TN STP 226 322 30307

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.
UTILIZAÇÃO DE SIMULAÇÃO
COMPUTACIONAL PARA
MODELAGEM DE UM SISTEMA DE
PRODUÇÃO DE UMA INDÚSTRIA DE
PRODUTOS DE LIMPEZA DE VITÓRIA
DA CONQUISTA - BA.
Ramon Araujo dos Santos (UESB )
ramon_77araujo@hotmail.com
Felipe Ungarato Ferreira (FAINOR )
ungarato@yahoo.com.br
Marcus Vinicius Carvalho Fagundes (UESB )
marcuspos@yahoo.com.br
Maria Patricia Milagres (UESB )
mpmilagres@yahoo.com.br
As organizações se veem cada vez mais obrigadas a desenvolver-se

tecnologicamente e gerencialmente para se manterem competitivas e
obter maior lucratividade. Onde o ambiente externo proporciona, cada
vez mais, condições de igualdade para cooncorrentes, a otimização na
gestão produtiva pode ser o diferencial competitivo. Entretanto, o
receio de falhar atrapalha os colaboradores de oferecerem propostas
embasadas nos seus conhecimentos, ideias e criatividade. Sendo assim,
este trabalho teve como objetivo avaliar a contribuição da simulação
computacional utilizando o software Flexsim para gestão de materiais
em uma linha de produção de detergentes. Como metodologia foi
utilizada à coleta de dados por meio de cronometragem dos ciclos do
sistema de produção em estudo, sequencialmente foi realizada a
análise estatística dos dados por meio do software Minitab, dando
sequência ao sistema foi modelado no software Flexsim. O sistema real
modelado pertence à linha de produção de detergentes de uma
indústria química do setor de produtos de limpeza localiza na cidade
de Vitória da Conquista - BA. Na validação do modelo, ficou
comprovado que o modelo e valido, não existem diferenças
significativa entre o modelo real e simulado, por tanto o modelo pode
ser utilizado. Todos os objetivos propostos foram atingidos e ainda
simulação computacional mostrou-se aplicável na criação de novas
ideias relacionadas aos elementos do sistema estudado e ainda de
proporcionar de maneira eficiente a aquisição de conhecimento sobre
o sistema de produção simulado.
Palavras-chave: Administração da Produção, modelagem, flexsim.

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.
1. Introdução
O setor industrial se deparam cada vez mais obrigados a evoluírem em tecnologia e

gerencia para se manterem competitivos e obter maiores lucro. Onde o ambiente externo
proporciona cada vez mais condições de paridade entre concorrentes, a otimização na gestão
da produção pode ser o diferencial competitivo.
A gestão do sistema de produção pode propiciar maneiras de reduzir o custo que não
agrega valor ao produto e as operações desnecessárias, assegurando a organização mais força
competitiva em preço final, pois seus custos produtivos se tornam menores, possibilitando
uma maior margem de lucro, ou condição de preços menores (GARCIA ET AL., 2006).
Um sistema produtivo que gera superprodução ou tempo de espera do operador ou de

material na linha de produção acarreta custos por desperdício, tanto por produto parado,
quanto pelo tempo ocioso na espera do processo (ARNOLD, 2014).
O produto parado na linha de produção, sendo produto acabado ou semiacabado, não

agrega valor ao mesmo, ou seja, se torna um custo desnecessário. Pois esse estoque existe, ou
deveria apenas existir, para absolver as incertezas e as falhas na produção e na gestão
produtiva (BALLOU, 2006).
Assim, a procura por um processo produtivo bem estruturado, com baixos níveis de
estoques intermediários, maior produtividade e menores prazos de entrega, tem sido o
principal desafio imposto às empresas do setor industrial (OLIVEIRA, 2008).
Entretanto, o receio de falhar atrapalha os colaboradores de oferecerem propostas

