anais - Simpoi
Transcrição
anais - Simpoi
ANAIS APLICAÇÃO DA SIMULAÇÃO DISCRETA A PROCESSOS DE MANUFATURA EM UMA INDÚSTRIA METAL MECÂNICA MARINA MEIRELES PEREIRA ( [email protected] ) PUC GOIÁS - PONTÍFICIA UNIVERSIDADE CATÓLICA DE GOIÁS JÉSSICA LOPES BENETI ( [email protected] ) PUC GOIÁS - PONTÍFICIA UNIVERSIDADE CATÓLICA DE GOIÁS RAFAEL GOMES LOIOLA ( [email protected] ) PUC GOIÁS - PONTÍFICIA UNIVERSIDADE CATÓLICA DE GOIÁS RESUMO A simulação é uma técnica de estudo utilizada nas mais diversas áreas, como por exemplo, na manufatura. Dentre os problemas existentes na manufatura, a análise do balanceamento de linhas do fluxo de produção é amplamente utilizada na busca de melhorias em estudos de simulação. Este trabalho teve por objetivo aplicar a simulação para a avaliação do balanceamento das linhas do setor de usinagem, de uma indústria metal mecânica, determinando o melhor balanceamento. Esta simulação proporcionou a redução de 22% na utilização do operador, melhora de 70% da utilização do processo e ganhos de um dia de produção. Palavras – chave: Simulação, Balanceamento de linhas. 1. INTRODUÇÃO A simulação é uma técnica de estudo que vem sendo amplamente utilizada nas mais diversas áreas de estudo devido ao desenvolvimento dos recursos computacionais que estão cada vez mais capazes de avaliar cenários de crescentes complexidades sem dificultar o seu manuseio. Em concordância com Fitzsimmons&Fitzsimmons (2010) a simulação computacional fornece a administração/gestão um laboratório experimental na qual possibilita o estudo do modelo de um sistema real e determinando como esse sistema pode reagir a mudanças políticas, de níveis de recurso ou a demanda de clientes. Segundo Law (2007) algumas vantagens apresentadas pela simulação são responsáveis pela sua propagação como a possibilidade de descrever com precisão um sistema complexo real; estimar o desempenho de um sistema; realizar experimentos avaliando novas propostas entre outras. Jahangirianet al. (2009) realizaram uma revisão bibliográfica sobre a aplicação da simulação em indústrias e serviços e afirmam que dentro das aplicações realizadas em manufatura há utilizações em diversas áreas, para resolver diversos problemas como: planejamento de capacidade, manufatura celular, programação de produção, gerenciamento da cadeia de suprimentos, planejamento de produção e controle de estoque, dentre vários outros, inclusive o problema de balanceamento de linhas de produção, que é o foco deste trabalho. As empresas vêm cada vez mais em busca de técnicas que as possibilitem sincronizar seu 1/13 ANAIS ritmo de produção de forma que dentro de seus postos de trabalho possuam quantidades de recursos necessários para atender sua demanda conseguindo assim atendê-la atendê satisfatoriamente. isfatoriamente. Essa sincronia pode ser alcançada por meio do balanceamento de linha garantindo que os tempos gastos para realização das tarefas sejam aproximadamente os mesmos. Existem então várias formas de se resolver problemas de balanceamento de linha, linha dentre elas, o método da simulação computacional a qual lida bem com eventos estocásticos existentes na produção como, por exemplo: tempos variáveis nas operações, chegadas atrasadas de um componente, paradas, dentre outro, possibilitando ao modelador definir definir regras operacionais, controles do sistema e tamanhos de lotes mais sintonizados com as operações no sistema real (BATEMAN et al.,., 2013). O objetivo deste artigo é analisar o fluxo de produção do setor de usinagem, composto por quatro células, de uma indústria metal mecânica, a fim de avaliar o balanceamento das linhas por meio da simulação computacional. 