2438 14090 1 PB PDF

ANLISE DO IMPACTO DAS PARADAS DE MQUINA EM UMA
EMPRESA FARMACUTICA POR MEIO DA SIMULAO
Marina Santos Mello1

Jos Arnaldo Barra Montevechi2
Rafael de Carvalho Miranda3
RESUMO: O interesse pelo uso da abordagem de simulao de processos vem crescendo

ultimamente, devido s suas vantagens econmicas e retrato cada vez mais fiel aos cenrios
reais. Dessa forma, este trabalho visa o desenvolvimento de um modelo de simulao que
retrate o comportamento de uma linha de embalagem de uma empresa farmacutica. Com o
objetivo de se analisar o impacto dos tempos de paradas de mquina no ndice de
produtividade. Para isto, foi utilizado o mtodo de pesquisa modelagem e simulao. O
desenvolvimento de um modelo conceitual, a coleta e anlise estatstica dos dados referentes
linha de embalagem. O desenvolvimento do modelo computacional e a anlise de
experimentos na modelagem elaborada transformaram-se em uma importante ferramenta
gerencial. A qual pode ser utilizada como auxlio aos responsveis por tomadas de deciso,
visando a escolha de aes preventivas e corretivas mais adequadas ao sistema. Alm disso,
as possveis solues testadas por simulao no implicam em gastos de implementao e no
h necessidade de comprometimento ou paralisao da linha.
Palavras-chave: Simulao a eventos discretos. Modelagem e simulao. Empresa

farmacutica.
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
Gerais, Brasil. E-mail: montevechi@unifei.edu.br.

3 Mestre em Engenharia de Produo, IEPG, Universidade Federal de Itajub (UNIFEI), Pinheirinho, Itajub Minas
Gerais, Brasil. E-mail: mirandaprod@yahoo.com.br.
Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

2014.
Segundo Greasley (2003), a simulao pode ser utilizada para comunicar para os
diretores, clientes e funcionrios o antes e o depois da implantao de um novo projeto.
Pode ser usada tambm para treinar funcionrios diante de uma nova operao do sistema e
permitir que eles criem uma viso geral dos benefcios da mudana a partir da viso do
modelo em execuo.
Com o aprimoramento tecnolgico, crescimento na aceitao do mercado e consequente
reduo no preo dos computadores na dcada de 1970, a simulao comeou a se aproximar
do que se conhece atualmente. Segundo Kelton, Sadowski e Sturrock (2007) foi nesta poca
tambm que a simulao passou a fazer parte dos currculos de Engenharia de Produo e
Pesquisa Operacional. Porm, a simulao se estabeleceu somente na dcada de 1990, quando
sua utilizao se expandiu por pequenas empresas no intuito de se determinar solues nos
primeiros estgios de projetos.
Dessa forma, este trabalho visa o desenvolvimento de um modelo de simulao que
retrate o comportamento de uma linha de embalagem de uma grande empresa farmacutica,
com o objetivo de se analisar o impacto dos tempos de paradas de mquina no ndice de
produtividade e, assim, criar uma importante ferramenta gerencial, possibilitando a escolha de
aes preventivas e corretivas mais adequadas ao sistema. Foi utilizado, portanto, o mtodo
de pesquisa modelagem e simulao.
Primeiramente, ser apresentada uma fundamentao terica para dar embasamento ao
assunto tratado. Posteriormente ser abordada a metodologia proposta, indicando o mtodo de
pesquisa, as etapas de uma simulao e o software de simulao utilizado nesta pesquisa. Em
seguida, ser feito o mapeamento do processo e sua validao. A simulao ser ento
executada e validada. Em seguida, sero analisados os resultados, o que permitir o
direcionamento das aes preventivas e corretivas no sistema em questo. Para fechamento,
ser apresentada a concluso deste estudo.
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.

2014.
49
2.1 Fundamentos para modelagem e simulao
Para Shannon (1998), simulao o processo de fazer um modelo de um sistema real e
conduzir experimentos com este modelo com o propsito de compreender o comportamento
do sistema e/ou avaliar estratgias para a operao deste sistema. Segundo este autor,
existem as seguintes vantagens para o uso da simulao:
Possibilidade de testar novos leiautes, novos projetos, etc., sem comprometer
recursos para a implantao;
Pode ser utilizada para explorar novas polticas de estoque, procedimentos
operacionais, regras de deciso, fluxo de informaes sem interrupo do sistema
real;
Permite o controle do tempo, uma vez que se pode executar o modelo do sistema por
vrios meses ou anos em questo de minutos, permitindo uma rpida anlise ao
longo do tempo ou desacelerar um fenmeno para compreender melhor;
Permite identificar gargalos no fluxo de informaes, materiais ou produtos e testar
opes para aumentar a taxa de fluxo;
Permite adquirir conhecimento de como um sistema modelado realmente trabalha e
compreender quais variveis so importantes para seu desempenho.
O mtodo de modelagem e simulao tem sido empregado com sucesso em reas

bastante vastas, que abrangem sistemas logsticos, sistemas de manufatura, sistemas de
servios em sade, servios em geral e sistemas militares.
Modelos de simulao de sistemas a eventos discretos so aqueles que mudam suas
variveis de estado em pontos discretos no tempo, acionados pela ocorrncia de eventos
(HARREL; GHOSH; BOWDEN, 2004).
Uma clula de manufatura um exemplo de sistema a eventos discretos. A varivel de
estado, status de utilizao de uma determinada mquina (vazio, ocupado ou quebrada), muda
somente quando um dos seguintes eventos acontece isoladamente: ocorre a quebra da
mquina, ou uma pea entra na mquina para ser processada, ou uma pea sai da mquina
aps processamento, ou ainda solicitada a parada da mquina para a manuteno preventiva.

