Escolar Documentos
Profissional Documentos
Cultura Documentos
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.
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
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.
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
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:
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.
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:
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.
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:
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.
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.
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.
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.
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.
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.
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:
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.