Você está na página 1de 7

1.

Introduo Os recentes trabalhos desenvolvidos, em generalidade, na rea de logstica, procuram criar formas e mtodos cada vez mais precisos que auxiliem na tomada de deciso. Os gestores que desenvolvem suas atividades em diversificadas organizaes se deparam com situaes em que, ao colocados prova, precisam mostrar sua capacidade em serem flexveis no raciocnio. Com a atual poltica gerencial das organizaes em manter um relacionamento estreito com seus clientes e fornecedores, suas respectivas Cadeias de Abastecimento necessitam de constante planejamento e previses diversas para sua efetiva produtividade, at mesmo para que possam se manter competitivas no mercado. O modelo de gesto para esta nova poca ultrapassou qualquer delimitao cultural e geogrfica, j podendo ser vista como impactante entre diferentes economias. E ai que encontramos a necessidade da contribuio da logstica moderna, que exerce sua funo em abastecer e satisfazer necessidades de regies que sejam carentes em alguns meios, fazendo assim a troca dos capacidades econmicas de cada regio. Para confirmar o raciocnio, BALLOU () disse que na economia mundial os sistemas logsticos eficientes formam bases para o comrcio e a manuteno de um alto padro de vida nos pases desenvolvidos. O mundo industrializado j pode notar o quo importante que os responsveis por planejamentos, em variadas reas da economia, dediquem- se para o aperfeioamento de suas atividades munidos de tecnologias e capacidades para inovar. A literatura apresenta que a possibilidade de prever incertezas e simular cenrios e alternativas, quanto s variveis que aparecem em um planejamento de determinada Cadeia de Abastecimento, de suma importncia para a criao e a execuo de uma operao logstica eficaz. Diferente de algum outro campo da cincia, em que a teoria torna- se regra geral, o pesquisador em logstica deve ter em mente de que tais processos visados por seu estudo nunca sero os mesmos, ou seja, preciso considerar que os processos logsticos se transformam de acordo com a requisio de uma necessidade, que, por sua vez, no comum. Para um correto e eficaz desenrolar das atividades logsticas, segundo BALLOU (), necessrio que aps o planejamento de um projeto haja dados concretos para que torne sua implementao vivel e lucrativa, e o seu controle deve ser preventivo. Podemos entender por Dados Concretos todo conjunto de informao que nos garanta certeza em relao um procedimento, isso se d pela captao de dados numricos e acontecimentos repetitivos. Tendo em mos informaes precisas, podemos prever situaes e projetar o comportamento de variveis, em um mbito interno ou externo de uma organizao. Dentre vrias modelagens modernas utilizadas na gesto de uma Cadeia de Abastecimento, existem os mtodos de simulao. Com informaes numricas colhidas anteriormente, possvel simular futuros acontecimentos, resultantes de diversificadas decises. Em outras palavras, podemos usufruir de modelos matemticos para que se obtenha uma viso mais ampla de possveis e diferentes cenrios. J disse WINSTON(1991), que a simulao uma ferramenta amplamente utilizada na anlise de sistemas complexos. Da mesma forma, LAW(2007) acredita que o uso da simulao encontra justificativas em casos em que a complexidade encontra- se em elevado grau. Em um cenrio de mercado caracterizado pela agilidade em disponibilizar produtos e servios em pleno funcionamento, as empresas ganham em simular cenrios relacionados tempos e ganhos.

