APLICAÇÃO DE SIMULAÇÃO EM GESTÃO DE PROCESSOS … · GESTÃO DE PROCESSOS OPERACIONAIS - UM ESTUDO DE CASO NA INDÚSTRIA ... computacional através de um software de simulação

APLICAÇÃO DE SIMULAÇÃO EM

GESTÃO DE PROCESSOS OPERACIONAIS

- UM ESTUDO DE CASO NA INDÚSTRIA

ELETRÔNICA”

Felipe Manga Milani (FACAMP)

[email protected]

Paulo Sergio de Arruda Ignacio (FACAMP)

[email protected]

Este trabalho tem como objetivo aplicar um modelo de simulação a

eventos discretos, visando aperfeiçoar uma linha de montagem de

servidores e storages de uma empresa eletrônica. É dada uma ênfase para

a etapa de modelagem conceitual utilizaando-se a técnica do IDEF-SIM

(Integrated Definition Methods - Simulation) para dar suporte ao modelo

computacional, que utilizará o simulador Promodel®. São apresentadas

as etapas pelas qual o trabalho foi estruturado, além dos modelos

conceituais e computacionais validados e verificados de acordo com a

metodologia proposta para projetos de simulação. Os resultados obtidos

foram satisfatórios, conforme os objetivos de aumento da produtividade da

empresa.

Palavras-chaves: Modelagem, IDEF-SIM, Simulação

XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Desenvolvimento Sustentável e Responsabilidade Social: As Contribuições da Engenharia de Produção

Bento Gonçalves, RS, Brasil, 15 a 18 de outubro de 2012.



2

1. Introdução

A empresa eletrônica estudada, montadora de servidores e storages passa por dificuldades de

atendimento a sua demanda, decorrente da sazonalidade dos pedidos de seus clientes. Sendo

assim este artigo tem como objeto de estudo a aplicação da ferramenta de simulação para

melhorar a capacidade produtiva e conseguir adaptar a produção à sazonalidade dos pedidos. A

modelagem dos dados e cenários deve ajudar a melhoria dos processos de montagens e a redução

dos custos de operação. Para que seja possível analisar os dados e atingir os resultados desejados,

a cronoanálise será utilizada como ferramenta para documentar o sistema, assim como o software

de simulação ProModel® como facilitador.

2. Problema de pesquisa e objetivo

O objetivo do artigo será demonstrar a facilidade da utilização de um simulador para atender à

demanda do mercado de Servidores e Storages. Para comprovar a eficácia da simulação o artigo

deve estudar a produtividade, identificar oportunidades de melhorias e dependências do processo.

O problema de pesquisa está relacionado com operação de uma empresa de montagem que sofre

com a sazonalidade da demanda por seus produtos. Nos períodos de pouca demanda, os

operadores ficam ociosos, evidenciando um problema na ocupação dos operadores. Problema que

também pode ser notado quando a demanda está muito alta e é necessário alocar montadores de

outras áreas da empresa. O excesso de movimentação dos colaboradores na montagem, o tempo

por atividade e o layout da linha afetam o lead time de produção por produto. Como certas etapas

podem demorar mais que as outras, existem limitadores de produção. A empresa, porém, não

sofre com estoques de produto acabado. Seus insumos são adquiridos com base em um

adiantamento da possível demanda e são comprados somente quando a ordem de produção é

inserida no sistema.

3. Revisão bibliográfica

A definição de um sistema é a primeira etapa para o entendimento de um problema ou estudo.

Um sistema pode ser definido como um "conjunto de elementos em constante interação"(von

BERTALANFFY, 1968). Todos os sistemas geram dados a serem coletados e armazenados. E,

para definir o nosso modelo, é preciso absorver esses dados de alguma forma.

3.1. Simulação

Existem diversos termos relacionados à simulação e muitos tipos de simulação. O que deve ser

simulado é sempre um sistema. Para Forrester (1968), um sistema é o agrupamento de partes que

operam juntas, visando atingir um objetivo comum. E esse sistema implica em uma interação de

causa e efeito entre suas partes componentes.

