analista e tomador de deciso trabalhem juntos para uma maior eficincia e
eficcia da simulao.
A interao entre aquelas pessoas que lidam com o sistema a ser simulado,
sejam elas administradores, trabalhadores, etc. (a partir daqui chamados apenas de
gerentes ou tomadores de deciso) e os analistas de simulao (ou apenas analistas)
fundamental para o sucesso do processo de simulao.

Esse primeiro passo composto tambm das seguintes etapas:


a. O problema de interesse detectado pelo tomador de deciso do sistema
(ou por aquele ligado diretamente ao problema ou projeto);
b. Reunies, entre tomadores de deciso, analistas de simulao e
especialistas nos problemas, so realizadas para a determinao dos
seguintes itens:
Objetivos do estudo;
Questes a serem respondidas;
71

Estgios da investigao;
Avaliadores de desempenho que sero utilizados para medir a
eficcia de diferentes configuraes do sistema;
Escopo do modelo;
Configuraes do sistema a ser modelado (limites, restries,
entidades, processos etc.);
Equipamento e programa de simulao a serem utilizados;
Estrutura de tempo para o estudo e recursos requeridos.

Muitas vezes, o problema reformulado medida que se realiza o estudo, isto


ocorre devido a um maior entendimento do sistema.
NAYLOR (1971) ressalta a importncia do estabelecimento explcito dos
objetivos da simulao e declara que objetivos tm habitualmente a forma de: (a)
questes a serem respondidas, (b) hipteses a serem testadas ou (c) efeitos a serem
estimados.
O planejamento do estudo deve conter uma declarao de sistemas
alternativos (ou partes deles) a serem considerados e o mtodo de avaliao da
eficincia desses sistemas. Alm disso, deve conter informaes como nmero de
pessoas envolvidas, custo do estudo e tempo requerido para completar cada fase do
trabalho, assim como os resultados esperados de cada fase.

5.5.2 Coleta de dados e Definio do Modelo

Nesta fase, o sistema real sob investigao abstrado atravs de um modelo


conceitual e, ao mesmo tempo, dados do sistema so coletados.
Segundo SHANNON (1975), a coleta refere-se a dados quantitativos e
qualitativos sobre as entradas e sadas do sistema, bem como informaes sobre os
componentes do sistema e suas interconexes ou relaes. O modelador deve decidir
que dados so necessrios, se eles so pertinentes, se os dados existentes so vlidos
a este propsito e como eles foram obtidos e validados.
Esta etapa tambm envolve a escolha entre a utilizao de dados empricos
diretamente no modelo ou o uso de distribuies de probabilidade tericas.
72

A fase de definio do modelo uma das mais cruciais para a simulao.


Alguns autores, como BANKS et al. (1996), dizem que a construo do modelo mais
uma arte do que cincia. Esse autor declara que a arte da modelagem consiste de uma
habilidade para abstrair as caractersticas essenciais do modelo, da seleo e
modificao de suposies bsicas que caracterizam o sistema, e ento do
enriquecimento e elaborao do modelo at uma aproximao til dos resultados.
Segundo BARTON (1970), o conhecimento a base para a construo de
modelos. obrigatrio conhecer algo sobre o sistema que se quer estudar e sobre o
mtodo a ser utilizado. O conhecimento que se usa para construir um modelo
obtido pelo modelador atravs de diversas fontes (referncias bibliogrficas,
experincia etc.).
O ser humano acumula conhecimento ao longo do tempo. Isto feito
passando-se princpios de gerao em gerao, atravs das vrias formas de
comunicao e de reproduo do conhecimento. Mas, raramente os princpios gerais
permanecem os mesmos; as pessoas mudam os princpios sempre que obtm um
melhor entendimento sobre si mesmas, o mundo e como viver em seu ambiente.
Assim, o modelo ao mesmo tempo um solicitador e difusor de conhecimento, pois
proporciona ao modelador aquisio de mais experincia sobre o sistema e a
modelagem.
Portanto, de incio, o conhecimento permite um verdadeiro comeo do
estudo; ao final, ele alterado atravs de novos dados e observaes, ou
simplesmente confirmado.
Pode-se usar qualquer dispositivo conveniente e til para construir um
modelo, mas como o objetivo desse estudo a utilizao dos modelos de simulao,
as ferramentas ficam circunscritas utilizao de equaes matemticas em
programas de computador que simulam o comportamento do sistema.
De acordo com NAYLOR (1971), a formulao do modelo consiste na
especificao de seus componentes, variveis, parmetros e relaes funcionais.
Desse modo, melhor utilizar-se, inicialmente, de um modelo simples, para
depois aumentar sua complexidade progressivamente. A complexidade do modelo
no deve exceder a necessidade de abstrao demandada pelos objetivos do estudo.
A violao desse princpio apenas acrescentar esforo computacional e de
73

construo do modelo. No h necessidade de um completo mapeamento entre


modelo e sistema real; apenas a modelagem da essncia do sistema real necessria.
SHANNON (1975) sugere algumas qualidades para se saber se um modelo de
simulao realmente vlido. Segundo ele, um modelo deve:
ser simples de entender pelo usurio;
ter objetivos e propsitos direcionados;
ser robusto, isto , no deve dar respostas incoerentes;
ser simples de ser controlado e manipulado pelo usurio;
ser completo em questes importantes;
ser adaptativo, com um procedimento simples para modificao e
atualizao do modelo;
ser evolucionrio, isto , ele deve iniciar-se simples e tornar-se
gradativamente mais complexo, com a ajuda do usurio.

Assim, esta fase consiste dos seguintes pontos:


a. Coleta de informaes no arranjo fsico do sistema e nos procedimentos
de operao (as informaes tambm sero utilizadas na validao do
modelo no passo 6);
b. Coleta de dados (se possvel) para especificar os parmetros do modelo
e as distribuies de probabilidade das entradas;
c. Delineamento das informaes e dados do item anterior em um
documento de suposies, que o modelo conceitual;
d. Determinao do nvel de detalhe do modelo. Esse nvel pode estar
sujeito aos seguintes itens:
Objetivos do projeto de simulao;
Medidas de desempenho;
Disponibilidade de dados;
Credibilidade;
Restries computacionais;
Opinies das pessoas ligadas ao sistema;
Restries de tempo e capital.
74

e. No necessrio que haja uma correspondncia um-para-um entre cada


elemento do modelo e o elemento correspondente do sistema;
f. Interao regular com o tomador de deciso.

5.5.3 Validao do modelo conceitual

a. Percorrer de maneira estruturada o modelo conceitual usando o


documento de suposies, antes de se agendar uma reunio com os
responsveis pelo sistema (problema);
Ajudar a garantir que as suposies do modelo esto corretas e
completas;
Promover o domnio do modelo;
alocado antes da programao comear para evitar reprogramaes
significativas mais adiante.

5.5.4 Construo do programa computacional e verificao

Este passo dividido em duas atividades:


a. Programao do modelo em uma ferramenta de simulao;
b. Verificao (eliminao de erros) do programa de simulao
computacional.

Sistemas reais resultam em modelos que requerem um grande esforo de


manipulao de informaes, por isso o modelo deve ser concretizado em um
formato computacional reconhecvel.
Nessa etapa, o modelador deve decidir se programa o modelo numa
linguagem de propsito geral (como FORTRAN ou C), numa linguagem de simulao
(como GPSS/H, SIMAN V, SIMSCRIPT II.5) ou usa um pacote de simulao (como
EXTEND, STELLA, AutoMod, ProModel for Windows, ARENA etc).
75

Cada tipo de ferramenta possui determinadas vantagens e desvantagens.


Algumas das linguagens e pacotes de simulao mais populares sero discutidos na
seo 5.6 deste captulo.
O segundo passo desta etapa consiste na verificao do programa
computacional. Aqui, verifica-se se o programa adequado para o modelo e se ele
funciona adequadamente. Em se tratando de sistemas complexos, muito difcil
traduzir o modelo em um programa sem um grande dispndio de tempo,
principalmente para a correo dos erros de execuo do programa.

5.5.5 Realizao de execues piloto

Esta etapa consiste na realizao de execues piloto para a validao


proposta no item 5.5.6. Neste momento, cabe o esclarecimento de alguns termos aqui
utilizados e que sero empregados principalmente na fase metodolgica do trabalho.
O termo execues (ou replicaes) refere-se realizao de uma
simulao (execuo do programa) com os mesmos parmetros (distribuio de
probabilidade de entrada, nmero de servidores, tamanho mximo da fila etc.). J a
palavra simulao ser utilizada para designar as execues do programa usando
diferentes parmetros; uma simulao composta de diversas execues.
As expresses estudo de simulao ou projeto de simulao referem-se a
todos os passos referentes a um processo de simulao (ver FIGURA 11).
As execues so necessrias para que se tenha resultados mais confiveis
para o modelo, pois, em se tratando de variveis aleatrias, cada execuo produzir
respostas diferentes, o que significar maior proximidade de uma situao real.

5.5.6 Validao do modelo programado

Validao a determinao de que o modelo uma representao confivel


do sistema real. A validao geralmente conseguida atravs da calibrao do
modelo, consistindo de um processo interativo de comparao entre o modelo e o
comportamento real do sistema, bem como do uso de discrepncias entre os dois e
76

das idias obtidas para melhorar o modelo. Esse processo repetido at que a
confiabilidade do modelo seja julgada aceitvel (BANKS et al.,1996).
Dentre as tcnicas de ponderao da validade e credibilidade do modelo,
pode-se citar:
Coleta de informaes e dados de alta qualidade no sistema:
o Comunicao com especialistas no sistema;
o Observaes do sistema;
o Teoria existente;
o Resultados relevantes de estudos de simulao similares;
o Experincia e intuio dos modeladores;
Interao constante entre gerente e analista;
Manuteno de documentao sobre suposies e desempenho;
Tcnicas quantitativas para validao de componentes do modelo;
Validao da sada do modelo de simulao;
o Comparao das sadas do modelo e do sistema.
o Anlise de especialistas.
Animao.

Os mtodos de validao podem seguir os preceitos abaixo:


a. Se h um sistema real, comparam-se as medidas de desempenho e os
resultados do modelo e do sistema real;
b. Independente de haver ou no um sistema real, os analistas de
simulao ou as pessoas ligadas ao sistema devem revisar os resultados
do modelo para correes;
c. Utilizao de anlise de sensibilidade para determinar quais fatores do
modelo tm um impacto significativo nas medidas de desempenho e,
ento, model-los com cuidado.

5.5.7 Projeto dos experimentos

Nesta etapa, so determinados os seguintes itens:


Comprimento das simulaes;
77

Nmero de simulaes e suas configuraes;


Condies iniciais da simulao;

5.5.8 Realizao das execues de simulao

Vrias simulaes e execues so realizadas para que os resultados e


medidas de desempenho sejam empregados na seo 5.5.9.

5.5.9 Anlise de Resultados

Os dois maiores objetivos na anlise dos dados de sada so:


a. Determinao do desempenho absoluto de certas configuraes do
sistema;
b. Comparao de configuraes alternativas do sistema em termos
relativos.

Procedimentos estatsticos so empregados para se comparar os dados de


sada do modelo e do sistema. Entre as abordagens para anlise de resultado, tem-se:
Testes estatsticos clssicos (como t, qui-quadrado, Kolmogorov-Smirnov
etc.) para determinar se dois conjuntos de dados podem ser considerados
semelhantes;
Abordagem por inspeo: aqui podem ser utilizadas estatsticas como
mdia, varincia simples, funo de correlao e histogramas.
Abordagem de intervalo de confiana baseado em dados independentes.
Abordagem de sries temporais.

5.5.10 Documentao e implementao

Nenhum projeto de simulao pode ser considerado completo se no foi


aceito, compreendido e usado.
Uma documentao adequada serve para auxiliar o entendimento do estudo
realizado e para dar credibilidade aos resultados do processo. Alm disso, ela facilita
78

as modificaes e proporciona ao analista o conhecimento de seus erros e um


conjunto de subprogramas que pode ser reutilizado em projetos futuros. Uma
cuidadosa e completa documentao de todas as fases do projeto tambm auxilia
muito o estgio de implementao.
Do mesmo modo, essa atividade possibilita:
a utilizao do mesmo programa, ou de parte dele, pelo mesmo analista
ou por outros;
a mudana de parmetros do modelo pelos usurios;
a diminuio dos esforos para determinao de relacionamentos,
parmetros de entrada e medidas de desempenho;
a cronologia do trabalho realizado e das decises tomadas.

H dois tipos de documentao em um estudo de simulao: do programa e


do desenvolvimento da simulao (relatrios parciais e final).
MUSSELMAN (1993) sugere que sejam realizados relatrios freqentes (pelo
menos mensais) durante o desenvolvimento do estudo de simulao. Ele tambm
refora que esses relatrios devem prover um registro compreensivo das realizaes,
mudanas e decises chave do processo.
Outra forma de documentao o relatrio final. Esse deve ser composto de
especificaes do modelo, demonstraes da evoluo da construo do modelo,
anlises intermedirias, configuraes alternativas do sistema, critrios de
comparao de alternativas, resultados de treinamentos, animaes, documentao
do programa, resumo dos relatrios parciais de progresso e a(s) soluo(es) final(is)
do problema.
Os relatrios citados acima ajudam a dar confiabilidade ao estudo e ao
modelo frente aos gerentes, assim como permitem aos envolvidos uma maior
compreenso do sistema estudado.
O sucesso da fase de implementao depende do bom desenvolvimento de
todas as fases anteriores. Esta etapa favorecida no caso de analistas e gerentes
trabalharem juntos, durante todo o estudo, j que o tempo necessrio para persuadir o
gerente dos benefcios do projeto menor e sua motivao e comprometimento com
o estudo so estimulados.
79

Pode-se resumir essa fase nos seguintes itens:


a. Documentao das suposies, do programa de simulao e dos
resultados do estudo para uso em projetos atuais e futuros;
b. Resultados do estudo atual.
Uso de animao para difundir o modelo entre os tomadores de
deciso e outras pessoas que no esto familiarizadas com todos os
detalhes do modelo.
Discusso da construo do modelo e do processo de validao para
promover sua credibilidade.
c. Os resultados so usados no processo de tomada de deciso caso eles
sejam vlidos e tenham credibilidade.

Apesar dos passos de simulao serem seqenciais, a simulao no um


simples processo seqencial. H, muitas vezes, a necessidade de se refazer passos
anteriores (esse fato indicado na FIGURA 11 atravs das setas retroativas).
Os passos abordados nesse item so explicados concisamente, j que seu
estudo muito amplo. As investigaes sobre a metodologia de simulao so to
extensas que alguns de seus passos (anlise de dados estatsticos, construo de
modelos) tornaram-se temas principais de diversos livros e teses.

