Impacto de decisões de gerenciamento da produção na ...servicio.bc.uc.edu.ve/ingenieria/revista/Inge-Industrial/volv-n19/... · time da ordem de produção (Corrêa e Corrêa,

Ingeniería Industrial.

Actualidad y Nuevas Tendencias

Año 10, Vol. V, N° 19

ISSN: 1856-8327

Gabbi & Battesini, Impacto de decisões de gerenciamento da produção..., p. 45-58

45

Impacto de decisões de gerenciamento da produção na

performance de Sistemas Produtivos: um estudo de simulação

em uma Job Shop Impact of production management decisions on performance of Productive

Systems: a simulation study in a Job Shop

Patrick Gabbi; Marcelo Battesini

Palavras chave: sistemas de produção, simulação, performance, Job Shop

Key words: production systems, simulation, performance, Job Shop

RESUMO

As medidas de performance de um Sistema de

Produção (SP) não estão dissociadas da

estratégia de gestão da produção adotada pela

empresa. O objetivo deste estudo foi avaliar o

impacto de decisões gerenciais relacionadas ao

tamanho dos lotes adotados, aos tempos de

setup e ao sequenciamento da produção nas

medidas de performance de um SP em

organizado na forma de uma Job Shop. O

estudo de modelagem e simulação teve caráter

exploratório e abordagem quantitativa e foi

conduzido em ambiente computacional. Os

resultados obtidos indicam que a adoção de

lotes unitários e a habilidade de realizar baixos

tempos de setup são fatores chave para a para

a obtenção dos menores makespan e work in

process, independentemente do

sequenciamento de lotes adotado. Foram

identificados indícios de que os três fatores

agem de forma combinada, não devendo ser

descartada uma relação não linear entre os

mesmos. O estudo confirmou os nexos causais

descritos na literatura, especialmente aqueles

que relacionam ao tempo de setup e ao lead

time, porém, foi observado que o tamanho do

lote e o sequenciamento assumem uma

importância menor na ausência de baixos

tempos de setup.

ABSTRACT

The performance measures of a Production

System (PS) are not dissociated from the

production management strategy adopted by

the company. The objective of this study was to

evaluate the impact of managerial decisions

related to the size of the adopted lots, to the

setup times and to the production sequencing

in the performance measures of an PS

organized in Job Shop form. The modeling and

simulation study had an exploratory objective

and quantitative approach and was conducted

in a computational environment. The results

indicate that the adoption of unit batches and

the ability to perform low setup times are key

factors for obtaining smaller makespan and

work in process, regardless of the batch

sequencing adopted. We have identified

evidence that all three factors act in a combined

manner, and a nonlinear relationship between

them should not be ruled out. The study

confirmed the causal links described in the

literature, especially those related to setup time

and lead time, however, it was observed that

batch size and sequencing assume less

importance in the absence of low setup times.



Año 10, Vol. V, N° 19

ISSN: 1856-8327


46

INTRODUÇÃO

Os gestores de Sistemas de Produção (SP)

devem estar preparados para a tomada de

decisão em relação aos fatores chave da sua

performance diante das variadas opções

descritas pelas diferentes estratégias de

gerenciamento apresentadas na literatura.

A gestão de Sistema de Produção (SP) de

bens demanda um conjunto de decisões

acerca das mais diversas atividades em

cada nível de planejamento de uma

indústria, podendo ser estratégicas de

longo prazo ou operacionais de curto prazo

(Miguel et al, 2012).

Ao discutir os SP, a literatura de

administração da produção e de

planejamento programação e controle de

produção relaciona um conjunto de fatores

chave para o seu desempenho (Shingo,

1989; Ohno, 1997; Slack, Brandon-Jones e

Johnston, 2015; Groover, 2001; Gaither e

Frazier, 2002; Krajewski, Ritzman e

Malhotra, 2009; Tubino, 2009; Corrêa e

Corrêa, 2010; Chase, 2011; Monden, 2015;

Corrêa e Gianesi, 2016), a exemplo de

tamanho de lote, tempo de preparo,

quantidade de produto em processo,

nivelamento da produção, que se bem

controlados afetam diretamente as

principais medidas de performance dos SP:

taxa de produção, utilização e a

disponibilidade de recursos, o tempo de

atravessamento de um lote ou de um

conjunto de lotes.

As decisões gerenciais relacionadas esses

fatores não estão dissociadas da estratégia

de gestão da produção adotada pela

empresa, merecendo destaque, dentre

àquelas caracterizadas ao longo do tempo

pela literatura: a proposta de Henry Ford

de Produção em Massa (PM) em linhas de

produção; a Produção Enxuta (PE)

inicialmente descrita por Taiichi Ohno e

Shingeo Shingo como Sistema Toyota de

Produção (STP); e a gestão focada em

gargalos proposta por Eliyahu Goldratt,

conhecida como Teoria das Restrições

(TOC).

