Escolar Documentos
Profissional Documentos
Cultura Documentos
ATRAVÉS DA SIMULAÇÃO
Visão Geral
Parte I
♦ Processos de tomada de decisão: tipos de decisões
e métodos de decisões
♦ O que é Simulação, tipos de simulação e histórico
♦ Abordagem Aleatória/Dinâmica contra a
abordagem Estática/Determinística para a solução
de problemas e tomada de decisões
Parte II
♦ Casos Práticos: Aplicações de Simulação em
Bancos, Manufatura, Logística e Cadeia de
Suprimentos, Cadeias de Fast-Food, Call Centers,
Hospitais, Portos e Aeroportos e Supermercados.
Conclusões
Abril de 2006 II EMEPRO - Viçosa MG Slide # 2
1
Parte I
Motivação Inicial
♦ “Amigos, há apenas duas
coisas na vida que vocês
tem que fazer. Vocês
têm que morrer e fazer
escolhas. Dessas não há
como escapar”
2
Quando Tomamos Decisões ?
3
Exercício 1: O Abrigo
Nuclear
♦ Imaginem que nossa cidade está sob
ameaça de uma bomba nuclear.
Aproxima-se um homem e lhes solicita
uma decisão imediata. Existe um abrigo
nuclear que só pode acomodar seis
pessoas. Há doze que pretendem entrar.
Há uma relação das doze pessoas
interessadas a entrar no abrigo.
♦ Quais pessoas você levaria para o
abrigo? Justifique sua decisão.
4
Problema da Decisão
♦ Para tomarmos decisões “corretas”,
necessitamos:
– Entender o processo e os assuntos
importantes relacionados à tomada de
decisão;
– Entender os métodos que estão
disponíveis para auxiliar no processo
de tomada de decisão;
– Entender o papel que os Sistemas de
Informação podem desempenhar no
suporte à tomada de decisão.
Abril de 2006 II EMEPRO - Viçosa MG Slide # 9
Tipos de Decisões
Tipos de Exemplo
Decisões
Estruturada Determinar Investimento Ótimo
Determinar melhor nível de
estoque
Semi-estruturada Determinar programação
produção
Determinar melhor Layout
Não Estruturada Contratação de Executivos
Escolher projetos de P&D
5
Níveis de Decisões
Níveis de Exemplo
Decisões
Controle Compra de Software
(Operacional) Entrada de Pedidos
Administrativa Plano de Investimentos
(Tático) “Make or Buy”
Estratégica Localização de Fábrica
Novas tecnologias
Técnicas de Decisão1
♦ Intuição ou “Feeling”
♦ Alfarrábios ou “Regras de Bolo”
♦ Técnicas Consagradas de Decisão
6
A Intuição pode Gerar
Erros?
Valores Iguais
Café Leite
1) Pegar uma colher leite e levar a xícara de café
2) Misturar o leite no café
3) Uma colher de café com leite e coloca na xícara
com leite e misture.
4) No final as duas continuam com o mesmo volume.
TEM PROPORCIONALMENTE:
* MAIS LEITE NO CAFÉ OU MAIS CAFÉ NO LEITE ?
7
Resposta
Valores Iguais
Café Leite
1) Havia 150 ml de café 1) Havia 120 ml de leite
2) Adicionou 30 ml de leite 2) Adicionou a colher
3) Ficando 180 ml total na xícara de com a mistura de café
café com leite sendo 1/6 de leite(30ml) com leite contendo 5 ml
e 5/6 de café (150ml) de leite e 25ml de café.
4) Tira-se uma colher de café com leite 3) Ficando assim 125
misturado, nesta colher haverá 30ml ml de leite e 25ml de
sendo 5ml de leite e 25ml de café e leve- café.
a ao leite.
5) Ficando assim 125ml (5/6) de café e
25 ml (1/6) de leite
8
Resposta
9
Segundo a HBR1:
“Em se tratando da tomada de
decisões, sua cabeça pode ser
seu maior inimigo”
Hammond, Keeney e Raiffa
Exercício 3: O Bolo
Você convidou 28 pessoas para sua festa
de aniversário. Você terá de decidir
quanto deve comprar de bolo. Como você
tomaria esta decisão? Quanto você
compraria?
10
Exemplo de Regras
♦ “Média de 150 g por pessoa de Bolo”
11
Técnicas de Decisões
Consagradas
♦ São técnicas de decisões desenvolvidas por anos
e anos de pesquisas.
♦ Podem ser classificadas em diversas categorias
conforme a natureza do problema da decisão
♦ Algumas Técnicas:
– Métodos de Otimização – Algoritmos Genéticos
– Teoria dos Jogos
– Lógica Nebulosa
– Analytic Hierachy Process – AHP
– Simulação !
