APLICAÇÃO DA SIMULAÇÃO COMPUTACIONAL …€¦ · elementos desnecessários na produção ... A...
Transcript of APLICAÇÃO DA SIMULAÇÃO COMPUTACIONAL …€¦ · elementos desnecessários na produção ... A...
APLICAÇÃO DA SIMULAÇÃO
COMPUTACIONAL PARA AVALIAÇÃO
DE CAPACIDADE PRODUTIVA:
ESTUDO DE CASO EM UMA EMPRESA
DO SETOR METAL-MECÂNICO
Carolina Gandolfi de Araujo (PUCRS)
Fernando de Oliveira Lemos (PUCRS)
A busca pelo aumento da capacidade produtiva é um objetivo comum
na maior parte das empresas. Antes de investir em maquinários novos
e na contratação de funcionários a empresa deve fazer uma análise das
possíveis mudanças operacionais que ppodem aumentar a capacidade
do sistema sem o investimento em recursos extras. Dessa forma,
técnicas da produção enxuta, como a eliminação de perdas e
mapeamento do fluxo de valor podem servir como ferramentas de
apoio nessa busca. Este artigo tem como objetivo apresentar
alternativas para o aumento da capacidade produtiva em uma empresa
do ramo de equipamentos rodoviários, por meio da simulação
computacional. Com o uso da simulação computacional, do
mapeamento do fluxo de valor e da realocação dos recursos
disponíveis na empresa foi proposta uma sistemática de trabalho
dividida em três fases que resultaram na identificação de quatro
diferentes cenários, os quais atingiram um aumento na capacidade
produtiva da empresa de até 75%.
Palavras-chaves: Produção Enxuta; Mapeamento do Fluxo de Valor;
Simulação Computacional; Capacidade Produtiva
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
2
1. Introdução
No atual cenário competitivo, muitas empresas estão alterando seus métodos de produção com
o objetivo de aumentar a eficiência dos processos. Neste caso, uma das bases estratégicas
mais importantes para a tomada de decisões é o conhecimento da capacidade produtiva. A
estimativa da capacidade depende de muitos fatores, e a busca pelo aumento da capacidade
exige o conhecimento de todos os fatores que afetam o processo produtivo (MOREIRA, 1998;
YANG et al., 2008).
Um dos métodos mais adotados para melhorar o rendimento de uma empresa é o Sistema de
Produção Enxuta (PAY, 2008), que segue a premissa de produzir somente a quantidade
necessária, no momento necessário, com baixo custo e a eliminação de desperdícios e de
elementos desnecessários na produção (OHNO, 1997).
Para uma organização adotar conceitos de Produção Enxuta, é necessário que a mesma
conheça os seus processos detalhadamente, saiba em qual estágio da produção seu
desempenho operacional está sendo prejudicado e quais as perdas afetam a produção
(ARGOUND et al., 2004).
Para a identificação das perdas e melhor entendimento do processo produtivo, pode-se
fazer uso da técnica de Mapeamento do Fluxo de Valor (MFV), que se baseia na modelagem
de processos para auxiliar na localização das fontes de desperdícios e na elaboração de planos
de melhorias (FERRO, 2003). Em conjunto com a técnica de MFV, algumas empresas vêm
usando ferramentas computacionais de simulação para auxiliar nas análises e melhorias
definidas a partir do MFV (PAÇO, 2006).
Estas ferramentas são usadas para complementar o MFV, pois permitem a validação dos
fluxos atuais de materiais e informações e a avaliação de diferentes alternativas para
otimização destes fluxos (SOLDING; GULLANDER, 2009). Além disso, a simulação
permite avaliar a variabilidade do sistema, possibilitando análise dos impactos que irão
ocorrer em um processo dinâmico (LIAN; VAN LANDEGHEM, 2002).
O objetivo deste trabalho é apresentar uma sistemática de simulação computacional para
avaliação de mudanças operacionais que proporcionam aumento da capacidade produtiva. A
sistemática proposta foi aplicada em uma empresa de médio porte do setor metal-mecânico,
com o objetivo específico de analisar a capacidade de produção de uma linha de montagem.