2. METODOLOGIA O artigo foi desenvolvido de acordo com a metodologia de Chwif& Medina (2010), e está estruturado em três grandes etapas conforme conforme estão descritas abaixo e podem ser observada na Figura 1: a) Concepção ou formulação do modelo: Inicialmente buscou-se buscou se o entendimento claro do sistema a ser simulado e de seus objetivos. Realizou-se Realizou se a coleta de dados e elaborou o modelo conceitual do sistema. b) Implementação do modelo: Desenvolveu-se Desenvolveu se o modelo computacional computa com base no modelo conceitual por meio da utilização do software de simulação comercial Simul8. Em seguida, foi realizada a validação do modelo computacional com o modelo conceitual comparando com o sistema real. c) Análise dos resultados do modelo: Nesta Nesta etapa, os resultados do cenário atual da empresa foram gerados, documentados, analisados, permitindo a criação de novos cenários para avaliação de melhoras no sistema. Por fim os resultados dos novos cenários foram documentados e as conclusões e recomendações recomendações foram realizadas. Fonte: Chwif (1999) apudChwif Chwif e Medina (2010). Figura 1- Metodologia de Simulação 2/13 ANAIS 3. REVISÃO BIBLIOGRÁFICA 3.1. Modelagem e simulação A simulação de sistemas segundo ChungapudTurrioni e Mello (2012) é o processo de criar e experimentar um sistema por meio de um modelo matemático computadorizado. Este sistema pode ser definido como o conjunto de componentes ou processos que se interagem e que recebem entradas e oferecem resultados para algum propósito. De acordo com Prado (2008) a simulação é uma técnica que permite imitar o funcionamento de um sistema real utilizando o computador digital e têm inúmeras aplicações no mundo atual em diversas áreas, que vão desde a produção em uma manufatura, o funcionamento de um banco, um pedágio, um porto, até o movimento dos papéis em um escritório. Para reproduzir um sistema cientificamente é necessário fazer um conjunto de hipóteses sobre como ele funciona, formando as relações matemáticas ou lógicas e constituindo o modelo do sistema. Desta forma se as relações que compõem o modelo são simples, é possível utilizar métodos matemáticos (como álgebra, cálculo, ou teoria da probabilidade) para obter os resultados e informações exatas sobre o sistema, a chamada solução analítica. No entanto como a maioria dos sistemas reais são complexos ao ponto de não permitir uma avaliação analítica, esses modelos devem ser estudados por meio da simulação (LAW, 2007). Segundo Prado (2008) algumas dos softwares de simulação computacional conhecidos mundialmente são o ARENA, PROMODEL, AUTOMOD entre outros. Segundo Freitas Filho (2008) apesar da simulação ser uma excelente ferramenta de análise ela apresenta vantagens e desvantagens a sua aplicação conforme mostrado na Tabela 1. Vantagens Desvantagens - Após o modelo de simulação ter sido desenvolvido, o mesmo pode ser utilizado várias vezes para avaliar projetos propostos; - Os resultados podem ser de difícil interpretação (processos aleatórios incluídos no modelo); - Hipóteses sobre como ou por que determinados problemas ocorrem podem ser facilmente testados para verificação; - A modelagem e a experimentação associadas a modelos de simulação consomem muitos recursos, principalmente tempo; - Uma vez que os modelos de simulação podem ser quase tão detalhados quanto os sistemas reais, novas políticas e procedimentos operacionais, regras de decisão, fluxos de informação etc., podem ser avaliados sem que o sistema real seja perturbado. Podendo explorar questões do tipo: o que aconteceria se? - Exigência de treinamento para construção de modelos, o que pode levar certo tempo. - Controle do tempo, permitindo reproduzir os problemas de forma mais rápida ou mais lenta para melhor avaliação; - Facilidade na aplicação do método em comparação a métodos analíticos; - Nível de detalhes muito semelhante ao sistema real; - Identificação de gargalos; facilidade na proposição de melhorias; entre outras. 