Análise e melhoria de fluxos em operações intralogísticas de retalho através da aplicação de conceitos Lean e simulação discreta

Universidade do Minho Escola de Engenharia José Luís Leitão de Matos Análise e melhoria de fluxos em operações intralogísticas de retalho através da aplicação de conceitos Lean e simulação discreta Janeiro de 2025 Universidade do Minho Escola de Engenharia José Luís Leitão de Matos Análise e melhoria de fluxos em operações intralogísticas de retalho através da aplicação de conceitos Lean e simulação discreta Dissertação de Mestrado em Engenharia e Gestão de Operações Ramo de Especialização em Gestão Industrial Trabalho efetuado sob a orientação de Professor Doutor Bruno Samuel Ferreira Gonçalves Professor Doutor Rui Manuel de Sá Pereira de Lima Janeiro de 2025 ii DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROS Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos. Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada. Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não previstas no licenciamento indicado, deverá contactar o autor, através do RepositóriUM da Universidade do Minho. Licença concedida aos utilizadores deste trabalho Atribuição CC BY https://creativecommons.org/licenses/by/4.0/ iii AGRADECIMENTOS "Enjoy the butterflies, enjoy being naïve. Enjoy the nerves, the pressure, people not knowing your name. Enjoy the process of making a name for yourself, getting faster and faster with each lap and meeting some great people along the way. Bring friends along. Bring family along. Don't assume they'll be a distraction. Don't be afraid to surround yourself with people you care about and love." - Daniel Ricciardo Ao meu orientador, Professor Doutor Bruno Gonçalves, pela dedicação, honestidade e paciência. Agradeço pela partilha de conhecimento crucial ao desenvolvimento deste projeto, pelo apoio e pelo envolvimento constante que permitiram ultrapassar sucessivas barreiras. Ao meu orientador, Professor Doutor Rui Lima, pela disponibilidade e por ter tornado possível a concretização deste projeto. Agradeço pela seriedade e sabedoria partilhada ao longo do mesmo. Aos membros das equipas de Gestão Industrial e de Ergonomia e Fatores Humanos do projeto Smart Retail, pelo companheirismo e reconhecimento de todo o esforço colocado neste projeto. Um obrigado especial ao Luís e à Mariana, pelas boas memórias criadas e apoio incondicional, e à Elisa por todas as lições de vida, pela honestidade e compreensão nos bons e maus momentos. À Maria, por me ouvir e me apoiar de forma incansável, por nunca deixar de acreditar em mim e por fazer parte de todas as minhas conquistas. Aos meus pais, por todo o carinho, apoio e especial compreensão nos momentos mais difíceis. iv DECLARAÇÃO DE INTEGRIDADE Declaro ter atuado com integridade na elaboração do presente trabalho académico e confirmo que não recorri à prática de plágio nem a qualquer forma de utilização indevida ou falsificação de informações ou resultados em nenhuma das etapas conducente à sua elaboração. Mais declaro que conheço e que respeitei o Código de Conduta Ética da Universidade do Minho. v Análise e melhoria de fluxos em operações intralogísticas de retalho através da aplicação de conceitos Lean e simulação discreta RESUMO No contexto atual de crescente competitividade e clientes cada vez mais exigentes, o setor de retalho apresenta cada vez mais preocupações relativamente à eficiência das suas operações. Para além disso, este é um setor que tem como base um conjunto de atividades intralogísticas de elevado esforço físico. Assim, este projeto surgiu com o intuito de analisar e melhorar o desempenho operacional e ergonómico das atividades desde a receção até à reposição de produtos na loja Continente Modelo de Paredes e desenvolver propostas de melhoria em ambos os eixos, aplicando conceitos Lean e técnicas de simulação discreta. A investigação teve por base a metodologia “ Action-Research ” e foi suportada com dados referentes às atividades realizadas na retaguarda e no espaço comercial da loja. Realizaram-se recolhas de dados que foram submetidos a tratamento analítico, garantindo a parametrização precisa das diferentes atividades em estudo. Partindo desta base, construiu-se um modelo de simulação representativo do modo de operação atual, recorrendo ao software Simio . Utilizando os princípios inerentes à filosofia Lean e à ergonomia, foram desenvolvidos cenários alternativos, com o objetivo de avaliar a viabilidade de implementação de diferentes soluções tanto a nível operacional quanto ergonómico. Os resultados do modelo sublinham a relevância da filosofia Lean na definição de sistemas eficazes. A redução do tamanho dos lotes de trabalho resultou na redução do tempo de atravessamento do produto em cerca de 81,1% e do WIP da zona de retaguarda em cerca de 84,9%. Para além disso, esta solução mostrou-se capaz de formar um sistema com potencial ergonómico quando integrada com outros equipamentos. O estado atual caracteriza-se pelos índices de Mital e NIOSH superiores a 1, demonstrando a exigência física deste sistema. A integração de várias soluções propostas mostrou-se capaz de reduzir estes índices para condições ideais de trabalho. PALAVRAS-CHAVE Eficiência operacional, Lean, Ergonomia, Simulação, Retalho vi Analysis and improvement of flows in retail intralogistics operations through the application of Lean concepts and discrete-event simulation ABSTRACT In the current context of growing competitiveness and more demanding customers, the retail sector is increasingly concerned about the efficiency of its operations. In addition, this is a sector that relies on a set of intralogistics activities that require a lot of physical effort. Therefore, this project was designed to analyze and improve the operational and ergonomic performance of activities from product reception to replenishment at the Continente Modelo store in Paredes and to develop proposals for improvement in both aspects, applying Lean concepts and discrete-event simulation techniques. The research was based on “Action-Research” methodology and was supported by data relating to the activities carried out in the store's warehouse and commercial space. Data was collected and submitted to analytical treatment, ensuring accurate parameterization of the different activities under study. On this basis, a simulation model representing the current operating mode was built using Simio software. Using the principles inherent in the Lean philosophy and ergonomics, alternative scenarios were developed with the aim of assessing the viability of implementing alternative solutions at both operational and ergonomic levels. The results of the model underline the relevance of the Lean philosophy in defining efficient systems. Reducing the size of work batches resulted in a reduction in product throughput time of around 81.1% and in the WIP of the warehouse area of around 84.9%. In addition, this solution proved to be capable of producing a system with ergonomic potential when integrated with other equipment. The current state is characterized by Mital and NIOSH indexes greater than 1, demonstrating the physical demand of this system. The integration of several proposed solutions proved capable of reducing these levels to ideal working conditions. KEYWORDS Operational efficiency, Lean, Ergonomics, Simulation, Retail vii ÍNDICE Agradecimentos .................................................................................................................................. iii Resumo ............................................................................................................................................... v Abstract .............................................................................................................................................. vi Índice ................................................................................................................................................ vii Índice de Figuras ................................................................................................................................ xi Índice de Tabelas ............................................................................................................................. xvi Lista de Abreviaturas, Siglas e Acrónimos ......................................................................................... xviii 1. Introdução .................................................................................................................................. 1 1.1 Enquadramento ................................................................................................................. 1 1.2 Objetivos ............................................................................................................................ 2 1.3 Metodologia de Investigação ............................................................................................... 2 1.4 Estrutura da Dissertação .................................................................................................... 4 2. Enquadramento Teórico .............................................................................................................. 5 2.1 Sistema de Produção Toyota .............................................................................................. 5 2.1.1 Casa do Sistema de Produção Toyota ............................................................................ 6 2.1.2 Lean Thinking ................................................................................................................ 7 2.1.3 Tipos de Desperdícios .................................................................................................... 8 2.2 Conceitos Lean no Retalho ................................................................................................. 9 2.3 Simulação ........................................................................................................................ 12 2.3.1 Tipos de modelos de simulação ................................................................................... 13 2.3.2 Simulação Discreta ( Discrete-Event Simulation - DES) ................................................... 14 2.3.3 Construção de um modelo de simulação discreta ......................................................... 14 2.3.4 Software Simio ............................................................................................................. 16 2.4 Ergonomia ....................................................................................................................... 19 2.4.1 Lesões Músculo-esqueléticas Relacionadas com o Trabalho (LMERT) ............................ 21 2.4.2 NIOSH ......................................................................................................................... 22 2.4.3 Guia de Mital para Manuseamento Manual de Materiais ............................................... 22 3. Enquadramento do Projeto ........................................................................................................ 23 viii 3.1 MC Sonae ........................................................................................................................ 23 3.2 Modelo Y ......................................................................................................................... 25 3.3 Projeto A e Projeto B&C ................................................................................................... 26 3.4 Loja em estudo ................................................................................................................ 28 3.4.1 Percurso dos produtos dentro da loja ........................................................................... 28 3.4.2 Planta e organização intralogística do Continente Modelo de Paredes ........................... 29 3.4.3 Caracterização das operações e fluxos da loja .............................................................. 30 4. Descrição analítica do processo atual e parametrização do modelo de simulação ....................... 32 5. Desenvolvimento e modelação das operações de loja ................................................................ 40 5.1 Modelação das atividades de despicking e manuseamento de materiais ........................... 43 5.2 Modelação das atividades de transporte e reposição na loja .............................................. 52 5.3 Modelação de parâmetros para geração de cenários alternativos ...................................... 62 5.3.1 Modelação do cenário alternativo – Utilização de Carrinho ............................................ 62 5.3.2 Modelação do cenário alternativo - Early Trigger ........................................................... 64 5.3.3 Modelação do cenário alternativo - Fluxo Contínuo ........................................................ 65 5.3.4 Modelação do cenário alternativo – Comboio Logístico ................................................. 67 5.4 Modelação de índices ergonómicos .................................................................................. 70 5.4.1 Modelação do Guia de Mital ......................................................................................... 70 5.4.2 Modelação da Equação de NIOSH 91 ........................................................................... 77 5.5 Plano Experimental .......................................................................................................... 86 6. Interpretação e Discussão dos resultados obtidos e Propostas de melhoria ................................ 89 6.1 Framework de Indicadores e Dimensão do Plano Experimental ......................................... 89 6.2 Discussão de Resultados – Análise Operacional ................................................................ 92 6.2.1 Experiência Operacional I – Implementação de um comboio logístico ........................... 93 6.2.2 Experiência Operacional II – Variação do tamanho de lote de trabalho ( Trigger ) ............ 95 6.2.3 Experiência Operacional III – Variação integrada do Trigger e do tamanho do ................ 97 comboio logístico ...................................................................................................................... 98 6.2.4 Experiência Operacional IV – Substituição das paletes de reposição por carrinhos ......... 99 6.2.5 Experiência Operacional V – Variação do número de colaboradores ............................ 100 6.2.6 Experiência Operacional VI – Introdução de um fluxo contínuo .................................... 102 xv Figura 118 - Processo "Tbl_Write_NIOSH_5" .................................................................................. 153 Figura 119 - Processo "Tbl_Write_NIOSH_5_Aux_1" ...................................................................... 154 Figura 120 - Processo "Tbl_Write_NIOSH_5_Aux_2" ...................................................................... 155 Figura 121 - Gráficos da experiência operacional III com utilização de carrinhos em Dashboard Power BI ...................................................................................................................................................... 156 Figura 122 - Gráficos da experiência operacional III com 2 colaboradores em Dashboard Power BI .. 156 Figura 123 - Gráficos da experiência operacional III com 3 colaboradores em Dashboard Power BI .. 157 Figura 124 - Gráficos da experiência operacional III com introdução de um SIP em Dashboard Power BI ...................................................................................................................................................... 157 Figura 125 - Gráficos da experiência operacional III com paletes do tipo 1 em Dashboard Power BI . 158 Figura 126 - Gráficos da experiência operacional III com paletes do tipo 2 em Dashboard Power BI . 158 Figura 127 - Gráficos da experiência operacional VI com utilização de carrinhos em Dashboard Power BI ...................................................................................................................................................... 159 Figura 128 - Gráficos da experiência operacional VI com 2 colaboradores em Dashboard Power BI .. 159 Figura 129 - Gráficos da experiência operacional VI com 3 colaboradores em Dashboard Power BI .. 160 Figura 130 - Gráficos da experiência operacional VI com introdução de um SIP em Dashboard Power BI ...................................................................................................................................................... 160 Figura 131 - Gráficos da experiência operacional VI com paletes do tipo 1 em Dashboard Power BI . 161 Figura 132 - Gráficos da experiência operacional VI com paletes do tipo 2 em Dashboard Power BI . 161 Figura 133 - Tabela Mital de força inicial para atividades de empurrar com 2 mãos (Parte 1) ........... 163 Figura 134 - Tabela Mital de força inicial para atividades de empurrar com 2 mãos (Parte 2) ........... 164 Figura 135 - Tabela Mital de força de manutenção para atividades de empurrar com 2 mãos (Parte 1) ...................................................................................................................................................... 165 Figura 136 - Tabela Mital de força de manutenção para atividades de empurrar com 2 mãos (Parte 2) ...................................................................................................................................................... 166 Figura 137 - Tabela Mital de força inicial para atividades de puxar com 2 mãos (Parte 1) ................. 167 Figura 138 - Tabela Mital de força inicial para atividades de puxar com 2 mãos (Parte 2) ................. 168 Figura 139 - Coeficiente máximo mital de força inicial e de manutenção para atividades de puxar com 1 mão ............................................................................................................................................... 169 xvi ÍNDICE DE TABELAS Tabela 1 - Biblioteca Padrão de Objetos ............................................................................................ 