Post on 05-Oct-2021
APLICAÇÃO DE SIMULAÇÃO
COMPUTACIONAL PARA OTIMIZAR
OS PROCESSOS DE UMA EMPRESA
PRESTADORA DE SERVIÇOS PARA
ISOTANQUES
Ricardo Kenji Oi (UniSantos)
ricardo.oi@unisantos.br
Jose Fontebasso Neto (UniSantos)
jfneto@unisantos.br
Caio Cesar Maia (UniSantos)
caio_maia02@kgg.com.br
Debora Agraz Cutino Nogueira (UniSantos)
debora.agraz@unisantos.br
Renato Fares Khalil (UniSantos)
renato.khalil@unisantos.br
Os isotanques são utilizados para transportar cargas a granel líquida
ou gasosa incluindo os produtos perigosos. A utilização desse tipo de
tanque requer frequente manutenção para o atendimento da legislação,
que são realizadas por diversas empresas, sendo a maioria delas de
pequeno porte e desprovidas de ferramentas de gestão. No presente
trabalho foi desenvolvido um modelo de simulação utilizado o software
Arena que utilizou os dados de uma empresa prestadora de serviços de
manutenção para isotanques localizada em Cubatão/SP. A simulação
abordou a principal operação da empresa que é a lavagem, uma vez
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
2
que todos os demais serviços dependem dessa etapa. Foram abordados
dois cenários: o cenário atual e um cenário alternativo, em que os
gargalos são aliviados através do acréscimo de mão de obra. Os
resultados mostram que no cenário alternativo, o tempo de espera total
médio para os serviços de lavagem são reduzidos em até 43%, abrindo
espaço para ampliar o atendimento e aumentar a satisfação dos
clientes com o cumprimento de prazos, além de otimizar a mão de
obra, o que permitiria reduzir os custos operacionais da empresa.
Palavras-chave: isotanques, processos, otimização, simulação, Arena
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
3
1. Introdução
O transporte de produtos perigosos requer que as empresas especializadas atendam às
exigências de segurança, saúde, qualidade e meio ambiente seguindo normas e procedimentos
da legislação pública. Por isso, a organização deve utilizar um sistema de transporte seguro e
técnicas eficientes para manusear cargas de produtos perigosos e nocivos à saúde e ao meio
ambiente. Entre esses produtos encontram-se inflamáveis, explosivos, corrosivos, tóxicos,
radioativos, entre outros.
O modal rodoviário é o mais utilizado para a movimentação de produtos perigosos, que
abastece as indústrias químicas e petroquímicas. No transporte de carga a granel líquida ou
gasosa, geralmente são empregados os contentores cisterna, também conhecidos como
isotanques. Esse tipo de tanque é construído sob as normas da ISO, tornando-o adequado
para o transporte de produtos perigosos. Nos isotanques é necessário efetuar serviços de
inspeção, reparo, manutenção e lavagem, tendo em vista o atendimento pleno das normas.
Existem no mercado dezenas de empresas que prestam esse tipo de serviço, geralmente de
pequeno porte, que não fazem o uso de ferramentas de planejamento, prejudicando assim a
eficiência operacional e a qualidade dos serviços prestados.
O presente trabalho teve como objetivo aplicar a simulação computacional através do
software Arena para analisar os processos e a respectiva proposição da melhoria desses. Para
tanto, foram utilizados dados reais de uma empresa localizada na cidade de Cubatão/SP que
atua no segmento de serviços para isotanques.
2. Fundamentação teórica
Os serviços têm como característica a produção e o consumo simultâneos, e a demanda
apresenta normalmente elevada variabilidade. Considerando que a prestação de serviços é
intangível, a percepção da qualidade é muitas vezes subjetiva. Nesse sentido, a gestão de
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
4
serviços está relacionada com as atividades que definem o tipo de serviço prestado e a forma
como esse será fornecido aos consumidores (JOHNSTON; CLARK, 2002).
