ads:
UNIVERSIDADE FEDERAL DA PARAÍBA
CENTRO DE TECNOLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE
PRODUÇÃO
BENEDITO PEDRO COSTHEK
ESTUDO DE MÉTODOS PARA COMPARAR
SOFTWARES DE SIMULAÇÃO DISCRETA
DISPONÍVEIS NO MERCADO PARA UM SISTEMA
SIDERÚRGICO COMPLEXO
JOÃO PESSOA
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
BENEDITO PEDRO COSTHEK
E
E
S
S
T
T
U
U
D
D
O
O
D
D
E
E
M
M
É
É
T
T
O
O
D
D
O
O
S
S
P
P
A
A
R
R
A
A
C
C
O
O
M
M
P
P
A
A
R
R
A
A
R
R
S
S
O
O
F
F
T
T
W
W
A
A
R
R
E
E
S
S
D
D
E
E
S
S
I
I
M
M
U
U
L
L
A
A
Ç
Ç
Ã
Ã
O
O
D
D
I
I
S
S
C
C
R
R
E
E
T
T
A
A
D
D
I
I
S
S
P
P
O
O
N
N
Í
Í
V
V
E
E
I
I
S
S
N
N
O
O
M
M
E
E
R
R
C
C
A
A
D
D
O
O
P
P
A
A
R
R
A
A
U
U
M
M
S
S
I
I
S
S
T
T
E
E
M
M
A
A
S
S
I
I
D
D
E
E
R
R
Ú
Ú
R
R
G
G
I
I
C
C
O
O
Orientador: Prof. Dr. LUIZ BUENO DA SILVA
JOAÕ PESSOA
2008
ads:
C842e Costhek, Benedito Pedro
Estudo de métodos para comparar software de simulação
discreta disponíveis no mercado para um sistema siderúrgico /
Benedito Pedro Costhek - João Pessoa, 2008.
81 f. il.:
Orientador: Prof. Dr. Luiz Bueno da Silva
Dissertação (Mestrado em Engenharia de Produção) PPGEP
/ Centro de Tecnologia / Campus I / Universidade Federal da
Paraíba – UFPB.
1. Simulação 2. Aciaria 3. Arena I.Título.
CDU: 658
(
043
)
BENEDITO PEDRO COSTHEK
ESTUDO DE MÉTODOS PARA COMPARAR SOFTWARES
DE SIMULAÇÃO DISCRETA DISPONÍVEIS NO MERCADO
PARA UM SISTEMA SIDERÚRGICO
Dissertação aprovada em 22 de setembro de 2008, e apresentada ao Programa
Pós-Graduação em Engenharia de Produção – PPGEP, da Universidade Federal da
Paraíba pela comissão formada pelos professores abaixo assinados:
BANCA EXAMINADORA
________________________________________
Prof. Dr. Luiz Bueno da Silva
Orientador
(UFPB)
________________________________________
Prof. Dr. Antonio Villar
Examinador
(UFPB)
____________________________________________
Prof. Dr. João Bosco de Andrade
Examinador
(UFPB)
À Companhia Siderúrgica de Tubarão e especialmente ao
Departamento de Engenharia e a Divisão de Engenharia
de Produção que deu todo suporte que permitiu este
trabalho, a minha esposa pela paciência e apoio nas
horas difíceis.
AGRADECIMENTOS
- Ao prof. Dr. Bueno pela paciência e pela orientação segura.
- Aos professores da UFPB que direta ou indiretamente contribuíram para este
trabalho.
- Ao Sr. Álvaro José Ferreira Ribeiro e o Sr. Nelson Bastos que com visão
empreendedora empenharam-se na realização deste curso.
- Aos colegas com os quais convivi esse um ano e a todos aqueles que de uma
forma ou de outra me ajudaram nessa difícil jornada meus sinceros
agradecimentos.
- Ä minha esposa Regina que por muitas vezes suportou a minha ausência e me
apoiou em todos os momentos.
RESUMO
A ArcelorMittal Tubarão, é uma usina siderúrgica integrada, localizada em Vitória, ES
– Brasil, e em 2005 estava incorporando novos equipamentos ao seu processo
produtivo além de equipamentos auxiliares. A nova configuração de equipamentos
permitirá elevar a produção de placas da AMT de 5,0 Mt/ano para 7,5 Mt/ano. Os
novos equipamentos permitirão o maior enobrecimento do mix de produtos e
redução dos custos de produção. A utilização de um modelo de simulação para
analisar a capacidade de produção da nova aciaria, em relação à atual e estimar a
carga de trabalho dos diversos equipamentos foi aceita pela alta gerência para
permitir testar vários cenários de produção e verificar com isto o efeito causado nos
diversos equipamentos depois da expansão.
Para o desenvolvimento do estudo de simulação surgiram obstáculos provenientes
do excesso de detalhes operacionais que estavam sendo incluídos no modelo
gerando dúvida quanto ao melhor software a ser utilizado. Isto permitiu o
desenvolvimento deste projeto de dissertação que busca uma metodologia avaliar os
desempenhos entre as diversas ferramentas, disponíveis no mercado, que deverão
simular subsistemas de produção envolvidos no sistema de Aciaria e em simulações
complexas a serem desenvolvidas por computador. Este estudo visa identificar
metodologias para avaliação de software de simulação e não a sua avaliação
propriamente dita.
Foram feitas pesquisas de mercado junto aos representantes no Brasil e busca
literária que culminaram com 2 metodologias de avaliação de softwares mais
frequentemente utilizadas:
a) Tabela ou lista hierárquica
b) Seleção em duas fases com pesos de critérios
A lista hierárquica é mais fácil de ser elaborada embora ainda seja criteriosa, já a
seleção em duas fases com pesos de critérios é trabalhosa demandando maior
tempo de elaboração e muito critério.
Palavras chave: Simulação. Aciaria. Arena. Lista hierárquica.
ABSTRACT
The ArcelorMittal Tubarão - AMT, an integrated steelmaking company, located in
Vitória, ES – Brazil, in 2005 was adding new equipment to its process during these
days CST was operating with 2 Blast Furnaces with the capacity of 5.0 Mt/y of pig
iron, feeding a Steelmaking with 2 converters and 2 Continuous Casting Machines.
The new equipment configuration will allows to increase the slabs production to 7.5
Mt/a. The new equipment will allow the ennoblement of the product mix and the
reduction of the production cost. The simulation provided an excellent understanding
of the future operating process, allowing a previous vision of the potential bottlenecks
and also to identify reduced costs practices before the new equipment start up.
To the development of the simulation study same obstacles appeared due the
excess of operational details that were being included in the model, generating doubt
for the best software to be used. This allowed the development of this dissertation
project that looks for methodology to be used among the several tools, available in
the market, which should simulate production sub-systems involved in the
Steelmaking process and in complex simulations to be developed by computer. To
identify methodologies is the target of this study, not the software evaluation.
Market researches were done with the representatives in Brazil and literary search
that culminated with 2 methodologies of software evaluation more frequently used:
a) Spreadsheet or hierarchical lists
b) Selection in two phases with weights of criteria
The hierarchical list is easier of being elaborated away is still discerning, already the
selection in two phases with weights of criteria is difficult, demanding larger time of
elaboration and a lot of criteria to be evaluated.
Keywords: Simulation, Steelmaking Shop, Arena, Hierarchical Frame.
LISTA FIGURAS
Figura 1 - Sistemas simples ......................................................................................27
Figura 2 - Exemplo de histograma gerado ................................................................29
Figura 3 - Distribuição por produto no Wintersim 2006 (%).......................................38
Figura 4 - Critérios de atualização de software de simulação ...................................41
Figura 5 - Vendedor como critério.............................................................................42
Figura 6 - entrada de dados e modelagem ...............................................................42
Figura 7 - Execução ..................................................................................................43
Figura 8 - Processamento .........................................................................................44
Figura 9 - Teste de eficiência ....................................................................................44
Figura 10 - Saídas do modelo ...................................................................................45
Figura 11 - Usuário....................................................................................................45
Figura 12 - Interações durante o processo de seleção .............................................47
Figura 13 - Identificação de critérios .........................................................................49
Figura 14 - Passos levados em identificação das características .............................51
Figura 15 - Fluxo simplificado do processo produtivo ...............................................62
Figura 16 - Fluxo resaltando os principais novos equipamentos a serem instalados 63
Figura 17 – Ilustração dos principais equipamentos da Aciaria.................................63
Figura 18 – Layout simplificado com vista geral da simulação..................................64
LISTA DE TABELAS
Tabela 1 - Desenvolvimento do modelo & critérios de categoria de entrada de dados
............................................................................................................................56
Tabela 2 - Critérios de categoria para o representante do software..........................57
Tabela 3 - Critérios da categoria de execução..........................................................57
Tabela 4 - Critérios da categoria de animação..........................................................57
Tabela 5 - Critérios de teste e eficiência ...................................................................58
Tabela 6 - Critérios da categoria de resultados.........................................................58
Tabela 7 - Critérios da categoria usuário .................................................................59
Tabela 8 - Principais dados de entrada a serem introduzidos no sistema ................66
Tabela 9 - Coleta de dados na área de redução ......................................................66
Tabela 10 - Coleta de dados na pesagem de gusa...................................................67
Tabela 11 - Coleta de dados na área interna da aciaria............................................67
Tabela 12 - Coleta de dados do sistema dos computadores de processo ................68
Tabela 13 - Imput dos dados de manutenção ...........................................................68
Tabela 14 - Programação das máquinas de lingotamento contínuo .........................69
LISTA DE SIGLAS
AF – Alto Forno
AMT – ArcelorMittal Tubarão
IRUT – Tipo de processo de refino secundário do Aço
KR – Dessulfuração de gusa por processo Kambara Reator
MLC – Máquina de Lingotamento Contínuo
RH – Tipo de processo de refino secundário do Aço
SUMÁRIO
1 INTRODUÇÃO..............................................................................................13
1.1 CONSIDERAÇÕES INICIAIS .......................................................................13
1.2 ORIGEM DO TRABALHO ............................................................................14
1.3 IMPORTÂNCIA DO TRABALHO ..................................................................15
1.4 OBJETIVOS .................................................................................................16
1.4.1 Objetivo geral ...............................................................................................16
1.4.2 Objetivo específico .......................................................................................16
1.5 ESCOPO DO ESTUDO ................................................................................16
2 Estado da Arte ou Fundamentação Teórica .................................................19
2.1 SIMULAÇÃO DE PROCESSOS POR COMPUTADOR ...............................19
2.1.1 Estudos usando modelos analíticos .............................................................20
2.1.2 Estudos de otimização..................................................................................20
2.1.3 Estudos usando modelos de simulação .......................................................21
2.2 RAZÕES PARA ESTA PESQUISA SER FEITA COM BASE EM
SIMULADORES............................................................................................21
2.3 DEFINIÇÃO DA SIMULAÇÃO DE PROCESSOS.........................................22
2.4 APLICAÇÕES DA SIMULAÇÃO DE PROCESSOS .....................................23
2.5 ESTUDOS PARA PROJETAR SISTEMA A SER IMPLANTADO.................25
2.6 MODELOS DE SIMULAÇÃO: DEFINIÇÃO E CONSTRUÇÃO ....................25
2.7 COLETA E ANÁLISE DE INFORMAÇÕES PARA ANÁLISE DE TÉCNICAS
COMPUTACIONAIS.....................................................................................28
2.8 DISTINÇÃO DE CENÁRIOS ........................................................................30
2.9 ANÁLISE DE RESULTADOS ENTRE AS SIMULAÇOES ............................31
2.10 ESTUDO DE SISTEMAS TERMINAIS .........................................................31
2.11 ESTUDO DE SISTEMAS NÃO TERMINAIS ................................................32
2.12 AS 11 ARMADILHAS PARA UMA SIMULAÇÃO COMPLEXA .....................32
2.13 APLICAÇÃO DE TÉCNICAS METAHEURÍSTICAS .....................................34
2.14 TRABALHOS IDENTIFICADOS NA LITERATURA PARA AVALIAÇÃO DE
SOFTWARES DE SIMULAÇÃO...................................................................35
3 Metodologias ................................................................................................40
3.1 INTRODUÇÃO..............................................................................................40
3.1.1 Metodologia da Lista ou Tabela Hierárquica ................................................40
3.1.1.1 A lista Hierárquica.........................................................................................41
3.1.1.2 Vendedor como critério.................................................................................41
3.1.1.3 Entrada de dados e modelagem...................................................................42
3.1.1.4 Execução......................................................................................................42
3.1.1.5 Animação......................................................................................................43
3.1.1.6 Teste e eficiência..........................................................................................44
3.1.1.7 Saídas do modelo.........................................................................................45
3.1.1.8 Usuário .........................................................................................................45
3.1.1.9 Sumário desta metodologia ..........................................................................46
3.1.1.10 Resumo e conclusões da metodologia da lista hierárquica.........................46
3.2 Metodologia da seleção por duas fases com pesos de critérios...................46
3.2.1.1 Fase um: checagem das características ......................................................47
3.2.1.2 Fase dois: Cheque de qualidade ..................................................................52
3.2.2 Aplicação prática da metodologia.................................................................56
4 Estudo de caso para avaliação de um dos pacotes selecionados................61
4.1 METODOLOGIA UTILIZADA PARA COLETA DE TEMPOS........................61
4.2 FLUXO DE PRODUÇÃO SIMPLIFICADO....................................................62
4.3 A SIMULAÇÃO DA ACIARIA........................................................................63
4.4 INTRODUÇÃO AO ESTUDO DE CASO ......................................................63
4.5 PRINCIPAIS DADOS – ESCOLHA DE CENÁRIOS.....................................65
4.5.1 Principais dados – Dados dos Computadores de Processo da Aciaria ........68
4.5.2 PRINCIPAIS DADOS – PARADAS PERÍÓDICAS DOS EQUIPAMENTOS .68
4.5.3 PROGRAMAÇÃO DAS MÁQUINAS DE LINGOTAMENTO CONTÍNUO –
EXEMPLO A SER UTILIZADO.....................................................................69
4.6 PLANILHA DE RESULTADOS .....................................................................69
4.7 EXEMPLO DE COLETA DE INFORMAÇÕES PRELIMINARES EFETUADA
JUNTO AOS FORNECEDORES DE SIMULADORES.................................70
4.7.1 Geral.............................................................................................................70
4.7.2 Recursos estáticos .......................................................................................71
4.7.3 Importação de desenhos do CAD.................................................................71
4.7.4 Relatórios de saída.......................................................................................71
4.7.5 Importação / exportação de dados ...............................................................72
4.7.6 Resumo ........................................................................................................72
5 CONCLUSÕES E RECOMENDAÇÕES.......................................................73
5.1 OBJETIVOS ALCANÇADOS........................................................................73
5.2 CONCLUSÕES.............................................................................................73
5.3 RECOMENDAÇÕES PARA ESTUDOS FUTUROS .....................................74
REFERÊNCIAS.........................................................................................................75
1 INTRODUÇÃO
1.1 CONSIDERAÇÕES INICIAIS
De acordo com Drucker (1994):
A historia ocidental sofre grandes transformações e dentre essas pode-se
citar as geradas pelo renascimento e pela Revolução Industrial. No mundo
capitalista atual existe a revolução provocada pela Tecnologia da
Informação que abrange praticamente todos os segmementos da sociedade
moderna.
A forma de transmitir e repassar a informação vem sendo um dos pontos
críticos ao longo de nossa história e, vemos que na Revolução Industrial o
conhecimento que era restrito ao próprio artesão e a poucas pessoas ao seu redor
passou a ser distribuido em manuais e livros que passaram a ser transmitidos nas
Escolas Técnicas.
Segundo Drucker (1994):
As Escolas que na época do da Revolução Industrial estavam preocupadas
em repassar este conhecimentoque que seria o conhecimento empirico dos
Artesãos e seus mistérios adquiridos ao longo de séculos através dos livros
e demonstrações que procuravam demonstrar a forma de execututá-los
tranformou-se em transferência de informação e por consequência
transferência de tecnologia e informação.
A sociedade pós-industrial caracterizou-se por produção de serviços, de bens
e pela transmissão de informações já baseado na experiência organiacional e de
investimento na tecnologia de ponta que conhecemos como o “estado da arte”, na
criação de grupos especialistas e na implentação de formas do trabalho organizadas
como a implementação modular, entre outros e dentro de metodologias que
caracterizam esta mesma Era Pós-Industrial (SANTOS, 1990).
A sociedade Pós Industrial ou do conhecimento é decorrente de fatores que
podemos citar como: o rigor pelas políticas ambientais, o crescente nível de
exigência dos consumidores, as mudanças tecnologicas e principalmente o aumento
de competividade levaram as empresas a procurar alternativas que lhe garantissem
14
tomadas de decisão mais rápidas e precisas de maneira a proporcionar melhor
retorno de seus investimentos.
Segundo Barbosa (1986):
A década de 50 foi a grande virada que proporcionou a transformação para
a nova realidade e principalmente em decorrência do desenvolvimento dos
recursos computacionais. O impacto da tecnologia da informática sobre a
ciência passa a ser um gerador de riquezas porque a coleta e o
processamento adequado de informações é fator essencial no sucesso de
qualquer empreendimento.
Softwares destinados a avaliação de sistemas ou análise de todos os tipos de
projetos tornaram-se um meio prático que com o desenvolvimento destas máquinas
eletrônicas desde os anos cinqüenta vem causando a revolução da tecnologia da
Informação e é provavelmente um dos itens que, de mãos dadas com o
desenvolvimento da eletrônica, vem evoluindo como o carro chefe de muitas áreas
das ciência, que por vezes nos assustam como a genética: a exemplo da evolução
das pesquisas com células tronco e o genoma humano, outro exemplo são as
possibilidades que a nanotecnologia nos aponta. Assim a medida que as
capacidades dos computadores crescem permitem que estas ferramentas
computacionais tornem-se mais pesadas e complexas mas, com interfaces de
usuários mais fáceis de serem usadas. Em adição, como os softwares ficam mais
fácieis de usar, tem sido possível para não-especialistas dedicarem-se a tarefa de
edificar trabalhos computacionais mais complexos. Nos últimos anos temos visto o
desenvolvimento de Sistemas de Modelamento Interativos com visuais poderosos
como ProModel, Arena, Enterprising Dinamics e ferramentas de uso geral como a
própria plalnilha do Excell a qual, a cada versão, contem mais recursos para análise
de dados e avaliação de informações técnicas ou finaneiras.
