Centro Unversitário Santo Agostinho

Documentos relacionados
APLICAÇÃO DOS PRINCÍPIOS DA TEORIA DAS RESTRIÇÕES E SIMULAÇÃO COMPUTACIONAL NA GESTÃO DO PROCESSO DE MONTAGEM DE CADEIRAS EM UMA INDÚSTRIA MOVELEIRA

SIMULAÇÃO E OTIMIZAÇÃO DA DINÂMICA OPERACIONAL DE UM PROCESSO DE PINTURA DE CADEIRAS EM UMA INDÚSTRIA MOVELEIRA

SIMULAÇÃO DO PROCESSO DE ATENDIMENTO DE UM RESTAURANTE UNIVERSITÁRIO: UM ESTUDO DE CASO

Simulação e otimização da dinâmica operacional do processo de pintura de cadeiras em uma indústria moveleira

Simulação do processo de atendimento de uma panificadora de pequeno porte: um estudo de caso

Análise e simulação de um sistema de produção de calças sociais: um estudo de caso utilizando um simulador de código livre

Simulação da dinâmica operacional do processo de embalagem e paletização de steaks empanados de frango: um estudo de caso

MODELAGEM, SIMULAÇÃO E OTIMIZAÇÃO DA DINÂMICA OPERACIONAL DO PROCESSO DE FABRICAÇÃO DE PLACAS DE SINALIZAÇÃO

MODELAGEM, SIMULAÇÃO E OTIMIZAÇÃO DA DINÂMICA

APLICAÇÃO DE UM MODELO COMPUTACIONAL NA SIMULAÇÃO DO PROCESSO DE PINTURA DE UMA INDÚSTRIA DE IMPLEMENTOS AGRÍCOLAS

SIMULAÇÃO E OTIMIZAÇÃO DE UM PROCESSO DE PENDURA DE FRANGOS VIVOS: UM ESTUDO DE CASO

Aplicação dos princípios da teoria das restrições e simulação computacional no processo de pinturas de cadeiras em uma indústria moveleira.

MODELAGEM E ANÁLISE DE UM PROCESSO DE PRODUÇÃO EM UMA PEQUENA PANIFICADORA UTILIZANDO UM SIMULADOR DE CÓDIGO LIVRE

Dynamic operational simulation of an small university restaurant: a case study

SIMULAÇÃO E ANÁLISE DO PROCESSO DE PRODUÇÃO DE UMA INDÚSTRIA DE CONFECÇÃO SIMULATION AND ANALYSIS OF PRODUCTION PROCESS OF AN INDUSTRY OF CLOTHING

Modelagem do comportamento da variação do índice IBOVESPA através da metodologia de séries temporais

SIMULAÇÃO E OTIMIZAÇÃO DA DINÂMICA OPERACIONAL DO PROCESSO DE PINTURA DE CADEIRAS EM UMA INDÚSTRIA MOVELEIRA

MODELO DE SIMULAÇÃO PARA AVALIAR O PROCESSO DE ATENDIMENTO DE UMA PANIFICADORA UM ESTUDO DE CASO

ANÁLISE DO PROCESSO DE PRODUÇÃO DE FILÉS DE TILÁPIA POR MEIO DE SIMULAÇÃO: UM ESTUDO DE CASO

4ªJornadaCientíficaeTecnológicadaFATECdeBotucatu 7 a9deoutubrode2015,botucatu SãoPaulo,Brasil

TÍTULO: MODELAGEM E SIMULAÇÃO DE UM TERMINAL PORTUÁRIO PARA EMBARQUE DE AÇÚCAR PARA EXPORTAÇÃO

Coleta e Modelagem dos Dados de Entrada

UNIVERSIDADE ESTADUAL PAULISTA PLANO DE ENSINO DA DISCIPLINA

UNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA

TÍTULO: APLICAÇÃO DA SIMULAÇÃO COMPUTACIONAL PARA A TOMADA DE DECISÕES EM SISTEMAS DE MANUFATURA: UM ESTUDO DE CASO COM A FERRAMENTA ARENA

