Desenvolvimento e análise de um modelo de simulação de uma fábrica de drones

A indústria 4.0 visa a mudança de tecnologias e métodos aplicados em modelos de produção através da automação de sistemas, aplicação de redes inteligentes de análise, monitoramento e otimização, armazenamento de dados e informações e redução de desperdícios. Isso garante maior eficiência operacional e produtividade, além de inovação na produção, flexibilidade, personalização de produtos e potencial de mercado. Uma das metodologias presentes neste sistema é o Advanced Analytics que consiste no desenvolvimento de previsões utilizando dados conhecidos e realização de simulações que permitam analisar diferentes tipos de cenários. Esta avaliação é feita através da criação de um baseline para realização de análise de conformidade com outros estados do sistema, além de auxiliar na tomada de decisões, prevenção de falhas e otimizações.
Assim, a criação de uma simulação de eventos discretos de uma linha de produção se mostra relevante diante desse cenário, uma vez que base de dados reais são de acesso limitado. O objetivo deste trabalho é o desenvolvimento do modelo para descrever detalhadamente os eventos que ocorrem no processo, desde a chegada de matéria prima ao armazenamento de produto final. Além disso, utilizar indicadores de desempenho do sistema para avaliar diferentes cenários simulados. Estes são criados através de mudanças de parâmetros de entrada do sistema e de características operacionais, como a aplicação da metodologia Just in Time na linha de produção.
A metodologia de composição do modelo é aplicada no Simio, software de simulação com modelagem 3D baseado em objetos, onde é possível gerar um modelo de linha de produção de uma fábrica de drones que caracteriza seu processo de montagem e armazenamento. Aplicando técnicas de mineração de processos no modelo desenvolvido, são retirados os principais dados para realização de análises como registro de atividades, tempos de execução e identificação de produtos. Com isso, e possível avaliar métricas como a produtividade de cada estação, o tempo médio de ciclo e de espera na fila, o fator de utilização e a probabilidade de desocupação de cada máquina.
Como resultado, é esperado que esta modelagem permita a avaliação de sistemas complexos com diversos estágios e estados, com interações entre variáveis. Assim, avaliar como um parâmetro de entrada de matéria prima ou de tempo de processamento de uma máquina afeta as métricas de desempenho e os produtos finais. Isto possibilita a identificação de pontos críticos na linha de produção e avaliação de diferentes cenários, selecionando qual é o melhor ponto de atuação através análise de indicadores.