Um aspecto que a gestão de serviços deve considerar é que os processos geralmente não são
totalmente automatizados e a presença humana ainda é prevalente na execução das atividades,
sobretudo naquelas em que há elevado contato com os clientes, conhecidas como front office,
o que repercute na variabilidade e incerteza nos processos (GIANESI; CORRÊA, 2010).
Para resolver esse problema, a simulação surge como uma alternativa que permite reproduzir
o comportamento de um sistema real com o uso dos modernos recursos da tecnologia da
informação, possibilitando a visualização de resultados que serão obtidos em uma situação
real. A vantagem da utilização da simulação é de permitir a análise de diversas alterações no
cenário virtual, sem o custo e o risco de atuar no cenário real (CHWIF; MEDINA, 2010).
Um modelo de simulação computacional corresponde a abstração da realidade, que se
aproxima do verdadeiro comportamento do sistema, de forma simplificada, permitindo uma
previsão sob diversas circunstâncias, a fim de melhorar o seu desempenho (RAHMAN;
SABUJ, 2015).
A simulação pode ser aplicada em diversos tipos de operações com o objetivo de analisar o
sistema atual para verificar os resultados da ampliações e melhorias no processo. Essa técnica
pode ser utilizada tanto para projeto e avaliação de novos sistemas, como também para
reconfiguração física ou mudanças no controle e/ou regras de operação de sistemas existentes,
visando a melhoria dos processos (SAKURADA; MIYAKE, 2009).
Com a evolução dos sistemas de informação computacional nas últimas décadas, a
modelagem de problemas simulando cenários tornou-se uma prática não só extremamente
viável como também imprescindível para ser utilizada como ferramenta de planejamento e de
tomada de decisões (LACHTERMACHER, 2007).
A otimização é a principal objetivo da simulação de um sistema. Trata-se de um processo de
tentar diferentes combinações de valores para variáveis independentes que podem ser
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
5
controladas, buscando-se uma combinação de valores que possibilite uma saída mais desejada
(HARREL et al, 2000).
Num processo a formação de filas é inevitável e surge sempre que os recursos disponíveis
para execução de uma atividade são limitados, acarretando espera, que se for demasiada, gera
insatisfação por parte dos clientes do serviço. Dessa forma, a simulação facilita a análise da
melhor solução para o problema (PRADO, 2014a).
Slack et al (2009) afirmam que as filas são formadas quando a chegada de demandas
individuais em uma operação é difícil de prever ou o tempo para produção de um produto ou
serviço é incerto, ou em ambos os casos. Chwif e Medina (2014) esclarecem que o fenômeno
de formação de uma fila é consequência direta dos fenômenos aleatórios das chegadas dos
clientes e do atendimento desses. Dessa forma, torna-se necessário coletar corretamente os
dados que representam o real funcionamento do sistema a ser analisado.
O Arena da Rockwell Automation tem sido um dos softwares mais utilizados no campo da
simulação de operações. É composto por um conjunto de módulos utilizados para descrever
uma aplicação real e que funcionam como comandos de uma linguagem de programação. Os
elementos básicos da modelagem são as entidades que representam pessoas, objetos,
transações, etc. que se movem ao longo do sistema. As estações de trabalho demonstram onde
será realizado um serviço ou transformação e os fluxos representam os caminhos que a
entidade irá percorrer ao longo das estações. Esse software tem sido empregado para simular
os mais diversos ambientes, desde linhas de produção, minas, tráfego nas ruas de uma cidade,
entre outros (PRADO, 2014b).
Diversos estudos na área de serviços têm sido desenvolvidos com a aplicação do software
Arena. Aboueljinane et al (2014) desenvolveram um modelo de simulação de eventos
discretos para analisar possíveis mudanças nos processos de serviços de emergências na
França, que levariam a uma maior eficiência operacional para o desempenho da cobertura.