5. 6 Ferramentas de simulao

O quarto passo da metodologia de simulao consiste na construo e


verificao do programa computacional. Um programa de computador digital uma
seqncia definida de operaes necessrias para que o programador possa resolver
as equaes que descrevem um modelo do sistema (KHEIR, 1996). Esse programa
utilizar-se- de um computador para exercitar o modelo, de forma a gerar sadas que
possam ser analisadas, a fim de que decises possam ser tomadas.
Os programas computacionais para simulao podem ser implementados nas
aqui chamadas ferramentas de simulao e classificados em trs grandes abordagens:
programas codificados em uma linguagem de propsito geral, em uma linguagem de
simulao e em um pacote de simulao. O modelo conceitual (modelo inicial
80

desenvolvido fora do programa) ser aqui traduzido para um programa de


computador feito em um pacote de simulao.
Tambm existem linguagens e pacotes de simulao especficos para
determinadas aplicaes. As linguagens ou pacotes especficos so aqueles que se
limitam a uma determinada rea do conhecimento; por exemplo, existem pacotes
especficos para simulaes de manufatura, financeiras, econmicas, de sistemas de
transportes, de produtos etc. Segundo BANKS et al. (1996), dentre os pacotes de
simulao destinados a sistemas de manufatura e de manipulao de materiais, pode-
se citar: SIMFACTORY II.5, ProModel, AutoMod, Taylor II, WITNESS e ARENA. Este
trabalho no analisou ou utilizou linguagens de simulao especficas, limita-se
apenas aos programas de simulao implementados em ferramentas mais gerais.
A determinao da ferramenta adequada a um estudo especfico uma tarefa
rdua e complexa. A caracterizao completa das vrias ferramentas disponveis e
seus aspectos educacionais foge ao escopo deste trabalho. Aqui, busca-se apreender
como a simulao de um sistema colabora para a aquisio de conhecimento sobre o
sistema modelado. Apesar disso, as caractersticas e a metodologia de modelagem
das linguagens de simulao tambm acabam (mesmo que parcialmente) sendo
compreendidas por quem simula. Para o alcance dos objetivos relacionados, o
exemplo de fila escolhido ser modelado em um pacote de simulao (STELLA).
Esta seo faz uma breve descrio dos tipos de ferramentas de simulao,
inclusive daquela que ser utilizada no trabalho.
Uma descrio mais ampla da ferramenta utilizada (STELLA) ser apresentada
no final desse captulo. O desenvolvimento das simulaes ser explorado no
captulo 7.
Cumpre observar ainda que, nesta seo, sero enfocados apenas os aspectos
dos programas computacionais ligados simulao digital de sistemas dinmicos de
eventos discretos.

5.6.1 Linguagens de propsito geral ou linguagens de programao

As primeiras simulaes em computador digital foram escritas em linguagens


de programao de propsito geral (tambm chamadas de linguagens de alto nvel e
linguagens de compilador). Dentre elas, destacam-se o FORTRAN, o PASCAL e o C.
81

Nessas linguagens, um programa especial escrito para a simulao de cada


sistema a ser estudado. Se escrito de maneira eficiente, seu tempo de execuo ser
menor do que o mesmo problema programado em uma linguagem de simulao.
Alm disso, segundo NAYLOR et al. (1971), essa alternativa oferece ao programador a
mxima flexibilidade em projeto e formulao do modelo matemtico do sistema em
estudo, tipo e formato dos dados de sada gerados e espcies de experincias de
simulao executadas com o modelo.
WATSON (1981) lista algumas razes para o uso das linguagens de
programao de propsito geral:
Flexibilidade oferecida na descrio matemtica do sistema modelado;
no h estruturas inerentes limitantes;
O programador pode selecionar um tipo ou formato de relatrios de sada.
Somente o tempo e a habilidade de programao limitam os relatrios que
podem ser gerados;
Flexibilidade em termos dos tipos de experimentos que podem ser
desempenhados no sistema modelado.

Embora estas linguagens permitam a modelagem em vrias e diferentes


aplicaes, o tempo e as habilidades de programao necessrios desencorajavam
muitos modeladores em potencial (BATEMAN et al., 1997). O uso dessas linguagens
est restrito a profissionais que tenham bons conhecimentos em programao.
Mas, de acordo com NAYLOR et al. (1971), a principal deficincia da
modelagem em linguagens de propsito geral a dificuldade de confeco dos
programas. O modelador pode se ver emaranhado nas dificuldades do controle
seqencial, o que d espao ao aparecimento de pequenos erros. Alm disso, os
equvocos nesta fase so responsveis pelo surgimento de efeitos obscuros e difceis
de eliminar.

5.6.2 Linguagens de simulao

Aps vrias simulaes com linguagens de propsito geral, os analistas


reconheceram que muitos sistemas ou sub-sistemas modelados eram iguais ou
82

semelhantes. E, como muitos dos programas tinham processos similares, a idia de se


desenvolver linguagens de propsito especfico, algumas com o objetivo particular
de simular, evoluiu entre diversos grupos de pesquisa. Em um esforo para
simplificar o processo de construo de modelos, iniciou-se o desenvolvimento das
linguagens de simulao.
Introduzidas em 1960, estas linguagens oferecem sentenas de programao
especificamente projetadas para gerenciar fenmenos comuns aos sistemas. O
SIMSCRIPT e o GPSS so exemplos de linguagens pioneiras desenvolvidas para
simulao.
Assim como nas linguagens de programao de alto nvel, as linguagens de
simulao tambm fazem uso de compiladores, mas so usadas especificamente para
aplicaes em simulao. Dentre as primeiras linguagens de simulao, encontram-se
o GASP, o DYNAMO, o GPSS, o SIMULA, o SIMSCRIPT II-5, o SLAM, o SIMAN etc.
Essas linguagens mais amigveis e dedicadas apenas simulao so, na
verdade, bibliotecas compostas por macros de linguagens de propsito geral.
EMSHOFF & SISSON (1970) ilustram as principais semelhanas e diferenas
entre as linguagens de propsito geral e as linguagens de simulao atravs de duas
figuras (FIGURAS 12 e 13).
A FIGURA 12 mostra como modelos de simulao computacional so
desenvolvidos em uma linguagem de propsito geral. O analista pensa sobre o
problema em sua linguagem nativa. O resultado uma formulao do problema e
uma descrio do modelo. Utilizando uma tecnologia de simulao, o analista
desenvolve um modelo matemtico apropriado. Com o conhecimento de uma
linguagem como FORTRAN, o analista a usa para codificar o modelo em um programa
de simulao.

Linguagem Tcnicas de simulao FORTRAN

Formulao do
Modelo na forma Programa de
Problema problema e
descrio do de mudana de simulao
modelo
estado
Analista

FIGURA 12 - Modelagem com uma linguagem de propsito geral


Fonte: EMSHOFF & SISSON (1970)
83

Um analista que usa uma linguagem de simulao segue um processo


diferente daquele que utiliza uma linguagem de propsito geral (ver FIGURA 13). A
linguagem prov um guia conceitual na definio do problema e na criao do
modelo. Pelo fato do modelo ser formulado na mente do analista em termos da
linguagem de simulao, isso elimina o passo onde uma descrio na linguagem
natural usada para desenvolver o modelo matemtico. Esse modelo, por sua vez,
deve ser programado.

Linguagem de simulao Programa tradutor

Problema Modelo do problema Programa de


em uma linguagem de simulao
simulao Computador
Analista

FIGURA 13 - Modelagem com uma linguagem geral de simulao


Fonte: EMSHOFF & SISSON (1970)

A maioria das linguagens de simulao requer um tempo de programao


menor que as linguagens de programao; alm disso, mais simples modificar o
modelo depois de escrito e mais fcil sanar eventuais problemas. Embora as
linguagens de simulao sejam de fcil utilizao, elas ainda necessitam de um
modelador com experincia em programao e com tempo disponvel.
Apesar das vantagens da utilizao das linguagens de simulao, segundo
NAYLOR et al. (1971), elas padecem de no-generalidade e so menos flexveis que as
linguagens de programao, j que se limitam a certos tipos de problemas.
De uma maneira geral, a vantagem de se usar uma linguagem de simulao
est diretamente ligada desvantagem de usar uma de propsito geral, e vice-versa;
as caractersticas que so fortes em uma so os pontos mais fracos da outra. Assim,
um aumento na flexibilidade de um programa de simulao obtido s custas de um
estudo mais aprofundado dos processos de programao. Da mesma forma, as
redues no tempo de programao obtidas atravs de uma linguagem de simulao
geralmente aumentam os tempos e os custos de processamento.
A TABELA 04, elaborada por SHANNON (1975), compara as vantagens e
desvantagens desses dois tipos de linguagem, reunidas a partir de diversas fontes,
especialmente NAYLOR (1971) e EVANS et al. (1967).
84

TABELA 04 - Comparao das vantagens e desvantagens das linguagens


Linguagens de Propsito Geral
Vantagens Desvantagens
Pequeno nmero de restries impostas ao formato Tempo de programao mais longo;
da sada;
Freqentemente, h um conhecimento prvio da A soluo de problemas na simulao pode
linguagem a ser utilizada. no ser simples.
Linguagens de Simulao
Vantagens Desvantagens
Requerem menor tempo de programao; As sadas so definidas pelas caractersticas
inerentes ao programa utilizado;
Fornecem tcnicas de verificao de erros superiores Flexibilidade reduzida e maior tempo de
quelas disponveis nas linguagens de propsito execuo.
geral;
Fornecem um veculo breve e direto para expressar
conceitos concernentes ao estudo da simulao;
Habilidade de construir e fornecer ao usurio sub-
rotinas requeridas como parte de qualquer rotina de
simulao;
Facilitam a coleta e exibio dos dados produzidos;
Controlam o gerenciamento e alocao da
capacidade de armazenamento do computador
durante a execuo da simulao.

Fonte: Adaptado de SHANNON (1975)

5.6.3 Pacotes de simulao

medida que engenheiros, gerentes e outros tomadores de deciso


comeavam a perceber o poder da simulao, aumentava o esforo em oferecer ao
mercado pacotes de simulao projetados para facilitar a modelagem,
proporcionando, principalmente, rapidez.
Segundo KHEIR (1996), na sua forma mais simples, um pacote de simulao
digital uma coleo de rotinas (programas compilados separadamente e ento
includos como parte de um programa principal). Os simuladores atuais, com auxlio
85

de equipamentos computacionais mais avanados, fornecem uma das ferramentas


mais poderosas para as atividades de modelagem e simulao.
Entre as caractersticas comuns a esses pacotes, tem-se:
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 desempenho do sistema;
Desenvolvimento de modelos orientados a objeto;
Ferramentas estatsticas para tratamento dos dados da simulao.

Acompanhando o desenvolvimento tecnolgico, vrios esforos tm surgido


para melhorar os pacotes de simulao e vrios tipos de simuladores tm sido
disponibilizados no mercado. Esses esforos aumentaram a gama e a complexidade
dos sistemas passveis de simulao. Dentre essas melhorias, tm-se (BATEMAN et al.,
1997):
Telas de entrada de dados orientadas por menu;
Construes direcionadas a aplicaes especficas que proporcionam
rapidez de modelagem;
O uso de sentenas lgicas similares s da programao;
Capacidade de atributos especiais;
Habilidade de importar sub-rotinas externas;
Simuladores projetados para diversos ambientes operacionais;
Interfaces grfica elaboradas;
Animao grfica personalizada;
Produtos projetados para PC;
Transferncias de dados entre aplicaes.

As principais vantagens dos simuladores em relao s linguagens de


simulao de propsito geral podem ser resumidas como se segue:
Interao mais amigvel entre usurio e simulao;
Possibilidade de utilizao de bibliotecas constitudas de blocos de
modelagem anteriormente construdos;
86

Animao e interface grfica elaboradas;


Coleta automtica de dados de sada;
Transferncias de dados entre aplicaes.

Existem muitos pacotes de simulao disponveis no mercado, entre eles


pode-se citar: ARENA, EXTEND, STELLA, AUTOMOD, PROMODEL, POWERSIM etc.
As ferramentas de simulao, principalmente os pacotes de simulao,
requerem recursos considerveis das empresas, seja em termos financeiros ou de
tempo e pessoal. Por isso, a seleo adequada da ferramenta de simulao passa a ser
um dos fatores chave no sucesso dos projetos de simulao. Assim sendo, esta
seleo dever ser feita cada vez mais com base em critrios objetivos, levando-se
em conta as caractersticas dos produtos e as aplicaes que se pretende desenvolver.
Uma anlise das formas de seleo de ferramentas de simulao fugiria do
objetivo deste trabalho. Por isso, ele limita-se a fornecer as informaes bsicas a
respeito do pacote de simulao STELLA e, mais importante, contribuir para um
processo de aquisio de conhecimento mais eficiente.

5.6.3.1 STELLA

O pacote de simulao STELLA foi escolhido por duas razes principais:


orientao metodologia de Dinmica de Sistemas (que examinada neste trabalho)
e extensa utilizao em diversos problemas acadmicos e empresariais. Utilizou-se a
verso 5.0 para Windows.
O STELLA um pacote de simulao baseado na metodologia das Dinmicas
de Sistemas (SD). Ele foi desenvolvido pela empresa High Performance System
Incorporation (Estados Unidos), e direciona-se construo de modelos de sistemas
dinmicos. Para tanto, faz uso de uma hierarquia multinvel com trs diferentes
camadas:
Camada superior: usada para a construo de um mapa de setores que
compem o modelo; essa camada facilita a navegao pelo modelo (ver
FIGURA 14);
87

Camada de construo do modelo: camada na qual so apresentados os


diagramas que representam o modelo (ver FIGURA 15);
Equaes: camada que apresenta o cdigo do modelo, construdo pelo
prprio programa (ver FIGURA 16).

FIGURA 14 - Camada superior do STELLA

FIGURA 15 - Camada de construo do modelo do STELLA


88

FIGURA 16 - Camada de equaes do STELLA

Observa-se nessas figuras a existncia de barras de tarefas com diferentes


comandos. Essas barras e seus comandos so mostrados nas FIGURAS 17 e 18. Os
comandos so explicados a seguir.
Objeto compresso
espacial
Estoque

Pincel
Janela

Tabela

Fantasma
Visualizador
numrico

Dinamite
Conversor

Conector
Fluxo

Boto

Grfico

Texto

Indicador

Blocos Ferramentas
Objetos
FIGURA 17 - Barra de tarefas da camada de construo do modelo
Lista de entradas

Estrutura de grficos
Bundled flow

Realimentao

Dispositivo de aviso
Bundled connector

Interruptor

Boto giratrio

Comutador
Grfico de entrada
Process Frame

Boto

Pincel
Tabela

Dinamite
Grfico

Texto

Indicador
Visualizador
numrico

Ferramentas

Blocos
Objetos
FIGURA 18 - Barra de tarefas da camada superior
89

Segundo HIGH PERFORMANCE SYSTEM (1997), os principais elementos


utilizados para a construo do modelo em STELLA so: estoques, fluxos, auxiliares e
conectores.
O componente estoque, simbolizado por um retngulo, representa variveis
cujos valores deseja-se acumular ao longo do tempo. O estoque pode ser divido em
quatro tipos: estoque propriamente dito, esteira, fila e forno.
J o fluxo, constitudo de uma seta portando uma circunferncia que
representa uma varivel, um componente de ao. A varivel conter uma funo
ou grfico que expressa seu valor ao longo do tempo; em uma extremidade haver a
origem do fluxo e na outra haver o destino deste. Representado em conjunto com o
estoque, pode aumentar ou diminuir seu volume.
Os auxiliares, ou conversores, contm valores numricos, funes
matemticas, vetores, matrizes ou grficos que expressem seus valores ao longo do
tempo. Servem como auxiliares para o relacionamento entre os outros componentes
e/ou outros auxiliares. Um auxiliar usado para modelar as informaes, e no o
fluxo fsico, sendo capaz de se alterar instantaneamente, sem atrasos (COVER, 1996).
Por fim, os conectores, representados por setas unindo duas variveis,
expressam as inter-relaes entre todos os componentes do sistema. Segundo
DEATON & WINEBRAKE (2000), estas inter-relaes ligam os componentes que
formaro uma expresso matemtica.
A seguir (FIGURA 19), so apresentados os smbolos referentes a cada um
dos componentes citados acima.

Estoque Fluxo Conversor Conector

FIGURA 19 Blocos utilizados na simulao em STELLA

Os outros comandos que compem o STELLA so:


Blocos
- Process Frame: espcie de tabela que representa sistemas menores
(setores);
90

- Bundled flow: forma de ligar sistemas (subsistemas) atravs de fluxos;


- Bundled connector: maneira de ligar duas tabelas do tipo process frame
atravs de conectores.