3/13 ANAIS Fonte: Adaptado Freitas Filho (2008). Tabela 1 – Vantagens e desvantagens do processo de simulação. Para Law (2007) após a avaliação das vantagens e desvantagens e a decisão da realização da simulação, algumas restrições à conclusão bem sucedida da simulação como: falha na definição correta dos objetivos; nível inapropriado de detalhamento do modelo; falha em coletar bons dados do sistema; utilizar um software de simulação inapropriado; falha em explicar corretamente as fontes de aleatoriedade do sistema real; usar distribuições arbitrárias como dados de entrada da simulação; tratar os dados de saída de uma única replicação do sistema como verdade absoluta e falhar no período de aquecimento se o comportamento do estado estacionário do sistema é o que importa. 3.2. Simulação aplicada à manufatura Dentre as diversas áreas de aplicação da simulação, tem-se a manufatura, na qual existem diversos problemas que podem ser resolvidos por meio da mesma, como por exemplo: determinação e estudos referentes a gargalos existentes no sistema, determinação de como o sistema opera realmente ao invés de como as pessoas pensam que ele opera. Além disto, a simulação permite avaliar comportamentos operacionais por meio do mapeamento dos processos, levantando os tempos de ciclo de cada operação e transporte, a quantidade de colaboradores envolvidos na operação, tempos de setup e estoques intermediários. Como exemplos de aplicações em áreas da manufatura tem-se aplicações referentes a alguns autores que pesquisaram os benefícios da implementação da manufatura enxuta nas organizações e procuraram comparar com as diversas estratégias da simulação, como por exemplo, Standridge e Marvel (2006 apud OLIVEIRA, 2008) que mostrou o quanto justifica utilizar a simulação em projetos de manufatura enxuta a fim de se destacar as ineficiências de implementação de um projeto lean antes mesmo da real aplicação, de maneira a realizar uma experimentação de baixo custo e contribuindo preventivamente para as tomadas de decisão e melhoria dos processos produtivos. Outro exemplo seria a proposta de validação de um projeto de uma célula de trabalho por meio da simulação, realizado por Grimard et al. (2005 apud OLIVEIRA, 2008). De acordo com Welgama e Mills (1995 apud OLIVEIRA, 2008) estudou-se a importância da utilização da simulação na fase de projeto de um sistema de produção Just-in-time, envolvendo a mudança de layout em forma de células, a identificação de gargalos, as operações se tornando multidisciplinares, revisões dos postos de trabalho e dos sistemas de controle. 3.3. Sistema Toyota de produção (STP) O Sistema Toyota de Produção advém da filosofia nascida nas fábricas da Toyota e tem como objetivo aumentar a competitividade e redução de custos através da produção enxuta, sendo que as empresas ocidentais têm buscado cada vez mais a utilização. O STP é uma das abordagens contemporâneas da Engenharia de Produção que propõe melhorias nos processos (LACERD; PERGHER; RODRIGUES, 2011). Seguindo as proposições de Lacerd, Pergher e Rodrigues (2011), dentre os principais tipos de perdas têm-se: perda por transporte, que pode ser entendida como perda por movimentações de materiais, sendo o ideal que não haja necessidade da função transporte em um sistema produtivo; perda por espera que são subdivididas em perdas por espera dos equipamentos 4/13 ANAIS baixa utilização dos ativos fixos e perda por espera dos trabalhadores baixo índice de multifuncionalidade; perdas por movimento, movimentos que não contribuem com as operações por exemplo: espera, acumulação de peças semiprocessadas, recarregamentos entre outros, e perdas por estoque, estoques são considerados desperdícios visto que não acrescentam valor ao produto e demandam gastos. Assim, pode-se entender que conforme defendido por Lacerd, Pergher e Rodrigues (2011) o sistema Toyota busca a eliminação de perdas, que podem estar relacionadas ao layout da fábrica. Assim, a escolha do melhor layout para os processos produtivos da organização em questão pode ser determinante para evitar ou eliminar perdas. 