1.2 ORIGEM DO TRABALHO
A AMT - ArcelorMittal Tubarão, é uma usina siderúrgica integrada, produtora
de placas de aço através dos processos de lingotamento contínuo e bobinas
laminadas à quente (BQ’s) através de um Laminador de Tiras à Quente.
15
Placas de aço e BQ’s são produtos semi-acabados para posterior
relaminação em produtos planos, os quais servem a aplicações diversas, tais como
industria automobilística, eletrodomésticos, indústria naval, tubos, construção civil
em geral, estruturas metálicas, etc.
Em 2006 devido ao estudo de aumento da produção de bobinas laminadas à
quente, de 2,5 para 4,0 Mt/a com um crescimento de aproximadamente de 50%,
ocorreu a demanda para uma simulação em computador para a área de resfriamento
de bobinas objetivando identificar os processos e novos equipamentos necessários
nesta área gargalo. Para identificar o software mais indicado para esta simulação
surgiu a necessidade de avaliar as diferentes pacotes de simulação discreta
disponíveis no mercado. Qual metodalogia a ser usada e cpmo pode ser empregada
em um sistema complexo?
1.3 IMPORTÂNCIA DO TRABALHO
Identificar metodologias que, sob o ponto de vista da Engenharia de
Produção, permitam comparar as ferramentas computadorizadas mais indicadas que
permitam estimar a carga de trabalho dos diversos equipamentos antes e após a
expansão de sistemas complexos ou para estudo comparativo de melhorias a serem
feitas nestes processos siderúrgicos e ainda:
• Servir como informação aos especialistas da Siderúrgica ArcelorMIttal
Tubarão e outros, que se utilizam destas ferramentas computacionais em
siderúrgicas;
• exemplificar um estudo utilizando um software de simulação para não
especialistas que buscam resultados de sistemas produtivos através de
ferramentas de simulação computacional para a Siderúrgia;
• Passar o conhecimento decorrente deste estudo para o meio acadêmico.
16
1.4 OBJETIVOS
1.4.1 Objetivo geral
Pesquisar as metodologias para identificar os principais softwares de
simulação de processos discretos na Siderúrgia, suas técnicas, aplicações, formas
de implementações e demais itens que possam ser compreendidos por todos os
interessados em estimar a carga de trabalho de equipamentos em uma planta
Siderúrgica antes e/ou após a expansão de sistemas complexos ou para estudo
comparativo de melhorias a serem feitas nestes sistemas de produção e
transformação do aço.
1.4.2 Objetivo específico
Identificar metodologia para mostrar as vantagens e desvantagens
provenientes de ferramentas computacionais para simular um sistema produtivo
complexo na siderúrgia;
Este é o objetivo do presente estudo na área de Engenharia de Produção ou
seja elaborar um estudo mostrando as metodologias para comparar softwares de
simulação discreta para computadores, suas vantagens e desvantagens, e as
características que devam ser observadas na hora de escolhermos qual a melhor
ferramenta a ser usada para analisar, determinar e simular o desempenho de
sistemas de produção complexos após uma expansão ou melhoria na área da
Siderúrgia.
1.5 ESCOPO DO ESTUDO
Este estudo é constituído das seguintes partes:
No capítulo I é feita a introdução que abrange os seguintes itens:
17
- Considerações Iniciais
- Origem do Trabalho
- Importância do Trabalho
- Objetivos
- Objetivo Geral
- Objetivo Específico
No capítulo II é feita uma descrição do estado da arte, revisão bibliográfica ou
fundamentação teórica com foco na simulação de processos por computador. Estão
descritos os seguintes tópicos:
- Introdução
- Definição da Simulação de Processos
- Aplicações da Simulação de Processos
- Estudos de alteração em um sistema existente
- Estudos comparativos
- Estudos de um sistema ainda a ser implementado
- Modelos de Simulação: Definição e Construção
- Coleta e análise de informações para um modelo de simulação
- Definição de cenários
- Simulação de sistemas inexistentes
- Análise de resultados gerados pela simulação
- Estudo de Sistemas terminais
- Estudo de Sistemas não terminais
- As 11 armadilhas para uma Simulação Complexa por computador
- Trabalhos identificados na literatura para avaliação de softwares de
simulação.
- Seleção de softwares para simulação
No Capítulo 3, são apresentados os procedimentos metodológicos para a
elaboração do estudo e a descrição dos critérios para avaliação e simulação de
eventos discretos.
No Capítulo 4, são apresentados os desenvolvimentos para avaliação de um
dos pacotes e os principais fluxos de produção.
18
No Capítulo 5 é apresentada a Simulação da Aciaria para 7.5 Mt/a, com o uso
do software de Simulação de Processos por Computador denominado ARENA.
Tambem são mostrados como foi feita a interação com o Excell para ser utilizado
como a ferramenta de entrada de dados que permite ao usuário inexperiente em
simulação alterar os parameros desta de forma fácil e sem necessidade de
treinamentos prolongados. Esta simulação será o cenário básico a ser desenvolvido
em todos os simuladores e apartir destes iremos desenvolver as comparações de
técnicas computacionais empregadas na Engenharia de Produção.
Assim o último capítulo fará as conclusões finais deste estudo mostrando os
pontos importantes e as características do método proposto bem como possível
desenvolvimento de trabalhos futuros.
2 ESTADO DA ARTE OU FUNDAMENTAÇÃO TEÓRICA
2.1 SIMULAÇÃO DE PROCESSOS POR COMPUTADOR
Um grande avanço tecnológico teve lugar nas últimas décadas. Aparelhos
que há alguns anos pareciam inviáveis, hoje fazem parte do nosso dia a dia. E o
desenvolvimento de novas tecnologias parece evoluir de forma exponencial, criando
cada vez mais rapidamente, aparatos ainda mais revolucionários.
Ocorre que avanços semelhantes ocorreram no campo industrial/empresarial,
na forma de computadores cada vez mais avançados e softwares poderosos. Entre
estes softwares, figuram os sistemas gerenciamento eletrônico de empresas e os
simuladores de processos, entre muitos outros.
Com a ajuda destas ferramentas, a tarefa de administrar e tomar decisões
torna-se cada vez mais fácil.
Da mesma forma que o telefone celular veio facilitar a comunicação entre as
pessoas e o forno de microondas aumenta a praticidade no preparo dos alimentos,
os softwares de Simulação de Processos auxiliam de forma significativa o processo
de tomada de decisões nas empresas. Mais do que um mero acessório, torna-se
cada vez mais uma ferramenta essencial incorporada ao processo de tomada de
decisão, assim como o celular e o microondas fazem parte da rotina da maioria das
pessoas.
Uma vez que o presente estudo busca metodologias para comparar
ferramentas computacionais para auxílio a estudos estratégicos na área da
siderúrgia, a busca pelas referências bibliográficas foi direcionada para trabalhos de
propósito semelhante.
A pesquisa realizada mostrou que poucos trabalhos de foco estratégico para
a área de siderurgia foram desenvolvidos no Brasil recentemente, provavelmente
reflexo do período onde cada empresa desenvolve seus próprios modelos que nem
sempre são divulgados. Por outro lado, internacionalmente existem diversos
trabalhos neste sentido. Os estudos encontrados foram classificados segundo o
proposto por Petersen e Taylor (1982), que classifica modelos de análise em três
categorias: descritivos (analíticos), simulação e otimização.
20
Foram procuradas especialmente referências sobre a aplicação de técnicas
da simulação de eventos discretos em estudos sistemas de produção de
Siderúrgicas.
Também se buscou referências sobre a operação siderúrgica em si e estudos
que buscam seu aprimoramento através de outras técnicas diferentes de simulação,
inclusive ferramentas comerciais específicas.
A pesquisa permitiu constatar que os estudos de simulação de eventos
discretos focando a siderurgia são bastante reduzidos em comparação a outros
sistemas ou processos principalmente em cadeias de logística. Também foram
encontradas poucas iniciativas dedicadas a um simulador genérico que trate de
manuseio, produção ou transformação do Aço. A grande maioria dos estudos tem
foco em logística na área de transportes rodoviários, ferroviários e aeroviarios. O
levantamento se estendeu às principais ferramentas de simulação no mercado com
foco em estudos genéricos aplicáveis a sistemas de produção complexos.
Os tópicos a seguir apresentam o resultado deste levantamento embora muito
esteja voltado para exemplos de sistemas logísticos.
2.1.1 Estudos usando modelos analíticos
Segundo Saad (1999):
Os modelos analíticos desenvolvem uma estrutura fechada ou expressões
algébricas, e os resultados são encontrados resolvendo-se um conjunto de
equações lineares. Tem como vantagem o fato de não exigirem grandes
recursos técnicos ou computacionais. Sua aplicação é feita principalmente
em estudos que buscam resultados operacionais mais simples.
2.1.2 Estudos de otimização
Os estudos de otimização buscam encontrar a melhor configuração dos
parâmetros de ajuste em um sistema, para atender a um determinado objetivo. Essa
configuração é denominada o “ótimo”. Segundo Saad (1999), sua aplicação mais
freqüente em estudos ferroviários tem sido na realização de estudos de
programação de trens, buscando otimizar algum critério, como capacidade, atrasode
21
horários, etc. Entretanto, Saad afirma que estes modelos são de interesse bem mais
teórico, tendo pouca aplicação prática.
Modelos de otimização de transporte, segundo Leilich (1998), apesar de
serem capazes de extrair a melhor performance do sistema, geralmente não são
capazes de representar eventos específicos de trânsito, interdependência entre
processos, nem eventos aleatórios.
2.1.3 Estudos usando modelos de simulação
Segundo Banks et. al. (1996):
A disponibilidade de linguagens computacionais especializadas em estudos
de simulação, o crescimento na capacidade computacional e na
metodologia de simulação, tornaram esta uma das ferramentas mais
difundidas e bem aceitas no ramo da pesquisa operacional.
Ainda segundo Banks, a simulação é a ferramenta adequada quando se
necessita estudar e fazer experimentações com as interações entre elementos de
um sistema complexo, experimentar novas políticas de operação antes de sua
implementação, ou mesmo para verificar e confirmar o resultado de estudos
analíticos.
Saad (1999) afirma que os modelos de simulação tem a vantagem de poder
incluir grandes detalhes e estudar o comportamento transitório do sistema.
2.2 RAZÕES PARA ESTA PESQUISA SER FEITA COM BASE EM
SIMULADORES
Tais aplicativos computacionais permitem que se construa um modelo do
processo, agregando a este uma parte gráfica que apresenta visualmente o
comportamento da simulação. Deste modo, além de se obter estatísticas em
diversos simuladores, cujos resultados poderão ser comparados para se analisar as
vantagens e desvantagens de cada ferramenta, é possível visualizar o seu
funcionamento e detectar possíveis erros ou problemas no sistema. Apesar dos
22
muitos tipos diferentes de sistemas possíveis de serem utilizados, com ou sem o uso
do computador, este estudo irá se restringir à simulação de eventos discretos
usando simulação pois de acordo com Gavira (2003), a Simulação de Sistemas por
Computador é uma ramificação da Simulação por Computador, que permite estudar
o comportamento e o relacionamento entre diversos componentes de um sistema,
considerando o fluxo de informações ou de elementos físicos dentro dele. Trata-se
de uma ferramenta poderosa na análise de sistemas muito complexos, já que o
computador monitora todas as variáveis, altera os estados e comportamentos
conforme programado e gera estatísticas de todo o experimento. O seu uso é
possível graças à disponibilidade de aplicativos computacionais voltados para a
simulação, como por exemplo o software Promodel.
Mas o objetivo deste estudo de técnicas para comparar o desempenho de
softwares de simulação discreta em uma siderurgica após uma espansão de
produção é não nos limitamos aos softwares Arena e o Promodel e sim obter um
conjunto de critérios para avaliação dos softwares de simulação em um ambiente
siderúrgico que nos mostrem quais são as melhores ferramentas para análise de
sistemas complexos e de que forma podemos fazer deste estudo uma ferramenta
para transmissão e divulgação do conhecimento.
2.3 DEFINIÇÃO DA SIMULAÇÃO DE PROCESSOS
Segundo Fioroni (2005):
Entre estes aspectos, foi especialmente favorecida a técnica de Simulação
de Eventos Discretos, que passou a contar com ferramentas
computacionais poderosas, capazes de estudar sistemas de enorme
complexidade, envolvendo grande quantidade de variáveis.
Ainda conforme Fioroni (2005) outro aspecto da técnica em que houve
avanços notáveis, foi na facilidade de modelagem. Algumas linguagems de
simulação oferecem estruturas modulares que podem representar porções
complexas de um sistema, e que podem ser facilmente configuradas pelo
programador durante a montagem do modelo. Por exemplo: na simulação de uma
central de atendimento, há o elemento “atendente”, que possui determinadas
23
características e necessita ser modelado corretamente para que o sistema seja bem
representado. Nesta situação, as características do atendente podem ser modeladas
usando-se a linguagem padrão de simulação disponibilizada, o que demandaria
certo tempo e esforço de programação, ou usar um módulo de alto nível chamado
“Agent”, que tem toda a lógica de atendimento já modelada e requer apenas
algumas informações do usuário para que represente corretamente seu papel dentro
do modelo. Esses módulos de alto nível tem comportamento semelhante às
estruturas “Procedure” e “Function” na linguagem Pascal, com a diferença que o
usuário não tem acesso ao código interno do módulo.
Fioroni (2005) afirma que:
Em contrapartida à facilidade de modelagem, os templates tem foco definido
para determinados tipos de sistema, ou seja, um template desenvolvido
para modelar facilmente uma central de atendimento, não poderá ser usado
para modelar outros sistemas, ou será usado com bastante dificuldade
nesse objetivo, sendo inviável o seu uso em aplicações como, por exemplo,
um sistema logístico. Portanto, os templates tem sua facilidade de uso
inversamente proporcional à sua flexibilidade.
Essas estruturas podem ser aplicadas em simulação de sistemas de
transporte, como no caso apresentado por Pater e Teunisse (1997). Entre as
vantagens do uso deste tipo de estrutura, estão a facilidade e rapidez de
modelagem, e a minimização dos erros de lógica, entre outras relacionadas por
Hooghiemstra e Teunisse (1998).
Outra das características da técnica de simulação de eventos discretos é que
o modelo, uma vez construído para o primeiro estudo, pode ser reaproveitado para
atender a novas mudanças no sistema original, ou reproduzir um sistema
semelhante.
2.4 APLICAÇÕES DA SIMULAÇÃO DE PROCESSOS
Ainda de acordo com Gavira (2003):
Os sistemas computacionais de Simulação de Processos são bastante
flexíveis, permitindo a modelagem e estudo de sistemas variados, como o
fluxo de papéis em um escritório, atendimento clientes em uma agência
bancária, o cronograma de manutenção de aeronaves, produção de aço em
siderúrgicas e mesmo sistemas avançados de manufatura.
24
Sua aplicação tem enfoque diferente, dependendo do tipo de processo a ser
analisado, e mesmo quais aspectos serão relevantes ao estudo. Os tipos de análises
mais freqüentes são:
a) Estudos de alteração em um sistema existente:
A aplicação mais tradicional da Simulação de Processos. Destina-se a
estudar os efeitos de uma alteração em um sistema já existente e conhecido. Aplica-
se na verificação de planos de melhoria do processo, estudo de compra de novas
máquinas, alterações de Layout, alteração no número de funcionários, etc.
Basicamente, dispõe-se de um sistema já bem conhecido, operacional, e em
funcionamento. Um modelo de simulação é criado sobre este sistema e ajustado até
corresponder em detalhes ao sistema real. Sobre este modelo, são aplicadas as
alterações desejadas, e seus feitos observados.
b) Estudos comparativos:
Quando se pretende comparar dois sistemas segundo um mesmo aspecto,
como escolha entre Layout de célula em U ou em L, diferente número de
operadores, movimentações por esteiras ou por empilhadeira, são construídos dois
modelos adotando-se os mesmos parâmetros, alterando-se apenas a característica
a ser estudada. Os resultados obtidos pelos dois modelos serão comparados no
sentido de se descobrir qual é a melhor situação (por exemplo: o transporte por
esteiras é mais produtivo que por empilhadeiras).
Não há o compromisso específico de que qualquer dos modelos represente
com exatidão todos os aspectos de uma situação real, pois a informação desejada é
comparativa entre os dois (ou mais) modelos. Portando, podem-se adotar várias
simplificações nos modelos, tornando o trabalho de modelagem mais fácil. Atendo-
se ao exemplo das esteiras e empilhadeira, não é necessário incluir no modelo o
setup das máquinas, uma vez que este teria conseqüências semelhantes nos dois
sistemas de transporte, portanto não é relevante para o estudo.
25
2.5 ESTUDOS PARA PROJETAR SISTEMA A SER IMPLANTADO
Diferentes dos casos explanados anteriormente, existem situações em que
um sistema é totalmente projetado com recursos ou características não presentes no
sistema atualmente existente. Neste caso, podem-se coletar dados de situações
semelhantes, ou estimar os dados de trabalho, considerando-se a correspondente
margem de erro. A simulação é uma ferramenta excepcionalmente valiosa para este
tipo de análise.
