Simulação da dinâmica operacional de um processo industrial de abate de aves

Abstract

O setor agroindustrial avícola brasileiro é referência de organização no País, o que pode ser comprovado pela eficiência na conquista de mercado no exterior, como também pelas estratégias de diferenciação de produtos. Isto se deve à forma de gerenciamento de integração da cadeia produtiva avícola baseada no sistema de parcerias entre indústria, tecnólogos e produtores rurais (MELLO, 2001;PINOTTI; PAULILLO, 2007).As exigências quanto à qualidade da carne nos aspectos físico-químicos, sanitários e nutricional são cada vez maiores quer no mercado internacional quer no nacional. Com o passar dos tempos, os consumidores tornaram-se mais cientes dos atributos de qualidade da carne e também dos preceitos de educação alimentar. Essas exigências têm provocado mudanças que tiveram início com trabalhos de melhoramento genético e, atualmente, envolvem toda a cadeia produtiva, levando em conta quesitos desde a alimentação de alto padrão técnico e nutricional até as etapas da linha de abate. Deste modo, na atualidade é possível controlar a maior parte dos fatores que influenciam a qualidade da carne de frango nas diversas etapas da produção dentro da cadeia produtiva (KAUFFMAN;MARSH, 1987;NORTHCUTT;FOEGEDING;EDENS, 1994).De acordo com os conceitos da área de pesquisa operacional (FERNANDES et al., 2007;SILVA, 2002;WINSTON, 1994) e com AbstractThis work was carried out with the objective of developing a computational model using the simulation language EXTEND TM to simulate the dynamic of poultry slaughter industry and conduct sensitivity analysis experiments. Hence, a dynamic, stochastic, discrete model was developed. The modeled real system is located in the southwestern region of the Paraná State, Brazil, which has a daily slaughter capacity of 500000 poultries using three processing lines and operating in three daily schedules. To validate the model data from three schedules were collected and compared to the output variables from the real system generated by the model; those variables were: (i) processing time; (ii) gross weight; (iii) live weight; (iv) sub-product weight; (v) total production weight; (vi) whole slaughtered weight; and (vii) net weight. The model implemented proved to be efficient since the percentage of average errors was less than 1.13%. The sensitivity analysis carried out, with processing rates changed to 7000; 8000 and 9000 poultries per hour per line, showed the following processing time averages 8.69, 7.86 and 7.86 hours, respectively. In addition, the experiment demonstrated that the processing rate of 9000 poultries h -1 does not imply directly a reduction of the processing time since the rate of poultry arriving at the slaughterhouse can be related to idle periods at poultry slaughter facility. Keywords: meat; slaughter industry; operations researches. ResumoEste trabalho foi conduzido com o objetivo de implementar um modelo computacional empregando a linguagem de simulação EXTEND TM para: a) simular a dinâmica de atividades de um matadouro-frigorífico de aves; e b) conduzir experimentos de aná...

Aplicação da simulação computacional para determinar a capacidade produtiva do processo de produção de pães: um estudo de caso

“…Uma vez construído o modelo, foi possível se avaliar a eficácia de cada técnica antes mesmo de ser implantada; (ii) Mello et al (2006) realizaram estudos de tempos em um centro cirúrgico hospitalar, através de um modelo de simulação, com o objetivo de propor melhorias para aumentar a capacidade de atendimento dos pacientes. Trabalho similar foi realizado por Ahlert et al (2009), em uma central de diagnósticos médicos por imagem; (iii) Hussein et al (2009) apresentam um estudo realizado no processo produtivo de uma padaria, com o intuito de promover visando à eliminação dos desperdícios no sistema, através de um modelo de simulação, o qual permite analisar: custos, identificar os gargalos, capacidade dos equipamentos, entre outros; (iv) Ebert et al (2009) relatam o desenvolvimento de um modelo utilizado para simular a dinâmica operacional de linhas industriais de abate de frangos, contribuindo para a previsão de variáveis como: tempo de processamento, peso vivo total, peso vivo aproveitado, peso de subproduto, peso da produção total, peso do frango inteiro, e peso total de cortes; (v) Elleuch et al (2007) efetivaram um modelo para estudar e validar propostas de melhorias no que tange ao problema de quebra de máquina em um processo de manufatura com layout celular; (vi) Souza e Alves (2006) utilizaram a simulação para analisar o processo de produção do biodiesel, obtendo os perfis de concentração, taxa de formação e decomposição dos grupos, para a formação do biocombustível; (vii) Pontes et al (2008) descrevem a utilização de um simulador para assessorar o gerenciamento de inventário em um centro de distribuição de peças. Segundo os mesmos autores, o simulador fornece elementos que auxilia na obtenção de resultados como: a previsão de demanda, a política de reposição das peças, o percentual de atendimento dos pedidos, os meses de inventário, entre outros; e (viii) Hachicha et al (2007) relatam a aplicação da simulação para validar possíveis estratégias a serem utilizadas, com o intuito de fornecer um melhor resultado em ternos produtivos e financeiros, em um contexto que envolve o desenvolvimento da melhor configuração de máquinas e equipamentos para a célula de manufatura em função do mix de produtos.…”

Análise Do Processo De Produção De Filés De Tilápia Por Meio De Simulação: Um Estudo De Caso (Analysis of the Process of Tilapia Fillets Production by Means of Simulation: A Case Study)

“…Atualmente, existe uma grande variedade de softwares de simulação disponíveis no mercado, alguns específicos para determinados processos e outros mais generalistas. Os softwares generalistas favorecem a aplicação da simulação de uma forma geral (Ebert et al, 2009). A competição entre as empresas tem impulsionado o lançamento de softwares cada vez mais poderosos.…”