Universidade Federal de Minas Gerais, PPGEP/DEP Av. Antônio Carlos 6627, Pampulha, BH MG.

Transcrição

1 A pesquisa Operacional e os Recursos Renováveis 4 a 7 de novembro de 2003, Natal-RN MODELAGEM E SIMULAÇÃO DE UMA LINHA DE MONTAGEM PARA FABRICAÇÃO DE PRODUTO ELETRÔNICO DO SETOR EMS Rodrigo Marcelo Coelho, M.Sc Universidade Federal de Minas Gerais, PPGEP/DEP Av. Antônio Carlos 6627, Pampulha, BH MG. rmcoelho@dep.ufmg.br Luiz Ricardo Pinto, D.Sc Universidade Federal de Minas Gerais, PPGEP/DEP Av. Antônio Carlos 6627, Pampulha, BH MG. luiz@dep.ufmg.br Samuel Vieira Conceição, PhD Universidade Federal de Minas Gerais, PPGEP/DEP Av. Antônio Carlos 6627, Pampulha, BH MG. svieira@dep.ufmg.br RESUMO: Este artigo apresenta a modelagem de uma linha de montagem de um produto do setor eletrônico de manufatura subcontratada EMS (eletronic manufacturing services), utilizando a técnica de simulação com software Arena. O sistema de suprimento da linha de montagem emprega lotes kanbans de movimentação de materiais e a performance da linha é medida através do atendimento da demanda durante o turno de trabalho disponível. Uma alternativa de reconfiguração da linha de montagem variando o número de postos de serviço é apresentada para otimizar a eficiência do balanceamento. Uma abordagem empregando método MOST (Maynard Operations System Technique) é utilizada para estimar os tempos das operações de montagem nos postos de serviço. PALAVRAS-CHAVE: simulação, Arena, kanban, manufatura eletrônica subcontratada, método MOST, balanceamento de linha de montagem. ABSTRACT: This paper presents a modeling of an eletronic product s assembly line using simulation technique with Arena software. The study is focused on a special sector of eletronic industry called EMS - eletronic manufaturing service firms whose products are assembled to order. Supply system uses kanban lot sizes to move material from facility storage to production area and the performance of assembly line is measured by demand fill rate during shift schedule. An alternative scenario in assembly line s layout by reducing number of work stations is shown as a mean to optimize line balance efficiency. An approach with MOST (Maynard Operations System Technique) is used to estimate processing times at each work station. KEYWORDS: simulation, Arena, kanban, eletronic manufacturing service, MOST, assembly line balance. 1. Introdução A modelagem de sistemas de manufatura empregando técnica de simulação tem sido amplamente utilizada nos mais variados ambientes de manufatura. O setor EMS (eletronic manufacturing service) caracteriza-se por apresentar altas taxas de volatilidade e obsolescência dos produtos que são fabricados sob encomenda do cliente que é o proprietário da marca original do produto. Desse modo a pressão por custos baixos torna-se uma necessidade para sobrevivência no mercado globalizado.

