Você está na página 1de 5

Cincia e Tecnologia de Alimentos ISSN 0101-2061

Simulao da dinmica operacional de um processo industrial de abate de aves


Dynamic simulation of an industrial process of poultry slaughter

Douglas Cezar EBERT1*, Lus Csar da SILVA2, Marcio Antonio VILAS BOAS3

Resumo
Este trabalho foi conduzido com o objetivo de implementar um modelo computacional empregando a linguagem de simulao EXTENDTM
para: a) simular a dinmica de atividades de um matadouro-frigorfico de aves; e b) conduzir experimentos de anlise de sensibilidade. Para
tanto, foi implementado um modelo dinmico, estocstico e discreto. O sistema real modelado est localizado na regio sudoeste do Paran,
onde so abatidas cerca de 500000 aves por dia, empregando trs linhas de processamento operando em trs turnos dirios. Na validao
do modelo foram coletados dados relativos a trs turnos e comparadas as variveis de sada obtidas a partir do sistema real e as geradas
pelo modelo, as quais foram: i) tempo de processamento; ii) peso vivo total; iii) peso vivo aproveitado; iv) peso de subproduto; v)peso da
produo total; vi) peso do frango inteiro; e vii) peso total dos cortes. O modelo implementado demonstrou ser aplicvel, uma vez que
os erros mdios percentuais foram inferiores a 1,13%. O experimento de anlise de sensibilidade conduzido, mediante as alteraes das
velocidades de processamento das linhas em 7000, 8000 e 9000 frangos h1, apresentou os seguintes valores mdios para a varivel tempo
de processamento: 8,69; 7,86 e 7,86 horas, respectivamente. Alm disso, o experimento demonstrou que a velocidade de processamento
de 9000 frangos h1 no implica na direta reduo do tempo de processamento, pois a cadncia de chegada das cargas pode ter ocasionado
perodos de ociosidade do matadouro-frigorfico.
Palavras-chave: carne; matadouro; pesquisa operacional.

Abstract
This work was carried out with the objective of developing a computational model using the simulation language EXTENDTM to simulate
the dynamic of poultry slaughter industry and conduct sensitivity analysis experiments. Hence, a dynamic, stochastic, discrete model was
developed. The modeled real system is located in the southwestern region of the Paran State, Brazil, which has a daily slaughter capacity
of 500000 poultries using three processing lines and operating in three daily schedules. To validate the model data from three schedules
were collected and compared to the output variables from the real system generated by the model; those variables were: (i) processing time;
(ii) gross weight; (iii) live weight; (iv) sub-product weight; (v) total production weight; (vi) whole slaughtered weight; and (vii) net weight.
The model implemented proved to be efficient since the percentage of average errors was less than 1.13%. The sensitivity analysis carried
out, with processing rates changed to 7000; 8000 and 9000 poultries per hour per line, showed the following processing time averages 8.69,
7.86 and 7.86 hours, respectively. In addition, the experiment demonstrated that the processing rate of 9000 poultries h1 does not imply
directly a reduction of the processing time since the rate of poultry arriving at the slaughterhouse can be related to idle periods at poultry
slaughter facility.
Keywords: meat; slaughter industry; operations researches.

1 Introduo
O setor agroindustrial avcola brasileiro referncia de alimentar. Essas exigncias tm provocado mudanas que tiveram
organizao no Pas, o que pode ser comprovado pela eficincia incio com trabalhos de melhoramento gentico e, atualmente,
na conquista de mercado no exterior, como tambm pelas envolvem toda a cadeia produtiva, levando em conta quesitos
estratgias de diferenciao de produtos. Isto se deve forma de desde a alimentao de alto padro tcnico e nutricional at as
gerenciamento de integrao da cadeia produtiva avcola baseada etapas da linha de abate. Deste modo, na atualidade possvel
no sistema de parcerias entre indstria, tecnlogos e produtores
controlar a maior parte dos fatores que influenciam a qualidade
rurais (MELLO, 2001; PINOTTI; PAULILLO, 2007).
da carne de frango nas diversas etapas da produo dentro da
As exigncias quanto qualidade da carne nos aspectos cadeia produtiva (KAUFFMAN; MARSH, 1987; NORTHCUTT;
fsico-qumicos, sanitrios e nutricional so cada vez maiores quer FOEGEDING; EDENS, 1994).
no mercado internacional quer no nacional. Com o passar dos
tempos, os consumidores tornaram-se mais cientes dos atributos De acordo com os conceitos da rea de pesquisa operacional
de qualidade da carne e tambm dos preceitos de educao (FERNANDESetal., 2007; SILVA, 2002; WINSTON, 1994) e com

