XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO

Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.

SIMULAÇÃO DE PROCESSOS
PRODUTIVOS: UMA PESQUISA-AÇÃO
EM UMA INDÚSTRIA
AUTOMOBILÍSTICA
RODRIGO FURLAN DE ASSIS (FAE )
furlanassis123@hotmail.com
Gabriel Germinari Rodrigues (FAE )
gabrielgerminari@gmail.com
Jean Guilherme Azarias (FAE )
jeangazarias@gmail.com

Um adequado planejamento e controle da produção é de grande

importância para viabilizar a integração entre as áreas de suprimentos
e de demanda, atendendo as expectativas dos consumidores e
utilizando a capacidade da produção de forma otimiizada. Assim, para
ampliar a capacidade da tomada de decisão, é necessário o
desenvolvimento de métodos probabilísticos, capazes de simular a
variabilidade das incertezas que o mercado apresenta. Com base nisso,
a simulação computacional tem sido, cada vez mais, utilizada em
empresas de diversas áreas. Diante disso, o objetivo dessa pesquisa é
desenvolver um modelo para simulação computacional capaz de
ampliar a capacidade de tomada de decisões de uma empresa do ramo
automobilístico. O trabalho foi realizado no setor de usinagem e visou
apresentar um conjunto de informações para ampliar a eficiência dos
gestores na tomada de decisões no que diz respeito à gestão da
produção e planejamento de melhorias. Para conduzir o estudo de
simulação e foi utilizado o software de simulação ARENA® na versão
estudantil, este software permitiu visualizar o sistema a modelado
como um conjunto de estações de trabalho que compõe a estrutura do
processo de fabricação modelado. O modelo em estudo faz parte de um
projeto que está em evolução, novas versões serão desenvolvidas com o
objetivo de tornar a simulação mais real e com as limitações
minimizadas.

Palavras-chave: SImulação, planejamento e controle da produção,

tomada de decisão
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

1. Introdução

O cenário competitivo tem sofrido grandes mudanças, afetando, principalmente, empresas de

pequeno e médio porte, ocasionadas pela crescente globalização dos mercados, maior
exigência de parâmetros de qualidade, menor prazo de entrega e níveis de customização. Para
adequar ao cenário, as organizações, cada vez mais, adotam a utilização de ferramentas e
técnicas para ampliar a capacidade de tomada de decisão (ESPOSITO et al. 2013).

Segundo Fernandes (2008), a intensa competitividade no mercado aumenta a necessidade das

empresas industriais em tomar decisões mais precisas no que diz respeito aos ajustes e
melhorias dos seus sistemas de produção. O autor afirma que as empresas podem utilizar a
simulação computacional como ferramenta para adquirir e organizar o conhecimento
necessário para a tomada da decisão.

Nesse sentido, segundo Schlegel e Murray (2010), para ampliar a capacidade da tomada de
decisão, é necessário o desenvolvimento de métodos probabilísticos, capazes de simular a
variabilidade das incertezas que o mercado apresenta, normalmente na forma de modelos de
apoio para a tomada de decisão.

Além disso, uma das maiores vantagens do uso de modelos é prover bases para a
experimentação virtual, tornando possível prever efeitos causados por alterações
(PFLEEGER, 2004; MESQUITA E SANTORO, 2004).

Com base nisso, a simulação computacional tem sido, cada vez mais, utilizada em empresas
de diversas áreas. Segundo Kelton et al. (1998), alguns dos modelos de sistemas que podem
ser representados pela simulação computacional, são:

 Unidades produtivas com máquinas, pessoas e fluxo de materiais;

 Bancos com tempos de atendimento e filas;
 Centros de distribuição e suas redes;
 Restaurantes de fast-food com atendentes e consumidores;
 Supermercados e controle de estoque;

Para Banks et al. (2005), a simulação normalmente é utilizada para testar alternativas de
mudanças sem, contudo, alterar o sistema real, como também para identificação de gargalos
nos processos produtivos, além de permitir identificar processos que ampliem a capacidade de
sistemas produtivos.