2 A simulação dinâmica é uma técnica preditiva do comportamento do sistema estudado e é uma ferramenta eficiente de apoio à tomada de decisão que possibilita aos gerentes de manufatura antever e atuar sobre as fatores responsáveis pela variabilidade dos processos. A redução da variabilidade finalmente se desdobra em ganhos de produtividade e aumento nos lucros. Kelton et al. (1998) comentam que as principais linguagens de simulação GPSS, Simscript, Slam, Siman apareceram a partir da década de O Arena é uma interface computacional gráfica construída sobre a linguagem Siman que utiliza diagrama de blocos ou módulos para representação dos modelos. Banks e Carson (1984) comentam que a simulação de sistemas discretos apoia-se na teoria de filas onde se verifica uma seqüência de eventos de chegadas em que as entidades personificadas com atributos próprios e provenientes do meio externo entram no sistema e aguardam serviço em uma fila de espera até o atendimento. Uma entidade pode ser criada ou destruída em qualquer tempo em um modelo de simulação. A taxa de chegada das entidades e a taxa de atendimento do servidor definem o tempo entre chegadas e o tempo de atendimento que são conhecidos ou podem ser ajustados por uma distribuição de probabilidade. Os tempos de fila no sistema não são conhecidos a priori e são condicionados aos tempos de duração das atividades. Kelton e Law (1991) afirmam que a premissa básica dos sistemas de filas é que os tempos entre chegadas são variáveis aleatórias independentes e identicamente distribuídas conforme uma mesma distribuição de probabilidade. As regras de prioridade clássicas que regem o atendimento são o FIFO (first in first out) e o LIFO (last in first out) como é o caso típico de uma empilhadeira de materiais. A simulação ainda é bastante utilizada em ambientes de manufatura multiproduto onde as regras de sequenciamento (scheduling) são necessárias para definir o melhor roteiro que otimiza a taxa de utilização do job shop. Monden (1994) comenta que os sistemas de suprimento empregando técnicas do Just in time - JIT com uso de kanbans tem sido muito utilizado nos ambientes de manufatura desde à sua implantação no modelo de produção Toyota. O sistema de produção Just in time prima pela alocação do recurso estritamente necessário no devido centro de processamento e em tempo hábil reduzindo dessa maneira o nível de material em processo ou WIP - work in process - no sistema produtivo. O mecanismo de controle no chão de fábrica para movimentação dos recursos materiais ou para a produção de itens é o cartão kanban que funciona como uma ordem de requisição ou ordem de produção, de modo que cada kanban está associado a um componente físico. O número de cartões no sistema é calculado de acordo com a demanda exigida durante o tempo de ressuprimento e o tamanho do contêiner, podendo ainda ser adicionado ou não de fatores de segurança relacionados às incertezas de demanda e de fornecimento de material. Gupta e Gupta (1989) utilizaram simulação dinâmica e uma abordagem de custos para avaliar a performance do sistema kanban em linhas de produção com múltiplos estágios. Foram analisados os impactos provocados por diferentes políticas de inventário ao variar o número de kanbans por meio do tamanho dos contêineres, variabilidade nas taxas de produção dos postos de serviço devido ao desbalanceamento da linha e variabilidade nos tempos de processamento. Notou-se que o custo de manuseio e movimentação de material para equilibrar variabilidade nos tempos de processamento e o custo de horas extras são trade-offs que devem ser bem administrados. Por outro lado acréscimo no numero de cartões não é suficiente para aumentar a taxa de produção quando outras variáveis permanecem constantes e além disso é imprescindível o balanceamento da linha para o fluxo suave da produção no ambiente JIT. 2372

3 Berkeley (1993) utilizou a linguagem de simulação Siman para modelar uma linha de produção controlada por kanban. Demonstrou-se para este sistema estudado que a regra de serviço FIFO e a regra de sequenciamento SPT (shortest processing time) influenciam diretamente na taxa de produção e são sensíveis à variabilidade dos tempos de processamento e à capacidade do buffer. O uso da disciplina FIFO se adapta melhor quando os tempos operacionais são normalmente distribuídos e a capacidade do buffer é maior. O uso do SPT apresentou maior taxa de produção quando os tempos de processamento são exponenciais e o buffer apresenta limitação de capacidade. Seppanem (1994) estudou a simulação empregando linguagem Siman em uma linha de montagem utilizando tanto o conceito de manufatura tradicional baseado em empurrar a produção quanto o conceito de manufatura JIT empregando kanbans para puxar a produção. Estabelecidas as condições de contorno iniciais tais como o tamanho dos buffers de cada posto de serviço, as distribuições estatísticas dos tempos entre chegadas dos kanbans nos postos de serviço e dos tempos de processamento, procedeu-se a execução da simulação. A análise dos resultados comparou o nível de material em processo e o tempo de fluxo das peças no sistema. Concluiu-se que, ao contrário do resultado esperado, o modelo empregando kanban apontou maior média no nível de material em processo (WIP) no sistema, entretanto mostrou-se mais flexível e capaz de atender uma ordem de produção com maior agilidade do que o modelo clássico de manufatura. Zandin (1990) apresenta o método de medição de tempos MOST (Maynard Operations System Technique) como uma alternativa ao método tradicional MTM (Methods Time Measurement) que obtém amostras de tempos utilizando técnica de cronometragem e ajuste de distribuições estatísticas para o conjunto de dados. O método classifica os movimentos operacionais em geral, controlado e uso de ferramentas. O uso de ferramentas manuais é abordado como uma combinação dos movimento geral e controlado. O método MOST baseia-se na aplicação de parâmetros que registram o grau de dificuldade ou resistência para se executar determinada ação assim como a freqüência dos movimentos da operação executada. Os parâmetros são convertidos em tempos operacionais por meio de tabelas próprias e a acurácia dos tempos é validada por meio de suporte estatístico com uso de intervalo de confiança. Os valores obtidos pelo método consideram um nível de performance do operário de 100%. Portanto fatores de tolerância relacionados à fadiga do operário são adicionados à parte nos tempos calculados pelo método, sendo este procedimento comum nos ambientes de manufatura. Segundo Conceição (2002), O MOST é um método que produz resultados com grande acurácia quando aplicado a linhas de montagens, onde o tempo de ciclo e a eficiência do balanceamento da linha são fatores importantes para se atingir a produção desejada. 2. Objetivos A simulação da linha de produção consiste em apresentar cenários de operação da linha de montagem cuja performance é medida pelo atendimento da demanda durante o turno de trabalho disponível. A linha apresenta uma restrição de projeto de capacidade do buffer nos postos de montagem e teste. O suprimento emprega técnicas JIT/kanban e é avaliada uma alternativa de reconfiguração da linha de produção alterando o número de postos de serviço. 3. Metodologia para modelagem e simulação da linha de produção A metodologia para a simulação da linha de produção é composta das etapas: (i) definição do problema, (ii) coleta dos dados, (iii) hipóteses dos modelos, (iv) modelagem da linha de produção utilizando diagrama de blocos ou módulos de ação do software Arena mediante representação de cenários dos modelos, (v) experimentação dos modelos através de corridas de simulação, (vi) validação dos modelos mediante intervalos de confiança para as médias de 2373

