As sementes da Literatura

Quando este livro saiu em 1996, os gerentes de produção enfrentavam tempos confusos.
Abordagens históricas para o gerenciamento de manufatura (por exemplo, controle de
estoque clássico, MRP e JIT) mostraram-se desajustadas e incompatíveis. Enfrentando
competição e complexidade sem precedentes, os gerentes recorreram a uma série de
“especialistas” em busca de soluções. Mas a resultante enxurrada de livros, minicursos,
pacotes de software, fitas de vídeo, sites e outras fontes que impulsionavam filosofias e
ferramentas concorrentes servia apenas para aprofundar o nevoeiro. Nunca houve mais
escolhas e menos clareza no mundo da manufatura.
Enquanto esse ambiente caótico era ruim para os gerentes, era bom para os acadêmicos.
Toda ciência é motivada pelo desejo de trazer ordem ao mundo ao nosso redor. O fato de
que a fabricação foi tão obviamente desordenada nos estimulou e a outros acadêmicos a
apelar para a ciência em busca de orientação. Sem a anarquia da administração de
manufatura na década de 1990, uma ciência da manufatura teria permanecido nascente.
Mas agora que foi descartada no mundo por necessidade, é apenas uma questão de tempo
antes que as práticas de manufatura sejam guiadas por princípios lógicos em vez de
retórica emocional.
Neste capítulo, examinamos os fundamentos da ciência da manufatura e os conectamos
às raízes de toda a ciência. Isso fornecerá a perspectiva de que precisamos desenvolver
princípios específicos de manufatura nos capítulos restantes da Parte II.

6.1.1 Uma Nevasca de Buzzwords

Em meados da década de 1990, muitos fabricantes passaram a ver sua disciplina em

termos de uma tempestade de palavras-chave gerenciais (por exemplo, MRP, MRP II,
ERP, JIT, CIM, FMS, TOC, TQM, BPR) com um guru associado. Micklethwait e
Woolridge (1996) descreveram essa tendência em seu livro intitulado The Witch Doctors.
Dez anos depois, as coisas ainda não são substancialmente melhores. Os sistemas ERP
tornaram-se sistemas SCM (Supply Chain Management) e a única inovação aparente na
gestão da moda é que ela avançou além do estágio “TLA” (sigla de três letras) com a
introdução de novos termos como lean (que não é um acrónimo a todos menos uma
palavra) e a introdução de uma letra grega - 6σ. Esses dois movimentos tornaram-se tão
populares que, em 2002, as pessoas começaram a falar sobre o “Seis Sigma Lean” ou,
simplesmente, o “sigma lean”. Isso pode indicar um cansaço crescente com a criação de
novos chavões, já que agora basta concatenar dois. buzzwords antigos.
É claro que cada palavra-chave, nova e antiga, oferece algum cerne de verdade ou nunca
teria obtido favor entre os praticantes. Mas a própria natureza dos chavões é a de uma
bala de prata - uma solução única para todas as situações. Como tal, eles fornecem pouca
perspectiva equilibrada sobre o que funciona bem e quando. Isso muitas vezes levou a
uma mentalidade de "gestão por bandwagon" com resultados infelizes. Empregados,
golpeados por uma “revolução” após a outra, estabelecem uma atitude cínica de que “isso
também passará”. Mas destemidos, muitos gerentes continuam acreditando que alguém,
em algum lugar, tem uma pílula mágica que resolverá todos os seus problemas
operacionais. Como resultado, os livros e consultores da palavra-chave prosperam, mas
pouco progresso real é feito.
Certamente parte da confusão vem da hipérbole excessiva usada por fornecedores e
consultores para comercializar seus produtos. Materiais publicitários chamativos
construídos em torno de reivindicações vagas e abrangentes dificultam que os gerentes
comparem com precisão os sistemas. No entanto, suspeitamos que as raízes do problema
são mais profundas do que isso. Acreditamos que uma grande parte da confusão é uma
consequência direta de nossa falta de confiança na ciência subjacente da manufatura.

6.1.2 Por que a ciência?

Em um campo como a física, onde o objetivo é entender o universo físico, a necessidade

da ciência é óbvia. Mas a gestão da manufatura é um campo aplicado, em que o objetivo
é o desempenho financeiro e não a descoberta do conhecimento. Então, por que precisa
de ciência?
A resposta mais simples é que muitos campos aplicados dependem da ciência. A medicina
é baseada em biologia, química e outras ciências. A engenharia civil tem como premissa
a estática, a dinâmica e outros ramos da física. A engenharia elétrica depende das ciências
da eletricidade e do magnetismo. Em cada caso, a fundação científica fornece um
conjunto poderoso de ferramentas, mas não é em si a disciplina aplicada completa. Por
exemplo, a prática da medicina envolve muito mais do que simplesmente aplicar os
princípios da biologia.
Mais especificamente, a ciência oferece vários usos no contexto do gerenciamento de
manufatura.
Primeiro, a ciência oferece precisão. Uma razão para desenvolver uma ciência da
manufatura é fornecer uma caracterização mais precisa de como os sistemas funcionarão.
Relações que fornecem previsões são os fundamentos da ciência. Por exemplo, F = ma é
uma relação básica da física. Ferramentas de probabilidade, como as que usamos para
modelar a incerteza de demanda em sistemas de inventário no Capítulo 2, são exemplos
de importantes fundamentos da Física de Fábrica.
A ciência também oferece intuição. A fórmula F = ma é intuitiva. Duplique a força e, para
a mesma massa, a aceleração dobra. Alunos do ensino fundamental são obrigados a fazer
cursos de ciências, não para que possam calcular o resultado de um experimento, mas
para que possam entender melhor o mundo ao seu redor. Sabendo que a água se expande
quando congela e que o gelo em expansão pode rachar um bloco do motor, convence a
necessidade de um anticongelante (se é possível calcular a molalidade da solução). Da
mesma forma, um gerente freqüentemente não tem tempo para conduzir uma análise
detalhada de uma decisão. Em tais casos, o valor real dos modelos é aguçar a intuição. A
boa intuição permite que os gerentes concentrem suas energias em questões de
alavancagem máxima.
Finalmente, a ciência facilita a síntese de sistemas complexos, fornecendo uma estrutura
unificada. Por exemplo, por muitos anos, eletricidade e magnetismo e óptica foram
considerados campos diferentes. James Clerk Maxwell os unificou com quatro equações.
Na manufatura, as principais medidas de desempenho, como o trabalho em andamento e
o tempo de ciclo, são geralmente tratadas como se fossem independentes. Mas, como
veremos no Capítulo 7, existem relações bem definidas e úteis entre essas medidas. Além
disso, empresas de manufatura são sistemas complexos envolvendo pessoas,
equipamentos e dinheiro. Como tal, elas podem ser razoavelmente vistas de várias
maneiras: como uma coleção de pessoas com valores compartilhados, como uma
comunidade criativa para o desenvolvimento de novos produtos, como um conjunto de
processos físicos inter-relacionados, como uma rede de fluxos de materiais ou como um
conjunto de centros de custo. Ao fornecer uma estrutura consistente, uma ciência da
manufatura oferece um meio de sintetizar essas visões díspares. Trazer as diferentes
partes de um sistema para um todo efetivo está próximo do núcleo da função de
gerenciamento.
Para destacar ainda mais a necessidade de uma ciência da manufatura, consideramos dois
exemplos.

Exemplo: Design de Produto

Suponha que um novo conceito de produto envolva um motor de 3 kW funcionando com
tensão e fiação domésticas padrão (120 volts com um disjuntor de 20 amperes). isso é
uma boa ideia?
Da ciência elétrica básica, sabemos que a relação fundamental entre potência (P), corrente
(I) e tensão (V) é
P = IV

Como as especificações do produto implicam P = 3.000 watts e V = 120 volts, o motor

extrairá I = P / V = 3.000 / 120 = 25 amperes. Mas isso irá imediatamente atrapalhar o
disjuntor de 20 amperes. Então, a ciência nos diz que o design proposto é ruim. Ele
também indica onde as alterações podem ser feitas para criar um design viável.
Assumindo que o requisito de energia seja fi xo, podemos alternar para 220 volts ou usar
um fio mais espesso com um disjuntor maior.
O ponto deste exemplo é que o conhecimento básico de relações simples pode ser usado
para guiar o processo de design. Muitas decisões de projeto, para produtos que vão de
semicondutores a pontes, são feitas com base em ciências teóricas bem desenvolvidas.
Embora as ciências subjacentes sejam diferentes, elas têm os seguintes recursos em
comum:
1. Eles oferecem relações quantitativas descrevendo o comportamento do sistema (por
exemplo, P = IV).
2. Eles são baseados em teorias para sistemas simples, em torno dos quais teorias para
sistemas mais complexos do mundo real são construídas (por exemplo, as relações da
mecânica clássica são todas declaradas para sistemas sem resistência do ar ou atrito).
3. Eles contêm relacionamentos-chave intuitivos. Por exemplo, F = ma indica claramente
que duplicar a massa reduz a aceleração sob uma força constante. Para um determinado
conjunto de observações, uma fórmula muito mais complexa do que F = ma poderia, na
verdade, adequar melhor os dados, mas não forneceria os mesmos insights claros e,
portanto, seria menos poderosa.
Exemplo: Design de Fábrica
Agora suponha que recebamos especificações para uma fábrica em vez de um produto.
Especificamente, suponha que o vice-presidente de fabricação exigiu que uma planta de
placa de circuito impresso (PCB) produzisse

• 3.000 PCBs por semana para atender a demanda.

• Um tempo de ciclo médio (atraso entre a liberação de trabalho e conclusão) de não mais
de 1 semana, para manter a capacidade de resposta,
• Nenhuma hora extra (semana de trabalho de 40 horas), para manter os custos baixos.
Isso pode ser feito?
Desta vez, a resposta não é tão clara. O equivalente de F = ma para o projeto de fábrica
não é amplamente conhecido, 1 e os análogos de fábrica para os elementos mais
sofisticados de engenharia elétrica não foram sequer desenvolvidos.
Se existisse, o que uma teoria do design de fábrica poderia nos mostrar? Uma
possibilidade seria as relações necessárias para gerar o gráfico na Figura 6.1 para a planta
de PCB. O eixo x indica a taxa de transferência, enquanto o eixo y mostra o tempo médio
de ciclo resultante. As três curvas mostram a relação para os casos de horas extras, 4 horas
extras e 8 horas extras por semana.
Naturalmente, a resposta imediata ao pedido de qualquer vice-presidente é “sim!”, Mas
com a ressalva de que “precisaremos fazer algumas mudanças”. As curvas na Figura 6.1
mostram que, se insistirmos em não mais do que uma semana para o tempo de ciclo médio
sem horas extras, o melhor que podemos fazer é de 2.600 unidades por semana. Se
insistirmos em um tempo médio de ciclo de menos de 1 semana e 3.000 unidades por
semana, precisaremos de 4 horas adicionais por semana de horas extras. Enquanto a
fábrica se caracterizar por esse conjunto de curvas, não há como atender à demanda do
vice-presidente. Isso não significa que seja impossível, apenas que não pode ser feito com
a configuração atual da fábrica. Portanto, como foi o caso do exemplo anterior do motor
elétrico, a próxima coisa que queremos da nossa teoria é uma indicação de que mudanças
poderiam ser feitas para alterar os requisitos do vice-presidente.
Observe que as relações na Figura 6.1 satisfazem as propriedades citadas anteriormente
das ciências do design: elas são quantitativas, simples e intuitivas. Mesmo que não
estivessem acostumados a responder a perguntas numéricas, como as feitas pelo vice-
presidente de manufatura, relacionamentos como esses contêm valiosas percepções
gerenciais. Eles indicam que os esforços para aumentar a taxa podem resultar em um
aumento acentuado no tempo de ciclo. Eles também mostram que adicionar capacidade
(neste caso, hora extra) torna o tempo de ciclo menos sensível à taxa de saída.
Conjeturaremos leis que governam este e outros comportamentos no restante da Parte II.
Finalmente, vamos considerar um terceiro exemplo que ilustra o perigo de usar slogans
no lugar da ciência.
Exemplo: Pensamento Lean
Suponha que tenhamos uma fábrica que produza uma gama de produtos usando vários
centros de processo e queremos melhorar o desempenho invocando práticas de produção
enxuta. Para fazer isso, começamos com dois relacionamentos comumente citados como
fundamentais na literatura enxuta:
Cycle time = value-added time + non-value-added time and Decreased non-value-added
time → increased efficiency