2.6 MODELOS DE SIMULAÇÃO: DEFINIÇÃO E CONSTRUÇÃO
Segundo Fioroni (2005):
A capacidade humana de tomar decisões é de difícil representação em um
sistema computacional, o qual exige regras claras e orientação completa
quanto aos procedimentos a serem adotados em cada situação. Desta
forma, é necessário identificar os procedimentos humanos usados para
realizar as tomadas de decisão (se houverem), ou adotar simplificações no
modelo que tornem possível a sua implementação.
Entretanto, Pidd (1998), um modelo não deve ser necessariamente tão
complicado quanto a realidade que está sendo representada, pois ele faz parte de
um sistema usuário-modelo.
Segundo Pidd,
Os modelos não carregam sozinhos toda a responsabilidade em gerar os
resultados corretos para a análise do sistema. Grande parte desta
responsabilidade é papel do usuário, que deve usar o modelo
adequadamente. Este conceito é resumido por Pidd com a frase “Modele
Simples, Pense Complicado”.
À luz desta orientação, este estudo buscará desenvolver o modelo com a
complexidade suficiente para que, operado adequadamente pelo usuário, possam
ser realizados os estudos relacionados no tópico 1.4.2 do Capítulo 1 relativo ao
objetivo específico deste estudo.
26
Conforme mencionado anteriormente, a simulação de processos trabalha
sobre “abstrações” da realidade chamada modelos. Um modelo de simulação é uma
representação fiel do sistema real ou parte dele, em uma escala menor. O modelo
deve possuir as mesmas propriedades e apresentar as mesmas reações do seu
correspondente real, que precisa ser estudado.
Desta forma é possível estudar as reações futuras do sistema real baseado
nas reações apresentadas pelo modelo. Desta forma, podem-se realizar
experiências com o sistema que de outra forma seriam muito dispendiosas e, em
alguns casos, perigosas.
Antes de construir o modelo, é necessário estudar atentamente o sistema real
(caso este exista) e definir qual aspecto será estudado. A modelagem toma rumos
diferentes dependendo da análise que se deseja fazer. Isto é necessário para evitar
esforço de modelagem com aspectos não relevantes ao estudo.
Segundo afirma Carrie (1988), na simulação de eventos discretos podemos
encontrar os seguintes elementos:
Entidades: São os elementos do sistema, divididos em temporários ou
permanentes. As entidades permanentes, ou recursos, são aquelas que
permanecem no sistema do início ao fim da simulação (como máquinas,
operadores, etc.). As temporárias são as que entram no sistema a qualquer
momento durante a simulação, “circulam” pelo sistema e saem também a
qualquer momento (peças, clientes, etc.);
Atividades: São as operações que as entidades fazem ou deveriam fazer
dentro do sistema;
Eventos: São os instantes do tempo em que ocorrem mudanças no estado
do modelo, como inícios ou término de uma atividade;
Filas: Quando uma ou mais entidades aguardam para realizar uma
atividade, forma o elemento chamado fila;
Atributos: São as características específicas de cada entidade, como cor,
momento de entrada no modelo, tempo de espera na fila, etc.;
Estados: São as alterações que sofrem as entidades ao longo do modelo.
A Figura 1 apresenta um exemplo de um sistema simples onde aparecem as
entidades temporárias interagindo com um recurso (entidade permanente) dentro da
simulação. Neste caso, o recurso representa um equipamento ou uma máquina que
realiza sua atividade dentro de um determinado espaço de tempo e as entidades
representam peças que sofrem processos. No lugar de uma máquina, poderia ser
representado um caixa eletrônico (recurso) atendendo clientes (entidades).
27
Figura 1 – Sistemas simples
A construção do modelo ou modelagem é realizada combinando-se os vários
processos existentes no sistema, bem como as suas regras de funcionamento. Uma
vez construído, são inseridas as entidades, que o percorrem em um fluxo
estabelecido pelas regras, passando pelos recursos, onde realizam atividades. O
fluxo é controlado pelo chamado “calendário de eventos” , que controla os tempos
de início e término das atividades, bem como os tempos de entrada e saída de
entidades.
A representatividade do modelo em relação ao sistema real deve ser
verificada através do processo chamado validação. Por validação, entendem-se a
comparação entre o funcionamento do modelo com o sistema real, considerando-se
taxas de produção pelo mesmo período de tempo, comportamento idêntico dos
processos, etc. Esta tarefa tem se tornado cada vez mais fácil, graças aos recursos
de representação visual disponíveis atualmente nos pacotes de simulação mais
modernos. Através deste recurso, é possível visualizar na tela do computador uma
animação representativa do sistema, de modo a permitir a identificação imediata de
qualquer comportamento errôneo. Em paralelo a isto, é feita também a comparação
dos dados estatísticos (produção, percentuais de ocupação etc.) entre o sistema real
e a simulação. Uma vez validado, o modelo é considerado pronto para realizar os
experimentos.
28
2.7 COLETA E ANÁLISE DE INFORMAÇÕES PARA ANÁLISE DE
TÉCNICAS COMPUTACIONAIS
O bom resultado de um modelo depende das informações de funcionamento
do sistema real, que deve ser estudado levando-se em conta o enfoque do modelo
que irá nortear sua construção. Uma vez combinados os recursos e definidas as
regras de fluxo, deve-se coletar as informações de tempo. Este trabalho é muito
importante para a representatividade do modelo, pois aqui são inseridas as
variações aleatórias inerentes a várias operações, um bom levantamento de dados
permitirá obtermos um modelo coerente que será mais facilmente aceito pelas áreas
envolvidas no estudo.
Usualmente, em operações automatizadas os tempos de processo são fixos
ou sofrem variações insignificantes, o que não é verdade para as operações
realizadas, por exemplo, pelas pessoas. Estas estão sujeitas as muitas variações,
que devem ser consideradas no modelo. Os pacotes de simulação possuem
recursos poderosos para representar estas variações, através de curvas de
comportamento.
Basicamente, os softwares geram números aleatórios controlados por tais
curvas, que são usadas para representar o tempo de operação de uma determinada
tarefa, o tempo de deslocamento de uma entidade de um local para outro, como o
transporte de uma panela de aço líquido ou mesmo o intervalo de tempo entre as
entradas de entidade no modelo como carros torpedos carregados nos Altos-Fornos
que são dimensionados para representar um volume de geração de gusa. Para se
determinar a curva de comportamento de uma operação, é necessário estudá-la ao
longo do tempo. Realizando-se várias tomadas de tempo da mesma operação em
momentos distintos (diferentes horários do dia, e em diferentes dias semana). Tais
valores são reunidos graficamente em um histograma, que representa os seus
valores coletados.
A Figura 2 apresenta um exemplo de dados coletados e o histograma
correspondente, gerados pelo software Input Analyzer, presente no pacote de
simulação Arena.
29
Para cada operação realizada pelo sistema em que haja variabilidade, devem
ser coletadas informações de tempo e geradas as respectivas curvas de
comportamento. O modelo, assim construído, terá condições de representar
fielmente o sistema real.
Ocasionalmente, podem ocorrer eventos imprevistos ao longo da tomada de
tempo (por exemplo, o operador se machuca ou deixa cair uma ferramenta) que
acabam por prolongar o tempo da operação. Neste caso, este valor deve ser
desconsiderado e uma anotação deve ser feita, registrando o ocorrido, que será
modelado de outra forma. Isto é necessário pois caso este tempo seja inserido junto
com os outros dados para a geração do histograma, este acabará por fornecer uma
curva de comportamento imprecisa, sem uma boa aderência ao gráfico. Imprevistos
como o citado pode ser modelado tomando-se por base os registros históricos
destas ocorrências, que irão gerar uma curva de comportamento distinta.
Figura 2 - Exemplo de histograma gerado
As curvas de comportamento mais comuns são: Normal, Triangular,
Exponencial, Uniforme, Gama e Weibull, entre outras. Uma frase comum no meio da
30
simulação é “ Trash in – Trash out” , ou seja, se forem colocadas informações
incorretas no modelo, este responderá incorretamente também.
2.8 DISTINÇÃO DE CENÁRIOS
Como serão apresentadas metodologias para comparação de diferentes
simuladores para sistemas complexos, será necessário criar um modelo com
cenários específicos que atendam o objetivo de obtermos respostas destas
comparações que permitam avaliações corretas de pelo menos um dos simuladores.
Os modelos de simulação que realizam testes de diferentes alternativas para
um mesmo sistema são chamados de cenários. Os cenários são aplicados
principalmente quando se deseja estudar as alterações em um sistema já existente.
Portanto, é necessária a construção de um modelo que seja fiel ao sistema
existente, devidamente validado. A partir dele, são aplicadas as melhorias
pretendidas, ou modificações de qualquer ordem. O objetivo é comparar o
desempenho dos simuladores entre si com a do cenário estipulado de modo a
constatar qual é a melhor opção ou opções de melhoria, e estes diferentes
simuladores deverão estar aptos a responder esta pergunta.
O desenvolvimento de cenários para a simulação é similar ao realizado na
Administração Estratégica quando realiza a previsão ambiental (CERTO; PETER,
1993) onde a equipe selecionada, baseada em informações já existentes, tenta criar
situações de mercado hipotéticas e preparar a empresa para uma nova situação
antes que esta ocorra. Tais cenários de mercado podem até mesmo ser simulados
em um pacote comercial, uma vez definidos alguns parâmetros e guardadas certas
limitações. Baseados neste fato, já temos notícias de “business games” que fazem
uso de simulação, como o descrito por Cornélio, Freitas e Tubino (1998).
Comparar as diversas ferramentas que geram as simulações será tarefa difícil
de ser realizada pois são muitos os fatores que nos levam a escolher entre as
diversas disponíveis no mercado ou em ambientes academicos, mas objetiva-se
desenvolver um critério com base científica, séria e imparcial de avaliacão.
31
2.9 ANÁLISE DE RESULTADOS ENTRE AS SIMULAÇOES
Apesar de que o objetivo deste projeto de mestrado estar na comparação
entre as técnicas computadorizadas de avaliar e simular o desempenho de sistemas
de produção complexos, iremos utilizar este estudo em situação real de produção e
buscam-se resultados práticos que serão utilizados pela ArceloMittal Tubarão, o
financiador deste projeto.
Sob o aspecto de coleta de dados, como detalhado por Kelton e Sadowsky
(1998):
Os modelos de simulação podem ser classificados em “terminais” ou “não-
terminais”
Os modelos terminais são aqueles que têm início e fim bem definidos por
determinadas condições. Por exemplo, um estabelecimento comercial abre
suas portas às 8 horas da manhã e encerra seu expediente às 5 da tarde,
no entanto, permanece funcionando até que todos os clientes tenham saído
da loja. Portanto, as condições de término são o horário e a ausência de
clientes na loja. O tempo de simulação, portanto, pode variar de acordo com
o comportamento do modelo.
Os modelos não-terminais são aqueles que funcionam ininterruptamente,
sem condições específicas para término. Por exemplo, uma ala de
emergência em um hospital funciona 24 horas por dia. Neste caso, o
projetista deve estabelecer um tempo razoável de simulação, suficiente para
gerar a quantidade dados adequada para a tomada de decisões.
Portanto estamos trabalhando nesta pesquisa com modelos não-terminais.
2.10 ESTUDO DE SISTEMAS TERMINAIS
Para os sistemas terminais, a execução da simulação é feita em “replicações”.
Cada replicação representa um período de tempo, no qual o sistema trabalha.
Portanto, no caso do estabelecimento comercial citado anteriormente, uma
replicação seria um dia de trabalho. Supondo que se deseje medir o número médio
de clientes na fila do caixa ao longo do dia, a simulação executa várias replicações,
cada qual fornecendo o valor médio de um dia. Estes valores são, então, usados
para calcular o intervalo de confiança do modelo.
O número de replicações necessárias para a obtenção de um bom intervalo
de confiança varia de acordo com o modelo. Devem ser feitas várias tentativas,
aumentando-se o número de replicações, até a obtenção de um intervalo aceitável.
32
Os pacotes comerciais de simulação mais modernos são capazes de gerar
automaticamente tais intervalos, entre outras análises gráficas. Tal característica é,
de fato, uma das mais importantes dentro de um pacote de simulação (Nikoukaran,
1998c).
2.11 ESTUDO DE SISTEMAS NÃO TERMINAIS
Para os sistemas não-terminais, a execução da simulação é feita de modo
contínuo.
No entanto, um problema para o projetista é que a maioria dos sistemas não
se inicia vazia, ou seja, sem peças ou sem pessoas. Para que as estatísticas sejam
válidas, é necessário que sejam coletadas com o sistema em pleno funcionamento,
ou “em regime”. Para contornar este problema, após iniciada a simulação, é
estabelecido um tempo de “warm-up”, ou aquecimento, durante o qual o sistema
entrará em regime. O tempo de “warm-up” também varia conforme o modelo, e deve
ser determinado por tentativas.
Uma vez determinado o tempo de “warm-up”, a simulação pode se processar
da mesma forma que os sistemas terminais, através de replicações de determinados
períodos de tempo.
A única observação é que o tempo de “warm-up” só deve ser aplicado à
primeira replicação, e o sistema não deve ser reinicializado, ou seja, esvaziado.
Neste caso, no final de uma replicação, todas as peças e/ou pessoas permanecem
no sistema e a replicação seguinte já se inicia com elas.
2.12 AS 11 ARMADILHAS PARA UMA SIMULAÇÃO COMPLEXA
Law (2004):
Apresenta em seu trabalho para o Winter Simulation de 2004 as 11
armadilhas que a simulação por computador pode incorrer e
conseguentemente vir a falhar:
Armadilha número 1: Fracasso para ter uma simulação é não ter bem
definido os objetivos no começo do estudo de simulação.
33
Nós recomendamos fazer uma lista das perguntas específicas que o modelo
deverá responder e também o conhecer as medidas de desempenho que
serão usadas para avaliar a eficácia de várias configurações de sistema.
Caso contrário, será impossível determinar o nível apropriado de detalhe
modelo.
Armadilha número 2: Fracasso para comunicar-se com o tomador de
decisão (ou o cliente) regularmente.
Isto é essencial assegurar que o problema correto é resolvido e promover
credibilidade modelo.
Há muitos modelos válidos (tecnicamente) que não são usados no processo
de decisão-fabricação porque eles não são confiáveis.
Armadilha número 3: Falta de conhecimento de metodologia de simulação e
também de probabilidade e estatísticas.
Uma porcentagem significante das pessoas envolvidas na simulação e
modelamento só é treinada para o uso de um pacote de simulação ou
software em particular o que nós sentimos que definitivamente não é
suficiente. A maioria peritos em simulação e modelamento concordariam
que aquela "programação" do modelo representa só 25 a 50 por cento de
um estudo de simulação. O analista de simulação também deve ser treinado
dentro metodologia de simulação (validando um modelo, selecionando
distribuições de probabilidade de contribuição, que projeta e analisa o
experimento da simulação, etc.) e também ser conhecedor de probabilidade
e estatísticas (distribuições de probabilidade,intervalos de confiança etc.).
Armadilha número 4: Nível impróprio de detalhe modelo.
Uma armadilha muito comum para analistas iniciantes em simulação é ter
um nível excessivo de detalhe no modelo. Nós recomendamos começar
"com um modelo moderadamente detalhado" que é embelezado conforme a
necessidade. A eficiência de uma versão particular do modelo é em parte
determinada por ter-se o modelo revisado por "peritos no assunto" e pelo
tomador de decisão (ou cliente). Cada aspecto do modelo será exigido a
tomar decisões efetivas, o que no caso de modelos excessivamente
detalhados será impraticável devido ao tempo, dinheiro, ou restrições de
computador.
Armadilha número 5: Fracasso para colecionar dados de sistemas bons.
Se a pessoa estiver modelando um sistema existente, é importante coletar
dados chaves variáveis fundamentais de tomada de decisão. (Para um
sistema industrial, variáveis fundamentais incluiriam tempos de falha e
tempos para consertar para cada máquina.) Normalmente isto não é feito
devido ao tempo de projeto ou porque o analista de simulação não percebe
que esta é uma consideração importante.
Armadilha número 6: Convicção que pacotes de simulação denominados
"de uso fácil" requerem um significante mais baixo nível de competência
técnica e que será mais fácil de usar.
Este tipo de software pode reduzir o tempo para "programacão" um modelo
para problemas de complexidade modesta. Porém, para a maioria dos
problemas do mundo-real, a programação detalhada é de alguma forma
requerida. Além disso, os modeladores de simulação ainda terão que estar
preocupados com a formulação do problema, colecionando e analisando
dados, validando o modelo, modelando sistemas aleatórios, projetando e
analisando experimentos de simulação e administrando a simulação global
do projeto. Estas atividades requerem uma quantia significante de
competência técnica e experiência.
Armadilha número 7: Uando software de simulação cegamente sem
entender suas suposições menos conhecidas.
Facilitar o uso, vendedores de software de simulação acrescentaram ao
software poderosos "macro" blocos (ou modelando se constrói) que
modelam uma parte significante de um sistema de mundo-real. Porém,
estes blocos não são bem documentados freqüentemente, resultando
possivelmente no desenvolvimento de um modelo inválido. Por exemplo, a
34
pessoa encontra muitos tipos de transportadores em prática, contudo alguns
produtos de simulação só oferecem algunas opções de transportador.
Armadilha número 8: Abuse de animação.
Animação é útil para comunicar a essência de um modelo de simulação a
decisão dos clientes (que provávelmente não entenderão seus detalhes
técnicos), por depurar programas de computação de simulação, e por
sugestionar procedimentos operacionais melhorados para um sistema.
Porém, a eficácia de um particular processo deveria ser decidido aplicando
procedimentos estatísticos apropriados cuidadosamente para experiências
de simulação projetadas. Só porque uma rodada "curta" do modelo de
simulação animado parece certo, isto não significa que o modelo ou é
depurado ou válido.
Armadilha número 9: Substituindo uma distribuição de probabilidade por ser
ruim.
Uma prática comum (mas infeliz) de modelamento é representar uma fonte
de sistema aleatório pelo valor incorreto em lugar de sua distribuição de
probabilidade correspondente.