Encontrar maneiras de aumentar a capacidade sem o investimento em recursos extras é uma
das vantagens da simulação computacional de processos produtivos, o que possibilitou neste
trabalho a análise de diferentes cenários com aplicação de melhorias.
2. Referencial teórico
Nesta seção é apresentada a revisão bibliográfica dos principais temas abordados no trabalho:
Capacidade Produtiva, Mapeamento do Fluxo de Valor e Simulação Computacional.
2.1. Capacidade produtiva
A capacidade produtiva é definida como a quantidade máxima de produtos e serviços que
podem ser produzidos em um determinado intervalo de tempo (MOREIRA, 1998). No cálculo
da capacidade de um processo devem ser consideradas as paradas programadas, o mix de
produtos, padrões de qualidade e métodos de programação. A capacidade realmente utilizada
considera também os imprevistos que acontecem durante a produção, ou seja, paradas não
programadas (HEIZER; RENDER, 2001; KLIPPEL et al., 2003).
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
3
O dimensionamento da capacidade de qualquer sistema produtivo é feito a partir da previsão
de demanda dos produtos, que direciona a quantidade de recursos necessários para atender a
demanda futura (PERONI, 2000).
Para o estudo da viabilidade do aumento da capacidade é necessário conhecer a capacidade
atual e prever as necessidades de capacidade futura. Uma das soluções para o aumento da
capacidade produtiva, sem investimento na aquisição de novos recursos, consiste na
identificação e eliminação das perdas que atuam no sistema de manufatura, conceito aplicado
em sistemas com base na Produção Enxuta (ANZANELLO et al., 2009).
Para a eliminação dos desperdícios e, consequentemente, aumento da eficiência da produção,
é necessária a identificação das perdas da produção, classificadas em perdas por (SHINGO,
1996): (i) superprodução; (ii) espera; (iii) transporte excessivo; (iv) processos inadequados;
(v) inventário desnecessário; (vi) movimentação desnecessária; e (vii) produtos defeituosos.
Além das sete perdas citadas acima, vem sendo introduzido o conceito da oitava perda
referente a não utilização da criatividade dos funcionários (LIKER, 2004).
Devido à complexidade de um sistema produtivo, a identificação de perdas deve ser realizada
de forma estruturada como, por exemplo, utilizando o Mapeamento do Fluxo de Valor (MFV)
(NAZARENO, 2003).
2.2. Mapeamento do fluxo de valor
O MFV tem como objetivo a representação gráfica de todas as etapas envolvidas nos fluxos
de materiais e de informação dentro de um processo produtivo, buscando o atendimento das
necessidades dos clientes, desde o pedido até a entrega (ROTHER; SHOOK, 2003; WEE;
WU, 2009). Este mapeamento detalhado permite a identificação das perdas e
compartilhamento de informação entre as áreas produtivas (PRADO, 2006).
A primeira etapa do MFV é a definição do produto ou família de produtos que será mapeada
(ROTHER; SHOOK, 2003). A segunda etapa é o desenho do estado atual do processo
produtivo analisado, a partir da coleta de informações do fluxo de produção (NAZARENO,
2003). A terceira etapa é o desenho do mapa futuro, que deve representar o que é esperado
dos fluxos de materiais e informações sem as perdas atuais identificadas no mapa atual. A
última etapa aborda a elaboração do plano de implantação do mapa futuro, detalhando como
se pretende chegar ao estado futuro (ROTHER; SHOOK, 2003).
O MFV tem limitações como, por exemplo, a não incorporação da variabilidade dos
parâmetros de produção na análise. Para minimizar este tipo de limitação utiliza-se a
Simulação Computacional como ferramenta de apoio ao MFV (LIAN; VAN LANDEGHEM,
2002; OLIVEIRA, 2008).
2.3. Simulação computacional
A simulação computacional vem ganhando espaço no cenário industrial para a análise de
sistemas complexos (SOLDING; GULLANDER, 2009). A representação de um sistema real
por meio de modelos lógicos e matemáticos, que tentam representar o comportamento do
mesmo, de forma lógica, acurada e através do tempo, permite prever o desempenho de uma
operação e explorar diferentes cenários (PADGEN; SHANON; SADOWSKI, 1995; LAW;
KELTON, 2000; ROBINSON, 2004).
