A SIMULAÇÃO COMPUTACIONAL NA INDÚSTRIA DA …abepro.org.br/biblioteca/enegep2009_TN_STP_091_620_13792.pdf · A Engenharia de Produção e o Desenvolvimento A SIMULAÇÃO COMPUTACIONAL

A SIMULAÇÃO COMPUTACIONAL NA

INDÚSTRIA DA CONSTRUÇÃO CIVIL:

ESTUDO DO CICLO DE CAMINHÕES

BASCULANTES NO ABASTECIMENTO

DE UMA CENTRAL DE BRITAGEM

Maurício de Mello Pinto Barral (UNIMINAS)

[email protected]

Evaldo Malaquias da Silva (UNIMINAS)

[email protected]

Roberto de Mello Pinto Barral (Empresa)

[email protected]

Roberto Giuseppe Viviani (Empresa)

[email protected]

FLAVIO ROQUE NUNES (UNIMINAS)

[email protected]

O setor da Construção Civil desempenha papel essencial na economia

global como alicerce do desenvolvimento das nações. Distingue-se,

inclusive, devido à importância de seu papel social que é manifesto

especialmente por sua vocação intrínsecca na geração de empregos

diretos e indiretos. Este trabalho apresenta um estudo realizado em

uma obra de uma das principais empresas da Indústria da Construção

Civil brasileira. O objeto do estudo foi o ciclo de abastecimento de

uma central de britagem realizada por meio de caminhões basculantes.

O empreendimento em foco foi a construção de uma usina hidrelétrica

na região do município de Davinópolis/GO. A farta disponibilidade de

registros de dados referentes às operações diárias da empresa

possibilitou a construção, utilizando o software de simulação

PROMODEL, de um modelo computacional que representasse tal

processo com fidedignidade. Foram realizadas simulações de cinco

novas configurações de trabalho, além daquela que é atualmente

empregada na obra. O estudo foi capaz de fornecer informações

relevantes que ratificaram a atual configuração de trabalho como

adequadamente dimensionada. Foi capaz, ainda, de consagrar a

simulação computacional como ferramenta de amplo potencial no

apoio à gestão de obras, envolvendo diversas dimensões do negócio. A

simulação computacional é aqui apresentada enquanto ferramenta de

apoio à decisão gerencial na Indústria da Construção Civil.

Palavras-chaves: Aproveitamento Hidrelétrico; Indústria da

Construção Pesada; Ferramentas de apoio à decisão; Simulação de

eventos discretos; Promodel.

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO A Engenharia de Produção e o Desenvolvimento Sustentável: Integrando Tecnologia e Gestão.

Salvador, BA, Brasil, 06 a 09 de outubro de 2009

XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO A Engenharia de Produção e o Desenvolvimento Sustentável: Integrando Tecnologia e Gestão


2

1. Introdução

Segundo a Fundação Instituto Brasileiro de Geografia e Estatística – IBGE, a Construção

Civil é classificada como indústria. Não obstante, é considerada em categoria distinta da

indústria de transformação, em que se encontram aquelas fornecedoras de insumos para

construção (ALVES, 1997).

Esta posição de destaque da Indústria da Construção Civil não se limita meramente ao campo

formal em sua denominação: ela constitui o fundamento do desenvolvimento dos demais

setores da economia nacional, quer por dar suporte aos diversos tipos de atividades

econômicas e sociais ou mesmo por consistir, por si, em fonte de atividade econômica

(ALVES, 1997).

Franco (1995) destaca a importância social da Construção Civil em seu aspecto gerador de

empregos diretos bem como indiretos, observando uma característica específica deste setor,

qual seja, o caráter informal que é inerente ao seu processo de seleção e treinamento de mão-



3

de-obra. Por conseguinte, as empresas do setor acabam por submeter tanto suas regras de

comunicação, quanto sua estrutura organizacional, aos hábitos oriundos da cultura de seus

colaboradores, o que reforça ainda mais o impactante conjunto de aspectos que tornam esta

indústria tão peculiar.

Com efeito, a Indústria da Construção Civil se distingue das demais tanto por seu produto,

que nunca se repete (cada obra é única) quanto por seu processo produtivo que demanda

técnicas específicas de gestão da produção, mais centradas na gestão humana do trabalho em

decorrência do fato de que tanto o ritmo quanto a qualidade do trabalho dependem

sobremaneira do trabalhador (FRANCO, 1995).

Ainda que suas diversas peculiaridades estejam sempre desafiando este tão distinto setor que é

a Construção Civil, impondo ao longo do tempo dificuldades e variabilidades cada vez

maiores (e sempre diferentes), sua força e solidez ficam evidentes em sua evolução histórica.

A despeito das pressões exercidas por uma legislação cada vez mais exigente e mercados cada

vez mais competitivos, as empresas do setor foram capazes de manter-se em crescimento e

sobreviver a crises diversas.

Neste contexto, a Indústria da Construção Pesada (representada por empresas que executam

grandes obras, tais como usinas hidrelétricas, gasodutos, metrôs, plataformas de petróleo, etc.)

demonstram serem capazes de superar quaisquer desafios uma vez que, apesar das

supracitadas dificuldades inerentes ao setor, conseguem apresentar modernas técnicas de

gestão e controle de processos, além de manter e aperfeiçoar continuamente sua habilidade

em gestão de pessoas.

