Sistemas de Produção: Estudos de Casos

Transcrição

1 Objetivo: Programa de Pós-Graduação em Engenharia de Produção Sistemas de Produção I Prof. Dalvio Ferrari Tubino, Dr. Estudo de Caso 3 Planejamento e Controle da Produção JIT Nivelamento do Plano-mestre à Demanda Este estudo de caso tem por finalidade analisar as vantagens e desvantagens do nivelamento do plano-mestre de produção à demanda, associado ao conceito de planejamento e controle da produção JIT. Para tanto, foi criado um modelo no software de simulação Arena que permite analisar o desempenho do sistema produtivo frente a variações de demanda (volume, tamanho de lote e mix de produção) e variações na freqüência (bimestral, mensal, semanal e diário) de elaboração do plano-mestre de produção. Modelo: O sistema produtivo do estudo de caso 3 é bastante simples, seu foco está centrado na dinâmica da freqüência de emissão e atualização de ordens de produção para quatro produtos diferentes constantes do PMP e seu reflexo nos pedidos dos clientes que estão dando entrada na expedição. Logo, nessa simulação irão ocorrer duas ações independentes e simultâneas. Uma é a elaboração e emissão do PMP, com base em uma previsão de vendas semanal, com diferentes freqüências de atualização (bimestral, mensal, semanal ou diária). A medida em que os lotes das ordens de produção vão ficando prontos, eles vão dando entrada na expedição e estarão disponíveis para atender aos pedidos dos clientes. Como o sistema produtivo será simulado para um período de dois meses, ou minutos (480 minutos/dia vezes 5 dias/semana vezes 8 semanas), dependendo da freqüência escolhida o PMP poderá ser redirecionado no sentido de melhor atender aos pedidos dos clientes que efetivamente estão dando entrada no sistema. Por exemplo, um PMP com freqüência bimestral é único e será montado no início da simulação e suas ordens de produção deverão atender a todas as ordens de vendas que chegarem no período simulado. Já um PMP com freqüência semanal será refeito a cada 2400 minutos (480 minutos/dia vezes 5 dias/semana), dando oportunidade para o tomador de decisões redirecionar as ordens de produção constantes do novo PMP que será emitido para a semana que se inicia. O sistema produtivo pode produzir em suas três máquinas (máquina 1, máquina 2 e máquina 3) quatro produtos diferentes (produto 1, produto 2, produto 3 e produto 4) para atender ao PMP. Os produtos 1 e 2 possuem roteiros de fabricação passando pelas máquinas 1 e 3, nessa ordem, enquanto os produtos 3 e 4 possuem roteiros de fabricação passando pelas máquinas 2 e 3, nessa ordem. Todos os quatro produtos são produzidos e movimentados em lotes e possuem os mesmos tempos padrões de produção: nas máquinas 1 e 2 demandam um tempo baseado em uma normal de média 2 minutos e desvio padrão de 0,2 minutos por unidade, e na máquina 3 consomem um tempo baseado em uma normal de média 1,4 minutos e desvio padrão de 0,14 minutos por unidade. Não são levados em consideração tempos de setups para troca de lotes nas máquinas. Caso o lote de produção encontre a máquina ocupada, ele aguardará numa fila até que a máquina fique disponível. Note que, com esses tempos produtivos, lotes muito grandes não terão tempo suficiente para serem completados no período de dois meses (19200 minutos). Por exemplo, um lote de 5600 unidades demandará, em média, minutos (5600 unidades vezes 2 minutos na primeira operação mais 1,4 minutos na segunda operação). Caso ele encontre fila de espera de 161 minutos, não será completado a tempo.uma vez produzidos, os lotes dos produtos vão para o estoque de produtos 1 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br

2 acabados (expedição) e ficam aguardando a entrada de um pedido de vendas para serem entregues aos clientes. A Figura 1 apresenta a tela que é mostrada durante a animação da simulação desse sistema produtivo. A outra ação no modelo simulado, paralela a lógica de programação do PMP e independente do tomador de decisões, ocorre com a definição dos pedidos dos clientes. Os pedidos dos clientes podem variar quanto ao seu volume total no bimestre, quanto ao tamanho dos lotes, quanto ao mix de produção, e quanto à variabilidade pequena ou grande no tempo entre as chegadas dos pedidos. A definição do tamanho dos lotes de vendas irá estabelecer o número de pedidos dos clientes que entrarão durante o bimestre. Por exemplo, para uma previsão de vendas semanal de 1200 unidades e lotes de 10 unidades, o sistema irá dar entrada em 120 lotes de vendas por semana (1200 unidades/semana divididas por 10 unidades). Esses 120 lotes serão distribuídos pelos quatro produtos de acordo com o mix de vendas selecionado. Por exemplo, para um mix de 10% do produto 1, 40% do produto 2, 10% do produto 3, e 40% do produto 4, tem-se uma entrada semanal de 12 lotes de vendas do produto 1, 48 lotes de vendas do produto 2, 12 lotes de vendas do produto 3, e 48 lotes de vendas do produto 4. Figura 1 Tela do sistema produtivo simulado. Além do volume, tamanho dos lotes e mix dos pedidos dos clientes, haverá ainda uma certa variabilidade (pequena ou grande) no tempo entre a chegada dos pedidos. Essa variabilidade busca dar uma dinâmica mais real as vendas, e utiliza uma distribuição triangular para sortear o tempo até a próxima chegada de um pedido dos clientes. A variabilidade pequena utiliza uma distribuição triangular com valor médio igual ao tempo médio entre pedidos, e os valores mínimo e máximo iguais a 5% a menos ou a mais, respectivamente, do tempo médio. De forma semelhante, a variabilidade grande emprega uma distribuição triangular com valor médio igual ao tempo médio 2 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br