Diversos autores como McHaney (1991), Strack (1984), Harrel et al. (2007), sugerem
métodos para a desenvolvimento de um modelo computacional. Neste estudo será utilizada a
sistemática sugerida por Law e Kelton (2000): (i) Formular o problema e planejar o estudo;
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
4
(ii) Coletar dados e definir o modelo; (iii) Validar o modelo conceitual; (iv) Construir o
modelo computacional e verificá-lo; (v) Executar o modelo; (vi) Validar o modelo; (vii)
Especificar parâmetros da simulação; (viii) Executar diferentes simulações; (ix) Analisar os
resultados; e (x) Documentar os resultados obtidos.
Os principais objetivos na simulação de um processo produtivo são o estudo dos tempos de
operação, do layout utilizado, da movimentação dos materiais, de avaliação de investimento
em equipamentos e processos e da capacidade produtiva (HARREL et al., 2007). Paço (2006),
por exemplo, avaliou o uso da simulação como ferramenta de apoio na construção de mapas
futuros que aplicassem conceitos de Produção Enxuta. Soares et al. (2011) buscaram a
reestruturação do layout produtivo, via simulação, para aumento da produtividade e redução
do lead time. Gujarathi, Ogale e Gupta (2004) avaliaram, através da simulação, mudanças
para aumento da capacidade produtiva.
Na busca do aumento da capacidade produtiva, a simulação computacional pode auxiliar tanto
na análise do processo de MFV quanto na avaliação da implantação de conceitos da Produção
Enxuta (ABDULMALEK; RAJGOPAL, 2007).
3. Sistemática proposta
O presente trabalho propõe uma sistemática de avaliação de mudanças operacionais em um
processo produtivo, utilizando técnicas de mapeamento do fluxo de valor para identificação
dos desperdícios na linha de produção, e de simulação computacional para validação do MFV
e análise de diferentes cenários (Figura 1).
O método apresentado é segmentado em três etapas: (i) Planejamento e Formulação do
Problema; (ii) Modelagem Computacional; e (iii) Experimentação e Conclusão. A sistemática
é detalhada na seção de aplicação prática.
Figura 1 – Fluxograma do método de trabalho proposto
Fonte: Adaptado de Law e Kelton (2000), Rother e Shook(2003), e Freitas (2001)
4. Aplicação prática
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
5
Neste estudo a sistemática proposta foi aplicada em uma linha de produção e a definição dos
cenários simulados considerou apenas o fluxo de materiais dentro do processo, não sendo
considerado o fluxo de informações.
4.1. Planejamento e formulação do problema
Esta etapa aborda o planejamento do estudo e formulação do problema, coleta de dados,
criação do modelo conceitual, desenho do mapa do estado atual, identificação das perdas da
produção e validação do modelo conceitual.
4.1.1 Formulação do problema e planejamento do estudo
O primeiro passo é definir a problemática a ser estudada, onde vai ser aplicado o estudo e
quais são os objetivos do trabalho. Pelo fato da empresa não saber qual é a capacidade
máxima da linha de montagem, a análise da capacidade produtiva foi definida como a
problemática a ser abordada. Desta forma, objetivo do trabalho é avaliar mudanças
operacionais, focadas em eliminação de perdas, buscando o aumento da capacidade produtiva.
Após a definição do produto que será analisado na linha de montagem e do objetivo, foi
realizado o planejamento da etapa de coleta de dados necessários para a criação do modelo
conceitual e para o MFV da linha de montagem. Nesta etapa foram levantadas informações no
chão de fábrica bem como em entrevistas com os colaboradores de diversos setores da
empresa.
4.1.2 Coleta de dados e desenvolvimento do modelo conceitual
A montagem do produto inicia com uma ordem de produção de uma configuração básica do
produto para estoque (configuração com possibilidade de customização segundo demanda do
cliente). Quando ocorre a entrada de um pedido de cliente, os itens voltam ao processo para as
customizações requisitadas. Esta estratégia de produção é utilizada devido ao longo lead time
de produção, disponibilidade de peças do fornecedor e demanda variável do produto
analisado.