2
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Diante disso, o objetivo geral deste trabalho é desenvolver um modelo para simulação
computacional capaz de ampliar a capacidade de tomada de decisões de uma empresa do
ramo automobilístico, situada em um município do Leste Paulista.

O trabalho é realizado no setor de usinagem e visa proporcionar um respaldo para os gestores

tomarem decisões com maior segurança no que diz respeito ao planejamento e gestão da
produção.

O presente artigo está dividido em seis seções, incluindo a introdução. Na segunda seção é
desenvolvida a fundamentação teórica, sendo que a terceira traz a metodologia de pesquisa.
Na sequência, é apresentado o desenvolvimento do modelo proposto (seção 4) e os resultados
da aplicação do mesmo (seção 5). Por fim, são desenvolvidas as análises conclusivas na seção
6.

2. Revisão da literatura

2.1 Estudo de sistemas

Segundo a definição dada por Oliveira (2013), sistema é um conjunto de partes interagentes e
interdependentes que, conjuntamente, formam um todo unitário com determinado objetivo e
efetuam função específica.

Ainda para o autor, pode-se identificar seis componentes básicos para um sistema, sendo eles:

 Objetivos: a finalidade para a qual o sistema foi criado;

 Entradas do sistema: são os materiais, informações e as energias necessárias para que
o objetivo previamente estabelecido seja alcançado;
 Processo de transformação do sistema: é a função que possibilita a transformação de
um insumo (entrada) em um produto, serviço ou resultado (saída);
 Saídas do sistema: são os resultados do processo de transformação e devem ser
coerentes com os objetivos do sistema;
 Controles e avaliações do sistema: são utilizados para verificar se as saídas estão
coerentes com os objetivos estabelecidos, geralmente são análises quantitativas para
medir o desempenho do sistema;
 Retroalimentação: pode ser considerado como a reintrodução de uma saída sob a
forma de informação, resultantes das divergências verificadas entre as respostas de um
sistema e os parâmetros previamente estabelecidos.

3
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

O estudo de um processo pode ser realizado de diferentes formas, para avaliar o impacto de
mudanças em um sistema nem sempre é preciso uma intervenção direta nas rotinas
operacionais, tornando as experimentações por modelos uma alternativa mais eficiente para
sistemas complexos. As diferentes formas de abordagem para o estudo de sistemas foi
definido por Law e Kelton (1991), conforme representado na Figura 1.

Figura 1 – Formas de estudo de um sistema

Fonte: Law e Kelton (1991)

Dessa forma, a modelagem é um processo constituído da criação e descrição, geralmente

utilizando relações matemáticas e lógicas, de um sistema real com determinado grau de
abstração, trazendo simplificações sobre a organização e funcionamento do sistema
(FREITAS FILHO, 2008).

Além das classificações citadas acima, o autor classifica um modelo quanto ao propósito e
tipo de processo decisório envolvido, são eles modelos voltados a previsão, investigação ou
comparação.

Com base nisso, um sistema pode ser classificado de muitas formas quanto às suas
características, do ponto de vista da modelagem e simulação, Freitas Filho (2008) classifica os
sistemas sob os seguintes aspectos ilustrados na Figura 2.

4
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Figura 2 – Classificação dos sistemas para fins de modelagem

Fonte: Freitas Filho (2008)

Assim, conforme definido por Chwif (1999), existem etapas de desenvolvimento de um

modelo de simulação de sistemas:

 Concepção do modelo: o desenvolvedor do modelo deve expressar o sistema a ser

simulado e seus objetivos. A partir disso, tem-se um modelo abstrato e deve-se utilizar
técnicas de representação de modelos para torná-lo um modelo conceitual;
 Implementação do modelo: o modelo conceitual é convertido em um modelo
computacional através de linguagem de simulação ou de um simulador comercial;
 Análise dos resultados: após verificação e validação do modelo computacional é
obtido o modelo operacional, sendo este a versão do modelo capaz de retornar as
informações necessárias para o estudo do sistema.

