Escolar Documentos
Profissional Documentos
Cultura Documentos
2438 14090 1 PB PDF
2438 14090 1 PB PDF
1 INTRODUO
A competio mundial na indstria farmacutica e as demandas crescentes por
medicamentos, a preos cada vez mais acessveis a populao, chamou a ateno desta
indstria sobre a necessidade de eficincia em seu processo de fabricao
(PAPAVASILEIOU et al., 2007).
Em busca de auxlio nas tomadas de decises, tem-se utilizados cada vez mais
procedimentos de modelagem, anlise e projeto de sistemas. Nessa vertente, cresce o destaque
simulao computacional a eventos discretos, de forma a se tornar possvel a avaliao de
impactos de mudanas de parmetros no desempenho do processo.
1 Engenheira de Produo, IEPG, Universidade Federal de Itajub (UNIFEI), Pinheirinho, Itajub Minas Gerais, Brasil.
E-mail: marinamello15@yahoo.com.br.
2 Doutor em Engenharia Mecnica, IEPG, Universidade Federal de Itajub (UNIFEI), Pinheirinho, Itajub Minas
2 FUNDAMENTAO TERICA
Esta seo apresenta a fundamentao terica que sustenta o trabalho desenvolvido
neste artigo. Sero apresentados os fundamentos bsicos para modelagem e simulao e as
caractersticas principais da indstria farmacutica, contemplando trabalhos, que como este,
tambm utilizaram a simulao neste tipo de indstria.
CONCEPO
1.1 Objetivos e
definio do sistema
1.3 Validao do
1.2 Construo do
modelo
modelo conceitual
conceitual 1.4
Documentao do Modelo
modelo conceitual
N S conceitual
Validado?
IMPLEMENTAO
2.1 Construo do
modelo
computacional
2.2 Verificao
do modelo
computacional
Modelo
N computacional
S
Verificado?
N
2.3 Validao do
S
Validado? modelo
computacional
Modelo ANLISE
operacional
3.1 Definio do
projeto
experimental 3.3 Anlise
estatstica
3.2 Promodel
Para o estudo desenvolvido neste trabalho, o simulador escolhido foi o Promodel,
verso 8.6. Banks et al. (2005) apresentam algumas caractersticas para este simulador:
A construo de modelos feita graficamente;
Permite utilizao de rotinas de programao externa desenvolvidas em C/C++;
Possui animao em duas e trs dimenses;
Possui capacidade de avaliao de custos (sistema ABC);
Permite a utilizao de distribuies estatsticas;
O sistema modelado pode ser dividido em 4 etapas, descritas a seguir. Por questes de
confidencialidade no sero apresentados os nomes das mquinas e etapas do processo real.
4.2.1 Etapa 1
A barrica fixada na Mquina 1, de forma que os comprimidos sejam direcionados
Mquina 2.
4.2.3 Etapa 3
Os blisteres passam pela Mquina 20, formando um conjunto de blisteres que segue
pelas Mquinas 21 e 22. Caso haja problema com o nmero correto de blisteres, eles so
levados s Mquinas 23 e 24 e retornam Mquina 21. No havendo este problema, o
conjunto de blisteres segue pela Mquina 21, onde se une com cartuchos e bulas e forma-se o
cartucho cheio. Este passa pelas Mquinas 25, 26 e 27.
Os cartuchos rejeitados podem seguir 2 caminhos. No primeiro, passam pela Mquina
28, de onde o cartucho e a bula vo para a Mquina 29 e o blister vai para a Mquina 24 e
depois para a Mquina 21. No segundo, seguem pela Mquina 30, de onde o cartucho e a bula
vo para a Mquina 31 e o blister vai para a Mquina 24 e depois para a Mquina 21.
4.2.4 Etapa 4
Os cartuchos cheios passam pela Mquina 32 e podem tambm seguir por 2 caminhos.
No primeiro, vo para a Mquina 33, de onde o cartucho e a bula passam pela Mquina 34 e o
blister vai para a Mquina 24 e depois para a Mquina 21. No segundo, vo para a Mquina
35, formado um conjunto de cartuchos cheios que se une com caixas vazias e passam pela
Mquina 36, constituindo a caixa de embarque. Esta segue pelas Mquinas 37 e 38, resultando
em conjuntos de caixas de embarque.
Sendo:
n = tamanho da amostra necessrio;
Z = nmero de desvios em uma normal para obter a confiabilidade necessria;
S = desvio padro da amostra;
e = erro mximo aceitvel.