2014.
50
2.2 Indstria farmacutica e projetos simulados
Segundo Besseris (2012), a necessidade de se incrementar o desempenho da indstria,
associada a busca constante pela reduo de custos, estimulou a utilizao da simulao nas
empresas modernas, e isso no foi diferente na indstria farmacutica.
Estimulada pela competio mundial e pela necessidade de suprir mercados cada vez
maiores, as indstrias farmacuticas tiveram que se adequar a essa nova realidade, buscando
melhorias produtivas visando sua eficincia, reduo de custos e aumento de qualidade
(TOUMI et al., 2010).
Para Mesquita e Santoro (2004), a primeira etapa da cadeia produtiva na indstria
farmacutica consiste na fabricao do princpio ativo do medicamento que ser produzido.
Este item constitui o principal insumo dos laboratrios, mas no o nico. Somam-se a ele,
outros insumos e materiais, como os necessrios a seu correto acondicionamento e
embalagem. Ainda segundo os autores, cada famlia de produto pode ser produzida em
diferentes quantidades, dosagens, etc. Devido necessidade de controle e s caractersticas
particulares desta indstria, este setor geralmente passa por regulamentaes particulares por
rgos governamentais.
Na composio dos custos de produo dessa indstria, alm dos custos tradicionais de
fabricao e logstica, somam-se os custos de pesquisa e desenvolvimento (MESQUITA;
SANTORO, 2004). Para Sanvito (2012), devido as estes custos, um novo medicamento pode
custar de U$ 800 milhes a mais de um bilho de dlares. O autor, ainda afirma que tais
custos podem estar superestimados, devido a seu alto preo durante a vigncia da patente.
Tal situao fez com que nos ltimos anos, o uso de modelos de processos na indstria
farmacutica crescesse drasticamente, e tem permeado toda a cadeia produtiva da indstria
farmacutica, desde as primeiras etapas de pesquisa e desenvolvimento at a distribuio
(KREMER; HANCOCK, 2006).
Na busca por processos produtivos mais eficientes, o uso da simulao a eventos
discretos na indstria farmacutica vem ganhando destaque, como se pode observar por meio
de vrios trabalhos disponveis na literatura (ESKANDARI; BABOLMORAD;
FARROKHNIA, 2013; HOQUE; PAUL, 2011; STROHHECKER; SIBBEL; DICK, 2014;
PAPAVASILEIOU et al., 2007; PETRIDES et al., 2014).
Dengiz e Belgin (2014) enfatizam que, a simulao serve como uma poderosa
ferramenta para soluo de problemas enfrentados em sistemas estocsticos, ao mesmo tempo

2014.
51
em que permite investigar o comportamento de diferentes problemas reais, de modo a
operacionalizar a tomada de deciso sobre vrias condies.
Devido a estas caractersticas, o uso da simulao em uma indstria, onde a busca pela
eficincia se torna crtica, pode ser de fundamental importncia na busca por melhores
processos produtivos.
3 MTODO DE PESQUISA MODELAGEM E SIMULAO

Os modernos sistemas de manufatura se tornaram complexos, uma vez que consistem
de muitas operaes discretas que se caracterizam por serem de natureza aleatria, dinmica e
no linear (OKANE; SPENCELEY; TAYLOR, 2000). Neste caso, os resultados de uma
pesquisa quantitativa podem ser obtidos via simulao, ao invs da abordagem matemtica,
caracterizando o mtodo de pesquisa modelagem e simulao (MORABITO; PUREZA,
2010).
No mtodo de pesquisa modelagem e simulao, o pesquisador manipula as variveis e
os seus nveis, mas no na realidade (MARTINS, 2010). O mesmo autor afirma que isto
feito em um modelo de pesquisa, que uma abstrao da realidade, podendo haver ou no o
uso de computadores para manipular as variveis do modelo. Chung (2004) tambm afirma
que o mtodo de modelagem e simulao envolve a criao de um modelo de um sistema
fsico e experimentao neste modelo.
De acordo com Garza-Reyes et al. (2010), simulao uma tcnica experimental
baseada em um modelo computacional, o qual pode trazer mais benefcios em comparao
com a experimentao em sistemas reais. Os mesmos autores afirmam que na simulao, o
sistema modelado pode ser examinado sob condies controladas e selecionadas, as quais so
claramente impraticveis na maioria dos sistemas reais, e sem o risco para a viabilidade do
sistema real que tais experimentos poderiam causar.
Kelton, Sadowski e Sturrock (2007) afirmam que a simulao muito mais que apenas
construir um modelo e conduzir um experimento estatstico. Os autores se justificam,
ressaltando que existe muito mais para ser aprendido em cada passo de um projeto de
simulao, e as decises que so tomadas ao longo do projeto podem afetar a significncia
dos resultados.
Contextualizado o mtodo de pesquisa que suporta a aplicao deste trabalho, a prxima
seo apresentar detalhadamente os passos necessrios para conduo de um projeto de
simulao.