Apesar de possuírem similaridades em

termos dos seus objetivos essas estratégias

diferem na abordagem e nos mecanismos

utilizados para realizar a gestão dos SP

(Ohno, 1997; Goldratt, 2009). Tanto o STP

quanto o sistema de Ford são baseados no

fluxo de trabalho e que caso Ford tivesse a

oportunidade de dar seguimento ao seu

trabalho certamente estaria orientado na

mesma direção da Toyota Ohno (1997).

Goldratt (2009) identificou que Ford e

Ohno seguiram quatro conceitos chave em

suas abordagens, assim como a TOC:

melhorar o fluxo das operações, ou seu

equivalente reduzir o lead time; adoção de

um mecanismo prático que oriente a

produção sobre quando não produzir;

eliminação das ineficiências locais; e

proposição de um processo de focalização

para balancear o fluxo.

Com o auxílio de simulação discreta de

eventos, este estudo analisa a influência

desses fatores e confronta os resultados

obtidos em relação a um conjunto de

assertivas sistematizadas da literatura



Año 10, Vol. V, N° 19

ISSN: 1856-8327


47

sobre como gerir os recursos de

manufatura. O objetivo deste trabalho é

avaliar o impacto do tempo de setup, do

tamanho de lote e do sequenciamento da

produção na performance de um SP em

organizado na forma de uma Job Shop.

Referencial teórico

Em uma perspectiva tecnológica SP se

refere a uma composição de pessoas,

equipamentos e de procedimentos

organizados para a combinação de

materiais e processos que realizam as

operações de manufatura de uma empresa,

incluindo os procedimentos de suporte que

permitem que estes funcionem (Groover,

2001). As complexas inter-relações entre as

opções gerenciais da empresa quanto aos

parâmetros de seus processos e o efeito

destas sobre as medidas de performance

usualmente são apresentadas em mapas

conceituais (Pacheco et al., 2014 e Godinho

Filho e Uzsoy, 2009), porém é comum que

diferentes autores apresentem nexos

causais entre elas entre pares destes fatores

e medidas, como a seguir indicado.

Uma das principais variáveis que

interferem no desempenho de um sistema

de manufatura é o tamanho de lote em

processamento (Tubino, 2009; Krajewski et

al., 2009; Godinho Filho e Uzsoy, 2010).

Lotes grandes de produção tem elevado

tempo de atravessamento pelo SP, no

entanto lotes pequenos exigem preparações

de máquinas (setup) mais frequentes

(Krajewski et al., 2009), sendo que quanto

maior o tamanho do lote, mais longo será o

seu lead time (Chase, 2011). A sequência

em que os recursos serão utilizados por um

lote de produção depende de uma

priorização prévia e do seu roteiro de

execução em diferentes centros de trabalho

(Tubino, 2009). Uma realidade fabril o ideal

teria um sequenciamento de lotes

pequenos e baixo tempo de setup, situação

na qual são diminuídos os níveis de

estoque (Gaither e Frazier, 2002).

O resultado das decisões gerenciais, a

exemplo de tamanho de lote, tempo de

setup e sequenciamento da produção, pode

ser monitorado com medidas de

performance. Uma delas é a utilização, que

se refere ao grau em que o recurso está

sendo usado (Slack et al., 2015) ou a razão

entre a taxa média de produção e a

capacidade máxima de produção

(Krajewski et al., 2009). A quantidade de

itens que estão sendo processados

simultaneamente em um dado momento

(WIP, work in proscess) é um indicador de

desempenho de SP, sendo desejado que o

WIP se mantenha em níveis baixos

(Groover, 2001). De acordo com Krajewski

et al. (2009), o desempenho de uma

indústria também pode ser vinculado ao

indicador de throughput (número de itens

que saem do SP), sendo este um indicador

do quanto o sistema gera de dinheiro e,

consequentemente, do lucro líquido e no

retorno sobre o investimento. Além dessas

medidas, pode ser utilizado o makespan,

que se refere ao tempo total para a

produção de um trabalho, ou a um grupo

deles (Gaither, 2002). Esse conjunto de

relações causais são a seguir sistematizadas

na forma de assertivas, que se referem a



Año 10, Vol. V, N° 19

ISSN: 1856-8327


48

frases síntese para as relações oferecidas

pela literatura.

Assertivas 1, Tempo de Setup: A redução

do tempo de setup permite reduzir o

tamanho do lote de produção e aumenta a

utilização dos recursos.

