Simulador para Otimização de Processos de Manufatura

Resumo

Melhorar o processo produtivo de manufatura é uma questão de grande importância econômica. Contudo, realizar melhorias em processos que envolvem máquinas ou um elevado número de trabalhadores são comumente onerosas e exigem um elevado tempo de planejamento, capacitação e modificação da planta. No entanto, para se tornarem competitivas, as indústrias, assim como qualquer outro processo produtivo, necessitam ser capazes de adaptar seus planos de produção a fim de atender atualizações de mercado de maneira ágil e contornar problemas imprevistos como falhas de máquinas e ausência de trabalhadores (CHERNYAKOV, M. K. et al., 2018). Uma maneira de agilizar essa implementação é por meio de simuladores de processos industriais (ZÚÑIGA, E. R. et al., 2017), que uma vez atrelados a algoritmos de Aprendizagem de Máquina (ENGELBRECHT, A., 2007), podem ser usados para trazer propostas rápidas de otimização para indústria (ZHANG, L. et al., 2019). Atualmente já são oferecidos no mercado uma gama de simuladores como o FlexSim e o Tecnomatix Plant Simulation (da Siemens), exigindo diferentes graus de conhecimento técnico em sua utilização e cobrando preços elevados. Além disso, os simuladores oferecidos no mercado são projetados para realização de otimizações manuais, sendo necessário que um usuário qualificado realize as modificações no fluxograma. Embora alguns desses simuladores ofereçam otimização automática, os parâmetros que permitem tal tecnologia são contínuos, com pouca significância e de difícil aplicação para melhorar um processo produtivo já instalado e em curso, como distância entre máquinas e velocidade de produção; ou discretos, como a sequência de trabalho de um operário, mas sem permitir mudanças na operação da linha ou otimizações mistas (variáveis contínuas e discretas). A fim de simular processos produtivos de forma rápida, permitindo melhorias substanciais a curto e médio prazo; de fácil utilização, requisitando pouco treinamento; e possibilitando otimizações mais complexas, tanto contínuas quanto discretas, é proposto um simulador de processos feito em linguagem Python com interface em Excel, o qual permite modelagem e parametrização de processos. A fim de validar a proposta, também foi realizada a otimização de um plano de produção contendo três máquinas, quatro tipos de produtos e duas matérias primas. O simulador proposto oferece 4 tipos de dispositivos, com diferentes atributos e funções, esses são: fonte (source), fila (queue), processador (processor) e processador duplo (dualprocessor). A fonte tem a função de trazer matéria prima para o sistema, sendo, portanto, o ponto inicial do processo, seus parâmetros são o tipo de item a trazer para o sistema (product) e o intervalo de tempo (process_time). A fila funciona como um ponto de espera e armazenamento, para qual os itens são levados após surgirem em alguma fonte ou forem processados em algum processador ou processador duplo, seus parâmetros são o tipo de item aceito (input_port) e sua nomenclatura de saída (product). O processador opera representando uma máquina ou ponto de trabalho, no qual as entradas são transformadas em produtos finais ou parciais; seus parâmetros são: tempo de configuração (setup_time) que leva ao mudar de produto, tempo para produzir (process_time), tipo do item na entrada (input_port) e produto produzido (product). O processador duplo funciona da mesma forma que o processador, sendo a única diferença que aceita dois itens de entrada. Para configurar uma linha de produção basta parametrizar e nomear (name) – de forma livre mas não repetida – os dispositivos, ligando suas entradas e saídas pelo nome. Em uma linha de produção simples isso pode ser feito em  4 passo: (1) indicar que a matéria “pre_A” deve entrar no sistema a partir de uma fonte, inserindo o termo “pre_A_s” no seu parâmetro product, sendo “s” um sufixo livre escolhido para representar source; (2) configurar uma fila com “pre_A_s” em input_port e “pre_A_q” em product, sendo “q” m sufixo livre escolhido para representar queue; (3) indicar que um processador recebe o item “pre_A_q” em input_port e produz “A_m” em product, sendo “m” um sufixo livre escolhido para representar machine; e por último (4) configurar uma fila com “A_m” em input_port e “A_q” em product. Para um processador duplo deve-se inserir as duas entradas concatenadas e separadas por vírgulas, como “pre_A_q, pre_B_q”. Os dispositivos escolhidos com seus respectivos nomes e parâmetros devem entrar no simulador por meio de uma planilha em Excel contendo as seguintes colunas: type, name, setup_time, process_time, input_port e product. Caso seja de interesse realizar otimização, uma segunda planilha deve ser gerada, contendo as seguintes colunas: machines, com os nomes das máquinas (ex. “M1”, “M2”, etc.); input_X e product_X nos quais “X” deve ser trocado pelo nome de cada máquina e conter respectivamente em suas linhas as matérias e produtos que a máquina seja capaz de produzir, sendo necessário um par de colunas independente por máquina; time_total que é o tempo total do turno de trabalho em minutos; e time_parts, que é a quantidade de frações de tempo nas quais pode se mudar o produto, por exemplo, um turno de produção de 240 min pode ser dividido em 2, 4 ou mais partes. A rotina do otimizador automaticamente reconhece se será necessário um processador comum ou um processador duplo para produzir qualquer um dos produtos listados. A fim de comprovar a funcionalidade do simulador foi projeta uma linha de produção com duas matérias primas (“pre_AC” e “pre_B”) e quatro produtos (“A”, “B”, “C” e “D”), contendo três máquinas (“M1”, “M2” e “M3”). Para produzir “A” e “C” usa-se “pre_AC”, “B” usa-se “pre_B”e “D” usa-se as duas matérias “pre_AC, pre_B”. Para comparação, foi criada uma linha base na qual a máquina M1 produz A, M2 produz D e M3 produz C, todos os tempos de configuração das máquinas são de 10, enquanto que os tempos de processamento de todas as fontes são de 3 e de todas as máquinas são de 5. Os valores de lucro dos produtos “A”, “B”, “C” e “D” são respectivamente 1.0, 1.2, 1.0, 1.5 e o tempo total é de 240 min. Para otimização foi utilizada o “MixedVariableGA” da biblioteca PyMOO (J. BLANK; K. DEB, 2020) configurando o número de população em 10 e a quantidade de gerações em 5; o tempo de simulação foi divido em 4 partes (time_parts), o objetivo é definir o que cada máquina irá produzir em cada um desses intervalos, sendo que “M1” permite produzir “A” e “B”, “M2” permite “C”, “B” e “D”, e “M3” permite “A”, “B”, “C” e “D”. Após as simulações o lucro encontrado para planta base foi de 80, contudo, após a otimização esse lucro passou a ser de 111. Concluindo que a apesar de ter definido previamente um tempo elevado de configuração para mudança de produtos, o simulador desenvolvido, além de ser gratuito e de fácil manuseio, quando usado em conjunto com um otimizador, pode ser utilizado de maneira rápida e fácil para melhorar a lucratividade em linhas de produção a curto prazo. Visando aumentar o grau de complexidade e fidelidade das simulações serão implementadas, trabalhos futuros, rotinas para locomoção e troca de operadores entre máquinas e ruídos nos tempos de produção e configuração.