2014.
52
3.1 Etapas de um projeto de simulao
Montevechi et al. (2010) propuseram um fluxograma para representar a lgica de etapas
a serem seguidas em um projeto de simulao. Tal estrutura apresentada na Figura 1.
Segundo a viso dos autores o mtodo dividido em trs etapas: Concepo, Implementao
e Anlise. Estes passos so detalhados na sequncia.
Figura 1 Passos para um projeto de simulao
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?
1.5 Modelagem Tempo, custo,

porcentagens,
dos dados de capacidades, etc.
entrada
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 Execuo dos

experimentos 3.4 Concluses e
recomendaes
Fonte: Adaptado de Montevechi et al. (2010)
Concepo: definio do problema, criao e validao do modelo conceitual, obteno

de dados necessrios e preparao dos dados de entrada.

2014.
53
O modelo conceitual construdo com o objetivo de representar a essncia do sistema
existente, facilitando a construo do modelo computacional de simulao. Algumas tcnicas
utilizadas para construir o modelo conceitual so: mapeamento Lean (ABDULMALEK;
RAJGOPAL, 2007), Activity Cycle Diagram ACD (CHWIF, PAUL e BARRETO, 2006),
mapa de processos (GREASLEY, 2006) e Integrated Definition methods-Simulation IDEF-
SIM (LEAL; ALMEIDA; MONTEVECHI, 2008).
Os dados de entrada devem ser coletados e ajustados a uma distribuio de
probabilidade que alimenta o modelo computacional. importante citar que o modelo de
simulao ser to confivel quanto melhor forem os dados que o abasteam.
Implementao: transformao do modelo conceitual em modelo computacional,
verificao e validao.
O modelo conceitual a base para a programao do modelo computacional. Este deve
passar por dois procedimentos fundamentais: a validao e a verificao. Validao pode se
referir ao modelo conceitual, ou seja, consiste em aceitar ou no o modelo como uma boa
representao do sistema real. Existe tambm a validao operacional atribuda ao modelo
computacional, que consiste em se utilizar tcnicas estatsticas, para comparar os dados reais e
simulados. Por sua vez, a verificao consiste em se comprovar que a traduo do modelo
conceitual para o modelo computacional foi feita fiel e corretamente.
Anlise: experimentao com o modelo verificado e validado, planejamento
experimental final, anlise, interpretao dos dados de sada.
Sanchez (2007) afirma que o processo de construir, verificar e validar um modelo de
simulao pode ser rduo, mas uma vez que ele est completo, ento o momento de se ter o
modelo trabalhando para o modelador.
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;

2014.
54
Possui uma grande quantidade de recursos grficos para a visualizao de resultados;
Juntamente com o Promodel existe um mdulo chamado SimRunner, que
permite a otimizao das variveis simuladas.
Ressalta-se ainda a capacidade de comunicao do Promodel com o Excel,

permitindo que o Excel comande a execuo do Promodel, exportando ou importando
dados.
4 APLICAO PRTICA DO MTODO

Nesta seo sero descritos todos os passos apresentados em Montevechi et al. (2010),
para construo do modelo computacional e auxlio a tomada de deciso em uma indstria
farmacutica.
4.1 Objetivos e definio do sistema

O sistema a ser simulado trata de uma das linhas de embalagem de uma grande empresa
farmacutica. Esta linha responsvel por apenas um tipo de produto, de forma que no so
realizados setups para troca de produto. Dessa forma, este trabalho visa o desenvolvimento de
um modelo de simulao que retrate o seu comportamento, com o objetivo de se analisar o
impacto dos tempos de paradas de mquina no ndice de produtividade e, assim, criar uma
importante ferramenta gerencial, possibilitando a escolha de aes preventivas e corretivas
mais adequadas ao sistema.
4.2 Construo do modelo conceitual

Ser utilizada neste trabalho a tcnica IDEF-SIM para a representao de modelo
conceitual de simulao. Esta tcnica foi proposta por Leal, Almeida e Montevechi (2008) e
tem como caracterstica a identidade de sua lgica de aplicao com a lgica utilizada na
simulao a eventos discretos. Logo, ao ser utilizada esta tcnica, so manipulados elementos
que tambm so requisitados na fase de programao do modelo computacional. A Figura 2
apresenta a verso final do modelo conceitual.

2014.
55
Figura 2 Mapeamento IDEF-SIM do sistema de embalagem da linha estudada
Fonte: Elaborado pelos autores
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.