A realização deste estudo foi viabilizada por estas características comuns às empresas deste

segmento. Um modelo computacional para fins de aplicação da simulação de eventos

discretos (enquanto ferramenta de apoio à decisão) foi desenvolvido nas obras de implantação

de um Aproveitamento Hidrelétrico. Com efeito, a empresa responsável pela obra em que o

estudo foi realizado, dispondo de uma estrutura organizacional privilegiada, foi capaz de

facilitar o trabalho de modelagem para fins de simulação computacional. Uma importante - e

dispendiosa - etapa do trabalho, qual seja, o estudo de tempos e movimentos segundo os

preceitos indicados por Barnes (1977) faz parte das operações de rotina e é integrado ao

sistema de gestão da empresa. Destarte, o acesso aos dados necessários para confecção do

modelo foi facilitado, permitindo levar a cabo o desenvolvimento de um modelo cujos dados

de entrada possuíssem validação e confiabilidade pré-estabelecidas.

Na segunda seção deste trabalho é apresentada uma breve discussão, de caráter generalista,

acerca da simulação computacional. A terceira seção trata de contextualizar a discussão em

torno das especificidades de suas aplicações na Indústria da Construção Civil. Na quarta seção

é apresentado um estudo de caso da aplicação da simulação computacional na Indústria da

Construção Pesada. As seções seguintes cuidam da apresentação e análise dos resultados

obtidos.

2. Simulação Computacional

A simulação computacional de sistemas produtivos figura, na atualidade, como uma poderosa

ferramenta para o planejamento, o projeto e o controle de sistemas produtivos complexos. Seu

emprego como forma de apresentação de projetos, produtos e problemas confere maior

credibilidade junto aos clientes, internos ou externos, do que outros métodos disponíveis.

Com efeito, o nível de captura de detalhes obtidos por meio da simulação sem a necessidade

de grandes simplificações e a possibilidade de comparação de seus resultados com o sistema



4

real a coloca em grande vantagem frente a outros métodos, tais como os analíticos (SILVA,

2006).

Geralmente, um modelo destinado a um estudo de simulação é um modelo matemático

desenvolvido com a ajuda de um software de simulação. Modelos matemáticos podem ser

classificados em determinísticos ou estocásticos. Determinísticos são aqueles cujas variáveis

de entrada e saída são valores fixos. Estocásticos são aqueles em que pelo menos uma de suas

variáveis de entrada ou saída é probabilística. Os modelos matemáticos podem, ainda, ser

classificados como estáticos ou dinâmicos. Estáticos são aqueles em que o tempo não é levado

em conta. Dinâmicos são aqueles em que as interações ao longo do tempo entre as variáveis

são levadas em conta. Os modelos de simulação são, na maior parte das vezes, estocásticos e

dinâmicos (MARIA, 1997).

Pickover (1991) situa a crescente aplicação da simulação computacional no contexto mais

amplo da contínua busca científica pela compreensão do mundo. Destaca, ainda, a ampla

diversidade de campos em que a simulação computacional vinha sendo aplicada, que abrange

desde a simulação das minúsculas forças responsáveis pela ligação entre as moléculas às

estruturas de gigantescos arranha-céus, passando pela simulação da estabilidade de aeronaves

e até mesmo da economia. Por mais que já esteja sendo utilizada nas mais diversas aplicações,

a simulação computacional constitui um campo muitíssimo vasto a ser explorado.

Um interessante exemplo da magnitude da vastidão do campo de aplicações da simulação

computacional será exposto nos próximos dois parágrafos.

Nos últimos anos, muitas companhias têm tentado melhorar a qualidade de seus produtos e

serviços. Muitas empresas exigem que os sistemas de qualidade de seus fornecedores se

conformem às normas internacionais de garantia de qualidade ISO 9000. A implantação

destas normas implica investimentos consideráveis. Freqüentemente, o retorno sobre estes

investimentos podem demorar muito tempo para se realizarem. Além disso, muitas decisões

relacionadas às atividades de melhoramento da qualidade são tomadas sem fundamentos

científicos ou análises econômicas que lhes dê suporte. Assim sendo, os resultados das

diversas políticas de qualidade implantadas podem desviar-se daquelas que eram esperadas.

Conseqüentemente, as companhias se tornaram menos motivadas a tomar decisões

relacionadas às atividades da qualidade (JORDAN, 1999).

Jordan (1999), em pesquisa realizada em uma fábrica de processamento de frutos do mar,

empregou a simulação computacional com o propósito de comparar os impactos causados por

diversas políticas de garantia de qualidade alternativas em relação aos custos da qualidade e

da qualidade média resultante. Foi capaz, ainda, de determinar se a introdução de atividades

de prevenção seria ou não lucrativa. Destaca que o emprego de simulação computacional

como ferramenta de análise não é advento tão recente quanto se imagina. De fato, estas

técnicas são utilizadas desde os anos 50. Robinson e Higton (1995 apud JORDAN, 1999)

explicam que seu desenvolvimento foi enormemente influenciado pelo rápido e grandioso

desenvolvimento dos computadores. De fato, a partir da década de 80, com o surgimento dos

computadores pessoais, a simulação passou a ser utilizada para estudar numerosos sistemas

em diversos domínios, dentre os quais o da garantia da qualidade. Seu estudo consagrou a

simulação como uma poderosa ferramenta que permite predizer os custos associados à

qualidade e descrever as interações entre as atividades da qualidade, os custos bem como seu

melhoramento. Os modelos de simulação são capazes de oferecer suporte metodológico e

científico às empresas para ajudá-las no planejamento de suas atividades de garantia da

qualidade.