4 tamanho de fila, tempo de fila nos postos, tempo de retenção das peças no sistema e taxa de produção obtidas em 250 replicações dos modelos, (vii) avaliação dos resultados. 4. Estudo de Caso A metodologia foi aplicada em um caso prático de uma linha de montagem de produto do setor eletrônico de uma indústria instalada na região metropolitana de Belo Horizonte e está detalhada passo a passo a seguir. i. Definição do problema O contexto do problema estudado é uma linha de montagem de um produto do setor eletrônico. Os materiais e componentes são enviados em lotes kanbans de tamanho fixo do estoque da fábrica para a linha de produção em intervalos regulares de tempo. A linha de produção é composta de 4 postos de preparação de peças semi-acabadas independentes um do outro (P1, P2, P3, P4) que são agrupadas nos postos de montagem e o produto final é inspecionado no posto de teste. As peças em conformidade com a especificação técnica são enviadas à expedição (E) e as peças refugadas são retrabalhadas no posto de reparo (R). Os postos de montagem e teste possuem arranjo em paralelo com postos duplicados (M1A e M1B, M2A e M2B, TA e TB), de acordo com a fig 1. P1 P2 M1A M2A TA E R P3 M1B M2B TB P4 Figura 1 Layout original da linha de produção ii. Coleta de dados O contexto do problema demandou coleta de dados de tempos de processamento nos postos de serviço e cuja abordagem foi realizada com uso do método MOST (Maynard Operations System Technique). Este método é muito utilizado pela engenharia industrial para estimar o tempo de montagem no lançamento de novos produtos e como foi dito acima baseia-se na seqüência e freqüência de movimentos executados pelo operador durante a operação de montagem. O tempo padrão de cada operação utilizado na simulação corresponde ao tempo calculado pelo método MOST, adicionado de um fator de 15% relacionado à fadiga do operador. A tab.1 apresenta os tempos operacionais em cada posto da linha de produção. 2374