Armadilha número 10: Usando uma distribuição de probabilidade imprópria.
É importante para modelar cada fonte de aleatoriedade do sistema por uma
probabilidade apropriada distribuição. Por exemplo, muitos experts de
simulação representam o tempo para fazer alguma tarefa por uma
distribuição normal (uma distribuição simétrica). Porém, nós nunca vimos
um tempo de tarefa distribuído de fato normalmente. Em prática, a maioria
dos histogramas tem uma cauda mais longa (esconso positivo).
Armadilha número 11: Fracasso para executar uma análise de dados de
produção.
Um modelo de simulação estocástico não produz as verdadeiras medidas
de desempenho para o modelo. Isto só produz estimativas estatísticas
deles. Um analista de simulação tem que escolher corretamente o tempo de
rodada de uma simulação, o comprimento do período de warm up, e o
número de replicações necessárias ao modelo. Nós recomendamos isso
para que os intervalos de confiança sejam construídos para medidas de
desempenho importantes. Porém, note que isto não pode ser feito usando
os dados facilmente de pré-simulaçao, desde que estes dados não serão
independentes (uma suposição de estatísticas clássicas). Também não é
possível obter padrão legítimo de divergência (ou discrepância) e calcular o
tempo de rodada de uma simulação, apesar de vários software de
simulação informarem que provêem estes intervalos automaticamente.
2.13 APLICAÇÃO DE TÉCNICAS METAHEURÍSTICAS
Atualmente as metaheurísticas mais conhecidas por seu bom desempenho
são Busca Tabu, Simulated Annealing, Algorítimos Genéticos e Greedy
Ramdomized Adaptive Search Procedures. Todas são utilizadas em problemas de
engenharia de produção que envolvam a modelagem matemática mas não se
aplicam ao presente propósito deste estudo por não serem destinadas a simulação
de processos mas principalmente por buscarem soluções ótimas para problemas de
redes ou árvores.
35
2.14 TRABALHOS IDENTIFICADOS NA LITERATURA PARA AVALIAÇÃO DE
SOFTWARES DE SIMULAÇÃO
Segundo Harrell et al. (1995), as industrias de transformação e manufatura
tem sido as maiores clientes da simulação, devido à concorrência em busca de
melhores resultados operacionais e facilidade de uso mas que se consolidaram com
a redução do custo dos recursos de software e que tambem impulsinoaram outros
segmentos da industria passaram a experimentá-la.
Shannon (1992), Banks, Carson e Nelson (1996), Harrell et al. (1997), Banks
(1998), Law e Kelton (2000), Ören (2002) e Fioroni (2005) nos mostram aplicações
da simulação por computador em diversas áreas como sistemas de manuseio de
materiais e industria automobililistica, aplicações militares, logística, transporte
ferroviário e várias outras.
Área de logística complexa:
- Transportes complexos de Bernard e Haaften (2000), relativo a um modelo
para analisar todas as etapas do processo de caracterízação e certificação no
transporte de tambores com resíduos radiaoativos entre empresas nos Estados
Unidos da América e cujos resultados ajudam no planejamento estratégico e tático
para o cumprimento do cronograma e do orçamento proposto.
- Análise de capacidade logísticas de Standridge e Heltne (2000), para
auxiliar na tomada de decisão estratégica e tática optaram modular ambiente de
simulação MSE (Modular Simulation Enviranment) durante o desenvolvimento de
estratégias alternativas de operação e investimento em equipamentos para uma
indústria química.
- Operação logística de colheita de cana-de-açúçar de Díaz e Pérez (2000),
utilizaram softwares de simulação e otimização para avaliar gargalos e suas causas
de um dos maiores produtores mundiais de açúcar.
Cadeias de suprimentos:
Segundo Schunk e Plott (2000), a cadeia de suprimento tem nas simulações
uma das suas melhores ferramentas e esta afirmação é baseada em diversos
trabalhos publicados recentemente que para fornecer subsídios para a tomada de
decisão utiliza-se de simulação por eventos discretos.
36
- Avaliar o os impactos da limitação de recursos de transporte radioativos de
Trone, Guerin e Clay (2000), com similaridade no trabalho apresentado por Bernard
e Vann Haaften (2000), elabora uma simulação para análise do processamento,
transporte e remoção de resíduos radioativos para o Waste Isolation Pilot Plant.
Sistemas de distribuição e transporte:
Conforme citado Franceze e Joshi (2002) utilizaram simulações discretas para
estudar o efeito das informações sobre o congestionamento nas rotas ótimas
realizadas por veículos entre centro de distribuição e lojas varegistas. Já Xu,
Hancocke e South (2003), utilizam um modelo para estudar os efeitos da estratégias
logísticas e da tecnologia de informação em tempo real no transporte onde as rotas
também poderiam ser alteradas baseadas nas condições reais do tráfego sobre a
rede para determinar a escolha da melhor rota em tempo real.
Planejamento e controle de estoques e produção:
Macro e Salmi (2002) descrevem um modelo para simulação de um armazém
com capacidade limitada e perspectiva de crescimento da damanda para verificar a
eficiência dos métodos de armazenamento de acordos com as formas de
estocagem. Ainda são avaliadas as capacidades do armazém para diversos cenários
como limitação de recursos e equipamentos e os métodos de separação de pedidos.
Aplicações em transporte aéreo:
Segundo Rosemberg et al. (2000), em aplicações de transporte aereo
frequentemente são utilizados modelos de otimização mas normalmente não
consideram eventos inesperados como falhas mecanicas e problemas como tempo,
assim estes autores apresentam um modelo para uma empresa de transporte aereo
que opera com voos domésticos para auxiliar no estudo e o planejamento das
operações por meio da avaliação da alocação de recursos humanos e da política de
recuperação (recovery policies), que são a forma como a empresa reagiria a eventos
não programados. Diferentes políticas de recuperação resultariam em operaçoes
com desempenho diferentes.
Já Joustra e Van Dijk (2001) utilizaram a simulação para avaliar as
alternativas de check in no aeroporto de Amsterdam na Holanda testando diferente
regras operacionais para analisar a capacidade de atendimento diaante da
37
expectativa de crescimento do número de passageiros para a manutenção do nível
de serviço oferecido.
Aplicações em transporte rodo-ferroviário:
Um número crescente de empresas estão utilizando simulação de eventos
discretos para avaliar e analisar as condições operacionais e avaliar as estratégias
para utilização dos equipamentos (Homer, Keane, Lukiantseva e Bell, 1999).
Franceze, Marcelo e Botter (2003) com o objetivo de avaliar o impacto das
diversas variáveis no desempenho do sistema, tais como o tamanho das
composições, as alterações da linha ferrea, a influência de falhas e acidentes, entre
outras, utilizaram simulação de eventos discretos para a Estrada de Ferro Vitória –
Minas (ligação do porto de Tubarão e a planta de pelotização da CVRD com as
minas de minério de ferro em Minas Gerais chegando até Belo Horizonte).
Para avaliar e explorar as áreas onde a eficiência poderia ser melhorada
Kulick e Sawyer (2001) utilizaram um modelo de simulação para um terminal de
cargas. Os autores analizaram as restrições de capacidade que poderiam afetar a
capacidade do terminal e verificaram se os problemas de capacidade poderiam ser
resolvidos pelo uso eficiente de pessoal e equipamentos.
Aplicação em transporte Marítimo:
Merrick, Van Dorp, Mazzuchi e Harrald (2001) utilizaram um modelo para uma
companhia deste setor combinando simulação dados históricos e o background de
especialistas para estimar os fatores de risco em acidentes utilizando interações de
tráfego e condições climáticas identificando os cenários dominantes de potenciais
acidentes e suas consequências avaliando a segurança do sistema e o nível de risco
e recomendando medidas para sua redução objetivando o melhor serviço aos
clientes.
Pesquisas realizadas por outros autores
Hulpic (2000) conduziu uma pesquisa com usuários de softwares de
simulação onde mostrou que 44,4% dos usuários estavam insatisfeitos com a falta
de facilidade e flexibilidade. A pesquisa mostrava que dos usuários 33% eram
academicos e 22% de usários industriais que mensionavam problemas de limitação
com flexibilidade.
38
Em pesquisa na na sexta bienal de softwares para simulação de eventos
discretos, Swain (2003) focou vários aspectos, incluindo aplicações típicas,
facilidades de construção de modelos, ferramentas de análise de entrada e saída de
dados. Ele pesquisou 49 softwares de simulação de softwares e também analisou os
códigos para reuso como templates. Os resultados desta pesquisa mostram uma
significante proporção de ferramentas que permitem o acesso à formas que
capacitam à programação.
A pesquisa também mostrou que muitos dos pacotes de simulação começam
à oferecer módulos com possibilidades de reuso.
Observa-se então que as ferraments e os próprios pacotes de simulação
estão tendo uma evolução muito rápida nos últimos anos.
Conclusão do capítulo:
Eventos como o Winter Simulation (Wintersim), realizado anualmente nos
EUA são um dos fóruns onde, mundialmente, são expostos centenas de trabalhos
com dezenas de fabricantes de softwares de prateleira também conhecidos como
COTS.
Comparação (por produto) utilizando mais de 300 trabalhos incritos para o
Wintersim de 2006:
Distribuição por produto no Wintersim 2006 (%)
48
12
9
6
6
4
3
3
2
2
2
210
Arena
ProModel
AutoMod
Extend
AnyLogic
Simul8
eM-Plant
SIMSCRIPT
Enterprise Dynamics
FlexSim
CSIM
Mic r o Saint
iGraf x
Witness
Figura 3 – Distribuição por produto no Wintersim 2006 (%)
39
Assim pode-se encontrar na literatura diversos trabalhos que se utilizaram de
simulação discreta de eventos abrangendo muitas das diferente áreas entre
logística, transporte aereo, transporte rodoviário e ferroviário, planejamento e
controle da produção entre outros, mas especificamente para a área da siderurgia os
projetos desenvolvidos, são poucos e ficaram muito no âmbito da própria empresa.
3 METODOLOGIAS
3.1 INTRODUÇÃO
O estudo de metodos para comparar softwares de simulação discreta
dísponíveis no mercado para um sistema siderúrgicos revelou 2 metodologias
conhecidas pelos especialistas nesta área que resumidamente são:
3.1.1 Metodologia da Lista ou Tabela Hierárquica
Nikoukaran, J. ; Hulip, V. e Paul, R. J. (1998) propõem uma lista hierárquica
começando com alguns aspectos gerais e imprecisos, os quais são apurados
gradualmente em uma lista de itens e sub-itens. A regra do analista é assegurar a
competência do software e evitar redundãncia na estrutura dos objetivos, clarear a
distinção entre o conteúdo e os fins e estruturar o relacionamento entre objetivos
dentro da hierarquia (Mc.Daniels, 1996).
Deaver (1987) afirma que avaliar softwares dentro de uma grande empresa
pode levar anos e em todos os negócios tempo é dinheiro e reduzindo este tempo
estaremos reduzindo o custo da avaliação. O critério para avaliação de um software
de simulação pode ser obtendo-se caracteristicas relacionadas com artigos,
propostas de especialistas, informação de vendedores, manuais dos softwares e
trabalhando com alguns pacotes de simuladores.
Os critérios apresentados em uma lista ou tabela hierárquica partem de um
trabalho preliminar onde o objetivo e as necessidades são discutidas. Cada critério é
apresentado e uma explicação é dada e então sub-critérios são introduzidos. Muitas
terminologias são usadas por especialistas, às vezes sem a clareza necessária, o
que pode ser a razão para não termos uma lista comum de critérios. Uma lista
padronizada de critérios, explicações e exemplos poderia cair em armadilhas devido
à evolução rápida dos softwares, dos computadores da tecnologia e das trocas de
características dos pacotes.. Mas é possível elaborar uma lista dinâmica critérios os
41
quais possam ser trocados ou adicionados novos critérios sem muito impacto na
metodologia de seleção.
3.1.1.1 A lista Hierárquica
Análise de problemas com critérios múltiplos requer os passos de identificar
objetivos, organizando estes objetivos, em uma hierarquia, e medindo então com a
melhor forma disponível as alternativas que se encaixam em cada critério (OLSON,
1996). Nikoukaran, J. ; Hulip, V. e Paul, R. J. (1998) classificaram os critérios para
seleção de software de simulação em uma estrutura hierárquica como descrito
abaixo. A utilidade desta forma hierárquica é explicado em seção 4.
O software, o vendedor e o usuário são o elementos importantes que formam
os elementos do mais alto nível da hierarquia recebendo avaliações em separado e
o Software cobre uma gama extensiva de assuntos. Considerando o processo de
modelagem de um problema usando um pacote de simulação, são definidos os
seguintes critérios e subcritérios: modelo e entrada de dados, execução, animação,
teste e eficiência, saídas e usuário (Figura 4).
Critérios de Avaliação de Software de Simulação
VENDEDOR USUÁRIO
Entrada de
dados
e modelagem
Execução Animação
Teste e
eficiência
Saída
SOFTWARE
Figura 4 – Critérios de atualização de software de simulação
3.1.1.2 Vendedor como critério
Este critério avalia a credibilidade do vendedor e itens relativos ao seu
software. Os principais itens de avaliação são listados na Figura 5.
42
Manual
Tutorial
Exemplos
Indices
Solução de problemas
Soft estastísticos
Introdução à simulação
Treinamento
Manutenção
Técnicas
Consultoria
Conversação entre versões
Help on line
Reunião de usuários
discussões na internet
Disco demo
Carência
Demonstração
Vendedor
Pedigree Pré-compraDocumentação Suporte
Historia do
Vendedor
Software
referênciasConhecimentoIdade
Outros
Produtos
Figura 5 – Vendedor como critério
3.1.1.3 Entrada de dados e modelagem
Esta categoria inclui as dificuldades relacionadas ao modelo, seu
desenvolvimeto e forma de entrada de dados (Figura 6).
Aspectos do
código
Modelagem e
entrada de
dados
Ferramentas
Construção
de modelos
Biblioteca de
modulos
Rotas
condicionais
Distribuição
estatistica
Assistência
modularidade
caixas de
dialogo
Dispononibi-
lidade
Modelagem
hierárquica
Junção de
Modelos
Programação
Ferramentas
Velocidade
de
Elementos
Códigos
menu
graficos
Mouse
teclado
scanner
touch screen
interfaces
Link com
outras
Geração do
código
Valores
Globais
Funções
Característica
s
Atributos
Acesso ao
código fonte
Internas
Definidas
pelo usuário
Lógica Formal
Modelos do
usuário
Gera n°
randomicos
Interativa
Batch
Seleção
dados
Forma
Rejeição de
imputs
Duplicação
Politíca de
filas
FIFO, LIFO,
...
Entrada de
dados
Figura 6 – entrada de dados e modelagem
3.1.1.4 Execução
Este grupo de critérios inclui os problemas relacionados com o parte de testes
(Figura 7).
Os pacotes com caracteísticas de multiplas rodadas permitem rodar o modelo
diversas vezes trocando o número randomico atravéz da troca da semente
43
randomica. Resumos de resultados de saída podem ser gerados e gravados em um
arquivo.
O período de aquecimento (warm up) é para o modelo atingir o estado de
normalidade, e os dados não são normalmente coletados nas estatísticas de saída.
Controle de velocidade do modelo é desejável, o que permite diminuir o
tempo de execução. A possibilidade de gerar um módulo executável é de grande
ajuda para alguns usuários. Isto pode tornar possível rodar o modelo independente
do pacote.
Execução
e testes
Paralelismo
Controle de
velocidade
Módulos
executáveis
Rodadas
multiplas
Processar
em batch
Período de
warm up
Capacidade de
reinicialização
Inicio em
estado vazio
Figura 7 - Execução
3.1.1.5 Animação
Integração: Animação pode ser parte integrada do pacote ou um processo à
parte.
Icones: Alguns pacotes oferecem uma biblioteca de icones que seu número e
qualidade são importantes podem poupar tempo de elaboração. Alguns pacotes vem
com editor e a possibilidade de criar ícones partindo de outros softwares como CAD,
bitmap ou figuras é importante característica. Estes podem ser tridimensionais,
coloridos tal que permitam a troca de cores e o redimensionamento.
Lay out de tela: Este sub-critério está relacionado com a apresentação
gráfica e a aparência de tela . O pacote pode vir com um editor e tambem ser
possível a importação de outros softwares.
Desenvolvimento: Para este sub-grupo são consideradas as facilidades
para construir e usar o modelo. A modelagem pode ser gráfica ou com a entrada de
códigos. Pacotes mais amigáveis permitem a escolha de opções para modelamento
no próprio painel de menus, o que dinamiza o processo. Caixas de diálogo e janelas
são práticas e ágeis. Modularidade permite ao usuário desenvolver passo-a-passo
cada módulo, fazer os teste separadamente e depois juntá-los. A possibilidade de
44
juntar dois modelos desenvolvidos anteriormente permite formar uma biblioteca de
modelos reutilizáveis. O uso de lógica formal como diagramas para desenvolver o
modelo é bastante útil mas consome mais tempo.
Processamento: O modelo pode rodar com animação mas esta forma é mais
lenta, contudo a possibilidade de rodar sem animação agiliza o processamento e
testes, posteriormente o modelo roda com animação. Os controles de velocidade,
zoom, rotação de icones e agilidade dos icones são itens interessantes na
animação.
Editor Virtual Multipl
Parte do
pacote
Separado
Interface:
CAD
bipmap
figuras
Editor
Construção de
modelos
Integração
Caracterís-
ticas
Caracterís-
ticas
Processa-
mento
Batch3D
cores
troca de cor
redimensio-
namento
Quantidade
Qualidade
Modo
contr. Veloc.
ligar/deslig.
Zoom
rotação
troca icone
movimento
Código
menu
graficos
Animação
contr. Veloc.
ligar/deslig.
