• 

  Case Michelin - Manutenção

  Simulação otimizando as operações de manutenção

  por Hugo Ribeiro da Silveira - Depto. Engenharia Industrial*

"Simulação gerou o ponto ótimo do efetivo para a manutenção."

Sobre a empresa

A oeste do município do Rio de Janeiro, numa área de 800 mil metros quadrados, está implantada a Unidade Industrial de Campo Grande. Inaugurada em 1981, a fábrica produz pneus radiais e câmaras de ar, além de protetores para caminhões e ônibus e bandas de rodagem para a Recamic, a tecnologia de recauchutagem Michelin. Funcionando 358 dias por ano, a fábrica fornece pneus para toda a América do Sul. A produção anual da Unidade Industrial de Campo Grande é de aproximadamente 1,1 milhão de pneus, 1 milhão de câmaras de ar e 1 milhão de protetores.

Objetivos e escopo

Ao avaliar a possibilidade de amplicação de seu parque de máquinas, a Engenharia Industrial da Michelin decidiu trabalhar em um projeto de simulação que facilitasse e agilizasse o gerenciamento de recursos humanos nas atividades da manutenção. Esta atividade é crucial, principalmente em uma planta onde se produzem cerca de 1 milhão e 100 mil pneus por mês, entre outros produtos. Para atingir o resultado desejado, o modelo de simulação construído deveria ser capaz de prever níveis de efetivo de manutenção para diferentes cenários de produção, onde são freqüentes as variações no parque de máquinas e na quantidade que deve ser manufaturada.

Tendo isto em mente, procedeu-se à execução de uma metodologia de trabalho cujos passos podem ser resumidos aos seguintes pontos:

• Levantamento das taxas de panes em todo o parque atual
• Agrupamento dessas taxas em postos semelhantes (estabelecendo amostras diferentes para populações diferentes)
• Criação de padrões estatísticos para ocorrência e tratamento de panes
• Modelagem da situação atual
• Extrapolação do parque com variações em efetivos
• Determinação de um ponto ótimo para o efetivo

A partir do banco de dados do software de controle da manutenção utilizado, foi possível obter dados como histórico de pane de máquinas e de aberturas de ordens de serviço, tempo passado nas manutenções e número de agentes atuantes.

Com auxílio do Stat::Fit, uma ferramenta estatística incorporada ao ProModel, foi possível fazer um tratamento de dados bem apurado, com funções densidade de probabilidade, curvas estatísticas, levantamentos de agentes atuantes em cada posto, taxa de quebras, etc. Aproveitando-se da interface de transferência de dados entre o ProModel e o Stat::Fit, foi possível utilizar aqueles dados estatísticos em conjunto com o efetivo inicial de manutenção proposto (que era o efetivo em operação naquele momento) para modelar os processos produtivos, sempre levando em conta os fluxos de produção e as panes aleatórias. Desta maneira, foi possível analisar informações como: taxa de utilização dos recursos, disponibilidade do parque e análise de picos de demanda do efetivo.

O modelo foi feito de maneira que os resultados finais fossem exportados para planilhas Excel, facilitando a visualização dos resultados e tornando os dados de saída acessíveis mesmo para aqueles que não conhecem o funcionamento do ProModel.

Resultados e Ganhos

Um dos objetivos do projeto de simulação era avaliar a taxa de ocupação do efetivo designado à manutenção. O próprio ProModel gerou dados e gráficos sobre a ocupação do efetivo. Um destes gráficos pode ser visto ao lado. Além da disponibilidade do efetivo, também foi possível analisar a disponibilidade do parque de máquinas, considerando os registros de tempos de espera e tempos de paradas totais gerados em Excel, assim como a disponibilidade média das máquinas agrupadas por setor comum.

Os engenheiros da Michelin também analisaram picos de demanda por serviços de manutenção. Dados sobre filas máximas ocorridas nos postos foram importantes para se determinar a probabilidade de ocorrência de tais picos, gerando informações importantes a respeito de como lidar com eles no sistema real. Depois da análise da operação atual, passou-se a fazer as mesmas análises em cenários alternativos, com modificação do número de mecânicos e máquinas feita no módulo de geração de cenários do ProModel.

Assim, foi possível determinar o ponto ótimo do efetivo da manutenção, obtendo-se então estimativas muito aderentes à realidade e valiosas a respeito de vários indicadores, gerando os seguintes benefícios:

• Cálculo de perdas de produção em Horas-máquina nos gargalos
• Comparação entre custo de mão-de-obra e indisponibilidade do parque
• Determinação de metas de comprometimento frente ao valor da disponibilidade do parque, diminuindo conflitos entre produção e manutenção

Este projeto da Michelin mostra uma nova abordagem ao tradicional problema da manutenção. Ao invés de usar a intuição, a Michelin aposta cada vez mais no ProModel para aumentar o grau de confiança nas suas decisões, um dos fatores que a coloca como uma das líderes do mercado de pneus no Brasil e no mundo.

*Resumo de palestra proferida na Innovation 2001