Dissertao submetida ao Programa de PsGraduao em Engenharia de Produo como requisito parcial obteno do ttulo de Mestre em Engenharia de Produo
BRIGHENTI, Jos Renato Nunes. Simulao e otimizao de uma linha de manufatura em fase de projeto. Itajub: UNIFEI, 2006. 113p. (Dissertao de mestrado apresentada ao Programa de PsGraduao em Engenharia de Produo da Universidade Federal de Engenharia de Itajub). Palavras-Chaves: Simulao Otimizao Manufatura
Dissertao aprovada por banca examinadora em 6 de outubro de 2006, conferindo ao autor o ttulo de Mestre em Engenharia de Produo.
Banca Examinadora: Prof. Jos Arnaldo Barra Montevechi, Dr Prof. Edson de Oliveira Pamplona, Dr Prof. Helder Gomes Costa, Dr
ix
Agradecimentos
Em primeiro lugar agradeo a Deus pelas oportunidades a mim concedidas. Agradeo ao meu amigo e orientador Professor Jos Arnaldo, pela incansvel perseverana, confiana em meu trabalho e amizade. Agradeo tambm minha namorada, Renata, pelo suporte e pela pacincia nos momentos mais difceis. E finalmente agradeo aos meus pais Djalma e Sylvia, maiores responsveis por todos os grandes projetos de minha vida, dedicando, dando amor, carinho e suporte.
Sumrio
Agradecimentos ___________________________________________________________ix Sumrio __________________________________________________________________ x Resumo _________________________________________________________________xiii Abstract _________________________________________________________________xiv Lista de figuras ___________________________________________________________ xv Lista de tabelas __________________________________________________________ xvii Lista de abreviaturas _____________________________________________________xviii 1 Introduo ____________________________________________________________ 1 1.1 1.2 1.3 1.4 1.5 1.6 2 2.1 2.2 2.3 Consideraes iniciais ______________________________________________ 1 O problema _______________________________________________________ 2 Objetivo do trabalho _______________________________________________ 3 Relevncia do trabalho______________________________________________ 4 Metodologia de pesquisa ____________________________________________ 5 Estrutura do trabalho ______________________________________________ 6 Consideraes iniciais ______________________________________________ 7 Justificativa econmica da simulao __________________________________ 9 Definies________________________________________________________ 11 Sistema______________________________________________________ 11 Modelo ______________________________________________________ 12 Simulao ___________________________________________________ 13
Simulao ____________________________________________________________ 7
Metodologias de simulao _________________________________________ 15 Definio da metodologia___________________________________________ 20 Mapeamento do processo___________________________________________ 21 Construo do modelo _____________________________________________ 25 Partir de modelos simples ______________________________________ 26 Fiscalizar o nvel de detalhamento _______________________________ 26 Dividir o modelo ______________________________________________ 27 Verificar e corrigir os erros _____________________________________ 27 Mudana dos parmetros de entrada _____________________________ 30 Turing test ___________________________________________________ 30
xi
Consideraes finais _______________________________________________ 33 Consideraes iniciais _____________________________________________ 34 Definio ________________________________________________________ 34 Mtodos de otimizao _____________________________________________ 35 Mtodos determinsticos _______________________________________ 36 Mtodos probabilsticos ________________________________________ 37 Funcionamento _______________________________________________ 40
Otimizao___________________________________________________________ 34
3.3.1 3.3.2 3.4 3.5 4 4.1 4.2 4.3 4.4 4.5 5 5.1 5.2 5.3 5.4 3.4.1
Algoritmos Genticos ______________________________________________ 40 Consideraes finais _______________________________________________ 42 Consideraes iniciais _____________________________________________ 43 Introduo _______________________________________________________ 43 Funcionamento ___________________________________________________ 44 Metodologia para simulao + otimizao _____________________________ 44 Consideraes finais _______________________________________________ 46 Consideraes iniciais _____________________________________________ 47 Definio do sistema a ser analisado__________________________________ 47 Esboo do problema e coleta de dados ________________________________ 50 Simulao do sistema ______________________________________________ 56 Definio do problema e do objetivo______________________________ 57 Coleta de dados _______________________________________________ 57 Escolha do software e construo do modelo_______________________ 57 Validao do modelo __________________________________________ 61 Definio das variveis_________________________________________ 64 Definio dos tipos de variveis__________________________________ 65 Definio da funo objetivo ____________________________________ 65 Seleo do tamanho da populao do Algoritmo Evolutivo ___________ 66 Anlise dos resultados _________________________________________ 68
Otimizao + Simulao________________________________________________ 43
Aplicao ____________________________________________________________ 47
5.4.1 5.4.2 5.4.3 5.4.4 5.5 5.5.1 5.5.2 5.5.3 5.5.4 5.5.5 5.6 5.7 6
Otimizao_______________________________________________________ 64
Concluso ___________________________________________________________ 72
xii
Consideraes iniciais _____________________________________________ 72 Concluses e contribuio do trabalho________________________________ 72 Sugestes para trabalhos futuros ____________________________________ 73 Consideraes finais _______________________________________________ 74
xiii
Resumo
A simulao computacional juntamente com a otimizao so ferramentas de fundamental importncia no desenvolvimento de novos projetos, como a implantao de uma nova linha de manufatura. A simulao pode ser aproveitada nas mais variadas fases do desenvolvimento da nova linha, entretanto na fase de projeto em que so tomadas as decises mais importantes. Respostas e perguntas como: Quantos operadores so necessrios? Qual o regime de trabalho? Qual rea necessria? Qual a produtividade esperada da linha? So fundamentais para a formao adequada dos custos da nova linha, sendo que a preciso destes nmeros pode levar a nova linha ao sucesso ou ao fracasso. O presente trabalho abordou a aplicao da simulao e da otimizao como ferramentas de auxlio ao planejamento de uma nova linha de manufatura de uma empresa do setor de autopeas, visando verificar a eficincia do mtodo tradicional utilizado pela empresa onde nenhuma ferramenta computacional utilizada. Nos prximos captulos deste trabalho abordada a aplicao destas ferramentas. Dentre elas pode-se destacar o mapeamento do processo que alm de ser uma ferramenta fundamental para o bom desempenho do modelo auxiliou no entendimento do fluxo da nova linha, permitindo a correo de erros que poderiam levar o estudo ao insucesso. Utilizou-se para isso o pacote de simulao ProModel, que inclui um software de otimizao baseado em Algoritmos Genticos, o SimRunner. Pode-se concluir que os resultados alcanados atravs da simulao foram significativamente diferentes dos obtidos pela metodologia tradicional da empresa, principalmente em dois aspectos: a mo de obra que foi reduzida em 45% e a produtividade da linha que ficou 4% acima do previsto. Estes resultados trouxeram vrios benefcios empresa dentre eles uma nova formao de custos da linha que possibilitar uma reduo dos preos dos produtos manufaturados tornando a linha mais competitiva. Outro benefcio destas ferramentas para a empresa a visualizao grfica do projeto na forma esttica e dinmica, o que alm de enriquecer, facilita a anlise com dados e grficos mais precisos.
xiv
Abstract
Computational simulation together with optimization is an important tool in the development of new projects, as the implantation of a new manufacture line. Simulation can be used in the most varied phases of a new line development, however is in the project phase where the most important decisions are taken. Questions as: How many operators are necessary? Which is the regimen of work? Which is the necessary area? Which is the productivity of the line? Are essential for cost formation of a new line and the precision of these numbers can take the new line to the success or failure. The present study approached the application of these techniques as a planning aid tool in an auto parts factory, to verify the efficiency of the traditional method used by the company where no advanced tool as the simulation is used. The next chapters presented the methodology of these two techniques. Amongst them we can detach the process mapping that beyond of being a basic tool for a good model performance, assisted in the understanding of the process flow of the new line, allowing the correction of errors that could lead the analysis to failure. The ProModel simulation package, that includes an optimization software based on Genetic Algorithms, the SimRunner, has been choose. It can be concluded that the results reached through the simulation had been significantly different from the ones reached by the traditional company methodology, mainly in two aspects: labor was reduced in 45% and the productivity of the line was 4% above of the foreseen one. These results had brought some benefits to the company like a new cost formation that will make possible a reduction on manufactured products prices and also making the new line more competitive. Another benefit of these tools for the company is the project graphical visualization in the static and dynamic form, what beyond enriching, facilitates the analysis with data and more precise graphs.
xv
Lista de figuras
Figura 1.1 Formas de classificao das pesquisas cientficas (SILVA e MENEZES, 2005).. 5 Figura 2.1 Transformao da realidade em modelo. ............................................................... 7 Figura 2.2 Mtodo cientfico aplicado simulao (HARRELL, 2000)................................. 8 Figura 2.3 Evoluo do custo de um sistema em suas diferentes fases (HARRELL et al., 2000)......................................................................................................................................... 10 Figura 2.4 Comparativo da evoluo dos custos com e sem aplicao da simulao (HARRELL et al., 2000). ......................................................................................................... 10 Figura 2.5 Relao entre sistema, modelo e simulador. ........................................................ 14 Figura 2.6 Procedimento para se conduzir uma simulao (Adaptado de PROMODEL USERS GUIDE, 2002)............................................................................................................18 Figura 2.7 Sequncia da metodologia (LOBO e PORTO, 1997). ......................................20 Figura 2.8 Componentes do processo (HARRINGTON, 1993)............................................ 22 Figura 2.9 Exemplo de um mapofluxograma (ROSA, 2002)................................................25 Figura 2.10 Reviso do trabalho em caso de no validao.................................................. 32 Figura 3.1 Classificao dos mtodos de otimizao (CARNEIRO, 1996).........................36 Figura 4.1 Otimizao em simulao (FU, 2002). ................................................................ 44 Figura 5.1 Produto fabricado pela empresa e sua localizao no veculo. ............................48 Figura 5.2 Principais caractersticas das longarinas. ............................................................. 49 Figura 5.3 Mapofluxograma da linha de manufatura roll form............................................. 52 Figura 5.4 Mapa do processo da linha de manufatura de longarinas RF............................... 55 Figura 5.5 Tela de abertura do ProModel...........................................................................58 Figura 5.6 Definio de locations..........................................................................................59 Figura 5.7 Definio de entities.............................................................................................59 Figura 5.8 Definio de arrivals............................................................................................60 Figura 5.9 Definio de processing.......................................................................................60 Figura 5.10 Definio de resources.......................................................................................61 Figura 5.11 Percentual de utilizao da capacidade dos equipamentos. ............................... 63 Figura 5.12 Definio dos macros......................................................................................... 65 Figura 5.13 Definio das variveis. .....................................................................................65 Figura 5.14 Definio da funo objetivo .............................................................................66 Figura 5.15 Definio do tamanho da populao .................................................................. 67 Figura 5.16 Definio do nvel de confiana.........................................................................67
xvi
Figura 5.17 Definio do nmero de replicaes .................................................................. 68 Figura 5.18 Relatrio exibido pelo SimRunner (1 turno)................................................... 68 Figura 5.19 Comparativo dos tempos de operadores antes e aps otimizao...................... 69 Figura 5.20 Comparativo dos nmeros de produo antes e aps otimizao ...................... 69
xvii
Lista de tabelas
Tabela 2.1 Classificao de sistema, modelo e simulao (PEREIRA, 2000)...................... 15 Tabela 2.2 Simbologia proposta por BARNES (1982) para mapeamento. ........................... 24 Tabela 4.1 Software de otimizao (Adaptado de FU, 2002)................................................ 43 Tabela 5.1 Vantagens e desvantagens do processo RF. ........................................................ 47 Tabela 5.2 Etapas de construo at o modelo final.............................................................. 62 Tabela 5.3 Comparao entre produtividade planejada e simulada. ..................................... 63 Tabela 5.4 Comparao entre produtividade planejada e simulada (sem inspeo) ............. 64 Tabela 5.5 Comparativo dos resultados finais otimizados. ................................................... 70
xviii
Lista de abreviaturas
AE AG RF WIP Algoritmos Evolutivos Algoritmos Genticos Roll Form Work in Progress Material em processo
Capitulo 1 - Introduo_____________________________________________________1
1 Introduo
1.1 Consideraes iniciais
O captulo que aqui se inicia tem a finalidade de discutir os aspectos de maior importncia do presente trabalho. So realizadas algumas consideraes iniciais, apresentando o problema, o objetivo do trabalho, a relevncia e a estrutura da dissertao. A grande competitividade imposta pela globalizao obriga as empresas a constantes evolues nos sistemas de produo. Neste cenrio as empresas necessitam no somente manter a sua fatia de participao no mercado, mas tambm aument-la. Sob esta presso as empresas se questionam: como manter a fatia de mercado j conquistada? Como melhorar a competitividade para concorrer com o mundo? (FERREIRA, et al., 2002b). Segundo LIM e ZHANG (2003), o mercado mundial vem se tornando cada vez mais dinmico requerendo dos sistemas de manufatura respostas rpidas e flexibilidade para mudanas de cenrios por parte do cliente. Para SAAD (2003) o cenrio internacional tem exigido das empresas mudanas no seu sistema de produo as quais, muitas vezes, levam alguns meses at serem implementadas, mas o cliente no est disposto a esperar e a concorrncia j poder estar pronta para dar a resposta. Desta forma as empresas necessitam retirar o mximo rendimento possvel de todos os seus recursos bem como realizar novos investimentos que podem afetar diretamente o desempenho e consequentemente a competitividade da empresas. Geralmente quando se trabalha na anlise de novos investimentos e seus recursos, surgem questes como qual ser o layout desta linha e como obter a melhor produtividade, flexibilidade e qualidade da linha com o menor recurso possvel. Respostas para estas perguntas podem ser dadas atravs de anlises realizadas sobre crenas e idias de uma pessoa ou de um grupo, sendo as mesmas pouco quantificveis; atravs de modelos matemticos estticos que no consideram as caractersticas dinmicas do sistema, levando muitas vezes ao erro; ou, atravs de modelos de simulao computacional dinmico, onde so consideradas as
Capitulo 1 - Introduo_____________________________________________________2 aleatoriedades e interdependncias das variveis do sistema, aumentando assim a capacidade de previso do comportamento do sistema real. (HARRELL et al., 2000; BANKS, 2000: PIDD, 1998). A representao de um sistema pela modelagem feita em computador, possibilita a anlise de sistemas complexos. Assim, segundo PIDD (1998), para sistemas dinmicos, complexos e componentes interativos, como os de manufatura, a simulao computacional uma ferramenta bastante adequada. A simulao de sistemas de manufatura uma poderosa ferramenta para a tomada de decises, minimizando o risco destas decises (BANKS, 2000; PEREIRA, 2000). Porm, para usar a simulao na avaliao e melhoria do desempenho de um processo, necessrio primeiramente selecionar algumas configuraes e ento executar a simulao para cada uma delas, analisando os resultados encontrados (OPTQUEST FOR ARENA USERS GUIDE, 2002). Tal processo pode ser muito tedioso e consumir muito tempo, alm de, geralmente, no ser claro o ajuste das variveis para compor uma configurao. Esta limitao foi superada com a utilizao de tcnicas de otimizao em conjunto com a simulao. Segundo HARREL, (2000), a otimizao o processo de tentar diferentes combinaes de valores para variveis que podem ser controladas buscando uma combinao de valores que prov a sada mais desejada de um modelo. Existem atualmente vrios softwares que permitem a realizao da otimizao a partir de uma simulao, dentre eles pode-se citar: AutoStat, OptQuest, OPTIMIZ, SimRunner e WITNESS Optimizier. Os mesmos fazem parte de pacotes comerciais onde tambm est incluso o mdulo de simulao. A combinao entre simulao e otimizao faz com que as respostas sejam mais eficientes, possibilitando uma melhor tomada de deciso.