Objetos
- Boto: facilita a interao entre os usurios finais e seu modelo atravs da
reduo do nvel de habilidade necessrio em programao e fluncia de
linguagem. Quando selecionados, os botes realizam uma de vrias
operaes: navegar para uma nova localizao, executar um comando do
menu ou prover eventuais informaes;
- Janela: possibilita a criao de diferentes setores. Ela usada para
agrupar funcionalmente partes relacionadas da estrutura do modelo e para
exibir imagens grficas;
- Objeto de compresso espacial: fornece um mecanismo para gerenciar a
complexidade do diagrama. Como seu nome sugere, ele habilita o usurio
a comprimir o espao associado lgica detalhada de um modelo;
- Grfico: fornece um grfico para exibir a sada numrica das simulaes;
- Tabela: tambm utilizado para exibir a sada numrica das simulaes;
- Visualizador numrico: exibe a sada corrente associada s variveis do
modelo assinaladas;
- Bloco de Texto: exibe textos e observaes geradas pelo usurio;
- Realimentao: so visualizaes simplificadas do modelo. Os
diagramas de realimentao so figuras simples que identificam processos
de causa e efeito que trabalham para gerar padres de comportamento
dinmico;
- Interruptor: tem como funo principal ativar ou desativar conversores e
janelas;
- Grfico de entrada: este dispositivo habilita o usurio do modelo a (1)
ter uma rpida visualizao do formato de uma funo grfica, (2) editar
uma funo grfica a partir de uma camada superior, (3) restaurar uma
funo grfica para as relaes definidas pelo autor do modelo e (4)
animar funes grficas durante uma simulao;
91

- Boto giratrio: representa uma varivel (estoque, fluxo ou conversor).


A varivel assume o valor referente marcao do boto;
- Lista de entrada: tabela onde se determinam diferentes valores para
diferentes variveis. As listas de entrada permitem a entrada de muitos
valores numricos exatos, enquanto conserva na tela o estado real da
camada superior;
- Comutador: funo que atribui um valor inicial s variveis;
- Dispositivo de aviso: combina um mostrador do tipo velocmetro,
nmeros, cores e sons para ilustrar o comportamento de determinada
varivel durante a execuo da simulao;
- Estrutura de grficos: incrementam a interface com o usurio de
diversas maneiras. Eles habilitam a importao de figuras, grficos e
animaes.

Ferramentas
- Indicador: uma ferramenta de edio de propsito geral. usado para
selecionar, mover, abrir e editar blocos de construo e objetos.
- Pincel: seu propsito adicionar cor ao modelo.
- Dinamite: usada para eliminar blocos de construo e objetos do espao
de diagrama, e equaes (com seus blocos de construo associados) do
espao de equaes.
- Fantasma: sua funo fazer rplicas de estoques, fluxos e conversores
individuais. Um fantasma de uma entidade no tem identidade
independente, simplesmente uma imagem do bloco de construo a
partir do qual foi gerado. A rplica no tem uma equao prpria. Quando
se seleciona a rplica fantasma, a caixa de dilogo que surge pertence, na
verdade, ao bloco original.

Alm dos blocos, objetos e ferramentas, o STELLA utiliza-se de uma srie de


funes para conseguir o modelo adequado. Essas funes so divididas em onze
tipos: entradas de teste, funes financeiras, funes matemticas, funes discretas,
funes trigonomtricas, funes de tempo cclico, funes lgicas, funes
92

vetoriais, funes estatsticas, funes de propsito especfico e amostragem a partir


de distribuies no-uniformes.
A estrutura do STELLA fornece ao usurio uma viso geral do sistema, alm de
facilitar a modelagem e economizar tempo de projeto.
O captulo 6 tratar com mais mincia a metodologia da Dinmica de
Sistemas e as simulaes sero explicadas no captulo 7.
CAPTULO 6 DINMICA DE SISTEMAS

O processo de tomada de decises muito complexo, especialmente quando


estas tm efeitos de realimentao indiretos, atrasados ou mltiplos. Esses efeitos de
realimentao, aliados inabilidade dos administradores em lidarem com eles,
acarretam, freqentemente, um desempenho ruim para as organizaes. Segundo
muitos tericos em sistemas, entre eles FORRESTER (1961), um desempenho
organizacional ineficiente normalmente devido s habilidades cognitivas limitadas
dos indivduos frente complexidade dos sistemas que eles devem enfrentar.
De acordo com SENGE & STERMAN (1994), os tomadores de deciso
experientes comumente tm percepes apuradas da estrutura causal e do processo
de tomada de deciso, mas tiram concluses equivocadas sobre o que acontece
quando diferentes partes de um sistema interagem. Esses indivduos carecem, ento,
de um mecanismo de inferncia para conhecer e deduzir, dentre outras coisas, as
conseqncias das interaes entre os elementos do sistema do qual fazem parte. A
simulao, a viso sistmica e a metodologia de Dinmica de Sistemas provem tal
mecanismo.
Por que o construtor do modelo freqentemente adquire conhecimento e
experincia utilizando os conceitos de Dinmica de Sistemas? Isso ocorre porque o
desenvolvimento do modelo (e sua experimentao) cria um micromundo em
laboratrio, no qual hipteses so testadas, avaliadas e revisadas, sem a necessidade
de se utilizar o sistema real. Os construtores e usurios dos modelos sondam
profundamente suas questes relevantes e desenvolvem habilidades no mtodo
cientfico e pensamento crtico (SENGE & STERMAN, 1994).
Assim, esse captulo destina-se ao estudo de dois temas importantes na
presente pesquisa: a viso sistmica e a metodologia de Dinmica de Sistemas. A
viso (ou pensamento) sistmica ser abordada com vistas sua aquisio por meio
da simulao e sua utilizao em experimentos baseados na metodologia da
94

Dinmica de Sistemas. A relao entre aquisio do conhecimento, pensamento


sistmico e Dinmica de Sistemas pode ser visualizada atravs na FIGURA 20.

Aquisio de
Conhecimento

Simulao Dinmica de Sistemas Viso sistmica

FIGURA 20 - As principais ferramentas de aquisio do conhecimento consideradas


no trabalho
Fonte: Elaborada pelo autor

6. 1 Viso sistmica

medida que o mundo se torna mais complexo e interdependente, a


capacidade de pensar sistemicamente, de analisar os campos de fora e seus efeitos
causais, abandonando assim a lgica causal simples, torna-se um fator crtico para a
aprendizagem (FLEURY & FLEURY, 1995).
A viso sistmica um instrumento valioso para a apreenso da
complexidade do mundo. Sua principal caracterstica projetar a anlise para o
sistema mais amplo, levando em conta as propriedades e a influncia de cada parte
na estrutura do todo.
Em suma, a abordagem sistmica uma contnua reviso do mundo, do
sistema total e de seus componentes (CHURCHMAN, 1968). Ela encara o mundo como
um conjunto de sistemas e subsistemas, sendo que por sistema deve-se entender uma
reunio de elementos inter-relacionados que interagem entre si para atingir um
determinado objetivo.

6.1.1 Histrico

A origem do pensamento sistmico considerada anterior filosofia


socrtica; o marco moderno da origem do pensamento sistmico, contudo, atribudo
a Von Bertalanffy. Nas dcadas de 1920 e 1930, ele tentou recompor a unidade da
cincia atravs de sua teoria da criao de modelos holsticos, isomrficos, capazes
95

de abrigar fenmenos similares das mais distintas reas. Ele sistematizou as novas
idias cientficas que vinham permeando a cincia desde a virada do sculo XX, as
quais postulavam uma abordagem de todos integrados (ARAJO, 1995).
Antes da Teoria dos Sistemas, a doutrina corrente era a Mecanicista. Sua
denominao vem da palavra mquina, e nela a compreenso de algo era feita atravs
da anlise de suas partes (nfase nas partes). Essa caracterstica tem sido chamada de
pensamento analtico. De acordo com o pensamento analtico, quando se tem um
fenmeno ou problema complexo, deve-se reduzi-lo a um conjunto de partes simples
e facilmente compreensveis, estuda-se os mecanismos atravs dos quais essas partes
interagem e volta-se a juntar as peas. Essa era, segundo seus utilizadores, a forma de
se compreender o todo. A TABELA 05 apresenta as principais caractersticas do
mtodo analtico.

TABELA 05 - Principais caractersticas do mtodo analtico


MTODO ANALTICO
Reao ao dogmatismo e obscurantismo medieval nfase na parte
A servio da decomposio Fatos especficos, particulares
Tendncia reducionista Via quantitativa
Carter mecanicista Fundamentos principais: razo e emoo
Necessidade e leis Determinista
Exatido, regularidade Codificao matemtica
Reprodutividade Visa ao controle
Previsibilidade Geral
Inclinao indutiva Progressividade, acumulao
Relao causal Ponto de vista da causalidade
Realidade objetiva Experimental
Excluso do sujeito (dualidade) Funo explicativa
Alguns mentores: Galileu, Bacon Descartes, Newton, Freud
Fonte: CREMA (1991)

Para contrapor essa forma de encarar os problemas, surgiu o pensamento


sistmico. Essa nova forma tem como principais caractersticas uma abordagem
sistmica de resoluo de problemas, a utilizao do mtodo sinttico, o
expansionismo etc. (ver TABELA 06). Ele emergiu durante a primeira metade do
sculo XX, especialmente ao longo dos anos 20, em vrias disciplinas. A Biologia
foi pioneira, mas foi logo seguida pela psicologia, ecologia, fsica etc.
Na psicologia, o pensamento sistmico foi enriquecido pelos estudiosos e pela
escola da Gestalt. O que esses psiclogos descobriram que os organismos vivos
no percebem as coisas em termos de elementos isolados, mas em termos de padres
96

perceptivos integrados. A famosa frase O todo maior do que a soma das partes
foi autoria dos psiclogos da Gestalt (CAPRA, 2001).

TABELA 06 - Principais caractersticas do mtodo sinttico


MTODO SINTTICO
Reao ao racionalismo positivista e analismo nfase na totalidade
moderno
A servio da unificao Realidade plena, total
Tendncia ampliativa, globalista Via qualitativa
Carter organicista Fundamentos principais: emoo e intuio
Liberdade e responsabilidade Indeterminista
Incerteza, flexibilidade Codificao potico-metafrica
Unicidade Visa a participao
Imprevisibilidade Singular
Inclinao dedutiva Instantaneidade, descontinuidade
Relao sem causa, sincronismo Ponto de vista da finalidade
Conscincia, valores Experiencial
Incluso do sujeito (no-dualidade) Funo compreensiva
Alguns mentores: Smuts, Jung Frankl, Soler, Dilthey, Krishnamurti
Fonte: CREMA (1991)

O autor que mais recentemente tratou com mincia do tema pensamento


sistmico foi Peter Senge (1990). Ele foca inicialmente o indivduo, seu processo de
autoconhecimento; em seguida, o foco desloca-se para o grupo e, finalmente, por
meio do raciocnio sistmico, para a organizao. Em seus textos sobre organizaes
de aprendizagem, ele comenta que o ser humano vem ao mundo motivado a
aprender, explorar e experimentar, e que as organizaes devem desenvolver cinco
disciplinas fundamentais para manterem constante o processo de inovao e
aprendizagem:
- domnio pessoal: por meio do autoconhecimento, as pessoas aprendem a
clarificar e aprofundar seus prprios objetivos, a concentrar esforos e a
ver a realidade de forma objetiva;
- modelos mentais: so idias profundamente enraizadas, generalizaes e
mesmo imagens que influenciam o modo como as pessoas vem o mundo
e suas atitudes;
- vises partilhadas: quando um objetivo percebido como concreto e
legtimo, as pessoas dedicam-se e aprendem no como uma obrigao,
mas por vontade prpria, construindo vises partilhadas;
- aprendizagem em grupo: em grupos onde as habilidades coletivas so
maiores que as habilidades individuais, desenvolve-se a capacidade para
97

ao coordenada. A aprendizagem em grupo comea com a capacidade


dos membros do grupo em propor idias e participar da elaborao de
uma lgica comum;
- pensamento sistmico: constitui um modelo conceitual, composto de
conhecimentos e instrumentos, desenvolvidos ao longo dos ltimos 50
anos, que visam melhorar o processo de aprendizagem como um todo, e
apontar futuras direes para aperfeioamento.

O pensamento sistmico constitui a quinta disciplina, integrando as demais


num conjunto coerente de teoria e prtica, o que evita que cada uma seja vista de
forma isolada. Esta capacidade tem que ser desenvolvida no apenas pelo lder, mas
tambm por todas as pessoas que participam da organizao.
O pensamento sistmico torna-se mais importante medida que o mundo se
torna mais complexo e interdependente, pois a capacidade de analisar os sistemas e
seus efeitos causais torna-se um fator crtico para o aprendizado.
Assim, SENGE (1990) afirma que a quinta disciplina a principal da
organizao de aprendizagem. Isso decorre da dificuldade das pessoas em abandonar
a caracterstica de encarar novas mudanas como um evento isolado, ao invs de
reagir a elas como parte de um processo. Como elas falham em notar as inter-
relaes dessas aes, tendem a se enganar.
O sucesso da abordagem sistmica pode ser atribudo, segundo RAPOPORT

(1976), insatisfao crescente da comunidade cientfica com a viso mecanicista e


necessidade de se contrabalanar a fragmentao da cincia, cujas especialidades se
tornaram quase isoladas umas das outras.

6.1.2 Caractersticas do Pensamento Sistmico

Atravs dos estudos de autores como CAPRA (2001), CHURCHMAN (1968),


BERTALANFFY (1977), CHECKLAND (1981), entre outros, pode-se separar as principais
caractersticas-chave do pensamento sistmico.
A primeira caracterstica a mudana das partes para o todo. De acordo com
a viso sistmica, as propriedades essenciais de um sistema so propriedades do
98

todo, no encontradas em nenhuma das suas partes. Elas so um resultado das


interaes e relacionamentos entre essas mesmas partes.
Um segundo aspecto do pensamento sistmico pensar em termos de
contexto; as propriedades das partes s podem ser compreendidas dentro do contexto
mais amplo. Assim, a nova regra : para compreender algo, no se deve separar, mas
sim inserir num contexto mais amplo. Desta forma, o pensamento sistmico
expansionista, opondo-se ao pensamento analtico reducionista.
Na viso mecanicista, o mundo visto como uma coleo de objetos, sendo
secundrias as relaes entre eles; na viso sistmica, reconhece-se que os objetos
em si so redes de relaes inseridas em redes maiores.
Outra caracterstica-chave do pensamento sistmico sua capacidade para
fazer com que se desloque a ateno atravs dos diferentes nveis dos sistemas; isto
possvel devido ao carter multinvel inerente aos sistemas.
Outro atributo do pensamento sistmico fazer com que cada estrutura seja
vista como uma manifestao dos processos subjacentes. O pensar sistmico
sempre pensar em termos de processo.