3 entre pedidos, e os valores mínimo e máximo iguais a 50% a menos ou a mais, respectivamente, do tempo médio. Por exemplo, admitindo-se 120 lotes de vendas por semana com um mix de 12 lotes para o produto 1, e escolhendo-se uma variabilidade pequena, o tempo entre a entrada desses pedidos seguirá uma distribuição triangular com média de 20 minutos (2400 minutos/semana dividido por 12 lotes), valor mínimo de 19 minutos (20 minutos vezes 0,95), e valor máximo de 21 minutos (20 minutos vezes 1,05). Já ao se escolher uma variabilidade grande, mantém-se a média de 20 minutos, mas com valor mínimo de 10 minutos (20 minutos vezes 0,50) e valor máximo de 30 minutos (20 minutos vezes 1,50). Como se pode ver, a variabilidade grande faz com que os pedidos de vendas entrem no sistema de forma bastante irregular, pois o período entre entradas pode variar, segundo uma distribuição triangular, de 10 até 30 minutos, enquanto que com variabilidade pequena eles variam na faixa de 19 a 21 minutos. A partir de uma previsão inicial de vendas semanais com a definição do volume total, tamanho dos lotes, do mix de produtos e da variabilidade no tempo entre as chegadas dos pedidos, os pedidos de vendas passarão a chegar na expedição segundo a dinâmica aleatória da simulação e, caso tenhamse produtos em estoque, eles serão entregues em lotes de vendas. Caso contrário, os pedidos ficam aguardando a entrada de novos lotes de produção para serem atendidos. A tela de animação do sistema produtivo apresenta em paralelo a simulação, informações em tempo real sobre o lead time do cliente e o lead time de produção, além dos níveis de estoques e pedidos pendentes dos clientes por tipo de produto na expedição, e os lotes de venda e de produção para cada um dos quatro tipos de produtos. Resultados: Ao final dos dois meses (19200 minutos) de simulação do sistema produtivo com os parâmetros escolhidos é apresentada uma tela com o relatório físico dos dados de entrada e dos dados de saída referentes ao desempenho da alternativa simulada. A Figura 2 apresenta a tela do relatório de saída da simulação do estudo de caso 3. Nesse relatório de saída podem-se ver seis quadros de respostas: Posição da Fábrica: Unidades Médias e Máximas no Bimestre, Posição da Produção no Bimestre, Mix (%) da Previsão de Vendas, Previsão de Vendas Semanal, Lote de Venda, e Lead Times. Alguns dos valores apresentados no relatório de saída do estudo de caso 3 são apenas transcrições dos dados de entrada escolhidos para uma determinada alternativa a ser simulada. Eles servem para identificar e relacionar os resultados com a alternativa simulada. O quadro de resposta Previsão de Vendas Semanal mostra o valor selecionado, em número de produtos, para a previsão de vendas semanal que foi simulada. O quadro de resposta Lote de Venda informa o tamanho dos lotes de vendas que foram simulados para os quatro produtos. O quadro de resposta Mix (%) da Previsão de Vendas informa para o relatório de saída o mix da previsão de vendas, em percentual, escolhido para cada tipo de produto e o grau de variabilidade nos tempos de chegada dos pedidos de vendas. E, finalmente, dentro do quadro de resposta Posição da Produção no Bimestre tem-se o total, em unidades, liberado no bimestre para a produção, via PMP, de cada um dos quatro produtos. No quadro de resposta Posição da Produção no Bimestre aparece ainda a informação de quanto foi possível, em unidades, produzir do plano mestre programado para cada um dos quatro produtos. Por exemplo, no relatório da Figura 2 pode-se ver que todas as 2400 unidades programadas para os quatro produtos foram completadas. Eventualmente, para lotes muito grandes, a programação do PMP não será plenamente atendida. 3 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br

