MODELO COMPUTACIONAL DE SIMULAÇÃO NO DESIGN E DESENVOLVIMENTO DE PRODUTO

O parâmetro de comparação para avaliar os dados obtidos a partido do sistema e simulados através do modelo foi a variável TEFSL (Tempo de Espera na Fila da Seção de Lixa). O modelo de simulação teve seus dados validados por meio da Análise de Variância, não detectando nenhuma incongruência no aspecto estatísticos entre os valores coletados na observação do sistema real com os gerados pelo modelo de simulação. Os resultados produzidos pela simulação evidenciam que a utilização de mais funcionários no setor de pintura, em relação ao atual número de funcionário, pode ser uma solução eficaz para reduzir a limitação do processo produtivo, tanto na perspectiva do tempo gasto com a pintura, quanto em relação a permanência da peça no sistema.

PALAVRAS-CHAVE: ARENA; modelo de simulação; indústria moveleira. SUMÁRIO 1. Metodologia 10 2. Design Thinking 12 3. RESULTADOS 15 3. Solução inicial 15 3. Indústria Moveleira em Estudo 15 3. Validação do modelo implementado 24 3. Simulação 24 4. CONSIDERAÇÕES FINAIS 27 REFERÊNCIAS 28 1. INTRODUÇÃO A indústria moveleira no Brasil, embora seja fragmentada, possui uma intensa mão de obra, caracterizada por um baixo valor agregado e desenvolvida verticalmente. Está mais localizada nas regiões sul e sudeste do país e passou por avanços significativos ao longo das últimas década, após grandes investimentos na aquisição de máquinas e equipamentos importados que permitiram aumentar significativamente a produção e realizar uma padronização de qualidade dos produtos a nível nacional e, até mesmo, internacional. Os sistemas de simulação, na sua origem, foram desenvolvidos em linguagens de programação de uso geral, como: Fortran, Basic, Pascal, dentre outras.

No entanto, esses modelos exigiam muito esforço para construir modelos, além de especialistas com amplo conhecimento de programação de computadores. Diante dessa dificuldade, linguagens de programação específicas de simulação começaram a surgir para superar essa barreira. É o caso, por exemplo, das linguagens: Gpss, Siman, Slam, Sim script e outras. Essas linguagens são na verdade bibliotecas formadas por conjuntos de comandos de macro de linguagem de uso geral. Não apenas isso, mas este estudo, também permitirá avaliar diferentes processos de fabricação utilizando mesmo método de trabalho, isto é, a simulação computacional. Desta forma, aumentando a capacidade de produção e reduzindo os custos, o tempo de processamento e mitigando aqueles processos que não agregam valor ao produto, o que, em consequência, aumenta os lucros da empresa.

Fundamentação teórica 2. Simulação computacional Para entender melhor o conceito de simulação, o dicionário de Aurélio define como um sistema como uma combinação de partes que, quando combinadas, levam a um objetivo. O dicionário Priberam define como um amálgama de partes compostas para um determinado resultado (COSTA, 2019). Desde 1993, esses programas se fundiram e um único software, o ARENA. Este programa contém um conjunto de blocos que são utilizados para representar uma aplicação real (PRADO, 2020). O software ARENA utiliza uma Interface Gráfica de Utilizador, minimizando assim a complexidade do processo, automatizando-o e reduzindo a necessidade de utilização de teclado. O mouse é o meio mais utilizado na construção de um modelo computacional. O ARENA possui várias ferramentas importantes como o Analisador de Entrada e o Analisador de Saída.

Outra característica importante da indústria moveleira é sua fraca representação no mercado em comparação com outras indústrias de manufatura. Segundo Chudnovsky (2016), no final da década de 1980, a produção de móveis nos países desenvolvidos representava 1,8% da produção industrial, enquanto nos países menos poderosos era de 1%. Em 1989, esse tipo de indústria respondia por 1,2% da produção mundial nos principais países desenvolvidos, como Estados Unidos, Japão, Alemanha, França, Grã-Bretanha, Itália e Espanha (RANGEL, 2013). Administração no Processo Produtivo De acordo com o Slack, Chambers e Johnston (2019, p. “A administração da produção é a atividade de gerenciar recursos destinados à produção e disponibilização de bens e serviços”. Isso representa as etapas seguidas para concluir o trabalho.

O estudo pode ser classificado a partir de sua natureza, objetivos, abordagem do problema e dos procedimentos técnicos utilizados. A figura 1 mostra os tipos de classificação. Figura 1: Formas de classificação da pesquisa Fonte: BRIGUENTI (2006) A classificação por tipo de pesquisa pode ser dividida de acordo com sua natureza, que se aplica a este estudo à medida que seus resultados são aplicados na resolução de problemas reais enfrentados pela empresa estudada. Os objetivos são descritivos, pois visam descrever as características de uma determinada população ou fenômeno. Design Thinking O Design Thinking se destaca como uma metodologia de inovação desenvolvida pela D. School, instituto da Universidade de Stanford, no Vale do Silício, Califórnia. É uma abordagem e forma de pensar a resolução dos problemas que tem como foco a empatia, a colaboração e a experimentação (SIMON, 1969).