5 Tabela 1 Registro dos tempos operacionais nos postos de serviço Posto de serviço Tempo MOST Tempo padrão N o de operadores minutos minutos P1 0,786 0,90 1 P2 0,636 0,73 1 P3 0,828 0,95 1 P4 0,942 1,08 1 M1 2,298 2,64 2 M2 1,140 1,31 2 T 2,256 2,59 2 Total parcial 8,886 10,22 10 Total 10,219 11,75 10 iii. Hipóteses dos modelos A demanda diária exigida é de 360 peças do produto acabado em conformidade com a especificação técnica. Há um percentual de retrabalho de 5% de tal modo que os modelos contemplam a produção diária de 378 peças, em 2 turnos de produção e total de 8,8 h de trabalho efetivo. Há 2 (dois) suprimentos diários, pontuais e instantâneos em intervalos regulares de tempo. Os lotes kanbans em cada suprimento possuem tamanho fixo e são suficientes para fabricar 189 unidades do produto acabado em cada turno de produção. O tempo entre chegadas dos lotes nos postos P1, P2, P3, P4 foi ajustado a uma distribuição discreta de probabilidade DISC (0,95;240 min;0,05;300 min) de tal modo que os modelos admitem a possibilidade do lote chegar entre intervalos de tempo mínimo de 240 min com 95% de probabilidade e máximo de 300 minutos com 5% de probabilidade, analisados em um horizonte de tempo de um ano de 250 dias úteis de produção. As peças dos postos P1 e P2 são agrupadas nos postos de montagem M1A e M1B (junção de duas peças). As peças dos postos P3 e P4 são agrupadas nos postos de montagem M2A e M2B com a peça proveniente do posto de montagem M1A e M1B respectivamente (junção de três peças). Os postos P1, P2, P3, P4 não possuem restrição de capacidade do buffer. Os postos (M1A e M1B), (M2A e M2B) e (TA e TB) possuem uma restrição de capacidade do buffer menor que 10 peças. Os tempos de transferência das peças semi-acabadas entre todos os postos são negligenciados devido à proximidade dos postos. iv. Modelagem do problema utilizando Arena a) Cenário do modelo 1 O cenário do modelo 1 consiste em operar a linha de produção de acordo com as hipóteses acima relaxando a hipótese de restrição de capacidade do buffer nos postos de montagem e teste para avaliar o tamanho da fila de peças semi-acabadas que aguardam processamento nos postos de serviço e identificar a existência ou não de postos com gargalo. 2375

6 A modelagem da linha de produção empregando a técnica de simulação utilizou o software Arena versão 3.5, desenvolvido pela Systems Modeling. As etapas da modelagem utilizando os diagramas de blocos ou módulos do programa são comentadas abaixo: O módulo Arrive é responsável pela entrada dos lotes kanbans no sistema através dos postos de preparação P1, P2, P3, P4 em intervalos regulares de tempo. O módulo designa um atributo para as peças que compõem o lote, de tal modo que cada peça do lote numerada de 1 a 189 é agrupada com outra peça de mesmo número de acordo com o critério de junção de peças estabelecidas na hipótese. O módulo representa um recurso ou servidor que é responsável pelo processamento de cada peça e o tempo de processamento é determinístico calculado usando parâmetros do método MOST conforme tabela 1. O tempo de rota para a próxima estação de serviço foi negligenciado, devido à proximidade dos postos e há um total de 10 servidores no sistema. O módulo Pickstation faz a divisão das peças P1 e P2 para os dois postos de montagem M1A e M1B baseado no menor número de entidades aguardando processamento na fila destes postos (regra de prioridade default do programa). Como os tempos de processamento são idênticos em ambos os postos, os tamanhos das filas de espera são iguais e então foi utilizada uma expressão adicional para distribuir as peças uniformemente nos dois postos baseado no número de peças processadas e registradas por um contador de peças em cada posto de serviço. O módulo Leave é anexado ao módulo Pickstation para possibilitar a divisão das peças entre os dois recursos disponíveis nos postos de serviço. As opções de recursos do módulo Pickstation são armazenadas em um atributo denominado Escolha utilizando uma expressão no módulo Leave. O módulo define o nome das estações de montagem e teste. O módulo Choose (condicional) faz a divisão das peças P3 e P4 uniformemente nos postos de montagem M2A e M2B para se proceder a junção com as peças provenientes do posto M1A e M1B respectivamente. Não há formação de filas de espera nos postos M2A e M2B devido ao baixo tempo de processamento. A regra de distribuição das peças P3 e P4 é baseada na disponibilidade de peças nestes postos após processamento para se proceder a junção na montagem M2A ou M2B conforme a seguinte regra. Se, CONT(P i, M2A) CONT(P i, M2B), então W i = 1 Se, CONT(P i, M2A) > CONT(P i, M2B), então W i = 0 CONT(P i, M2A): é o contador de peças no posto P i destinadas ao posto M2A, P i = {P3,P4} CONT(P i, M2B): é o contador de peças no posto P i destinadas ao posto M2B W i : é a quantidade de peças liberadas no posto P i aos postos M2A e M2B O módulo Batch faz a junção das peças baseado no atributo da última peça que foi agrupada para compor a nova entidade criada. O módulo Inspect exerce a mesma função do módulo porém admite a possibilidade de desvio da entidade para outro módulo baseado em um percentual de probabilidade de refugo de peças (retrabalho = 5%). O módulo Depart representa a saída das peças no sistema (expedição e retrabalho). O módulo Simulate é responsável pela execução da simulação estabelecendo as condições de início e término, bem como o número de replicações do modelo. A condição de início da simulação é o instante de tempo imediatamente após a chegada do lote de 189 peças nos postos P1, P2, P3 e P4 simultaneamente. A condição de término é definida após a passagem da última peça no sistema, definida pela seguinte expressão: 2376