embasadas nos seus conhecimentos, ideias e criatividade (BATEMAN ET AL., 2013). Pois
uma gama de variáveis pode intervir no resultado parcial ou final da produção, existindo uma
dificuldade de identificação de resultados ao longo do tempo.
A utilização de simulação computacional para gestão de estoques pode colaborar para

identificação dos resultados futuros de mudanças sugeridas. A aplicação da simulação para o
desenvolvimento de projetos de otimização ou criação, permite a experimentação a baixo
custo, dando apoio para melhoria dos processos produtivos e também para a tomada de
decisão (OLIVEIRA, 2008).
Sendo assim, este estudo pretende modelar e construir um modelo de simulação

computacional para futuras aplicações de melhor opção de gestão de materiais em uma linha
2
.
de produção de detergentes de uma indústria de produtos de limpeza localizada na cidade de

Vitória da Conquista - BA.
2. Materiais e métodos
Para o desenvolvimento da pesquisa, ocorreu uma investigação com abordagens

quantitativa, através de coleta de dados cronométricos dos processos selecionados. A escolha
do estudo quantitativo se teve para mensurar os dados de tempo de processos, e assim obter
dados estatisticamente seguros. Segundo Oswaldo (2001), a pesquisa quantitativa tem como
característica possibilitar uma abordagem focalizada, pontual e estruturada.
2.1 O campo de investigação e os sujeitos da pesquisa
O estudo foi realizado em uma indústria de médio porte de produtos de limpeza na

cidade de Vitória da Conquista – BA. Essa empresa foi escolhida como campo de
investigação por proporcionar maior quantidade de sujeitos da pesquisa para o estudo, e ainda
condições e registros confiáveis para elaboração de uma amostra. Sendo apresentado o Termo
de Consentimento Livre e Esclarecido – TCLE ao responsável pela empresa.
2.2 Procedimentos para a coleta dos dados.
Realizou-se abordagem de observação com finalidade de elaborar um fluxograma dos

processos do campo estudado, e a abordagem quantitativa, por meio da coleta de tempos dos
ciclos dos processos selecionados, com finalidade de simular os processos estudados no
software Flexsim sem interferir nos processos reais.
As coletas dos dados foram realizadas no período de Agosto de 2015 até Setembro de
2015. Após a decisão dos processos que seriam estudados e divisão de seus ciclos foram
realizadas as cronometragens dos ciclos.
Foram estudados 5 (cinco) processos, e aplicados um total de 10 (dez) coletas de

tempo por processo, ou quantidade superior, sendo aplicado na sequência a equação 1 para
determinar a necessidade do número de ciclos n. Sendo que o tamanho da amostra deve estar
entre 100 e 200 observações, onde amostras menores que 100 observações podem
comprometer a identificação do melhor modelo e maiores que 200 não agregam significância
ao estudo (Chwif e Medida, 2015).
3
.
(1)
Fonte: Martins e Laugeni (2006).
Onde:
n = Número de ciclos a serem coletados;

z = Coeficiente de distribuição normal para uma probabilidade determinada;
R= Amplitude da amostra;
Er = Erro relativo;
d2= Coeficiente função do número de cronometragens preliminares;
= Média da amostra.
Para cronometragem foi utilizado o cronômetro Oregon 100 voltas SL980D.
No caso em estudo, adotou-se probabilidade de 95% e erro relativo de 5% e o

coeficiente função do número de cronometragens preliminares igual 3,0780 para dez coletas
iniciais, seguindo parâmetros de Martins e Laugeni (2006).
Desta forma, antes da aplicação das coletas de dados, o responsável pela empresa que
será alvo da pesquisa assinou o Termo de Consentimento Livre e Esclarecido – TCLE.
2.3 Análise dos dados
A análise dos dados coletados foi realizada no Minitab versão 17, sendo analisados
indicadores estatisticos, como média, mediana, desvio-padrão, amplitude, além de histograma,
gráfico Box e determinação de Outilers.
2.4 Modelagem dos processos em computador
A modelagem dos processos no computador e as modificações propostas, foram