Segundo Brown (2011), o design thinking não é um termo novo, mas uma forma abstrata do modelo utilizado pelos designers para consolidar ideias; seus conceitos podem ser interpretados e utilizados por qualquer pessoa interessada e aplicados em diversos cenários de negócios. Do ponto de vista de Melo e Abelheira (2015), o termo design thinking pode ser assim definido: uma metodologia que aplica ferramentas do design para solucionar problemas complexos. Brown (2011, p. observa que o design thinking se tornou uma tendência nos últimos anos em várias áreas para resolver problemas complexos. Para o autor, a abordagem do Design Thinking tem estimulado o crescimento do mercado em diferentes setores por meio do desenvolvimento de produtos e novas tecnologias que vão além do design tradicional. Apesar de tudo, o termo em questão suscita algum debate.

Essencialmente, o design thinking consiste em construir um contexto real do problema, ou seja, como ele é. Indústria Moveleira em Estudo A indústria moveleira estudada está localizada no Estado de São Paulo, possui área total de cerca de 16. metros quadrados e emprega cerca de 200 pessoas. A produção de móveis de madeira está distribuída por duas unidades fabris, resultando em uma gama de mais de 160 produtos, entre cadeiras de jantar, mesas e bases, balcões, aparadores, poltronas, prateleiras e mesas baixas em diversos modelos e opções de cores. O processo produtivo de uma indústria moveleira inclui diferentes etapas e equipamentos. Os passos principais podem ser descritos de forma simples como segue: 1) Corte: fase inicial de produção, que consiste no corte dos objetos armazenados, painéis de madeira MDF (MediumDensityFiberboard) com diferentes padrões de corte; 2) Furação: Após o corte, as peças são furadas e processadas em máquinas da área de furação e usinagem para unir as peças e montar os móveis; 3) Montagem: nesta área, após a furação, dependendo do processamento das peças individuais, algumas passam pela cabine de colagem de bordas, prensagem, laminação e lixamento.

O transportador de rolos tem capacidade para 12 peças da estrutura da mesa de jantar. Após a secagem, ocorre o processo de decisão, onde as peças são analisadas e, dependendo do uso pretendido, lixadas na oficina de lixa e reenviadas para o processo de pintura, no qual ocorre a segunda mão de tinta. As peçassão então transportadas para a oficina de pintura após a secagem. Caso as peças não precisem passar novamente pelo processo de pintura da segunda camada, na tomada de decisão, elas são simplesmente lixadas e transportadas diretamente para a pintura de acabamento. É possível observar que existem atual 3 colaboradores que trabalham na área de pintura, sendo um na pintura de fundo, um na área de lixa, e um na pintura de acabamento.

Assim, na indústria moveleira em estudo, primeiramente foi determinada a quantidade do produto (tamanho do lote) a ser produzida em cada período do horizonte de planejamento. Com essas informações, calcula-se a quantidade de cadapeça a ser pintada para o período. A Figura 4 mostra o modelo de cálculo implementado neste trabalho para simular um lote do produto mais vendido na indústria moveleira. Figura 4: Modelo computacional da Simulação do Processo de Pintura do Produto de Maior Giro da Empresa Moveleira Fonte: Elaborado pelos autores A simulação realizada no software Arena segue a seguinte dinâmica: as peças (entidades) chegam ao modelo por meio do módulo CREATE e passam pelo módulo ASSIGN (primeira camada), onde foi determinada a Label (IPT=1), visando identificar se a entidade passou pelo processo de pintura da primeira camada do setor de pintura de fundo.

Percebe-se que, no segundo módulo ASSIGN (segunda camada) foi definida a Label (IPT=2), ocorrendo a distribuição de probabilidade do tempo de pintura da segunda camada no setor pintura de fundo. Por exemplo, é possível simular o processo e usar o tempo que cada peça esperou na fila da seção de retificação para estimar o tempo médio da fila. Nesse caso, o tamanho da amostra é o número de peças que passaram pela fila durante o período de tempo simulado. Em segundo lugar é gerando amostras de exemplo com números indeterminados de replicações. Assim, cada replica cria um elemento para a amostra. Por se tratar de um sistema terminal com condições iniciais e período de simulação fixo, a melhor forma de garantir a independência estatísticas dos valores amostrais é obtê-los por meio de replicações independentes.

