UNIVERSIDADE FEDERAL DE UBERLÂNDIA - UFU

GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO

Aline Andrade Lima

Mariana de Freitas Medeiros

Simulação de eventos aplicada em uma indústria de café

ITUIUTABA

2019
 Aline Andrade Lima
Mariana de Freitas Medeiros

Simulação de eventos aplicada em uma indústria de café

Trabalho de conclusão de curso de

caráter obrigatório para conclusão da
graduação em Engenharia de Produção
na Universidade Federal de Uberlândia.
Área de concentração: Pesquisa
Operacional
Orientador: Jorge von Atzingen dos Reis

ITUIUTABA

2019
 Simulação de eventos aplicada em uma indústria de café

Trabalho de conclusão de curso de

caráter obrigatório para conclusão da
graduação em Engenharia de Produção
na Universidade Federal de Uberlândia,
pela banca examinadora formada por:

Ituiutaba, 03 de Julho de 2019.

Prof. Dr. Jorge von Atzingen dos Reis (orientador)

Universidade Federal de Uberlândia

Prof. Dr. Ricardo Batista Penteado

Universidade Federal de Uberlândia

Prof. Dr. Lucio Abimael Medrano Castillo

Universidade Federal de Uberlândia
 AGRADECIMENTOS

Agradecemos à Universidade Federal de Uberlândia pela oportunidade de

cursarmos uma graduação, ao nosso orientador Prof. Dr. Jorge von Atzingen dos
Reis pelo suporte durante a elaboração deste trabalho. A todo corpo docente por
compartilharem suas experiências e ensinamentos durante esses anos de
graduação, em especial aos professores presentes nesta banca Prof. Dr. Lúcio
Abimael Medrano Castillo e Prof. Dr Ricardo Batista Penteado. Agradecemos
também a empresa por nos apoiar e permitir o desenvolvimento dessa pesquisa.
Aos nossos amigos pelo companheirismo e apoio durante todos esses anos.
“Só há uma coisa pior do que formar
colaboradores e eles partirem. É não
formá-los e eles permanecerem.”
Henry Ford
“Se você acredita que o treinamento é
caro, experimente a ignorância.”
Derek Bok
 RESUMO

O presente trabalho consiste na realização de uma pesquisa para conhecer a

capacidade disponível de produção instalada em uma fábrica de café, localizada em
Ituiutaba, Minas Gerais. A pesquisa teve início com o conhecimento e mapeamento
do processo produtivo da fábrica. O mapeamento de um processo consiste em uma
descrição do sequenciamento de etapas de um processo produtivo, que tem por
finalidade representar a transformação dos insumos em produtos e serviços
acabados. Posteriormente foi realizada a coleta e análise de dados de cada
operação do processo. Esse método frequentemente é empregado para a aplicação
da simulação. A simulação é uma vertente da pesquisa operacional que tem como
propósito avaliar o comportamento de um sistema e fazer experimentos de um
cenário futuro, de forma a auxiliar na tomada de decisão. Essa técnica pode ser
utilizada para saber a capacidade produtiva dos processos e da organização. Dessa
forma foi possível mensurar a capacidade produtiva, assim como identificar gargalos
para o qual foi proposto melhorias. O conhecimento da capacidade produtiva pode
influenciar nas estratégias da empresa, assim como da cadeia de suprimentos que
ela está inserida.

Palavras-chave: Simulação de Sistemas, Capacidade Produtiva, Mapeamento do

Processo.
 ABSTRACT

The present work consists in the accomplishment of a research to know the available
production capacity installed in a coffee factory, located in Ituiutaba, Minas Gerais.
The research began with the knowledge and mapping of the productive process of
the factory. The mapping of a process consists of the description of the sequencing
of stages of a productive process, whose purpose is to represent the transformation
of inputs into finished products and services. Subsequently the data collection and
analysis of each process operation was performed. This method is often used for the
simulation application. The simulation is an aspect of the operational research whose
purpose is to evaluate the behavior of a system and to make experiments of a future
scenario in order to aid in the decision making. This technique can be used to know
the productive capacity of the processes and the organization. In this way it was
possible to measure the productive capacity as well as identify bottlenecks for which
improvements were proposed. The knowledge of productive capacity can influence
the strategies of the company, as well as of the supply chain that it is inserted.

Keywords: Systems Simulation, Production Capacity, Process Mapping.

 LISTA DE ILUSTRAÇÕES

Figura 2.2.1 - Símbolos de mapeamento de processos............................................................... 18

Figura 4.1 - Mapeamento da fábrica ............................................................................................... 32

Figura 4.2 - Mapeamento do processo cru .................................................................................... 32
Figura 4.3 - Mapeamento do processo a vácuo 250 g e/ou 500 g ............................................. 33

Figura 4.4 - Mapeamento dos processos de 250 g e/ou 500 g................................................... 33

Figura 4.5 - Mapa de fluxo de valor para processo 500 g ........................................................... 35

Figura 4.6 - Mapa de fluxo de valor para processo 250 g ........................................................... 35

Figura 4.7 - Gráfico de análise do tempo de ciclo para processo 500 g ................................... 36

Figura 4.8 - Gráfico de análise do tempo de ciclo para processo 250 g ................................... 37
Figura 4.9 - Diagrama da simulação da fábrica ............................................................................. 47
 LISTA DE TABELAS

Tabela 3.3.1 - Classificação da pesquisa ....................................................................................... 22

Tabela 3.3.2 - Amostragem dos processos.................................................................................... 24

Tabela 4.1 - Análise estatística dos dados ..................................................................................... 34
Tabela 4.2 - Simulação com Moinho 1 para processo 500 g ...................................................... 39

Tabela 4.3 - Simulação com Moinho 2 para processo 500 g ...................................................... 39

Tabela 4.4 - Simulação com os dois moinhos para processo 500 g .......................................... 40

Tabela 4.5 - Simulação com os dois moinhos e mesma capacidade para processo 500 g ... 41
Tabela 4.6 - Simulação com Moinho 1 para processo 250 g ...................................................... 41

Tabela 4.7 - Simulação com o Moinho 2 para processo 250 g ................................................... 42

Tabela 4.8 - Simulação com os dois moinhos para processo 250 g .......................................... 42
Tabela 4.9 - Simulação com os dois moinhos e mesma capacidade para processo 250 g ... 43
Tabela 4.10 - Simulação com o moinho 1 para processo 500 g a vácuo.................................. 43
Tabela 4.11 - Simulação com o moinho 2 para processo 500 g a vácuo.................................. 44
Tabela 4.12 - Simulação com os dois moinhos para processo 500 g a vácuo ........................ 44

Tabela 4.13 - Simulação processo 500 g a vácuo automatizado ............................................... 45

Tabela 4.14 - Simulação com o moinho 1 para processo 250 g a vácuo.................................. 45
Tabela 4.15 - Simulação com o moinho 2 para processo 250 g a vácuo.................................. 45
Tabela 4.16 - Simulação com os dois moinhos para processo 250 g a vácuo ........................ 46
Tabela 4.17 - Simulação processo 250 g a vácuo automatizado ............................................... 46
Tabela 4.18 - Simulação processo torrado .................................................................................... 46

Tabela 4.19 - Simulação fábrica ...................................................................................................... 48

 LISTA DE SIGLAS E ABREVIATURAS

CB Capacidade do processo

TC Tempo de ciclo

TT Takt time

TO Taxa de ocupação

UFU Universidade Federal de Uberlândia

g grama

kg quilograma

s segundo
 SUMÁRIO

1. INTRODUÇÃO .........................................................................................................................................12
1.1. OBJETIVO ................................................................................................................................ 13
1.2. PROCEDIMENTO METODOLÓGICO .............................................................................................. 13
1.3. RELEVÂNCIA DA PESQUISA ....................................................................................................... 14
1.4. DELIMITAÇÃO DO TRABALHO ..................................................................................................... 14
1.5. ESTRUTURA DO TRABALHO .................................................................................................................. 15
2. FUNDAMENTAÇÃO TEÓRICA ..................................................................................................................15
2.1. CAPACIDADE PRODUTIVA ......................................................................................................... 15
2.2. MAPEAMENTO DE PROCESSOS.................................................................................................. 17
2.3. SIMULAÇÃO ............................................................................................................................. 20
2.3.1. Simulação de eventos discretos .................................................................................... 21
2.3.2. Simulação de eventos contínuos ........................................................................................... 22
3. METODOLOGIA DE PESQUISA .................................................................................................................22
3.1. CARACTERIZAÇÃO DA PESQUISA ............................................................................................... 22
3.2. QUESTÕES DE PESQUISA.......................................................................................................... 23
3.3. TÉCNICAS DE COLETA DE DADOS .............................................................................................. 24
3.4. TÉCNICAS DE ANÁLISE DE DADOS .............................................................................................. 25
3.5. PROCEDIMENTOS METODOLÓGICOS – ETAPAS .......................................................................... 25
3.6. PASSO A PASSO DA SIMULAÇÃO .......................................................................................................... 26
4. RESULTADOS ..........................................................................................................................................32
5. CONSIDERAÇÕES FINAIS .........................................................................................................................48
 12

1. INTRODUÇÃO

A administração da produção é encarregada pelo gerenciamento de recursos

necessários a produção de bens e/ou serviços e abrange a função produção que é
responsável por produzir e entregar seus produtos e/ou serviços em busca de
atender a necessidade de seus clientes. Para atender a demanda de seus
consumidores de forma satisfatória se faz essencial conhecer a capacidade
produtiva da organização (SLACK et al, 2009).