1.2 O problema
O estudo foi desenvolvido ema empresa do setor de autopeas, em fase de expanso, uma nova linha ser construda para a produo de longarinas atravs de um processo diferente do atual.
Capitulo 1 - Introduo_____________________________________________________3 Sabe-se que atualmente qualquer novo projeto que necessite de altos investimentos submetido a uma profunda anlise tcnica e econmica antes de sair do papel e, para tal, os especialistas necessitam de previses confiveis. O problema analisado por este trabalho a superficialidade das anlises feitas para validao tcnica e econmica do projeto de construo desta nova linha de manufatura. A empresa objeto deste estudo utiliza-se de dados histricos e da experincia de especialistas para calcular as previses. Apesar de serem dados confiveis as anlises so feitas de forma esttica, impossibilitando a visualizao dinmica destas previses bem como a interao entre as variveis. Alm disso, a falta de recursos computacionais torna muito complexa e demorada a anlise de diferentes cenrios e suas respostas timas. Baseando-se em resultados feitos atravs de anlises superficiais os gestores desta empresa tomam decises importantes como a formao de preos de novos produtos e at mesmo o impedimento da construo da nova linha. A simulao e a otimizao foram aplicadas na fase de desenvolvimento do projeto com o objetivo de aprimorar os resultados das anlises dando melhores condies aos gestores de tomar decises importantes para o futuro da empresa.
Capitulo 1 - Introduo_____________________________________________________4
Capitulo 1 - Introduo_____________________________________________________5
Figura 1.1 Formas de classificao das pesquisas cientficas (SILVA e MENEZES, 2005).
Capitulo 1 - Introduo_____________________________________________________6 A elaborao de hipteses, afirmaes iniciais que se buscar afirmar no decorrer da pesquisa, algo essencial na elaborao e execuo de uma pesquisa. O presente trabalho busca afirmar a seguinte hiptese: A combinao entre simulao e otimizao de grande valia no apoio a deciso, trazendo vantagens significativas na fase de planejamento do projeto de uma nova linha de manufatura em alternativa aos mtodos usualmente empregados na empresa.
Capitulo 2 Simulao______________________________________________________7
2 Simulao
2.1 Consideraes iniciais
Este captulo tem como finalidade apresentar uma reviso bibliogrfica a respeito da simulao computacional e sua relevncia. So levantadas as definies de sistema, modelo e simulao, assim como suas classificaes. Ainda neste captulo feita a apresentao de algumas metodologias para uma implementao bem sucedida de simulao, dos conceitos de mapeamento de processo e finalmente como construir e validar um modelo. Segundo HARRELL et al. (2000) e LAW e KELTON (1982), simulao a imitao de um sistema real modelado em computador para avaliao e melhoria do seu desempenho. Ainda, segundo BANKS (2000), a simulao envolve a criao de uma histria artificial da realidade e com base nela so realizadas observaes e inferncias nas caractersticas de operao do sistema real representado. A Figura 2.1 esquematiza este conceito da transformao da realidade em modelo e novamente dos resultados em realidade.
Figura 2.1 Transformao da realidade em modelo. O processo de simulao segue o mtodo cientfico, ou seja, formula as hipteses, prepara o experimento, testa as hipteses atravs do experimento e valida as hipteses atravs dos resultados obtidos. Este processo na simulao mostrado na Figura 2.2.
Capitulo 2 Simulao______________________________________________________8
Figura 2.2 Mtodo cientfico aplicado simulao (HARRELL, 2000). A simulao no uma ferramenta que substitui o trabalho de interpretao humana, mas sim uma ferramenta capaz de fornecer resultados para anlises mais elaboradas a respeito da dinmica do sistema, permitindo desta maneira uma interpretao mais profunda e abrangente do sistema estudado.
Capitulo 2 Simulao______________________________________________________9 So diversas as reas de aplicao da simulao. HARRELL et al. (2000), LOBO (2000), BANKS et al. (1996) e LAW e KELTON (1986) destacam os sistemas computacionais e de telecomunicaes, fabricao, negcios, logstica, militar, treinamento, cientfica, econmica e servios. Segundo KUMAR e PHROMMATHED (2005), antes da implantao direta de qualquer mudana no sistema produtivo, o mapeamento do processo, a anlise dos dados e a simulao computacional podem reduzir com sucesso o risco da ineficcia de uma operao de reprojeto no mundo real.
Capitulo 2 Simulao______________________________________________________10 Durante o seu desenvolvimento um projeto ou sistema passa por diferentes fases com caractersticas distintas entre si, ou seja, cada qual com o seu tempo e custo. A Figura 2.3 apresenta a relao entre as fases do projeto e seu custo.
Figura 2.3 Evoluo do custo de um sistema em suas diferentes fases (HARRELL et al., 2000). Quando a simulao aplicada no desenvolvimento do projeto ou sistema, a relao entre o custo e as fases do projeto alterada (Figura 2.4). A fase de concepo do projeto ou sistema no sofre nenhum impacto, pois a aplicao da simulao realizada aps esta etapa.
Figura 2.4 Comparativo da evoluo dos custos com e sem aplicao da simulao (HARRELL et al., 2000).
Capitulo 2 Simulao______________________________________________________11 Em um sistema onde aplicada a simulao, o custo na fase de projeto fica mais elevado, mas justamente nesta fase, com o auxlio da simulao, onde se consegue planejar um sistema mais otimizado, consequentemente nas fases de implantao e operao se obtm a esperada reduo do custo (BATEMAN et al., 1997) (Figura 2.4). Ainda na Figura 2.4 pode-se observar que a rea sobre a curva dos custos com a simulao menor que a dos custos sem a simulao, ou seja, o custo total no final menor quando a simulao utilizada.
2.3 Definies
Para um melhor entendimento sobre simulao, preciso conhecer as definies de sistema e modelo e da simulao computacional.
2.3.1 Sistema
A definio clara do que vem a ser sistema muito importante para a execuo de uma simulao, pois com base nesta definio que se levantaro as informaes necessrias ao estudo. Segundo SEILA (1995), um sistema um conjunto de componentes ou entidades interagindo entre si, trabalhando juntos para atingir algum objetivo. Na prtica, o significado de sistema depende dos objetivos de cada estudo (LAW e KELTON, 2000). So exemplos de sistema: sistema de trfego, sistema policial, sistema econmico, sistema bancrio, entre outros. Um sistema tambm pode ser uma parte ou conjunto no qual o estudo ser realizado, que por sua vez est inserido em universo ainda maior, como a rea responsvel pelo saque e depsito de uma agncia bancria. A ao entre os elementos do sistema envolve interdependncias que podem ser simples ou mais elaboradas, dependendo do nmero de variveis. Segundo DUARTE (2003), a variabilidade uma caracterstica inerente a qualquer sistema que envolva pessoas e mquinas, uma vez que ambas podem falhar. Assim, a variabilidade introduz incerteza no sistema, cuja compreenso se torna difcil sem o uso de ferramentas apropriadas, como a simulao. Segundo PEREIRA (2000), em simulao, possvel trabalhar com sistemas discretos, contnuos ou a combinao dos dois. Os sistemas so ditos discretos quanto as variveis envolvidas assumem valores finitos ou infinitos numerveis (por exemplo, peas que chegam
Capitulo 2 Simulao______________________________________________________12 a uma mquina) e contnuos quando as variveis mudam continuamente no tempo (por exemplo, quilmetros rodados pelos caminhes na simulao de um sistema logstico). Neste caso o software de simulao deve ter condies de resolver sistemas de equaes diferenciais. J nas simulaes de eventos discretos os programas so dotados de um relgio, que iniciado com o evento ao qual est vinculado e avana at que o prximo evento esteja programado.
2.3.2 Modelo
Um modelo, segundo HILLIER e LIEBERMAN (2001), uma representao de um sistema real, onde somente os aspectos relevantes para a anlise em questo sero considerados. O uso de modelos traz muitos benefcios como reduo de tempo, custo e perdas materiais. Em muitos casos seu uso at mesmo inevitvel, como quando o sistema real no existe por se tratar de um projeto ou no estar disponvel para experimentos. De acordo com o tipo de modelo, ele pode ser classificado em: matemtico, fsico e de simulao (STAMM, 1998): Modelos matemticos: modelos que fazem uma abstrao da realidade utilizando conceitos complexos envolvendo linguagens formais, sentenas e expresses cujas sintaxes e semnticas dentro da lgica e metalgica matemticas guardam uma semelhana bsica com o conceito de modelos para simulao, que a relao de satisfao, ou seja, a condio de semelhana entre a estrutura e a teoria (STAMM, 1998); Modelos fsicos: modelos que assumem forma fsica, sobre a qual o estudo ser realizado. Dentre outros tipos de modelos fsicos pode-se citar (STAMM, 1998): desenho em escala, um mtodo operacional que permite equacionar, ou otimizar atividades no muito complexas, freqentemente utilizadas pelos profissionais responsveis por projetos; e maquetes (ou modelos reduzidos), so miniaturas tridimensionais em escala de reduo, utilizadas para apreciao de aspectos estticos e de distribuio de volumes em obras arquitetnicas e para medies de comportamento, tais como obras hidrulicas ou martimas; Modelos para simulao computacional: quando as relaes que compe o modelo so suficientemente simples, possvel empregar mtodos matemticos como a lgebra, o clculo ou a teoria da probabilidade para obter informaes exatas sobre questes de
Capitulo 2 Simulao______________________________________________________13 interesse (LAW e KELTON, 2000). Entretanto a maioria dos sistemas reais complexa demais para permitir uma avaliao analtica e por isto estes casos tm que ser estudados por meio computacional. Este trabalho se atm ao ltimo tipo de modelo, que foi construdo com auxlio de programas de computador especficos para simulao. Este tipo de modelo pode ser classificado quanto a sua variabilidade no tempo em: Esttico - representa o sistema sem levar em conta sua variabilidade; Dinmico - representa o sistema a qualquer tempo. Pode ainda ser classificado quanto ao tipo de valores que as variveis assumem; Determinstico - quando assumem valores exatos; Estocstico - assumem diversos valores dentro de uma distribuio de probabilidades.
Capitulo 2 Simulao______________________________________________________14
Figura 2.5 Relao entre sistema, modelo e simulador. Segundo LAW e KELTON (2000), a simulao dita terminante quando se est interessado em estudar um sistema num dado intervalo de tempo, ou seja, conhecer seu comportamento ao longo deste intervalo, sendo definidas as datas de incio e trmino da simulao. Como no caso de um conjunto de postos de cobrana de pedgio onde se deseja definir o nmero de postos em funcionamento de acordo com a hora do dia; assim, o intervalo de interesse est entre zero e vinte e quatro horas. A simulao dita no terminante quando se est interessado em estudar o sistema a partir do momento em que o mesmo estiver em um estado estvel, atingido aps certo perodo de aquecimento, onde se determina e elimina as tendncias iniciais. Isso no quer dizer que ela nunca termine, nem que o sistema no tenha fim, mas que ela poderia continuar infinitamente sem nenhuma mudana estatstica no comportamento. Assim, uma simulao do comportamento das ps de uma turbina pode ser considerada no terminante, desde que o interesse seja estudar as caractersticas de seu escoamento em condies estveis, aps um perodo de aquecimento. Na Tabela 2.1 PEREIRA (2000) mostra de maneira sucinta a classificao de sistemas e modelos para simulao, alm da classificao da prpria simulao.
Capitulo 2 Simulao______________________________________________________15
Sistema
Discreto: Variveis envolvidas assuem valores finitos e infinitos numerveis. Contnuo: Variveis mudam constantemente com o tempo.