Simulação
Processo de elaboração de um modelo de
um sistema real (ou hipotético) e a
condução de experimentos com a
finalidade de entender o comportamento
de um sistema ou avaliar sua operação
(SHANNON, 75)
Sistema
Modelo
Abril de 2006 II EMEPRO - Viçosa MG Slide # 24
12
Tipos de Simulação
♦ Simulação não Computacional
(protótipo)
♦ Simulação Computacional
– Simulação Monte Carlo
– Simulação de Sistemas Contínuos
– Simulação de Eventos Discretos
Simulação não
Computacional
Protótipo em
túnel de vento Simulação de Acontecimentos
13
Simulação Monte Carlo
♦ Utilização de amostragem aleatória para
solução de problemas de natureza
estocástica ou determinística, onde o tempo
não é o parâmetro mais importante (como é
no caso da simulação de eventos discretos)
♦ O nome faz alusão ao “Cassino Monte Carlo”
devido as suas propriedades aleatórias.
♦ Alguns autores a denominam de “Simulação
Estática”
14
Simulação Monte Carlo
Exemplo do Jornaleiro
♦ A partir da sua experiência vendendo
jornais, o jornaleiro sabe que a distribuição
do número de clientes que aparecem em um
domingo é discreta e pode ser representada
pela seguinte tabela
Número de Clientes Probabilidade
100 0,10
150 0,25
200 0,35
250 0,20
300 0,10
Solução completa em www.livrosimulacao.eng.br
Modelos de Simulação
Contínua
♦ Introduzido por Forrester em 1961
♦ Aplicados a problemas que possuem
fortes características de realimentação.
♦ Usam sistemas de equações que
trabalham com níveis e fluxos; o tempo
de simulação avança continuamente.
♦ Problemas: não entra no detalhe do
sistema. Funciona bem para macro-
processos: Nível Tático/Estratégico
15
Simulação Contínua
Exemplo
Estoque cliente
manufatura
Administração Preço
Simulação de Eventos
Discretos
♦ Introduzida na década de 50 para fins
militares
♦ Capaz de Lidar com Sistemas Complexos
(muitas interações entre as variáveis)
♦ Capaz de Lidar com o comportamento
dinâmico de sistemas
♦ Capaz de Lidar com variá
variáveis aleató
aleatórias
(seguem uma certa distribuição de
probabilidades)
♦ Mais apropriada para simulação de
processos no nível operacional.
Abril de 2006 II EMEPRO - Viçosa MG Slide # 32
16
Simulação de Eventos
Discretos – Exemplo
x1..xn estados
Chegada x4
e1..en eventos
x2
x3
Espera
x1
tempo
e1 e2 e3 e4
Saída
Estocástico x
Determinístico
A simulação é uma ferramenta apropriada
na análise de sistemas estocásticos
(sujeitos a variações contrário a sistemas
deterministícos onde as variáveis não se
alteram), pois conseguem capturar a
aleatoriedade através de distribuições
estatísticas:
17
Aleatório + Dinâmico X
Determinístico + Estático
♦ Num banco, o intervalo entre as
chegadas sucessivas de clientes é de 1
minuto e o tempo de atendimento do
caixa, é de 0.99 minuto. Qual é o
tamanho máximo da fila, considerando:
– (i) Os tempos são determinísticos e
constantes.
– (ii) Os tempos fornecidos são a média de uma
distribuição de probabilidade exponencial.
Métodos de Análise de
Sistemas
Maior Maior
• Simulação
Complexidade Esforço
Dinâmica • Planilhas Qualidade
Aleatóriedade
• Calculadora
• Lápis e Papel
• Intuição
18
Exemplo:
Alimentação de Prensas
Prensa 1 (P1)
Prensa 2 (P2)
Prensa 3 (P3)
Trilho do
Carrinho
Carrinho
Exemplo:
Alimentação de Prensas
♦ Deseja-se determinar o número de
carrinhos automáticos para a alimentação
de bobinas metálicas de três prensas. A
alimentação deve iniciar-se assim que uma
das prensas terminar de produzir um
determinado lote de peças. A condição
principal é a de que deverá haver um
carrinho disponível para a alimentação das
prensas, pois uma espera pelo carrinho de
alimentação poderá gerar perdas de
produção.
Abril de 2006 II EMEPRO - Viçosa MG Slide # 38
19
Método – “Intuição”
Conclusão
Ora, para não haver perdas de
produção, o carrinho deve estar
sempre disponível quando a prensa
solicitar !!! Se por exemplo houver um
só carrinho e este estiver alimentando
a prensa 1, se a prensa 2 solicitar a
troca de bobina ela terá que esperar o
carrinho e isto gerará uma ociosidade
e consequentemente perdas de
produção.
Logo, como são necessários 3
carrinhos (um para cada prensa).
É óbvio !!!!