4 O quadro de resposta Posição da Fábrica: Unidades Médias e Máximas no Bimestre do relatório de saída informa quais foram os valores máximos e médios no bimestre simulado, em unidades, dos produtos acabados em mãos (no estoque) e das vendas pendentes dos clientes. Um resumo com os totais desses valores também é apresentado. Por exemplo, no relatório da Figura 2 tem-se que o estoque médio do produto 1 durante o período simulado foi de 121 unidades, chegando a atingir, em determinado momento, um valor máximo de 720 unidades. Por outro lado, em virtude da falta de sincronismo entre produção e vendas, o valor médio das vendas pendentes do produto 1 durante o período simulado foi de 246 unidades, chegando a atingir um pico de 980 unidades em determinado momento. Figura 2 Tela do relatório de saída da simulação do estudo de caso 3. O quadro de resposta Lead Times do relatório de saída informa os tempos médio e máximo em minutos que tanto os lotes de produção (produção) como os lotes de vendas (cliente) incorreram durante o período simulado. Nesse estudo de caso o lead time de produção compreende o intervalo de tempo entre a emissão do PMP até a entrada dos produtos acabados na expedição, sendo composto pelo somatório dos tempos de espera nas filas das máquinas, dos tempos produtivos e dos tempos de movimentação entre as máquinas. Já o lead time do cliente é o intervalo de tempo decorrido desde a entrada de um lote de venda no sistema até seu atendimento pelo estoque de produtos acabados. Por exemplo, no relatório de saída da Figura 2 os clientes esperaram, em média, 2469 minutos para verem seus pedidos atendidos. Em algum momento da simulação algum cliente chegou a esperar 9146 minutos pelo atendimento de seu pedido. Por outro lado, os produtos gastaram em média 6564 minutos para ficarem prontos desde a entrada no sistema via PMP, e, em algum momento da simulação, chegaram a consumir 9142 minutos para ficarem prontos. 4 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br

5 Uma vez entendidos os dados físicos fornecidos pelo relatório de saída da Figura 2, pode-se passar para a apresentação das questões para a discussão do assunto proposto no estudo de caso 3, ou seja, permitir à análise das características do nivelamento do plano-mestre à demanda dentro das funções do planejamento e controle da produção JIT. Questões para Discussão: O estudo de caso 3 foi montado para trabalhar com quatro alternativas de freqüência (bimestral, mensal, semanal e diária) na elaboração do PMP. Associada a essas freqüências está à questão da definição do tamanho dos lotes produtivos, que, como foi colocado inicialmente, dentro da filosofia de produção JIT/TQC precisa ser pequeno e estar nivelado com as necessidades dos clientes. É claro que produzir no mesmo ritmo em que a demanda se manifesta traz melhores resultados em termos de atendimento aos clientes e estoques em mãos. Esse estudo de caso foi desenvolvido para comprovar esses fatos. Dentro do princípio de estabelecer uma situação básica inicial e depois ir mexendo nas variáveis, uma a uma, para verificar seus efeitos sobre o sistema produtivo, propõem-se como padrão à simulação de uma alternativa inicial com uma previsão de demanda semanal de 1200 unidades, lotes de venda de 20 unidades, mix de 25% para cada um dos quatro produtos, e variabilidade pequena nos tempos entre chegadas dos pedidos de vendas. A partir da simulação dessa proposta inicial, pode-se sugerir as seguintes questões para discussão das principais características relacionadas ao nivelamento do PMP a demanda. 1. Simule diferentes freqüências na elaboração do PMP para a situação básica inicial. Qual a freqüência que oferece melhores resultados? Justifique com os dados simulados. 2. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com uma maior variabilidade nos tempos entre as entradas dos pedidos de vendas. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 3. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com lotes de venda maiores do que 20 unidades. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 4. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com lotes de venda menores do que 20 unidades. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 5. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com previsões de demanda abaixo de 1200 unidades por semana. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 6. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com previsões de demanda acima de 1200 unidades por semana. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 7. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com um mix de venda concentrado em um produto, por exemplo, 70% para o produto 1 e 10 % para os demais produtos. Compare com os valores obtidos na questão um e justifique as diferenças encontradas com os dados simulados. 8. A partir da situação básica inicial, simule as diferentes freqüências na elaboração do PMP com um outro mix de venda concentrado no produto 4, por exemplo, 70% para o produto 4 e 10 % para os demais produtos. Compare com os valores obtidos na questão sete e justifique as diferenças encontradas com os dados simulados. 5 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br

6 9. O que os sistemas produtivos convencionais com PMPs com freqüências bimestrais ou mensais fazem para tentar reduzir os lead times dos seus clientes e cumprir a programação do PMP? 10. Quais as possíveis dificuldades que os sistemas produtivos encontram na prática para trabalharem com PMPs com lotes diários? 6 Prof. Dalvio Ferrari Tubino, Dr tubino@eps.ufsc.br