Escolar Documentos
Profissional Documentos
Cultura Documentos
OTIMIZAÇÃO DA MONTAGEM DE
CORTE DO TIPO SLITTER EM CHAPAS
DE AÇO: UMA PROPOSTA DE
APLICAÇÃO DA PROGRAMAÇÃO
LINEAR
Leonardo Lopes de Campos
leolopes.rio@gmail.com
Rosemberg Nunes Ferreira Filho
bergferreira96@hotmail.com
2. Pesquisa Operacional
A Pesquisa Operacional pode ser descrita como um “conjunto de técnicas que faz uso do
método científico para auxiliar as pessoas a tomarem decisões” (LONGARAY, 2013, p. 1).
Ela tem sua origem no período da Segunda Guerra Mundial. Nesse conflito, era comum que
os comandos dos exércitos tivessem que lidar com problemas que poderiam ter consequências
grandiosas, positivas ou negativas. Isto levava a necessidade de complexas análises para
tomadas de decisões nas campanhas (JAISWAL, 1997).
Assim, a Pesquisa Operacional se tornou uma ciência que busca a resolução de problemas que
envolvam a tomada de decisões, a partir da análise de dados para formulação de modelos
matemáticos, sem desviar-se da importância dos elementos subjetivos que fazem parte do
processo. Sua aplicação envolve métodos científicos qualitativos de equipes
multidisciplinares, como matemática e estatística, na utilização desses modelos a fim de
realizar uma “experimentação” do processo e da tomada de decisão (ANDRADE, 2015).
Num cenário empresarial atual, onde há um alto nível de competição nos ambientes de
negócios, empresas têm percebido que ao lado das forças de marketing e vendas, os
investimentos em tecnologia são cada vez mais importantes na busca pelo sucesso e eficácia
de seus processos. Nas indústrias, houve um crescimento na procura por técnicas que
modelam e simulam processos industriais (SECCHI, 1995).
Conforme um processo torna-se cada vez mais complexo, aumenta a necessidade do controle,
estruturação e análise de suas variáveis. Campos (2009, p. 59) destaca que “o objetivo geral
da análise e da síntese é, justamente, reduzir as incertezas na tomada de decisões”.
Quando nos deparamos com um problema e existe a necessidade de uma decisão significativa,
o processo que vai anteceder a decisão com a finalidade de gerar as soluções para este
problema, será tão importante quanto à própria situação problemática. Este processo anterior à
decisão é conhecido como processo decisório.
2
Debatendo o processo decisório, Chiavenato (2006, p. 277) conceitua decisão como “processo
de análise e escolha entre as alternativas disponíveis de cursos de ação que a pessoa deverá
seguir”. Para seguir um curso de ação (estratégia), é necessário abandonar outros cursos
alternativos. Ou seja, para caracterizar a situação de decisão é necessário pelo menos duas
opções excludentes entre si. A Pesquisa Operacional por sua vez, fornece meios para que a
análise e a tomada do curso de ação aconteçam da melhor forma possível.
As variáveis são fatores que “podem assumir valores diversos durante o desenvolvimento da
solução” (ANDRADE, 2015. p. 14). Variáveis controláveis são aquelas que o indivíduo
envolvido pode agir para chegar ao seu objetivo e as variáveis não controláveis são aquelas
em que não é possível agir, porém afetam os resultados do modelo.
As restrições são funções em fator das variáveis que expressam as relações e as limitações
entre as variáveis relevantes. Colin (2007. p. 6) expande esta ideia conceituando as restrições
como “regras que dizem o que podemos (ou não) fazer e/ou quais são as limitações dos
recursos ou das atividades que estão associadas ao modelo”.
3
Um exemplo para visualização da criação de um modelo seria o processo manufatureiro de
dois produtos. Os produtos “A” e “B” utilizam quantidades distintas da matéria prima P, e
também quantidades distintas de Mão de Obra (Hh), além de gerarem lucros também distintos
dentro de sua demanda própria.
3. Metodologia
O presente trabalho acadêmico trata-se de uma pesquisa-ação para utilização da programação
linear na modelagem de um problema decisório, desenvolvida a partir de uma pesquisa
descritiva com a reunião de publicações e outros materiais teóricos utilizando critérios de
seleção sobre o tema e a técnica abordada. Devido a extensão de conteúdos relacionados aos
fundamentos da Pesquisa Operacional, a pesquisa descritiva se delimitou na modelagem e
simulação de problemas pela Programação Linear e a otimização de um problema com auxílio
do aplicativo Solver, extensão do Microsoft Excel 2013.