O presente artigo tem seu mrito, pois implementar em um projeto piloto de logstica, dentro da cadeia de abastecimento de uma empresa automobilstica, os recursos de uma modelagem matemtica, criando concluses vista de possveis cenrios. Os tpicos sero apresentados em duas partes: Na primeira, sero abordados conceitos e tcnicas sobre os mtodos de simulao, e na segunda parte iremos utilizar os objetos estudados, aplicando- os em um estudo de caso real. 2. Conceituando Simulao e seus Recursos Gerenciais No diferente do que seu prprio nome sugere, os mtodos gerencias para simulao tambm significam analisar informaes que podem no ser reais para obter, ao menos, algum entendimento sobre algum caso, momento ou cenrio. Um estudo baseado nas ferramentas de simulao pode mostrar fatores da funo observada que no so percebidas, no que se refere ao corriqueiro. O andamento da simulao ir tornar claro como ser a reao de determinadas qualidades do processo em um cenrio varivel ou hipottico, enquanto que sua concluso mostrar se o processo produtivo e quais so as possveis melhorias. Dever ficar aqui claro que os mtodos utilizados para simulao, sejam eles quais forem, no apresentaro resultados concretos e diretos de quais devem ser as atitudes tomadas pelo gestor, mas mostraro sim quais so as possibilidades para diferentes casos. Se o estudo mostrar apenas hipotticos caminhos, da a necessidade de um raciocnio flexvel por parte do planejador que dever interpretar o estudo ao modo que lhe convm, o sucesso do projeto depende meramente desta sua qualidade. O passo inicial para a criao de um modelo de simulao deve partir de sua necessidade. Isto , fixar a razo ao objetivo do estudo e quais os parmetros a serem estudados. Uma simulao pode focar alguma medida de desempenho como, por exemplo, de determinado processo de elevao de carga, assim como os tempos que os funcionrios utilizam para operar as mquinas levantadoras, e o mtodo de simulao utilizado precisa ser especfico. Segundo LEONARDO CHWIF (1999), os modelos de simulao podem ser classificados de duas formas: a) Modelos Estocticos: So os modelos que utilizam variveis aleatrias para validao do programa de simulao b) Modelos Determinsticos: Trabalham com variveis do tipo no probabilsticas. Pors esta forma, no importa quantas forem as rodadas de simulao executadas pois seu resultado sempre ser o mesmo. A maioria dos modelos utilizados por analistas e gestores se enquadra no estilo de modelo Estocstico, por apresentar diferentes possibilidades em cada rodada de simulao. Referimos-nos rodadas de simulao quando repetimos variadas vezes o mesmo modelo com diferentes nmeros aleatrios. Cada rodada poder mostrar diferentes possibilidades, o que um dos pontos fortes em um estudo com simulao. 2.1. Passos em um estudo com os Mtodos de Simulao Da formulao do problema at a anlise conclusiva dos resultados, necessrio escalonar o processo em alguns passos. Usaremos neste artigo o modelo proposto por LAW

(2007). No primeiro passo, identificamos o problema e planejamos o estilo do estudo. Inicia- se a coleta de dados no segundo passo. Aqui o problema j se apresenta mais claro quanto sua complexidade. No terceiro passo analisamos se o modelo conceitual representa fielmente a situao real estudada, se no, necessrio rever os passos anteriores. Se o modelo proposto representar fielmente a situao real, comearemos o quarto passo. Nesta etapa, escolhermos os modelos matemticos para o desenvolvimento da anlise e sua traduo para um modelo computacional. Com um modelo computacional elaborado, iniciamos no quinto passo as rodadas de teste. No sexto passo, verificamos agora se este modelo analtico e computacional valido, se no, retornar ao segundo passo exemplificado anteriormente. Se o modelo programado for vlido, iniciamos o stimo passo. Nesta etapa, projetamos o modelo analtico e computacional ao experimento. Aqui o objetivo enquadrar os meios de pesquisa desenvolvidos no ambiente estudado, melhorando o entendimento do sistema. O oitavo passo a etapa em que realizaremos as rodadas vlidas. Iniciamos o nono passo quando for possvel verificar os dados de sada do modelo, seus resultados. E, por fim, o dcimo passo onde documentamos os dados de sada que a simulao nos proporcionar. Como j explicado, utilizaremos os dados como apoio na tomada de deciso gerencial. Reparemos na figura 1:

FIGURA 1 Passos para Modelagem Conceitual: Law (2007)