Modelo
Determinstico: Variveis assuem valores determinados. Estocstico: Variveis assuem valores diversos segundo uma determinada distribuio de probabilidade. Esttico: Estuda o sistema sem levar em conta sua variabilidade com o tempo. Dinmico: Representa o sistema a qualquer tempo.
Simulao
Terminante: H interesse em se estudar o sistema num dado intervalo de tempo. No Terminante: H interesse em estudar o sistema a partir de um determinado estado estvel, podendo o estudo prolongar-se indefinidademente.
Tabela 2.1 Classificao de sistema, modelo e simulao (PEREIRA, 2000). Para se obter uma maior eficincia no uso da simulao, diminuindo seu tempo de execuo sem perder confiabilidade na resposta, faz-se uso do controle sobre alguns fatores como o nvel de detalhamento includo nos modelos, o nmero de dados estatsticos, o uso de animao alm do uso dos elementos do sistema mais importantes para o modelo (HARREL, 2000). A definio e o controle de tais fatores devem ser feitos na fase de planejamento, sendo esta fase de extrema importncia onde recomendado o uso de metodologias para sua execuo.
Capitulo 2 Simulao______________________________________________________16 PIDD (1997) relata que a modelagem computacional de um sistema uma tarefa que exige muito esforo por parte do modelador e que, se conduzido com raciocnio cuidadoso e planejado, ser bastante beneficiada. Para que isto ocorra, o autor prope cinco princpios bsicos e indispensveis em qualquer metodologia para a implementao da simulao: o modelo deve ser simples apesar de partir de pensamentos complicados. Os modelos no necessitam ser to complicados quanto realidade; ser parcimonioso comeando do simples e acrescentar complexidade na medida do necessrio; evitar grandes modelos pela dificuldade em entend-los. A regra dividir esses grandes modelos; a definio dos dados a serem coletados deve ser orientada pelo modelo. O modelador no deve se apaixonar pelos dados; o comportamento do modelador na construo do modelo seria como este estivesse desembaraando-se dos problemas pois a modelagem de forma alguma um processo desordenado. Segundo o PROMODEL USERS GUIDE (2002), a definio dos passos a serem seguidos para se obter bons resultados em simulao com um mnimo dispndio de recursos varia muito de acordo com o projeto, porm os procedimentos bsicos so essencialmente os mesmos. Esses passos bsicos de como conduzir um projeto de simulao so divididos em seis: Plano de estudo. Consiste em estabelecer objetivos e definir ferramentas; restries, principalmente quanto a tempo e custo; especificaes da simulao, que definem escopo (tamanho e complexidade da atividade a ser simulada), nvel de detalhe e grau de acuracidade (quanto maior, maior ser o custo), tipo de experimentao (natureza e nmero de solues diferentes), forma do resultado final, oramento e agenda. Definindo o sistema. Identificao do modelo conceitual no qual a simulao ser baseada. Nesse passo h a tomada de dados, e para ajudar a organizar o processo de juno e anlise desses dados para a definio do sistema os seguintes passos so indicados: definio dos dados requeridos, fontes apropriada de dados, fazer certas consideraes quando necessrio, converter os dados apropriadamente e documentar e aprovar os dados.
Capitulo 2 Simulao______________________________________________________17 Construindo o modelo. O objetivo da construo do modelo prover uma representao vlida do sistema definido. Refinamento dos dados, possvel expanso do sistema, verificao e validao do modelo, so alguns passos dessa fase. Conduo do experimento. Baseado no resultado da simulao o modelador tem uma resposta sobre a validade de suas hipteses, postas no sistema. Em um experimento de simulao h a entrada de variveis definindo o modelo, tais variveis so independentes e podem ser manipuladas. O efeito dessa manipulao ento medido e correlacionado. Embora o software ajude nessa fase, cabe ao modelador decises do tipo: nmero de replicaes do teste, o tamanho e complexidade da simulao, etc. Anlise dos resultados. Quando se faz a conduo de experimentos de simulao, h a necessidade de extrema cautela para analisar os resultados. O maior benefcio da simulao dar idias de o que aconteceria se. Reportando os resultados. O ltimo passo dar recomendaes para melhoramentos no sistema atual baseado nos resultados da simulao. Tais resultados devem ser claramente apresentados para a tomada de deciso final. Como dito no item construindo o modelo, preciso que haja a validao dos dados gerados pelo simulador com os dados tomados em campo. Segundo SARGENT (2004), a validao e verificao de um modelo e crtica no desenvolvimento da simulao. Ainda segundo o autor no existe um conjunto especfico de testes que pode ser facilmente aplicado para determinar a validade do modelo. HARREL et al. (1996), diz que um teste que pode ser feito para validao do modelo a comparao entre as respostas fornecidas pelo modelo e as respostas dadas pelo sistema real. Outro meio de validao o chamado turing test, onde as respostas dadas pelo modelo e as respostas que so dadas pelo sistema real so entregues a pessoas que conhecem o sistema, de modo que estas avaliem a representatividade da realidade. A Figura 2.6 mostra de forma esquemtica a metodologia citada. Nota-se que caso no haja sucesso em algum dos passos preciso voltar aos passos anteriores, de modo a se alcanar um resultado satisfatrio na simulao.
Capitulo 2 Simulao______________________________________________________18
Figura 2.6 Procedimento para se conduzir uma simulao (Adaptado de PROMODEL USERS GUIDE, 2002). J LOBO e PORTO (1997) apresentam uma metodologia em dez passos (Figura 2.7), e enfatizam que os resultados obtidos com o estudo s tero qualidade e consistncia se o trabalho for bem fundamentado, conduzido de uma forma lgica e metdica. A seguir comentado cada um dos passos da proposta. Definio do problema e dos objetivos do estudo: neste momento o modelador e o usurio devero estabelecer um dilogo claro e preciso a respeito do problema e dos resultados esperados ao final do estudo de simulao. O modelador dever fazer uma srie de perguntas ao usurio visando entender o funcionamento do sistema na prtica. Por exemplo: qual ser o propsito do modelo e como ser utilizado?; quais sero as variveis de entrada e sada?; o sistema existente?; quais sero os usurios do modelo?; quem far parte da equipe do projeto?; quais os recursos disponibilizados?; qual o prazo esperado?, entre outras. Tambm nesta fase o modelador dever esclarecer o usurio sobre as limitaes do estudo; Esboo: o modelador dever elaborar um esboo do modelo do sistema, visando realizao dos primeiros estudos sobre o fluxo de informaes, disposio fsica dos equipamentos, os dados necessrios e de que maneira eles sero coletados e tabulados;
Capitulo 2 Simulao______________________________________________________19 Coleta de dados: dever ser realizada baseando-se no esboo do sistema. Os meios para obteno dos dados podero variar: se o sistema j existente bastar coletar os dados histricos do mesmo ou colet-los atravs de medies, para sistemas no existentes o modelador ter que trabalhar com catlogos de fabricantes, dados de sistemas similares, entrevistas com operadores e especialistas no processo, etc; Verificao dos dados: o modelador dever verificar a consistncia dos dados coletados para evitar que o modelo seja construdo sobre uma base errnea de dados; Construo do modelo: nesta etapa surge a necessidade da escolha do software a ser utilizado. O modelador dever levar em considerao a necessidade do modelo e a interface oferecida pelo pacote de software; Validao: esta validao poder ser realizada de diversas formas: a mais comum confrontar os resultados de sada com os dados reais do sistema; tambm pode ser feita com o uso de tcnicas estatsticas; teste de Turing, onde especialistas no sistema estudado recebem dois relatrios um com os dados simulados e o outro com os dados reais do sistema, sem a identificao de qual o real e qual o modelado, e discutem as diferenas; Planejamento dos experimentos: no planejamento alguns itens devero ser levados em considerao: sob quais condies cada simulao ser realizada?; qual a durao de cada simulao?; quantas replicaes devero ser efetuadas para cada cenrio?; se ser adotado algum mtodo de planejamento de experimentos como Taguchi; Realizao dos experimentos: os experimentos planejados no passo anterior sero executados e analisados, devendo os resultados serem cuidadosamente documentados; Refinamento: se o resultado for considerado satisfatrio poder seguir para o prximo passo, caso contrrio dever voltar ao passo sete para replanejar o experimento; Encerramento: ocorrer o fechamento do projeto com a anlise dos relatrios gerados e escolha da melhor alternativa a ser implementada. Nesta etapa dever ser gerada, pelo modelador, e entregue ao usurio a documentao detalhada referente construo do modelo.
Capitulo 2 Simulao______________________________________________________20
Capitulo 2 Simulao______________________________________________________21 princpios bsicos das demais metodologias com a vantagem da sequncia adaptar-se bem aplicao da simulao em uma indstria de manufatura. As fases de projeto, execuo e anlise do experimento sero realizadas em conjunto com a otimizao do modelo. Seguindo as etapas da metodologia definida, nos trs prximos tpicos sero abordadas as fases de esboo do problema e coleta de dados atravs do mapeamento do processo, construo do modelo e a validao do modelo.
Capitulo 2 Simulao______________________________________________________22
Figura 2.8 Componentes do processo (HARRINGTON, 1993). ROHLEDER e SILVER (1997) afirmam que o processo de melhoria da organizao comea pelo entendimento dos processos e, principalmente, das atividades que o compe. Deste modo, SPEDDING e SUN (1999) afirmam que o conhecimento onde as atividades se processam importante tanto para alocar recursos quanto para iniciar o processo de melhoria. Estas atividades podem ser classificadas nas seguintes categorias: Atividades com nvel de unidade: Desempenhadas a cada vez que uma unidade do produto produzida; Atividades com nvel de lote: Atividades desempenhadas cada vez que um lote de produtos fabricado. O setup de uma mquina exemplo de uma atividade com nvel de lote; Atividades com nvel de produtos: Atividades desempenhadas para cada linha de produtos. Um exemplo seriam as atividades da rea de projeto e marketing dos produtos. ACCIOLY (1999) afirma que uma ferramenta de grande importncia para a compreenso dos processos o mapeamento do processo atravs de fluxograma, porque permite a visualizao do interelacionamento das atividades da cadeia produtiva.
Capitulo 2 Simulao______________________________________________________23 As tcnicas de fluxograma do processo e mapofluxograma do processo so utilizadas visando exatamente um melhor planejamento da simulao. Estas tcnicas auxiliam o modelador a representar da forma mais prxima a real o sistema que ser simulado. O mapeamento de processo constitui em uma ferramenta gerencial, analtica, que possibilita melhoria nos processos existentes ou implanta uma nova estrutura voltada para os processos (VILELLA, 2000). Para ANJARD (1996), o mapeamento de processo consiste em identificar, documentar, analisar e desenvolver um plano de melhoria que proporcione a mudana de viso dos gestores de indstrias, ou seja, faa com que diminua o foco nos output ou produtos e fortalea a gesto dos processos. ANJARD (1996) afirma que o resultado do mapeamento do processo, geralmente, uma representao grfica, o qual mostra como os recursos de entrada so processados e transformados em sadas, destacando-se a relao e a conexo entre cada atividade. VILLELA (2000) afirma que o mapa de processo pode ser confeccionado manualmente ou com ferramentas computacionais. Segundo BARNES (1986), o fluxograma do processo uma tcnica para registrar o processo de uma maneira compacta e de fcil visualizao e entendimento. Usualmente o fluxograma inicia-se com a entrada da matria prima na fbrica ou clula e segue o caminho da fabricao do produto, passando pelas operaes de transformao, transporte e inspeo at a sua sada como produto acabado. Os passos para execuo do mapa do processo podem ser definidos nas seguintes fases: Definio do processo: Nesta fase deve-se determinar quais processos devem ser analisados e estabelecer a fronteira de cada um. Trata-se simplesmente de uma anlise explanatria que busca uma compreenso do funcionamento dos processos e da realizao das atividades. Nesta fase, j possvel definir alguns objetivos ou metas para a anlise, tais como reduzir tempo de ciclo de execuo das atividades, melhorar a qualidade dos produtos que chegam organizao e os que so entregues aos clientes. Algumas questes que podem guiar a equipe que atua no projeto podem ser: Quem so os clientes do processo (interno externo ou ambos)?, Quem so os fornecedores?.
Capitulo 2 Simulao______________________________________________________24 Anlise do processo: Aps estabelecer o processo a ser analisado, a prxima etapa definir como o processo escolhido trabalha e, principalmente, identificar as oportunidades de melhoria. O objetivo principal desta fase entender o que ocorre no processo atual, quem est envolvido e as deficincias encontradas no processo atual. Nesta fase, elaborado o mapa do processo, o qual mostra a relao entre as atividades para desenvolver e fabricar o produto. A Tabela 2.2 apresenta smbolos propostos por BARNES (1977) para elaborao do mapa.
Tabela 2.2 Simbologia proposta por BARNES (1982) para mapeamento. Quando se aborda a questo de mapear a organizao, uma questo levantada por FERNANDEZ et al. (2001) o nvel de detalhes da anlise. Segundo o mesmo o autor, quando se trabalha com um nvel de detalhes muito baixo a anlise fica pobre por falta de informaes. Por outro lado, um mapa com muitos detalhes se torna complexo, alm de aumentar o custo de execuo do mapeamento. Experincias tm mostrado que uma relao entre o nvel de detalhamento do mapeamento e o custo de execuo do mapa do processo pode ser aproximada como uma funo exponencial. BARNES (1977) tambm salienta que na execuo do mapa do processo devem-se escolher pontos definidos para o incio e o trmino do grfico, de modo a se garantir toda a cobertura do processo no mapa. Alm disso, outra medida importante escolher o objeto a ser seguido dentro da atividade (se o operador ou uma pea) e no mudar durante a anlise. As
Capitulo 2 Simulao______________________________________________________25 questes que podem auxiliar nesta fase so: Quais so os produtos/servios e informaes produzidas?; Quais so e quantos so os clientes internos e/ou externos?; Quais so as perspectivas dos clientes em relao ao resultado do processo?; Quais so os pontos crticos para o processo?. Ainda segundo BARNES (1986), mapofluxograma o fluxograma desenhado sobre a planta do edifcio ou layout para visualizar-se melhor o processo, a Figura 2.9 apresenta um exemplo da entrada de peas compradas no almoxarifado, com as operaes de recebimento e inspeo.