19 Tabela 2 - Negócios do grupo MC (MC, 2024) ................................................................................... 25 Tabela 3 - Tratamento de categorias existentes ................................................................................. 34 Tabela 4 - Estatísticas descritivas do número de caixas por palete ..................................................... 35 Tabela 5 - Estatísticas descritivas do número de caixas por palete ..................................................... 37 Tabela 6 - Distribuição percentual do número de categorias .............................................................. 39 Tabela 7 - Fatores de tempo para paletes com cerca de 2,10m ......................................................... 46 Tabela 8 - Fatores de tempo para paletes com cerca de 1,80m ......................................................... 46 Tabela 9 - Possibilidade de destinos de cada produto ........................................................................ 47 Tabela 10 - Tabela output com os destinos de despicking .................................................................. 50 Tabela 11 - Tipos de palete categoria segundo capacidade máxima ................................................... 52 Tabela 12 - Matriz de distâncias entre os pontos de interesse, em metros. ........................................ 53 Tabela 13 - Tabela output com os destinos de reposição ................................................................... 59 Tabela 14 - Fatores de tempo com carrinho para paletes mãe com cerca de 2,10m .......................... 63 Tabela 15 - Fatores de tempo com carrinho para paletes mãe com cerca de 1,80m .......................... 64 Tabela 16 - Tabela “tbl_outp_NIOSH_aux”, ...................................................................................... 81 Tabela 17 - Excerto exemplo da tabela "tbl_outp_NIOSH_Base" ....................................................... 83 Tabela 18 - Tabela exemplificativa do agrupamento das instâncias em tarefas NIOSH 91 (“tbl_outp_NIOSH2”) ....................................................................................................................... 85 Tabela 19 - Tabela exemplificativa do resultado da tabela “tbl_outp_NIOSH3” ................................... 85 Tabela 20 - Excerto exemplo da tabela "tbl_outp_NIOSH4" ............................................................... 86 Tabela 21 - Exemplo do resultado da tabela “tbl_outp_NIOSH_Results” ............................................ 86 Tabela 22 - Grupos do plano experimental ........................................................................................ 87 Tabela 23 - Parâmetros e domínios do plano experimental ................................................................ 87 Tabela 24 - Framework de indicadores operacionais .......................................................................... 89 Tabela 25 - Framework de indicadores ergonómicos ......................................................................... 90 Tabela 26 - Definição do número de replicações de análise operacional ............................................. 91 Tabela 27 - Definição do número de replicações de análise ergonómica ............................................ 92 Tabela 28 - Tabela Mital de força inicial para atividades de empurrar com 2 mãos (género feminino) ...................................................................................................................................................... 134 xvii Tabela 29 - Tabela Mital de força inicial para atividades de empurrar com 2 mãos (género masculino) ...................................................................................................................................................... 135 Tabela 30 - Tabela Mital de força de manutenção para atividades de empurrar com 2 mãos (género feminino) ........................................................................................................................................ 136 Tabela 31 - Tabela Mital de força de manutenção para atividades de empurrar com 2 mãos (género masculino) ..................................................................................................................................... 137 Tabela 32 - Tabela Mital de força inicial para atividades de puxar com 2 mãos (género feminino) ..... 138 Tabela 33 - Tabela Mital de força inicial para atividades de puxar com 2 mãos (género masculino) .. 139 Tabela 34 - Tabela Mital de força de manutenção para atividades de puxar com 1 mão (género feminino) ...................................................................................................................................................... 140 Tabela 35 - Tabela Mital de força de manutenção para atividades de puxar com 1 mão (género masculino) ...................................................................................................................................................... 140 Tabela 36 - Tabela de forças e coeficientes de atrito estático - paletes ............................................. 141 Tabela 37 - Tabela de forças e coeficientes de atrito dinâmico - paletes ........................................... 141 Tabela 38 - Tabela de forças e coeficientes de atrito estático - carrinhos .......................................... 142 Tabela 39 - Tabela de forças e coeficientes de atrito dinâmico - carrinhos ........................................ 142 Tabela 40 - Posição horizontal e vertical inicial de paletes de 2,10m ................................................ 145 Tabela 41 - Posição horizontal e vertical inicial de paletes de 1,80m ................................................ 146 Tabela 42 - Posição horizontal e vertical final de paletes de reposição ............................................. 147 Tabela 43 - Posição horizontal e vertical final de carrinhos de reposição .......................................... 148 Tabela 44 - Tabela NIOSH 91 - multiplicador de frequência ............................................................. 170 Tabela 45 - Tabela NIOSH 91 - multiplicador de pega ...................................................................... 170 xviii LISTA DE ABREVIATURAS, SIGLAS E ACRÓNIMOS BPMN - Business Process Model and Notation CAD - Computer Aided Design DES – Discrete Event Simulation HFE - Human Factors and Ergonomics IE – Índice de Elevação IEA - International Ergonomics Association JIT – Just-in-Time LIA – Logística Interna Alimentar LINA - Logística Interna Não Alimentar LMERT - Lesões Musculoesqueléticas Relacionadas com o Trabalho NIOSH - National Institute for Occupational Safety and Health OSA - On-Shelf Availability OOS – Out-of-Stocks PLR – Peso Limite Recomendável SIP – Sistema de Inclinação de Paletes TPS – Toyota Production System UE – União Europeia WIP - Work in Progress 1 1. INTRODUÇÃO Neste capítulo será realizado o enquadramento do projeto de dissertação, tendo em conta o contexto real do estudo, serão apresentados os objetivos do mesmo, a metodologia de investigação utilizada no desenvolvimento deste estudo e, por fim, a apresentação da estrutura geral deste documento. 1.1 Enquadramento As empresas do setor de retalho alimentar oferecem uma grande variedade de produtos frescos, estes que, normalmente, representam cerca de 40% das receitas das cadeias deste setor. Tendo em conta isto e a constante evolução competitiva da área, o aparecimento de soluções cada vez mais inovadoras e os clientes cada vez mais exigentes, este setor tem apresentado cada vez mais preocupação com a eficácia e eficiência operacional dos seus processos (Cortés Rodríguez et al., 2023; Marques et al., 2022). Assim, a implementação de técnicas Lean tem vindo a ganhar relevância no setor de retalho e torna-se um passo imprescindível para atingir uma eficiência operacional de excelência. De acordo com Jaca et al (2012), no setor do retalho, minimizar o desperdício envolve ações como fazer uma boa gestão de inventário, utilizar de forma mais eficiente o espaço da loja, tendo como foco produtos de valor mais elevado, melhorar a eficiência de transporte e logística, e prevenir o aparecimento de produtos defeituosos. No entanto, a disponibilidade de produto, definida como a probabilidade de ter um produto em stock quando um cliente chega, é provavelmente o indicador-chave de nível de serviço ao cliente no retalho (Calvo et al., 2023; Marques et al., 2022). Neste contexto, pode-se dizer que os armazéns são uma área de prioridade máxima na gestão de retalho, já que a maioria das ações de eliminação de desperdício ocorre, direta ou indiretamente, nestes locais. Assim, o inventário é um dos tópicos de pesquisa mais populares quando o assunto é retalho (Dunkin et al., 2009). As atividades realizadas no armazém incluem a receção, despicking e/ou separação, armazenamento, picking , embalamento e expedição (Aminoff et al., 2002). Quando lidamos com a eficiência do armazém, referimo-nos à aplicação do Lean Warehousing que aplica práticas Lean nas atividades mencionadas acima. Devido às atuais exigências complexas do mercado, há uma necessidade de criar processos flexíveis e ambientes de melhoria contínua. Nestes casos, o desenvolvimento de modelos de simulação representa um recurso na tomada de decisões de procedimento (Abideen & Mohamad, 2021a). Como Smith & Sturrock (2021) afirmam, o mundo tende a ser complexo e isso é uma das razões que tornou a 2 simulação tão popular. É uma ferramenta poderosa para representar, experimentar e explicar sistemas do mundo real. Ao simular sistemas futuros hipotéticos, podemos testar e estudar esses sistemas com o objetivo de melhorar o desempenho geral dos mesmos. Esta gama de técnicas ajuda a ganhar uma compreensão mais profunda do comportamento dos sistemas complexos e a identificar oportunidades de melhoria (Abideen & Mohamad, 2021a; Afonso et al., 2021; Koshnevis, 1994). 1.2 Objetivos Os principais objetivos deste projeto passam por melhorar a eficiência operacional e a ergonomia dos processos associados aos fluxos (receção, despicking , armazenamento e reposição) de várias famílias de produtos existentes nos vários supermercados MC. Para atingir os objetivos deste estudo, serão utilizadas técnicas de modelação de processos, assim como, um conjunto de modelos de simulação discreta com o propósito de validar a aplicação de propostas de melhoria baseadas no conceito Lean . Assim, esperam-se os seguintes resultados: • Aumento da eficiência e eficácia do fluxo de produtos desde a sua receção até à reposição na placa de vendas; • Redução de esforços ergonómicos relativos aos diferentes processos de logística interna; • Estudo de diferentes padrões de fluxo nas atividades de despicking, transporte e reposição. Tendo em conta os objetivos deste estudo, foram formuladas as seguintes questões de investigação: • De que forma a simulação por eventos discretos e a modelação de processos pode contribuir para a validação de propostas de melhoria, baseadas em conceitos Lean ? • Como é que a eficiência operacional poderá cooperar e/ou interferir com a redução do esforço ergonómico na logística interna dos supermercados? 1.3 Metodologia de Investigação Com vista a atingir todos os trabalhos propostos e resultados esperados, este projeto adota uma metodologia investigação-ação ( action research ). Esta metodologia pretende criar um ambiente colaborativo entre o investigador e o ambiente profissional ( practitioner ) (Creswell et al., 2007). A metodologia action research é conhecida por “ Learning by doing ”, em que, de forma cíclica, o investigador identifica um problema, coloca um plano de resolução em ação, analisa os resultados e, 3 caso não correspondam aos esperados, volta a repetir o processo (O’Brien, 1998). Assim, esta metodologia é constituída por um modelo de cinco fases, que estão representadas na Figura 1. Figure 1 - Modelo de investigação-ação Adaptado de (O’Brien, 1998) Tendo em conta esta metodologia, serão então abordadas as seguintes fases de investigação. • Fase 1: serão realizados o diagnóstico e a análise crítica do funcionamento atual dos processos de logística interna, tendo por base a observação de comportamentos e a recolha e análise de documentos e/ou outras informações relevantes à investigação. • Fase 2: o planeamento de ações a realizar será desenvolvido com vista à implementação eficaz e eficiente daquelas que serão as propostas mais vantajosas em termos operacionais e ergonómicos. • Fase 3: decorrerá a implementação das ações previamente planeadas e discutidas, • Fase 4: o estado pós-implementação irá ser analisado. Será realizada uma análise crítica sobre os resultados obtidos e se os mesmos correspondem ao esperado. • Fase 5: será compilado o conjunto de conclusões acerca deste estudo. Estas conclusões terão em conta as propostas estudadas, aquelas que foram implementadas, mas também as que poderão não ser. Não descartando a importância da melhoria contínua, serão discutidos assuntos relevantes para projetos futuros que possam dar continuidade a esta investigação. 4 1.4 Estrutura da Dissertação A presente dissertação encontra-se dividida em sete capítulos distintos, cada um com um propósito característico, estruturados estrategicamente de forma a potencializar a compreensão clara do estudo desenvolvido. O primeiro capítulo, a Introdução, tem como objetivo proporcionar uma visão geral do projeto. Neste sentido, é explorado o enquadramento do trabalho no contexto real, são apresentados os objetivos do mesmo, a metodologia seguida e, por fim, a estrutura do documento. O segundo capítulo diz respeito ao Enquadramento Teórico, onde é apresentada a base teórica e metodológica que suportou o desenvolvimento de todo o estudo. São abordados conceitos como Lean Thinking , a importância das operações in-store no retalho e simulação discreta e ergonomia. O terceiro capítulo tem como objetivo contextualizar o projeto, ou seja, é apresentado o projeto em que este trabalho foi desenvolvido, é realizada uma descrição do local de estudo e apresentado o funcionamento das tarefas em análise. O capítulo seguinte, denominado de “Descrição analítica do processo atual e parametrização do modelo de simulação”, tem o propósito de caracterizar analiticamente alguns parâmetros relevantes às atividades realizadas nas operações intralogísticas da loja em estudo. O quinto capítulo tem como objetivo explicar como é que o modelo de simulação foi desenvolvido, abordando a modelação de todas as atividades em estudo no seu estado padrão, mas também todos os outros detalhes que foram desenvolvidos com o propósito de garantir um modelo flexível à geração de vários cenários distintos. Por sua vez, no capítulo “Interpretação e Discussão de Resultados obtidos e Propostas de melhoria” são apresentados e analisados, detalhadamente, os resultados obtidos através do modelo desenvolvido, assim como os resultados que dizem respeito a cenários alternativos e hipotéticos. Para além disso, são apresentadas várias propostas de melhoria tendo em conta os resultados obtidos. Por fim, o capítulo sete compreende as considerações finais assim como a proposta de trabalhos futuros relacionados com este estudo. 5 2. ENQUADRAMENTO TEÓRICO O capítulo 2 tem como objetivo apresentar a base teórica e metodológica que suportou o desenvolvimento deste estudo. Desta forma, ao longo deste capítulo serão apresentados os conceitos mais importantes relativos ao Lean e de que maneira este tema se enquadra no setor de retalho, com o propósito de garantir abordagens eficientes e eficazes nas operações deste mesmo setor. Serão também discutidas as características da Simulação Discreta, assim como as suas vantagens, desvantagens e enquadramento neste projeto. Por fim, será feita uma fundamentação teórica da relevância da ergonomia para este estudo. 2.1 Sistema de Produção Toyota O termo Lean surgiu devido a uma abordagem de gestão, disciplinada e orientada ao processo, criada por Taiichi Ohno e Shigeo Shingo num contexto de produção, quando a Toyota lutava pela sua sobrevivência como empresa após a Segunda Guerra Mundial (Womack et al., 1990). Na altura, a Toyota competia com a indústria automóvel da Europa e dos Estados Unidos da América, que utilizavam a técnica de produção em massa com vendas em larga escala. Pelo contrário, o mercado japonês exigia uma grande variedade de produtos, mas com vendas em pequenas quantidades, pelo que a política utilizada pelos seus concorrentes perderia a validade, tornando-se ineficiente no contexto japonês. Segundo Storch & Lim (1999), a produção em massa é mais benéfica para a empresa produtora do que para o cliente e surgiu a necessidade de desenvolver um sistema produtivo capaz de satisfazer as necessidades do cliente, garantindo ainda um nível competitivo à empresa. Dada esta necessidade de satisfazer as necessidades dos seus clientes, manter uma política de contenção de custos e alcançar a produtividade europeia e americana, o Japão acaba por adotar um novo sistema de produção focado no aumento da eficiência produtiva que visa a eliminação de desperdícios criando fluxo, marcando o nascer do Toyota Production System (TPS) (Ohno, 1988). Em 1990, James P. Womack, Daniel Roos e Daniel T. Jones lançam um livro intitulado de “The Machine that Changed the World”, denominando Lean Manufacturing ou Lean Production o modelo organizacional que tem como objetivo principal criar valor, focando-se na satisfação do cliente e na melhoria contínua (Womack et al., 1990). 