“Usualmente os textos clássico de simulação fornecem uma série de definições do que é

simulação. Para não tornarmos as coisas muito repetitivas,... comentaremos o que a



3

simulação não é: uma bola de cristal; um modelo matemático; uma ferramenta

estritamente de otimização; substituta do pensamento inteligente; uma técnica de último

recurso e uma panacéia que irá solucionar todos os problemas.”

(CHWIF e MEDINA , 2006)

Nas décadas decorrentes até os dias de hoje, a expansão da simulação vem proporcionando

facilidade de solução de problemas e criação de novas tecnologias relacionadas ao

desenvolvimento da tecnologia como um todo, a exemplo dos supercomputadores e das redes.

(GOLDSMAN, 2010)

Existem ainda diversos outros termos relacionados à simulação e muitos tipos de simulação.

Enfatizando os diversos tipos de simulação e considerando a simulação computacional, segundo

Chwif e Medina (2006), esta pode ser classificada em três categorias básicas: simulação de

Monte Carlo, simulação contínua e simulação de eventos discretos. No propósito de modelar

sistemas que mudam o seu estado em momentos discretos de tempo, isto é, em decorrência da

realização de eventos, a simulação de eventos discretos pode ser aplicada em manufatura e

serviços.

3.2. Modelagem

Para a etapa de concepção do modelo, devem ser definidos e analisados os objetivos do sistema.

“Mesmo a melhor das operações produtivas precisará melhorar, porque os concorrentes também

estão fazendo melhoramentos”. (SLACK apud CHWIF e MEDINA, 2006).

A formulação do sistema deve ser feita através de ferramentas como Fluxogramas e Value Stream

Map, o mapa de fluxo de valor do sistema. “O modelo abstrato que está na mente do analista

deve ser representado de acordo com alguma técnica de representação, a fim de torná-lo um

modelo conceitual.” (CHWIF e MEDINA, 2006).

Leal, Almeida e Montevechi (2010) destacam a facilidade e o enfoque específico na modelagem

de processos através do IDEF-SIM (Integrated Definition Methods – Simulação). A técnica

apresenta metodologia baseada nos modelos desenvolvidos pela força aérea americana, o IDEF0

(Integrated DEFinition Methods ) e o IDEF3, incrementada com novas formas e dados que

facilitam o desenvolvimento de um modelo computacional, base para a simulação. Para os

autores a facilidade de entendimento trazida através da utilização do IDEF-SIM é seu principal

ponto forte. Apesar de a técnica ter foco no projeto de simulação, os autores garantem que a

técnica é compatível, e sempre deve ser, a outros fins, como projetos de melhoria em geral. Para

exemplificar a metodologia de mapeamento, a figura 1 representa o processo operacional

estudado nesse projeto, mapeado com a utilização do IDEF-Sim.



4

RawMaterial

CXOrder material

OP wh

Sep.

RawMaterial

CX

Montagem

X

CX

IDEF -SIM CX4

OP 1

OP 2

Cap. INF 4 Locations

A

Fonte : Elaboração própria

Figura 1 - IDEF-Sim CX4

Leal, Almeida e Montevechi (2010) afirmam que essa técnica determina que a aplicação da

técnica pode ser utilizada em dois momentos distintos do projeto: na fase de modelagem

conceitual, onde o modelador registra o sistema a ser modelado; e também quando é feita a

documentação do modelo. Caso o modelo seja detalhado em exagero, a sua construção e

compreensão podem ser prejudicadas. Após o entendimento do modelo IDEF-Sim, a modelagem

computacional foi realizada. Se utilizando de uma linguagem própria de programação todas as

regras, processos, caminhos, recursos e tempos foram configurados de acordo com o modelo. A

figura 2 representa o ciclo de concepção e implementação e análise da simulação para um

processo.