5

Segundo Hillier & Lieberman (2005), é inquestionável o fato de que a simulação

computacional desempenha papel de destaque no âmbito da teoria e prática da Pesquisa

Operacional, constituindo ferramenta de inestimável valor para a solução de problemas em

que as técnicas analíticas mostram-se inadequadas. Os autores corroboram, ainda, o fato de

que a revolução computacional que se deu na segunda metade do século XX constitui um dos

dois fatores que desempenharam papel chave para o rápido desenvolvimento da pesquisa

operacional neste mesmo período.

Um modelo consiste em uma representação física, lógica ou funcional que imita um objeto de

estudo. O fato de o modelo imitar o objeto de estudo permite que o usuário o manipule,

observe seu comportamento e seja capaz de inferir como o objeto se comportaria nas mesmas

circunstâncias. A principal função de um modelo consiste em sua capacidade de predizer

alguns comportamentos do objeto a que representa envolvendo, contudo, muito menor grau de

complexidade. O mundo real é inerentemente caracterizado pela complexidade que, face às

limitações da capacidade de pensamento humano, impõe grandes desafios na solução de

problemas. Estas são contornadas a partir do desenvolvimento de modelos mais simples

capazes de representar a realidade em suas características de interesse para solução de

determinado problema (MOLLOY, 1989).

De acordo com Neelamkavil (1987), um modelo constitui uma representação simplificada de

um sistema, processo ou teoria cujo planejamento é voltado para que seja capaz de aumentar a

habilidade que se tenha para compreender, predizer e possivelmente controlar o

comportamento do sistema. A compreensão acerca de um sistema é necessária para que se

possa modificá-lo, preservá-lo ou mesmo apenas conhecê-lo e ser capaz de explicar seu

comportamento; a recíproca, entretanto, não é verdadeira.

Segundo Pidd (1998), o mais importante erro que é necessário evitar em uma modelagem

ocorre quando o modelador parte em trilha completamente equivocada e pode ocorrer até

mesmo com os modelos mais engenhosos e complicados ou, ainda, quando um modelo é

constituído rico em detalhes irrelevantes e não abarca completamente as questões

fundamentais do sistema. O processo de modelagem deve, portanto, ter foco na maximização

da capacidade do modelo em aumentar o conhecimento que se tenha do sistema a que se

refere.

De fato, um modelo deve ser criado para dirigir-se a um conjunto específico de questões.

Algumas pessoas acreditam que é possível construir um modelo geral e completo que poderia,

posteriormente, ser usado para responder qualquer tipo de questão. À primeira vista esta é

uma idéia atraente mas, após alguma reflexão fica evidente que a única maneira de alcançar

tal objetivo seria obter um modelo de amplitude tão grande quanto o próprio sistema real a

que representa. Somente uma réplica do sistema original, completa em todos os detalhes, seria

capaz de responder toda e qualquer questão imprevista sobre o sistema. Esta é, contudo,

precisamente a antítese da modelagem, uma vez que o objetivo da mesma é simplificar e

abstrair de maneira a propiciar ganhos em termos de visões sobre o sistema real em foco

(SÁNCHEZ, 2006).

Um modelador cria modelos de sistemas complexos por meio de um processo de abstração. A

abstração é um processo que envolve a eliminação de determinadas características e cabe ao

modelador decidir quais são os detalhes do sistema que são suficientemente importantes para

serem incluídos no modelo e quais são aqueles que podem ser omitidos. A construção de um

modelo é o primeiro passo em direção à redução da complexidade. A simulação de um

modelo por meio de um software de simulação gera resultados que devem ser analisados para



6

proporcionar visões em relação ao comportamento do sistema. Nos dias de hoje é percebida

uma carência crescente por técnicas capazes de reduzir a complexidade. Uma vez que o

crescimento da complexidade tem se dado de maneira exponencial, ou seja, mais rapidamente

do que as técnicas necessárias para lidar com os desafios que produz, ela pode ser considerada

como inimigo público número um. Em sua luta contra o dragão da complexidade,

diferentemente de São Jorge, a humanidade pode não ser capaz de matá-lo, mas pode ser

capaz (lançando mão de todos os recursos disponíveis) de domesticá-lo (HENRIKSEN,

2006).

3. Simulação Computacional e a Indústria da Construção Civil

De acordo com Anderson et al. (2007), o planejamento, o cronograma físico e a efetiva gestão

de contingências são cruciais para o sucesso na gestão de projetos de construção. Os

parágrafos seguintes basear-se-ão no trabalho destes autores para oferecer um panorama das

principais questões referentes à relação entre a simulação computacional e a Indústria da

Construção Civil nos dias de hoje.

O estudo da incerteza na construção tem envolvido, predominantemente, a estimação de

extrapolações de orçamentos e atrasos no cronograma físico em projetos, e a estimação de

parâmetros de entrada na simulação das operações e processos de construção. Em ambas a

incerteza é caracterizada por distribuições estatísticas que descrevem a variabilidade

subjacente. Risco é definido como um resultado da incerteza, referindo-se a uma debilidade na

capacidade de previsão sobre a estrutura, resultados ou conseqüências durante o

planejamento. Destarte, a análise de risco envolve a estimação das probabilidades necessárias

enquanto dados de entrada para a avaliação de decisões alternativas.