3.4. Arranjo físico celular O arranjo físico celular é definido como um grupo de estações de trabalho localizadas próximas, realizando operações sequenciais realizadas em uma ou mais famílias de matériasprimas similares, peças, componentes, produtos ou suporte de informação. A célula é uma unidade organizacional distinta dentro da empresa, composta por um ou mais funcionários, responsáveis pelo desempenho da produção, pelo planejamento, controle, suporte e tarefas de melhoria (CARDENAS; MACLAUGHLIN, 2013). Além do conceito anteriormente apresentado, pode-se conceituar arranjo físico celular como agrupamento de partes semelhante, a fim de obter melhorias de produtividade. Assim, arranjo celular é o agrupamento de equipamentos diversos para a fabricação de uma família de produtos, em que as células podem envolver várias tecnologias para cobrir um processo de produção completo (BECHTLOFF; METTERNICH; SEIFERMANN, 2013). A célula de trabalho é a unidade básica de manufatura celular composta pelo equipamento de fabricação, os operadores e materiais (ZHANG, 2011). Cardenas e MacLaughlin (2013) afirmam que o arranjo físico celular oferece diversos benefícios à organização, entre eles a redução do tempo de configuração, redução do work-inprocess (WIP), redução de inventário, redução tempo de produção, redução dos tempos de ciclo, redução dos custos de movimentação de materiais, melhoria da qualidade do produto, utilização do espaço físico e programação simplificada. A manufatura celular tem sido amplamente utilizada em muitos países líderes em fabricação. Por exemplo, 60% das empresas industriais na Alemanha introduziram com sucesso a manufatura celular em seus processos produtivos (ZHANG, 2011). As células representam um compromisso entre a flexibilidade do arranjo físico por processo e a simplicidade do arranjo físico por produto. O projeto detalhado de arranjos físicos celulares é complexo, pois a idéia de célula representa um compromisso entre arranjo por processo em que o foco está na localização dos vários recursos dentro da operação e do arranjo físico por produto cujo foco está nos requisitos do produto. 3.5. Balanceamento de linha O balanceamento de uma linha consiste basicamente em garantir que as tarefas de cada estação de trabalho ou cada processo demandem aproximadamente o mesmo tempo para sua execução, ou seja, garantir que haja harmonia e sincronização entre as atividades ligadas ao processo produtivo. Esta harmonia pode ser focada desde a forma macro, ou seja, entrada de 5/13 ANAIS matéria prima até a expedição do produto acabado ou de maneira micro, em apenas uma célula de manufatura ou setor de montagem (SLACK et al., 2007). O intuito principal é garantir que o tempo de processamento de cada processo seja aproximadamente o mesmo, permitindo a produção fluir entre as estações sem que haja a formação de estoques intermediários. Slack et al. (2007) afirma que o balanceamento de linha tem grande importância para as empresas pois ele evita que a empresa perca produtividade, eficiência, fatia de mercado (vendas), ou seja, perca dinheiro. De acordo com FERNANDES (2000) problemas de balanceamento e rebalanceamento consistem em efetuar a alocação do trabalho ao longo da linha segundo determinados critérios e levando em conta determinadas restrições. As diferenças principais em termos de modelagem seria que no rebalanceamento existem mais tipos de restrições do que em problemas de balanceamento. Para Aguiar et al. (2007) a principal dificuldade em se balancear linhas de produção está na formação de atividades, ou conjunto de atividades que contenham tempos de duração aproximados. Muitas vezes, tarefas mais demoradas não podem ser divididas e as tarefas curtas não podem ser agrupadas, o que acaba dificultando o balanceamento do processo. Desta forma, quando obtemos tempos de execução significativamente maiores ou menores que o tempo médio de execução das demais atividades, verifica-se que a linhas ficarão desbalanceadas, onde algumas situações podem ser observadas, como por exemplo, alocação de