6. 2 Dinmica de Sistemas

Os construtores de modelos podem adotar muitas abordagens diferentes na


escolha dos problemas a serem modelados e do contedo de seus modelos. Dentre
essas abordagens, tem-se a simulao clssica e a simulao baseada em Dinmica
de Sistemas, a ltima o principal objeto de discusso deste captulo.
Dinmica de Sistemas (SD) o termo aqui utilizado para denominar a
metodologia System Dynamics, cujo conceito foi originalmente desenvolvido, na
dcada de 50, pelo professor Jay W. Forrester, do Massachusetts Institute of
Technology (MIT).
O trabalho inicial de Forrester foi o livro Industrial Dynamics (1961), cujas
idias foram posteriormente expandidas a outros sistemas que no os industriais
(econmicos, sociais etc.). Todas as suas idias formaram um novo campo de estudo,
conhecido como Dinmica de Sistemas. Segundo ROBERTS (1983), este novo campo
uma das variantes da abordagem sistmica, e fortemente baseado em
99

computadores; a SD prov uma estrutura que possibilita a aplicao da idia da teoria


de sistemas a problemas sociais e econmicos.
Desde a publicao da obra Industrial Dynamics, a modelagem e a simulao
da Dinmica de Sistemas tm despertado o interesse de especialistas de diversos
campos do conhecimento, desde as engenharias, onde se originou, aos sistemas
fsicos, biolgicos, sociais e econmicos (GALLAHER, 1996). Apesar dessa obra
tratar da modelagem do comportamento dinmico das organizaes industriais, suas
premissas podem ser estendidas a qualquer outro sistema dinmico.
Aplicaes mais amplas dessa metodologia s foram feitas a partir da dcada
de 90, com o desenvolvimento da tecnologia computacional, com equipamentos mais
poderosos e baratos e programas computacionais mais amigveis e intuitivos.
Segundo FORRESTER (1961), a SD permite a representao, ao longo de
grandes perodos de tempo, de sistemas que possuem inter-relacionamentos
complexos e processos no-lineares. Essas caractersticas so particulares relao
entre as aes humanas e o seu ambiente scio-econmico, fsico e biolgico.
A Dinmica de Sistemas comeou com o nome de Dinmica Industrial, a qual
foi definida por FORRESTER (1961, p.13) como:
... o estudo das caractersticas de realimentao de
informaes de atividades industriais, a fim de mostrar como
a estrutura organizacional, a amplificao (em polticas) e os
lapsos de tempo (em decises e aes) interagem para
influenciar o sucesso do empreendimento. Ela trata da
interao entre os fluxos de informao, dinheiro, pedidos,
materiais, pessoal e equipamentos em uma companhia, uma
indstria ou uma economia nacional.

Segundo MEIER, NEWELL & PAZER (1969), a simulao dinmica uma


tcnica para construo e operao de modelos dinmicos, enquanto a dinmica
industrial , primariamente, uma filosofia, uma maneira de se olhar para as
organizaes e sistemas, e uma metodologia para estudo do comportamento de
sistemas industriais. Na Dinmica de Sistemas, a simulao de sistemas dinmicos
utilizada como uma ferramenta de anlise.
100

Quatro fundamentos principais melhoraram o entendimento da dinmica das


organizaes. Foram eles que tornaram a dinmica industrial possvel: a teoria dos
sistemas de realimentao de informao, um conhecimento dos processos de tomada
de deciso, a abordagem de modelos experimentais para sistemas complexos e o
computador digital como meio para simular modelos matemticos realsticos
(FORRESTER, 1961).
A utilizao de modelos dinmicos tem uma base bastante ampla, podendo
fornecer ao tomador de deciso o benefcio de um entendimento mais profundo a
respeito do sistema com o qual ele lida. BUFFA & DYER (1977) afirmam que, atravs
da utilizao desse tipo de modelo, os indivduos podem adquirir uma melhor
compreenso dos efeitos das variveis interativas e dos aspectos dinmicos de como
o sistema trabalha; ganham compreenso a respeito de como o sistema funciona
como um todo, ao invs de uma maneira mais dissociada.
STARR (1980) afirma que os conceitos envolvidos em SD incluem:
Um foco no comportamento descritivo atravs de um tempo contnuo, tais
como crescimento, declnio, oscilao etc.
Identificao de um limite do sistema, tal que o comportamento de
interesse ser gerado internamente, a partir dos laos de realimentao,
contendo os atrasos de tempo e elementos no-lineares.
Um formato especfico para identificao e descrio dos elementos do
sistema de realimentao.
Uma atitude de construo de modelo que tenta incluir e quantificar todos
os fatores que se acredita que influenciem o comportamento de interesse.
Identificao das caractersticas de comportamento a partir da inspeo
visual dos padres de resposta gerados pela simulao computacional.

Ainda, segundo o mesmo autor, o ltimo item poderia ser lido como o uso da
simulao computacional para traar a resposta do sistema, mas o ponto principal
no a obteno da resposta no tempo, e sim a inspeo das caractersticas
comportamentais e a sugesto de mudanas nessa base.
Para FORRESTER (1961), a caracterstica-chave do Pensamento Sistmico est
na interdependncia, ou seja, na forma como os elementos de um sistema esto
101

ligados uns aos outros, o que, para ele, mais importante do que a anlise puntual
destes elementos de forma independente.

6.2.1 Histrico

Durante a Segunda Guerra Mundial, J. W. Forrester, um engenheiro


eletricista, foi contratado para prestar servio nas foras armadas americanas como
tcnico no laboratrio de servomecanismo do MIT, organizando controles de armas e
radares. Mais tarde, ele abandonaria a engenharia e realizaria os primeiros estudos na
rea da dinmica de problemas administrativos. Essas experincias resultaram na
metodologia SD, amplamente conhecida aps a publicao do livro Industrial
Dynamics em 1961.
Alguns anos antes da publicao de seu livro, Forrester contatou Richard
Bennett, especialista em computao, para auxlio na modelagem computacional.
Bennett desenvolveu um compilador que criaria automaticamente o cdigo de uma
forma genrica, gerando o embrio de um programa de computador para modelagem
de dinmica de sistemas, posteriormente chamado de DYNAMO.
s experincias em sistemas industriais, seguiram-se aquelas realizadas em
outros tipos de sistemas, resultando em obras como: Urban Dynamics (1969) e
World Dynamics (1972). Hoje em dia, a SD aplicada com sucesso a inmeros tipos
de sistemas e aos mais variados problemas.
O entendimento dos conceitos de causa e efeito, laos de realimentao e
atrasos fornece bons fundamentos para se entender a complexidade da natureza de
um sistema. A utilizao desses conceitos no estudo de sistemas produtivos prov um
acrscimo de experincias, as quais podem ser usadas pelos usurios das ferramentas
de simulao como forma de se aperfeioar e de entender os sistemas com os quais
lida diariamente.
Como toda rea do conhecimento, a SD tambm discordada por alguns
autores. LEGASTO & MACIARIELLO (1980) fazem uma classificao das principais
crticas Dinmica dos Sistemas; segundo eles, as mais comuns esto ligadas a
fatores como: definio dos limites (escopo do modelo e nvel de agregao), seleo
102

de um horizonte de tempo apropriado e de uma direo para uma resoluo geral das
dificuldades e vulnerabilidades na fase de definio do problema.

6.2.2 Metodologia

A abordagem de um problema a partir da perspectiva da SD compreende um


conjunto de etapas similar ao do mtodo cientfico (ver FIGURA 21). A pesquisa em
SD possui, segundo ANDERSEN & RICHARDSON (1980), sete etapas: reconhecimento
do problema, conceituao do sistema, representao do modelo, comportamento do
modelo, avaliao do modelo, anlise de poltica e uso de modelo.

Reconhecimento do Problema

Conceituao do Sistema

Representao do Modelo Refinamento

Comportamento do Modelo

Avaliao do Modelo

Anlise de Poltica

Uso do Modelo

FIGURA 21 - Pesquisa em SD
Fonte: ANDERSEN & RICHARDSON (1980)

O uso da metodologia de SD mostra-se interessante devido sua capacidade


de orientar um processo contnuo de aprendizagem sobre o problema estudado, alm
de permitir incorporar em sua anlise diversos fatores, bem como as defasagens de
tempo e realimentaes a eles subjacentes.

6.2.3 Caractersticas

Segundo FORRESTER (1961), abordagem SD baseada em uma srie de


premissas, entre elas:
103

- as decises em gerenciamento e economia tomam lugar em uma estrutura


geral, conhecida como sistemas de realimentao de informao;
- o julgamento intuitivo das pessoas a respeito de como esses sistemas
mudaro ao longo do tempo no confivel, mesmo quando se tem um
bom conhecimento das partes individuais do sistema;
- a experimentao do modelo capaz de preencher a lacuna onde o
julgamento e conhecimento das pessoas so fracos, mostrando a maneira
pela qual as partes separadas do sistema podem interagir para produzir
resultados esperados e problemticos;
- h informao disponvel suficiente para esta abordagem de construo de
modelo experimental, sem que haja maiores gastos e atrasos na coleta de
informao adicional;
- as mudanas de poltica e estrutura so passveis de produzir uma melhora
substancial no comportamento industrial e econmico.

So trs os aspectos crticos da abordagem de SD no desenvolvimento de


modelos de simulao computacional: pensar em termos de relaes de causa e
efeito, foco nas ligaes de realimentao entre componentes do sistema e
determinao dos limites apropriados para a definio do que deve ser includo no
sistema (ROBERTS, 1983).
No aspecto dos limites do sistema estudado, deve-se determinar qual o nvel
de influncia dos fatores externos no sistema e quais interaes deve-se modelar para
compreend-lo. J o pensamento causal a chave para a organizao de idias em
um estudo de Dinmica dos Sistemas.
Com os limites e as relaes de causa e efeito do sistema determinados, deve-
se estudar os laos de realimentao. Essas so as estruturas organizadoras ao redor
das quais os modelos de SD so construdos, uma vez que esses laos modelam os
mecanismos centrais que controlam as mudanas em sistemas reais.
Segundo BUFFA & DYER (1977), os laos de realimentao so importantes
para anlises; eles so fechados atravs de uma seqncia de processos e podem
envolver lapsos de tempo bastante longos. Alm disso, na SD as relaes entre os
elementos do sistema podem ser descritas com certeza. Segundo LEGASTO et. al.
104

(1980), o lao de realimentao um caminho que conecta deciso, ao, nvel (ou
estado) do sistema e informao, com posterior retorno ao ponto de deciso. A
FIGURA 22 mostra a estrutura bsica dos laos de realimentao e a FIGURA 23
esboa um exemplo desse tipo de estrutura.

Deciso

Informao Nvel ou estado


do sistema

FIGURA 22 - Exemplo de estrutura de realimentao


Fonte: LEGASTO et al.(1980)

FIGURA 23 - Exemplo de estrutura de realimentao


Fonte: VILLELA (2000)

A FIGURA 23 expressa o comportamento das pessoas e do mercado em uma


disparada da cotao do dlar: as pessoas se sentem tentadas a comprar a moeda,
tentando se antecipar a uma alta ainda mais acentuada. Quanto mais pessoas agem
desta forma, mais a procura por dlar aumenta e, conseqentemente, mais sobe a
cotao. Neste caso, tem-se um efeito que refora a deciso inicial de comprar dlar.
105

Entretanto, aps algum tempo de subida do dlar, as pessoas comeam a se dar conta
que a cotao cambial passou dos limites do razovel e passam a vender o dlar,
aumentando a oferta e baixando a cotao (VILLELA, 2000).
Segundo LEGASTO et al.(1980), qualquer sistema formado pela interconexo
de laos de realimentao. Mas, em uma hierarquia inferior, cada lao contm uma
subestrutura. H dois tipos fundamentais de elementos variveis com os quais os
laos so formados, os nveis e as taxas.
As variveis de nvel (ou estado) representam as condies do sistema em
qualquer instante de tempo. As variveis de nvel acumulam os resultados de aes
dentro do sistema. No pacote de simulao STELLA, eles so representados pelo bloco
Estoque. A computao de um novo valor de uma varivel de nvel envolve o seu
valor anterior, as taxas que causam a mudana no nvel e o lapso de tempo desde a
ltima computao do nvel. As variveis de estado acumulam os fluxos descritos
pelas variveis de taxa. As variveis de nvel so as acumulaes em um sistema. Os
nveis acumulam a diferena entre as taxas de entrada e sada.
Por outro lado, as variveis de taxa (ao) revelam a que velocidade os nveis
esto mudando. Elas no determinam os valores presentes das variveis de nvel, e
sim o formato (mudanas por unidade de tempo) destas. A computao do valor de
uma varivel de taxa feita usando somente os valores das variveis de nvel e de
constantes. As variveis de ao no dependem de seu valor passado, do intervalo de
tempo entre as computaes ou de outras variveis de taxa.

6.2.4 Ferramentas computacionais

Segundo ANDERSSON & KARLSSON (2001), existem vrios programas que se


baseiam em Dinmica Industrial, dentre os quais o DYNAMO PLUS e o STELLA/ithink,
brevemente descritos a seguir.

DYNAMO PLUS
O DYNAMO (DYNAmic MOdelling) foi a primeira linguagem de simulao de
SD, e por um longo tempo a linguagem e o campo foram considerados sinnimos.
Tornou-se disponvel comercialmente no comeo dos anos 60; inicialmente operando
106

em um computador IBM 704, processava em torno de 1.500 variveis (FORRESTER,


1961). Essa linguagem foi desenvolvida para permitir a implementao dos modelos
de dinmica industrial em computadores digitais.
O desenvolvimento do DYNAMO foi um passo significativo na utilizao da
SD, devido ao fato da linguagem ter, ela prpria, caractersticas que auxiliam a
conceituao de modelos e simplificam a programao e execuo de simulaes
(ANDERSEN & RICHARDSON, 1980).
O DYNAMO PLUS permite a construo de modelos extremamente extensos,
com uma variedade de caractersticas de programao sofisticadas. A programao
comea pela digitao de equaes, baseadas em diagramas previamente traados. A
ferramenta complexa, mas tem um grande poder de programao.
O surgimento de outros pacotes de simulao, como o STELLA (High
Performance System, 1997), difundiu a SD, pois possibilitou que modelos
concebidos a partir dessa metodologia pudessem ser simulados em locais com menor
disponibilidade de recursos computacionais. Alm disso, esses pacotes proporcionam
uma interface mais amigvel, economia de tempo de modelagem, facilidade de uso
etc.

STELLA/ithink
Introduzido originalmente para o computador Macintosh, em 1984, o
programa Stella forneceu uma ferramenta com orientao grfica para o
desenvolvimento de modelos SD. O STELLA usado para solues educacionais,
enquanto o ithink voltado para a rea de negcios. Devido s suas caractersticas
poderosas e sua facilidade de uso, o STELLA/ithink uma das ferramentas de
modelagem de SD mais populares. Ele permite traar diagramas de estoque e fluxo e
mapear a estrutura do sistema, antes de se entrar com as equaes. Mais detalhes
podem ser adicionados, elementos podem ser agrupados em sub-modelos, e
possvel analisar com mais detalhes partes especficas de modelos complexos.
CAPTULO 7 Desenvolvimento das simulaes

Como mencionado anteriormente, parte deste trabalho consiste de uma


pesquisa laboratorial. O objetivo da pesquisa extrair conhecimentos atravs da
observao da simulao de um sistema produtivo. Este captulo apresenta uma
descrio de todos os aspectos relacionados pesquisa de simulao desenvolvida.
Os passos adotados foram extrados de um estudo de simulao sugeridos por
LAW & KELTON (2000). Esses passos (enumerados a seguir e discutidos no captulo
5) sero utilizados nas simulaes contidas nesse trabalho:
1 Formulao do problema e planejamento do estudo
2 Coleta de dados e definio do modelo
3 Validao do modelo conceitual
4 Construo do programa computacional e verificao
5 Realizao de execues piloto
6 Validao do modelo programado
7 Projeto dos experimentos
8 Realizao das execues de simulao
9 Anlise de resultados
10 Documentao e implementao

Escolheu-se o dimensionamento de um sistema de produo para anlise


atravs da simulao. Esse sistema ser descrito com detalhes mais adiante.
No campo da produo, a simulao pode ser aplicada de diversas formas:
para projeto e anlise de sistemas de movimentao de materiais, de linhas de
fabricao e montagem, de sistemas de armazenagem automatizados, etc. Nesses
casos, a simulao permite avaliar sistemas de produo complexos pela anlise da
interao entre seus componentes (PEGDEN et al., 1995).
108

Para atingir o objetivo de adquirir conhecimento a respeito do sistema de


produo escolhido, este foi modelado no pacote de simulao STELLA. Depois,
foram feitas alteraes nos recursos, parmetros, funes e interaes do sistema,
com o intuito de se testar os efeitos dessas variaes no comportamento do modelo,
cuja observao deve gerar conhecimento.
A vantagem de se examinar um sistema de produo atravs da simulao foi
discutida na seo estudo dos sistemas do captulo 4. De maneira sucinta, a
utilizao da simulao para o estudo do sistema justifica-se por benefcios como
economia de tempo e de recursos fsicos e financeiros.
Alm disso, a simulao bem aceita pelos operadores na rea de produo;
com as ferramentas atualmente disponveis, a modelagem facilmente entendida e os
trabalhadores tm uma impresso real de controle e gerenciamento do modelo.
O computador foi usado para modelar o sistema em um pacote de simulao,
gerar o comportamento no tempo das variveis includas no modelo e manter o
registro das medidas de desempenho.