Coleta e Modelagem dos Dados de Entrada

APLICAÇÃO DE CONTROLE ESTATÍSTICO E SIMULAÇÃO NA ANÁLISE DO PROCESSO DE PRODUÇÃO DE CALÇAS SOCIAIS

UNIVERSIDADE DE SÃO PAULO

Autora: Bruna Russo Bahiana Orientador: Prof. Marcos dos Santos, MSc. COPPE/UFRJ

1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27

Modelagem de dados de entrada para simulação estocástica de lavra

Programas de simulação

MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel

INCERTEZAS DE CURVAS DE CALIBRAÇÃO AJUSTADAS SEGUNDO OS MODELOS LINEAR E QUADRÁTICO

Simulação e Modelagem

Modelos: Verificação, Validação e Experimentação

MODELAGEM E SIMULAÇÃO DO SISTEMA DE XEROX DOC CENTER

Análise dos Resultados da Simulação

NOÇÕES SOBRE EXPERIMENTOS FATORIAIS

PROGRAMA DE ENSINO DE DISCIPLINA Matriz Curricular - Resolução UNESP nº. 158, de 05/12/2012.

PNV-5005 MODELAGEM E ANÁLISE DE SISTEMAS INTERMODAIS DE TRANSPORTE UTILIZANDO TÉCNICAS DE SIMULAÇÃO

SIMULAÇÃO DO SISTEMA IDEAL PARA LINHA DE PRODUÇÃO DE UMA FÁBRICA DE ENGRENAGENS SIMULATION OF IDEAL SYSTEM FOR PRODUCTION LINE OF A FACTORY GEARS

ANÁLISE DE RESULTADOS

b) 5 6 d) 1 6 e) 7 6

Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15

ORGANIZAÇÃO CURRICULAR TÉCNICO NA ÁREA DE INFORMÁTICA: HABILITAÇÃO TÉCNICO EM INFORMÁTICA NA MODALIDADE A DISTÂNCIA /1

UNIVERSIDADE FEDERAL DO PARANÁ CURSO ESTATÍSTICA CALEB SOUZA GRR DENNIS LEÃO GRR LUAN FIORENTIN GRR

Anexo II Resolução nº 133/2003-CEPE

Parâmetros Da Equação De Chuvas Intensas Nos Municípios De Viçosa E Palmeira Dos Índios- AL

Simulação das filas dos elevadores do Fórum da Cidade de Goiânia utilizando o Software Arena

CURSO: ENGENHARIA DE PRODUÇÃO EMENTAS º PERÍODO

A SIMULAÇÃO COMO FERRAMENTA PARA A ANÁLISE DA INFLUÊNCIA DO SEQUENCIAMENTO DE LINHA DE PRODUÇÃO NO TEMPO DE FILA

16 Congresso de Iniciação Científica

Os modelos baseados em lógica fuzzy permitem uma modelagem mais representativa

Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito

Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais

aula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES

Pesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza

Utilização da simulação em ARENA 7.0 no auxílio ao balanceamento da célula de montagem de uma fábrica de calçados

Apostila de estatística básica Minitab Organizador: Daniel Magalhães Lima. Autores:

Última Lista de Exercícios

Estatística e Modelos Probabilísticos - COE241

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

CONTROLE DA TEMPERATURA DE SECAGEM ARTIFICIAL DE GRÃOS 1

Modelagem e Avaliação de Desempenho. Pós Graduação em Engenharia Elétrica - PPGEE Prof. Carlos Marcelo Pedroso 2014

ANÁLISE DA VERACIDADE E REPETIBILIDADE DO TEMPO DE EXPOSIÇÃO EM EQUIPAMENTOS DE RAIOS X

5 Agregação das Reservas das Entidades

Regressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1

VOLUME DO TRONCO DE Corymbia citriodora EMPREGANDO O MÉTODO DA ALTURA RELATIVA.

SIMULAÇÃO DE FLUXO DE PESSOAS E MATERIAIS EM OBRA DE CONSTRUÇÃO CIVIL

Ministério da Educação Universidade Tecnológica Federal do Paraná Conselho de Graduação e Educação Profissional.

