Escola Politécnica da Universidade de São Paulo - Engenharia de Produção

PRO3342 - Modelagem e Simulação de Sistemas de Produção (2021)

Prof. Marco A. Mesquita, Projeto Final da Disciplina

AUTORES

Ana Beatriz Mitsutani

João Pedro Pereira Armani
Leticia Camargo Soares
Melissa Sayuri Onaka
Thiago Kenji Ikebuti

Estudantes de Engenharia de Produção

Universidade de São Paulo
Escola Politécnica
São Paulo, SP, BRASIL

RESUMO

Simulações dentro de cenários reais são importantes para previsibilidade, planejamento e assertividade da
produção. A motivação por trás deste estudo é a possibilidade de aplicar conceitos teóricos a uma cenário
realista dentro do escopo que tange a disciplina, simulando a produção de máscaras de tecido em uma
confecção artesanal. A simulação construída foi baseada em uma conexão entre a realidade atual e os
fundamentos teóricos fornecidos. Os dados e as pesquisas foram retirados de referências disponíveis na
internet.

1 INTRODUÇÃO
No período final de 2019, a cidade de Wuhan (China) teve um surto misterioso de uma doença
viral-respiratória que possuía rápida transmissão e mortalidade maior que a gripe comum. Meses depois, a
OMS veio a decretar o surto da denominada Sars-Cov-2 oficialmente como uma pandemia. Por se
caracterizar como uma doença respiratória, o uso de máscara se tornou um meio eficaz de evitar a
contaminação e a transmissão da doença.
Principalmente durante o ano de 2020, houve uma escassez das máscaras nas lojas. Devido ao
aumento da demanda, a produção industrial não foi suficiente para supri-la, o que fez com que um grande
número de pessoas começassem a produzir suas próprias máscaras. Em alguns casos, a produção de
máscaras artesanais começou a se tornar um negócio, sendo produzida em grandes quantidades e vendida
para conhecidos ou não, através da internet.

2 OBJETIVO E DEFINIÇÃO DO PROBLEMA

O foco do projeto é analisar uma linha de produção de máscaras de tecido artesanais com modelos
diversos destinados à venda para escolas e pequenas empresas, com foco no aumento da produtividade.
Foram simuladas as produções de máscaras de tecido em uma confecção artesanal de quatro variedades
(adulta branca, adulta estampada, infantil branca e infantil estampada), cada uma com demanda com
média e desvio padrão diferentes de modo a aproximar uma demanda real e de testar a robustez dos
modelos propostos frente a situações distintas.
 Mitsutani, Armani, Soares, Onaka e Ikebuti

Inicialmente foi modelado, com base em dados de produção extraídos de estudos, um fluxo de
confecção não otimizado com apenas um servidor para cada etapa, o que leva a grandes filas para
atividades com maior tempo de processamento, que recebem um fluxo de atividades mais rápidas. Dessa
forma, nesse cenário inicial a empresa, que produz cerca de 122 unidades diárias, não consegue atender à
demanda e tampouco pensar em expandir os negócios.
Espera-se, por meio do estudo, expandir a capacidade produtiva até para que se possa minimamente
atender à demanda média de 240 máscaras por dia, com nível de serviço de 90%. Para tanto, será
necessário mapear a capacidade produtiva inicial e a existência de processos gargalo ou outros pontos de
ineficiência, a partir do quais serão sugeridas novas configurações de produção com foco no objetivo de
aumentar a produtividade. As melhorias serão então validadas e verificadas em relação à produção real e
ao objetivo do estudo de atender a demanda.

3 FLUXO DO PROCESSO
O processo simplificado de fabricação de máscaras artesanais pode ser visto na figura 1 abaixo.

Figura 1: Fluxograma geral do processo

Também foi feito o fluxograma do processo da equipe de controle de produção, que é responsável
pela checagem do estoque e da quantidade vendida no dia anterior para então enviar uma ordem de
produção. O processo pode ser consultado através da figura 2.
 Mitsutani, Armani, Soares, Onaka e Ikebuti

Figura 2: Fluxograma da área de controle de produção

Por fim, temos o processo de produção em si, que pode ser verificado através da figura 3.