Caminho
Escritrio
Rampa
Balana
Bancada
Recepo
Prateleiras
Registro
Inspeo
Capitulo 2 Simulao______________________________________________________26 conhecem o sistema que a ser modelado, e os dados principais sobre o sistema j foram coletados e analisados quanto sua correo, ou seja, quanto maneira como foram coletados e sua correspondncia com o sistema real de modo a poder represent-lo, a prxima fase que a construo do modelo computacional j pode ser iniciada. Na modelagem todos os dados que foram coletados relativos ao sistema, tais como: layout, equipamentos que participaro da simulao, tempos, nmero de operadores, tipos de peas processadas, so agora introduzidos no programa, de modo que ao final se tenha o modelo computacional de onde so obtidos resultados e so feitos os estudos e experimentaes de simulao. Durante a fase de modelagem o usurio e modelador procuraram a similaridade com o sistema real, dentro de certas limitaes, e puderam chegar concluso de que alguns dados que foram coletados no so utilizados, e por outro lado, para se atingir o objetivo do estudo, outros dados no previstos, foram levantados. A seguir so apresentados alguns princpios que se aplicados facilitam os trabalhos de modelagem, possibilitando que se chegue a resultados mais confiveis em menores tempos de trabalho.
Capitulo 2 Simulao______________________________________________________27 construo do modelo. Segundo DIETZ (1992), um modelo excessivamente detalhado pode no somente reduzir seu desempenho, como tambm pode obscurecer ou turvar os resultados. Ao se definir o nvel de detalhamento do modelo no se pode perder de vista o objetivo especfico da modelagem. Assim sendo, se o objetivo do estudo , por exemplo, o de se verificar o efeito da compra de mais uma mquina operatriz para dobrar a capacidade desse recurso gargalo, h que se analisar com cuidado se h necessidade de modelar todo o sistema de manufatura ou s parte deste; se interessante introduzir variveis relacionadas ao custo do produto ou mesmo ao estoque em processo; se h possibilidade de reduo dos dados a serem coletados; se os tempos de parada dos operadores ou equipamentos so significativos para melhorar a preciso da anlise. Como j foi citado anteriormente, tanto a coleta de dados quanto modelagem so atividades dispendiosas, que envolvem tambm gasto de tempo, desta forma imperativo que o modelo seja o mais simples possvel.
Capitulo 2 Simulao______________________________________________________28 na modelagem, porm mais segura do que se tentar ganhar tempo iniciando-a com modelos complexos e muito grandes.
Capitulo 2 Simulao______________________________________________________29 NEELANKAVIL (1987), apud PROMODEL USERS GUIDE, 1997, afirma: A validao verdadeira uma impossibilidade filosfica e tudo o que se pode fazer invalidar ou falhar ao invalidar. O principal objetivo da validao, j que no existe frmula que ajude a se concluir se o modelo ou no vlido, seria o de se determinar a utilidade do modelo ou no. Desta forma, se o modelo atende aos objetivos propostos, mesmo que no tenha semelhana absoluta com o sistema real que foi simulado, o modelo ser til e vai dar respostas que ajudem empresa em suas decises. Segundo LAW e KELTON (1982), prefervel se considerar o quanto o modelo est de acordo com o sistema modelado, do que se referir sua absoluta validade ou invalidade. O tempo destinado construo do modelo um dos fatores limitantes. Ao se elaborar modelos por demais complexos, na tentativa de imitar exatamente o comportamento do sistema, o que estar ocorrendo uma perda intil de tempo e recursos, levando o estudo de simulao ao insucesso. Dependendo das respostas que se quer obter, uma linha de produo pode ser modelada em uma semana ou demorar meses, se forem exigidos nveis de detalhamento exagerados. Mesmo que se leve muito tempo modelando o sistema, como j foi visto anteriormente, a validao verdadeira poderia ser impossvel. Desta forma, nessa etapa de validao, no se pode perder de vista os objetivos do estudo da simulao. Uma vez que esses objetivos podem ser cumpridos com o modelo existente, a etapa de validao est terminada. De acordo com a importante observao de CARSON apud KLEINDORFER et al. (1998), necessrio que o trabalho de validao no seja feito somente pelo modelador, mas que haja participao do usurio para que o mesmo ganhe credibilidade. Apesar de ser uma etapa do estudo de simulao, isto no significa que o modelador, bem como o usurio, devam se preocupar com a validade somente aps modelar todo o sistema. Assim, ao se definir o problema, esboar layout, coletar os dados e na modelagem propriamente dita, a preocupao com a validao dever estar presente, isto posto, natural que aps o modelo estar concludo, a validao ser uma fase muito mais fcil de ser executada, pois os dados que fizeram parte do estudo tm consistncia com o sistema a ser modelado.
Capitulo 2 Simulao______________________________________________________30
Apesar de no haver uma metodologia que garanta a hiptese de que o sistema seja vlido para os objetos propostos, existem algumas propostas que ajudam na tomada de deciso e podem reduzir as probabilidades de que se esteja tomando a deciso errada, validando um modelo que vai gerar resultados no confiveis, ou invalidando um modelo bom, ocasionando perda intil de tempo. Essas propostas esto enumeradas a seguir.
Capitulo 2 Simulao______________________________________________________31 Essas diferenas so ento analisadas uma a uma, juntamente com o modelador, que dessa forma poder implementar mudanas no modelo de maneira a aproximar os resultados.
Capitulo 2 Simulao______________________________________________________32 a validao atravs da comparao com o sistema real poderia ser feita somente para aquele determinado mdulo que se tem. Se a concluso for de que o modelo no vlido, haver necessidade de se rever os passos anteriores conforme a Figura 2.10. Essa reviso deve ser feita juntamente com o usurio. O esboo do layout dever ser revisado, tendo em vista se verificar se ele realmente est correspondendo linha de produo que foi modelada. Poder ter havido incorreo ao se lanar as distncias percorridas, caminhos percorridos pelos operadores, posio ou sequncia das mquinas e dados de balanceamento de linha.
Figura 2.10 Reviso do trabalho em caso de no validao. Deve-se verificar se a coleta de dados foi realizada criteriosamente. Podem no estar correspondendo ao sistema real. A metodologia de coleta de dados pode no ter sido a mais correta para aquela determinada mquina ou operao. Se no houve simplificaes exageradas, de modo que tempos importantes tenham sido esquecidos. Mesmo que o programa esteja rodando bem, ou seja, foi verificado, isto no quer dizer que todas as variveis deram entrada no programa de maneira correta, em consequncia devem ser verificadas novamente, principalmente quanto s distribuies de probabilidades que esto associadas a cada um dos conjuntos de dados que foram coletados.
Capitulo 2 Simulao______________________________________________________33
Capitulo 3 Otimizao_____________________________________________________34
3 Otimizao
3.1 Consideraes iniciais
O presente captulo aborda a otimizao, apresentando sua definio e ainda, uma viso geral dos mtodos de otimizao mais usados em Pesquisa Operacional. Em seguida este captulo se foca em Algoritmos Evolutivos, mais especificamente nos Algoritmos Genticos, uma vez que o software otimizante a ser utilizado na fase de aplicao desta dissertao est baseado neste mtodo.
3.2 Definio
Otimizar melhorar algo que j existe, visando determinar a melhor configurao para um determinado sistema sem que seja necessrio testar todas as possibilidades envolvidas, reduzindo assim o tempo destinado a ele. Com isso tem-se a possibilidade do tratamento simultneo de uma grande quantidade de variveis e restries de difcil visualizao (grfica ou tabular) e a obteno de solues no tradicionais com menor custo. Segundo HARREL (2000), a otimizao o processo de tentar diferentes combinaes de valores para variveis que podem ser controladas (variveis independentes), buscando uma combinao de valores que prov a sada mais desejada. Na maioria das vezes este processo de tentar diferentes combinaes para as variveis se torna difcil ou mesmo impossvel de ser realizado em um sistema real, e por isso feito atravs de modelos. Se a resposta do modelo for submetida a todos os possveis valores das variveis (ditas variveis de deciso), a representao grfica destes valores com os resultados obtidos chamada de superfcie de resposta. Essa superfcie de resposta se torna de difcil visualizao quando h mais de duas variveis de deciso, uma vez que o nmero de dimenses na qual est inserida tal superfcie tambm aumenta (n. de dimenses = 1 + n. de variveis), alm de uma grande demanda de tempo. Assim, em uma otimizao deve haver um equilbrio entre a busca da soluo tima e o tempo alocado a essa tarefa.
Capitulo 3 Otimizao_____________________________________________________35
Capitulo 3 Otimizao_____________________________________________________36
Capitulo 3 Otimizao_____________________________________________________37 mtodos de otimizao, cuja principal caracterstica que sua aplicao independe dos valores das funes envolvidas. Funes sem restries Os mtodos que fazem parte desta categoria foram denominados por TANOMARU (1995) de mtodos enumerativos de otimizao. Estes mtodos examinam cada ponto do espao de estados em busca do valor timo para a funo objetivo, adotando procedimentos especficos para determinar a direo de busca, ou seja, o prximo valor a ser examinado. Os mtodos desta categoria so mtodos de programao no-linear (CARNEIRO, 1996), e podem ser univariveis ou multivariveis. Funes com restries Mtodos deste tipo so aqueles formados pela Programao Linear, que so amplamente usados e um dos mais efetivos. A Programao Linear envolve o planejamento de atividades para obter um resultado timo, isto , o melhor resultado que atinge o objetivo especificado entre todas as possveis alternativas. Processos discretos Muitas plantas de processos e partes de equipamentos so representadas como processos multiestgios, mesmo se o conjunto sob anlise no constitudo por unidades separadas. A determinao das condies timas de operao ou projeto em tais processos complicada, porque os prprios estgios so quantidades discretas e as condies a serem estabelecidas para cada estgio esto interelacionadas (CARNEIRO, 1996). O mtodo de Processos Discretos engloba outros mtodos: Diviso e Conquista, Programao Dinmica e Mtodos Gulosos.
Capitulo 3 Otimizao_____________________________________________________38 Assim, segundo HARREL (2000), mtodos probabilsticos so aqueles em que uma ou mais variveis de entrada so aleatrias, ou seja, assumem uma distribuio de probabilidade, conhecida ou no. Nos mtodos probabilsticos as funes objetivo so tipicamente nolineares, tornando a tarefa de otimizao mais complexa. No entanto, os mtodos probabilsticos permitem uma melhor explorao do espao de solues, aumentando a possibilidade de determinao do extremo global da funo objetivo pesquisada (CARNEIRO, 1996). Segundo a classificao proposta por CARNEIRO (1996), os mtodos probabilsticos de otimizao englobam trs mtodos: Recozimento Simulado, Evoluo Estocstica e Computao Evolutiva. Recozimento simulado Este mtodo de otimizao, o qual foi proposto na dcada de 50, faz uma analogia com o processo de recozimento (annealing) da metalurgia (SARAMAGO, 2003). No recozimento o metal aquecido a altas temperaturas, causando um choque em sua estrutura atmica. Se o metal for resfriado de forma brusca, a microestrutura tende a um estado aleatrio instvel, porm, se o metal resfriado de forma suficientemente lenta, o sistema procurar um ponto de equilbrio caracterizado por uma microestrutura ordenada e estvel. Para encontrar o valor mnimo da funo objetivo, o processo inicia-se a uma alta temperatura e aplica o algoritmo at ser alcanado o estado estacionrio, quando no ocorrem mais alteraes no sistema. Quando o valor da funo objetivo no decresce sistematicamente, mas somente varia aleatoriamente de uma iterao para a seguinte, inicia-se a lenta reduo da temperatura e so realizadas mais algumas iteraes. Eventualmente um novo estado de equilbrio alcanado com um valor menor que o anterior. O processo continua at que a temperatura seja reduzida a zero, proporcionando uma configurao final com um valor muito baixo da funo objetivo, talvez at o valor timo (CARNEIRO, 1996). Evoluo Estocstica Este mtodo similar ao Recozimento Simulado, tendo como principal diferena o fato da Evoluo Estocstica aceitar inicialmente somente ganhos positivos fazendo com que a subida (ou descida) inicie somente quando for alcanado um mnimo local, permitindo que a Evoluo Estocstica apresente convergncia mais rpida, com resultados similares ou at melhores.