realizadas no software para simulação Flexsim versão 7.5.4, seguindo as instruções do próprio
manual e o conhecimento técnico do autor.
2.5 Outlier e validação do modelo
Os outliers foram calculados no Minitab versão 17, seguindo a metodologia de Chwif

e Medina (2015), realizando a equação 2.
(2)
4
.
Sabendo que e são, nessa ordem, valores do primeiro e terceiro quartis, onde a
amplitude interquartil A é determinado pela diferença.
Ainda segundo Chwif e Medina (2015), é definido como um valor discrepante ou

outlier moderado qualquer valor que esteja abaixo de – 1,5A ou acima de + 1,5A.
O método de validação e verificação do modelo de simulação é essencial para o

sucesso do estudo, onde deve assegurar que o modelo segue de acordo com a intenção do
pesquisador e que os resultados fornecidos sejam confiáveis e representem os dos resultados
do modelo real (CHWIF & MEDINA, 2015).
Uma das técnicas de validação sugeridas por Harreal et al. (1996) e o Turing teste, no
qual o teste as respostas obtidas pelo modelo e as respostas que foram obtidas pelo sistema
real são analisadas por pessoas que conheçam o sistema. Não é comunicado a estas pessoas
que os dados são do sistema real e do modelado, visando não influencia-las. No caso os
especialistas do sistema não consigam identificar diferenças entre os dados, o modelo é
validado. Assim adotou-se essa técnica para esse estudo.
3. Resultados e discussões
3.1 Descrição da empresa em estudo
A empresa escolhida para a pesquisa é uma empresa de médio porte do setor químico,
mais especificamente do ramo de produtos de limpeza para uso doméstico. A organização se
localiza no sudoeste do estado da Bahia, e é considerada uma empresa sólida na região.
A empresa possui 30 anos de existência e já realizou várias ampliações para suprir o

crescimento do seu mercado. Possui, atualmente, um total de 90 (noventa) colaboradores
diretos.
Possui em seu portfólio uma diversidade de 10 (dez) produtos, sendo 9 (nove)

produzidos na unidade pesquisada. Dentre os 10 (dez) produtos, possuem um mix de 38 (trinta
e oito) variedades, distribuídos em volume e fragrâncias diferentes.
Para a pesquisa foi selecionado a produção de lava louças (detergente), que possui
uma variedade de 4 (quatro) fragrâncias diferentes (neutro, clean, limão e maçã). Essa escolha
foi determinada pela alta demanda do produto, e por ser um dos produtos de maior custo de
produção e menor margem de lucro da empresa. Sendo também considerada a opinião do
gerente de produção, quanto a qual processo de produção seria de maior interesse da empresa
5
.
para uma proposta de melhoria. A produção dos detergentes possui apenas um turno, sendo de
9 (nove) horas por dia em 4 (quatro) dias por semana, de segunda-feira até quinta-feira, e 8
(oito) horas na sexta-feira.
3.2 Fluxograma do processo estudado e descrição das etapas e equipamentos
O fluxograma (Figura 1) apresenta as etapas do processo produtivo do lava louças

(detergente) de 500 mL. A produção tem início com a coleta dos frascos em pré-forma, onde
ocorre de maneira automática e instantânea pela máquina responsável, utilizando um silo. No
processamento do PET para lava louças a máquina responsável pela atividade é a Pavan
Zanetti modelo S#5, conhecida no chão de fábrica como Sopro. Essa máquina realiza suas
atividades da maneira que a pré-forma receba um tratamento térmico diferenciado,
aquecendo-se mais onde for necessário, conforme o desenho da embalagem, otimizando o
sopro. Sequencialmente é realizado o sopro, onde a pré-forma é inserida dentro do molde,
cuja cavidade tem a forma final da embalagem. Um pino penetra no gargalo da pré-forma
para estirá-la, e é soprado o ar comprimido no seu interior. Por fim, a embalagem é ejetada da
máquina em uma esteira, pronto para o envase, onde são ejetados 3 (três) itens por vez.
A produção de Garrafas de PET é normalizada pela Associação Brasileira de Normas