5
3.1. Ambiente de estudo
O estudo ocorreu em uma indústria metalúrgica de beneficiamento de bobinas de aço. Esta
empresa realiza a industrialização de chapas de aço em linhas de corte longitudinal (Slitter),
transversal (Blanks), perfiladeiras, prensas e dobradeiras. A empresa ainda possui setores para
realização de solda MIG/MAG para montagem de estruturas. A linha escolhida para análise
neste estudo foi a de corte Slitter, selecionada por critérios quantitativos sobre os custos de
operacionalização e dificuldade de resolução manual.
Definição das quantidades que podem ser usadas de cada tipo de peça de montagem
como variáveis de decisão, compreendida através de observação do funcionamento da
máquina;
Identificação e registro das larguras das peças de montagem e sua relação de
montagem como constantes do problema, já que estas informações não podem ser
alteradas;
Como recursos, compreendeu-se que as quantidades de peças disponíveis limitavam as
montagens de corte com várias larguras, sendo estes os fatores limitantes do modelo;
O objetivo do modelo foi selecionar as peças ideais para montagem do corte, de forma
que a soma de suas larguras atingisse a medida necessária para execução do processo,
sem margens de sobra e apenas com as peças disponíveis;
Adaptação das informações de todas as etapas em células e fórmulas matemáticas de
uma planilha do software Microsoft Excel 2013 desenvolvendo um modelo em
planilha eletrônica, mas ainda com resolução manual;
Por fim, utilizou-se o suplemento Solver do Microsoft Excel 2013 para selecionar as
informações do modelo compreendidas nas etapas anteriores, adicionando ainda as
6
restrições de não negatividade e de variáveis inteiras (não é possível selecionar uma
quantidade negativa de peças ou a fração de uma peça).
O processo acontece pelo desenrolamento da bobina, que passa em seguida por facas ou
navalhas rotativas que são montadas de acordo com as medidas das tiras de aço a serem
obtidas. A quantidade de tiras a ser obtida em um corte é determinada na montagem do corte,
7
respeitando as tolerâncias de corte e de capacidades da máquina. A largura de cada corte é
preparada encaixando espaçadores no eixo até atingir a medida do produto programado.
8
Tabela 2 – Variáveis de decisão
Cabe ressaltar, que a fabricação de espaçadores novos para estoque tem um custo altíssimo
para a empresa e deve ser evitada. Isso reflete na importância de se utilizar montagens
inteligentes com os recursos disponíveis.
(1)
A terceira e quarta restrições tratam do uso lógico das variáveis de decisão. Como as mesmas
representam as quantidades de calços que serão selecionados, seus valores obrigatoriamente
devem ser números inteiros e não negativos. Estas restrições tem grande importância na
modelagem através de softwares, já que sua não inclusão afetará a execução das simulações
para otimização.
(2)
(3)
(4)
Até esta etapa, foi possível modelar a montagem de espaçadores entre facas rotativas para
apenas um corte de tira de aço. Contudo, o corte de bobinas pode ser mesclado com diferentes
larguras, aproveitando a matéria prima e um único processamento para cortar produtos de
diferentes pedidos e clientes.
Para passagem do modelo às planilhas eletrônicas onde será realizada a simulação, a etapa
seguinte se consistiu em repetir o modelo de forma sequencial, considerando as tiras seguintes
na mesma bobina mesmo quando os espaçadores devem ser usados na montagem no eixo de
oposto.
A relação final entre os modelos se baseou na primeira restrição, que trata do estoque de
espaçadores: o estoque disponível para a montagem seguinte será sempre o que restar das
montagens anteriores. Logo, o modelo completo de montagem de cortes formou-se pela
relação em cascata de “n” modelos individuais - onde “n” é número de tiras que serão
10
cortadas - cada um com sua largura de corte própria (segunda restrição) e com restrição de
recursos da simulação seguinte condicionada aos recursos subtraídos da simulação anterior.
Ressalta-se, que foi ordenada a possibilidade de até 11 tiras no modelo, considerando a
capacidade de produtos na mesma bobina e na tração da máquina.