Takakuwa e Shiozaki (2004) simularam um departamento de emergência de um hospital geral
para o planejamento de operações objetivando minimizar os tempos de espera do paciente.
Melo et al (2011) aplicaram a simulação para analisar a execução de serviços de um contrato
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
6
de manutenção de instrumentação de uma empresa prestadora de serviços onshore e offshore,
em que foi possível identificar os gargalos. Borges et al (2016) aplicaram o software para
simular as operações em um hotel com intuito de identificar oportunidades de melhorias nos
processos. De Souza Pereira et al (2013) desenvolveram um modelo com objetivo de
minimização do tempo em que os clientes permaneciam dentro do sistema sem que fosse
necessário alterar fisicamente o layout do local e nem adquirir novos recursos em uma
secretaria municipal na cidade de Macaé/RJ. Schons e Rados (2009) desenvolveram um
modelo de simulação na biblioteca da UFSC para analisar o tempo em espera em filas, que
representa uma das maiores insatisfações dos clientes na área de serviços.
3. Metodologia
A pesquisa desenvolveu um modelo de simulação com os dados obtidos das operações de
uma empresa prestadora de serviços para isotanques localizada na cidade de Cubatão/SP, que
atende clientes dos ramos químico e petroquímico. A simulação abordou o principal processo
da empresa que é a lavagem, pois trata-se de uma atividade crítica no desempenho das demais
atividades fins, já que todo isotanque deve ser lavado antes e depois de qualquer manutenção
e antes de seu armazenamento, para evitar contaminações.
O lavador possui quatorze funcionários, o setor de reparo tem doze colaboradores, o gate
opera com quatro trabalhadores e o setor de testes periódicos conta com quatro empregados.
Os setores operacionais dessa empresa atuam em dois turnos, que trabalham de segunda a
sábado. A empresa tem capacidade para atender até 40 isotanques por dia.
Quadro 1 – Tipos de serviços de limpeza
Limpeza A Limpeza B Limpeza C Limpeza D
Produto 1 Água Água Solvente Água
Produto 2 Sabão Vapor ou Diesel Sabão Sabão
Produto 3 Água Sabão Água Água
Produto 4 -- Água -- --
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
7
Para o entendimento do processo e análise dos tempos, falhas e pontos a serem melhorados
foram elaborados dois fluxogramas, um para os processos da limpeza A, B e C, que possuem
as mesmas atividades, mudando apenas os tempos de cada uma, ilustrado na Figura 1, e outro
para o processo D, que é deferente dos demais, que está representado pela Figura 2. Esses
fluxogramas foram desenvolvidos a partir da observação in loco nas operações da empresa e
também através de entrevista com os colaboradores. Ressalta-se que atualmente a organização
não tem seus processos documentados.
Para a construção do modelo foi necessário obter dados e adotar algumas premissas para a
montagem das expressões dos processos e das entradas do modelo:
a) Coleta dos dados: os dados foram coletados nas áreas da empresa entre outubro de
2015 a março de 2016; foram obtidos os tempos e as quantidades de entradas e de
saídas de isotanques;
b) Estimativas das probabilidades e distribuições: foram obtidas a partir dos dados
coletados e compilados em tabelas de frequência e, posteriormente, introduzidas no
modelo de simulação;
c) Recursos: são os funcionários de cada equipe, os equipamentos utilizados e os
produtos empregados em cada tipo de limpeza;
d) Movimentação: os isotanques são movimentados entre os setores da empresa por meio
de empilhadeiras portuárias de grande porte;
e) Alimentação do modelo: o pátio da empresa tem capacidade para armazenamento de
até 2.500 isotanques; a taxa de ocupação é praticamente constante, em torno de 85%.
Figura 1 – Fluxograma do tipo de limpeza A, B e C
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
8
Figura 2 – Fluxograma do tipo de limpeza D
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
9
Os isotanques entram no processo de lavagem conforme os prazos acordados com os clientes.