2014.
56
4.2.2 Etapa 2
O material PVC levado Mquina 3 e, posteriormente, chega Mquina 4. Os
comprimidos preenchem o PVC e o conjunto passa ento pelas Mquinas 5, 6 e 7. Uma folha
de alumnio se junta ao PVC preenchido e ambos passam pela Mquina 8, formando o blister,
que passa pelas Mquinas 9, 10, 11 e 12. So formados o excesso e os blisteres conformes ou
rejeitados. O excesso segue pela Mquina 13 e chega Mquina 14.
Os blisteres rejeitados podem ter 2 destinos: ou passam pelas Mquinas 18 e 19 ou
chegam na Mquina 15, so transportados para a Mquina 16, a partir da qual os comprimidos
so levados novamente Mquina 2 e os blisteres rejeitados vo para a Mquina 17.
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.
4.3 Validao do modelo conceitual

Uma vez construdo o modelo conceitual, foi realizada uma reunio com o gerente e o
supervisor da rea. Ambos no conheciam a tcnica utilizada, de maneira que foi interessante
e necessria a descrio da funo de cada smbolo utilizado, para permitir uma maior

2014.
57
familiaridade com a tcnica e um maior entendimento do processo indicado pelo modelo.
Aps entenderem e apreciarem a tcnica, o gerente e o supervisor da rea validaram o
modelo.
4.4 Modelagem dos dados de entrada

Nesta seo sero apresentados os passos necessrios para a obteno dos dados que
alimentaro o modelo computacional, que ir representar o sistema real estudado. Destacam-
se aqui as atividades de cronoanlises realizadas na linha de produo, bem como as anlises
que permitiram identificar as distribuies de probabilidades relacionadas s mquinas e
deslocamentos de produtos no sistema. Apresentam-se tambm outros dados importantes e
necessrios a construo do modelo computacional.
4.4.1 Tempos das atividades e de transportes

Foi realizada ao longo de duas semanas, a coleta dos tempos referentes a cada atividade
presente na linha e dos tempos referentes aos transportes, que foram considerados relevantes.
Para a determinao de quantas vezes seria necessrio se cronometrar o mesmo
elemento para posterior anlise estatstica, foram definidos dois parmetros: Nvel de
Confiana de 95% e Erro Relativo de 5%. Dessa forma, com 95% de probabilidade, a mdia
dos valores observados (amostra) para o elemento no diferir mais de 5% (para mais ou para
menos) do valor verdadeiro para a durao do elemento.
Foi coletada ento uma amostra piloto, para que seus valores fossem substitudos na
seguinte Equao (1).
2
Z *S
n (1)
e
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.
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
Retirados os outliers identificados como valores no usuais que interfeririam no

resultado final, foi feito um teste de normalidade (Anderson-Darling Normality test) para cada
amostra. A Figura 4 mostra os resultados deste teste e tambm as estatsticas bsicas para a
amostra referente atividade Mquina 3. Neste caso, o p-value do teste foi de 0,062. Como
este valor maior que o nvel de significncia adotado de 0,05, aceita-se a hiptese de que a
amostra pode ser representada por uma distribuio normal.

2014.
59
Figura 4 Teste de normalidade aplicado atividade Mquina 3
Os testes de normalidade foram aplicados s demais atividades e aos transportes da

linha. A Tabela 1 apresenta a distribuio de probabilidades ajustada para as mquinas da
linha, alm de seus respectivos parmetros.
Tabela 1 Distribuio de probabilidades para atividades da linha de embalagem estudada
Atividade Distribuio de probabilidades (tempo em segundos)
Mquina 3 Normal (3,736; 0,05425)
Mquina 8 Normal (1,151; 0,03052)
Mquina 9 Normal (1,151; 0,03052)
Mquina 10 Normal (0,2684; 0,02218)
Mquina 11 Normal (0,2684; 0,02218)
Mquina 12 Normal (0,2684; 0,02218)
Mquina 16 Normal (1,416; 0,02063)
Mquina 20 Normal (8,825; 0,3204)
Mquina 21 Normal (10,01; 0,1067)
Mquina 24 Normal (8,825; 0,3204)
Mquina 25 Normal (0,8833; 0,06078)
Mquina 26 Normal (0,729 0,03796)
Mquina 27 Normal (9,643; 0,04374)
Mquina 32 Normal (0,527; 0,05182)
Mquina 36 Normal (18,08; 0,08469)
Mquina 37 Normal (4,842; 0,5414)
Na Tabela 2 pode-se verificar a distribuio de probabilidade para os transportes

realizados entre as mquinas, bem como os parmetros que alimentaram a simulao da linha.
Tabela 2 Distribuio de probabilidades para transportes da linha de embalagem estudada
Transporte Distribuio de probabilidades (tempo em segundos)
Entrada de pvc Mquina 3 Normal (31,18; 0,5988)
Mquina 3 Mquina 4 Normal (15,34; 0,6026)

2014.
60
Transporte Distribuio de probabilidades (tempo em segundos)
Mquina 15 Mquina 16 Normal (62,78 ; 10,52)
Mquina 22 Mquina 28 Normal (34,26 ; 0,2147)
Os dados coletados referentes aos tempos de processamento de mquinas e tempos de

transporte so de fundamental importncia para elaborao do modelo computacional, bem
como para sua posterior validao.
4.4.2 Dados Estatsticos do Processo