Técnicas através da NBR15395:2006.
Após seguir por 20,14 metros de esteira transportadora o PET chega a máquina de
envase e tampagem. A máquina responsável por esses processos é a EGT8.12/04, fabricada
pelo Grupo imsb Envase. A máquina recebe o frasco direto pela esteira transportadora, onde o
mesmo recebe o produto líquido (detergente) do tanque de preparo (capacidade de 20.000
litros) e o envasa por pressão, sequencialmente a mesma máquina tampa o frasco por um
sistema de fechamento por cabeçotes magnéticos com regulagem de torque. O frasco já cheio
e tampado segue através de uma esteira onde na saída do processo o frasco recebe a marcação
de lote e data de fabricação.
Dando continuidade a produção, o frasco segue por 2,67 metros de esteira

transportadora até a máquina de rotulagem, fabricada pela MetaPack, onde o mesmo recebe
uma fina camada de cola adesiva e em sequência é rotulado. Após essa etapa este segue por
esteira onde é alocado, por um operador, em caixa com capacidade de 24 unidades.
6
.
Figura 1 - Fluxograma da produção de Lava-louças
Fonte: Autor, 2016
3.3 Análise de dados do modelo real
Antes de iniciar a modelagem no software computacional, aplicou-se a análise dos

dados no modelo real, que segue descrita e discutida nos tópicos sequentes.
3.3.1 Análise da cronometragem dos processos
Na primeira análise das cronometragens, utilizando o gráfico Boxplot, pode-se

identificar que existiam amostras fora dos Limites Superiores e Inferiores (Figura 2).
7
.
Figura 2 - Gráfico Boxplot (rejeitado)
Fonte: Autor, 2016
De acordo com os resultados, realizou-se a eliminação das amostras que estavam fora
dos limites, mantendo o número de amostras n dentro da aceitação desejada de 95% de
confiança, e realização de uma nova análise de Outliers e plotagem do gráfico boxplot (Figura
3), onde pode-se observar que as amostras estão todas dentro do intervalo de aceitação. Dando
assim a confiabilidade da sequência na pesquisa.
8
.
Figura 3 - Gráfico Boxplot Atualizado
Fonte: Autor, 2016
É importante informar que os tempos da atividade de verificação não foram coletados,

pois a realização da atividade não gera espera na operação, sendo que o operador apenas
pressiona a tampa que não está bem fechada enquanto o produto está em transporte na esteira,
e falhas por volume foram consideradas desprezíveis. Sendo ainda que a atividade do
embalador não foi relacionada no gráfico Boxplot e demais, pois existe uma grande
ociosidade na atividade, devido a capacidade do operador, sendo observado grande paradas
para conversas devido a baixa exigência da atividade.
Em sequência foram calculados os indicadores estatísticos necessários, onde os

resultados são observados na Tabela - 1.
9
.
Tabela 1 - Indicadores estatísticos dos Processos Automatizados da produção de detergente
Resultado da Cronometragem da Produção de Lava-loças (escala em

segundos)
Processos Automatizados
1. Pavan 2. imsb 3. BOPP MetaPack
Indicadores/ Zanetti S#5 EGT8.12/04 R#4
máquinas Sopro Envase Rotuladoura
Média 3,125156863 1,321348624 1,355336634
Mediana 3,127 1,286 1,278
Amplitude 0,194 0,363 0,842
Desvio-
Padrão 0,036075483 0,099389071 0,178441098
Fonte: Autor, 2016
A avaliações do teste de aderência para identificar a melhor distribuição que

representa os dados foi realizada no próprio software Minitab 17, sendo que todos os
processos demonstram como melhor distribuição a Normal.
Em sequência foram projetados os gráficos do tipo Histograma, utilizando o software