Tem-se que, para o Nvel de Confiana adotado de 95%, Z = 1,96. E que o mximo erro
aceitvel e o resultado do produto entre os valores de Erro Relativo e Mdia.
Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,
2014.
58
Assim sendo, foram substitudos os valores da amostra com o auxlio do software
Excel e encontrou-se o nmero de tomadas de tempo necessrio para uma correta anlise
dos tempos de cada atividade.
Aps a cronometragem, foi realizada uma anlise estatstica destes dados, por meio do
software Minitab. Primeiramente foram construdos diagramas de caixas (box plots) para a
identificao de possveis outliers na amostra. Ao ser verificada a existncia de um outlier, a
ocorrncia foi analisada e, nos casos em que poderia haver uma causa especial responsvel, os
valores foram eliminados.
A Figura 3 mostra esta etapa para algumas das atividades da linha de embalagem
estudada. O mesmo procedimento foi replicado para as demais atividades. Os outliers foram
analisados e chegou-se concluso de que a necessidade de eliminao de tais valores seria
adequada apenas nas seguintes atividades: Mquina 3, Mquina 10 e Mquina 36.
Figura 3 Diagramas de caixa para atividades da linha de embalagem estudada
4.4.2.1 Rejeitos
As mquinas possuem sistemas computadorizados, que contabilizam a quantidade de
material destinado aos compartimentos de rejeito. Ao longo de trs semanas trabalhou-se com
os dados extrados de tal sistema. Esses dados podem ser observados na Tabela 3.
Tabela 3 Porcentagem de entidades que so direcionadas aos rejeitos
Porcentagem de entidades que so direcionadas aos rejeitos
Entidade Local Porcentagem
Blister Mquina 15 0,735%
Blister Mquina 18 4,165%
Blister Mquina 28 3,5%
Cartucho Mquina 28 0,175%
Cartucho Mquina 30 0,175%
Cartucho Mquina 33 4,3%
Como pode ser visualizada na Figura 6, a produo da linha pode ser aproximada por
meio de uma distribuio normal, uma vez que o p-value do teste (0,479) foi superior ao nvel
de siginificncia adotado de 0,05.
O mesmo pode ser concludo sobre os dados simulados no modelo computacional,
apresentados na Figura 7. Como o p-value do teste (0,474) foi superior ao nvel de
significncia de 0,05, os dados simulados tambm podem ser aproximados por meio de uma
distribuio normal.
Portanto, o modelo de simulao est validado pela tcnica face a face e tambm est
estatisticamente validado.
Sendo:
Quantidade Entregue = quantidade de unidades comerciais (cartuchos) produzidos
por dia (contados a partir do comeo do primeiro turno at o final do terceiro turno);
Verifica-se que mesmo uma reduo de tempo considerada baixa pelos profissionais
que conhecem o sistema real, aplicada em apenas um tero das causas de paradas da mquina,
representa um ganho importante. Dessa forma, as aes preventivas e corretivas, se
direcionadas reduo de tais tempos indicados, conduziro a um ganho considervel na
produtividade.
A partir deste modelo computacional, podem ser extrados diversos outros tipos de
anlise. Podem ser realizadas, por exemplo, ponderaes econmicas acerca da viabilidade de
se melhorar a qualidade do material de embalagem. Se utilizado um lote teste do novo
material, consegue-se verificar, no sistema real, a porcentagem da variao nos tempos de
paradas. Lanando-se este valor no simulador, obtm-se a porcentagem de variao da
quantidade produzida ao final do dia. Com tais valores, se torna possvel a montagem de um
fluxo de caixa que indique se haver compensao do investimento no novo material e em
quanto tempo isto se dar. Outro exemplo de aplicao de experimentos no modelo
computacional desenvolvido a avaliao da viabilidade de alteraes no maquinrio. De
maneira anloga, lana-se no modelo computacional o ganho em capacidade provido pelo
novo item da mquina, de forma a se obter a porcentagem de variao da quantidade
5 CONCLUSES
O presente trabalho apresentou uma importante ferramenta de auxlio deciso para a
empresa farmacutica em estudo. O desenvolvimento de um modelo conceitual, a coleta e
posterior anlise estatstica dos dados referentes linha de embalagem, o desenvolvimento do
modelo computacional e a anlise de experimentos na modelagem elaborada permitiram um
direcionamento das tomadas de decises, de forma que foi possvel se mensurar os ganhos
obtidos com a reduo nos tempos de paradas que foram definidos como os mais relevantes.