Tradicionalmente, contingência é orçada nas estimativas de custos da construção como uma

percentagem fixa do custo total com base em experiências prévias com projetos similares.

Dentre outras abordagens determinísticas, continegências são calculadas com base no risco

associado a atividades individuais. Tais tipos de abordagem são limitadas na quantificação do

grau de confiança associado com as contingências identificadas.

Pesquisas em simulação da construção têm produzido plataformas de propósito geral tais

como o Simphony e o STROBOSCOPE que têm sido muito úteis na modelagem de processos

e operações de construção. Ambos enfatizam a otimização da alocação e uso de recursos.

Simphony tem sido aplicado na simulação de projetos que são repetitivos na natureza,

especificamente projetos de construção de túneis.

Tais sistemas de simulação computacional têm focado principalmente no uso de abordagens

estatísticas para fins de quantificação da incerteza associada às diferentes entradas e

parâmetros do modelo de modo a incrementar a acurácia dos resultados obtidos por meio da

simulação.

A abordagem simplificada em simulação de eventos discretos, SDESA (Simplified Discrete

Event Simulation Approach), habilita a modelagem de interrupções simultâneas tais como

falhas randômicas de equipamentos ou tempos de paradas pré-programadas. Lançando mão

deste tipo de eventos na simulação os tempos de finalização podem ser preditos com maior

acurácia (ANDERSON, G. R. et al. 2007).

Lu & Wong (2005), realizaram um estudo comparativo entre o SDESA e o PROMODEL em

duas aplicações na área da construção civil. A metodologia SDESA foi proposta e

desenvolvida com o objetivo específico de facilitar a criação de modelos na construção. De

acordo com os autores, o SDESA mostrou-se mais adequado às aplicações desenvolvidas, uma



7

vez que proporcionou um processo de modelagem computacional mais simples, fácil e rápido

do que o PROMODEL na modelagem de operações de construções nos dois casos estudados.

Na ocasião da construção das instalações para os Jogos Olímpicos de Pequim (2008) a

simulação computacional na construção civil foi aplicada com sucesso para maximização da

eficiência de custos das obras. Na construção de seu principal estádio, que ficou conhecido

como “o ninho de pássaro”, Chan et al. (2006), aplicaram o estado-da-arte na modelagem para

simulação das operações de construção com o intuito de planejar as operações de instalação

da estrutura metálica, encontrar a sequência de instalação apropriada e formular o cronograma

físico da área de montagem. A plataforma SDESA foi aplicada como ferramenta de simulação

para avaliação de como o tempo de construção para a estrutura metálica do supracitado

estádio mudaria de acordo com diferentes sequências de instalação combinadas com variados

cronogramas físicos para uso de área para montagem. Tal experiência, segundo os autores

convenceu o gestor da obra da efetividade da modelagem por SDESA e ajudou os engenheiros

da obra a definir o método de construção otimizado.

Quando se trata da maximização da eficiência de custos em obras de grande porte, a utilização

de ferramentas computacionais para simulação dos processos e operações de construção são

fundamentais. Pelo que se vê na literatura, a plataforma SDESA é a mais freqüentemente

indicada para aplicação na Indústria da Construção Civil. Não obstante, outras plataformas de

simulação são eventualmente bem aplicadas, produzindo bons resultados. Na seção seguinte

será apresentado um estudo de caso em que o ciclo de alimentação do britador de uma central

de britagem por meio de caminhões basculantes foi modelado de forma simples, elegante e

eficaz utilizando o PROMODEL.

4. Estudo de Caso

O objeto do estudo é um processo realizado nas obras de implantação de um Aproveitamento

Hidrelétrico. Assim sendo, evidenciar-se-á um pequeno vislumbre do imenso potencial de

aplicações e desenvolvimento que a simulação computacional possui, em especial, na

Indústria da Construção Pesada.

4.1 Descrição do sistema

Na construção das estruturas de grande porte envolvidas neste tipo de empreendimento são

utilizados diferentes tipos de concreto. A obra conta com a maior central de britagem da

América Latina instalada para um empreendimento específico.

A demanda por agregados miúdos e graúdos por parte da central de concreto é grande e

ininterrupta. A central de britagem conta com apenas um britador de primeiro estágio, ou seja,

apresenta um único canal para alimentação de matéria-prima: o britador primário que aparece

na Figura 1. A produtividade global desta central de britagem está fundamentalmente

relacionada, portanto, à produtividade do britador primário. Esta, por sua vez, está atrelada à

otimização do ciclo de abastecimento do mesmo por meio de sete caminhões basculantes

dedicados a este processo.



8

Figura 1 - Caminhão basculante alimentando o britador primário.

A matéria-prima utilizada na central de britagem (pedras) são obtidas em uma pedreira

(localizada a quatro mil e duzentos metros de distância do britador primário) que conta com

uma escavadeira dedicada ao carregamento dos caminhões. O processo cíclico no qual os

caminhões basculantes se dirigem à pedreira onde, como mostra a Figura 2, são carregados e,

em seguida, se dirigem ao britador primário, depositam sua carga e retornam à pedreira para

serem novamente carregados, consiste justamente no sistema objeto deste estudo: o ciclo de

abastecimento de uma central de britagem realizada por meio de caminhões basculantes

(apresentado em forma de fluxograma na Figura 3). Este processo é desenvolvido em dois

turnos diários dispondo, cada um deles, de oito horas e quarenta e oito minutos.