Recebido para publicao em 25/9/2007


Aceito para publicao em 3/1/2009 (002855)
1
Unio de Ensino do Sudoeste do Paran UNISEP, CEP 85660-000, Dois Vizinhos PR, Brasil, E-mail: douglas.ebert@ibest.com.br
2
Departamento de Engenharia Rural, Universidade Federal do Esprito Santo UFES, CEP 29500-000, Alegre ES, Brasil, E-mail: silvaluisc@yahoo.com
3
Departamento de Engenharia Agrcola, Universidade Estadual do Oeste do Paran UNIOESTE, CEP 85814-110, Cascavel PR, Brasil, E-mail: vilasboas@unioeste.br
*A quem a correspondncia deve ser enviada

Cinc. Tecnol. Aliment., Campinas, 29(2): 305-309, abr.-jun. 2009 305


Simulao de um processo de abate de aves

a forma de funcionamento dos matadouros-frigorficos, estes A infraestrutura desse matadouro-frigorfico constituda


podem ser visualizados como sistemas em que um conjunto de de: i) setor de recepo, que conta com uma balana rodoviria e
operaes unitrias realizado segundo uma lgica para a obteno uma plataforma de descanso com capacidade de estacionamento
de carne e derivados a partir do abate de animais como: aves, de sete caminhes. Esse local provido de ventiladores e
sunos e bovinos (FERNANDESetal., 2007; PARDIetal.,1996; umidificadores de tal forma a diminuir o estresse das aves, devido
PARDIetal., 1996). ao transporte; ii) setor de descarga, com capacidade de atender a
trs caminhes por vez; e iii) matadouro-frigorfico, que dispe
Considerando a complexidade operacional de um matadouro-
de trs linhas de abate que podem operar com velocidades de
frigorfico e a influncia de diferentes fatores estocsticos, a
processamento variando de 7000 a 9000 aves por hora.
tcnica de modelagem e simulao apresenta-se como uma
ferramenta ideal para estudos e avaliaes deste tipo de sistema Devido s caractersticas do sistema e ao objetivo de replicar
(FERNANDESetal., 2007). a dinmica operacional do sistema, optou-se por implementar
um modelo tipificado como dinmico, estocstico e discreto,
Para modelar e simular um sistema real necessrio sendo empregada a linguagem de simulao EXTENDTM.
implementar um modelo matemtico aplicado simulao.
Desse modo, podem ser empregadas linguagens de programao A implementao e validao do modelo envolveram a
como FORTRAN, C e PASCAL; ou de simulao, exemplos, execuo das seguintes fases: 1) caracterizao do sistema real;
SLAM, ARENA, POWERSIM e EXTEND (SILVA, 2002; 2) criao do modelo conceitual; 3) estruturao e verificao
WINSTON,1994). do modelo computacional; 4) obteno de dados; e 5) validao
do modelo. Executados esses passos, foi conduzida anlise de
Especificamente sobre EXTENDTM, trata-se de uma sensibilidade mediante a alterao da velocidade de processamento
linguagem de simulao tipo orientada objeto de grande apelo de frangos por hora.
visual. Essa linguagem permite ao usurio: i) utilizar modelos
implementados; ii) criar modelos a partir de blocos-padro Na implementao do modelo conceitual foram priorizadas
disponibilizados pelo software; iii) programar novos blocos ou as movimentaes de cargas de frangos vivos e produes em
modificar os cdigos dos existentes; e iv) criar modelos discretos termos de unidades e peso. Para tanto, conforme representado
ou contnuos (RIVERA, 1997; WINSTON, 1994). na Figura1, foram considerados: a) o plano de abate, que tem