• Reduzir o tempo de troca de

ferramentas permite minimizar o lote de

produção e reduzir o estoque intermediário

e final de produtos; o tempo de execução de

produtos pode ser reduzido com pequenos

lotes de produção e a companhia pode

adaptar-se prontamente às ordens do

cliente e às alterações de demanda

(Monden, 2015, p. 43);

• Para que se atinja o ideal da

produção com estoque zero é necessário ter

tempos de setup menores que 10 minutos,

ou até mesmo segundos; a adoção da troca

rápida de ferramentas possibilita a

produção em pequenos lotes e, por

conseguinte, permite respostas rápidas às

flutuações da demanda (Shingo,1989, p.

98);

• A utilização da capacidade das

máquinas é aumentada com a redução do

tempo de setup, apesar de uma alta taxa de

utilização das máquinas ocasionar

superprodução, o que é uma situação pior

do que uma taxa baixa de utilização

(Monden, 2015, p. 43).

Assertiva 2, Tamanho de Lote: Lotes

pequenos reduzem o WIP. Lotes pequenos

aumentam o número de setups. Lotes

grandes aumentam o lead time.

• Lotes pequenos têm a vantagem de

reduzir o nível médio de WIP em relação

aos grandes, porém embora esses sejam

benéficos à produção, eles têm a

desvantagem de gerem uma frequência

muito maior de setups (Krajewski et al.,

2009, p. 290);

• Tamanhos de lotes reduzidos e a

diminuição de tempo de troca de

ferramentas reduzem o WIP (Ohno, 1997,

p. 107-108) e lotes grandes de produção tem

um elevado lead time no sistema produtivo

em relação a lotes menores (Krajewski et

al., 2009, p. 290);

• Quanto maior o tamanho de lote,

maior o tempo de processamento

correspondente e portanto, maior o lead

time da ordem de produção (Corrêa e

Corrêa, 2010, p.115).

Assertiva 3, Sequenciamento da Produção:

O adequado sequenciamento da produção

aumenta o nível de utilização dos recursos

produtivo, diminui o WIP e reduz o lead

time.

• A forma com que se sequenciam as

ordens de produção em sistemas Job Shop

é influenciadora do desempenho da

operação com repercussão estratégica no

nível de utilização dos recursos (Corrêa e

Corrêa, 2010, p. 580);

• O sequenciamento de produção

diminui o WIP e o tempo ocioso de

máquinas e trabalhadores, aumentando

assim a sua utilização (Chase, 2011, p. 585);

• O sequenciamento é crítico para o

desempenho do SP que produz em lotes de

produto, pois a maior parcela de lead time

está relacionada à espera do lote para ser

trabalhado em um dado recurso, sendo

que, caso essa função não seja

adequadamente estruturada, esse tempo



Año 10, Vol. V, N° 19

ISSN: 1856-8327


49

pode chegar facilmente a 80% do tempo

total (Tubino, 2009, p. 114);

• Os tempos de fila são dependentes

de como a programação é feita; a

programação de atividades e capacidade

deve ser feita simultaneamente e os lead

times são resultados da programação,

devendo ser considerado que uma hora

ganha no gargalo é uma hora ganha no

sistema global (Corrêa e Corrêa, 2010,

p.465).

Procedimentos metodológicos

Este trabalho tem natureza aplicada,

objetivo exploratório e abordagem

quantitativa (Silva e Menezes, 2001; Santos,

2007), podendo ser classificada em relação

aos procedimentos utilizados como um

estudo de modelagem e simulação (Silva e

Menezes, 2001).

Simulação é a imitação de um sistema

dinâmico usando um modelo

computacional para avaliar a melhora de

sua performance, consistindo no uso de

técnicas computacionais para simular a

operação de sistemas produtivos com o

objetivo de investigar a relação causal e

quantitativa entre as variáveis estudadas

(Harrell et al., 2012).

A pesquisa realizada seguiu as etapas

definida em Law (2003): formulação do

problema, criar um modelo conceitual;

desenvolver, verificar e validar o modelo

computacional; projetar, conduzir e

analisar para os cenários propostos;

documentar e apresentar os resultados da

simulação. O problema formulado se refere

a investigar como as medidas de eficiência

de um sistema de manufatura são afetadas

pela concepção de gestão adotada,

delimitada às decisões da empresa adotar

tamanhos de lotes pequenos ou grandes,

ser capaz de realizar setups em curto

espaço de tempo, ou em longos, e

programar diferentes sequenciamentos da

produção.

É importante destacar que o sistema

estudado não assume nenhuma

abordagem específica de gestão, uma vez

que não adota o kanban, não utiliza lotes de

produção unitários e não se propõe a

gerenciar o gargalo. O modelo de

simulação estudado foi baseado no sistema

de manufatura real estudado no trabalho

de Conceição (2005), referente a uma

fábrica de móveis organizada por

processos que assume características de

uma Job Shop com nove setores/centros de

trabalho, assim como em alguns dos

parâmetros estudados por Godinho Filho e

Uzsoy (2010).