Fonte: adaptado de CHWIF e MEDINA, 2006

Figura 2 -Ciclo de simulação

Através da técnica IDEF-Sim foi possível gerar um modelo conceitual com uma série de

informações que irão diminuir o tempo necessário ao desenvolvimento do modelo



5

computacional. Nesse caso o modelo foi criado com as informações das atividades, etapas e

semi-produtos da linha de montagem.

Na etapa de implementação, o modelo conceitual deve ser convertido em um modelo

computacional através de um software de simulação comercial. Para Chwif e Medina (2006), o

modelo computacional implementado deve ser comparado com o modelo desenvolvido

anteriormente, a fim de avaliar se a operação atende ao que foi estabelecido na etapa da

concepção.

Ao realizar a modelação, analisá-la e verifica-la, os experimentos já estão prontos para “rodar” e

as entradas devem ser documentadas. O próximo passo é retirar do software de simulação os

resultados desejados que devam ser documentados, conclusões podem ser tomadas e

recomendações geradas.

3.3. Otimização

Os resultados da simulação e da otimização permitem encontrar as formas desejadas para

solucionar os problemas da empresa. (CHWIF e MEDINA, 2006). Segundo Law e Kelton (2000),

o uso mais comum e difundido da simulação, ainda se dá, para desenhar e otimizar os processos

de manufatura. E ainda se pode dizer que a simulação é mais utilizada nesses processos do que

em qualquer outro ao redor do mundo.

“O aumento da competitividade em muitas indústrias resultou em uma maior ênfase em

automação para melhorar a produtividade e qualidade. Levando em conta o fato que

sistemas automatizados são complexos, eles tipicamente só conseguem ser analisados pela

simulação. A melhoria nos softwares de simulação reduziu tempos de desenvolvimento de

modelos, permitindo, assim, mais tempo para a análise da manufatura em si. ”(LAW e

KELTON, 2000)

Para Law e Kelton (2000), o melhor benefício do uso da simulação no ambiente de uma fábrica

se dá pela possibilidade de se enxergar o todo, isto é, permitir que um engenheiro enxergue todo

o sistema ainda que uma alteração tenha sido feita em somente um determinado local ou

máquina. A mudança pontual pode ser previsível no local, porém sua repercussão no resto do

sistema pode ser bem maior. As conclusões, quando analisado o todo, são mais exatas e

confiáveis.

Ao tratar da simulação associada à otimização Fu (2010) explica que as duas teorias eram

mantidas separadas “fisicamente”, até o começo do Século XXI. Nesse recente período, a

otimização vem sendo encontrada conjuntamente nos softwares de simulação, assim como é o

caso do SimRunner para o ProModel® . Esse software analisa as entradas e os resultados do

modelo simulado através de uma otimização e não somente uma estimativa estatística como

anteriormente.

4. MÉTODO

O método de pesquisa que será realizado para o desenvolvimento desse trabalho será, segundo

Santos (2002), o método de pesquisa científica no qual o objetivo será caracterizado como



6

descritivo, as fontes de dados coletadas em campo e o procedimento de coleta de dados através

do estudo de caso e pesquisa bibliográfica.

O estudo de caso permite um conhecimento amplo e detalhado do processo e de seus objetos

complexos. “O estudo de caso é apenas uma das várias maneiras de realizar a pesquisa de ciência

social” Yin (2010). “Em geral, os estudos de caso são o método preferido quando: as questões

“como” ou “por que” são propostas; o investigador tem pouco controle sobre os eventos; o

enfoque está sobre um fenômeno contemporâneo no contexto da vida real” Yin (2010).

Os resultados serão analisados qualitativamente e quantitativamente, isso é, será analisado se a

ferramenta de simulação facilita a determinação e o desenvolvimento de melhorias de processo

operacionais. Também serão comparados os resultados numéricos das melhorias propostas e do

resultado da simulação para garantir a conclusão do estudo. A figura 3 representa o fluxo

seguido:

Fonte: Elaboração própria

Figura 3-Fluxograma de método

5. Desenvolvimento

Em uma primeira etapa os principais produtos, volumes de produção e fluxo de informação foram

coletados e entendidos. Foi decidido que o trabalho se basearia em 2 produtos de configurações e

processos de montagem diferentes. Um deles, denominado aqui de UP12 é composto por dois

produtos diferentes, o P1 e o P2. Sendo que a combinação mais tradicional observada é que o

UP12 seja composto por uma unidade de P2 e três unidades de P1. O outro produto é

denominado aqui de P3. A figura 4 a seguir apresenta o período e a sequência pela qual o estudo

foi realizado.



