Beruflich Dokumente
Kultur Dokumente
FERRAMENTA DE AQUISIO DE
CONHECIMENTO
So Carlos/SP
2003
2
AGRADECIMENTOS
A DEUS, por tudo que tenho e pela fora para vencer os obstculos.
Aos professores da banca examinadora por haverem aceitado a incumbncia, por seu
interesse e dedicao na tarefa de avaliar o contedo do texto e oferecer suas valiosas
contribuies.
minha famlia, por sempre estar ao meu lado, compartilhando tanto das alegrias
quanto das tristezas, incentivando-me sempre.
SUMRIO
LISTA DE FIGURAS
LISTA DE TABELAS
RESUMO
ABSTRACT
In the last years, the computer simulation has become a vital tool in the
development of several self-learning techniques, as well in the acquisition of
knowledge in the engineering teaching and in the managerial training. The
simulation used in the early years of the Operational Research boarded the potential
problems by obtaining the best possible results for each part of the model. However,
as the complexity of such problems increased, the need for more systemic and
generalist approaches has also increased. Initially, the simulation was performed by
general programming languages as FORTRAN. But, as the complexity of the
observations and the capability of the computer resources increased, Simulation
Languages (like GPSS) and Dynamic System Simulation Software (dynamo, STELLA
etc) were developed. This methodology (System Dynamics) uses concepts of the
systemic thought to solve problems and to analyze systems. In that context, the main
objectives of this work are to identify and to analyze the potential aspects of the
simulation based on System Dynamics when applied in the engineering teaching and
in the managerial training.
2
TERRA (1999), analisando o trabalho de THUROW (1997), seleciona vrios
dados e argumentos que corroboram a afirmao de que a importncia econmica do
conhecimento vem crescendo:
Entre as doze maiores empresas americanas do incio do sculo, dez eram
empresas baseadas em recursos naturais; apenas uma dessas empresas
sobreviveu at o final do sculo, a General Electric;
Antes da primeira guerra, a Inglaterra empregava mais de 1 milho de
trabalhadores em suas minas de carvo (6% da fora de trabalho do pas);
hoje, menos de 30 mil pessoas trabalham nestas mesmas minas;
No final do sculo XIX, pases ricos em recursos naturais, como
Argentina e Chile, eram ricos, enquanto pases sem recursos, como o
Japo, estavam destinados a ser pobres;
Corrigida a inflao geral, os preos dos recursos naturais caram quase
60% entre meados dos anos 70 e meados dos anos 90;
As decises de localizao dos investimentos industriais, principalmente
pelas empresas multinacionais, tm dependido, cada vez mais, da
existncia de uma mo-de-obra qualificada;
Os trabalhadores de fbricas costumavam ter baixssima qualificao no
incio da industrializao; hoje, nos Estados Unidos, cerca de 16% j
possuem alguma educao de nvel superior e 5% chegam a se graduar.
1
MACULAN, A. M. As novas estratgias tecnolgicas das multinacionais do setor de
telecomunicaes. Revista de Economia Poltica, v. 3, n. 2. 1992.
2 THUROW, L. C. O futuro do capitalismo: como as foras econmicas de hoje moldam o mundo
de amanh. Rio de Janeiro: Rocco, 1997.
4
Assim, nessa nova sociedade, o conhecimento assume uma posio cada vez
mais importante. Nas palavras de DRUCKER (1994, XV):
A partir da dcada de 50, a sociedade entrou numa nova fase, denominada por
diversos autores de era da informao, cujo principal recurso estratgico o
conhecimento.
Segundo KLEIN (1998), hoje a informao pura e simples j no garante um
diferencial competitivo. Para assegurar um lugar no futuro, as organizaes
precisam aprender a transformar as informaes em conhecimento, e utiliz-lo para
obter novos resultados, diversificar mercados e satisfazer os seus clientes.
O investimento em novas tecnologias de produto ou processo alto e
arriscado. Contudo, essencial, para a sobrevivncia das organizaes, o uso de
recursos que garantam a eficcia e a viabilidade econmica de novas tecnologias, a
um baixo custo e, principalmente, com pequeno ou nenhum risco (LEPIKSON, 1998).
Uma das alternativas para alcanar tal objetivo a implementao de simulaes
computacionais para estudo de sistemas organizacionais.
A simulao permite a transformao de informaes em conhecimento, o
qual ser aplicado no processo de tomada de decises. Num mundo globalizado e
turbulento, tal ferramenta se mostra eficiente na tarefa de propiciar ao indivduo a
oportunidade de aprender a pensar e a tomar decises de forma rpida e eficiente.
Alm disso, essa ferramenta, estimula a anlise crtica de dados, a formulao
de perguntas e a descoberta de respostas, a viso sistmica, entre outros.
8
3
ARANTES, T. F. Pesquisa bibliogrfica nas cincias biomdicas. So Paulo: Faculdade de
Odontologia USP. Revista n.XIII, 1971.
