Simulação de eventos discretos na intralogística automotiva

identificação de gargalos e otimização da linha de montagem de chassis

Autores

  • José Sávio Gonçalves Antunes Pereira Ambipar Remediation, Indaiatuba, SP, Brasil.
  • Marco Túlio Ribeiro Ricci Maxion Structural Components, Cruzeiro, SP, Brasil.
  • Elias Carlos Aguirre Rodríguez Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP), Guaratinguetá, SP, Brasil. https://orcid.org/0000-0003-1120-1708
  • Aneirson Francisco da Silva Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP), Guaratinguetá, SP, Brasil.
  • Fernando Augusto Silva Marins Universidade Estadual Paulista ”Júlio de Mesquita Filho” (UNESP) https://orcid.org/0000-0001-6510-9187

DOI:

https://doi.org/10.14488/1676-1901.v24i4.4987

Palavras-chave:

Simulação de Eventos Discretos, Indústria Automotiva, Balanceamento de Linha, Intralogística

Resumo

Neste estudo, foi aplicada a Simulação a Eventos Discretos na área de intralogística para abastecer uma linha de montagem de chassis em uma indústria multinacional durante a fase denominada de try-out (ou "fase de testes"). O principal objetivo do estudo foi desenvolver uma ferramenta gerencial que permitisse a identificação antecipada de possíveis gargalos na linha de montagem, que poderiam surgir quando ela fosse implementada em regime de produção. Para isso, o escopo do trabalho foi limitado a simular os tamanhos de lotes de peças que abastecem as células robotizadas de solda dos subconjuntos dos chassis, utilizando dados de uma linha de montagem similar já existente. Na criação da ferramenta gerencial, foi empregada uma técnica de modelagem dedicada a projetos de simulação e um software comercial de simulação. Além disso, o modelo de simulação foi validado por meio de testes estatísticos não paramétricos. Os resultados da simulação demonstraram que o modelo simulado apresenta capacidade de atendimento à linha de montagem, com oportunidades de otimização e melhoria no balanceamento da mão de obra. Essas descobertas geraram sugestões que aprimoram o processo de intralogística, destacando a importância da simulação como uma ferramenta estratégica na indústria automotiva.

Downloads

Não há dados estatísticos.

Biografia do Autor

José Sávio Gonçalves Antunes Pereira, Ambipar Remediation, Indaiatuba, SP, Brasil.

Graduado em Engenharia Elétrica pela Universidade Federal de Itajubá – UNIFEI (2009) e mestrado profissional em Engenharia de Produção pela Universidade Estadual Paulista – UNESP (2023). Tem experiência profissional da indústria automotiva e atualmente trabalha na Ambipar Response Remediation LTDA, como Gerente de Automação, Elétrica e PMO. Atuou ainda no setor vidreiro na área de gerenciamento de projetos.

Marco Túlio Ribeiro Ricci, Maxion Structural Components, Cruzeiro, SP, Brasil.

Graduado em Engenharia Mecânica pela Universidade Federal de Itajubá – UNIFEI (2005). Trabalhou na Maxion Structural Components desde abril de 2006, onde iniciou na área de desenvolvimento de processos de peças estampadas, conjuntos, chassis soldados, rebitados e aparafusados de todas as principais OEMs atuantes no Brasil. Foi responsável pela Engenharia de Desenvolvimento de Processos, Engenharia Industrial, Engenharia de Protótipos, Engenharia da Informação da unidade de Cruzeiro até maio 2019. Além disso era responsável pela Inovação e Transformação Digital dessa mesma unidade. A partir de uma definição estratégica da companhia, se tornou Gerente Regional de Inovação e Transformação Digital, responsável pelas atividades relacionadas a esses temas em todas as unidades da Maxion Structural Components até agosto de 2021 quando passou a exercer a atual função de Diretor Global de Estratégia e Inovação.

Elias Carlos Aguirre Rodríguez, Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP), Guaratinguetá, SP, Brasil.

Mestrado em Engenharia na área de Produção pela Universidade Estadual Paulista – UNESP (2023). Tem experiência na área de Probabilidade e Estatística, Ciência da Computação, e Engenharia de Produção, atuando principalmente nos temas de Estatística Aplicada, Análise Multivariada, Demografia, Ciência de Dados, Técnicas de Amostragem, Análise de Dados, Aprendizado de Máquina, Pesquisa Operacional, e Métodos de Otimização Simulação e Tomada de Decisão.

Aneirson Francisco da Silva, Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP), Guaratinguetá, SP, Brasil.