A construo do modelo computacional requer tambm dados estatsticos sobre o
desempenho do processo do sistema. Com dados de entrada devidamente preparados e
definido o modelo conceitual, o prximo passo a fase de implementao.
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%
Cartucho Mquina 28 0,175%

2014.
61
De posse dos dados apresentados na Tabela 3, o modelo de simulao desenvolvido
pode contemplar a perdas do sistema, facilitando sua validao, bem como trazendo maior
confiabilidade ao modelo.
4.4.2.2 Tempos de Parada

Tem-se, como histrico, os tempos totais mensais de parada de mquina e suas
respectivas causas. Foram coletados os dados relativos aos meses de Janeiro e Fevereiro de
2012. Tais valores foram analisados e esto indicados na Tabela 4.
Tabela 4 Tempos totais de parada nos meses de Janeiro e Fevereiro de 2012
Paradas 2012
%
Tipo de parada Tempo de parada (min) %
Acumulada
Ajuste em processo operacional 4985,00 15,91% 15,91%
M qualidade do material de embalagem 4875,00 15,56% 31,48%
Parada por falha de processo: matria-prima (granel) 4735,00 15,12% 46,59%
Ajuste manuteno equipamentos 3455,00 11,03% 57,62%
Refeio 2940,00 9,39% 67,01%
Outros 2640,00 8,43% 75,43%
Troca de lote 1750,00 5,59% 81,02%
Pequenas operaes em vazio 1240,00 3,96% 84,98%
Quebras do equipamento manuteno 1220,00 3,89% 88,87%
Retrabalho/ desacmulo de blisteres 795,00 2,54% 91,41%
Limpeza e sanitizao 660,00 2,11% 93,52%
Desvio na folha de pvc 590,00 1,88% 95,40%
Acmulo na ferramenta de corte 510,00 1,63% 97,03%
Aguardando documentao/ liberao da linha 195,00 0,62% 97,65%
Desligamento do equipamento 175,00 0,56% 98,21%
Aguardando manuteno 165,00 0,53% 98,74%
Reunies e paradas exclusivas 140,00 0,45% 99,19%
Falta de material/ granel 120,00 0,38% 99,57%
Descentralizao do alumnio 95,00 0,30% 99,87%
Limpeza das placas de aquecimento 20,00 0,06% 99,94%
Desligamento do equipamento devido utilidades 20,00 0,06% 100,00%
Total 31325,00 100,00%
Juntamente, foram calculadas as porcentages simples e acumulada que cada tipo de

parada apresentava em relao ao tempo total de paradas, de forma a ser possvel a realizao
de um demonstrativo obtido pela tcnica do Diagrama de Pareto, apresentado na Figura 5.
Dessa forma, esto destacadas as causas responsveis por 80% do tempo total de paradas.

2014.
62
Figura 5 Diagrama de Pareto dos tempos de parada da linha de embalagem em estudo
Desconsiderando-se os dias de frias coletivas de comeo de ano, chegou-se aos valores

dirios apontados na Tabela 5, em formato de distribuio estatstica.
Tabela 5 Tempos de parada dirias nos meses de Janeiro e Fevereiro de 2012
Paradas dirias
Tipo de parada Tempo de parada (s) Location
Ajuste em processo operacional N(6502,17; 113,585) Mquina 20
M qualidade do material de embalagem N(6358,70; 141,117) Mquina 27
Parada por falha de processo: matria-prima (granel) N(6176,09; 178,324) Mquina 4
Ajuste manuteno equipamentos N(4506,52; 159,559) Mquina 12
Refeio N(3834,78; 93,078) Geral
Outros N(3443,48; 71,635) Geral
Troca de lote N(2282,61; 39,562) Geral
Pequenas operaes em vazio N(1617,39; 33,583) Geral
Quebras do equipamento manuteno N(1591,30; 98,109) Geral
Retrabalho/ desacmulo de blisteres N(1036,96; 31,704) Mquina 24
Limpeza e sanitizao N(860,87; 81,347) Geral
Desvio na folha de pvc N(769,57; 29,669) Mquina 8
Acmulo na ferramenta de corte N(665,22; 26,255) Mquina 12
Aguardando documentao/ liberao da linha N(254,35; 14,220) Geral
Desligamento do equipamento N(228,26; 19,307) Geral
Aguardando manuteno N(215,22; 18,116) Geral
Reunies e paradas exclusivas N(182,61; 21,803) Geral
Falta de material/ granel N(156,52; 13,312) Mquina 1
Descentralizao do alumnio N(123,91; 10,876) Mquina 8
Limpeza das placas de aquecimento N(26,087; 3,846) Mquina 3
Desligamento do equipamento devido utilidades N(26,087; 54,859) Geral
As paradas que puderam ser atribuidas a uma atividade em especfico receberam a

designao do local em que ocorreram. Em caso contrrio, foram classificadas como geral, ou

2014.
63
por pararem a mquina por inteira ou por terem ocorrncia em diversas atividades.
4.5 Construo, verificao e validao do modelo computacional