Destas, fica claro que, se reduzirmos o tempo sem valor agregado, diminuiremos o tempo
de ciclo e melhoraremos a eficiência. Portanto, suponhamos que dividamos todas as
etapas de nossos processos em componentes de valor agregado e componentes sem valor
agregado. Além disso, suponhamos que encontramos vários centros de processo cujos
tempos de processamento são mais curtos do que o conjunto de tempo de takt (entrada)
necessário para atender a demanda e, portanto, parte inativa do tempo (claramente uma
atividade sem valor agregado). Para melhorar a eficiência, removemos parte dessa
capacidade adicional e a transferimos para outra parte da fábrica onde a demanda está
aumentando. Esperamos economizar dinheiro fazendo um melhor uso da capacidade
subutilizada (mão de obra e máquinas).

Mas, para nossa surpresa, descobrimos que os tempos de ciclo não diminuíram, mas
aumentaram quase por completo! O que deu errado?
O problema aqui é a falta de um modelo significativo e um mal-entendido das causas do
tempo de ciclo. A equação Cycle time = value-added time + non-value-added time

É uma tautologia. Em outras palavras, sua verdade é auto-suficiente e, portanto, não

oferece mais discernimento sobre o estado do mundo do que uma declaração como:

Todos no mundo são Hillary Rodham Clinton ou Hillary Rodham Clinton.

De fato, a distinção valor agregado / não-valor agregado e o conceito relacionado de que

para melhorar a eficiência é preciso “eliminar o desperdício” (ou muda) é essencialmente
vazio, dizendo “faça a coisa certa”. quero fazer isso, mas a declaração não oferece
nenhuma orientação sobre como fazê-lo. Portanto, a menos que tenhamos muito cuidado,
é provável que diminuamos apenas um tipo de lixo para aumentar outro.
Por exemplo, se (como é frequentemente o caso) o maior componente do tempo de ciclo
é peças à espera de recursos, podemos reduzir esse “desperdício” aumentando o número
de recursos disponíveis. Mas isso significará um aumento de “desperdício” na forma de
mão-de-obra e custos de capital. Então, devemos fazer isso? A resposta é, depende dos
detalhes. Mas o que está claro é que a chamada lógica do lean não pode fornecer nenhuma
orientação.
Portanto, o que é realmente necessário é um paradigma básico que nos permita fazer
trade-offs entre diferentes tipos de resíduos e nos ajuda a identificar as causas do próprio
“desperdício”. Como esse paradigma é fundamental para o modo como todas as fábricas
se comportam, nós o chamamos de Física de Fábrica.

6.2 Raízes Formais

Antes de podermos desenvolver a Física de Fábrica como uma ciência da manufatura,
precisamos dar um passo atrás e entender exatamente o que significa ser científico.

6.2.1 O que é ciência?

Em 1950, Einstein escreveu Perfeição de meios e confusão de objetivos parecem

caracterizar nossa idade.

Sua observação ainda parece apropriada na era pós-moderna. Nós nos tornamos
tecnologicamente sofisticados, mas ainda parecem não ter direção.
Se tomarmos vários (muitos?) Passos para trás na filosofia, começamos a ver o porquê.
Começando com Aristóteles (m. 322 aC), e por quase 2.000 anos depois, a metafísica
sempre envolveu quatro “causas”: material, eficiente, formal e final. A causa material é
o material do qual um objeto ou sistema é feito. A causa eficiente é a coisa que fez isso.
A causa formal é o padrão ou essência do sistema ou objeto. A causa final é o fim ou
propósito para o qual o objeto ou sistema é feito.
Durante o período comumente chamado de Iluminismo, as causas formais e finais foram
virtualmente eliminadas da consideração. Isso deu origem a um novo movimento
filosófico conhecido como “materialismo”, que afirmava que as únicas coisas que existem
são matéria e que todos os fenômenos são o resultado de interações materiais.
As conseqüências desse foco materialista no gerenciamento de manufatura hoje é que
achamos muito importante estudar e entender tanto os processos de manufatura quanto os
produtos, mas acreditamos que outras considerações devem ser evidentes. Em todos os
sistemas de fabricação, de semicondutores a farmacêuticos, há especialistas em processos
e materiais. Mas os visionários que conseguem ver toda a imagem são raros. Como
resultado, podemos ser muito enxutos, ou obter alta qualidade, ou fornecer um serviço de
atendimento ao cliente superior, mas ter dificuldade em equilibrar todos esses objetivos
aparentemente conflitantes. Para colocá-lo em termos aristotélicos, entendemos muito
bem as causas materiais e eficientes, mas temos pouco conhecimento sobre as causas
formais e finais.
Sob essa luz, é interessante que, há mais de 20 anos, um best seller no subsolo, The Goal
(Goldratt e Cox, 1984), causou grande impacto ao focar nas causas finais. O objetivo ou
a causa final de um sistema de manufatura ao qual o título se referia era “ganhar dinheiro
agora e no futuro”. Embora isso capture o propósito essencial dos sistemas de manufatura,
sugerimos expandi-lo para “ganhar dinheiro agora e no futuro” maneiras que são
consistentes com nossos valores fundamentais ”para impedir a obtenção de dinheiro
através de meios imorais, que infelizmente se tornaram muito comuns em nossa era.

6.2.2 “Causa Formal” dos Sistemas de Manufatura

Isso deixa a “causa formal”, que é “formal” porque lida com a “forma” de um objeto (isto
é, sua definição, padrão ou essência). A causa formal define o objeto em termos de
princípios fundamentais ou leis gerais e, portanto, é significativa para uma visão científica
da manufatura. Nesta seção, postulamos uma nova causa formal para os sistemas de
manufatura, que serve como um modelo para o restante do livro.
Elementos Essenciais e Primitivos

A causa formal de um sistema de produção / serviço envolve dois elementos essenciais:

demanda e transformação. Em outras palavras, a essência de qualquer sistema de
produção (ou serviço) é transformar material ou outros recursos em bens (ou serviços)
para atender a uma demanda. Pode-se pensar que a "oferta" também é um elemento
essencial de um sistema de produção. No entanto, em termos fundamentais, um
fornecedor transforma recursos em produtos e, portanto, faz parte do elemento de
transformação.
Essas “formas” são as mesmas, quer o sistema represente uma operação simples em um
centro de processo, um único fluxo de produto em uma fábrica ou toda a cadeia de
suprimentos de uma empresa multibilionária (veja a Figura 6.2). Os detalhes e a
complexidade variam muito entre os sistemas, mas a essência permanece a mesma.

Buffers
Se a demanda e a transformação estivessem perfeitamente alinhadas, teríamos a forma
“ideal”: a transformação atenderia exatamente à demanda, não haveria inventário, todos
os recursos teriam 100% de utilização e os prazos de entrega equivaleriam ao tempo do
processo. Nenhum excesso ou desperdício de qualquer tipo existiria. Infelizmente, no
mundo real, nunca podemos alcançar esse ideal. Como a demanda nunca está
perfeitamente alinhada com a transformação, surgem buffers. Um buffer é um recurso em
excesso que corrige a demanda e a transformação desalinhadas e assume uma das três
formas:

1. Inventário (material extra no processo de transformação ou entre este e o processo de

demanda)
2. Tempo (um atraso entre uma demanda e satisfação do processo de transformação)
3. Capacidade (potencial de transformação extra necessário para satisfazer taxas de
demanda irregulares ou imprevisíveis)

Como explicaremos no restante da Parte II, o fator que torna o alinhamento da demanda
e da transformação impossível na prática é a variabilidade. Como os processos de
demanda e transformação estão sujeitos a variações (os clientes mudam de ideia, as
máquinas falham, etc.), nunca poderemos combiná-los exatamente. Por isso, sempre
temos buffers, que inibem a eficiência dos sistemas de produção e serviço. Como
discutiremos em detalhes nos Capítulos 7 a 9, entender as causas subjacentes da
variabilidade e os buffers que ela gera é essencial para o projeto e o gerenciamento de
sistemas de produção eficientes.
Filosoficamente, procuramos tornar os sistemas reais o mais próximo possível do ideal.
Para passar da filosofia para a ciência, notamos que existem dois elementos primitivos
que compõem os sistemas de produção: estoques e fluxos. Um fl uxo representa material
ou recursos que se movem através do processo de transformação e é essencial, uma vez
que a transformação seria impossível sem ele. Um estoque representa material ou outros
recursos aguardando a transformação. Os estoques não são essenciais, pois os sistemas
que não mantêm estoques entre a demanda e a transformação (por exemplo, um sistema
de serviços) não possuem estoques.
Nestes termos, os buffers de estoque são mantidos em estoque, enquanto os outros dois
buffers, tempo e capacidade, estão relacionados a fluxos. A demanda e a transformação
são, elas próprias, tipos de fluxos: a demanda é um fluxo, enquanto a transformação é um
fluxo de saída. Naturalmente, a natureza específica dos fluxos e estoque pode variar muito
entre os sistemas. Mas até mesmo esse modelo formal altamente simplificado pode dar
clareza à nossa visão dos sistemas de produção, como ilustramos no exemplo a seguir.

Exemplo: má administração do buffer

Um gerente de fábrica, depois de ler sobre os benefícios do Kanban, decide implementá-
lo imediatamente. Alguns “quadrados kanban” estão marcados no chão e a força de
trabalho é instruída sobre quantas partes devem ser mantidas em cada uma delas.
Conforme planejado, os níveis de estoque e o tempo de ciclo imediatamente começam a
cair. Mas, para o desgosto do gerente, o mesmo acontece com a produção da fábrica.
Logo, a fábrica não consegue acompanhar a demanda e o atendimento ao cliente começa
a cair rapidamente.
O que deu errado? Na terminologia de nosso modelo formal, o gerente da usina reduziu
o buffer de tempo sem abordar a razão subjacente (isto é, a variabilidade) de que os
buffers existiam em primeiro lugar. Como resultado, o sistema foi forçado a introduzir
buffers alternativos, o que fez reduzindo a produção e, consequentemente, a utilização.
Isso criou um buffer de capacidade indesejado.

