BALANCEAMENTO DE CÉLULAS

FLEXÍVEIS DE MANUFATURA PELA

OTIMIZAÇÃO DAS CONDIÇÕES

OPERACIONAIS E USO DO SOFTWARE

ARENA

Jose Martinele Alves Silva (UNINOVE)

jmartinele@gmail.com

Milton Vieira Júnior (UNINOVE)

mvieirajr@ig.com.br

Nivaldo Lemos Coppini (UNINOVE)

ncoppini@terra.com.br

Elesandro Antonio Baptista (UNINOVE)

elesandro@elesandroab.eng.br

Gisele Castro Fontanella Pileggi (UNINOVE)

gipileggi@aol.com

Nas indústrias manufatureiras, onde são encontrados ambientes de

produção flexíveis, uma das principais estratégias empregadas no

sistema produtivo é a Manufatura Celular. Este sistema envolve o

agrupamento de peças em famílias de peças e oo agrupamento de

máquinas em Células de Manufatura. Com a introdução desta

estratégia, as empresas adquirem maior flexibilidade de resposta às

exigências dos clientes, atendendo a uma demanda mais variada de

produtos. Assim, justifica-se a realização de pesquisas em Manufatura

Celular particularmente no que se refere ao maior aprofundamento

nos aspectos que tratam do balanceamento das Células de Manufatura.

Em muitas indústrias o balanceamento de uma Célula de Manufatura é

efetuado de uma forma que será entendida neste trabalho como sendo

a tradicional, ou seja, o fluxo da produção é estabelecido com base no

fluxo de produção da máquina gargalo. Além disso, as condições

operacionais das máquinas da célula de manufatura são selecionadas

a partir de dados retirados do catálogo do fornecedor da ferramenta.

Evidentemente estas condições nem sempre são as ideais. Eventuais

balanceamentos da célula são realizados de forma nem sempre a levar

a um balanceamento otimizado da célula de manufatura com base em

otimização das referidas condições operacionais. Este trabalho tem

por objetivo o balanceamento de células de manufatura pela utilização

do software de simulação Arena. Com este recurso foi possível

comparar o balanceamento tradicional com uma proposta de utilizar-

se uma velocidade de corte otimizada na máquina gargalo. Os

resultados mostraram-se positivos após balanceamento de uma célula

modelo, gerada a partir do software Arena.

XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente.

São Carlos, SP, Brasil, 12 a15 de outubro de 2010.

2

Palavras-chaves: Arena, Balanceamento de Células; Simulação;

Usinagem

3

1.1 1. Introdução

O mercado, atualmente, condiciona as empresas a manterem-se competitivas, enfrentando

imposições para melhorar sua capacidade produtiva (KESEN et al., 2009). As empresas que

conseguem promover alterações em seu sistema produtivo com agilidade são as prováveis

sobreviventes neste ambiente altamente competitivo, que voraz, devora aquelas que não

acompanham as exigências do mercado.

A manufatura celular (MC) é abordada como uma das principais estratégias utilizadas pelas

indústrias de manufatura, pois proporciona a redução de custos com o aumento de

produtividade, que é um fator de peso para o alcance e manutenção da competitividade e foco

de diversas pesquisas até os dias de hoje. Um ponto de concordância no gerenciamento da

produção vem do fato que a MC consegue atrair grandes melhorias para a organização, mas à

custa de alterações radicais no modo de produzir, envolvendo muitos departamentos e

consumindo certos recursos da empresa (TAHARA et al., 1997).

A MC trata-se da formação que envolve o agrupamento de peças em famílias de peças e o

agrupamento de máquinas em células de manufatura, sendo este sistema também conhecido

como Tecnologia de Grupo (TG). Para Gonçalves e Resende (2004) a MC, é definida como

uma abordagem para a otimização do trabalho em que as unidades organizacionais de

produção são grupos relativamente independentes, sendo que cada unidade é responsável pela

produção de uma determinada família de produtos.

Para Conceição (2005) a adoção do sistema produtivo baseado na arquitetura de células de

manufatura permite somar os benefícios dos sistemas orientados por produto e por processo,

quebrando, desta forma, o paradigma de que não é possível obter simultaneamente vantagens

de economia, de variedade e médias taxas de produção.