3. O Modelo Conceitual O Modelo Conceitual um sistema que pretende demonstrar fielmente a ligao entre todos os componentes que iro ser estudados. Este se apresenta por formas, ou desenhos, que configurem o ambiente fsico do estudo. Este modelo forma um fluxograma quando concludo, mostrando em passos as etapas que constituem a complexidade do sistema. Segundo HARREL e TUMAY (1994) um modelo fiel ao sistema deve possuir duas caractersticas bsicas, as quais so: a) Vlido: O modelo mostra com certeza a realidade. b) Mnimo: O modelo inclui apenas as etapas que sero analisadas no estudo. Esta modelagem essencial para o estudo de simulao, sendo aqui que encontraremos o entendimento visual e qualitativo do sistema fsico. Logo, no nos fornecer informao quantitativa alguma, este ficar a cargo dos modelos analticos apresentados no prximo captulo. Quanto aos exemplos de uma Modelagem Conceitual, faremos sua elaborao no estudo de caso apresentado na segunda parte deste artigo. 4. Modelos Matemticos nos Mtodos de Simulao Trata- se de uma ferramenta de considervel abrangncia, e utilizada por analistas e gestores que pretendem adquirir uma viso maior dos possveis acontecimentos decorrentes de suas decises. Com os modelos conceituais e recursos matemticos que j esto disponveis pela literatura, o profissional que optar por adicionar ao seu mtodo de gesto tais recursos estar apto a tomar decises mais concretas e fundamentadas, uma fez que o estudo lhe apresentar uma viso sobre os possveis acontecimentos. J disse PIDD (2004), que um dos resultados gerados pela aplicao dos mtodos de simulao o aumento de conhecimento, e ocorre primeiramente na estrutura e modelagem do problema, sendo o prximo momento o entendimento e a elaborao das devidas concluses sobre o modelo programado. Em outras palavras, no primeiro passo elaboramos o estudo do cenrio existente, elaborando o problema e identificando as caractersticas do processo, e no segundo passo devemos notas quais foram os aprendizados durante o desenvolvimento e execuo do evento programado. Por ser uma ferramenta analtica, reforamos a ideia de que este conjunto de ferramentas matemticas nos fornecer as equaes necessrias para que os resultados do estudo sejam alcanados. O estudo desde artigo ser aplicar modelos conceituais e matemticos em um estudo de caso, em que uma empresa de solues logsticas estar implementando um projeto piloto de reembalamento em seu centro de cross-docking, classificado como projeto de melhoria contnua. 4.1 Modelos Matemticos A problemtica do estudo deve focar- se no sistema ser analisado. Um sistema um agrupamento de partes que operam juntas, visando um objetivo em comum, j disse

FORRESTERS (1968). A partir desta observao, podemos concluir que o sistema estudado ter diferentes peculiaridades, mesmo fazendo parte de um mesmo conjunto, onde cada mtodo aplicado para seu entendimento dever ter um foco prprio para o sub- processo. Os exemplos de alguns modelos matemticos so: a) Modelo de Monte Carlo: Para NANCE (1993), este um modelo utilizado com o auxlio de variveis aleatrias, pois inexiste as informaes de tempo neste mtodo. A aplicao vivel quando o processo apresenta informaes referentes freqncia dos acontecimentos. O modelo ser exemplificado no desenvolvimento do estudo proposto por este artigo mais diante. b) Distribuio de Poisson: Desenvolvida pelo matemtico francs SIMON DENIS POISSON(1838). Embora seja inicialmente criada para ser utilizada nas reas de fsica e estudos com culturas de clulas, seus mecanismos so tambm muito bem aceitos nos estudos com simulao de mecanismos de engenharia. A Distribuio de Poisson uma distribuio de probabilidade discreta, onde as concluses surgem a partir de resultados de uma mdia numrica j existente. A funo da Distribuio de Poisson representa o nmero de eventos que ocorrem aleatoriamente em um tempo fixo e uma taxa mdia . Apresenta- se da seguinte forma:

FIGURA 2 Funo da Distribuio de Poisson: Poisson (1838)