Apesar destas etapas estarem dispostas de forma linear, Chwif (1999) ressalta que nem
sempre ocorre desta maneira. Durante o processo de modelagem é comum existir a
necessidade de reformulação de algumas etapas conforme evolui o entendimento do
problema, ocorrendo algumas retroalimentações.

5
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Figura 3 – Ciclo de vida de um modelo de simulação

Fonte: Chwif (1999)

2.2 Simulação computacional

De modo abrangente, simulação é um conjunto de métodos utilizados de forma aplicada para

representar um sistema real, sendo uma ferramenta que, segundo Bateman et al. (2013),
possibilita criar cenários e projetar o impacto das mudanças, favorecendo tomadas de decisões
mais eficazes.

Do ponto de vista prático, Kelton et al. (1998) afirmam que a simulação é um processo de
criação de modelos computadorizados com o propósito de conduzir experimentos numéricos
para oferecer a compreensão do comportamento de um sistema em uma determinada
combinação de condições.

Apesar da simulação apresentar diversas vantagens, trazendo oportunidades competitivas para

os usuários, Freitas Filho (2008) apresenta alguns possíveis problemas referentes à simulação:

6
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

 A simulação é uma atividade que se aprimora com a experiência, o desenvolvedor de

um modelo necessita de capacitação específica;
 Os resultados gerados pela simulação podem se tornar de difícil compreensão, isso
acontece por existirem saídas dos sistemas que são aleatórias e podem ser confundidas
com as saídas que são resultantes de iterações entre as variáveis;
 O desenvolvimento de um modelo de simulação demanda muito tempo e recurso, caso
ocorra a economia de recursos o sistema pode se tornar incompleto e ineficiente;
 Em muitas situações a simulação é utilizada para sistemas com baixa complexidade,
sendo que uma análise detalhada do cenário seria o suficiente para o estudo.

Para que um modelo de simulação seja considerado coerente e pronto para a representação de
um sistema real, deve-se realizar duas avaliações básicas. A primeira é a verificação, onde o
objetivo é garantir que o modelo se encontre sem erros de sintaxe e/ou lógica. A segunda é a
validação, que consistem em saber se o modelo se comporta de forma semelhante ao sistema
real (FREITAS FILHO, 2008).

Sobre os modelos de simulação, Assis (2015) ressalta que não são apenas ferramentas de
apoio à tomada de decisão, podendo também ser vistos como um meio para a geração de
informações e conhecimento no processo de gerenciamento organizacional.

Tal afirmação resulta do fato de que a identificação e mapeamento das empresas, e de seus
processos produtivos e decisórios, permitem identificar padrões de comportamento do
sistema, dos elementos que o compõem e de como esses elementos podem influenciar o
sistema como um todo.

2.3 Software Arena

Com o aumento da popularidade da simulação entre engenheiros, gerentes e outros tomadores

de decisões, houve o crescimento no número de pacotes de simulação encontrados no
mercado, são exemplos: Stella, Arena, ProModel, PowerSim, etc. A seleção da ferramenta
mais adequada deve ser feita com base criteriosa, levando-se em conta as aplicações que se
pretende desenvolver e as características dos produtos (GAVIRA, 2003).

O Arena é um software de simulação bastante utilizado para simulação de processos

produtivos, apesar da capacidade de transformar-se facilmente em um simulador específico
para reengenharia e logística.

7
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Para o processo de modelagem no Arena um fluxograma representa um sistema, incorporando

seus dados de entrada e gerando dados de saída, os quais são baseados na integração entre o
modelo lógico-matemático construído e as distribuições estatísticas dos dados inseridos como
parâmetros (ARAGÃO, 2011).

Além dos dados de saída, resultantes de interações lógico-matemáticas e distribuições

estatísticas, o software Arena possui um conjunto de ferramentas que, segundo Freitas Filho
(2008), auxilia no ajuste dos dados e avaliações dos resultados.

2.4 Planejamento e Controle da Produção

Para Ciurana et al. (2008) o propósito do funcionamento da produção é otimizar o fluxo de

materiais e o uso das máquinas envolvidas nos processos de transformação da matéria-prima
em produto final, tendo em conta os vários objetivos de gestão, tais como: a redução do
trabalho em andamento, maximização do rendimento de chão de fábrica, melhorando a
capacidade de resposta às mudanças na demanda e melhorar a data de entrega.