Figura 3: Fluxograma da produção

3.1 Espera de um dia

A espera de um dia ocorre pois a produção não é contínua em 24h. Ou seja, depois que a equipe
termina seu trabalho, é esperado um dia antes dela iniciá-lo novamente.

3.2 Checagem das saídas do dia anterior

 Mitsutani, Armani, Soares, Onaka e Ikebuti

A equipe de controle da produção verifica então quais foram as saídas do estoque do dia anterior. A
equipe atualiza para cada uma das variações de máscara disponíveis.

3.3 Atualização do estoque

A última etapa da equipe de controle de produção é realizar a atualização do estoque atual no sistema,
e enviar uma ordem de produção para que a equipe de produção inicie o trabalho para repor o estoque.
Essa etapa

3.4 Checagem das vendas do dia anterior

Todo dia, no início do dia, a equipe de vendas checa a quantidade de vendas realizadas no dia
anterior. Esse processo é feito logo na abertura do turno da fábrica, cerca de 9h da manhã, para que todo o
processo possa começar com base na atualização do estoque. Caso o estoque de determinado produto não
tenha baixado, a atualização é feita novamente no dia seguinte. Caso tenha, o estoque é atualizado e uma
mensagem enviada ao setor de produção para a OC.

3.5 Retirada de matéria prima do estoque

Após receber a ordem de produção, é retirada a matéria prima do estoque. Antes disso, é feita uma
checagem para que seja possível verificar se existem os itens necessários para a produção. Caso não haja,
a produção para, visto que é impossível começar o processo. Caso tenha estoque, o material é colocado
para corte para o início da produção. Vale ressaltar que, neste cenário, não está sendo considerado uma
falta de estoque de matéria prima, visto que a equipe de vendas garante que este problema não atinja a
produção.

3.6 Corte
Conforme orientações da OMS, para que as máscaras sejam efetivas no controle do contágio da
Covid-19 são necessárias no mínimo três camadas de tecido: a interna (forro) deve ser de algodão pois
fica em contato direto com a pele, a exterior de um tecido impermeável, como o poliéster, e a do meio
pode ser tanto de tecido sintético quanto de algodão. Os tecidos dos materiais selecionados são cortados
conforme um molde de modo a obterem o formato desejado para a costura posterior. São cortados quatro
pedaços de tecido conforme um molde conforme a, e dois serão unidos para formar o forro e dois
formarão a camada exterior. O tecido da camada do meio é cortado em peça única e é inserido entre as
demais partes.

3.7 Unir peças exteriores e do forro

Tendo as peças cortadas, o operador deve então unir as metades utilizando uma máquina de costura.
As peças são sobrepostas e depois costuradas. Depois de verificar a junção das duas partes, fazer um
breve acabamento e ajustes com uma tesoura.

3.8 Unir forro e frente

A próxima etapa consiste então em costurar, novamente utilizando uma máquina de costura, o forro à
frente. As peças são sobrepostas e fixadas com o auxílio de presilhas para garantir o posicionamento e
 Mitsutani, Armani, Soares, Onaka e Ikebuti

então é realizada a costura interna. Depois são feitos ajustes com a tesoura, as presilhas são retiradas, a
peça é então virada e é efetuada a costura externa.

3.9 Confeccionar e pregar o elástico

Para prender os elásticos, são realizadas pequenas dobras costuradas em ambos os lados da máscara,
por meio dos quais são passados os elásticos conforme a figura 5. O pedaço de elástico então tem suas
duas extremidades fixadas, formando um aro.

3.10 Inserção do filtro

Com a estrutura da máscara pronta, é inserido o tecido do meio (filtro) entre a frente e o forro por
meio de uma abertura lateral na parte interna do forro.

3.11 Embalagem

Após o fim da construção da máscara, ela é inserida em uma embalagem de plástico.

3.12 Armazenagem no estoque

Por fim, as máscaras são então armazenadas no estoque, de onde serão retiradas posteriormente caso
sejam vendidas.