O setor responsável identifica o tipo de lavagem a ser realizado apenas quando o isotanque
chega, logo, a escolha do tipo (A, B, C ou D) é probabilística, conforme ilustra a Tabela 1.
Tabela 1 – probabilidade dos tipos de lavagens
Tipo de Lavagem A B C D
Percentual 44,3% 25,6% 27,5% 2,5%
O tempo entre as chegadas dos isotanques para lavagem também é aleatório e muito variável,
pois também depende do prazo acertado com os clientes, dificultando o planejamento. A
Tabela 2 mostra as probabilidades acumuladas do tempo entre chegadas no setor de lavagem.
Tabela 2 – probabilidade do tempo entre chegadas no setor de lavagem
Chegada de Isotanque (min) 240,0 80,0 36,9 24,0 17,8 14,1 11,7 8,7
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
10
Probabilidade Acumulada 0,00 0,19 0,56 0,76 0,93 0,98 0,99 1,00
4. Resultados e discussão
As principais atividades do setor de lavagem conforme revelam os fluxogramas das Figuras 1
e 2 são: desmontagem das válvulas; limpeza; secagem; e montagem das válvulas. Cada uma
tem características que variam com o tipo de lavagem, assim, as distribuições empíricas que
modelam cada uma dessas atividades são apresentadas nas Tabelas 3 a 6.
Tabela 3 - Desmontagem das válvulas
Lavagem A
Tempo (minutos) 20,0 22,2 26,6 30,9 35,3 39,7 48,1
Probabilidade acumulada 0,00 0,10 0,30 0,41 0,59 0,81 1,00
Lavagem B
Tempo (minutos) 24,0 29,5 40,0 53,2
Probabilidade acumulada 0,00 0,28 0,52 1,00
Lavagem C
Tempo (minutos) 20,0 23,4 30,1 36,8 50,2
Probabilidade acumulada 0,00 0,23 0,70 0,91 1,00
Lavagem D
Tempo (minutos) 28,0 37,7 60,5
Probabilidade acumulada 0,00 0,52 1,00
Tabela 4 - Limpeza
Lavagem A
Tempo (minutos) 24,0 26,4 29,6 31,2 32,8 34,4 36,0 38,1
Probabilidade acumulada 0,00 0,02 0,38 0,57 0,82 0,97 0,99 1,00
Lavagem B
Tempo (minutos) 58,0 62,0 69,8 74,5 79,2 83,9 88,6 94,7
Probabilidade acumulada 0,00 0,03 0,34 0,66 0,84 0,88 0,95 1,00
Lavagem C
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
11
Tempo (minutos) 62,0 70,6 76,5 82,3 88,1 93,9 99,7 109,9
Probabilidade acumulada 0,00 0,50 0,79 0,85 0,91 0,95 0,99 1,00
Lavagem D
Tempo (minutos) 90,0 92,5 97,5 106,0 125,4
Probabilidade acumulada 0,00 0,60 0,90 0,96 1,00
Tabela 5 - Secagem
Lavagem A
Tempo (minutos) 30,0 31,6 34,9 38,1 41,4 44,6 51,9
Probabilidade acumulada 0,00 0,22 0,57 0,71 0,77 0,91 1,00
Lavagem B
Tempo (minutos) 30,0 33,9 39,5 43,3 52,0
Probabilidade acumulada 0,00 0,60 0,79 0,90 1,00
Lavagem C
Tempo (minutos) 30,0 32,2 36,6 41,0 51,4
Probabilidade acumulada 0,00 0,30 0,60 0,72 1,00
Lavagem D
Tempo (minutos) 30,0 32,3 42,0
Probabilidade acumulada 0,00 0,70 1,00
Tabela 6 - Montagem
Lavagem A
Tempo (minutos) 60,0 72,0 96,0 120,0 168,0 240,0
Probabilidade acumulada 0,00 0,56 0,81 0,85 0,87 1,00
Lavagem B
Tempo (minutos) 50,0 92,2 135,8 170,1 238,7
Probabilidade acumulada 0,00 0,39 0,79 0,91 1,00
Lavagem C
Tempo (minutos) 80,0 90,2 110,6 131,0 171,8
Probabilidade acumulada 0,00 0,82 0,88 0,95 1,00
Lavagem D
Tempo (minutos) 237,8
Probabilidade acumulada 1,00
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
12
As demais atividades acessórias foram modeladas através das informações obtidas com os
operários e supervisores, a saber:
Colocar ou retirar o isotanque da baia: 10 a 12 minutos;
Colocar o isotanque na baia de degasagem: 13 a 17 minutos;
Retirar o isotanque da baia de degasagem: 10 a 15 minutos.