O fluxo de materiais que representa o modelo conceitual é representado pelo MFV
apresentado no APÊNDICE A. Para a execução deste trabalho foram coletados os tempos de
operação em cada centro de trabalho da linha em estudo e os recursos alocados a ela. A coleta
de dados foi realizada através de visitas ao local em que o estudo foi executado, entrevistas
com funcionários e pesquisa nas bases de dados fornecidas pela empresa.
Na coleta dos tempos de operação foram feitas 10 medições, com o intuito de retratar
variações de tempos no modelo computacional e desenvolver um modelo preciso. Também
foram coletados os tempos de movimentação entre as estações de trabalho.
4.1.3 Mapeamento do estado atual e identificação de perdas
O desenho do mapa do estado atual discrimina informações como, por exemplo, número de
operadores em cada centro de trabalho, existência de estoques intermediários, tempo
disponível, tempo de atravessamento e tempo de ciclo.
Com a coleta dos dados da empresa, foi possível a elaboração do mapa do fluxo de valor atual
da linha de produção (APÊNDICE A). A partir do mapa foi possível identificar quatro tipos
de perdas: (i) Perda por espera; (ii) Perda por processamento; (iii) Perda pelo não uso da
criatividade dos colaboradores; e (iii) Perda por superprodução antecipada.
A perda por espera pode ser verificada devido ao elevado tempo de processamento na pré-
montagem (1.759,4 min), bloqueando a entrada do produto na montagem. A perda por
processamento foi identificada na estação E5 e de finalização; foi constatada uma perda de
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
6
118 minutos em atividades desnecessárias na estação E5 e na estação de finalização foi
identificada uma perda de 40 minutos em processamentos desnecessários. A perda por
superprodução antecipada ocorre devido à estratégia de produção para estoque de
equipamento na configuração básica.
4.1.4 Validação do modelo conceitual
Antes do desenvolvimento do modelo computacional é fundamental a validação do modelo
conceitual. Esta validação é realizada através da comparação entre as informações descritas
no mapa conceitual e o processo real.
A validação visa assegurar que o modelo retrate o verdadeiro cenário de produção e evitar a
ajustes futuros no modelo após a execução da simulação. No caso deste estudo, uma equipe da
empresa avaliou o modelo conceitual, discriminado no APÊNDICE A, e consideraram que o
modelo representa de forma satisfatória o processo atual da empresa. Nesta etapa também
foram validadas algumas simplificações para o modelo: (i) o modelo representou a simulação
de 4 semanas de funcionamento da linha de montagem; (ii) o modelo considerou somente o
fluxo da célula de pré-montagem até a inspeção final; (iii) foi considerado que as peças estão
sempre disponíveis para a montagem; e (iv) os operadores estão sempre disponíveis.
4.2. Modelagem computacional
O software utilizado para a modelagem computacional foi o ProModel, este software foi
escolhido devido a disponibilidade do mesmo para o desenvolvimento do estudo.
4.2.1 Construção e verificação modelo computacional
Uma vantagem da simulação computacional é a possibilidade de retratar a variação dos
tempos no sistema, diferentemente do MFV em que é usado um tempo médio em cada
operação. Dessa forma, foi utilizada a ferramenta StatFit, disponível no ProModel, para
definição das distribuições de probabilidade dos tempos de operação de cada estação de
trabalho.
A Figura 2 apresenta a representação gráfica do modelo computacional. A verificação do
modelo computacional foi feita após várias rodadas de simulação e não ser constatado
qualquer erro no modelo.
Figura 2 – Modelo Computacional
Fonte: Elaborado pelos autores
4.2.2 Simulação da capacidade de produção e validação do modelo
As rodadas de simulação do modelo computacional permitiram a obtenção da capacidade
máxima do sistema. Segundo o resultado da simulação, dentro de 4 semanas de
funcionamento da linha de montagem foram montados 12 equipamentos. Apesar de a empresa
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
7
não saber sua capacidade operacional, o número encontrado na simulação (12 equipamentos
montados em 4 semanas) foi considerado coerente pela equipe da empresa.
