REVISÃO BIBLIOGRÁFICA



Esta revisão bibliográfica aborda sete temas principais. Primeiramente, discute-se o conceito de flexibilidade e sua importância estratégica a nível de sistemas de produção. Na seqüência discute-se os sistemas flexíveis de manufatura, apresentando-se conceitos, definições e seus principais componentes. Uma vez que o modelo a ser desenvolvido neste trabalho envolve os problemas e decisões afetas ao planejamento e controle operacional de SFM, a terceira seção desta revisão é dedicada a este assunto.
O quarto tema tratado é o da avaliação de SFM. Apresenta-se uma revisão das diversas abordagens propostas para a avaliação destes sistemas, bem como dos instrumentos utilizados nestas avaliações. O quinto assunto discutido trata de modelos de simulação de SFM, técnica utilizada na metodologia desenvolvida para avaliação de desempenho de projetos destes sistemas. Tendo em vista suas relações com a metodologia e o modelo desenvolvido neste trabalho, o sexto tema abordado, diz respeito a sistemas especialistas. São apresentadas algumas deduções, conceitos básicos, bem como, algumas das ferramentas e metodologias existentes para seu desenvolvimento. Discute-se, na ultima seção, algumas relações, similaridades e formas pelas quais podem ser combinadas as técnicas de simulação e sistemas especialistas, para auxiliar nos processos de decisão. Os resultados destas combinações, são os chamados sistemas inteligentes de simulação. Sua definição e uma discussão de seu uso na avaliação de SFM, também são tratados.


2.1 Flexibilidade e Sistemas de Produção

Flexibilidade é, literalmente definida como, a capacidade de dobrar-se sem quebrar, isto é, adaptar-se [GERWIN, 1982].

Com o advento das novas tecnologias baseadas em microprocessadores, o conceito de flexibilidade reaparece como um elemento chave no projeto, operação e gerenciamento de sistemas de produção. Uma grande quantidade de literatura sobre flexibilidade aplicada à produção foi acumulada nos últimos dez anos, conforme levantamentos de Gupta e Goyal [GUPTA, 1989] e de SETHI [1990]. A maior parte dela dedicada à definição dos vários tipos de flexibilidade e à identificação de sistemas que exibem ou não um ou mais destes tipos. Alguns artigos dedicam-se também às formas de medi-las. Fica claro da literatura levantada que flexibilidade é um conceito complexo, multidimencional, e não muito fácil de ser entendido.

Segundo SETHI [1990], pelo menos 50 diferentes termos para vários tipos de flexibilidade podem ser encontrados na literatura sobre sistemas de produção, muitas vezes referindo-se ao mesmo tipo de flexibilidade.

Percebe-se também que pouco esforço tem sido feito, tanto no sentido de um tratamento analítico, quanto na determinação quantitativa destes conceitos. Como resultado, as formas de avaliação propostas, são, na maioria das vezes simples e arbitrárias.


2.1.1 O Conceito e Importância da Flexibilidade na Manufatura

Flexibilidade de um sistema de produção, é sua capacidade de adaptação a um grande número de mudanças [GERWIN, 1982]. JAIKUMAR [1984], enfatiza o fato que a flexibilidade na manufatura é sempre uma restrição dentro de um domínio. Este domínio pode ser definido em termos do portfólio de produtos, processos e procedimentos, podendo ser bem compreendido por projetistas de produtos, engenheiros de produção ou programadores. Este domínio pode ser planejado, administrado e, se bem compreendido, pode ser expandido [GERWIN, 1982; GOLDHAR, 1983].

Com respeito às incertezas ambientais, a flexibilidade na manufatura é necessária para lidar com mudanças internas e forças externas [BUZACOTT, 1985; GARRET, 1986]. Os distúrbios internos incluem a quebra de equipamentos, variações nos tempos das tarefas, esperas em filas, rejeitos e retrabalhos. Forças externas referem-se usualmente as incertezas fundamentais do ambiente de competição. Tais incertezas podem estar presentes na disponibilidade de recursos, no mix e preço dos produtos ou no nível de demanda. Além disso, podem significar mudanças no gosto de consumidores, 'inovações tecnológicas, novas regulamentações, etc. [GARRET, 1986].

Parece clara portanto a importância da flexibilidade na manufatura no que se refere às forças de uma empresa e seu papel na estratégia de competição destas. Hayes e Wheelwright [HAYES, 1984], consideram flexibilidade como uma das dimensões da estratégia competitiva de um negócio, além de um dos mais notáveis critérios para avaliar-se um sistema de manufatura.

O gerenciamento da flexibilidade na manufatura, invariavelmente traz consigo uma questão- qual o nível ótimo para os vários tipos de flexibilidade? A resposta a esta questão requer que a gerência identifique e esteja apta a medir os vários tipos que a manufatura deve possuir para que possa ganhar vantagem competitiva.


2.1.2. Tipos de Flexibilidades

São vários os tipos de flexibilidades que aparecem na literatura. Muitos esforços foram e são despendidos para classificá-los, quantificá-los e medi-los, sob diferentes aspectos como pode ser verificado em BARAD [1988], BUZACOTT [1982], CHATTERJEE [1984], GUPTA [1989], SETHI [1990] e SLACK [ 1987].

As definições apresentadas por Browne e outros [BROWNE, 1984], tomaram-se clássicas, aparecendo na maioria dos trabalhos que tratam do tema. Dentre os vários tipos de flexibilidades propostas por estes autores, as quatro citadas abaixo são as mais importantes no que se refere especificamente a sistemas de manufatura.

Flexibilidade de Máquinas: é a habilidade e facilidade para executar as mudanças necessárias à produção de um dado conjunto de tipos de peças, tais como repor ferramentas desgastadas ou quebradas, trocar ferramentas e montar fixadores sem interferência ou longos períodos de tempo.

Flexibilidade de Processo: é a habilidade de variar os passos necessários para completar uma tarefa. Isto permite que diferentes tarefas sejam executadas pelo sistema usando-se uma variedade de máquinas.

Flexibilidade na Variação das Rotas: é a habilidade de variar a seqüência de visitação das máquinas (útil no caso de quebras, por exemplo) e continuar produzindo o dado conjunto de peças. Isto só é possível porém, quando existe mais de uma rota viável para o processo ou quando cada operação pode ser desempenhada por diferentes máquinas.

Flexibilidade de Volume: é a habilidade de operar um SFM, sob diferentes volumes de produção, com lucratividade, considerando-se somente níveis viáveis de produção.

Outros tipos, como por exemplo a flexibilidade operacional de uma peça, a qual se refere a possibilidade de se produzir uma peça de diferentes formas, é considerada uma propriedade da peça a ser produzida e não do sistema que a produz. Existem ainda alguns tipos de flexibilidade que são consideradas decorrentes das demais, isto é, só existem se outras estiverem presentes no sistema. Como exemplo temos a flexibilidade de produção, cuja existência depende, praticamente, de todas as outras, mais a flexibilidade operacional das peças.


2.2 Sistemas Flexíveis de Manufatura

Os sistemas de manufatura, em geral, exibem muitas características comuns, embora diferindo nos seus detalhes. De uma forma ampla, pode-se afirmar que todos compreendem produtos e equipamentos usados para produzi-los, tais como: matérias primas, máquinas, transportadores, armazenadores, ferramentas, operadores, etc.. Suas diferenças refletirão os diferentes modos com que seus integrantes podem ser combinados para formar um particular sistema.

Segundo CARRIE [l988], um sistema significa "um conjunto de coisas ou partes conectadas ou interdependentes, de tal maneira que formem uma unidade complexa".

Em geral, os sistemas de manufatura refletem perfeitamente esta definição, já que são compostos de muitos elementos diferentes, associados, formando uma estrutura organizada e com um objetivo comum.

A literatura costuma apresentar as diferenças básicas entre os diversos sistemas de manufatura, dividindo-os, em dois tipos clássicos: as limas de produção (transfer lines) e as oficinas de serviços job shops) [GUPTA, 1989; HAYES, 1984 e HILL, 1985].

Gupta e Goyal [GUPTA, 1989] descrevem bem as diferenças entre os dois grupos-.

... no primeiro, temos as típicas linhas de produção. com máquinas delicadas, indicadas especialmente para a produção em massa de poucos produtos. Este tipo de processo permite um baixo custo unitário de produção, devido à economia de escala, mas em contra partida apresentam uma baixa flexibilidade.

No segundo grupo, encontram-se aqueles sistemas que usam um conjunto. não integrado, de máquinas de propósito geral. especialmente apropriadas à produção, em pequenos lotes, de uma grande variedade de produtos. Nestes. o custo por unidade produzida tende a ser alto, mas, em compensação. a flexibilidade do processo pode acomodar. com certa facilidade. mudanças de projeto. Autuações de demanda e trocas no mix de produtos".

Mais recentemente, sistemas avançados de manufatura (máquinas do tipo CN ou CNC) associadas a controles 'informatizados (CAE, CAD, CAM), oferecem uma terceira opção com mais flexibilidade que a produção e menor custo unitário que os obtidos nas produções com máquinas de propósito geral não integradas. A este tipo de sistema de produção a literatura costuma referir-se com o nome de Sistemas Flexíveis de Manufatura ou SFM.

Tais sistemas não possuem urna definição formal e universalmente aceita. GREENWOOD [1988], apresenta o que parece ser uma definição mais geral:

"... é uma cuidadosa combinação de controles computacionais.
comunicações, processos de manufatura e equipamentos relacionados, que permitem ao setor produtivo de uma organização responder rápida. economicamente e de maneira integrada às mudanças significativas no seu ambiente operacional. Tais sistemas possuem. tipicamente, equipamentos de processamento (máquinas-ferrarnentas, estações de montagem, robôs, etc.), sistemas de manuseio e transporte de materiais (robôs, esteiras, veículos auto-guiados, etc.), um sistema de comunicações entre os equipamentos e um sofisticado sistema de controle computacional".

Embora esta seja uma definição longa e genérica, ela possui o mérito de não incluir nenhum tipo de máquina ou equipamento específico, algo o comum em outras definições, além de cobrir todos os aspectos dos SFM.


2.2.1 Componentes dos Sistemas Flexíveis de Manufatura

Segundo CARRIE [l988] e TALAVAGE [l988], os principais componentes dos SFM são:

· Centros de usinagem numericamente controlados;
· Sistemas automáticos de transporte e manuseio de materiais;
· Sistema computacional para controle em tempo real.


