SIMULAÇÃO DE PROCESSOS PRODUTIVOS: UMA PESQUISA-AÇÃO EM UMA INDÚSTRIA AUTOMOBILÍSTICA

Transcrição

1 João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016 SIMULAÇÃO DE PROCESSOS PRODUTIVOS: UMA PESQUISA-AÇÃO EM UMA INDÚSTRIA AUTOMOBILÍSTICA RODRIGO FURLAN DE ASSIS (FAE ) furlanassis123@hotmailcom Gabriel Germinari Rodrigues (FAE ) gabrielgerminari@gmailcom Jean Guilherme Azarias (FAE ) jeangazarias@gmailcom Um adequado planejamento e controle da produção é de grande importância para viabilizar a integração entre as áreas de suprimentos e de demanda, atendendo as expectativas dos consumidores e utilizando a capacidade da produção de forma otimiizada Assim, para ampliar a capacidade da tomada de decisão, é necessário o desenvolvimento de métodos probabilísticos, capazes de simular a variabilidade das incertezas que o mercado apresenta Com base nisso, a simulação computacional tem sido, cada vez mais, utilizada em empresas de diversas áreas Diante disso, o objetivo dessa pesquisa é desenvolver um modelo para simulação computacional capaz de ampliar a capacidade de tomada de decisões de uma empresa do ramo automobilístico O trabalho foi realizado no setor de usinagem e visou apresentar um conjunto de informações para ampliar a eficiência dos gestores na tomada de decisões no que diz respeito à gestão da produção e planejamento de melhorias Para conduzir o estudo de simulação e foi utilizado o software de simulação ARENA na versão estudantil, este software permitiu visualizar o sistema a modelado como um conjunto de estações de trabalho que compõe a estrutura do processo de fabricação modelado O modelo em estudo faz parte de um projeto que está em evolução, novas versões serão desenvolvidas com o objetivo de tornar a simulação mais real e com as limitações minimizadas Palavras-chave: SImulação, planejamento e controle da produção, tomada de decisão

2 1 Introdução O cenário competitivo tem sofrido grandes mudanças, afetando, principalmente, empresas de pequeno e médio porte, ocasionadas pela crescente globalização dos mercados, maior exigência de parâmetros de qualidade, menor prazo de entrega e níveis de customização Para adequar ao cenário, as organizações, cada vez mais, adotam a utilização de ferramentas e técnicas para ampliar a capacidade de tomada de decisão (ESPOSITO et al 2013) Segundo Fernandes (2008), a intensa competitividade no mercado aumenta a necessidade das empresas industriais em tomar decisões mais precisas no que diz respeito aos ajustes e melhorias dos seus sistemas de produção O autor afirma que as empresas podem utilizar a simulação computacional como ferramenta para adquirir e organizar o conhecimento necessário para a tomada da decisão Nesse sentido, segundo Schlegel e Murray (2010), para ampliar a capacidade da tomada de decisão, é necessário o desenvolvimento de métodos probabilísticos, capazes de simular a variabilidade das incertezas que o mercado apresenta, normalmente na forma de modelos de apoio para a tomada de decisão Além disso, uma das maiores vantagens do uso de modelos é prover bases para a experimentação virtual, tornando possível prever efeitos causados por alterações (PFLEEGER, 2004; MESQUITA E SANTORO, 2004) Com base nisso, a simulação computacional tem sido, cada vez mais, utilizada em empresas de diversas áreas Segundo Kelton et al (1998), alguns dos modelos de sistemas que podem ser representados pela simulação computacional, são: Unidades produtivas com máquinas, pessoas e fluxo de materiais; Bancos com tempos de atendimento e filas; Centros de distribuição e suas redes; Restaurantes de fast-food com atendentes e consumidores; Supermercados e controle de estoque; Para Banks et al (2005), a simulação normalmente é utilizada para testar alternativas de mudanças sem, contudo, alterar o sistema real, como também para identificação de gargalos nos processos produtivos, além de permitir identificar processos que ampliem a capacidade de sistemas produtivos 2