DESENVOLVIMENTO DE UM MÓDULO DE PROGRAMAÇÃO LINEAR NO PROGRAMA OPTIMI

CONHECIMENTOS ESPECÍFICOS

VERSÃO RESPOSTAS PROVA DE MÉTODOS QUANTITATIVOS

Análise Exploratória e Estimação PARA COMPUTAÇÃO

Análise da Regressão. Prof. Dr. Alberto Franke (48)

Introdução. Amostragem, amostra aleatória simples, tabela de números aleatórios, erros

SSC546 Avaliação de Sistemas Computacionais Parte 1 -Aula 4 Sarita Mazzini Bruschi

MÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor

TÍTULO: TEORIA DAS FILAS APLICADA EM UMA CLÍNICA DE ODONTOLOGIA: ESTUDO DE CASO SOBRE A PRÓ RADIOLOGIA ODONTOLÓGICA.

4 Análise de Dados. 4.1.Procedimentos

AVALIAÇÃO DA QUALIDADE DAS MEDIDAS EXPERIMENTAIS NAS REGIÕES DE CONFIANÇA DOS PARÂMETROS CINÉTICOS ESTIMADOS DE UM SISTEMA COM REAÇÕES EM SÉRIE

UNIVERSIDADE FEDERAL DA FRONTEIRA SUL Campus CERRO LARGO. PROJETO DE EXTENSÃO Software R: de dados utilizando um software livre.

Estatística e Modelos Probabilísticos - COE241

Cap. 2 Pesquisa Operacional na Tomada de Decisão

Estatística Computacional (Licenciatura em Matemática) Duração: 2h Exame 14/06/10 NOME:

Aplicação da metodologia Box & Jenkins para previsão de vendas de emulsificante

SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE MINAS GERAIS IFMG

BUILDING SIMULATION: COMPLIANCE WITH ENERGY

Simulação de Sistemas. Adaptado de material de Júlio Pereira Machado (AULA 17)

Metodologia de simulação

Mais Informações sobre Itens do Relatório

Clóvis de Araújo Peres Cargo: Professor Titular de Estatística da USP UNIFESP Formação: PhD em Estatística pela Universidade WISCONSIN - USA

IBM SPSS como Ferramenta de Pesquisa Quantitativa

INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 EXAME: DATA 24 / 02 / NOME DO ALUNO:

CONHECIMENTOS ESPECÍFICOS

TÍTULO: SIMULAÇÃO APLICADA A UM PROCESSO DE USINAGEM CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA. SUBÁREA: Engenharias

Transformação de dados como alternativa a análise variância. univariada

Equações De Chuvas Intensas Para Os Municípios De Maceió E Arapiraca - AL

Lat. Am. J. Sci. Educ. 3, (2016)

Transcrição:

Centro Unversitário Santo Agostinho ISSN Impresso: 1806-6356 ISSN Eletrônico: 2317-2983 http://dx.doi.org/10.12819/2018.15.3.7 Análise Comparativa Entre Softwares de Simulação Discreta: um Estudo de Caso em Uma Indústria Moveleira Comparative Analysis Between Discrete Simulation Softwares: a Case Study in a Furniture Industry Eduardo Gasparin Mestrado em Tecnologias Computacionais para o Agronegócio pela Universidade Tecnológica Federal do Paraná Graduado em Engenharia de Produção pela Universidade Tecnológica Federal do Paraná E-mail: eduardogaspparin@gmail.com José Airton Azevedo dos Santos Doutor em Engenharia Elétrica pela Universidade Federal de Santa Catarina Professor da Universidade Tecnológica Federal do Paraná E-mail: airton@utfpr.edu.br Endereço: Eduardo Gasparin CÂMPUS MEDIANEIRA Avenida Brasil, 4232 CEP 85884-000 - Caixa Postal 271 - Medianeira PR - Brasil. Endereço: José Airton Azevedo dos Santos CÂMPUS MEDIANEIRA Avenida Brasil, 4232 CEP 85884-000 - Caixa Postal 271 - Medianeira PR- Brasil. Editor-Chefe: Dr. Tonny Kerley de Alencar Rodrigues Artigo recebido em 19/01/2018. Última versão recebida em 06/02/2017. Aprovado em 07/02/2018. Avaliado pelo sistema Triple Review: a) Desk Review pelo Editor-Chefe; e b) Double Blind Review (avaliação cega por dois avaliadores da área). Revisão: Gramatical, Normativa e de Formatação