Graduado em Administração pela UNITRI (2004), Especialização em Economia e Finanças pela Universidade Federal de Uberlândia – UFU (2006), mestrado em Engenharia de Produção pela Universidade Federal de Itajubá – UNIFEI (2009), doutorado em Engenharia de Produção pela Universidade Estadual Paulista – UNESP (2013), e estágio de Pós-doutorado na Universidade de São Paulo – USP (2018). É Prof. Livre Docente no Departamento de Produção da Faculdade de Engenharia e Ciências - Campus de Guaratinguetá da UNESP e Pesquisador PQ2 do CNPq. Tem experiência na área de Engenharia de Produção, com ênfase em Pesquisa Operacional e Estatística, atuando principalmente nos seguintes temas: Pesquisa Operacional, Métodos de Otimização e Simulação, Data Envelopment Analysis, Design of Experiments.

Referências

BANKS, J. et al. Discrete-event system simulation. 5th edition, Singapore: Prentice Hall, 2010.

BERTRAND, J. W. M.; FRANSOO, J. C. Operations management research methodologies using quantitative modeling. International Journal of Operations & Production Management, v. 22, n. 2, p. 241-264, 2002. DOI: https://doi.org/10.1108/01443570210414338.

BUENO, R. V. O uso do BPM no mapeamento de processos nas organizações: uma revisão sistemática da literatura. Dissertação de Mestrado, UFMG, Belo Horizonte, MG, 2020. Disponível em: http://hdl.handle.net/1843/33859.

CHWIF, L.; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria e Aplicações. 4a ed. São Paulo: Editora GEN-LTC, 2014.

DE PAULA FERREIRA, W.; ARMELLINI, F.; DE SANTA-EULALIA, L. Simulation in industry 4.0: A state-of-the-art review. Computers & Industrial Engineering, v. 149, p. 106868, 2020. DOI: https://doi.org/10.1016/j.cie.2020.106868.

DE SOUSA JUNIOR, W. et al. Discrete simulation-based optimization methods for industrial engineering problems: A systematic literature review. Computers & Industrial Engineering, v. 128, p. 526-540, 2019. DOI: https://doi.org/10.1016/j.cie.2018.12.073.

DIAS, L. M. S. et al. Discrete simulation software ranking - A top list of the worldwide most popular and used tools. In: 2016 WINTER SIMULATION CONFERENCE, 2016, Virginia. Proceedings […], New York: IEEE, 2016. DOI: https://doi.org/10.1109/WSC.2016.7822165.

DIAS, P. et al. Analysis and Improvement of an Assembly Line in the Automotive Industry. In: INTERNATIONAL CONFERENCE ON LE IBLE AUTOMATION AND NTELLIGENT MANUFACTURING, 29, 2019, Limerick. Proceedings […], Netherlands: Procedia Manufacturing, v. 38, p. 1444–1452, 2019. DOI: https://doi.org/10.1016/j.promfg.2020.01.143.

ENDEAVOR BRASIL. Indústria 4.0: as oportunidades de negócio de uma revolução que está em curso. 2018. Disponível em: https://endeavor.org.br/tecnologia/industria-4-0-oportunidades-de-negocio-de-uma-revolucao-que-esta-em-curso/. Acesso em: 04 abr. 2023.

FAROOQUI, A. et al. From factory floor to process models: A data gathering approach to generate, transform, and visualize manufacturing processes. CIRP Journal of Manufacturing Science and Technology, v. 24, p. 6–16, 2019. DOI: https://doi.org/10.1016/j.cirpj.2018.12.002.

FILHO, P. J. F. Introdução à modelagem e simulação de sistemas: com aplicações em arena. 2. ed. Florianópolis: Visual Books, 2008.

GITTINS, P.; MCELWEE, G.; TIPI, N. Discrete event simulation in livestock management. Journal of Rural Studies, v. 78, p. 387–398, 2020. DOI: https://doi.org/10.1016/j.jrurstud.2020.06.039.

GOODALL, P.; SHARPE, R.; WEST, A. A data-driven simulation to support remanufacturing operations. Computers in Industry, v. 105, p. 48–60, 2019. DOI: https://doi.org/10.1016/j.compind.2018.11.001.

JAMIL, M.; RAZALI, N. M. Simulation of Assembly Line Balancing in Automotive Component Manufacturing. In: IMEC-APCOMS, 2015, Kuala Lumpur. Proceedings […], United Kingdom: IOP Conference Series, 2016. DOI: DOI: https://doi.org/10.1088/1757-899X/114/1/012049.

LEAL, F.; ALMEIDA, D. A. E; MONTEVECHI, J. A. B. Uma Proposta de Técnica de Modelagem Conceitual para a Simulação através de elementos do IDEF. In: SIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL, 40, 2008, João Pessoa. Proceedings […], Rio de Janeiro: SOBRAPO, 2008. Disponível em: https://www.din.uem.br/sbpo/sbpo2008/pdf/arq0292.pdf.