O modelo conceitual simulado neste

trabalho considerou quarenta e três tipos

de produtos organizados em 10 classes (A-

J) que demandam o roteamento entre

diferentes setores (1-9), sendo que cada

classe possui uma quantidade distinta de

tipos de produtos (Tprodutos), representando

um percentual do mix de produção (%

mix), como indicado no Quadro 1.



Año 10, Vol. V, N° 19

ISSN: 1856-8327


50

Quadro 1. Roteamentos, Tipos de produtos e Percentuais do mix por Classe de produto

Classe Roteamento Tproduto % mix Classe Roteamento Tproduto % mix

A 1-2-3-4-6-7-8-9 11 25,6% F 1-2-3-8-9 2 4,7%

B 1-2-3-4 11 25,6% G 1-2-4 1 2,3%

C 1-2-3-5-4 8 18,6% H 1-3-5 1 2,3%

D 1-2-3-5-4-6 4 9,3% I 1-2-4-3 1 2,3%

E 1-3-4 3 7,0% J 1-2-3-7-8-9 1 2,3%

Preservando o conjunto de

máquinas/recursos de cada setor como

indicado em Conceição (2005) e com base

nas necessidades de produção indicadas no

Quadro 1, foram adotados tempos de

processamento (Tpsetor) com o objetivo de

equilibrar deterministicamente as cargas

de trabalho (Ct), ver Quadro 2. Observe que

as maiores Ct (210h) são 2,94% superiores a

menor Ct (204h), indicando o Setor 7 como

setor candidato à gargalo do sistema.

Quadro 2. Composição, Tempos de processamento e Carga de trabalho por Setor

Setores Máquinas Tpsetor Ct Tpmáquina

1 Corte T2 – T3 –T4 4,8min 206,4h 1,6 min

2 Prensa S1 – S4 – S5 – S6 – S10 4,2 min 210h 0,84 min

3 Viradeira V1 – V3 – VA 5,01 min 210,4h 1,67 min

4 Solda Ponto P1-P8-M1 5,31 min 209,1h 1,77 min

5 Solda MA 16 min 208h 16 min

6 Lixadeira L1 14 min 210h 14 min

7 Limpeza LM 17 min 204h 17 min

8 Pintura P1 15 min 210h 15 min

9 Montagem Final MF 15 min 210h 15 min

Com base nessas parametrizações foi então

construído o modelo computacional,

utilizando o software Flexsim®, ver Figura

1. O modelo é constituído de dezenove

recursos fixos (máquinas), vinte filas de

espera por processamento, sendo uma de

entrada e uma de saída de cada setor, além

destes uma fila com os produtos a serem

processados (IN T41) e outra para produtos

já produzidos (IN T42). É importante

destacar que o sistema de movimentação

de materiais modelo não foi estudado,

portanto não foram utilizados recursos

móveis para o transporte das entidades

(dez diferentes classes de produto) em

movimento pela produção, cada uma delas

representada em cores distintas. Outra

simplificação adotada é que as diferentes

máquinas de um mesmo setor realizam os

mesmos tipos de processamento em cada

classe de produto, sendo assim o TpSetor

determinístico utilizado no balanceamento

inicial foi repartido igualmente entre as

máquinas de um dado setor (Tpmáquina).



Año 10, Vol. V, N° 19

ISSN: 1856-8327


51

Figura 1. Modelo computacional

Uma vez concebido, o modelo

computacional foi verificado e validado. A

verificação avaliou a realização os

roteamentos para cada uma das dez classes

de produtos, o atendimento do mix de

produção, o cumprimento dos tempos de

processamento e a ocorrência e os tempos

previstos para os setups. Em função da

característica teórica do modelo conceitual

adotado a validação se deu pela

constatação que o modelo computacional é

capaz de representar o modelo indicado em

Conceição (2005), que por sua vez

representa uma situação real.

De modo a permitir a responder o

questionamento de pesquisa, os cenários

foram idealizados tendo sido variados

intencionalmente os tamanhos dos lotes a

serem produzidos, os tempos de setup em

cada uma das máquinas do sistema e a

sequência de envio dos lotes para

processamento, considerados parâmetros

do modelo de simulação. Para cada um dos

nove cenários investigados (C), a simulação

foi conduzida considerando a produção de

dez mil unidades proporcionais as

quantidades dos diferentes tipos de

produtos, a disponibilidade de todos os

recursos, durante todo o tempo de

processamento, e sem tempo de warm up.