Para Vollmann et al. (2005), as atividades executadas no desenvolvimento no planejamento e

controle da produção (PCP) estão inseridas como parte importante em qualquer sistema de
planejamento da manufatura, e são divididas em três fases: Front end, Engine e Back end,
conforme disposto na Figura 4.

Figura 4 – Atividades do PCP

Fonte: Adaptado de Vollmann et al. (2005)

8
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Para os autores, na fase de Front end, a qual corresponde ao planejamento estratégico (longo
prazo), são estabelecidas as atividades referente ao ajuste geral da organização, por meio de
mecanismos de gerenciamento da demanda. Já a fase Engine, corresponde ao planejamento
tático (médio prazo), e engloba as atividades de planejamento detalhado de capacidade e de
materiais. A fase de Back end corresponde ao planejamento operacional (curto prazo), e
evidencia a execução das atividades de planejamento, para os quais os sistemas de chão de
fábrica fixam as prioridades para as ordens de produção em cada centro de trabalho.

Para Stevenson et al. (2005), as funções típicas do PCP estão direcionadas ao planejamento
das necessidades de materiais, gerenciamento da demanda, planejamento da capacidade e
scheduling de operações em máquinas. Assim, entre os propósitos dessas atividades,
destacam-se: reduzir custos e dimensão de estoques, minimizar tempo de atravessamento e
lead times, melhorar a resposta a alterações de mercado, dentre outros.

Para tanto, Thomé et al. (2012) afirma que há uma tendência, apresentada na literatura, quanto
à formalização de planos de PCP para a operacionalização de empresas de manufatura. Isso
ocorre, por meio da utilização de métodos de planejamento probabilísticos desenvolvidos com
base na construção de modelos de simulação, o que para o autor potencializa a tomada de
decisão.

3. Metodologia

3.1 Contexto

A metodologia utilizada para a presente pesquisa é a pesquisa-ação. Nesta metodologia os

pesquisadores do problema estão envolvidos de maneira cooperativa ou participativa no
ambiente pesquisado (SILVA e MENEZES, 2005). Além disso, na presente pesquisa foi
utilizada a abordagem quantitativa e os procedimentos de pesquisa documental e experimental
(SILVA e MENEZES, 2010). A pesquisa documental foi usada para a formalização teórica a
respeito do tema da pesquisa. Já o procedimento experimental foi empregado devido ao uso
de simulação.

Para conduzir o estudo de simulação, foram considerados os passos propostos por Chwif
(1999) e foi utilizado o software de simulação Arena na versão estudantil, este software
permite visualizar o sistema a ser modelado como constituído de um conjunto de estações de
trabalho que contém um ou mais recursos chamados de entidades ou transações que
apresentam características especificas no sistema modelado.

9
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

3.2 Caracterização da empresa pesquisada

A empresa objeto do estudo é fabricante de turbos alimentadores que atua no mercado de

reposição, entregando produtos de alta qualidade e tecnologia própria, a empresa busca
vantagem competitiva através de produtos que minimizam as emissões de poluentes com um
melhor custo-benefício aos seus clientes.

Localizada em São João da Boa Vista, no Estado de São Paulo, a 200 quilômetros da capital,
o maior centro automotivo da América Latina, a empresa fornece seus produtos diretamente
ao mercado nacional e mundial, estando presente em todos os continentes. O mix de produtos
é variado, totalizando 229 itens ativos entre turbos alimentadores e kits de reparo para
diversos modelos de automóveis, sendo a maioria direcionada para linha de automóveis
pesados.

A empresa conta com processos de fundição e usinagem própria, garantindo o controle de

todo o processo de produção e desenvolvimento do produto. O setor de usinagem opera
atualmente com 46 colaboradores, distribuídos de forma que os recursos (máquinas e estações
de trabalho) sejam utilizados a maior parte do tempo possível.