E. Gasparin, J. A. A. Santos 150 RESUMO Este trabalho dedica-se ao estudo comparativo dos resultados obtidos dos softwares ARENA e JAAMSIM na simulação de um processo de montagem de cadeiras em uma indústria moveleira, localizada na região oeste paranaense. O software ARENA é um software comercial já estabelecido no mercado, sendo utilizado por várias empresas. O software JAAMSIM é um software de código livre ainda muito pouco utilizado no Brasil. Como parâmetro de comparação selecionou-se a variável TPMLC (Tempo do Processo de Montagem de um Lote de 30 Cadeiras). Os resultados obtidos de simulação para os dois softwares, apresentaram muito boa correlação, com nenhuma diferença significativa entre eles. Palavras-chave: ARENA. JAAMSIM. Indústria Moveleira. Simulação. ABSTRACT This work is devoted to the comparative study of the results obtained from the ARENA and JAAMSIM software in the simulation of a process of assembly of chairs in a furniture industry, located in the western region of Paraná. ARENA software is commercial software already established in the market, being used by several companies. The JAAMSIM software is free code software still very little used in Brazil. As a parameter of comparison, the variable TPMLC (Time of the Process of Assembly of a batch of 30 Chairs) was selected. The simulation results for both software presented very good correlation, with no significant difference between them. Keywords: ARENA. JAAMSIM. Furniture Industry. Simulation.

Análise Comparativa Entre Softwares de Simulação Discreta 151 1 INTRODUÇÃO A indústria moveleira é uma das mais antigas indústrias do mundo, a técnica de serrar, modelar, lixar e pintar a madeira para transformá-la em móveis já era aplicada por carpinteiros e artesões da idade antiga. Este método ganhou um avanço considerável depois da revolução industrial, quando o processo ficou mais rápido e prático pela utilização das máquinas, isso trouxe economia de tempo, esforço e aumento de produtividade (COELHO; BERGER, 2004). A fabricação de móveis, em especial os de madeira, pode ser considerada uma das mais tradicionais atividades da indústria de transformação. O setor reúne características como elevada utilização de insumos de origem natural e emprego relativamente intensivo de mão de obra. Os principais pólos moveleiros do país situam-se no Centro-Sul, nos estados de São Paulo, Rio Grande do Sul, Santa Catarina, Paraná, Minas Gerais e Espírito Santo, apesar de se localizarem importantes fabricantes de móveis em todo o território nacional (FERREIRA, 2009). A elevada competitividade do setor moveleiro é uma das principais razões para que busquem formas estratégicas baseadas na organização da produção para sobreviver no mercado atual, altamente competitivo. Uma alternativa para ajudar na tomada de decisão neste setor são as ferramentas de simulação. As ferramentas de simulação adequam o funcionamento de um sistema qualquer a possíveis variações em seus elementos constituintes ou em suas condições normais de operação. A simulação gera informações bastante precisas, levando à avaliação de vários cenários permitindo, sobretudo, decisões satisfatórias. Com ela, o gestor, através de um modelo computacional, imita o modelo real do fluxo de produção, com informações sobre recursos e tempos da produção. Com uma modelagem adequada do sistema, obtêm-se resultados rápidos e relativamente precisos sobre número de unidades produzidas, tamanho das filas de espera, taxa de utilização dos recursos, tempo de fluxo, dentre outros (BAUMGARTNER et al., 2013). O JAAMSIM é um software livre que apresenta um ambiente gráfico integrado de simulação, que contém inúmeros recursos para modelagem, animação e análise de resultados. Este software é composto por um conjunto de blocos (ou módulos) utilizados para se descrever uma aplicação real e que funcionam como comandos de uma linguagem de programação. Os elementos básicos da modelagem em JAAMSIM são as entidades que representam as pessoas, objetos, transações, entre outros, que se movem ao longo do sistema; as estações de trabalho que demonstram onde será realizado algum serviço ou transformação, Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018