9

Figura 2 - Caminhões basculantes sendo carregados na pedreira.

Figura 3 – Fluxograma do ciclo de alimentação do britador

4.2 Modelo desenvolvido

O objetivo geral deste trabalho foi a simulação computacional do ciclo de abastecimento da

central de britagem da obra por caminhões basculantes. O modelo foi desenvolvido de

maneira que pudesse representar fidedignamente o funcionamento do sistema na configuração

de trabalho atualmente adotada, qual seja, a que utiliza sete caminhões basculantes para

alimentação do britador primário.

Uma vez construído tal modelo, o mesmo pôde ser utilizado para avaliar a configuração de

trabalho atualmente adotada em relação à característica fundamental a ser maximizada no

sistema: a taxa de utilização do britador. Desta depende a produtividade global da central de

britagem e, portanto, foi a que esteve no foco principal do presente estudo.

O processo de desenvolvimento do modelo propiciou, para aquisição de detalhado

conhecimento do sistema – que consiste em etapa primordial nas aplicações de modelagem e

simulação computacional – a interação da equipe de modelagem com diversos colaboradores

da empresa. Tal interação ensejou o incremento do conhecimento do sistema de parte a parte,

além da identificação dos dados necessários para confecção do modelo que deveriam ser

fornecidos pela empresa construtora. Uma vez que a equipe de modelagem não ficou

responsável pela obtenção e tratamento estatístico dos dados de entrada do modelo

desenvolvido, a mesma pôde centralizar seus esforços no correto entendimento do

funcionamento do sistema, bem como nas abstrações que poderiam – e portanto, conforme

atesta a literatura especializada, deveriam – ser feitas ao sistema real para confecção do

modelo.

Segundo Maria (1997), o sistema em estudo pode ser classificado como estocástico e

dinâmico. Assim sendo, os dados necessários para confecção do modelo computacional foram

fornecidos, pelo departamento de Apoio à Gestão e Organização (AGO) da empresa

construtora, em termos de distribuições normais de freqüências, cujos parâmetros

característicos são apresentados na Tabela 1.

Etapas do processo

(representadas no modelo)

Tempo médio

[minutos]

Desvio padrão

[minutos]

Carregamento basculante na pedreira 3,92 0,22

Viagem basculante (carregado) da pedreira ao britador primário 9,86 0,39

Descarregamento basculante no britador primário 1,05 0,07

Viagem basculante (vazio) do britador primário à pedreira 4,96 0,11

Processamento de carga pelo britador primário 2,97 0,16

Fonte: Distribuições de freqüências fornecidas pela construtora.

Tabela 1 – Parâmetros das distribuições normais dos tempos de cada etapa do processo modelado.

O tempo de carregamento de um caminhão basculante na pedreira é apresentado graficamente

Escavadeira

carrega

basculante

Basculante se

dirige ao

britador

Basculante

alimenta o

britador

Basculante se

dirige à

pedreira



10

na Figura 4. As demais distribuições de freqüência apresentadas na Tabela 1 possuem

representação gráfica similar, seguindo a mesma forma de distribuição. Assim, a exibição de

suas representações gráficas não se faz necessária.

4,64,44,24,03,83,63,43,2

Tempo de carregamento de um caminhão basculante na pedreira [minutos]

Distribuição de freqüencia

Normal; Média=3,92; Desvio Padrão=0,22

Figura 4 – Distribuição de freqüência do tempo de carregamento de um basculante na pedreira.

Conforme atestam diversos autores na literatura técnica especializada em que este trabalho é

fundamentado, todo processo de modelagem tem como objetivo primeiro a busca por uma

representação de um dado sistema (real ou imaginário) que seja mais simples que o mesmo.

Por apresentar menor grau de complexidade e facilidade em seu manuseio, os modelos

desenvolvidos são capazes de potencializar o conhecimento dos sistemas aos quais se referem

e também prever resultados, avaliar o impacto de mudanças e falhas no sistema, entre outras

vantagens.

O modelo desenvolvido neste estudo buscou o maior grau de simplificação possível (e

necessário) para que fosse capaz de fornecer as informações que dele eram esperadas. Foram

abstraídos do modelo todos os tipos de interferências (vide Tabela 2) que ocorrem no sistema

real e que o levam a um estado de funcionamento anormal. Tais interferências não ocorrem

com freqüência capaz de justificar que fossem incluídas no modelo. Além disso, em nada

aumentariam a capacidade do mesmo de responder a questão fundamental a que se propõe.

Finalmente, a inclusão de tais interferências implicaria em considerável acréscimo de

dificuldades em sua validação, acrescendo fontes e possibilidades de erros. Assim, complicam

consideravelmente a obtenção de resultados do sistema real que pudessem ser comparados

com os resultados gerados pelo modelo, a fim de validá-lo. Conforme mencionado

anteriormente, o modelo desenvolvido visa prover informações acerca do sistema real que

permitam a garantia de maximização da taxa de utilização do britador primário, da qual

depende o rendimento da central de britagem como um todo.