operadores mais ágeis e habilitados para os postos de trabalho mais demorados e complexos, podem ocorrer compensação de trabalho por meio do aumento do ritmo de trabalho e também subordinação da linha ao “gargalo”, ou seja, subordinar o tempo de ciclo da célula ao processo restrição da mesma. Complementando a afirmação de Aguiar et al. (2007), Vilarinho e Simaria (2002) apud Mendes et al. (2005) afirmam que este processo é fundamentado em duas etapas, sendo a primeira foca na minimização de postos de trabalho buscando uma solução próxima da ideal, já a segunda está voltada na busca do equilíbrio nas estações de trabalho garantindo que os operadores realizem quantidades aproximadas de carga trabalho no mesmo modelo criado. 4. RESULTADOS A Empresa onde é realizado o estudo está localizada no pólo empresarial de Aparecida de Goiânia e atuano mercado no ramo industrial metal-mecânico. A fábrica produz peças mecânicas em alumínio, tais como: engates rápidos, polias, rodas, conexões hidráulicas, molas pneumáticas (airspring), dentre outras. Conta com dois setores principais, a fundição e a usinagem. O setor de fundição é comum para todas as peças e no setor de usinagem alguns modelos de peças são tratados de modo particular, ou seja, existem várias máquinas onde os mesmos podem ser processados e por este motivo este trabalho é focado neste setor. As peças podem passar pelas seguintes máquinas: lixadeiras,torno convencional, torno CNC (Comando Numérico Computadorizado), furadeira de bancada, chaveteira, rosqueadeira, centro de usinagem, bancadas de limpeza e montagem, dispostas em layout celular, em que cada célula produz determinadas famílias. 6/13 ANAIS Foram selecionados os produtos mais representativos dentro de cada célula para realização deste estudo. A Tabela 2 demonstra quais os produtos foram selecionados por célula. Célula 1 Célula 2 Vonder roda com 2 rolamentos 6205 Engate rápido c - 2 com escama Worker roda alumínio aro 8" carga 380kg Engate rápido b - 4 roscabsp Roda aro 8" com 2 rolamentos 6205 Engate rápido d - 2 roscabsp Célula 3 Célula 4 Adaptador de precisão para mangote 1 Aspersor esguicho manual 1 Engate rápido d - 3 roscabsp Fonte: Elaborado pelos autores (2014) Tabela 2 - Produtos mais representativos por célula Conforme verificado na Tabela 2, realizou-se a simulação utilizando três produtos na célula 1, quatro produtos na célula 2 e nas demais apenas um produto. Todos os itens escolhidos além de possuírem processos semelhantes também representam um alto grau de relevância para o volume e faturamento da empresa nas respectivas células. A Figura 2 demonstra o fluxograma dos produtos por célula, que serão analisados neste trabalho. CÉLULA 1 CÉLULA 3 CÉLULA 2 . 7/13 CÉLULA 4 ANAIS Fonte: Elaborado pelos autores (2014) Figura 2– Fluxograma das Células 1, 2, 3 e 4 respectivamente Para a realização da simulação foram coletados os tempos gastos em cada processo. Todos os processos, com exceção do torno CNC (tempo constante), são realizados por pessoas (tempos variáveis), por este fato foi coletada 24 amostras destes tempos para posteriormente realizar a análise destes dados por meio do Stat Fit do Simul8 de maneira a encontrar qual distribuição rege estes dados, que estão contidos na Tabela 3. 8/13 ANAIS Célula Célula 1 Célula 2 Célula 3 Célula 4 Processo Lixar Transferência 1_1 CNC Transferência 1_2 Escariar Furar Prensar Lixar Transferência 2_1 CNC_2_Esc CNC_4_Ros CNC_2_Ros CNC_3_Ros Transferência 2_2 Furar 1 Furar 2 Montar Transferência 3_1 CNC Transferência 3_2 CNC 2 Escariar Lixar Transferência 4_1 CNC Escariar Distribuição Valores Pearson 5 Gamma Fixed Gamma Pearson 5 Uniform Gamma Weibull Weibull Fixed Fixed Fixed Fixed Pearson 5 Normal Weibull Pearson 6 Normal Fixed Normal Fixed Weibull Tirangular Pearson 5 Fixed Lognormal (-1.7,48,7.971) (-10.4,67.3,0.339) 73 (2.97,14.5,0.615) (0.174,10.1,76) (8, 18) (-11,255,0.12) (-10.8,14.7,25.6) (-5.52,16.7,18) 33 72 51 62 (-2.31,34.9,488) (21.6,1.68) (-17.7,13.3,34.3) (34,172,5.09,176) (12.3,1.93) 13 (12.6,1.65) 19 (3.44,2.97,5.32) (5.79,18.7,15) (0.708,24.5,268) 60 (0.903,1.94,0.276) Validação por Kolmogorov-Smirnov 0.857 0.54 0.238 0.505 0.733 0.701 0.328 0.346 0.469 0.478 0.186 0.322 0.538 0.218 0.827 0.388 0.571 0.812 Fonte: Elaborado pelos autores (2014) Tabela 3 – Tempos de operação de cada processo Após a realização do Stat Fit encontrou-se os valores das distribuições dos processos realizados pelos operadores contidos na Tabela 3. Posteriormente fez-se a modelagem do sistema estudado, o qual está representado na Figura 3. 9/13 ANAIS Fonte: Elaborado pelos autores (2014) Figura 3– Modelagem do sistema no software Simul8 O Simul8 apresenta como uma de suas vantagens à integração com outros softwares, como por exemplo, AutoCAD. Desta forma, durante a modelagem do sistema utilizou-se este recurso a fim de incorporar o layout das células ao modelo computacional, conforme mostrado na Figura 3, permitindo uma visualização mais aproximada ao modelo real. Conforme observado na Figura 3, cada uma de suas células apresenta um único operador realizando todos os processos referentes às necessidades de produto, sendo esta a realidade da empresa atualmente. Para o modelo em questão utilizou-se a demanda média semanal, conforme representado na Tabela 4. Esta foi utilizada em todas as células a fim de checar o cenário realista e posteriormente verificar as possíveis melhorias no quesito de balanceamento das células e utilização de recursos. Fonte: Elaborado pelos autores (2014) Tabela 4 – Demanda média semanal 10/13 ANAIS No primeiro cenário, correspondente ao modelo atual da empresa, verificou-se que para garantir a produção de toda a demanda estipulada seriam necessários três dias para o processamento de todas as peças e a utilização de cada operador em cada célula seria conforme demonstrado na Figura 4. Fonte: Elaborado pelos autores (2014) Figura 4 – Relatório dos recursos no cenário 1 Tendo em vista o resultado de utilização dos recursos gerados pelo software, conclui-se que o operador da célula 2 está sobrecarregado, sendo utilizado 98,62% do seu tempo para a produção da demanda simulada. Além disso, analisou-se que este alto percentual de utilização gerou um impacto negativo no processo de 92,62%, fazendo com que este apresentasse um processo ocioso por falta de recurso, o qual é chamado “ResourceStarved” no software Simul8, e processando a demanda total em três dias. Já pelos resultados da célula 3 e 4 conclui-se que há capacidade para aumentar a demanda processada nestas células, visto que a utilização de ambos os operadores ficou abaixo de 50%. Desta forma, foram gerados vários cenários com o objetivo de minimizar este impacto causado na utilização dos recursos da célula 2, chegando a um cenário ideal para o balanceamento das operações dentro da célula. O cenário avaliado foi simulado acrescentando mais um operador na célula 2, o que resultou em uma melhor utilização dos operadores, sendo o operador um com uma utilização de 68, 75%, apresentando uma redução de 29% em sua utilização, e o operador dois com 48,99%, conforme Figura 5. Fonte: Elaborado pelos autores (2014) Figura 5 – Relatório dos recursos no cenário 2 11/13 ANAIS Sendo assim, com a melhor utilização dos recursos no novo cenário, obteve-se também uma redução do percentual do “Resource Starved” para 22,37%, resultando em uma melhora da disponibilidade dos processos em 70% e reduzindo o tempo de processamento de três dias para dois dias de produção. Logo, por meio da aplicação da simulação o cenário em que poderá trazer melhores benefícios para a empresa será aquele que apresenta um operador nas células 1, 3 e 4 e dois operadores na célula 2. 