E. Gasparin, J. A. A. Santos 152 e por fim, o fluxo que representa os caminhos que a entidade irá percorrer ao longo de estações. O JAAMSIM utiliza a linguagem de programação JAVA e pode ser baixado através do site www.jaamsim.com. O arquivo executável, o código fonte, o manual do usuário e o manual de programação também podem ser baixados no site (KING, 2013). O software ARENA é um dos softwares de simulação discreta mais utilizado no mundo empresarial e acadêmico. O ARENA utiliza a linguagem SIMAN. Segundo Prado (1999), o SIMAN é uma linguagem de simulação e, em 1983, deu nome ao primeiro programa de simulação para computadores pessoais (PCs). Este programa apresenta um ambiente gráfico integrado de simulação, que contém todos os recursos para modelagem, animação, análise estatística e análise de resultados e utiliza a abordagem por processos para execução da simulação (ALVES et al., 2014). Nesse contexto, este trabalho tem como objetivo comparar, através de técnicas estatísticas, os resultados obtidos dos softwares ARENA e JAAMSIM na simulação de um processo de montagem de cadeiras em uma indústria moveleira, localizada na região oeste paranaense. 2 MÉTODOS 2.1 Caracterização da Pesquisa A metodologia utilizada neste estudo pode ser classificada quanto ao tipo de pesquisa, a população amostra, a coleta e a análise dos dados. A classificação quanto ao tipo de pesquisa pode ser subdividida de acordo com a natureza, sendo para este estudo aplicada, pois seus resultados são aplicados à resolução de problemas reais enfrentados pela empresa em estudo. Quanto aos objetivos é descritiva, pois tem como objetivo descrever as características de determinada população ou fenômeno. Quanto à forma de abordar o problema pode ser considerada quantitativa, pois os dados obtidos (cronometrados) no sistema real foram, em seguida, tratados estatisticamente. E, de acordo com os procedimentos técnicos como modelagem e simulação, uma pesquisa operacional (GIL, 2008). Como estratégia de pesquisa, foi utilizado o estudo de caso que, conforme Yin (2013), é ideal em situações organizacionais reais em que o pesquisador não tem controle dos fenômenos.

Análise Comparativa Entre Softwares de Simulação Discreta 153 2.2 Caracterização da Empresa Fundada em 1966 na região Oeste do Paraná, a empresa em estudo iniciou suas atividades voltada para o beneficiamento, indústria, comércio, exportação e importação de madeiras nobres, sendo co-atuante na colonização e desenvolvimento da região oeste do Paraná. Na década de 90, num movimento de expansão e adequação à nova realidade do mercado mundial, a empresa começa a produzir móveis, através de uma sofisticada e moderna linha de salas de jantar. Em poucos anos estendeu seu portfólio que apresenta, atualmente, cadeiras, poltronas e mesas. Atualmente, as cadeiras representam aproximadamente 20% do faturamento total da empresa. Hoje a empresa, atua fortemente em todas as regiões brasileiras, principalmente em Santa Catarina e São Paulo. Suas vendas ocorrem por intermédio de representantes e diretamente por clientes (BONATTO, 2013). 2.3 Processo de Fabricação Na Figura 1 apresenta-se o fluxograma do processo de montagem de cadeiras. Figura 1 Fluxograma do processo Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018

E. Gasparin, J. A. A. Santos 154 O processo de montagem de cadeiras (Figura 2) inicia com a chegada das peças na etapa de pré-montagem das estruturas traseira e dianteira. Nestas etapas, os funcionários passam cola nas espigas e nos furos e fazem o encaixe das estruturas. Após o encaixe das estruturas, as peças são prensadas, grampeadas e coladas na etapa de montagem final. Na sequência, o chapéu e a travessa (Encosto) são montados na etapa de montagem do chapéu e encosto. A seguir, as imperfeições são corrigidas, na etapa de emassar. Finalmente, são niveladas, em uma mesa de vidro, e inspecionadas na etapa de inspeção e nivelamento. Atualmente, o setor de montagem da indústria moveleira conta com 4 funcionários. Figura 2 Cadeira produzida pela empresa Fonte: Bonatto (2013). 2.4 COLETA DE DADOS A coleta de dados é uma parte fundamental do processo de simulação, pois um insucesso nesta etapa compromete todo o trabalho. Por isso, neste trabalho, foi dada atenção especial a esta etapa. A coleta de dados foi realizada de forma direta por observação das atividades que compõem o processo de montagem de cadeiras da indústria. No planejamento, da coleta de dados, concluiu-se que seria necessário coletar os dados relativos as seguintes variáveis: tempos da Pré-Montagem Traseira (PMT); tempos de Pré-Montagem Dianteira (PMD); tempos de Montagem Final (MF); tempos de Montagem do Chapéu (MC); tempos de Montagem do Encosto (MC); tempos de Emassar (EM) e tempos de Inspecionar e Nivelar (ISP).