4 DADOS OBTIDOS

A seguir, na Tabela 1, estão disponíveis tempos, em segundos, para cada um dos processos mapeados
na produção, extraídos de um estudo conduzido em Cataguases, Minas Gerais, sobre confecção de
máscaras em condições similares às estudadas. Para cada etapa da produção foram coletadas 20 amostras
de tempo (duas por cada dia, durante dez dias), a partir das quais foram calculadas as respectivas médias,
desvios padrões e coeficientes de variação de cada processo:

Tabela 1: Tempos dos processos de cada etapa produtiva (em segundos)

Confeccionar e Embalagem e
Unir peças exteriores Unir forro e Inserção do
Processo/dia Corte pregar o finalização do
e peças do forro frente filtro
elástico pedido
1 59 74 202 24 31 14
1 55 77 218 22 37 12
2 54 68 234 27 35 10
2 57 71 229 29 33 12
3 56 71 238 24 32 14
3 55 69 232 26 32 13
4 52 77 220 27 34 11
4 53 71 231 23 34 14
5 57 70 242 25 33 11
 Mitsutani, Armani, Soares, Onaka e Ikebuti

5 55 72 231 24 35 10
6 54 74 239 25 38 13
6 57 71 246 26 31 11
7 56 76 225 23 35 14
7 55 69 241 26 36 11
8 51 75 229 23 35 12
8 54 74 238 25 34 13
9 56 79 221 29 32 10
9 53 74 233 28 34 11
10 55 68 245 24 32 15
10 57 72 216 26 31 13
Média 55,05 72,6 230,5 25,3 33,7 12,2
Desvio
1,93 3,17 11,03 2 2 1,54
padrão
Coeficiente
0,04 0,04 0,05 0,08 0,06 0,13
de variação

5. MODELAGEM

5.1. Modelagem da demanda

Conforme citado na introdução, para estudo foi simulada a produção de quatro modelos de máscara
de tecido: adulta branca, adulta estampada, infantil branca e infantil estampada.
Estimou-se que a demanda média total seria de 240 máscaras/dia, sendo 66,7% destas do modelo
adulto e as demais de modelo infantil. A diferença na produção da máscara infantil é o menor tempo
necessário na etapa de corte, sendo de 37 segundos. Do modelo adulto, 80% seriam de máscaras brancas e
20% de máscaras estampadas. Para o infantil essa proporção é de 62% para a branca e as demais,
estampadas. Além disso, foram definidos desvios padrão distintos, de forma aproximar o modelo de uma
demanda real, em que produtos distintos terão demandas distintas. Isso também possibilita testar o
comportamento do modelo de produção frente às variações na demanda possíveis em uma situação real. A
Tabela 2 mostra os valores finais de demanda média e desvio padrão para cada uma das variações.

Tabela 2: Demanda média, desvio da demanda e desvio do tempo de produção dos modelos de máscara

Adulto Adulto Infantil Infantil

branco estampado branco estampado

Demanda média 128 32 50 30

Desvio da demanda 10 10 8 2
 Mitsutani, Armani, Soares, Onaka e Ikebuti

5.2. Módulo de Controle da Produção

A modelagem do módulo de controle da produção é composta por 4 blocos de origem, simulando as

demandas dos 4 modelos de máscara, de acordo com uma distribuição lognormal com as médias e desvios
padrão da Tabela 2. O bloco de delay então subtrai do estoque de cada modelo as quantidades
demandadas, além de adicionar a soma das demandas para enviar ao módulo de produção.
Dessa forma, o módulo de produção irá produzir no máximo então somente e exatamente as
quantidades das máscaras vendidas. Vale ressaltar que este processo ocorre uma vez ao dia no início do
turno (9h), que seria o momento em que o setor de vendas verifica o estoque e envia o pedido de produção
conforme a modelagem conceitual.

Figura 5: Modelagem do módulo de controle da produção no Anylogic

5.3. Modelagem Iniciais

Os tempos de produção nas modelagens feitas foram de acordo com uma distribuição log-normal,
distribuição adequada para simulação de tempos discretos pois evita a execução da simulação com valores
de tempo negativos.
Sobre a modelagem proposta para a linha de produção, inicialmente foi simulado, com base em dados
de produção extraídos de estudos, um fluxo de confecção não otimizado com apenas um servidor para
cada etapa, o que levou a grandes filas para atividades com maior tempo de processamento do que as que
receberam um fluxo de atividades mais rápidas. Em especial, houve um gargalo na etapa de união frente e
forro que era feito apenas por uma pessoa e, por isso, atrasava e, consequentemente, reduzia a produção.
O resultado obtido com esse modelo foi de uma capacidade produtiva de 122 máscaras no turno de 8
horas da produção inicial. Dessa forma, nesse cenário inicial a empresa não consegue atender à demanda
e tampouco pensar em expandir os negócios.