O modelo computacional foi construdo, como apresentado anteriormente, no simulador
Promodel.
Inicialmente, foi construdo um modelo com as principais locations, entities e com a
definio dos processos. Em seguida, as lgicas dos processos foram programadas e as
distribuies de tempos foram acrescentadas.
Foram utilizados contadores nas locations e variveis globais no sistema para verificar
se as capacidades atendem ao modelo. Foram programadas tambm macros, de forma a se
tornar possvel a alterao de valores, para anlise da consequncia da alterao de
parmetros no sistema. Diversos modelos foram construdos para que se chegasse ao ponto de
se ter uma verso que pudesse ser validada. Para a validao, foram utilizadas duas tcnicas.
A primeira tcnica foi a validao face a face, na qual o gerente da rea observou o
desempenho da simulao e, ao ser perguntado quanto coerncia em comparao com a
realidade, validou o modelo computacional. A segunda tcnica foi a validao estatstica.
Nesta validao, os resultados da simulao foram comparados com dados histricos da
empresa. Para isto, o modelo foi executado para um dia, com 20 replicaes, que quantidade
de dias dos meses de Janeiro e Fevereiro de 2012 em que houve produo na linha de
embalagem e que tenham sido considerados dias regulares, sem descontos de horas ou de
turnos na produo. Na empresa em questo, a produo total diria representada pela
quantidade de cartuchos produzidos.
A Tabela 6 indica o total da produo realizada nos dias simulados pelo modelo
computacional e os dados reais.
Tabela 6 Produo de cartuchos indicada pela simulao e produo de cartuchos real
Dia Produo de Cartucho (Simulao) Produo de Cartuchos (Real)
1 18972 18760
2 18876 21864
3 18720 18912
4 18960 17520
5 18924 17136
6 18972 19152
7 19080 17491
8 18816 21955
9 18948 26604
10 18852 22100
11 18720 16171
12 18852 18304
13 18900 12116

2014.
64
Dia Produo de Cartucho (Simulao) Produo de Cartuchos (Real)
14 19020 14868
15 18984 17275
16 19116 15107
17 18960 18600
18 18876 16584
19 18888 22401
20 18972 21079
Um teste de normalidade foi realizado em cada amostra, por meio do software

Minitab. Os resultados dos testes podem ser visualizados nas Figuras 6 e 7.
Figura 6 Teste de normalidade aplicado amostra da produo de cartuchos real
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.

2014.
65
Figura 7 Teste de normalidade aplicado amostra da produo de cartuchos simulada
Posteriormente, foi realizado o teste T, que testa a igualdade de mdias entre as

amostras. Como visto na Figura 8, o resultado indicou p-value igual a 0,767, ou seja, acima
do nvel de significncia adotado (0,05).
Figura 8 Resultado do teste T de igualdade de mdias entre as amostras simulada e real
Portanto, o modelo de simulao est validado pela tcnica face a face e tambm est
estatisticamente validado.
4.6 Execuo dos experimentos e Anlise dos resultados

De posse de um modelo de simulao verificado e validado para representar a linha de
embalagem estudada, pode-se utilizar este modelo para se analisar o impacto dos tempos de
paradas de mquina no ndice de produtividade e, assim, criar uma importante ferramenta
gerencial, possibilitando a escolha de aes preventivas e corretivas mais adequadas ao
sistema.

2014.
66
Foram criados 6 cenrios para a simulao. O primeiro deles o cenrio real, que
apresenta as condies existentes atualmente na linha produtiva. Os cinco cenrios seguintes
so cenrios com melhorias, que representam a situao atual, porm com modificaes nas
macros referentes aos tempos de paradas da mquina. Nestes ltimos cenrios, foram
realizadas redues graduais de 10%, 20%, 30%, 40% e 50% nos tempos de parada mais
relevantes e que representam 80% do tempo de paradas total da mquina. Pode-se observar
pelo Diagrama de Pareto apresentado na Figura 5, que tais paradas consistem em: ajuste em
processo operacional, m qualidade do material de embalagem, falha de processo:
matria prima (granel), ajuste manuteno equipamentos, refeio, outros e troca de
lote.
A presena do item outros dentre os tempos de parada mais relevantes leva
compreenso de que tal item ainda necessita de um desdobramento em causas com
identificaes mais especficas, de forma a permitir melhor visualizao dos motivos que
causam tanta influncia na produtividade da linha. Como tal item ainda no permite um
direcionamento das aes preventivas e corretivas, por no indicar uma causa especfica,
reduziu-se o tempo imeditamente seguinte, representado por pequenas operaes em vazio.
Os resultados da produo total obtidos pelas 6 simulaes com cenrios diferentes esto
apresentadas na Tabela 7.
Tabela 7 Total de cartuchos produzidos em cada cenrio de simulao
Cenrio Produo de cartuchos
Real 18972
1 (reduo de 10%) 19356
2 (reduo de 20%) 19740
3 (reduo de 30%) 20172
4 (reduo de 40%) 21012
5 (reduo de 50%) 21480
O ndice de produtividade utilizado pela empresa segue a seguinte definio (Equao

2):
Quantidade Entregue
ndice de produtividade Vazo Terica (2)
Opening Time
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);