A validação do modelo foi feita analisando o lead time apresentado no mapa do estado atual
(APÊNDICE A), que foi de 81,35h, o qual representa a soma dos tempos em operação e os
tempos de espera no sistema. O lead time obtido na simulação foi de 74,38 horas. A diferença
entre os lead times é por causa das restrições da ferramenta de mapeamento do fluxo de valor;
o qual não considera variações de tempos no sistema, nem os tempos em que os recursos estão
indisponíveis. Desta forma a equipe da empresa validou o modelo computacional,
considerando que a diferença foi resultado do MFV não levar em conta as variações de tempo
das operações.
4.3. Experimentação e análise de resultados
Nesta etapa foi simulado somente um cenário para o aumento da capacidade, considerando
propostas para eliminação das perdas identificadas no mapeamento do fluxo de valor. O
cenário simulado representa uma mapa futuro que visa a eliminação da perda por
processamento e da perda pelo não uso da criatividade dos colaboradores.
A perda de processamento foi identificada pelo gestor da Engenharia de Processos. Na
estação E5 foi identificada uma atividade executada de forma indevida, que durava 219,7
minutos e que exigia o manuseio de um equipamento. Caso o equipamento fosse utilizado de
forma correta, o tempo de ciclo da atividade seria de 101,7 minutos.
Além disto, percebeu-se que 40 minutos na estação de finalização não agregavam valor ao
produto final, esses 40 minutos eliminados eram de pintura de componentes e que não eram
importantes para o consumidor final. Na simulação desse cenário foram realizados ajustes nos
tempos de operação nas estações E5 e de finalização (redução de 158 minutos).
De acordo com os montadores da linha de produção, muitos dos processos efetuados na pré-
montagem são dedicados ao abastecimento de apenas uma estação; dessa forma foi sugerida a
criação de 4 pré-montagens adjacentes a cada estação de montagem (E1, E2, E3, e E4). Com a
criação das estações de pré-montagem os tempos de operação da estação única de pré-
montagem foram distribuídos e o tempo de espera das estações clientes da estação de pré-
montagem diminuiu, acarretando na diminuição do tempo ocioso e aumento da produtividade
nas estações de montagem.
Para essa simulação a equipe da empresa indicou quais tempos de operações dentro da pré-
montagem eram referentes a cada estação. O resultado obtido neste cenário foi de um
acréscimo de 9 unidades na produção de 4 semanas se comparado com o cenário atual,
totalizando a saída de 21 equipamentos finalizados.
O tempo de lead time apresentado é baseado na saída do sistema de um produto. No cenário
atual o lead time de produção de um item ficou em média em 74,93h. No cenário que testou
as melhorias, o lead time obtido foi de 34,03h, uma redução de 55% neste indicador.
Na Figura 3 percebe-se, que apesar de ocorrer o aumento da capacidade produtiva do sistema
e o aumento do tempo de operação dos locais no Cenário 3, as estações 3, 4, 5 e inspeção 1
passaram a ter parte dos seus tempos disponíveis bloqueados (cor rosa no gráfico). Isto
ocorreu devido à criação das estações de pré-montagens adjacentes às estações, as quais
possibilitaram o aumento do tempo em montagem nos centros de trabalho E1, E2, E3 e E4. O
setor de teste é o gargalo neste cenário, acarretando em espera nas estações 4 e 5.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
8
Complementar à comparação do lead time e da capacidade produtiva, houve um significativo
ganho na redução do tempo de espera dos locais dos cenários sugeridos, conforme pode ser
analisado no APÊNDICE B. Além do aumento da capacidade produtiva, este modelo
aumentou consideravelmente a porcentagem do tempo de operação dos locais conforme
Figura 3.
Figura 3 – - Estados dos locais no cenário atual e no cenário com melhorias
Fonte: Elaborado pelos autores
5. Considerações finais
Este trabalho teve como objetivo apresentar uma sistemática de aumento da capacidade
produtiva por meio de mudanças operacionais. Com o auxilio da simulação computacional
chegou-se a conclusão de que é possível avaliar mudanças que podem aumentar a capacidade
de um sistema, mudanças estas definidas a partir do mapeamento do processo produtivo e pela
identificação dos desperdícios.