6 2.1.1 Casa do Sistema de Produção Toyota A concretização do sistema, anteriormente mencionado, deve-se à combinação de vários princípios que foram estruturados numa ilustração desenvolvida por Fujio Cho, em 1973. Esta ilustração, representada na Figura 1, acabou por se tornar um ícone no setor de produção sendo conhecida como “The Toyota Production System House” (Liker & Morgan, 2006). Figura 1 - The Toyota Production System House (Liker & Morgan, 2006) Segundo Liker & Morgan (2006), o formato deste modelo equiparável a uma casa pretende realçar a importância de todas as estruturas para uma implementação bem-sucedida do TPS. A falha de uma destas estruturas compromete a casa, tornando-a instável e colocando todo o sistema em risco. Este modelo tem como base a produção nivelada ou Heijunka , isto é, a procura de um fluxo produtivo equilibrado, reduzindo irregularidades e a sobrecarga. Um fluxo equilibrado abre portas aos processos estáveis e padronizados. A “Casa do TPS” é sustentada por dois pilares principais: Just-inTime e Jidoka . • Just-in-Time (JIT) : Segundo Liker & Morgan (2006), este é o princípio mais conhecido e representa um sistema de fluxo contínuo que produz estritamente o necessário, nas quantidades necessárias, entregando sempre no momento e local certo. Desta forma, é possível evitar desperdícios relacionados com produção excessiva, tal como a acumulação de stock , criando um fluxo mais eficiente e transparente que facilita a deteção de anomalias, possibilitando a melhoria de qualidade e a capacidade de resposta relativamente às alterações de procura do mercado. 13 por isso, é importante perceber o significado de modelo para que o entendimento do conceito de simulação seja claro (Law & Kelton, 1991; Vázquez-Serrano et al., 2021). Segundo Law & Kelton (1991), um modelo é um conjunto de pressupostos matemáticos ou relações lógicas utilizadas para entender o funcionamento de um sistema. Tendo em conta a complexidade dos problemas reais, a simulação tornase a solução mais popular, mas, por vezes, as relações existentes nos sistemas podem ser simples, bastando métodos analíticos para imitar ou prever o comportamento dos mesmos. A simulação tem sido aplicada em vários setores com diferentes propósitos. Smith & Sturrock (2021) apresentam apenas alguns dos setores que dão uso a esta técnica para aumentar o entendimento e melhorar as operações dos seus serviços: • Produção (otimização de linhas de produção, aumento de produtividade, etc.); • Hospitais (alocação de recursos, planeamento de desastres, etc.); • Aeroportos (tráfego, shuttles , bilheteira, etc.); • Sistemas de emergência (tempos de resposta, localização de estações, etc.); • Serviço ao cliente (planeamento de capacidade, melhoria de serviço direto, etc.); • Cadeias de abastecimento (pontos de encomenda, logística, etc.). 2.3.1 Tipos de modelos de simulação Os modelos de simulação dividem-se em três dimensões diferentes: estático vs. dinâmico; contínuo vs. discreto; e determinístico vs. estocástico (Law & Kelton, 1991; Smith & Sturrock, 2021). Estas dimensões são descritas com mais detalhe em baixo. • Estático vs. Dinâmico: Os modelos de simulação estáticos representam determinados momentos do sistema, ou sistemas em que o tempo não desempenha uma função essencial. Já os modelos de simulação dinâmicos, representam sistemas nos quais a passagem do tempo é fundamental para a estrutura do modelo. Neste último caso é impossível executar o modelo sem a passagem simulada do tempo. • Contínuo vs. Discreto: Os modelos de simulação dinâmicos são constituídos por state variables , ou seja, variáveis que descrevem o estado do sistema em qualquer ponto da simulação. Caso o valor destas variáveis tenha a capacidade de se alterar de forma contínua ao longo da simulação, então o modelo é definido como contínuo. Por outro lado, caso o valor destas variáveis apenas altere em instantes separados de forma discreta e instantânea, então o modelo é definido como discreto. A maioria dos modelos que replicam filas de espera são deste tipo de simulação. 14 • Determinístico vs. Estocástico: Os modelos de simulação determinísticos são parametrizados com inputs constantes, fixos e não aleatórios. Estes modelos apresentam sempre os mesmos resultados, caso os valores não sejam alterados pelo utilizador. Pelo contrário, a maioria dos modelos de simulação são estocásticos, ou seja, são parametrizados com pelo menos um input aleatório a partir de distribuições probabilísticas. 2.3.2 Simulação Discreta ( Discrete-Event Simulation - DES) A simulação discreta, conhecida como Discrete-Event Simulation (DES) refere-se à modelação de sistemas que evoluem ao longo do tempo por resposta a alterações instantâneas em momentos específicos e separados. Nestes momentos ocorrem events , definidos como acontecimentos que, instantaneamente, alteram o estado do sistema (Law & Kelton, 1991). Esta técnica de simulação surgiu nos finais dos anos 50, por autoria de Keith Douglas Tocher que desenvolveu a primeira linguagem deste tipo com o propósito de construir um modelo de simulação para uma fábrica siderúrgica no Reino Unido (Vázquez-Serrano et al., 2021). 2.3.3 Construção de um modelo de simulação discreta Tal como foi descrito no capítulo 2.3, um modelo é um conjunto de pressupostos matemáticos ou relações lógicas utilizadas para representar o funcionamento de um sistema. A construção adequada da representação de um sistema a partir de um modelo de simulação segue um conjunto de etapas, que segundo Smith & Sturrock (2021) são as seguintes: conceção conceptual, análise de inputs , desenvolvimento do modelo, verificação e validação, e finalmente análise de outputs e experimentação. Este processo de simulação está representado na Figura 3, que se encontra abaixo. 15 Figura 3 - Processo de simulação (Smith & Sturrock, 2021) É importante sublinhar que o processo de simulação não é obrigatoriamente sequencial e, grande parte das vezes, é um trabalho iterativo necessitando de várias verificações e correções ao longo da construção do modelo. Nos próximos parágrafos todas as etapas que constituem o processo de simulação serão explicadas mais detalhadamente. O conceptual design necessita que haja um conhecimento em profundidade do sistema a modelar de forma a desenvolver modelos rigorosos e eficazes. Desta forma, a etapa em questão garante que o modelo vai responder de forma precisa às questões necessárias, tendo em conta que estes modelos são desenvolvidos com objetivos específicos em mente. A etapa de design conceptual pode ser levada a cabo de forma informal, utilizando espaços e materiais que promovam o pensamento livre e crítico. Esta forma de planeamento ajuda o modelador a estar afastado de todas as condições limitadoras que os softwares de modelação têm. No que diz respeito à input analysis , esta etapa é responsável pela caracterização dos inputs do sistema, seguida do desenvolvimento de algoritmos e processos que geram observações das variáveis e processos aleatórios. Desta forma, uma das ações típicas desta etapa é caracterizar as variáveis de entrada aleatórias e especificar distribuições e processos correspondentes a estas. Por norma, o modelador tem na sua posse amostras de observação do sistema a modelar passando por ajustar distribuições estatísticas a estes dados, que serão utilizadas para gerar amostras de simulação. Por outro lado, model development é o processo de transformação do modelo conceptual, anteriormente desenvolvido, num modelo de simulação representativo capaz de ser executado. Esta 16 etapa reconhece a necessidade de entender a metodologia de simulação e de programação de modo que o produto final seja um modelo eficaz. Para além deste processo, nesta etapa é realizada a verificação e a validação dos modelos. A verificação garante que o modelo se comporta da maneira que o modelador pretende, já a validação garante que o modelo é fiável e preciso quando comparado com o sistema real a modelar. Neste manual de Smith & Sturrock (2021), é sublinhada a impossibilidade de provar que o modelo está correto, para além de modelos muito simples. Dito isto, o foco passa por recolher evidências até que o modelador e o cliente estejam satisfeitos com a qualidade de representação dos modelos desenvolvidos. Por último, assim que o modelo esteja verificado e validado, o mesmo é utilizado para recolher informação preciosa sobre o sistema modelado. Esta atividade envolve output analysis e experimentation . A output analysis cria inferências relativas ao sistema tendo em conta observações individuais, já a experimentation baseia-se na variação sistemática dos inputs e da estrutura do modelo de forma a testar e entender o comportamento do sistema em diferentes configurações. 2.3.4 Software Simio O Simio é uma framework de modelação de simulação baseada em objetos inteligentes, sendo que os modelos são construídos a partir da combinação de vários tipos destes objetos. Os objetos inteligentes são desenvolvidos pelos modeladores e podem ser reutilizados em diferentes projetos, ainda assim, os modeladores podem preferir apenas utilizar os objetos pré-desenvolvidos. Esta última hipótese será ideal para os modeladores menos experientes, apesar do software ter sido construído de forma que a construção de novos objetos seja fácil até para os utilizadores iniciantes (Pegden, 2008). Um modelo Simio parece-se com o sistema real e, por norma, o modelador trabalha num ambiente 2D para facilitar a construção dos seus modelos. Ainda assim, o software tem capacidade para criar ambientes de animação 3D que complementam a modelação 2D (Sturrock & Pegden, 2011). A framework de objetos do Simio segue os mesmos princípios de outras linguagens orientadas para objetos, mas este software , pelo contrário, aplica estes mesmos princípios numa framework de modelação ao invés de uma framework de programação. Desta forma, resulta um sistema de modelação gráfica em vez de uma linguagem de programação. É importante fazer referência a estas distinções para entender que para definir novos objetos e modelar sistemas neste software são necessárias competências de modelação e não de programação (Pegden, 2008). 17 Os próximos parágrafos estão reservados para a apresentação da interface do Simio e para a descrição das principais funcionalidades do mesmo. Na Figura 4 encontra-se representada a vista inicial do Simio , sem qualquer modelação ou alteração realizada. Figura 4 - Vista inicial do software Simio Ao criar um projeto, o Simio cria automaticamente uma Model Entity onde é possível definir o comportamento das entidades do sistema e um Model , que representa o próprio modelo, no qual também serão feitas alterações ao longo da modelação. Tendo em vista a Figura 4, identifica-se uma faixa superior constituída por quatro menus principais: File , Project Home , Facility Tools (dividido em vários outros menus: Run , Drawning , Animation , View e Visibility ) e Support . No painel principal, situado abaixo, encontram-se cinco abas. A aba Facility contém o espaço onde se colocam os objetos para que se construa o modelo e a animação 2D e/ou 3D. A aba Processes diz respeito ao menu onde são construídos os processos que definem a lógica dos eventos que ocorrem no sistema. Neste menu encontra-se um conjunto de funções incorporadas em blocos de programação conhecidos como steps . Já as abas Definitions e Data , contêm o espaço e as definições necessárias para criar as bases analíticas estruturais, criando states , properties , events, bases de dados e outros conjuntos que possam ser relevantes para o modelo. Por último, na aba Results encontram-se os resultados da simulação. Do lado direito é possível encontrar o painel Browse , que possibilita a edição de diferentes propriedades do modelo e outros objetos relacionados com o mesmo. A opção Experiments , oferece a 18 capacidade de criar várias simulações com diferentes cenários alternativos para o mesmo modelo. Para configurar estas experiências, os utilizadores podem variar parâmetros de forma a entender o seu efeito, sem que seja necessário alterar as propriedades inicialmente definidas. É nesta zona, representada na Figura 5, que ocorre grande parte do processo de avaliação do desempenho do sistema, apoiando a tomada de decisão no que diz respeito à realização de ações no sistema real. Figura 5 - Vista da área "Experiments" no software Simio Já do lado esquerdo, encontra-se o painel Libraries que contém as bibliotecas de objetos utilizados para modelar o sistema. Neste painel pode-se ver diferentes objetos sendo que os mais relevantes e comuns estão descritos na Tabela 1. 19 Tabela 1 - Biblioteca Padrão de Objetos Adaptado de (Sturrock & Pegden, 2011) Objeto Descrição Source Gera objetos do tipo entidade. Sink Destrói entidades que completaram os seus processos. Server Permite modelar processos com fila de entrada e saída. Combiner Combina múltiplas entidades numa entidade padrão. Separator Separa grupos de entidades ou cria cópia de entidades. Resource Objeto que pode ser detido ou libertado por outros objetos. Worker Recurso móvel que pode ser detido para realizar tarefas ou transportar entidades. Vehicle Transportador que pode seguir uma rota fixa ou realizar cargas e descargas em pontos específicos. BasicNode Interseção simples entre múltiplas ligações. TransferNode Interseção complexa que define destino ou modo de viagem. Connector Ligação com tempo de viagem nulo entre nodes . Path Ligação na qual entidades podem movimentar-se a uma certa velocidade. TimePath Ligação em que as entidades demoram um tempo específico a percorrer. Conveyor Ligação que modela dispositivos de transporte. 2.4 Ergonomia Conhecida como “a ciência do trabalho”, a palavra ergonomia tem a sua origem etimológica nas palavras gregas ergon (trabalho) e nomos (leis). Os termos “ergonomia” e “fatores humanos” são frequentemente utilizados como uma só expressão, ou seja, “ergonomia/fatores humanos” – HFE ou EHF. Esta foi uma prática adotada pela International Ergonomics Association (IEA) e, conforme a definição estabelecida pela mesma em 2000, a ergonomia é uma disciplina científica que se foca na compreensão das interações entre os seres humanos e os elementos que os rodeiam. Para além disso, aplica teorias, princípios, dados e métodos com o propósito de otimizar o bem-estar humano e os sistemas que os englobam (International Ergonomics Association (IEA), n.d.). Segundo a International Ergonomics Association, a HFE é constituída pelo domínio físico, cognitivo e organizacional. 20 • Ergonomia física: A ergonomia física relaciona-se com as características anatómicas, antropométricas, fisiológicas e biomecânicas do ser humano no que diz respeito à atividade física. Os tópicos mais relevantes deste domínio incluem posturas de trabalho, manuseamento de materiais, movimentos repetitivos, perturbações músculo-esqueléticas relacionadas com trabalho, disposição do local de trabalho, segurança física e saúde. • Ergonomia cognitiva: A ergonomia cognitiva está relacionada com os processos mentais, como por exemplo a perceção, a memória e as respostas motoras, dado que estas afetam as interações entre humanos e o sistema. • Ergonomia organizacional: a ergonomia organizacional preocupa-se com a otimização de sistemas sociotécnicos, que incluem as estruturas, políticas e processos organizacionais. Estes domínios e as suas principais áreas de atuação encontram-se representadas no Diagrama de Venn presente na Figura 6. Figura 6 - Representação dos domínios ergonómicos em Diagrama de Venn (International Ergonomics Association (IEA), n.d.) Para além da segurança e saúde física, a ergonomia e fatores humanos abordam os aspetos cognitivos e psicossociais da vida e do trabalho. Pode ainda, centrar-se nos aspetos microergonómicos de design de procedimentos, contexto e equipamento utilizados para executar tarefas, e nos aspetos macroergonómicos que incluem a organização do trabalho, tipos de postos de trabalho e a tecnologia que esses utilizam (IEA & ILO, 2021; Wilson, 2014). Desta forma, esta ciência apresenta grande valor no mundo do trabalho, contribuindo para a criação de sistemas de trabalho seguros e sustentáveis, da saúde economia das organizações. As organizações que apostam nos princípios HFE apresentam 21 melhores resultados no que toca ao desempenho do colaborador e do próprio negócio. Assim, os membros da comunidade HFE sublinham a importância da participação de todas as partes interessadas nos grupos de design dos sistemas de trabalho – HFE participativa(Hendrick, 2003; International Ergonomics Association (IEA), n.d.). Este conceito encontra-se representado na Figura 7. Figura 7 - Representação da HFE Participativa em Diagrama de Venn (International Ergonomics Association (IEA), n.d.) 2.4.1 Lesões Músculo-esqueléticas Relacionadas com o Trabalho (LMERT) As doenças musculoesqueléticas são lesões que podem afetar diferentes zonas do corpo como: os músculos, ossos, nervos, tendões, ligamentos, articulações, cartilagens e discos vertebrais. Segundo o National Institute for Occupational Safety and Health (NIOSH), foram conduzidos vários estudos epidemiológicos que provam a existência de relações causais entre o esforço físico realizado durante o trabalho e as Lesões Musculoesqueléticas Relacionadas com o Trabalho (LMERT). Estas lesões estão maioritariamente associadas a movimentos repetitivos, força excessiva exercida, posturas estranhas e até estar de pé ou sentado em demasia (Da Costa & Vieira, 2010). Segundo o 5º Inquérito Europeu sobre as Condições de Trabalho (ECWS 2010), cerca de 33% dos trabalhadores europeus transportam cargas pesadas durante pelo menos um quarto do seu horário de trabalho; 46% dos trabalhadores ficam expostos a posições que provocam cansaço ou dor, pelo menos um quarto do tempo; cerca de 64% dos trabalhadores fazem movimentos repetitivos com as mãos ou os braços e 42% dos homens e apenas 24% das mulheres transportam cargas de elevado peso. Para além de grande parte dos trabalhadores se encontrarem expostos a diferentes causas de LMERT, este tipo de 22 doenças são o tipo de incapacidade de trabalho mais dispendiosa, sendo que se estima um custo a rondar os 215 mil milhões de dólares nos Estados Unidos em 1995 e cerca de 38 mil milhões de euros na Alemanha em 2002 (Da Costa & Vieira, 2010). Existem vários tipos de LMERT, tais como: lesões na lombar ou síndrome do túnel cárpico e, cada uma delas apresenta fatores de risco diferentes. Isso dificulta a tarefa de um simples estudo de satisfazer os critérios para determinar a relação causal entre os fatores de risco e a própria LMERT. Desta forma, Da Costa & Vieira, 2010) sublinha a importância de relacionar a informação derivada de diferentes estudos e métodos, com o propósito de diagnosticar as relações causais das LMERT com a maior precisão possível. 