O arranjo físico e os componentes de um SFM típico são mostrados na figura 2. 1.

2.2.1.1 Centros de Usinagem Numericamente Controlados

Centros de usinagem numericamente controlados são máquinas-ferramentas multifuncionais, com controle numérico computadorizado (CNC) ou controle numérico direto (DNC), capazes de produzir automaticamente uma grande variedade de peças [WICK. 1987]. O controle numérico independente de múltiplos eixos, geralmente de 4 a 6, fornece flexibilidade a estes centros para executarem uma grande quantidade de operações.

Estes centros de usinagem são, geralmente, equipados com módulos para armazenagem de ferramentas com capacidades que variam entre 40 e 480 ferramentas [WICK, 1987], EM cada centro de usinagem, com armazenagem própria de ferramentas, encontra-se um extrator automático de ferramentas (EAF), para que trocas rápidas possam ser programadas e efetuadas. O EAF garante uma grande diminuição do tempo de preparação entre operações (setup), aumentando a flexibilidade destes centros de usinagem, com a possibilidade de diferentes operações simultaneamente.


2.2.1.2 Sistemas Automáticos de Transporte e Manuseio de Materiais

Os sistemas de transporte e manuseio de materiais (STMM) são responsáveis pela completa lntegração dos SFM. fornecendo uma ligação física em tempo real entre seus diversos componentes. Os STMM são necessários para um transporte rápido e seguro de ferramentas, fixadores, peças, matéria-prima, etc., entre as estações de trabalho e entre estas e os setores de armazenagem e carregamento e descarregamento [RADHARAMANAN, 1989; STECKE, 1985]. Uma grande variedade de equipamentos é utilizada pelos STMM, os quais incluem robôs, veículos-auto-gulados (VAGs), esteiras, monotrilhos, etc.[ ZISK, 1983].

A seleção de um ou mais destes equipamentos em combinação para a composição de um STMM para um SFM depende das necessidades de manuseio de materiais do sistema. Robôs, por exemplo, são mais usados em operações de carregamento/descarregamento de peças e matérias-primas, enquanto esteiras são usadas em transporte de peças e produtos

em processo ao longo de um caminho fixo no sistema. A flexibilidade do transporte por meio das esteiras é muito limitada, por este motivo, quando existe a necessidade de mais flexibilidade de rotas e planos de produção, o uso dos veículos-auto-guiados (VAGS) contribui positivamente para o alcance destes objetivos [CARRIE, 1988; TALAVAGE, 1988 e ZISK, 1983].

De todos os STMM disponíveis, os VAGs são aqueles que proporcionam o mais alto grau de liberdade para a movimentação de peças ou matérias-primas. Além disso, os VAGs possuem muitas outras características desejáveis, tais como flexibilidade de expansão, boa acessibilidade às estações de trabalho, independência do arranjo físico do sistema e uma grande facilidade de 'interfaciamento com outros recursos auxiliares, tais como, sistemas automáticos de armazenamento ou de carregamento/descarregarnento. Por outro lado. algumas das desvantagens são: um 'investimento de capital relativamente alto, baixa capacidade de carregamento, baixa precisão de posicionamento quando comparados com vagonetas ou monotrilhos.


2.2.1.3 Controle Computacional

A completa lntegração dos componentes de um SFM, é efetuada de duas maneiras: a interligação física, via STMM e a lnterligação lógica, efetuada entre computadores e equipamentos. via uma rede local. Como delineado anteriormente, a função básica do STMM em um SFM é transportar peças acabadas ou não em estrados, dos centros de usinagem, ao final de cada operação. Enquanto isso, o objetivo primário dos computadores é controlar e sincronizar todas as funções e operações dos componentes dos SFM. [GROOVER, 1980- TALAVAGE, 1985]

Os principais elementos do sistema de controle são:

· Um computador servidor, cuja tarefa é controlar as atividades dos vários equipamentos dentro do sistema,
· Uma rede de comunicações, cuja tarefa é ligar o servidor as estações de trabalho;
· Finalmente unidades de controle responsáveis pelo detalhamento das atividades nas próprias estações de trabalho - por exemplo, uma unidade de controle, um microcomputador ou um controlador lógico programável em urna máquina ferramenta ou robô.

Um diagrama de bloco das funções típicas de um controle computacional em um SFM apresentado na tabela. 2. 1..

A estrutura de controle computacional é hierárquica, com cada nível possuindo funções independentes supervisionadas por computadores, que por sua vez estão submetidos às decisões tomadas nos níveis superiores. Na base desta pirâmide, equipamentos individuais, tais como, centros de usinagem. STMM. sistemas de armazenamento e trocas de ferramentas, etc., são controlados por micros industriais ou controladores lógicos programáveis. Aí, decisões sobre processamento, transporte e armazenagem de peças, alocação e transporte de ferramentas são passadas de um nível superior aos controladores individuais que se encarregam então de executar estas tarefas conforme uma programação previamente carregada.

Já no nível imediatamente superior, isto é, das células, são tomadas as decisões sobre a alocação dos recursos, tamanho de lotes, despachos e sequenciamentos, envolvendo todos os elementos da célula, conforme as ordens superiores, encaminhadas pelo nível mais alto no controle hierárquico, com decisões de curto e médio prazos que abrangem toda a área de produção.


2.3 Planejamento e Controle Operacional de SFM

O planejamento e o controle da operação de SFM tem sido muito investigado nos últimos anos. Entre as inúmeras abordagens, consideramos mais apropriado apresentar nesta revisão aquelas que tratam de modelos de planejamento da produção, especialmente os que se referem a alocação dos recursos, e de modelos voltados ao tratamento de problemas da fase operacional dos SFM. Consideramos, também, alguns trabalhos que tratam das inter-relações entre as duas fases.


2.3.1 Planejamento da Operação

A operação de um SFM requer uma cuidadosa preparação do sistema antes de sua operação. Vários problemas relacionados a fase de planejamento devem ser equacionados para que se possa obter uma utilização eficiente do sistema. Uma das mais importantes tarefas do planejamento é, sem dúvida, a designação sobre onde, isto é, em qual máquina, será realizada cada uma das operações necessárias a manufatura de cada tipo de peça. Várias abordagens são utilizadas. As mais comuns são a programação linear inteira e a programação com múltiplos objetivos. Aparecem, também, trabalhos envolvendo programação dinâmica e teoria dos grafos.

STECKE [l986] propôs uma abordagem hierárquica. O problema era dividido em dois níveis, agregado e desagregado. No primeiro, uma solução ótima para as taxas de produção e grupamentos de máquinas era obtida. No segundo, modelos de programação linear inteira são utilizados para gerar a designação de peças à máquinas.

Com o objetivo de minimizar os custos de processamento, KUSIAK [l985] modelou o
problema como uma programação linear inteira do tipo O-1. Os tempos de processamento são sempre considerados iguais e, são desconsiderados, sobre o sistema, os impactos de congestionamentos e da capacidade do sistema de transportes.

Leung e Tanchoco [LEUNG, 1987], desenvolveram um modelo de programação inteira para o planejamento, em um sistema voltado ao estudo de reposição de equipamentos em sistema integrados. Suas investigações no ambiente de SFM, faz algumas considerações a capacidade do sistema de transportes de peças e materiais

Leung e outros [LELTNG, 1990] desenvolveram outro modelo de planejamento de SFM, usando programação linear inteira, considerando explicitamente as restrições impostas pelo sistema de transportes, o qual aparece como responsável pela movimentação de peças e materiais nas e entre as estações de trabalho e, entre estas e uma estação de carregamento e descarregamento. Resultados do modelo demonstram a significância da capacidade e do custo do sistema de transporte sobre os resultados do planejamento da produção.

Num trabalho recente e bastante abrangente, EGBELU [1993], propõe uma solução para o problema do planejamento de SFM, usando duas abordagens: programação dinâmica e teoria dos grafos. A chave de seu processo de otimização passa pela flexibilidade de rotas daqueles sistemas. Sua abordagem propõe a integração de duas funções básicas nos problemas da manufatura: o planejamento do processo, especificamente no que trata do sequenciamento das operações e no controle dos estoques intermediários, de fundamental importância nos SFM com tamanhos limitados de buffers. Custos de setup e processamento e tamanhos de lotes são considerados na busca da minimização do custo total.

O planejamento dos processos em SFM requer o alcance de vários objetivos, os quais são conflitantes por natureza. E comum, pois, a presença na literatura de alguns trabalhos reportando a utilização de técnicas que procurem balancear o compromisso entre os múltiplos objetivos. Goal programming é uma das técnicas empregadas.

Utilizando-se desta técnica, O'Grady e Menon [O'GRADY, 1984] desenvolveram um modelo de planejamento para SFM. A necessidade total de produção das peças foi dividida em grupos de acordo com as datas de entrega, sendo otimizadas sob este aspecto. A capacidade das máquinas e dos magazines de ferramentas também foram consideradas.

Outro modelo de planejamento usando esta técnica foi apresentado por Lee e Jung [LEE, 1989]. Os vários objetivos definidos são o volume de produção de cada tipo de peça, o balanceamento da carga das máquinas, a capacidade de fiadores e pallets e o tempo de processamento. Entretanto, o trabalho não sugere nenhum procedimento para determinar metas para cada um dos objetivos.


2.3.2 Controle da Operação

Ao nível do planejamento, vários dos aspectos operacionais do sistema não são capturados. Entretanto, durante a fase de execução, tais aspectos possuem significantes impactos sobre o desempenho do sistema. Entre estas considerações, algumas referem-se a decisões que devem ser tomadas em tempo real, tais como o momento de liberar uma peça ao sistema, o tempo de iniciar uma operação ou de transportar uma peça. Outras decisões precisam ser geradas em função de eventos inesperados, tais como a falha de uma máquina e a quebra de uma ferramenta ou transportador.

A modelagem matemática de problemas de controle operacional, envolvem w-n grande número de variáveis inteiras, dificultando sua solução. Mesmo problemas envolvendo sistemas com um único centro de usinagem, como o proposto e tratado por Raman e outros [RAMAN. 1989], apresentam grandes dificuldades de solução, a menos que uma série de restrições sejam previamente feitas. Daí, a importância das decisões tomadas ao nível do planejamento, antes do encaminhamento das decisões referentes ao controle operacional.

Nas subseções a seguir, revisamos alguns dos problemas afetos às decisões da fase operacional, tais como despacho de peças e veículos, além de suas interações com alguns dos principais parâmetros dos SFM, isto é, pallets, buffers, etc..


2.3.2.1 Despacho de Peças

O despacho de peças trata de dois problemas: o do gerenciamento ou ordenação da entrada de peças no sistema e o da ordenação ou priorização de peças que encontram-se nos buffers das máquinas.

Os problemas relativos a ordem de entrada das peças no sistema foram bem tratados em um estudo no qual Carrie e Petsopoulos [CARRIE, 1985] utilizaram-se de um modelo de simulação. Neste estudo, sete diferentes regras de gerenciamento da entrada das peças foram testadas. Um experimento foi projetado para analisar a significância destas regras para com a performance do sistema. Os resultados, embora significativos, foram dependentes dos tipos de peças urna vez que as regras utilizadas estavam baseadas nas cargas de trabalho de cada tipo de peça.

Vários outros autores citam trabalhos de investigações sobre a importância das regras para entrada das peças.[ARBEL, 1984; MONTAZERI, 1990]. Seguindo a mesma linha investigatória, MAHESHWARI [1992] realizou um trabalho, o qual consideramos um dos mais importantes. Em sua pesquisa, ele realizou exaustivos experimentos com varias regras de despacho, de forma 'individual ou combinada com regras de sequenciamento de peças em filas e de despacho de veículos e parâmetros operacionais. Suas conclusões, demonstram a importância destas regras sobre o desempenho operacional dos SFM.

Com relação ao segundo tipo de problema associado ao despacho de peças, isto é, a ordenação ou priorização de peças que se encontrem em filas ou buffers de máquinas, o número de trabalhos na literatura é bastante amplo. Alguns destes trabalhos merecem atenção. Nof e outros [NOF, 1979] reportam, em uma das primeiras pesquisas sobre este assunto voltada a células automatizadas de manufatura, a significância desta ordenação. Quatro diferentes regras foram utilizadas: FIFO, Menor Tempo de Processamento Restante (MTPR), Menor Tempo de Processamento (MTP) e Maior Tempo de Processamento. Os resultados apontaram para a significância das regras mas, ao mesmo tempo, citam que esta depende do mix, do tamanho dos lotes e da participação relativa de cada tipo de peça.

Stecke e Solberg [STECKE, 1981] modelaram um SFM da Caterpillar em Peoria, lllinois, EUA. O sistema composto de nove máquinas, tem um número de pallets e fixadores restritos. Dezesseis regras de ordenação em conjunto com seis políticas de carregamento foram testadas. A combinação Menor Taxa de Produção (MTXP) para carregamento e Tempo Total de Processamento obteve o melhor desempenho. Os autores no entanto citam que este desempenho depende extraordinariamente dos parâmetros do sistema.

Outro trabalho interessante foi realizado por Wilhelm e Shin em 1985 [WILHELM, 19851. Os autores desenvolveram uma ordenação heurística, considerando um SFM com armazenagem centralizada de peças em processo. A heurística considera rotas alternativas e pode designá-las dinamicamente. A prioridade é determinada sobre peças que se encontrem no buffer central. Eles reportam ganhos de desempenho do sistema em relação a processamentos sem a heurística.

Com a hipótese de que uma combinação de regras obtém melhores resultados em um SFM do que uma única regra, Wu e Wysk [WU. 1989] desenvolveram um modelo de simulação ficar qual combinação obteria os melhores resultados sobre um determinado sistema. O experimento foi realizado considerando diversos períodos de tempo, aos quais os autores denominaram "janelas de simulação". Ao final de cada período, os resultados da simulação eram examinados e a melhor regra, com base no estado do sistema. era então escolhida para ser utilizada no período seguinte.
Em outro trabalho curas decisões são tomadas com base no estado do sistema, ZEESTRATEM [l990], desenvolveu um procedimento para a programação de SFM. O estado do sistema é baseado em um banco de dados e é constantemente atualizado. A convergência do procedimento não é discutida. O autor compara seu procedimento com dez diferentes regras de ordenação. Os resultados mostram que seu procedimento obtém os melhores resultados. Além disso é bastante consistente em termos da variância medida sobre o desempenho do sistema.

No mesmo trabalho investigatório já anteriormente citado, MAHESHWARI [l992]. desenvolveu uma extensa pesquisa que resultou na elaboração de um modelo envolvendo tanto a fase de planejamento (com programação linear) como a fase de operação com simulação. Na fase de operação, diferentes regras para o controle operacional foram testadas, em combinação com quatro modelos de planejamento e diferentes parâmetros operacionais. Os resultados apontam para diferentes combinações proporcionando melhor desempenho do sistema. De maneira geral, as combinações que obtiveram os melhores resultados envolveram a regra MTP para o controle das filas, sendo esta considerada a melhor regra quando se tratava de despacho de peças em filas.


2.3.2.2 Despacho de Veículos

Torna-se evidente das discussões sobre planejamento da produção de SFM que uma peça deve realizar uma seqüência de visitações aos diversos centros de usinagem, o que depende da ordem de suas operações e das capacidades operacionais destes centros além, é claro. das restrições tecnológicas impostas. O transporte destas peças entre os diversos centros, ao final de cada uma das operações, é que gera o problema do despacho de veículos. As decisões tomadas sobre este problema, possuem considerável impacto sobre o desempenho de sistemas integrados de manufatura, como pode ser verificado nos trabalhos que citamos a seguir.

Em 1984, Egbelu e Tanchoco [EGBELU, 1984], classificaram as tarefas de despacho de veículos em duas categorias. A primeira envolve a seleção de um veículo vazio, por urna peça, quando esta termina uma operação e necessita de transporte. A segunda categoria, envolve a seleção de uma peça para transporte, entre as várias que estejam esperando por transporte.

Em um procedimento sugerido por Rwnan e outros [RAMAN, 1989] o transporte das peças era considerado como uma operação e o tempo de transporte como o tempo de uma operação. Assim, as decisões de planejamento envolviam, simplificadamente apenas operações, no seu sentido mais amplo. As prioridades eram estabelecidas de acordo com algumas regras baseadas no cumprimento de prazos de entrega. Os resultados apontam alguns conflitos no uso dos veículos.

Um trabalho importante foi elaborado por Bozer [1989]. Neste estudo foram analisados regras e procedimentos existentes para o despacho de veículos. Bozer ressalta a necessidade de um método consistente para a avaliação do desempenho do sistema para se poder verificar a significância de cada uma das regras, 'individualmente ou combinadas. -Á maioria dos testes foram realizados sob condições específicas, não podendo. portanto serem generalizadas. Importante neste trabalho, no entanto, foi esclarecer o fato de que regras para despacho de veículos não devem ser testadas independentemente de outras decisões relacionadas com o planejamento e controle de operações em SFM. tais como despacho de peças, ordenamento de peças ou alocação de máquinas.

MAHESHWARI [1992] também incluiu análises sobre a influência das regras de despacho de veículos sobre o desempenho dos SFM. Suas conclusões apontam para uma regra baseada no Mínima Carga de Trabalho na Fila da Próxima Máquina (MCTPM). isto é, da fila de peças esperando por transporte 'unto aos buffers de saída das máquinas, é escolhida a peça, cuja máquina que realizará sua operação seguinte, apresentar a menor carga de trabalho.

Dois outros trabalhos retratam também a importância das regras de despacho de veículos. L. Zhuang e Hindi [ZHUANG, 1993], avaliaram um SFM adotando o lead time das peças como medida o desempenho. Usando um modelo baseado em redes de filas, estudaram as lnter-relações entre regras de despacho e flexibilidade de rotas dentro de SFM e seu impacto sobre o desempenho operacional do sistema.

Outro trabalho a destacar foi o realizado por Yim e Linn [YIM., 1993]. Neste estudo, os autores trataram várias regras de despacho de VAGs, além de outros parâmetros, sobre SFM puxados e empurrados. O sistema foi modelado e simulado usando redes de Petri para investigar os efeitos das diversas regras e parâmetros investigativos sobre o modelo. Os autores concluem, que não existem diferenças significantes sobre o desempenho do sistema entre as regras de despacho de veículos. adotando a política de puxar ou empurrar quando os SFM trabalham com uma alta taxa de ocupação.


2.3.2.3 Impacto dos Parâmetros do Sistema

No planejamento, é difícil formular restrições impostas pelo sistema, com base nos recursos logísticos e demais características tecnológicas do sistema. Estes recursos e características podem incluir o número de VAGs, o número de pallets, o layout do sistema ou o tamanho dos buffers. Outras características podem ser a relação entre o numero de pallets e buffers ou pallets e número de máquinas. Estes parâmetros, possuem, definitivamente impacto sobre as características operacionais dos SFM.

Em um estudo sobre sistemas com tamanhos limitados de buffers, CO e JAW [CO. 1988], não encontraram muitas evidências sobre a importância das regras de ordenação de peças quando os buffers eram pequenos. Isto é. a utilização de diferentes regras de ordenação não produzia impacto sobre a performance do sistema quando o número de peças a serem ordenadas nos buffers era limitado. No entanto, na medida em que crescem os tamanhos de buffers, crescem os estoques intermediários e a 'importância de seu gerenciamento sobre o desempenho dos sistemas. Este impacto foi verificado pelos autores quando do aumento dos buffers e do número de pallets.

Outros trabalhos importantes foram os de Schriber e Stecke [SCHRIBER, 1988] e o de MAHESHWARI [1992], demonstrando o impacto da variação dos parâmetros secundários do sistema sobre a taxa de utilização das máquinas e transportadores e, principalmente sobre o desempenho operacional do sistema. Os seus resultados demonstraram. por exemplo que um aumento nos buffers ou no numero de VAGs nem sempre melhoram a performance. Em alguns casos, esta até decai em função de congestionamentos no sistema.


2.4 Avaliação de Projetos de Sistemas Flexíveis de Manufatura

Durante o ciclo de vida de um SFM são várias as fases que exigem decisões sobre o sistema. Dentre estas pode-se citar: planejamento do sistema, projeto inicial, projeto detalhado, instalação, planejamento e programação da produção, operação e eventuais modificações e/ou melhorias efetuadas após sua posta em marcha [SURI, 1985; TALAVAGE, 1988]. As decisões associadas a cada uma destas fases exigem constantes avaliações do projeto, as quais, para serem executadas, necessitam de medidas de desempenho e de modelos de avaliação apropriados.

As medidas de desempenho são definidas de acordo com os objetivos e metas do decisor e estabelecem os padrões de desempenho desejados.

A definição sobre os modelos é mais ampla e é conseqüência, tanto das medidas de desempenho adotadas como do tipo de avaliação desejada. A avaliação e, por conseqüência, o modelo a ser adotado, deve considerar, principalmente, a complexidade das decisões que serão tomadas.

A metodologia e a ferramenta desenvolvidas neste trabalho lidam, especialmente, com problemas associados a fase de planejamento e controle operacional de SFM. Sendo assim, são abordados neste item as medidas de desempenho, os modelos e as ferramentas típicas para a avaliação e o tratamento de problemas afetos a esta fase do ciclo de vida destes sistemas.


2.4.1 Medidas de Desempenho

SURI [ 1985], abordando este assunto, discute as medidas de desempenho e os modelos de avaliação utilizados no tratamento dos problemas e decisões desta fase. Algumas das medidas de desempenho apontadas por SURI [ 1985] são apresentadas na tabela 2.2.

2.4.2 Modelos para a Avaliação de SFM

A literatura contém vários exemplos da aplicação de modelos matemáticos, que foram apontados por SURI [l985], desenvolvidos para analisar. avaliar e solucionar problemas associados ao desempenho de SFM [BROWNE. 1984; BUZACOTT, 1986; CARRIE, 1985; MONTAZERI, 1990; SOLBERG, 1976; STECKE, 1981 e WHITNEY, 1985].

Do ponto de vista prático. pode-se diferencia-los entre modelos matemáticos de otimização (encontram um candidato ótimo dentre um conjunto) e descritivos ou avaliativos (descrevem e permitem avaliar o comportamento do conjunto de candidatos,)Programação matemática é um exemplo típico de modelos de otimização, enquanto redes de filas, análise de perturbações, redes de Petri e simulação, são exemplos típicos de modelos matemáticos descritivos ou avaliativos. Em uma comparação da aplicação destes modelos a problemas em SFM alguns autores descrevem como segue, o uso destas ferramentas.

Programação Matemática: CHENG [1985] descreve que, essencialmente, os modelos de otimização são utilizados para a solução de determinados tipos de problemas que, embora complexos, exigem um nível de suposições simplificadoras, as quais na melhor dashipóteses, os tomam aptos a tratar de sistemas em estado de equilíbrio.

Modelos de Redes de Filas: Estes modelos consideram a dinâmica, as 'interações e as incertezas no sistema, mas de forma agregada e não consideram certas características (detalhes ) do mesmo. Além disso, os resultados , são valores médios os quais assumem um sistema em seu estado de equilíbrio. Entretanto, os modelos tendem a apresentar estimativas razoáveis do desempenho do sistema, requerendo pouca quantidade de dados de entrada, bem como tempo de processamento computacional. Um modelo típico de redes de filas costuma requerer 20 à 40 itens de dados de entrada e tomam de 1 a 10 seg. de tempo de processamento em um microcomputador.

Modelos de Redes de Filas podem ser usados interativamente para chegar-se a resultados preliminares. Modelos então mais refinados, podem ser gerados para tomada de decisões.

O primeiro dos modelos de redes de filas para SFM. chamado CAN-Q, foi desenvolvido por SOLBERG [l980]. Mais recentemente, SURI e HILDEBRAND [SURJ, 1984] descrevem o MVAQ, o qual pode modelar com mais detalhes que o CAN-Q sem perda de eficiência. Outra abordagem usando modelos de filas foi a realizada por ZHUANG [1993], já anteriormente citada.
Uma discussão detalhada da aplicação de modelos de Redes de Filas para SFM e sua comparação com simulação, também pode ser encontrada na mesma referência.

Modelos de Análise de Perturbações: Esta é uma técnica relativamente nova, com aplicações potenciais na simulação e em operações em SFM em tempo-real. A idéia básica aqui é observar o comportamento detalhado do sistema - via simulação ou sistema real - para um conjunto de parâmetros de decisão. Efetuando-se alguns cálculos adicionais, enquanto o sistema está sendo observado, os modelos de análise de perturbações podem predizer o comportamento do sistema se estes parâmetros forem alterados. O importante é que não existe a necessidade de observar o sistema novamente (ou simular novamente), todas as predições são obtidas de uma única observação. Claramente isto pode evitar longos tempos de simulação ou ajudar o gerente de produção a melhorar suas decisões sem a necessidade de novos experimentos no próprio sistema.

A maior desvantagem destes modelos, fica por conta da falta de previsão mais acurada quando de grandes modificações nas variáveis de decisão. Sendo, no entanto extremamente válidos para procedimentos de "ajuste fino" em decisões relativas a projetos e ou procedimentos operacionais de SFM. Uma revisão dos modelos de análise de perturbações é dada por HO [1985]. Já suas aplicações em SFM podem ser vistos em Suri e Dille [SURI, 1985].

Redes de Petri: O atual estado da arte na aplicação das redes de Petri a problemas em SFM, permite uma modelagem determinística dinâmica dos sistemas. Enquanto no passado recente, esta teoria era usada para responder questões qualitativas. avanços recentes em redes de Petri temporais, permitem também respostas a questões de ordem quantitativa relacionadas ao desempenho do sistema. Existe também a possibilidade destas serem utilizadas para o controle de situações em tempo real. Entretanto, permanecem algumas questões relacionadas com a eficiência da aplicação desta técnica. quando se exige um maior nível de detalhamento do sistema, tais como várias máquinas com buffers finitos e políticas de roteiros em tempo real. Além disso, os atuais modelos não incorporam nenhuma incerteza. Uma visão geral de seu uso é encontrado em DUBOIS[1983]. Já sua aplicação à modelagem e análise de desempenho de SFM pode ser visto em YIM [1993].

Simulação: Como modelo avaliativo, a simulação tem sido a ferramenta mais utilizada na solução de problemas vinculados a projetos de SFM. Tais modelos podem imitar detalhadamente a operação destes sistemas por meio de um programa computacional. Os modelos de simulação podem ser muito ou pouco detalhados, dependendo do propósito de seu uso. O preço a ser pago por um nível muito grande de detalhes fica por conta da complexidade e tempo de modelagem e tempo de processamento. Os modelos de simulação são utilizados neste trabalho como meio de avaliar o desempenho operacional de SFM. Este motivo determina uma revisão da literatura sobre o tema o qual é apresentado a seguir.


2.5 Simulação de Sistemas Flexíveis de Manufatura

Como técnica de modelagem. a simulação computacional pode ser usada para analisar e ajudar a solucionar muitos problemas associados com as várias fases do ciclo de vida de um SFM.

Em um artigo de Martin e Musselman [MARTIN, 1984], foram identificadas quatro fases no ciclo de vida de todos os sistemas de manufatura. Estas fases em ordem de ocorrência são: projeto, justificação, implementação e operação. Os autores demonstram através do uso de quatro estudos de casos ' que a simulação computacional é versátil e eficiente em todas as várias fases. Cada um dos quatro casos representam uma fase no ciclo de vida de um SFM.

No primeiro caso, um projeto inicial de um sistema que produz uma variedade de pistões é proposto. Um modelo de simulação é então construído para avaliar o impacto de modificações no projeto (por exemplo. a colocação de pequenas áreas de estoques entre máquinas e a divisão de uma operação com grande carga de peças em mais operações com cargas pequenas), sobre o tempo de processamento das peças ou sobre o total de investimento de capital.

O segundo estudo mostra, através da simulação, como uma proposta de modificação em um sistema existente pode ser justificada. Nesta comparação, uma determinada operação é substituída por dois processos automatizados. O desempenho do sistema é então avaliado com base em três critérios: inventárío de peças em processo, tempo de entrega das peças e tempo total de processamento. Ao final do trabalho, a proposta de modificação é aceita com base nos resultados da simulação.

Um exemplo de como a simulação pode ser usada na fase de implementação de SFM é apresentado no terceiro estudo de caso, em que os autores mostram como a experimentação com um modelo de simulação, pode ser usado para determinar a necessidade de estrados e fixadores, variáveis consideradas críticas em SFM.

O último caso, fornece um exemplo de como se pode avaliar, via simulação. a capacidade do sistema com vários mix de produtos e sob diferentes condições operacionais (por exemplo no sequenciamento e carregamento de equipamentos).

Uma das vantagens da simulação sobre outros modelos matemáticos, é sua habilidade de modelar problemas dependentes do tempo, que, analiticamente tomam-se intratáveis. Entretanto, é conveniente lembrar que modelos de simulação podem tomar-se os mais dispendiosos, em relação a tempo e dinheiro se a linguagem e/ou a capacidade de modelagem apropriada não estiver disponível.

Em urna revisão sobre o uso da simulação como modelo matemático para analisar problemas em SFM, VIALI [1991], verificou que até meados da década passada, os SFM eram modelados usando-se linguagens de simulação de propósito geral, tais como GASP IV, SLAN II, SIMSCRIPT ou GPSS. Ultimamente, no entanto, muitas linguagens especialmente voltadas para a simulação de sistemas de manufatura tem sido desenvolvidas e usadas para àquele propósito. Dentre estas, pode-se citar MicroNet. SIMFACTORY II.5, SEE-WHY ou SIMAN IV.

O nível de detalhe a ser incorporado ao modelo, vai depender do nível de detalhe desejada na análise e, fundamentalmente, do seu propósito. CHENG [1985], identificou dois níveis de definição do sistema para avaliar alternativas de SFM usando-se simulação computacional. Num nível macro, um modelo mais grosseiro é suficiente para avaliar características mais gerais do sistema, tais como, utilizações de estações de trabalho. taxa de produção ou tamanho de filas. Neste caso, o analista está preocupado em avaliar diferentes alternativas do sistema em um estado de equilíbrio, para, por exemplo. determinar um projeto inicial viável que possa, posteriormente, ser examinado com mais detalhes. Já num nível micro, um modelo de simulação mais detalhado é desenvolvido para determinar, por exemplo, necessidades de equipamentos ou problemas de gargalos de produção. Da mesma forma, problemas operacionais, tais como, número de estrados ou fixadores, políticas de carregamento ou regras para sequenciamento, devem ser também investigadas neste nível, uma vez que um projeto apropriado tenha sido definido no nível macro.


2.5.1 Simulação Aplicada ao Desenvolvimento de Projetos de SFM

A literatura apresenta vários exemplos da utilização da simulação como ferramenta para o desenvolvimento de projetos de SFM.

Kiran e outros [KIRAM, 1989], relatam a aplicação de modelos de simulação num processo de escolha de um entre três diferentes projetos de SFM para a fabricação de 37 diferentes tipos de componentes agrupados em 8 famílias, para uma indústria aeronáutica. A simulação é usada na fase final do processo de decisão. Para a triagem inicial foram utilizados modelos de redes de filas. Os critérios para avaliar o desempenho das diferentes configurações foram: tempo médio das peças no sistema, número médio de peças nas filas e utilização das máquinas. Os resultados foram também significantes para a avaliação do desempenho e capacidade individual de certos componentes dos sistemas. Ao final do processo de simulação técnicas estatísticas foram utilizadas para a análise e validação dos resultados.

Em um dos trabalhos mais citados na literatura, Allan Carrie [CARRIE, 1986], discute o papel da simulação no auxílio ao tratamento de problemas nas fases de projeto, planejamento e operação de SFM. Em se tratando de projeto, ele descreve todas as etapas de seu desenvolvimento, desde as propostas preliminares até o detalhamento do projeto escolhido, deixando claro a utilidade da simulação como ferramenta de avaliação pela possibilidade incremental de seu uso. Em um exemplo baseado numa aplicação real, são avaliadas propostas iniciais de projetos de SFM, defmido o melhor projeto e detalhado o seu planejamento e controle da produção, com modelos de simulação que vão se sofisticando na medida das necessidades.

Outro trabalho que consideramos importante foi o realizado por WAHAB [l986] O autor em sua pesquisa de doutoramento, apresentou uma metodologia para refinamento de projetos de SFM a qual, a partir de um projeto inicial, de uma lista de equipamentos substitutos e de algumas regras disponíveis em um sistemas especialista para a detecção de gargalos, realiza analises, melhorando, na medida do possível, o projeto inicial, pela substituição de equipamentos. A proposta não considera, no entanto, alternativas de diferentes estratégias de manufatura. O processo é interativo e continua até que algumas metas de produção tenham sido alcançadas ou que os equipamentos, ainda disponíveis na lista não possam mais melhorar o desempenho do sistema. Este trabalho foi importante, na medida que se constitui uma das primeiras tentativas de empregar simulação e sistemas especialistas, em con unto, para a solução de problemas em projetos de SFM.


2.5.2 Simulação Aplicada ao Planejamento e Controle da Produção de SFM

Muitas outras aplicações de simulação de SFM podem ser encontradas na literatura, especialmente àquelas voltadas para a solução de problemas afetos ao planejamento e ao controle de suas operações.

Um exemplo deste tipo de aplicação pode ser vista em CARLIER [1988]. Neste trabalho o autor apresenta a utilização de um modelo de simulação, para testar várias estratégias associadas ao planejamento da produção de um SFM real, objetivando a fabricação de peças para seis diferentes tipos de compressores. A grande variedade de peças, tempos de processamento e rotas de processamento, além de restrições no número de diferentes estiados e fixadores e, o compartilhamento de ferramentas, toma extremamente complexa a tarefa de determinar a seqüência de entrada das peças no sistema e a designação de prioridades. Com esta ferramenta de avaliação disponível, os operadores podem testar várias alternativas de cenários, antes de iniciar um ciclo de produção, o qual pode durar de algumas horas a alguns dias.

Outro exemplo do uso de modelos de simulação com este propósito é o trabalho de WANG [1986] onde a autora analisa o desempenho de um SFM com três diferentes configurações. O objetivo é verificar o impacto de várias alternativas no planejamento das operações considerando, o número de pallets, o grupamento de máquinas, o número de veículos transportadores e variações na demanda. Após simular um grande número de experimentos com várias combinações entre as variáveis e realizar análises estatísticas (análise de variância para médias e regressões múltiplas) Wang conclui que o grupamento de máquinas possui um grande impacto sobre o desempenho do sistema. A combinação número de transportes/pallets/política de prioridades também exerce grande influência. A variação na demanda parece, segundo suas conclusões, não alterar significativamente o desempenho do sistema, de acordo com os critérios adotados.

São comuns também a utilização da simulação em estudos de avaliação de diferentes políticas operacionais a SFM. Mishra e outros. [MISHRA, 1988]. avaliam o desempenho do sistema através dos seguintes critérios (medidas de desempenho): número de peças em atraso, número de peças completadas, número de peças em processamento e taxa de utilização das máquinas. Os resultados das simulações efetuadas, demonstram a utilidade de algumas das políticas de programação aplicadas bem como a necessidade de um sistema de transporte mais rápido. Foi testado também a influência da quebra de equipamentos no desempenho do sistema.

Importante citar também o trabalho de MAHESHWARI [1992], que usando modelos de simulação, testa um conjunto de ações integradas para o planejamento e controle da produção de SFM, contribuindo para uma melhor compreensão das influências exercidas por algumas variáveis (número e tipos de pallets, tamanho dos buffers nos centros de imagem, sequenciamento, prioridades, localização de ferramentas, etc) no desempenho operacional destes sistemas.

Em um trabalho bastante abrangente, Gupta e Goyal [GUPTA, 1992] apresentaram um estudo empírico sobre características físicas [composição e layout de SFM, combinadas com diversas regras de gerenciamento da produção (planejamento e operação). O objetivo do trabalho é a avaliação do impacto dos diversos tipos e graus de flexibilidades. associadas aos SFM, sobre sua performance. Os autores. concordando com Hayes e Wheelwrigh [HAYES, 1984], acham que os SFM oferecem grande vantagem competitiva às empresas, operando com diversificação e baixo volume sobre produtos com pequeno ciclo de vida. No entanto, ressaltam que o nível de flexibilidade imposto ao sistema deve ser gerenciado desde o projeto ate a operação destes sistemas, uma vez que muitas das flexibilidades são consideradas antagônicas, tomado imperativo à gerência reconhecer quais são críticas à estratégia de manufatura da empresa. Em sua pesquisa várias configurações de SFM foram simuladas sobre a influência de uma grande combinação de estratégias de carregamento e despacho. Os resultados mostraram que é possível encontrar um meio-termo entre os vamos tipos de flexibilidades sobre várias circunstâncias. Alguns cenários ilustram que uma combinação apropriada de variáveis, tais como, programação, variedade de produtos e configuração do sistema podem ser muito mais efetivas que outras ao conter as flexibilidades impostas. Foi mostrado também que os SFM podem conter com êxito medido, vários tipos de flexibilidade simultaneamente.


2.5.3 Avanços no Uso da Simulação na Modelagem de SFM

Muitos esforços têm sido feitos para desenvolver modelos de simulação de propósito geral capazes de auxiliar no projeto e análise de SFM. O produto final de tais esforços é, usualmente, um pacote computacional amigável, que permite ao usuário, com pouco conhecimento de simulação computacional, especificar o sistema sob investigação e obter medidas de desempenho pertinentes com relativa facilidade.

Elmaraghi e Ho [ELMARAGHY, 1982] desenvolveram um simulador de SFM - FMSSIM, que orientado pelo usuário pode ser usado para testar projetos, estudar efeitos de estratégias de controle, regras e prioridades no sequenciamento e/ou na programação, além de arranjo físico. Este pacote executa a simulação, via construção de um modelo apropriado, a partir de uma biblioteca de subrotinas especialmente construídas. Os resultados da simulação podem ser apresentados na forma de relatórios convencionais ou animação gráfica pós-processamento, isto é apresenta o movimento das peças sendo
processadas, após o término da rodada de simulação. Este tipo de saída é muito interessante pois auxilia tanto na validação do modelo, isto é , testar se o mesmo opera de acordo com o que foi proposto, como na avaliação visual do desempenho do sistema que se está simulando. Um exemplo típico de seu uso está na detecção de gargalos na produção ou como forma de estímulo na justificativa de novos projetos.

Devido ao pouco desenvolvimento de sistemas de computação gráfica naquela época, a animação desenvolvida era ainda muito rudimentar.

Medeiros e Sadowski [MEDEIROS, 1983] apresentaram um pacote de modelagem para análise de projetos de células de manufatura controladas por computador. A abordagem é semelhante à feita por Elmaraghi e Ho. Neste caso, o sistema baseia-se na linguagem de I simulação Q-GERT e apresenta opções entre rotinas já disponíveis ou aquelas desenvolvidas pelo próprio usuário. O pacote é limitado, uma vez que a linguagem na qual foi baseada é mais voltada para teoria das filas do que simulação e portanto, não permite níveis mais profundos de detalhamento.

Com a evolução dos equipamentos de informática, especialmente dos micro computadores, muitos projetos desenvolvidos para equipamentos de grande porte, possuem agora versões adaptadas a equipamentos pessoais, tomando-se grande seu uso e divulgação. Revisões mais recentes, de softwares disponíveis para simulação de sistemas de manufatura podem ser vistas em CARRIE [1988]; GREENWOOD [1988] e VIALI [1991]. Nomes como SIMAN/CINEMA, AUTOGRAN, PCMODEL, SEE-WHY, SYMFACTORY e outros, são motivos de palestras, cursos, congressos e publicações, tratando de suas virtudes, possibilidades e aplicações. Na sua grande maioria possuem versões poderosas também para computadores pessoais e se utilizam de interfaces gráficas na comunicação com os usuários nas fases de modelagem, execução e apresentação de resultados.

Além dos avanços das linguagens de simulação voltadas especialmente a simulação de sistemas de manufatura, incluindo-se os SFM, observa-se alguns esforços para a integração com outras áreas do conhecimento no sentido de facilitar o uso de modelos de simulação. Dentre estas tecnologias, cita-se, principalmente, os sistemas especialistas. A literatura sobre sistemas de apoio a decisão, envolvendo estas duas áreas, os chamados sistemas inteligentes de simulação, é tratada no último tópico desta revisão.


2.6 Sistemas Especialistas


2.6.1 Definição

Harmon e King [HARMON, 1988] apresentam a seguinte definição de um sistema especialista:

"...é um programa inteligente de computação, que usa conhecimentos e procedimentos de ingerência, para resolver problemas que requerem o conhecimento e a experiência humana na sua solução. O conhecimento necessário mais os procedimentos de ingerência fazem-no atuar como os melhores praticantes no campo de conhecimento associado".

O que Harmon e King apresentam como "conhecimento" pode ser definido como uni conjunto de fatos e heurísticas incorporados ao sistema. Os fatos são constituídos de um corpo de informações que pode ser amplamente compartilhado, isto é, de domínio público e, geralmente aceito por especialistas do ramo. Com relação as heurísticas, estas são geralmente privadas, isto é, constituem-se de regras de raciocínio plausível ou de bom senso pouco discutidas. Estas regras caracterizam o nível de especialista nas tomadas de decisão. Segundo os autores, o nível de desempenho de um sistema especialista depende do tamanho e da qualidade da base de conhecimentos.

A pesquisa e o desenvolvimento de sistemas especialistas é um dos principais ramos da inteligência artificial. Outros são as áreas de processamento da linguagem natural. robótica e sistemas visuais, redes neuronais. etc.. As pesquisas em inteligência artificial preocupam-se, principalmente, com idéias e modos de tornar os computadores inteligentes [WINSTON, 1984]. Já as pesquisas em sistemas especialistas. concentram-se no desenvolvimento de programas computacionais de alto desempenho, em campos profissionais especializadas, que imitam o comportamento de especialistas humanos em seus procedimentos na solução de problemas específicos [HAYES, 1983].

Alguns sistemas especialistas possuem desempenho igual ou melhor do que os próprios especialistas, em algumas áreas de conhecimento. Outros, no entanto não alcançaram este nível de desempenho. Segundo WATERMAN [1986]. apesar dos sistemas especialistas apresentarem, cada vez mais, melhores desempenhos. em algumas áreas a mente humana é claramente superior. No entanto, segue afirmando, isto não reflete uma deficiência ou limitação da 'inteligência artificial. mas apenas um estado da arte. Atualmente as pesquisas na direção das redes neuronais, parecem confirmar as palavras do Prof Waterman.


2.6.2 Diferenças entre Sistemas Especialistas e a Programação Convencional

As aplicações da inteligência artificial envolvem muitos fatores que a distingue da programação convencional, tais como a representação simbólica e a pesquisa heurística. Os sistemas especialistas, como uma área da inteligência artificial, apresentam diferenças adicionais. HARMON [1988], SCOTT [1991] e CHORAFAS [1990] citam algumas diferenças das quais apresentamos uma compilação:

1. Os sistemas especialistas desempenham tarefas antes desempenhadas por especialistas humanos.
2. Os sistemas especialistas são mantidos por especialistas do campo de conhecimento associado e por engenheiros de conhecimento, enquanto que os programas convencionais são mantidos por programadores e analistas;
3. A base de conhecimentos de um sistema especialista encontra-se em urna forma compreensível e pode ser modificada facilmente;
4. A programação convencional usa algorítmos em sua estrutura, enquanto os sistemas especialistas fazem uso de heurísticas e máquinas de ingerência.

Os novos conceitos envolvidos na pesquisa de sistemas especialistas, enfatizam os aspectos cognitivos do pensamento humano relacionados ao ato de decidir, isto é, o foco principal dos sistemas é imitar a experiência e o conhecimento do decisor humano.


2.6.3 Estrutura de um Sistema Especialista

Nesta seção são revistos alguns textos que descrevem a estrutura de um S.E., isto é: a base de conhecimentos e a máquina de ingerência. A base de conhecimentos contém a representação do domínio do conhecimento que, no protótipo está associado à análise e a avaliação de SFM. Este conhecimento é transcrito para o sistema pelo uso de duas técnicas de representação: frames e regras de produção. A máquina de ingerência, por sua vez, contém o conhecimento geral que direciona e controla o raciocínio do sistema.


2.6.3.1 A Base de Conhecimentos

A discussão que segue sobre a base de conhecimentos, estará focando os dois métodos citados para a representação do conhecimento.

1 Representação do conhecimento sob a forma de Regras de Produção:

A representação de conhecimentos sob a forma de regras de produção é, no momento a forma mais utilizada dentro de S.E.. Em geral urna regra de produção é representada por um conjunto de condições, conclusões e ações. Se as condições são verdadeiras. a regra é disparada e as ações são desencadeadas [HARMON, 1988; SCOTT, 1991].

Regras de produção são, em geral, facilmente entendidas e implementadas por especialistas no domínio do conhecimento e possuem um poder de expressão suficiente para representarem este domínio. Por si próprias, no entanto, as regras de produção não são um meio efetivo de representação para a maioria dos sistemas baseados em conhecimentos. Em particular, seu poder de expressão é 'inadequado para a definição de termos e para descrição de objetos e suas relações. As áreas onde as regras de produção são mais inadequadas, são justamente àquelas melhor cobertas pelos frames [HAYES, 1983 e WALTERMAN, 1986].

2 Representação do conhecimento sob forma de Frades:

O conceito de frame foi primeiramente apresentado por Marvin Minsky, conforme citado por Fikes e Kehler [FIKES, 19851. Os frames são estruturas usadas para representar objetos ou conceitos, através de seu conjunto de atributos e métodos. Genericamente, um frame é constituído de um nome, um conjunto de slots (atributos), com os respectivos valores que caracterizam o conceito e, finalmente, um conjunto de métodos para a utilização do conceito representado e para sua atuação e comunicação. A representação de conhecimentos através de frames, tal como na programação orientada à objetos (POO), assenta-se na noção de conceitos e hierarquia de conceitos.

Os frames proporcionam uma rica estrutura na qual se podem definir objetos ou mais especificamente seu atributos que mais tarde serão tratados dentro das regras de produção. Estas estruturas podem também serem usadas para um particionamento ou para a formação de um índice das regras de produção do sistema. Esta capacidade facilita ao especialista, o entendimento e a construção de regras e ao projetista controlar quando e com que propósito uma coleção particular de regras são usadas pelo sistema.

Algumas vezes, a semelhança da POO, os frames são referidos como classes. Assim, objetos são definidos por meio de classes e instâncias, nos quais um conjunto de atributos (slots) e métodos associados à estes atributos estruturam toda a informação relativa aos objetos definidos, bem como toda a comunicação destes com outros objetos do sistema, por meio de mensagens.

Produção, como o fazem, no nível operacional. Fazendo-se uma comparação, os métodos desempenham um papel parecido com o de subrotinas em programas convencionais e podem alocar os resultados de suas avaliações aos atributos de outras classes.


2.6.3.2 A Máquina de Inferência

A máquina de ingerência contém o conhecimento geral que direciona e controla o raciocínio do sistema. O mecanismo de ingerência, executa duas tarefas da maior importância. Primeiro examina os fatos e regras existentes na base de dados, acrescentando novos fatos sempre que possível, na medida das interpretações e conclusões que executa. Segundo, decide a ordem com que tais ingerências são tiradas, por meio de seu mecanismo de controle [FISCHLER, 1987, HARMON, 1988, INTELLICORP, 1992].

Os sistemas especialistas usam em seus mecanismos de ingerência dois tipos de estratégias de controle: o encadeamento ou busca para frente e o encadeamento ou busca para trás. Ambos podem ser usados sobre a mesma base de conhecimentos e a opção por uma ou outra estratégia, dependerá, basicamente, da existência desta possibilidade na ferramenta em que o sistema foi desenvolvido e, principalmente, do tipo de objetivo buscado.

Encadeamento para Frente

Este procedimento, em geral, procura descobrir as conseqüências de uma nova informação ou dado pela comparação da parte SE, de uma regra ao fato novo. Se o este fato coincidir (casar) com o padrão de uma das premissas da parte SE e se todas as outras expressões da parte SE desta regra forem verificadas, então a regra pode ser aplicada. Isto significa que as ações representadas por expressões na parte ENTÃO da regra são executadas. Normalmente, estas ações adicionam novas informações ao sistema. Toda vez que uma regra é aplicada durante um encadeamento ou busca para frente, o fato ou informação altera o valor de um ou mais atributos ou slots do sistema. Este novo valor, por sua vez, toma-se um fato novo iniciando um processo de busca mais profundo. Este ciclo repete-se até que certas condições sejam encontradas ou que mais nenhuma regra possa ser ativada.

Parte SE desta regra forem verificadas, então a regra pode ser aplicada. Isto significa que as ações representadas por expressões na parte ENTÃO da regra são executadas. Normalmente, estas ações adicionam novas informações ao sistema. Toda vez que urna regra é aplicada durante um encadeamento ou busca para frente, o fato ou informação altera o valor de um ou mais atributos ou slots do sistema. Este novo valor, por sua vez, toma-se um fato novo iniciando um processo de busca mais profundo. Este ciclo repete-se até que certas condições sejam encontradas ou que mais nenhuma regra possa ser ativada.

No encadeamento ou busca para frente, quatro estruturas de dados desempenham um importante papel:

Agenda: - A agenda é representada por uma fila de pares objeto:atributo, processados pela máquina de ingerência. Sempre que o valor de um atributo é alterado (fato novo) pela aplicação de uma regra, este é colocado automaticamente na agenda. Uma forma de interrupção do processo de busca é não existir nenhum par de objeto:atributo na agenda ou no conjunto de regras.

Conjunto de Regras: - É formado pelo grupo de regras que podem ser usadas no encadeamento para frente. Usualmente, todas as regras fazem parte deste conjunto, no entanto, isto pode ser restringido. De acordo com os objetivos da busca, pode-se permitir que apenas uma parte do universo de regras sejam utilizadas.

Lista de Regras Ativas - É a lista de todas as regras, pertencentes ao Conjunto de Regras, mi que possuem uma premissa coincidindo com um item da agenda. A prioridade no exame das regras desta lista é dada, tanto pelas prioridades individuais de cada uma delas, como por uma estratégia geral resolução de conflitos que pode ser determinada para definir a forma de ação da máquina de ingerência.

Objetivo: - O objetivo, que pode ser opcional, é em geral, formado por Lima expressão, uma espécie de teste de parada. Sempre que este for verificado, a busca é interrompida, não importando o estado da agenda.

A busca para frente é um processo cíclico com os seguintes passos básicos:

1. O primeiro par objeto:atributo, da Agenda é comparado com todas as regras do Conjunto de Regras verificando-se coincidências (casamentos) nas premissas;
2. Qualquer regra coincidente é ordenada, de acordo com as prioridades e adicionada à Lista de Regras Ativas;
3. Testa-se a primeira regra da Lista de Regras Ativas ou avalia-se o primeiro item da Agenda (como no passo 1), dependendo do tipo de estratégia de avaliação adotado e do estado de cada fila:
a) Se a Agenda está vazia, testa-se a primeira regra na Lista de Regras Ativas;
h) Se a Lista de Regras Ativas está vazia, avalia-se o primeiro item da Agenda;
c) Se existirem itens em ambas as filas, utilize a estratégia de avaliação adotada para decidir;
4) Se todas as expressões na parte SE da regra são verdadeiras, executa-se as ações especificadas na parte ENTÃO da regra.

Encadeamento para Trás

No encadeamento ou busca para trás, também conhecido como raciocínio dirigido por objetivo, a máquina de ingerência procura alcançar um determinado Objetivo, buscando regras que possam provar o fato e depois tentando provar suas premissas. Estas premissas, por seu turno, tomam-se novos fatos a serem verificados por novas regras e assim por diante. Nesta forma de raciocínio, o mecanismo de inferência tenta verificar uma hipótese pela comparação a parte ENTÃO de uma regra com o Objetivo que, neste caso, funciona como um disparador de todo o processo.

Se o Objetivo casa com uma das expressões na parte ENTÃO de uma regra e se todas as expressões na parte SE da regra são verificáveis, então esta pode ser aplicada. Toda vez que uma premissa de uma regra não puder ser imediatamente verificada, a própria premissa passa a ser um novo Objetivo a ser resolvido. Este ciclo é repetindo até que todos os objetivos sejam resolvidos, criando-se neste processo uma cadela cujo início é um objetivo e cujo comprimento depende do número de fatos adicionais inferidos pelas regras. No encadeamento ou busca para trás, tem-se também algumas estruturas de dados jogando um importante papel:

· Conjunto de Regras e Lista de Regras Ativas- Semelhantes ao usado no encadeamento para frente.
· Objetivo - Uma expressão representando uma hipótese a ser verificada. Sempre que este puder ser provado, o processo é considerado um sucesso.
· Pilha de Objetivos - Um conjunto de pares Objeto:Atributo a serem verificados. Atributos cujos valores não podem ser imediatamente verificados olhando-se a base de conhecimentos, são adicionados à pilha como novos objetivos.

O processo de Encadeamento ou busca para trás, inicia questionando a existência de um objetivo. Não existindo um, o processo termina sem iniciar uma busca. Existindo um objetivo, o mesmo é avaliado. Se todos os atributos necessários à avaliação são conhecidos, o processo retoma um valor, VERDADE OU FALSO.

A existência de atributos desconhecidos para a avaliação, toma os novos objetos passíveis de avaliação, sendo estes colocados na pilha de objetivos. Após este passo inicial, inicia-se o Ciclo de Expansão. Neste ciclo, são verificadas as conclusões de todas as regras permitidas pelo Conjunto de Regras , que casem com os pares objeto:atributo da pilha de objetivos. Para cada regra verificada, os pares objeto:atributo de suas premissas, são verificados e todos os desconhecidos são também colocados na pilha de objetivos. Ao final deste ciclo, tem-se um conjunto de regras ativas e um conjunto de objetivos para serem testados. Durante este processo de expansão, novas informações são constantemente coletadas e muitos pares objeto:atributo, antes sem valor, podem agora ter respostas. Se, após este processo de varredura sobre todas as regras da Lista de Regras Ativas, em que novas informações são coletadas, permitindo a retirada de pares objeto:atributo da pilha de objetivos, ainda restarem pares sem possibilidade de avaliação, o processo prossegue para - o Ciclo de lnquisição. Neste ciclo, todos os pares objeto:atributo desconhecidos restantes na pilha de objetivos são processados por meio de um questionamento ao usuário. Nesta última tentativa de concluir a busca, o usuário poderá responder trazendo fatos novos a base de conhecimentos ou simplesmente responder que desconhece os valores perguntados. Finalmente, com base nas respostas do usuário, será possível concluir a busca. O retomo será uma avaliação do objetivo inicial, cuja resposta será VERDADE ou FALSO.


2.6.4 Ferramentas para o Desenvolvimento de Sistemas Especialistas

Um levantamento feito por Harmon e King [HARMON, 1988] e Waterman [l986], aponta, de maneira geral, para uma divisão em três categorias distintas, das ferramentas disponíveis para o desenvolvimento de sistemas especialistas:

1. Ferramentas para a construção de pequenos sistemas, com até 50 regras, as quais podem ser usadas em computadores pessoais: Expert-Ease e ES/P ADVISOR, são exemplos típicos;

2. Ferramentas para a construção de sistemas restritos, de médio e grande porte, com mais de 500 regras. Estes sistemas requerem equipamentos tipo supermicros ou estações de trabalho e costumam estar restritos a consultas de um tipo de paradigma, tais como planejamento, projeto ou diagnóstico. EXPERT, KESS e OPS 5, são exemplos desta categoria de ferramentas para o desenvolvimento destes sistemas.

3. Ferramentas para o desenvolvimento de grandes sistemas híbridos. Os requerimentos básicos, são os mesmos da categoria anterior. A diferença fica por conta das características de consultas aqui permitidas, não mais restritas a um único paradigma. Exemplos de ferramentas disponíveis nesta categoria são o ART e o KEE.

Além destas ferramentas, existem algumas linguagens especialmente voltadas para a construção de sistemas especialistas, tais como o LISP e o PROLOG. Muitas dessas ferramentas geram seus códigos numa destas linguagens. Um exemplo é o KEE (Knowledge Engineering Environment) [INTELLICORP, 1985], que gera um código em LISP. A definição sobre o que utilizar para o desenvolvimento de um sistema especialista segue basicamente as regras gerais da programação de computadores, isto é, a facilidade de adaptação do usuário e a inter-relação, entre a ferramenta ou a linguagem e o propósito do sistema a ser gerado.

Um grande sucesso tem sido alcançado, também, por ferramentas que permitem integrar frames e regras de produção para formar sistemas híbridos, que combinam as vantagens das duas técnicas de representação do conhecimento. Seu maior representante é o KEE voltado para sistemas de grande porte implantados especialmente em estações de trabalho e mais recentemente o Kappa-PC [INTELLICORP, 1992], voltado ao segmento dos computadores pessoais.

A novidade destes ambientes de desenvolvimento de sistemas, principalmente daqueles voltados ao segmento dos computadores pessoais, é sua extrema facilidade de uso, versatilidade e portabilidade, devido principalmente ao ambiente operacional ao qual está integrado (Windows). O KAPPA, faz uso de muitas facilidades gráficas herdadas do KEE. Na verdade o KAPPA é descrito como uma ferramenta gráfica orientada a objetos para o desenvolvimento de sistemas especialistas.

Pela suas características e facilidades, o KAPPA, já agora na sua versão 2.0, foi a software básico escolhido para o desenvolvimento, tanto do sistema especialista quanto da interface gráfica com o usuário, embutidos na ferramenta proposta neste trabalho.


2.7 Sistemas Inteligentes de Simulação (SIS)

A integração de sistemas especialistas com técnicas de simulação tem permitido a aceitação e o uso dos SIS como uma potente ferramenta para o planejamento, o projeto e o controle de complexos sistemas de produção [FREITAS, 1990]].

De fato, nos últimos anos, a simulação deixou de ser uma ferramenta tida como "último recurso", para tomar-se um instrumento de inestimável valor no auxílio à solução de problemas relacionados com a engenharia, projeto e gerenciamento da produção.

O fato de ter sido, até recentemente, rechaçada como recurso auxiliar à tomada de decisões, deveu-se, principalmente, a necessidade de:

a) recursos humanos especializadas;
b) razoável suporte computacional e
c) uma grande disponibilidade de tempo, principalmente na fase de modelagem.

Desta forma, o emprego de novos recursos na pesquisa e desenvolvimento das linguagens de simulação tem levado ao rápido crescimento, tanto de suas capacidades, quanto de seus usos.

Segundo SHANNOM [1988], os objetivos destas pesquisas são três:


a) redução do tempo de modelagem;
b) melhoramento da precisão dos resultados e
c) melhoramento da comunicação usuário/sistema.


Tais objetivos têm sido parcialmente obtidos, devido à criatividade dos pesquisadores no desenvolvimento de linguagens e pacotes de simulação, que fazem uso de recursos gráficos e de sistemas especialistas, e de razoáveis recursos computacionais.


2.7.1 As Similaridades entre Sistemas Especialistas e Simulação

As técnicas de simulação e os sistemas especialistas apresentam certas similaridades. Gaines e Shaw [GAINES, 1985], por exemplo sugerem que os S.E. atuam como se fossem simuladores de pessoas. Já O'Keefe [1986], aponta para as similaridades técnicas (representação modular e mecanismos de inferência) e funcional (função auxiliar aos processos decisórios).

Com base nestas similaridades entre simulação e sistemas especialistas, O'Keefe [1986] desenvolve e discute as maneiras pelas quais podem ser combinadas as duas técnicas. Ele apoia esta descrição em muitos exemplos. Suas sugestões são as seguintes:

1. Embutido: O sistema especialista está embutido no sistema de simulação ou vice-versa. Muitos sistemas de simulação usam conhecimentos ao invés de dados. Por exemplo, as regras de prioridades em uma fila podem ser
consideradas conhecimentos, sendo talvez mais interessante embuti-las em uma base de conhecimentos do que em um código de simulação. Por outro lado, um sistema especialista pode necessitar de uma simulação para atualizar uma variável dependente do tempo (elementos de difícil tratamento ao nível de sistemas especialistas).

2. Paralelo: Um modelo de simulação e um sistema especialista que tenham sido projetados, desenvolvidos e implementados separadamente, podem interagir, um interrogando o outro. Segundo O'Keefe, esta é uma área de crescente interesse entre os engenheiros de conhecimento, tendo em vista a disponibilidade de software em ambos os segmentos.

3. Cooperativo: Neste modo, o sistema especialista e o modelo de simulação podem, ambos, fazem parte de um grande sistema de apoio à decisão.

4. Entrada e Saída Inteligente: Neste caso, o sistema especialista conduz um diálogo com o usuário, de modo a gerar um código ou conjunto de instruções para serem usados por um pacote ou linguagem de simulação, diminuindo com isso o tempo de modelagem, a obtenção de resultados relevantes ou permitindo uma melhor interpretação e compreensão dos resultados.

Segundo outros autores [FREITAS, 1990; SABUNCUOGLU, 1988 e SHANNON, 1988], esta forma de interação é atualmente uma área de muita dedicação por parte de alguns centros de pesquisas.

Partindo das formas sugeridas por O'Keefe, para a combinação entre sistemas especialistas e sistemas de simulação, SHANNON [1985 e 1988], SABUNCUOGLU [l988] e o próprio O'KEEFE [l986], propõem modelos ideais de SIS, os quais se combinados, resultariam em um sistema com as seguintes características:

a) habilidade de construir modelos de simulação sobre estudos e esforços de modelos passados, isto é, o sistema preservaria conhecimentos, aprendendo a cada estudo realizado;
b) uma base de conhecimentos, consistindo de uma biblioteca de modelos com diferentes níveis de abstração;
c) independência entre a estrutura geral de modelos e o detalhamento de dados necessários para descrever um modelo específico, isto é, 'inexistiriam formas padronizadas, o próprio sistema se encarregaria de encontrar o modelo;
d) programação declarativa ao invés de processual;
e) capacidade de autodirecionamento na busca de um objetivo especificado pelo usuário;
f) capacidade de explicar as razões do não alcance de uma meta e/ou porque determinada solução é a mais recomendada;
g) uma interface amigável de interação com o usuário, usando recursos gráficos, animação, diálogos em linguagem natural, etc..

Embora muitas das características citadas sejam passíveis de implementação, não conhecemos, ainda, uma ferramenta disponível no mercado, com tais capacidades.

Conforme citado por SHANNON [l988], os estudos em simulação, são dirigidos por metas ou objetivos, isto é, ninguém constrói um modelo pelo simples motivo de construí-lo. Tais objetivos ou metas, provém da necessidade dos decisores em analisar e entender problemas e/ou avaliar resultados decorrentes de determinadas intervenções. Um problema é criado pela percepção da necessidade de levar um sistema a um estado mais desejável. Uma intervenção pode ser uma mudança física, modificações nas ações de controle ou novas políticas e procedimentos.

Sendo portanto, os objetivos e metas que determinam o modelo, o tipo de experimento e a análise a ser feita, são eles que especificam que elementos do sistema real devem ser envolvidos, o propósito da análise, as variáveis de interesse e o grau de precisão dos resultados necessários.

Idealmente, o sistema deverá interpretar e entender as solicitações do usuário, por meio de linguagem natural ou outro meio, determinando então suas necessidades em termos de dados de entrada, técnicas de processamento da informação e formas de apresentação de resultados.

Neste sentido, existem algumas pesquisas no uso da linguagem natural, mas que, em parte, devido a suas atuais limitações, têm levado à popularização de interfaces gráficas para a "tradução" das entradas do sistema desejadas pelo usuário. Desta forma escolhendo e colocando ícones pré-definidos e respondendo a algumas questões colocadas pelos programas, o usuário pode definir rapidamente um modelo de sistema para ser executado. Alguns destes programas, voltados para a simulação da manufatura, tais como o SIMFACTORY e o SEE-WHY, tem demonstrado que já é possível construir sistemas razoavelmente complexos sem escrever sequer uma linha de programação.

O impecílio ainda existente é a falta de flexibilidade nestes pacotes. Por exemplo no SIMFACTORY, não se pode criar um modelo de SFM, em que e sequenciamento no plano de produção de um tipo de peça não esteja previamente estabelecido. Desta foi-ma, todas as peças seguem um determinado padrão, o qual não pode ser alterado de acordo, por exemplo com um determinado estado do sistema.

Algumas pesquisas tem procurado reunir as facilidades da modelagem visual com sistemas de IA. Este é o caso do trabalho de HURRION [1991]. Neste trabalho, o autor propõe um modelo de simulação visual interativa, o qual, com o auxílio de um módulo inteligente, isto é um sistema especialista, procura conduzir ou auxiliar o modelador nas tarefas de construção e/ou modificação de modelos. Nenhuma linguagem específica de simulação foi utilizada. O modelo de simulação foi desenvolvido em FORTRAN e o SE em PROLOG. Cada um dos programas roda em um microcomputador separado e são interligados por urna interface serial. Cada decisão necessária à simulação, é transcenda ao sistema especialista no outro micro o qual devolve a solução por meio de um protocolo de transferência de dados, na forma de texto e valores numéricos. Desta forma, por meio de trocas de parâmetros, o sistema especialista orienta o usuário na condução das modificações no modelo e nos experimentos. A separação dos dois modelos foi feita objetivando facilitar as alterações ou inclusões de regras em função dos experimentos.


2.7.2 O Uso de Sistemas Inteligentes de Simulação em SFM

Como qualquer outro sistema de produção, os SFM, também apresentam problemas relacionados a projeto, planejamento, programação ou controle, que a um nível mais geral, podem ser classificados como de cunho estratégico, tático ou operacional.

Muitos deles não são novos e aparecem também, freqüentemente na manufatura convencional. A novidade neste caso, relaciona-se aos riscos envolvidos em SFM tendo em vista a quantidade de capital envolvido e o longo tempo de implementação. Além disso, como sugere SUBUNCUOGLU [1988]:

"... qualquer problema com SFM é amplificado, tendo em vista suas necessidades básicas de grande flexibilidade e de sua natureza dinâmica."

Num contexto como este, os SIS aparecem como potentes ferramentas para lidar com inúmeros problemas afetos a complexos sistemas de manufatura.

De fato, os SFM, em particular e a manufatura integrada por computador (CIM), em geral, têm muito a se beneficiar com as possibilidades atuais e futuras dos SIS. Tal uso, permitirá ao analista dedicar-se mais ao problema ao invés de preocupar-se e diluir suas energias com as complexidades do modelo que o está auxiliando.

Muito embora tais perspectivas, o estado atual das tecnologias da inteligência artificial, em especial dos sistemas especialistas, aplicados à simulação ainda é incipiente e somente dois tipos de abordagens tem sido notadas. Na primeira, encontram-se os sistemas híbridos, que adotam entradas e saídas inteligentes sobre urna linguagem de simulação já existente. Já no segundo caso, encontram-se as pesquisas sobre novos sistemas, as quais adotam mudanças no paradigma da modelagem em simulação.

Com relação a primeira abordagem a idéia é desenvolver interfaces inteligentes de comunicação com o usuário, que permite a programação automática do sistema numa linguagem de simulação existente.

Tais sistemas, geralmente possuem um domínio fixo de atuação, tais como redes de computadores, montagens de circuitos eletrônicos, etc..

Alguma atenção tem sido dada também ao desenvolvimento de saídas inteligentes para os atuais sistemas e linguagens de simulação, auxiliando o usuário na análise dos resultados e sugerindo modificações. Nestes sistemas um objetivo é traçado e o modelo executado.

Se o resultado desejado não for alcançado, os sintomas relativos ao problema ocorrido são percebidos pelo sistema, que dispara, então uma série de sugestões ao usuário no sentido de corrigir o modelo, para que as distorções possam ser minimizadas. Usualmente, estas rotinas auxiliares são constituídas de uma série de regras do tipo SE este sintoma ou condição ENTÃO sugiro esta ação ou procedimento.

A vantagem dos sistemas híbridos é que eles não são tão difíceis deseremdesenvolvidos e modelo final apresenta, se bem desenvolvido, um bom desempenhocomputacional.

Com relação à segunda forma de abordagem, algumas tentativas bem sucedidas, levadas a efeito em renomados centros de pesquisa, tem ocorrido nos últimos dez anos, a partir do surgimento na década de 70 das linguagens de programação não procedurais. Um exemplo é o ROSS (Rule Oriented Simulation System) [KLAHR, 1980], desenvolvido pela Rand Corporation. O ROSS é um sistema interativo de. simulação desenvolvido em LISP, considerando idéias que envolvem programação orientada a objeto (POO). Seu propósito é a simulação de jogos de guerra. Foi considerado um pioneiro no tratamento da realidade na forma de objetos.

Nesta forma de modelagem, a umidade de informação e de organização do sistema passam a ser objetos. O conjunto destas informações pode incluir fatos a respeito dos objetos e de como ele deve se comportar diante de certos estímulos e/ou com quem deve interagir. SHANNON [1985], afirma que o uso da POO nos SIS, é que permitirá levar um modelo e um experimento a um mais alto nível de abstração e a uma forma mais natural de representação. Segundo ele, os sistemas do mundo real são modelados como objetos. Mensagens são passadas entre eles, descrevendo ações a serem realizadas, enquanto que regras do tipo SE-ENTÃO, descrevem o comportamento que os objetos devam assumir .

Após o ROSS, outros sistemas incorporando idéias semelhantes tem aparecido. Dentre eles podemos citar o artigo de BENJAAFAR [1992]. Este trabalho relata alguns estudos e pesquisas para o desenvolvimento de um ambiente integrado de simulação com IA. A nova arquitetura proposta, esta baseada numa representação estruturada de objetos. O autor procura mostrar que a adoção desta técnica de construção de sistemas inteligentes de simulação trará, futuramente resultados mais efetivos e facilidades na integração entre modelagem, simulação e as funções de inteligência.

Outros trabalhos também podem ser citados: o SIMULATION CRAFT, da Universidade de Carnegie Mellon, o SIMKIT da lntellicorp e o LASER/SIM da lntellisys [TALAVAGE, 1987]. Estes sistemas incorporam estruturas de representação do conhecimento e modernas técnicas de POO.


2.8 Sumário

Neste capítulo abordamos a literatura relevante aos propósitos de nossa pesquisa. Enfatizamos, primeiramente, o conceito de flexibilidade e suas extensões aos sistemas de produção. Oportunamente, revisamos a literatura sobre os chamados SFM, definindo-os e discutindo seus principais elementos.

Uma vez que esta pesquisa pretende desenvolver um modelo para o tratamento de problemas de planejamento e controle da produção de SFM, procuramos revisar, de forma mais profunda, a literatura que trata destes problemas, subdividindo-os em seus principais segmentos afim de melhor compreende-los e apresenta-los.

Antes de revisarmos a literatura que trata da aplicação de modelos de simulação ao planejamento e controle operacional de SFM, apresentamos e discutimos a avaliação de projetos de SFM, destacando os tipos de medidas e modelos utilizados.

Dentre os modelos focalizados no item anterior, a simulação tem se mostrado a ferramenta mais promissora para os fins a que nos propusemos. Desta forma, reservamos uma boa parte desta revisão à discussão da simulação aplicada à modelagem de SFM.

Encerramos a seção introduzindo algumas idéias recentes sobre a lntegração de ferramentas computacionais. Neste sentido os dois últimos temas revisados apontam para o uso e desenvolvimento dos chamados Sistemas Inteligentes de Simulação. Tais sistemas foram discutidos na última seção. Ressaltamos a significância e importância deste tipo de ferramenta, que combina as potencialidades da simulação e da inteligência artificial, no caso por meio dos Sistemas Especialistas. A propósito destes sistemas, antecedendo a discussão sobre os SIS, dedicamos uma seção inteira aos SE, definindo-os, discutindo sobre sua estrutura formal e sobre o uso de novas ferramentas para a sua construção.