Tipos de interferências

(não representadas no modelo)

Fogo rejeitado ou parcialmente liberado na pedreira.

Geração de rochas com diâmetro acima do preconizado.



11

Matacos no interior do britador.

Picos de energia.

Problemas mecânicos nos basculantes.

Problemas mecânicos na escavadeira.

Paradas não programadas do britador primário.

Fonte: Construtora

Tabela 2 – Tipos de interferências que ocorrem no sistema real.

As interferências listadas na Tabela 2 constituem eventos que aumentam o risco, tal como é

conceituado por Anderson et al. (2007), do projeto como um todo, uma vez que o não

cumprimento de cronograma implica em custos significativos, a serem arcados pela empresa

construtora, relativamente ao cumprimento de sanções previstas em cláusulas contratuais. A

seguir será feita uma descrição de cada uma destas interferências e seus efeitos serão

comentados.

As rochas são geradas, na pedreira, mediante detonações (fogos) realizadas por empresa

terceirizada. Algumas vezes, as pedras geradas não são liberadas – pelo departamento de

qualidade da construtora – para serem utilizadas como fonte de matéria-prima para a central

de britagem devido às suas características litológicas. Tal tipo de interferência, denominada

como “fogo rejeitado” ou “fogo parcialmente liberado”, apesar de ser relativamente rara,

causa grande impacto de produtividade quando de sua ocorrência. Causa significativa

ociosidade no britador devido à falta de rochas ou substancial aumento no tempo de

carregamento dos basculantes (seleção de rochas aprovadas pelo operador da escavadeira).

É de responsabilidade da empresa contratada para realizar as detonações na pedreira a geração

de rochas em tamanho adequado ao processamento pelo britador primário. Eventualmente, a

detonação pode gerar rochas de tamanho superior ao que o britador primário é capaz de

processar (matacos). Tal interferência é denominada “geração de matacos” e causa queda de

produtividade devido ao acréscimo no tempo de carregamento devido à necessidade de o

operador da escavadeira realizar separação de matacos, a fim de evitar que sejam carregados

nos basculantes. Quando acontece de matacos serem despercebidamente carregados nos

basculantes e descarregados no britador primário se dá a interferência denominada “matacos

no interior do britador”. Estas impactam fortemente a produtividade do mesmo pois, sempre

que ocorrem, se faz necessário seu desligamento para retirada de matacos e gerando,

conseqüentemente, significativo tempo de ociosidade no sistema.

Conseqüência similar ocorre quando acontecem “picos de energia” que fazem o britador

primário ser automaticamente desligado. Como não pode entrar em funcionamento quando

carregado, esta interferência implica em relevante perda de tempo em função do processo de

descarregamento prévio que se faz necessário para que o britador primário possa vir a ser

religado.

Interferências como “problemas mecânicos nos basculantes” ocorrem com pouca freqüência

devido à assídua manutenção preventiva praticada pela empresa e, quando acontecem,

produzem impactos menores se o sistema estiver dimensionado com número adequado de

caminhões. Os “problemas mecânicos na escavadeira” são menos freqüentes que aqueles mas

produzem, contudo, impactos muito maiores. De fato, o desempenho do sistema apresenta

maior grau de sensibilidade ao aumento no tempo de carregamento dos caminhões que ocorre

quando é necessária a realização de manutenção não programada na escavadeira e a mesma é

temporariamente substituída, sempre que possível, por outra do mesmo modelo e

características.



12

As “paradas não programadas do britador primário” são as interferências mais graves que

podem ocorrer no sistema em estudo e, por tal razão, são aquelas a que se dedicam os maiores

esforços de prevenção. Ocorrem, portanto, com freqüência muito pequena.

Tais interferências foram abstraídas do modelo desenvolvido pelas razões previamente

expostas. Constituem, entretanto, fontes de ulteriores desenvolvimentos e aplicações do

modelo desenvolvido neste estudo inicial. Uma vez que se tenha determinado o número

adequado de caminhões a serem utilizados no ciclo de alimentação do britador primário de

modo que se tenha garantida a maximização de sua taxa utilização, cada um desses tipos de

interferências pode ser incluído, individualmente e em grupos, no modelo original, de modo a

ter seus efeitos melhor conhecidos e aumentando a compreensão acerca do funcionamento do

sistema.

4.3 Simulação do modelo

O modelo desenvolvido foi simulado em seis distintas situações. Os resultados obtidos foram

capazes de fornecer informações suficientes para a determinação do número ideal de

caminhões basculantes a ser utilizado no processo.

A verificação e a validação do modelo deram-se tanto por análise e verificação conceitual do

programa pela equipe de modelagem, quanto por análise conjunta com colaboradores da

empresa. Foram realizados diversos testes para garantir que o programa realizasse as

operações da maneira esperada, tais como simulações em baixa velocidade.

A fim de verificar e garantir a validade do modelo desenvolvido, os resultados obtidos por

meio da simulação computacional foram comparados com aqueles oriundos do sistema real

em ocasiões em que o mesmo operou livre de interferências, isto é, em momentos em que o

sistema real corresppondeu, em todos os seus aspectos, ao modelo desenvolvido.