Análise Comparativa Entre Softwares de Simulação Discreta 155 Na seção de resultados e discussões serão detalhados os dados coletados e o tratamento dado a eles, visando garantir a sua consistência para utilização nos modelos computacionais. 2.5 NÚMERO DE REPLICAÇÕES Neste trabalho, o número de replicações (n*) foi obtido através da Equação (1) (CHIFF; MEDINA, 2007): (1) Onde: n: número de replicações já realizadas; h: semi-intervalo de confiança já obtido e; h*: semi-intervalo de confiança desejado. 2.6 TAMANHO DA AMOSTRA O tamanho de cada uma das amostras, cronometradas neste trabalho, foi obtida para um nível de confiança de 95%, através da Equação (3) (MORROCO, 2003): (2) Onde: na: número de indivíduos da amostra; Zα 2: valor crítico que corresponde ao grau de confiança desejado; S: desvio padrão e E: erro máximo estimado. 2.7 VALIDAÇÃO DO MODELO No processo de validação são comparados os resultados reais aos simulados. Este processo será realizado através do cálculo do erro médio estimado (Equação 3): (3) Onde: SE erro médio estimado; SR valor obtido a partir do sistema real; MD média dos valores gerados pelo modelo e GLR grau de liberdade, considerando o número de replicações do modelo. Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018

E. Gasparin, J. A. A. Santos 156 Observa-se que quanto menor o erro médio estimado, mais ajustados estão os resultados do modelo com os resultados reais. 3 RESULTADOS E DISCUSSÕES Inicialmente, foi realizada uma avaliação descritiva completa dos dados coletados no software Statistica versão 11. A Tabela 1 apresenta a análise dos dados coletados no processo de montagem de cadeiras. Tabela 1 Análise de dados Coef. de Variação (%) PMT (s) PMD (s) MF (s) ISP (s) MC (s) ME (s) EM (s) Pontos 30 30 30 30 30 30 30 Mínimo 47,49 108,4 135,9 9,7 25,5 47,7 50,2 Máximo 62,71 198,6 186,9 34,5 41,3 80,1 183,1 Média 56,7 151,1 162,9 20,6 31,9 60,9 112,3 Mediana 57,7 140,1 162,7 21,5 30,6 59,8 106,9 Desvio Padrão 3,9 31,1 12,6 7,1 4,7 8,3 35,9 Coef. de Variação (%) 6,9 20,5 7,7 34,7 14,7 13,6 31,9 Observa-se, através dos dados apresentados na Tabela 1, que a variável MF (tempos de Montagem Final) apresentou a maior mediana e a maior média entre os dados coletados no processo de montagem de cadeiras. Já os coeficientes de variação para as setes variáveis, coletadas no sistema, foram 6,9%, 20,5%, 7,7%, 34,7%, 14,7%, 13,6% e 31,90%. Segundo Pimentel (2000), nos experimentos de campo, se o coeficiente de variação for inferior a 10% tem-se um coeficiente de variação baixo, de 10 a 20% médio, de 20 a 30% alto e acima de 30% muito alto. Após realizar a análise exploratória, os dados foram plotados em forma de boxplots (Figura 3), para identificação de outliers (valores fora da normalidade). As razões mais comuns para o surgimento desses valores são os erros na coleta de dados ou eventos raros e inesperados. Os outliers, considerados como extremos, só são descartados das amostras, depois de uma análise criteriosa de suas causas. Os valores julgados como possíveis de ocorrer são mantidos nas amostras.