Capitulo 3 Otimizao_____________________________________________________39 Computao Evolutiva A Computao Evolutiva (tambm chamada de Computao Evolucionria) o nome dado a mtodos computacionais inspirados na teoria da evoluo. Os algoritmos usados nesses mtodos so conhecidos como Algoritmos Evolutivos (AEs). Os AEs diferem de outras tcnicas no-lineares de otimizao em vrios pontos. A diferena mais significante que os AEs conduzem sua busca usando uma populao de solues ao invs de uma s, possibilitando uma maior coleta de informaes sobre a superfcie de resposta. Segundo TANOMARU (1995), os AEs encaram a teoria de evoluo Darwiniana como um processo adaptativo de otimizao, sugerindo um modelo em que populaes evoluem de modo a melhorar o desempenho geral da populao com respeito a um dado problema. Segundo BCK (1997) este mtodo deve ser entendido como um conceito geral adaptvel soluo de problemas, especialmente bem adaptvel para a soluo de problemas complexos de otimizao. Atualmente, os AEs so tcnicas alternativas s convencionais de busca e otimizao (COELHO e COELHO, 1999), e englobam um crescente nmero de mtodos, sendo os mais importantes: Algoritmos Genticos, Programao Evolutiva e as Estratgias Evolutivas. Algoritmos Genticos Os Algoritmos Genticos so mecanismos de busca baseados nos processos de evoluo natural e na gentica. Neles, uma populao de possveis solues para um dado problema evolui de acordo com operadores probabilsticos concebidos a partir de metforas biolgicas, de modo que haja uma tendncia de que, na mdia, os indivduos representem solues cada vez melhores medida que o processo evolutivo continua (TANOMARU, 1995). Estratgias Evolutivas Ao contrrio dos Algoritmos Genticos, que tambm empregam cruzamentos, este mtodo emprega apenas operadores de mutao. Em um esquema bem simplificado da
Capitulo 3 Otimizao_____________________________________________________40 Estratgia Evolutiva, um indivduo-pai gera um s filho atravs de aplicao de mutaes de distribuio Gaussiana, mdia zero e varincia varivel, de modo que pequenas mutaes ocorram mais freqentemente que mutaes mais radicais. Sempre que um filho melhor que o pai gerado, o pai substitudo e o processo reiniciado (TANOMARU, 1995). Programao Evolutiva Os mtodos de Programao Evolutiva (tambm chamados de Programao Evolucionria) foram desenvolvidos por Lawrence J. Fogel em 1962, e originalmente concebidos como uma tentativa de criar inteligncia artificial (BCK, 1997). Porm este mtodo tem sido bastante usado em problemas de otimizao e , neste caso, virtualmente equivalente s Estratgias Evolutivas, diferenciando-se apenas nos procedimentos de seleo e codificao de indivduos.
3.4.1 Funcionamento
De maneira similar teoria da evoluo, os AGs manipulam uma populao de pontos na superfcie de resposta (indivduos), ou seja, possveis solues para um problema proposto, de tal modo que as piores solues desaparecem enquanto que as melhores continuam a evoluir na busca da soluo tima, explorando simultaneamente diversas reas da superfcie de resposta (TANOMARU, 1995). Os passos so: O primeiro passo para a aplicao de um AG definir a representao da populao. O passo seguinte a gerao da populao inicial. Normalmente a populao inicial formada por um conjunto aleatrio de indivduos, em alguns casos se utiliza alguma
Capitulo 3 Otimizao_____________________________________________________41 tcnica heurstica para definir os indivduos, ou o uso conjunto de ambas as tcnicas (TANOMARU, 1995). A seguir feita a manipulao da populao de respostas, tal manipulao tem como objetivo a criao de novos indivduos com maior adaptabilidade atravs das geraes, utilizando para isso os operadores genticos. Os operadores so (em ordem de aplicao): seleo, cruzamento e mutao. Seleo A idia principal deste operador oferecer aos melhores indivduos da populao corrente preferncia para o processo de reproduo, permitindo que estes indivduos passem suas caractersticas s prximas geraes. O processo de seleo geralmente causa um aumento mdio no valor de adaptao dos indivduos da populao a cada gerao. Entre os mtodos de seleo encontra-se o mtodo da Roleta, a Amostragem Universal Estocstica, Seleo Elitista, Seleo Baseada na Posio, Seleo por Torneio, Seleo Estado Estvel, Seleo por Truncatura e Seleo local (SIMES, 1999). Cruzamento O operador de cruzamento (crossover ou recombinao) cria novos indivduos atravs da combinao de dois ou mais indivduos. A idia intuitiva por trs deste operador a troca de informao entre diferentes solues candidatas. Geralmente dois indivduos progenitores so escolhidos da populao, por um mtodo aleatrio com probabilidade definida por uma taxa de cruzamento (TANOMARU, 1995), para produzir dois novos indivduos. Mutao O operador de mutao usado nos AGs tem o objetivo de alterar aleatoriamente a caracterstica de um individuo, atravs da mudana do valor de um gene. Uma vez que as caractersticas dos descendentes so limitadas constituio de seus ancestrais, a mutao possibilita o aparecimento de indivduos com caractersticas at ento no identificadas (CUNHA e PINTO, 2001). Esta alterao garante que a probabilidade de chegar a qualquer ponto da superfcie de resposta nunca seja zero, alm de contornar o problema de timos locais.
Capitulo 3 Otimizao_____________________________________________________42 Parmetros Os AGs dependem essencialmente de um conjunto de parmetros que devem ser definidos. Os principais parmetros so (TAVARES, 2000): Taxa de Cruzamento: definida como a medida da possibilidade de aplicao do operador de cruzamento a um dado par de indivduos. Os valores tpicos para esta taxa situam-se no intervalo de 0,6 a 1,0. Taxa de Mutao: uma medida da taxa de ocorrncia da operao mutao sobre um dado cromossomo. Taxa de Substituio: define que proporo de indivduos da populao ser substituda em cada gerao. Critrio de parada: depende do problema e do esforo computacional exigido. Em face do tempo e dos recursos disponveis, necessrio definir qual a qualidade da soluo desejada. Segundo CUNHA e PINTO (2001), no existem parmetros timos para os operadores genticos, eles so especficos para cada problema e cada esquema de codificao, no podendo ser adotados de forma genrica, uma vez que comprometem o desempenho global do algoritmo.
4 Otimizao + Simulao
4.1 Consideraes iniciais
Este captulo busca apresentar a integrao entre simulao e otimizao, apresentados nos dois ltimos captulos, seu funcionamento e metodologia de execuo. mostrado ainda o funcionamento do SimRunner, incorporado ao pacote de simulao ProModel, o qual utilizado no estudo.
4.2 Introduo
Com a utilizao da simulao computacional possvel prever e visualizar as consequncias no modelo proporcionadas por determinadas variveis em, por exemplo, uma linha de manufatura. Porm, no possvel dizer se tais valores so os timos para, por exemplo, a maximizao da produtividade da linha. Mtodos de tentativa e erro so muito cansativos, demorados e, alm disso, o resultado encontrado pode no representar o timo. Esta limitao superada com a integrao dos softwares de simulao com os de otimizao. Ainda segundo FU (2002) at a ultima dcada, simulao e otimizao eram mantidas separadamente na prtica. Atualmente essa integrao tem se mostrado bastante difundida, principalmente pelo fato de alguns pacotes de simulao inclurem rotinas de otimizao. A Tabela 4.1 apresenta alguns softwares de otimizao, os pacotes de simulao que esto includos e as tcnicas de otimizao utilizadas.
Software de otimizao AutoStat OptQuest OPTIMIZ SimRunner Optimizer Pacote de simulao AutoMod Arena, Crystal Ball, etc. SIMUL8 ProModel WITNESS Tcnica de otimizao Algoritmos evolutivos e algoritmos genticos Busca Scatter e tabu e redes neurais Redes neurais Algoritmos evolutivos e algoritmos genticos Simulated anneling e busca tabu
4.3 Funcionamento
Para FU (2002), na interao entre simulao e otimizao, a ltima deve ser vista como uma ferramenta complementar simulao. Neste processo, a otimizao fornece as variveis de uma possvel soluo (inputs) simulao; esta, aps todo o processo de simulao, fornece respostas (outputs) para a situao proposta, que retornam otimizao. A otimizao gera novas variveis, utilizando tcnicas de otimizao especficas, que sero novamente testadas pela simulao. Este ciclo, representado na Figura 4.1, repetido at sua parada, definida de acordo com o mtodo de otimizao utilizado. Quando o mtodo de otimizao baseado em Algoritmos Genticos, para cada possvel soluo efetuada uma tentativa, ou seja, um ciclo.
Figura 4.1 Otimizao em simulao (FU, 2002). A grande limitao para o uso da otimizao em simulao o nmero de variveis, sendo seu desempenho reduzido enormemente diante de um modelo com alto nmero de variveis a serem manipuladas pela otimizao.
Capitulo 4 Otimizao + Simulao__________________________________________45 pode ser a maximizao ou minimizao de uma funo pr-definida. o resultado desta funo que ser avaliado pelos algoritmos de otimizao na busca de um valor timo. O prximo passo a definio das restries do problema seguido do estabelecimento de alguns parmetros, como: nmero de replicaes, preciso e critrio de parada. Uma metodologia mais especfica para o uso do SimRunner proposta por HARREL et al. (2000). Segundo ele, aps a construo de um modelo eficiente e validado, deve-se executar alguns passos para uma otimizao bem sucedida; estes passos so os seguintes: Definir as variveis que afetaro as respostas do modelo e que sero testadas pelo algoritmo de otimizao. So estas variveis que tero o valor alterado a cada rodada de simulao; Definir o tipo de varivel (real ou inteira) e limites inferiores e superiores. Durante a busca, o algoritmo de otimizao gerar solues respeitando o tipo das variveis e seus limites. O nmero de variveis de deciso e a gama de valores possveis afetam o tamanho do espao de busca, alterando a dificuldade e o tempo consumido para identificar a soluo tima. por isso que se recomenda que somente as variveis que afetem significativamente o modelo sejam usadas; Definir a funo objetivo para avaliar as solues testadas pelo algoritmo. Na verdade, a funo objetivo j poderia ter sido estabelecida durante a fase de projeto do estudo de simulao. Esta funo pode ser construda tendo por base peas (entities), equipamentos (locations), operrios (resources) entre outros, buscando minimizar, maximizar ou fazer uso de ambos em diferentes variveis, dando inclusive pesos diferentes para compor a funo objetivo; Selecionar o tamanho da populao do Algoritmo Evolutivo. O tamanho da populao de solues usado para conduzir o estudo afeta a confiabilidade e o tempo requerido para a conduo da busca, assim, necessrio que haja um equilbrio entre o tempo requerido e o resultado esperado da otimizao. Nesta fase tambm importante definir outros parmetros como: preciso requerida, nvel de significncia e nmero de replicaes; Aps a concluso da busca, um analista deve estudar as solues encontradas, uma vez que, alm da soluo tima, o algoritmo encontra vrias outras solues competitivas. Uma boa prtica comparar todas as solues tendo como base a funo objetivo.
Capitulo 4 Otimizao + Simulao__________________________________________46 Mesmo seguindo metodologias para a execuo da otimizao em simulao, alguns fatores afetam diretamente o desempenho da busca, entre eles: preciso do modelo, nmero de variveis, complexidade da funo objetivo, valores iniciais das variveis e seus limites (OPTQUEST FOR ARENA USERS GUIDE, 2002).
Capitulo 5 Aplicao_____________________________________________________47
5 Aplicao
5.1 Consideraes iniciais
Este captulo faz uma descrio da empresa onde realizado o estudo, da linha de manufatura e do produto a ser fabricado. O problema abordado neste trabalho consiste em dimensionar os estoques mximos intermedirios, a quantidade mnima de mo de obra necessria e produtividade mxima da linha. Para a obteno destas informaes foi utilizada a otimizao atravs da simulao.
Capitulo 5 Aplicao_____________________________________________________48 A longarina o componente estrutural de maior importncia na linha de montagem de chassis de caminhes e nibus, apesar de no ser a de maior custo para a montadora. Sua funo suportar todos os demais componentes da montagem do veculo. Sem a longarina impossvel iniciar a montagem do veculo. A Figura 5.1 mostra a ilustrao de uma longarina.
Longarinas
Figura 5.1 Produto fabricado pela empresa e sua localizao no veculo. Todas as longarinas fabricadas pelo processo RF possuem basicamente as mesmas caractersticas conforme mostrado na Figura 5.2.
Capitulo 5 Aplicao_____________________________________________________49
Figura 5.2 Principais caractersticas das longarinas. As diferenas entre as longarinas ficam por conta dos seguintes aspectos: Quantidade, tamanho e posio de furos; Altura das abas; Largura do perfil; Comprimento; Quantidade, tamanho e posio dos recortes. Como objeto de estudo desta dissertao foi escolhida a linha de manufatura de longarinas RF. Esta deciso tem como base os seguintes aspectos: por ser um novo processo de produo, para o qual no h experincia na empresa, a simulao pode ser uma excelente ferramenta para estudos de previso; pela importncia da linha na estratgia da empresa de obteno de novos mercados; pelo alto valor do investimento em equipamentos; pela necessidade da empresa em definir a necessidade ou no dos estoques intermedirios, suas reas e as melhores utilizaes de recursos para a formao de preos.
Capitulo 5 Aplicao_____________________________________________________50
Fluxo geral A nova linha de produo recebe quatro equipamentos principais: RF, puncionadeira, rob para corte a plasma e a dobradeira (Anexo 2): O RF o equipamento que transforma uma chapa de ao em uma viga U; A puncionadeira, como o prprio nome diz, executa a furao em todo o comprimento da viga U; O rob de corte realiza pequenos recortes permitindo a passagem de eixos e outros componentes do veculo; A dobradeira executa a chamada rampa que em alguns veculos necessria para a acomodao do motor. Foi definido pela equipe que todos os equipamentos, com exceo da dobradeira, so fundamentais para a produo de longarinas, ou seja, todo e qualquer produto a ser produzido deve obrigatoriamente passar pelos trs primeiros processos. J a dobradeira utilizada por apenas 10% do total produzido.
Capitulo 5 Aplicao_____________________________________________________51 Atividades e o mapofluxograma Depois de concludo o fluxo geral de processo foram definidas as atividades de inspeo, operao, transporte, espera e armazenamento. Com estas informaes foi possvel montar o mapofluxograma do processo da linha de manufatura de longarinas roll form, representado na Figura 5.3.