2014.
67
Vazo Terica = quantidade de unidades comerciais (cartuchos) produzidos quando a
mquina est na velocidade mxima recomendada pelo fabricante, no perodo de um
dia.
Opening Time = tempo total disponvel para operao da mquina, no perodo de um
dia.
Tem-se que a Vazo Terica e o Opening Time permanecem constantes com as

alteraes feitas no tempo de paradas. Para estabelecer o impacto da alterao do tempo de
paradas no valor do ndice de produtividade, basta verificar qual a porcentagem da
consequente alterao da Quantidade Entregue e atribuir este valor porcentagem de
alterao do ndice, tendo em vista que so valores diretamente proporcionais. Chega-se,
portanto, aos seguintes resultados de influncia no ndice de produtividade (Tabela 8).
Tabela 8 Ganho no OEE da linha de acordo com o cenrio simulado
Cenrio Ganho na produtividade da linha
1 (reduo de 10%) 2,02%
2 (reduo de 20%) 4,05%
3 (reduo de 30%) 6,33%
4 (reduo de 40%) 10,75%
5 (reduo de 50%) 13,22%
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

2014.
68
produzida ao final do dia. Um fluxo de caixa semelhante indica se o investimento na alterao
ser compensado futuramente e quando isto se dar.
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

2014.
69
se melhorar a qualidade do material de embalagem ou a avaliao da viabilidade de alteraes
de maquinrio.
IMPACT ANALYSIS OF MACHINE STOPS IN A PHARMACEUTICAL

COMPANY THROUGH SIMULATION
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.
Keywords: Discrete events simulation. Modeling and simulation. Pharmaceutical company.
AGRADECIMENTOS
Os autores agradecem FAPEMIG, ao CNPq e a CAPES por todo suporte ao longo
dessa pesquisa.
REFERNCIAS BIBLIOGRFICAS
ABDULMALEK, F.A.; RAJGOPAL, J. Analyzing the benefits of lean manufacturing and

value stream mapping via simulation: A process sector case study. International Journal of
Production Economics, n. 107, p. 223-236, 2007.
BANKS, J.; CARSON, J.S.; NELSON, B.L.; NICOL, D.M. Discrete event system
simulation. 4.ed. Upper Saddle River, NJ: Prentice-Hall, 2005.
BESSERIS, G. J. Profiling effects in industrial data mining by non-parametric DOE methods:

An application on screening check weighing systems in packaging operations. European
Journal of Operational Research, v.1, p.147-161, 2012.
CHUNG, C.A. Simulation Modeling Handbook: a practical approach. Washington D.C:

CRC press, 2004.

2014.
70
CHWIF, L.; PAUL, R.J.; BARRETTO, M.R.P. Discrete event simulation model reduction: A
causal approach. Simulation Modelling Practice and Theory, n. 14, p. 930-944, 2006.
DENGIZ, B.; BELGIN, O. Simulation optimization of a multi-stage multi-product paint shop

line with Response Surface Methodology. Simulation: Transactions of the Society for
Modeling and Simulation International, v.90, n.3, p.1-10, 2014.
ESKANDARI, H., BABOLMORAD, N., FARROKHNIA, N. Bottleneck analysis in a

pharmaceutical production line using simulation approach. In: Summer Computer Simulation
Conference, Proceedings... Toronto, 2013.
GARZA-REYES, J.A.; ELDRIDGE, S.; BARBER, K.D.; SORIANO-MEIER, H. Overall

equipment effectiveness (OEE) and process capability (PC) measures: a relationship analysis.
International Journal of Quality Reliability Management, v. 27, n.1, p. 48-62, 2010.
GREASLEY, A. Using business-process simulation within a business-process reengineering

approach. Business Process Management Journal, v. 9, n. 4, p.408-420, 2003.
GREASLEY, A. Using process mapping and business process simulation to support a

process-based approach to change in a public sector organization. Technovation, n. 26, p.95-
103, 2006.
HARREL, C.; GHOSH, B.K.; BOWDEN, R.O. Simulation Using Promodel. 2. ed. New
York: McGraw-Hill, 2004.
HOQUE, M.E.; PAUL, N. Inventory Management of Pharmaceutical Industries in

Bangladesh. System, v. 2, p. 3, 2011.
KELTON, D.W.; SADOWSKI, R.P.; STURROCK, D.T. Simulation with Arena. 4.ed. New
York: McGraw-Hill, 2007.
KREMER, D.M.; HANCOCK, B.C. Process simulation in the pharmaceutical industry: a

review of some basic physical models. Journal of Pharmaceutical Sciences, v. 95, n. 3, p.
517-529, 2006.
LAW, A.M.; KELTON, D.W. Simulation modeling and analysis. 3. ed. New York:
McGraw-Hill, 2000.
LEAL, F.; ALMEIDA, D.A.; MONTEVECHI, J.A.B. Uma Proposta de Tcnica de

Modelagem Conceitual para a Simulao atravs de elementos do IDEF. In: Simpsio
Brasileiro de Pesquisa Operacional, Anais... Joo Pessoa, PB, 2008.
MARTINS, R.A. Abordagens quantitativa e qualitativa. In: Miguel, Paulo A. C. (Org).