A semelhança entre os resultados oriundos do sistema real e aqueles obtidos através da

simulação computacional permitiram que o modelo fosse validado e que fosse reconhecido

seu valor enquanto ferramenta de apoio à decisão na gestão das operações do sistema em

foco. O modelo foi implementado utilizando o software de simulação PROMODEL (vide

Figura 5).



13

Figura 5 - Modelo computacional simulado no PROMODEL.

5. Resultados e discussões

Na Tabela 3 são apresentados os resultados das simulações de seis diferentes situações

analisadas que divergem entre si apenas no tocante ao número de caminhões basculantes

utilizados. Na realização destas simulações, o tempo de processamento variou em função do

número de basculantes, uma vez que foram mantidas constantes as demais variáveis do

sistema no modelo. A simulação computacional do modelo, em cada uma das situações

analisadas, termina quando o britador primário conclui o processamento de cento e vinte

cargas (produção padrão esperada para cada turno de trabalho de 8,80 horas livre de

interferências).

Tempo Simulado de

Processamento [horas]

Quantidade de

Caminhões

Basculantes

Taxa de

Utilização do

Britador

8,28 9 97,12%

8,28 8 97,12%

8,28 7 97,12%

8,28 6 97,10%

8,56 5 93,93%

11,98 4 67,09%

Fonte: Relatório de resultados gerados no PROMODEL pelo autor.

Tabela 3 – Resultados de simulações com diferentes números de caminhões basculantes.

Como pode ser verificado na Tabela 3, o tempo mínimo de processamento é obtido quando o

modelo é simulado utilizando-se seis caminhões basculantes. Entretanto, a taxa máxima de

utlização do britador ocorre apenas quando são utilizados sete caminhões basculantes. A

situação em que apenas quatro caminhões basculantes são utilizados não é capaz de atender o



14

nível de produção esperado por turno, uma vez que o tempo de processamento na simulação

ultrapassa o tempo disponível por turno. A situação que utiliza cinco caminhões basculantes é

capaz de atingir a meta dentro do tempo de um turno mas não apresenta, contudo, o tempo de

folga necessário para realização de atividades como o diálogo diário de excelência (que

consome quinze minutos de cada turno de trabalho) nem eventuais paradas para satisfação de

necessidades fisiológicas dos motoristas.

À primeira vista, é aparente que o número ideal de caminhões basculantes a serem utilizados,

de acordo com os resultados fornecidos pelo modelo é igual a seis, pois esta é a situação que

utiliza o menor número de caminhões para uma taxa de utilização do britador estatisticamente

igual à máxima. Entretanto, esta seria uma análise ingênua, pois é necessário considerar que o

modelo desenvolvido apresenta limitações em função das abstrações que foram feitas para sua

confecção. No sistema real, eventualmente ocorrem os alguns dos diversos tipos de

interferências previamente descritas. A situação com cinco caminhões basculantes apresenta

uma taxa de utilização do britador sensivelmente menor. Assim sendo, fica evidente que o

número ideal de caminhões basculantes a serem empregados no sistema real corresponde

exatamente àquele atualmente empregado na atual configuração de trabalho. Sete é o número

mínimo de caminhões basculantes capaz de garantir a máxima utilização do britador primário.

Barral et al. (2008), evidencia que a análise do modelo computacional via simulação e o teste

de modelos hipotéticos alternativos derivados do modelo original pode, algumas vezes,

apresentar resultados até mesmo surpreendentes, os quais são capazes de provocar

impactantes melhorias no sistema real. De fato, ainda que os responsáveis pela tomada de

decisão normalmente possuam elevado grau de conhecimento dos sistemas pelos quais são

responsáveis – fato demonstrado neste estudo pela exata coincidência entre o número de

caminhões recomendado pela análise do modelo com aquele atualmente empregado no

sistema real – quando se trata de considerar situações alternativas àquela mais freqüente, a

capacidade natural de modelagem e simulação mental do ser humano não é capaz de competir

com a versatilidade e agilidade da simulação computacional. Neste sentido, a simulação

computacional do modelo desenvolvido poderá ser utilizada em aplicações ulteriores como

ferramenta para verificação das assunções que se tenham acerca das situações menos

freqüentes no sistema real. Para um ser humano é muito difícil lidar com múltiplas variações

em sistemas complexos e, ao mesmo tempo, ser capaz de evitar interpretações equivocadas.

6. Considerações finais

A simulação computacional enquanto método de aquisição de conhecimento acerca do

sistema real foi a característica mais marcante durante o processo de modelagem. De fato,

apesar da resposta obtida para a questão essencial a que o modelo desenvolvido se dirigiu ter

ratificado a atual configuração de trabalho tal como a ideal, o grau de conhecimento do

sistema por parte dos colaboradores da empresa foi relevantemente ampliado.

Obras de implantação de um Aproveitamento Hidrelétrico envolvem diversas empresas em

sua execução. Tais empresas, no mais das vezes, se relacionam enquanto clientes e

fornecedoras umas em relação às outras, de forma que suas atividades estão sempre

relacionadas de alguma maneira. A falha em uma operação de determinada empresa (ou setor)

se propaga ao longo do sistema global de maneiras muitas vezes difícil de ser delimitada,

prevista e evitada. O modelo desenvolvido poderá servir não apenas para fins de otimização e

gerenciamento do sistema em foco mas, também, enquanto ferramenta capaz de auxiliar no

desenvolvimento da visão sistêmica por parte dos colaboradores da organização.