Capitulo 5 Aplicao________________________________________________________________________________________________52
Capitulo 5 Aplicao_____________________________________________________53
Tempos e o mapa do processo O mapofluxograma fornece a viso geral dos processos. Contudo, necessrio um detalhamento maior dos processos para compreender o que ocorre em cada etapa da manufatura. Para a linha de manufatura de longarinas RF procurou-se mensurar todas as atividades atravs do tempo de realizao. As informaes de tempo de processo de cada equipamento bem como seus tempos de setup foram baseados nas propostas comerciais dos fabricantes. Isto foi necessrio pois trata-se de equipamentos novos que no possuem histrico conhecido. J a quantidade de mo de obra e layout foram retiradas do plano de viabilidade tcnica e econmica feita pela engenharia de desenvolvimento da empresa. A informaes de tempo de movimentao da mo de obra, talha manual, talha automtica, esteiras motorizadas e ponte rolante foram cronometradas na atual linha de prensas para produo de longarinas, por serem estas atividades usualmente utilizadas pela empresa. Para a cronometragem dos tempos primeiramente foi definido o nmero necessrio de ciclos de coleta para um grau de confiana de 95%(z = 1,96) e uma preciso de 10% (a) atravs da seguinte formula:
2
100 z s n= ax
sendo: n = nmero de ciclos; z = grau de confiana; s = desvio padro da amostra; a = preciso desejada; x = mdia da amostra. Para isso foram tomados cinco tempos e calculadas a sua mdia (x) e desvio padro (s). Para cada atividade foi calculado um nmero de ciclos, porm, para este estudo foi utilizado o nmero de ciclos apresentado pela atividade de maior coeficiente de variao (s/x), no caso igual a 30, para facilitar a coleta de dados.
Capitulo 5 Aplicao_____________________________________________________54
Aps coletados os 30 tempos de cada atividade foram calculadas as suas mdias que podem ser vistas na Figura 5.4. Alm disso, foi definido que os tempos de processo e os tempos de setup dos variados produtos so praticamente os mesmos, podendo ento ser considerado somente um tempo de processo para todos os produtos. A Figura 5.4 mostra o mapa do processo da linha de manufatura de longarinas RF.
Capitulo 5 Aplicao_____________________________________________________55
Capitulo 5 Aplicao_____________________________________________________56 Os blanks, nome dado chapa de ao j previamente cortada em tiras de aproximadamente dez metros, so a matria prima inicial desta linha. Eles chegam em pacotes de aproximadamente trinta peas em caminhes e so armazenadas no estoque de matria prima. As etapas seguintes so: Na primeira etapa, dois operadores utilizando uma ponte rolante abastecem o RF que tem a capacidade de armazenar at trs pacotes em sua entrada. Neste momento o equipamento atua automaticamente, at o desabastecimento do que se chama viga U. Novamente dois operadores utilizando uma ponte rolante movimentam uma embalagem contendo trinta vigas para o estoque intermedirio antes da segunda mquina ou diretamente para o ponto de alimentao do segundo equipamento, a puncionadeira. Nesta segunda etapa, um operador responsvel pelo abastecimento do equipamento, utilizando para isso um talha manual. Este equipamento realiza toda a furao na viga U automaticamente. A sada deste equipamento para a entrada na mquina de corte a plasma, feita automaticamente. Uma vez automaticamente posicionada, o corte realizado e a pea retirada por um operador utilizando uma talha manual. Depois desta etapa, mais uma vez dois operadores utilizando uma ponte rolante levam uma embalagem de trinta longarinas para o estoque final ou, caso o produto necessite, para a entrada da mquina de dobrar. Um operador alimenta o equipamento, opera a mquina e retira para uma embalagem vazia. Depois de concluda a operao esta nova embalagem retorna para o estoque, sendo movimentada por dois operadores e uma ponte rolante. Os operadores desta linha so responsveis pelos setups das mquinas bem como por toda a movimentao das peas. Cabe ressaltar que esta uma linha com um alto nvel de automatizao dos equipamentos, onde no existe quase nenhuma necessidade de interveno dos operadores.
Capitulo 5 Aplicao_____________________________________________________57 modelo conforme o mtodo cientfico apresentado por HARREL (2000) na Figura 2.2. Na ltima fase realizada a otimizao.
Capitulo 5 Aplicao_____________________________________________________58
Figura 5.5 Tela de abertura do ProModel. Para a construo de um modelo, o ProModel apresenta os seguintes elementos: locations, entities, resources, processing e arrivals, encontrados no menu build do software. Apresenta ainda outros elementos auxiliares como: shifts para definio de turnos de trabalho, variables para ajudar na construo da rotina do modelo e macros que sero utilizadas na fase de experimentao. Locations: Representam os lugares fixos do sistema, onde se realizam os processos; so usadas para representar elementos como: workstations, buffers, conveyors e queues. Neste elemento pode-se definir: capacidade, unidades (simples ou mltiplas), setups, manuteno, nvel de detalhamento estatstico, alm de regras de chegada e sada de matria. A Figura 5.6 exibe a tela do programa na edio das locations do caso estudado, representada pelas mquinas e volantes.
Capitulo 5 Aplicao_____________________________________________________59
Figura 5.6 Definio de locations Entities: As entities so os itens a serem processados pelo sistema, podendo ser: matriaprima, produtos, pallets, pessoas ou documentos. As entities possuem velocidades definidas e podem ser agrupadas ou divididas ao longo do processo produtivo, se movimentando de uma location para outra utilizando uma rota definida ou uma rede de trabalho. A Figura 5.7 exibe uma tela do programa com algumas entities, neste caso os vrios tipos de anis.
Figura 5.7 Definio de entities Arrivals: Define a entrada das entities dentro do modelo. Podendo ser definidas as quantidades, freqncia e perodos de chegada, bem com a lgica de chegada. Pode-se tambm definir as chegadas atravs de um arquivo externo de chegada de peas referenciado no File Editor. A Figura 5.8 apresenta uma tela com algumas das arrivals do problema.
Capitulo 5 Aplicao_____________________________________________________60
Figura 5.8 Definio de arrivals Processing: Consiste em uma tabela onde so definidas as operaes de cada entity em cada location e o resource necessrio para estas operaes, e uma tabela de rotas que define o destino e a movimentao de cada entity, bem como o modo como se d essa movimentao e o resource necessrio. A Figura 5.9 apresenta a utilizao do menu processing para o caso estudado.
Figura 5.9 Definio de processing Resource: So os elementos usados para transportar entities, executar operaes, realizar manuteno sobre as locations ou outros. Estes elementos podem ser: pessoas ou equipamentos. Um sistema pode ter um ou mais resources, sendo dotado de movimento ou
Capitulo 5 Aplicao_____________________________________________________61 no. Contudo, para cada resource deve ter designado uma path network, ou seja, um percurso na qual a movimentao se dar. A Figura 5.10 mostra as resources para a clula analisada.
Figura 5.10 Definio de resources Uma etapa anterior definio dos elementos descritos acima foi a insero de elementos grficos externos no ProModel. Optou-se por utilizar o layout desenvolvido pela prpria empresa como fundo da simulao, alm de outros elementos grficos no s por tornar o modelo mais atraente mas principalmente para facilitar seu entendimento reduzindo assim o tempo necessrio para a validao. O ProModel permite ainda que um arquivo texto seja gerado com toda a programao da simulao. Esta programao feita no ProModel mostrada no Anexo 1.
Capitulo 5 Aplicao_____________________________________________________62 forma mais simples e a cada novo modelo uma nova complexidade foi adicionada. Desta forma a validao do modelo final foi muito mais simples. A Tabela 5.2 demonstra as principais modificaes entre os modelos construdos at o modelo definitivo.
Modelo
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7 Modelo 8 Modelo 9
Itens acrescentados
Locations Entitie longarina Arrivals Processing basico (caminho da entitie) Processing avanado Entitie fardo de longarina Resources movimentao Path netword dos sistemas de movimentao Resources operadores Path netword dos operadores Processing (interao dos operadores e da movimentao) Variables Macros Modelo final validado
Tabela 5.2 Etapas de construo at o modelo final. Os dados de entrada utilizados na simulao da linha de manufatura foram os seguintes: O modelo foi simulado por um perodo de vinte e quatro horas (trs turnos); O equipamento RF operando em somente um turno e os demais em trs turnos; Para que a simulao representasse a linha j em ciclo foi considerada uma entrada direta de um rack com trinta longarinas na puncionadeira; Existem na linha sete operadores/carregadores e dois inspetores; Entre a sada da puncionadeira e a entrada do corte no existe buffer. Aps a primeira simulao pode-se verificar que o nmero de produtos acabados na simulao chega a ser 19% menor que o planejado (Tabela 5.3).
Capitulo 5 Aplicao_____________________________________________________63
Planejado (1 Turno no RF) 7 2 1 280 100 260 260 Simulado (1 Turno no RF) 7 2 1 229 90 210 210
Nmero operadores Nmero inspetores Tamanho do buffer Roll formadas Estoque intermedirio Puncionadas Produo total
Tabela 5.3 Comparao entre produtividade planejada e simulada. Porm foi observado junto aos engenheiros responsveis pelo planejamento da linha que eles haviam esquecido de considerar os tempos de parada para inspeo do produto no planejamento realizado, sendo estes somente considerados na simulao. Os tempos de parada para inspeo so consideravelmente altos, pois em um primeiro momento ser feita manualmente, chegando a 20 % do total do tempo disponvel para produo no equipamento RF (fatia bloqueada), conforme Figura 5.11.
Figura 5.11 Percentual de utilizao da capacidade dos equipamentos. Para comprovar e validar o modelo, foram retirados os tempos de inspeo e um novo modelo foi simulado. Estes novos resultados vieram a confirmar o erro no planejamento da linha e a validar o modelo simulado, conforme Tabela 5.4. Ficou definido, no entanto, que o modelo a ser simulado deve manter os tempos de inspeo para que os resultados se aproximem o mximo possvel da realidade.
Capitulo 5 Aplicao_____________________________________________________64
Nmero operadores Nmero inspetores Tamanho do buffer Roll formadas Estoque intermedirio Puncionadas Produo total
Variao 0% 50% 4% 4%
5.5 Otimizao
Esta etapa do estudo busca aumentar a eficincia no consumo de recursos da clula atravs do software SimRunner, que usa Algoritmos Evolutivos como mtodo de otimizao. Como na simulao, a realizao de uma otimizao segue uma metodologia. Buscando a maior produtividade da linha, sero construdos trs cenrios distintos para a simulao, onde o equipamento RF ira funcionar em um turno, dois turnos e trs turnos.
Capitulo 5 Aplicao_____________________________________________________65
Capitulo 5 Aplicao_____________________________________________________66 buscando minimizar, maximizar ou fazer uso de ambos em diferentes variveis, dando inclusive pesos diferentes para compor a funo. Como este trabalho busca a otimizao da linha levando-se em conta a produtividade, a funo objetivo foi definida como sendo a maximizao do nmero de peas produzidas e peas puncionadas, pois alm do estoque final de peas o nmero de peas puncionadas de fundamental importancia pois esta operao se trata de um gargalo. Porm, como todas as empresas necessitam reduzir seus custos diretos, foi definido que a maximizao da produo dever acontecer utilizando-se do menor nmero de operadores e inspetores possvel como exemplifica a Figura 5.14.
Capitulo 5 Aplicao_____________________________________________________67 confiabilidade da resposta; cautions, tem uma grande populao, o que implica em maiores tempos de processamento. Neste estudo foi utilizada a opo cautions, pois mesmo com uma grande populao esta otimizao apresentou um tempo de aproximadamente quinze minutos, considerado baixo. A janela para a escolha do tamanho da populao do algoritmo apresentada na Figura 5.15.
Figura 5.15 Definio do tamanho da populao Nesta fase ainda se define a preciso requerida na resposta do problema, o nvel de significncia e nmero de replicaes. A preciso requerida neste problema foi de um, uma vez que a resposta ser dada em centenas. O nvel de significncia adotado foi o nvel padro do software, 95% conforme pode ser visto na Figura 5.16. J para o nmero de replicaes, adotou-se o mesmo utilizado na fase de simulao, ou seja, somente uma replicao (Figura 5.17).
Capitulo 5 Aplicao_____________________________________________________68
Capitulo 5 Aplicao_____________________________________________________69 Aps a execuo da otimizao repetiu-se a simulao, agora com os valores encontrados na otimizao, de modo a fazer uma anlise dos resultados antes e aps a otimizao. Conforme se pode verificar na Figura 5.19 o tempo mdio em uso dos operadores e inspetores aumentou, pois ao reduzir a sua quantidade tambm reduziu-se o tempo ocioso mdio.
Figura 5.19 Comparativo dos tempos de operadores antes e aps otimizao. Apesar da reduo no nmero de operadores e inspetores e do melhor aproveitamento dos seus tempos, a linha continuou com a mesma produtividade (Figura 5.20), sendo a quantidade de peas produzidas nos dois casos, igual a duzentos e dez. J o estoque intermedirio aumenta em trinta unidades, devido indisponibilidade de operadores para a movimentao. Entretanto isto no prejudicou a produtividade.
Figura 5.20 Comparativo dos nmeros de produo antes e aps otimizao O objetivo agora definir qual regime de trabalho do equipamento RF proporciona o maior nmero de peas produzidas. Para isso foi executada a otimizao por duas vezes,
Capitulo 5 Aplicao_____________________________________________________70 alterando somente o regime de trabalho do RF. Pode-se observar na Tabela 5.5 os resultados obtidos nas otimizaes para um, dois e trs turnos.