por principal parmetro a quantidade de frangos a ser abatida
O emprego da tcnica de simulao propicia: projetar e por turno; b) o servio de recepo, que se refere pesagem
analisar sistemas industriais, prever resultados na execuo e determinao do peso lquido da carga e ao peso mdio de
de determinada ao, reduzir os riscos na tomada de deciso, frangos; c) a reteno na plataforma de descanso; d) a operao
identificar problemas antes de suas ocorrncias, realizar anlises de descarga; e e) a produo do matadouro.
de sensibilidade e reduzir custos, uma vez que possvel conduzir
experimentos como anlise de sensibilidade, comparao de Os dados necessrios implementao e validao do modelo
cenrios, simulao de Monte Carlo e otimizao (RIVERA,1997; foram obtidos a partir de planilhas de controle de processo da
WINSTON, 1994). empresa. Os dados referem-se s informaes que o usurio
deve introduzir no modelo.
Quanto classificao dos modelos de simulao, estes podem
ser: a) esttico ou dinmico modelos estticos representam o O modelo implementado no ambiente EXTENDTM, verso
estado do sistema para dado instante, enquanto os dinmicos 4.1.3C, constitudo de seis blocos, denominados: Plano de
descrevem as alteraes de estado do sistema em funo do abate, Recepo, Plataforma de descanso, Descarga, Caminhes
avano da varivel tempo; b) determinstico ou estocstico vazios e Matadouro. Estes blocos so interligados conforme a
os modelos determinsticos no empregam variveis aleatrias representao do modelo conceitual
diferentes dos estocsticos; e c) discreto ou contnuo em modelos O bloco plano de abate foi estruturado para a gerao de
discretos o avano da varivel tempo est associado ocorrncia eventos que correspondem chegada de caminhes carregados
de eventos, enquanto em modelos contnuos os avanos so ao matadouro-frigorfico. Para tanto, o usurio dever informar:
feitos em incrementos pr-definidos (FERNANDESetal.,2007; nmero de aves que sero abatidas por turno; nmero mnimo
RIVERA, 1997; WINSTON, 1994). de frangos por caminho; horrios de incio e paradas no
Em virtude das potencialidades da tcnica de simulao, este turno; e distribuio que descreve o intervalo de tempo entre
trabalho foi desenvolvido com o objetivo de implementar um as chegadas dos caminhes; o nmero de aves por caminhes;
modelo computacional para simular a dinmica operacional do e o peso vivo mdio dos frangos.
processo de abate de aves utilizando a linguagem de simulao O bloco recepo simula o funcionamento do setor de
EXTENDTM e proceder a experimentos de anlise de sensibilidade recepo e gera informaes como o fluxo horrio de caminhes,
ao alterar a velocidade de processamento das linhas de abate. o nmero de caminhes recebidos, o nmero de aves recebidas
e o peso vivo de frangos recebidos.
2 Material e mtodos O bloco Plataforma de descanso reproduz durante a simulao
O sistema real modelado est localizado na regio sudoeste o tempo de reteno dos caminhes para o descanso das aves.
do Paran, tem capacidade de abate prxima a 500000 aves por Os dados de entrada so o nmero mximo de caminhes que
dia, opera diariamente em trs turnos e produz principalmente pode ser retido por vez e a distribuio que descreve o tempo
frangos inteiros para o mercado internacional. de reteno para cada caminho carregado.