7. 1 Formulao do problema e Planejamento do estudo

Em primeiro lugar, deve-se definir o sistema a ser estudado. No caso desta


pesquisa, o exemplo para as simulaes refere-se a um sistema de fila de uma fbrica
de componentes plsticos (EMSHOFF & SISSON, 1970). Esse exemplo foi escolhido
porque problemas de filas em produo so inerentes ao escopo deste trabalho e
muito comuns em todas as organizaes.
O problema de fila selecionado refere-se a um modelo monocanal
multiestao (multifsico) de produto nico (ver seo 4.3). So feitas algumas
suposies a respeito desse modelo:
o intervalo de tempo entre as chegadas de pedidos um valor estocstico
com distribuio de probabilidades conhecida. Essa suposio permite ao
modelo ser mais fiel realidade;
a probabilidade de uma chegada durante um intervalo de tempo especfico
permanece constante e independente do nmero de chegadas anteriores e
do tempo de espera;
109

cada pedido que a firma recebe deve passar por trs processos antes de ser
transformado no produto final (componentes plsticos). Esses processos
so molde, corte e montagem;
o tempo gasto por uma ordem em um processo um valor estocstico
com distribuio de probabilidade conhecida.

A oficina simulada tem trs estaes de processamento (ver FIGURA 24).


Na primeira estao, a matria-prima plstica moldada no formato apropriado,
usando matrizes especiais na mquina de moldes. Na segunda estao, as partes
plsticas so separadas, aparadas e armazenadas. Na ltima estao, as partes so
unidas no produto final. Todos os trabalhos passam atravs de cada um dos trs
processos. Como o tempo de processo varia, a fbrica no pode ser programada
perfeitamente, e linhas de espera ou filas de trabalhos a serem processados se
formam em frente s vrias estaes de processamento.

FIGURA 24 A fbrica de componentes plsticos


Fonte: EMSHOFF & SISSON (1970)

Quando um trabalho chega, os materiais e matrizes necessrios para sua


confeco esto sempre disponveis. O tempo mdio de atendimento para cada
110

estao de processamento explicitado na TABELA 07; assume-se que esses tempos


so exponencialmente distribudos e dados em horas.

TABELA 07 Tempo mdio de atendimento dos processos


Processo Tempo mdio de processamento
(em horas)
Molde 4
Corte 3
Montagem 5
Fonte: EMSHOFF & SISSON (1970)

Segundo EMSHOFF & SISSON (1970), esse problema mais bem entendido
usando-se uma representao do fluxo de trabalhos atravs da fbrica, como mostra a
FIGURA 25.

Processos
Chegada de
trabalhos
Molde

Corte

Montagem

Trabalhos
completos

FIGURA 25 Anlise do fluxo da fbrica de plsticos


Fonte: EMSHOFF & SISSON (1970)

H muitos aspectos de operao da fbrica que so aqui desconsiderados. Por


exemplo, no se distingue o tempo de preparao do tempo de execuo na operao
de modelagem, nem se considera o tempo de manuteno da mquina. Assume-se
que esses e outros detalhes no so necessrios para o desenvolvimento de um
modelo apropriado para esse estudo.
Embora este modelo possa ser estendido com facilidade para incluir mltiplos
produtos, mltiplos servidores, subsistemas etc., por simples questo de
111

simplificao restringiu-se sua atuao simulao de filas monocanal multiestao


de um nico produto.
O planejamento do estudo consiste na definio de alguns outros itens:
objetivos do estudo, questes a serem respondidas, avaliadores de desempenho,
configuraes do sistema a ser modelado, programa de simulao, entre outros.

7.1.1 Objetivo do estudo de simulao

Para atingir seu objetivo, o sistema ser estudado a partir da variao dos
parmetros de seu modelo, conforme descrito na TABELA 08.

TABELA 08 - Parmetros estudados no modelo


Parmetros Variaes
Tempo de processamento das estaes (horas)
Molde 4 2
Corte 3 1,5
Montagem 5 2,5
Nmero de estaes 1 2

O nmero de estaes descreve a quantidade de estaes de processamento


utilizadas no modelo e o tempo mdio de processamento refere-se ao valor da mdia
escolhida para a distribuio de probabilidade adotada para o tempo de servio
(exponencial). Uma diminuio neste ltimo valor simula a utilizao de
equipamentos mais rpidos e eficientes.
Da combinao desses parmetros resultaram diferentes modelos da fbrica
de plsticos a serem simulados. Apesar de todos eles terem sido realizados, apenas os
mais significativos sero aqui mencionados (realizao das execues de simulao).

7.1.2 Questes a serem respondidas

As questes especficas a serem respondidas pelo estudo de simulao so:


- Nmero adequado de estaes de processamento;
- Existncia de gargalos;
- Tempo mdio de processamento.
112

7.1.3 Configuraes do sistema a ser modelado

Neste trabalho, sero utilizados alguns termos relacionados Teoria de Filas


(ver seo 4.3). Seguem abaixo alguns termos bsicos relacionados ao sistema
simulado:
- Entidades (clientes): trabalhos (servios); h apenas uma classe de
trabalhos;
- Produto final: componentes plsticos;
- Capacidade da fila (linha de espera): refere-se ao nmero admissvel de
clientes na fila. Neste caso, a capacidade infinita;
- Canal de atendimento: monocanal com trs estaes de processamento
(molde, corte e montagem);
- Nmero de servidores (processos): durante as experimentaes, variar
entre um e dois para cada estao;
- Capacidade dos servidores: define o nmero de clientes sendo atendidos
ao mesmo tempo. Nas simulaes aqui realizadas, utilizou-se uma
capacidade de dois clientes por estao;
- Estratgias de admisso: todos os clientes so admitidos no sistema;
- Chegada dos clientes: assume-se que os clientes chegam de acordo com
uma distribuio de Poisson. Segundo SHAMBLIN & STEVENS (1974), essa
distribuio corresponde aos sistemas de filas para os quais a chegada de
uma entidade independe da chegada de outra entidade.
- Prioridade ou Disciplina da fila: mtodo de decidir qual o prximo cliente
a ser atendido. Aqui, adotou-se o esquema para os quais quem chega
primeiro atendido primeiro;
- Tamanho da populao: populao admitida para o modelo infinita. Isso
porque, de acordo com SHAMBLIN & STEVENS (1974), diz-se que uma
populao infinita se a populao potencial for bastante grande para
significar que a chegada de um cliente no afetar significativamente a
probabilidade de outra chegada;
113

- Taxa de chegada: nmero de entidades atendidas por unidade de tempo. A


taxa de chegada aqui adotada est aleatoriamente distribuda conforme a
distribuio de Poisson;
- Taxa de atendimento (servio): a taxa de atendimento segue uma
distribuio de Poisson;
- Tempo entre chegadas: caracterizado por uma distribuio exponencial
negativa.
- Tempo de atendimento: caracterizado por uma distribuio exponencial
negativa.

Pode-se demonstrar que, quando os ritmos de chegada seguem uma


distribuio de Poisson, o intervalo de tempo entre as chegadas segue uma
distribuio exponencial negativa. Essa relao no necessariamente satisfeita no
caso de outras distribuies.

7.1.4 Avaliadores de desempenho

Os avaliadores ou medidas de desempenho sero utilizados para medir a


eficcia de diferentes configuraes do sistema; elas so estatsticas importantes,
teis na avaliao do sistema. So eles:
- Tempo mximo de processamento de um trabalho: maior nmero de horas
empregadas para se terminar um trabalho;
- Tempo mdio de processamento (ou tempo mdio de fluxo): tempo mdio
medido desde a chegada de um cliente no sistema at seu processamento
completar-se;
- Tamanho das filas: quantidade de trabalhos em espera dentro da fbrica;
- Nmero de elementos atendidos: quantidade de trabalhos que saram do
sistema de produo, isto , componentes que foram processados por todas
as estaes.

A TABELA 09 mostrada a seguir ser utilizada para a coleta das medidas de


desempenho.
114

TABELA 09 - Medidas de desempenho utilizadas


Tempo mdio de Maior tempo de Tamanho mximo das filas Elementos
Modelo
processamento processamento Molde Corte Montagem Atendidos
1
2
3
4
...

Qualquer que seja o problema atacado, de grande importncia que se


determine medidas de desempenho adequadas. A escolha de tais medidas depender
dos objetivos especficos do estudo.
Os valores das variveis do modelo podem ser impressos no STELLA, tanto em
forma tabular como sob a forma de grficos, durante e aps cada execuo.
No item 7.11 sero mostrados os principais resultados conseguidos com a
simulao.

7.1.5 Recursos computacionais utilizados

Utilizou-se o computador para gerar o comportamento no tempo de todas as


variveis includas no modelo de simulao. Ele tambm foi usado para manter o
registro das medidas de desempenho na forma de tabelas e grficos.
Geralmente, as ferramentas de simulao representam dispndios
considerveis de recursos para empresas e escolas (recursos fsicos, financeiros, de
pessoal etc.). Assim, sua seleo adequada passa a ser um dos fatores-chave no
sucesso dos projetos de simulao a serem desenvolvidos.
Em princpio, um modelo de simulao pode ser programado em qualquer
ferramenta de simulao. Entretanto, devido a suas caractersticas tcnicas
(orientao em Dinmica de Sistemas) e disponibilidade, foi escolhido o pacote de
simulao STELLA (verso 5.0 para Windows).
Segundo HIGH PERFORMANCE SYSTEM (1997), esse pacote tem como
requisitos mnimos computacionais: processador 386, 8 Megabytes de memria
RAM, disco rgido com capacidade de armazenamento de 16 Megabytes e sistema
operacional Microsoft Windows 3.1.
115

No caso dessa pesquisa, foram utilizados os seguintes recursos


computacionais: processador Pentium III de 650 MHz, 128 Megabytes de memria
RAM, disco rgido com capacidade de armazenamento de 10 Gigabytes e sistema
operacional Microsoft Windows ME.

7.1.6 Estrutura de tempo para o estudo e recursos requeridos

O modelo capaz de simular durante um tempo predeterminado, dividido em


intervalos de tempo regulares (dt). A durao escolhida para as execues foi de
17528 horas (que correspondem a dois anos ininterruptos de trabalho) e o dt
escolhido foi de 1 hora.

7. 2 Coleta de dados e Definio do modelo

O sistema de fila simulado foi extrado do livro de EMSHOFF & SISSON (1970),
sendo, portanto, um exemplo fictcio. Assim, no h coleta de dados empricos
diretamente do sistema, e os dados relativos ao sistema estudado referem-se queles
da bibliografia citada. Valores resultantes das distribuies de probabilidade tericas
sero utilizados como entradas no modelo.
Ao mesmo tempo em que ocorre a coleta de dados, o sistema sob
investigao abstrado atravs de um modelo conceitual. Nesta etapa,
especificaram-se os componentes, variveis, parmetros e relaes funcionais do
modelo. Alm disso, examinou-se a realidade para incluir dinmicas de
realimentao importantes, fatores externos so trazidos para o interior dos limites do
modelo. Ligaes com outras funes na organizao no foram consideradas.
Para a construo do modelo conceitual (assim como do modelo de
simulao) utilizou-se o mtodo de se iniciar com um modelo simples e depois
aumentar sua complexidade progressivamente. Nesse item, houve o cuidado de se
garantir um nvel apropriado de complexidade do modelo, pois modelos muito
complicados apenas acrescentam esforo computacional, enquanto que modelos
muito simples no representam adequadamente o sistema.
116

7. 3 Validao do modelo conceitual

A validao do modelo foi realizada atravs do exame estruturado do modelo


conceitual e atravs de consulta a especialistas. Aqui, objetivou-se garantir a
veracidade e abrangncia das suposies do modelo, tornando menor a probabilidade
de erros.
Os especialistas consultados so pesquisadores do Laboratrio de Dinmica
Industrial (LDI) do Departamento de Engenharia de Produo da Universidade
Federal de So Carlos. O LDI desenvolve e reproduz simulaes para estudo do
comportamento de sistemas dinmicos e direcionado para a capacitao de recursos
humanos na rea; foi criado com o objetivo capacitar profissionais nas metodologias
de Dinmica de Sistemas, Pensamento Sistmico e Organizao de Aprendizagem
para o entendimento de sistemas complexos e dinmicos.
As principais sugestes estavam relacionadas forma de representar o
sistema de produo exemplo: fluxo do sistema, existncia de um lao de
alimentao, estaes de processamento etc.

7. 4 Construo do modelo de simulao e verificao

Este passo dividido em duas atividades: confeco do modelo de simulao


em uma ferramenta de simulao (STELLA) e sua verificao (eliminao de erros).

7.4.1 Programao do modelo no pacote de simulao STELLA

A modelagem do sistema no pacote STELLA iniciou-se com modelos simples


que, progressivamente, foram se tornando complexos.
Durante esta fase, foram desenvolvidas vrias verses para o modelo que se
desejava encontrar. A seguir, sero apresentadas algumas dessas verses
preliminares, as quais deram origem ao modelo final, este sim, usado nas execues
de simulao. O modelo final ser mostrado por completo (todas as camadas de
modelagem), mas na explicao dos modelos intermedirios ser exposta somente a
camada de construo do modelo.
A FIGURA 26 apresenta uma das primeiras verses do modelo. Nela, j se
observa a modelagem dos fornos (estaes de processamento) e filas que os
117

antecedem. Esse modelo apresentou o inconveniente de no inferir o tempo de


processamento, devido a problemas na estrutura. Alm disso, ele no apresenta a
estrutura de realimentao; a taxa de chegada determinada apenas pela distribuio
de Poisson.

FIGURA 26 - Modelo intermedirio

A FIGURA 27 mostra a tentativa de modelagem do lao de realimentao.


Nessa verso, o tempo de processamento foi adequadamente modelado, porm a
equao referente ao lao no estava de acordo com o que se desejava modelar.
O modelo final, usado para todas as simulaes, mostrado nas FIGURAS 28
e 29. Na FIGURA 28 apresenta-se a modelagem da camada superior, aqui chamada
de painel de controle. Esta camada, como dito anteriormente, usada para a
construo de um mapa dos setores que compem o modelo; seu objetivo facilitar a
navegao pelo usurio. A camada superior constituda de facilitadores de
navegao e de modos de observao do funcionamento do modelo. Os facilitadores
de navegao utilizados foram os botes de navegao (ex. boto que leva ao modelo
de simulao) e os botes de funes do programa (executar, parar, salvar, configurar
118

etc.). Os modos de observao so grficos e tabelas que podem ser visualizados


enquanto ocorre a simulao. Alm disso, h um quadro indicador das principais
configuraes do sistema e um esquema com os setores modelados (chegadas, setor
de molde, setor de corte e setor de montagem).