As causas específicas e relações entre buffers são examinadas no restante da Parte II. Por
enquanto, resumimos os principais insights do nosso modelo formal simples da seguinte
forma:

1. As duas partes essenciais de um sistema de produção são demanda e transformação.

2. Os dois elementos primitivos de um sistema de produção são estoques e fluxos.
3. Se a demanda e a transformação não estiverem perfeitamente alinhadas, haverá um ou
mais buffers.
4. Existem apenas três tipos de buffers:
(a) Inventário
(b) tempo
c) capacidade
5. A causa usual de desalinhamento entre demanda e transformação é
variabilidade.

6.2.3 Modelos - prescritivos e descritivos

A “causa formal” descrita acima é um modelo descritivo muito primitivo de um sistema

de produção. Como os modelos descritivos simplificam realidades complexas pela
destilação de comportamentos essenciais, eles são a base de toda a ciência. No entanto,
diferentemente da ciência, a engenharia e a administração são disciplinas orientadas para
o objetivo e, portanto, também exigem modelos prescritivos que ajudem a orientar a
tomada de decisões.
Modelos prescritivos são tipicamente derivados de um conjunto de suposições
matemáticas. Como tal, eles diferem dos modelos descritivos usados em ciências como
física e química, que são afirmações sobre a natureza. Embora os modelos científicos
usem a matemática como uma linguagem, eles não são derivados da matemática. Em vez
disso, os modelos científicos são essencialmente conjecturas sobre o modo como as coisas
funcionam. Os modelos descritivos resultantes fornecem a base para modelos prescritivos
usados por profissionais em campos aplicados, como engenharia elétrica, mecânica e
química, para orientação no projeto e controle de sistemas complexos (como plantas
químicas).
Como exemplo, considere o problema enfrentado por um engenheiro civil na seleção de
um projeto de ponte. Cada estratégia de design disponível representa uma solução
prescritiva baseada na experiência e nos modelos. Por exemplo, durante um longo
período, uma ponte suspensa é uma boa opção. As pontes suspensas são suportadas por
cabos de aço, que podem acomodar enormes esforços de tração, mas são quase inúteis
quando confrontados com tensões de compressão. Em contraste, um vão mais curto é
frequentemente melhor servido com uma ponte de concreto armado, onde os membros de
suporte se curvam ligeiramente para cima, produzindo esforços de compressão nos
membros de suporte de carga. O concreto pode suportar grandes tensões de compressão,
mas não funciona bem sob tensão.
Como os engenheiros civis sabem essas coisas? No início de sua formação, antes de fazer
um curso sobre construção de grandes estruturas, eles fazem um curso de engenharia
científica. Uma delas, estática e dinâmica, cobre forças de compressão e tensão. Aqui,
aprende-se como um arco transmite carga de seu topo para sua base. Outro curso inicial
descreve a resistência de materiais como aço e concreto. Em nossa linguagem, estes são
cursos descritivos. Somente depois que esses conceitos básicos são compreendidos, o
engenheiro em perspectiva começa a fazer cursos de design ou prescritivos.
Pode-se argumentar que os modelos tradicionalmente ensinados em cursos de
gerenciamento de operações representam a base do modelo descritivo de gerenciamento
de manufatura. Como os modelos ensinados nos cursos de engenharia científica, eles são
elementares e são usados como blocos de construção para sistemas mais complexos. No
entanto, existe uma diferença fundamental. Como Little (1992) apontou, muitos dos
modelos matemáticos usados no gerenciamento de operações e engenharia industrial (IE)
são tautologias. Isto é, dado um conjunto particular de suposições, pode-se provar que o
sistema se comporta de uma maneira particular. A ênfase está na derivação adequada das
suposições para as conclusões e não no fato de o modelo ser uma representação realista
de um sistema real. Em essência, a verdade do modelo é autocontida. Pouco até
demonstrou que uma “lei” nomeada por si (e uma que iremos explorar no Capítulo 7) não
é uma lei, mas é uma tautologia. Uma vez que se pode demonstrar que ela é
matematicamente, não há mais sentido em verificar a lei de Little com dados empíricos
do que em pessoas de pesquisa para confirmar que são ou não Hillary Clinton.
Ao contrário das tautologias matemáticas, os modelos ensinados em cursos de ciências
de engenharia fazem conjecturas sobre o mundo exterior. Eles convidam o aluno a
conferir declarações específicas contra evidências empíricas (e os alunos fazem
exatamente isso em seções de laboratório). A fórmula F = ma é uma dessas conjecturas.
Essa lei certamente não é uma tautologia matemática; na verdade, nem é estritamente
verdadeiro (só é correto para velocidades lentas em comparação com a velocidade da luz).
No entanto, é extremamente útil e está no centro de muitos modelos complexos de
engenharia. Resultados importantes em física, como F = ma e outras leis newtonianas,
também são notáveis por sua simplicidade. Entretanto, como qualquer estudante de
engenharia do segundo ano pode atestar, o campo de estática e dinâmica é tudo menos
simples, mesmo que seja baseado apenas em um pequeno conjunto de afirmações
extremamente simples sobre a natureza.
Também é importante notar que nenhuma lei científica pode ser provada. A derivação
dos primeiros princípios não é uma prova, uma vez que os primeiros princípios são, eles
próprios, leis conjeturadas. Como nunca podemos observar todas as situações possíveis
(ao contrário da indução matemática), nunca podemos saber se nossa explicação atual dos
fenômenos observados é a correta ou se surgirá alguma outra explicação melhor. Se a
história é um guia, é uma boa aposta que todas as leis da ciência que "conhecemos" hoje
acabarão sendo desafiadas e derrubadas. Como "Theodoric of York" (também conhecido
como Steve Martin)

Você sabe, a medicina não é uma ciência exata, mas estamos aprendendo o tempo todo.
Por que, cinquenta anos atrás, eles pensavam que uma doença como a da sua filha era
causada por possessão demoníaca ou feitiçaria. Mas hoje em dia sabemos que Isabelle
está sofrendo de um desequilíbrio de humores corporais, talvez causado por um sapo ou
um pequeno anão que vive em seu estômago.

No entanto, a prática da ciência não é tão desesperadora quanto parece. Uma lei não
comprovada ou mesmo refutada (como F = ma) pode ser muito útil. A chave é entender
onde isso acontece e não se aplica. É por isso que é importante não procurar verificar
nossas hipóteses, mas sim tentar refutá-las. Quanto mais refutamos, mais aprendemos
sobre o sistema e melhor será a lei que sobreviverá (Polya, 1954). Chamamos esse
processo de conjectura e refutação (Popper 1963). De muitas maneiras, a conjectura e a
refutação são para a ciência o que “perguntar por que cinco vezes” é a implementação do
JIT / Lean. Ambos representam procedimentos para ir além das causas óbvias e
descendentes.
Embora ainda não exista uma ciência básica universalmente aceita do gerenciamento de
operações, vários pesquisadores e professores começaram a lidar com essa lacuna (ver
Askin e Standridge, 1993, Buzacott e Shanthikumar, 1993, e Schwarz, 1998). Este livro
representa nossa tentativa de estruturar uma ciência da manufatura. Evidentemente, está
longe de estar completo. As relações de física de fábrica que podemos oferecer neste
momento são uma combinação de insights de práticas históricas, desenvolvimentos
recentes de pesquisadores e profissionais, equações da teoria das filas e alguns resultados
de nossa própria pesquisa. No entanto, a Factory Physics não é uma palavra de ordem.
Não é fácil nem pretende oferecer uma solução para todas as situações. O Factory Physics
fornece simplesmente as relações básicas entre as quantidades fundamentais de
fabricação, como inventário, tempo de ciclo, rendimento, capacidade, variabilidade,
atendimento ao cliente e assim por diante. Acreditamos que a compreensão dessas
relações no contexto de uma ciência de manufatura, mesmo incompleta, melhor
capacitará o leitor a projetar e controlar empreendimentos produtivos eficazes.

6.1 Objetivos Estratégicos e Operacionais

Modelos descritivos que nos ajudam a entender as relações básicas subjacentes ao

comportamento do sistema de manufatura são importantes. Mas uma ciência da
manufatura é, em última instância, uma disciplina aplicada cujo propósito é nos ajudar a
projetar e gerenciar melhor os sistemas de produção. Portanto, devemos começar com um
objetivo claro e, depois, construir uma estrutura de modelagem com a qual avaliar
políticas.

6.3.1 Objetivo Fundamental

Já declaramos uma “causa final” para o sistema de manufatura e ela serve bem como um
objetivo fundamental:

Ganhar dinheiro agora e no futuro de forma consistente com nossos valores

fundamentais.

Percebemos que esta é uma afirmação de “mamãe e torta de maçã”, que é muito vaga
para gerar uma orientação muito concreta. Mas essa é a natureza de um objetivo
fundamental. Fornece um ponto de encontro comum entre todos os vários interessados
na empresa e ajuda a definir o problema do gerenciamento de manufatura.
Em muitas organizações, é gasto tempo considerável no desenvolvimento do objetivo
fundamental em uma declaração de missão. Uma boa declaração de missão aborda como
o objetivo fundamental deve ser alcançado no nível estratégico. Por exemplo, a
declaração de missão da Levi-Strauss é "Vamos comercializar a roupa casual mais
atraente e mais usada no mundo". Essa breve declaração deixa claro que a qualidade
(medida como apelo) é a dimensão competitiva dominante para a empresa. É claro que
preço, variedade e serviço devem ser competitivos, mas essas não são as razões pelas
quais a Levi-Strauss espera que compremos seus produtos.
Nem todas as declarações de missão são tão claramente focadas. Por exemplo, a
Amazon.com tem como missão a seguinte: “A Amazon.com busca ser a empresa mais
centrada no cliente do mundo, onde os clientes podem encontrar e descobrir qualquer
coisa que desejem comprar on-line por um ótimo preço.” claro para quem interage com a
Amazon que é a variedade acima de tudo que distingue a empresa de sua concorrência.
Embora a declaração de missão certamente diga isso, ela também lança objetivos
secundários de preço e serviço, embora a Amazon claramente não tenha a intenção de ser
o preço mais baixo ou o serviço varejista mais alto. Então, esses elementos extras na
declaração de missão distraem o verdadeiro objetivo fundamental da Amazon.
Finalmente, algumas declarações de missão divergem completamente do objetivo
fundamental. Por exemplo, a Mary Kay Cosmetics atribui sua missão de “enriquecer a
vida das mulheres” e a declaração de missão da Walt Disney é “tornar as pessoas felizes”.
Embora sejam inspiradoras, elas não são muito úteis para orientar decisões de negócios.
Assim, embora as declarações de missão possam ser valiosas como slogans edificantes,
principalmente para o consumo externo, elas geralmente não são parte do processo de
converter o objetivo fundamental em diretivas operacionais concretas.
6.3.2 Objetivos Hierárquicos

Para fornecer uma base para as decisões operacionais, precisamos identificar objetivos
mais restritos que apóiem o objetivo fundamental. Para fazer isso, é útil definir “ganhar
dinheiro” em termos mensuráveis ao refinar nosso objetivo fundamental para o seguinte:

Faça um bom retorno sobre o investimento (ROI) a longo prazo.