2.4.2 NIOSH Tendo em conta as preocupações com o crescente número de LMERT, NIOSH (National Institute for Occupational Safety and Health) desenvolveu um método de medição e análise de tarefas que exijam a elevação manual de carga com as duas mãos. Esta ferramenta consiste nas seguintes equações que avaliam uma tarefa específica de elevação manual (T. R. Waters et al., 1993): • Peso Limite Recomendável (PLR): esta equação requere a avaliação de certas características que descrevem a tarefa, tais como: a geometria da posição da mão, a frequência de elevação, duração do trabalho e o tipo de pega. O resultado desta equação dita o peso máximo que pode ser elevado, tendo em conta as características enumeradas anteriormente. • Índice de Elevação (IE): este índice estima a exigência física relativa da tarefa, isto é, o rácio entre o peso real da carga levantada e o seu peso limite recomendável, sendo que qualquer índice com rácio superior a 1 dita a necessidade de corrigir a situação, por colocar em risco alguns trabalhadores e, rácios superiores a 3 alertam para uma necessidade de correção urgente. 2.4.3 Guia de Mital para Manuseamento Manual de Materiais As LMERT são os problemas de saúde ocupacional mais frequentes na União Europeia (UE), sendo que os trabalhadores que desenvolvem tarefas de elevar, baixar, transportar, segurar, empurrar e/ou puxar manualmente materiais pesados (MMC) são os principais sujeitos a sofrer destes problemas (Mital et al., 1997). O Guia de Mital, ao contrário de vários outros guias existentes que apenas focam em tarefas de elevação manual, inclui todas as que envolvem qualquer MMC, ou seja, elevar, puxar, empurrar, 29 Figura 13 - Esquema ilustrativo do percurso dos produtos no supermercado. 3.4.2 Planta e organização intralogística do Continente Modelo de Paredes Na Figura 14, encontra-se representada a planta da loja em estudo, sendo que as diferentes cores distinguem as áreas mais relevantes para o mesmo. Figura 14 - Planta do Continente Modelo de Paredes A área sombreada com a cor verde refere-se à área da loja constituída por vários corredores e placas de venda nas quais os produtos são colocados e, desta forma, tornam-se disponíveis para que o cliente os adquira. Nesta área, ocorre, maioritariamente, a atividade de reposição. Esta atividade resume-se à colocação de novos produtos nas placas de venda com o objetivo de garantir que todos aqueles produtos 30 que a loja afirma ter disponíveis para venda estejam realmente disponíveis ao cliente, evitando ruturas e, assim, perda de vendas. Para além desta atividade, são realizadas outras operações, mas que não serão referidas ao longo deste estudo tendo em conta que o foco se encontra naquelas que interferem diretamente com o fluxo de materiais, desde a chegada dos mesmos ao estabelecimento até que se encontrem disponíveis nas placas de venda. Já as áreas vermelha e azul formam todas as zonas da retaguarda da loja em estudo. A retaguarda pode ser dividida em várias partes, tendo em conta a atividade principal que ocorre em cada uma dessas. Desta forma, a retaguarda foi dividida em duas partes: a zona de descarga (área azul) e a zona de armazenamento (áreas vermelhas). Na zona de descarga, tal como o próprio nome indica, é realizada a atividade de descarga onde um colaborador, utilizando um empilhador, descarrega toda a carga enviada pelo centro de distribuição e transporta a mesma para a entrada da zona de armazenamento (área cor-de-rosa), colocando-as em fila. Este processo é realizado até que todas as paletes com destino a essa loja sejam descarregadas. Na zona de armazenamento, ocorrem ações de armazenamento de produtos, picking e despicking . A atividade de picking caracteriza-se pela recolha de produtos armazenados, por norma com o objetivo de os repor em loja. Já a atividade de despicking ocorre na área amarela e é caracterizada pela separação de produtos das paletes multiproduto (paletes constituídas por produtos de diferentes categorias), em paletes monoproduto (paletes constituídas por produtos com a mesma categoria). O conceito despicking será explorado de forma detalhada nos próximos capítulos. 3.4.3 Caracterização das operações e fluxos da loja Para entender de forma clara o funcionamento das atividades que fazem parte do percurso dos produtos, torna-se necessário entender de forma detalhada este mesmo percurso. Nos próximos parágrafos será realizada uma explicação detalhada do estado inicial dos processos envolvidos nas operações intralogísticas da loja. Após a chegada do camião com a carga encomendada o colaborador responsável pela descarga irá conferir que todas as medidas foram seguidas, confirmando a temperatura do reboque que contém a carga e se o mesmo não foi aberto durante a viagem, de seguida transportará um porta-paletes que o motorista irá utilizar para movimentar as paletes para a retaguarda do reboque, de forma que o colaborador com um empilhador proceda à descarga das paletes. Este processo dentro do reboque ocorre porque não existe cais na loja em estudo e, sem realizar esta movimentação o empilhador não 31 teria capacidade de descarregar as paletes que se encontram no fundo do reboque. A descarga ocorre então na zona azul da Figura 14 e as paletes são deixadas na zona cor-de-rosa por ordem de descarga. Finalizada a descarga, outro colaborador irá iniciar a atividade de despicking . Primeiramente, irá deslocar-se para a zona cor-de-rosa e, por ordem de fila, verifica o tipo de palete que se encontra na frente. Caso esta palete seja monoproduto, isto é, contenha apenas um tipo de produto ou se for do tipo de reposição à palete, isto é, um produto que a sua reposição não seja realizada à unidade, mas sim com a palete inteira, como por exemplo as caixas de açúcar, então o procedimento será armazenar esta palete. Por outro lado, caso a palete seja multiproduto, contendo vários produtos e de várias categorias diferentes, necessita de passar pelo processo de despicking . O processo de despicking caracteriza-se por separar e organizar uma palete multiproduto em várias novas paletes monoproduto, facilitando assim a reposição. De forma exemplificativa, caso uma palete de entrada (1E) contenha produtos de três categorias diferentes, os produtos serão colocados nas paletes de reposição ou saída (1, 4 e 5) de forma correspondente à sua categoria. Assim, seriam colocadas 3 caixas na palete 1S, 18 caixas na palete 4S e 1 caixa na palete 5S, tal como esquematizado na Figura 15. Figura 15 - Esquema exemplificativo do processo de despicking Para além disso, existem produtos que no momento de chegada à loja se encontram em total rutura na loja e/ou no armazém e, por isso, a sua reposição é prioritária. Estes produtos fazem parte da lista de produtos VIP e são colocados numa palete diferente (palete VIP), independentemente da sua categoria, de forma que a sua reposição seja prioritária, isto é, com o objetivo da palete VIP ser reposta antes do 32 que qualquer outra palete. O processo explicado ocorre de forma cíclica até que todas as paletes tenham sido alvo de armazenamento ou despicking , conforme a necessidade. Finalizado o tratamento das paletes descarregadas, o colaborador inicia o processo de reposição em que transporta as paletes de reposição para a loja, realizando a reposição dos produtos destas paletes. Este processo ocorre até que todos os produtos tenham sido repostos. Recorrendo ao software Bizagi Modeler, foi possível representar, por meio de notação Business Process Model and Notation (BPMN), o processo e os subprocessos, alusivos ao fluxo das operações explicadas em cima. Nos Apêndice 1 a 3 encontram-se presentes os BPMNs mencionados. 4. DESCRIÇÃO ANALÍTICA DO PROCESSO ATUAL E PARAMETRIZAÇÃO DO MODELO DE SIMULAÇÃO No âmbito da análise e melhoria de fluxos em operações intralogísticas do Continente Modelo de Paredes, foi elaborado um modelo de simulação, utilizando o software Simio. A elaboração deste modelo permite, para além de entender a dinâmica operacional real destas operações com base nas suas características, simular vários cenários hipotéticos alternativos. Assim, é possível testar possíveis alternativas aos fluxos atuais por meio de avaliação de vários indicadores de desempenho e ergonomia que resultam da variação dos parâmetros intrínsecos ao sistema. Este capítulo destina-se à exploração dos modelos em questão, abordando a sua construção analítica, os seus elementos e as dinâmicas envolvidas. Todos os elementos que constituem estes modelos procuram criar sistemas que se aproximam o máximo possível do contexto real. Nos seguintes subcapítulos serão apresentados vários registos que serviram de base para a construção e parametrização dos modelos de simulação, tendo estes sido fornecidos pela MC. Grande parte dos dados apresentados são resultado de várias análises realizadas às bases de dados inicialmente fornecidas. Os registos históricos utilizados estão incluídos nas datas entre 02 de Agosto de 2023 e 20 de Novembro de 2023. Apesar dos dados dizerem respeito a registos do Continente Modelo de Paredes, sublinha-se o facto de existirem vários supermercados MC que realizam os mesmos processos, podendo, portanto, estes modelos serem utilizados para analisar as operações desses mesmos supermercados. Construir modelos de simulação é sinónimo de descrever analiticamente os processos construídos com máxima precisão possível. Desta forma, é necessário compreender toda a dinâmica e funcionamento do sistema a recriar, assim como recolher e tratar estatisticamente todos os dados que 33 sejam necessários para parametrizar o mesmo. Assim, este capítulo dedica-se ao estudo e descrição analítica das diferentes operações relevantes à construção dos modelos de simulação. Tal como já foi referido, a base de dados utilizada conta com registos entre o dia 02 de Agosto de 2023 e 20 de Novembro de 2023. Nesta base de dados estão contabilizadas 133.921 entradas de produtos, distribuídos por 5.297 paletes diferentes ao longo deste período. Todos os produtos registados são caracterizados pelos seguintes pontos: • Data de entrada na loja (d/m/a e dia da semana); • Loja e insígnia; • Tipo de picking utilizado na preparação da palete no centro de distribuição; • ID de palete; • SKU; • Tipo de unidade de movimento; • Tipo de unidade de carga; • Tipo de fluxo; • Número de caixas do produto; • Volume da caixa; • Número total de caixas na palete; • Volume da palete; • Categoria da unidade de negócio; • Categoria de produto; • Descrição da categoria; • Descrição do produto; • Peso da unitária de caixa e peso total da palete. Os produtos em análise estão distribuídos por várias categorias diferentes, neste caso, foram identificadas 119 categorias diferentes. Estas categorias estão disponíveis no Apêndice 4. Devido ao elevado número de categorias padrão existentes, foi realizado um tratamento desta característica de forma que as categorias fossem agrupadas noutras mais abrangentes, facilitando a parametrização do modelo. Para realizar este agrupamento, foi tido em conta o modus operandi da loja, oferecendo uma classificação mais amigável relativamente às operações e visão dos colaboradores. Desta forma, transformou-se as iniciais 119 categorias em apenas 10, focadas apenas nas categorias necessárias ao estudo das operações LIA. Apesar deste primeiro tratamento, foi ainda realizada uma reclassificação das 34 novas categorias para entender quais destas passariam pelo processo de despicking . O processo de tratamento de categorias e a nova classificação encontra-se representada na Tabela 3. Tabela 3 - Tratamento de categorias existentes Categorias (Tratamento 1) Categorias (Tratamento 2 - Despicking ) Águas e Bebidas Aperitivos Aperitivos Bolachas Bolachas Cereais Cereais Conservas Conservas Doçaria Doçaria Ingredientes Básicos Garrafeira Ingredientes Básicos Leite OUTRO Tendo em conta que o manuseamento de material, neste caso as caixas com produtos LIA, é um fator de grande impacto nas operações em estudo, é importante alimentar os modelos de simulação com dados que espelham a realidade relativamente aos tipos de paletes que os colaboradores têm de tratar. Desta forma, foi construído um conjunto de características, de forma a recriar a variabilidade de paletes que passam pelas operações da loja. As características das paletes contêm dados como o número de caixas que a mesma transporta, o peso de cada caixa, a altura da palete e o número de categorias diferentes existentes no seu suporte, que influenciam as operações realizadas pelo operador, seja a nível de eficiência operacional ou esforço ergonómico. Durante o tratamento da palete, o colaborador manuseia grandes quantidades de caixas e com pesos diferentes. A utilização do software Python e as suas bibliotecas de estatística e visualização de dados, permitiu realizar uma exploração e análise de dados de forma a inferir que tipo de distribuição traduzia o ajuste com melhor representação das características enumeradas anteriormente. Relativamente ao número de caixas por palete, a Tabela 4 representa as principais estatísticas descritivas deste problema e a Figura 16 apresenta a distribuição destes dados. 35 Tabela 4 - Estatísticas descritivas do número de caixas por palete Figura 16 - Distribuição do número de caixas por palete A partir da Figura 16, foram realizados alguns ajustes estatísticos para perceber qual seria a distribuição que se ajustaria melhor aos dados. Na Figura 17, são representadas quatro distribuições diferentes que melhor se poderiam ajustar a estes dados, neste caso a distribuição Normal, Lognormal, Weibull e Gamma. 36 Figura 17 - Fit de distribuições aos dados de número de caixas por palete Resultados do teste de ajuste das distribuições: • Distribuição Normal: p-value = 0.1499 • Distribuição Lognormal: p-value = 0.1939 • Distribuição Weibull: p-value = 0.1120 • Distribuição Gamma: p-value = 0.1047 Analisando os gráficos anteriores e tendo em conta os resultados obtidos nos testes de ajuste, foi selecionada a distribuição Lognormal para representar o número de caixas por palete, com shape : 0.18, loc : -20.00 e scale : 146.88. Relativamente ao peso das caixas, a Tabela 5 representa as principais estatísticas descritivas deste problema e a Figura 18 apresenta a distribuição destes dados. 37 Tabela 5 - Estatísticas descritivas do número de caixas por palete Figura 18 - Distribuição dos pesos das caixas Tendo em conta a mesma linha de raciocínio do número de caixas por palete, foram realizados alguns ajustes estatísticos para perceber qual seria a distribuição que se ajustaria melhor aos dados dos pesos das caixas. Na Figura 19, são representadas quatro distribuições diferentes que melhor se poderiam ajustar a estes dados. 38 Figura 19 - Fit de distribuições aos dados de pesos das caixas Resultados do teste de ajuste das distribuições: • Distribuição Normal: p-value = 0.1241 • Distribuição Lognormal: p-value = 0.2430 • Distribuição Weibull: p-value = 0.1401 • Distribuição Gamma: p-value = 0.1889 Analisando os gráficos anteriores e tendo em conta os resultados obtidos nos testes de ajuste, foi selecionada a distribuição Lognormal para representar o peso das caixas, com shape : 0.52, loc : -1.56 e scale : 6.14. Por fim, relativamente à frequência do número de categorias diferentes em cada palete, conclui-se que o acontecimento mais frequente passa pelo transporte de uma, duas ou quatro categorias diferentes e o caso menos provável pelo transporte de seis categorias. Na Figura 20 é representada a distribuição destas frequências. 45 A diversidade de estivas das paletes e as caraterísticas dos produtos que as compõem criam desafios no momento de despicking , sobretudo devido à posição de difícil acesso em que por vezes os produtos se encontram na palete. Em termos de modelação, esta complexidade resulta em aumentos de tempo ao manipular cada produto, dependendo da sua localização na construção da palete e do tipo de palete. Para facilitar a comparação dos tempos envolvidos, a palete foi dividida estrategicamente em 12 partes, representando diferentes alcances funcionais horizontais e verticais. Enquanto os produtos são gerados, corre um processo – “Zonas_e_Destinos_etc” - à saída do Separator1 (MemberOutput@Separator1) que atribui algumas características às entidades “Produto”, tais como: peso (segundo a distribuição referida no capítulo de análise descritiva e parametrização), um ID que identifica o número da palete em que este produto foi gerado, associa as entidades a uma parte da palete tendo em conta que a palete é dividida nas 12 partes já referidas e altera a sua picture (cor) tendo em conta a zona na qual foi colocado. Este processo está representado na Figura 30. Figura 30 - Processo Zonas_e_Destinos_etc A cada região da palete está associado um fator de tempo que representa a dificuldade de manuseamento. Para facilitar o entendimento destas regiões foi desenvolvido um esquema simplificado deste sistema de posições, apresentado na Figura 31. Figura 31 - Esquema de divisão da palete segundo alcances funcionais. 