306 Cinc. Tecnol. Aliment., Campinas, 29(2): 305-309, abr.-jun. 2009


Ebert; Silva; Vilas Boas

Com relao ao bloco Descarga, esse foi modelado para MD=valor gerado pelo modelo; e
descrever a operao de descarga. O usurio dever informar: o
GLR=grau de liberdade do nmero de replicaes do
nmero de caminhes a ser descarregado por vez e a distribuio
modelo.
que descreve o tempo de descarga por caminho.
As variveis comparadas na validao do modelo, considerando
No que se refere ao bloco Caminhes vazios, esse contabiliza
o nmero de caminhes descarregados. E por fim, o bloco os dados obtidos a partir do sistema real e os gerados pelo modelo,
Matadouro simula o funcionamento de trs linhas de abate e, relativos a trs turnos, foram: i) tempo de processamento; ii) peso
para cada uma, deve ser informado: velocidade de processamento, vivo total; iii) peso vivo aproveitado; iv) peso de subproduto;
frangos h1; percentagem de aves condenadas; percentagem de v)peso da produo total; vi) peso de frango inteiro; e vii) peso
aves destinadas seo de corte; percentagem de subprodutos; total dos cortes. Os dados gerados pelo modelo so relativos a
e distribuio percentual para os cortes frango nove partes, cinco replicaes.
peito, pernas, asas, midos, pezinhos, pertences e especiais. Uma vez que o modelo foi validado, foram realizadas
Na execuo dos procedimentos de validao, foram: experimentaes tipo anlise de sensibilidade. O parmetro
i)determinados intervalos de confiana, considerando a alterado foi velocidade de processamento, adotando-se os seguintes
distribuio t ao nvel de probabilidade de 99%, Equaes1e2; valores alterados: 7000, 8000 e 9000 frangos por hora em cada
e ii) calculados o erro mdio estimado, Equao 3. uma das trs linhas de abate. O impacto dessas alteraes foi
avaliado para a varivel de sada tempo de processamento. Foi
t /2,n1.s( x ) escolhida essa varivel pelo fato de ser diretamente impactada
LS = X + (1)
n pela velocidade de processamento e sua influncia sobre as

demais variveis de sada. Em cada situao experimental foram
LI = X
t /2,n1.s( x )
(2)
procedidas cinco replicaes.
n

em que:
3 Resultados e discusso
Para proceder validao foram utilizados dados de trs
LS=limite superior do intervalo de confiana;
turnos identificados como 1, 2 e 3. Durante esses turnos foram
LI=limite inferior do intervalo de confiana; recebidas para abate as seguintes quantidades de aves: 174.239,
166.870 e 144.021, respectivamente.
X =mdia calculada a partir dos dados obtidos do sistema
real ou gerados pelo modelo; Nas Tabelas 1, 2 e 3 esto apresentados os valores obtidos no
n=nmero de observaes; sistema real e os gerados pelo modelo para as seguintes variveis
empregadas nos procedimentos de validao.
t/2, n1=representa um valor da distribuio t para n-1 graus
de liberdade em nvel de probabilidade de /2; e Ao proceder anlise das Tabelas 1, 2 e 3, conclui-se que
o modelo presta-se aos objetivos propostos, pois, ao serem
s(x)=desvio padro. realizadas cinco rodadas, os intervalos de confiana contm os
valores obtidos do sistema real e os erros mdios estimados so
SE =
(SR MD)2
(3) baixos, como tambm os valores percentuais dos erros mdios.
GLR Estes foram determinados pela rao percentual entre o erro
mdio estimado e o valor obtido do sistema real.
em que:
Por exemplo, para a varivel peso vivo total, considerando-se o
SE=erro mdio estimado;
turno 1, Tabela1, o valor obtido no sistema real foi 241.954,24kg,
SR=valor obtido a partir do sistema real; enquanto o intervalo de confiana para os dados gerados pelo

Plano de abate Plataforma de descanso


Descarga

Recepo
o no. Matadouro

des.

m de

Caminhes vazios

Figura 1. Modelo conceitual de um matadouro-frigorfico de frangos.