9
1.6 Estrutura
Aquisio de
Conhecimento
2.1 Conceitos
TERRA (1999) faz uma relao das caractersticas do conhecimento sob uma
perspectiva individual:
um processo ativo e laborioso, que envolve todos os sentidos do corpo;
envolve um indissocivel processo mental e emocional;
processa-se, em grande medida, no subconsciente; da a importncia da
intuio e do conhecimento tcito;
resulta da resoluo de tenses e liberao de angstias;
depende das experincias, tentativas e erros de cada indivduo;
um processo social que depende da interao com outros;
inclui a capacidade de combinar diferentes entradas e perspectivas e
compreender relaes complexas, por meio de um permanente processo
de reformulao dos modelos mentais e mapas cognitivos;
est associado a mudanas de comportamento: existncia de
oportunidades para autodesenvolvimento, incentivo autenticidade e
estmulo explicitao de modelos mentais.
FLEURY & FLEURY (1995), DRUCKER (1994) e LANDES (1998) fazem revises
histricas semelhantes quanto s caracterstica e importncia do conhecimento no
decorrer do tempo. Uma sntese dessa reviso descrita a seguir.
No h quem duvide da importncia do conhecimento para os seres humanos,
desde os tempos mais remotos. Desde a pr-histria, a inteligncia e o conhecimento
fizeram a diferena no processo evolucionrio humano. Aqueles que detinham
melhores conhecimentos de caa e proteo se destacavam sobre os demais. Assim
surgiu o homo sapiens, o qual, por possuir melhores conhecimentos, acabou por
sobrepujar e dominar seus concorrentes contemporneos.
16
4
JOHNSON-LAIRD, P. N. Mental models. Cambridge: Cambridge University Press, 1983.
21
em
Internalizao Combinao
Conhecimento
explcito
5
Segundo NONAKA & TAKEUCHI (1997), epistemologia o estudo dos fundamentos filosficos do
conhecimento.
22
A partir dos anos 50, foram criadas inmeras associaes ligadas PO, como
a Operations Research Society of Amrica, fundada nos Estados Unidos em 1953,
ou a Federao Internacional de Associaes de Pesquisa Operacional, criada em
1957. Revistas tcnicas comearam a surgir em vrios pases, assim como cursos e
programas em pesquisa operacional.
Apesar dos resultados obtidos pela Pesquisa Operacional durante a Segunda
Guerra Mundial terem sido muito importantes para o sucesso das operaes no
conflito, eles foram limitados pela complexidade dos clculos envolvidos. Somente
aps a disponibilizao de mtodos computacionais, o potencial da PO foi mais bem
aproveitado. Dentre as tcnicas de pesquisa operacional que mais se desenvolveram
com o avano dos mtodos computacionais, est a simulao.
Hoje em dia, o potencial da Pesquisa Operacional to grande, que costuma-
se dizer que ela uma soluo procura de um problema (SELLITTO, 2000).
29
3.3 A natureza da PO
ACKOFF & SASIENI (1977) apresentam uma definio que leva a uma
compreenso inicial da natureza da PO. Eles consideram PO como a aplicao do
mtodo cientfico, por equipes interdisciplinares, a problemas que dizem respeito ao
controle de sistemas organizados (homem-mquina), com a finalidade de obter as
solues que melhor satisfaam aos objetivos da organizao como um todo.
As caractersticas essenciais que podem ser obtidas dessa definio, segundo
os autores, so: a) a orientao para sistemas (ou para sua direo), b) o emprego de
equipes interdisciplinares e c) a aplicao do mtodo cientfico a problemas de
controle.
Para HERMAN & MAGEE6, citados por ELLENRIEDER (1971, p.8):
O primeiro ponto a destacar que a Pesquisa Operacional
o que seu nome indica: pesquisa sobre operaes. Envolve,
porm, uma viso particular das operaes e, ainda mais
importante, uma classe particular de pesquisa. As operaes
so consideradas como uma nica entidade. O objetivo do
estudo no o equipamento utilizado, nem a predisposio
dos participantes, nem as propriedades fsicas do produto
final, mas a combinao de todos esses fatores em
conjunto, considerados como um processo econmico. E as
operaes, assim concebidas, so submetidas anlise
atravs dos processos mentais e dos mtodos que esto
associados com os trabalhos de pesquisa dos fsicos,
qumicos e bilogos tudo o que veio a ser chamado de
mtodo cientfico.
6
HERMANN, C. C.; MAGEE J.F. Operations research for management. In: BURSK, E.C.; CHAPMAN, J.F.
(Eds). New decision-making tools for managers. New York: The Mentor Executive Library, 1963.
31
Mas, a definio mais comum e, por sua vez, uma das mais antigas, foi dada
7
por KITTEL , citado por ELLENRIEDER (1971). Segundo KITTEL a Pesquisa
Operacional o uso do mtodo cientfico para prover os departamentos executivos
de elementos quantitativos para tomar decises com respeito a operaes sob seu
controle.
Outra definio concisa a de EHRLICH (1985), que se refere Pesquisa
Operacional como: ... um conjunto de tcnicas quantitativas com o intuito de
auxiliar o processo de deciso dentro de uma filosofia de modelagem e,
preferivelmente, de otimizao.
