APLICAÇÃO DE SIMULAÇÃO COMPUTACIONAL PARA AVALIAR O TEMPO DE PROCESSO NA REFORMA DE PNEUS

Transcrição

1 XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. APLICAÇÃO DE SIMULAÇÃO COMPUTACIONAL PARA AVALIAR O TEMPO DE PROCESSO NA REFORMA DE PNEUS Ariana Silva Ribeiro (UCG) ariana@expresspneus.com.br Tatiany da Rocha Paco (UFSCAR) tatiany@dep.ufscar.br Ricardo Caetano Rezende (UCG) rezende@ueg.br Simulação computacional é uma ferramenta de análise de processos que descreve o comportamento do sistema usando um computador digital. Para este estudo, a simulação foi utilizada como forma de orientar a melhoria do tempo de processo de refforma de pneus. Para a realização da simulação dados de um sistema real foram coletados e a modelagem e a experimentação foram desenvolvidas por meio do software Arena. O resultado gerado possibilitou propor novos cenários para o sistema estudado e indicar melhorias no tempo de processo de reforma de pneus. Palavras-chaves: Simulação, Reforma de Pneus, Tempo de Processo

2 1. Introdução O transporte de cargas no Brasil pode ser feito através de 5 modais: rodoviário, ferroviário, aeroviário, aquaviário ou dutoviário. Embora a situação da malha rodoviária brasileira seja caótica e faltar investimentos na infra-estrutura do setor, a maioria do transporte é feito através de rodovias. A distribuição intermodal de cargas no país é feita da seguinte maneira: 58% modal rodoviário, 25% ferroviário, 13% aquaviário, 3,6% dutoviário e 0,4% transporte aéreo (NTC, 2008, apud PNLT, 2007). Por ser o principal modal de transporte brasileiro, o setor de transporte rodoviário se encontra bastante desenvolvido e conta hoje com uma estrutura crescente para atender tamanha demanda. O perfil de competitividade do setor leva as empresas envolvidas a buscarem estratégias de melhorias na gestão e no custo do transporte. Um dos custos mais elevados do transporte rodoviário é o pneu (ABR, 2008). Por ser a matériaprima do serviço de transporte e pelo seu custo elevado, este é considerado parte importante na estratégia de empresas e autônomos para diminuição dos custos, sendo que o pneu utilizado por transportadores pode ser novo ou reformado. O pneu reformado é bastante utilizado, pois possui rendimento quilométrico semelhante ao novo, mas com custo 70% menor. Um pneu novo pode ser reformado em média duas vezes, gerando três vidas para a carcaça. Isso proporciona uma redução de 57% no custo por quilômetro rodado, levando o transportador a ter uma maximização do retorno sobre o investimento em pneus. Como o setor de reforma de pneus está diretamente ligado ao maior modal de transporte de carga do Brasil, a demanda por pneus reformados se encontra em nível elevado e em ascensão. Dois terços dos pneus de carga em uso são reformados, colocando o Brasil como o 2º mercado mundial em reforma, atrás somente dos EUA (ABR, 2008). Nesse cenário competitivo em que a reforma de pneus está incluída, torna-se obrigatório para as empresas buscar estratégias cada vez mais inovadoras para se manter no mercado ou aumentar seu market share. Sendo o tempo de entrega do serviço uma das principais qualidades percebidas pelo cliente, uma reformadora pode se destacar buscando a diminuição do tempo do seu processo produtivo. A simulação computacional é uma ferramenta que permite a realização de um estudo com alto nível de detalhe, o emprego de animações permitindo a visualização do comportamento do sistema, a economia de tempo e recursos no desenvolvimento de projetos e a percepção de que o comportamento do modelo simulado é muito semelhante ao do sistema real (FREITAS, 2008). O propósito do trabalho é buscar, por meio da simulação computacional, imitar o funcionamento de um sistema real de reforma de pneus, de forma que os cenários gerados auxiliem na avaliação e na redução do tempo de processo sem o custo e o risco de atuar no cenário real. 2. Simulação Portugal (2005) define o termo simulação de acordo com a sua origem em latim simulatus = imitar. Portanto, segundo ele, a simulação é definida como a imitação de uma situação real, através do uso de modelos. 2