Cinc. Tecnol. Aliment., Campinas, 29(2): 305-309, abr.-jun. 2009 307


Simulao de um processo de abate de aves

modelo abrange valores de 236.462,81 a 249.950,39 kg. Estes tm Conforme pode ser observado na Figura2, medida que
variao de 2,78% em relao ao valor obtido do sistema. Tal aumentada a velocidade de processamento do matadouro, menor
eficincia de previso do modelo pode tambm ser constatada o tempo de processamento. No entanto, medida que isso
ao serem analisados os erros mdios estimados. Para o caso em ocorre, maiores so as amplitudes dos intervalos de confiana,
questo, foi calculado um erro mdio estimado de 626,18 kg, o o que denota a instabilidade do processo de produo. Por
que corresponde a 0,26% do valor obtido do sistema real. exemplo, para a velocidade de processamento de 9000frangosh1
observada maior disperso. Isso pode ser atribudo aos perodos
Semelhantes ponderaes podem ser conduzidas para os
de ociosidade do matadouro em razo da falta de frangos a abater,
trs turnos e para as diferentes variveis, uma vez que o maior
o que decorre em razo da aleatoriedade da varivel espao de
valor percentual do erro foi 1,13% (Tabela3) para estimar o
tempo entre as chegadas. Portanto, para que isso no ocorra o
tempo de processamento.
planejamento do carregamento deve ser readequado de tal forma
a diminuir o intervalo de tempo entre as chegadas de caminhes,
3.1 Anlise de sensibilidade que atualmente apresenta mdia de 17,2minutos e mximo
O experimento de anlise de sensibilidade empregando o de 70,0minutos. Portanto, de acordo com o experimento de
modelo ao serem modificadas as velocidades de processamento anlise de sensibilidade realizado, a velocidade de processamento
das linhas de processamento em 7000, 8000 e 9000 frangos por adequada 8000 frangos h1 em cada uma das linhas, o que
hora, levou determinao dos seguintes intervalos de confiana corresponde para o sistema real modelado o processamento
em nvel de probabilidade de 99% para a varivel tempo de de 24000 frangos por hora. Isto se deve ao menor valor e
processamento: 8,69 0,63; 7,86 0,94; e 7,86 1,83horas, variabilidade do tempo de processamento, consequentemente
respectivamente. Melhor visualizao destes intervalos de maior eficincia no uso da estrutura, equipamentos e mo de
confiana representada na Figura2. obra associados s operaes de abate.

Tabela 1. Valores obtidos do sistema real e gerados pelo modelo ao ser simulado o turno 1.
Variveis Valores do sistema real Intervalos de confiana para os Erro mdio estimado Valor percentual
valores gerados pelo modelo do erro mdio (%)
Tempo de processamento (horas) 7,10 7,21 0,99 0,05 0,74
Peso vivo total (kg) 241.954,24 243.206,60 6.743,79 626,18 0,26
Peso vivo aproveitado (kg) 243.846,00 242.112,17 6.713,44 866,91 0,36
Peso subproduto (kg) 53.874,00 53.991,01 1.497,09 58,50 0,11
Peso da total produo (kg) 186.830,00 188.121,15 5.216,34 645,57 0,35
Peso de frango inteiro (kg) 162.123,00 161.784,20 4.486,06 169,40 0,10
Peso total dos cortes (kg) 26.133,00 26.336,96 730,29 101,98 0,39

Tabela 2. Valores obtidos do sistema real e gerados pelo modelo ao ser simulado o turno 2.
Variveis Valores do sistema real Intervalos de confiana para os Erro mdio estimado Valor percentual
valores gerados pelo modelo do erro mdio (%)
Tempo de processamento (horas) 7,50 7,51 0,35 0,005 0,06
Peso vivo total (kg) 234.721,62 231.859,12 5.564,04 1431,24 0,61
Peso vivo aproveitado (kg) 231.233,00 230.815,76 5.538,99 208,62 0,09
Peso subproduto (kg) 52.121,00 51.471,91 1.235,19 324,54 0,62
Peso da total produo (kg) 181.245,00 179.343,85 4.303,80 950,57 0,52
Peso de frango inteiro (kg) 153.879,00 154.235,71 3.701,27 178,35 0,12
Peso total dos cortes (kg) 25.122,00 25.108,13 602,53 6,93 0,03