Atualmente as empresas veem a capacidade de produção como volume

máximo que a linha de produção instalada é capaz de produzir em um determinado
instante de tempo, não é sempre que o volume de saída corresponde ao seu
potencial (CORRÊA e CORRÊA, 2005).

De acordo com Slack et al (2009), apesar de existir uma capacidade máxima

dessas operações é preciso levar em consideração o tempo de processamento de
cada uma delas. Para entender cada operação é preciso definir seu início e término,
o que pode ser obtido a partir de um mapeamento de processo.

O mapeamento de processo é uma técnica visual que descreve

o relacionamento entre as atividades dentro do processo, ele é capaz de fornecer a
sequência das atividades, os recursos de entrada, processamento e produto
acabado, dentre outras informações (SLACK et al, 2009).

Existem diversas técnicas para fazer um mapeamento na qual pode utilizar ou

não uma simbologia na classificação de cada atividade, de forma a evidenciar cada
estação de trabalho, o que possibilita a implementação de melhorias nas operações
(SLACK et al, 2009). Por permitir uma melhor visualização do processo, o
mapeamento serve como suporte para a elaboração da simulação de sistemas.

Segundo Taha (2008), a simulação é uma representação de um sistema

aleatório que tem como objetivo determinar um valor aproximado do desempenho de
cada processo. O princípio da simulação desenvolve a partir da escolha de software
que concede a maneira como os dados deverão ser coletados para que possam ser
submetidos a uma análise estatística posteriormente.

Na atualidade a simulação se fundamenta no estudo sobre a forma como os

sistemas reais se comportam de acordo com o tempo, podendo haver mudanças
 13

contínuas no decorrer do tempo ou mudanças em pontos discretos do tempo, sendo

assim caracterizadas respectivamente como uma simulação de modelos contínuos
ou discretos (TAHA, 2008).

Diante desse contexto houve a identificação de uma indústria para a qual era
desconhecida a capacidade produtiva instalada. Desta forma, desenvolveu-se um
estudo com a pretensão de verificar o potencial de produção da fábrica, que
proporcionará para a organização uma clareza quanto ao sistema de produção e as
alternativas de mudança no sistema tático e operacional.

1.1. Objetivo

O objetivo desta pesquisa é determinar a capacidade disponível de produção

instalada na fábrica. Mais especificamente:

- Fazer o mapeamento do processo produtivo;

- Coletar dados estatísticos sobre cada processo;

- Analisar os dados coletados utilizando um teste de distribuição estatístico;

- Propor melhorias para redução de custos e/ou aumento do market share;

- Proporcionar uma iteração entre universidade e empresa utilizando uma

ferramenta de pesquisa operacional.

1.2. Procedimento metodológico

O estudo consiste na realização de uma pesquisa aplicada, descritiva

empírica, de caráter qualitativo e quantitativo que abrange a capacidade produtiva,
mapeamento do processo, análise estatística e simulação de sistemas, que faz
utilização de referências bibliográficas para descrever sobre esses temas que
podem contribuir nas tomadas de decisões referentes à linha de produção.
Para atingir o objetivo da pesquisa é necessário conhecer a linha de
produção, mapear o processo, coletar os tempos de processamento de cada etapa,
armazenar os dados, analisar estatisticamente e posteriormente aplicar a simulação
no software Anylogic©. A escolha do software foi motivada por este trabalhar com
 14

eventos discretos e contínuos, assim como ser de fácil acesso e gratuito para fins
acadêmicos.
De acordo com Brito (2011) o software Anylogic© engloba fatores discretos e
contínuos em apenas um modelo e ele tem como base a linguagem em Java para
estabelecer a lógica da simulação. Essa linguagem requer um nível básico de
conhecimento como por exemplo o uso de apenas algumas expressões, visto que o
próprio software consegue manusear parte da programação sem a necessidade da
atuação do programador.

1.3. Relevância da pesquisa

A pesquisa proporciona ao ambiente empresarial uma ferramenta para a

tomada de decisões estratégicas envolvendo o processo produtivo, permitindo
através da simulação, identificar gargalos, testar a viabilidade de acrescentar ou
reduzir equipamentos e/ou funcionários, ver a necessidade de expandir seus
parceiros de negócios. A aplicação adequada da simulação em uma organização
pode acarretar um aumento significativo de receita. Em relação ao ambiente
acadêmico, a pesquisa mostra a existência de análises de caráter qualitativas e
quantitativas. O trabalho também aborda duas temáticas complexas da engenharia
de produção, o mapa de fluxo de valor e a simulação de sistemas, o que possibilita
que este sirva como base para trabalhos futuros. Além disso, pode ser publicado,
divulgando o nome da universidade, de forma a agregar valor a ela e ao curso.

1.4. Delimitação do trabalho

Simular o cenário atual de todas as linhas de produção existentes na fábrica,

para quantificar a capacidade máxima, sem a contratação de novos funcionários ou
compra de novos equipamentos. Com o resultado alcançado pode-se manter os
equipamentos que existem na fábrica ou a viabilidade de abrir um novo polo
industrial.
 15

1.5. Estrutura do trabalho

A estrutura do trabalho apresenta no primeiro capítulo a introdução que obtém

uma contextualização do que será abordado durante o estudo, no segundo capítulo
retrata a fundamentação teórica que engloba temas que sejam suporte para o
entendimento da aplicação executada, a seguir nos métodos de pesquisa estão os
meios utilizados para coleta e análise de dados e as etapas realizadas para a
simulação, posteriormente são descritos os resultados e interpretações da pesquisa
e por fim as considerações finais que contém informações que auxiliam nas tomadas
de decisões e proporcionam sugestões de melhoria.

2. FUNDAMENTAÇÃO TEÓRICA

Este capítulo abordará os temas de capacidade produtiva, mapeamento de

processo e simulação de sistemas, sendo todos de suma importância para o
entendimento da pesquisa.

2.1. Capacidade Produtiva

Capacidade representa o quanto pode ser produzido em determinado

processo e ela é expressa em razão temporal ou atemporal. A capacidade projetada
de uma organização significa a capacidade máxima que ela está apta a produzir de
acordo com suas instalações. Porém as indústrias nem sempre tomam a decisão de
operar no seu limite de produção, pois se torna difícil absorver variações na oferta
de insumos ou de demanda (LUSTOSA et al, 2008).

As empresas têm como objetivo produzir de forma que atenda toda sua
demanda e os gestores de operações são responsáveis por garantir que a linha de
produção tenha capacidade essencial para atender seus clientes. A capacidade é
uma variável que influencia nas tomadas de decisões em curto, médio e longo
prazos (CORRÊA e CORRÊA, 2012).

A capacidade de produção constitui-se de um encadeamento de atividades

em máxima condição de produção. Existem diversos fatores que podem influenciar
na capacidade de produção instalada, dentre eles: ausências de funcionários,
 16

quebra de maquinários e atrasos nas entregas de insumos necessários para a

produção (GAITHER e FRAIZER, 2002).

A capacidade de produção pode ser classificada como: instalada, disponível,

efetiva ou realizada. Instalada é o máximo que a fábrica consegue produzir sem
interrupções, desconsiderando as perdas. Disponível é o máximo que pode ser
produzido durante a jornada líquida de trabalho e não leva em consideração as
perdas. Efetiva significa a capacidade disponível eliminando as perdas planejadas. E
a realizada consiste na subtração das perdas planejadas e não planejadas da
capacidade disponível (Staudt et al, 2011 apud PEINADO e GRAEML, 2007).

Normalmente em uma organização é comum se deparar com processos que

estão operando em sua capacidade máxima e processos que estão operando em
sua capacidade mínima e ambos estarem na mesma linha de produção (SLACK et
al, 2009). Entretanto, para saber qual a capacidade que seu processo está operando
é preciso medi-la.