Essas atividades consideram o tempo de deslocamento da empilhadeira entre os locais.
A lavagem tipo D possui duas atividades extras que necessitam de operários:
Remoção de resíduos: 18 a 20 minutos;
Preparação para degasagem: 10 a 15 minutos.
Nesse tipo há ainda uma atividade que não necessita de operários:
Degasagem do isotanque: 5 a 15 horas.
As atividades corretivas também foram modeladas baseadas em informações dos operários e
supervisores, uma vez que 25% dos isotanques lavados apresentam algum problema:
Inspeção da qualidade: 20 minutos;
Correções da montagem: 15 minutos;
Correções na secagem: 40 minutos;
Reinspeção: 5 a 10 minutos.
A operação do setor de lavagem conta com quatro equipes:
Lavagem: duas duplas de lavadores, que lavam e secam os isotanques;
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
13
Desmontagem: dois lavadores-montadores, que desmontam as válvulas, apoiam a
equipe de montagem e executam a remoção de resíduos e preparação para
degasagem do isotanque, além de montagens corretivas;
Montagem: dois montadores, que montam as válvulas dos isotanques após a
secagem e efetuam correções, caso necessário;
Empilhadeiras: dois operadores de empilhadeiras que movimentam os isotanques
entre as baias para os serviços;
Um vistoriador, que efetua a vistoria final e corretiva nos isotanques lavados.
O modelo produzido a partir dessas informações para simulação com o Arena está
representado na Figura 3.
Figura 3 – Modelo de simulação em Arena
A simulação do modelo considerou um horizonte de 60 meses e os resultados estão
apresentados nas Tabelas 7 a 12.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
14
Tabela 7 - Duração média das lavagens completas
Tempo (h) Variação (h)
Lavagem A 03:59 00:01
Lavagem B 04:03 00:01
Lavagem C 03:55 00:01
Lavagem D 14:16 00:12
Tabela 8 - Duração média das correções completas
Tempo (h) Variação (h)
Lavagem A 00:15 00:01
Lavagem B 00:16 00:01
Lavagem C 00:15 00:01
Lavagem D 00:16 00:02
Tabela 9 - Duração média da espera entre serviços
Tempo (h) Variação (h)
Lavagem A 07:17 00:08
Lavagem B 07:31 00:09
Lavagem C 07:38 00:10
Lavagem D 08:25 00:20
Tabela 10 - Duração média do movimento entre serviços
Tempo (h) Variação (h)
Lavagem A 00:22 00:01
Lavagem B 00:21 00:01
Lavagem C 00:22 00:01
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
15
Lavagem D 01:00 00:01
Tabela 11 - Quantidade média de isotanques lavados por mês
Unidades Variação (un)
Lavagem A 181,90 3,40
Lavagem B 106,73 2,41
Lavagem C 113,60 2,88
Lavagem D 10,02 0,83
Tabela 12 - Taxa de utilização dos recursos
Recurso Utilização
Empilhadeira 1 18,04%
Empilhadeira 2 18,01%
Equipe Lavagem 1 77,97%
Equipe Lavagem 2 77,96%
Lavador Montador 1 62,88%
Lavador Montador 2 62,66%
Montador 1 45,79%
Montador 2 44,70%
Vistoriador 34,79%
A Tabela 12 mostrou que nas equipes de lavagem os lavadores-montadores estão com taxas
de utilização muito altas, acima de 60%. Assim, simulou-se um cenário com três equipes de
lavagem e um lavador-montador exclusivo para a equipe de desmontagem. As Tabelas 13 a
18 apresentam os resultados dessa simulação.