Entretanto, com a implantação da MC surge a necessidade de manter este sistema produtivo e

uma das tarefas mais comuns diz respeito ao balanceamento das células de manufatura. Uma

célula de manufatura pode ser balanceada ou não. Balancear corresponde a igualar os tempos

de processamento e, conforme Black (1998) uma célula não precisa ser essencialmente

balanceada, mas nenhum tempo de processamento individual pode ser maior do que o tempo

takt.

Para a empresa, é essencial que a sua produção esteja sincronizada com a sua demanda de

forma que garanta sempre o melhor emprego dos seus recursos. Uma das maneiras utilizadas

para atingir estes objetivos é aplicando o balanceamento na linha de produção.

Entretanto, fazer o balanceamento numa linha de produção demanda muito tempo e, muitos

são os casos em que profissionais dedicam horas para esta tarefa. Nestes casos, faz-se

necessária uma análise para ver se o balanceamento é viável (ALMEIDA et al., 2006).

Para Almeida et al. (2006), uma das soluções para promover o balanceamento seria por meio

de simulação computacional. A simulação pode transmitir informações precisas e efetuar

diversos testes de análise rapidamente, promovendo informações que podem ser a base para a

tomada de decisões. Através da simulação pode-se prever o comportamento de sistemas ou o

efeito da mudança de um parâmetro em seu regime de funcionamento (ALMEIDA FILHO et

al., 2005).

4

No presente trabalho será abordada a comparação de dois cenários de produção de uma

empresa metalúrgica, denominada Alpha, a ser realizada com base em resultados obtidos a

partir de software de simulação.

O primeiro cenário de produção visa demonstrar os tempos de produção de peças a partir do

processamento feito máquinas de uma célula de manufatura em que o balanceamento é

efetuado utilizando-se de parâmetros operacionais obtidos a partir de informações do catálogo

do fabricante da ferramenta utilizada no processo de usinagem da peça.

No segundo cenário, já tendo em mãos as informações coletadas na simulação do primeiro

cenário, no qual foram destacados os tempos e estoques que impliquem em perdas, serão

aplicados novos parâmetros operacionais nos elementos que propiciam o gargalo ou geração

de filas nos estoques. Estes parâmetros são provenientes de uma referência obtida por um

método de otimização conhecida como VCMC. Os valores desta referência serão aplicados até

que se obtenham resultados satisfatórios no modelo de simulação.

2. Manufatura celular

A Manufatura Celular (MC) surgiu como uma forma promissora para as indústrias

manufatureiras resolverem diversos problemas existentes em seu sistema produtivo, tendo que

concentrar esforços para alcançar o aumento de produtividade e, sobretudo, mantendo o foco

nas exigências dos clientes que, sendo que estas, cada vez mais diversificadas, determinam as

tendências de consumo dos mercados.

Para estas indústrias, a nova organização do sistema produtivo trouxe grandes benefícios em

fatores muito importantes para as empresas como redução no tempo gasto com a produção e

maior controle e manutenção do sistema de produção (TRINDADE e OCHI, 2006). A MC

surgiu no início dos anos 1960 como uma estratégia capaz de resolver certos problemas de

complexidade no tempo de produção e prazos de entrega das mercadorias nos sistemas

baseados na produção em lote (GONÇALVES e RESENDE, 2004). Para Burbidge apud

Gonçalves e Resende (2004) a MC, também conhecida como Tecnologia de Grupo (TG) é

definida como uma abordagem para a otimização do trabalho em que as unidades

organizacionais de produção são grupos relativamente independentes, sendo que cada unidade

é responsável pela produção de uma determinada família de produtos.

A MC é caracterizada pelo agrupamento de uma ou mais máquinas ligadas pela

movimentação conjunta de materiais, sob o controle de uma célula centralizadora, com o

objetivo de atender às necessidades de fabricação de uma família de peças (CONCEIÇÃO;

2005). As peças são agrupadas em famílias dependendo de certas características, como

similaridade da geometria das mesmas ou dos processos de fabricação (OLORUNNIWO e

UDO, 2002). Essa definição de manufatura celular enfatiza, sobretudo, o sentido de

configuração conceitual de hardware, além do objetivo geral de um sistema de MC

automatizado (CHEN et al., 2001). Essa definição coloca ainda uma ênfase muito acentuada

na questão do problema de como fazer o agrupamento de máquinas e na formação de células,

tratando de maneira muito simplificada o problema da integração entre tempo, espaço e

informação na definição do sistema de MC (YAUCH e STEUDEL, 2002). Abaixo é

apresentada a Figura 1 de um sistema produtivo tradicional (job shop) e um sistema de MC,

com três células de manufatura.