5. CONCLUSÃO Este trabalho teve o objetivo de simular o fluxo de produção do setor de usinagem de uma indústria metal mecânica, avaliando o balanceamento das linhas por meio da simulação computacional. O software Simul8 permitiu obter uma melhor visualização do processo, avaliando cenários sem a necessidade de mudanças na estrutura física da empresa e de forma realista, auxiliando na tomada de decisões. Desta forma, após a aplicação da simulação nos processos de manufatura da empresa, concluiu-se que o objetivo deste trabalho foi alcançado obtendo um melhor balanceamento da célula 2, a qual apresentava uma utilização do recurso de forma sobrecarregada perante as demais células, chegando a uma redução de 22% na utilização do operador, melhora de 70% da utilização do processo e ganho de um dia de produção. Portanto, a simulação comprovou ser uma ferramenta eficaz para análise de processos de manufatura, permitindo obter resultados próximos ao que ocorre na prática, avaliar cenários e propor melhorias a fim de identificar o melhor fluxo de produção. REFERÊNCIAS AGUIAR, G.;ALVES, C.da C.; HENNING, E. Gerenciamento de projetos: simulação de Monte Carlo via a ferramenta simular. In: XXX Encontro Nacional de Engenharia de Produção. São Carlos, 2010. Disponível em: <http://www.labceo.com.br/bibliografia/archive/files/h-16_4e64260394.pdf>. Acesso em: 01 OUT 2014. BATEMAN, R. E. et al. Simulação de sistemas aprimorando processos de logística, serviços e manufatura. 1ª. ed. Rio de Janeiro: Elsevier, 2013. 200 p. BECHTLOFF, S.; METTERNICH, J.; SEIFERMANN,S. Efficiency and Economic Evaluation of Cellular Manufacturing to enable Lean Machining. Forty Sixth CIRP Conference on Manufacturing Systems, 2013. CARDENAS, I. D.; MACLAUGHLIN, P. Cellular manufacturing applications in MRO operations. 2nd InternationalThrough- lifeEngineering Services Conference, 2013. CHWIF, L.; MEDINA, A. C. Modelagem e Simulação de Eventos Discretos: Teoria e Aplicações. 3. ed. rev. São Paulo: Ed. do Autor, 2010. FERNANDES, F. C. F. e DALALIO, A. G. Balancemanto e rebalanceamento de linhas de montagem operadas por grupos de trabalho autogerenciados. Gestão & Produção, v. 7, n. 3, p. 378-398, dez. 2000. FITZSIMMONS, J. A.; FITZSIMMONS, M. J. Administração de Serviços: operações, estratégia e tecnologia da informação. 6. Ed. Porto Alegre: Ed. Bookman, 2010. GUNGOR, Zulal; UNLER, Alper. Applying Kharmonic means clustering to the part-machine classification problem. Expert Systems withApplications, v36, p.1179–1194, 2009. FREITAS FILHO, P. J. Introdução à Modelagem e Simulação de Sistemas com Aplicações em Arena. 2. ed. Florianópolis: Visual Books, 2008. JAHANGIRIAN M.; et al. Simulation EuropeanJournalofOperationalResearch, 2009. in 12/13 manufacturing and business: a review. ANAIS LACERD, D. P.; PERGHER, I.; RODRIGUES, L. H. Discussão teórica sobre o conceito de perdas do Sistema Toyota de Produção: inserindo a lógica do ganho da Teoria das Restrições.Gestão & Produção, São Carlos, v.18 n.4, 2011. LAW, A. M. Simulation Modeling & Analysis. 4. ed. Boston: Ed. McGraw-Hill, 2007. LINDEN, R. Técnicas de Agrupamento. Revista de Sistemas de Informação da FSMA, p.18-36, n.4, 2009. MENDES et al. Combining heuristic procedures and simulation models for balancing a PC camera assembly line. Computers& Industrial Engineering, 2005. OLIVEIRA, C. S. Aplicação de técnicas de simulação em projetos de manufatura enxuta. Estudos Tecnológicos, Vol. 4, nº 3: 204-217, 2008. PRADO, D. S. Usando o ARENA em Simulação. 3. ed. Belo Horizonte: Ed. INDG Tecnologia e Serviços Ltda., 2008. SLACK, N., CHAMBERS, S., HARLAND, C., HARRISON, A., JOHNSTON, R..Administração da produção. São Paulo: Atlas, 2006. TAN, P; STEINBACH, M; KUMAR, V. Introdução ao Data Mining. Ed. Ciência Moderna, 2007. TURRIONI, J. B.; MELLO, C. H. P. Metodologia de Pesquisa em Engenharia de Produção. UNIFEI, 2012. Disponível em: <http://www.carlosmello.unifei.edu.br/Disciplinas/Mestrado/PCM10/ApostilaMestrado/Apostila_Metodologia_Completa_2012.pdf>. Acessoem: 15 set 2014. ZHANG, Z. Modeling complexity of cellular manufacturing systems. Applied Mathematical Modelling, v.35, p.4189–4195, 2011. 13/13