Dessa forma, a empresa apresenta como característica geral determinado agrupamento de

atividades, conforme Figura 4. Além disso, a Tabela 1 representa uma identificação para os
processos executados.

Figura 4 - Processos de produção

10
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Tabela 1 – Identificação dos processos

Após as peças serem inspecionadas pelo setor de qualidade o processo é inicializado pela
operação 10 (soldar rotor e haste) que através do recurso solda de fricção, rotor e haste são
unidos formando o eixo. Em seguida, as peças são encaminhadas para a operação 20
(recozimento) na qual os eixos são expostos a uma temperatura de 600ºC para que a tensão
formada pela solda seja normalizada.
Na sequência a operação 30 (tornear) constitui em usinar a haste do eixo para que a mesma
atinja as medidas pré-estabelecidas no desenho do produto, juntamente a operação 40 (facear
e furar) é executada para que o produto tenha fixação na operação de retífica.
As operações de retifica que são formadas por quatro processos (operação 50, 60, 70, 80)
visam garantir medidas que seriam impossíveis de serem atingidas no torneamento, pois o
produto exige medidas milésimas.
A operação 90 (balanceamento) que define o final do processo depende inteiramente que
todas as operações anteriores tenham sido feitas de forma correta para que o eixo atinja um
balanceamento adequado que visa garantir uma ótima eficiência ao produto final.
3.3 Coleta de dados

Para definir parâmetros de entrada para o modelo de simulação construído, a coleta dos dados
foi realizada in loco para cada uma das operações, sendo obtido os tempos médios de
processamento e setup conforme a Tabela 2.

Tabela 2 – Tempo dos processos

11
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

O tempo médio para cada operação se refere ao tempo em que o operador leva para preparar a
peça, executar a operação e retirar a peça. Foi desconsiderado o tempo de transporte entre as
estações por se tratar de um valor irrelevante. Para o tempo de setup, somente os processos 30
e 40 possuem valor considerável, sendo os outros desconsiderados. A taxa de retrabalho e
perdas que ocorrem no processo de balanceamento foram obtidas através do histórico da
produção.

4. Proposta do modelo

Seguindo a definição de Freitas Filho (2008) para o desenvolvimento da presente pesquisa

será utilizada a modelagem para um sistema:

 Dinâmico: uma vez que as variáveis de estado são alteradas na medida em que o
tempo evolui;
 Aleatório: os possíveis estados das variáveis podem ser descritos, mas não
predeterminado;
 Discreto: as mudanças de estado ocorrem em pontos discretos no tempo e não de
forma contínua.

Ainda para o autor, no que se refere ao propósito, o modelo desenvolvido é voltado para
comparação, pois é utilizado para avaliar o efeito de mudanças nas variáveis de controle.

Dessa forma, o modelo desenvolvido, representado pela Figura 5, tem como objetivo simular
como o sistema reage com tamanhos de lotes diferentes. Os lotes variam entre um mínimo de
20 peças, devido a inviabilidade financeira para lotes menores, e um máximo de 80 peças, por
se tratar da capacidade máxima do forno.

Através da definição dos parâmetros de entrada referentes ao tamanho do lote, foi possível
obter um conjunto de dados que apresentaram uma visão sobre o comportamento do processo
sob determinadas características, inclusive a avaliação do tempo de fila nos processos, e a
utilização de cada recurso.

Figura 5 – Modelo proposto no Arena

12
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

O modelo contém todas as operações com os tempos que foram coletados anteriormente,
conforme Figura 6. Para o processo de recozimento foi necessário utilizar a ferramenta Batch
antes da operação para possibilitar que o modelo processasse o lote inteiro em vez de
processar as peças individualmente, seguindo da ferramenta Separate para que as peças
voltassem a ser processadas individualmente.

Os dados de retrabalho e perdas foram inseridos segundo o histórico de perdas, 90% das peças
são aprovadas, 8% necessitam de rebalanceamento e 2% são descartadas. Todas as operações
possuem recurso com capacidade unitária, com exceção do processo de balanceamento que
conta com duas máquinas e dois operadores, portanto, no modelo a sua capacidade é igual a
dois.