As principais vantagens da MC encontradas na literatura dizem respeito à redução no tempo

de setup (preparação) das máquinas, redução no tempo de processamento, redução do WIP

(Work In Process) – redução de estoques de produtos em processos, redução dos custos com

5

movimentação de materiais, melhor qualidade e controle de produção, incremento da

flexibilidade na produção dos produtos, etc. (MAHDAVI et al., 2009).

Entretanto, na manutenção da MC tem-se o balanceamento de uma linha de produção, ou

célula de manufatura, que se faz necessário, pois se a própria adoção da MC busca a

flexibilidade e rapidez no processo produtivo almejando uma produtividade com menor custo,

há a necessidade de se balancear a linha de produção para evitar perdas por causa de

máquinas ou pessoal que estejam desalinhados com as tarefas envolvidas no processo de

produção.

Figura 1 – Sistemas de produção: manufatura tradicional e manufatura celular

2.1 Balanceamento de uma célula de manufatura

Fernandes e Dalalio (2000) afirmam que o balanceamento de linha é um campo de pesquisa já

consolidado que surgiu após a construção da primeira linha de montagem movida por meios

mecânicos (linha do Ford T criada em 1913 por Henry Ford).

Balancear uma linha diz respeito a atribuir tarefas às estações de trabalho, no intuito de

otimizar uma medida de desempenho. Comumente, a medida de desempenho relaciona-se ou

com o número de estações, minimizando os custos de produção, ou com o tempo de ciclo,

elevando a taxa de produção por eliminar tempos ociosos nas estações (FARNES e

PEREIRA; 2006). Segundo Henig apud Farnes e Pereira (2006), a maioria dos estudos

minimiza o número de estações, admitindo um dado tempo de ciclo.

Almeida et al. (2006) afirma que balancear linhas significa equiparar os tempos numa linha de

produção ou montagem, dando a mesma carga de trabalho às pessoas ou máquinas em um

fluxo de produção. O balanceamento tende a eliminar gargalos e esperas, para proporcionar o

máximo de produtividade e eficiência.

Toda empresa hoje em dia almeja nivelar sua produção de acordo com sua demanda,

aproveitando todos os seus recursos sob menor custo e com a melhor qualidade possíveis. O

balanceamento torna-se então, o parâmetro mais importante para a racionalização industrial.

Por meio do balanceamento do fluxo produtivo procura-se garantir uma alocação equânime de

trabalho para cada posto. A finalidade do balanceamento é fazer com que uma atividade

subseqüente produza a mesma quantidade de uma precedente, de modo, a equilibrar a carga e

a capacidade e reduzir os estoques intermediários no processo (SILVA et al., 2007). Desta

6

forma, pretendem-se, tornar o fluxo produtivo contínuo e as filas os menores possíveis entre

os postos de trabalho.

3. Velocidade de corte otimizada

Para Kuljanic & Cukor apud Baptista e Coppini (2002) afirmam a obtenção de parâmetros de

corte pela forma tradicional, como o catálogo do fabricante, não se caracteriza como elemento

suficiente para a garantia do aumento de competitividade das indústrias que utilizam o

processo de produção de forma expressiva. Mesmo se os dados dos testes forem confiáveis

baseando-se em informações estatísticas aplicados para obtê-los, em uma aplicação industrial

esses valores talvez precisem ser otimizados, tendo em conta as características de cenários

dessas indústrias.

Normalmente, a forma tradicionalmente utilizada para efetuar a substituição de uma

ferramenta em certas empresas é por meio da comparação de ambas as ferramentas, levando-

se em consideração o desempenho de corte e testes de custo/benefício. Estes testes

normalmente não se baseiam na condição de corte otimizada e, por causa disto, elas poderiam

acarretar em resultados incorretos (BAPTISTA e COPPINI, 2002).