Nas definies de ACKOFF & SASIENI e de HERMANN & MAGEE, observa-se a
descrio do mtodo e do procedimento de trabalho da PO como auxlio na
compreenso do significado de Pesquisa Operacional.
Apesar de diferenas quanto generalizao ou particularizao das
definies, observa-se a mesma idia central, as mesmas caractersticas em todas
elas. Dentre essas caractersticas esto:
Aplicao da PO a problemas relativos a como conduzir e coordenar as
operaes ou atividades dentro de uma organizao;
Amplitude de aplicaes: tem sido aplicada nos negcios, nas indstrias,
no governo, nos hospitais etc;
Utiliza a abordagem do mtodo cientfico;
Ponto de vista organizacional;
Sua meta identificar o melhor curso de aes possvel, tenta encontrar a
soluo melhor ou tima para o problema;
Utilizao de equipes formadas por pessoas com diferentes experincias e
habilidades.
7
KITTEL, C. The nature and development of operations research. Science, p. 105-150, 1947.
32
3.5 A metodologia da PO
Comparao
Experincia
variveis existentes, bem como suas interligaes. Quanto mais precisa a definio,
mais facilitadas sero as outras etapas.
Os problemas cujas solues mais utilizam as tcnicas e princpios da PO so
relativos a operaes militares, tticas ou estratgicas, assim como a administrao
pblica, econmica e industrial. Entretanto, em princpio, essas tcnicas podem ser
aplicadas a qualquer sistema.
que problemas com numerosas restries, intratveis pelo uso de mtodos clssicos,
devido ao custo em tempo e dinheiro envolvido, possam ser abordados
adequadamente. Dentre essas tcnicas, encontram-se:
Programao Linear;
Programao No-linear;
Programao Inteira;
Programao Dinmica;
Teoria das Filas;
Simulao;
Teoria dos Jogos, entre outras.
3.5.4 Resultados
3.6 Tcnicas
Programao no-linear;
Programao dinmica, entre outros.
Probabilidade aplicada
Teoria das filas
Modelos de estoques
Simulao de eventos discretos, entre outros.
4. 1 Sistemas
Um sistema pode ser definido, segundo BANKS et al. (1996), como um grupo
de objetos que so reunidos em alguma interao ou interdependncia regular, a fim
de se alcanar algum propsito.
Atravs dessa definio, nota-se que um sistema algo bastante relativo. Em
determinado momento, uma coleo de objetos pode ser uma pequena parte de um
sistema maior (subsistema), e em outro considerada um sistema completo. Os
limites do sistema so estabelecidos a fim de se definir o que ser estudado e incluir
neles apenas aqueles itens que so considerados mais importantes para os objetivos.
A determinao desses limites depende do estudo realizado e dos objetivos a serem
alcanados. Deste modo, o termo endgeno usado para descrever atividades e
eventos que ocorrem no sistema, e o termo exgeno usado para descrever
atividades e eventos do ambiente que afetam o sistema (BANKS et al., 1996).
Sistema
4. 2 Modelos
ENTRADA SADA
Sistema
Modelo
Linear ou no-linear
Os modelos so lineares quando o sistema que representam segue uma lei
linear, ou seja, independente do nvel em que esteja, sempre haver a mesma resposta
da varivel endgena a uma varivel independente ou exgena. Modelos no-lineares
so aqueles em que o relacionamento das variveis endgenas e exgenas no se d
atravs de relaes lineares.
Esttico ou dinmico
Um modelo esttico representa um sistema em um ponto particular no tempo
ou um sistema no qual o tempo simplesmente no desempenha um papel importante;
modelos de Monte Carlo so exemplos de modelos de simulao estticos. Modelos
dinmicos representam sistemas medida que eles evoluem ao longo do tempo.
Estvel ou instvel
Modelos dinmicos podem ser estveis ou instveis. Nos primeiros, sempre
se volta condio inicial aps algum distrbio. J os modelos instveis representam
sistemas que, depois de ativados, tendem a desenvolver a sua amplitude de
movimentao e, conseqentemente, a se afastar sobremaneira de sua condio
inicial.
46
Discretos ou contnuos
As alteraes nas variveis de estado do sistema podem ser contnuas ou
discretas no tempo. Um modelo de mudana discreta (chamado de modelo de sistema
de eventos discretos) aquele em que as variveis se modificam discretamente em
pontos especficos do tempo simulado. Um modelo de mudana contnua aquele
em que as variveis podem variar continuamente ao longo do tempo simulado.
Determinsticos ou estocsticos
Modelos que no contm variveis aleatrias so classificados como
determinsticos; esses tm um conjunto conhecido de entradas que resultaro em um
nico conjunto de sadas. Um modelo estocstico tem uma ou mais variveis
aleatrias como entrada; essas entradas levam a sadas aleatrias, as quais podem
apenas ser consideradas como estimativas das verdadeiras caractersticas de um
modelo.
4. 3 Filas
Fila
Sistema Servidor
Chegada de clientes Partida de clientes
Elementos
Elementos em fila
em servio
FIGURA 07 - Sistema bsico de fila
Fonte: Elaborada pelo autor
4.3.1 Termos
prtica, isto pode no ser verdade, uma vez que comum o uso de tempo
ou esforo extra quando surgem filas muito longas.