Mesa de Apoio 15,78 49,80 700,00 700,00 3 Mesa Centro 10,37 60,17 460,00 460,00 4 Balcão 9,81 69,97 435,00 435,00 5 Rack 9,24 79,22 410,00 410,00 6 Mesa Jantar 7,46 86,68 331,00 331,00 7 Mesa 3,38 90,06 150,00 150,00 8 Porta Rack 2,91 92,97 129,00 129,00 9 Apar 2,71 95,67 120,00 120,00 10 Car de Bebida 1,67 97,34 74,00 74,00 11 Painel Traseiro 1,13 98,47 50,00 50,00 12 Bar 0,95 99,41 42,00 42,00 13 Porta Balcão 0,43 99,84 19,00 19,00 14 Banco 0,09 99,93 4,00 4,00 15 Porta Lateral 0,07 100,00 3,00 3,00         Total 4. Fonte: Elaborado pelos autores Figura 5: Diagrama de Pareto da Demanda dos Produtos Fonte: Elaborado pelos autores Ainda é possível observar, por meio da tabela 2 e da figura 5, que o produto mais produzido na indústria é a base da mesa de jatar (34,02%), em consequência, esse também é o produto com o maior tempo de permanência no setor de pintura dessa indústria moveleira. Distribuição de probabilidades Depois de realizar a análise dos dados cronometrados no sistema por meio da técnica estatística (MARIN; TOMI, 2010), o passo seguinte foi a utilização da ferramenta Input Analyzervisando a determinação das curvas teóricas de distribuição de probabilidade que melhor representam o comportamento de permanência do produto no sistema em estudo.

Constatou-se que os resultados p-valuesdo teste de aderência são superiores ao nível de significância assumidos (0,1) (CHWIF; MEDINA, 2007), conclui-se que as distribuições apontadas na tabela 3 são as expressões que melhor se adaptam aos dados registrados no sistema. Tabela 3: Distribuição De Probabilidades Do Comportamento De Permanência Do Sistema Em Estudo Através Da Ferramenta Input Analyzer Itens Distribuição Kolmogorov-Smirnov TPF1 UNIF(304,420) P-value = 0,794 TPF2 UNIF(100,272) P-value = 0,954 TL 420+EXPO(14. Este corresponde ao cenário atual. Segundo cenário: Sistema composto por dois pintores de fundo, um pintor de acabamento e um lixador. Terceiro cenário: Sistema composto por dois pintores de fundo, um pintor de acabamento e dois lixadores. A Tabela 5 e a Figura 6 mostram os resultados obtidos na simulação do sistema dos três cenários.

Os resultados observados foram obtidos após 10 repetições. Cabe agora à empresa estudada, avaliar os prós e contras de incluir esses dois funcionários em seu processo de pintura de móveis. Além disso, como sugestão de melhoria para a empresa poderia validar a possibilidade de transferência desses dois novos funcionários do restante da indústria para o departamento de pintura, minimizando assim o custo de contratação de mão de obra. Este novo cenário para o setor de pintura do produto de maior faturamento da empresa moveleira proposto pela presente pesquisa pode ser utilizado por estudos futuros como base para aplicação de um novo cenário de trabalho no mesmo setor, levando em consideração outros produtos produzidos pela empresa. A aplicação de simulações computacionais proporciona a todos os envolvidos, maior conhecimento sobre o processo e, também, pode identificar oportunidades de melhoria no processo de pintura de móveis na indústria moveleira.

REFERÊNCIAS BERNARDI, L. CHWIF, L. MEDINA, A. C. Modelagem e simulação de eventos discretos, teoria& aplicações. São Paulo, 2007. FERNANDES, C. A. SILVA, C. S. PEREIRA, J. GORINI, A. P. F. Panorama do Setor Moveleiro no Brasil, com Ênfase na Competitividade Externa a Partir do Desenvolvimento da Cadeia Industrial de Produtos Sólidos de Madeira. Rio de Janeiro: BNDES, set. D. SADOWSKI, R. Simulation with arena. McGraw-Hill. New York,1998. The design of business:whydesignthinkingisthenextcompetitiveadvantage. Boston: Harvard Business, 2009. MELO, Adriana; ABELHEIRA, Ricardo. Design thinking&thinking design: metodologia, ferramentas e uma reflexão sobre o tema. São Paulo: Novatec, 2015. D. SHANNON, R. E. SADOWSKI, R. P. RANGEL, A. S. Estudo da competitividade da indústria brasileira: competitividade da indústria de móveis de madeira. Campinas: IE/UNICAMPIEI/UFRJ-FDC-FUNDEX, 2013 SARGENT, R.

G. JHONSTON, R. Administração da Produção. São Paulo: Atlas, 2019 TUBINO, D. F. Manual de planejamento e controle da produção. K. Estudo de caso: planejamento e métodos. Porto Alegre: Bookman, 2021.