3 Diante disso, o objetivo geral deste trabalho é desenvolver um modelo para simulação computacional capaz de ampliar a capacidade de tomada de decisões de uma empresa do ramo automobilístico, situada em um município do Leste Paulista O trabalho é realizado no setor de usinagem e visa proporcionar um respaldo para os gestores tomarem decisões com maior segurança no que diz respeito ao planejamento e gestão da produção O presente artigo está dividido em seis seções, incluindo a introdução Na segunda seção é desenvolvida a fundamentação teórica, sendo que a terceira traz a metodologia de pesquisa Na sequência, é apresentado o desenvolvimento do modelo proposto (seção 4) e os resultados da aplicação do mesmo (seção 5) Por fim, são desenvolvidas as análises conclusivas na seção 6 2 Revisão da literatura 21 Estudo de sistemas Segundo a definição dada por Oliveira (2013), sistema é um conjunto de partes interagentes e interdependentes que, conjuntamente, formam um todo unitário com determinado objetivo e efetuam função específica Ainda para o autor, pode-se identificar seis componentes básicos para um sistema, sendo eles: Objetivos: a finalidade para a qual o sistema foi criado; Entradas do sistema: são os materiais, informações e as energias necessárias para que o objetivo previamente estabelecido seja alcançado; Processo de transformação do sistema: é a função que possibilita a transformação de um insumo (entrada) em um produto, serviço ou resultado (saída); Saídas do sistema: são os resultados do processo de transformação e devem ser coerentes com os objetivos do sistema; Controles e avaliações do sistema: são utilizados para verificar se as saídas estão coerentes com os objetivos estabelecidos, geralmente são análises quantitativas para medir o desempenho do sistema; Retroalimentação: pode ser considerado como a reintrodução de uma saída sob a forma de informação, resultantes das divergências verificadas entre as respostas de um sistema e os parâmetros previamente estabelecidos 3

4 O estudo de um processo pode ser realizado de diferentes formas, para avaliar o impacto de mudanças em um sistema nem sempre é preciso uma intervenção direta nas rotinas operacionais, tornando as experimentações por modelos uma alternativa mais eficiente para sistemas complexos As diferentes formas de abordagem para o estudo de sistemas foi definido por Law e Kelton (1991), conforme representado na Figura 1 Figura 1 Formas de estudo de um sistema Fonte: Law e Kelton (1991) Dessa forma, a modelagem é um processo constituído da criação e descrição, geralmente utilizando relações matemáticas e lógicas, de um sistema real com determinado grau de abstração, trazendo simplificações sobre a organização e funcionamento do sistema (FREITAS FILHO, 2008) Além das classificações citadas acima, o autor classifica um modelo quanto ao propósito e tipo de processo decisório envolvido, são eles modelos voltados a previsão, investigação ou comparação Com base nisso, um sistema pode ser classificado de muitas formas quanto às suas características, do ponto de vista da modelagem e simulação, Freitas Filho (2008) classifica os sistemas sob os seguintes aspectos ilustrados na Figura 2 4

5 Figura 2 Classificação dos sistemas para fins de modelagem Fonte: Freitas Filho (2008) Assim, conforme definido por Chwif (1999), existem etapas de desenvolvimento de um modelo de simulação de sistemas: Concepção do modelo: o desenvolvedor do modelo deve expressar o sistema a ser simulado e seus objetivos A partir disso, tem-se um modelo abstrato e deve-se utilizar técnicas de representação de modelos para torná-lo um modelo conceitual; Implementação do modelo: o modelo conceitual é convertido em um modelo computacional através de linguagem de simulação ou de um simulador comercial; Análise dos resultados: após verificação e validação do modelo computacional é obtido o modelo operacional, sendo este a versão do modelo capaz de retornar as informações necessárias para o estudo do sistema Apesar destas etapas estarem dispostas de forma linear, Chwif (1999) ressalta que nem sempre ocorre desta maneira Durante o processo de modelagem é comum existir a necessidade de reformulação de algumas etapas conforme evolui o entendimento do problema, ocorrendo algumas retroalimentações 5

6 Figura 3 Ciclo de vida de um modelo de simulação Fonte: Chwif (1999) 22 Simulação computacional De modo abrangente, simulação é um conjunto de métodos utilizados de forma aplicada para representar um sistema real, sendo uma ferramenta que, segundo Bateman et al (2013), possibilita criar cenários e projetar o impacto das mudanças, favorecendo tomadas de decisões mais eficazes Do ponto de vista prático, Kelton et al (1998) afirmam que a simulação é um processo de criação de modelos computadorizados com o propósito de conduzir experimentos numéricos para oferecer a compreensão do comportamento de um sistema em uma determinada combinação de condições Apesar da simulação apresentar diversas vantagens, trazendo oportunidades competitivas para os usuários, Freitas Filho (2008) apresenta alguns possíveis problemas referentes à simulação: 6