FIGURA 27 - Modelo intermedirio


119

FIGURA 28 - Camada superior do modelo final

Na FIGURA 29, por sua vez, observa-se o modelo de simulao em si. Nele,
h quatro setores simulados: chegadas, molde, corte e montagem. No setor
chegadas, modelou-se a entrada dos trabalhos na fbrica. Com base na literatura e
em modelos similares, determinou-se que a distribuio que melhor descreve as
chegadas a de Poisson. Tambm foi modelado o lao de realimentao do sistema.
Esse lao baseia-se no fato de que uma empresa rejeita pedidos caso haja um excesso
de produtos no sistema (principalmente nos estoques em processo). Assim, a taxa de
chegadas influenciada pelo tamanho das filas; quanto maior o tamanho das filas,
menor a taxa de chegadas.
120

FIGURA 29 - Camada de construo do modelo final

Para modelar a chegada de trabalhos, foram utilizados os blocos de fluxo


conversor e conector. O bloco de fluxo contm um indicador para o incio da
contagem de tempo (para o clculo do tempo de processamento e tempo mdio de
processamento); essa contagem iniciada quando a pea entra no sistema e termina
quando ela passa pelo fluxo sada de produtos acabados do setor de montagem.
Para que a taxa de chegadas fosse influenciada pelo tamanho das filas, foram
utilizadas uma regra de deciso e uma funo. A funo mximo (inserida no
conversor Maximo) determina o tamanho mximo entre todas as filas. Esse valor
enviado para o conversor Taxa de Chegadas, onde h uma equao que o utiliza
para determinar a prxima taxa de chegada. A regra de deciso : IF (Maximo>0)
THEN (POISSON(0.5/Maximo) ELSE (POISSON (0.5)). Dessa maneira, sempre
que o tamanho de todas as filas zero, o simulador utiliza a taxa de chegada Poisson
com mdia igual a 0.5; caso contrrio utilizar a equao apresentada acima, fazendo
com que a mdia da Poisson seja a equao 0.5/Maximo.
Os setores molde, corte e montagem contm as estaes de processamento
(representadas pelos fornos) e suas respectivas filas. Essas filas fornecem a
informao (nmero de trabalhos em fila) requerida pela funo mximo. Todas as
121

filas tm capacidade infinita. Os fornos tm todos a mesma capacidade de


atendimento simultneo (duas unidades) e esperam o tempo necessrio para atingir a
sua capacidade mxima e comear a funcionar; alm disso, possuem a distribuio
exponencial negativa como taxa de atendimento. Todos os tempos de atendimento
seguem a mesma distribuio, porm com tempos mdios de processamento
diferentes. As diferenas nos tempos de processamento so as principais fontes de
gargalos no sistema.
O setor de montagem contm ainda os blocos de sada dos trabalhos; nessa
parte da montagem foram alocados alguns medidores de desempenho: blocos (fluxos,
estoques, conversores e conectores), os quais determinam os tempos de
processamento mdio e unitrio.
Este modelo tambm apresenta botes de navegao e funo do programa
(salvar, configurar etc.); alm disso, possui botes de atalho para tabelas e grficos e
um quadro com informaes sobre os parmetros do modelo simulado. Todos os
botes esto representados na parte superior da rea de trabalho.
A partir desse modelo, sessenta e quatro simulaes foram realizadas, com
variao na quantidade de estaes de processamento (fornos) e no tempo mdio de
servio. Os principais resultados obtidos sero discutidos na seo 7.11.

7.4.2 Verificao do programa de simulao computacional

Aqui, verificou-se se o programa era adequado para o modelo e se ele


funcionava adequadamente. O propsito dessa verificao assegurar que o modelo
conceitual seja refletido adequadamente na representao computacional. BANKS et
al. (1996) apresentam algumas sugestes que podem ser usadas no processo de
verificao. Entre os tipos de verificao citados, utilizou-se:
Representao no STELLA verificada por especialistas da rea;
Representao examinada atravs de animao, uma vez que ela torna
mais fcil a visualizao de erros, pois possibilita a comparao do
funcionamento do modelo com o do sistema real;
Exame das sadas do modelo, para verificar se elas so razoveis para os
diferentes tipos de parmetros de entrada;
Exame dos parmetros de entrada utilizados durante a simulao, para se
ter certeza de que esses no foram mudados inadvertidamente;
122

Definio precisa de cada varivel usada e descrio geral da proposta de


cada seo principal do modelo;
Utilizao de interface grfica (tabelas, grficos, animao etc.) para
avaliar se o comportamento das variveis estava correto.

7. 5 Realizao de execues piloto

Foram realizadas diversas experimentaes no modelo de simulao


computacional verificado no item anterior, com o objetivo de fornecer dados para a
validao do modelo programado.

7. 6 Validao do modelo programado

A validao do modelo programado muitas vezes realizada comparando-se


os dados obtidos no modelo com os dados do sistema. Essa tcnica no pde ser
usada neste trabalho, visto que o sistema simulado fictcio.
Utilizaram-se, ento, algumas tcnicas sugeridas por LAW & KELTON (2000):
coleta de informaes e dados de alta qualidade no sistema, manuteno de um
documento de suposies e desempenho para validao da sada do modelo de
simulao.

7.6.1 Coleta de informaes e dados de alta qualidade no sistema

Refere-se coleta de toda informao existente sobre o sistema. Isso foi


realizado por meio da comunicao com especialistas em simulao e no pacote de
simulao anteriormente citados, da anlise da teoria existente e da intuio do
modelador.

7.6.2 Validao da sada do modelo de simulao

Pode ser feita de duas formas: pela comparao das sadas do modelo e do
sistema e pela anlise de especialistas. Como no h um sistema real para
comparao, empregou-se mais uma vez a anlise de especialistas para se determinar
se os dados de sada eram coerentes com o sistema modelado.
123

Novamente, os especialistas do LDI foram consultados. Esses especialistas


foram escolhidos devido a sua larga experincia com o programa de simulao e com
o processo de simulao em si.
Mais uma vez a entrevista realizada foi no-estruturada, a qual, devido ao seu
tempo e caracterstica, no pde ser documentada. Sua durao foi de seis horas, com
anlises de modelos, grficos, tabelas, equaes, lao de realimentao entre outros.
Algumas das principais sugestes estavam relacionadas :
representao do lao de realimentao, particularmente a determinao
da equao que materializa a realimentao do sistema;
estabelecimento do critrio de aceitao de pedidos conforme o tamanho
das filas;
representao das estaes de processamento atravs do bloco forno com
um bloco fila colocado anteriormente;
aparncia do programa em relao formatao dos blocos (cores, tipo de
letra etc.), colocao de grficos e tabelas, utilizao de botes de
atalhos etc.

7. 7 Projeto dos experimentos

Nesta etapa, definiu-se o nmero de simulaes realizadas a partir dos


parmetros a serem variados na simulao. Tais parmetros foram: tempo de
processamento e o nmero de estaes de produo (molde, corte e montagem). A
combinao desses fatores resultou em sessenta e quatro simulaes cumpridas. A
lista completa dos modelos e seus parmetros encontram-se em anexo (Anexo 01).
Alm disso, determinou-se como condio inicial da simulao um sistema de
filas vazio (sem nenhum cliente).

7. 8 Execues das simulaes

Tabelas e grficos foram empregados para reunir os dados resultantes das


simulaes. Esses dados so utilizados na seo 7.11.
124

medida que se executa a simulao, os usurios podem observar, atravs de


grficos e tabelas, o comportamento das principais variveis do sistema. Durante o
exerccio, medidas de desempenho so calculadas (e listadas em tabelas) a partir dos
dados observados.

7. 9 Anlise de resultados

Atravs da construo e da execuo do modelo de simulao, pode-se


tambm adquirir conhecimentos sobre o pacote de simulao STELLA, tais como:
fcil de entender e modelar;
Possui flexibilidade de modelagem;
Baseia-se na perspectiva de processos (blocos padronizados);
Permite visualizao do equacionamento do modelo (linhas de comando);
Tem pouca interface com outros programas;
Gerador de relatrios pouco eficiente;
Possui geradores de variveis aleatrias;
Dados esto disponveis para todas as entidades;
Coleta das sadas realizadas de uma maneira organizada;
Boa interface com o usurio.

Com relao interface com outros programas, a dificuldade reside na


impossibilidade de se realizar um intercmbio de dados. Caso haja a necessidade de
transferncia de informaes, essa deve ser feita manualmente, o que muitas vezes
ineficiente devido complexidade dos dados e grficos.
J o gerador de relatrios seria mais eficiente se: gerasse grficos mais
detalhados e com melhor definio; permitisse a gerao de relatrios em arquivo
texto e a utilizao de teclas de atalho (copiar e colar).
Os testes aqui realizados objetivaram verificar como se adquire conhecimento
atravs da realizao de simulaes a respeito do sistema que se deseja estudar. Foi
realizado um total de sessenta e quatro simulaes, cada uma das quais apresentando
uma configurao distinta para os parmetros. A TABELA 10 traz os resultados
obtidos para oito dos casos testados; o restante apresenta um padro de
125

comportamento similar, sendo por isso aqui omitido. A tabela completa, com todas
as situaes pesquisadas, apresentada nos anexos.
A primeira, e mais evidente, concluso que se pode tirar que o critrio para
aceitao de novas encomendas, baseado no tamanho das filas, faz com que o
nmero de elementos esperando em qualquer uma das trs filas nunca atinja valores
muito elevados (no caso aqui estudado, a maior fila observada possua treze
elementos em espera, como se pode observar na tabela). Isto indica que o critrio
utilizado eficiente no propsito de manter as filas sob controle.

TABELA 10 Resultados dos testes


Tempo mdio de Maior tempo de Tamanho mximo das
filas Elementos
Modelo processamento processamento
Atendidos
(horas) (horas) Molde Corte Montagem
1 24,59 67,00 9 8 10 4660,00
2 24,46 77,00 13 10 10 6614,00
3 23,47 77,00 8 4 12 4838,00
4 18,86 68,00 7 6 8 6042,00
5 24,91 90,00 6 8 12 4850,00
6 18,66 62,50 6 10 8 6672,00
7 24,01 92,00 6 6 12 5092,00
8 16,75 54,50 6 6 8 7284,00
... ... ... ... ... ... ...

Um segundo ponto a ser analisado o nmero de elementos atendidos pelo


sistema; o tamanho das filas no aqui um fator preponderante, pois, como visto
anteriormente, seu tamanho mantido sob controle em qualquer situao, mesmo
que isso implique numa drstica reduo do nmero de elementos aceitos no sistema.
Assim, em casos onde a demanda muito elevada, pode ser interessante aumentar a
capacidade de atendimento do sistema, respeitados os limites impostos para os
investimentos e pelo espao fsico.
Duas maneiras de se aumentar a capacidade de atendimento do sistema foram
testadas: aumentando-se o nmero de estaes de atendimento ou diminuindo-se o
tempo de processamento de cada estao (o que pode ser feito pela aquisio de
mquinas mais modernas, por exemplo). Nos testes, observou-se que ambas as
solues so equivalentes; por exemplo, dobrar o nmero de estaes produz
126

aproximadamente o mesmo efeito de se diminuir pela metade seu tempo de


processamento.
Pode-se observar na TABELA 10 que o aumento da capacidade de
atendimento surtiu mais efeito quando este foi aplicado aos pontos de gargalo, ou
seja, nos locais mais diretamente responsveis pelas limitaes do sistema. Esse o
caso, no sistema estudado, da etapa de montagem. Contudo, quando se adiciona uma
estao apenas a esta etapa, transfere-se o gargalo para outro ponto do sistema, o
qual ser menos restritivo, porm ainda limitar a capacidade de atendimento. Tal
situao ilustrada pela configurao nmero dois da TABELA 10, onde se pode
notar que houve um aumento considervel, em relao primeira configurao, no
nmero de peas processadas.
Se houver o desejo de se aumentar ainda mais a capacidade do sistema, deve-
se tomar o novo ponto restritivo e acrescentar uma estao. Este o caso observado
na situao seis, onde se adicionou uma estao extra etapa de molde, alm daquela
j acrescentada etapa de montagem. Novamente, observa-se um aumento na
capacidade e um novo deslocamento do gargalo. A situao oito revela o
comportamento obtido ao se acrescentar estaes extras a todas as trs etapas do
sistema.
Nas situaes em que se adicionou uma nova estao a pontos que no os de
gargalo, analisou-se duas situaes distintas. No primeiro caso, em que a nova
estao foi adicionada em uma etapa posterior quela correspondente ao gargalo, no
houve aumento da capacidade do sistema. Isto se deve ao fato de que, como o fator
limitante est localizado em um ponto anterior nova estao, no haver um
incremento no nmero de pedidos atendidos, e sim um aumento na capacidade ociosa
do sistema, causando prejuzos desnecessrios.
No segundo caso, onde a nova estao foi alocada em um ponto anterior
quele onde est localizado o gargalo, tambm no houve uma variao significativa
no nmero de pedidos atendidos, uma vez que o ponto de gargalo que age como
limitador, a exemplo do que ocorre no caso anterior. Contudo, esta uma situao
mais complexa e potencialmente mais prejudicial empresa; o ponto de gargalo,
antes j sobrecarregado, ter agora que lidar com um nmero ainda maior de peas
enviadas pelas etapas anteriores. Como resultado, a fila crescer rapidamente e,
127

como o critrio para aceitao de novos pedidos o tamanho mximo das filas
presentes no sistema, a taxa de aceitao diminuir de maneira acentuada. Haver,
ento, uma forte flutuao na taxa de pedidos aceitos, o que no desejvel numa
linha de produo, acarretando numa queda na produtividade, perda de clientes e,
conseqentemente, em prejuzos para a empresa. Tal fenmeno no pde ser
observado nos resultados obtidos para as simulaes realizadas neste trabalho, pois o
modelo aqui implementado muito simples e de carter meramente ilustrativo;
modelos mais completos devem levar em conta fatores como produtividade,
capacidade de planejamento, comportamento dos clientes, entre outros, a fim de que
se tenha uma viso confivel do comportamento da organizao frente s possveis
conjunturas encontradas na prtica. Quanto mais completo e fidedigno o modelo,
maior e mais confivel a aquisio de conhecimento.
Pode-se concluir ento que as aes para aumento da capacidade do sistema
devem ser sempre aplicadas aos pontos de restrio, e que o procedimento deve ser
repetido at que se atinja a capacidade e tempo de processamento desejados, ou at
que se atinja os limites de recursos financeiros e de espao.
Nos testes preliminares, investigou-se tambm o papel da capacidade de
atendimento simultneo de cada estao; observou-se que sua influncia no
desempenho global do sistema no muito elevada, de modo que seu estudo foi feito
de forma limitada. Ao final, decidiu-se fixar seu valor em 2 para todas as estaes.
Quanto ao tempo mdio de processamento, verificou-se que este ser tanto
menor quanto melhor for o equilbrio entre as diferentes etapas do processo. Numa
situao ideal, conforme cada elemento vencesse determinada etapa, ele j deveria
encontrar a prxima estao livre que, por sua vez, deveria ter acabado de atender
outro elemento, de maneira a tornar mnimo seu tempo ocioso. Como tal situao, na
prtica, impossvel, deve-se encontrar o melhor equilbrio possvel entre cada uma
das etapas. A melhor maneira de se atingir esse equilbrio manipular o nmero e a
eficincia das estaes at que se atinja o desempenho desejado.
No caso do estudo aqui realizado, a melhor situao verificou-se quando
todas as etapas receberam uma estao adicional. importante observar que, no caso
aqui implementado, o sistema recebe tantos elementos quanto possvel, ou seja, no
h limites de demanda, de maneira que no haver momentos de ociosidade. Em
128

outras palavras, sempre haver elementos suficientes para preencher toda a


capacidade do sistema, de maneira que este nunca ficar ocioso. Contudo, em
situaes reais, quase sempre h um limite de demanda, de maneira que se deve
evitar sobredimensionar o sistema, o que causaria grandes perodos de ociosidade e,
como conseqncia, prejuzos.
Com relao ao tempo mximo de processamento, ou seja, o tempo mximo
que determinado elemento ficar no sistema, pode-se observar que este est
intimamente ligado ao comportamento do tempo mdio de processamento. Contudo,
os componentes aleatrios do sistema podem fazer com que haja discrepncias entre
os dois valores; por exemplo, possvel que em determinado momento uma grande
quantidade de elementos adentrem o sistema e, nesse caso, haver um
congestionamento que acarretar no aumento do tempo de processamento de
algumas das peas. Tal aumento ser absorvido quando do clculo da mdia dos
tempos de processamento, porm o valor de pico se tornar irremediavelmente
elevado. Assim, esta medida s interessante quando ela for analisada em conjunto
com outros parmetros de desempenho, de maneira a se ter uma viso global do
sistema.
As concluses e observaes aqui levantadas respondem por apenas uma
pequena parte da anlise que se poderia fazer a respeito do sistema; considerando-se
que o caso aqui abordado muito simples, pode-se concluir que a simulao oferece
uma diversidade de meios e ferramentas para anlise de cada ponto crtico
encontrado em sistemas reais. O estudo aqui realizado buscou apenas mostrar o
caminho a ser trilhado at que concluses consistentes e importantes possam ser
tiradas.
importante observar ainda que cada caso possui particularidades que muitas
vezes so imponderveis, mas que, ao aliar-se o conhecimento pessoal do corpo
tcnico com o conhecimento adquirido por meio da simulao, tais peculiaridades
podem ser desvendadas e abordadas de uma maneira sistemtica e cuidadosa,
tornando possvel a soluo de problemas antes considerados intratveis. A prpria
extrao de dados relevantes em meio a um extenso conjunto de dados uma valiosa
fonte de conhecimento, pois, em ltima anlise, isso exigir um esforo por parte do
129

usurio ou analista para entender o funcionamento de sua organizao e quais


variveis influenciaro de maneira significativa seu desempenho no futuro.