Medir a capacidade não é uma atividade simples devido à complexidade de

alguns processos produtivos, como por exemplo: a produção não ser totalmente
padronizada e seus processos não serem repetitivos. Ela é medida através da
disponibilidade de seus inputs ou outputs (SLACK et al, 2009).

Os inputs fundamenta-se nos recursos que serão transformados durante o

processo produtivo, são aqueles que passarão por um processo de transformação,
outro conjunto que compõem esse grupo são os recursos de transformação que
opera sobre os recursos transformados (SLACK et al, 2009).

Os outputs do processo podem ser produtos e/ou serviços. Os produtos se

caracterizam como tangíveis enquanto os serviços são intangíveis e eles podem ter
vida útil diferentes (SLACK et al, 2009).

A medida da capacidade de produção pode ser direta quando a empresa

produz um único produto ou produtos homogêneos e quando existe diversidade de
produtos para medir a capacidade é necessário converter as unidades para uma
unidade comum de medição da produção, essa técnica é denominada como unidade
agregada de capacidade. Uma ferramenta utilizada para medir a capacidade é a
simulação através do computador (GAITHER e FRAIZER, 2002).
 17

A partir do conhecimento da capacidade produtiva pode-se tomar algumas

decisões, como por exemplo: ampliação no setor logístico, alteração dos níveis de
capacidade e abrir uma nova fábrica, são decisões que geram impactos nas
estratégias da organização (CORRÊA e CORRÊA, 2012).

2.2. Mapeamento de processos

Davis et al (2001) definem processos como um conjunto de etapas que juntas

transformam os insumos em resultados. Para Paladini et al (2012) processo consiste
em uma sequência de tarefas que transformam os insumos advindos de seus
fornecedores em saídas (produtos e/ou serviços) mensuráveis para os clientes.

Mapeamento de processos é uma ferramenta que descreve todas as etapas

de produção na qual permite o conhecimento detalhado de todo sequenciamento de
operações, ela proporciona o conhecimento de etapas que estão ocultas. É
essencial que o sequenciamento das atividades seja realizado no local em que elas
acontecem. O primeiro passo para realizar um mapeamento é estabelecer fronteiras
de cada processo, onde iniciam e onde terminam as operações (PALADINI et al,
2012).

Existem técnicas para mapear os processos, para a realização da pesquisa

utilizou-se apenas duas:

• Fluxograma (DAVIS, 2001).

• Mapa de fluxo de valor (LIKER e MEIER, 2007).

O fluxograma é uma das técnicas utilizadas para fazer o mapa dos processos.
Davis et al (2001) dizem que essa técnica permite a visualização de todas as
atividades do processo de forma ampla, existem símbolos que habitualmente são
utilizados na elaboração de um fluxograma.

De acordo com Slack et al. (2009), para elaborar o mapeamento de processos

são utilizados algumas simbologias para representar cada tipo de atividade. Apesar
de não existir uma simbologia universal, alguns símbolos são comuns e estão
descritos na Figura 2.2.1:
 18

Figura 2.2.1 - Símbolos de mapeamento de processos

Fonte: Adaptado Slack et al. (2009)

O mapeamento realizado utilizando o fluxograma revela a maneira com que o

processo opera, se existem falhas no decorrer do processamento, evidência as
etapas, gargalos, atrasos, desperdícios, grau de complexidade e ineficiência
(PALADINI et al, 2012).

O mapeamento realizado utilizando o fluxograma demonstra a sequência de

atividades em um processo, de forma simples e de fácil entendimento. Ele trabalha
com dois requisitos essenciais: clareza e fidelidade (CORRÊA e CORRÊA, 2005).

A clareza engloba a transparência do processo para entendimento de todos

integrantes da organização. Ela possibilita a segmentação do processo principal em
subprocessos. Dessa forma, são feitos vários fluxogramas que estão contidos em
um único processo. Enquanto que a fidelidade trata da documentação do processo,
para o qual, quando houver mudanças no processo, deve-se atualizar o fluxograma
(CORRÊA e CORRÊA, 2005).

O mapa de fluxo de valor foi desenvolvido pelo Taiichi Ohno a partir da

necessidade de representar visualmente o fluxo de materiais e de informações de
toda a cadeia produtiva do sistema Toyota de produção. A criação do mapa do
estado atual compreende a representação do fluxo de material e fluxo de
 19

informações, ele proporciona a visualização das perdas no fluxo de valor e leva em

consideração o lead time total do processo (LIKER e MEIER, 2007).

Segundo Elias et al (2011) apud Rother e Shook (2003), para a elaboração do

mapa de fluxo de valor existem algumas etapas fundamentais que devem ser
executadas:

- Escolher uma família de produtos que tenham etapas de processos similares;

- Criar o desenho do estado atual e futuro com base em informações obtidas na

organização;

- Desenvolver um plano a ser implementado que descreva o que deve ser feito
para alcançar seu estado futuro.

Durante a elaboração de um mapa de fluxo de valor do estado atual devem-

se analisar os processos pensando na criação do estado futuro, a compreensão dos
seus objetivos é fundamental para entendimento dos obstáculos que a organização
percorrerá. Existem algumas etapas iniciais para desenvolvimento do mapa,
entender e definir a situação atual, estabelecer uma meta e fazer reconhecimento de
falhas no intervalo entre o ponto em que você está e aonde você quer chegar
(LIKER e MEIER, 2007).

O mapeamento do fluxo de valor possui alguns objetivos fundamentais que

são essenciais para iniciar o mapeamento: flexibilidade nos processos, lead time
mínimo, processos com fluxo contínuo e puxados de insumos, loops de fluxo,
simplificação do fluxo de informações, informações advindas do cliente e takt -
time. Enquanto analisa cada processo é preciso verificar as características dos
processos de acordo com esses objetivos, se houver processos contrários a essas
características ou que podem ser melhorados a partir delas, pode-se começar a
desenvolver o mapa do estado futuro buscando melhorias nos processos. O mapa
do estado futuro também compreende o fluxo de material e informações, e o fluxo
de fabricação é de acordo com a demanda do cliente (LIKER e MEIER, 2007).

Desenvolver um mapeamento do estado futuro tem como finalidade ressaltar

as fontes de desperdícios e buscar eliminá-las. Ele é feito com base no mapa de
fluxo de valor do estado atual, aplicando conceitos e técnicas da manufatura enxuta.
Com isso, cada processo deve ser estruturado através da necessidade do seu
 20

processo seguinte até chegar ao cliente final (Elias et al, 2011 apud ROTTER e
SHOOK, 2003).

Para alcançar o fluxo de valor enxuto desde o fornecedor até o cliente final, o
mapa do estado futuro deve ter o ritmo de produção acompanhando a demanda,
alterar o fluxo tornando-o contínuo, quando for viável e a linha de produção estar
apta a produzir todo o mix de produtos a qualquer momento (Elias et al, 2011 apud
QUEIROZ et al, 2004).

Conforme Cadioli e Perlatto (2008) apud Rother e Shook (2003), as

vantagens de elaborar um mapa de fluxo de valor são: visualização do fluxo como
um todo e não somente de um processo individual; identificação dos desperdícios,
assim como das fontes destes; evidencia o fluxo de forma a auxiliar nas tomadas de
decisões; aborda conceitos da produção enxuta possibilitando a implementação de
técnicas englobando toda a linha de produção; relaciona os fluxos de informação e
material; por fim, se caracteriza como uma ferramenta qualitativa, na qual descreve
particularidades de como cada atividade deve ser realizada de forma a agregar
valor.

2.3. Simulação

O surgimento da simulação remete ao uso do método de Monte Carlo, o qual

foi inicialmente utilizado para resolver problemas de física nuclear. Essa técnica
matemática fornece números arbitrários para atribuir valores às variáveis do sistema
(CORRAR et al, 2009).

Simulação é uma técnica que engloba a elaboração de um modelo de uma

condição existente para uma experimentação futura. Além disso, não é em todo
caso que consegue obter uma solução boa ou ótima para um problema (LOESCH e
HEIN, 2009).

De acordo com Corrar et al (2009) a simulação não indica uma solução ótima,
distinguindo-se da programação linear. Contudo, ela permite, através da análise dos
experimentos, compreender o comportamento do sistema tornando-se uma
ferramenta de apoio à tomada de decisão.
 21

A aplicação da simulação pode se dar por três motivos básicos. O primeiro diz
respeito sobre as variáveis. Em casos onde a relação entre as variáveis são não-
lineares, a quantidade de variáveis ou restrições forem altas, a simulação é utilizada
como forma de simplificar a análise de um problema. O segundo refere-se ao fato de
que a simulação permite fazer testes em um modelo sem afetar um sistema na
prática. Dessa forma é possível constatar onde realmente deve ou não interferir no
processo. O terceiro relaciona-se a situação em que a simulação consegue gerar um
cenário futuro para alcançar alguma estimativa operacional em um tempo
relativamente muito curto quando comparado a um sistema real (KRAJEWSKI et al,
2009).