Nmero esperado na fila: nmero esperado de clientes que aguarda
atendimento.
Nmero esperado no sistema: nmero esperado de clientes na fila e/ou
sendo atendidos.
Tempo esperado na fila: tempo que se espera que um cliente gaste
aguardando em fila.
Tempo de sistema esperado: tempo que se espera que um cliente gaste
aguardando e sendo atendido.
4.3.2 Caractersticas
Legenda:
= Cliente = Servidor = Fluxo de Clientes
Diversos autores, entre eles LAW & KELTON (2000), NAYLOR (1971) e
SHIMIZU (1975), citam algumas atividades onde a simulao em computador digital
pode ser empregada:
Experimentao e avaliao, isto , na tentativa de prever as
conseqncias de mudanas sem a necessidade de implement-las no
sistema real, o que poderia acarretar gastos excessivos sem a garantia de
se obter os resultados esperados;
Como maneira de estudar novos sistemas, a fim de projet-los ou refin-
los;
Projeto e anlise de sistemas de manufatura/
Compreenso de um sistema real (componentes, interaes, processos);
Como ferramenta para familiarizar equipes com equipamentos ou
sistemas;
Exame de processos transitrios ou intermedirios;
Anlise dos efeitos de variaes do meio-ambiente na operao de um
sistema;
Verificao ou demonstrao de uma nova idia, sistema ou maneira de
resoluo de um problema;
Determina;ao de pol[iticas de gerenciamento de estoques
Ensino, como material pedaggico para estudantes e profissionais;
Aquisio de conhecimento atravs das etapas de uma simulao,
principalmente na formulao do problema, na construo do modelo e na
anlise dos resultados;
57
5. 1 Definio
(1985).
Segundo esse autor, a simulao um mtodo empregado para estudar o
desempenho de um sistema por meio da formulao de um modelo matemtico, o
qual deve reproduzir, da maneira mais fiel possvel, as caractersticas do sistema
original. Manipulando o modelo e analisando os resultados, pode-se concluir como
diversos fatores afetaro o desempenho do sistema.
Atravs da simulao no possvel obter, de imediato, resultados que levem
otimizao de um objetivo desejado. Entretanto, possvel simular, por meio do
modelo, uma srie de experimentos em diferentes condies e, posteriormente,
escolher a condio cujos resultados sejam mais aceitveis (EHRLICH, 1985).
58
5. 2 Evoluo da simulao
simulao eram passveis de serem usadas por profissionais de diversas reas e com
diferentes nveis de conhecimento em simulao.
Os anos 90 viram o surgimento de programas de simulao mais flexveis,
com melhor animao e integrao com outras linguagens de programao. Nesses
programas, o tempo e esforo despendidos se concentram mais na atividade de
anlise dos resultados e menos na programao e eliminao de erros. A evoluo
das ferramentas de simulao nas ltimas dcadas resumida na TABELA 03 e na
FIGURA 09.
Alto
5. 3 Tipos de simulao
Estticos ou dinmicos
Um modelo de simulao esttico representa um sistema em um ponto
particular no tempo ou um sistema no qual o tempo no desempenha papel
importante. Modelos dinmicos representam sistemas medida que eles mudam ao
longo do tempo.
Determinsticos ou estocsticos
Um sistema pode ser determinstico ou estocstico, dependendo da natureza
da entrada, do processo e da sada em vrios estgios do sistema. Modelos de
simulao que no contm variveis aleatrias so classificados como
64
Modelos de simulao
Estticos Dinmicos
Lineares No-lineares
Determinsticos Estocsticos
Discretos ou contnuos
Modelos de simulao discretos e contnuos so definidos de uma maneira
anloga aos modelos discretos e contnuos. Porm, um modelo de simulao discreto
nem sempre usado para modelar um sistema discreto; de maneira anloga, a
modelagem de um sistema contnuo no implica na utilizao de um modelo
contnuo. A escolha entre os modelos (ou o uso de ambos) uma funo das
caractersticas do sistema e do objetivo do estudo (BANKS et al., 1996).
Conforme BUFFA & DYER (1977), modelos de simulao em sistemas
gerenciais so usualmente do tipo discreto e so, freqentemente, uma combinao
de processos determinsticos e estocsticos, especialmente em modelos
representando um sistema complexo.
65
5. 4 Vantagens e desvantagens
5. 5 Metodologia da simulao
9. Anlise de resultados
10. Documentao e implementao
Estgios da investigao;
Avaliadores de desempenho que sero utilizados para medir a
eficcia de diferentes configuraes do sistema;
Escopo do modelo;
Configuraes do sistema a ser modelado (limites, restries,
entidades, processos etc.);
Equipamento e programa de simulao a serem utilizados;
Estrutura de tempo para o estudo e recursos requeridos.
das idias obtidas para melhorar o modelo. Esse processo repetido at que a
confiabilidade do modelo seja julgada aceitvel (BANKS et al.,1996).