7 CONT(E) + CONT(R) 378 CONT(E): é o número de peças na expedição registrado por um contador de peças. CONT(R): é o número de peças no reparo registrado por um contador de peças. O módulo Statistics registra as estatísticas coletadas durante a simulação, salvando os dados em arquivos (.dat) que são recuperados pelo arquivo Output Analyzer. A figura 2 e a figura 3 do Anexo apresentam a modelagem do sistema no Arena para os cenários do Modelo 1 e do Modelo 3 respectivamente. O Modelo 2 não foi apresentado pois tem o mesmo diagrama de blocos do Modelo 1, exceto em relação à logica de controle com a inclusão dos blocos Wait na saída dos blocos da Preparação 1 e Preparação 2. Entretanto estes blocos podem ser vistos na representação do Modelo 3. b) Cenário do Modelo 2 O modelo 2 propõe uma lógica de controle que monitora o sistema de modo a impor uma restrição de capacidade ao buffer dos postos M1A e M1B. Desse modo foram incluídos o módulo Create, gerador da entidade controladora, e o módulo Scan, que impõe a condição de restrição do tamanho da fila nos postos M1A e M1B. Ainda foram incluídos os módulos Signal e Delay para enviar um sinal de controle aos postos de preparação P1 e P2 com a quantidade de peças requisitada. O delay entre o instante de tempo que o sinal é enviado aos postos de preparação e o mesmo é recebido corresponde a 3 segundos. O módulo Wait (fila) retém as peças nos postos P1 e P2 até o recebimento do sinal de controle liberando-as em seguida. A regra de liberação das peças é a seguinte: Se, NQ(M1) 5 então W = 5 Se, NQ(M1) > 5 então W = 0 NQ(M1): é o tamanho da fila no posto M1A e M1B em unidades de peças semi-acabadas. W: quantidade de peças a serem liberadas dos postos P1 e P2 aos postos M1. M1 = {M1A, M1B} Desse modo o buffer do posto M1A e M1B é capaz de acomodar até 10 unidades durante todo o processo de fabricação. c) Cenário do Modelo 3 O cenário do modelo 3 propõe a retirada de um dos postos de montagem M2 pois estes postos apresentam um tempo de processamento curto em relação aos demais postos de montagem e teste, de modo que não há formação de filas de espera no posto. Supondo a retirada do posto M2B verifica-se um aumento na demanda de peças para serem processadas (378 peças) no posto M2A. Um bloco Wait foi anexado ao bloco Choose para liberar as peças P3 e P4 individualmente conforme a disponibilidade de peças processadas na montagem (M1A e M1B) e prontas para satisfazer o critério de junção na montagem M2A. A regra de liberação das peças utiliza os mesmos módulos Create, Scan, Signal e Delay e está descrita a seguir. Se, CONT(P i ) CONT(M1), então W i = 1 Se, CONT(P i ) > CONT(M1), então W i = 0 CONT(P i ): é o contador de peças no posto P i, CONT(M1): é o contador de peças processadas no posto M1, W i : é a quantidade de peças a ser liberada no posto P i ao posto M2A P i = {P3,P4} M1 = {M1A,M1B} 2377