Krajewski et al (2009) definem a simulação como “o ato de reproduzir o

comportamento de um sistema usando um modelo que descreve seus processos”.
Ainda asseguram que um modelo de simulação não determina o que deve ser feito
sobre o problema, no entanto, ele pode auxiliar a avaliar soluções alternativas para o
mesmo.

Na atualidade, a simulação é realizada fundamentada no método citado

acima, tanto quanto o desempenho dos sistemas como uma função do tempo.
Segundo Taha (2008), pode-se dividir em duas categorias de modelos de simulação:
eventos discretos e eventos contínuos.

2.3.1. Simulação de eventos discretos

A simulação de eventos discretos apresenta mudanças nas condições do

sistema em pontos discretos do tempo (HILLIER e LIEBERMAN, 2014). Para Taha
(2008), esse modelo trabalha principalmente com filas de espera, onde os clientes
chegam, esperam em filas, quando necessário, e em seguida são atendidos. Desta
maneira, um modelo de eventos discretos é um conjunto de filas inter-relacionadas.

Em relação a coleta de dados estatísticos, dois eventos são considerados

essenciais, sendo eles: entradas e saídas. Isso acontece porque são os únicos
momentos onde é necessário examinar o sistema. Todos os outros momentos não
acontecem mudanças que possam afetar a estatística do sistema (TAHA, 2008).
 22

2.3.2. Simulação de eventos contínuos

A simulação de eventos contínuos corresponde a uma simulação onde as

alterações nas condições do sistema acontecem constantemente no decorrer do
tempo (HILLIER e LIEBERMAN, 2014). De acordo com Taha (2008), esses modelos
empregam equações diferenciais para retratar as relações entre os componentes do
sistema.

Segundo Hillier e Lieberman (2014), quando se estabelece uma analogia

entre as alterações contínuas e as alterações ocasionais discretas, é possível aplicar
a simulação de eventos discretos. Dessa forma, reduziria o grau de complexidade de
análise do sistema.

3. METODOLOGIA DE PESQUISA

Neste capítulo serão tratados os métodos utilizados para a realização da

pesquisa, assim como as técnicas de coleta e análise de dados e a descrição das
etapas.

3.1. Caracterização da pesquisa

A escolha pelos procedimentos metodológicos aconteceu a partir do objetivo e

características dessa pesquisa. A Figura 3.3.1 apresenta a classificação proposta
neste trabalho:

Tabela 3.3.1 - Classificação da pesquisa

Fonte: Autoria própria

A pesquisa realizada se caracteriza como aplicada possuindo o propósito de

obter a capacidade produtiva da fábrica a partir da aplicação dos métodos
 23

apresentados na fundamentação teórica. Segundo Silva e Menezes (2005), uma

pesquisa aplicada busca produzir conhecimentos que podem ser aplicados na
prática, envolvendo a resolução de problemas reais. Também classificado como
descritivo, tendo em vista que o trabalho procura observar, armazenar, analisar e
comparar os fatos sem que estes sofram alteração (Magalhães 2018 apud CERVO e
BERVIAN, 1996).
Classifica como um procedimento experimental, pois é especificado o objeto
de estudo, identificado as variáveis que podem influenciar a pesquisa e definido as
maneiras de controle e observação do impacto que as variáveis causam no objeto
de estudo (SILVA e MENEZES, 2005).
A pesquisa quantitativa trabalha com a formulação de hipóteses, análises
estatísticas e métodos lógico dedutivos, esses que partem de uma premissa
verdadeira. Em relação ao caráter qualitativo, faz a aproximação entre a teoria e os
fatos por meio da interpretação de eventos esporádicos, fazendo uso de um método
indutivo (BERTO e NAKANO, 2000).
Buscando alcançar o objetivo da pesquisa foram executadas análises
qualitativas e quantitativas, utilizou-se a análise qualitativa para conhecer o processo
produtivo da organização, elaborar o fluxograma dos processos e a interpretação do
resultado da simulação. Aplicou-se a análise quantitativa para realizar a coleta e
análise estatística dos dados, mapeamento do fluxo de valor e para elaborar a
simulação.
Os procedimentos da pesquisa se desenvolveram a partir de revisões
bibliográficas que foram fundamentais para o levantamento de dados dentro da
empresa. A modelagem executada é de caráter descritiva empírica, que se aplicou
na simulação de sistemas sendo um experimento que descreve o processo
produtivo da fábrica através da exposição dos processos no software Anylogic©.

3.2. Questões de pesquisa

A pesquisa busca encontrar respostas para as seguintes questões: qual a

capacidade disponível de cada processo produtivo, qual etapa se classifica como um
gargalo para o processo e quais etapas podem ser melhoradas.
 24

3.3. Técnicas de coleta de dados

As técnicas utilizadas para a coleta de dados foram entrevistas

semiestruturada com os colaboradores responsáveis pelas atividades e a
cronometragem de cada operação do processo. Com exceção do processo de
moagem, cuja coleta seria inviável, visto que não é possível visualizar o início e final
do processo e nem programar um tempo para uma quantidade específica de grãos a
serem moídos, então usou o valor nominal da máquina.
O processo de café torrado, café cru e café a vácuo foram considerados como
um único processo, uma vez que os dois primeiros contêm poucas etapas em um
período de tempo muito curto e o último é considerado um processo artesanal.
A coleta ocorreu nos períodos matutino e vespertino, foi calculado a média e o
desvio padrão por amostra. A finalização da coleta só aconteceu quando a média
amostral e o desvio padrão amostral fossem equivalentes a média acumulada e o
desvio padrão acumulado. Foi coletado o tempo de processamento de cada
operação, em segundos, e as amostras estão descritas na Tabela 3.3.2:

Tabela 3.3.2 - Amostragem dos processos

Fonte: Autoria própria

Os demais processos não mencionados na Tabela 3.3.2 foram coletados

apenas uma amostra. Para coletar os dados da pré limpeza era necessário
interromper a linha de produção e esvaziar todo estoque antes e depois do
processo. Em relação ao lacre e ao pallet, foram observadas variações de operador
e na velocidade em que o operador realizava as etapas.
 25

3.4. Técnicas de análise de dados

Para a análise de dados utilizou-se o software Input Analyzer© presente no

Arena©. A escolha do software ocorreu por este trabalhar com a média e o desvio
padrão das amostras, assim como apresentar vários testes de distribuição.
Segundo Prado (2004) o software Input Analyzer© faz análise de dados reais
do desempenho do processo e seleciona a melhor distribuição que represente seu
comportamento. Essas distribuições podem ser: poisson, exponencial, triangular,
uniforme, normal, johnson, log neperiano, weibull, discreta, contínua, erlang ou
gamma.

3.5. Procedimentos metodológicos – Etapas

As etapas que ocorreram para o desenvolvimento da pesquisa são descritas a

seguir:
1. Conhecimento do processo produtivo da fábrica;
2. Mapeamento do processo – fábrica;
3. Coleta de dados;
4. Mapeamento do processo – mapa de fluxo de valor e fluxograma;
5. Análise estatística dos dados;
6. Simulação no software;
7. Análise dos resultados;
8. Proposta de melhoria.
Para obter o conhecimento dos processos foi realizada uma visita à fábrica e
houve um diálogo com os funcionários responsáveis pelas atividades. A partir disso
elaborou o fluxograma da fábrica e iniciou a coleta dos dados, que aconteceu por um
período de 45 dias. Em seguida desenvolveu-se o mapa de fluxo de valor para os
processos de café 500 g e 250 g e o fluxograma para os demais processos. O mapa
de fluxo de valor só foi executado para esses processos por serem os que possuem
maiores demandas. Os dados foram submetidos a uma análise estatística de teste
de distribuição para entender o comportamento do processo. Com a definição de
qual teste cada processo se adequava aplicou-se a simulação.
 26

3.6. Passo a passo da simulação

Para realizar a simulação é necessário definir qual biblioteca que será

utilizada, se é de evento discreto ou contínuo. No caso utilizou-se primeiro a de
evento contínuo e depois a de evento discreto.

Para estruturar o diagrama da simulação utilizaram-se os blocos: fluid source,

process tank, tank, fluid split, fluid merge, convert, valve, fluid to agent, delay,
service, batch, resource pool e sink.