46 O despicking é uma atividade fisicamente exigente e o seu nível de dificuldade aumenta em posições de maior alcance funcional vertical e/ou horizontal, dada a necessidade de realizar um maior número de movimentos adicionais para que seja assegurado o manuseamento correto dos produtos. Desta forma, os modelos contam com um conjunto de tabelas que ditam o tempo de despicking e o fator de tempo para cada zona das paletes, considerando a existência de duas alturas de paletes-tipo: paletes com cerca de 1,80m e 2,10m. O tempo de despicking por produto é dado pela distribuição uniforme (6, 10) segundos à qual é acrescido o fator de tempo extra em todos os casos, sendo que no tipo de paletes com alturas a rondar os 2,10m, os alcances das posições mais elevadas têm um fator maior relativamente ao tipo de paletes com cerca de 1,80m. Isto tem como objetivo realçar a exigência física superior no manuseamento dos produtos em certo tipo de paletes. Nas tabelas 7 e 8 estão apresentados os fatores de tempo definidos para estes dois tipos de paletes. Tabela 7 - Fatores de tempo para paletes com cerca de 2,10m Tabela 8 - Fatores de tempo para paletes com cerca de 1,80m 47 Analisando as tabelas anteriores e, considerando um produto exemplo que é manuseado a partir de uma palete com cerca de 2,10m, caso o seu tempo de despicking base seja igual a nove segundos e o mesmo seja retirado da zona dez, o seu tempo total de despicking será igual a 10,35 segundos (10,35s = 9s + (9s*0,15)). Tendo em conta os fatores destas tabelas, os produtos serão então manuseados um a um. Estes são retirados da palete em despicking e colocados na palete que corresponde à sua categoria. Para a construção do modelo foram consideradas seis categorias diferentes, que correspondem às categorias existentes neste processo, tal como descrito na Tabela 3. Assim, os produtos que chegam são distribuídos por estas paletes por categoria antes de serem transportadas para a loja. Uma distribuição aleatória vai definir o número de categorias diferentes que cada palete transporta ( ModelEntity.nCategories ), sendo que, cada palete pode transportar no mínimo uma categoria e no máximo seis, tal como referido no capítulo de parametrização do modelo. Os destinos possíveis de cada produto encontram-se listados na Tabela 9 e correspondem às posições numéricas representadas na Figura 32. Tabela 9 - Possibilidade de destinos de cada produto Figura 32 - Localização de cada destino possível dos produtos 48 Tal como referido anteriormente, a modelação destes modelos foca-se nas atividades de tratamento de paletes e reposição dos produtos, de forma a estudar os fluxos internos da loja. Nos próximos subcapítulos, serão apresentados os cenários desenvolvidos e, consequentemente, os seus parâmetros, elementos e dinâmicas. A modelação do estado atual tem em conta os fluxos previamente existentes na loja, ou seja, os fluxos descritos nos Apêndice 1 a 3. De forma resumida, este cenário conta com a realização de despicking tendo em conta que os produtos são colocados nas paletes de reposição por categoria. Este processo ocorre de forma sistemática até que todas as paletes tenham sido despickadas. Terminado o despicking de todas as paletes, o colaborador irá então iniciar a reposição dos produtos, transportando uma palete de cada vez para a loja, parando no corredor correspondente aos produtos que leva consigo e repondo-os. A atividade é finalizada quando todos os produtos tiverem sido repostos. Com o objetivo de garantir que o modelo é capaz de simular e generalizar a distribuição de produtos por categorias de forma realista foi desenvolvido um conjunto de processos cíclicos que, tendo em conta o número de categorias (“nCategories”) de cada palete, vai atribuir um destino lógico a cada um dos seus produtos. De forma exemplar imaginando que uma palete tem a state “nCategories” igual a 3 então os produtos terão três destinos diferentes dentro dos seis destinos possíveis, por exemplo posição 1, 2 e 3. O conjunto em questão é constituído pelos seguintes processos: “forLoop_Categories_i_Desp”, “forLoop_Categories_k_Desp” e “Tbl_Write_D” e é executado no final do processo “DefineAtributosPalete_CLog”, representado anteriormente na Figura 27. O conjunto cíclico encontra-se representado na Figura 33. Figura 33 - Conjunto de processos responsáveis por definir as categorias destino Para ajudar a entender o funcionamento dos ciclos deste conjunto, as iterações realizadas nestes processos foram sintetizadas no seguinte esquema da Figura 34. 49 Figura 34 – Esquema exemplificativo dos processos responsáveis por definir as categorias destino Como é possível observar na Figura 34, os processos pressupõem a existência de um vetor geral que contém todos os seis destinos possíveis, tal como o da esquerda, e um vetor associado a cada palete, inicialmente vazio, que irá receber como entradas a referência dos nodes a partir da Tabela 9. Este vetor de destinos aceita apenas o número de entradas igual ao valor de “nCategories”, isto é, tal como no exemplo do esquema, sendo que “nCategories” é igual a 3 então o vetor toma um tamanho igual a três. De seguida, uma das posições do vetor geral é escolhida de forma aleatória e, consequentemente, atribuída ao vetor de destinos da palete, neste caso podemos ver que foi escolhida a posição 2, relativa ao node 2. Após esta atribuição, o vetor geral reduz o seu tamanho numa unidade e o ciclo continua a realizar iterações nos mesmos modos até que todos os índices do vetor de destinos tenham um node associado. De modo geral, é possível ver que no exemplo esquematizado foram atribuídas três categorias diferentes à palete em questão e, por fim, essas três categorias foram refletidas em três destinos diferentes para os seus produtos (D1, D2 e D3). No final de cada ciclo, ou seja, sempre que é finalizada a definição de possíveis destinos dos produtos de uma palete, o vetor final de destinos é registado numa tabela output , este que podemos ver na Tabela 10, onde se encontram registados os vetores de duas paletes exemplificativas, a primeira palete apresenta cinco destinos ( nodes : 1, 2, 3, 4 e 5) e a segunda palete quatro destinos ( nodes : 2, 3, 4 e 6). 50 Tabela 10 - Tabela output com os destinos de despicking Iniciando-se a atividade de despicking o destino dos produtos é definido pelos nodes estimados na tabela anterior, sendo que um dos nodes disponíveis é escolhido com igual aleatoriedade para cada um dos produtos, tal como podemos ver no primeiro step “nodePaleteDestino” da Figura 35. Isto ocorre no processo “Destination_Time_and_Type” que pode ser consultado no seu formato completo no Apêndice 5. Figura 35 - Step “nodePaleteDestino” É importante sublinhar que o destino do produto está diretamente relacionado com o seu tipo e, com intuito de garantir esta relação importante para modelação de alguns processos explorados mais à frente, foram colocados steps , no processo citado no parágrafo anterior, que associam o destino do produto ao seu tipo, tal como podemos ver na Figura 36. Figura 36 - Steps de relação entre o destino do produto e o seu tipo 51 O Worker irá então realizar a atividade de despicking , colocando as entidades “Produto” nas paletes de categoria correspondente até que estas atinjam a sua capacidade máxima. Assim que as paletes atingem a sua capacidade máxima são transportadas para a zona de espera enquanto que na zona de despicking é gerada uma nova entidade “Palete” vazia para substituir a anterior, tal como é possível observar na Figura 37. Figura 37 - Worker a colocar os produtos nas paletes de categoria A modelação desta atividade é realizada a partir de um conjunto de seis Combiners que realizam o batch entre as entidades parent “Palete” e as entidades member “Produto” em cada uma das posições de despicking (Figura 38). Figura 38 - Propriedades dos Combiners responsáveis pelo batch após despicking. Na Figura 38 é possível observar o método que define a quantidade total do batch . A state “ModelEntity.tamanhoPaleteS” refere-se à capacidade máxima que cada palete de reposição abrange, sendo que este tamanho é definido pela propriedade do modelo “QtdConstrução_Pal” referida no início do capítulo como uma propriedade controlada pelo utilizador. Como padrão esta propriedade define que Zona de despicking Zona de espera 52 existem quatro tipos de paletes de categoria tendo em conta a sua capacidade, estes tipos de palete estão representados na Tabela 11. Tabela 11 - Tipos de palete categoria segundo capacidade máxima Tipo de Palete Distribuição Probabilidade PLS1 Math.Round(Random.Uniform(71, 100)) 50% PLS2 Math.Round(Random.Uniform(101, 135)) 30% PLS3 Math.Round(Random.Uniform(40, 70)) 10% PLS4 Math.Round(Random.Uniform(136, 165)) 10% O objetivo de modelar quatro tipos diferentes de palete, relativamente ao seu tamanho, é de simular o facto de haver produtos com volumes muito distintos, por vezes o colaborador pode considerar que uma palete ficou cheia com poucos produtos devido aos seus grandes volumes ou vice-versa. Desta forma, garante-se que o modelo é capaz de abranger a variedade de possibilidades, tendo em conta que foi desconsiderada a modelação do volume como característica das entidades “Produto”. Para além disso, ainda na Figura 38 é possível ver que existe um trigger com a função de libertar o batch antes de este atingir a sua capacidade máxima. Este trigger funciona à base de um evento que tem como objetivo garantir que caso todos os produtos tenham sido despickados o batch é libertado, dando continuação às atividades de reposição (exploradas com detalhe mais à frente). Pode-se ver na Figura 39 que o evento “tudoParaLoja” é responsável pela libertação das entidades. Figura 39 - Propriedades do trigger de libertação de entidades para reposição 5.2 Modelação das atividades de transporte e reposição na loja No cenário padrão, a partir do momento em que todos os produtos são despickados o modelo dispara o evento “tudoParaLoja” que sinaliza o final das atividades de despicking e o início das atividades de transporte e reposição na loja. O objetivo deste subcapítulo é de retratar a modelação destas atividades, as suas características e os pressupostos que foram considerados ao longo do seu desenvolvimento. 53 As atividades de transporte e reposição dos produtos nas placas de venda do espaço comercial das lojas representam um sistema volátil no que toca ao seu comportamento. Tendo em conta esta flexibilidade do sistema, é necessário modelar com cuidado as várias características inerentes ao mesmo. O espaço comercial modelado conta com uma área constituída por quinze corredores onde os produtos do tipo LIA são disponibilizados ao cliente através das placas de venda. Com o objetivo de monitorizar e analisar o esforço relativo a movimentações realizado pelos colaboradores, foi desenvolvida uma matriz com as distâncias entre todos os nodes do sistema. Para desenvolver esta matriz foi utilizada a planta da loja em formato CAD ( Computer Aided Design ), a qual serviu para realizar os cálculos das distâncias de cada ponto de interesse para o modelo de simulação, resultando na matriz apresentada na Tabela 12. Tabela 12 - Matriz de distâncias entre os pontos de interesse, em metros. Outra questão importante que foi tida em conta foi a forma de modelação dos corredores em que serão realizadas as tarefas de reposição. A ação de repor produtos nas placas de venda, e em qual colocar, deve ter em consideração não só a quantidade de artigos que a palete transporta, mas também o número de tipos diferentes de produtos. Dito isto, no momento em que a palete é libertada após o evento “tudoParaLoja” ser disparado é executado um processo que analisa e regista o número de tipos diferentes de produtos existentes nas paletes para que, mais à frente, seja possível escolher, de forma probabilística, os corredores onde será necessário realizar reposição. Assume-se, naturalmente, que quantos mais tipos de produtos diferentes estiverem numa palete maior a probabilidade e a necessidade de percorrer corredores distintos. Para modelar este comportamento, foi desenvolvido um ciclo, a partir 54 de um conjunto de processos, que percorre todos os índices do BatchMember da entidade parent , verificando os tipos de todas as entidades “Produto” e registando sempre que se depara com uma categoria ainda não registada anteriormente. Na Figura 40, pode-se analisar o conjunto de processos que constituem o ciclo referido em cima. Figura 40 - Conjunto de processos relativos ao ciclo de registo de categorias numa palete que segue para reposição Com o intuito de facilitar a visão deste ciclo em funcionamento, foi desenvolvido um esquema representativo do mesmo, tal como se pode observar na Figura 41. Figura 41 - Esquema exemplificativo dos de processos relativos ao ciclo de registo de categorias numa palete (cenário padrão) Tendo em conta, tal como referido no capítulo anterior e observado no processo do Apêndice 5, que no cenário padrão o tipo do produto depende da sua palete destino e, por isso, será de esperar que neste 61 Para simplificar a modelação dos processos de reposição e não sendo significativo adotar métodos mais complexos, assumiu-se que os produtos de cada palete são distribuídos de forma equitativa pelos corredores listados como destinos, ou seja, caso uma palete contenha 100 produtos e possua 4 paragens programadas, serão repostos 25 produtos em cada um dos corredores. Com o objetivo de simular a reposição dos produtos de forma individual, foi colocado um Separator em cada corredor. Estes objetos irão separar as entidades “Produto” da entidade “Palete”, enviando os produtos para um Sink , eliminando-os do sistema. Este acontecimento pretende simular a chegada dos produtos às prateleiras e, tendo em conta que o âmbito do estudo termina nesse instante, considera-se que este ponto é uma fronteira do sistema. Aquando da chegada da entidade parent (palete e produtos) ao input de separação ocorre a separação e é disparado o processo “Reposição_Prod”, representado na Figura 50. Figura 50 - Processo " Reposição_Prod" Este processo opera de forma cíclica e é responsável por garantir a simulação de reposição dos produtos de forma individual. Durante a sua execução, é aplicado um delay , com valor igual à distribuição da propriedade “TempoReposiçãoProd” e que ocorre tantas vezes quanto o tamanho de separação. Sublinha-se o facto de o utilizador ter a capacidade de alterar esta propriedade, representativa do tempo de reposição de um produto. Após a execução de todos os steps de delay , é executado o processo “Controla_Paragens”, apresentado na Figura 51. Figura 51 - Processo "Controla_Paragens" Este processo tem o objetivo de realizar o controlo das paragens já realizadas. Se a palete ainda não tiver sido dirigida para todos os corredores do seu vetor de destinos, é-lhe atribuída o próximo 62 corredor ou, por outro lado, caso esta já tenha passado por todos os destinos é encaminhada para um Sink, onde são realizados os cálculos das estatísticas finais antes da entidade ser eliminada do sistema. Todos os processos descritos nos parágrafos anteriores são executados até ao término da run (ato de executar ou realizar uma simulação), que ocorre quando todos os produtos relativos às paletes de descarga são repostos. 5.3 Modelação de parâmetros para geração de cenários alternativos O desenvolvimento deste modelo de simulação visa proporcionar uma ferramenta altamente flexível, permitindo aos utilizadores ajustar e explorar uma ampla gama de cenários, sem perder a consistência nas relações dos objetos ao longo de toda a simulação. A grande capacidade de adaptação do modelo garante que, independentemente das combinações de controlos escolhidas, cada objeto mantém a sua integridade e interação de forma realista e fiel ao cenário. Essa flexibilidade permite uma análise detalhada a nível operacional e ergonómico, tornando o modelo uma solução adaptável para qualquer necessidade de simulação relativamente às atividades em estudo. Desta forma, nos próximos parágrafos, serão descritas as alterações realizadas para ajustar o funcionamento dos processos com base nos cenários selecionados pelo utilizador através do painel de controlo. Além disso, serão explicadas as dinâmicas desenvolvidas durante a modelação dos processos relacionados com o cálculo dos índices ergonómicos - Guia de Mital e NIOSH 91. 5.3.1 Modelação do cenário alternativo – Utilização de Carrinho Um dos controlos que pode ser alterado pelo utilizador é o meio de transporte dos produtos, que pode ser feito através de paletes ou de carrinhos. Esta opção surge no âmbito do projeto com o objetivo de testar o comportamento do sistema em cenários que pretendam eliminar o uso de paletes na loja, especialmente devido ao desafio de utilizá-las em dias de grande afluência. Este subcapítulo explica as alterações que a utilização de carrinhos proporciona a nível operacional, enquanto as implicações a nível ergonómico serão exploradas com maior profundidade no capítulo 5.4. Quando a opção “UsaCarrinho” se encontra ativa, as entidades “Palete” são substituídas pelas entidades “Carrinho”, dando ao sistema o aspeto visível na Figura 52. 63 Figura 52 - Atividade de despicking com utilização de carrinhos Esta propriedade, por si só, provoca alterações a nível operacional, mas o seu impacto principal passa pela melhoria ergonómica das operações. No entanto, a utilização de carrinhos exige o uso de uma tabela de tempos de despicking diferente, uma vez que a posição em que os produtos são colocados permanece constante e distinta das paletes. O carrinho proporciona um alcance funcional vertical praticamente fixo na mesma altura e, assim, foram criadas tabelas de tempos e fatores de despicking para o caso em que esta atividade é realizada para carrinhos. Nas Tabelas 14 e 15, observa-se que o tempo de despicking de cada zona da palete reduz em cerca de 10%, simulando o aumento na facilidade e velocidade de despicking para estes casos. Tabela 14 - Fatores de tempo com carrinho para paletes mãe com cerca de 2,10m 64 Tabela 15 - Fatores de tempo com carrinho para paletes mãe com cerca de 1,80m Além disso, o carrinho oferece um transporte mais fácil devido à sua morfologia e construção, o que resulta num aumento na sua velocidade de transporte. A velocidade de transporte de uma palete é de 0,55 m/s, sendo que com o carrinho considerou-se um aumento para 0,7 m/s. Apesar disso, o carrinho apresenta uma capacidade de transporte mais reduzida em relação às paletes, sendo que se considerou uma distribuição uniforme de mínimo e máximo iguais a 60 artigos e 100 artigos, respetivamente, para modelação. 