Zoom
rotação
troca icone
movimento
Com
animação
Impressão
Usuário
Lay out
de tela
Desenvolvi-
mento
Elementos recursos
Standart
Biblioteca
Figura 8 - Processamento
3.1.1.6 Teste e eficiência
Esta categoria é usada para avaliar da testabilidade e eficiência de um
pacote. A validação e a verificação de um modelo pode ser muito demorada e a
disponibilidade de recursos é importante neste tópico. Outras características que
salvam tempo conforme a Figura 9.
Variáveis
Atributos
estado
rota
funções
eventos
Breakpoints ou
pontos de controle
Características
de display
Processamen-
to por etapa
Traking
Relógio em
segundo plano
multitarefa
Ger. de modelo
conceitual
Teste de validação:
checagem de continuidade
pré-analisador
ajuda on line
tutorial on line
checagem de erros on line
qualidade das mensagens
depurador interativo
checagem de erros de lógica
Execução
e testes
limites
Validação e
vereficação
Tamanho do modelo
Número de elementos
Número de icones
etc...
Interação
Figura 9 – Teste de eficiência
45
3.1.1.7 Saídas do modelo
Este critério cobre pontos importantes (Figura 10)
Acesso a
arquivos
Impressora
Ploter, etc...
Saídas
Gráficos
dinâmicos
Gráficos
estáticos
Planilhas
DBMS
Estatísticos
Editor de texto
Padrão Customizados
Armazenagem Manipulação
Pacotes
Gráficos
Forma de
saídas
Interface
outro software
Histogramas
Gráf.de barras
Gráf. de linhas
Gráf. de pizza
etc,...
Relatórios Data Base IntegraçãoAnálise
intervalos de confiança
tempos seriais
teste de hipóteses
autocorrelação
formações experimentais
otimização
regressão
Arquivo
(periódico)
Figura 10 – Saídas do modelo
3.1.1.8 Usuário
O critério grupo de usuários gerencia as necessidades específicas dos
usuários e as circunstâncias que envolvem equipamento, software, sistema
operacional, se a máquina roda em rede ou stand alone (particularmente
inconveniente para aplicações academicas, etc... (Figura 11).
O sub-item financeiro é parrticularmente importante pois o custo do software,
o custo de instalação , custo de extra equipamentos, e os custos de manutenção
podem ser pesados. Descontos para treinamentos, versões educacionais e para
multiplos compradores deverão ser consideradas.
Classe do
software
Usuário
Experiência
requerida
Tipo de
simulação
FinanceiroOrientação
Dispositivo
segurança
Hardware
Sistema
operacional
Versão
de rede
Portabilidade
Discreta
Continua
Batch
PC
Notebook
Mainframes
Est. trabalho
No
Software
Compatibi-
lidade
PC
NotebooDos
Unix
Windows XT
Vista
OS2
Preço
Exigências
Manutenção
Treinamento
Desconto
Etc....
Em
simulação
Aplicações
específicas
Gerais
Simulador
Linguagen de
simulação
Linguagem
computacional
Figura 11 - Usuário
46
3.1.1.9 Sumário desta metodologia
Ainda segundo Nikoukaran, Hlupic e Paul, (1998b) o método da listagem
hierárquica pode ser usado como uma ferramenta para ajudar o teste de usuário e
avaliar características de pacotes. Características novas encontradas em um pacote
podem ser acrescentadas à hierarquia. Assim quanto mais pacotes testados, o mais
conclusivo a hierarquia se tornará .
Sem a lista hierárquica pode não ser possível achar quais as características
não são incluídas no pacote testado. Os dados achados desta fase formarão uma
lista de conferição das características que não mostram como bem eles são, mas
são a base para a avaliação de pacotes.
A hierarquia pode prover o cliente com uma melhor visão de opções e a
habilidade para escolher.
A lista hierarquia é flexível a mudanças secundárias como introduzir um
critério novo. Mudanças principais são raras mas podem causar uma re-organização
da hierarquia na lista.
3.1.1.10 Resumo e conclusões da metodologia da lista hierárquica
Este método apresenta uma lista de critérios estruturados em um framework
hierárquico para avaliar software de simulação. Assuntos relacionados a critérios
para avaliação de software de simulação são categorizados em sete grupos
principais e vários sub-grupos. A hierarquia pode ser usada para obter uma visão
melhor das características do software de simulação e como um orientar o teste e a
análise do pacote de simulação.
3.2 Metodologia da seleção por duas fases com pesos de critérios
Conforme Yüsesan,C.; Snowdon, j. l.; Charnes, j. M. (WINTER SIMULATION
2002) avaliar um pacote de simulação, e selecionar o melhor para uma companhia
grande, é uma tarefa que consome tempo a menos que uma metodologia eficiente
seja usada. Normalmente, escolher a partir de uma lista de alternativas requer
conhecimento detalhado do critério de seleção, e da avaliação das alternativas
47
nestes critérios de seleção. Se há muitas alternativas e se a lista de critérios é longa,
a avaliação se torna um desafio. Realizar esta tarefa eficazmente, através de duas
etapas de seleção é a metodologia proposta, a qual será explicada abaixo. A
metodologia foi projetada para que seja rápida e tão objetiva quanto possível. Claro
que deveria responder as necessidades específicas do time de simulação que quer
adquirir uma ferramenta de simulação nova.
Na primeira fase, são selecionados pacotes de simulação baseados na
existência das características mais importantes e critérios. Na segunda fase, é feita
avaliação detalhada e análise de terminados pacotes os que satisfazem as
exigências da primeira fase. Durante as duas fases, numerosa interação entre a
equipe de simulação, administração, seleção e vendedores de pacote de simulação
é necessária. A equipe de seleção são os analistas responsáveis por levar a cabo a
pesquisa e fazer as recomendações finais para seleção. Eles podem ser os
empregados da companhia ou consultores externos. As interações são indicados na
Figura 12. Os vendedores têm participação limitada na interação com a equipe de
administração (preço) e a equipe de simulação (demonstrações), e grande interação
com o time de seleção.
Equipe de
Administração
Vendedores
Equipe de
Seleção
Equipe de
simulação
Equipe de
Administração
Vendedores
Equipe de
Seleção
Equipe de
simulação
Figura 12 - Interações durante o processo de seleção
3.2.1.1 Fase um: checagem das características
Na fase um, é criada uma lista das características exigidas, e uma lista com
todos pacotes de softwares de simulação discreta disponíveis e são checadas a
48
existência destas características em cada pacote. Para realizar este conferência de
características os seguintes passos são necessários:
- identificação das exigências, extração de critérios, peso dos critérios,
características de evento discreto, identificação do software de simulação, e
aceitação e classificação do software de simulação. Os pacotes que satisfazem a
primeira fase são transferidos à segunda fase. A metodologia da primeira fase é
mostrada a seguir.
Identificação das exigências
A visão global do time de simulação para as necessidades futuras é
importante para identificar a funcionalidade futura dos pacotes de simulação. Os
principais pontos são: atual e próximas áreas de aplicação de simulação de discreto-
evento, tipo de produto e servico, tipos de clientes, objetivo no processo empresarial
ou trabalhos rotineiros, objetivo dos negócios e aspectos semelhantes. Um
questionário é um dos principais métodos ser usado para extrair a informação
necessária do time. Em outros casos onde a seleção é feita interiormente na própria
companhia, outros métodos, como seminários ou uma sessão de geração de idéias
(brainstorming) pode ser usada.
O propósito exato do questionário é extrair os seguintes itens: meta futura e
plano do time de simulação relativo ao estudo de simulação de evento discreto,
principais campos da simulação onde o time é envolvido, uso atual e futuro de
pacote de simulação de evento discreto, características que os peritos da equipe
precisam de um pacote de simulação, dificuldades que a equipe tem com o pacote
de simulação em uso e uma lista de critérios com pesos para avaliação de uma
posição deste critério no pacotes. Além disso, entrevistas e pesquisa de biblioteca
pode ser usada. Os resultados que são considerados incompatíveis durante a
análise são discutidos
novamente com a equipe. A lista de critérios é então, é categorizada usando a
hierarquia de Nikoukaran (NIKOUKARAN et al, 1998).
49
Distribuição de
questionário
para equipe de
simulação
Entrevista com
a equipe de
simulação
Brainstorm
com a equipe
de simulação
Análise das
informações
Identificação
das
necessidades
Aceitação das
características
pela equipe de
simulação
Distribuição de
questionário
para equipe de
simulação
Entrevista com
a equipe de
simulação
Brainstorm
com a equipe
de simulação
Análise das
informações
Identificação
das
necessidades
Aceitação das
características
pela equipe de
simulação
Figura 13 - Identificação de critérios
Extração de critérios
Baseado na visão identificada e fontes adicionais, os critérios são extraídos
pela equipe de seleção, em cooperação íntima, com a wequipe de de simulação. As
fontes adicionais para contribuição em simulação, a companhia, clientes, resultados
de projeto internos e relatórios, e literatura.
São critérios fazendo perguntas como: “Quais são as características principais
de um pacote de simulação e são estas é aplicáveis para uma gama extensiva de
problemas?”, “Que funcionalidades são freqüentemente usadas durante um
estudo?”, ” Como faz os objetivos da equipe frente ao problema do cliente?”, “Como
a equipe faz uso do pacoete de simulação?”, e “ Quais são os principais objetivos
que os projetos de simulação levaram a cabo?.”
Para as contribuições adicionais, literatura, projetos de pesquisa, e consultas
aos clientes são usados. De literatura e pesquisa de projetos, a importância de
certos critérios em particular, podem ser áreas de aplicação e podem ser discutidas
com o time de simulação e administração. A razão de usar esta metodologia é que
para as características diferentes de simulação são requeridos de pacotes para
áreas de aplicação diferentes. Por exemplo, otimização poderia ser considerada
muito importante para gerenciamento da cadeia de abastecimento considerando que
a conectividade externa poderia ser considerada como a muito importante
simulação em tempo real.
A lista de critérios é discutida com a equipe de simulação para avaliação
adicional e consistência.
50
Critérios de peso
Depois de elencar os critérios, pesos baseado no nível de importância é dado
a cada um destes. Além disso, para aumentar a eficiência da seleção, Hardware
(saída) e Soft (padrão) são identificados como critérios. O resultado é então
analisado e é apresentado à equipe para adicional avaliação. E-mail é ideal para
atualizar o time com o mais recente progresso.
A contribuição de cada participante da equipe de simulação é considerada
dando pesos aos critérios. Uma avaliação de cinco níveis. Cinco indica muito
importante e um indica menos importante. Depois da definição de peso,
componentes da equipe dão o peso que acharem justo a cada um dos critérios.
Para cada critério, é calculado o peso médio e então estes são os pesos obtidos dos
membros. Depois, são analisadas as divergências normais e comparado com os
dados obtidos. Os resultados da análise e contribuição adicional de outras fontes
(por exemplo literaturas, clientes) são apresentados então aos parceiros de equipe.
Finalmente são discutidos resultados para decidir se eles precisam ser ajustados.
Ajuste dos pesos é então feito baseado em uma avaliação da equipe. Além de
ditar pesos aos critérios, a identificação de critérios de hard e software também são
feitos. Critérios de hardware (saída) devem ser satisfeitos de qualquer forma e
obtidos os pesos. Esses critérios que são muito importantes (perto do peso 5) .
Identificação das características de software de simulação de evento
discreto
Os pacotes de simulação de evento discreto disponíveis no mercado são
analisados em todos seus aspectos. Para os processos de avaliação, fontes de
informações usadas são: resultados de conferências, Wintersim, seminários,
documentos de pesquisa, site da Web de vendedores, opiniões do time de
simulação, e usuários de simulação.
Depois da lista final de pacotes de simulação de evento discreto estar
preparada, as características dos pacotes são identificadas. Diferentes formas de
avaliação podem ser usadas para identificar as características do pacote. Um dos
meios é a consulta a vendedores, testes com a versão para demonstração, pesquisa
de documentos que descrevem as experiências de pacotes e as consultas a peritos
de simulação (fora de e dentro da companhia).
51
Em a maioria dos casos porém, os vendedores podem ser melhor
consultados através de questionários. O questionário está preparado para assuntos
gerais e perguntas específicas conforme os pacotes. As perguntas gerais focalizam
assuntos de como modelar, classe de software de simulação, tipo de simulação, e
área de aplicação. Perguntas específicas sobre as características dos pacotes
provido pelos vendedores, são categorizadas baseando em uma lista hierárquica.
Figura 14 - Passos levados em identificação das características
Selecionando e ordenando os softwares de simulação
Uma vez identificadas as características dos pacotes, seleção e classificação
é realizada. A seleção é feita usando os critérios que foram obtidos nos passos
anteriores. Os pacotes que não satisfazem um ou mais critérios são retirados da lista
potencial. Aqueles que atendem todos os critérios são mantidos na lista. Teste são
feitos conferindo se os pacotes satisfazem o conjunto de exigências de cada critério.
Depois que os pacotes forem filtrados, estes são classificados para selecionar
um máximo de 10 melhores pacotes conforme Yüsesan,C.; Snowdon, j. l.; Charnes,
Distribuição de
questionário
para vendedores
Entrevista com
vendedores
Análise das
informações
Identificação
das
necessidades
Validação das
respostas
criando testes
Validação das
respostas com
os vendedores
Preparar as
características
do pacote
Validação das
respostas
testando demos
Validação das
respostas com
documentos
Validação das
respostas com
experts
52
j. M. (WINTER SIMULATION 2002). No caso de pacotes para siderurgia podemos
selecionar os 2 pacotes melhores classificados.
Para ordenar, o procedimento seguinte é usado:
• Definição de pontuação: se um pacote satisfaz um critério particular, marca
1 caso contrário 0.
• Dar pontos para cada pacote para todos os critérios usando 1 e 0.
• Seguindo uma decisão multi critérios simples (MCDM – Multi Criteria
Decision Making) por um método chamado técnica de classificação simples por
critério (Simple Multi Attribute Rating Technique – SMART), os pesos de cada critério
são multiplicados pelas contagens de cada pacote para todos os critérios.
• A soma do produto de peso para cada pacote é comparada.
• Os primeiros pacotes (quantidade pré definada de 2 a 10 pacotes) que têm
as contagens mais altas é selecionada para investigação adicional. Dois pontos
precisam ser mencionados aqui. Em primeiro lugar, o processo de enfileirar é feito
só conferindo se um pacote contém uma característica particular ou não. Não está
baseado na qualidade de uma característica. A qualidade de cada característica é
checada na próxima fase da análise. Segundo, o objetivo de classificar é apenas
para selecionar os que irão para a próxima fase, isto quer dizer que o primeiro da
lista não é o melhor do processo de avaliação. Isto será determinado quando a
qualidade dos critérios for analisada na próxima fase.
3.2.1.2 Fase dois: Cheque de qualidade
Na fase dois, os pacotes de simulação de evento discreto são avaliados
pelas qualidade deste. Para realizar estes testes de qualidade, os seguintes passos
são necessários: Geração de critérios, pesando os critérios, projetando um estudo
de caso, andamento das experiências, agrupamento de informações adicionais,
classificação de softwares e análise de sensibilidade. A metodologia detalhada da
fase dois é descrita a seguir.
Geração de critérios
Para avaliar a qualidade de pacotes, critérios têm que ser gerados. Os
critérios carregam características que são importantes para analisar a qualidade do
pacote, considerando o uso que a equipe de simulação planeja fazer com o pacote
53
de simulação. São geradas características que precisam ser avaliadas coletando
idéias com os participantes da equipe de seleção, julgamentos e informações já
disponíveis na primeira fase do projeto.
Elaborando um estudo de caso
O propósito do estudo de caso é ajudar avaliear as características de
interesse efetuando um estudo de simulação pequeno usando cada dos pacotes que
permaneceram depois da primeira fase. O estudo de caso será preparado
objetivando que a maioria dos critérios na lista do primeiro passo da fase 2 sejam
verificados.Isto não requer um tipo de modelamento específico pois como nós não
queremos apresentar um preconceito a algum tipo de modelagem. O estudo de caso
deverá ser pequeno mas um pouco complicado para representar um problema típico
que representante o tipo de estudo de simulação que normalmente seja elaborado
pela equipe de simulação.
Conduzindo o teste
Experimentação dos pacotes é feita com o modelamento para estudo de
caso. Os passos para modelagem são listados a seguir:
1) conceitualização: O formato do modelo conceitual é baseado forma de
modelagem do pacote de simulação. Isto pode ser difícil, porque o pacote pode pedir
um modelamento diferente do que a equipe de simulação esteja acostumada.
2) especificação: construção do modelo. Tudas experimentações com os
pacotes de simulação diferentes deverão usar os mesmos conjuntos de dados e
funções como entrada de dados, assim os resultados serão verdadeiramente
comparáveis.
3) execução: executando o modelo e criando saídas para analise posterior.
Velocidade de execução e animação podem por exemplo ser analisadas aqui desde
que façam parte dos critérios de qualidade.
4) Saídas: Analisando os resultados de saída. Se os critérios de qualidade
incluem aspectos específicos de tipos de resultados ou pós processamento, então
está análise deve ser feita neste passo.
5) administração de cenários: se necessário efetuar análise de cenários
diferentes.
Para as experimentações, os vendedores devem ser envolvidos.
54
A participação de vendedores é importante porque eles podem mostrar o
modo mais eficiente de modelar pacotes que representa. Além disso, o nível de
cooperação no projeto é um modo de investigar o nível de apoio do vendedor. Os
vendedores podem ter uma das três formas de participação:
a) O trabalho do vendedor no estudo de caso é transparente para outros
vendedores e vice-versa e eles sabem com quem e como estão competindo.
b) O trabalho de vendedor não é transparente a outros vendedores e eles só
sabem com quem eles estão competindo.
c) Vendedores só trabalham no estudo de caso e não saibem com quem
estão competindo.
Devem ser alcançados consensos entre os vendedores no modo de trabalhar.
A experimentação é conduzida baseado em a estratégia de cooperação com os
vendedores.