Bloco fluid source é utilizado para chegada de recurso, process tank

corresponde a uma operação de fluido, tank funciona como estoque, fluid split é
empregado na distribuição dos recursos, fluid merge faz a união de duas entradas,
convert equivale às perdas, valve funciona como uma válvula regulando o fluxo de
recurso, fluid to agent transforma o fluido em uma unidade, delay indica o tempo de
transporte, service retrata uma operação de uma unidade, batch cria lotes, resource
pool simboliza as máquinas e operadores e o sink representa a saída do produto
final.

As etapas para a simulação da fábrica:

1. Abra o Anylogic© e clique em Create a Model. Mude o nome do modelo para

Fábrica e a unidade de tempos para segundos;
2. Abra a biblioteca de fluidos e comece a montar o diagrama de acordo com as
próximas etapas;
3. Abra as propriedades do bloco Fluid Source e insira o valor da taxa de
chegada e defina a unidade como quilogramas por segundo, troque o nome
do bloco para Café;
4. Abra as propriedades do bloco Process Tank, troque o nome do bloco para
PréLimpeza, defina a capacidade, insira o tempo do processo e a taxa de
saída;
5. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para Estoque;
6. Abra as propriedades do bloco Process Tank, troque o nome do bloco para
Torra, defina a capacidade, insira o tempo do processo e a taxa de saída;
7. Abra as propriedades do bloco Convert e defina o fator de rendimento do
processo de torra;
 27

8. Abra as propriedades do bloco Process Tank, troque o nome do bloco para

Resfriamento, defina a capacidade, insira o tempo do processo e a taxa de
saída;
9. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para Estoque1;
10. Abra as propriedades do bloco Process Tank, troque o nome do bloco para
Blend, defina a capacidade, insira o tempo do processo e a taxa de saída;
11. Abra as propriedades do bloco fluid Split, selecione a opção proporcional para
distribuir a quantidade de fluido para os dois processos seguintes de acordo
com a demanda e defina a taxa de saída. Troque o nome para Split;
12. Na primeira saída do bloco Split, abra as propriedades do bloco valve e defina
a taxa de saída;
13. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para Estoque2;
14. Crie um agente e troque o nome para caféTorrado;
15. Abra as propriedades do Fluid To Agent, selecione o agente criado
caféTorrado, troque o nome do bloco para Agente e defina a quantidade de
fluido que será transformado em uma unidade de café torrado. Esse bloco
representa a mudança de um evento contínuo em evento discreto;
16. Crie um bloco resource pool e troque o nome para MáquinaEnvase;
17. Abra as propriedades do bloco Service, troque o nome para Envase, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente caféTorrado;
18. Abra as propriedades do bloco Sink e selecione o agente caféTorrado. Troque
o nome do bloco para Torrado;
19. Na segunda saída do bloco Split, abra as propriedades do bloco valve, troque
o nome para valve1 e defina a taxa de saída;
20. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para Estoque3;
21. Abra as propriedades do bloco fluid Split, selecione a opção proporcional para
distribuir a quantidade de fluido para os dois processos seguintes de acordo
com a demanda e defina a taxa de saída. Troque o nome para Split1;
 28

22. Na primeira saída do bloco Split1, abra as propriedades do bloco Process

Tank, troque o nome do bloco para Moinho1, defina a capacidade, insira o
tempo do processo e a taxa de saída;
23. Na segunda saída do bloco Split1, abra as propriedades do bloco Process
Tank, troque o nome do bloco para Moinho2, defina a capacidade, insira o
tempo do processo e a taxa de saída;
24. Abra as propriedades do bloco fluid Merge, selecione a opção neutro para
manter o fluxo de saída proporcional a taxa de entrada e defina a taxa de
saída. Esse bloco faz a união das saídas do Moinho1 e Moinho2;
25. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para Estoque4;
26. Abra as propriedades do bloco fluid Split, selecione a opção proporcional para
distribuir a quantidade de fluido para os dois processos seguintes de acordo
com a demanda e defina a taxa de saída. Troque o nome para Split2;
27. Na primeira saída do bloco Split2, abra as propriedades do bloco valve, defina
a taxa de saída e troque nome para valve2;
28. Crie um agente e troque o nome para caféV250;
29. Abra as propriedades do Fluid To Agent, selecione o agente criado caféV250,
troque o nome do bloco para Agent1 e defina a quantidade de fluido que será
transformado em uma unidade de café a vácuo 250 g;
30. Crie um bloco resource pool e troque o nome para Trabalhador;
31. Abra as propriedades do bloco Service, troque o nome para Processo, defina
o tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente caféV250;
32. Abra as propriedades do bloco Sink e selecione o agente caféV250. Troque o
nome do bloco para Vácuo250;
33. Na segunda saída do bloco Split2, adicione um bloco Split e troque nome para
Split3;
34. Na primeira saída do bloco Split3, abra as propriedades do bloco valve, defina
a taxa de saída e troque nome para valve3;
35. Crie um agente e troque o nome para caféV500;
36. Abra as propriedades do Fluid To Agent, selecione o agente criado caféV500,
troque o nome do bloco para Agent2 e defina a quantidade de fluido que será
transformado em uma unidade de café a vácuo 500 g;
 29

37. Abra as propriedades do bloco Service, troque o nome para Processo1, defina
o tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado, Trabalhador, e o agente caféV500;
38. Abra as propriedades do bloco Sink e selecione o agente caféV500. Troque o
nome do bloco para Vácuo500;
39. Na segunda saída do bloco Split3, adicione um bloco Split e troque nome para
Split4;
40. Na primeira saída do bloco Split4, abra as propriedades do bloco valve, defina
a taxa de saída e troque nome para valve4;
41. Crie um agente e troque o nome para café500;
42. Abra as propriedades do Fluid To Agent, selecione o agente criado café500,
troque o nome do bloco para Agent3 e defina a quantidade de fluido que será
transformado em uma unidade de café 500 g;
43. Crie um resource pool e troque o nome para MáquinaEnvase500g;
44. Abra as propriedades do bloco Service, troque o nome para Envase1, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente café500;
45. Abra as propriedades do bloco delay e insira o tempo de transporte do envase
para as pilhas;
46. Crie um agente e troque o nome para pilhas500;
47. Abra as propriedades do bloco batch, selecione o agente pilhas500 e defina o
tamanho do lote;
48. Crie um resource pool e troque o nome para MáquinaPilhas;
49. Abra as propriedades do bloco Service, troque o nome para Pilhas, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente pilhas500;
50. Abra as propriedades do bloco delay e insira o tempo de transporte das pilhas
para o lacre e troque o nome para delay1;
51. Crie um resource pool e troque o nome para Trabalhador1;
52. Abra as propriedades do bloco Service, troque o nome para Lacre, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente pilhas500;
53. Crie um resource pool e troque o nome para Trabalhador2;
 30

54. Abra as propriedades do bloco Service, troque o nome para Pallet, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente pilhas500;
55. Abra as propriedades do bloco Sink e selecione o agente pilhas500. Troque o
nome do bloco para Café500g;
56. Na segunda saída do bloco Split4, abra as propriedades do bloco valve,
defina a taxa de saída e troque o nome para valve5;
57. Crie um agente e troque o nome para café250;
58. Abra as propriedades do Fluid To Agent, selecione o agente criado café250,
troque o nome do bloco para Agent4 e defina a quantidade de fluido que será
transformado em uma unidade de café 250 g;
59. Crie um resource pool e troque o nome para MáquinaEnvase250g;
60. Abra as propriedades do bloco Service, troque o nome para Envase2, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente café250;
61. Abra as propriedades do bloco delay, insira o tempo de transporte do envase
para as pilhas e troque o nome para delay2;
62. Crie um agente e troque o nome para pilhas250;
63. Abra as propriedades do bloco batch, selecione o agente pilhas250, defina o
tamanho do lote e troque o nome para batch2;
64. Crie um resource pool e troque o nome para MáquinasPilhas1;
65. Abra as propriedades do bloco Service, troque o nome para Pilhas1, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado e o agente pilhas250;
66. Abra as propriedades do bloco delay, insira o tempo de transporte das pilhas
para o lacre e troque o nome para delay3;
67. Abra as propriedades do bloco Service, troque o nome para Lacre1, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado, Trabalhador1, e o agente pilhas250;
68. Abra as propriedades do bloco Service, troque o nome para Pallet1, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado, Trabalhador2, e o agente pilhas250;
69. Abra as propriedades do bloco Sink e selecione o agente pilhas250. Troque o
nome do bloco para Café250g;
 31

70. Em uma linha de produção separada, crie um bloco Fluid Source, abra suas
propriedades e insira o valor da taxa de chegada e defina a unidade como
quilogramas por segundo, troque o nome do bloco para GrãoMoca;
71. Abra as propriedades do bloco Tank, defina a capacidade do estoque, a
quantidade inicial e a taxa de saída. Troque o nome do bloco para tank;
72. Crie um agente e troque o nome para caféCru;
73. Abra as propriedades do Fluid To Agent, selecione o agente criado caféCru,
troque o nome do bloco para Agent5 e defina a quantidade de fluido que será
transformado em uma unidade de café cru;
74. Abra as propriedades do bloco Service, troque o nome para Envase3, defina o
tempo de processo, selecione a capacidade máxima da fila, o resource pool
criado, MáquinaEnvase, e o agente caféCru;
75. Abra as propriedades do bloco Sink e selecione o agente caféCru. Troque o
nome do bloco para CaféCru.