O Quadro 3 apresenta os tamanhos dos

lotes (Tlote) que assumem valores entre 1un,

50 ou 100un; os tempos de setup (Tsetup)

foram considerados estocásticos, seguindo

distribuições normais com média e desvios

padrão iguais a 10% da média (nas

dezenove máquinas do sistema); e o

sequenciamento de processamento (Seq)

investigados em ordem aleatória (A),

sequenciada (S), de acordo com a ordem de

das classes e quantidades apresentadas no

Quadro 1, e sequenciado/aleatório (S/A), na

qual 50% dos itens (cinco mil) foram

ordenados na sequência apresentada no

Quadro 1 e os demais 50% em ordem

aleatória. É importante destacar que o

controle adotado para os tamanhos dos

lotes enviados ao sistema no início do

processamento foi distinto controle de

fluxo dos itens lotes unitários de



Año 10, Vol. V, N° 19

ISSN: 1856-8327


52

transferência entre os setores,

procedimento que tende produzir tempos

totais de processamento menores.

Os cenários foram replicados um número n

de vezes (Nrep) por um tempo

computacional de simulação (Temposim),

ver Quadro 3, sendo que, em todos os

casos, o Erro (em min), que corresponde à

metade da amplitude do intervalo de

confiança, associado ao tempo total para

completar processamento os dez mil itens

(makespan) foi inferior ao erro absoluto

considerado aceitável de 30min. O

intervalo de confiança de 95% para o valor

médio do makespan (makespanmédio, em

min) foi aceito como válido bem como os

valores médios obtidos para as demais

medidas de performance estudadas. Todos

cenários se apresentaram estatisticamente

diferentes entre si para o makespanmédio,

como é possível verificar pela comparação

entre os limites inferiores (LI, em min) e

superiores (LS, em min), apesar de uma

exceção referente aos cenários 1 e 3.

Quadro 3. Cenários de Simulação

C Tlote Tsetup ( ; ) Seq Nrep Temposim Erro LI Makespanmédio LS

0 50 N (5,25; 0,525) S/A 10 3min:32s 9,30 51390,3 51399,6 51408,9

1 100 N (0,5; 0,05) A 20 3 min:32s 3,10 51224,5 51227,6 51230,7

2 1 N (10; 1) A 120 3 min:21s 26,50 62369,0 62395,3 62422,0

3 1 N (0,5; 0,05) A 10 1 min:30s 5,15 50432,9 50438,1 50443,2

4 100 N (10; 1) A 20 4 min:37s 23,00 51960,0 51982,8 52006,0

5 100 N (0,5; 0,05) S 20 3 min:29s 4,50 51329,2 51333,7 51338,2

6 100 N (10; 1) S 20 3 min:39s 8,15 53422,5 53430,6 53438,8

7 1 N (0,5; 0,05) S 20 4 min:08s 2,30 50232,4 50234,7 50237,0

8 1 N (10; 1) S 140 23 min:28s 22,00 56067,0 56089,0 56111,0

Resultados e Discussão

O comportamento não linear da dispersão

dos makespanmédio pode ser observado na

Figura 2, na qual destaca-se o cenário 7 com

o menor valor de makespanmédio (837,2

horas) e o cenário 2 com o maior valor

(1039,9 horas), sendo assim 24,21% maior

(202,7 horas). Além disso, a Figura 2

apresentada uma categorização entre

cenários (alto, médio e baixo desempenho)

realizada com base em um critério de

relevância prática segundo o qual

diferenças superiores a 480 minutos (8h),

correspondendo aproximadamente 1 dia

de trabalho. Nesse sentido, são diferenças

importantes que merecem uma análise

aprofundada àquelas superiores a 8h no

makespanmédio, a exemplo do que ocorre

entre os cenários 1 e 3, entre os cenários 0 e

4 assim como entre cada um dos cenários

da categoria analítica baixo desempenho.



Año 10, Vol. V, N° 19

ISSN: 1856-8327


53

Figura 2. Categorização dos cenários por makespanMédio (min)

Os valores médios dos indicadores de

performance estudados são apresentados

no Quadro 4, para o intervalo de confiança

de 95%, em ordem crescente de

makespanmédio: utilização do sistema

(UmédiaS, em %), número de itens em espera

na fila gargalo (NmédioG, em unidades),

tempo de espera dos itens na fila gargalo

(TmédioG, em minutos), número de itens em

processamento em todo o sistema (WIPmédio,

em unidades). O gargalo do sistema foi a

fila de entrada do Setor 5 (IN MA), com

maiores valores de NmédioG e TmédioG

diferentemente do previsto no

balanceamento determinístico das cargas

de trabalho dos setores.

