Reduzindo Custos na Logística 1
Sempre que observo o processo tenho a sensação de estar perdendo muito dinheiro, mas não sei o quanto. Tenho ideia de onde estou perdendo dinheiro mas é impossível ter checar com os recursos disponíveis! 2
Se adicionássemos mais máquinas ou recursos (espaço, operadores, sistemas) poderíamos melhorar o e muito nível de nosso serviço e a produtividade!!! 3
Como posso recuperar o valor perdido e superar essa sensação de perda??? 4
Novos clientes chegam a cada dia, o faturamento cresce e os gastos parecem estar crescendo ainda mais rápido. Cada vez é mais complexo enxergar uma solução mesmo conhecendo o negócio como a palma de minha mão!! Created with Haiku Deck 5
O trabalho parece que não rende!!! 6
As vezes penso em vender a minha parte do negócio! 7
Não existem milagres ou soluções mágicas... A estrada é longa! 8
A necessidade de acertar é cada vez mais urgente! 9
Não da pra ser na tentativa e erro... Isso está ficando muito caro!!! 10
Não! isso não é uma palestra de autoajuda... 11
Um modelo bem feito apoiado pelas decisões gerenciais corretas... Responde seus questionamentos com precisão!!!! 12
Esqueça isso!!!! É só colocar os dados num tal software de simulação que ele gerará a solução para você Vamos ao que interessa então???? 13
Análise através de Modelagem e Simulação constituem em um processo, os qual cria e experimenta através da modelagem matemáticocomputacional de um sistema físico real. Um Sistema é um conjunto de componentes que interagem entre si e que recebem algum INPUT e fornecem OUTPUTS para algum propósito específico. Tradicionalmente a simulação é utilizada para a analisar de sistemas e prover suporte a decisão sobre a gestão de recursos do sistema. 14 Fonte: Simulation Modeling Handbook
Fonte: Simulation Modeling Handbook Basicamente é a representação do funcionamento de um sistema, processo ou fenômeno através da modelagem de seus componentes, com o objetivo de obter resultados semelhantes ao processo real. 15
Simulação Determinística: São modelos de simulação que não possuem variáveis aleatórias, possibilitando assim apenas um resultado de saída do qual não se altera, independente do número de replicações ou tempo de simulação; 16
Simulação Estocástica: Possui uma ou mais variáveis aleatórias, ou seja, variáveis que se alteram a cada replicação, gerando assim resultados também aleatórios. Variáveis aleatórias normalmente representam os sistemas reais quando atribuídos a uma distribuição probabilística, pois neste caso, os números gerados pela distribuição probabilística se ajustam aos dados reais 17
Modelos Determinísticos As variáveis do sistema não se alteram ao longo do tempo e todos os parâmetros do modelo são exatos. Exemplo: Exemplo: 15 15 minutos minutos para para o atendimento atendimento de de um um cliente. cliente. Modelos Estocásticos As variáveis do sistema se alteram aleatoriamente ao longo do tempo Esta variação pode ser ajustada através de uma distribuição estatística. Exemplo: normal(15,2) minutos para o atendimento, 18
Para geração dos números aleatórios e, consequentemente, as variáveis aleatórias é utilizado uma metodologia chamada Método de Monte Carlo, da qual consiste basicamente em: Geração de Números Aleatórios Função de Repartição de acordo com a distribuição 19
É um modelo que contém as partes necessárias para que se tenha uma visão do funcionamento do sistema como um todo. A abstração proposital, e muitas vezes radical de um sistema real que pode ser usado para esclarecer dúvidas ou resolver problemas. 20
Chegada de material Estoque intermediário Itens Desnecessários para Simulação Esteiras transportadoras Processos 21
Estoque intermediário Esteiras transportadoras Chegada de material Processos 22
Chegada de material Estoque intermediário Chegada de material Estoque intermediário Itens Desnecessários = para Simulação Processo 1 Conveyors Conveyors Processo 2 Processo 1 Processo 3 Processo 2 Processo 3 23
Inputs do Modelo Taxa de chegada Número de operadores Tempo de processamento Outputs do Modelo Produtividade Taxa de Utilização Estados 24
1. Melhorar a utilização de equipamentos 2. Reduzir o tempo de espera e tamanho das filas 3. Alocar recursos de maneira eficiente 4. Minimizar efeitos negativos de quebra de máquinas 5. Estudar idéias e alternativas de investimentos 6. Determinar Lead Times de pedidos 7. Resolver problemas de manuseio de material 8. Estudar os efeitos de tempos de setup e trocas de ferramentas 9. Gerenciar decisões diárias 25
1. Controle de entrada em instalações portuárias e pesagem e fiscalização Tempo de espera em filas causa insatisfações nos clientes, reduzem a produtividade do sistema e podem representar estoques intermediários quando relacionadas a processos produtivos. 26
Como Resolver o problema???? Observar o sistema e estimar todos os parâmetros relevantes para o Modelo Inputs do Modelo Taxa de chegada Número de operadores Tempo de processamento 27
1. Analisar os paramentos 2. Modelar 3. Rodar o modelo 28
TEMPO DE ESPERA (MINUTOS) Análise das saídas do Modelo Formatação do Modelo de Apoio a decição Implantação da Decisão Outputs do Modelo Produtividade Taxa de Utilização Estados 400 300 200 100 0 1 3 5 7 9 NÚMERO DE CABINES 29
Pulmão 02 Visão baixa do modelo Porta-paletes 10 posições de altura x 10 posições de largura X 01 de fundo 03 Esteiras 33333 Transportadoras 01 empilhadeira 01 operador Pulmão 01 Embaladores etiquetadores 30
Visão 3D do modelo 33333 A ferramenta de simulação utilizada em questão é FlexSim, versão 7.3.6-2014 31
1. Chegadas - exponential(0, 25, 0) 2. Pulmões ou Filas capacidade 1000 unidades 3. Processos tempo de Processamento = 10 s (determinístico) 33333 4. Esteiras - (velocidade =1m/s, capacidade 1000 und e 10m de comprimento) 5. Porta-paletes -10 x 10 x 01 posições e capacidade infinita 32
1. Operador Pode ser uma entidade ou executor de tarefas capacidade de carga =1 und, velocidade máxima = 2 m/s, aceleração =1m/s 2 e desaceleração = 1m/s 2 33333 2. Empilhadeiras Capacidade de carga =1 und, velocidade máxima 2 m/s, aceleração 1m/s 2, desaceleração = 1m/s 2 e velocidade de elevação =1 m/s. 33
34
35
36
37
38
39
40