3 Segundo Prado (2004) a simulação é uma técnica que procura montar um modelo que melhor represente o sistema que está sendo estudado, utilizando o computador digital e que imita o funcionamento de um sistema real. Já Chwif e Medina (2006) definem simulação de uma maneira inversa, comentando o que a simulação não é, baseados no que o senso comum acha sobre simulação. Segundo eles, a simulação não é uma bola de cristal e não pode prever o futuro; o que ela prevê, com certa confiança, é o comportamento de um sistema baseado em dados de entradas. De acordo com Freitas (2008), o desenvolvimento de um modelo de simulação compõe-se, basicamente, das seguintes etapas: planejamento, modelagem, verificação e validação, experimental e tomada de decisão e conclusão do projeto. A partir de meados da década de 1980, o computador pessoal tornou possível o surgimento da simulação visual e hoje, como cita Prado (2004), existem vários programas com esta habilidade, tais como ARENA, TAYLOR, PROMODEL, AUTOMOD, etc. O ARENA é um ambiente gráfico integrado de simulação, que contém todos os recursos para modelagem de processos, desenhos e animação, análise estatística e de resultados. Sua tecnologia diferencial são os templates, ou seja, uma coleção de objetos/ferramentas de modelagem que permitem ao usuário descrever o comportamento do processo em análise, através de repostas às perguntas pré-elaboradas, sem programação, de maneira visual e interativa (PARAGON, 2009). 3. Descrição do sistema O estudo foi realizado na Express Pneus, unidade industrial e comercial do setor de reforma de pneus de carga, localizada no Estado de Goiás. Atualmente emprega mais de 50 funcionários em um contexto industrial altamente ligado à responsabilidade social e ambiental. Foi realizado um diagnóstico do sistema a partir de um estudo preliminar da empresa, mediante observações no local e de coleta de dados e informações provenientes da mesma. Este foi importante para a identificação do problema e para a análise da viabilidade do modelo, auxiliando na definição da melhor estratégia para a modelagem e para o nível de detalhamento necessário. Sinteticamente o processo de reforma é formado pelas seguintes etapas: limpeza, inspeção inicial, raspagem, escareação, conserto, aplicação de cola, enchimento, cobertura, envelopamento, montagem, vulcanização e exame final. Essas etapas estão organizadas no sistema em estudo de acordo com o fluxograma demonstrado na Figura 1. 3

4 Início Recepção e identificação da carcaça Limpeza Limpeza Inspeção Inicial Aprovado? Não Sim Sim Apenas conserto? Raspa Não Escareação Escareação Escareação Conserto? Não Sim Conserto Sim Apenas conserto? Cola Não Enchimento Enchimento Anel? Não Sim Cobertura com anel Cobertura com banda Envelopamento Montagem Montagem Vulcanização Vulcanização Vulcanização Vulcanização Fim Figura 1 Fluxograma do sistema Para tornar possível o estudo do sistema e a localização das estações de trabalho, a planta baixa da reformadora foi coletada e analisada. A Figura 2 representa a planta do sistema em estudo e as 4

5 setas contidas na planta representam a direção do fluxo do processo. A legenda mostrada abaixo da figura demonstra as etapas do processo citadas no fluxograma da Figura Etapa de pré-modelagem Legenda: 1. Recepção de pneus 7. Enchimento 2. Limpeza 8. Cola 3. Inpeção inicial 9 e 10. Cobertura 4. Raspa 11. Envelopamento 5. Escareação 12. Montagem 6. Conserto 13 e 14. Autoclaves Figura 2 Planta baixa do sistema 5