Quadro 4. Valores das medidas de performance estudadas (em minutos), por cenário

C Makespanmédio(min) WIPmédio(un) UmédiaS(%) NmédioG(un) TmédioG(min)

7 50234,69 4643,34 31,49 1238,37 21149,03

3 50438,05 4700,60 32,48 1225,90 21019,16

1 51227,57 4999,75 31,04 1243,40 21236,05

5 51333,67 4999,75 30,92 1311,02 22434,26

0 51399,59 4999,75 31,90 1256,95 21543,74

4 51982,85 4999,75 32,60 1174,25 20350,64

6 53430,61 4999,75 30,32 1257,68 22400,71

8 56089,02 4840,17 38,95 973,89 18532,70

2 62395,29 4906,15 53,89 702,55 14846,00

Os cenários com alto desempenho (7 e 3),

nos quais o Tlote=1un e o Tsetup das máquinas

foi baixo e [N(0,5; 0,05)], indicaram que

quanto menor o makespanmédio menor é o

WIPmédio independentemente do

sequenciamento de lotes adotado. Assim, a

adoção de lotes unitários e a habilidade de

realizar baixos Tsetup parecem indicar serem

Alto Médio Baixo



Año 10, Vol. V, N° 19

ISSN: 1856-8327


54

fatores chave para a obtenção de menores

makespanmédio e menores é o WIPmédio. Para

esses cenários não foi evidenciado haver

relação entre os menores makespanmédio e o

fato de os recursos do sistema estarem

sendo utilizados em suas capacidades

máximas, dado a UmédiaS ter variado entre

30% e 33% para a maioria dos cenários, à

exceção dos cenários 2 e 8 com pior

desempenho dentre todos. Similar

raciocínio pode ser realizado em relação às

variáveis relacionadas ao gargalo do

sistema, dado o fato de nos cenários 7 e 3 o

número médio de itens em espera para

processamento no Setor 5 (NmédioG) ter sido

de ordem de grandeza similar aos demais

cenários. Esse raciocínio é valido para a

variável TmédioG, porém em direção inversa.

Quando analisados os cenários com médio

desempenho (1, 5 e 0) observou-se que não

é possível afirmar que exista diferença

entre os WIPmédio em relação aos cenários

com baixo desempenho, o que é válido para

as variáveis UmédiaS, NmédioG e TmédioG, à

exceção dos cenários 2 e 8 que tiveram o

pior desempenho dentre todos. Em relação

aos cenários 1 e 5, o desempenho médio

parece estar relacionado à habilidade de

realizar baixos tempos de setup, mesmo

que os tamanhos de lote sejam grandes

(100un), independentemente do

sequenciamento de lotes adotado. O fato do

cenário 0 ter tido um desempenho médio

parece indicar que makespanmédio é afetado

por uma combinação entre o Tsetup, o Tlote e

o sequenciamento, reforçando a

constatação de interação entre os mesmos.

Apesar disso, é importante lembrar que o

tamanho dos lotes teve seu efeito atenuado

em função terem sido utilizados dos lotes

de transferência unitários. Corrêa e Corrêa

(2010) sustentam que, em presença de

gargalos produtivos, o lote de transferência

pode não ser, e frequentemente não deveria

ser, igual ao lote de processamento para

diluir os tempos de setup. O autor sustenta

que deveriam ser mantidos lotes de

produção grandes no gargalo de modo a

minimizar o tempo com setup, uma vez

que, são eles que determinam o fluxo do

sistema e definem seus estoques recursos

em processamento.

Todos os cenários com baixo desempenho

(4, 6, 8 e 2) tiveram Tsetup alto não

importando o Tlote e sequenciamento de

lotes adotado. Como era esperado os

cenários 8 e 2 apresentaram o pior

desempenho, que além de terem um Tsetup

alto têm um aumento no número de setups

(Tlote=1un), combinação o que prejudica o

makespanmédio, reforçando a existência de

uma relação tripla entre os parâmetros

utilizados para ajustar os cenários

investigados (Tsetup, o Tlote e o

sequenciamento). Vale destacar que os

melhores desempenhos dos cenários 2 e 8

nas variáveis UmédiaS, NmédioG e TmédioG

foram obtidos a custa de maiores

makespanmédio.

Nesse sentido, os resultados obtidos

indicam que as medidas de performance

estudadas são afetadas, em ordem de

importância, pelo Tsetup, Tlote e

sequenciamento, porém não deve ser



Año 10, Vol. V, N° 19

ISSN: 1856-8327


55

descartada a existência de uma relação não

linear entre os mesmos.

Os resultados obtidos também podem ser

cotejados em relação aos conceitos teóricos

caracterizados na literatura na forma de

assertivas, sistematizadas na seção 2. O

estudo dos cenários com alto desempenho

(7 e 3) permitiu concluir em relação ao nexo

causal estabelecido pela: assertiva 1 foi

verificado pelo fato de a redução do Tsetup

permitir reduzir o Tlote, porém não houve

comprovação de que a redução do Tsetup

tenha produzido aumento UmédiaS; assertiva

2, foi verificado em relação ao fato de que

em presença de pequenos Tlote os WIPmédio

foram os menores dentre todos os cenários;

assertiva 3 não foi verificado já que o

sequenciamento de produção não

aumentou o nível de utilização dos

recursos produtivos, diminuiu o WIP ou

reduziu o lead time. Em relação aos cenários

com baixo desempenho (4, 6, 8 e 2)

verificou-se que: não foi verificado o nexo

causal estabelecido pela assertiva 1 já que o

tamanho Tlote e o sequenciamento assumem

uma importância menor em presença de

altos Tsetup; foi verificada a assertiva 2 dado

grandes Tlote aumentarem o lead time; não

foi verificada a assertiva 3, uma vez que, o

sequenciamento de produção não

influenciou a utilização dos recursos

produtivos, o WIP ou o lead time.