Esta declaração ainda serve como um objetivo básico sobre o qual as várias partes
interessadas podem concordar. Satisfará os acionistas porque o ROI suporta o preço das
ações. Também satisfará os funcionários pelo menos em um aspecto, já que eles
continuarão a ser empregados e em posição de receber melhores salários. Finalmente, isso
implica que os clientes devem estar satisfeitos, porque, se não estiverem, manter um bom
ROI será impossível a longo prazo.
Agora, para derivar objetivos de apoio mais específicos, notamos que o ROI (assim como
o lucro) é determinado por três grandezas fi nanceiras - (1) receita, (2) ativos e (3) custos
- como segue:

Mas essas medidas ainda são muito altas para a operação diária da planta. Assim,
reduzimos ainda mais a receita, os ativos e os custos para equivalentes na fábrica de: (1)
taxa de transferência, a quantidade de produto vendido por unidade de tempo (não adianta
fazê-lo e não vendê-lo); (2) ativos, principalmente ativos controláveis, como estoques; e
(3) custos, consistindo em despesas operacionais do centro, especialmente desvios de
custo, como horas extras, subcontratação e refugo. Essas três medidas básicas fornecem
a ligação entre medidas financeiras de alto nível (por exemplo, ROI) e medidas de
operações de nível mais baixo (por exemplo, disponibilidade da máquina) que estão mais
diretamente relacionadas às atividades de manufatura.
Podemos agora traçar as ligações do objetivo fundamental para os vários objetivos
subordinados de apoio. A Figura 6.3 ilustra uma amostra de hierarquia de objetivos que
podem resultar de tal exercício. A lógica por trás dessa hierarquia segue as fórmulas para
ROI e lucro. Alto ROI é alcançado através de altos lucros e baixos ativos. Alto lucro exige
baixos custos e altas vendas. Baixos custos implicam baixos custos unitários, que exigem
alto rendimento, alta utilização e baixo estoque. Como veremos mais adiante na Parte II,
alcançar baixos estoques e manter o processamento e a utilização altos exige que a
variabilidade na produção seja mantida baixa. Vendas elevadas exigem um produto de
alta qualidade que as pessoas querem comprar, além de um bom atendimento ao cliente.
O alto atendimento ao cliente requer uma resposta rápida e confiável. A resposta rápida
requer tempos de ciclo curtos, baixa utilização do equipamento e / ou altos níveis de
estoque. Manter muitos produtos disponíveis requer altos níveis de estoque e mais
(produto) variabilidade. No entanto, para obter alta qualidade, precisamos de menos
variabilidade (processo) e tempos de ciclo curtos (para facilitar a detecção rápida de
defeitos).
Finalmente, no lado dos ativos da hierarquia, precisamos de alta utilização para minimizar
o investimento em equipamentos de capital e estoques baixos, a fim de reduzir o dinheiro
amarrado em estoque. Como observado acima, a combinação de baixo estoque e alta
utilização requer baixa variabilidade.
Note que esta hierarquia contém alguns conflitos. Por exemplo, queremos estoques altos
para resposta rápida, mas estoques baixos para manter ativos totais baixos para que o
retorno sobre os ativos seja alto. Queremos uma alta utilização para manter ativos e custos
unitários baixos, mas baixa utilização para uma boa capacidade de resposta. Queremos
mais variabilidade para maior variedade de produtos, mas menos variabilidade para
manter o estoque baixo e a produtividade alta. Apesar da relutância de alguns consultores
enxutos em usar a “palavra t”, não temos escolha senão fazer concessões para resolver
esses conflitos.
Finalmente, é útil observar na Figura 6.3 que os tempos de ciclo curtos suportam tanto
custos mais baixos quanto vendas maiores. Essa é a motivação por trás da ênfase durante
a década de 1990 na velocidade, incorporada em práticas como a fabricação de respostas
rápidas. Abordaremos o tópico importante da redução do tempo de ciclo na Parte III,
depois de estabelecer relações básicas envolvendo a variabilidade mais adiante na Parte
II.

6.3.3 Posicionamento Estratégico

Para identificar os pontos de alavancagem mais importantes em um sistema de

manufatura, não é suficiente estabelecer uma lista de objetivos subordinados que
suportem os objetivos fundamentais. Nem todos são de igual importância e, como
observamos acima, alguns objetivos conflitam entre si. Portanto, precisamos de uma
estrutura na qual possamos priorizar objetivos subordinados e fazer concessões
adequadas. Tal estrutura deve incorporar tanto a estratégia (porque isso determina como
escolhemos perseguir o objetivo fundamental) quanto as operações (porque elas
determinam as capacidades do sistema de manufatura).
Para desenvolver tal estrutura, retornamos à expressão ROI, que divide os objetivos em
aqueles relacionados ao aumento da receita e aqueles relacionados à redução de custos e
ativos. Como mostra a Figura 6.3, as partes de custo e ativo da equação são relativamente
simples e simples. Alta utilização (e throughput), além de baixo estoque, são as chaves
para eficiência de custo em quase todas as configurações de fabricação. Embora o grau
em que isso possa ser alcançado varie entre os ambientes, é sempre o caso que um
inventário mais baixo e uma utilização mais alta são melhores.
A complexidade e, portanto, a necessidade de orientação estratégica, é muito maior no
lado da receita da equação. Todas as empresas de manufatura fazem uma proposta de
valor para seus clientes que é uma mistura de:

1. Preço: Embora a precificação seja uma decisão gerencial que deve levar em
consideração a concorrência no mercado, ela é fortemente dependente do custo unitário,
que é influenciado por uma variedade de políticas de operações.
2. Tempo: Um componente chave do valor que um cliente recebe de um produto é o lead
time (ou seja, velocidade de entrega), que é determinado pelo tempo de ciclo de
fabricação (em sistemas de produção sob encomenda) e políticas de controle de estoque
para estoque).
3. Qualidade: Como discutiremos no Capítulo 12, a qualidade consiste em muitas
dimensões e pode ser medida de várias formas. Algumas delas, como design de produtos
e atendimento ao cliente, podem estar fora do escopo da função de fabricação. Mas outros,
como taxas de defeitos, são influenciados por práticas dentro da fábrica.
4. Variedade: A oferta de mais produtos permite que os clientes combinem melhor as
compras com seus gostos (desde que a variedade não seja tão extensa a ponto de
sobrecarregar os clientes com muitas opções). Mas a variedade também introduz
complexidade e variabilidade, o que aumenta o custo.

Estes podem ser considerados como “vencedores de pedidos”, uma vez que é a
conveniência de produtos ao longo dessas dimensões que possibilitam que uma empresa
faça vendas. A ênfase dada a cada dimensão é uma função da estratégia de negócios da
empresa. Por exemplo, os Correios dos EUA e a Federal Express estão no negócio de
entrega de correspondências. Mas o USPS enfatiza o preço, enquanto o Fed Ex enfatiza
o tempo. Da mesma forma, a Kia vende carros predominantemente com base no preço,
enquanto a Bentley faz vendas com base na qualidade.
A decisão estratégica de como priorizar essas dimensões está além do escopo do problema
de manufatura abordado neste livro. Mas deve ser feito para determinar quais recursos de
operações são necessários. Por exemplo, o USPS faz uso de entrega ponto-a-ponto para
minimizar os custos de transporte em apoio à sua estratégia de baixo preço, enquanto a
Fed Ex faz uso de uma estrutura hub-and-spoke para facilitar a entrega rápida em apoio
de sua estratégia. estratégia de alto serviço.

Fronteiras Eficientes

Um conceito que pode ajudar a estruturar nossa maneira de pensar sobre esses trade-offs,
bem como o papel estratégico da eficiência operacional, é o de fronteiras eficientes. Por
exemplo, a Figura 6.4 ilustra a fronteira eficiente para o trade-off de custo versus
velocidade de entrega negociado pelo Fed Ex e pelo USPS. Cada ponto da curva
representa a solução de menor custo (dada a tecnologia atual) para um determinado tempo
de entrega. Os pontos acima dessa curva são ineficientes, pois representam soluções de
alto custo, enquanto pontos abaixo da fronteira eficiente são, por definição, inviáveis,
uma vez que representam custos que não são alcançáveis com a tecnologia atual.
A fronteira eficiente destaca a necessidade estratégica de eficiência operacional. Uma
empresa cujas ofertas estão fora da fronteira eficiente é vulnerável a um concorrente
eficiente, que pode cobrar um preço menor por um produto similar. Como observamos
no Capítulo 1, essa foi exatamente a estratégia usada por Andrew Carnegie para dominar
o mercado de aço. Por ser o produtor de aço de menor custo (ou seja, o único produtor na
fronteira eficiente), ele poderia cobrar preços altos e obter grandes lucros quando a
demanda fosse forte. Quando a demanda era fraca, ele podia reduzir a concorrência no
preço e tirar sua concorrência do mercado.
Mas o aço é uma commodity, para a qual quase toda a concorrência está no preço. Nos
mercados de não-commodities, a concorrência ocorre em outras dimensões além do
preço. Por exemplo, na indústria de entrega de pacotes, os clientes estão preocupados com
a velocidade e o preço.

Portanto, uma fronteira de interesse eficiente é aquela mostrada na Figura 6.4. Outras
fronteiras eficientes, mostrando trade-offs de qualidade versus custo ou variedade versus
custo, serão de interesse em diferentes cenários de mercado.
Observe na Figura 6.4 que as ofertas do Fed Ex e do USPS estão posicionadas em pontos
distantes nessa curva. Ambos são eficientes, mas representam equilíbrios muito diferentes
do custo versus a troca de velocidade. Ao diferenciar suas ofertas dessa maneira, o Fed
Ex e o USPS tratam de segmentos diferentes do mercado. O USPS satisfaz os clientes
conscientes dos custos, enquanto o Fed Ex satisfaz os que estão com pressa e dispostos a
pagar pela velocidade. O conceito de fronteira eficiente ressalta a importância estratégica
da diferenciação de mercado, bem como a eficiência operacional.
O que diferencia uma oferta eficiente de uma ineficiente é o custo da variabilidade do
buffering. Em uma oferta eficiente, a variabilidade é minimizada e os três tipos de buffer
- capacidade, tempo e estoque - são usados da maneira mais econômica possível. Portanto,
do ponto de vista operacional, o problema de alcançar um ponto na fronteira eficiente é
uma questão de gerenciar adequadamente a variabilidade do sistema e os buffers de
atendimento.
Para ilustrar isso, vamos considerar um exemplo muito simples do Capítulo 2 - um
sistema de estoque de base. Lembre-se de que o sistema de estoque de base tem um
parâmetro de controle, o nível de estoque base. Cada vez que ocorre uma demanda do
cliente, uma ordem de reabastecimento é enviada para a instalação de produção. Se
houver estoque disponível disponível, o pedido do cliente será preenchido imediatamente.
Se nenhum estoque estiver disponível, o pedido se tornará um pedido em espera. Quando
há pendências pendentes, a posição do estoque (estoque disponível mais ordens de
reposição menos ordens pendentes) é negativa. Este sistema é ilustrado na Figura 6.5.
Em uma política de estoque base, a posição do estoque é sempre igual ao nível do estoque
base. Assim, o nível de estoque base representa a quantidade máxima de estoque
disponível que podemos ter no sistema. A quantidade mínima de estoque disponível é
zero (ou seja, quando estamos em estoque). Mas, como os pedidos em atraso são
ilimitados, a posição do estoque pode se tornar arbitrariamente negativa.
Para aprofundar esse exemplo, vamos supor que a variabilidade da demanda do cliente e
a variabilidade do processo de produção não estão sujeitas ao nosso controle, de modo
que temos apenas dois controles: (1) o nível de estoque de base e (2) o taxa (capacidade)
do processo de produção. Com isso, podemos atingir diferentes saldos entre os buffers de
capacidade, estoque e tempo.
O nível de estoque base ajusta o saldo entre o estoque e o tempo. Por exemplo, se
definirmos o nível de estoque básico em um nível muito alto, o atendimento ao cliente
será muito bom (ou seja, a maioria dos clientes terá seus pedidos preenchidos e, portanto,
não perderá tempo aguardando um pedido atrasado), mas a média o nível de estoque
disponível será alto. Se definirmos o nível de estoque básico muito baixo, o nível de
estoque disponível será baixo, mas a falta de estoque será frequente e, portanto, o tempo
médio que um cliente espera por um pedido em atraso será longo.