Tabela 13 - Duração média das lavagens completas
Tempo (h) Variação (h)
Lavagem A 03:58 00:01
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
16
Lavagem B 04:05 00:01
Lavagem C 03:56 00:01
Lavagem D 14:22 00:10
Tabela 14 - Duração média das correções completas
Tempo (h) Variação (h)
Lavagem A 00:15 00:01
Lavagem B 00:15 00:01
Lavagem C 00:15 00:01
Lavagem D 00:14 00:02
Tabela 15 - Duração média da espera entre serviços
Tempo (h) Variação (h)
Lavagem A 04:44 00:03
Lavagem B 04:44 00:03
Lavagem C 04:47 00:03
Lavagem D 04:46 00:09
Tabela 16 - Duração média do movimento entre serviços
Tempo (h) Variação (h)
Lavagem A 00:21 00:01
Lavagem B 00:22 00:01
Lavagem C 00:22 00:01
Lavagem D 01:00 00:01
Tabela 17 - Quantidade média de isotanques lavados por mês
Unidades Variação (unid.)
Lavagem A 182,00 2,79
Lavagem B 106,78 2,03
Lavagem C 112,17 2,71
Lavagem D 10,48 0,83
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
17
Tabela 18 - Taxa de utilização dos recursos
Recurso Utilização
Empilhadeira 1 18,03%
Empilhadeira 2 17,99%
Equipe Lavagem 1 52,44%
Equipe Lavagem 2 52,37%
Equipe Lavagem 3 52,34%
Lavador Montador 1 52,51%
Lavador Montador 2 51,35%
Lavador Montador 3 27,57%
Montador 1 41,51%
Montador 2 41,31%
Vistoriador 34,66%
Os resultados comprovaram que o acréscimo de uma equipe de lavagem e de um lavador-
montador exclusivo reduziria significativamente o tempo de espera em mais de 35% para a
lavagem A, em mais de 37% para as lavagens B e C, e em mais de 43% para as lavagens D.
Todos os demais valores permaneceram estatisticamente iguais. Essa redução na espera
permitirá que os serviços sejam prestados em menor tempo, de forma a aumentar a satisfação
dos clientes com o cumprimento de prazos, além de reduzir a utilização das equipes de
lavagem e desmontagem, permitindo um serviço mais detalhado e menos sujeito a correções.
Cabe ressaltar que as empilhadeiras apresentaram baixa utilização, contudo, elas também são
utilizadas para retirar e colocar os isotanques que chegam e partem do pátio nos caminhões,
assim, a sua taxa de utilização é maior do que a indicada neste estudo.
5. Conclusão
A aplicação da simulação computacional para analisar os processos da empresa de
manutenção e armazenamento de isotanques mostrou que há algumas equipes do setor de
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
18
lavagem de isotanques sobrecarregadas, com utilização acima de 60%, acarretando problemas
na execução dos serviços, dado o elevado índice de 25% de reprovação na vistoria dos
serviços de lavagem.
A análise de um cenário alternativo, em que uma mais uma equipe de lavagem e um lavador-
montador são acrescidos às atuais equipes, mostra uma redução de mais de 20 % na utilização
das equipes de lavagem e de cerca de 10 % no caso dos lavadores-montadores, além de uma
significativa redução que varia de 35% a 43% nos tempos de espera entre os serviços dos
isotanques atendidos, o que resultaria em maior cumprimento de prazos e redução das
reprovações na vistoria.