Os resultados obtidos sugerem que as

decisões tomadas no gerenciamento da

produção em relação ao tempo de setup,

tamanho de lote e sequenciamento não

podem ser tomadas dissociadas de uma

opção consciente sobre a abordagem

adotada para a gestão do SP. Além disso,

foi constatada uma relação de dependência

entre os três fatores investigados, uma vez

que, é a habilidade de realizar tempos de

setup baixos que permite a decisão sobre a

redução nos tamanhos de lotes. Nesse

sentido, a decisão de balancear, ou nivelar,

o fluxo de produção deve ser precedido

pelo estabelecimento de uma capacidade

de realizar setup rápido. Sabidamente a

capacidade de alterar o tempo, depende de

planejamento e de investimento financeiro,

podendo estar associada à automação ou a

estudos de otimização. Assim, as decisões

de planejamento e controle da produção de

alterar o tamanho do lote, o

sequenciamento da produção e,

consequentemente, o número de setup, não

são independentes da habilidade de alterar

rapidamente os setups.

Em relação aos nexos causais descritos na

literatura entre fatores e medidas de

performance de sistema de produção, os

resultados indicaram que a redução no

tempo de setup é elemento chave para a

redução do makespan e do WIP, produzindo

consequentemente menores lead time. Além

disso, não foi possível evidenciar o impacto

dos fatores investigados no gargalo, tanto

em relação a sua utilização quanto em

relação aos tempos de espera.



Año 10, Vol. V, N° 19

ISSN: 1856-8327


56

A avaliação do impacto das decisões de

gerenciamento da produção permitiu

estudar os nexos causais entre os fatores

estudados e entre estes e as medidas de

performance adotadas para o SP

organizado como uma Job Shop estudado.

Os resultados obtidos com o auxílio de

simulação computacional indicam que as

medidas de performance estudadas são

especialmente afetadas pelo tempo de

setup e, em menor medida, pelo Tlote e

sequenciamento em uma relação tripla que

parece não ser linear. Verificou-se que a

adoção de lotes unitários e a habilidade de

realizar baixos tempos de setup são fatores

chave para a para a obtenção de menores

makespan e WIP, independentemente do

sequenciamento de lotes adotado, porém

não foi evidenciada a existência de uma

relação direta entre os menores makespan

e aumento da utilização média do sistema.

Foram identificados indícios de que os três

fatores agem de forma combinada em

relação ao makespan e ao WIP, tanto nos

melhores cenários de melhor performance

quanto de pior, não deve ser descartada a

existência de uma relação não linear entre

os mesmos.

O estudo realizado confirmou os nexos

causais descritos na literatura,

especialmente aqueles que relacionam o

tempo de setup e o lead time, porém o

tamanho do lote e o sequenciamento dos

lotes assumem uma importância menor na

ausência de baixos tempos de setup. Dessa

forma, em situações em que não é adotada

uma específica estratégia de gerenciamento

da produção a empresa deveria investir

mais tempo e recursos na redução dos

tempos de setup, para posteriormente

diminuir os tamanhos dos lotes e só então

priorizar um sistema de sequenciamento

da produção. Como sugestão para

trabalhos futuros indica-se estudar o efeito

de lotes de transferência com tamanho

igual aos lotes de produção, bem como a

existência de relações não lineares entre os

fatores estudados na produção da

performance do sistema.

Chase, J. (2011). Operations and Supply Chain

management. (13a ed). New York: Mcgrall-Hill.

Conceição, S. V. (2005). Otimização do fluxo de

materiais através da manufatura celular.

Produção, 15 (2), 235-250. DOI:

http://dx.doi.org/10.1590/S0103-

65132005000200008

Corrêa, H. L.; Gianesi, I.N. (2016) Planejamento,

programação e controle da produção: MRP II/ERP:

conceitos, uso e implementação: base para SAP,

Oracle Applications e outros softwares integrados

de gestão. (5a ed). São Paulo: Atlas.

Corrêa, H.L; Corrêa, A.C. (2010). Administração

de Produção e Operações: manufatura e serviços:

uma abordagem estratégica (2a ed). São Paulo:

Atlas.