7 A simulação é uma atividade que se aprimora com a experiência, o desenvolvedor de um modelo necessita de capacitação específica; Os resultados gerados pela simulação podem se tornar de difícil compreensão, isso acontece por existirem saídas dos sistemas que são aleatórias e podem ser confundidas com as saídas que são resultantes de iterações entre as variáveis; O desenvolvimento de um modelo de simulação demanda muito tempo e recurso, caso ocorra a economia de recursos o sistema pode se tornar incompleto e ineficiente; Em muitas situações a simulação é utilizada para sistemas com baixa complexidade, sendo que uma análise detalhada do cenário seria o suficiente para o estudo Para que um modelo de simulação seja considerado coerente e pronto para a representação de um sistema real, deve-se realizar duas avaliações básicas A primeira é a verificação, onde o objetivo é garantir que o modelo se encontre sem erros de sintaxe e/ou lógica A segunda é a validação, que consistem em saber se o modelo se comporta de forma semelhante ao sistema real (FREITAS FILHO, 2008) Sobre os modelos de simulação, Assis (2015) ressalta que não são apenas ferramentas de apoio à tomada de decisão, podendo também ser vistos como um meio para a geração de informações e conhecimento no processo de gerenciamento organizacional Tal afirmação resulta do fato de que a identificação e mapeamento das empresas, e de seus processos produtivos e decisórios, permitem identificar padrões de comportamento do sistema, dos elementos que o compõem e de como esses elementos podem influenciar o sistema como um todo 23 Software Arena Com o aumento da popularidade da simulação entre engenheiros, gerentes e outros tomadores de decisões, houve o crescimento no número de pacotes de simulação encontrados no mercado, são exemplos: Stella, Arena, ProModel, PowerSim, etc A seleção da ferramenta mais adequada deve ser feita com base criteriosa, levando-se em conta as aplicações que se pretende desenvolver e as características dos produtos (GAVIRA, 2003) O Arena é um software de simulação bastante utilizado para simulação de processos produtivos, apesar da capacidade de transformar-se facilmente em um simulador específico para reengenharia e logística 7

8 Para o processo de modelagem no Arena um fluxograma representa um sistema, incorporando seus dados de entrada e gerando dados de saída, os quais são baseados na integração entre o modelo lógico-matemático construído e as distribuições estatísticas dos dados inseridos como parâmetros (ARAGÃO, 2011) Além dos dados de saída, resultantes de interações lógico-matemáticas e distribuições estatísticas, o software Arena possui um conjunto de ferramentas que, segundo Freitas Filho (2008), auxilia no ajuste dos dados e avaliações dos resultados 24 Planejamento e Controle da Produção Para Ciurana et al (2008) o propósito do funcionamento da produção é otimizar o fluxo de materiais e o uso das máquinas envolvidas nos processos de transformação da matéria-prima em produto final, tendo em conta os vários objetivos de gestão, tais como: a redução do trabalho em andamento, maximização do rendimento de chão de fábrica, melhorando a capacidade de resposta às mudanças na demanda e melhorar a data de entrega Para Vollmann et al (2005), as atividades executadas no desenvolvimento no planejamento e controle da produção (PCP) estão inseridas como parte importante em qualquer sistema de planejamento da manufatura, e são divididas em três fases: Front end, Engine e Back end, conforme disposto na Figura 4 Figura 4 Atividades do PCP Fonte: Adaptado de Vollmann et al (2005) 8

9 Para os autores, na fase de Front end, a qual corresponde ao planejamento estratégico (longo prazo), são estabelecidas as atividades referente ao ajuste geral da organização, por meio de mecanismos de gerenciamento da demanda Já a fase Engine, corresponde ao planejamento tático (médio prazo), e engloba as atividades de planejamento detalhado de capacidade e de materiais A fase de Back end corresponde ao planejamento operacional (curto prazo), e evidencia a execução das atividades de planejamento, para os quais os sistemas de chão de fábrica fixam as prioridades para as ordens de produção em cada centro de trabalho Para Stevenson et al (2005), as funções típicas do PCP estão direcionadas ao planejamento das necessidades de materiais, gerenciamento da demanda, planejamento da capacidade e scheduling de operações em máquinas Assim, entre os propósitos dessas atividades, destacam-se: reduzir custos e dimensão de estoques, minimizar tempo de atravessamento e lead times, melhorar a resposta a alterações de mercado, dentre outros Para tanto, Thomé et al (2012) afirma que há uma tendência, apresentada na literatura, quanto à formalização de planos de PCP para a operacionalização de empresas de manufatura Isso ocorre, por meio da utilização de métodos de planejamento probabilísticos desenvolvidos com base na construção de modelos de simulação, o que para o autor potencializa a tomada de decisão 3 Metodologia 31 Contexto A metodologia utilizada para a presente pesquisa é a pesquisa-ação Nesta metodologia os pesquisadores do problema estão envolvidos de maneira cooperativa ou participativa no ambiente pesquisado (SILVA e MENEZES, 2005) Além disso, na presente pesquisa foi utilizada a abordagem quantitativa e os procedimentos de pesquisa documental e experimental (SILVA e MENEZES, 2010) A pesquisa documental foi usada para a formalização teórica a respeito do tema da pesquisa Já o procedimento experimental foi empregado devido ao uso de simulação Para conduzir o estudo de simulação, foram considerados os passos propostos por Chwif (1999) e foi utilizado o software de simulação Arena na versão estudantil, este software permite visualizar o sistema a ser modelado como constituído de um conjunto de estações de trabalho que contém um ou mais recursos chamados de entidades ou transações que apresentam características especificas no sistema modelado 9