6 A pré-modelagem do sistema foi feita no software Arena, utilizando diferentes blocos que foram interligados para formar o fluxograma do modelo, correspondendo à ocorrência de eventos a um cliente (também é chamado de entidade). Para o modelo em questão, a entidade que percorre o sistema é o pneu. A parte lógica do modelo foi feita por meio do diagrama de blocos que está demonstrado na Figura 3 e para exemplificar, será explicado a seguir a programação da entrada de pneus. Figura 3 Diagrama de blocos do modelo Para programar a chegada de pneus no processo foi utilizado o bloco Create. Este bloco é o ponto de partida para todo modelo de simulação, é ele que cria a entidade que percorrerá o sistema. O bloco foi editado posteriormente para a inclusão da distribuição de probabilidade para chegada da entidade no sistema após a coleta e análise dos dados. A etapa de entrada do pneu foi modelada com a entidade caminhão chegando ao sistema e indo para a estação descarregamento. Ao descarregar, a carga do caminhão pode conter de 1 a 20 pneus, sendo que para modelar essas diferentes ocorrências foi utilizado o bloco Decide. Assim, ao passar por ele, a entidade tem várias opções de fluxo que determinam essa quantidade. Após esta etapa, um bloco Separate foi utilizado para duplicar (separar) a entidade caminhão da entidade pneus; o caminhão sai do sistema através do bloco Dispose que eliminar esta entidade. Os pneus entram no sistema, agora como a entidade a ser estudada, e o uso de blocos Assign permitiram a mudança da figura da entidade para fins de animação visual. 6

7 Os pneus passam às etapas do processo produtivo pela estação recepção. O módulo Station foi utilizado para informar que a entidade ocupou a estação. No módulo Process o tipo de ação escolhida foi Seize, Delay, Release, indicando a ocupação do recurso, o gasto de certo tempo e liberação do recurso, respectivamente. O tempo gasto nesse processo é referente à distribuição de probabilidade dos tempos gastos para recepcionar e identificar o pneu. Depois de concluída à etapa, a entidade sai para a próxima estação através do bloco Leave. 5. Etapa de amostragem, coleta e análise dos dados A coleta de dados foi efetuada através da observação e registro das atividades do sistema. Durante o processo de coleta, foram utilizados cronômetros e planilhas para anotações, cálculos e demonstração dos tempos referentes às atividades do sistema. Para garantir que os dados coletados correspondiam a uma amostra representativa do seu universo, um estudo para definir o tamanho ideal dessa amostra foi realizado, segundo metodologia estabelecida por Freitas (2008). Os tempos coletados foram referentes ao processo de chegada (estabelecido por uma distribuição de probabilidades que descreve o intervalo entre essas chegadas), o processo de atendimento (período de tempo que a entidade está sendo atendida em um determinado posto de trabalho) e ao deslocamento entre estações de trabalho (tempo gasto pela entidade para se transportar de uma estação para outra). Após todos os dados referentes ao sistema terem sido coletados, eles foram analisados através da ferramenta Input Analyzer do software ARENA, sendo convertidos em distribuições de freqüências para o modelo de simulação. As distribuições de freqüência encontradas foram analisadas através de testes de aderência para verificar a aderência dos dados amostrais em relação às distribuições. 6. Etapa de modelagem Para realização da etapa de modelagem, todas as distribuições de freqüência oriundas dos dados coletados em campo que foram identificadas na etapa de amostragem, coleta e análise de dados foram inseridas no diagrama de blocos realizado na fase de pré-modelagem. A partir daí foi elaborada a animação da simulação sobre o desenho da planta do local, incluindo a programação das estações, dos recursos e dos caminhos da entidade (pneu). 7. Etapa de verificação e validação A verificação e a validação do modelo foram realizadas da seguinte forma: as médias dos dados amostrais de entrada foram comparadas com as médias das distribuições de probabilidades determinadas para o modelo, verificando-se que as mesmas eram compatíveis. Posteriormente, comparou-se por observação da animação o que era observado no sistema real. 8. Etapa experimental Para garantir um tempo de simulação por um período adequado para a geração de dados confiáveis, foi calculado o número ideal de replicações a serem realizadas para a simulação e a duração de cada replicação. 7