Gaither, N.; Frazier, G. (2002). Administração da

Produção e Operações. (8a ed). São Paulo: Pioneira

Thomson Learning.

CONSIDERAÇÕES FINAIS

Referências

http://dx.doi.org/10.1590/S0103-65132005000200008

http://dx.doi.org/10.1590/S0103-65132005000200008



Año 10, Vol. V, N° 19

ISSN: 1856-8327


57

Godinho Filho, M.; Uzsoy, R. (2010). Estudo do

efeito de programas de melhoria contínua em

variáveis do chão de fábrica na relação entre

tamanho de lote de produção e lead time.

Gestão e Produção, 17 (1), 137-148. DOI:


530X2010000100011

Goldratt, E.M. (2009). Standing on the

Shoulders of Giants – Production concepts

versus production applications The Hitachi

Tool Engineering example. Gestão e Produção, 16

(3), 333-343. DOI:


530X2009000300002

Groover, M.P. (2001). Automation, Production

Systems, and Computer-Integrated Manufacturing.

(2a ed). Upper Saddle River: Prentice Hall.

Harrell, C.; Ghosh, B.K.; Bowden, R.O. (2012).

Simulation using ProModel, (3a ed). Singapore:

McGraw Hill.

Krajewski, L.; Ritzman, L.; Malhotra, M. (2009).

Administração da Produção e Operações. (8a ed).

São Paulo: Pearson Prentice Hall.

Law, A.M. (2003). How to conduct a successful

simulation study. Proceedings of the 2003 Winter

Simulation Conference, 66-70. Recuperado de:

http://citeseerx.ist.psu.edu/viewdoc/download

?doi=10.1.1.75.443&rep=rep1&type=pdf

Miguel, P.A.C. org. (2012). Metodologia de

pesquisa em engenharia de produção e gestão de

operações. Rio de Janeiro: Elsevier.

Monden, Y. (2015). Sistema Toyota de Produção:

uma abordagem integrada ao Just-in-time. (4a ed).

Porto Alegre: Bookman.

Ohno, T. (1997). O Sistema Toyota de produção:

Além da produção em larga escala. Porto Alegre:

Bookman.

Pacheco, A.P.; Lacerda, D.P.; Neto, S.C.; Jung,

C.F.; Junior J.A. (2014). Balanceamento de fluxo

ou balanceamento de capacidade? Análises e

proposições sistêmicas. Gestão e Produção, 21(2),

355-367. DOI: http://dx.doi.org/10.1590/S0104-

530X2014005000006

Santos, A. R. (2007). Metodologia Científica: a

construção do conhecimento. Rio de Janeiro:

Lamparina.

Silva, E. L.; Menezes, E. M. (2001). Metodologia

da Pesquisa e Elaboração de Dissertação.

Florianópolis: UFSC.

Shingo, S.; Dillon A.P. (1989) A Study of the

Toyota Production System: From an Industrial

Engineering Viewpoint. Productivity Press:

Cambridge.

Slack, N.; Brandon-Jones, A.; Johnston, R.

(2015). Administração da Produção. (4a ed). São

Paulo: Atlas.

Tubino, D. F. (2009). Planejamento e controle da

produção: Teoria e prática. (4a ed). São Paulo:

Atlas..

http://dx.doi.org/10.1590/S0104-530X2010000100011

http://dx.doi.org/10.1590/S0104-530X2010000100011

http://dx.doi.org/10.1590/S0104-530X2009000300002

http://dx.doi.org/10.1590/S0104-530X2009000300002

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.75.443&rep=rep1&type=pdf

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.75.443&rep=rep1&type=pdf

http://dx.doi.org/10.1590/S0104-530X2014005000006

http://dx.doi.org/10.1590/S0104-530X2014005000006



Año 10, Vol. V, N° 19

ISSN: 1856-8327


58

Autores

Patrick Gabbi. Curso de Engenharia de Produção e Sistemas, Centro de Tecnologia,

Universidade Federal de Santa Maria, Santa Maria, Brasil.

ORCID: https://orcid.org/0000-0002-4324-1475

E-mail: [email protected]

Marcelo Battesini. Departamento de Engenharia de Produção e Sistemas, Centro de Tecnologia,

Universidade Federal de Santa Maria, Santa Maria, Brasil.

ORCID: https://orcid.org/0000-0002-9063-0959

E-mail: [email protected]

Recibido: 17-05-2017 Aceptado: 04-12-2017

https://orcid.org/0000-0002-4324-1475

mailto:[email protected]

https://orcid.org/0000-0002-9063-0959

mailto:[email protected]

Documents

Impacto de decisões de gerenciamento da produção na ...servicio.bc.uc.edu.ve/ingenieria/revista/Inge-Industrial/volv-n19/... · time da ordem de produção (Corrêa e Corrêa,