10 32 Caracterização da empresa pesquisada A empresa objeto do estudo é fabricante de turbos alimentadores que atua no mercado de reposição, entregando produtos de alta qualidade e tecnologia própria, a empresa busca vantagem competitiva através de produtos que minimizam as emissões de poluentes com um melhor custo-benefício aos seus clientes Localizada em São João da Boa Vista, no Estado de São Paulo, a 200 quilômetros da capital, o maior centro automotivo da América Latina, a empresa fornece seus produtos diretamente ao mercado nacional e mundial, estando presente em todos os continentes O mix de produtos é variado, totalizando 229 itens ativos entre turbos alimentadores e kits de reparo para diversos modelos de automóveis, sendo a maioria direcionada para linha de automóveis pesados A empresa conta com processos de fundição e usinagem própria, garantindo o controle de todo o processo de produção e desenvolvimento do produto O setor de usinagem opera atualmente com 46 colaboradores, distribuídos de forma que os recursos (máquinas e estações de trabalho) sejam utilizados a maior parte do tempo possível Dessa forma, a empresa apresenta como característica geral determinado agrupamento de atividades, conforme Figura 4 Além disso, a Tabela 1 representa uma identificação para os processos executados Figura 4 - Processos de produção 10

11 Tabela 1 Identificação dos processos Após as peças serem inspecionadas pelo setor de qualidade o processo é inicializado pela operação 10 (soldar rotor e haste) que através do recurso solda de fricção, rotor e haste são unidos formando o eixo Em seguida, as peças são encaminhadas para a operação 20 (recozimento) na qual os eixos são expostos a uma temperatura de 600ºC para que a tensão formada pela solda seja normalizada Na sequência a operação 30 (tornear) constitui em usinar a haste do eixo para que a mesma atinja as medidas pré-estabelecidas no desenho do produto, juntamente a operação 40 (facear e furar) é executada para que o produto tenha fixação na operação de retífica As operações de retifica que são formadas por quatro processos (operação 50, 60, 70, 80) visam garantir medidas que seriam impossíveis de serem atingidas no torneamento, pois o produto exige medidas milésimas A operação 90 (balanceamento) que define o final do processo depende inteiramente que todas as operações anteriores tenham sido feitas de forma correta para que o eixo atinja um balanceamento adequado que visa garantir uma ótima eficiência ao produto final 33 Coleta de dados Para definir parâmetros de entrada para o modelo de simulação construído, a coleta dos dados foi realizada in loco para cada uma das operações, sendo obtido os tempos médios de processamento e setup conforme a Tabela 2 Tabela 2 Tempo dos processos 11