Metodologia de pesquisa em engenharia de produo e gesto de operaes. Rio de
Janeiro: Elsevier. Cap. 3, p.45-61, 2010.
MESQUITA, M.A.; SANTORO, M.C. Anlise de modelos e prticas de planejamento e

controle da produo na indstria farmacutica. Revista Produo, v. 14, n. 1, p. 65, 2004.
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
2014.
71
application in a Brazilian tech company. In: Proceedings, of the Winter Simulation
Conference, Baltimore, USA, 2010.
MORABITO, R.A.; PUREZA, V. Modelagem e simulao. In: MIGUEL, PAULO A. C.

(Org). Metodologia de pesquisa em engenharia de produo e gesto de operaes. Rio
de Janeiro: Elsevier. cap 8, p.165-194, 2010.
OKANE, J.F.; SPENCELEY, J.R.; TAYLOR, R. Simulation as an essential tool for

advanced manufacturing technology problems. Journal of Materials Processing
Technology, n.107, p.412-424, 2000.
PAPAVASILEIOU, V.; KOULOURIS, A.; SILETTI, C.; PETRIDES, D. Optimize

Manufacturing of Pharmaceutical Products with Process Simulation and Production
Scheduling Tools. Chemical Engineering Research and Design, v.85, n.7, p.1086-1097,
2007.
PETRIDES, D.; CARMICHAEL, D.; SILETTI, C.; KOULOURIS, A. Biopharmaceutical

Process Optimization with Simulation and Scheduling Tools. Bioengineering, v.1, n.4, p.154-
187, 2014.
SANCHEZ, S.M. Work smarter, not harder: guidelines for designing simulation experiments.
In: Winter Simulation Conference, Proceedings... Washington, DC, USA, 2007.
SANVITO, W.L. Indstria farmacutica: uma abordagem crtica. Revista da Sociedade

Brasileira de Clnicas Mdicas, v. 10, n. 4, p. 346-50, 2012.
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.
STROHHECKER, J.; SIBBEL, R.; DICK, M. Integrating Kanban principles in a

pharmaceutical campaign production system. Production Planning & Control, v.25, n.15,
p.1247-1263, 2014.
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.
Originais recebidos em: 03/07/2013

Aceito para publicao em: 02/01/2015

2014.
72

2438 14090 1 PB PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

2438 14090 1 PB PDF

Enviado por

Direitos autorais:

Formatos disponíveis

ANLISE DO IMPACTO DAS PARADAS DE MQUINA EM UMA

EMPRESA FARMACUTICA POR MEIO DA SIMULAO

Marina Santos Mello1

RESUMO: O interesse pelo uso da abordagem de simulao de processos vem crescendo

Palavras-chave: Simulao a eventos discretos. Modelagem e simulao. Empresa

Gerais, Brasil. E-mail: montevechi@unifei.edu.br.

Gerais, Brasil. E-mail: mirandaprod@yahoo.com.br.

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

O mtodo de modelagem e simulao tem sido empregado com sucesso em reas

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

3 MTODO DE PESQUISA MODELAGEM E SIMULAO

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

1.5 Modelagem Tempo, custo,

3.2 Execuo dos

Fonte: Adaptado de Montevechi et al. (2010)

Concepo: definio do problema, criao e validao do modelo conceitual, obteno

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Ressalta-se ainda a capacidade de comunicao do Promodel com o Excel,

4 APLICAO PRTICA DO MTODO

4.1 Objetivos e definio do sistema

4.2 Construo do modelo conceitual

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Fonte: Elaborado pelos autores

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

4.3 Validao do modelo conceitual

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

4.4 Modelagem dos dados de entrada

4.4.1 Tempos das atividades e de transportes

Fonte: Elaborado pelos autores

Retirados os outliers identificados como valores no usuais que interfeririam no

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Fonte: Elaborado pelos autores

Os testes de normalidade foram aplicados s demais atividades e aos transportes da

Na Tabela 2 pode-se verificar a distribuio de probabilidade para os transportes

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Os dados coletados referentes aos tempos de processamento de mquinas e tempos de

4.4.2 Dados Estatsticos do Processo

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

4.4.2.2 Tempos de Parada

Juntamente, foram calculadas as porcentages simples e acumulada que cada tipo de

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Fonte: Elaborado pelos autores

Desconsiderando-se os dias de frias coletivas de comeo de ano, chegou-se aos valores

As paradas que puderam ser atribuidas a uma atividade em especfico receberam a

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

4.5 Construo, verificao e validao do modelo computacional

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Um teste de normalidade foi realizado em cada amostra, por meio do software

Fonte: Elaborado pelos autores

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Fonte: Elaborado pelos autores

Posteriormente, foi realizado o teste T, que testa a igualdade de mdias entre as

Fonte: Elaborado pelos autores

4.6 Execuo dos experimentos e Anlise dos resultados

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

O ndice de produtividade utilizado pela empresa segue a seguinte definio (Equao

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Tem-se que a Vazo Terica e o Opening Time permanecem constantes com as

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,

Iberoamerican Journal of Industrial Engineering, Florianopolis, SC, Brazil, v. 6, n. 12, p. 48-72,