Na simulação realizada notou-se que a busca pela eliminação da oitava perda é de extrema
importância, pois sem ouvir os funcionários e incentivar o uso de suas criatividades, as
empresas correm o risco de perder sugestões de melhorias muito importantes para a
otimização dos processos produtivos. A perda pela não utilização da criatividade dos
colaboradores é de suma importância para as empresas, pois além de ser uma forma de
reconhecimento dos funcionários, é uma forma das empresas obterem vantagens competitivas
e torná-las mais competitivas no mercado.
Apesar da eliminação da perda por processamento ter resultado na produção de apenas um
produto a mais, ela é fundamental em um processo, pois além de permitir o aumento de
capacidade, esta mudança reduz custos da empresa em função da redução de materiais
utilizados da execução de trabalhos dispensáveis.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
9
Por fim, concluiu-se que o uso da simulação computacional é uma ótima ferramenta para o
auxilio no processo de tomada de decisões nas empresas. O uso da ferramenta de MFV foi de
extrema importância para o trabalho, pois é uma maneira de organizar os fluxos envolvidos na
produção e de identificar as etapas críticas no processo. Etapas estas que foram o foco de
melhoria na simulação computacional.
Apesar da ferramenta de MFV ter auxiliado na sistemática proposta para o aumento da
capacidade produtiva do sistema. Foi possível constatar ao longo do trabalho as limitações
desta ferramenta e que podem ser aprimoradas pelo uso da simulação. O mapeamento do
fluxo de valor não representa um comportamento estocástico do sistema e a simulação
permite a representação da variabilidade dos tempos no sistema, e por isso permite identificar
comportamentos e situações que não são percebidas no MFV.
Do ponto de vista acadêmico, este trabalho foi muito importante para o entendimento da
possibilidade de integrar as diferentes técnicas abordadas buscando atingir o mesmo objetivo
final. Sendo possível comparar as ferramentas de MFV e de simulação computacional, bem
como avaliar os benefícios na utilização de ambas as ferramentas.
Referências
ABDULMALEK, F. A. & RAJGOPAL, J. Analyzing the benefits of lean manufacturing
and value stream mapping via simulation: A process sector case study. In: International
Journal of Production Economics, v.107, pg. 223-236, 2007.
ANZANELLO, M. J.; FALCÃO, A. S. G.; FOGLIATTO, F. S & FILOMENA, T. P. Análise de perdas e melhorias baseadas em conceitos de produção enxuta na indústria
vinícola. Revista Gestão Industrial, Ponta Grossa, v. 5, n.1, p. 141-154, 2009.
ARGOUND, A. R. T. T.; CARDOZA, E.; FORTULAN, M. R. F. & FILHO, E. V. G. Aplicação de conceitos de produção enxuta em um ambiente de alta diversidade de produtos
e demanda variável: Um estudo de caso. In: XXIV Encontro Nacional de Engenharia de
Produção – ENEGEP, Florianópolis, 2004.
FERRO, J. R. A essência da ferramenta Mapeamento do Fluxo de Valor. São Paulo: Lean
Institute Brasil, 2003.
FREITAS, F. P. Introdução a modelagem e simulação de sistemas - Com aplicações em
arena. Florianópolis: Visual Books, 2001.
GUJARATH, N. S.; OGALE, R. M. & GUPTA, T. Production capacity analysis of a shock
absorber assembly line using simulation. In: Proceedings of the 2004 Winter Simulation
Conference , Washington, 2004
HARREL, C. R.; MOTT, J. R. A.; BATEMAN, R. E.; BOWDEN, R. G. & GOGG, T. J.
Simulação otimizando os sistemas. São Paulo: IMAM, 2007.
HEIZER, J.; RENDER, B. Administração de operações. 5. Ed. Rio de Janeiro: LTC, 2001.