Figura 6: Primeira proposta de modelagem

 Mitsutani, Armani, Soares, Onaka e Ikebuti

Com o objetivo de eliminar o gargalo na etapa citada e assim produzir mais máscaras a fim de atender
as expectativas de demanda e, foi testada uma outra proposta de modelo de produção na qual manteve-se
o layout linear da primeira proposta, porém foi acrescentado um servidor na etapa problemática.
Essa configuração diminuiu consideravelmente as filas de cada etapa, aumentando a capacidade
produtiva em 100% em relação à primeira configuração, com um total de 244 máscaras confeccionadas
no turno de 8 horas. Sendo assim, essa modelagem produziu o suficiente para atender à demanda
esperada, alcançando o propósito estabelecido.

5.4. Modelagem Final

Apesar da modelagem com dois servidores no gargalo ter sido capaz de atender à demanda, buscando
otimizar ainda mais a produção, foi proposta uma terceira configuração, adaptada do modelo inicial com
layout em "U". Neste tipo de layout, máquinas ou estações de trabalho estão arranjados em formato de U
de forma a minimizar a distâncias, facilitando o transporte de materiais, comunicação e deslocamento de
pessoas entre pontos de trabalho que tenham grande relação.
Foi mantido somente um servidor em cada etapa e os mesmos tempos de atendimento. Entretanto, em
contraste com as duas anteriores em que a produção era realizada somente em uma única série linear com
número fixo de servidores, o layout em "U" neste caso foi adotado para que os operadores possam se
deslocar facilmente à etapa gargalo já identificada: a união da frente ao forro. Ao se detectar que duas
máscaras se acumularam na Fila 3 desta etapa, os trabalhadores das três etapas seguintes (pregar elástico,
inserir filtro e embalagem) vão para a união frente e forro. Os trabalhadores retornam às suas estações
originais quando a Fila 4 na etapa seguinte, pregar elástico, acumula duas máscaras. Dessa forma, os três
trabalhadores extra conseguem desafogar o gargalo da união frente e forro adiantar a produção dessa
etapa.
Observando com mais cuidado, o que ocorre é que quando os três operários adjacentes chegam na
estação de frente e forro, o trabalhador desse gargalo já estava produzindo uma máscara, que é inserida na
Fila 4. Os três trabalhadores então terminam quase que simultâneamente a união frente e forro de suas
peças, somando 4 máscaras na Fila 4 antes de retornarem às suas estações, o que desafoga em grande
parte o maior gargalo da produção.
Essa movimentação ocorre toda vez que se identifica que a Fila 3 acumulou duas máscaras. No
Anylogic, não foi modelado o tempo de deslocamento entre estações, portanto a mudança na configuração
da Figura 7 é somente ilustrativa conforme uma produção real com esta configuração.

Figura 7: Modelagem do módulo de produção no Anylogic

Foram adicionados ainda os blocos de "hold" e "setup" para garantir que a produção ocorra num
período de 8h (das 9h às 17h), que corresponde ao horário de funcionamento da fábrica e para simular um
delay de 30 minutos quando ocorre a troca entre a produção dos modelos de máscara, respectivamente.
 Mitsutani, Armani, Soares, Onaka e Ikebuti

Como resultado da mudança no layout, obteve-se um aumento de 311% na capacidade produtiva: de

122 máscaras no turno de 8 horas da produção inicial, para 380 máscaras no mesmo período. Note que
esta capacidade é maior inclusive que a do segundo modelo proposto, com dois servidores no gargalo,
além de mais econômica visto que não é necessário contratar mais um operador, sendo portanto a melhor
solução entre as propostas.