Dentre as tcnicas de ponderao da validade e credibilidade do modelo,
pode-se citar:
Coleta de informaes e dados de alta qualidade no sistema:
o Comunicao com especialistas no sistema;
o Observaes do sistema;
o Teoria existente;
o Resultados relevantes de estudos de simulao similares;
o Experincia e intuio dos modeladores;
Interao constante entre gerente e analista;
Manuteno de documentao sobre suposies e desempenho;
Tcnicas quantitativas para validao de componentes do modelo;
Validao da sada do modelo de simulao;
o Comparao das sadas do modelo e do sistema.
o Anlise de especialistas.
Animao.
5. 6 Ferramentas de simulao
Formulao do
Modelo na forma Programa de
Problema problema e
descrio do de mudana de simulao
modelo
estado
Analista
5.6.3.1 STELLA
Pincel
Janela
Tabela
Fantasma
Visualizador
numrico
Dinamite
Conversor
Conector
Fluxo
Boto
Grfico
Texto
Indicador
Blocos Ferramentas
Objetos
FIGURA 17 - Barra de tarefas da camada de construo do modelo
Lista de entradas
Estrutura de grficos
Bundled flow
Realimentao
Dispositivo de aviso
Bundled connector
Interruptor
Boto giratrio
Comutador
Grfico de entrada
Process Frame
Boto
Pincel
Tabela
Dinamite
Grfico
Texto
Indicador
Visualizador
numrico
Ferramentas
Blocos
Objetos
FIGURA 18 - Barra de tarefas da camada superior
89
Objetos
- Boto: facilita a interao entre os usurios finais e seu modelo atravs da
reduo do nvel de habilidade necessrio em programao e fluncia de
linguagem. Quando selecionados, os botes realizam uma de vrias
operaes: navegar para uma nova localizao, executar um comando do
menu ou prover eventuais informaes;
- Janela: possibilita a criao de diferentes setores. Ela usada para
agrupar funcionalmente partes relacionadas da estrutura do modelo e para
exibir imagens grficas;
- Objeto de compresso espacial: fornece um mecanismo para gerenciar a
complexidade do diagrama. Como seu nome sugere, ele habilita o usurio
a comprimir o espao associado lgica detalhada de um modelo;
- Grfico: fornece um grfico para exibir a sada numrica das simulaes;
- Tabela: tambm utilizado para exibir a sada numrica das simulaes;
- Visualizador numrico: exibe a sada corrente associada s variveis do
modelo assinaladas;
- Bloco de Texto: exibe textos e observaes geradas pelo usurio;
- Realimentao: so visualizaes simplificadas do modelo. Os
diagramas de realimentao so figuras simples que identificam processos
de causa e efeito que trabalham para gerar padres de comportamento
dinmico;
- Interruptor: tem como funo principal ativar ou desativar conversores e
janelas;
- Grfico de entrada: este dispositivo habilita o usurio do modelo a (1)
ter uma rpida visualizao do formato de uma funo grfica, (2) editar
uma funo grfica a partir de uma camada superior, (3) restaurar uma
funo grfica para as relaes definidas pelo autor do modelo e (4)
animar funes grficas durante uma simulao;
91
Ferramentas
- Indicador: uma ferramenta de edio de propsito geral. usado para
selecionar, mover, abrir e editar blocos de construo e objetos.
- Pincel: seu propsito adicionar cor ao modelo.
- Dinamite: usada para eliminar blocos de construo e objetos do espao
de diagrama, e equaes (com seus blocos de construo associados) do
espao de equaes.
- Fantasma: sua funo fazer rplicas de estoques, fluxos e conversores
individuais. Um fantasma de uma entidade no tem identidade
independente, simplesmente uma imagem do bloco de construo a
partir do qual foi gerado. A rplica no tem uma equao prpria. Quando
se seleciona a rplica fantasma, a caixa de dilogo que surge pertence, na
verdade, ao bloco original.
Aquisio de
Conhecimento
6. 1 Viso sistmica
6.1.1 Histrico
de abrigar fenmenos similares das mais distintas reas. Ele sistematizou as novas
idias cientficas que vinham permeando a cincia desde a virada do sculo XX, as
quais postulavam uma abordagem de todos integrados (ARAJO, 1995).
Antes da Teoria dos Sistemas, a doutrina corrente era a Mecanicista. Sua
denominao vem da palavra mquina, e nela a compreenso de algo era feita atravs
da anlise de suas partes (nfase nas partes). Essa caracterstica tem sido chamada de
pensamento analtico. De acordo com o pensamento analtico, quando se tem um
fenmeno ou problema complexo, deve-se reduzi-lo a um conjunto de partes simples
e facilmente compreensveis, estuda-se os mecanismos atravs dos quais essas partes
interagem e volta-se a juntar as peas. Essa era, segundo seus utilizadores, a forma de
se compreender o todo. A TABELA 05 apresenta as principais caractersticas do
mtodo analtico.
perceptivos integrados. A famosa frase O todo maior do que a soma das partes
foi autoria dos psiclogos da Gestalt (CAPRA, 2001).