8 Para o cálculo do número de replicações, e por se tratar de um sistema que não possui condições iniciais fixas, nem um evento que determina o fim do processo de simulação, ele foi classificado como sistema não-terminal. A análise desses dados foi feita segundo as etapas propostas por Chwif e Medina (2006): estabelecimento das medidas de desempenho, escolha da confiança estatística, identificação do período de aquecimento, determinação do tempo de simulação e do número de replicações necessárias. Foi estabelecido como medida de desempenho a média dos tempos que os pneus gastavam para serem preparados antes da vulcanização. O tempo de vulcanização foi excluído por se tratar de um tempo determinístico e não sofrer alterações. Adotou-se a confiança estatística de 95% com precisão de 10 minutos. Identificou o período de aquecimento (warm-up), através da construção de gráficos com os valores observados em função do tempo da medida de desempenho pelo tempo de simulação. Por observação gráfica, considerou-se que corridos 400 minutos de simulação a média do tempo de processo não mais sofre influência do período de transição e se estabiliza sendo, por isso, considerado este o tempo de warm-up. Determinou-se o tempo de simulação mediante observações, considerando que o modelo deveria atingir o estado de regime permanente. Foi definido um tempo de 2400 minutos, ou seja, uma semana de trabalho com turno de 8 horas. Determinou-se o número de replicações necessárias mediante uma amostra de resultados de 20 replicações, utilizando-se o procedimento sugerido por Chwif e Medina (2006); chegou-se ao resultado de 36 replicações. Em síntese: a simulação foi executada por um período de 2400 minutos, não sendo considerados os dados estatísticos obtidos no período de aquecimento que foi de 400 minutos. A partir da simulação, dados estatísticos foram gerados e analisados. 9. Etapa de tomada de decisão e conclusão do projeto Após a simulação, um relatório foi gerado com a compilação dos dados do sistema. A Tabela 1 apresenta os dados gerais do sistema estudado, tomados pela média das 36 replicações realizadas. Tabela 1 Dados gerais do sistema; tempos em minutos. Pneu Média Média mínima Média máxima Valor mínimo Valor máximo Tempo de processamento 223,07 220,96 224,96 2,13 280,34 Tempo de espera 115,41 77,73 204, ,71 Tempo total 340,96 303,32 430,42 37,62 929,2 Número de entradas Número de saídas Outro dado que o sistema nos mostra é o tempo que cada entidade gasta sendo processada em 8

9 Tempo (min) XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO cada estação de trabalho. Para facilitar a análise dos dados de processamento de entidades por estação de trabalho, foi construído um gráfico que se encontra na Figura 4. Pelo gráfico é fácil perceber que o processo que consome mais tempo é a escareação, seguido pelas etapas de conserto e da cobertura por anel. Deve-se considerar também o tempo que o pneu gasta na secagem da cola e na vulcanização por serem tempos altos, porém os mesmos não foram considerados no gráfico por se tratar de tempos determinísticos e que não podem ser alterados. Tempo de processamento por estação Escareaçao Conserto preparação Conserto aplicação Cobertura anel Cobertura banda Enchimento Raspa Exame inicial Montagem Limpeza Envelopamento Recepçao Cola Estações Figura 4 Tempo de processamento por estação Outro dado importante para ser analisado é o tempo que o pneu gasta esperando nas filas das estações de trabalho. Um gráfico também foi construído para facilitar a visualização das estações que acarretam maiores filas (Figura 5). Pelo gráfico, a estação conserto destaca-se com maiores tempos de espera, com um tempo médio de espera de 114,44 minutos. Outra formação de fila no sistema ocorre na estação de exame inicial, com uma espera média de 18,06 minutos. 9

10 Tempo (min) Tempo (min) XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Tempo de espera por estação Estações Conserto Exame inicial Vulcanização Cobertura anel Recepçao Raspa Escareaçao Limpeza Cobertura banda Enchimento Envelopamento Cola Montagem Figura 5 Tempo de espera por estação A taxa de utilização de cada recurso (operadores e máquinas) também é fornecida pelo relatório do ARENA. Observando a Figura 6, a taxa de utilização do recurso conserto é bastante alta, com 82% de utilização. A estação de cobertura com anel também tem uma das taxas mais altas: 59% de utilização. 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Taxa utilização 1 Recursos 10. Proposição de melhorias e novos cenários Figura 6 Taxas de utilização por estação Conserto Vulcanização 1 Vulcanização 2 Vulcanização 3 Vulcanização 4 Cobertura anel Escareaçao 1 Exame inicial Raspa Escareaçao 2 Enchimento 1 Escareaçao 3 Envelopamento Enchimento 2 Limpeza 1 Recepçao Limpeza 2 Cobertura banda Analisando os resultados da simulação é possível perceber que dos 340 minutos que o pneu gasta em média para percorrer o sistema, um terço deste tempo está em filas de espera, isso é, 115 minutos, em média. Por isso, para melhorar o tempo de processo da reforma de pneus, foi Cola 10