5.3.2 Modelação do cenário alternativo - Early Trigger Este cenário alternativo foi desenvolvido com o objetivo de representar situações em que o utilizador deseja reduzir o tamanho do lote de trabalho. Considerando que o número de paletes-mãe descarregadas pelo camião simboliza uma ordem de produção, no cenário padrão, o colaborador trabalha com o lote máximo, dado que, antes de iniciar a reposição dos produtos, necessita de realizar o despicking de todas as paletes. Neste caso, o trigger é igual ao número de paletes descarregadas. Por outro lado, o cenário alternativo introduz maior flexibilidade, permitindo a redução do tamanho do lote e autorizando o início da reposição mais cedo. Por exemplo, no cenário padrão caso sejam descarregadas seis paletes, todas passarão pela primeira etapa de despicking e, somente após a conclusão desta etapa, é que é iniciada a reposição dos produtos. Já no cenário alternativo em questão, com um trigger igual a dois, o colaborador irá realizar o despicking de duas paletes e inicia a reposição dos produtos resultantes. Após essa reposição, o processo de despicking é retomado para as próximas duas paletes, repetindo este ciclo até que todas as paletes sejam despickadas e todos os produtos sejam repostos. Este cenário foi modelado com base num processo específico que monitoriza o número de paletes que já foram submetidas ao despicking e compara com o valor do trigger . Quando o número de paletes 65 processadas atinge o valor do trigger , essas paletes são libertadas dos objetos de combinação, e a reposição dos seus produtos é iniciada, conforme ilustrado na Figura 53. Figura 53 - Processo "VerificaPaleteTrigger" Este cenário alternativo altera o procedimento das atividades de despicking e pode ser consultado nos Apêndices 6 e 7. 5.3.3 Modelação do cenário alternativo - Fluxo Contínuo Tal como no cenário anterior, o cenário de fluxo contínuo tem como objetivo simular ambientes que pretendam adotar os princípios Lean Thinking , avaliando a capacidade desses princípios de promoverem agilidade e fluidez nos processos de valor acrescentado deste setor. Neste caso, o foco recai sobre os processos que movimentam e aproximam os produtos das prateleiras, assegurando que estes se encontram disponíveis para o cliente. Este cenário procura transportar os produtos de forma rápida e rítmica em direção às prateleiras, para isso, as atividades de despicking passam a ser realizadas todas para a mesma posição, ignorando a ideia padrão de realizar a separação dos produtos tendo em conta a sua categoria. Desta forma, o colaborador transporta os produtos da palete-mãe para uma palete ou carrinho de reposição e, ao contrário do cenário padrão onde o objetivo passa por realizar despicking de todas as paletes antes de iniciar a reposição, aqui o objetivo é iniciar a reposição sempre que a palete-destino ou o carrinho-destino atingirem a sua capacidade máxima de transporte. As atividades relativas ao despicking , estão representadas na Figura 54. 66 Figura 54 - Atividades de despicking no cenário de fluxo contínuo com carrinho Foi necessário realizar duas alterações principais nos processos para que fosse possível modelar este cenário. A primeira alteração passa por forçar o colaborador a colocar os produtos sempre na mesma posição, independentemente do seu tipo. Para tal, foi acrescentado um step no processo “Destination_Time_and_Type”, presente no Apêndice 4, que tem como função mudar o destino de todos produtos para a posição 1 de despicking . Esta alteração está representada na Figura 55. Figura 55 - Step responsável por direcionar todos os produtos para a posição 1 de despicking Para além disso, é imprescindível garantir que a palete ou carrinho sejam libertados, iniciando a reposição dos seus produtos, a partir do momento em que esta atinge a sua capacidade máxima. Assim, foi acrescentado um step que antecipa o transporte dos produtos para a loja a partir do momento em que a entidade é libertada do objeto de combinação das atividades de despicking , quando atinge a sua capacidade máxima. Este step, responsável por tornar a state “allowTranspLoja” igual a 1 que, consequentemente dispara o evento “tudoParaLoja”, pode ser analisado na Figura 56. 67 Figura 56 - Step responsável por autorizar a reposição depois de se atingir a capacidade da entidade de transporte Nos Apêndices 8 e 9 é possível consultar o procedimento seguido quando se trabalham nestes modos. 5.3.4 Modelação do cenário alternativo – Comboio Logístico Atualmente, os comboios logísticos são uma opção frequente no que toca a operações internas do setor industrial, seja em armazéns, centros de distribuição e até linhas de produção. Este meio de transporte consiste num conjunto de veículos ou módulos conectados entre si, formando uma espécie de comboio, capaz de transportar produtos para abastecimento ou recolhê-los ao longo dos postos. É uma abordagem que permite o transporte de maior número de objetos de uma só vez e, pela mesma razão, surge a ideia de testar este método no setor de retalho, no que toca às atividades de transporte de produtos para a loja como uma forma de tornar o movimento de produtos mais rápido e eficiente. Para além disso, nos casos em que este comboio é motorizado espera-se uma redução significativa do esforço físico exigido aos colaboradores, contribuindo, consequentemente, para uma redução do risco de lesões musculoesqueléticas. É, portanto, um cenário com potencial para promover uma relação positiva entre a ergonomia e a eficiência operacional. Para modelar os processos relacionados com este cenário foi necessário desenvolver um conjunto adicional de subprocessos, garantindo que as interações entre os objetos continuavam a ocorrer em concordância com a realidade. Assim, podemos ver na Figura 57, o conjunto extra de objetos numa área dedicada à construção dos comboios logísticos a partir das paletes ou carrinhos. 68 Figura 57 - Área dedicada aos objetos adicionais no cenário de comboio logístico Tendo em conta o formato em que as atividades anteriormente descritas foram modeladas, a abordagem mais adequada para desenvolver estes processos consiste em simular a montagem/acoplamento dos módulos (paletes ou carrinhos) num comboio logístico a partir da zona de espera, após o processo de despicking . Neste contexto, a área ilustrada na Figura 57 tem a função de gerir e processar a montagem do comboio. O fluxo deste cenário inicia com o direcionamento de todas as paletes ou carrinhos resultantes do despicking para a zona de espera, onde é realizada a contagem do número de paletes em espera e, quando esse número iguala o tamanho definido para o comboio, o processo de montagem é iniciado. Inicialmente, as entidades parent e member são separadas, a partir de um Separator , sendo que as entidades do tipo parent são destruídas e as entidades member avançam para o próximo objeto, Combiner , tal como representado na Figura 58. Figura 58 - Início do processo de criação do comboio logístico No Combiner , ocorre a combinação das entidades “Produto”, separadas anteriormente e, recorrendo às entidades “Pal_Comb” e “Pal_Comb” geradas a partir de um Source específico, será criado um conjunto palete-produto novo com a configuração de comboio logístico. Na Figura 59 ilustrase o momento após esta recombinação de entidades. 69 Figura 59 - Momento após a recombinação de entidades Por fim, este conjunto de entidades é devolvido à zona de espera, tal como representado na Figura 60 para que possa continuar o processo de forma normal. Figura 60 - Finalização da montagem do comboio logístico e retorno à zona de espera Este conjunto possui um formato que varia de acordo com o tamanho do comboio, sendo que, tal como ilustrado na Figura 61, o seu número de módulos é ajustado conforme a escolha do utilizador. Figura 61 - Exemplo de módulos de comboio logístico, segundo o tamanho do mesmo Todos os processos relacionados com a modelação destas etapas podem ser consultados no Apêndice 10. 70 5.4 Modelação de índices ergonómicos O Modelo Y, apresentado no capítulo introdutório, destaca a importância de alinhar a eficiência operacional com práticas que promovam a ergonomia e a segurança ocupacional. Desta forma, torna-se indispensável que um modelo de simulação, desenvolvido neste contexto, seja capaz de realizar análises mais abrangentes e detalhadas, incorporando não só os indicadores de desempenho do sistema, mas também métricas relacionadas com o eixo de ergonomia. Esta abordagem visa possibilitar o cruzamento de dados e análises entre os indicadores operacionais e os índices ergonómicos das mesmas operações, permitindo um estudo mais alargado de fatores que influenciam o comportamento e as condições dos sistemas nestes contextos. Tendo isto em conta, tornou-se clara a necessidade de incorporar índices ergonómicos no modelo de simulação, sendo que os métodos escolhidos para o cálculo destes foram o Guia de Mital e o NIOSH 91. Estes métodos adequam-se às tarefas realizadas nas operações intralogísticas do estudo e são reconhecidos pelas suas capacidades de avaliação de tarefas que envolvem o manuseamento manual e a realização de movimentos repetitivos com cargas. Os próximos subcapítulos pretendem explicar o funcionamento de cada um dos métodos utilizados, assim como descrever como é que foi realizada a modelação e incorporação no modelo em descrição. 5.4.1 Modelação do Guia de Mital O Guia de Mital é um método que tem como objetivo capacitar, através de um só documento, a análise de todas as atividades que envolvam tarefas como elevar, baixar, transportar, segurar, empurrar e/ou puxar manualmente materiais pesados. No contexto deste trabalho, o método foi aplicado como uma ferramenta para o estudo do esforço físico dos colaboradores durante o transporte de cargas com a utilização de paletes e/ou carrinhos. A integração do Guia de Mital torna o modelo capaz de recolher os dados necessários e, consequentemente, calcular índices ergonómicos sempre que estas tarefas ocorrem. Esta ferramenta garante a identificação de comportamentos e parâmetros do sistema que tornam estas tarefas críticas para a saúde física do colaborador. Com base nas tarefas definidas como alvo de estudo e aplicação do Guia de Mital e considerando a abrangência do método para ambos os géneros, foram selecionadas as atividades, listadas a seguir, para análise ergonómica: 77 Figura 68 - Steps finais do processo "Calcula_Indice" 5.4.2 Modelação da Equação de NIOSH 91 O NIOSH é uma organização norte americana que tem como objetivo a pesquisa e o desenvolvimento de recomendações no que respeita à prevenção de acidentes e doenças relacionadas com o trabalho. Entre várias contribuições deste instituto, uma das mais importantes trata-se da NIOSH Lifting Equation , uma ferramenta utilizada para avaliar o risco de lesões durante a realização de atividades de levantamento manual de cargas. Esta equação de levantamento é utilizada para calcular o Peso Limite Recomendável (PLR), ou seja, o peso recomendado que um trabalhador pode levantar, numa certa tarefa, de forma segura. A equação considera vários fatores ergonómicos e biomecânicos e, além do PLR, também calcula o Índice de Elevação (IE), que indica o grau de risco associado à tarefa. Equação de Elevação NIOSH 91: 𝑃𝐿𝑅#=#𝐶𝐶#∙𝑀𝐴∙𝑀𝐹∙𝑀𝑉∙𝑀𝐻∙𝑀𝑃∙𝑀𝐷, em kg A equação contempla vários parâmetros durante o cálculo do peso limite recomendável. Estes parâmetros encontram-se enumerados e explicados a seguir, assim como os multiplicadores resultantes destes. Parâmetros da Equação de Elevação NIOSH 91: • V: altura de início da elevação (cm); • H: distância horizontal entre as mãos e a vertical passando pelos tornozelos no início da elevação (cm) – dependente de L (profundidade do objeto); o Se V ≥ 25 cm, # 𝐻#=20+#) *; o Se V < 25 cm, 𝐻#=25+#) *; o Caso o objeto esteja sujo ou contaminado, deve-se adicionar 5 cm. • D: distância percorrida durante a movimentação (cm); • A: assimetria do movimento do tronco em relação ao plano sagital (°); • T: duração do período com atividades de manipulação de cargas (min); • F: frequência das movimentações (elevações/min); • P: qualidade da pega do objeto (boa, aceitável ou má). 78 A Figura 69 representa graficamente a postura corporal das atividades de estudo desta equação e os parâmetros inerentes ao processo de cálculo da equação NIOSH 91. Figura 69 - Representação gráfica da postura corporal e parâmetros da Equação de NIOSH 91 Retirado de (T. Waters et al., 2021) Multiplicadores da Equação de Elevação NIOSH 91: • MH (multiplicador horizontal): 𝑀𝐻#=#*+ , • MV (multiplicador vertical): 𝑀𝑉#=#1−0,003∙|𝑉−75| • MD (multiplicador de distância): 𝑀𝐷#=#0,82+-,+ / • MA (multiplicador de assimetria): 𝑀𝐴#=#1−0,032∙𝐴 • MF (multiplicador de frequência): valor obtido através de uma tabela (Anexo 5) • MP (multiplicador de pega): valor obtido através de uma tabela (Anexo 5) Por fim, o índice de elevação é obtido através da razão entre a carga real e o peso limite recomendável. 𝐼𝐸#=# 𝐶𝑎𝑟𝑔𝑎#𝑅𝑒𝑎𝑙 𝑃𝑒𝑠𝑜#𝐿𝑖𝑚𝑖𝑡𝑒#𝑅𝑒𝑐𝑜𝑚𝑒𝑛𝑑á𝑣𝑒𝑙#(𝑃𝐿𝑅) Para os casos em que o IE é menor ou igual a 1, a atividade não apresenta riscos para os trabalhadores, não sendo necessária qualquer ação neste âmbito. Já nos casos em que o valor do IE é superior a 1, é necessário corrigir a situação dado o risco para alguns dos trabalhadores e, quando este índice supera valores iguais a 3, é necessário realizar uma ação de correção com urgência devido ao risco elevado de lesão que a maioria dos trabalhadores corre quando expostos a tarefas desse tipo. 79 A Equação de Elevação NIOSH 91 pode ser utilizada para casos simples, ou seja, quando os parâmetros das tarefas não apresentam uma variação significativa ou quando o interesse do estudo passa apenas por avaliar a tarefa mais crítica. Por outro lado, este método pode ser aplicado em casos de multitarefa, isto é, quando existem diferenças significativas entre os parâmetros das tarefas. Nestes casos é importante que as variáveis sejam avaliadas separadamente. Tendo em conta que a introdução deste método tem como objetivo a avaliação da atividade de despicking , considerou-se que a aplicação do método teria como base a análise multitarefa. Esta decisão tem em conta que a atividade em estudo apresenta variações significativas no que toca ao peso dos artigos e às posições iniciais e finais dos produtos manuseados que, consequentemente, gera variação na distância percorrida por este. A equação utilizada tem as seguintes limitações: as elevações devem ser realizadas sem movimentações bruscas, sem restrições à postura mais favorável, boas condições mecânicas e as elevações são realizadas de pé. Sendo que a atividade em avaliação cumpre todas estas condições, conclui-se que a Equação de Elevação NIOSH 91 Multitarefa é um dos métodos indicados para realizar este estudo. Análise Multitarefa: Este método apresenta um procedimento mais trabalhoso tendo em conta que é necessário determinar uma série de parâmetros para cada uma das tarefas simples: 1. Determinar PLRIFj (PLR sem considerar a frequência, ou seja, MF = 1); 2. Determinar PLRTSj (𝑃𝐿𝑅𝐼𝐹0∙𝑀𝐹0); 3. Determinar IEIFj (%&'()*á,! %-./0! ); 4. Determinar IETSj (12&345é7! 1)89:! ); 5. Ordenar as tarefas simples por ordem decrescente do valor de IETSj; 6. Determinar IEC (Índice de Elevação Composto: 𝐼𝐸𝐶=𝐼𝐸𝑇𝑆;+ åD 𝐼𝐸 ), onde: åD 𝐼𝐸=𝐼𝐸𝑇𝑆*+b 1 𝑀𝐹;,* −1 𝑀𝐹;c+𝐼𝐸𝑇𝑆<+b 1 𝑀𝐹;,*,< −1 𝑀𝐹;,*c+⋯ 𝑀𝐹;,*: MF para uma frequência de f1+f2 𝑀𝐹;,*,<: MF para uma frequência de f1+f2+f3 80 Significado dos Parâmetros Multitarefa: PLRIFj: traduz a exigência relativa à força muscular para uma simples repetição da tarefa; PLRTSj: traduz a exigência global da tarefa, assumindo que é a única a ser executada; IEIFj: determina a carga biomecânica máxima a que o corpo estaria sujeito, não tendo em conta a frequência da tarefa; IETSj: permite uma melhor representação das exigências metabólicas através do peso médio. Para valores superiores a 1, indica a necessidade de intervenção ergonómica, de forma a reduzir a exigência fisiológica global. Ao longo dos processos do modelo é possível encontrar um conjunto de steps que são responsáveis por contabilizar o tempo que o colaborador se encontra ocupado nas atividades de despicking de cada palete. Na Figura 70, encontra-se representado um conjunto exemplo destes steps importantes para a definição do parâmetro T e, consequentemente, para o cálculo da frequência de movimentações em cada palete. Figura 70 - Exemplo de steps responsáveis por determinar o tempo de atividade de despicking Estes steps possibilitam que seja criado o registo da Tabela 16 “tbl_outp_NIOSH_aux”, onde é guardado o ID da palete, o seu tempo de despicking e o número de produtos de cada uma. 81 Tabela 16 - Tabela “tbl_outp_NIOSH_aux”, Tal como descrito anteriormente, as paletes-mãe foram divididas em zonas sendo que, verticalmente, encontramos estas paletes com três zonas distintas. A partir da divisão vertical, foram associadas alturas, em cm, com o objetivo de caracterizar a posição inicial do movimento de despicking , sendo que é um dos parâmetros importantes para caracterizar a atividade. Na Figura 71, é possível consultar como é que esta divisão foi conduzida para os dois tipos de paletes. Figura 71 - Posição vertical inicial para os diferentes tipos de paletes Esta divisão é pensada para os casos em que não é utilizado nenhum sistema de inclinação de paletes. Para os casos em que se pretenda estudar o impacto de um sistema desses, assumiu-se que a posição inicial seria de 110 cm. Para além disso, foi aplicado o mesmo raciocínio para as paletes e carrinhos de reposição que, neste caso, caracterizarão as posições finais do produto durante a atividade de despicking . Na Figura 72, encontram-se representadas, através de um esquema, as posições finais das paletes e dos carrinhos de reposição. 82 Figura 72 - Posição vertical final para os diferentes meios de reposição As tabelas inseridas no software de simulação que contemplam as zonas e as relativas posições verticais, podem ser consultadas nos Apêndices 19 e 20. O processo “Caract_Multipliers_NIOSH_1”, representado na Figura 73, é então responsável por relacionar estas tabelas com o comportamento do sistema durante o decorrer da simulação, definindo então os parâmetros de distância vertical e horizontal de cada produto. Figura 73 - Processo "Caract_Multipliers_NIOSH_1" Ao longo de cada run são construídas várias tabelas output que registam e calculam os vários parâmetros necessários à Equação NIOSH 91. Estas tabelas registam os parâmetros para cada produto que passa pelas mãos do colaborador e, tal como se pode ver na Figura 74, o processo responsável pela criação da primeira tabela regista o ID da palete e do produto, o seu peso, a distância horizontal e as posições iniciais e finais. 