A taxa do processo de produção ajusta o equilíbrio entre a capacidade e o estoque e o

tempo. Por exemplo, se a taxa de produção for definida apenas ligeiramente acima da taxa
de demanda, a fábrica terá dificuldade em acompanhar, o que resultará em tempos de
reabastecimento longos e altamente variáveis. Isso, por sua vez, causará longos períodos
de pedidos pendentes (se o nível de estoque de base estiver baixo) ou altos níveis de
estoque (se o nível de estoque de base for alto). Por outro lado, se a taxa de produção for
definida muito acima da taxa de demanda, os tempos de reposição serão curtos e
previsíveis. Isso nos permitirá alcançar um bom atendimento ao cliente (tempos de espera
baixos) com pouco estoque. Obviamente, definir a taxa de produção bem acima da taxa
de demanda significa que investiremos em uma quantidade considerável de capacidade
ociosa.
Esses trade-offs são ilustrados na Figura 6.6. O eixo x representa o tempo médio que um
pedido do cliente aguarda no pedido em espera; este é o buffer de tempo do sistema. O
eixo y representa a quantidade média de estoque disponível, medida em meses de
fornecimento; este é o buffer de estoque. As três curvas diferentes representam o trade-
off entre estoque e tempo para os casos em que a taxa de produção excede a taxa de
demanda por 2,5 por cento, 5 por cento e 10 por cento. Observe que a redução do buffer
de tempo aumenta o buffer de estoque e vice-versa, enquanto o aumento do buffer de
capacidade reduz o tempo e os buffers de estoque.
Em termos práticos, vemos que um buffer de capacidade muito pequeno de apenas 2,5%
nos obriga a ter um grande nível de estoque ou um longo tempo médio de espera. Por
exemplo, se quisermos que o tempo de espera esteja próximo de zero, teremos que
carregar 5 meses de estoque. Alternativamente, se quisermos que o estoque esteja
próximo de zero, teremos que sujeitar nossos clientes a um atraso médio de um período
de espera de um mês.4 Se aumentarmos o buffer de capacidade para 5%, os níveis de
estoque e tempos de espera são um pouco melhores. Não podemos ter quase nenhum
inventário com tempos médios de espera de menos de 1 mês, ou podemos ter um tempo
médio quase em espera de backorder carregando apenas 3 meses de inventário. Aumentar
o buffer de capacidade para 10% nos permite executar com estoque quase zero com um
tempo médio de espera de apenas 1 mês, ou reduzir o tempo médio de espera para perto
de zero carregando apenas 1 mês de estoque.

Políticas Eficientes

Embora a Figura 6.6 ilustre as compensações em nosso sistema simples de estoque básico,
ela não nos mostra qual política é a melhor. A resposta a essa pergunta depende do
mercado e da nossa estratégia corporativa. Por exemplo, se os clientes que decidimos
segmentar não são particularmente sensíveis ao tempo, mas se preocupam com o preço,
devemos optar por uma pequena capacidade e por buffers de estoque (ou seja, definindo
a taxa de produção próxima à demanda e usando um estoque básico pequeno nível) e um
grande buffer de tempo.5
Naturalmente, curvas como as da Figura 6.6 existem apenas nos livros didáticos. Essas
curvas suaves e contínuas são o resultado do sistema subjacente simples que consiste em
um processo de produção de estação única acoplado a uma política de controle de estoque
de estoque básico. Com apenas dois controles (taxa de produção e nível de estoque base),
podemos facilmente mapear todas as possíveis compensações.
No mundo real, as coisas são muito mais confusas. Fábricas reais têm centenas ou até
milhares de variáveis de controle. Por exemplo, uma empresa pode adotar uma política
kanban, MRP ou a (Q, r). Pode fazer uso de um programa de agendamento de
computadores ou de um programa de manutenção preventiva. Pode implementar vários
programas de treinamento de funcionários ou operadores. Para o mesmo perfil de
demanda, mesmo conjunto de máquinas, mesma força de trabalho e assim por diante,
cada política operacional resultará em alguma combinação de capacidade, estoque e
buffers de tempo. Para um conjunto de políticas que alcancem a mesma capacidade, os
resultados podem parecer com os mostrados na Figura 6.7.
Observe que algumas políticas resultam em resultados cujo inventário e / ou buffer de
tempo é maior do que outra política viável. Estas são políticas ineficazes. Um caso de tal
ineficiência que observamos com frequência na indústria ocorre quando as empresas
gastam centenas de milhões de dólares para atualizar e integrar sistemas de informação e
se contentam em administrar o chão da fábrica com uma coleção de planilhas caseiras e
políticas simplistas de estoque. Frequentemente, a política de estoques estabelece um
número fixo de semanas de estoque para todos os itens, o que mostramos no Capítulo 2
está sempre errado! O resultado costuma ser um estoque excessivo, com apenas níveis
adequados de atendimento ao cliente - uma política ineficiente.
Para ilustrar o perigo de se estabelecer uma política ineficiente, mencionamos dois pontos
na Figura 6.7, um com o rótulo “Política Ineficiente” e o outro com “Política Eficiente”.

A política ineficiente resulta em 33% mais estoque, com desempenho de tempo um pouco
pior (ou seja, maior tempo de espera médio) do que a política eficiente. Lembre-se de que
os dois pontos são para a mesma planta física, as mesmas máquinas, os mesmos
trabalhadores, os mesmos clientes e assim por diante. A única diferença entre esses dois
pontos é a política usada. Claramente, uma empresa que adota a política e fi ciente terá
uma vantagem de custo substancial sobre uma empresa usando a política ineficiente,
mesmo sem quaisquer melhorias na planta física ou na força de trabalho.
Na Figura 6.7, a fronteira eficiente consiste naqueles pontos para os quais não há
alternativa viável cujos buffers são todos menores ou iguais àqueles alcançados pela
política correspondente a esses pontos. Como pode haver um número discreto de políticas
candidatas, a fronteira eficiente pode consistir em um número finito de pontos, em vez de
uma curva suave.
Entretanto, mesmo que a política atual esteja na fronteira eficiente, não podemos ser
complacentes. A razão é que a fronteira eficiente é definida apenas pela tecnologia atual.
É sempre possível melhorar a tecnologia de produção de uma maneira que altere a
fronteira eficiente. Por exemplo, a Figura 6.8 mostra uma planta cuja fronteira eficiente é
melhor que a da Figura 6.7.
Tanto a produção enxuta quanto o Seis Sigma lidam com o problema de melhorar
continuamente a tecnologia de produção. O Lean se concentra na redução do desperdício
(por exemplo, eliminando etapas de processamento desnecessárias, reduzindo os tempos
de preparação ou melhorando a disponibilidade do equipamento) para aumentar a
capacidade efetiva. O Six Sigma se concentra na redução da variabilidade no processo de
produção, o que diminui a necessidade de buffers caros. No entanto, nem o lean nem o
Six Sigma fornecem uma estrutura para priorizar melhorias ou entender as interações
entre capacidade, tempo de ciclo, inventário, utilização e variabilidade.
Nos Capítulos 7–9 e 12, desenvolvemos um conjunto de princípios que fundamentam o
lean e o Seis Sigma e fornecem uma estrutura para priorizar as alternativas de melhoria.
Estes resultados representam o núcleo da Física de Fábrica.

6.4 Modelos e Medidas de Desempenho

Para desenvolver uma ciência da manufatura que nos permita identificar e priorizar
políticas de melhoria, devemos (a) entender as relações entre os três buffers e a
variabilidade e (b) traduzir esse entendimento em políticas operacionais detalhadas. Isso
requer o uso de modelos. O desafio é desenvolver modelos que sejam precisos o suficiente
para representar as relações-chave, mas simples o suficiente para nos dar uma boa
intuição. Este não é um desafio trivial. De fato, como observamos na Seção 6.1.2, é muito
fácil agarrar-se a modelos excessivamente simples que, a princípio, parecem estar certos,
mas estão, de fato, errados.
Grande parte do restante da Parte II é dedicada a modelos que fundamentarão nossa
discussão sobre procedimentos operacionais na Parte III. Mas antes de desenvolver
modelos específicos, fazemos algumas observações macro sobre os modelos como um
todo.