Abril de 2006 II EMEPRO - Viçosa MG Slide # 39
20
Método – “Planilhas Excel”
Resolução
Prensa 1 Prensa 2 Prensa 3
Término Operação - Início "SET UP" 249 210 129
Início Operação - Término "SET UP" 269 230 149
Término Operação - Início "SET UP" 518 440 278
Início Operação - Término "SET UP" 538 460 298
Término Operação - Início "SET UP" 787 670 427
Início Operação - Término "SET UP" 807 690 447
Término Operação - Início "SET UP" 1056 900 576
Início Operação - Término "SET UP" 1076 920 596
Término Operação - Início "SET UP" 1325 1130 725
Início Operação - Término "SET UP" 1345 1150 745
Término Operação - Início "SET UP" 1594 1360 874
Início Operação - Término "SET UP" 1614 1380 894
Término Operação - Início "SET UP" 1863 1590 1023
Início Operação - Término "SET UP" 1883 1610 1043
Término Operação - Início "SET UP" 2132 1820 1172
Início Operação - Término "SET UP" 2152 1840 1192
Término Operação - Início "SET UP" 2401 2050 1321
Início Operação - Término "SET UP" 2421 2070 1341
21
Método – “Simulação”
Dados
♦ Dados para análise:
– Velocidade máxima do carrinho = 8 m/min
– Aceleração / Desaceleração = 12,9 m/min2
– Tempo de Descarga Bobina = N(2,0.25) min
– Tempo de Carga Bobina = N(2,0.25) min
– Tempo de Lote P1 = T(125,249,498) min
– Tempo de Lote P2 = T(105,210,420) min
– Tempo de Lote P3 = T(65,129,258) min
– Percurso carrinho – Conforme Layout
Método – “Simulação”
♦ Exemplos: distribuições
Triangular e Normal
Função Densidade de Probabilidade
Triangular a=4, c=10, b=14
Probabilidade
1,500
Probabilidade
4 10 14 1,000
0,500
0,000
1,65
1
6
8
0,
0,
22
Método – “Simulação”
Solução
23
Resultados – Custo x
Benefício
Parte II
Casos
Práticos
24
Caso I: Área Manufatura
Linha de Montagem Automotiva
♦ DESCRIÇÃO DO SISTEMA: Linha de Montagem de
Carrocerias bruta inicial mais parte de expansão
♦ OBJETIVOS: Verificar se a quantidade de Skids
inicialmente calculados atende ao nível de
produtividade desejado além de detectar gargalos na
produção
♦ PRINCIPAIS CONCLUSÕES: A linha não teve
gargalos de produção no entanto o número de Skids
iniciais estava superdimensionado. Ao invés de 600 é
possível atingir a mesma produtividade com 400
Skids.
♦ GANHOS: A solução proposta permitiu um ganho
200 Skids evitando-se um gasto adicional da ordem
de R$ 2.000.000,00
25
Caso III: Área Serviços
Dimensionamento Atendimento Público
♦ DESCRIÇÃO DO SISTEMA: Conjunto de Atendentes,
Gerentes e Estagiários para atendimento de clientes
em uma instituição bancária.
♦ OBJETIVOS: Dimensionar a carga de trabalho (Work
Load) de Atendentes, Gerentes e Estagiários a fim de
atingir o nível de serviço estipulado.
♦ PRINCIPAIS CONCLUSÕES: A quantidade de pessoas
consegue atender a maioria dos clientes dentro do
nível de serviço, só que estão com a capacidade
praticamente saturada, não sobrando mais tempo
para venda de novos produtos e aumento das
receitas
♦ GANHOS: Possibilidade de aumento de Receitas
através de aumento de capacidade de atendimento
(processo em andamento).
Abril de 2006 II EMEPRO - Viçosa MG Slide # 51
Outros Casos
26
Conclusões
Principais Considerações
♦ A tomada de decisão nas corporações
deve ser tomada com mais consciência e
com menos “achismos”
♦ A utilização dos Métodos Consagrados de
Decisão pode ser a diferença entre uma
Péssima Decisão e uma Ótima Decisão
♦ A Simulação é um destes métodos que
leva em conta a complexidade dos
sistemas a dinâmica e a aleatoriedade.
27
Algumas Referências
♦ Chwif, L; Medina, A.C. “Modelagem e Simulação de
Eventos Discretos”, Ed. Bavarte, 2006
♦ Harrel, C.; Tumay, K. “Simulation Made Easy (A
Manager’s Guide)”, Engineering & Management
Press, 1995.
♦ Pidd, M. “Tools for Thinking (Modelling in
Management Science)”, John Wiley & Sons, 2000.
♦ Senge, P. “A Quinta Disciplina”, Ed. Best Seller,1990
♦ Shimizu, T. “Decisão nas Organizações”, Ed.
Atlas,2000
♦ Sterman, J.D. “Business Dynamics”, McGraw-
Hill,2003
♦ Turban, E – “Decision Support Systems and
Intelligent Systems”, Prentice Hall, 6th Edition, 2000
Abril de 2006 II EMEPRO - Viçosa MG Slide # 55
www.livrosimulacao.eng.br
28