LIMA, F. R.; GOMES, R. Conceitos e tecnologias da Indústria 4.0. Revista Brasileira de Inovação, v. 19, p. e0200023, 2020. DOI: https://doi.org/10.20396/rbi.v19i0.8658766.

MENDONCA, M. M.; MONTEVECHI, J. A. B.; MIRANDA, R. de C. Aplicação da modelagem conceitual IDEF-SIM ao software de modelagem computacional simul8: um caso prático. In: ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO, 33, 2013, Salvador. Proceedings […], Rio de Janeiro: ABEPRO, 2013. Disponível em: https://abepro.org.br/biblioteca/enegep2013_TN_STO_182_040_22541.pdf.

MIGUEL, P. A. C. et al. Metodologia de pesquisa em engenharia de produção e gestão de operações. 3. ed. Rio de Janeiro: Elsevier, 2018. 248p.

MIQUEO, A.; TORRALBA, M.; YAGÜE-FABRA, J. A. Lean manual assembly 4.0: A systematic review. Applied Sciences, v. 10, n. 23, p. 8555, 2020. DOI: https://doi.org/10.3390/app10238555.

MIRANDA, R. de C. Redução do espaço de busca em problemas de Otimização via Simulação utilizando Análise Envoltória de Dados e Arranjos Ortogonais de Taguchi. Tese de Doutorado, UNIFEI, Itajubá, MG, 2015. Disponível em: https://repositorio.unifei.edu.br/jspui/handle/123456789/126.

MOURA, D. A.; BOTTER, R. C. Caracterização do sistema de coleta programada de peças, Milk Run. RAE eletrônica, v. 1, p. 1-14, 2002. DOI: https://doi.org/10.1590/S1676-56482002000100010.

MOURTZIS, D. Simulation in the design and operation of manufacturing systems: state of the art and new trends. International Journal of Production Research, v. 58, n. 7, p. 1927–1949, 2019. DOI: https://doi.org/10.1080/00207543.2019.1636321.

PEINADO, J.; GRAEMI, A. R. Administração da produção: operações industriais e de serviços. Curitiba: UnicenP, 2007.

PEREIRA, A. M. H. et al. Lean Six Sigma Approach to Improve the Production Process in the Mould Industry: a Case Study. Quality Innovation Prosperity, v. 23, n. 3, p. 103, 2019. DOI: https://doi.org/10.12776/qip.v23i3.1334.

RABIA, M. A.; BELLABDAOUI, A. Simulation-based analytics: A systematic literature review. Simulation Modelling Practice and Theory, v. 117, p. 102511, 2022. DOI: https://doi.org/10.1016/j.simpat.2022.102511.

RAZA, M. et al. Role of Discrete Event Simulation in the Assessment and Selection of the Potential Reconfigurable Manufacturing Solutions. In: PRODUCTION PROCESSES AND PRODUCT EVOLUTION IN THE AGE OF DISRUPTION, 2023, Bologna. Proceedings […], Singapore: Springer, 2023. DOI: https://doi.org/10.1007/978-3-031-34821-1_31.

SOORI, M.; AREZOO, B.; DASTRES, R. Internet of things for smart factories in industry 4.0, a review. Internet of Things and Cyber-Physical Systems, v. 3, p. 192–204, 2023. DOI: https://doi.org/10.1016/j.iotcps.2023.04.006.

UĞRAŞ, A.; TAŞAN, S. Ö. Modeling and Improvement of the Production System of a Company in the Automotive Industry with Simulation. In: ADVANCES IN INTELLIGENT MANUFACTURING AND SERVICE SYSTEM INFORMATICS, 2023, Düzce. Proceedings […], Singapore: Springer, p. 107-117, 2023. DOI: https://doi.org/10.1007/978-981-99-6062-0_11.

VALLE, R.; OLIVEIRA, S. B. Análise e Modelagem de Processos de Negócio: Foco na notação BPMN (Business Process Modeling Notation). São Paulo: Atlas, 2012.

Publicado

04-12-2024

Como Citar

Pereira, J. S. G. A., Ricci, M. T. R., Rodríguez, E. C. A., Silva, A. F. da, & Silva Marins, F. A. (2024). Simulação de eventos discretos na intralogística automotiva: identificação de gargalos e otimização da linha de montagem de chassis. Revista Produção Online, 24(4), 4987 . https://doi.org/10.14488/1676-1901.v24i4.4987

Edição

Seção

Artigos