Entendendo melhor a funo: o nmero que corresponde base do logaritmo natural (e= 2,71828...). K! Sendo o fatorial. o nmero esperado pela ocorrncia. Se em determinado estudo entendermos que determinado processo ocorre a cada 10 minutos, e se estivermos interessados em descobrir qual a freqncia em 1 hora, entendemos que 60 minutos/10 minutos, ento = 6. Para a anlise efetiva dos resultados com o auxilio deste modelo, devemos considerar que o processo de calculo deve ser feito para cada intervalo (sendo K= 0, 1, 2, 3...). Este modelo tambm ser exemplificado no estufo feito para a elaborao deste artigo. 4.2 Mtodos Computacionais Os Modelos Computacionais nada mais so que uma continuidade dos modelos analticos, sendo os animadores, por assim dizer, do programa de simulao. Os Modelos Analticos so limitados pela sua abordagem, que de transformar as diversas informaes em funes e equaes matemticas. Embora os modelos Analticos possam ser solucionados manualmente, o processo tornar- se- ia deveras demorado se levarmos em conta quo numerosas seriam as rodadas de simulao serem executadas. Para que haja efetividade em uma modelagem computacional, BALCI (1992) interpretou que existe a necessidade de formatar todos os dados colhidos at o presente

momento em um Ambiente de Simulao. O Ambiente de Simulao um conjunto integrado de sistemas, softwares e hardwares, que automatizam o tempo de vida do programa de simulao. Nos Modelos Conceituais, softwares de edio grfica so prticos em desenvolver plenamente a ilustrao e as caractersticas do sistema fsico existente no estudo. Os softwares so especficos tambm para os modelos Analticos, por apresentarem maiores recursos e menos tempos na execuo das rodadas de simulao.

5. Simulao em um operao Cross Docking de Terceiro Nvel Diz a literatura que operaes, dentro de um armazm, em que h separao e reembalamento de especficos produtos so consideradas Cross Docking de Terceiro Nvel. E este tipo de atividade que iremos estudar agora. A Expresso Mirassol ltda possui um Centro de Consolidao de Cargas (CCC) em Guarulhos- SP, onde atende um dos seus maiores clientes, a MAN Latin America. O CCC tem funo de receber diversas peas automotivas de diversos fornecedores, consolida- las, e reenvia- las MAN. Esta operao considerada de Cross Docking de Segundo Nvel, por se basear apenas na separao da carga para seu envio. O estudo com ferramentas de simulao far parte, neste estudo, da implementao do projeto de Cross- Docking de Terceito Nvel. A princpio, a MAN recebe suas peas em embalagens que no possuiem um padro entre si, o que dificulta e atrasa os tempos em suas atividades de produo. Para que o Float de produo seja atendido, as peas devem entrar no sistema em embalagens KLT, que mesmo em diferentes modelos possuim um padro de encaixe. So quatro os modelos de caixas KLT utilizados pela MAN:

FIGURA 4 Embalagens KLT utilizadas pela MAN

A MAN estabelece que sejam estes quatro modelos que devem estar presentes em seu Float, padronizados na cor azul.

Ou seja, as peas chegam no centro fabril em pacotes ou caixas desqualificadas pela MAN, e as peas precisam ser acomodadas nas embalagens KLT para adentrarem na linha de produo. Esta atividade gera gastos em mo-de-obra que no est focada no Core- Business da empresa, alm de gerar possveis prejuzos por atrasos na linha de produo. O projeto proposto pelo operador logstico, a Expresso Mirassol, de efetuar esta atividade de reembalamento em seu prprio CCC. A Mirassol desenvolver o projeto junto com seu cliente e fornecedores os fornecedores do mesmo, fortalecendo sua poltica de Comakership em propor melhorias contnuas, cumplicidade e comprometimento, o que j faz parte de sua poltica organizacional. Para em nossos estudos, levaremos em conta as seguintes informaes: a) Os volumes recebidos so transferidos para a rea de reembalamento no CCC; b) Separar as quantidades de peas, efetuar pesagem em balana ou contagem fsica como forma de conferncia das peas recebidas; c) Acomodar as quantidades unitrias nas KLTs pr-definidas. d) Efetuar empilhamento tranado das caixas em paletes tipo PBR. Para transporte, at dois paletes de alto. Para estocagem, at trs paletes de alto. 5.1 Compreendendo o sistema O Modelo Conceitual Com base no que LAW (2007) props sobre Modelagem Conceitual, este o modelo do sistema estudado: