APLICAÇÃO DO MODELO PROPOSTO E COMPARAÇÃO DOS RESULTADOS COM OS DOS MODELOS TRADICIONAIS



Neste capítulo apresentamos os resultados práticos da aplicação da abordagem proposta e do modelo de simulação dela derivado a problemas de planejamento e controle operacional de SFM. Esta aplicação tem como objetivos, primeiro a validação do modelo desenvolvido e, segundo, a demonstração de sua contribuição a solução do problema em questão. Para tal, verificamos seu comportamento em comparação com resultados obtidos por outros pesquisadores que trataram o mesmo tipo de problema utilizando diferentes abordagens.

Para a obtenção dos resultados práticos são necessários um SFM e um conjunto de problemas exemplos que permitam a validação desejada. Dois trabalhos obtidos na literatura proporcionam estes elementos. O SFM utilizado, foi apresentado e modelado por CARRIE [ 1988], e baseia-se em um sistema real (ver figura 4.1).

Dois motivos nos levaram à escolha deste sistema em particular. O primeiro, é o fato de estar bem documentado na literatura, o que possibilita a validação da modelagem por nós desenvolvida, uma vez que se pode repetir os resultados obtidos por Carrie quando os mesmos parâmetros de entrada são utilizados. O segundo motivo é ter sido este sistema também utilizado por MAHESHWARI [1992] em um importante trabalho de pesquisa, já anteriormente citado, e que trata justamente do problema da compatibilização entre as ações de planejamento e operação em SFM.

Desta forma, este capítulo está dividido em seções com dois propósitos distintos. Nas duas primeiras, 4.1 e 4.2, apresentamos o SFM a ser modelado, e os testes de validação do modelo desenvolvido. Na seção seguinte, 4.3, tratamos da aplicação da abordagem desenvolvida, em problemas de planejamento e controle da produção sobre o SFM descrito no item 4.2.. Mostramos os resultados obtidos e os comparamos com aqueles apresentados por Maheshwari, que utilizou-se de urna metodologia envolvendo Programação Linear e Simulação.


4.1 Características do Sistema Flexível de Manufatura Modelado

O SFM que servirá como exemplo (ver layout na figura 4.1 abaixo), é o mesmo tratado e apresentado por CARRIE [1988]. O sistema é constituído de quatro centros de usinagem, não-idênticos, e ferramentas instaladas em magazines com capacidade para 50 diferentes tipos. Além das ferramentas, tais máquinas, diferenciam-se em outros aspectos, tais como: o número de eixos do controle automático, o número de eixos de rotação, potência disponível, etc. As várias operações necessárias a manufatura de peças pertencentes as diferentes famílias, podem ser efetuadas em múltiplos centros de usinagem. No entanto, em função de suas características próprias e das ferramentas neles instaladas, os centros possuem diferentes eficiências na execução das mesmas operações.

Apesar destas diferenças nas eficiências, o sistema possui grande flexibilidade, principalmente de rotas, considerada a mais importante quando se trata do planejamento da produção no curto prazo.

Em função dos objetivos de flexibilidade desejados, o sistema de transporte de materiais adotado é constituído de Veículos Auto Guiados, VAGs, cujo número é considerado variável e determinado de acordo com as avaliações dos resultados das ações. Cada estação de trabalho possui um buffer, cujo tamanho também é objeto das decisões a serem tomadas quando da aplicação do modelo.


4.2 Validação do Sistema Flexível de Manufatura Modelado

O modelo de SFM apresentado no item 4.1, foi modelado utilizando-se uma linguagem de simulação (SIMAN), diferente daquela originalmente empregada por Carrie [1988] (ECSL). SIMAN e ECSL são linguagens apropriadas para duas diferentes formas de abordagem e modelagem de sistemas. A linguagem ECSL empregada por Carne, é voltada para a abordagem por eventos, empregando o método das três fases, típica da escola inglesa. Já a linguagem SIMAN, é voltada, principalmente para uma abordagem por processos (escola americana), embora permita também, por meio de ligações com rotinas externas, a abordagem por eventos, se necessário. Além das diferenças já citadas, existe ainda o fato de que dois modelos de simulação, criados por dois diferentes programadores, empregando a mesma linguagem, raramente serão iguais em vista da parcela de arte envolvida em seu desenvolvimento. Desta forma, uma vez que vamos utilizar o mesmo SFM para demonstrar a metodologia desenvolvida, é necessário validar o modelo desenvolvido em SIMAN.

Para avaliação do sistema modelado, simulamos o mesmo problema resolvido por Carrie. utilizando os mesmos parâmetros e dados de entrada. Repetimos a simulação com dez diferentes valores de sementes geradoras de valores aleatórias e comparamos os valores médios obtidos das simulações com aqueles gerados por Carrie. Um teste de hipóteses para as médias dos tempos de ciclo de produção e dos tempos de passagem foi realizado e seus resultados mostraram a validade do modelo programado em SIMAN. A seguir apresentamos o problema proposto, os resultados das simulações e os resultados dos testes de hipóteses.


4.2.1 Problema Utilizado na Validação

O modelo de SFM apresentado por CARRIE [1988], propõe a simulação de uma semana de produção, com turnos de 8 horas, de cinco diferentes tipos de peças, aqui tratadas como tipos 1, 2, 3, 4 e 5.

O mix desejado para as peças é apresentado na tabela 4.1.

De acordo com seus respectivos planos de processo, as seqüências de operações são designadas aos centros de usinagem existentes no sistema. A tabela 4.2. apresenta, para cada tipo de peça do mix, a sua sequência de operações, indicando a máquina na qual a operação será realizada e o respectivo tempo em minutos.

Por exemplo, a peça tipo 1, necessita passar por 6 diferentes operações, as quais deverão ser realizadas nas máquinas 4, 1, 2, 1, 3 e 1, respectivamente. Os tempos das operações em cada máquina, de acordo com a tabela serão de 19, 15, 14, 11, 8 e 4 min. respectivamente.

4.2.2 Os Resultados Obtidos

O problema proposto foi simulado dez vezes, com diferentes sementes geradoras dos valores aleatórios gerando dez experimentos. Os resultados, obtidos pelo modelo programado em SIMAN, são apresentados na tabela 4.3.

Na tabela 4.3. as linhas numeradas de 1 a 10, apresentam os resultados dos experimentos (simulações) realizadas. Cada experimento simulou o equivalente a 7 dias com turnos de 8 horas cada, tendo a duração de 3360 min.

Duas variáveis de controle foram adotadas:

1. O número de unidades produzidas no sistema, individualmente, isto é, por tipo de peça e agrupadas

2. Os tempos médios de fluxo para os cinco diferentes tipos de peças e para o total de peças produzidas.

Esta última variável foi a principal medida de desempenho adotada por Carrie.

Observando-se a tabela 4.3., verifica-se, por exemplo, que no teste ou experimento número 1, foram produzidas um total de 120 peças, divididas em 34, 25, 19, 20 e 22 unidades para as peças tipo 1, 2, 3, 4 e 5 respectivamente. É possível também observar que os tempos médios de fluxo (lead-time) das peças 1, 2, 3, 4 e 5 foram 239, 291, 202, 182 e 309 min., respectivamente, com um tempo médio para as 120 unidades de 247 min.

Ao final da tabela 4.3, na linha rotulada como Médias, apresentamos os valorescorrespondentes as médias dos dez experimentos.

Na tabela 4.4 pode-se observar os resultados obtidos por Carrie para as mesmas variáveis, com seu modelo programado em ECSL.

Aparentemente, as diferenças existentes entre os resultados obtidos, com o modelo programado em SIMAN, e àqueles obtidos por Carne usando a linguagem ECSL são semelhantes. No item que segue, faremos um teste de hipóteses para a comparação entre as médias obtidas pelos dois modelos.


4.2.3 Teste de Hipóteses para a Comparação das Médias Obtidas


Para comparar os resultados dos valores médios obtidos pelo modelo em SIMAN e aquele desenvolvido por Carrie em ECSL, realizamos um teste t de comparação das médias com a desconhecido.

As médias comparadas foram para os valores de produção total e tempo médio de fluxo
total.

Para ambos os testes, as hipóteses H e são:

· : Os valores médios obtidos pelo modelo em SIMAN e em ECSL não são diferentes;
· : Os valores médios obtidos são diferentes.

A tabela 4.5 resume os resultados dos testes:

Os resultados dos testes de hipóteses permite-nos afirmar que os respostas apresentadas pelos dois modelos, para a solução do problema proposto, utilizado-se os mesmos parâmetros de entrada, são estatisticamente semelhantes. Podemos também afirmar, com base nestes resultados, que os dois modelos são estatisticamente equivalentes, sendo, portanto válido o modelo do SFM proposto e programado em SIMAN.


4.3 Aplicação do Modelo Proposto a Problemas de Planejamento e Controle Operacional do SFM

Uma vez validada a modelagem do SFM descrito no item 4.1, passamos agora à aplicação da metodologia proposta, isto é, do modelo de simulação incorporado do programa de alocação dinâmica de máquinas, em problemas envolvendo o planejamento e controle da produção neste sistema. Passaremos a denominar este modelo de Modelo de Planejamento Flexível (MPF).

A aplicação do MPF será feita sobre dois diferentes conjuntos de problemas exemplos, com diferentes propósitos. O primeiro conjunto de problemas, obtido junto ao trabalho de MAHESHWARI [l992], objetiva reproduzir seus experimentos e comparar seus resultados com os nossos, afim de testar o desempenho do MPF, em relação a abordagem por ele proposta. Com relação ao segundo conjunto de problemas, o propósito é explorar e demonstrar a sensibilidade do MPF, quando diferentes combinações de parâmetros operacionais são aplicados. Esta sensibilidade será poste mormente explorada, quando da implementação da base de conhecimentos incorporada ao protótipo do sistema inteligente de simulação desenvolvido no capítulo 5.

Ambos os conjuntos de problemas exemplos foram gerados numericamente. O primeiro por Maheshwari, e o segundo por nós, usando uma adaptação de seu método.

Antes de passarmos à aplicação do modelo, apresentamos uma descrição do método empregado para a geração dos problemas exemplos, adaptado de MAHESHWA [1992].


4.3.1 Geração Numérica de Problemas Exemplos

A necessidade de testarmos o modelo sob os mais diversos aspectos, determinou a geração numérica de problemas exemplos. Evidentemente que a validade das conclusões, baseadas nos exemplos assim gerados, dependem da qualidade destes testes. Maheshwari, em seu trabalho pesquisa, desenvolveu um gerador numérico de problemas aplicados ao planejamento e controle operacional de SFM, no qual nos baseamos, com algumas modificações, especialmente nos dados relativos ao planejamento, para gerar diversos testes.

O processo de geração de um problema é dividido em duas etapas.

Na primeira etapa, um conjunto de dados básicos para os diversos problemas são obtidos. Esta fase está subdividida em dois processos paralelos: (a) a geração de dados das peças que podem ser fabricadas e (b) a geração dos parâmetros relativos ao sistema produtivo.

Nos procedimentos gerados em (a), os dados 'incluem informações completas sobre os processos de fabricação associados as peças selecionadas, isto é:

· quantas e quais operações devem ser realizadas em cada uma delas
· a ordem destas operações
· respectivos tempos

O número de operações é obtido por sorteio. Os valores são discretos e uniformemente distribuídos entre 3 e 10. Os tipos de operações são designados entre os 10 tipos possíveis, também por sorteio. Os dados básicos sobre as peças completam-se pela atribuição de tempos de processamento a cada uma das operações. Os valores são obtidos de uma distribuição uniforme discreta, com valor mínimo de 2 e máximo de 20 min.

Nos procedimentos gerados em (b), ainda na primeira etapa, o gerador define os parâmetros relativos às máquinas. São determinadas:

· as operações que cada uma delas pode realizar
· os índices de eficiência para cada par máquina:operação.

Na definição dos conjuntos Operação:Máquina, optamos pela possibilidade de cada operação ser executada em duas máquinas. Numa delas (principal) a eficiência será de 100%. Na máquina alternativa esta eficiência será de 75%. A atribuição dos índices de eficiência é também definido por sorteio entre as duas máquinas escolhidas para cada operação.

Com base nos dados gerados na primeira etapa, considerados comuns aos problemas exemplos, a geração de um novo problema inicia-se pela execução da segunda etapa. Nesta etapa três passos são executados.

· Definição do número de peças que serão manufaturadas durante um ciclo produtivo. A definição é feita por meio de um sorteio para valores discretos e uniformemente distribuídos entre 3 e 8.
· Seleção do mix entre os vinte diferentes tipos de peças possíveis de serem fabricadas. A seleção do mix é feita por meio de novo sorteio
· último passo trata da determinação da quantidade total de peças a serem produzidas, da participação relativa de cada um dos tipos selecionados.

Para melhor visualizar todos os procedimentos, a figura 4.2 apresenta, de forma esquemática, as duas etapas do processo de geração de problemas. As tabelas 4.6, 4.7 e 4.8 apresentam um resultado numérico da aplicação dos procedimentos.

A tabela 4.6 apresenta as informações relativas as peças, geradas durante a execução da primeira etapa do processo. Para os 20 diferentes tipos de peças passíveis de fabricação, observa-se na tabela: o número de operações, os tipos de operações e o tempo de cada uma delas. A peça Tipo 1, por exemplo, necessita de 7 operações para ser manufaturada. Operações 5, 10, 9, 4, 8, 6 e 7, nesta ordem. Os tempos de processamento de cada uma delas são: 3, 9, 7, 11, 12, 12 e 11 minutos respectivamente. As peças tipo 8 e 11, são manufaturadas com apenas 3 operações, enquanto que as de tipo 10 e 20 requerem 8 operações.

A tabela 4.7 apresenta informações das eficiências atribuídas a cada uma das máquinas do SFM, quando da execução de cada uma das 10 operações. Tais informações também são geradas durante a primeira etapa do processo de criação de problemas exemplos. Observa-se, por exemplo, que a máquina 1 pode executar as operações de número 2, 4, 5, 6, 8 e 10. Para as operações de números 6, 8 e 10, esta máquina opera com máxima eficiência. Para as demais, é considerada uma máquina alternativa.

Também verifica-se que cada operação pode ser executada em duas máquinas, urna principal e outra alternativa. As máquinas alternativas possuem uma eficiência 25% menor que àquelas consideradas principais na execução de cada operação.

A tabela 4.8 apresenta os dados relativos a dez problemas exemplos obtidos pela execução da segunda etapa do processo gerador.

Para cada um deles, foram sorteados valores entre 3 e 8 para a determinação do número de diferentes peças que comporão o mix. O problema 1 requer do SFM a fabricação de um mix com as peças do tipo 5, 14 e 18. Já o problema 2, requer a fabricação de um lote contendo 8 diferentes tipos de peças no seu mix: 1, 4, 6, 8, 9, 11, 15 e 18 respectivamente.

Ainda nesta etapa, são definidos o tamanho total do lote de peças a ser manufaturado, bem como, a participação relativa de cada tipo de peça do mix selecionado.

Parte dos dados deste problema foi obtido do trabalho de Maheshwari [l992] e servirá como base para um trabalho de comparação entre os modelos e abordagens.


Uma característica importante dos dados descritos nas tabelas acima é que diferentemente daqueles gerados originalmente por MAHESHWARI [l992], aqui não são estabelecidas ligações entre peça/operações/máquinas, da maneira tradicional. O modelo de Maheshwari identifica, para cada par peça/operação, qual máquina, ou máquinas, considerando-se as alternativas, deve executar a operação. Este processo de programação das máquinas, realizado na fase de planejamento é feito a partir de um modelo de programação linear.

As diferenças entre as duas formas de abordar o problema serão melhor estabelecidas quando da apresentação dos resultados, obtidos pelo MPF, quando comparados com aqueles obtidos no trabalho de Maheshwari.


4.3.2 Comparação de Resultados

Como colocamos anteriormente, em sua pesquisa sobre o impacto das políticas operacionais no planejamento da produção em SFM, MAHESHWARI [1992] realizou um extenso trabalho, envolvendo inúmeras variáveis de controle, para concluir quais destas e, em que nível, tinham mais importância no tratamento dos problemas daí provenientes (ver itens 3.1 e 3.2 do capítulo III).

Para a realização daquele trabalho, ele utilizou uma abordagem considerada tradicional, no sentido em que os problemas das fases de planejamento e operação são resolvidos em separado e em momentos distintos. Na fase de planejamento, empregou modelos de PL e na fase de testes operacionais, um modelo de simulação.

O SFM sobre o qual os testes foram realizados, foi o mesmo por nós modelado e validado no item 4.2 deste capítulo, tendo sido programado também na linguagem SIMAN. Este fato nos possibilita, a menos das diferenças de abordagens para a alocação dos recursos (programação linear x alocação dinâmica em tempo real), a comparação direta dos resultados quando os mesmos parâmetros operacionais são utilizados.

Para que sejam possíveis as comparações entre as duas abordagens, é preciso, no entanto, adaptar os exemplos por ele gerados para que possam ser tratados pela nova abordagem. Suas diferenças fundamentais ocorrem principalmente, no que se refere aos parâmetros de entrada dos problemas exemplos.

A abordagem usada por Maheshwari, divide-se em duas fases distintas: planejamento e operação. Na fase de planejamento, são definidos os tipos de peças que serão produzidas e em que quantidades, além de todo o sequenciamento, com a designação prévia de quais máquinas devem realizar as operações necessárias em cada peça a ser processada em um determinado ciclo. Estas designações são efetuadas por meio de modelos de programação linear, com diferentes funões objetivos (minimização de tempos, balanceamento das cargas de máquinas, etc.). Na fase de operação, o planejamento elaborado anteriormente, é simulado e testado diante de diferentes políticas operacionais.

Na abordagem por nós utilizada, a fase de planejamento se resume a determinação de que peças serão produzidas e em quais quantidades. O sequenciamento, isto é, o planejamento das operações, com conseqüente alocação das máquinas, como vimos no capítulo anterior, é executado durante a própria fase operacional, sendo determinado, com base no estado e nas restrições do sistema.

A figura 4.3 apresenta de forma resumida as diferenças entre as duas abordagens.

4.3.2.1 Experimentos Realizados

Com o objetivo de comparação dos resultados de nossos experimentos com aqueles realizados por MAHESHWARI [1992], apresentamos nesta seção um exemplo completo de aplicação das duas abordagens. O motivo da escolha deste exemplo é ter sido este o único problema exemplo, apresentado pelo autor, documentado em toda as suas fases.


4.3.2.2 Problema Exemplo Utilizado na Comparação de Resultados

O problema exemplo a ser aqui apresentado é o de número 10 da tabela 4.8. Ele estabelece a fabricação de um lote com um mix constituído pelas peças de número 2, 4, 13, 17 e 18. As operações necessárias a sua manufatura e os tempos destas, podem ser observados na tabela 4.6. A quantidade total a ser produzida é de 108 peças. A participação relativa de cada um dos tipos deve ser de 22%, 17%, 11%, 22% e 28% respectivamente. Os dados sobre o mix e participação relativa foram gerados pela 2ª etapa do processo de geração de problemas exemplos.

Para simularmos o ciclo de produção deste lote, usando nossa abordagem e modelo, necessitamos ainda dos elementos da tabela 4.7, eficiências das máquinas, juntamente com uma definição das políticas operacionais para o despacho de peças e veículos além dos números relativos aos buffers e pallets.

Já a simulação deste problema usando a abordagem de MAHESHWARI [1992], necessita a geração prévia do planejamento da carga das máquinas.

Uma vez que nosso modelo procura equilibrar, durante a simulação, o balanceamento da carga das máquinas, a comparação entre resultados operacionais será feita com aqueles obtidos por MAHESHWARI [1992], nos quais ele aplica o mesmo tipo de função objetivo ao modelo de PL para a geração do planejamento da carga das máquinas, o qual também considera a possibilidade de máquinas alternativas.


4.3.2.3 Medidas de Desempenho Adotadas na Comparação dos Resultados

Conforme visto no item 3.3 do capítulo anterior, são várias as medidas de desempenho possíveis de serem adotadas para a avaliação operacional dos SFM. De acordo com a literatura [LEUNG, 1990; GUPTA, 1992], as duas principais medidas são o tempo médio de passagem ou de fluxo das peças pelo sistema e o tempo total do ciclo produtivo, isto é, o tempo total necessário ao sistema para produzir o lote de peças. LEUNG [1990] mostra em seu trabalho que adotar o tempo total do ciclo produtivo como medida de desempenho em SFM que produzem um número finito de peças em um dado ciclo, é equivalente a medir-se a utilização total do sistema ou sua taxa de produção. Segundo ele, a minimização do tempo do ciclo de produção eqüivale à maximização da taxa de utilização do sistema. Com base nestes argumentos, estas foram as duas principais medidas de desempenho adotadas por MAHESHWARI [1992] e que faremos uso na comparação dos resultados.


4.3.2.4 Resultados Obtidos nas Comparações

A tabela 4.9 apresenta resultados comparativos do desempenho operacional do SFM, para várias combinações de políticas operacionais, tamanho de buffers e número de pallets, para o problema exemplo, quando da aplicação das duas abordagens.

Nos experimentos originalmente apresentados por MAHESHWARI [l992], as várias combinações entre as variáveis operacionais seguem um projeto de experimentos gerados pelo método de TAGUCHI [1987]. No entanto, nem todos os experimentos apresentados nos interessam, uma vez que muitas das experimentações por ele realizadas tornam-se irrelevantes para fins de comparação, por força do modelo por nós idealizado. Desta forma, a tabela mostra somente aqueles experimentos cuja função objetivo utilizada (Balanceamento da Carga de Máquinas), regras de liberação das peças e regras de despacho de veículos, possuem equivalentes em nosso modelo. Os demais experimentos por nós realizados são apresentados na seção 4.3.3 (Análise de Sensibilidade do Modelo). A propósito, tanto os resultados devidos a MAHESHWARI [l992], quanto aqueles resultantes da aplicação do MPF, são valores médios de simulações, com pelo menos 10 repetições do mesmo experimento, mas com diferentes sementes associadas aos algoritmos geradores de números aleatórios.


4.3.2.5 Observações sobre os Resultados Obtidos

Na tabela 4.9 podemos observar que, tanto os valores associados aos tempos do ciclo produtivo (TCP) quanto aqueles associados aos tempos médios de fluxo (TFluxo), são menores quando se emprega a abordagem proposta neste trabalho.

As reduções nos tempos de ciclo e de fluxo, em termos percentuais, encontram-se sob as colunas referidas com o símbolo . Embora estas reduções tenham ocorrido em 100% dos exemplos tratados, os ganhos obtidos não são homogêneos, tendo variado de 5,8% a 21,4% nos tempos dos ciclos de produção e de 2,8% a 13,8% nos tempos médios de fluxo, dependendo dos parâmetros operacionais aplicados.

Observamos que as diferenças a favor da nova abordagem são mais acentuadas quando o sistema se apresenta mais congestionado, isto é, quando são maiores os tamanhos dos buffers e o número de palites no sistema. A causa destes ganhos pode estar relacionada com a falta de flexibilidade do modelo adotado por MAHESHWARI [1992], uma vez que nele a decisão relativa à alocação de máquinas é feita "a priori", via programação linear, desconsiderando a dinâmica operacional do sistema, a qual tem forte dependência dos valores atribuídos aos recursos secundários do sistema.

Por outro lado, por realizar dinamicamente a alocação dos recursos, o modelo proposto é mais sensível à potencial flexibilidade dos SFM, especialmente à flexibilidade de rotas e, portanto, mais adaptável aos eventuais congestionamentos causados pelo maior número de peças no sistema.

Nos casos em que maiores restrições ao número de peças no sistema foram impostos, com menores chances de congestionamentos, os ganhos nos tempos de ciclo de produção foram menores uma vez que, tanto a programação linear quanto o modelo dinâmico, chegam a resultados semelhantes para a alocação de máquinas.

O gráfico 4.1 apresenta os dados relativos aos ganhos obtidos. Observa-se a não existência de paralelos entre os ganhos obtidos nos tempos do ciclo e nos tempos de fluxo. Tais tempos dependem, sobretudo dos valores designados aos buffers e pallets e, muitas vezes são objetivos antagônicos, como será mostrado na seção 4.3.3.

4.3.2.6 Testes de Hipóteses para Comparação das Médias obtidas nos Experimentos

Com o objetivo de validar estatisticamente os resultados obtidos nos experimentos apresentados na tabela 4.9, realizamos testes de hipóteses para comparação das medias das duas medidas de desempenho, quando da aplicação das duas abordagens.

No primeiro teste, as hipóteses e referem-se as médias dos tempos de ciclo de produção.

: Os tempos médios do ciclo de produção obtidos nas abordagens AT e NA são iguais.

: O tempo médio do ciclo de produção obtido na abordagem AT é maior que tempo médio do ciclo de produção obtido na abordagem NA.

Calculando-se o valor de t para as diferenças entre os valores de TCP referentes a AT e NA obtemos: t = 8,38.

Repetimos o mesmo teste para os tempos médios de fluxo obtidos pelas duas abordagens. As duas hipóteses são semelhantes, a menos da medida de desempenho avaliada.

: Os tempos médios de fluxo das peças obtidos nas abordagens AT e NA são iguais.

: O tempo médio de fluxo das peças obtido na abordagem AT é maior que o tempo médio de fluxo das peças obtido na abordagem NA.

Calculando-se o valor de t para as diferenças entre os valores de TCP referentes a AT e NA obtemos: t = 6,79.

Na tabela 4.10 abaixo apresentamos um resumo dos resultados e conclusões dos testes.

Pelos resultados obtidos para os valores de t, não é possível comprovar HO em nenhum dos dois testes realizados. Podemos então afirmar que, estatisticamente, os tempos obtidos pela aplicação da nova abordagem são menores que aqueles obtidos por MAHESHWARI [1992] em sua abordagem tradicional.


4.3.3 Análise de Sensibilidade do Modelo

Na seção 4.2, vimos que são promissores os resultados obtidos pelo modelo de simulação associado com o programa de alocação dinâmica de recursos. É necessário, no entanto complementarmos aqueles testes, para verificarmos sua sensibilidade com relação as diversas combinações de parâmetros e políticas operacionais, determinando quais delas resultam em um melhor desempenho do sistema.

Com a realização destes testes, será possível, também, verificarmos se o impacto das políticas operacionais sobre o desempenho do SFM, observados nos trabalhos de MAHESHWARI [l992] e GUPTA [l992], coincidem com aqueles por nós observados, quando da aplicação de nosso modelo.

Para a realização destas análises, um total de 576 simulações foram efetuadas, sobre três dos diferentes problemas exemplos gerados. Testamos as possíveis combinações (4 x 3 x 4 x 4 ) entre as políticas e parâmetros operacionais, isto é as regras de liberação de peças para o sistema (4), as regras para despacho de veículos (3), tamanho dos buffers (4) e do número de pallets (4).

Os experimentos realizados são semelhantes àqueles efetuados por e GUPTA [l992]. MAHESHWARI [l992]. As diferenças ficam por conta de um fator extra utilizado naqueles trabalhos, as funções objetivo, os quais possuem dois e quatro diferentes níveis respectivamente. Como foi dito anteriormente, o modelo proposto objetiva primordialmente balancear as cargas das máquinas.

Algumas das combinações entre políticas operacionais testadas por eles também não foram explicitamente verificadas por estarem embutidas dentro do programa de alocação de recursos ou do próprio modelo de simulação, como por exemplo aquelas envolvendo as políticas de priorização de peças nos buffers.


4.3.3.1 Observações sobre os Resultados das Simulações

Dois conjuntos de regras operacionais e dois recursos secundários dos SFM foram tratados e analisados, individualmente, para verificar suas influências sobre o desempenho dos SFM.

Os gráficos 4.2 a 4.5, apresentam os resultados dos valores médios dos tempos do ciclo de produção (A) e dos tempos de fluxo (B), obtidos nas simulações realizadas. Nestes, é possível verificar a influência, individual, dos principais fatores (políticas e parâmetros operacionais), sobre estas medidas de desempenho. Os três pontos apresentados em cada segmento dos gráficos, representam os valores mínimo, médio e máximo, respectivamente.

As observações sobre os efeitos dos quatro fatores sobre as medidas de desempenho adotadas, são comentadas abaixo.


Efeito das Regras de Liberação de Peças:

O efeito destas regras é apresentado no gráfico 4.2 (A e B). A regra que propicia os melhores resultados em ambos os casos (TCP e TFluxo), é a MTXP (Menor Taxa de Produção), pela qual as peças são introduzidas no sistema de tal forma a manter sempre em equilíbrio o mix desejado. Duas outras regras, MNV (Menor Número de Visitas) e MTTP (Menor Tempo Total de Processamento), obtiveram resultados estatisticamente semelhantes, uma vez que as duas regras mantém uma ordem cíclica e só diferem a ordem no início das liberações das peças ao sistema. O pior desempenho é a ordem aleatória (OA). Este desempenho da OA, serve para confirmar que o controle da liberação de peças, principalmente em SFM fechados, pode melhorar o desempenho operacional do sistema.

O melhor desempenho da regra MTXP, deve-se ao fato dela manter o balanço do mix de peças o que permite manter balanceada carga relativa dos centros de usinagem.

Efeito das Regras para Despacho de Veículos:

O efeito das regras de despacho sobre o desempenho do sistema é apresentado no gráfico 4.3 (A e B). Para estes testes, não utilizamos todas as regras listadas no item 3.1.2.3 do capítulo III (Políticas para o Despacho de Veículos Transportadores). A aplicação da regra MCTFD (Menor Carga de Trabalho na Fila de Destino) produz, na prática, efeito equivalente ao que o próprio modelo de simulação desenvolvido produz. Interessante notar que em seu trabalho, Maheshwari relata que esta foi também a regra que melhor resultados produziu sobre o desempenho do SFM. Isto reforça que os resultados obtidos pelo MPF são melhores quando comparados com aqueles por ele obtidos.

Entre as regras por nós testadas, FIFO e MNVR (Menor Número de Visitas Restantes) obtiveram resultados estatisticamente semelhantes. Ambos tiveram desempenho bem superior a regra MNPS (Máximo Número de Peças na Saída). MNPS, é uma regra que procura evitar o acumulo de peças aguardando por transporte na máquina, e com isso evitar o bloqueio do sistema. Como o bloqueio depende substancialmente do número de pallets e tamanho dos buffers, um controle sobre estas variáveis evita a ocorrência dos bloqueios, tomado a regra desnecessária.

Impacto do Tamanho dos Buffers:

Os efeitos dos tamanhos dos buffers são apresentados no gráfico 4.4 (A e B). Sua influência é significante sobre as duas medidas de desempenho. O aumento do tamanho dos buffers, reduz o tempo do ciclo de produção, o que é equivalente a um aumento na taxa de produção do sistema. Por outro lado, o aumento dos buffers, aumenta o tempo de fluxo das peças pelo sistema. Esta é uma decisão que depende, portanto, do tipo de objetivo do decisor. Nos sistemas do tipo puxados, deseja-se, geralmente, pequenos espaços nos buffers, propiciando uma rápida passagem das peças pelo sistema. Já para os sistemas do tipo empurrados, a falta de espaço nos buffers pode resultar em um bloqueio do sistema, uma vez que se não houver espaço na máquina destino o deslocamento das peças não pode ocorrer.

Impacto do Número de Pallets:

O efeito do número de pallets é mostrado no gráfico 4.5 (A e B). Assim como o tamanho dos buffers, também o impacto desta variável é significante para ambas as medidas de desempenho. O tempo do ciclo de produção se reduz com o aumento do número de pallets, enquanto que o tempo de fluxo se amplia. Estes resultados se explicam por si só. O aumento dos pallets, reduz o tempo de ociosidade das máquinas, aumentando sua taxa de utilização e, simultaneamente, o tempo em que as peças devem esperar em filas.

Resumo das Observações Realizadas:

Considerando todos os efeitos medidos com os vários fatores sobre as medidas de desempenho operacional do SFM, verificou-se que:

· MTxP é a regra de liberação de peças dominante para as duas medidas;
· Considerando as duas medidas, FIFO pode ser bem empregada como regra para o despacho de veículos, uma vez que, internamente, o modelo já realiza a busca das máquinas com menor carga de trabalho;
· O tamanho dos buffers e número de pallets vão depender dos objetivos dos decisores.

As tendências verificadas acima, são similares aquelas observadas por MAHESHWARI [1992] em seu trabalho de pesquisa. As únicas diferenças encontradas são com relação aos tempos médios de ciclo e fluxo. De maneira geral, nosso modelo resultou em números médios 14% menores para os tempos de ciclo produtivo e cerca de 6% para os tempos de fluxo, quando o sistema utilizou dois VAGs para o transporte. Maheshwari não apresentou resultados para outros números de VAGs.


4.3.4 Busca das Melhores Combinações entre os Elementos Operacionais

Uma vez que temos conhecimento de quais os principais fatores que influem no desempenho do SFM, toma-se interessante buscar aquela combinação de elementos que apresente os melhores resultados operacionais.

Com este propósito, realizamos uma série de novos experimentos, utilizando MTP como regra para a liberação de peças e FIFO para o despacho de veículos. Fixadas estas regras, o tamanho dos buffers, o número de pallets e o número de veículos transportadores, foram combinados, de todas as formas possíveis dentro de determinados limites. O mesmo sistema flexível de manufatura foi utilizado e os testes consideraram o problema descrito em 4.3.2.2. Os resultados destes experimentos foram obtidos com a realização de aproximadamente 190 diferentes combinações de fatores. Cada combinação foi simulada com dez diferentes sementes geradoras de números aleatórios. Os resultados foram tomados pela média destes valores. Abaixo apresentamos os resultados e comentamos sobre os novos experimentos realizados.


4.3.4.1 Resultados e comentários sobre os novos experimentos realizados

Os gráficos 4.6 a 4.17, apresentam os resultados dos valores médios de quatro diferentes medidas de desempenho: Tempo Médio do Ciclo de Produção (TCP), Tempo Médio de Fluxo das Peças (TMFluxo), Taxa Média de Utilização das Máquinas (TxMUtilMaq) e Taxa Média de Utilização dos VAGs (TxMUtilVAGs). Os resultados, obtidos nas simulações realizadas, mostram, a influência das combinações dos principais fatores (políticas e parâmetros operacionais), sobre o desempenho operacional do sistema.

Relação entre Tamanho dos Buffers, Número de Pallets e Tempo do Ciclo de Produção, quando 2, 3 e 4 VAGs são utilizados.

Nos gráficos 4.6, 4.7 e 4.8, observamos o efeito da variação dos tamanhos dos buffers e do número de pallets sobre o tempo médio do ciclo de produção (TCP), quando são utilizados 2, 3 e 4 VAGS, respectivamente. O comportamento da medida de desempenho é semelhante nos três gráficos. Verificamos que para cada valor de tamanho de buffer, na medida em que aumentamos o número de pallets, há uma redução no tempo do ciclo deprodução. Contudo, observamos que esta redução não é contínua. existindo um ponto de inflexão na curva.

O ponto de inflexão corresponde a um estado de saturação do sistema, resultando em congestionamentos e aumento do tempo médio do ciclo de produção. De maneira geral. o aumento dos valores da combinação tamanho dos buffers x número de pallets, leva a uma redução do TCP, até o ponto de saturação. Outra observação importante é revelada quando olhamos para os três gráficos em conjunto. Nestes gráficos, a principal variável é o número de VAGS. Verificamos que na medida em que crescem os valores da combinação buffers x pallets x VAGs, obtém-se melhores resultados para o TCP. Tais resultados, porém. tem um custo associado. Como se verá em outras análises. as taxas de utilização dos veículos transportadores e dos centros de usinagem, sobem para valores inaceitáveis. Embora não tenhamos pesquisado os custos associados a implantação de um maior numero de VAGs, verificou-se que. embora existam ganhos no TCP. os valores encontrados não são substanciais e. provavelmente, não justificariam um aumento crescente do número de VAGs, como pode ser visto no gráfico 4.8.

Relação entre Tamanho dos Buffers, Número de Pallets e Tempo Médio de Fluxo
quando, 2, 3 e 4 VAGs são utilizados.