Etapas para elaboração das estatísticas de evento contínuo:

1. Na aba Análise, selecione o elemento estatísticas e adicione ao diagrama

principal;
2. Abra as propriedades da estatísticas, nomeie de acordo com o bloco,
selecione a opção em que as amostras não tenham tempo de duração, na
opção valor insira o nome do bloco.amount();
3. Adicione o Gráfico Time Stack;
4. Abra as propriedades do gráfico e na opção dados, no item valor coloque o
nome da estatísticas.mean(), para a média e nome da estatísticas.max() para
o máximo.

Etapas para elaboração das estatísticas de evento discreto:

1. Na aba Agente, selecione o elemento parâmetro e adicione ao diagrama do

agente;
2. Na aba Análise, insira dados do histograma e nomeie de acordo com o bloco;
3. Abra as propriedades do bloco, na opção ações, no item na entrada coloque
agent.nome do parâmetro = time(); e no item na entrada atrase coloque nome
do dados do histograma.add(time() – agent.nome do parâmetro);
4. Adicione o Histograma;
 32

5. Abra as propriedades do histograma e na opção histograma coloque o nome

do dados do histograma.

4. RESULTADOS

Iniciou-se a pesquisa com o conhecimento visual da fábrica e logo após criou-

se o mapeamento de toda a fábrica que exibe todas as linhas de produção.

Figura 4.1 - Mapeamento da fábrica

Fonte: Autoria própria

O processo de café cru tem sua linha de produção desvinculada das demais,
dessa forma, realizou-se o mapeamento do mesmo.

Figura 4.2 - Mapeamento do processo cru

Fonte: Autoria própria

Observou-se que as últimas três etapas da linha de produção do café cru

também estão presentes na linha de produção do processo torrado e se concentra
na etapa processo torrado.
 33

Figura 4.3 - Mapeamento do processo a vácuo 250 g e/ou 500 g

Fonte: Autoria própria

O processo de café a vácuo é composto pelas etapas de envase, ajuste de

peso, compressão, vácuo e caixa. Apenas a etapa de vácuo consiste em um
processo automatizado, dessa forma o processo foi considerado como totalmente
manual e compactado como sendo uma única etapa. Devido ele passar pela etapa
de vácuo ele contém baixa taxa de oxidação em relação ao processo de 250 g e/ou
500 g garantindo assim uma melhor qualidade.

Figura 4.4 - Mapeamento dos processos de 250 g e/ou 500 g

Fonte: Autoria própria

Os processos de 250 g e 500 g passam pelas etapas de envase,

empacotamento, lacre e pallet. Durante a coleta de dados na fábrica notou-se que a
máquina de envase requer uma calibragem toda vez em que é trocada a bobina de
embalagem, sendo assim percebeu-se um grande desperdício de embalagem ao
executar essa atividade.

Outra observação feita é sobre o processo de blend, na qual a máquina que

faz a operação apresenta paradas não programadas. A máquina possui uma grande
precisão em relação a quantidade de quilogramas. Se ela contém mais ou menos
que 135 quilogramas de café, interrompe sua execução.
 34

As máquinas empregadas no processo de moagem sofrem um desgaste a

medida em que são utilizadas, o que provoca uma redução em sua capacidade
produtiva.

Após a coleta de dados e as análises feitas de forma visual, houve a

submissão dos dados no software Input Analyzer© e obteve como resultado os
dados apresentados na Tabela 4.1.

Tabela 4.1 - Análise estatística dos dados

Fonte: Autoria própria

O processo de resfriamento não foi submetido ao teste de distribuição, uma

vez que este apresenta uma variação elevada porque é realizado de forma aleatória,
todavia não interfere no processo produtivo. Portanto utilizou-se o valor da média
para este processo.

Foi elaborado o mapa de fluxo de valor para os processos de 500 g e 250 g,

visto que estes possuem maior demanda. O mapa de fluxo de valor para o processo
500 g está representado na Figura 4.5 e para o processo 250 g na Figura 4.6.
 35

Figura 4.5 - Mapa de fluxo de valor para processo 500 g

Fonte: Autoria própria

Figura 4.6 - Mapa de fluxo de valor para processo 250 g

Fonte: Autoria própria

Atualmente a fábrica produz em média 25 lotes por dia com uma jornada
líquida de trabalho diário de 23.580 segundos (seis horas e trinta e três minutos).
Sua demanda média diária do processo de 500 g é 5.487,43 quilogramas e para o
processo de 250 g é 1.977,097 quilogramas. A Figura 4.5 e Figura 4.6 exibem os
mapas de fluxo de valor que evidenciam de forma específica cada etapa dos
processos. Eles demonstram algumas informações que serão analisadas
posteriormente: o tempo de ciclo do processo - TC, capacidade do processo - CB,
takt time – TT e taxa de ocupação – TO.
 36

Tempo de ciclo consiste no tempo que um produto gasta para terminar

determinado processo (GARDONIO e FILHO, 2019). Capacidade do processo é
definida como o potencial de produção de um produto ou serviço em um processo
específico (DE OLIVEIRA et al, 2008). O takt-time expressa o ritmo de produção com
relação a demanda. Ele é calculado pela divisão do tempo disponível de trabalho
pela demanda (COSTA et al, 2018). A taxa de ocupação consiste na parcela de
tempo utilizado em relação ao tempo total disponível para uso (MARINHO, 2000).

Dessa forma, foram elaborados os gráficos de análise do tempo de ciclo para

os processos de 500 g e 250 g, representados na Figura 4.7 e Figura 4.8
respectivamente.

Figura 4.7 - Gráfico de análise do tempo de ciclo para processo 500 g

Fonte: Autoria própria

 37

Figura 4.8 - Gráfico de análise do tempo de ciclo para processo 250 g

Fonte: Autoria própria

O tempo de ciclo é o período necessário para processar uma unidade, neste

caso o quilograma. A Figura 4.7 e Figura 4.8 mostram a relação do tempo de ciclo
de cada etapa dos processos com o takt time. Após relacionar esses dois
parâmetros, pode-se dizer que todas as etapas do processo contêm um tempo de
ciclo inferior ao takt time, portanto de acordo com o tempo de ciclo e o takt time
todos os processos são capazes de atender a atual demanda.
Vale ressaltar que a ociosidade representada em ambos os gráficos somente
vai acontecer nessas proporções quando a fábrica produzir uma única linha de
produção, seja ela de café 500 g ou café 250 g, em uma jornada líquida diária de
trabalho.

Através do mapa de fluxo de valor e do gráfico de análise do tempo de ciclo

foi possível identificar prováveis melhorias para o processo de 500 g, que também
se aplicam ao processo de 250 g devido à similaridade das linhas de produção. As
melhorias percebidas são:

- A alimentação da máquina de blend, onde seria necessária uma regulagem e

manutenção da pneumática da máquina para que esta consiga distribuir os
grãos com exatidão de 135 quilogramas, evitando paradas não programadas;
 38

- Aumentar a capacidade do processo de moagem, seja aumentando a rotação do

motor ou trocando uma máquina por outra de capacidade superior, evitando um
possível gargalo recorrente do desgaste das máquinas;

- Calibragem da máquina de envase para reduzir o desperdício de embalagem;

- Outra situação seria reduzir os equipamentos e aplicar a manutenção preventiva,

ao invés da manutenção corretiva.

Na aplicação realizada, inicialmente foi utilizado a simulação de eventos

contínuos por se tratar de um fluido (café) e o comportamento do sistema variar
continuamente com o tempo. Posteriormente, empregou-se a simulação de eventos
discretos, uma vez que o produto final já não se trataria de um fluido (pacotes de
café) e seu comportamento variar em pontos discretos do tempo.