6. 2 Dinmica de Sistemas
Ainda, segundo o mesmo autor, o ltimo item poderia ser lido como o uso da
simulao computacional para traar a resposta do sistema, mas o ponto principal
no a obteno da resposta no tempo, e sim a inspeo das caractersticas
comportamentais e a sugesto de mudanas nessa base.
Para FORRESTER (1961), a caracterstica-chave do Pensamento Sistmico est
na interdependncia, ou seja, na forma como os elementos de um sistema esto
101
ligados uns aos outros, o que, para ele, mais importante do que a anlise puntual
destes elementos de forma independente.
6.2.1 Histrico
de um horizonte de tempo apropriado e de uma direo para uma resoluo geral das
dificuldades e vulnerabilidades na fase de definio do problema.
6.2.2 Metodologia
Reconhecimento do Problema
Conceituao do Sistema
Comportamento do Modelo
Avaliao do Modelo
Anlise de Poltica
Uso do Modelo
FIGURA 21 - Pesquisa em SD
Fonte: ANDERSEN & RICHARDSON (1980)
6.2.3 Caractersticas
(1980), o lao de realimentao um caminho que conecta deciso, ao, nvel (ou
estado) do sistema e informao, com posterior retorno ao ponto de deciso. A
FIGURA 22 mostra a estrutura bsica dos laos de realimentao e a FIGURA 23
esboa um exemplo desse tipo de estrutura.
Deciso
Entretanto, aps algum tempo de subida do dlar, as pessoas comeam a se dar conta
que a cotao cambial passou dos limites do razovel e passam a vender o dlar,
aumentando a oferta e baixando a cotao (VILLELA, 2000).
Segundo LEGASTO et al.(1980), qualquer sistema formado pela interconexo
de laos de realimentao. Mas, em uma hierarquia inferior, cada lao contm uma
subestrutura. H dois tipos fundamentais de elementos variveis com os quais os
laos so formados, os nveis e as taxas.
As variveis de nvel (ou estado) representam as condies do sistema em
qualquer instante de tempo. As variveis de nvel acumulam os resultados de aes
dentro do sistema. No pacote de simulao STELLA, eles so representados pelo bloco
Estoque. A computao de um novo valor de uma varivel de nvel envolve o seu
valor anterior, as taxas que causam a mudana no nvel e o lapso de tempo desde a
ltima computao do nvel. As variveis de estado acumulam os fluxos descritos
pelas variveis de taxa. As variveis de nvel so as acumulaes em um sistema. Os
nveis acumulam a diferena entre as taxas de entrada e sada.
Por outro lado, as variveis de taxa (ao) revelam a que velocidade os nveis
esto mudando. Elas no determinam os valores presentes das variveis de nvel, e
sim o formato (mudanas por unidade de tempo) destas. A computao do valor de
uma varivel de taxa feita usando somente os valores das variveis de nvel e de
constantes. As variveis de ao no dependem de seu valor passado, do intervalo de
tempo entre as computaes ou de outras variveis de taxa.
DYNAMO PLUS
O DYNAMO (DYNAmic MOdelling) foi a primeira linguagem de simulao de
SD, e por um longo tempo a linguagem e o campo foram considerados sinnimos.
Tornou-se disponvel comercialmente no comeo dos anos 60; inicialmente operando
106
STELLA/ithink
Introduzido originalmente para o computador Macintosh, em 1984, o
programa Stella forneceu uma ferramenta com orientao grfica para o
desenvolvimento de modelos SD. O STELLA usado para solues educacionais,
enquanto o ithink voltado para a rea de negcios. Devido s suas caractersticas
poderosas e sua facilidade de uso, o STELLA/ithink uma das ferramentas de
modelagem de SD mais populares. Ele permite traar diagramas de estoque e fluxo e
mapear a estrutura do sistema, antes de se entrar com as equaes. Mais detalhes
podem ser adicionados, elementos podem ser agrupados em sub-modelos, e
possvel analisar com mais detalhes partes especficas de modelos complexos.
CAPTULO 7 Desenvolvimento das simulaes
cada pedido que a firma recebe deve passar por trs processos antes de ser
transformado no produto final (componentes plsticos). Esses processos
so molde, corte e montagem;
o tempo gasto por uma ordem em um processo um valor estocstico
com distribuio de probabilidade conhecida.
Segundo EMSHOFF & SISSON (1970), esse problema mais bem entendido
usando-se uma representao do fluxo de trabalhos atravs da fbrica, como mostra a
FIGURA 25.
Processos
Chegada de
trabalhos
Molde
Corte
Montagem
Trabalhos
completos
Para atingir seu objetivo, o sistema ser estudado a partir da variao dos
parmetros de seu modelo, conforme descrito na TABELA 08.
O sistema de fila simulado foi extrado do livro de EMSHOFF & SISSON (1970),
sendo, portanto, um exemplo fictcio. Assim, no h coleta de dados empricos
diretamente do sistema, e os dados relativos ao sistema estudado referem-se queles
da bibliografia citada. Valores resultantes das distribuies de probabilidade tericas
sero utilizados como entradas no modelo.