7


Figura 4 -Sequência de atividades

Esses dois produtos representam os maiores volumes de produção da empresa, sendo que o P3

corresponde a quase 65% do total montado na empresa. O UP12 representa 22 %. A apresentação

desses dados foi responsabilidade da empresa estudada e todos os valores foram mantidos

atualizados.

Com uma análise mais profunda, foi compreendido o funcionamento de todo do fluxo de

produção e movimentação desses produtos na linha de produção. Esse período serviu para que a

visão macro do processo fosse adquirida, respeitando a necessidade futura do desenvolvimento

dos mapas dos fluxos de processo e movimentação na linha de produção.

O mapeamento do processo foi executado de acordo com o conceito do Value Stream Map, VSM.

Para tal mapeamento dois tipos de produtos foram estudados e analisados a fundo. Todas as

etapas de trabalho, sem entrar em detalhes operacionais, foram observadas e os tempos de

processo documentados. O fluxo observado pode ser observado na figura 6 abaixo.



8


Figura 6 -VSM UP12

Porém, apenas o VSM não é suficiente para que seja viável montar um modelo conceitual ou

matemático para o produto final do estudo. Os tempos devem ser coletados e todas as atividades e

operações devem ser desmembradas. Para isso foi utilizada a cronometria, mais de 5000

observações e tomadas de tempo foram realizadas, até que fosse possível montar uma tabela com

a variabilidade dos tempos e todas as atividades envolvidas na montagem de cada um dos

produtos.

A observação das atividades possibilitou a estruturação de uma tabela com a descrição de cada

atividade e as 10 observações. A partir das observações foi possível realizar a cronoanálise dos

dados a fim de determinar a variabilidade dos tempos de cada atividade. Essa parte é

indispensável para a inserção dos tempos no software de simulação ProModel® . Com os tempos

coletados, a distribuição que mais se aproximou da realidade das operações foi a triangular.

Baseando se nos modelos do IDEF-Sim, e seguindo todas as regras do processo produtivo, a

configuração do sistema no ProModel® foi realizada. Os campos de processos, entidades e a

sistemática de funcionamento foram programados, assim como o posicionamento dos locais de

trabalho e regras. Para garantir que essa programação estivesse correta diversas revisões de lógica

e de funcionamento foram realizadas. A validação final foi garantida somente após se rodar um

cenário refletindo a realidade passada do processo.

A quantidade e a frequência na qual as matérias primas chegam no processo foram programadas

no desenvolvimento do sistema de simulação. Todos os componentes foram respeitados, como

turno dos operadores, tempos de descanso e paradas.

O modelo de simulação, ProModel®, foi então rodado (acionado) respeitando a demanda

1 Griffin1 Drive Bay

Separação Sub-montagem OOBA - HLI

1 Griffin1 Drive Bay

5 4 1

Turno 1: 2 opTurno 2: 1 op

OBS: Operadores compartilhados com a

embalagem e expedição

Turno 1: 2 opTurno 2: 2 op

OBS: Operadores compartilhados com a montagem e pré pack2 Griffins

3 Drive Bay

T/P= 1.5h

T/C= 1.5h

2 Turnos

T/P p2 = 4.9hT/C p2 = 4.9h T/P p1 = 3.8hT/C p1 = 3.8h

2 Turnos

T/P p2 = 0.3hT/C p2 = 0.3hT/P p1 = 0.2hT/C p1 = 0.2h

1 Turno

E E E

Turno 1: 1 op

OBS: Operadores compartilhados com

o OOBA 2

1.5h

33 dias

4.9h

5,5 dias

0.3h

2,2 dias

3.5h

2,2 dias



9

corrente para o quartil a ser analisado. Com a simulação foi pretendido avaliar o desempenho das

configurações de produção com respeito a: onde estão os limitadores da produção, quais os lead

times reais dos produtos, qual a utilização dos operadores, além de testar a capacidade do

processo.