Outros aspectos a considerar são: introdução de controles de tempo de execução dos serviços,
haja vista que não existem, ou são iniciativas individuais, impedindo um planejamento
eficiente e um efetivo aproveitamento dos equipamentos e mão de obra e; triagem dos
isotanques por tipo de lavagem e prazo de entrega na entrada do pátio, organizando baias para
apenas um único tipo de lavagem, permitindo a padronização de procedimentos e melhor
gestão de materiais e aproveitamento do quadro de funcionários.
6. Referências
ABOUELJINANE, L.; SAHIN, E.; JEMAI, Z.; MARTY, J. A simulation study to improve the performance of
an emergency medical service: application to the French Val-de-Marne department. Simulation modelling
practice and theory, n. 47, p. 46-59, 2014.
BORGES, L. A.; ADEDEJI, F. S.; ATES, M.; ELLIS, S.; OSEME, K.; SENTURK, F. PCN and Arena meet
hotel. The Journal of Applied Business and Economics, v. 18, n. 1, 2016.
CHWIF, L.; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria & Aplicações. 3. ed. São
Paulo: Ed. dos Autores, 2010.
DE SOUZA PEREIRA, N. E.; MEZA, E. B. M.; TAMMELA, I. Modelagem e Simulação dos Processos de
Atendimento ao Público num Orgão Público Municipal Visando a Melhoria do Serviço: Um Estudo de Caso na
Prefeitura Municipal de Macaé. In: X Simpósio de Excelência em Gestão e Tecnologia, 2013, Resende.
SEGET – Gestão e Tecnologia para a Competitividade. Resende: AEDB, 2013, v. 10.
GIANESI, I. G. N.; CORRÊA, H. L. Administração Estratégica de Serviços - Operações para a Satisfação
do Cliente. São Paulo: Atlas, 2010
HARREL, C. R.; GHOSH, B. K.; BOWDEN, R. Simulation Using Promodel. New York: McGraw-Hill, 2000.
JOHNSTON. R.; CLARK, G. Administração de Operação de Serviço. São Paulo: Atlas, 2002.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
19
LACHTERMACHER, G. Pesquisa Operacional na Tomada de Decisões: Modelagem em Excel. 3. ed. Rio de
Janeiro: Elsevier, 2007.
MELO, N. A. F.; PESSANHA, A. M. B.; ROCHA FILHO, S. M. D. Estudo da Aplicação do Software Arena em
um Contrato de Prestação de Serviço de Manutenção de Instrumentação. Exatas & Engenharia, v. 1, n. 02,
2011.
PRADO, D. (2014a). Teoria das Filas e Simulação. 5. ed. Nova Lima: Editora Falconi, 2014.
__________(2014b). Usando o ARENA em simulação. 5 ed. Nova Lima: Editora Falconi, 2014.
RAHMAN, C. M.; SABUJ, S. U. Process flow improvement proposal of a batch manufacturing system using
arena simulation modeling. Review of General Management, v. 21, n. 1, p. 63-77, 2015.
SAKURADA, N.; MIYAKE, D. I. Aplicação de simuladores de eventos discretos no processo de modelagem de
sistemas de operações de serviços. Gestão & Produção, v. 16, n. 1, p. 25-43, 2009.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 3 ed. São Paulo: Atlas, 2009.
TAKAKUWA, S.; SHIOZAKI, H. Functional analysis for operating emergency department of a general
hospital. Proceedings of the 2004 Winter Simulation Conference, p. 2003-2011, 2004.
SCHONS, C. H.; RADOS, G. V. A importância da gestão de filas na prestação de serviços: um estudo na
BU/UFSC. Revista Digital de Biblioteconomia e Ciência da Informação, v. 6, n. 2, p. 116-135, 2009.