Obtendo informação adicional
Além de conduzir a experimentação, informações adicionais tem que ser
obtidas para enriquecer a qualidade da avaliação. As informações adicionais
obtidas são relacionadas principalmente com os limites, vantagens e desvantagens
dos pacotes. As informações adicionais são obtidas de artigos, documentos de
pesquisa, e simulação e de peritos que usaram os pacotes. Uma fonte muito boa de
contribuição aqui pode ser um grupo de usuário do pacote de simulação.
Classificação do software
Ainda conforme citado por Yüsesan,C.; Snowdon, j. l.; Charnes, j. M. (Winter
Simulation 2002), usando os resultados dos teste e as informações adicional obtidas
de várias fontes, uma classificação para todos os pacotes podem ser feita. O método
seguinte é usado:
• Define uma escala para pontuação: neste caso, 4 níveis de escala é
suficiente. A escala vai de 0 a 3. Sendo que 3 indica “Bom”, 2 indica “Suficiente”, 1
indica “Insuficiente”, e 0 indica “Característica não existente.”
• Defina a pontos para cada critério baseado na escala e aplique em todos os
pacotes. A equipe de seleção, que tem acompanhado o estudo de caso em detalhe,
faz a pontuação.
55
• A pontuação detalhada para todos os critérios é baseada na média dos
pontos.
• Novamente, seguindo a Decisão Multi Critérios de Fabricação, fazendo
(MCDM) Método Inteligente (Simples Técnica de Avaliação de Multi-atributo), os
pesos dos critérios são multiplicados pela pontuação de cada pacote para todos os
critérios.
• A soma do produto para cada pacote é comparada.
O resultado da classificação é fornecido às equipes para obter um retorno da
avaliação. Depois desta classificação, os pacotes que receberam pontuação mais
alta podem ser considerados os melhores, pois a comparação foi baseada na
qualidade percebida no pacote de simulação em um estudo de caso representativo.
Análise de sensibilidade
Depois que a classificação tenha terminado e o melhor pacote for conhecido,
análise de sensibilidade tem que ser feita para avaliar a consistência do resultado.
Uma análise de sensibilidade é executada porque contagens e pesos de critérios
são freqüentemente subjetivamente geradas em Decisão Multi Critérios de
Fabricação (MCDM). A seguinte técnica é usada para análise de sensibilidade:
1) Alterando os pesos dos critérios: Pesos de critérios são mudados e é
observada quanto sensível a mudança é para decisão. As mudanças feitas são:
a. Igualar todos os pesos de critérios
b. Mudança para mínimo de cada peso de critério um de cada vez
c. Mudança para máximo de cada peso de critério um de cada vez
2) Limitando critérios: Os critérios importantes são considerados. As
considerações seguintes são feitas:
a. O primeiro o critério mais importante
b. Os primeiros dois critérios importantes são considerados
c. Os primeiros três critérios importantes são considerados e assim por diante.
3) Trocas alternativas de valores de pacotes: Faça algumas mudanças
razoáveis para pontuação das diferentes alternativas e observe o impacto que teria
na decisão da classificação indicada.
56
3.2.2 Aplicação prática da metodologia
Yüsesan,C.; Snowdon, j. l.; Charnes, j. M. (WINTER SIMULATION 2002)
afirmam que a metodologia foi utilizada na prática para selecionar um pacote de
simulação de evento discreto novo para uma grande companhia americana
internacional chamada Accenture. Seguindo a metodologia explicada acima, uma
visão detalhada da equipe de simulação foi obtida na primeira fase. A visão inclui a
estratégia da equipe, o ambiente de trabalho, tipo de clientes, tipo de projeto e
especialização da equipe. Os critérios foram gerados com os pesos e categorias
conforme Nikoukaran (NIKOUKARAN et al, 1998) para tabelamento dos critérios.
Baseado nos pesos, os critérios mais severos estão em negrito nas tabelas.
Tabela 1 - Desenvolvimento do modelo & critérios de categoria de
entrada de dados
Critérios Pesos
Modelamento Gráfico 5
Fusão de modelos 4
Condicional de rota 4
Distribuição estatística 5
Políticas de fila 4
Uso de módulos definidos por usuário 3
Funções que acompanham o pacote 3
Link com outras linguagens 3
Ferramentas e utilitários no pacote 3
Entrada de dados de arquivos textos 5
Entrada de dados via banco de dados 5
Entrada de dados via planilha eletrônica 5
Captura automática de dados 3
Entradas via batch 3
Entradas modo interativo 5
Gerador de números randômicos 5
Gerador de programas 3
O desenvolvimento dos critérios de modelagem obtidos na Tabela 1 refletem
a visão da equipe. Mesmo que a equipe esteja envolvida em outra área de aplicação
diferente, flexibilidade e fácil modelagem são muito importantes. Então, o alto grau
para “construção do modelo gráfico” reflete esta visão. Além disso, devido às áreas
de aplicação diferentes, a precisão dos números envolvidos variam de projeto para
projeto, fazendo o “gerador de número randômico” um critério importante.
Entrada de dados de arquivos externos são critérios muito importantes
segundo a visão da equipe de simulação.
57
Tabela 2 - Critérios de categoria para o representante do software
Critérios Pesos
Documentação 4
Suporte de manutenção 5
Historico do representante 3
Facilidades pré-compra 2
Na Tabela 2 pode ser visto que o suporte de manutenção e a documentação
são muito importante porque tempo gasto nestes itens é mesmo um assunto
importante. Apoio eficiente e rápido é altamente requerido em um ambiente de
trabalho onde prazos finais são numerosos. Além disso, documentação detalhada e
boa é mesmo excencial.
Tabela 3 - Critérios da categoria de execução
O critério “Execução multilpla” na Tabela 3 indica que repetir a simulação
ocorre muitas vezes, pontuação bem mais altas comparadas a outras são por causa
de variações no teste de desempenho. Para a equipe “controle de velocidade” é um
critério muito importante porque a poder controlar a velocidade da simulação, mais
rápido quanto possível para obter resultados numéricos, e até uma velocidade lenta
para demonstrar resultados a clientes. O período de “warm up” é também muito
importante.
Tabela 4 - Critérios da categoria de animação
Critérios Pesos
Integração de animação 3
Biblioteca de ícones 3
Layout de tela 3
Animação simultânea 3
Característica de ligar/desligar animação 5
Animação 3D 1
Desenvolvimento de animação 3
Critérios Pesos
Execução múltipla 5
Execução em Batch 3
Capacidade de reset 4
Começar em estado não vazio 3
Interação com usuário (modo processamento) 2
Warm up (excluir inicio até estabilizar) 5
Habilidade para calcular apropriado warm up 3
Controle de velocidade 5
58
Nos critérios de animação da Tabela 4, o critério “Animação 3D” não é
importante porque a equipe leva essas animações em arquivos fora da simulação ao
contrário de processos de fabricação onde este recurso pode ser mais importante.
“Ligar/desligar animação” é importante só porque suspendendo a animação pode
aumentar a velocidade de simulação.
Tabela 5 - Critérios de teste e eficiência
Critérios Pesos
Erro de checagem 5
Interação com o depurador 5
Multitarefa 2
Características de exibição 3
Acompanhamento do programa 3
Pontos de ruptura ou paradas de controle 4
Processamento inverso 1
Limites de variáveis 2
Na Tabela 5, “Erro de checagem” e “Interação com o depurador” são critérios
com contagem alta porque a maioria dos projetos administrado pelo grupo é
complexo e grande. Sem um depurador bom, é considerado difícil de ajustar o
modelo.
Tabela 6 - Critérios da categoria de resultados
Critérios Pesos
Geração de relatório padrão 4
Relatórios customizados 5
Integração com pacotes estatísticos 3
Integração com outros pacotes de simulação 3
Exportar dados para bancos de dados 3
Exportar dados para planilhas eletrônicas 5
Exportar dados para editores de texto 5
Otimização 3
Permitir e produzir análises 4
Gráficos empresariais 4
Para os critérios de resultados na Tabela 6, “Customização”, “Exportação
para planilhas eletrônicas” e “Exportação para processadores de textos” são
considerados importante porque as características de resultados são ferramentas
comuns por exibir resultados a clientes.
59
Tabela 7 - Critérios da categoria usuário
Critérios Pesos
Custo 2
Conectividade com Internet 2
Inter-operabilidade do pacote 2
Interação com outros pacotes de animação 2
Código fonte aberto 1
Aplicação na área 5
Modelamento por fluxo orientado 4
Nível de arquitetura alto 2
Capacidade para simulação contínua 2
Estratégia de simulação 3
- Yüsesan,C.; Snowdon, j. l.; Charnes, j. M. (Winter Simulation 2002) afirmam
que no caso da Accenture para a fase 1 da avaliação, mais de 50 pacotes, foram
considerados. Alguns vendedores de software não foram capazes de participar do
projeto. Usando o alto valor para critérios de saída das tabelas de 1 a 7, os pacotes
foram escolhidos. Esses pacotes que não satisfizeram todos os critérios foram
eliminados. Pacotes que satisfizeram todos os critérios em ordem alfabética foram o
Arena 5.0 (Software de Rockwell), AutoMod 9.1, Enterprise Dynamics 3.1(Enterprise
Dynamics), Extend 5.0 (Imagine That Inc.), ProModel 2001 (Promodel Corporation),
Quest (Delmia Corporation), Simul8 6.0 (Simul8 Corporation) and Witness2000
(Lanner Group, Inc.).
Na segunda fase, a qualidade dos oito software de simulação de eventos
dicretos selecionados na fase um, foram avaliados em detalhes. A qualidade dos
itens considerados nos pacotes foram:
- Vendedor: inclui tradição de vendedor, manutenção, apoio e documentação
- Modelo de desenvolvimento e entrada de dados: inclui modelagem,
aspectos de codificação, processamento, biblioteca de módulos reutilizávéis,
condicional de rota, distribuições estatísticas, política de fila, entrada de dados,
documentação automática, imput em modo batch, gerador de número randomico e
comandos padrões..
- Execução: inclui rodadas múltiplas e em batch, capacidade de reajuste,
inicio em estado não-vazio, interação com usuário e conversões de unidade.
- Animação: inclui desenvolvimento de ícones & de animação, layout de tela e
execução com animação.
60
- Teste e eficiência: inclui ferramentas de validação & verificação,
características de exibição, acompanhamento do modelo, funções de passo, pontos
parada, tamanho do modelo e velocidade do modelo.
- Output: inclui relatório, integração com pacotes externos e gráficos
empresariais.
- Usuário: experiência requerida e custo do pacote
- Design experimental
Baseado nestes critérios, um estudo de caso que considerou a maioria dos
critérios foi criado e modelado. Dos oito pacotes, cinco deles participaram da
avaliação. Três outros não puderam participar por várias razões. Todos vendedores
escolheram a mesma participação e então foram nivelados o trabalho destes no
estudo de caso é transparente e conhecido a outros vendedores na lista e eles
sabem com quem estão competindo. Após esta avaliação um documento de feed
back foi gerado e enviado para os respectivos vendedores. Os detalhes de um
pacote não foram apresentados a outros. Baseado neste material todo foi feita a
análise e a classificação dos pacotes pela Accenture.
4 ESTUDO DE CASO PARA AVALIAÇÃO DE UM DOS PACOTES
SELECIONADOS
Os seguintes procedimentos estão sendo tomados para elaboração do estudo
de caso que será base para comparações e análises:
⇒ Elaboração de um modelo mais próximo da realidade com todos
equipamentos em escala, inclusive os equipamentos móveis como carros de
transporte de panela de aço, pontes rolantes, etc... Para tanto uma planta
original do desenho da área da Aciaria, foco do trabalho, em autocad (dwg) foi
usada como tela de fundo da simulação.
⇒ A área de gusa com seus Altos-Fornos, Máquina de Lingotar Gusa, Pátio de
Emergência e Desulfurações são representadas de forma simbólica e não
seguem a mesma escala da Aciaria, mas estão com os tempos de operação e
transporte retratados corretamente.
⇒ Levantamentos de dados operacionais;
• Diretamente dos computadores de processo dos equipamentos sempre
que possível. Estes dados são de responsabilidade da Unidade
Técnica da Aciaria e por esta informados e atualizados em consenso
com a engenharia de produção.
• Levantamento de dados na área de gusa: Disponíveis após trabalho
anterior efetuado para dimensionamento da frota de Carros Torpedos.
• Utilidazar na simulação as velocidade de projeto de equipamentos
móveis como carros de transporte de panela de aço, pontes rolantes,
etc.. após consolidados com amostragens por cronometragens.
• Levantamento de dados em campo dentro da Aciaria de etapas do
processo que não estão registrados nos computadores de processo.
Este levantamento é mais detalhado a seguir no item 3.3.
4.1 METODOLOGIA UTILIZADA PARA COLETA DE TEMPOS
Objetivo: Levantamento de informações referentes aos tempos e movimentos
na Aciaria visando atualizar dados para estudos e desenvolvimentos.
62
Medição cronometrada dos tempos de movimentos das Pontes Rolantes e
todas as atividades dos processos desde a pesagem de gusa até a ala de
Lingotamento Contínuo com o preenchimento de planilhas com todas as atividades
dos processos.
Mão de obra utilizada: 3 estagiários de engenharia de produção.
Seqüência: coletas/equipamento
1ª coleta => ala do língotamento contínuo/ plataforma
2ª coleta => convertedores/ tratamento de panela
3ª coleta => refino secundário (RH,IRUT)
4ª coleta => pesagem de gusa
4.2 FLUXO DE PRODUÇÃO SIMPLIFICADO
Converters
Pellets from CVRD
5585
2355
Coke Oven Batteries
6619
Blast
Furnace
7798
RH
IRUT
Continuous Casting
Slabs
7634
5100
HSM
2400
8034
Sinter Plant
FASE 5,0 Mt/a
FASE 7,5 Mt/a
Converters
Pellets from CVRD
5585
2355
Coke Oven Batteries
6619
Blast
Furnace
7798
RH
IRUT
Continuous Casting
Slabs
7634
5100
HSM
2400
8034
Sinter Plant
FASE 5,0 Mt/a
FASE 7,5 Mt/a
Figura 15 - Fluxo simplificado do processo produtivo
63
Figura 16 - Fluxo resaltando os principais novos equipamentos a serem instalados
4.3 A SIMULAÇÃO DA ACIARIA
Figura 17 – Ilustração dos principais equipamentos da Aciaria
4.4 INTRODUÇÃO AO ESTUDO DE CASO
O presente projeto na área de Engenharia de Produção que é elaborar um
“ESTUDO DE MÉTODOS PARA COMPARAR SOFTWARES DE SIMULAÇÃO
64
DISCRETA DISPONÍVEIS NO MERCADO PARA UM SISTEMA SIDERÚRGICO” irá
se utilizar da necessidade da AMT que devido à elevação da produção de gusa em
50% será necessária uma avaliação da capacidade de produção da Aciaria com o
objetivo de checar se ela seria capaz de absorver a produção adicional de gusa com
os novos equipamentos a serem instalados e a necessidade de equipamentos de
apoio como carros torpedos, pontes-rolantes e panelas de aço e gusa.
Os conversores produzem de forma discreta, ou seja, em bateladas, ao passo
que as máquinas de lingotamento produzem de forma contínua, necessitando
portanto de que o aço esteja disponível no instante que ela precisar. Caso isso não
ocorra, a MLC será obrigada a interromper a produção e fazer a preparação para
iniciar nova série de lingotamentos, o que reduz sua produtividade e rendimento.
Esse fato dificulta o sincronismo operacional entre esses equipamentos, pois nem
sempre os conversores conseguirão disponibilizar o aço para o lingotamento
contínuo no momento certo. O modelo será usado para analisar as implicações
decorrentes do aumento de produção e a capacidade do sistema como um todo,
onde os diferentes equipamentos interferem na produtividade do conjunto,
identificando os gargalos de produção e as novas necessidades operacionais.
Figura 18 – Layout simplificado com vista geral da simulação
65
O objetivo principal do modelo é estudar o desempenho da aciaria com a
nova configuração de equipamentos, no entanto, além dos processos inerentes à
aciaria, será necessário modelar os processos de produção, armazenamento e
transporte de gusa, devido à influência que esses processos exercem sobre o ritmo
de produção e o sincronismo operacional dos equipamentos da aciaria.
Sistemas não serão contemplados na Simulação:
Transporte e Basculamento de Gusa – Considerado de forma simplificado
apenas para representar a variação do saldo de gusa no carro torpedo;
Oficina de Panelas – As panelas são disponibilizadas para uso conforme a
necessidade;
Plataformas de Lingotamento: Somente foi considerado o tempo necessário
para as trocas de distribuidor de aço;
Mesa de saída das Maq. Lingotamento Contínuo: Não incluída na simulação.
4.5 PRINCIPAIS DADOS – ESCOLHA DE CENÁRIOS
O modelo representará o sistema real em alto nível de detalhe, considerando
paradas periódicas de todos os equipamentos, e as respectivas alterações de
comportamento decorrentes
.
.
Para favorecer o processo de teste de cenários, será
elaborada uma interface de entrada de dados para o modelo, através de qual um
usuário sem familiaridade com a ferramenta possa elaborar cenários e submetê-los
ao simulador, observando seus resultados em seguida.
Essa interface será desenvolvida como uma planilha do MS-Excel, que é uma
ferramente familiar à maioria das pessoas no ambiente corporativo. Alguns exemplos
de parâmetros que podem ser alterados para a geração de cenários estão
mostradas a seguir.
Produção dos Altos Fornos e Mix de produção baseados no Plano
Empresarial 2007
Tempo de set up devido a paradas por troca de espessura/largura nas
MLC’s e troca de impeller na Dessulfuração do gusa – Fonte Unid. Técnica.