Então, para os autores, sugerem os seguintes questionamentos: o desempenho da ferramenta

em uso pode ser melhorado? A nova ferramenta pode ter seus parâmetros de corte otimizados

ou não? Este problema ocorre porque o uso do Intervalo de Máxima Eficiência – IME no

desenvolvimento ou na otimização do processo não é utilizado na prática. Este intervalo é

formado pelas velocidades de referência. De um lado tem-se a velocidade de corte com

mínimo custo VCMC e na outra extremidade a velocidade de corte de máxima produção VCMXP

(Figura 2). O IME é assim denominado porque dentro dele é que se encontram as velocidades

de corte a serem utilizadas na prática que apresentam um equilíbrio entre mínimo custo e

máxima produção. Fora dele, estas condições não são possíveis de ocorrer.

Figura 2 – Intervalo de Máxima Eficiência – IME

4. Simulação

Simular significa imitar o funcionamento de um sistema por meio de outro sistema

(ALMEIDA FILHO et al., 2005). Harrel et al. (2000) apud Almeida Filho et al. (2005)

definem a simulação como um meio de reproduzir o comportamento de sistemas dinâmicos.

O modelo usado é um modelo computacional.

Para Farnes e Pereira (2006), a simulação é uma ferramenta capaz de mostrar como as

variações nos parâmetros de entrada do sistema afetam suas variáveis de saída, através da

modelagem do processo produtivo. Segundo estes autores, a partir da modelagem do processo

Fonte: adaptado de BAPTISTA e COPPINI (2002)

Figura 2 – Intervalo de máxima eficiência – MEI (Maximum Efficient Interval).

Fonte: adaptado de BAPTISTA e COPPINI (2002)

7

real de trabalho, é possível identificar restrições de capacidade em sistemas produtivos, e

aprimorá-los à situação ideal.

Desde a sua criação, a simulação foi aplicada a diversos setores, tais como: fabricação,

serviços, defesa, cuidados de saúde e serviços públicos. Ela é reconhecida como a segunda

técnica mais amplamente utilizada no domínio da gestão de operações (JAHANGIRIAN et

al.; 2010).

Por meio da simulação, é feita uma reprodução do modelo real do fluxo de produção, também

conhecido como diagrama de precedência, com informações sobre os recursos e tempos de

produção. Modelando o sistema adequadamente, têm-se resultados rápidos e, em alguns

casos, precisos sobre número de unidades produzidas, tamanho das filas de espera, taxa de

utilização dos recursos, tempo de fluxo e custos (ALMEIDA et al., 2006).

A simulação pode trazer as seguintes vantagens:

Permite avaliar o funcionamento dos sistemas antecipadamente reduzindo custos;

Permite verificar efeitos de mudanças e avaliar cenários distintos auxiliando na tomada de

decisão;

Os custos de simulação de um sistema em desenvolvimento são inferiores aos custos para

alterar um sistema implantado;

A interface gráfica permite a visualização do modelo facilitando a compreensão e

identificação de falhas.

A simulação torna-se, então, uma boa forma de abordagem para prover alternativas ao

balanceamento de uma linha de produção por meio de modelos que podem ser comparados a

fim de se obter um resultado perto do estimado, senão com certa precisão.

Em meio às diversas possibilidades, o software Arena, um dos softwares que permitem a

geração de modelos de simulação de ambientes diversos, pode ser aplicado com esse fim à

medida que suprem as dificuldades existentes na compreensão de certos conceitos, tais como

a influência dos gargalos e do tamanho do lote de fabricação no lead time, na formação de

filas ou de estoques à montante e jusante de um centro de operações (SILVA et al., 2007).

Dessa forma, o presente artigo demonstra como este software pode ser utilizado para auxiliar

a demonstração de questões relacionadas à comparação do balanceamento tradicional com

uma proposta de utilizar-se uma velocidade de corte otimizada na máquina gargalo.

5. Materiais e métodos

O presente estudo diz respeito a uma pesquisa experimental, pois se classifica desta forma

quando se determina um objeto de estudo, selecionando as variáveis que sejam capazes de

influenciá-lo, definindo as formas de controle e de observação dos efeitos que essas variáveis

podem produzir no objeto (GIL, 2002).