Análise Comparativa Entre Softwares de Simulação Discreta 157 Figura 3 Boxplots da variáveis coletadas no sistema Após a realização da análise dos dados, o passo seguinte foi determinar as distribuições teóricas de probabilidades que melhor representem o comportamento estocástico do sistema em estudo, através da ferramenta Input Analyzer do Arena. Como os p-values dos testes de aderência: teste Chi Square e do teste Kolmogorov-Smirnof foram maiores que o nível de significância adotado (0,1) (CHWIF & MEDINA, 2007), concluiu-se que as distribuições, apresentadas na Tabela 2, são as expressões que melhor se adaptaram aos dados coletados no sistema. Tabela 2 Distribuições de probabilidade Itens Distribuição PMT TRIA(147,60.1,63) s PMD UNIF(108,199) s MF NORM(163,12.4) s ISP 9+WEIB(12.8,1.56) s 25+GAMMA(3.69,1.88) MC s ME TRIA(47,54,7,81) s EM TRIA(50,90.2,184) s 3.1 Simulação Computacional Inicialmente, a validação, dos modelos computacionais (Figuras 4 e 5), foi realizada por meio da técnica face a face, cujos modelos foram executados para os funcionários da Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018

E. Gasparin, J. A. A. Santos 158 indústria moveleira que os consideraram corretos (SARGENT, 2012). Na sequência realizouse uma comparação (Tabela 3) entre o tempo médio obtido do sistema real com os tempos médios gerados pelos modelos para a variável Tempo do Processo de Montagem de um Lote de 30 Cadeiras (TPMLC). Nesta tabela apresenta-se o erro médio estimado (SE, em decimal). Figura 4 Modelo computacional JAAMSIM Figura 5 Modelo computacional ARENA (student version) Tabela 3 Dados do sistema real e dos modelos TPMLC (min) Modelo Software Sistema Real Computacional SE JAAMSIM 98,4 97,3 0,2 ARENA 98,4 97,7 0,13

Análise Comparativa Entre Softwares de Simulação Discreta 159 Através da análise dos resultados da Tabela 3, pode-se concluir que os modelos computacionais apresentam uma boa aproximação, em relação ao tempo do processo de montagem, com o sistema real. Na sequência, foi aplicado a análise de variância, a 5% de significância, na comparação dos resultados obtidos dos dois modelos de simulação (JAAMSIM e ARENA), para a variável Tempo do Processo de Montagem de um Lote de 30 Cadeiras (TPMLC). Não foram constatadas diferenças estatísticas entre os resultados dos dois softwares, como se pode observar, através dos dados apresentados na Tabela 3, que F0 é menor que Fcrítico (F0=1,302248 enquanto Fcrítico= 4,182964). Tabela 3 Análise de variância Fonte da variação SQ gl MQ F valor-p F crítico Linhas 77,19357 29 2,661847 1,069144 0,429181 1,860811 Colunas 3,242205 1 3,242205 1,302248 0,263139 4,182964 Erro 72,20127 29 2,489699 Total 152,637 59 SQ: Soma dos quadrados; gl: Graus de liberdade; MQ: Quadrado médio. Finalmente, foram relacionados os resultados dos softwares por uma regressão linear (Figura 6), sendo que a equação obtida obteve um coeficiente de determinação (R 2 =0,926). O coeficiente angular da regressão aproxima-se de 1 (0,916), o que mostra que os resultados de simulação obtidos no JAAMSIM são muito próximos dos resultados obtidos do ARENA. Figura 6 Regressão linear dos resultados do ARENA em função do JAAMSIM Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018