6.4.1 Contabilidade de custos

Os modelos matemáticos normalmente estudados em um curso sobre gerenciamento de

operações (EOQ, MRP, modelos de previsão, modelos de programação linear, etc.) não
são de forma alguma os únicos modelos para medir o desempenho e avaliar as políticas
de gerenciamento nos sistemas de manufatura. De fato, alguns dos modelos mais comuns
usados pelos gerentes de manufatura são aqueles relacionados aos métodos contábeis.
Embora a contabilidade às vezes seja vista como simples contabilidade ou rastreamento
de custos, ela é, na verdade, baseada em modelos e, portanto, está sujeita às mesmas
armadilhas com relação a premissas que enfrentam qualquer exercício de modelagem.
Uma das principais funções da contabilidade de custos é estimar o custo dos produtos
individuais. Tais estimativas são amplamente utilizadas para tomar decisões a longo prazo
(Devemos continuar a fabricar este produto internamente?) E decisões de curto prazo (que
preço devemos citar para este cliente?). Mas, como muitos custos nos sistemas de
manufatura não são diretamente atribuíveis a produtos individuais, eles só podem ser
estimados por meio de um modelo.
Custos diretos, como matérias-primas, são simples de atribuir. Se peças fundidas são
compradas e usinadas em carcaças de interruptores, então o preço das carcaças deve ser
incluído no custo unitário dos interruptores. O trabalho direto pode ser um pouco mais
difícil de atribuir se os trabalhadores produzirem mais de um tipo de produto. Por
exemplo, se um maquinista faz dois tipos de caixas de interruptores, então devemos
decidir que fração de seu tempo ela gasta em cada um, a fim de alocar o custo de seu
tempo de acordo. Mas isso ainda é uma computação relativamente simples.
A dificuldade e, portanto, a necessidade de um modelo, surge na alocação de custos
indiretos. Despesas gerais (também chamadas de custos fixos ou encargos) referem-se a
custos que não estão diretamente associados aos produtos. Os pagamentos de hipoteca na
fábrica, o salário do diretor executivo, o custo de um laboratório de pesquisa e
desenvolvimento e o custo da sala de correspondência da empresa são exemplos de custos
que não variam diretamente com a produção de produtos individuais. Mas como fazem
parte do custo de fazer negócios, eles são indiretamente parte do custo de produzir
produtos. O desafio é distribuir os custos indiretos entre os diferentes produtos de maneira
razoável.
A abordagem tradicional (modelo) para alocação de custos indiretos era usar horas de
trabalho. Ou seja, se um produto específico usasse 2% das horas gastas pelos
trabalhadores que produzem produtos, então seria atribuído 2% do custo indireto. A razão
para isso era que, na virada do século, quando técnicas de contabilidade “modernas”
foram desenvolvidas, o trabalho direto e o material representavam tipicamente até 90%
do custo total de um produto (ver Johnson e Kaplan 1987 para uma excelente história de
métodos contábeis). Hoje, a mão-de-obra direta constitui menos de 15% do custo da
maioria dos produtos e, portanto, os métodos tradicionais têm sido cada vez mais
desafiados como inadequados. O título do livro de Johnson e Kaplan é Relevance Lost.
O principal candidato a substituir as técnicas tradicionais de contabilidade de custos é
conhecido como custeio baseado em atividades (ABC). O ABC difere dos métodos
tradicionais na medida em que busca vincular os custos indiretos às atividades, em vez de
diretamente aos produtos. Por exemplo, a compra pode ser uma atividade responsável
pelos custos indiretos. Medindo a quantidade de atividade de compra em unidades de
pedidos e, em seguida, alocando os custos indiretos de compra a cada produto com base
na fração de ordens de compra gerada, a abordagem ABC tenta repartir com precisão essa
parte do custo indireto. Alocações semelhantes são feitas para quaisquer outras partes do
custo indireto que podem ser atribuídas a atividades específicas. O Apêndice 6A dá um
exemplo ilustrando a mecânica do ABC e contrastando-o com a abordagem tradicional
da hora de trabalho.
Como o ABC divide os custos indiretos em categorias, ele pode promover uma melhor
compreensão e, eventualmente, redução desses custos. Como tal, é um passo positivo na
área de modelagem de custos. No entanto, não é de forma alguma uma panacéia. Modelos
baseados em custos, embora detalhados, às vezes podem ser enganosos.
Primeiro, há casos em que a alocação de custos é simplesmente um foco de modelagem
ruim do ponto de vista do sistema. Um dos autores trabalhava em uma fábrica de produtos
químicos na qual se dedicavam consideráveis debates e análises para determinar o preço
que deveria ser trocado por uma mercadoria que era um subproduto de um produto e uma
matéria-prima para outro. Os usuários da commodity argumentaram que o preço deveria
ser zero, já que seria desperdiçado se não o usassem. Os produtores da commodity
argumentavam que os usuários deveriam pagar o que custaria se tivessem que produzir o
produto eles mesmos. Na verdade, nenhum dos processos teria sido lucrativo como uma
operação independente, mas eles eram bastante lucrativos quando tomados em conjunto.
Um foco melhor para a análise e debate teria sido sobre como e onde melhorar os
rendimentos (quanto produto produzido) dos dois processos.
Segundo, não importa quão detalhado seja o modelo, é extremamente difícil representar
com precisão o valor de recursos limitados usando uma abordagem baseada em custos
comum a todas as metodologias contábeis. Isso se aplica tanto ao cálculo de custo
completo quanto ao método de cálculo de absorção descrito acima e ao cálculo de custos
variáveis onde a sobrecarga não é considerada.
O custeio total da absorção é apropriado se estamos construindo uma nova usina e,
portanto, estamos preocupados com todos os custos da usina. Custeio variável é adequado
para operar uma planta existente, onde devemos nos preocupar apenas com custos que
podem ser controlados dentro de um curto período de tempo. Por exemplo, em uma nova
fábrica, os custos de máquina e mão de obra devem ser considerados. Se um plano exigir
mais configurações e essas configurações levarem o trabalho a ser executado, esse plano
realmente custará mais do que um plano que exige menos configurações. Por outro lado,
em uma fábrica existente, devemos ignorar completamente o custo das máquinas, uma
vez que elas já foram compradas. É um custo irrecuperável. Os gerentes são às vezes
tentados a executar mais produtos em uma máquina mais cara para “recuperar seu custo”.
Mas, de uma perspectiva geral, isso pode não fazer sentido, especialmente se a máquina
mais cara for menos adequada para rodar alguns produtos do que uma mais barata.
A maioria dos custos de produtos (incluindo ABC) é baseada em custos totalmente
absorvidos e não variáveis. Isso pode levar a decisões ruins. Por exemplo, se um cliente
está solicitando uma peça que exige muito tempo no centro de processamento que
atualmente tem mais trabalho, o custo é ótimo. Mas, se houver demanda por um item que
flui apenas por meio de processos que atualmente têm pouco trabalho a ser feito, o custo
é essencialmente o custo das matérias-primas. Em essência, as máquinas e o trabalho são
ambos livres, já que estão lá com pouco mais a fazer. O exemplo a seguir ilustra o perigo
de usar custos totalmente absorvidos para tomar decisões de produção.

Exemplo: planejamento de produção

Considere uma planta que consiste em três máquinas que produzem dois produtos, A e B,
conforme ilustrado na Figura 6.5. O produto A custa US $ 50 em matéria-prima e requer
2 horas na máquina 1 e 2 horas na máquina 3. O produto B custa US $ 100 em matéria-
prima e requer 2 1 1/2 horas na máquina 2 e 1/2 horas na máquina 3. Assim, ambos os
produtos requerem 4 horas de máquina e 4 horas de tempo de trabalho. O custo do
trabalho é de US $ 20 por hora (incluindo benefícios etc). A usina opera em média 21
dias por mês com dois turnos ou 16 horas por dia (os funcionários se aliviam mutuamente
por intervalos etc.), totalizando 336 horas por mês. Os gastos não materiais para operar a
fábrica (mão-de-obra, supervisão, administração, etc.) são US $ 100.000 por mês. Ambos
os produtos são vendidos por US $ 600 por unidade e utilizam exatamente a mesma
quantidade de atividades gerais. O marketing estima uma demanda de não mais de 140
unidades por mês para ambos os produtos. Além disso, para manter a posição no mercado,
a empresa precisa produzir pelo menos 75 unidades do produto A por mês. A Tabela 6.1
resume os dados para este exemplo.

Suponha que custemos os produtos usando um método de absorção e, em seguida, usemos

esses custos para ajudar a planejar quanto de cada produto será produzido. Como os dois
produtos exigem o mesmo número de horas e atividades de mão-de-obra, eles receberão
o mesmo custo adicional, independentemente de como alocamos os custos indiretos.
Como isso não afetaria os custos relativos dos dois produtos, podemos ignorá-los ao
escolher entre os produtos a serem produzidos. O lucro por unidade de A vendido
(negligenciando os custos gerais e trabalhistas) é de US $ 600 - US $ 50 = US $ 550,
enquanto o lucro por unidade de B vendido é de US $ 600 - US $ 100 = US $ 500. Como
A é mais lucrativo, parece que nosso plano de produção deve favorecer a produção de A.
Existem 21 × 16 = 336 horas disponíveis em um mês. Como cada unidade de B requer 2
horas de tempo nas máquinas 1 e 3 para produzir, a produção mensal máxima de qualquer
um é 336/2 = 168 unidades. Como a demanda potencial é de apenas 140, parece razoável
definir a produção para o nível máximo de demanda para A (140 unidades por mês), o
que, obviamente, atende ao requisito de demanda mínima de 75. Isso usa até 280 horas
por mês na máquina 3, 336 - 280 = 56 horas na máquina 3 para a produção de B. Assim,
podemos produzir 56 / 1,5 = 37 unidades de B por mês (na verdade 37,33, mas
arredondamos para a quantidade inteira mais próxima).
O lucro mensal deste plano pode ser calculado multiplicando as quantidades de produção
de A e B pelos lucros unitários e subtraindo os custos não materiais: Profit = 140($550)
+ 37($500) − $100,000 = −$4,500
Este plano perde dinheiro!
Em vez de confiar em um modelo contábil, poderíamos ter usado um modelo de
otimização baseado em programação linear (veja o Capítulo 16). A ideia por trás da
programação linear é formular um modelo para maximizar o lucro sujeito às restrições de
demanda e capacidade. Para este exemplo, a solução resulta em um plano que chama 75
unidades de A e 124 unidades de B por mês. Observe que este plano é completamente
contra-intuitivo quando consideramos o “custo” dos produtos; estamos fazendo mais do
produto de menor lucro!

No entanto, o lucro deste plano é bastante lucrativo!

Profit = 75($550) + 124($500) − $100,000 = $3,250

A moral deste exemplo é que o valor de recursos limitados depende de como eles são
usados. Um modelo baseado em custo estático, não importa o quão detalhado seja, não
pode atribuir custos com precisão a recursos limitados, como máquinas sujeitas a
restrições de capacidade e, portanto, pode produzir resultados enganosos. Somente um
modelo de otimização mais sofisticado, que determine dinamicamente os custos de tais
recursos ao calcular o plano ideal, pode ser garantido para evitar isso.
Além de oferecer uma alternativa à perspectiva de contabilidade de custos, os modelos
de otimização restritos são úteis em uma ampla variedade de problemas de gerenciamento
de operações. Na Parte III, abordaremos especificamente problemas relacionados a
programação, planejamento de produção de longo alcance e planejamento da força de
trabalho com tais modelos. Os métodos para analisar modelos de otimização restritos,
como a programação linear, são, portanto, ferramentas fundamentais para o gerente de
manufatura.