Esta pesquisa tem como base a comparação de dois cenários diferentes de fabricação de eixos,

num processo que é realizado em três fases em uma célula de manufatura de uma empresa

aqui denominada Alpha. Essa célula é composta por quatro máquinas e o eixo passa por

estágios de produção que ocorrem em três tipos de máquinas, sendo elas: torno preparador (1

máquina), torno CNC (2 máquinas) e torno fresador (1 máquina). Para a transferência das

peças de uma máquina para outra se tem a movimentação do eixo por meio de talhas, cujo

tempo é considerado como improdutivo, mas necessário. Portanto, este tempo deve constar no

8

estudo desta pesquisa, por influenciar nos tempos totais de produção de cada peça. O

diagrama de fluxo de produção pode ser visualizado conforme Figura 3.

Fonte: os autores (2010)

Figura 3 – Fluxo de produção na célula de manufatura da empresa Alpha

No primeiro cenário foram observados os tempos de produção das máquinas existentes na

célula de produção da empresa Alpha com as condições operacionais sendo determinadas pelo

método tradicional, ou seja, de acordo com os dados obtidos dos catálogos dos fabricantes de

ferramentas. Tendo coletados os tempos de cada máquina, somando-se aos tempos utilizados

para manuseio e transporte das peças, os dados foram inseridos no software de simulação

Arena, na versão 12.0, com o intuito de obterem-se os resultados de processo até o término da

produção das peças, identificando-se possíveis gargalos.

Já no segundo cenário, também simulado com a utilização do software Arena, foram

aplicados como parâmetros de entradas novas condições operacionais determinadas por

métodos de otimização da velocidade de corte, conforme exposto anteriormente. Os novos

parâmetros foram aplicados em uma ou mais máquinas que na simulação do primeiro cenário

se apresentaram como gargalo com a conseqüente formação de filas e estoques em processo

(Work In Process - WIP).

Alterações nos valores de entrada obtidos a partir da otimização da velocidade de corte foram

aplicadas até serem observadas, por meio da simulação, melhorias no desempenho nos tempos

de produção e reduções nas filas de peças que aguardavam para serem processadas nas

máquinas.

Cabe ressaltar que nesta pesquisa, nos modelos gerados a partir do software Arena, os

principais dados alterados na simulação foram: tempos de processamento da peça em cada

máquina, tempos de transporte das peças entre as máquinas, considerando a existência de um

estoque inicial e de estoques intermediários entre as máquinas (espera por novo

processamento).

6. Aplicação da pesquisa

A aplicação da pesquisa ocorreu em uma empresa metalúrgica (Alpha S.A.) que possui uma

célula de manufatura em que três tipos de máquinas são utilizados para usinar um eixo de

caminhão. Um representante da empresa Alpha, que tem acesso às máquinas e à forma como

são utilizadas, forneceu todas as informações necessárias para a realização desta pesquisa

como: tipos de máquinas, quantidades de máquinas, intervalo antes do processamento da

primeira máquina, tempos de processamento (usinagem de cada peça), tempos de carga e

descarga em cada máquina, tempos de deslocamento das peças entre as máquinas, tempo total

do ciclo, além de informações sobre os estoques que se formavam antes do primeiro

processamento, quantos funcionários trabalhavam durante o ciclo de usinagem, etc.

Segundo o representante, o modelo precisava de uma mudança, pois já se sabia da existência

de gargalo no ciclo de produção, mas não havia informação suficiente para que fosse aplicada

alguma técnica que trouxesse alguma melhoria.

9

De acordo com as informações passadas, havia uma percepção de que os tornos CNC seriam

os gargalos do processo, pois geravam filas de peças entre a primeira e a segunda operações.

O maior tempo de ciclo de processamento de cada peça refere-se à operação executada no

torno CNC, que precisava de melhoria no desempenho, mas que para isto havia a necessidade

de parâmetros de corte que permitissem tomar a decisão certa sem comprometer o sistema e

sem trazer ônus ao caixa da empresa.

Então, optou-se pela aplicação de um modelo computacional gerado a partir da simulação do

cenário otimizado que resultasse na melhoria do desempenho dos tornos CNC. Outros

elementos importantes a esta simulação correspondem a:

Simulação efetuada em 30 (trinta) replicações de 4 horas e 15 minutos (sem coletar dados

durante os 15 minutos iniciais, para não influenciar nos tempos da primeira máquina).