83 Figura 74 - Processo "Tbl_Write_NIOSH_1" Na tabela seguinte (Tabela 17) é representada parte de uma tabela exemplo construída pelo processo anterior. Nessa tabela sublinha-se o facto de esta ter uma coluna não referida anteriormente, isto porque esta coluna é preenchida por um outro processo responsável por atribuir um número relativo ao tipo de combinação entre a posição inicial e posição final vertical. Esta combinação serve de auxiliar para processos mais avançados que serão explicados nos próximos parágrafos. Tabela 17 - Excerto exemplo da tabela "tbl_outp_NIOSH_Base" Cada combinação de posições iniciais e finais resulta num valor único e, na Figura 75, encontra-se representado o processo responsável pela atribuição das combinações e consequente registo na tabela mencionada anteriormente. 84 Figura 75 - Processo "Tbl_Write_NIOSH_2" No final do processo é necessário ordenar a tabela por ordem crescente de combinação, isto porque, devido ao funcionamento do método multitarefa de NIOSH 91, é necessário agrupar os produtos que têm o mesmo tipo de combinação de forma a estudar esse conjunto como parte de uma tarefa única. Dado que o software Simio não tem a funcionalidade inerente de ordenar uma tabela, utilizou-se um processo auxiliar que, através de um step Search , procura de forma cíclica a instância com o valor mais baixo da combinação e regista essa instância numa nova tabela – “tbl_outp_NIOSH_Base_Order”. Este processo auxiliar está representado na Figura 76 e é importante referir que ao longo da modelação da Equação de Elevação NIOSH 91 é necessário realizar várias vezes ordenação de tabelas, sendo que todas seguem o raciocínio deste processo. Figura 76 - Processo "tblOrder!_NIOSH" Após realizar uma nova ordenação da última tabela por ordem crescente de paletes, é então possível avançar para o agrupamento de todas as instâncias. Os grupos são constituídos por instâncias que 85 contenham as mesmas características e que, dessa forma, serão consideradas “tarefas” distintas para a aplicação do método NIOSH 91 multitarefa. Os três processos ilustrados nos Apêndices 22 a 24 são os responsáveis por agrupar as tarefas, sendo que o resultado desta ordenação é uma nova tabela output , tal como ilustrado na tabela exemplo seguinte. Tabela 18 - Tabela exemplificativa do agrupamento das instâncias em tarefas NIOSH 91 (“tbl_outp_NIOSH2”) Na Tabela 18 podemos ver um resultado exemplo da primeira tabela que agrupa as tarefas necessárias para o cálculo da Equação NIOSH 91. Esta já inclui todos os multiplicadores necessários assim como cada parâmetro multitarefa, tais como: PLRIF, IEIF, PLRTS e IETS. De seguida, tal como já foi descrito, é necessário ordenar as tarefas por ordem decrescente do valor de IETS. Este processo é realizado, novamente, através de um step Search que é registada cada instância numa nova tabela “tbl_outp_NIOSH3”, tal como no exemplo da Tabela 19 (ordenada pela última coluna). Tabela 19 - Tabela exemplificativa do resultado da tabela “tbl_outp_NIOSH3” De seguida, pretende-se determinar o Índice de Elevação Composto (IEC) para cada palete e, para isso, é necessário calcular o Índice de Elevação específico de cada tarefa e, consequente, realizar o somatório destes. Os processos ilustrados nos Apêndices 25 a 28, são responsáveis por realizar os cálculos necessários para a determinação dos índices de cada tarefa e, por fim, registá-los na tabela “tbl_outp_NIOSH4”. Na Tabela 20 é possível analisar um excerto exemplificativo da tabela resultante destes processos onde se encontram registados, novamente, todos os multiplicadores e parâmetros da Equação NIOSH 91, mas, desta vez, acompanhados pelo índice final de cada tarefa e alguns auxiliares intermédios relevantes à obtenção da tabela com todos os parâmetros finais. 86 Tabela 20 - Excerto exemplo da tabela "tbl_outp_NIOSH4" Por fim e ainda através do processo ilustrado no Apêndice 26, é determinado o IEC de cada palete e registado na “tbl_outp_NIOSH_Results”, tal como representado no exemplo da Tabela 21. Tabela 21 - Exemplo do resultado da tabela “tbl_outp_NIOSH_Results” Em jeito de conclusão, entende-se que a modelação do método multitarefa NIOSH 91 transforma este modelo numa ferramenta bastante capaz no que toca à análise de tarefas de elevação manual de cargas. O registo das características e dos movimentos associados a todos os produtos, dos multiplicadores das instâncias e dos parâmetros das tarefas, possibilita análises de granularidade elevada, como é o caso do índice composto da palete ou até de uma atividade de despicking completa. Permite ainda análises de granularidades mais reduzidas, como por exemplo, caso o utilizador considere relevante analisar o comportamento dos índices simples de cada tarefa. Para além disso, o método foi modelado de forma flexível, sendo utilizável em qualquer cenário parametrizado no modelo apresentado. 5.5 Plano Experimental Elaborou-se um plano experimental que possibilita a avaliação e comparação consistente de vários cenários, assegurando uma análise imparcial dos diferentes sistemas em consideração. Este plano mostra-se capaz de testar diversos métodos de despicking e reposição, sendo que estas atividades podem diferir no procedimento das operações ou nos materiais utilizados. Dado que o modelo suporta a análise de vários cenários, mas apresenta restrições para testar certos parâmetros simultaneamente, o plano foi estruturado em grupos distintos. Esta divisão facilita a interpretação dos resultados obtidos, conforme ilustrado na Tabela 22. 93 de tamanho igual ao número de paletes descarregadas no dia, cria grandes ineficiências quando o objetivo de criar valor passa por garantir que os produtos estejam disponíveis para o cliente. Partindo destes resultados, são testadas várias experiências, cada uma com objetivos distintos, com o intuito de avaliar a viabilidade de implementar alterações no modo de trabalho deste sistema. 6.2.1 Experiência Operacional I – Implementação de um comboio logístico O propósito desta experiência passa por avaliar como é que a implementação de um comboio logístico e a variação do seu tamanho influencia, a nível operacional, o comportamento do sistema. Desta experiência espera-se uma melhoria nos processos tendo em conta que o transporte de produtos para a loja passa a ser feito em maiores quantidades. Foram então conduzidas experiências onde se alteraram os parâmetros do comboio logístico, sendo que o cenário padrão/controlo é caracterizado nestes resultados por ter um tamanho de comboio igual a um. Os resultados são apresentados na Figura 78. Figura 78 - Resultados da experiência operacional I em Dashboard Power BI Partindo dos resultados expostos na Figura 78, procedeu-se à construção dos gráficos, representados na Figura 79, permitindo uma interpretação mais intuitiva e acessível destes valores. Os indicadores apresentados são incluídos nos diferentes gráficos da figura seguinte. 94 Figura 79 - Gráficos da experiência operacional I em Dashboard Power BI Os vários gráficos apresentados na figura anterior mostram que a utilização de um comboio logístico no processo de transporte de produtos apenas gera alterações significativas na distância percorrida pelo colaborador e no tempo de ciclo de transportes para a loja. Analisando o gráfico número 1, é possível perceber que o tempo de ciclo médio de despicking de paletes e o WIP médio da zona de retaguarda não manifestam quaisquer alterações relacionadas com o tamanho do comboio logístico, isto porque a introdução deste meio de transporte não interfere diretamente com a atividade de despicking, mas sim com o comportamento do sistema no que toca ao transporte de carga para a loja. Apesar disso, estas experiências demonstram que o tamanho do comboio logístico se relaciona de forma diretamente proporcional com o tempo de ciclo médio de transportes para a loja, apesar da média ponderada deste indicador não sofrer quaisquer alterações. Este comportamento pode ser explicado pelo facto de o colaborador estar mais tempo presente na loja a movimentar o comboio e os produtos pelos corredores e, consequentemente, a repô-los. Tendo em conta que o objetivo do comboio passa pelo transporte de mais produtos, é natural que a atividade de reposição seja mais demorada levando aos resultados apresentados. Ainda assim, o facto de a média ponderada do tempo de ciclo de transportes não sofrer alterações, prova que o aumento do tempo de ciclo de transporte para a loja se equilibra com o tempo disposto a repor produtos nas prateleiras, não sendo observados comportamentos significativamente distintos neste contexto. Por outro lado, este parâmetro apresenta resultados positivos no que toca à distância total percorrida pelo colaborador. Neste caso, a distância média percorrida por cada comboio (linha vermelha do gráfico 2), isto é, a distância média percorrida em cada transporte de produtos para a loja, aumenta de forma diretamente proporcional com o tamanho 95 deste. Este fenómeno é explicado pelas mesmas razões apresentadas anteriormente, onde um maior número de produtos aumenta a probabilidade de serem transportados mais tipos ou categorias de produtos que, consequentemente, resultam na necessidade de passar por mais corredores para repor estes todos. Ainda assim, a distância total percorrida (linha azul do gráfico 2) durante a realização destas tarefas reduz à medida que o tamanho do comboio aumenta, isto porque elimina-se a necessidade de realizar tantas viagens entre a retaguarda e a loja, e vice-versa, para iniciar a reposição de produtos que se encontram noutras paletes. Tendo em conta a análise desta experiência, conclui-se que este parâmetro não gera alterações significativas na eficácia de despicking , sendo que a alteração mais importante de sublinhar é a capacidade de reduzir a distância média total percorrida pelo colaborador em cerca de 35%. 6.2.2 Experiência Operacional II – Variação do tamanho de lote de trabalho ( Trigger ) Esta experiência tem como objetivo avaliar o impacto decorrente da variação do tamanho de lote definido para trabalho. Esta experiência tem por base o princípio de Lean Thinking que sublinha a importância de garantir a agilidade e fluidez de todos os processos que acrescentam valor ao produto/serviço por forma a que o produto final chegue ao cliente sem interrupções e/ou esperas. Desta forma, espera-se que a diminuição do lote de trabalho se reflita num sistema mais ágil e capaz de focar o seu comportamento na criação de valor e, por isso, no transporte de produtos de forma mais fluída para as prateleiras, tornando-se mais eficaz na disponibilidade destes ao cliente. O cenário padrão é traduzido pelo trigger igual ao número total de paletes descarregadas pelo camião. Os resultados desta experiência estão ilustrados na Figura 80. 96 Figura 80 - Resultados da experiência operacional II em Dashboard Power BI Desta dashboard resultam os gráficos ilustrados na Figura 81, a partir do qual será conduzida a seguinte análise. Figura 81 - Gráficos da experiência operacional II em Dashboard Power BI O grupo de gráficos ilustrados na figura anterior mostra, desde logo, que a diminuição unitária do tamanho do lote ou trigger apresenta uma relação proporcional com o WIP médio da célula (zona de retaguarda), tal como seria esperado. Esta relação reflete-se numa diminuição acentuada à medida que 97 o trigger diminui, simbolizando que este pode ser um parâmetro essencial a ter em conta, principalmente, em estabelecimentos de menor dimensão e que, consequentemente, não têm tanta capacidade para manter tantos produtos na zona de retaguarda ao longo das atividades de despicking e reposição. Sublinha-se que, apenas através da alteração de um lote máximo para um lote/ trigger igual a 1, é possível garantir uma redução percentual média de cerca de 85% do WIP na zona de retaguarda. Por outro lado, o tempo de ciclo médio de despicking das paletes apresenta um comportamento inverso ao do WIP. Neste caso, o tempo de ciclo médio aumenta de forma inversamente proporcional ao tamanho do lote de trabalho. Este comportamento pode ser explicado através do aumento de interrupções da atividade de despicking para realizar reposição dos produtos. No caso em que o trigger é considerado 1, o colaborador de cada vez que finaliza o despicking de uma palete irá iniciar a reposição dos produtos resultantes, levando a que o despicking das restantes paletes só volte a iniciar no final da reposição dos produtos da primeira. Estas interrupções intermediárias resultam num tempo de ciclo de despicking mais elevado, mas, tal como se pode observar na Figura 81 isto acaba por implicar uma reposição mais rápida e rítmica dos produtos, resultando numa redução do tempo de atravessamento dos produtos. Tendo em conta que a atividade que acrescenta valor a estas tarefas é a aproximação dos produtos das prateleiras e a sua exposição e disponibilidade ao cliente, pode-se desconsiderar que o aumento do tempo de ciclo de despicking seja um ponto negativo neste cenário . Para além disso, o tempo de ciclo médio de transportes para a loja segue o mesmo comportamento positivo para o caso, correspondendo às expectativas comportamentais desta experiência. Pelo contrário, a redução do tamanho do lote traduz-se num aumento de paletes construídas. Este comportamento é justificado pelo facto desta variação se traduzir, incontestavelmente, num processo que utiliza menos a capacidade máxima dos seus meios de transporte de produtos devido às interrupções mais recorrentes para reposição. Pela mesma razão, é expectável, e confirmado pelos resultados da experiência, que a distância total percorrida pelo colaborador seja afetada, podendo acarretar consigo problemas no que toca à ergonomia do processo. Esta questão será explorada mais à frente aquando da discussão dos resultados das experiências desse âmbito. Em jeito de conclusão, confirma-se que este é um parâmetro com potencial para melhorar a eficiência destas atividades, principalmente no que toca a garantir um fluxo rápido e rítmico dos produtos para a loja. É também importante sublinhar que este pode ser um cenário importante para os estabelecimentos de retalho que apresentem restrições de espaço e pretendam reduzir o número de material WIP. 6.2.3 Experiência Operacional III – Variação integrada do Trigger e do tamanho do 98 comboio logístico Tendo em conta os resultados das Experiências Operacionais I e II, deu-se seguimento à Experiência III que tem como propósito avaliar o impacto da variação de vários parâmetros, focando na dupla de parâmetros explorados nas experiências anteriores. Desta experiência espera-se encontrar uma melhoria nos processos através da integração de um lote reduzido e a integração de um comboio logístico. Para além disso, pretende-se analisar o comportamento do sistema através da alteração de outros parâmetros, tais como o número de colaboradores, a substituição das paletes de reposição por carrinhos, a introdução de um sistema de inclinação de paletes e a variação do tipo de paletes descarregadas. Destes últimos é expectável que apenas o número de colaboradores tenha um impacto significativo no desempenho operacional do processo, visto que os restantes têm um papel focado na ergonomia do trabalho, segundo a qual serão conduzidas várias experiências mais à frente. Foram então conduzidas experiências onde se conjugaram os parâmetros do comboio logístico e do trigger . Os resultados da experiência que conjuga os dois parâmetros em foco estão ilustrados de forma gráfica na Figura 82. Os restantes são apresentados nas figuras presentes no Apêndice 30. Figura 82 - Gráficos da experiência operacional III em Dashboard Power BI Analisando a Figura 82 conclui-se que a introdução de um comboio logístico apresenta-se como uma solução eficaz para o problema das longas distâncias percorridas pelos colaboradores, as quais poderão ter implicações ergonómicas, especialmente em cenários que envolvam o trabalho com lotes reduzidos. Ainda assim, o comboio logístico apresenta implicações no tempo de ciclo de transporte de loja para as quais os comboios com menores dimensões apresentam melhor desempenho. 99 Por outro lado, e, analisando os gráficos ilustrados no Apêndice 30, entende-se que a introdução de um sistema de inclinação e a variação do tipo de palete não resultam em comportamentos significativamente distintos do cenário padrão. Espera-se que estes dois parâmetros tenham uma influência mais elevada a nível ergonómico do que operacional. Ainda assim, a introdução de um carrinho e a variação do número de colaboradores apresentam-se como parâmetros com grande influência no comportamento operacional do sistema e, por isso, de seguida serão analisadas experiências em maior detalhe focadas nestes parâmetros. 6.2.4 Experiência Operacional IV – Substituição das paletes de reposição por carrinhos O propósito desta experiência passa por avaliar como é que a substituição das paletes de reposição por carrinhos influencia, a nível operacional, o comportamento do sistema. Foram então conduzidas experiências onde se alterou o parâmetro “UsaCarrinho” no cenário padrão. Os resultados são apresentados na Figura 83. Figura 83 - Resultados da experiência operacional IV em Dashboard Power BI A partir destes resultados foram compilados os gráficos apresentados na Figura 84, facilitando a leitura das alterações resultantes da substituição das paletes de reposição por carrinhos. 100 Figura 84 - Gráficos da experiência operacional IV em Dashboard Power BI A análise dos gráficos presentes na figura anterior, conclui que a introdução de carrinhos neste cenário não gera alterações muito significativas a nível operacional. É possível ver que o tempo de ciclo médio de despicking das paletes reduz substancialmente, o que se deve ao facto de os carrinhos garantirem que a posição final dos produtos ao longo desta atividade ocorre a um nível vertical mais confortável de realizar a atividade e, por isso, também mais rápido. O tempo de ciclo médio de transportes para a loja também apresenta uma redução, novamente, ligeira ainda que isso se traduza num ganho quando o objetivo é colocar os produtos na prateleira. Por outro lado, dado que a capacidade máxima dos carrinhos é inferior à das paletes, o número de produtos transportados é menor e, consequentemente, o número médio de carrinhos construídos é, neste cenário, mais elevado e a distância total percorrida pelo colaborador é também mais elevada. Segundo os gráficos em análise, cerca de dois carrinhos extra necessários resultam em quase mais 200m percorridos. Apesar disso, estas alterações resultantes apresentam uma amplitude curta, mostrando que a introdução de carrinhos no processo apresentam melhorias substanciais no que toca ao aumento de valor acrescentado nas operações estudadas. Para além disso, estes cenários podem apresentar mais valias a nível ergonómico e, por isso, será um ponto chave em análise nas experiências ergonómicas. 