Fica evidente o grande potencial da simulação computacional na Indústria da Construção



15

Civil, especialmente no segmento da Construção Pesada. Apesar do fato de o PROMODEL,

diferentemente do SDESA, não ter sido desenvolvido especificamente para aplicações na

simulação das operações de construção, demonstrou perfeita adequação para modelagem do

sistema em questão, contribuindo para que os objetivos fossem satisfatoriamente atingidos.

Referências

ALVES, P. M. C. Relacionamento cliente / fornecedor na indústria da construção civil: novas tendências

voltadas para um contexto de qualidade e produtividade. Florianópolis: 1997. Dissertação (Mestrado em

Engenharia) – Programa de Pós-Graduação em Engenharia de Produção e Sistemas da Universidade Federal de

Santa Catarina, Florianópolis: 1997. Disponível em: <http://www.eps.ufsc.br/disserta98/alves/>. Acesso em: 28

nov. 2008.

ANDERSON, G. R.; ONDER, N.; MUKHERJEE, A. Expecting the unexpected: representing, reasoning

about, and assessing construction project contingencies. In: Proceedings of the 2007 Winter Simulation

Conference, 2007. Disponível em: <http://www.informs-sim.org/wsc07papers/254.pdf>. Acesso em: 28 nov.

2008.

BARNES, R. M. Estudo de movimentos e de tempos: projeto e medida do trabalho. São Paulo: Edgard Blücher,

1977.

BARRAL, M. M. P. et al. Estudo do setor de expedição de uma indústria de curtume utilizando simulação

computacional. In: Anais XV SIMPEP, Bauru: [s.n.], 2008.

CHAN, W. H.; LU, M.; ZHANG, J. P. Attaining cost efficiency in constructing sports facilities for Beijing

2008 Olympic Games by use of operations simulation. In: Proceedings of the 2006 Winter Simulation

Conference, 2006. Disponível em: <http://www.informs-sim.org/wsc06papers/265.pdf>. Acesso em: 28 nov.

2008.

FRANCO, E. M. A ergonomia na construção civil: uma análise do posto do mestre-de-obras. Florianópolis:

1995. Dissertação (Mestrado em Engenharia) – Programa de Pós-Graduação em Engenharia de Produção da

Universidade Federal de Santa Catarina, Florianópolis: 1995. Disponível em:

<http://www.eps.ufsc.br/disserta/eliete/indice/index.html>. Acesso em: 28 nov. 2008.

HENRIKSEN, J. O. Taming the complexity dragon. In: Proceedings of the 2006 Winter Simulation Conference,

2006. Disponível em: <http://www.informs-sim.org/wsc06papers/henriksen.pdf>. Acesso em: 28 nov. 2008.

HILLIER, F. S.; LIEBERMAN, G. J. Introduction to operations research. 8th ed. Boston: McGraw-Hill, 2005.

JORDAN, J. Simulation des politiques de contrôle de la qualité à l'aide de Promodel. Moncton: 1999. Thèse

présentée à l'École de génie de l'Université de Moncton en vue de l'obtention du diplôme de Maîtrise ès Sciences

Appliquées, Moncton: 1999. Disponível em: <?>. Acesso em: 28 nov. 2008.

LU, M.; WONG, L.C. Comparing PROMODEL and SDESA in modeling construciton operations. In:

Proceedings of the 2005 Winter Simulation Conference, 2005. Disponível em: <http://www.informs-

sim.org/wsc05papers/188.pdf>. Acesso em: 28 nov. 2008.

MARIA, A. Introduction to modeling and simulation. In: Proceedings of the 1997 Winter Simulation

Conference, 1997. Disponível em: <http://www.informs-sim.org/wsc97papers/0007.PDF>. Acesso em: 28 nov.

2008.

MOLLOY, M. K. Fundamentals of performance modeling. New York: Macmillan Publishing Company, 1989.

NEELAMKAVIL, F. Computer simulation and modelling. Chichester: John Wiley & Sons, 1991.

PICKOVER, C. A. Computers and the Imagination. New York: St. Martin’s Press, 1991.

PIDD, M. Modelagem empresarial: ferramentas para tomada de decisão. Tradução de Gustavo Severo de Borba

et al. Porto Alegre: Artes Médicas, 1998.

SÁNCHEZ, P. J. As simple as possible, but no simpler: a gentle introduction to simulation modeling. In:

Proceedings of the 2006 Winter Simulation Conference, 2006. Disponível em: <http://www.informs-

sim.org/wsc06papers/001.pdf>. Acesso em: 28 nov. 2008.

SILVA, A. K. Método para avaliação e seleção de softwares de simulação de eventos discretos aplicados à

análise de sistemas logísticos. São Paulo: 2006. Dissertação (Mestrado em Engenharia) – Escola Politécnica da



16

Universidade de São Paulo, São Paulo, 2006. Disponível em: <www.teses.usp.br/teses/disponiveis/3/3148/tde-

09052007-160956/>. Acesso em: 28 nov. 2008.

Documents

A SIMULAÇÃO COMPUTACIONAL NA INDÚSTRIA DA …abepro.org.br/biblioteca/enegep2009_TN_STP_091_620_13792.pdf · A Engenharia de Produção e o Desenvolvimento A SIMULAÇÃO COMPUTACIONAL