6. VERIFICAÇÃO

Na verificação do modelo, analisamos se o modelo conceitual atende aos requisitos do projeto. No

caso do projeto, como o objetivo final é aumentar o volume de produção de máscaras para atender uma
demanda superior, a especificação a ser verificada é o nível de serviço do sistema, que é calculado pela
relação entre a demanda atendida e a demanda total da empresa.
O nível de serviço mínimo esperado da empresa é de 90%. Para uma verificação, calculamos o nível
de serviço estabelecendo tempos de processamento estáticos, e assim chegamos a uma média no nível de
serviço de 94,2%, como é possível ver pela imagem abaixo. Nosso sistema está desempenhando de forma
satisfatória e é então verificado.

Figura 8: Resultado da verificação do nível de serviço no Anylogic

Para valores extremos de demanda, testamos aumentar em dez vezes a demanda de cada máscara.
Nesse cenário, o sistema ainda desempenha bem, com a linha de produção atendendo 98,7% das máscaras
pedidas pelo módulo de controle de produção, verificando que a otimização do modelo atende a essa
situação. Uma ressalva é que caso a demanda cresça consistentemente para essa escala, será necessário
rever a quantidade inicial de estoque da empresa, pois os pedidos diários são atendidos entregando
quantidades de máscara abaixo das quantidades demandadas, havendo um potencial de aumentar a
produção e absorver essa demanda, entrando mais receita para a empresa.

7. VALIDAÇÃO

Na validação do modelo, analisamos se o modelo conceitual é representativo e fiel ao sistema real,

sendo essencial para garantirmos que os dados obtidos pelo programa podem ser aplicados no sistema.
Para isso, avaliamos os parâmetros desejados no programa matemático. Caso os parâmetros estejam
dentro de um intervalo aceitável, consideramos o modelo validado.
De forma mais geral, as características da produção de máscaras foram consideradas são: produção de
máscara em 6 etapas no modelo flow shop, produção de 4 tipos de máscara e produção Make to Stock.
Observando o fluxo de trabalho do modelo construído, vemos que essas características iniciais foram
atendidas.
 Mitsutani, Armani, Soares, Onaka e Ikebuti

Para calcular os tempos de processamento de cada etapa, utilizamos o recurso de simulação do

Anylogic, do tipo Parameters Variation. Rodando a simulação com 50 iterações e com sementes
aleatórias. Assim chegamos nos valores da Tabela 3 abaixo, que compara as médias e os desvios padrões
dos tempos de processamento de cada etapa entre o modelo atual (esquerda) e o do modelo conceitual
(direita).

Tabela 3: Tempos dos processos de cada etapa produtiva (em segundos)

Média sistema Desvio padrão Média modelo Desvio padrão

real sistema real conceitual modelo
conceitual

Corte 55,05 1,93 49,65 0,10

Unir peças exteriores 72,6 3,17 72,58 0,12

Unir peças exteriores e

230,5 11,03 230,59 0,42
peças do forro

Pregar elástico 25,3 2 25,30 0,04

Inserção do filtro 33,7 2 33,69 0,06

Embalagem 12,2 1,54 12,19 0,02

Vemos que as médias dos tempos de processamento coletados se aproximam dos valores esperados,
pois elas estão dentro do intervalo de 1 desvio padrão do sistema real em relação à média do sistema real.
Assim podemos dizer que o modelo é uma boa representação da linha de produção estudada.
A única exceção é o tempo de processamento do corte, que foi reduzido pois para a produção de
máscaras infantis, o delay time é menor (37 segundos). Considerando que a demanda de máscaras infantis
é 33,3% da demanda total, o delay time teórico no modelo é de 49,03 segundos, e o valor encontrado de
49,65 é condizente com o esperado.

8. PLANEJAMENTO DOS EXPERIMENTOS

Nessa seção, buscamos analisar a influência de variações na demanda e no estoque máximo na