7. 10 Documentao e implementao

Os dois ltimos passos de um estudo de simulao so a documentao e a


implementao. O primeiro refere-se sua documentao, bem como dos resultados
obtidos. Neste estudo, a documentao do desenvolvimento dos passos da simulao
foi feita em relatrios parciais e em um relatrio final (aqui descrito). Alm disso, os
modelos, em si, so registros do desenvolvimento das simulaes.
Com relao implementao do projeto de simulao, nota-se que suas
principais restries e condicionantes relacionam-se, geralmente, a aspectos
ambientais, humanos, polticos e/ou computacionais. Por isso, h uma grande
vantagem em se envolver gerentes e funcionrios, ligados ao sistema modelado, na
confeco e execuo do estudo de simulao.

7. 11 Consideraes sobre a aquisio do conhecimento

Os principais conhecimentos adquiridos sobre o sistema foram:

O critrio de aceitao de novas encomendas, baseado no tamanho das


filas, faz com que o nmero de elementos esperando em qualquer uma das
trs filas nunca atinja valores muito elevados.
O aumento da capacidade de atendimento surtiu mais efeito quando este
foi aplicado aos pontos de gargalo, ou seja, nos locais mais diretamente
responsveis pelas limitaes do sistema. O principal gargalo do sistema
a montagem, isto se deve ao fato dessa estao ter o maior tempo de
processamento. Contudo, quando se adiciona uma estao apenas a esta
etapa, transfere-se o gargalo para outro ponto do sistema (estao com o
maior tempo de processamento), que ser menos restritivo, porm ainda
limitar a capacidade de atendimento.
130

A ampliao da capacidade de uma estao que no gargalo causa


ociosidade a esta estao, alm disso, faz aumentar a quantidade de
clientes na fila e, conseqentemente, crescer o tempo de processamento
dos trabalhos.
As duas maneiras de se aumentar a capacidade de atendimento do sistema
(aumento do nmero de estaes de atendimento ou diminuio do tempo
de processamento de cada estao; o que pode ser feito pela aquisio de
mquinas mais modernas, por exemplo) levam a solues equivalentes;
dobrar o nmero de estaes produz aproximadamente o mesmo efeito de
se diminuir pela metade seu tempo de processamento.
As aes para aumento da capacidade do sistema devem ser sempre
aplicadas aos pontos de restrio, e que o procedimento deve ser repetido
at que se atinja a capacidade e tempo de processamento desejados, ou at
que se atinja os limites de recursos financeiros e de espao fsico.
Quanto ao tempo mdio de processamento, verificou-se que este ser
tanto menor quanto melhor for o equilbrio entre as diferentes etapas do
processo. A melhor maneira de se atingir esse equilbrio manipular o
nmero e a eficincia das estaes at que se atinja o desempenho
desejado. No caso do sistema estudado, a melhor situao verificou-se
quando todas as etapas receberam uma estao adicional.

importante observar que cada pessoa, ao estudar o sistema e utilizar seu


conhecimento e viso pessoal, pode retirar das simulaes conhecimentos diferentes.
Por essa razo aconselhvel que mais de uma pessoa realize os estudos de
simulao.
131

CONCLUSO

As organizaes vm enfrentando uma competitividade crescente, devido a


fatores como globalizao, exigncia e sofisticao dos clientes, avanos
tecnolgicos etc. Para enfrentar adequadamente e tirar proveito dessa situao, as
organizaes necessitam de profissionais capacitados que as auxiliem a transformar
os desafios ambientais em oportunidades de negcios.
Esses profissionais tm que tomar decises rpidas e eficazes em uma nova
ordem mundial gerada pela revoluo da informao. Nessa nova sociedade, o
principal recurso estratgico o conhecimento; nela, a informao simples no
garante o diferencial competitivo. Assim, para assegurar lucro por um longo prazo,
as organizaes precisam aprender a criar e gerenciar o conhecimento a fim de obter
vantagens reais.
Os investimentos em novas tecnologias (produto, processo, tcnicas
administrativas) so altos e arriscados, porm essenciais para a sobrevivncia das
organizaes. O uso de recursos que garantam a eficcia desses investimentos e
minimizem riscos muito importante. Um desses recursos a simulaes
computacional.
Alm disso, o conhecimento e conjunto de suposies dos profissionais a
respeito do ambiente de negcios e dos fatores crticos para seu sucesso a base para
o sucesso de uma organizao. Assim sendo, os tomadores de deciso precisam se
adaptar nova realidade; para isso, precisam de ferramentas que possibilitem o teste
de novos cenrios antes que mudanas possam ocorrer.
Adquirir novos conhecimentos no apenas uma questo de instruir-se com
outros ou com suas obras, mas tambm aprender atravs da prtica, da
experimentao. Esta ltima pode ser representada pela simulao de sistemas; nela,
o conhecimento a respeito de um sistema adquirido atravs da anlise de diversos
cenrios.
132

O objetivo principal desta pesquisa foi demonstrar a aplicao prtica da


simulao, em particular daquela baseada na metodologia de Dinmica de Sistemas,
como um mtodo de aquisio de conhecimento. Para tanto, um problema de
dimensionamento de fila em uma fbrica foi estudado, por meio do pacote de
simulao Stella.
Todos os objetivos propostos foram atingidos: uma aplicao prtica da
simulao computacional foi realizada; uma reviso bibliogrfica sobre a simulao
e sobre aquisio de conhecimento individual foi apresentada; e sugestes, sobre a
forma de utilizao da ferramenta de simulao para a aquisio do conhecimento,
foram descritas durante o texto.
Cabe ressaltar que o conhecimento que aqui se buscou est relacionado
apenas com o sistema de produo que foi simulado. Apesar de se supor natural a
aquisio de conhecimentos a partir da utilizao do pacote e dos passos de
simulao, esse tipo de conhecimento no foi analisado.
Nesta ocasio, o ponto principal da simulao no encontrar a resposta a
algum problema do sistema, mas sim a inspeo das caractersticas comportamentais
do sistema, o entendimento dos efeitos de cada mudana etc. O desafio era saber se a
simulao uma ferramenta eficiente, atravs da qual os tomadores de deciso
poderiam adquirir conhecimento tanto sobre o sistema em que esto inseridos,
quanto sobre seus subsistemas e ambiente.
Diversas vantagens da simulao puderam ser visualizadas atravs desse
trabalho. A principal delas reside no fato de que ela permite s organizaes
experimentar regras de deciso alternativas dentro dos limites de um laboratrio
severamente controlado, sem interrupes das operaes do sistema real. Outra
grande vantagem observada refere-se capacidade do modelo de simulao de
comprimir o tempo e o espao, permitindo a tomadores de deciso conhecer, em
pouco tempo, as conseqncias de longo prazo concernentes s suas aes e ao
sistema como um todo.
A simulao tambm pode ser usada na educao e treinamento de
profissionais. Ela ajuda os administradores a enxergar as causas implcitas dos
problemas a partir dos sintomas superficiais. Alm disso, permite a reorganizao
das percepes em uma imagem mais clara e coerente da dinmica dos sistemas.
133

Alm disso, dois dos maiores benefcios obtidos pelo usurio do modelo ao
aplicar a simulao a um sistema de produo so, primeiro, uma melhor viso
sistmica do efeito que alteraes locais tero sobre o desempenho global do sistema
e, segundo, a possibilidade de uma reflexo sobre os diversos aspectos de um sistema
de produo. Adicionalmente, sua aplicao ao projeto e avaliao de sistemas de
produo traz benefcios como: maior eficincia na utilizao de recursos, reduo
de estoque em processo, maior velocidade e confiabilidade de entrega, menores
custos operacionais etc.
Deve-se ressaltar que, para ser uma ferramenta til, a simulao deve ser
utilizada corretamente: os passos do estudo devem ser seguidos sistematicamente, os
dados devem ser analisados com cuidado e a implementao deve ser conduzida
corretamente. Se tais cuidados forem negligenciados, erros advindos de uma
simulao incorreta causaro danos e prejuzos ao sistema real.
Outra observao refere-se ao crescimento da confiabilidade da simulao
medida que realizada por mais de uma pessoa; o trabalho em equipe conduz a um
maior conhecimento e experincias, alm de tornar menos freqentes erros de
interpretao e de tratamento estatstico.
A simulao computacional mostrou-se til na criao de novos conceitos a
respeito das relaes entre os elementos do sistema estudado e adequada para a
anlise de diferentes cenrios e polticas operacionais, alm de auxiliar de maneira
eficiente na aquisio de conhecimento individual sobre o sistema de produo
simulado.
Tais afirmaes podem ser observadas atravs da maneira como a simulao da
fbrica de componentes plsticos foi capaz de transformar um problema no
estruturado em uma fonte poderosa de conhecimento. As idias para melhoria do
sistema foram traduzidas em mudanas especficas na poltica e estrutura das
estaes de processamento (variaes no nmero de estaes e variaes no tempo
de processamento). Essas mudanas, e seus efeitos, permitiram a aquisio de
conhecimento sobre o sistema.
Assim sendo, conclui-se que a simulao computacional uma ferramenta
muito til na aquisio de conhecimentos sobre o sistema estudado. Isso porque
proporciona a superao de algumas das dificuldades com as quais os tomadores de
134

deciso se confrontam nas organizaes, dificuldades estas que vm crescendo em


quantidade e complexidade de maneira cada vez mais severa num ambiente
altamente mutvel.
135

ANEXOS

ANEXO 01 - LISTA DOS MODELOS SIMULADOS E SEUS PARMETROS

ANEXO 02 - RESULTADOS DAS SIMULAES


136

ANEXO 1

LISTA DOS MODELOS SIMULADOS E SEUS PARMETROS


137

LISTA DOS MODELOS SIMULADOS E SEUS PARMETROS

Tempo de processamento Nmero de estaes


Modelo Taxa de Chegada Molde Corte Montagem Molde Corte Montagem
1 0,5 4 3 5 1 1 1
2 0,5 4 3 5 1 1 2
3 0,5 4 3 5 1 2 1
4 0,5 4 3 5 1 2 2
5 0,5 4 3 5 2 1 1
6 0,5 4 3 5 2 1 2
7 0,5 4 3 5 2 2 1
8 0,5 4 3 5 2 2 2

9 0,5 4 3 2,5 1 1 1
10 0,5 4 3 2,5 1 1 2
11 0,5 4 3 2,5 1 2 1
12 0,5 4 3 2,5 1 2 2
13 0,5 4 3 2,5 2 1 1
14 0,5 4 3 2,5 2 1 2
15 0,5 4 3 2,5 2 2 1
16 0,5 4 3 2,5 2 2 2

17 0,5 4 1,5 5 1 1 1
18 0,5 4 1,5 5 1 1 2
19 0,5 4 1,5 5 1 2 1
20 0,5 4 1,5 5 1 2 2
21 0,5 4 1,5 5 2 1 1
22 0,5 4 1,5 5 2 1 2
23 0,5 4 1,5 5 2 2 1
24 0,5 4 1,5 5 2 2 2

25 0,5 4 1,5 2,5 1 1 1


26 0,5 4 1,5 2,5 1 1 2
27 0,5 4 1,5 2,5 1 2 1
28 0,5 4 1,5 2,5 1 2 2
29 0,5 4 1,5 2,5 2 1 1
30 0,5 4 1,5 2,5 2 1 2
31 0,5 4 1,5 2,5 2 2 1
32 0,5 4 1,5 2,5 2 2 2

33 0,5 2 3 5 1 1 1
138

Tempo de processamento Nmero de estaes


Modelo Taxa de Chegada Molde Corte Montagem Molde Corte Montagem
34 0,5 2 3 5 1 1 2
35 0,5 2 3 5 1 2 1
36 0,5 2 3 5 1 2 2
37 0,5 2 3 5 2 1 1
38 0,5 2 3 5 2 1 2
39 0,5 2 3 5 2 2 1
40 0,5 2 3 5 2 2 2

41 0,5 2 3 2,5 1 1 1
42 0,5 2 3 2,5 1 1 2
43 0,5 2 3 2,5 1 2 1
44 0,5 2 3 2,5 1 2 2
45 0,5 2 3 2,5 2 1 1
46 0,5 2 3 2,5 2 1 2
47 0,5 2 3 2,5 2 2 1
48 0,5 2 3 2,5 2 2 2

49 0,5 2 1,5 5 1 1 1
50 0,5 2 1,5 5 1 1 2
51 0,5 2 1,5 5 1 2 1
52 0,5 2 1,5 5 1 2 2
53 0,5 2 1,5 5 2 1 1
54 0,5 2 1,5 5 2 1 2
55 0,5 2 1,5 5 2 2 1
56 0,5 2 1,5 5 2 2 2

57 0,5 2 1,5 2,5 1 1 1


58 0,5 2 1,5 2,5 1 1 2
59 0,5 2 1,5 2,5 1 2 1
60 0,5 2 1,5 2,5 1 2 2
61 0,5 2 1,5 2,5 2 1 1
62 0,5 2 1,5 2,5 2 1 2
63 0,5 2 1,5 2,5 2 2 1
64 0,5 2 1,5 2,5 2 2 2
139

ANEXO 02

RESULTADOS DAS SIMULAES


140

RESULTADOS DAS SIMULAES

Tempo mdio de Maior tempo de Tamanho das filas


Elementos
Modelo processamento processamento Molde Corte Montagem Atendidos
1 24,59 67,00 9 8 10 4660
2 24,46 77,00 13 10 10 6614
3 23,47 77,00 8 4 12 4838
4 18,86 68,00 7 6 8 6042
5 24,91 90,00 6 8 12 4850
6 18,66 62,50 6 10 8 6672
7 24,01 92,00 6 6 12 5092
8 16,75 54,50 6 6 8 7284