6.4.2 Modelagem Tática e Estratégica

Por mais úteis que sejam os modelos, é importante lembrar que eles são apenas
ferramentas, não a realidade. A formulação apropriada de um modelo depende da decisão
a que se destina. Parâmetros que são razoavelmente considerados restritos para fins de
tomada de decisão tática são freqüentemente sujeitos a controle no nível estratégico.
Assim, enquanto um modelo pode ser eficaz no planejamento de quantidades de produção
durante o período intermediário, outro (possivelmente ainda um modelo de otimização
restrito) é necessário para o planejamento a longo prazo. O Capítulo 13 explica a relação
hierárquica entre os modelos de planejamento de produção e controle em maior detalhe.
Aqui vamos destacar as distinções entre planejamento tático e estratégico por meio do
exemplo anterior.
Como o exemplo acima se concentrou no problema tático de planejar a produção no mês
seguinte, fazia todo o sentido tratar a capacidade e a demanda como restritas. No longo
prazo estratégico, entretanto, tanto a capacidade como a demanda estão sujeitas a
influência. A capacidade pode ser aumentada adicionando um terceiro turno ou
diminuindo reduzindo o segundo turno. Os descontos nos preços poderiam impulsionar a
demanda, enquanto o anúncio de um produto concorrente (por exemplo, da próxima
geração) poderia reduzir a demanda.
Os modelos podem esclarecer as relações entre as decisões táticas e estratégicas e ajudar
a garantir a consistência entre elas. Por exemplo, usando os recursos de análise de
sensibilidade da programação linear (Capítulo 16), podemos determinar que a restrição
para produzir pelo menos 75 unidades por mês do produto A é prejudicial ao lucro. Na
verdade, se eliminarmos essa restrição e resolvermos novamente o modelo, ela gera um
plano para produzir 68 unidades de A e 133 unidades de B, o que gera um lucro mensal
de US $ 3.900, um aumento de US $ 650 por mês.
Isso sugere que devemos considerar as razões estratégicas para que a restrição produza
pelo menos 75 unidades por mês de A. Se a razão for um compromisso firme com um
cliente específico, isso pode ser necessário. Mas se for apenas uma aproximação do
número necessário para cumprir nossos compromissos, usar um limite inferior de 68 pode
ser igualmente razoável e mais lucrativo.
Outra informação fornecida pela função de análise de sensibilidade da programação linear
é que para cada hora adicional de tempo disponível na máquina 3 (até 7 horas extras por
dia), os lucros aumentam em $ 275. Como as horas extras não custam quase US $ 275
por hora, provavelmente devemos considerar a inclusão de algumas no plano de curto
prazo. Mas, a longo prazo, a decisão tática de usar horas extras está relacionada às
decisões estratégicas de aumentar o tamanho da força de trabalho, adicionar
equipamentos, produzir subcontratos e assim por diante. Assim, o modelo também sugere
que estes sejam considerados como opções futuras potenciais.
Um planejamento eficaz exige o uso de diferentes modelos para diferentes problemas e
coordenação entre os modelos. Um modelo tático, como o modelo de otimização restrito
usado anteriormente para gerar um plano de produção para os próximos meses, pode
fornecer intuição (ou seja, quais variáveis são importantes), informações de sensibilidade
(ou seja, onde há alavancagem) e dados (por exemplo , identi fi cação do atual recurso de
gargalo) para uso no planejamento estratégico. Por outro lado, um modelo estratégico,
como um modelo de planejamento de capacidade de longo prazo, pode fornecer dados
(por exemplo, restrições de capacidade) e sugerir alternativas (por exemplo,
subcontratação dinâmica) para uso no nível tático. Discutiremos a coordenação no
Capítulo 13 e modelos específicos para vários níveis em toda a Parte III.

6.4.3 Considerando o risco

Há muitas fontes de incerteza em situações de gerenciamento de manufatura, incluindo

flutuações de demanda, interrupções na aquisição de materiais, perda de rendimento
variável, quebras de máquina, agitação trabalhista, ações de concorrentes e assim por
diante. Em alguns casos, a incerteza deve ser explicitamente representada nos modelos.
Em outros casos, como veremos na Parte III, a incerteza pode ser ignorada com segurança
no processo de modelagem. Mas, em todos os casos relacionados à modelagem e ao
gerenciamento, a existência de incerteza torna essencial considerar de alguma forma o
que acontecerá se uma suposição falhar.
Como um exemplo estratégico de alto nível, considere a experiência de um importante
fabricante de automóveis americano. No final da década de 1970 e início da década de
1980, muitas pessoas na corporação reconheceram a necessidade de investir na melhoria
da qualidade do produto e propuseram mudanças no processo e no produto para conseguir
isso. No entanto, o financiamento de muitos desses projetos foi negado como não
justificado financeiramente. A suposição implícita por parte da equipe corporativa era de
que a posição competitiva dos produtos da empresa em relação à concorrência
permaneceria inalterada. Assim, o custo de tais produtos não poderia ser justificado pela
promessa de maiores receitas de vendas. Mas quando a concorrência melhorou a
qualidade de seus produtos em um ritmo mais rápido do que o previsto, a empresa sofreu
uma perda desastrosa de participação de mercado e somente na década de 1990, após uma
década de enormes prejuízos e fechamentos generalizados de fábricas, a empresa voltou
à lucratividade. (mas nem perto da sua antiga quota de mercado). Hoje o futuro dessa
empresa é muito incerto.
A falha na análise da empresa era fundamental. Os projetos de melhoria de qualidade
foram avaliados com base em seu potencial para melhorar os lucros em vez de sua
necessidade de evitar lucros perdidos. Assim, a administração não considerou
adequadamente o que aconteceria se a concorrência ultrapassasse a empresa oferecendo
melhores produtos. O aprimoramento de produtos e processos não deveria ter sido visto
como uma opção para aumentar a lucratividade, mas sim como uma restrição para
permanecer nos negócios.
O procedimento de avaliar as possíveis conseqüências negativas em uma situação incerta
é conhecido como análise de risco e tem sido amplamente utilizado em setores mais
arriscados, como a exploração de petróleo. Usando um modelo, o analista conjectura
vários cenários possíveis e atribui uma probabilidade de cada ocorrência.7 Como os
cenários geralmente envolvem movimentos estratégicos por parte da concorrência, tais
análises são geralmente realizadas por um gerente sênior trabalhando com um especialista
técnico e uma modelo. Uma abordagem para avaliar possíveis decisões é ponderar os
vários resultados com as probabilidades e calcular um valor esperado de alguma medida
de desempenho (por exemplo, lucro). Uma abordagem alternativa e às vezes mais realista
é examinar os vários cenários e escolher um curso de ação que evite que coisas realmente
ruins aconteçam. Esta é a estratégia minimax (ou seja, minimizar o dano máximo) que é
freqüentemente usada pelos militares.
Se a empresa automobilística mencionada anteriormente empregasse uma estratégia
minimax, provavelmente aprovaria muito mais projetos de melhoria de produtos e
processos do que o fez, como uma proteção contra melhorias por parte da concorrência.
Naturalmente, uma vez que a retrospectiva é 20/20, é fácil para nós dizer isso em
retrospecto. A melhor política geralmente não é óbvia de antemão. De fato, o principal
trabalho do gerenciamento de nível superior é mapear estratégias razoáveis de longo
prazo diante de uma incerteza considerável sobre o futuro. Esses executivos são altamente
pagos em grande parte porque sua tarefa é tão difícil. (A questão de saber se eles são
inteligentes ou apenas sortudos é discutível desde que a empresa seja bem-sucedida.)
No nível da fábrica, os gerentes de operações devem executar uma função análoga à da
alta administração, apenas com um horizonte de tempo mais curto e em menor escala. Por
exemplo, considere o problema comum das operações de selecionar máquinas para uma
nova linha.

6.5 Uma Metodologia para Melhoria

Antes de deixar este tópico, oferecemos uma metodologia que usamos para ajudar as
empresas a melhorar rapidamente suas operações e fazer com que essas melhorias se
mantenham. Tendo em mente as idéias de fronteiras eficientes, podemos afirmar a
metodologia como quatro etapas:

1. Onde nos comparamos com a fronteira eficiente e quão longe estamos?

2. O que pode ser feito para nos colocar de volta na fronteira eficiente? O que pode ser
feito para melhorar a curva da fronteira?
3. Alterar o sistema (por exemplo, controles, buffers, redução de variabilidade) para nos
colocar na fronteira eficiente (melhorada).
4. Implementar sistemas de gerenciamento para permanecer na fronteira.

A primeira etapa começa com uma técnica enxuta simples, discutida no Capítulo 5,
conhecida como mapeamento do fluxo de valor. Isso envolve fazer um mapa de processo
dos fluxos de material e de informação. O resultado é um mapa visual de todo o sistema
junto com uma fonte de dados. 8 Os dados coletados podem ser usados em uma
ferramenta de análise de Física de Fábrica chamada benchmarking absoluto e são
discutidos no Capítulo 7 para fl uxos e no Capítulo 17 para estoques. Este passo mostra
onde somos comparados a onde podemos e devemos estar.
O segundo passo é o uso de modelos de Física de Fábrica para “experimentar” com a
fábrica sem realmente experimentar a fábrica.9 Em outras palavras, nós experimentamos
com modelos. Se o nosso modelo é uma representação precisa da fábrica, então quando
mudamos algo no modelo e isso resulta em uma boa melhoria, fazer a mesma mudança
na fábrica também deve resultar em uma boa melhoria. Se o resultado for ruim, você
passa para a próxima ideia!
É importante perceber que a maioria dos modelos neste livro são para construção de
intuição e não são típicos de modelos necessários para representar sistemas de manufatura
realistas. Os modelos necessários para analisar os complexos sistemas de manufatura
atuais vão além de simples mapas de fluxo de valor e até benchmarking absoluto. A
maioria deles são modelos de computador e envolvem o uso da simulação de Monte
Carlo, algum tipo de análise de rede de filas ou um modelo estocástico de inventários.
Existem muitas fontes de software que permitem construir esses modelos. Estes incluem
software de simulação de Monte Carlo, como Arena, AutoMod, ProModel, Simscript,
Witness e muitos outros. Há também modelos de rede de enfileiramento, como o Lean
Physics Support Tools e o MPX. A vantagem dos modelos de rede de filas é a velocidade.
Embora não sejam tão precisos quanto os modelos Monte Carlo, eles são muito mais
rápidos e fáceis de usar. O Lean Physics Support Tools também fornece modelos de
estoque para estoques.
No entanto, a intuição é fundamental para uma boa modelagem. Sem boa intuição, o
modelo se torna uma “caixa preta” com o analista alterando aleatoriamente os parâmetros
e esperando pelo melhor. Com boa intuição, sabe-se imediatamente onde procurar
melhorias. Desenvolver essa intuição é outro motivo para estudar a Física de Fábrica.
Uma vez que tenhamos experimentado o modelo, estamos prontos para implementar as
melhorias. Isso pode ser uma simples mudança na política, como alterar tamanhos de lote
ou controles de estoque. Ou poderia representar uma mudança no próprio sistema de
fabricação, como reduzir os tempos de preparação nas máquinas-chave, aumentando os
tempos e assim por diante. O ponto importante é que, tendo usado um modelo, já
desenvolvemos um bom design antes de começarmos a fazer mudanças.
Mudanças no sistema de manufatura devem ser implementadas com um ou mais eventos
kaizen envolvendo todas as partes interessadas do processo. É particularmente importante
envolver os operadores por dois motivos:
1. Buy-in por parte dos operadores. Isso é muito importante, pois essas pessoas farão o
sistema funcionar ou não.
2. Os operadores têm conhecimento de detalhes que nunca serão gerenciados por
engenharia e gerenciamento.
Por fim, queremos que as melhorias continuem. Há uma piada na consultoria de que tudo
o que precisamos é de 5 anos de clientes, porque depois disso, podemos voltar atrás e
fazer tudo de novo. A razão pela qual muitas melhorias não duram é porque as medidas
usadas para avaliar o desempenho dos funcionários não são consistentes com o que
estamos tentando realizar (ver Capítulo 11). Por exemplo, se queremos alcançar um fluxo
melhor, não devemos medir a utilização de todas as máquinas. Se o fizermos, não se
surpreenda quando uma máquina rápida no início da linha trouxer mais material do que
uma máquina lenta a jusante possa suportar. O resultado são altos níveis de WIP, longos
tempos de ciclo e nenhum aumento real na produção.
Outra razão para o fracasso dos projetos de melhoria é que eles nunca se tornam reais,
pois as melhorias nunca se tornam parte do sistema de gerenciamento. A planilha legal
de Bob ou o modelo de agendamento de Jill não vão durar depois que Bob e Jill tiverem
saído. Assim, goste ou não, as melhorias devem se tornar parte do sistema ERP / SCM
que é usado pela gerência. Isso não significa que tenhamos que substituir o sistema ERP
ou SCM, apenas que quaisquer novos procedimentos sejam desenvolvidos e integrados
ao sistema existente. Isso é menos difícil do que já foi com a integração por meio de uma
intranet e novas linguagens de troca de dados, como XML.
Finalmente, as pessoas precisam entender o que está acontecendo. O Factory Physics é
uma estrutura abrangente para entender as operações de manufatura, para analisar e
melhorar o sistema de manufatura e para melhorar o planejamento e a execução (ver Parte
III). No entanto, se a administração não entender os fundamentos da Física de Fábrica, as
idéias aparentemente radicais nunca serão implementadas. Além disso, se os engenheiros
e gerentes encarregados de fazer as melhorias não tiverem uma compreensão bastante
abrangente da Física de Fábrica, o projeto falhará. Finalmente, se os operadores não
tiverem uma compreensão básica do motivo pelo qual estão fazendo o que estão fazendo,
isso nunca funcionará. Assim, algum tipo de programa de treinamento é fundamental para
o sucesso do projeto.
Portanto, as três chaves para o sucesso de qualquer projeto de melhoria são:
1. Mede o alinhamento.
2. Integração nos sistemas de gestão existentes.
3. Treinar operadores, engenheiros, gerentes de nível médio e executivos.
6.6 Conclusões