Tempo de set up das MLC’s após quebra de seqüência – 45 min
Percentual de Gusa dessulfurado em torpedo: 20%
Peso médio dos torpedos: 400 t
Peso médio das panelas: 315 t
Panelas de gusa: 5
Despoeiramento com 4 simultaneidades (duas na Pesagem e duas no
Kambara Reactor)
66
Tabela 8 – Principais dados de entrada a serem introduzidos no sistema
Principais dados - Levantamento de Campo na área de Redução
Tabela 9 – Coleta de dados na área de redução
ATIVIDADE DOS ALTO FORNOS Tempo (minutos)
Enchimento de torpedo no AF1
TRIA(48,55,62)
Enchimento de torpedo no AF2
TRIA(135,145,155)
Enchimento de torpedo no AF3
TRIA(60,73,84)
Segue para a estacao de dessulfuracao
TRIA( 36.5, 42.3, 43.9)
ESTAÇÃO DE DESSULFURAÇÃO
Dessulfuracao do Carro Torpedo
TRIA(33,36,39)
Vai para os pocos de Gusa
TRIA( 4.8, 6.8, 8.8)
Segue para a Maquina de Moldar Gusa
TRIA( 28.3, 31.3, 34.3)
POÇOS DE GUSA
Volta para os Alto Fornos
TRIA( 40.1, 46.1, 47.7)
MÁQUINA DE MOLDAR GUSA
Volta da maquina para os Alto Fornos
TRIA( 44.8, 50.8, 52.4)
Moldagem de Gusa
TRIA(179,180,181)
Transporte de Gusa
67
Principais dados - Levantamento de Campo na área de entrada da
Aciaria
Tabela 10 – Coleta de dados na pesagem de gusa
Principais dados - Levantamento de Campo na área da Aciaria
Tabela 11 – Coleta de dados na área interna da aciaria
ENTRADA DOS POÇOS Tempo (minutos)
Posicionar panela no poco
TRIA(3,3.3,3.5)
Tempo de vazamento 2t do Poco de gusa
0.049
Panela aguarda posicionamento de novo Torpedo
8.4
Amostragem e temperatura poço
TRIA( .55, .65, .75)
Deslocamento da panela no poço
TRIA(.83,.93,1.03)
Tempo de conectar e icar panela
TRIA(3,3.3,3.5)
Tempo de posicionamento no Skimmer
TRIA(0.67,1.07,1.75)
Tempo de posicionamento no Skimmer3 com ponte
TRIA(0.28,0.43,1.2)
Tempo de soltar panela no chao
TRIA(0.67,1.07,1.75)
Tempo de ponte retirando panela do Carro CNV
TRIA(0.82,1.77,2.62)
Estações de Borbulhamento de Argônio
PANELAS NO CHÃO
SKIM MERS
BALANÇAS
POÇOS DE GUSA - LADO DAS PANELAS
Ciclo das Panelas de Gusa
EXPO(1.17) TRIA(0.63,1.35,1.6) NORM(1.17,0.38) 0.38 1.35 2.83 1.17 0.63 Tempo de retirar panela vazia do c. panela vazia
EXPO(1.47) TRIA(1.05,1.48,2.02) NORM(1.47,0.23) 0.23 1.48 2.38 1.47 1.05
Tempo de posicionar pan. vazia no c. panela vazia
EXPO(2.5) TRIA(0.27,2.62,3.5) NORM(2.5,0.59) 0.59 2.62 4.03 2.50 0.27
Retirada de escória
EXPO(1.25) TRIA(0.65,1.18,2.13) NORM(1.25,0.41) 0.41 1.18 3.45 1.25 0.65
Tempo de retirar panela vazia da torre
EXPO(0.59) TRIA(0.25,0.38,1.3) NORM(0.59,0.24) 0.24 0.38 1.52 0.59 0.25
Subida do gancho com panela vazia
EXPO(0.22) TRIA(0.1,0.15,0.53) NORM(0.22,0.13) 0.13 0.15 0.55 0.22 0.10
Encaixe do gancho na Pan. Aço na torre da MLC
EXPO(0.47) TRIA(0.1,0.23,0.95) NORM(0.47,0.37) 0.37 0.23 2.53 0.47 0.10
Descida do gancho
EXPO(0.68) TRIA(0.53,0.68,0.87) NORM(0.68,0.08) 0.08 0.68 0.93 0.68 0.53
CST GIRAR PANELA VAZIA
EXPO(0.44) TRIA(0.17,0.4,0.67) NORM(0.44,0.12) 0.12 0.40 0.72 0.44 0.17
CST Abertura da panela
EXPO(0.93) TRIA(0.4,0.95,1.18) NORM(0.93,0.15) 0.15 0.95 1.43 0.93 0.40
Tempo de posicionar panela na MLC
EXPO(1.67) TRIA(1.12,1.62,2.07) NORM(1.67,0.32) 0.32 1.62 2.75 1.67 1.12
Tempo de retirada da panela do IRUT
MLC`s
EXPO(1.25) TRIA(0.93,1.08,1.63) NORM(1.25,0.2) 0.20 1.08 1.82 1.25 0.93
Tempo de posicionar panela no carro do IRUT
EXPO(1.93) TRIA(1.23,1.77,2.47) NORM(1.93,0.37) 0.37 1.77 2.52 1.93 1.23
Tempo de retirada da panela do carro CNV
IRUT
EXPO(1.89) TRIA(1.33,1.67,2.65) NORM(1.89,0.4) 0.40 1.67 2.88 1.89 1.33
Descida do carro do RH
EXPO(1.59) TRIA(0.93,1.55,2.13) NORM(1.59,0.36) 0.36 1.55 2.32 1.59 0.93
Subida do carro do RH
EXPO(1.31) TRIA(0.67,1.07,1.75) NORM(1.31,0.27) 0.27 1.07 1.88 1.31 0.67
Ponte posiciona panela no Carro do RH1
EXPO(1.88) TRIA(0.82,1.77,2.62) NORM(1.88,0.4) 0.40 1.77 2.98 1.88 0.82
Tempo de retirada da panela do carro CNV
RH
EXPO(0.61) TRIA(0.28,0.43,1.2) NORM(0.61,0.29) 0.29 0.43 1.67 0.61 0.28
Posicionamento em frente ao SK CARGA
EXPONENTRIANGULARNORMALDesvModaMáxMédiaMínITENSAREA
EXPO(1.17) TRIA(0.63,1.35,1.6) NORM(1.17,0.38) 0.38 1.35 2.83 1.17 0.63 Tempo de retirar panela vazia do c. panela vazia
EXPO(1.47) TRIA(1.05,1.48,2.02) NORM(1.47,0.23) 0.23 1.48 2.38 1.47 1.05
Tempo de posicionar pan. vazia no c. panela vazia
EXPO(2.5) TRIA(0.27,2.62,3.5) NORM(2.5,0.59) 0.59 2.62 4.03 2.50 0.27
Retirada de escória
EXPO(1.25) TRIA(0.65,1.18,2.13) NORM(1.25,0.41) 0.41 1.18 3.45 1.25 0.65
Tempo de retirar panela vazia da torre
EXPO(0.59) TRIA(0.25,0.38,1.3) NORM(0.59,0.24) 0.24 0.38 1.52 0.59 0.25
Subida do gancho com panela vazia
EXPO(0.22) TRIA(0.1,0.15,0.53) NORM(0.22,0.13) 0.13 0.15 0.55 0.22 0.10
Encaixe do gancho na Pan. Aço na torre da MLC
EXPO(0.47) TRIA(0.1,0.23,0.95) NORM(0.47,0.37) 0.37 0.23 2.53 0.47 0.10
Descida do gancho
EXPO(0.68) TRIA(0.53,0.68,0.87) NORM(0.68,0.08) 0.08 0.68 0.93 0.68 0.53
CST GIRAR PANELA VAZIA
EXPO(0.44) TRIA(0.17,0.4,0.67) NORM(0.44,0.12) 0.12 0.40 0.72 0.44 0.17
CST Abertura da panela
EXPO(0.93) TRIA(0.4,0.95,1.18) NORM(0.93,0.15) 0.15 0.95 1.43 0.93 0.40
Tempo de posicionar panela na MLC
EXPO(1.67) TRIA(1.12,1.62,2.07) NORM(1.67,0.32) 0.32 1.62 2.75 1.67 1.12
Tempo de retirada da panela do IRUT
MLC`s
EXPO(1.25) TRIA(0.93,1.08,1.63) NORM(1.25,0.2) 0.20 1.08 1.82 1.25 0.93
Tempo de posicionar panela no carro do IRUT
EXPO(1.93) TRIA(1.23,1.77,2.47) NORM(1.93,0.37) 0.37 1.77 2.52 1.93 1.23
Tempo de retirada da panela do carro CNV
IRUT
EXPO(1.89) TRIA(1.33,1.67,2.65) NORM(1.89,0.4) 0.40 1.67 2.88 1.89 1.33
Descida do carro do RH
EXPO(1.59) TRIA(0.93,1.55,2.13) NORM(1.59,0.36) 0.36 1.55 2.32 1.59 0.93
Subida do carro do RH
EXPO(1.31) TRIA(0.67,1.07,1.75) NORM(1.31,0.27) 0.27 1.07 1.88 1.31 0.67
Ponte posiciona panela no Carro do RH1
EXPO(1.88) TRIA(0.82,1.77,2.62) NORM(1.88,0.4) 0.40 1.77 2.98 1.88 0.82
Tempo de retirada da panela do carro CNV
RH
EXPO(0.61) TRIA(0.28,0.43,1.2) NORM(0.61,0.29) 0.29 0.43 1.67 0.61 0.28
Posicionamento em frente ao SK CARGA
EXPONENTRIANGULARNORMALDesvModaMáxMédiaMínITENSAREA
68
4.5.1 Principais dados – Dados dos Computadores de Processo da Aciaria
Tabela 12 – Coleta de dados do sistema dos computadores de processo
4.5.2 PRINCIPAIS DADOS – PARADAS PERÍÓDICAS DOS EQUIPAMENTOS
Tabela 13 – Impute dos dados de manutenção
CONVERTEDORES
Curva min med max Curva min med max
TRIA678 TRIA224
TRIA 12 16 18 TRIA 1,5 2 4
TRIA 10 11 12 TRIA 15 16 20
TRIA 5 7 11
TRIA667
ID Descrição
Curva min med max Curva min med max Curva min med max
1 Todos TRIA 2 5 9 TRIA 2 5 9 TRIA 2 5 9
EB
A
ID Descrição
Curva min med max Curva min med max Curva min med max Curva min med max med
1 COMERCIAL TRIA 22 25 35 TRIA 24 25 35 TRIA 0 0 0 TRIA 24 25 35 3
2 IF.P. EXPOSTA TRIA TRIA 30 31 41 TRIA 0 0 0 TRIA 30 31 41 4
3 T.CALCIO TRIA 31 33 43 TRIA 0 0 0 TRIA 12 13 14 TRIA 6
4 CG Desi TRIA TRIA 25 27 37 TRIA 0 0 0 TRIA 25 27 37 4
5Tin Plate TRIA293040TRIA242535TRIA0 0 0TRIA2425353
6 RH1-CaSi TRIA TRIA 24 27 37 TRIA 12 13 14 TRIA 6
7 NAVAL TRIA 29 30 40 TRIA 26 27 37 TRIA 0 0 0 TRIA 26 27 37 4
8TWIN TRIA293343TRIA303141TRIA0 0 0TRIA3031413
ID Descrição
Curva min med max Curva min med max Curva min med max
1 COMERCIAL TRIA 46 55 62 TRIA 40 46 55 TRIA 40 46 55
2 IF.P. EXPOSTA TRIA TRIA 38 44 50 TRIA 38 44 50
3T.CALCIO TRIA536370TRIA435057TRIA435057
4 CG Desi TRIA TRIA 37 43 50 TRIA 37 43 50
5Tin Plate TRIA505866TRIA505862TRIA505862
6RH1-CaSi TRIA536370TRIA435057TRIA435057
7 NAVAL TRIA TRIA 37 43 50 TRIA 37 43 50
8 TWIN TRIA TRIA 31 35 40 TRIA
Em minutos
Tipo de aço
Tipo de aço
Vazamento da Escória
Tempo de ANÁLISE QUÍMICA nos Convertedores
CONV1
Em minutos
Em minutos
Sopro de Oxigênio
ALA DE GUS
A
Em minutos
Pré-Skimmer
Em minutos
Carreg. de Sucata
Carregamento do Gusa
Vazamento do Aço
CONV2
REFINO SECUNDÁRIO
RH2
CONV3
Tipo de aço
Tratamento no KR
Skimmer
MLC3
IRUT RH1 CaSi 1
LINGOTAMENTO
MLC1 MLC2
69
Outro aspecto importante é o fato de que a produção é puxada pelas
Máquinas de Lingotamento Contínuo em função da programação por tipo de aço,
espessura e paradas das máquinas para trocas de espessura e largura, quando for
o caso. Considerando também o número de corridas a serem produzidas no mesmo
distribuidor e as reduções de velocidades representadas pelas trocas destes sem
interrupção do lingotamento. Essas configurações também podem ser escolhidas
pelo usuário, como mostra a figura 4.
4.5.3 PROGRAMAÇÃO DAS MÁQUINAS DE LINGOTAMENTO CONTÍNUO –
EXEMPLO A SER UTILIZADO
Tabela 14
-
-
P
P
r
r
o
o
g
g
r
r
a
a
m
m
a
a
ç
ç
ã
ã
o
o
d
d
a
a
s
s
m
m
á
á
q
q
u
u
i
i
n
n
a
a
s
s
d
d
e
e
l
l
i
i
n
n
g
g
o
o
t
t
a
a
m
m
e
e
n
n
t
t
o
o
c
c
o
o
n
n
t
t
í
í
n
n
u
u
o
o
4.6 PLANILHA DE RESULTADOS
O modelo de simulação mostrará se a nova configuração da aciaria tem
capacidade para absorver a produção prevista de 8,0 milhões de taneladas/ano de
gusa com os novos equipamentos atendendo as manutenções preventivas dentro
dos índices operacionais previstos. Parte deste modelo será usada para reproduzir
nos demais softwares de simulação um determinado equipamento deste sistema
produtivo tal que responda as questões provenientes do objetivo deste trabalho
descritos no item 1.4.2.
70
Será elaborada uma planilha em Excell para apresentar os resultados das
comparações que serão obtidas de forma clara e abrangente que não deixe margem
de dúvidas de quais técnicas usadas e mostre os resultados que representem os
pontos levantados no item 3.1.
4.7 EXEMPLO DE COLETA DE INFORMAÇÕES PRELIMINARES EFETUADA
JUNTO AOS FORNECEDORES DE SIMULADORES
Este item mostra algumas das razões apresentadas pelo representante do
software de simulação Promodel que justifiquem o uso deste pacote. Este foi um
contato preliminar onde as informações levantadas ainda não estão tabuladas e
servem de teste de pesquisa junto ao representante comercial.
4.7.1 Geral
• O ProModel foi projetado para ser extremamente amigável. O ProModel foi
criado em C++ e não exige que o usuário aprenda uma linguagem de
programação de simulação de primeira geração. O ProModel é muito
flexível, particularmente no que diz respeito a tempo, dimensionamento de
entidades (peças no sistema), ou mudanças de variáveis ou atributos.
• O ProModel não exige uma grande programação para sobreposição de
recursos. Isto evitará que o sistema destrua entidades na simulação. O
ProModel reporta todas as estatísticas da entidade depois da simulação.
Se uma entidade for “destruída” por que foi programada para chegar em
um determinado momento e não havia capacidade disponível, você saberá
do problema ao fim da simulação.
• Nossa tecnologia de simulação evoluiu muito em capacitação e inclui
otimização desde 1996. Todas as outras linguagens de simulação forçam o
usuário a executar vários experimentos manualmente para determinar os
“melhores” parâmetros para o sistema. Com o otimizador do ProModel, o
usuário define quais características do sistema podem ser mudadas para
melhorar o desempenho. O usuário define que medidas de desempenho
devem ser otimizadas e inicia o otimizador. A partir daí o ProModel
determina que combinações de fatores de entrada devem ser testadas, e
71
utiliza algoritmos genéricos para calcular a solução ótima. Flexibilidade nos
“Locais” (trabalhando com atributos e variáveis)
• O ProModel é totalmente flexível quando as variáveis e atributos podem ser
mudados durante o tempo que uma entidade gasta em um local.
• Uma das forças do ProModel é a pequena quantidade de tempo
necessária para criar lógicas customizadas nas janelas de Operação.
• O ProModel permite variáveis locais. O ProModel permite também atributos
nos locais.
4.7.2 Recursos estáticos
• O ProModel pode transportar materiais com um recurso (um operário, uma
empilhadeira, etc.) e utilizar o mesmo recurso para rotear e processar
entidades.
Recursos Dinâmicos
• O ProModel usa redes de caminhos e recursos. O modelo tem uma escala
interna que pode ser usada para dimensionar as rotas. Todas as redes de
caminhos podem ter múltiplas curvas e nós extras para simplificação do
caminho. Os recursos são designados a uma rede de caminho. O recurso
pode mover uma entidade e ficar com a entidade durante o próximo
processo.
4.7.3 Importação de desenhos do CAD
• O ProModel não apenas permite a importação de desenhos provenientes
de sistemas CAD através de vários padrões, como também permite a
edição do seu tamanho e o ajuste de sua escala no layout do modelo.
4.7.4 Relatórios de saída
• O ProModel permite três tipos de gráficos para mostrar graficamente os
resultados de saída. Todos os gráficos podem ser customizados, copiados
e impressos. O ProModel fornece automaticamente os gráficos de
72
utilização e estado dos locais ou dos recursos. Os dados de múltiplos
cenários e/ou múltiplas simulações podem ser comparados no mesmo
gráfico. O ProModel não exige que o usuário passe os dados para um
arquivo externo para ter gráficos de alta qualidade.