Tempos em minutos

Todos os valores correspondem a valores médios para as 30 replicações

A simulação ocorreu em duas etapas que foram tratadas neste trabalho como os dois cenários

descritos na metodologia.

6.1 Primeiro cenário

Diante das informações obtidas junto à empresa, as quais representam a situação inicial de

processamento das peças, foi criado o primeiro modelo e aplicada a simulação com o software

Arena. Com os dados de entrada para cada máquina e demais tempos do processo, foi

efetuada a simulação, sendo observados os tempos para cada atividade dentro do processo tais

como os indicados na Tabela 1.

A operação que se apresentou como gargalo foi a executada nos dois tornos CNC, que passou

a ser mais observada quanto aos parâmetros operacionais, em busca da melhoria de tempo de

processamento, o que foi explorado na aplicação descrita no segundo cenário. A empresa

antes de providenciar a otimização das velocidades de corte, usava para as três operações de

desbaste, de acabamento e de rosqueamento o valor de 180 m/min.

6.2 Segundo cenário

No segundo cenário, diante das informações obtidas no primeiro, em que ficou evidenciado

que eram os tornos CNC que determinavam a lentidão no sistema, passou-se a intensificar

testes de novos parâmetros operacionais nestas máquinas.

Através de ensaios em chão de fábrica, foi possível determinar o IME para as operações de

desbaste, de acabamento e de rosqueamento realizadas pelos tornos CNC. As velocidades de

mínimo custo foram respectivamente: 195, 203 e 190 m/min. As velocidades de máxima

produção foram: 483, 281 e 2885 m/min. Observou-se que a velocidade de corte praticada no

primeiro cenário era menor que a VCMC determinada através da otimização em chão de

fábrica. Observou-se também que a máquina não tinha suficiente potência para utilizar uma

velocidade de corte maior que 200 m/min. Portanto, esta velocidade foi adotada e realmente

foi possível trabalhar com muito próximo da VCMXP.

10

Máquina

Intervalo de

chegada entre as

peças

Os tempos de

corte de cada um

dos processos

Os tempos de

carga e

descarga em

cada máquina

Os tempos de

deslocamento

das peças entre

as máquinas

Tempo

total de

um ciclo

Torno Preparador

(1 máquina)

A cada 2 minutos.

Obs.: tempo

relacionado ao

primeiro processo

3´50´´+ 1´00´´ para

girar a peça na

máquina

(total: 4´50´´)

carga: 1´20´´

descarga: 1´10´´

(total: 2´30´´)

15´´ 7´35´´

Torno CNC

(2 máquinas)a cada 7´35´´

12´22´´+ 0´20´´

deslocamento de

uma ponta para outra

(total: 12´42´´)

carga: 0´45´´

descarga: 0´25´´

(total: 1´10´´)

15´´ 14´07´´

Torno Fresador

(1 máquina)a cada 6´32´´

2´40´´+ 0´50´´ para

girar a peça na

máquina

(total: 3´30´´)

carga: 0´32´´

descarga: 1´04´´

(total: 1´36´´)

0´23´´ 5´29´´

Tabela 1 – Dados antes das alterações de tempos para otimização da célula

Na Tabela 2 têm-se os dados de entrada que, aplicados no modelo de simulação para o

segundo cenário, trouxeram resultados de melhoria no desempenho de indicadores das

máquinas que representam a segunda fase da produção da peça nos tornos CNC. O tempo de

ciclo da operação destes foi reduzido em 1’02” minutos, graças ao aumento do valor de

velocidade de corte de 180 para 200 m/min.

Com a maior velocidade de corte, obteve-se a redução do tempo de usinagem de por peça.

Além disso, por ser a nova velocidade praticamente igual à VCMC, ocorreu maior

produtividade e menor custo. Como decorrência da introdução desta nova velocidade de corte,

as melhorias sentidas no processo foram calculadas e encontram-se apresentadas na Figura 2.

Máquina

Intervalo de

chegada entre as

peças

Os tempos de

corte de cada um

dos processos

Os tempos de

carga e

descarga em

cada máquina

Os tempos de

deslocamento

das peças entre

as máquinas

Tempo

total de

um ciclo

Torno Preparador

(1 máquina)

A cada 2 minutos.

