Simulação computacional para análise da capacidade produtiva de uma indústria de acessórios poliméricos para rede elétrica

Resumo

Em mercados altamente competitivos, as companhias buscam constantemente aprimorar suas capacidades produtivas para atender às exigências de qualidade e quantidade dos consumidores. A análise da capacidade de um processo é essencial para verificar se este atende às demandas do mercado. A simulação computacional se mostra uma ferramenta eficaz para essa análise, ao permitir a avaliação de decisões sem a necessidade de intervenções no sistema real. Este estudo teve como objetivo analisar a capacidade produtiva do processo de fabricação de grampos de ancoragem em uma indústria de acessórios poliméricos para redes elétricas no Paraná, por meio do Software Arena® versão Student. Para identificar qual a capacidade produtiva da linha de produção do grampo de ancoragem, qual etapa do processo constitui o gargalo da linha de produção do grampo de ancoragem e determinar quais alterações na configuração da linha de produção do grampo de ancoragem podem gerar aumento na produtividade, foram elaborados dois modelos computacionais, cujos resultados foram avaliados com base na capacidade produtiva, na taxa de ocupação dos colaboradores e na utilização dos recursos. Os resultados da simulação mostraram que, dependendo da configuração da equipe na linha de produção, a produção diária pode variar entre 2.396 e 2.542 unidades. Os resultados permitiram identificar gargalos, especialmente nas etapas de encaixe, e demonstraram que a redistribuição de tarefas e a alocação de novos colaboradores — incluindo funcionários polivalentes na linha — podem aumentar a produtividade. A comparação entre os dois modelos revelou que a adição de um colaborador na etapa crítica resultou em maior equilíbrio no uso dos recursos e aumento da capacidade produtiva. As alterações propostas também apontam para potenciais ganhos financeiros diários e anuais, reforçando a importância da simulação como ferramenta estratégica. Conclui-se que a modelagem computacional fornece insights relevantes para a tomada de decisão, permitindo não apenas otimizações imediatas, mas também o planejamento de cenários futuros.