Minitab versão 17. A Figura 4 apresenta o Sopro e demonstra distribuição normal dos dados,
obtendo Média de 3,125 segundos e Desvio-padrão de 0,03608 segundos em uma amostra de
102 coletas.
Figura 4 - Histograma do Sopro
10
.
Fonte: Autor, 2016.
Na Figura 5, que demonstra o Envase, percebe-se que apesar da Média estar mais
distante da Mediana, a distribuição segue em caráter Normal, com Média de 1,321 segundos e
Desvio-padrão de 0,009939 segundo, com um tamanho de amostra de 109 coletas.
Figura 5 - Histograma do envase
Fonte: Autor, 2016.
Nota-se que na Figura 6, que interpreta a Rotuladora, a Média também fica distante da
Mediana e a distribuição segue também o caráter Normal, com Média de 1,355 segundo e
11
.
Desvio-padrão de 0,1784 segundo, dentro de uma amostra de 101 coletas. Os indicadores de

distribuição, média e desvio-padrão são fundamentais para o preenchimento de entrada nos
processos simulados.
Figura 6 - Histograma da
rotulagem
Fonte: Autor, 2016.
3.3.2 Setups
A produção de lava louças contém dois setups, um na preparação do produto líquido

que será envasado e outro na troca dos rolos de rótulos.
O setup de preparação do líquido não acarreta atrasos para a produção, pois a empresa
possui dois tanques com capacidade de 20.000 (vinte mil) litros, onde a limpeza e o
reabastecimento de um tanque são realizados enquanto o outro está em uso, assim a produção
não para por preparação de material, por tanto foi desconsiderado para modelagem.
No entanto, a realização dos setups dos rótulos acarreta em perda de tempo para a
produção. Uma bobina de rótulo possui capacidade de rotular 19.000 (dezenove mil) frascos,
sendo assim os setups podem ser necessários por termino de uma bobina de rótulos de um
produto que está em processo ou pela troca da bobina para outro produto que entrara em
processo, onde a oque difere os rótulos é apenas a fragrância do lava louças.
O Tempo Padrão de Setup da bobina de rótulos foi cronometrado e calculado a média

em 9 minutos e 15 segundos. Se tratando de uma operação pouco realizada durante o período
12
.
em estudo, foi utilizada apenas a média dos tempos para modelagem. Sendo que o setup é
realizado por dois colaboradores, sendo sempre os mesmos.
3.3.3 Esteira transportadora
O transporte dos itens durante a produção dos lava louças é todo realizado por esteiras
transportadoras, onde apenas o produto acabado transportado por empilhadeiras. Sendo
dividido em 3 (três) etapas, do processo de sopro para o processo de envase, do processo de
envase para o processo de rotulagem e do processo de rotulagem para o processo de
embalagem.
Na Tabela 2 é possível visualizar os dados das distâncias que a os itens percorrem

durante o processo e o tempo médio do transporte, no entanto, é importante ressaltar que a
velocidade da esteira está regulada de acordo com o tempo dos processos.
Tabela 2 - Indicadores da esteira transportadora
Fonte: Autor, 2016.
3.4 Demanda
De acordo com o Gerente Comercial a demanda de detergentes é de 16.000 (dezesseis

mil) caixas por mês, sendo 4.000 (quatro mil) caixas de cada fragrância diferente. Quando
questionado se a demanda era fixa e se não existia nenhuma variação, o mesmo disse que a
variação máxima é de 5%, mas que não existem tendências de crescimento ou decrescimento.
E reforçou alegando que por ser um produto de baixa margem de lucro, mas que existe uma
grande necessidade de ser mantido no mercado, por conta da imagem da marca. A empresa
mantém o número de vendas estável apenas para atender questões de marketing e
competitividade.
13
.
Foi alegado também que existe mercado para aumentar a produção, porém ainda não é
comercialmente interessante para empresa, pois os custos de produção para a empresa são
altos, e os preços de vendas das concorrências baixos, tendo o produto baixo impacto no lucro
da empresa.
3.5 Modelo Simulado
A produção dos detergentes possui apenas um turno de 9 (nove) horas por dia de
segunda-feira até quinta-feira e 8 (oito) horas na sexta-feira.
Foram utilizados os dados obtidos para construção do modelo simulado no Software