8 Outro módulo Pickstation torna-se necessário para redistribuir uniformemente as peças nos dois postos de teste seguintes. 5. Resultados A tabela 2 seguir apresenta-se o resultado da simulação para 250 replicações do cenário do modelo 1 sem restrição de capacidade do buffer. Tabela 2 Tamanho das filas e tempo de retenção nas filas dos postos de serviço Tamanho fila Média Desvio CI 95% para a Valor Valor N o observações (unidades) Padrão Média mínimo máximo P 1 68,7 3,21 0,4 57,6 69,6 250 P 2 57,9 2,78 0,347 46,9 58,6 250 P 3 72,1 2,72 0,338 60,6 72,8 250 P 4 80,6 2,26 0,281 69,0 81,1 250 M 1A 17,7 0,869 0,108 14, M 1B 17,5 0,887 0,11 14,5 17,8 250 M 2A 0, ,141 0, M 2B 0, ,14 0, T A 0, ,0507 0, T B 0, ,103 0, E 359 4,01 0, R 19,2 4,01 0, Tempo de fila Média Desvio CI 95% para a Valor Valor N o observações (min) Padrão Média mínimo máximo P ,22 0,65 93, P 2 94,2 4,53 0,564 76,3 95,3 250 P ,42 0,551 98, P ,67 0, M 1A 57,5 2,83 0,352 47,9 58,5 250 M 1B 56,8 2,89 0,359 47,3 57,8 250 M 2A 0, ,459 0, M2B 0, ,454 0, T A 0, ,165 0, T B 0, ,334 0, Tempo no sistema 176 8,45 1, Verifica-se que o tamanho médio da fila de peças nos postos de montagem M1A e M1B é incompatível com a capacidade do buffer estabelecido na hipótese dos modelos evidenciando que este é o posto gargalo da linha de produção. Verifica-se também um elevado tempo de permanência das peças nos postos de preparação de 176 minutos como conseqüência da chegada das peças em lotes de 189 unidades. No início as peças fluem rapidamente no sistema e com o passar do tempo ficam congestionadas nos postos de montagem M1A e M1B. A taxa de produção exigida de 360 peças diárias é alcançada com média de 359 peças enviadas à expedição (E) com desvio padrão de 4 unidades por dia. A tabela 3 registra os valores das taxas de ocupação dos postos. 2378

9 Tabela 3 Taxa de ocupação dos postos para o cenário do modelo 1 Taxa de ocupação Média Num. operadores P1 0,553 1 P 2 0,449 1 P 3 0,584 1 P 4 0,664 1 M 1A 0,811 1 M 1B 0,811 1 M 2A 0,403 1 M 2B 0,403 1 TA 0,796 1 T B 0,796 1 Total 10 A taxa de ocupação dos postos M1A e M1B, TA e TB é bastante elevada mesmo tendo sido considerado um fator de tolerância de 15% relacionado à fadiga do operário. A abordagem determinística dos tempos de processamento empregando parâmetros do método MOST não registra variabilidade na execução das operações de tal modo que estas taxas podem representar condições de trabalho demasiadamente excessivas, haja vista que as operações são todas realizadas por operários sem empregar nenhuma máquina automatizada. O tempo gasto para a produção das 378 peças em todos os modelos foi de 504 minutos (8,4 horas), ou seja, a produção está compatível com o tempo disponível durante o turno de 8,8 horas. Podem-se extrair alguns dados a respeito da eficiência do balanceamento da linha de produção a partir dos dados da tabela 1. Dividindo-se o tempo disponível de 8,8 h pela demanda de 378 peças verifica-se que o tempo permitido para cada posto é de 1,39 minutos. Como os tempos operacionais na montagem e teste excedem o tempo permitido para cada posto torna-se necessário acrescentar mais operários aos postos, formando linhas paralelas como mostrado na figura 1. O tempo de ciclo em cada posto define o ritmo da produção e é resultado da operação com maior tempo de processamento. Verifica-se que o tempo de ciclo é dado pelo posto M1 e é igual a 1,32 minutos. Este valor corresponde ao tempo padrão da operação dividido pelo número de postos (dois). Então o número de operadores teoricamente necessários para operar a linha corresponde à razão entre ao tempo total para se executar todas as operações e o tempo de ciclo da linha. Logo, dividindo-se o tempo total de 11,75 minutos pelo tempo de ciclo de 1,32 minutos obtém-se que são necessários 8,9 operadores. A razão entre o número teórico e o real de operadores define a eficiência do balanceamento e neste modelo corresponde a 89%, haja vista que a linha opera com 10 operadores. O cenário do modelo 2 impõe uma a restrição de projeto na capacidade do buffer do posto gargalo identificado no cenário do modelo 1 como sendo os postos M1A e M1B. Entretanto esta restrição de projeto não altera a taxa de produção exigida e a simulação do modelo revela que a média diária de 359 peças com desvio padrão de 4 unidades é mantida. Entretanto o tamanho das filas de espera no buffer destes postos limitada em até 10 unidades impõe uma condição operacional diferente do cenário anterior e isto é percebido no trânsito das peças entre os postos de preparação e montagem ao longo do dia. O tempo de retenção das peças continua elevado com 171 minutos pois a condição de chegada do lote de 189 peças permanece idêntica ao modelo anterior. 2379