Figura 6 – Processos do modelo

5. Análise dos resultados

Após a finalização, verificação e validação do modelo desenvolvido, foram simulados quatro

cenários com tamanhos de lotes diferentes, sendo eles de 20, 40, 60 e 80 peças, e demanda
média de aproximadamente 13 eixos por hora. As simulações foram de um período de 44
horas, considerando um turno de trabalho com 8 horas.

13
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Os resultados estão dispostos na Tabela 3, obtidos através de uma média entre três replicações
para cada um dos quatro cenários diferentes.

Tabela 3 – Resultado das simulações

A variação dos resultados não apresentam grande amplitude, com exceção da quantidade de
eixos produzidas e taxa de utilização do processo 20, por se tratar de rodadas de simulação em
um curto intervalo e com demanda relativamente baixa.Tais parâmetros foram limitados pela
versão estudantil do Arena, que restringe o modelo a não ultrapassar a quantidade de 150
entidades em processo, para tanto, uma versão comercial do software seria necessária.

Ainda assim, os resultados nos permite observar que dentre os quatro cenários simulados, o
cenário mais favorável ao sistema seria com lotes no tamanho de 80 peças pois, conforme
aumenta o tamanho do lote, a quantidade de eixos produzidos é maior.

A taxa de utilização dos processos 20 (recozimento) e 30 (tornear haste) são fatores que
favorecem o lote com 80 peças por serem os menores dentre os cenários simulados. A menor
taxa de utilização no processo 20 é favorável devido ao alto custo operacional do forno.
Enquanto isso, a redução na taxa de utilização do processo 30 reduziria o gargalo em cenários
com a demanda elevada.

6. Considerações finais

Esse é um primeiro esforço no sentido de se obter uma abordagem de utilização na área de

modelagem e simulação de processos produtivos, sendo que diversos pontos podem ser
complementados com pesquisas futuras, tais como:

 Estudo do sistema: um modelo fiel que possa demonstrar graficamente com exatidão a
maneira que o sistema opera, permitindo o entendimento facilitado até mesmo por
pessoas que não são integradas ao processo;
 Análise de cenários de reação a alterações de demanda: cada período deve ter uma
característica para tomada de decisão rápida. Assim, em futuros projetos, o presente

14
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

modelo de simulação poderá evoluir para uma ferramenta mais completa em termos de
controle;
 Análise de cenários com complexidade do mix de produtos: o modelo deve ser capaz
de identificar as particularidades de cada produto, considerando índice de refugo,
tempo de processamento e setup de cada um dos produtos.

As ferramentas de simulação têm crescido em popularidade por serem aplicáveis em

praticamente todos os processos produtivos e proporcionarem dados suficientemente precisos
para tomadas de decisões. No que se refere ao PCP, a simulação tem um efeito satisfatório na
determinação da capacidade produtiva, estudo de impactos pela variação da demanda e
decisões estratégicas de programação.

Durante o desenvolvimento do trabalho ficou evidente que para se obter um modelo de

simulação eficaz é importante que o desenvolvedor, além de ter domínio da ferramenta
utilizada para simulação, tenha familiaridade com o sistema em estudo.

O modelo em estudo faz parte de um projeto que está em evolução, novas versões serão
desenvolvidas com o objetivo de tornar a simulação mais real e com as limitações
minimizadas.

Referências

ARAGÃO, A. P. Modelagem e simulação computacional de processos produtivos: o caso da cerâmica

vermelha de Campos dos Goytacazes, RJ. 2011. Dissertação (Mestrado em Engenharia de Produção) – Centro de
Ciência e Tecnologia da Universidade Estadual do Norte Fluminense, UENF.

ASSIS, R. F. Proposta de modelagem para o planejamento e controle da produção para empresas virtuais:
uma abordagem por dinâmica de sistemas. 2015. Dissertação (Mestrado em Pesquisa Operacional) – Faculdade
de ciências aplicadas, UNICAMP.