12 O tempo médio para cada operação se refere ao tempo em que o operador leva para preparar a peça, executar a operação e retirar a peça Foi desconsiderado o tempo de transporte entre as estações por se tratar de um valor irrelevante Para o tempo de setup, somente os processos 30 e 40 possuem valor considerável, sendo os outros desconsiderados A taxa de retrabalho e perdas que ocorrem no processo de balanceamento foram obtidas através do histórico da produção 4 Proposta do modelo Seguindo a definição de Freitas Filho (2008) para o desenvolvimento da presente pesquisa será utilizada a modelagem para um sistema: Dinâmico: uma vez que as variáveis de estado são alteradas na medida em que o tempo evolui; Aleatório: os possíveis estados das variáveis podem ser descritos, mas não predeterminado; Discreto: as mudanças de estado ocorrem em pontos discretos no tempo e não de forma contínua Ainda para o autor, no que se refere ao propósito, o modelo desenvolvido é voltado para comparação, pois é utilizado para avaliar o efeito de mudanças nas variáveis de controle Dessa forma, o modelo desenvolvido, representado pela Figura 5, tem como objetivo simular como o sistema reage com tamanhos de lotes diferentes Os lotes variam entre um mínimo de 20 peças, devido a inviabilidade financeira para lotes menores, e um máximo de 80 peças, por se tratar da capacidade máxima do forno Através da definição dos parâmetros de entrada referentes ao tamanho do lote, foi possível obter um conjunto de dados que apresentaram uma visão sobre o comportamento do processo sob determinadas características, inclusive a avaliação do tempo de fila nos processos, e a utilização de cada recurso Figura 5 Modelo proposto no Arena 12

13 O modelo contém todas as operações com os tempos que foram coletados anteriormente, conforme Figura 6 Para o processo de recozimento foi necessário utilizar a ferramenta Batch antes da operação para possibilitar que o modelo processasse o lote inteiro em vez de processar as peças individualmente, seguindo da ferramenta Separate para que as peças voltassem a ser processadas individualmente Os dados de retrabalho e perdas foram inseridos segundo o histórico de perdas, 90% das peças são aprovadas, 8% necessitam de rebalanceamento e 2% são descartadas Todas as operações possuem recurso com capacidade unitária, com exceção do processo de balanceamento que conta com duas máquinas e dois operadores, portanto, no modelo a sua capacidade é igual a dois Figura 6 Processos do modelo 5 Análise dos resultados Após a finalização, verificação e validação do modelo desenvolvido, foram simulados quatro cenários com tamanhos de lotes diferentes, sendo eles de 20, 40, 60 e 80 peças, e demanda média de aproximadamente 13 eixos por hora As simulações foram de um período de 44 horas, considerando um turno de trabalho com 8 horas 13

14 Os resultados estão dispostos na Tabela 3, obtidos através de uma média entre três replicações para cada um dos quatro cenários diferentes Tabela 3 Resultado das simulações A variação dos resultados não apresentam grande amplitude, com exceção da quantidade de eixos produzidas e taxa de utilização do processo 20, por se tratar de rodadas de simulação em um curto intervalo e com demanda relativamente baixatais parâmetros foram limitados pela versão estudantil do Arena, que restringe o modelo a não ultrapassar a quantidade de 150 entidades em processo, para tanto, uma versão comercial do software seria necessária Ainda assim, os resultados nos permite observar que dentre os quatro cenários simulados, o cenário mais favorável ao sistema seria com lotes no tamanho de 80 peças pois, conforme aumenta o tamanho do lote, a quantidade de eixos produzidos é maior A taxa de utilização dos processos 20 (recozimento) e 30 (tornear haste) são fatores que favorecem o lote com 80 peças por serem os menores dentre os cenários simulados A menor taxa de utilização no processo 20 é favorável devido ao alto custo operacional do forno Enquanto isso, a redução na taxa de utilização do processo 30 reduziria o gargalo em cenários com a demanda elevada 6 Considerações finais Esse é um primeiro esforço no sentido de se obter uma abordagem de utilização na área de modelagem e simulação de processos produtivos, sendo que diversos pontos podem ser complementados com pesquisas futuras, tais como: Estudo do sistema: um modelo fiel que possa demonstrar graficamente com exatidão a maneira que o sistema opera, permitindo o entendimento facilitado até mesmo por pessoas que não são integradas ao processo; Análise de cenários de reação a alterações de demanda: cada período deve ter uma característica para tomada de decisão rápida Assim, em futuros projetos, o presente 14