Como resultado o esperado é encontrar: Resultados de Produção diária e total no quartil para os

cenários; Lead time do processo e WIP (teste e total); Lead time por etapa de montagem;

Utilização teórica e simulada do Operador.

Os seguintes cenários foram simulados e alguns resultados quantitativos já puderam ser

observados:


Figura 5 - Cenários de simulação

Na figura 7, a coluna “Produção” indica o total de produtos que foram demandados ao final do

quarto Quartil de 2010. A coluna do primeiro mês mostra a quantidade de produtos que entraram

na produção e a qual frequência, tomando como exemplo o P1, entrou no modelo simulado um

produto a cada 52 horas. Essa distribuição é muito similar a real e representa a sazonalidade da

demanda.

As duas últimas colunas da direita representam as saídas do sistema, isto é, o total que foi

produzido decorrente das entradas. Podemos observar que na simulação do quarto Quartil de

2010 todos os produtos demandados foram produzidos, porém na simulação do outro cenário, a

previsão do último Quartil de 2011, a demanda não conseguiu ser atendida. O software

ProModel® possuí a função de gerar gráficos para facilitar a interpretação dos resultados e

métricas.

Os resultados da simulação do 4º Quartil de passa a informação de que consegue ser atendida, e

até mesmo com um pouco de folga. As quantidades produzidas por dia foram facilmente

percebidas através de outro gráfico. Esse resultado foi comparado com o real, a partir disso foi

possível atestar que o programa de simulação estava validado e representaria fielmente o

processo produtivo.



10

A simulação do cenário Q4 de 2011 gerou resultados diferentes em relação ao Q4 2010, com a

demanda mais alta, os meses não tinham capacidade para produzir todos os pedidos. O gráfico de

produção diária mostrou que não existem intervalos ociosos entre os meses, indicando que a

montagem está produzindo em sua capacidade máxima.

Nos resultado fornecidos é possível notar que no primeiro mês a produção diária foi em média de

5 racks e a demanda consegue ser atendida. Já nos segundo e terceiro meses simulados do Quartil

4 – 2011 a produção diária não é suficiente para atender toda a demanda de produtos.

Com isso, é possível notar que com a capacidade de montagem atual o processo não atende a

demanda futura simulada e qualquer que seja seu aumento em próximos períodos. Para identificar

onde o processo está limitado e os locais aonde as mudanças serão realizadas, outros resultados

da simulação foram analisados.

Através do indicador WIP (Estoque entre processo), foi possível identificar em qual situação o

número de racks em processo era maior. Resultados mostram que quando a demanda é maior, os

produtos têm uma tendência a ficarem parados e não saírem em um fluxo contínuo. Se

comparados com o outro cenário, foi possível notar que com o aumento da demanda geral, mais

racks ficaram parados no sistema e por mais tempo. A simulação do cenário Q4 – 2011 deixou

claro que o WIP permanece constante durante os dois primeiros meses do quartil, já no terceiro

mês, o alto volume da demanda de um dos produtos, o P3, provoca o aumento do indicador. O

estoque entre processos máximo, chegou a 16 produtos. Destacando atenção ao início do último

mês do quartil de 2011.

A fim de identificar a etapa do processo responsável por aumentar o WIP, um gráfico da etapa

mais longa, o teste do produto, foi traçado. Ao se analisar os resultados foi entendido que o teste

do P3, limita a continuidade da produção. No terceiro mês de 2010, mesmo depois de os outros

produtos terem completado seu ciclo de produção, o testador de P3 estava com sua capacidade

máxima de teste. O mesmo resultado pode ser observado no Q4 – 2011, assim o testador se torna

limitador da produção. Esse foi considerado o primeiro processo a ser melhorado. Algumas

melhorias, como aumentar o número de testadores, diminuir os tempos dessa atividade ou tentar

eliminá-la, devem ser realizadas.