E. Gasparin, J. A. A. Santos 160 4 CONSIDERAÇÕES FINAIS Neste trabalho apresentaram-se as metodologias utilizadas na implementação de dois modelos computacionais usados para simular o processo de montagem de cadeiras em uma indústria moveleira da região oeste paranaense. De acordo com os resultados das análises procedidas para a validação dos modelos computacionais, foi possível concluir que os mesmos podem ser aplicados para simular a dinâmica operacional do processo de montagem de cadeiras, principalmente na previsão da variável Tempo do Processo de Montagem de um Lote de Cadeiras (TPMLC). Observou-se, também, que na simulação do processo de montagem de cadeiras, não foram encontrados diferenças estatísticas entre os resultados obtidos de simulação para os softwares JAAMSIM e ARENA. Assim, os resultados obtidos dos dois software apresentaram muito boa correlação. Deve-se destacar, ainda, que o potencial de uso da simulação é inexplorado em diversos contextos brasileiros, principalmente, em pequenas e médias empresas e que, a utilização de softwares livres, como o software JAAMSIM, pode promover o crescimento das pequenas empresas da região. REFERÊNCIAS ALVES, R.; SANTOS, J. A. A.; SCHMIDT, C. A. P. Aplicação dos princípios da teoria das restrições e de técnicas de simulação na gestão da dinâmica operacional de um pequeno restaurante: um estudo de caso. Revista Espacios, v. 35, p. 21, 2014. BAUMGARTNER, D.; CAVALLI, D.; SANTOS, J. A. A.; SCHMIDT, C. A. P. Modelagem, simulação e otimização da dinâmica operacional do processo de embalagem e paletização de sachês de refresco em pó: um estudo de caso. Revista Espacios, v. 34, p. 10, 2013. BONATTO, F. Aplicação do mapa do fluxo de valor em uma indústria moveleira. Trabalho de Conclusão de Curso UTFPR, 2013. CHWIF, L.; MEDINA, A. C. Modelagem e simulação de eventos discretos, teoria & aplicações. São Paulo: Brazilian Books, 2007. COELHO, M. R. F.; BERGER, R. Competitividade das exportações brasileiras de móveis no mercado internacional: uma análise segundo a visão de desempenho. Revista FAE, Curitiba, v. 7, n. 1, p. 51-65, 2004. FERREIRA, J. B. et al. Relatório de acompanhamento setorial - indústria moveleira. Volume I, São Paulo; UNICAMP, 2009.

Análise Comparativa Entre Softwares de Simulação Discreta 161 GIL, A. C. Como elaborar Projetos de Pesquisa. São Paulo: Atlas, 2008. KING, D. H. Open source simulation software JAASIM. In: Proceedings of the Winter Simulation Conference. Anais Washington - DC, 2013. MORROCO, J. Análise estatística de dados com utilização do SPSS. Lisboa: Sílabo, 2007. PIMENTEL, F. G. Curso de estatística experimental. Piracicaba: Degaspari, 2000. PRADO, D. Usando o ARENA em simulação. Nova Lima: INDG - Tecnologia e Serviços LTDA, 2010. SARGENT, R. G. Verification and validation of simulation models. Journal of Simulation, v. 7, p. 12-24. 2012. SATOR, F.; SANTOS, J. A. A.; SCHMIDT, C. A. P.Teoria das restrições e simulação aplicadas no gerenciamento de demanda de uma unidade de pronto atendimento. Revista Espacios, v. 35, p. 19, 2014. YIN, R. K. Estudo de caso: planejamento e métodos. Porto Alegre: Bookman, 2001 YIN, R. K. Case study research, design and methods (applied social research methods). New York: SAGE Publications, 2013. VOGEL, C. C.; SCHMIDT, C. A. P.; SANTOS, J. A. A.; SILVA, A. L. Aplicação de técnicas de simulação e de ergonomia ao processo de paletização de caixas de leite UHT: um estudo de caso. Scientia Plena, v. 9, p. 1-10, 2013. Como Referenciar este Artigo, conforme ABNT: GASPARIN, E; SANTOS, J. A. A. Análise Comparativa Entre Softwares de Simulação Discreta: um Estudo de Caso em Uma Indústria Moveleira. Rev. FSA, Teresina, v.15, n.3, art. 7, p. 149-161, mai./jun. 2018. Contribuição dos Autores E. J. A. A. Gasparin Santos 1) concepção e planejamento. X X 2) análise e interpretação dos dados. X X 3) elaboração do rascunho ou na revisão crítica do conteúdo. X X 4) participação na aprovação da versão final do manuscrito. X X Rev. FSA, Teresina PI, v. 15, n. 3, art. 7, p. 149-161, mai./jun. 2018