Planejado (1 Turno no RF) 7 2 1 280 100 260 260 Simulado (1 Turno no RF) 7 2 1 229 90 210 210 Otimizado (1 Turno no RF) 2 1 1 225 120 210 210 Otimizado (2 turnos no RF) 3 2 4 392 180 278 270 Otimizado (3 turnos no RF) 3 2 4 533 240 278 270
Nmero operadores Nmero inspetores Tamanho do buffer Roll formadas Estoque intermedirio Puncionadas Produo total
Tabela 5.5 Comparativo dos resultados finais otimizados. Abaixo se pode ver algumas observaes e concluses: Os regimes de dois e trs turnos possuem a mesma capacidade total de produo de duzentas e setenta longarinas; Da mesma forma a quantidade de longarinas puncionadas a mesma nas duas opes, dois ou trs turnos. importante dizer que nem sempre o total de longarinas produzidas igual ao total de longarinas puncionadas, pois algumas longarinas podem estar em transporte ao final da simulao e somente as longarinas j no estoque so consideradas como produto final neste modelo; O regime de dois turnos necessita de 25% menos espao para o estoque intermedirio com relao ao regime de trs turnos; Da mesma forma o nmero de vigas U produzidas pelo RF 25% menor no regime de dois turnos. Vale lembrar que a operao de puncionamento o gargalo da linha e j est trabalhando em trs turnos, portanto este excedente de estoque intermedirio gerado por dia dever ser consumido trabalhando com a puncionadeira sete dias por semana e o RF somente cinco dias. Por ltimo, o regime de dois turnos leva vantagem quanto quantidade de mo de obra, j que o equipamento RF no opera no terceiro turno. Com isto pode-se concluir que o regime de trabalho mais vantajoso o de dois turnos, pois apesar de ambos os regimes terem capacidades finais iguais, outros fatores como mo de obra, rea para estoque e estoque excedente so determinantes para a escolha.
Capitulo 5 Aplicao_____________________________________________________71
5.6 Implementao
Os resultados obtidos na otimizao no proporcionaram reduo de custos imediatos, pois a linha ainda se encontra em fase de projeto e instalao. Porm, to ou mais importante que isto a indicao de que os custos de mo de obra sero aproximadamente 45% menores e que o e a produtividade ser 4% maior do foi planejado pelos engenheiros da empresa. Considerando ainda que a produtividade planejada no seja vivel, como mostrado na Tabela 5.4, pode-se concluir que a produtividade da linha ser 22% maior, o que representa uma produo de aproximadamente 16.000 longarinas a mais que o previsto. Utilizando estes novos valores, a empresa recalculou os custos da nova linha e segundo informaes da rea comercial da empresa, esta nova base de custos mudar as condies de preos dos produtos produzidos por ela, tornando a linha mais competitiva no mercado. Vale dizer que a reduo dos custos e a maior produtividade da linha no so consequncias de novos equipamentos, reorganizao do ou qualquer outro tipo de investimento, mas sim de uma correo dos valores utilizados anteriormente, os quais so agora baseados em estudos mais precisos por consequncia da utilizao da simulao e da otimizao computacional. Cabe ainda ressaltar que os resultados obtidos neste trabalho fizeram com que a empresa repensasse a forma com que as anlises tcnicas de novos investimentos so feitos. A possibilidade de se obter resultados mais precisos em suas anlises fez com que a empresa iniciasse um estudo de viabilidade para a compra do software utilizado.
Capitulo 6 Concluso______________________________________________________72
6 Concluso
6.1 Consideraes iniciais
Este captulo apresenta as concluses obtidas e as recomendaes para futuros trabalhos, apresentando os resultados obtidos com a aplicao das ferramentas propostas na linha de manufatura, as contribuies fornecidas com a elaborao deste trabalho e propondo sugestes para futuros trabalhos em aprimoramento de processos.
Capitulo 6 Concluso______________________________________________________73 Porm a maior contribuio deste trabalho foi a possibilidade de simular e otimizar uma linha que ainda no existe na prtica por se tratar ainda de um projeto. Segue abaixo outros benefcios do estudo: A preciso dos dados utilizados nos estudos proporcionados pelo mapeamento do processo e pela validao do modelo melhorou os resultados obtidos nas anlises; A visualizao da linha de forma dinmica facilita o entendimento do processo e ajuda a identificar problemas de layout e fluxo; A preciso dos resultados obtidos auxilia a melhorar a qualidade de todos os outros estudos quem se utilizam deles; A possibilidade de alterar qualquer varivel do modelo e em pouco tempo poder analisar os resultados; Sabe-se o quanto importante para uma empresa que um projeto acontea conforme planejado, pois os estudos de viabilidade econmica e at mesmo os compromissos de produo dependem deste acerto. A aplicao da simulao junto otimizao na fase de planejamento do projeto auxilia na reduo de graves erros de projeto, como o que j foi destacado anteriormente. Esta reduo beneficia a empresa no momento da implantao do projeto reduzindo o tempo necessrio para o bom e correto funcionamento da linha, eliminando assim os desperdcios de tempo com testes prticos que podem ser substitudos por anlises ainda na fase de projeto atravs das ferramentas utilizadas neste estudo.
Capitulo 6 Concluso______________________________________________________74
Referncias bibliogrficas____________________________________________________75
Referncias bibliogrficas
ANJARD, R. P., Process Mapping: one of three, new, special quality tools for management, quality and all the other professionals. Microeelectrum Realiab, 1995. BCK, Thomas; HAMMEL, Ulrich; SCHWEFEL, Hans-Paul. Evolutionary computation: comments on the history and current state. Evolutionary Computation, April, v. 1, n. 1, p. 3-17, 1997. BANKS, J. Introduction to simulation. Proceedings of the Winter Simulation Conference. Atlanta, 2000. BATEMAN, R. E.; BOWDEN, R. O. ; GOGG, T. J.; HARRELL, C. R.; MOTT, J. R. A. System improvement using simulation. Utah: ProModel Corp., 1997 BARNES, R. M. Estudo de movimentos e de tempos: Projeto e medida do trabalho. Editora Edgard Blucher ltda, 1986. BRATLEY, Paul; FOX, Bennett L.; SCHRAGE, Linus E. A Guide to Simulation. New York:Springer-Verlag, 1987. BRYMAN, J. L. A research Methods and organization studies. London Unwin Hyman, 1989. CARNEIRO, Mara Lcia F. Sntese Automatizada de Colunas de Destilao: uma abordagem alternativa ao processo de projeto. Dissertao de mestrado em engenharia da informtica. PUCRS, Porto Alegre, RS, 1996. COELHO, L. S.; COELHO, A. A. R. Algoritmos Evolutivos em identificao e controle de processos: uma viso integrada e perspectivas. Revista Controle & Automao, v. 10, n. 1, p. 13-30, 1999. CUNHA, Alexandre S.; PINTO, Ricardo L. U. S. Uma tcnica para ajuste dos parmetros de um Algoritmo Gentico. XXXIII Simpsio Brasileiro de Pesquisa Operacional, Campos do Jordo, SP, p. 1105-1116, 2001. DUARTE, Roberto N. Simulao computacional: Anlise de uma clula de manufatura em lotes do setor de autopeas. Dissertao de mestrado em engenharia de produo. UNIFEI, Itajub, MG, 2003. DIAZ, Jos A.; PREZ, Ileana G. Simulation and optimization of sugar cane transportation in harvest season. Proceeding of the 2000 Winter Simulation Conference, p. 1114-1117, 2000. DIETZ, M. Outline of a successful simulation projects. Industrial Engineering, Nov., 1992 EDGAR, T. F.; HIMMELBLAU, D. M. Optimization of chemical processes. New York, McGraw-Hill, 2001. FERREIRA, J. C. E.; MOURA, E. B.; RIBEIRO, L. P. G. O uso da simulao para aumentar a competncia da indstria junto ao mercado externo. XXII ENEGEP. Curitiba, outubro 2002.
Referncias bibliogrficas____________________________________________________76 FU, Michael C. Optimization for Simulation: Theory vs. Practice. Journal on Computing, vol. 14, n 3, 2002. GLENNEY, N. E.; GERALD T. M. Modeling & Simulation Provide Key to CIM implementation Philosophy. Industrial Engineering, may 1985. HARREL, C. R.; BATEMAN, R. E.; GOGG, T. J.; MOTT, J. R. A. System Improvement Using Simulation. Orem, Utah: PROMODEL Corporation. 1996. HARREL, Charles R.; GHOSH, Biman K.; BOWDEN, Royce. Simulation Using ProModel. McGraw-Hill, 2000. HILLIER, F. S.; LIEBERMAN, G. J. Introduction to operations research. McGraw-Hill, 2001. KELLNER, M. I., MADACHY, R. J., RAFFO, D. M. Software process simulation modeling: Why? What? How?, 1998. KLEINDORFER, George B.; ONEILL, Liam; GANESHAN, Ram. Validation in Simulation:Various Positions in the Philosophy of Science. Management Science, Vol. 44, n. 8, ago. 1998. KOSTURIAK, J.; GREGOR, M. Simulation in production system life cycle. Computer in Indutry, 38, pp. 159-172, 1999. KUMAR, S.; PHROMMATHED, P. Improving a manufacturing process by mapping and simulation of critical operations, 2005. LAW, A. M.; KELTON, W. D. Simulation modeling and analysis. New York: Mc Graw-Hill, 1982. LAW, A.; KELTON, D. Simulation modeling and analysis. New York, McGraw-Hill, 2000. LIM, M. K.; ZHANG, Z. A mult-agent based manufacturing control strategy for responsive manufacturing. Journal of Materials Processing Technology, 139, pp. 379-384, 2003. NAYLOR, Thomas, H.; BALINTFY, Joseph, L.; BURDICK, Donald S.; CHU, Kong.Tcnicas de Simulao em Computadores. So Paulo: Editora Vozes, 1971. LOBO, Elidio C.; PORTO, Arthur Jos V. Proposta para sistematizao de estudos de simulao. XVII Encontro Nacional de Engenharia de Produo ENEGEP. Gramado, RS, 1997. LOBO, E. C. Discusso, sistematizao e modelamento do processo de realizao de estudos de simulao. Tese doutorado. So Carlos: USP, 2000. LOPES, Heitor S. Algoritmos genticos em projetos de engenharia: aplicaes e perspectivas futuras. IV Simpsio Brasileiro de Automao Inteligente. So Paulo, SP, p. 64-74, 1999. MOREIRA, C. M. Estratgias de reposio de estoque em supermercados: Avaliao por meio de simulao. Dissertao mestrado em engenharia de produo. UFSC, Florianpolis, SC, 2001. OPTQUEST FOR ARENA USERS GUIDE, Rockwell Software Inc., 2002.
Referncias bibliogrficas____________________________________________________77 PERSON, J. F. The impact of different levels of detail in manufacturing systems simulation models. Robotics and Computer Integrated Manufaturing, 18, pp. 319-325, 2002. PEREIRA, I. C. Proposta de sistematizao da simulao para fabricao em lotes. Dissertao mestrado em engenharia de produo. UNIFEI, Itajub, MG, 2000. PIDD, M. Five simple principles of simulation modeling. Rio de Janeiro: Workshop de Simulao, 1997. PIDD, M. Modelagem empresarial. Porto Alegre: Bookman, 1998. PROMODEL USERS GUIDE. PROMODEL Corporation, 1997. PROMODEL USERS GUIDE. ProModel Corporation, 2002. RHOLEDER, T. R., SILVER, E. A. A tutorial on business process improvement. Journal of Operational Management, Volume 15. Elsevier Science, 1997. ROSA, E. B. Racionalizao da produo. Apostila do curso de Ps-Graduao Especializao em Produtividade e Qualidade UNIFEI, 2002. SARGENT, R. G. Validation and Verification of Simulation Models. Proceedings of the 2004 Winter Simulation Conference. R .G. Ingalls, M. D. Rossetti, J. S. Smith, and B. A. Peters, 2004. SAAD, S. M. The reconfiguration issues in manufacturing systems. Journal of Materials Processing Technology, 138, pp. 277-283, 2003. SARAMAGO, Sezimria F. Pereira. Mtodos de otimizao randmica: Algoritmos genticos e simulated annealing. XXVI CNMAC. UFU, Uberlndia, MG, p. 1-40, 2003. SEILA, A. F. Introduction to simulation. Proceedings of the 1995 Winter Simulation Conference. Arlington, Virginia, United States, p. 7-15, 1995. SILVA, Alexandre P. A. Tutorial: Genetic Algorithms. Revista Brasileira de Redes Neurais, n. 1, v. 1, 2002. SILVA, E. L., MENEZES, E. M. Metodoliga de pesquesa e elaborao da dissertao, 4 ed. Ver. Atual., Florianpolis, UFSC, 2005. SIMES, Anabela B. Transposio: estudo de um novo operador gentico inspirado biologicamente. Dissertao de mestrado em engenharia informtica. Universidade de Coimbra, Coimbra, Portugal, 1999. SPPEDING, T. A, SUN, G. Q. Application of discrete event simulation to the activity based costing of manufacturing system. International Journal Production Economics, 1998. STAMM, Harro. Simulao industrial: uma avaliao de sua utilizao no sudeste e sul do Brasil. Dissertao de mestrado em engenharia de produo. UFSC, Florianpolis, SC, 1998. TANOMARU, J. Motivao, fundamentos e Aplicaes de Algoritmos Genticos. II Congresso Brasileiro de Redes Neurais. Curitiba, PR, p. 373-403, 1995.