4.7.5 Importação / exportação de dados
• O ProModel permite várias maneiras de importar/exportar dados do modelo
de outros arquivos texto, planilhas ou bancos de dados, como também
permite a automação desta integração por se tratar de um aplicativo “OLE
– Object Linked Embebed”.
4.7.6 Resumo
• O tempo médio de programação para realizar um objetivo é muito mais
curto.
• O ProModel é extremamente flexível e aberto tanto para
importação/exportação de dados do modelo, como para utilização de
desenhos CAD.
• O ProModel possibilita acesso a todas as variáveis, e não apenas para as
definidas pelo usuário.
5 CONCLUSÕES E RECOMENDAÇÕES
Este capítulo apresenta as conclusões do trabalho realizado e as
recomendações para trabalhos futuros.
5.1 OBJETIVOS ALCANÇADOS
Os objetivos alcançados neste trabalho estão demonstrados no Quadro 1.
Objetivos da Pesquisa Capítulo Páginas
Objetivo
Geral
Pesquisar as metodologias para identificar os principais
softwares de simulação de processos discretos na
Siderurgia, suas técnicas, aplicações, formas de
implementações e demais itens que possam ser
compreendidos por todos os interessados em estimar a
carga de trabalho de equipamentos em uma planta
Siderúrgica
3 39 a 59
- Identificar metodologia para mostrar as vantagens e
desvantagens provenientes de ferramentas
computacionais para simular um sistema produtivo;
2 35 a 39
- Servir como informação aos especialistas da
ArceloMittal Tubarão e outros, que se utilizam destas
ferramentas computacionais em siderúrgicas;
3 39 a 59
- Servir de informação e exemplificar um estudo
utilizando um software de simulação para não
especialistas que buscam resultados de sistemas
produtivos
4 e 5 60 a 76
Objetivos
Específicos
- Passar o conhecimento decorrente deste estudo para
o meio acadêmico.
3 a 5 39 a 76
Quadro 1 - Referência dos objetivos geral e específicos da pesquisa
5.2 CONCLUSÕES
O estudo mostrou 2 metodologias de comparação e uma aplicação de
pacotes que possam ser usados na área da siderurgia para comparar o
desempenho de softwares de simulação de eventos discretos em um sistema
complexo após uma expansão ou melhoria de produção.
74
O metodo da lista hierárquica apresenta itens estruturados em um framework
hierárquico assim relacionados a critérios para avaliação de software de simulação e
são categorizados de forma a se obter uma visão melhor das características do
software, como um orientar o teste e a análise do pacote por um processo que
demanda esforço e tempo mas, sem dúvida este método é mais simples que o
método de seleção por duas fases com pesos de critérios. Este segundo processo
irá exigir uma estruturação maior da empresa que está fazendo a avaliação e
demandará mais tempo mas certamente irá gerar um resultado mais exato
expressado em números.
Deve-se pensar que dependendo da complexidade do problema a ser
simulado isto é, para problemas mais simples devemos optar pela metodologia da
lista hierárquica mas, se estivermos frente a uma simulação que será mais complexa
devemos avaliar o software de simulação pela metodologia de seleção por duas
fases com pesos de critérios.
5.3 RECOMENDAÇÕES PARA ESTUDOS FUTUROS
Este estudo poderá ser aprofundado abrangendo outros entrantes no
mercado brasileiro.
Novas empresas estão aperfeiçoando seus produtos e começam a buscar
fatias de mercado dentro desta área. Os próximos anos a predominância de 2
maiores fornecedores poderá ser afetada e toda atenção deverá ser dada aos novos
players sem perder a parceria existente com fornecedores confiáveis.
Este estudo também poderá ser ampliado com o desenvolvimento de outras
metodologias e a utilização destas em casos a serem desenvolvidos com posterior
comparação dos resultados.
A utilização de pacotes de simulação em casos mais simples, porém com um
grau de complexidade representativo e que possa ser modelado em diversos
softwares de simulação discreta será bastante útil para comparações podendo gerar
toda a experiência necessária aos seus usuários que também serão consultados na
ocasião de novas avaliações de pacotes de simulação.
O constante aperfeiçoamento e desenvolvimento dos pacotes de simulação
associado ao desenvolvimento dos computadores exigirá uma avaliação quase que
permanente ou anual para refletir o estágio em que os softwares se encontram.
REFERÊNCIAS
ACKOFF, Russell; SASIENI,Maurice, W. Pesquisa operacional. Rio de Janeiro:
Livros Técnicos e Científicos, 1979.
BANKS, J. Handbook of simulation: Principles, Methodology, Advances,
Applications and Practice. New York: Wiley-Interscience Publishers, 1998.
BANKS, J. Introduction to Simulation. In: Proceedings of the Winter Simulation
Conference. 1999. p. 7-13.
BANKS, J. Selecting Simulation Software. In: Proceedings of the Winter
Simulation Conference. 1991. p. 15-20.
BANKS, J. Simulation Languages and Simulators. In: Proceedings of the Winter
Simulation Conference. 1992. p. 88-96.
BANKS, J. Software for Simulation. In: Proceedings of the Winter Simulation
Conference. 1993. p. 24-33.
BANKS, J. Software for Simulation. In: Proceedings of the Winter Simulation
Conference. 1996. p. 31-38.
BANKS, J. Software for Simulation. In: Proceedings of the Winter Simulation
Conference. 1995. p. 32-38.
BANKS, J., CARSON, J.S. Discrete event system simulation. Englewood Cliffs,
NJ: Prentice-Hall. 1984.
BANKS, J.; CARSON, J. S.; NELSON, B. L. Discrete-event system simulation.
2.ed. Upper Saddle River, New Jersey: Prentice Hall. 1996.
BAPAT, V.; STURROCK, D. T. The Arena Product Family: enterprise modeling
solutions. In: PROCEEDINGS OF THE 2003 WINTER SIMULATION
CONFERENCE. Anais… 2003.
BARBOSA, W. do V. Tempos pós-modernos. In: LYOTARD, J-F. O pós-moderno.
Rio de Janeiro: J. Olympio, 1986. p. vii-xviii.
76
BERNARD, C. J.; VAN HAAFTEN, D. H. Simulation Model for Shipment of Waste to
the Waste Isolation Pilot Plant. In: Proceedings of the Winter Simulation
Conference. 2000. p. 1101-1106
BATERMAN, R. e. et al. System improvement using simulation. Orem, Utah:
Promote Corporation, 1997.
BJÖN, J., JOACIM, J.; ULF E. An evaluation of Discrete Event Simulation software
for “Dynamic Rough-Cut Analysis”, In International Seminar on Manufacturing
Systems, 12-15 May 2002, Seoul, Korea. 2002.
CAMARGO, G. Por que o Brasil não é os Estados Unidos. Revista Exame, São
Paulo, 28 fev. 1996.
CARRIE, A. ±_Simulation of manufacturing systems. United Kingdom: John
Wiley & Sons, 1988.
CASSANDRAS, c.G.; LAFORTUNE, S. Introduction to discrete event system.
Boston: Kluwer Academic Publishers, 1999.
CERTO, S. C., Peter, J. P. Administração estratégica. Makron Books do Brasil,
São Paulo, 1993.
CORNÉLIO, P. F.; Freitas, P. J.; Tubino, D. F. O Uso do software de simulação
arena para o desenvolvimento de jogos de empresas: o protótipo GPCP-1. [S.l],
[s.d.].
DEAVER, R.A. Selecting a manufacturing simulation system. CIM Review.1987.
DIAS, A., GLOVER, F., GHAZIRI, H. M., GONZÁLEZ, J. L., LAGUNA, M.
MOSCATO, P. e TSENG, F.T. Optmizatión heurística y redes neuronales.
Espanha: Paraninfo, 1996.
DÍAZ, J. A.; PÉREZ, I. G. Simulation and Optimization of Sugar Cane Transportation
in Harvest Season. In: Proceedings of the Winter Simulation Conference, p.
1114-1117. 2000.
DIETZ, M. Outline of a successful simulation project. Industrial Engineering. p. 50-
53. nov. 1994.
77
DRAKE, G. R., SMITH, J. S., PETER, B. A., Simulation as a planning and
scheduling tool for flexible manufacturing systems. In: PROCEEDINGS OF THE
1995.
DRUKER, P.F. Sociedade pós capitalista. 2. ed. São Paulo: Pioneira, 1994.
ESMAIL, K.K., Saggu, J. A changing paradigm. Manufacturing Engineer, p. 285-
288, dec. 1996.
FIORONI, M. M. Simulação em ciclo fechado de malhas ferroviárias e suas
aplicações no Brasil. 2005. Dissertação de Mestrado. USP, São Paulo, 2005.
FRANZESE, L. A. G.; FIORONI, M. M.; BOTTER, R. C. Railroad Simulator on Closed
Loop. In: Proceedings of the Winter Simulation Conference,. p. 1602-1606, 2003.
FRANZESE, O.; JOSHI, S. Traffic Simulation Application to Plan Real-Time
Distribution Routes. In: Proceedings of the Winter Simulation Conference.
p.1214-1218.2002.
FREITAS, Paulo. Introdução à modelagem e simulação de sistemas. [S.l.]: Visual
Books, 2001.
GAVIRA, Muriel de Oliveira. Simulação computacional como uma ferramenta de
aquisição de conhecimento. 2003. Dissertação de Mestrado.USP, São Carlos,
2003.
GLOVER, F.; LAGUNA, M. Tabu Search. USA: Kluwer Academic, 1997.
GRANT, J.W. and S.A. Weiner. Factors to consider in choosing a graphical
animated simulation system. Industrial Engineer. 1986.
Haider, S.W. and J. Banks. Simulation software products for analyzing
manufacturing systems. 1986.
HARRE, Charles R. l; MOTT, Jack R. A.; BATEMAN, Robert E. Simulação
otimizando sistemas. São Paulo: IMAM. [S.d.].
HARRELL, C.; TUMAY, K. Simulation made easy: a manager’s guide. Norcross,
Georgia: Engineering & Management Press. 1995.
78
HLUPIC, V. and R.J. Paul. 1995. Manufacturing simulators and possible ways to
improve them. International Journal of Manufacturing System Design.
HLUPIC, V., Simulation Selection Using SimSelect. Simulation, v. 69, n. 4, p. 231-
239.
IMS HOME PAGE. IMS – Intelligent Manufacturing Systems. Disponível
em:>http://www.ims.org.>. Acesso em: 25 jun. 2006.
JEFFREY A. Joines, Stephen D. Roberts, Simulation in an Object-Oriented World,
Proceedings of the 1999 Winter Simulation Conferente. IEEE, p. 132-140, 1999.
JOUSTRA, P. E.; VAN DIJK, N. M. Simulation of Check-In at Airports. In:
Proceedings of the Winter Simulation Conference, p. 1023-1028, 2001.
KELTON, W. David; SADOWSKY, Randall P.; SADOWSKY, Deborah A. Simulation
With arena. [S.l.]: McGraw-Hill P.C., 1998.
KULICK, B. C.; SAWYER, J. T. The Use of Simulation to Calculate the Labor
Requirements in an Intermodal Rail Terminal. In: Proceedings of the Winter
Simulation Conference, p. 1038-1041, 2001..
KULJIS, J., HCI and Simulation Packages., In: proceedings of the 1996 Winter
Simulation Conference, eds., J,M, Charnes, D.M. Morrice, D.T.Brunner, and J.J.
Swain, 687-694. 1996.
LAW, A.M. and Haider, S.W., Similation. In: Manufacturing – Selecting Simulation
software for Manufacturing applications: practical Guidelines and software survey.
Industrial Engineering, v. 31 (May) p 33-56, 1989.
LAW, Averill; KELTON, David W.; KELTON, David M. Simulation modeling and a
analysis: textbook handcover. 3. ed., [S.l.]:McGraw Hill, 1999.
LAW, Averil. In: PROCEEDINGS OF THE 2004 WINTER SIMULATION
CONFERENCE.
LEILICH, R. H. Application of simulation models in capacity constrained rail corridors.
Winter SimulationConference, P.A.Farrington, 1998.
79
LOVERIDGE, R.; PITT, M. The strategic management of technological
innovation. New Jersey: John Wiley, 1990.
MACRO, J. G.; SALMI, R. E. A Simulation Tool to Determine Warehouse Efficiencies
and Storage Allocations. In: Proceedings of the Winter Simulation Conference, p.
1274-1281, 2002.
MICHALEWICZ, Z. Genetic algorithms + data structures = evolutions programs,
[S.l.]: Springer-Verlag. 1992.
MERRICK, J. R. W.; VAN DORP, J. R.; MAZZUCHI, T. A.; HARRALD, J. R. Modeling
Risk in the Dynamic Environment of Maritime Transportation. In: Proceedings of the
Winter Simulation Conference, p. 1090-1098. 2001.
MOSCATO, P.; TSENG, F.T. Optmizatión heurística y redes neuronales.
Espanha: Paraninfo, 1996.
NASSIF, L. Admirável novo mundo. Folha de São Paulo, São Paulo. p. 3, 7 jul.
1997. Seção Dinheiro.
NAYLOR, T.H. et al. Técnicas de simulação em computadores. São Paulo:
Vozes, 1971.
NIKOUKARAN, J. and R.J. Paul. 1998a. Simulation software selection - a review.
Submitted to Simulation Practice and Theory.
NIKOUKARAN, J. and R.J. Paul. Simulation software selection “whys and
hows”. Yugoslav Journal of Operations Research. 1998b.
NIKOUKARAN, J., HLUPIC, V.; PAUL, R. J. Criteria for simulation Software
Evaluation. In: Proceedings of the Winter Simulation Conference- Department of
Information Systems and Computing, Brunel University. 1998c.
NIKOUKARAN, J., HLUPIC, V. & PAUL, R. J. A hierarchical framework for evaluating
simulation software, Simulation Practise and Theory. v.7, p.219-231. 1999.
NIKOUKARAN, J.; HLUPIC, V.; PAUL, R. J. Criteria for Simulation Software
Evaluation. In: Proceedings of the Winter Simulation Conference, p. 399-
406,1998.
80
NIXON, E. Mass production: financial services. In: PROCEEDINGS PROMODEL
MIDWEST USERS CONFERENCE. Fev. 1994.
OWEN, D., KRUSE, G. Follow the customer. Manufacturing Engineer, p. 65-68,
apr. 1997.
Pater, A.J.G; Teunisse, M.J.G. The use of template-based methodology on the
simulation of a new cargo track from Rotterdan Harbor to Germany, In: Proceedings
of the 1994 Winter Simulation Conference, Dec. 7-10, Atlanta, Georgia, E.U.A.
1997.
PIDD, M. An Introduction to Computer Simulation. In: Proceedings of the 1994
Winter Simulation Conference. 1994. p.7-14.
PIDD, M. Five Simple Principles of Modeling. In: Proceedings of the 1996 Winter
Simulation Conference. 1996. p.721-728.
Pidd, M., Modelagem Empresarial: ferramentas para tomada de decisão, Editora
Artes Médicas Sul Ltda., Porto Alegre, 1998.
RAYWARD-SMITH, V. J., REEVES, C. R.; SMITH, G. D. Modern heuristics search
methods. Inglaterra: Wiley, 1996.
REEVES, C.R. Modern heuristics techniques for combinatorial problems.
Blackwell .1993.
ROSENBERGER, J. M. et al. SimAir: a Stochastic Model of Airline Operations.
In:Proceedings of the Winter Simulation Conference. 2000. p. 1118-1122.
Saad, J.A.C. (1999); Modelo para análise da operação de trechos ferroviários em
linha singela , São Carlos, 1999, 122p. Dissertação de Mestrado, EESC USP –
escola de engenharia de São Carlos.
SALIBY, E. Repensando a simulação: a amostragem descritiva. São Paulo: Atlas,
1989.
SANTOS, J. F. dos. O que é pós-moderno. 8. ed. São Paulo: Brasiliense, 1990.
SCARPE, A. A.; MARIANTE, W.; FRANZESE, L. A. G. CST steel shop operation
model. [S.l.]: Arena Sphere, 1998.
81
SCHUNK, D.; PLOTT, B. Using Simulation to Analyze Supply Chains. In:
Proceedings of the Winter Simulation Conference. 2000. p. 1095-1100.
SEDGEWICK, R. Algorithms in C, [S.l.]: Addison Wesley, 1990.
SHANNON, R. et al. Operations research methodologies in industrial engineering: A
Survey. AIIE Transactions. v.4, n. 12, 1980.
SHANNON R.E. Introduction to simulation. In: Proceedings of the 1992 Winter
Simulation Conference, 1992.
STANDRIDGE, C. R.; HELTNE, D. R. An MSE-Based Simulation Capability for
Strategic and Tactical Logistics. In: Proceedings of the WSC. 2000. p. 1107-1113
SWAIN J.J., D. Goldsman, R.C. Crain, and J.R. Wilson, 65-73, The Society For
Computer Simulation International, San Diego.
SWAIN J.J., Goldsman D., Crain R. C.; Wilson J.R., , A Sociedade para simulação
de computador, internacional, San Diego, p.65-73.
THOMPSON, M.B. Expanding simulation beyond panning and design. Industrial
Engineering. p. 64-67. oct. 1994.
TRONE, J.; GUERIN, A.; CLAY, A. D. Simulation of Waste Processing,
Transportation, and Disposal Operations. In: Proceedings of the Winter Simulation
Conference, p. 1085-1089, 2000.
WATSON, H.J.; BLACKSTONE, Jr. Computer winter simulation conference.
Washington, DC.[s.ed.], 1995.
WOMACK, J.P. A Mentalidade enxuta nas empresas. São Paulo: Campus, 1998.
WYN, J. et al. Definition of architeture in holonic manufacturing systems.
Disponível em:<http://www.mech.kuleuven.ac.be>. Acesso em: 19 jun. 2006.
XU, J.; HANCOCK, K. L.; SOUTHWORTH, F. Dynamic Freight Traffic Simulation
Providing Real-Time Information. In: Proceedings of the Winter Simulation
Conference, p. 1711-1719, 2003.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