Porém não foi somente esse o problema encontrado com a ajuda do software de simulação.

Durante as simulações o produto estava esperando muito tempo antes de ser produzido. Criando

controles no ProModel® , foi possível notar que existia um acúmulo de racks antes de uma etapa,

esse processo foi o de OOBA ( Auditoria de fora da caixa). Ao analisar o processo a fundo, foi

notado que, o turno no qual o operador do OOBA trabalha, é diferente do turno dos operadores da

montagem ou do teste, o que trava o fluxo contínuo do rack. Portanto uma melhoria nesse

processo também seria necessária, adequando e combinando os turnos ou dando autonomia para

algum outro operador realizar essa função.

A simulação do cenário com um maior período de trabalho do operador de OOBA gerou

resultados muito positivos em relação a produção de racks. Além de um aumento de mais de 75

racks no período a taxa de utilização do operador do montagem aumentou consideravelmente,

destacando um problema que não havia sido notado anteriormente, de que o produto em espera

para OOBA limitava o fluxo de produção.



11

O aumento de mais de 12% da utilização, resultado do aumento do período de trabalho do

OOBA, refletiu no aumento da produção em valor similar. Com isso um problema pode ser

minimizado e a melhoria já havia sido testada e estava pronta para ser implantada com êxito.

Sido notado que o operador da montagem tem muita influência no processo, foi resolvido estudar

a utilização desse operador. De uma maneira teórica a utilização do operador da montagem pode

ser observada na figura 8, abaixo.


Figura 8 – Utilização teórica do operador

O cálculo do tempo de utilização do operador foi realizado pela divisão entre os tempos

necessários para produzir, pelo total de tempo disponível. Sendo assim um operador leva em

média 420 horas para produzir 153 racks do P3. No geral a utilização dos operadores é razoável,

porém no Q4 – 2011 tem a probabilidade de a quantidade de operadores não ser suficiente para o

total da demanda, assim como a simulação havia mostrado anteriormente. Esse foi também um

ponto a ser melhorado.

Pelos cálculos os dois operadores não seriam suficientes para produzir o total de racks. Com

isso, outra solução para atender a demanda, seria a alocação de mais um operador de montagem a

partir do final do terceiro mês do Q4 – 2011.

Tendo em vista essa possibilidade, foi realizada uma simulação na qual um operador extra, será

alocado somente para trabalho no último mês. Como resultado da mudança, foram produzidos 30

racks a mais. Em números gerais, a figura 27 mostra todos os resultados possíveis de serem

alcançados, se as melhorias propostas forem realizadas e implantadas.



12


Figura 9 - Análise comparativa dos Resultados

6. Conclusão

O entendimento do processo foi necessário para conhecer com que tipo de sistema seria realizado

o estudo. Para isso foram utilizadas pesquisas e entrevistas, além do acompanhamento do

funcionamento do processo in loco. As coletas de dados disponibilizaram as medidas e tempos do

funcionamento do processo. Os desenhos e representações do processo foram realizadas em

forma de fluxograma, VSM e finalmente IDEF-Sim. Esse último método pode ser chamado de

modelagem conceitual do processo, etapa indispensável para o desenvolvimento do modelo

computacional.

O desenvolvimento do modelo de forma computacional foi realizado por meio do software de

simulação ProModel® . A partir da programação de todos os comandos e lógicas nesse software

se tornou possível simular qualquer tipo de cenário que respeitasse as premissas descritas no

desenvolvimento desse trabalho. A simulação de dois cenários foi realizada, a demanda que já

havia sido produzida em um quartil do ano de 2010 e de uma previsão de uma futura demanda

para o último quartil de 2011.