Tabela 3. Valores obtidos do sistema real e gerados pelo modelo ao ser simulado o turno 3.
Variveis Valores do sistema real Intervalos de confiana para os Erro mdio estimado Valor percentual
valores gerados pelo modelo do erro mdio (%)
Tempo de processamento (h) 6,15 6,29 0,38 0,07 1,13
Peso vivo total (kg) 201.686,58 199.518,84 6.524,86 1083,87 0,54
Peso vivo aproveitado (kg) 201.172,00 198.640,95 6.496,14 1265,52 0,63
Peso subproduto (kg) 44.321,00 44.296,93 1.448,63 12,03 0,03
Peso da total produo (kg) 156.787,00 154.344,02 5.047,50 1221,48 0,78
Peso de frango inteiro (kg) 134.565,00 132.735,85 4.340,85 914,57 0,68
Peso total dos cortes (kg) 21.980,00 21.608,15 706,65 185,92 0,85

308 Cinc. Tecnol. Aliment., Campinas, 29(2): 305-309, abr.-jun. 2009


Ebert; Silva; Vilas Boas

nmero maior faz o sistema operar com instabilidade, gerando


ora perodo de ociosidade, ora de alta eficincia.
9
Tempo de processamento (h)

Referncias bibliogrficas
. FERNANDES, C. A.etal. Simulao da dinmica operacional de
8 uma linha industrial de abate de sunos. Cincia Tecnologia de
Alimentos, v. 26, n. 1, 2006.
PARDI, M. C.etal. Cincia Higiene e Tecnologia da Carne. Goinia:
Editora da UFG, 1996. V. 1.
7 PARDI, M. C.etal. Cincia Higiene e Tecnologia da Carne. Goinia:
Editora da UFG, 1996. V. 2.
KAUFFMAN, R. G.; MARSH, B. B. Quality characteristics of muscle
7000 8000 9000
as a food. In: PRICE, J. F.; SCHWEIGERT, B. S. (Eds.). The science
Velocidade de processamento (frangos h1) of meat and meat products. Westport: Food & Nutrition Press,
Inc., 1987.
Figura 2. Grfico boxplot para a varivel tempo de processamento ao
serem alteradas as velocidades de processamento. LAW, A. M.; KELTON, W. D. Simulation modeling & analysis. New
York: McGraw Hill Inc., 1991.
MELLO, A. J. R. A dinmica inovativa na indstria de frangos na dcada
de 90. 2001. Dissertao (Mestrado em Engenharia de Produo)
4 Concluses Universidade Federal do Rio de Janeiro, Rio de Janeiro.
O modelo implementado apresenta as seguintes restries: NORTHCUTT, J. K.; FOEGEDING, E. A.; EDENS, F. W. Water-holding
1)simula um turno por vez; e 2) o matadouro deve ter no mximo properties of thermally preconditioned chicken breast and leg meat.
trs linhas de processamento. Georgia. Poultry Science, v. 73, n. 2, p. 308-316, 1994.
De acordo com os resultados das anlises realizadas para PINOTTI, R. N.; PAULILLO, L. F. O. A estruturao da rede de empresas
processadoras de aves no Estado de Santa Catarina: governana
sua validao, conclui-se que o modelo aplicvel para simular
contratual e dependncia de recursos. Gesto & Produo, v. 13,
a dinmica operacional de linhas industriais de abate de frangos, n. 1, 2006.
especificamente na previso das seguintes variveis: i) tempo de
RIVERA, J. Modeling With EXTEND. In: WINTER SIMULATION
processamento; ii) peso vivo total; iii) peso vivo aproveitado;
CONFERENCE, 1997, Atlanta, Georgia. Proceedings... New York:
iv) peso de subproduto; v)peso da produo total; vi) peso do Association of Computer, 1997. p. 674-676.
frango inteiro; e vii) peso total de cortes.
SILVA, L. C. Stochastic simulation of the dynamic behavior of grain
Por meio do experimento de anlise de sensibilidade conduzido, storage facilities. 2002. 104 p. Tese (Doutorado em Engenharia
foi demonstrado que a condio tima de funcionamento do Agrcola) Universidade Federal de Viosa, Viosa.
matadouro a de 24000 abates de frangos por hora. Quantidade WINSTON, W. L. Operations research: applications and algorithms.
menor causa aumento do tempo de processamento, enquanto Belmont: Wadsworth Publishing Company, 1994. p. 11831225.

Cinc. Tecnol. Aliment., Campinas, 29(2): 305-309, abr.-jun. 2009 309