Nos gráficos 4.9, 4.10 e 4.11, observamos o efeito da variação dos tamanhos dos buffers, do número de pallets sobre o tempo médio de fluxo das peças quando são utilizados 2, 3 e 4 VAGS, respectivamente. O comportamento da medida de desempenho é semelhante nos três gráficos. Verificamos que, para cada valor de tamanho dos buffers, na medida em que aumentamos o número de pallets, há um aumento do tempo de fluxo das peças no sistema.

De maneira geral, o aumento dos valores da combinação tamanho dos buffers x número de pallets x número de VAGs, leva a um crescimento do tempo médio de fluxo das peças, embora esta sensibilidade seja pequena. Estes resultados já haviam sido verificados por MAHESHWARI [1992], por GUPTA[1992] e, por nós mesmos quando da realização dos testes comparativos e das análises sobre as influências individuais de cada um dos fatores (ver gráficos 4.4 e 4.5).

Relação entre Tamanho dos Buffers, Número de Pallets e Taxa Média de Utilização das Máquinas, quando 2, 3 e 4 VAGs são utilizados.

Os gráficos 4.12, 4.13 e 4.14, apresentam os resultados da medida de desempenho, Taxa Média de Utilização das Máquinas, para as diversas combinações dos tamanhos dos Buffers, número de Pallets e número de VAGs.

Como podemos observar, para cada combinação tamanho dos buffers x número de pallets, obtemos curvas com pontos de inflexão. Comparando estas curvas com àquelas obtidas nos gráficos 4.6, 4.7 e 4.8, sobre os tempos médios dos ciclos de produção (TCP), verificamos uma coincidência nos valores das duas variáveis para tais pontos.

A razão destas inflexões, é a mesma encontrada anteriormente, isto é, na medida da ocorrência de congestionamentos no sistema, um maior número de peças encontram-se nos buffers das máquinas. Uma vez que a capacidade do sistema não se altera, o tempo necessário às máquinas para a realização de todas as operações nas peças, continua o mesmo. No entanto, em função do congestionamento, o tempo do ciclo de produção cresce, e a taxa de utilização das máquinas, dada pela relação entre o tempo de uso efetivo das máquinas e o tempo total do ciclo de produção, diminui.

Podemos também observar que na medida em que aumenta o número de VAGs, cresce a taxa média de utilização das máquinas, chegando, muitas vezes a valores acima dos 95%.

Esta alta taxa média de utilização das máquinas, associada aos congestionamentos no sistema, pode ser apontada como uma das limitações à utilização de grandes números nas combinações entre número de pallets, tamanho de buffers e número de veículos transportadores.

Relação entre Tamanho dos Buffers, Número de Pallets e Taxa Média de Utilização dos VAGs, quando 2, 3 e 4 VAGs são utilizados.

Os gráficos 4.15, 4.16 e 4.17. apresentam os resultados da medida de desempenho- Taxa Média de Utilização dos VAGs, para as diversas combinações dos tamanhos dos Buffers, número de Pallets e número de VAGs.

De maneira geral observamos em todos os gráficos uma tendência a uma alta taxa de utilização dos VAGs, na medida do crescimento do numero de pallets e do tamanho dos buffers. Isto se explica porque os aumentos nestes dois fatores propiciam a entrada de mais peças no sistema para serem transportadas. Notamos, no entanto, que a forma das curvas não são as mesmas para os três gráficos. No primeiro. 4.15. que apresenta resultados para 2 VAGs. as taxas de utilização dos VAGs crescem aos saltos quando aumentamos o numero de pallets de 6 para 8 e de 8 para 10. Os demais valores já não apresentam diferenças de taxas tão expressivas. O motivo destes resultados, é que com apenas 2 veículos e um crescimento grande do número de peças no sistema devido ao número de pallets e ao tamanho dos buffers, é eliminada a ociosidade do sistema de transporte, com as taxas de utilização chegando perto dos 100%.

Nos gráficos 4.16 e 4.17, percebemos que o salto para a saturação do sistema de transportes ocorre em pontos além dos 10 ou 12 pallets no sistema. No caso de 4 VAGs, com tamanhos de buffers iguais a 6, o salto só ocorre acima dos 16 pallets.

4.4 Sumário

Neste capítulo apresentamos e analisamos os resultados de mais de 500 experimentos de simulações e testes, envolvendo o modelo de simulação desenvolvido no capítulo III. O propósito destes testes foi assegurar a validade do modelo, demonstrar sua contribuição para a obtenção de resultados promissores no encaminhamento do problema de planejamento e operação de SFM e, permitir-nos um maior conhecimento dos efeitos causados pelos diversos fatores analisados, sobre o desempenho operacional destes sistemas de manufatura.

Os resultados e conhecimentos obtidos, principalmente sobre as influências que as políticas de gerenciamento operacional (regras de despacho de peças e veículos) exercem sobre o desempenho do sistema, bem como suas combinações com outras variáveis e parâmetros dos SFM (tamanho dos buffers, número de pallets e número de VAGS) nos levam a ampliar o modelo de simulação desenvolvido.

Para tal, propomos a incorporação de um sistema especialista (SE) àquele modelo. Este sistema especialista, utilizando-se dos conhecimentos adquiridos nas simulações realizadas, deverá buscar, de forma interativa, urna combinação entre as diversas variáveis operacionais analisadas e os objetivos de produção desejados, considerando pnontanamente um desempenho aceitável do SFM.