As simulações geraram resultados consistentes, isso por que o primeiro cenário serviu como

validação do modelo. Todas as entradas foram produzidas e os resultados do simulador se

igualaram ao que realmente ocorreu. Já os resultados do Q4 – 2011 foram consistentes, porém

mostraram claramente que o processo analisado não teria capacidade de suprir toda aquela

demanda projetada.

O cenário apresentou um déficit de pouco menos de 100 unidades dos produtos montados

naquele quartil. A demanda não conseguiu ser atendida e ficou claro que para atender a demanda

esperada algumas mudanças teriam de ser realizadas no processo. As análises dos resultados e

dos gráficos gerados pelo ProModel® destacaram os principais problemas limitadores da

produção e também qual foi a utilização dos operadores no processo. Com essas informações

algumas possíveis melhorias também foram encontradas.

Os limitadores de produção, como o Teste dos produtos e também a espera para se realizar a



13

atividade de OOBA, são alguns dos pontos de possíveis melhorias. A utilização do operador de

montagem durante o último mês do quarto quartil de 2011 também foi destacada no resultado da

simulação. A fim de melhorar o processo produtivo e pretender aumentar a capacidade produtiva

do processo, algumas soluções foram geradas. A alocação de mais um operador de montagem e a

instauração de mais um turno de trabalho para o operador de OOBA foram programadas no

ProModel® . Ao rodar mais um a vez o software as mudanças foram facilmente notadas. Os

números totais produzidos aumentaram de forma significativa, possibilitando o atendimento da

demanda projetada. Os resultados disponibilizados pelo simulador evidenciaram a produção de

105 racks adicionais, quando combinada as duas medidas de melhorias.

Com isso se torna evidente que o software de simulação é uma ferramenta de grande qualidade

para a gestão de processos. Ela possibilita a análise do estado em que se encontra o processo,

possibilita a identificação de eventuais limitadores de produção e gera resultados consistentes

quando a programação é feita de maneira correta. A aplicação da simulação vem sendo cada vez

mais utilizada nos processos operacionais e deve ser vista como um grande ajuda para a melhoria

desses processos.

Referências

CHWIF, F. e MEDINA, A. Modelagem e Simulação de eventos discretos, teoria e aplicações - São Paulo: Ed. dos

autores, 2006

FORRESTER, J. Principles of Systems, 2ª ed. Pegasus Communications. 1968

FU, M. (2010), Optimization for Simulation: Theory vs. Practice, University of Maryland, Atas do 2010 Winter

Simulation Conference, Baltimore,Maryland, USA.

GOLDSMAN, D.; NANCE, R.; WILSON, J. R. (2010), A brief histoty of simulation revised, Atas do 2010 Winter

Simulation Conference, Baltimore,Maryland, USA.

HOUAISS, A. VILLAR, M. Dicionário Houaiss da Língua Portuguesa. Rio de Janeiro, RJ: Objetiva, 2001.

LAW, A. M. and KELTON, W.Simulation Modeling and Analysis – 3rd

. Ed – McGraw-Hill, 2000

LEAL, F.; ALMEIDA, D.A. de; MONTEVECHI. (2010), Uma Proposta de técnica de modelagem conceitual

para a simulação através de elementos do IDEF, Atas do 2010 Winter Simulation Conference,

Baltimore,Maryland, USA.

PÁDUA, E. Metodologia da pesquisa: abordagem teórico-prática. 10ª ed. rev. e atual. Campinas, SP: Papirus,

2004

SANTOS, A. Metodologia Científica: A Construção do Conhecimento, São Paulo: Prentice Hall, 2002

VON BERTALANFFY, L..General systems theory; foundations, development, apllications. George Braziller

Publishers, New York 1968

YIN, R. Estudo de caso: planejamento e métodos – 4. Ed. – Porto Alegre: Bookman, 2010

Documents

APLICAÇÃO DE SIMULAÇÃO EM GESTÃO DE PROCESSOS … · GESTÃO DE PROCESSOS OPERACIONAIS - UM ESTUDO DE CASO NA INDÚSTRIA ... computacional através de um software de simulação