15 modelo de simulação poderá evoluir para uma ferramenta mais completa em termos de controle; Análise de cenários com complexidade do mix de produtos: o modelo deve ser capaz de identificar as particularidades de cada produto, considerando índice de refugo, tempo de processamento e setup de cada um dos produtos As ferramentas de simulação têm crescido em popularidade por serem aplicáveis em praticamente todos os processos produtivos e proporcionarem dados suficientemente precisos para tomadas de decisões No que se refere ao PCP, a simulação tem um efeito satisfatório na determinação da capacidade produtiva, estudo de impactos pela variação da demanda e decisões estratégicas de programação Durante o desenvolvimento do trabalho ficou evidente que para se obter um modelo de simulação eficaz é importante que o desenvolvedor, além de ter domínio da ferramenta utilizada para simulação, tenha familiaridade com o sistema em estudo O modelo em estudo faz parte de um projeto que está em evolução, novas versões serão desenvolvidas com o objetivo de tornar a simulação mais real e com as limitações minimizadas Referências ARAGÃO, A P Modelagem e simulação computacional de processos produtivos: o caso da cerâmica vermelha de Campos dos Goytacazes, RJ 2011 Dissertação (Mestrado em Engenharia de Produção) Centro de Ciência e Tecnologia da Universidade Estadual do Norte Fluminense, UENF ASSIS, R F Proposta de modelagem para o planejamento e controle da produção para empresas virtuais: uma abordagem por dinâmica de sistemas 2015 Dissertação (Mestrado em Pesquisa Operacional) Faculdade de ciências aplicadas, UNICAMP BANKS, J; CARSON II, J S; NELSON, B L; NICOL, D M Discrete - Event System Simulation 4ª ed Upper Saddle River: Prentice Hall BATEMAN, RE; BOWDEN, R O; GOGG, T J; HARREL, C R; MOTT, J R A; MONTEVECHI, J AB Simulação de sistemas: aprimoramento processos de logística, serviços e manufatura 1ª ed Rio de Janeiro: Elsevier, 2013 CHWIF, L Redução de modelos de simulação de eventos discretos na sua concepção: uma abordagem causal 1999 Tese (Doutorado em Engenharia) Escola politécnica da Universidade de São Paulo, POLI-USP CIURANA, J; GARCIA-ROMEU, M L; FERRER, I; CASADESÚS, M A model for integrating process planning and production planning and control in machining processes Robotics and Computer-Integrated Manufacturing, v 24, n 4, p ,

16 CORRÊA, L H; GIANESI, I G N; CAON, M Planejamento, programação e controle da produção 4ª ed São Paulo: Atlas, 2001 ESPOSITO, E; EVANGELISTA, P; LAURO, V; RAFFA, M Virtual enterprise in SME networks Piccola Impresa/Small business, n 3, 2013 FERNANDES, R A C Simulador de sistemas de produção e de informações industriais: aplicação a sistema de produção lean 2008 Dissertação (Mestrado em Engenharia Eletrotécnica e de Computadores) Faculdade de Engenharia da Universidade do Porto, FEUP FREITAS FILHO, P J Introdução à modelagem e simulação de sistemas 2ª ed Florianópolis: Visual Books, 2008 GAVIRA, M O Simulação computacional como uma ferramenta de aquisição de conhecimento 2003 Dissertação (Mestrado em Engenharia de Produção) Escola de Engenharia de São Carlos da Universidade de São Paulo, USP KELTON, W D; SADOWSKI, R P; SADOWSKI, D A Simulation with Arena New York: McGraw-Hill, 1998 LAW, A M; KELTON, W D Simulation modeling & analysis 2ª ed New York: McGraw-Hill, 1991 MESQUITA, M; SANTORO, M Análise de modelos e práticas de planejamento e controle da produção na indústria farmacêutica Revista Produção, v 14, n 1, p 65, 2004 OLIVEIRA, D P R Sistemas, organização e métodos: uma abordagem gerencial 21ª ed São Paulo: Editora Atlas, 2013 PAIVA, A F O Geração automática de modelos de simulação de uma linha de produção na indústria têxtil 2005 Dissertação (Mestrado em Engenharia Industrial) Escola de Engenharia da Universidade do Minho PFLEEGER, S L Engenharia de Software: Teoria e Prática 2ª ed São Paulo: Prentice Hall, 2004 SCHLEGEL, G L; MURRAY, P Next Generation of S&OP: Scenario Planning with Predictive Analytics & Digital Modeling Journal of Business Forecasting, p 20-30, 2010 SILVA, E L; MENEZES, E M Metodologia da pesquisa e elaboração de dissertação Florianópolis, UFSC, 2005 STEVENSON, M; HENDRY, L; KINGSMAN, B C A review of production planning and control: the applicability of key concepts to the make-to-order industry Internacional Journal of Production Research, v 43, n 5, p , 2005 THOMÉ, A M T; SCAVARDA, L F; FERNANDEZ, N S; SCAVARDA, A J Sales and operations planning: A research synthesis International Journal of Production Economics, v 138, n 1, p 1-13, 2012 VOLLMANN, T E; WILLIAN, L B; WHYBARK, D C; JACOBS, F R Sistema de planejamento e controle da produção para o gerenciamento da cadeia de suprimentos 5ª ed São Paulo: Artmed,