Flexsim (Figura 7).
No modelo simulado foi utilizado escala de tempo em segundos, sendo 158.400 (cento
e cinquenta e oito mil e quatrocentos) segundos para os dias de segunda-feira até sexta-feira,
permitindo obter uma visão geral da produção e sua capacidade de produção, eficiência e
custo.
Figura 7- Imagem inicial do modelo de simulação do sistema real
Fonte: Autor, a partir do software Flexsim, 2016.
14
.
3.5.1 Resultado no modelo simulado
Nesta etapa do estudo será apresentado o resultado da simulação realizada no Flexsim

da produção de lava louças (detergente).
Na simulação foi aplicado o período de uma semana de produção, na qual é referente a

44 (quarenta e quatro) horas, representada no modelo em 158.400 (cento e cinquenta e oito
mil e quatrocentos) segundos, onde na Figura 8 pode-se notar visualmente a geração de
estoques intermediários no sistema.
Figura 8 - Imagem pós-produção do modelo de simulação do sistema real
Fonte: Autor, a partir do software Flexsim, 2016.
Onde os resultados dessa simulação são representados na Tabela 3.
15
.
Tabela 3 - Indicadores da simulação do modelo real
16
.
Fonte: Autor a partir do experimento realizado, 2016.
Considerando que a demanda atual do produto em estudo é de 4.000 (quatro mil)

caixas por semana sendo 1.000 (um mil) caixas de cada tipo de fragrância, pode-se perceber
que o modelo em questão gera superprodução, acarretando um estoque de 781 (setecentas e
oitenta e uma) caixas acima da demanda semanal.
Foi atribuída também uma taxa de produção de uma caixa a cada 33,13 segundos.
No item de Taxa de Utilização dos Processos, os processos de Envase e Rotulação
apresentam alto nível de utilização. No entanto, os processos de Sopro, que é o primeiro
processo a ser realizado, apresenta uma menor taxa de utilização. Esse fato é causado pelo
processo seguinte ser gargalo do processo Sopro, onde o fato de que o operador que
supervisiona a máquina de sopro pausa o processo quando existe um estoque, considerado por
ele, grande e suficiente para parar o processo, em geral esse estoque é de cinco bags contendo
em média 1.000 (um mil) frascos em cada.
Já no processo representado como Embalador a taxa de utilização é considerada muito

baixa, essa questão pode ser justificada pelo fato do processo anterior ter a característica de
produção unitária, e processo de Embalador realiza a operação com até quatro itens por ciclo.
Em relação à quantidade de itens em fila ou em estoque intermediário, nota-se uma

quantidade total de 314 (trezentos e quatorze) itens em fila, ou seja, na esteira transportadora.
Além de um total de 5000 (cinco mil) em estoque intermediário antes do processo de Envase,
onde é intendido que esse estoque intermediário é causado pela falta de sincronização entre os
processos, e não por uma opção estratégica da produção.
3.6 Validação do modelo de simulação
Para dar credibilidade aos dados já apresentados e sequenciados no estudo, foi

realizada a validação do Modelo de Simulação conforme o método e ferramenta já
mencionados.
Para saber se existe diferença significativa entre o modelo real e o modelo simulado
foi utilizado a produtividade de caixas por hora como amostra (Tabela 4).
Foi obtido o tamanho da amostra bem acima do exigido.
Tabela 4 - Amostra para validação do modelo
17
.
Fonte: Autor, 2016.
Os dados foram entregues ao Gerente de Produção e ao Gerente Industrial para