As simulações foram realizadas para cada linha de produção, considerando

que a fábrica optasse por produzir somente um produto de seu mix. Houve a
necessidade de padronizar o tempo da simulação, uma vez que o equipamento
utilizado para realização dessa atividade não possui capacidade suficiente para
acompanhar a execução do software. O período estipulado foi de um mês para
todos os processos. Contudo, o processo de café a vácuo 250 g e a fábrica por
completo foi utilizado o período máximo que o equipamento foi capaz de simular,
sendo de 15 e 7 dias respectivamente.
Realizou-se a simulação para o processo de 500 g contando apenas a
jornada líquida de trabalho e utilizando apenas o Moinho 1, cuja capacidade é de
1.200 kg por hora e obteve como resultado:
 39

Tabela 4.2 - Simulação com Moinho 1 para processo 500 g

Fonte: Autoria própria

Posteriormente, simulou-se utilizando apenas o Moinho 2, cuja capacidade é

de 1.600 kg por hora e obteve-se:

Tabela 4.3 - Simulação com Moinho 2 para processo 500 g

Fonte: Autoria própria

Por fim, simulou-se com a possibilidade de ambas as máquinas funcionarem

ao mesmo tempo e obteve-se:
 40

Tabela 4.4 - Simulação com os dois moinhos para processo 500 g

Fonte: Autoria própria

Após a simulação utilizando o Moinho 1 obteve a capacidade de produção de

140.190 sacos de café 500 g. A Tabela 4.2 indica que a máquina de Moinho 1 não
consegue suprir a demanda de café fazendo com que todos os processos
subsequentes se tornem ociosos pela falta de café. Dessa forma, o processo de
moagem é um gargalo para o processo de 500 g de café.

A simulação utilizando o Moinho 2 teve como capacidade de produção

186.990 sacos de café 500 g. A Tabela 4.3 mostra que a máquina de Moinho 2
também não consegue suprir a demanda de café, embora seja um pouco mais
eficiente que a outra máquina. Desse modo, o Moinho 2 também é um gargalo para
o processo produtivo.

A simulação realizada com os dois moinhos atuando no processo alcançou

uma capacidade de produção de 240.340 sacos de café 500 g. A Tabela 4.4 indica
que as máquinas trabalhando conjuntamente conseguem melhorar um pouco o
processo, entretanto permanece sendo um gargalo para o processo de 500 g.

Como proposta de melhoria elaborou-se uma simulação onde os dois

moinhos funcionassem ao mesmo tempo e apresentassem a mesma capacidade,
sendo no total de 3.200 kg por hora. Dessa maneira, não ocorreu gargalo no
processo e houve uma produção de 280.310 sacos de café 500 g, tendo um
aumento médio de aproximadamente 16% na produção.
 41

Tabela 4.5 - Simulação com os dois moinhos e mesma capacidade para processo 500 g

Fonte: Autoria própria.

Realizou-se a simulação para o processo de 250 g contando apenas a

jornada líquida de trabalho e utilizando apenas o Moinho 1 e obteve como resultado:

Tabela 4.6 - Simulação com Moinho 1 para processo 250 g

Fonte: Autoria própria

Posteriormente, simulou-se utilizando apenas o Moinho 2 e obteve como

resultado:
 42

Tabela 4.7 - Simulação com o Moinho 2 para processo 250 g

Fonte: Autoria própria

Por fim, simulou-se com a possibilidade de ambas as máquinas funcionarem

ao mesmo tempo e obteve-se:

Tabela 4.8 - Simulação com os dois moinhos para processo 250 g

Fonte: Autoria própria

Em seguida, com a simulação utilizando o Moinho 1 a capacidade de

produção foi de 140.220 sacos de café 250 g. A Tabela 4.6 demonstra que a
máquina de Moinho 1 não é capaz de atender a demanda de café, tornando os
processos posteriores ociosos pela falta de café. Sendo assim, o processo de
moagem é um gargalo para o processo de 250 g de café.

Utilizando-se o Moinho 2, a capacidade de produção foi de 186.900 sacos de

café 250 g. A Tabela 4.7 apresenta que a máquina de Moinho 2 também não é
 43

capaz de atender a demanda de café, entretanto consegue ser um pouco mais

eficiente que a outra máquina. Porém, o Moinho 2 também é um gargalo para o
processo produtivo.

A simulação realizada com os dois moinhos simultaneamente obteve uma

capacidade de produção de 240.300 sacos de café 250 g. A Tabela 4.8 exibe que
neste cenário o processo apresenta uma melhoria, contudo permanece sendo um
gargalo para o processo de 250 g.

Como proposta de melhoria criou-se um cenário onde os dois moinhos

funcionassem ao mesmo tempo e tivessem a mesma capacidade, sendo no total de
3.200 quilogramas por hora. Desse modo, não foi identificado gargalo no processo e
houve uma produção de 280.280 sacos de café 250 g, tendo um aumento médio de
aproximadamente 16% na produção.

Tabela 4.9 - Simulação com os dois moinhos e mesma capacidade para processo 250 g

Fonte: Autoria própria

Em seguida simulou-se o processo de 500 g a vácuo contando apenas a

jornada líquida de trabalho e utilizando apenas o Moinho 1 e obteve como resultado:

Tabela 4.10 - Simulação com o moinho 1 para processo 500 g a vácuo

 44

Fonte: Autoria própria

Depois, fez a simulação utilizando apenas o Moinho 2 e atingiu o seguinte

resultado:

Tabela 4.11 - Simulação com o moinho 2 para processo 500 g a vácuo

Fonte: Autoria própria

Por fim, realizou a simulação com os dois moinhos atuando juntos no

processo e resultou em:

Tabela 4.12 - Simulação com os dois moinhos para processo 500 g a vácuo

Fonte: Autoria própria

Todas estas simulações apresentaram a mesma capacidade de produção,

sendo de 11.084 sacos de café a vácuo 500 g. Todavia, a diferença entre elas está
no tempo e na quantidade de café em espera para ser envasado. Isso demonstra
que o processo artesanal não consegue acompanhar a linha de produção que é
automatizada. Sendo assim, o processo de envase é um gargalo para o processo de
café a vácuo 500 g.

Pode-se observar que como o processo de café a vácuo é um processo

artesanal, uma sugestão de proposta de melhoria seria a de automatizar todo o
processo. Para isso, criou-se um cenário onde o processo seria automatizado com
um tempo de processamento de 20 segundos, e teve como resultado:
 45

Tabela 4.13 - Simulação processo 500 g a vácuo automatizado

Fonte: Autoria própria

Com o processo automatizado, a capacidade de produção foi de 42.076

sacos de café a vácuo, gerando um aumento de aproximadamente 279%. No
entanto, o custo para automatizar um processo é bastante elevado e considerando
uma baixa demanda pelo produto seria necessário fazer uma análise de
investimento.

Posteriormente realizou a simulação para o processo de café a vácuo 250 g

para o Moinho 1, Moinho 2, ambos os moinhos e automatizado respectivamente.

Tabela 4.14 - Simulação com o moinho 1 para processo 250 g a vácuo

Fonte: Autoria própria

Tabela 4.15 - Simulação com o moinho 2 para processo 250 g a vácuo

Fonte: Autoria própria

 46

Tabela 4.16 - Simulação com os dois moinhos para processo 250 g a vácuo

Fonte: Autoria própria

Tabela 4.17 - Simulação processo 250 g a vácuo automatizado

Fonte: Autoria própria

Pode-se observar que o processo de café a vácuo 250 g se comporta de

maneira similar ao processo a vácuo 500 g. As capacidades máximas para os três
primeiros cenários foram de 9.576 sacos. Portanto, simulou-se uma possível
melhoria, onde o processo seria automatizado e com ele obteve uma produção de
17.562 sacos, sendo um aumento de 83%.

Foi realizada a simulação para o processo de café cru, que é uma linha de
produto criada para atender um público específico, que já é fidelizado da empresa.
Sua capacidade de produção foi de 62.864 sacos, e apresenta um processo sem
gargalo e sua demanda é relativamente baixa.

Logo após, foi realizado a simulação para o processo de café torrado e o

resultado alcançado foi:

Tabela 4.18 - Simulação processo torrado

 47

Fonte: Autoria própria

Observou-se com a simulação do processo torrado a ausência de gargalos

durante a linha de produção do mesmo e de acordo com o período simulado atingiu-
se uma capacidade produtiva de 28.090 sacos de café torrado 5 kg.