Verificou-se, ento, o grande impacto que as paradas de mquina impem no ndice de
produtividade.
Como recomendao, indica-se a necessidade de desmembramento do item outros
dentre as causas de paradas da mquina, tendo em vista sua grande participao no tempo
total de paradas. Isto permitir um correto direcionamento de aes em um ponto que
sabidamente trar ganhos produtivos.
Notou-se tambm que, em um perodo de tempo de 2 meses, foram desconsiderados
muitos dias para se realizar a comparao estatstica entre a amostra simulada e a amostra
real. Isto se deve ao fato de que esses dias desconsiderados no foram dias regulares, com
descontos de horas ou de turnos na produo. Percebe-se, ento, a necessidade de sincronia
entre as reas produtivas e de manuteno. Tal sincronia significa o planejamento e a
programao de concesses de intervalos pela rea de produo para que a rea de
manuteno possa executar servios preventivos e preditivos, buscando em conjunto, o
melhor resultado de produo.
Conclui-se, portanto, que a utilizao de um modelo de simulao com tamanha
flexibilidade torna praticvel a execuo de diversos experimentos que representem tanto a
realidade quanto cenrios que apresentem modificaes pretendidas no sistema real. Desta
forma, se faz possvel a anlise destas idealizaes, sem a necessidade de comprometimento
ou paralisao da linha e com uma previso coerente da viabilidade de tais alteraes
sistmicas.
Como trabalhos futuros recomenda-se a utilizao deste modelo de simulao para
diversas outras anlises, como, por exemplo, avaliaes econmicas acerca da viabilidade de
ABSTRACT: The interest in the use of process simulation approach has been growing lately,
due to its economic advantages and close resemblance to the real scenarios. Thus, this paper
aims for the development of a simulation model, which shows the behavior of a packaging
line in a pharmaceutical company. In order to analyze the impact of machines interruption
periods on the productivity index. For this, the modeling and simulation research method was
used. The conceptual model development, the collect and analysis of data referring to the
packaging line. The computational model development and the experiments analysis using the
model created turned into an important management tool. Which can be used for benefit of
those responsible for decision-making, aiming for the choice of preventive and corrective
actions more suitable for the system. Moreover, the possible solutions tested by simulation do
not imply costs of implementation and there is no necessity of line impairment or interruption.
AGRADECIMENTOS
Os autores agradecem FAPEMIG, ao CNPq e a CAPES por todo suporte ao longo
dessa pesquisa.
REFERNCIAS BIBLIOGRFICAS
BANKS, J.; CARSON, J.S.; NELSON, B.L.; NICOL, D.M. Discrete event system
simulation. 4.ed. Upper Saddle River, NJ: Prentice-Hall, 2005.
HARREL, C.; GHOSH, B.K.; BOWDEN, R.O. Simulation Using Promodel. 2. ed. New
York: McGraw-Hill, 2004.
KELTON, D.W.; SADOWSKI, R.P.; STURROCK, D.T. Simulation with Arena. 4.ed. New
York: McGraw-Hill, 2007.
LAW, A.M.; KELTON, D.W. Simulation modeling and analysis. 3. ed. New York:
McGraw-Hill, 2000.
MONTEVECHI, J.A.B.; LEAL, F.; PINHO, A.F.; COSTA, R.F.S.; OLIVEIRA, M.L.M.;
SILVA, A.L.F. Conceptual modeling in simulation projects by mean adapted IDEF: an
Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,
2014.
71
application in a Brazilian tech company. In: Proceedings, of the Winter Simulation
Conference, Baltimore, USA, 2010.
SANCHEZ, S.M. Work smarter, not harder: guidelines for designing simulation experiments.
In: Winter Simulation Conference, Proceedings... Washington, DC, USA, 2007.
SARGENT, R.G. Verification and validation of simulation models. In: Winter Simulation
Conference, Proceedings... Austin, TX, USA, 2009.
SHANNON, R.E. Introduction to the art and science of simulation. In: Winter Simulation
Conference, Proceedings... Washington, USA, 1998.
TOUMI, A. et al. Design and optimization of a large scale biopharmaceutical facility using
process simulation and scheduling tools. Pharmaceutical Engineering, v.30, n.2, p.1-9,
2010.