BANKS, J.; CARSON II, J. S.; NELSON, B. L.; NICOL, D. M. Discrete - Event System Simulation. 4ª ed.
Upper Saddle River: Prentice Hall.

BATEMAN, R.E; BOWDEN, R. O; GOGG, T. J; HARREL, C. R; MOTT, J. R. A; MONTEVECHI, J. A.B.

Simulação de sistemas: aprimoramento processos de logística, serviços e manufatura. 1ª ed. Rio de Janeiro:
Elsevier, 2013.

CHWIF, L. Redução de modelos de simulação de eventos discretos na sua concepção: uma abordagem
causal. 1999. Tese (Doutorado em Engenharia) – Escola politécnica da Universidade de São Paulo, POLI-USP.

CIURANA, J.; GARCIA-ROMEU, M. L.; FERRER, I.; CASADESÚS, M. A model for integrating process
planning and production planning and control in machining processes. Robotics and Computer-Integrated
Manufacturing, v. 24, n. 4, p. 532-544, 2008.

15
 XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

CORRÊA, L. H.; GIANESI, I. G. N.; CAON, M. Planejamento, programação e controle da produção. 4ª ed.
São Paulo: Atlas, 2001.

ESPOSITO, E.; EVANGELISTA, P.; LAURO, V.; RAFFA, M. Virtual enterprise in SME networks. Piccola
Impresa/Small business, n. 3, 2013.

FERNANDES, R. A. C. Simulador de sistemas de produção e de informações industriais: aplicação a

sistema de produção lean. 2008. Dissertação (Mestrado em Engenharia Eletrotécnica e de Computadores) –
Faculdade de Engenharia da Universidade do Porto, FEUP.

FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas. 2ª ed. Florianópolis: Visual Books,
2008

GAVIRA, M. O. Simulação computacional como uma ferramenta de aquisição de conhecimento. 2003.

Dissertação (Mestrado em Engenharia de Produção) – Escola de Engenharia de São Carlos da Universidade de
São Paulo, USP.

KELTON, W. D.; SADOWSKI, R. P.; SADOWSKI, D. A. Simulation with Arena. New York: McGraw-Hill,
1998.

LAW, A. M.; KELTON, W. D. Simulation modeling & analysis. 2ª ed. New York: McGraw-Hill, 1991.

MESQUITA, M.; SANTORO, M. Análise de modelos e práticas de planejamento e controle da produção na

indústria farmacêutica. Revista Produção, v. 14, n. 1, p. 65, 2004.

OLIVEIRA, D. P. R. Sistemas, organização e métodos: uma abordagem gerencial. 21ª ed. São Paulo: Editora
Atlas, 2013.

PAIVA, A. F. O. Geração automática de modelos de simulação de uma linha de produção na indústria

têxtil. 2005. Dissertação (Mestrado em Engenharia Industrial) – Escola de Engenharia da Universidade do
Minho.

PFLEEGER, S. L. Engenharia de Software: Teoria e Prática. 2ª ed. São Paulo: Prentice Hall, 2004.

SCHLEGEL, G. L.; MURRAY, P. Next Generation of S&OP: Scenario Planning with Predictive Analytics &
Digital Modeling. Journal of Business Forecasting, p. 20-30, 2010.

SILVA, E. L.; MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação. Florianópolis, UFSC,

2005.

STEVENSON, M.; HENDRY, L.; KINGSMAN, B. C. A review of production planning and control: the
applicability of key concepts to the make-to-order industry. Internacional Journal of Production Research, v. 43,
n. 5, p. 869-898, 2005.

THOMÉ, A. M. T.; SCAVARDA, L. F.; FERNANDEZ, N. S.; SCAVARDA, A. J. Sales and operations
planning: A research synthesis. International Journal of Production Economics, v. 138, n. 1, p. 1-13, 2012.

VOLLMANN, T. E.; WILLIAN, L. B.; WHYBARK, D. C.; JACOBS, F. R. Sistema de planejamento e

controle da produção para o gerenciamento da cadeia de suprimentos. 5ª ed. São Paulo: Artmed, 2005.

16