Por fim, criou-se um cenário onde todas as linhas de produção existentes na

fábrica estivessem produzindo ao mesmo tempo. A produção de cada linha foi
baseada em sua respectiva demanda atual. O diagrama utilizado na simulação da
fábrica está exibido na Figura 4.9:

Figura 4.9 - Diagrama da simulação da fábrica

Fonte: Autoria própria

A Tabela 4.19 mostra as capacidades produtivas de cada processo, assim

como a taxa de utilização de cada máquina e operador.
 48

Tabela 4.19 - Simulação fábrica

Fonte: Autoria própria

Com as simulações realizadas utilizando todos os recursos disponíveis da

fábrica foi possível encontrar as capacidades de produção de cada linha de
produção, sendo de 240.340 sacos de café 500 g, 240.300 sacos de café 250 g,
11.084 sacos de café a vácuo 500 g, 9.576 sacos de café a vácuo 250 g, 28.090
sacos de café torrado e 62.864 sacos de café cru. A simulação da fábrica com todas
as linhas de produção operando alcançou um resultado de 40.030 sacos de café 500
g, 40.880 sacos de café 250 g, 309 sacos de café a vácuo 500 g, 207 sacos de café
a vácuo 250 g, 1.132 sacos de café torrado e 31 sacos de café cru.

5. CONSIDERAÇÕES FINAIS

A partir da iteração entre universidade e empresa foi possível conhecer toda a

instalação da fábrica e o modo de operação da mesma. Assim criou-se o
mapeamento da fábrica, o que permitiu uma melhor visualização do processo
produtivo e definição de início e término de cada operação. Com isso, realizou-se a
 49

coleta de dados, que auxiliou na construção do mapa de fluxo de valor. Os dados

coletados foram submetidos a uma análise estatística para entender qual o
comportamento de cada processo. Logo após, elaborou-se a simulação. Portanto,
todos os objetivos propostos pela pesquisa foram alcançados.

Com o resultado obtido através das simulações realizadas pode-se perceber

que os processos de café 250 g e 500 g possuem um gargalo no processo de
moagem. Enquanto que os dois processos a vácuo apresentam gargalo no processo
de envase, visto que é um processo artesanal. Assim todas as atividades
subsequentes a esses processos não conseguem ser executadas, fazendo com que
a produtividade seja abaixo do seu potencial. A simulação da fábrica não indicou
nenhum gargalo, uma vez que foi feito baseado na demanda de cada produto.

Para a realização desta pesquisa encontrou-se como limitação o equipamento

disponível, que possui o sistema operacional Windows e processador Intel® CoreTM
i5, não possuindo capacidade suficiente para executar o software. Dessa forma,
houve a necessidade de limitar o período da simulação e não foi possível realizar a
simulação 3D, que havia sido planejada.
Uma análise que poderá ser abordada futuramente é a de viabilidade
econômica para melhoria dos processos. Outra análise é a possibilidade de
conquistar novos clientes tendo em vista que a capacidade de produção é excedente
a demanda atual.
 50

REFERÊNCIAS

BERTO, Rosa M. V. S.; NAKANO, Davi N. A Produção Científica nos Anais do Encontro Nacional
de Engenharia de Produção: Um Levantamento de Métodos e Tipos de Pesquisa.ABEPRO. Vol.
9.Rio de Janeiro. 2000.Disponível em: <http://www.scielo.br/pdf/prod/v9n2/v9n2a05.pdf> Acesso em:
09 jul. 2019.

BRITO, Thiago B. Aplicabilidade da Simulação Híbrida em Sistemas Logísticos. Dissertação

(Mestrado em Engenharia de Produção) – Escola Politénica da Universidade de São Paulo. São
Paulo, 2011.

CADIOLI, Luiz P.; PERLATTO, Leonardo. Mapeamento do Fluxo de Valor: uma ferramenta da
produção enxuta. Vol. 2, nº. 3. Anuário da Produção Acadêmica Docente, 2008. Disponível em: <
https://repositorio.pgsskroton.com.br/bitstream/123456789/1573/1/v.2,%20n.3,%202008-369-389.pdf>
Acesso em: 10 jul. 2019.

CORRAR, Luiz J.; et al. Pesquisa Operacional para Decisão em Contabilidade e Administração.
2. ed. São Paulo: Atlas, 2009.

CORRÊA, H.L.; CORRÊA, C.A. Administração de Produção e de Operações. São Paulo: Atlas,
2005.

CORRÊA, H.L.; CORRÊA, C.A. Administração de Produção e Operações: manufatura e

serviços: uma abordagem estratégica. 3. ed. São Paulo: Atlas, 2012.

DAVIS, Mark M.; et al. Fundamentos da administração da produção. 3. ed. Porto Alegre:
Bookman, 2001.

DE OLIVEIRA, M. L. R.; et al. Classificação da capacidade produtiva de povoamentos não

desbastados de clones de eucalipto. Vol. 43. Brasília, Pesquisa Agropecuária Brasileira, 2008.
Disponível em: < http://seer.sct.embrapa.br/index.php/pab/article/view/975/5557> Acesso: 11 jul.
2019.

ELIAS, Sérgio J.; et al. Mapeamento do Fluxo de Valor: Um Estudo de Caso em uma Indústria de
Gesso. Vol. 4, n. 1. Revista ADMpg Gestão Estratégica, 2011. Disponível em:
<http://www.admpg.com.br/revista2011/artigos/5.pdf> Acesso em: 10 jul. 2019.

GAITHER, N; FRAZIER, G. Administração da produção e operações. 8. ed. São Paulo: Cengage

Learning, 2002.

GARDONIO, P. C. M.; FILHO, J. R. de F. A utilização da ferramenta de mapeamento do fluxo de

valor (MFV) para melhoria de processos: estudo de caso em uma empresa do setor naval. Vol.
1. Curitiba, Brazilian Journal of Business, 2019. Disponível em: <
http://www.brjd.com.br/index.php/BJB/article/view/2327/2339> Acesso em: 11 jul. 2019.

HILLIER, Frederick S.; LIEBERMAN, Gerald J. Introduction to operations research. 10. ed.
Stanford University: McGraw-Hill Education, 2014.

KRAJEWSKI, Lee J.; et al. Administração de produção e operações. 8. ed. São Paulo: Pearson
Prentice Hall, 2009.

LIKER, Jeffrey K.; MEIER, David. O modelo toyota: manual de aplicação. Porto Alegre: Bookman,
2007.(TRADUÇÃO)

LOESCH,C.; HEIN, N. Pesquisa operacional: fundamentos e modelos. São Paulo: Saraiva, 2009.

LUSTOSA, Leonardo; et al. Planejamento e controle da produção. Rio de Janeiro: Elsevier,

2008.(TIRAGEM)
 51

MAGALHÃES, Moniely A. Aplicação do Mapa de Fluxo de Valor: estudo de caso em uma

indústria láctea. Universidade Federal de Uberlândia, 2018. Disponível: <
http://clyde.dr.ufu.br/bitstream/123456789/22124/1/AplicacaoMapaFluxo.pdf> Acesso em: 10 jul.
2019.

MARINHO, Alexandre. Hospitais Universitários: Indicadores de Utilização e Análise de

Eficiência. Rio de Janeiro, IPEA, 2000. Disponível em:
<http://repositorio.ipea.gov.br/handle/11058/2178> Acesso em: 11 jul. 2019.

PALADINI, Edson P.; et al. Gestão da qualidade: teoria e casos. 2. ed. Rio de Janeiro: Elsevier:
ABEPRO, 2012.

PRADO, D. Usando o Arena em Simulação. 2. ed. Belo Horizonte: INDG, 2004.

SILVA, E. L.; MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação.

Florianópolis: UFSC, 2005. Disponível em:
<https://projetos.inf.ufsc.br/arquivos/Metodologia_de_pesquisa_e_elaboracao_de_teses_e_dissertaco
es_4ed.pdf> Acesso em: 10 jul. 2019.

SLACK, Nigel;et al. Administração da produção. 3. ed. São Paulo: Atlas, 2009.

STAUDT, F. H. et al. Determinação da capacidade real necessária de um processo produtivo

utilizando cadeia de Markov. Vol.21. São Paulo, 2011.Disponível em:
<http://www.scielo.br/pdf/prod/v21n4/aop_t6_0005_0238.pdf> Acesso em: 09 jul. 2019.

TAHA, Hamdy A. Pesquisa Operacional. 8ed. São Paulo: Pearson Prentice Hall, 2008.

COSTA, Ivan J. S.;et al. Aplicação de fluxo contínuo no processo de produção: um estudo de
campo na fábrica de massas Scayners Ltda. Vol. 4. Curitiba, Brazilian Journal of Business, 2018.
Disponível em:
<https://www.researchgate.net/publication/329125033_Aplicacao_de_fluxo_continuo_no_processo_d
e_producao_um_estudo_de_campo_na_fabrica_de_massas_Scayners_Ltda> Acesso em: 11 jul.
2019.