aplicação do método de validação Turing test, ambos não conseguiram identificar diferenças
nos dados e nem distingui quais eram do modelo simulado. Assim validou-se o modelo.
Com o modelo simulado validado pode-se dar continuidade a aplicações de

alternativas de melhorias ao sistema produtivo.
Segundo Chwif e Medina (2015), a validação do modelo é essencial para

confiabilidade da simulação.
4. Conclusão
O objetivo principal desta pesquisa foi demostrar a aplicação prática da simulação

como um método de aquisição de conhecimento.
Para isso, avaliou a contribuição da simulação computacional utilizando o software

Flexsim para modelar um de sistema de produção de uma média indústria de produtos de
limpeza, visando inserir a ferramenta como auxilio a tomada de decisões.
Todos os objetivos propostos foram atingidos: a modelagem do fluxo de produção de

detergentes da indústria em estudo foi realizada; a validação do modelo de simulação foi
alcançada.
É importante ressaltar que o conhecimento que aqui se procurou está pertencente

apenas ao sistema de produção que foi simulado.
Assim, a aplicação da simulação não é de obter a resposta de algum problema do

sistema, e sim em analisar o comportamento e efeito do sistema a cada mudança. A questão
era conhecer se a simulação é uma ferramenta aplicável no campo de estudo desta pesquisa,
18
.
onde os gestores poderiam adquirir conhecimento sobre o sistema que está inserido e também
sobre seus subsistemas.
Assim sendo, conclui-se que a simulação computacional, principalmente pelo software

Flexsim versão 7.5.4, é uma ferramenta muito eficaz na obtenção de conhecimento sobre o
sistema pesquisado. Isso porque acomoda a progressão de algumas dificuldades que os
gestores encontram na produção.
Por fim, esse estudo abre a oportunidade de se realizar a análises por simulação nos
demais processos da cadeia produtiva do produto e no ramo industrial pesquisado e também a
simulação de cenários para tomada de decisão.
19
.
REFERÊNCIAS
ARNOLD, T. J. R. Administração de Materiais: Uma Introdução. São Paulo: Atlas, 2014.
ABNT. ASSOCIAÇÃO BRASILEIRA DE NORMAIS TÉCNICAS. NBR 15395. Garrafa soprada de PET para
refrigerantes e águas - Requisitos e métodos de ensaio. NBR, 2006.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos/Logística Empresarial. 5. Ed. Porto Alegre:

Bookman, 2006.
BATEMAN, R. E. BOWDEN, R, O. GOGG, T. J. HARREL, C. R. MOTT, J. R. A. MONTEVECHI, J. A. B.

Simulação de Sistemas: aprimorando processos de logística, serviços e manufatura. Rio de Janeiro:
Elsevier, 2013.
CHWIF, L. MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria & Aplicação. São Paulo:
Elsevier, 2015.
GARCIA, E. S. DOS REIS, L. M. T. V. MACHADO, L. R. FERREIRA FILHO, V. J. M. Gestão de Estoques:

Otimizando a Logística e a Cadeia de Suprimentos. Rio de Janeiro: E-Papers Serviços Editoriais, 2006.
MARTINS, P. G. LAUGENI, F. P. Administração da produção. 2. ed. rev. aum.atual. São Paulo: Saraiva,
2006.
OLIVEIRA, C, S. Aplicação de técnicas de simulação em projetos de manufatura enxuta. Estudos

Tecnológicos - Vol. 4, n° 3: 204-217. set/dez, 2008.
OSWALDO, Y. O. MELO, C. Avaliação de programas de saúde do adolescente- um modo de fazer. São

Pauo: Edusp, 2001.
20

TN STP 226 322 30307

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

TN STP 226 322 30307

Enviado por

Direitos autorais:

Formatos disponíveis

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO

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

As organizações se veem cada vez mais obrigadas a desenvolver-se

Palavras-chave: Administração da Produção, modelagem, flexsim.