KLIPPEL, A. F., ANTUNES, J. A. V., KLIPPEL, M. & JORGE, R. R. Estratégia de
gestão dos postos de trabalho – Um estudo de caso na indústria de alimentos. In: XXIII
Encontro Nacional de Engenharia da Produção – ENEGEP, Ouro Preto, 2003.
LAW, A. M. & KELTON, W. D. Simulation modeling and analysis. 3. Ed. McGraw-Hill
Higher Education, 2000.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
10
LIAN, Y. H. & VAN LANDEGHEM, H. An application of simulation and value stream
mapping in lean lanufacturing. In: Proceedings of the 14th European Simulation Symposium,
Dresden, 2002.
LIKER, J. 14 Management principles from the world's greatest manufacturer. Nova York:
McGraw-Hill, 2004.
MCHANEY, R. Computer simulation: A pratical perspective. San Diego: Academic Press,
1991.
MOREIRA, D. A. Administração da produção e operações. 3. Ed. São Paulo: Pioneira,
1998.
NAZARENO, R. R. Desenvolvimento e aplicação de um método para implementação de
sistemas de produção enxuta. São Carlos: Dissertação de Mestrado USP, 2003.
OHNO, T. O sistema Toyota de produção, além da produção em larga escala. Porto Alegre:
Bookman, 1997.
OLIVEIRA, C. S. Aplicação de técnicas de simulação em projetos de manufatura enxuta.
Estudos Tecnológicos, São Leopoldo, v. 4, n.3, p. 204-217, set./dez. 2008.
PADGEN, C. D; SHANON, R. E. & SADOWSKI, R. P. Introduction to simulation using
SIMAN. 2.ed. Nova York: McGraw-Hill, 1995.
PAÇO, T. R. Avaliação do uso de simulação como ferramenta complementar no
desenvolvimento do mapeamento do fluxo de valor futuro. São Carlos: Dissertação de Pós
Graduação USP, 2006.
PAY, R. Everybody's jumping on the lean bandwagon, but many are being taken for a ride.
IndustryWeek, Cleveland, maio, 2008.
PERONI, P. Desenvolvimento de modelo de gestão da capacidade produtiva de unidades de
tratamento manual de carga postal. Dissertação de Pós Graduação UFRGS, 2000.
PRADO, C. S. Proposta de um modelo de desenvolvimento de produção enxuta com
utilização da ferramenta Visioneering. São Carlos: Dissertação de Mestrado USP, 2006.
ROBINSON, S. Simulation: The practice of model development and use. Chichester: John
Wiley & Sons Ltd, 2004.
ROTHER,M. & SHOOK, J. Learning to see – Value Stream Mapping to add value and
eliminate muda. São Paulo: Lean Institute Brasil, 2003.
SHINGO, S. O sistema Toyota de produção: do ponto de vista da engenharia de produção.
2. ed. Porto Alegre: Bookman, 1996.
SOARES, J. P.; LEMOS, F. O.; ARAÚJO, C. L. K. & HANSEN, P. B. A contribuição da
simulação computacional para a análise sistêmica da reestruturação de layout e otimização
de recursos na manufatura celular: Estudo de caso em uma célula de uma empresa do ramo
automotivo. Produto & Produção, Porto Alegre, v. 12, n.3, p. 49-68, out. 2011.
SOLDING, P. & GULLANDER, P. Concepts for simulation based value stream mapping.
In: Proceedings of the 2009 Winter Simulation Conference. Austin, 2009.
STRACK, J. GPSS: Modelagem e simulação de sistemas. Rio de Janeiro: LTC, 1984.
XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção
Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.
11
WEE, H. M.. & WU, S. How lean supply chain effects products cost and quality – A case
study of the Ford motor company. Supply Chain Management: An International Journal, v.
14, n.5, p. 335-341, mar./ago. 2003.
YANG, T. Y.; ZHANG, D.; CHEN, B. & LI, S. Research on dimulation and evaluation of
production running in digital factory environment. In: Symposium on Computer Science and
Computational Technology, Shangai, 2008.
APÊNDICE A - Mapa do Estado Atual
APÊNDICE B - Comparativo dos Tempos de Espera dos Locais
Cenário Atual
Cenário 1 Cenário 2
Cenário 3 Cenário 4