11 proposto, a princípio, a diminuição do tempo de espera que o pneu gasta no sistema. Pelo gráfico do tempo de espera (Figura 5), é visível que a estação conserto representa um gargalo para o sistema em estudo. As filas nesta estação podem ocasionar uma espera de até 624 minutos, isso em situações extremas, pois a média de espera nesta estação é de 114 minutos, o que representa um atraso para todo o processo. Analisando a estação conserto, é possível identificar que três atividades distintas acontecem no local: (a) preparação do conserto, que gasta uma média de 5,44 minutos; (b) secagem da cola, que deve ocorrer em 10 minutos e (c) a aplicação do conserto, que gasta uma média de 4,64 minutos. Pelo gráfico do tempo de processamento (Figura 4), essas atividades são algumas das mais longas do processo, o que explica ser o gargalo. Para melhorar a atividade de conserto e diminuir o tempo de espera pelas entidades, foi colocado mais um operador no conserto, ficando um responsável pela atividade de preparação e o outro pela atividade de aplicação, melhorando assim o fluxo dos pneus pela estação de trabalho. Outra estação que também ocasiona grandes tempos de espera é o exame inicial, pois nesta estação as entidades podem esperar até 112 minutos, com uma média de espera de 18 minutos. Pela estação ser uma das primeiras do processo, grandes filas são formadas, atrasando as atividades subseqüentes, aumentando o tempo de processamento do pneu. Por isso, propôs-se ampliar essa etapa do processo adicionando mais uma estação de exame. Para analisar se as melhorias propostas realmente melhoram o fluxo de pneus pelo processo, os pontos alterados foram adicionados ao modelo de simulação e nova experimentação foi realizada para análise dos dados estatísticos. Para o novo modelo, a estação de conserto recebeu mais um operador para executar uma das atividades. Para a nova programação do diagrama de blocos foram dispostas 3 estações de trabalho distintas para a etapa de conserto: na primeira um operador trabalha com a preparação, na outra o pneu espera pela secagem da cola e na última um operador trabalha na aplicação do conserto. A estação exame recebeu novo posto de trabalho com outro operador e a programação agora conta com um sistema de fila única proporcionado pelo módulo Pickstation. As outras estações de trabalho permaneceram inalteradas. Após a nova experimentação, dados estatísticos foram gerados. Comparando os dados do primeiro cenário com os dados do novo cenário proposto pôde ser notada uma redução no tempo de espera de 115,41 minutos para 79,67 minutos, ou seja, uma diminuição de 31% no tempo de espera, o que levou a uma diminuição de 11% no tempo total do processo de reforma de pneus na empresa. Porém, ao analisar o restante dos dados, é possível perceber que outras estações de trabalho do sistema passaram a ter formação de fila e ocasionar grandes tempos de espera das entidades pelo processamento. As estações que se transformaram no gargalo do processo foram: etapa de raspa e etapa de cobertura com anel. Após a análise de todos os dados apresentados pela experimentação do novo cenário tornou-se possível a proposição de outros pontos passíveis de melhoria, sendo interessante a eliminação do 11