9 18,56 51,00 10 8 8 5408


10 21,00 70,50 11 10 4 6720
11 17,48 58,50 8 4 8 5798
12 16,00 52,00 11 4 6 6214
13 17,07 61,00 6 10 8 6154
14 15,76 58,00 6 10 4 6590
15 15,72 78,00 5 6 10 6728
16 13,41 49,00 7 6 6 7804

17 22,53 80,50 9 6 10 4800


18 21,15 55,00 11 6 10 7060
19 22,39 90,00 8 2 10 4800
20 18,03 55,50 10 4 8 5862
21 22,46 74,00 6 8 12 5074
22 15,37 54,50 6 6 10 7164
23 21,56 83,00 6 4 12 5222
24 15,01 70,00 5 4 10 7468

25 15,79 50,50 9 8 8 5670


26 17,68 67,50 13 6 6 7432
27 15,76 56,50 8 2 8 5754
28 14,20 57,50 7 2 6 6172
29 14,11 46,00 7 8 8 6748
30 12,43 40,00 6 6 6 7538
31 13,52 55,50 7 4 10 6892
141

Tempo mdio de Maior tempo de Tamanho das filas


Elementos
Modelo processamento processamento Molde Corte Montagem Atendidos
32 11,74 41,00 7 6 6 8010

33 20,92 65,50 7 8 10 4980


34 19,53 56,00 9 10 10 7944
35 20,84 85,00 6 4 14 5166
36 14,43 50,50 6 6 8 7206
37 22,22 110,00 5 8 12 5048
38 16,85 57,00 5 8 8 6560
39 20,73 101,00 4 6 10 5370
40 15,05 62,50 5 6 10 7460

41 14,22 38,50 6 8 10 6158


42 15,89 53,00 9 12 8 8478
43 13,14 46,50 6 6 8 6738
44 11,18 35,50 6 6 4 7706
45 14,99 50,00 6 10 8 6292
46 13,69 57,00 4 8 6 6762
47 13,22 54,50 5 6 10 7020
48 11,24 41,00 5 6 6 8272

49 18,98 80,50 6 8 10 5226


50 15,23 52,00 9 10 14 9410
51 18,91 68,00 6 2 10 5224
52 13,12 60,50 6 4 8 7146
53 19,63 130,00 7 8 10 5318
54 13,61 57,50 4 6 8 7480
55 19,25 71,50 4 4 12 5432
56 13,16 52,50 6 4 10 7702

57 11,53 39,00 6 8 10 6770


58 11,61 34,50 11 8 8 10524
59 11,29 37,50 6 4 8 6900
60 9,83 32,50 7 4 8 7664
61 12,03 47,50 5 10 10 6988
62 10,15 41,50 5 6 6 8042
63 11,58 47,00 7 4 10 7298
64 9,32 41,00 5 4 6 8408
142

REFERNCIAS BIBLIOGRFICAS

ACKOFF, Russell L.; SASIENI, Maurice W. Pesquisa operacional. Rio de Janeiro:


Livros Tcnicos e Cientficos, 1977.

ANDERSEN, D. F.; RICHARDSON G. P. Toward a pedagogy of system dynamics.


In: LEGASTO JR, A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System
Dynamics. Amsterdam: North-Holland Publishing Company, 1980.

ANDERSSON, C.; KARLSSON, L. A system dynamics simulation study of a


software development process. Lund, Sucia, 2001. Disponvel em:
<http://www.telecom.lth.se/SERG/Master/5419.pdf >. Acesso em: 16 maio 2002.

ARANTES, T. F. Pesquisa bibliogrfica nas cincias biomdicas. So Paulo:


Faculdade de Odontologia USP. Revista n.XIII, 1971.

ARAJO, V. M. R. H.. Sistemas de informao: nova abordagem terico-conceitual.


Cincia da Informao, Braslia, v. 24, n. 1, p. 54-76, jan./abr. 1995.

BANKS, J. Selecting simulation software. In: WINTER SIMULATION


CONFERENCE, 1991, New York. Proceedings New York: Association for
Computing Machinery, 2000. p. 15-20.

BANKS, J.; CARSON II, J.S.; NELSON, B.L. Discrete-event system simulation. 2.
ed. New Jersey: Prentice Hall, 1996.

BARBOSA, W. do V. Tempos ps-modernos. In: LYOTARD, J-F. O ps-moderno.


Rio de Janeiro: J. Olympio, 1986. p. vii-xviii.
143

BARTON, R. F. A primer on simulation and gaming. Englewood Cliffs, New


Jersey: Prentice-Hall, 1970.

BATEMAN, R. E. et al. System improvement using simulation. Orem, Utah:


Promodel Corporation, 1997.

BERTALANFFY, L.V. Teoria geral dos sistemas. Petrpolis : Vozes, 1977.

BUFFA, E.S. Administrao da produo. Rio de Janeiro: Livros Tcnicos e


Cientficos, 1972.

BUFFA, E.S.; DYER J.S. Management science/operations research model


formulation and solution methods. New York: John Wiley & Sons, 1977.

CAPRA, F. Das partes para o todo: pensamento sistmico em ecologia e educao.


Em: http://www.eps.ufsc.br/disciplinas/fialho/consciencia/congresso/CAPRA.html.
Acesso em: 12 dezembro 2001.

CASSANDRAS, C.G.; LAFORTUNE, S. Introduction to discrete event systems.


Boston: Kluwer Academic Publishers, 1999.

CHECKLAND, P. Systems thinking, systems practice. New York: John Wiley,


1981.

CHURCHMAN, C.W. The systems approach. New York: Dell Publ., 1968.

COVER, J. Introduction to System Dynamics. Powersim Press, 1996.

CREMA, R. Abordagem holstica: integrao do mtodo analtico e sinttico. In:


BRANDO, D.M.S.; CREMA, R. (Orgs.). O novo paradigma holstico: cincia,
filosofia, arte e mstica. So Paulo: Summus, 1991.
144

DAVENPORT, T. H.; PRUSAK, L. Conhecimento empresarial: como as


organizaes gerenciam o seu capital intelectual. 3. ed. Rio de Janeiro: Campus,
1998.

DEATON, M. L.; WINEBRAKE, J.J. Dynamic modeling of environmental


systems. Springer-Verlag, 2000.

DIBELLA, A. J.; NEVIS, E. C. Como as organizaes aprendem: uma estratgia


integrada voltada para a construo de capacidade de aprendizagem. So Paulo:
Educator, 1999.

DRUCKER, P. F. Sociedade ps-capitalista. 2. ed. So Paulo: Pioneira, 1994.

ECKER, J.G.; KUPFERSCHMID, M. Introduction to operations research. New


York: John Wiley & Sons, 1988.

EHRLICH, Pierre Jacques. Pesquisa operacional: curso introdutrio. 5. ed. So


Paulo: Atlas, 1985.

ELLENRIEDER, Alberto von. Pesquisa operacional. Rio de Janeiro: Almeida


Neves Editores Ltda, 1971.

EMSHOFF James R.; SISSON, Roger L. Design and use of computer simulation
models. New York: MacMillan, 1970.

EVANS, George W; WALLACE, Graham F.; SUTHERLAND, Georgia L.


Simulation using digital computers. Englewood Cliffs, N.J.: Prentice-Hall, 1967.

FACHIN, O. Fundamentos de metodologia. 3. ed. So Paulo: Saraiva, 2001.

FERRARI, A. T. Metodologia da cincia. 3. ed. Rio de Janeiro: Kennedy, 1974.


145

FLEURY, A.C.; FLEURY, M.T.L. Aprendizagem e Inovao Organizacional: as


experincias de Japo, Coria e Brasil. So Paulo: Atlas, 1995.

FORRESTER, J.W. Industrial Dynamics. Portland: Productivity Press, 1961.

FORRESTER, J.W. Urban Dynamics. Cambridge, Mass.: M.I.T. Press, 1969.

FORRESTER, J.W. World Dynamics. Cambridge, Mass.: Wright-Allen Press,


1971.

GALLAHER, E. J. Biological system dynamics: from personal discovery to


universal application. Simulation, 66:4, p. 243-257. 1996.

GEUS, A. The living company. Boston: Harvard Business School Press, 1997.

HARRELL, C; TUMAY, K. Simulation made easy: a managers guide. Norcross:


Engineering & Management Press, 1995.

HERMANN, C. C.; MAGEE J.F. Operations research for management. In: BURSK,
E.C.; CHAPMAN, J.F. (Eds). New decision-making tools for managers. New York:
The Mentor Executive Library, 1963.

HIGH PERFORMANCE SYSTEM. STELLA research. Hanover: High


Performance System, 1997.

HILLIER, F.S.; LIEBERMAN, G.J. Introduo pesquisa operacional. So Paulo:


Editora da Universidade de So Paulo, 1988.

JOHNSON-LAIRD, P. N. Mental models. Cambridge: Cambridge University Press,


1983.
146

KELTON, W. D., SADOWSKI, R. P., SADOWSKI, D. A. Simulation with Arena.


New York: McGraw-Hill, 1998.

KHEIR, N.A. (Ed.) Systems modeling and computer simulation. 2. ed. New York:
Marcel Dekker, 1996.

KITTEL, C. The nature and development of operations research. Science, p. 105-


150, 1947.

KLEIN, D.A. A gesto estratgica do capital intelectual: recursos para a economia


baseada em conhecimento. Rio de Janeiro: Qualitymark, 1998.

LABORATRIO DE DINMICA INDUSTRIAL. Disponvel em:


<http://www.proex.ufscar.br/textos/dinamicaindustrial.doc> Acesso em: 22 setembro
2002.

LANDES, David S. A riqueza e a pobreza das naes: por que algumas so to


ricas e outras so to pobres. 6. ed. Rio de Janeiro: Campus, 1998.

LAW, A. M.; KELTON, W. D. Simulation modeling and analysis. 3. ed. Boston:


McGraw-Hill, 2000.

LEGASTO JR, A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System Dynamics.
Amsterdam: North-Holland Publishing Company, 1980.

LEGASTO JR, A. A.; MACIARIELLO, J. System dynamics: a critical review. In:


LEGASTO JR, A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System Dynamics.
Amsterdam: North-Holland Publishing Company, 1980.

LEPIKSON, H. A. SOMA Sistema Orgnico de Manufatura Autnoma: uma


nova abordagem distribuda para o gerenciamento do cho de fbrica. 1998. 273 f.
Tese (Doutorado) - Universidade Federal de Santa Catarina, Florianpolis.
147

MACHLINE, Claude et al. Manual de administrao da produo. 3. ed. v.2. Rio


de Janeiro: Ed. da Fundao Getlio Vargas, 1975.

MACULAN, A. M. As novas estratgias tecnolgicas das multinacionais do setor de


telecomunicaes. Revista de Economia Poltica, v. 3, n. 2. 1992.

MEDEIROS, Otoniel Marcelino. Pesquisa operacional. Revista da ETFRN. Natal,


ano 12, v.2, p.53-60, 2000.

MEIER, R. C; NEWELL, W.T.; PAZER, H. L. Simulation in business and


economics. New Jersey: Prentice Hall, 1969.

MIRSHAWKA, Victor. Elementos da pesquisa operacional. So Paulo: Nobel,


1977.

MORECROFT, J.D.W; STERMAN, J.D. (ed.). Modeling for learning


organizations. Portland: Productivity Press, 1994.

MUSSELMAN, K.J. Guidelines for simulation project success. In: WINTER


SIMULATION CONFERENCE, 1993, Los Angeles, California . Proceedings
Los Angeles, p. 58-64.

NAYLOR, T.H. Computer simulation experiments with models of economic


systems. New York: John Wiley & Sons, 1971.

NAYLOR, T.H. et al. Tcnicas de simulao em computadores. So Paulo:


Editora Vozes, 1971.

NONAKA, I.; TAKEUCHI, H. Criao do conhecimento na empresa: como


empresas japonesas geram a dinmica da inovao. Rio de Janeiro: Campus, 1997.

PEDGEN, C. D., SHANNON, R.E., SADOWSKI, R.P. Introduction to Simulation


Using SIMAN. 2. ed. McGraw-Hill, Inc.New York, 1995.
148

POLANYI, M. The tacit dimension. Londres: Routledge & Kegan Paul, 1966.

RAPOPORT, A. Aspectos matemticos da anlise geral dos sistemas. In:


BERTALANFFY, L. V. et al. Teoria dos sistemas. Rio de Janeiro: Fundao
Getlio Vargas, 1976.

ROBERTS, Nancy et al. (Ed.). Introduction to computer simulation: the system


dynamics approach. Reading, Mass.: Addison-Wesley, 1983.

RORTY, R. A filosofia e o esprito da natureza. Lisboa: Publicaes Dom Quixote,


1988.

SALIBY, E. Repensando a simulao: a amostragem descritiva. So Paulo: Atlas,


1989.

SANTOS, J. F. dos. O que ps-moderno. 8. ed. So Paulo: Brasiliense, 1990.

SELLITTO, M. A. Uma aplicao da programao linear em servios:


aumentando o ganho em transportes. Disponvel em: <http://www.intercorp-
consultoria.com.br/materia.asp?cod_not=755&cod_area=3&m=s> Acesso em: 17
maro 2002.

SENGE, P. M. A quinta disciplina. So Paulo: Best Seller, 1990.

SENGE, P. M.; STERMAN, J. D. Systems thinking and organizational learning:


acting locally and thinking globally in the organization of the future. In:
MORECROFT, J.D.W; STERMAN, J.D. (ed.). Modeling for learning
organizations. Portland: Productivity Press, 1994.

SHAMBLIN, James E.; STEVENS Jr., G.T. Operations research: a fundamental


approach. New York: McGraw-Hill, 1974.
149

SHANNON, R.E. Systems simulation: the art and science. Englewood Cliffs, N. J.:
Prentice-Hall, 1975.

SHIMIZU, T. Simulao em computador digital. So Paulo: Editora Edgard


Blcher, 1975.

SILVA, E. L. da; MENEZES, E. M. Metodologia da pesquisa e elaborao de


dissertao. 2. ed. revisada. Florianpolis: Laboratrio de Ensino Distancia, 2001.
SOARES, Luiz Fernando Gomes. Modelagem e simulao discreta de sistemas.
So Paulo: IME - USP, 1990.

STARR, P. J. Modeling issues and decision in system dynamics. In: LEGASTO JR,
A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System Dynamics. Amsterdam:
North-Holland Publishing Company, 1980.

TERRA, J.C.C. Gesto do conhecimento: aspectos conceituais e estudo


exploratrio sobre as prticas de empresas brasileiras. 1999. 293 f. Tese (Doutorado
em Engenharia de Produo) - Escola Politcnica, Universidade de So Paulo, So
Paulo.

THUROW, L. C. O futuro do capitalismo: como as foras econmicas de hoje


moldam o mundo de amanh. Rio de Janeiro: Rocco, 1997.

TRIPODI, T. et al. Anlise da pesquisa social: diretrizes para o uso da pesquisa em


servio social e em cincias sociais. Rio de Janeiro: Francisco Alves, 1981.

VILLELA, P.R.C. Modelagem e simulao da dinmica de sistemas: conceito e


prtica. In: WORKSHOP DA SOCIEDADE BRASILEIRA DE INFORMTICA
APLICADA AGROPECURIA E AGROINDSTRIA, 2., 2000, Campinas.
Disponvel em: <http://www.sbiagro.org.br/iiwork>Acesso em: 09 agosto 2002.
150

WAGNER, H. M. Principles of operations research: with applications to


managerial decisions. 2.ed. New Jersey: Prentice Hall, 1975.

WATSON, H.J.; BLACKSTONE Jr., J. H. Computer simulation. 2. ed. New York:


John Wiley & Sons, 1981.