Obs.: tempo

relacionado ao

primeiro processo

3´50´´+ 1´00´´ para

girar a peça na

máquina

(total: 4´50´´)

carga: 1´20´´

descarga: 1´10´´

(total: 2´30´´)

15´´ 7´35´´

Torno CNC

(2 máquinas)a cada 7´35´´

11´20´´+ 0´20´´

deslocamento de

uma ponta para outra

(total: 11´40´´)

carga: 0´45´´

descarga: 0´25´´

(total: 2´30´´)

15´´ 13´05´´

Torno Fresador

(1 máquina)a cada 6´32´´

2´40´´+ 0´50´´ para

girar a peça na

máquina

(total: 3´30´´)

carga: 0´32´´

descarga: 1´04´´

(total: 1´36´´)

0´23´´ 5´29´´

Tabela 2 – Dados coletados após as alterações de tempos para otimização da célula

Com as alterações dos parâmetros operacionais aplicados neste cenário observou-se

melhorias, principalmente nos itens: números de peças prontas, peças em fila e tempo total no

sistema, como descrito na Tabela 3.

11

Antes da alteração Depois da alteração

Nº peças que chegaram para serem

processadas120 120

Nº peças que saíram prontas 36 40

Nº peças na fila 50,38 48,73

Tempo total no sistema (em minutos) 102,55 100,4

Tempo médio de produção (em minutos) 26,3 25,27

Tempo de fila (em minutos) 75,37 74,25

Tempo de transferência (em minutos) 0,883 0,883

Fonte: os autores (2010)

Tabela 3 – Resultados pertinentes à produção e aos tempos de sistema no primeiro e segundo cenários

No entanto, foi observado na simulação deste cenário, que o desempenho nos indicadores da

Tabela 3 poderia ser ainda melhor se fossem aplicadas alterações operacionais na primeira

máquina, o torno preparador, que se apresentou, após a simulação, como detentor de tempos

característicos de gargalos mais significativos do que os verificados nos tornos CNC desde o

cenário inicial, conforme ilustra a Tabela 4.

Percebe-se, com os resultados da simulação, que existe a oportunidade de melhoria dos

parâmetros de corte do torno preparador com o uso dos métodos de otimização da usinagem

aplicados aos tornos CNCs.

Número na

Fila

(médio e

máximo)

Tempo na

Fila

(médio e

máximo)

Utilização

Nº vezes

que foi

utilizado

Número na

Fila

(médio e

máximo)

Tempo na

Fila (médio

e máximo)

Utilização

Nº vezes

que foi

utilizado

Torno Preparador

(1 máquina)

39,18

(74)

77,92

(147)100,00% 50

39,18

(74)

77,92

(147)100% 50

Torno CNC

(2 máquina)

6,14

(12)

30,33

(57,63)100,00% 38

4,41

(9)

21,51

(42)100% 41

Torno fresador

(1 máquina)0 0 53,96% 37

0

(0)

0,0

(0)58,53% 41

ANTES DA ALTERAÇÃO DEPOIS DA ALTERAÇÃO

Fonte: os autores (2010)

Tabela 4 – Resultados dos tempos e usabilidade das máquinas dos primeiro e segundo cenários

7. Conclusões e considerações finais

A análise dos resultados ilustra uma situação de melhoria do primeiro para o segundo cenário.

Foi possível reduzir o tempo médio da peça em fila tanto por máquina como para todo o

sistema. Conseguiu-se, assim, uma redução da ociosidade;

O software ARENA mostrou-se adequado para utilização do balanceamento de células

flexíveis de manufatura, principalmente ao permitir realizar comparações em cenários para os

quais a estratégia de balanceamento foi reduzir o tempo produtivo de máquinas pela adoção

de velocidades de corte otimizadas;

12

Normalmente o balanceamento de células de manufatura é realizado com racionalização

intensa dos tempos passivos (independentes da velocidade de corte) de cada máquina. Neste

trabalho foi possível verificar que os tempos ativos podem e devem ser utilizados, sendo esta

uma estratégia a ser considerada pelo setor produtivo;

Note-se que, caso o procedimento de otimização das condições operacionais fosse aplicado a

todas as máquinas da célula e estas tivessem potência e níveis de rotações que permitissem a

adoção de velocidades de corte maiores, o balanceamento da célula redundaria em resultados

ainda mais positivos.