métrica em análise (no caso, o nível de serviço) na simulação, por meio do Delineamento de
Experimentos. É esperado que ambos os fatores, assim como a interação entre ambos, sejam
significativos e relevantes na resposta final analisada. Como o nível de serviço esperado pela empresa é
de 90%, foram avaliados os valores a partir dos quais a resposta deixaria de ser satisfatória (ou seja,
abaixo de 90%). Dessa forma, é possível ter uma noção melhor de quais seriam os desempenhos da
empresa em cenários diferentes que possam vir a surgir.
Os experimentos foram planejados da seguinte maneira: todas as demandas e os estoques seriam
multiplicados por um fator específico. Para as demandas, os fatores foram 1 (valores iniciais das
demandas já apresentados), 1,1, 1,2 e 1,5, ou seja, um aumento em 10, 20 e 50%, respectivamente. Os
estoques foram multiplicados por 1 (valores iniciais dos estoques), 0,9 e 0,8. Foram feitas 3 repetições
para cada tratamento, gerando, assim, 36 experimentos. Os experimentos realizados estão disponíveis
abaixo na Figura 9, onde a primeira coluna representa o número do experimento, a segunda o valor do
 Mitsutani, Armani, Soares, Onaka e Ikebuti

fator que multiplicou a demanda, a terceira o fator que multiplicou o estoque máximo e a última o nível
de serviço encontrado.

Figura 9: Experimentos realizados

Os resultados da análise de variância obtido pode ser visto na Figura 10 abaixo:

Figura 10: Resultados da análise de variância

Os resultados confirmaram nossas ideias iniciais de que ambos os fatores e sua interação eram
significativos. O mais interessante, no entanto, foi observar a diferença na sensibilidade dos dois fatores
sobre o nível de serviço. Apenas para um aumento de 50% da demanda, esse índice assumiu valores
menores que o estipulado pela empresa. Isso significa que, para aumentos menores (em até 20%,
 Mitsutani, Armani, Soares, Onaka e Ikebuti

considerando que são apenas esses os possíveis aumentos), a empresa é capaz de atender os pedidos com
um nível de serviço de 90% e que sua linha de produção está operando bem. Para valores de estoques
máximos menores, no entanto, a empresa já estaria sob maior risco. Para uma diminuição em 10% do
estoque, a mesma só manteria seu nível de serviço acima dos 90% para situações em que a demanda
aumentasse em 10% ou não se alterasse. Quando diminuídos em 20% os valores dos estoques máximos, a
empresa não conseguiria, em nenhuma condição, atender 90% dos pedidos.

9. CONCLUSÃO

Para este trabalho, foi requisitada a otimização de um sistema utilizando as metodologias do curso e o
software Anylogic para simular o modelo que seria construído. O grupo escolheu um sistema de produção
de máscaras de tecido com tempos de processamento bem definidos, que tinha uma necessidade bem
clara: a de aumentar sua produtividade para atender a atual demanda do mercado.
Foram seguidos os passos do estudo de simulação apresentado por Banks (Banks et al., 2014, p.15).
Assim, o grupo iniciou o seu trabalho estudando o sistema original, organizando seus dados, e
posteriormente o modelando em uma versão computacional no Anylogic. Com isso, foi possível
identificar matematicamente o gargalo do fluxo de processo, para ser resolvido.
Com alterações na organização espacial da linha de produção, e na quantidade de servidores em cada
etapa ao longo do dia, aumentou-se a produtividade da fábrica, até ser atingido o nível de serviço desejado
de 90% para a demanda média de 240 máscaras. Foram feitas a verificação e validação do modelo, que
indicaram que o modelo se adequa a situação real e pode ser uma boa solução para o problema atual. E
por fim, realizou-se o planejamento de experimentos, que não só comprovou a relevância dos parâmetros
de demanda e de estoque para a produção de máscaras, como também mostrou a sensibilidade dessa a
eles.
A metodologia de otimização do sistema mostra potencial para ser aplicada em indústrias de outros
setores com linha do tipo “flow shop” e trabalhadores como servidores, e pode ser utilizada como
referência para futuros projetos.

REFERÊNCIAS

Viera, L. S. & Gonçakves, L.M & de Souza, Q.H & Durões ,V. & Nazare T.B (2021). Simulação do processo de fabricação de
máscaras de tecido em uma confecção utilizando o software arena. https://doi.org/10.36674/mythos.v14i2.477

Revista Galileu (2020). Como fazer sua máscara de tecido em casa e usá-la de forma segura . Retirado em 20 setembro de 2021,
de https://revistagalileu.globo.com/Ciencia/Saude/noticia/2020/04/como-fazer-sua-mascara-de-tecido-em-casa-e-usa-la-de-forma
-segura.html