10 O cenário do modelo 3 propõe a retirada do posto M2B e esta ação também possibilita o atendimento da demanda no tempo disponível do turno de trabalho com média de 359 peças e desvio padrão de 4 peças exatamente como nos outros modelos. O tempo de retenção das peças no sistema é de 186 minutos, de modo que a retirada do posto M2B provoca um atraso de 15 minutos no fluxo das peças. Entretanto este valor não é significativo pois a demanda é atendida no prazo e o motivo do elevado tempo de permanência das peças no sistema é a chegada das peças em lotes com tempos de retenção elevados nos postos de preparação como pode ser visto na tabela 2 com o congestionamento das peças nos postos M1A e M1B no decorrer da simulação. A intervenção resulta em uma eficiência de 98% no balanceamento da linha e no aumento da taxa de ocupação do posto M2A para 0, Conclusão A modelagem de sistemas empregando a simulação dinâmica foi utilizada neste estudo como técnica preditiva do comportamento da linha de montagem mediante suprimento dos postos de serviço com lotes kanbans. A linha de produção possui uma restrição de capacidade do buffer nos postos de montagem e teste e uma alternativa de reconfiguração da linha foi apresentada para aumentar a eficiência do balanceamento. A simulação apontou que a linha está superdimensionada e que a demanda pode ser atendida com a exclusão de um posto. O uso do método de medição de tempos MOST para estimar os tempos operacionais e a abordagem determinística dos tempos de processamento não contemplou variabilidades comuns e possíveis de ocorrer nos sistemas reais. A adoção dessa premissa implica em um trabalho exaustivo e automatizado do operador. A única fonte de variabilidade dos modelos é o tempo entre chegadas dos lotes kanbans e esta hipótese está associada à incerteza no fornecimento do lote nos horários previstos com a implementação recente do sistema kanban de abastecimento na linha de produção. 7. Referências bibliográficas 1. Banks, J.; Carson, J. S. Discrete-event system simulation. New Jersey: Prentice-Hall, Berkley, B. J. Effect of buffer capacity and sequencing rules on single-card kanban system performance, International Journal of Production Research, 1993, vol. 31, n.12, pp Conceição, S.V. MOST applied to eletronic manufacturing service. Workpaper. Belo Horizonte, Programa de Pós-Graduação em Engenharia de Produção Gupta, Y. P.; Gupta, M. A system dynamics model for a multi-stage multi-line dual-card JIT-kanban system, Introduction Journal of Production Research, 1989, vol. 27, n.2, pp Kelton, W. D.; Sadowski, R. P.; Sadowski, D. A. Simulation with Arena. USA: WCB/McGraw-Hill, Law, A. M.; Kelton, W. D. Simulation Modeling and Analysis. 2 nd ed. USA: McGraw-Hill, Monden, Y. Toyota Production System: an integrated approach to Just-in-Time. 2 nd ed. Norcross: Institute of Industrial Engineers, Zandin K. B. MOST Work Measurement Systems. 2 nd ed. New York: Marcel Dekker,

11 8. Anexo Figura 2 Representação do Modelo 1 no Arena Arrive Arrive Arrive Arrive Assig n PREPARACAO 1 PREPARACAO 2 PREPARACAO 3 PREPARACAO 4 PickStation Leave PickStation Leave Choose Choose Batch MONTAGEM 1A Batch MONTAGEM 1B Assig n MONTAGEM 2A Batch Batc h MONTAGEM 2B TESTE A Inspect Inspect TESTE B EXPEDICAO Simulate Depart Statistics RETRABALHO Depart 2381

12 Figura 3 Representação do Modelo 3 no Arena Arrive Arrive Arrive Arrive PREPARACAO 1 MONTAGEM 1A Batch Batch MONTAGEM 1B MONTAGEM 2A Batch TESTE A TESTE B Simulate EXPEDICAO Depart 2382