Este capítulo estabelece as bases para a nossa abordagem de física de fábrica para
desenvolver as habilidades básicas, de intuição e de síntese necessárias ao moderno
gerente de produção. As principais observações sobre a necessidade e uso de modelos
científicos representados por essa abordagem são as seguintes:
1. Gerenciamento de manufatura precisa de uma ciência. Embora exista considerável
sabedoria popular sobre manufatura, ainda existe apenas um pequeno corpo de
conhecimento empiricamente verificável e generalizável para apoiar o projeto, o controle
e o gerenciamento de instalações de manufatura. Se quisermos ir além de modas e
slogans, pesquisadores e profissionais precisam unir forças para desenvolver uma
verdadeira ciência da manufatura.
2. Uma abordagem científica é uma valiosa ferramenta de gerenciamento de manufatura.
Ao usar uma visão holística da empresa manufatureira e promover uma ligação clara entre
políticas e objetivos, as melhorias são significativas e previsíveis.
3. Bons modelos descritivos levam a bons modelos prescritivos. Tentar otimizar um
sistema que não entendemos é fútil. Precisamos de modelos descritivos para aguçar nossa
intuição e focar nossa atenção nos parâmetros com alavancagem máxima. Além disso, as
políticas baseadas em descrições precisas do comportamento do sistema têm maior
probabilidade de trabalhar com as tendências naturais do sistema do que contra as
mesmas. Tais políticas tendem a ser mais robustas do que aquelas que tentam forçar o
sistema a se comportar de maneira não natural.
4. Os modelos são uma parte necessária, mas não completa, do conjunto de habilidades
de um gerente de produção. Como a análise de sistemas exige que as alternativas sejam
avaliadas em relação aos objetivos, alguma forma de modelo é necessária para fazer
concessões para praticamente todos os problemas de decisão de fabricação. Os modelos
podem variar de procedimentos de quantificação simples a metodologias sofisticadas de
otimização e análise. A arte da modelagem está na seleção do modelo adequado para uma
dada situação e na coordenação dos diversos modelos usados para auxiliar o processo de
tomada de decisão.
5. A contabilidade de custos normalmente fornece modelos ruins de operações de
manufatura.
O objetivo da contabilidade é dizer para onde foi o dinheiro, não onde gastar dinheiro
novo. As decisões de operações exigem uma boa caracterização dos custos marginais,
não totalmente absorvidos, e consideração apropriada das restrições de recursos.
6. Uma metodologia coerente e unificada para melhoria deve ser empregada. Um bom
quadro científico é apenas o começo. Para ser bem-sucedido, deve haver uma
metodologia clara que leve em consideração questões de gerenciamento, como o
“alinhamento de medidas”, bem como a integração nos sistemas de gerenciamento
existentes. Além disso, a metodologia deve fornecer treinamento no nível apropriado de
detalhes para todos os níveis de gerenciamento e na força de trabalho.

O restante da Parte II se concentrará no desenvolvimento de modelos específicos para

aumentar nosso entendimento e intuição do comportamento dos sistemas de manufatura.
Isso nos permitirá projetar melhor novos sistemas e melhorar os já existentes. A Parte III
levará esses conceitos e fornecerá uma estrutura para melhorar o planejamento e a
execução.
Apêndice 6A
Custeio baseado na atividade (ABC)

Há quatro etapas básicas para a alocação de custos do ABC (Baker, 1994):

1. Determine as atividades relevantes.

2. Aloque custos indiretos para essas atividades.
3. Selecione uma base de alocação apropriada para cada atividade.
4. Alocar custo aos produtos usando a base.

Para ilustrar a mecânica do ABC e compará-lo com a abordagem tradicional da hora de

trabalho, consideremos um exemplo. Suponha que uma instalação de produção produza
dois produtos diferentes, quente e suave, e venda 6.000 unidades por mês de quente e
3.000 unidades por mês de leve. Os custos indiretos totais são US $ 250.000 por mês. A
fábrica opera 5.000 horas por mês, das quais 2.500 são dedicadas a quente e 2.500 a
moderadas.
A contabilidade tradicional alocaria a sobrecarga igualmente entre os dois produtos
porque o número de horas de trabalho dedicadas a cada uma é o mesmo. Assim,
adicionaríamos US $ 125.000 ao custo total de cada produto. Isto implica uma taxa
unitária de $ 125.000 / 6.000 = $ 20.83 para hot e US $ 125.000 / 3.000 = US $ 41,67 por
leve. O custo unitário de cada produto seria então computado pela soma dessas despesas
indiretas unitárias com os custos diretos de material e mão de obra por unidade. Observe
que, como menos unidades de leve são produzidas, esse procedimento serve para
aumentar seu custo unitário mais do que o de quente.
Agora, reconsidere o problema de alocação de sobrecarga, usando a abordagem ABC.
Suponha que determinemos que as principais atividades responsáveis pelo custo indireto
(OH) são (1) requisição de material, (2) suporte de engenharia, (3) remessa e (4) vendas.
Além disso, suponha que podemos alocar o custo indireto para cada atividade da seguinte
forma: $ 50.000 para requisição, $ 65.000 para engenharia,
US $ 35.000 para envio e US $ 100.000 para vendas. A base (ou seja, unidade de medida)
para requisição é o número de ordens de compra (um total de 900); para engenharia, o
número de horas de máquina (5.000 horas); para envio, o número de unidades expedidas
(9.000); e para vendas, o número de chamadas de vendas feitas (600). Usando estes, um
custo por unidade de base pode ser calculado. A alocação de custos indiretos para um
determinado produto é então determinada pelo número de unidades base usadas por esse
produto multiplicado pelo custo por unidade básica. Finalmente, a alocação de sobrecarga
de unidade é calculada dividindo a alocação total de sobrecarga pelo número de unidades.
A Tabela 6.2 resume os dados e cálculos para este exemplo.
O encargo de despesas indiretas unitárias para o hot é a soma das entradas “Total OH,
Hot” divididas pelo número de unidades vendidas, isto é, $ 155.836 / 6.000 = $ 25.97. Da
mesma forma, a taxa indireta unitária para leve é de US $ 94.164 / 3.000 = US $ 31,38.
Observe que, enquanto leve ainda recebe uma sobrecarga de unidade mais alta do que
quente (por causa de seu menor volume), a diferença não é tão grande quanto a resultante
da abordagem tradicional de horas de trabalho. A razão é que a ABC reconhece que,
devido a seus maiores volumes, maior esforço e, portanto, custo, nas atividades de
requisição, engenharia e vendas é dedicado a quente. O efeito líquido é tornar a aparência
moderada relativamente mais lucrativa do que sob os métodos contábeis tradicionais.
Questões para Estudo
1. Que relevância tem algo tão abstrato quanto
uma “ciência de manufatura” para o
gerenciamento de manufatura?
2. Discuta a “falácia de afirmar o conseqüente”
em que se A implícito B e B for verdadeiro,
concluímos que A é verdadeiro. Dê um exemplo
de um comercial de cerveja ou um anúncio de
vestuário.
3. Quantas observações consistentes são
necessárias para provar uma conjectura? Quantas
observações inconsistentes são necessárias para
refutar uma conjectura?
4. Como o conceito de “conjecturas e refutações”
pode ser usado em um ambiente prático de
solução de problemas?
5. Dê um novo exemplo de tautologia.
6. Liste algumas dimensões ao longo das quais os
ambientes de fabricação são diferentes. Como
isso pode afetar as “leis” que governam seu
comportamento? Você acha que uma única
ciência de manufatura é possível para todos os
ambientes de manufatura?
7. Indique como cada um dos itens a seguir pode
promover e impedir o objetivo de maximizar a
lucratividade a longo prazo:
(a) Diminuir o tempo médio de ciclo
(b) Diminuir o WIP
(c) Aumentar a diversidade de produtos
d) Melhorar a qualidade do produto
(e) melhorar a confiabilidade da máquina
(f) Reduza os tempos de configuração
g) Melhorar a formação cruzada de trabalhadores
(h) Aumentar a utilização da máquina
8. Por que você acha que muitos escritores da
literatura lean e Six Sigma estão relutantes em
reconhecer a existência de trade-offs? Você acha
que isso teve efeitos positivos, negativos ou
ambos?
9. Por que o objetivo de maximizar os lucros
pode ser difícil de usar no nível da fábrica?
Quais são as vantagens ou desvantagens de usar
“minimizar custo unitário”?
10. Nós sugerimos lucro líquido e retorno do
investimento como medidas de nível
empresarial. Isso captura a essência de uma
empresa saudável? Quais características não são
adequadamente refletidas nessas medidas? Você
pode sugerir alternativas?
11. Sugerimos
• Receita (quantidade total de bom produto
vendido por unidade de tempo)
• Despesas operacionais (orçamento operacional
da planta)
• Ativos (dinheiro retido na fábrica, incluindo
estoques)
como medidas ao nível das plantas. Como isso se
traduz em medidas de nível de empresa de lucro
total e ROI? Existem atividades em nível de
fábrica que não são refletidas no
medidas no nível da fábrica que afetam os
objetivos do nível da empresa? Como isso pode
ser resolvido?
12. Por que a distinção entre objetivos e
restrições tende a obscurecer a prática real de
tomada de decisão?
13. Dê um exemplo específico em que
“comportamento de jogo” (isto é, considerando o
outro cara) é importante em um ambiente de
manufatura.