12 novo gargalo que se formou no sistema. Para uma possível diminuição do tempo de espera, foi feita nova alteração, agora na estação de cobertura com anel. A partir da observação de que o operador responsável pela cobertura dos pneus com banda tem uma taxa de utilização muito baixa e partindo do pressuposto de que o mesmo já tem experiência na atividade de cobertura, foi proposto que o operador da cobertura com banda acumule também a função de cobertura com anel. Assim foi possível utilizar melhor o funcionário e garantir a diminuição das filas na estação de trabalho. Para avaliar o mais novo cenário proposto, um novo modelo de simulação foi gerado. Nesse novo modelo foi utilizado um módulo Pickstation para orientar a ida dos pneus para estação que estiver desocupada, sendo que uma das estações é utilizada tanto para cobertura com banda quanto para anel. Após a experimentação do novo cenário com todas as melhorias propostas, foram coletados dados da nova realidade do sistema. Pelos novos dados, foi possível apresentar um sistema com um tempo de espera 35,6% menor que o sistema original e com um tempo total de processo de reforma 13,7% menor que o processo original. 11. Conclusões A simulação computacional é definida por vários autores como sendo uma técnica capaz de imitar um sistema real por meio de um modelo computadorizado, possibilitando a condução de experimentos para análises e definições de estratégias. O presente trabalho se propôs a utilizar a técnica da simulação a fim de entender e analisar um processo de reforma de pneus e propor melhorias de modo que o tempo total deste processo pudesse ser reduzido. Os dados gerados pela simulação mostraram um sistema com grande variabilidade, isso devido ao fato dos tempos entre as chegadas dos pneus ocorrerem de forma e quantidades bastante variadas, além do processo também contar com muitas atividades manuais com diferentes tempos de execução para cada pneu. Para diminuir essa variabilidade, a simulação foi realizada durante o momento que o sistema se estabiliza (em regime) e várias replicações do modelo foram realizadas. Os dados estudados foram provenientes da média das 36 replicações realizadas. Com a experimentação do modelo por meio da simulação, foram identificadas quais estações de trabalho representavam gargalos para o processo. Foi identificado que a fila que se formava na estação de trabalho responsável pelo conserto dos pneus acarretava uma média de espera de 114 minutos, o que aumentava muito o tempo de permanência do pneu no sistema. Outra estação que também foi considerada um gargalo no processo foi a de exame inicial, com um tempo médio de espera de 18 minutos, o que também prejudicava o fluxo de pneus. A partir das melhorias propostas para reduzir os gargalos foi gerado um novo cenário que, ao ser simulado, demonstrou uma melhoria de 31% no tempo de espera e 11% no tempo total do pneu no sistema. Porém, com a utilização da simulação para análise da proposta de melhoria, foi possível identificar que o gargalo do processo migrou para outras estações e, a partir disso, foram feitas novas propostas de melhoria e criado um novo cenário. Com o novo cenário, uma redução 12

13 de 35% no tempo de espera foi alcançada o que levou a uma melhoria de 13,7% do tempo total do processo de reforma de pneus. Durante a realização deste estudo, foi possível consolidar a simulação como uma ferramenta eficiente para a análise do processo de reforma de pneus, já que por meio desta pôde ser analisado o processo como um todo, gerando relatórios com dados pertinentes ao sistema e identificando os gargalos do processo produtivo, assim possibilitando a melhoria do tempo de processo do sistema. 12. Referências ASSOCIAÇÃO BRASILEIRA DO SEGMENTO DE REFORMA DE PNEUS (ABR). Dados do segmento. Disponível em: < Acesso em: 30 de junho de CHWIF, L. & MEDINA, A. Modelagem e simulação de eventos discretos: teoria e aplicações. São Paulo SP. Ed. dos Autores, FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas: com aplicações em ARENA. Florianópolis SC, Ed. Visual Books, NETRESÍDUOS. Recauchutagem de pneus. Disponível em: < Acesso em: 25 de agosto de NTC E LOGÍSTICA. Canal Técnico. Disponível em: < Acesso em: 25 de agosto de PARAGON. Família Arena. Disponível em: < Acesso em: 03 de abril de PORTUGAL, L. S. Simulação de tráfego: conceitos e técnicas de modelagem. Rio de Janeiro RJ. Ed. Interciência, PRADO, D. Usando o ARENA em simulação. Série Pesquisa Operacional Volume 3. Belo Horizonte MG. Ed. INDG,