Ao mesmo tempo em que ocorre a coleta de dados, o sistema sob
investigao abstrado atravs de um modelo conceitual. Nesta etapa,
especificaram-se os componentes, variveis, parmetros e relaes funcionais do
modelo. Alm disso, examinou-se a realidade para incluir dinmicas de
realimentao importantes, fatores externos so trazidos para o interior dos limites do
modelo. Ligaes com outras funes na organizao no foram consideradas.
Para a construo do modelo conceitual (assim como do modelo de
simulao) utilizou-se o mtodo de se iniciar com um modelo simples e depois
aumentar sua complexidade progressivamente. Nesse item, houve o cuidado de se
garantir um nvel apropriado de complexidade do modelo, pois modelos muito
complicados apenas acrescentam esforo computacional, enquanto que modelos
muito simples no representam adequadamente o sistema.
116
Na FIGURA 29, por sua vez, observa-se o modelo de simulao em si. Nele,
h quatro setores simulados: chegadas, molde, corte e montagem. No setor
chegadas, modelou-se a entrada dos trabalhos na fbrica. Com base na literatura e
em modelos similares, determinou-se que a distribuio que melhor descreve as
chegadas a de Poisson. Tambm foi modelado o lao de realimentao do sistema.
Esse lao baseia-se no fato de que uma empresa rejeita pedidos caso haja um excesso
de produtos no sistema (principalmente nos estoques em processo). Assim, a taxa de
chegadas influenciada pelo tamanho das filas; quanto maior o tamanho das filas,
menor a taxa de chegadas.
120
Pode ser feita de duas formas: pela comparao das sadas do modelo e do
sistema e pela anlise de especialistas. Como no h um sistema real para
comparao, empregou-se mais uma vez a anlise de especialistas para se determinar
se os dados de sada eram coerentes com o sistema modelado.
123
7. 9 Anlise de resultados
comportamento similar, sendo por isso aqui omitido. A tabela completa, com todas
as situaes pesquisadas, apresentada nos anexos.
A primeira, e mais evidente, concluso que se pode tirar que o critrio para
aceitao de novas encomendas, baseado no tamanho das filas, faz com que o
nmero de elementos esperando em qualquer uma das trs filas nunca atinja valores
muito elevados (no caso aqui estudado, a maior fila observada possua treze
elementos em espera, como se pode observar na tabela). Isto indica que o critrio
utilizado eficiente no propsito de manter as filas sob controle.
como o critrio para aceitao de novos pedidos o tamanho mximo das filas
presentes no sistema, a taxa de aceitao diminuir de maneira acentuada. Haver,
ento, uma forte flutuao na taxa de pedidos aceitos, o que no desejvel numa
linha de produo, acarretando numa queda na produtividade, perda de clientes e,
conseqentemente, em prejuzos para a empresa. Tal fenmeno no pde ser
observado nos resultados obtidos para as simulaes realizadas neste trabalho, pois o
modelo aqui implementado muito simples e de carter meramente ilustrativo;
modelos mais completos devem levar em conta fatores como produtividade,
capacidade de planejamento, comportamento dos clientes, entre outros, a fim de que
se tenha uma viso confivel do comportamento da organizao frente s possveis
conjunturas encontradas na prtica. Quanto mais completo e fidedigno o modelo,
maior e mais confivel a aquisio de conhecimento.
Pode-se concluir ento que as aes para aumento da capacidade do sistema
devem ser sempre aplicadas aos pontos de restrio, e que o procedimento deve ser
repetido at que se atinja a capacidade e tempo de processamento desejados, ou at
que se atinja os limites de recursos financeiros e de espao.
Nos testes preliminares, investigou-se tambm o papel da capacidade de
atendimento simultneo de cada estao; observou-se que sua influncia no
desempenho global do sistema no muito elevada, de modo que seu estudo foi feito
de forma limitada. Ao final, decidiu-se fixar seu valor em 2 para todas as estaes.
Quanto ao tempo mdio de processamento, verificou-se que este ser tanto
menor quanto melhor for o equilbrio entre as diferentes etapas do processo. Numa
situao ideal, conforme cada elemento vencesse determinada etapa, ele j deveria
encontrar a prxima estao livre que, por sua vez, deveria ter acabado de atender
outro elemento, de maneira a tornar mnimo seu tempo ocioso. Como tal situao, na
prtica, impossvel, deve-se encontrar o melhor equilbrio possvel entre cada uma
das etapas. A melhor maneira de se atingir esse equilbrio manipular o nmero e a
eficincia das estaes at que se atinja o desempenho desejado.
No caso do estudo aqui realizado, a melhor situao verificou-se quando
todas as etapas receberam uma estao adicional. importante observar que, no caso
aqui implementado, o sistema recebe tantos elementos quanto possvel, ou seja, no
h limites de demanda, de maneira que no haver momentos de ociosidade. Em
128
7. 10 Documentao e implementao
CONCLUSO
Alm disso, dois dos maiores benefcios obtidos pelo usurio do modelo ao
aplicar a simulao a um sistema de produo so, primeiro, uma melhor viso
sistmica do efeito que alteraes locais tero sobre o desempenho global do sistema
e, segundo, a possibilidade de uma reflexo sobre os diversos aspectos de um sistema
de produo. Adicionalmente, sua aplicao ao projeto e avaliao de sistemas de
produo traz benefcios como: maior eficincia na utilizao de recursos, reduo
de estoque em processo, maior velocidade e confiabilidade de entrega, menores
custos operacionais etc.