Referncias bibliogrficas____________________________________________________78 TAVARES, Jos A. R. Gerao de Configuraes de Sistemas Industriais com o Recurso Tecnologia das Restries e Computao Evolucionria. Tese de doutorado em Informtica. Universidade de Minho, Braga, Portugal, 2000. VILLELA, C. S. S. Mapeamento do processo como ferramenta de reestruturao e aprendizagem organizacional. Dissertao de mestrado. UFSC. Santa Catarina, 2000.
ANEXO 1
Programao do modelo no Promodel
******************************************************************************** * * * * Formatted Listing of Model: C:\ProMod4\models\rollform32.MOD * * * *
******************************************************************************** * Locations * ******************************************************************************** Name roll_form puncionadeira corte_plasma bending entrada_roll_form saida_roll_form entrada_corte saida_corte entrada_puncionadeira Cap 1 qtd_corte 1 1 1 qtd_corte 1 Units Stats 1 1 1 1 1 1 1 Rules Cost
-------------------------- ----------------- ----- ----------- ------------------- -----------Time Series Oldest, FIFO, First Time Series Oldest, FIFO, First Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, First qtd_puncionadeira 1
qtd_puncionadeira 1
buffer_roll_form estoque_inicial_blanks estoque_puncionadeira estoque_longarina esteria_puncionadeira entrada_bend saida_bend saida_punc buffer_saida_punc pos_saida_corte
1 1 1 1 1 1 1 1 1 1
Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, First Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO, Time Series Oldest, FIFO,
esteria_descarga_roll_form 60 1 30 1 qtd_buffer_punc 30
qtd_puncionadeira 1
******************************************************************************** * Entities * ******************************************************************************** Name Speed (mpm) Stats Time Series Time Series Cost
******************************************************************************** * Path Networks * ******************************************************************************** Name kbk_roll_entrada Type Crane T/S From To Rail1End BI Uni Uni Uni Dist/Time Speed Factor
------------------------- ----------- ---------------- --------- --------- ---- ---------- -----------Speed & Distance Origin Origin kbk_roll_saida Crane Speed & Distance Origin BridgeEnd Uni Rail1End
BridgeEnd Rail2End
Origin caminho_ponte_rolante Crane Speed & Distance Origin Origin kbk_puncionadeira_entrada Crane Speed & Distance Origin Origin net_inspecao Passing Speed & Distance N1 N2 N2 N1 N1 N4 kbk_saida_corte Crane Speed & Distance Origin Origin kbk_bending Crane Speed & Distance Origin Origin NET_OPERADOR Passing Speed & Distance N1 N2 N3 N5 N5 N7 N4 N11 N11 N12 N13 N9 N10
BridgeEnd Uni Uni Uni Uni Uni Uni Bi Bi Bi Bi Bi Bi Uni Uni Uni Uni Bi Bi Bi Bi Bi Bi Bi Bi Bi Bi Bi Bi Bi 13 10 13 5 38 8 3 3 20 14 2 13 5 1 1 1 1 1 1 1 1 1 1 1 1 1 53 13 2 23 8 20 1 1 1 1 1 1 Rail1End
BridgeEnd Rail2End
BridgeEnd Rail2End
BridgeEnd Rail2End
BridgeEnd Rail2End
BridgeEnd Rail2End
Bi Bi Bi Bi Bi Bi Bi Bi Bi Bi
5 11 15 20 2 2 2 3 3 20
1 1 1 1 1 1 1 1 1 1
******************************************************************************** * Interfaces * ******************************************************************************** Net kbk_roll_entrada kbk_roll_saida caminho_ponte_rolante Node N1 N2 N1 N2 N1 N2 N4 N6 N3 N7 N9 N10 N8 kbk_puncionadeira_entrada N1 N2 Location buffer_roll_form entrada_roll_form saida_roll_form estoque_inicial_blanks buffer_roll_form esteria_puncionadeira estoque_longarina estoque_puncionadeira entrada_bend saida_bend pos_saida_corte esteria_puncionadeira entrada_puncionadeira Coords (R,B) 5.74, 6.60 1.52, 6.60 1.55, 6.20 9.12, 13.24 33.62, 8.68 74.53, 9.47 93.24, 18.95 64.49, 16.61 76.55, 14.67 76.60, 16.67 102.02, 7.59 5.64, 6.72 11.59, 6.94
net_inspecao
N3 N6 N5
saida_corte saida_roll_form saida_punc corte_plasma saida_corte entrada_bend saida_bend bending estoque_inicial_blanks esteria_puncionadeira entrada_puncionadeira estoque_longarina puncionadeira saida_bend entrada_bend buffer_roll_form roll_form esteria_descarga_roll_form estoque_puncionadeira corte_plasma bending pos_saida_corte saida_corte 2.47, 6.83 6.98, 7.49 9.67, 6.76 5.67, 7.01 3.40, 6.86
kbk_saida_corte kbk_bending
N1 N2 N1 N3 N2
NET_OPERADOR
N1 N6 N6 N9 N16 N15 N15 N18 N19 N20 N21 N22 N15 N22 N22
******************************************************************************** * Resources * ******************************************************************************** Res Name talha_roll_entrada Units 1 Stats By Unit Search Ent Search Path Motion Empty: 50,50 mpm Cost
--------------------------- ------------ -------- ------- ------ ------------------------- ------------------- -----------Closest Oldest kbk_roll_entrada
Home: N1 (Return)
talha_roll_saida
By Unit
Empty: 50,50 mpm Full: 50,50 mpm Pickup: 2 Seconds Deposit: 2 Seconds
ponte_rolante
By Unit
Empty: 50,50 mpm Full: 50,50 mpm Pickup: 60 Seconds Deposit: 60 Seconds
talha_puncionadeira_entrada 1
By Unit
Closest Oldest kbk_puncionadeira_entrada Empty: 40,40 mpm Home: N1 (Return) Pickup: 5 Seconds Deposit: 5 Seconds Full: 40,40 mpm
inspetor
qtd_inspetor By Unit
Empty: 50 mpm Full: 50 mpm Empty: 40,40 mpm Full: 40,40 mpm Pickup: 5 Seconds Deposit: 5 Seconds
talha_saida_corte
By Unit
talha_bending
By Unit
(Return) Pickup: 5 Seconds Deposit: 5 Seconds OPER qtd_oper By Unit Closest Oldest NET_OPERADOR Home: N1 Empty: 50 mpm Full: 50 mpm
******************************************************************************** * Processing * ******************************************************************************** Process Entity Location Operation Blk 1 Output Destination Routing Rule FIRST 1 Move Logic -----------GET ponte_rolante AND 2 oper MOVE WITH ponte_rolante FREE ALL
longarina_1
entrada_roll_form
FIRST 30
longarina_1
entrada_roll_form
longarina_1
roll_form
FIRST 1
longarina_1
roll_form
INC roll_inspecao, 1 IF roll_inspecao = 30 THEN BEGIN GET oper WAIT 3 tempo_roll_form GRAPHIC 1 INC roladas, 1 FREE ALL END ELSE BEGIN tempo_roll_form GRAPHIC 1 INC roladas, 1 END 1 longarina_1 saida_roll_form FIRST 1 MOVE FOR .15
longarina_1
saida_roll_form
DEC cap_roll_form, 1 IF roll_inspecao = 30 OR roll_inspecao = 0 THEN BEGIN roll_inspecao = 0 GET inspetor WAIT 15 FREE ALL END ELSE BEGIN
longarina_1
esteria_descarga_roll_form EMPTY 1
longarina_1
estoque_puncionadeira
FIRST 1
longarina_1
estoque_puncionadeira
INC est_roll, 30 IF est_roll_max < est_roll THEN BEGIN est_roll_max = est_roll END ELSE BEGIN END 1 longarina_1 esteria_puncionadeira FIRST 1 DEC est_roll, 30 GET ponte_rolante AND 2 oper MOVE WITH ponte_rolante FREE ALL
longarina_1
esteria_puncionadeira
longarina_1
entrada_puncionadeira
FIRST 30
GRAPHIC 1 GET
longarina_1
entrada_puncionadeira
ciclo_puncionadeira = CLOCK( MIN) WAIT UNTIL cap_punc < 1 1 longarina_1 puncionadeira FIRST 1 INC cap_punc, 1 MOVE FOR .15
longarina_1
puncionadeira
INC punc_inspecao, 1 IF punc_inspecao = 30 THEN BEGIN GET oper WAIT 3 tempo_puncionadeira FREE ALL INC puncionadas, 1 END ELSE BEGIN tempo_puncionadeira INC puncionadas, 1 END 1 longarina_1 saida_punc FIRST 1 MOVE FOR .15
longarina_1
saida_punc
DEC cap_punc, 1 IF punc_inspecao = 30 OR punc_inspecao = 0 THEN BEGIN punc_inspecao = 0 GET inspetor WAIT 15 FREE ALL END ELSE BEGIN END 1 1 WAIT UNTIL cap_corte < 1 1 longarina_1 corte_plasma FIRST 1 INC cap_corte, 1 MOVE FOR .15 longarina_1 longarina_1 buffer_saida_punc entrada_corte FIRST 1 FIRST 1 MOVE FOR .15 MOVE FOR .15
longarina_1 longarina_1
buffer_saida_punc entrada_corte
longarina_1
corte_plasma
INC corte_inspecao, 1
IF corte_inspecao = 30 THEN BEGIN GET oper WAIT 3 tempo_corte FREE ALL INC cortadas, 1 END ELSE BEGIN tempo_corte INC cortadas, 1 END oper MOVE WITH talha_saida_corte FREE ALL longarina_1 saida_corte DEC cap_corte, 1 IF corte_inspecao = 30 OR corte_inspecao = 0 BEGIN corte_inspecao = 0 GET inspetor WAIT 15 FREE ALL END ELSE BEGIN END longarina_1 pos_saida_corte COMBINE 30 GRAPHIC 2 INC CONTADOR_ESTOQUE_FINAL, 1 IF CONTADOR_ESTOQUE_FINAL = 4 THEN BEGIN ROUTE 2 1 longarina_1 pos_saida_corte FIRST 1 MOVE THEN 1 longarina_1 saida_corte EMPTY 1 GET talha_saida_corte AND
CONTADOR_ESTOQUE_FINAL = 0 END ELSE BEGIN ROUTE 1 END oper MOVE WITH ponte_rolante FREE ALL INC est_long, 30 LOG "Ciclo Total", ciclo_total LOG "Ciclo Puncionadeira", ciclo_puncionadeira 1 longarina_1 estoque_longarina FIRST 1 GET ponte_rolante AND 2
longarina_1
entrada_bend
FIRST 1
CONTADOR_ENTRADA_BEND = 1 GET ponte_rolante AND 2 oper MOVE WITH ponte_rolante FREE ALL INC est_long, 30
longarina_1 longarina_1
estoque_longarina entrada_bend
WAIT 9000
1 1
longarina_1 longarina_1
EXIT bending
FIRST 1 FIRST 30 GRAPHIC 1 GET talha_bending AND oper MOVE WITH talha_bending FREE ALL
longarina_1
bending
GET oper WAIT 3 tempo_bend FREE ALL END ELSE BEGIN tempo_bend END 1 longarina_1 saida_bend FIRST 1 GET talha_bending AND oper MOVE WITH talha_bending FREE ALL longarina_1 saida_bend COMBINE 30 GRAPHIC 2 1 longarina_1 estoque_longarina FIRST 1 GET ponte_rolante AND 2 oper MOVE WITH ponte_rolante FREE ALL
******************************************************************************** * Arrivals * ******************************************************************************** Entity Location Qty each First Time Occurrences Frequency 0 999 1 1 GRAPHIC 2 INC roladas, 30 Logic
------------- ---------------------- ---------- ---------- ----------- ---------- -----------fardo_blank_1 estoque_inicial_blanks 1 longarina_1 esteria_puncionadeira 1
******************************************************************************** * Shift Assignments * ******************************************************************************** Locations Resources Shift Files Priorities Disable Logic
---------- --------------------------- ------------------------------ ------------ ------- -----------------roll_form talha_roll_entrada talha_roll_saida ponte_rolante talha_puncionadeira_entrada inspetor OPER talha_bending talha_saida_corte C:\Documents and Settings\Rena 99,99,99,99 No C:\Documents and Settings\Rena 99,99,99,99 No
******************************************************************************** * Attributes * ******************************************************************************** ID ciclo_total ciclo_saida Type Real Real Classification Entity Entity Entity
******************************************************************************** * Variables (global) * ******************************************************************************** ID est_roll cap_bend cap_roll_form Type Integer Integer Integer Initial value Stats 0 0 0 Time Series Time Series Time Series
cap_punc est_long cortadas est_roll_max roladas roll_inspecao punc_inspecao corte_inspecao CONTADOR_ENTRADA_BEND cap_corte bend_inspecao puncionadas
Integer Integer Integer Integer Integer Integer Integer Integer Integer Integer Integer Integer
0 0 0 0 0 -1 -1 -1 0 0 0 -1 0
Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series Time Series
CONTADOR_ESTOQUE_FINAL Integer
******************************************************************************** * Macros * ******************************************************************************** ID tempo_roll_form tempo_puncionadeira tempo_corte Text WAIT 1.5 WAIT 3.5 WAIT 1.5
------------------------ ------------
WAIT 3 1 1 1 1 2 3 4
******************************************************************************** * External Files * ******************************************************************************** ID (null) (null) Type Shift Shift File Name C:\Documents and Settings\Renato Brighenti\Meus documentos\TURNO3.sft C:\Documents and Settings\Renato Brighenti\Meus documentos\TURNO2.sft Prompt
ANEXO 2
Equipamentos da linha de manufatura estudada ROLL FORM
PUNCIONADEIRA
CORTE A PLASMA
DOBRADEIRA