A figura 5 contém uma montagem de capturas de tela da planilha onde um dos modelos
menores - que juntos formam o modelo geral - foi programado.
11
5. Simulação e resultados
Para avaliação de funcionamento do modelo, realizaram-se três simulações de modelagem de
corte diferentes. Como o modelo final trata de um problema de programação linear, utilizou-
se em todas as simulações a opção “LP Simplex” do Solver para cálculo dos resultados.
A primeira simulação foi a montagem de corte para 8 tiras de aço, sendo 2 tiras com 100
milímetros (mm) e as outras 6 com 147mm. O relatório de respostas apresentou resultados em
12,1 segundos, com utilização de 20 espaçadores.
A segunda simulação foi a montagem para atendimento de um único pedido, um corte pleno
de 5 tiras de aço com 233mm. O relatório de respostas apresentou resultados em 2,2
segundos, com utilização de 15 espaçadores, sendo 2 espaçadores do tipo x36 e 1 do tipo x37
em cada modelo (10 do tipo x36 e 5 do tipo x37, no total).
A terceira simulação foi a montagem de corte para 4 tiras de aço, sendo 1 tira com 355mm e
as outras 3 com 277mm. O relatório de respostas apresentou resultados em 15,2 segundos,
com utilização de 17 espaçadores.
6. Considerações finais
Considera-se que o objetivo principal deste estudo foi atingido ao realizar a modelagem do
problema apresentado seguindo as etapas apresentadas método para modelagem de problemas
12
lineares. O modelo desenvolvido pode ser testado em simulações com pedidos de corte reais
da empresa, expondo a eficiência na seleção de espaçadores para as melhores montagens do
slitter de maneira dinâmica e otimizada. A relação para repetição das restrições com desconto
de estoque tornou-o mais robusto ao permitir realizar as simulações para o corte de várias
tiras em uma única bobina.
A boa execução das técnicas dissertadas comprovou os benefícios que podem ser alcançados
na aplicação da Pesquisa Operacional na produção de bens. A atenção à análise do problema e
determinação clara das premissas de modelagem através metodologias estabelecidas, permitiu
o desenvolvimento de uma solução bem fundamentada para o apoio na tomada de decisões do
processo estudado.
REFERÊNCIAS
ANDRADE, E. L. Introdução à pesquisa operacional: Métodos e modelos para análise de decisões. 5. ed. Rio
de Janeiro: LTC, 2015. 220 p.
BÄUERLE, N.; STEIN, O. Operations Research: Mathematical Methods. Wiley StatsRef: Statistics Reference
Online. p. 1-8. Doi: 10.1002/9781118445112.stat04584.pub2, 2015. Disponível em
<https://www.researchgate.net/publication/300483978_Operations_Research_Mathematical_Methods> . Acesso
em 20 jan 2018.
CAMPOS, V. F. O verdadeiro poder. Nova Lima (MG): INDG Tecnologia e Serviços, 2009. 159 p.
CHIAVENATO, I. Introdução à Teoria Geral da Administração. 3. ed. rev. Rio de Janeiro: Elsevier, 2006.
503p.
COLIN, E. C. Pesquisa Operacional: 170 aplicações em Estratégia, Finanças, Logística, Produção, Marketing e
Vendas. Rio de Janeiro: LTC, 2007. 488 p.
HENN, S.; WASCHER, G. Extensions of cutting problems: setups. Pesq. Oper., Rio de Janeiro , v. 33, n. 2,
p. 133-162, 2013.
HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional. 9. ed. São Paulo: Bookman, 2013.
JAISWAL, N. K. Military Operations Research: Quantitative Decision Making. Springer Science Business
Media: New York/US. 1997
13
MILHOMEM, D. A. et al. Utilização da programação linear e do método simplex para otimização da
produção de pães em uma empresa de panificação. Anais... XXXV Encontro Nacional de Engenharia de
Produção. Fortaleza, 2015.
SECCHI, A. R. Modelagem e Simulação de Processos. Porto Alegre (RS): UFRGS, 1995. 199 p.
SILVA, E. M. et al. Pesquisa Operacional: Para curso de Economia, Administração, Ciências Contábeis. São
Paulo (SP): Altas, 2009. 184 p.
14