Deve-se ressaltar que, para ser uma ferramenta til, a simulao deve ser
utilizada corretamente: os passos do estudo devem ser seguidos sistematicamente, os
dados devem ser analisados com cuidado e a implementao deve ser conduzida
corretamente. Se tais cuidados forem negligenciados, erros advindos de uma
simulao incorreta causaro danos e prejuzos ao sistema real.
Outra observao refere-se ao crescimento da confiabilidade da simulao
medida que realizada por mais de uma pessoa; o trabalho em equipe conduz a um
maior conhecimento e experincias, alm de tornar menos freqentes erros de
interpretao e de tratamento estatstico.
A simulao computacional mostrou-se til na criao de novos conceitos a
respeito das relaes entre os elementos do sistema estudado e adequada para a
anlise de diferentes cenrios e polticas operacionais, alm de auxiliar de maneira
eficiente na aquisio de conhecimento individual sobre o sistema de produo
simulado.
Tais afirmaes podem ser observadas atravs da maneira como a simulao da
fbrica de componentes plsticos foi capaz de transformar um problema no
estruturado em uma fonte poderosa de conhecimento. As idias para melhoria do
sistema foram traduzidas em mudanas especficas na poltica e estrutura das
estaes de processamento (variaes no nmero de estaes e variaes no tempo
de processamento). Essas mudanas, e seus efeitos, permitiram a aquisio de
conhecimento sobre o sistema.
Assim sendo, conclui-se que a simulao computacional uma ferramenta
muito til na aquisio de conhecimentos sobre o sistema estudado. Isso porque
proporciona a superao de algumas das dificuldades com as quais os tomadores de
134
ANEXOS
ANEXO 1
9 0,5 4 3 2,5 1 1 1
10 0,5 4 3 2,5 1 1 2
11 0,5 4 3 2,5 1 2 1
12 0,5 4 3 2,5 1 2 2
13 0,5 4 3 2,5 2 1 1
14 0,5 4 3 2,5 2 1 2
15 0,5 4 3 2,5 2 2 1
16 0,5 4 3 2,5 2 2 2
17 0,5 4 1,5 5 1 1 1
18 0,5 4 1,5 5 1 1 2
19 0,5 4 1,5 5 1 2 1
20 0,5 4 1,5 5 1 2 2
21 0,5 4 1,5 5 2 1 1
22 0,5 4 1,5 5 2 1 2
23 0,5 4 1,5 5 2 2 1
24 0,5 4 1,5 5 2 2 2
33 0,5 2 3 5 1 1 1
138
41 0,5 2 3 2,5 1 1 1
42 0,5 2 3 2,5 1 1 2
43 0,5 2 3 2,5 1 2 1
44 0,5 2 3 2,5 1 2 2
45 0,5 2 3 2,5 2 1 1
46 0,5 2 3 2,5 2 1 2
47 0,5 2 3 2,5 2 2 1
48 0,5 2 3 2,5 2 2 2
49 0,5 2 1,5 5 1 1 1
50 0,5 2 1,5 5 1 1 2
51 0,5 2 1,5 5 1 2 1
52 0,5 2 1,5 5 1 2 2
53 0,5 2 1,5 5 2 1 1
54 0,5 2 1,5 5 2 1 2
55 0,5 2 1,5 5 2 2 1
56 0,5 2 1,5 5 2 2 2
ANEXO 02
REFERNCIAS BIBLIOGRFICAS
BANKS, J.; CARSON II, J.S.; NELSON, B.L. Discrete-event system simulation. 2.
ed. New Jersey: Prentice Hall, 1996.
CHURCHMAN, C.W. The systems approach. New York: Dell Publ., 1968.
EMSHOFF James R.; SISSON, Roger L. Design and use of computer simulation
models. New York: MacMillan, 1970.
GEUS, A. The living company. Boston: Harvard Business School Press, 1997.
HERMANN, C. C.; MAGEE J.F. Operations research for management. In: BURSK,
E.C.; CHAPMAN, J.F. (Eds). New decision-making tools for managers. New York:
The Mentor Executive Library, 1963.
KHEIR, N.A. (Ed.) Systems modeling and computer simulation. 2. ed. New York:
Marcel Dekker, 1996.
LEGASTO JR, A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System Dynamics.
Amsterdam: North-Holland Publishing Company, 1980.
POLANYI, M. The tacit dimension. Londres: Routledge & Kegan Paul, 1966.
SHANNON, R.E. Systems simulation: the art and science. Englewood Cliffs, N. J.:
Prentice-Hall, 1975.
STARR, P. J. Modeling issues and decision in system dynamics. In: LEGASTO JR,
A. A.; FORRESTER, J.W.; LYNEIS, J.M. (eds.). System Dynamics. Amsterdam:
North-Holland Publishing Company, 1980.