O setor industrial se deparam cada vez mais obrigados a evoluírem em tecnologia e

Um sistema produtivo que gera superprodução ou tempo de espera do operador ou de

O produto parado na linha de produção, sendo produto acabado ou semiacabado, não

Entretanto, o receio de falhar atrapalha os colaboradores de oferecerem propostas

A utilização de simulação computacional para gestão de estoques pode colaborar para

Sendo assim, este estudo pretende modelar e construir um modelo de simulação

de produção de detergentes de uma indústria de produtos de limpeza localizada na cidade de

Para o desenvolvimento da pesquisa, ocorreu uma investigação com abordagens

2.1 O campo de investigação e os sujeitos da pesquisa

O estudo foi realizado em uma indústria de médio porte de produtos de limpeza na

2.2 Procedimentos para a coleta dos dados.

Realizou-se abordagem de observação com finalidade de elaborar um fluxograma dos

Foram estudados 5 (cinco) processos, e aplicados um total de 10 (dez) coletas de

Fonte: Martins e Laugeni (2006).

n = Número de ciclos a serem coletados;

Para cronometragem foi utilizado o cronômetro Oregon 100 voltas SL980D.

No caso em estudo, adotou-se probabilidade de 95% e erro relativo de 5% e o

2.3 Análise dos dados

2.4 Modelagem dos processos em computador

A modelagem dos processos no computador e as modificações propostas, foram

2.5 Outlier e validação do modelo

Os outliers foram calculados no Minitab versão 17, seguindo a metodologia de Chwif

Ainda segundo Chwif e Medina (2015), é definido como um valor discrepante ou

O método de validação e verificação do modelo de simulação é essencial para o

3.1 Descrição da empresa em estudo

A empresa possui 30 anos de existência e já realizou várias ampliações para suprir o

Possui em seu portfólio uma diversidade de 10 (dez) produtos, sendo 9 (nove)

3.2 Fluxograma do processo estudado e descrição das etapas e equipamentos

O fluxograma (Figura 1) apresenta as etapas do processo produtivo do lava louças

A produção de Garrafas de PET é normalizada pela Associação Brasileira de Normas

Dando continuidade a produção, o frasco segue por 2,67 metros de esteira

Figura 1 - Fluxograma da produção de Lava-louças

Fonte: Autor, 2016

3.3 Análise de dados do modelo real

Antes de iniciar a modelagem no software computacional, aplicou-se a análise dos

3.3.1 Análise da cronometragem dos processos

Na primeira análise das cronometragens, utilizando o gráfico Boxplot, pode-se

Figura 2 - Gráfico Boxplot (rejeitado)

Fonte: Autor, 2016

Figura 3 - Gráfico Boxplot Atualizado

Fonte: Autor, 2016

É importante informar que os tempos da atividade de verificação não foram coletados,

Em sequência foram calculados os indicadores estatísticos necessários, onde os

Tabela 1 - Indicadores estatísticos dos Processos Automatizados da produção de detergente

Resultado da Cronometragem da Produção de Lava-loças (escala em

A avaliações do teste de aderência para identificar a melhor distribuição que

Em sequência foram projetados os gráficos do tipo Histograma, utilizando o software

Figura 4 - Histograma do Sopro

Fonte: Autor, 2016.

Figura 5 - Histograma do envase

Fonte: Autor, 2016.

Desvio-padrão de 0,1784 segundo, dentro de uma amostra de 101 coletas. Os indicadores de

Fonte: Autor, 2016.

A produção de lava louças contém dois setups, um na preparação do produto líquido

O Tempo Padrão de Setup da bobina de rótulos foi cronometrado e calculado a média

3.3.3 Esteira transportadora

Na Tabela 2 é possível visualizar os dados das distâncias que a os itens percorrem

Tabela 2 - Indicadores da esteira transportadora

Fonte: Autor, 2016.