8. Referências bibliográficas

ALMEIDA FILHO, R.G.; MONTEVECHI, J.A.B.; MEDEIROS, A.L. Simulação de uma célula de

manufatura de uma empresa de material de defesa para análise de desempenho e avaliação de alternativas. In:

SIMPEP. n. XII , 2005, Bauru SP, novembro.

ALMEIDA, M.S.; COSTA, Y.P.J.S.; FRANCISCO, C.A.C; GOMES, J.C. Utilização da simulação em

ARENA 7.0 no auxílio ao balanceamento da célula de montagem de uma fábrica de calçados. In: ENEGEP. n.

XXVI, 2006, Fortaleza CE, outubro.

BAPTISTA, E.A.; COPPINI, N.L. Machining Process Improvement by Practical Tests in Shop Floor.

REVISTA DE CIÊNCIA & TECNOLOGIA. Piracicaba, v.11, n.20, 49-56, 2002.

BLACK, J.T. O projeto da fábrica com futuro. Porto Alegre, 1998. 101 p.

CHEN C.H.; GOH C.H.; LEE A. Designing group technology manufacturing systems using heuristics

branching rules. Computers & industrial engineering, New York, v. 40, n. 1-2, 117-131, 2001.

CONCEIÇÃO, S.V. Otimização do fluxo de materiais através da manufatura celular. Produção. São Paulo,

v.15, n.2, 235-250, 2005.

FARNES, V.C.F.; PEREIRA, N. A. Balanceamento de linha de montagem com o uso de heurística e

simulação: estudo de caso na linha branca. In: In: SIMPEP. n. XIII, 2006, Bauru SP, novembro.

FERNANDES, F.C.F.; DALALIO, A.G. Balanceamento e rebalanceamento de linhas de montagem operadas

por grupos de trabalho autogerenciados. Gestão & Produção. v.7, n.3, 378-398, 2000.

GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Ed. Atlas, 2002, 47p.

GONÇALVES, J.F.; RESENDE, M. G. C. An evolutionary algorithm for manufacturing cell formation.

Computers & Industrial Engineering, Porto, v. 47, n.2-3, 247-273, 2004.

JAHANGIRIAN, M.; ELDABI, T.; NASEER, A.; STERGIOULAS, L.K., Young, T. Simulation in

manufacturing and business: A review. European Journal of Operational Research. Uxbridge,v.203, n.1, 1-

13, 2010.

KESEN, S.E.; TOKSARIB, M.D.; GÜNGÖRC, Z.; GÜNERC, E. Analyzing the behaviors of virtual cells

(VCs) and traditional manufacturing systems: Ant colony optimization (ACO)-based metamodels. Computers

& Operations Research. Konya, v.7, n.36, 2275-2285, 2009.

MAHDAVI, I.; PAYDAR, M.M.; SOLIMANPUR, M.; HEIDARZADE, A. Genetic algorithm approach for

solving a cell formation problem in cellular manufacturing. Expert Systems with Applications, Tabarsi Street,

v.36, n.3, 6598-6604, 2009.

OLORUNNIWO, F.; UDO, G. The impact of management and employees on cellular manufacturing

implementation. International Journal of Production Economics, v. 76, n. 1, p. 27-38, 2002.

SILVA, L.M.F; PINTO, M.G; SUBRAMANIAN, A. Utilizando o software arena como ferramenta de apoio ao

ensino em engenharia de produção. In: ENEGEP. n. XXVII, 2007, Foz do Iguaçu PR, outubro.

TAHARA, C.S.; CARVALHO, M.M.; GONÇALVES FILHO, E.V. Revisão das técnicas para a formação de

células de manufatura. In: ENEGEP. n. XVII, 1997, Gramado RS, outubro.

TRINDADE, A.R. ; OCHI, L.S. Um algoritmo evolutivo híbrido para a formação de células de manufatura em

sistemas de produção. Pesquisa Operacional. Rio de Janeiro, V.26, n.2, 255-294, 2006.

13

YAUCH, A.C.; STEUDEL, H. Cellular manufacturing for small businesses: key cultural factors that impact the

conversion process. Journal of operations management. v. 20, n. 5, p. 593-617, 2002.