6.2.5 Experiência Operacional V – Variação do número de colaboradores A quinta experiência operacional tem como objetivo avaliar o impacto decorrente da variação do número de colaboradores alocados às atividades de despicking e reposição. Desta experiência esperamse resultados significativos, principalmente, no que toca à velocidade e ritmo a que as tarefas são 101 realizadas. O cenário padrão é traduzido por ter apenas um colaborador. Os resultados desta experiência estão ilustrados na Figura 85. Figura 85 - Resultados da experiência operacional V em Dashboard Power BI Na Figura 86, estão representados de forma gráfica os resultados apresentados na figura anterior. Figura 86 - Gráficos da experiência operacional V em Dashboard Power BI Analisando o primeiro gráfico, confirmam-se as expectativas quanto ao aumento da eficiência nas atividades de despicking . Observa-se que a alocação de um número maior de colaboradores nas tarefas de despicking resulta numa redução significativa do tempo médio de ciclo de despicking tanto para os produtos quanto para as paletes. Para além disso, o tempo de atravessamento e o tempo de ciclo das atividades de transporte para a loja apresentam o mesmo tipo de comportamento, evidenciando uma redução proporcional ao aumento de recursos alocados. 102 No entanto, sublinha-se que estes indicadores apresentam uma evolução ligeiramente curvilínea, sugerindo que existe uma relação decrescente nos ganhos alcançados com esta variação de recursos humanos. Embora o aumento do número de colaboradores contribua para uma maior eficiência, os benefícios adicionais tornam-se progressivamente menos acentuados. Dado este comportamento, é fundamental avaliar cuidadosamente o equilíbrio entre o número de recursos alocados e os custos associados a tal, garantindo uma relação custo-benefício otimizada para cada situação específica. 6.2.6 Experiência Operacional VI – Introdução de um fluxo contínuo A última experiência operacional tem como objetivo avaliar os impactos da implementação de um fluxo contínuo em comparação à estratégia adotada na Experiência II, baseada na redução do tamanho do lote de trabalho. É pretendido testar se a transição para um sistema de fluxo contínuo é capaz de trazer benefícios significativos em termos operacionais. Esta ideia tem origem nos princípios Lean Thinking , onde se procura desenvolver o sistema de forma a garantir que os materiais fluam sem interrupções ao longo de todas as atividades. Recorde-se que neste cenário o transporte é realizado imediatamente após atingir a capacidade máxima de produtos de uma palete e que o despicking só continua após reposição destes produtos. Para além disso, neste sistema não se consideram categorias para separação, sendo todos colocados na mesma palete ou carrinho, de forma indiferenciada. Primeiramente, foram compilados os resultados do cenário de fluxo contínuo para comparativo com o cenário padrão, tal como ilustrado na Figura 87. Figura 87 - Resultados da experiência operacional VI em Dashboard Power BI De seguida, e como meio de facilitar a interpretação destes resultados, foram desenvolvidos vários gráficos que permitem a comparação desta alteração com vários cenários. Nestes cenários estão incluídos o caso padrão, os vários casos de redução do tamanho do lote de trabalho e a implementação de um sistema de fluxo contínuo. O cenário de fluxo contínuo é traduzido pelo trigger igual a 0. Este conjunto de gráficos está apresentado na Figura 88. 109 como uma intervenção crucial para minimizar o esforço físico e a probabilidade de lesões musculoesqueléticas. Por outro lado, este equipamento não se mostra capaz de gerar alterações significativas nos restantes indicadores. Os resultados da implementação deste equipamento são apresentados na Figura 95. Figura 95 - Resultados da experiência ergonómica III em Dashboard Power BI 6.3.4 Experiência Ergonómica IV – Variação do tipo de palete Dando continuidade ao raciocínio da experiência anterior, a Experiência Ergonómica IV pretende analisar os efeitos da variação do tipo de palete geradas no sistema. É importante relembrar que as paletes do tipo 1 têm cerca de 2,10m, as paletes do tipo 2 cerca de 1,80m e o tipo random uma mistura de ambas. Os resultados desta experiência são apresentados graficamente na Figura 96. Figura 96 - Gráficos da experiência ergonómica IV em Dashboard Power BI 110 A análise dos gráficos permite concluir que a variação do tipo de palete apenas interfere no índice de NIOSH. Conforme ilustrado na figura anterior, observa-se um aumento desse índice quando o sistema é configurado para gerar paletes com alturas mais elevadas. Ainda assim, o comportamento dos sistemas que consideram exclusivamente a existência de paletes do tipo 2, não apresentam alterações significativas neste índice quando comparados com o comportamento do cenário padrão (paletes do tipo aleatório). Com base nestes resultados, considera-se que para os sistemas em estudo, recomenda-se evitar que todas as paletes enviadas às lojas excedam os 2 metros de altura, uma vez que isso pode impactar negativamente o comportamento ergonómico do sistema, agravando potenciais riscos de saúde física. É, portanto, importante garantir um equilíbrio no tipo e estiva das paletes, promovendo uma configuração que otimize as condições operacionais e ergonómicas de trabalho. 6.3.5 Experiência Ergonómica V – Variação percentual do peso dos artigos Esta experiência tem como objetivo analisar o comportamento do sistema relativamente à variação do peso dos artigos enviados para a loja. Para dar seguimento a esta experiência, foi criado um parâmetro capaz de gerar uma variação percentual do peso dos produtos. Os resultados desta experiência estão representados na Figura 97. Figura 97 - Gráficos da experiência ergonómica V em Dashboard Power BI Os resultados da experiência comprovam que, visto que todos os índices em estudo dependem do peso da carga, estes apresentam uma relação diretamente proporcional, em o aumento do peso promove resultados menos favoráveis à saúde física dos colaboradores. Este comportamento reforça a 111 importância de considerar o peso como um fator crítico na construção das paletes que são enviadas para as lojas e que, consequentemente, serão manuseadas pelos trabalhadores. Desta forma, sublinha-se a importância de garantir sistemas logísticos que sejam projetados para minimizar o peso das cargas, garantindo que a saúde física dos colaboradores não seja deteriorada e contribuindo para a produtividade e eficiência do sistema. 6.3.6 Experiência Ergonómica VI – Variação percentual do atrito O propósito desta experiência passa por avaliar como é que o atrito afeta o esforço físico relacionado com as tarefas de movimento de carga. Desta forma, procura-se perceber se a substituição dos equipamentos utilizados atualmente por equipamentos que apresentem menos ou mais atrito é um fator importante para a qualidade ergonómica geral do sistema. A experiência foi conduzida através do mesmo raciocínio da experiência anterior, introduzindo um parâmetro que altera, percentualmente, o nível de atrito dos equipamentos (paletes e carrinhos de reposição). Os resultados desta experiência, aplicados a sistemas que utilizam paletes de reposição, são apresentados na Figura 98. Figura 98 - Gráficos da experiência ergonómica VI (paletes de reposição) em Dashboard Power BI Da análise destes resultados conclui-se que este parâmetro não apresenta qualquer influência nas atividades de despicking e, por isso, não se observam quaisquer alterações no índice de NIOSH. Para além disso, é um parâmetro que gera grande impacto no que toca às atividades de transporte de carga, gerando grandes alterações no que toca aos índices de Mital. 112 Podemos ver que todos os índices se relacionam de forma proporcional com a variação percentual de atrito, sendo que a redução do coeficiente de atrito se reflete numa melhoria dos índices relativos às forças de arranque e manutenção. Esta experiência demonstra o que esperar caso a substituição dos equipamentos de transporte de material das lojas esteja em causa. Nesses casos, deve-se procurar e investir em equipamentos que demonstrem condições favoráveis à redução de atrito com o solo, melhorando assim o comportamento dos indicadores, seja para colaboradores do género masculino ou feminino. Tal como analisado na Experiência Ergonómica II, apesar da utilização de carrinhos de reposição apresentar-se como uma solução capaz de melhorar os índices em questão, por vezes não garantia que estes fossem transformados em valores aceitáveis, ou noutros casos, quando o faziam, continuavam a ser valores muito perto de 1. Desta forma, foi conduzida uma experiência intermédia que mostra o impacto que poderia ser criado por um carrinho com valores de atrito mais reduzidos, em comparação com o testado inicialmente. Os resultados deste teste estão representados na Figura 99. Figura 99 - Gráficos da experiência ergonómica VI (carrinhos de reposição) em Dashboard Power BI Analisando a Figura 99, é possível perceber que para os índices de forças de arranque e manutenção do género masculino, uma variação percentual negativa de 10% no valor do atrito já seria o suficiente para garantir um nível mais seguro no que toca a estes indicadores. Para além disso, com esta variação o equipamento já seria capaz de produzir valores do índice de Mital de forças de arranque feminino perto da fronteira aceitável, algo que com o carrinho atual não ocorre. Assim, conclui-se que o valor do coeficiente de atrito é um parâmetro relevante a ter em conta aquando da compra de equipamentos. Este é um parâmetro que pode fazer a diferença entre ter um 113 sistema capaz de garantir o bem-estar dos colaboradores ou ter um sistema ineficiente capaz de desenvolver lesões musculoesqueléticas no que toca a atividades de transporte de carga. 6.3.7 Experiência Operacional VII – Introdução de um fluxo contínuo Por fim, foi conduzida uma experiência capaz de demonstrar o impacto ergonómico que um trabalho em fluxo contínuo traz para este sistema (Trigger = 0). Os resultados da última experiência são apresentados na Figura 100. Figura 100 - Gráficos da experiência ergonómica VII em Dashboard Power BI Tal como ocorre na Experiência Operacional, este cenário não reproduz a mesma tendência observada na redução do tamanho do lote de trabalho. Pelo contrário, os resultados obtidos indicam que, em praticamente todos os indicadores avaliados, o desempenho do sistema é inferior ao do cenário padrão. Demonstrando, portanto, um impacto negativo mais elevado nas métricas ergonómicas. Desta forma, este não é um cenário capaz de garantir a saúde física do colaborador. 6.3.8 Experiência Operacional VIII – Integração de parâmetros com potencial ergonómico Em jeito de conclusão, e após a análise detalhada das várias experiências ergonómicas descritas nos parágrafos anteriores, foram selecionadas e integradas algumas das implementações que demonstraram impacto positivo para o sistema, nomeadamente redução para lote igual a 1, utilização de carrinhos e sistema de inclinação de paletes. Obtiveram-se então o seguinte conjunto de indicadores ergonómicos máximos, ilustrados na Figura 101. 114 Figura 101 - Resultados ergonómicos da integração de várias implementações Tendo em conta os resultados na figura anterior, conclui-se que o conjunto de parâmetros selecionados para esta experiência integrada resulta num sistema bastante positivo a nível ergonómico. Esta experiência apresenta um conjunto de alterações capazes de resolver vários problemas do cenário padrão, relativos a esforço físico. Apenas o índice de força de manutenção máximo feminino apresenta valores superiores a 1, sublinhando-se a capacidade deste cenário reduzir os restantes índices para valores bastante satisfatórios. 6.4 Análise Crítica Nos subcapítulos anteriores foi analisado o comportamento de diferentes sistemas construídos com a implementação de várias soluções e equipamentos, considerando tanto o desempenho operacional quanto ergonómico. O cenário padrão foi também alvo de estudo, sendo que a nível operacional destacou-se o elevado nível de WIP na área de despicking , com uma média de 382 artigos, apesar dos resultados razoáveis no que toca ao tempo de ciclo médio de despicking das paletes, de aproximadamente 25 minutos. Contudo, este cenário apresentou resultados insatisfatórios no que toca ao fluxo de produtos para as prateleiras - atividade essencial para agregar valor ao cliente em contexto operacional no retalho. O tempo médio de atravessamento por produto atingiu cerca de 550 minutos, enquanto a distância total percorrida pelo colaborador foi de cerca de 688 metros. Relativamente ao potencial ergonómico deste modo de operação, nenhum dos indicadores estudados atingiu resultados aceitáveis neste âmbito, superando os limites estipulados para garantir que as atividades sejam executadas de forma não prejudicial à saúde física dos colaboradores. Relativamente a este conjunto de indicadores, destacaram-se como mais críticos ao bem-estar dos colaboradores o índice de força inicial máxima para o sexo feminino e o índice de NIOSH máximo, com valores de 2,18 115 e 1,63, respetivamente. Os resultados obtidos sublinham a importância de estudar alternativas tanto a nível operacional quanto ergonómico. Com o objetivo de superar as limitações do sistema atual, foi desenvolvido um conjunto de soluções que integraram um plano experimental. Esse plano teve o propósito de analisar o comportamento do sistema em diferentes contextos, sempre com foco na otimização das atividades de despicking e reposição, a nível operacional e ergonómico. Relativamente às experiências conduzidas no âmbito operacional, a introdução de comboios logísticos no processo demonstrou ser uma solução eficaz na redução da distância total percorrida pelos colaboradores em cerca de 35,3% apesar do tempo de ciclo de transporte para a loja ser mais elevado, algo que pode ser explicado pelo facto do colaborador transportar mais produtos de uma só vez e, por isso, estar presente em loja durante mais tempo. Já a redução do tamanho do lote de trabalho foi um dos parâmetros que apresentou maior eficiência no que toca ao transporte de produtos para a prateleira chegando a uma redução percentual máxima do tempo de atravessamento do produto de aproximadamente 81,1% e uma redução de 84,9% do WIP na área de despicking . Esta é uma solução que se traduz numa reposição mais rápida e rítmica, tendo em conta que o colaborador antecipa a reposição ao invés de iniciar as atividades de reposição após despicking total do conjunto de paletes-mãe em fila. A integração do comboio logístico com a redução do tamanho do lote de trabalho apresentou resultados positivos no que toca à redução da distância total percorrida pelos colaboradores, apesar de ter implicações no tempo de ciclo médio de transportes para a loja. A substituição das paletes por carrinhos de reposição refletiu-se na redução em cerca de 10,8% do tempo de ciclo de transporte para a loja, ainda que a distância total percorrida tenha apresentado um aumento de aproximadamente 18,3%. Por fim, a introdução de um fluxo contínuo apresentou-se como uma solução mais eficiente do que o modelo padrão de trabalho, apesar de apresentar um aumento de cerca de 43,1% do tempo de atravessamento por produto e de 74% do WIP na zona de despicking , quando comparado com o melhor cenário no que toca ao tamanho do lote de trabalho mais reduzido ( trigger = 1). Sublinha-se que apesar destes resultados, este é um cenário que garante a reposição do primeiro produto de forma mais rápida, tendo em conta que as atividades de reposição são iniciadas a partir do momento em que a palete ou carrinho de reposição atinge a sua capacidade máxima, ao contrário dos restantes cenários que definem o início destas atividades tendo em conta o despicking total de um certo número de paletes ( trigger ). As diversas experiências realizadas ao longo do último capítulo foram capazes de evidenciar o potencial das diferentes soluções em termos operacionais. Desta forma, também foram estudados vários sistemas sob a ótica ergonómica, assegurando uma avaliação mais detalhada e completa. Tal como no 116 primeiro conjunto de análises operacionais, foi estudado o impacto da redução dos lotes que voltou a apresentar resultados satisfatórios, desta vez a nível ergonómico. O sistema foi capaz de reduzir todos os indicadores em estudo para valores inferiores a 1, à exceção do índice de Mital de forças de arranque feminino e do índice de NIOSH. Estes resultados podem ser explicados pelo facto deste método de trabalho criar intervalos entre as atividades de despicking e de reposição, reduzindo a frequência de ações em cada um deles. Visto que a frequência é um parâmetro que altera significativamente o resultado dos índices ergonómicos em estudo, confirma-se que o resultado destes será mais reduzido em reflexão da diminuição do tamanho do lote de trabalho. A introdução de carrinhos no sistema demonstrou-se uma solução capaz de reduzir percentualmente o índice de NIOSH em cerca de 40,5%. Teve também um impacto positivo nos restantes indicadores, à exceção do índice de Mital de forças de manutenção. Para além destas soluções, a introdução de um sistema de inclinação de paletes apresentou-se como uma solução de grande potencial no que toca à redução do esforço realizado durante as tarefas de despicking , sendo capaz de reduzir o índice de NIOSH de 1,63 para cerca de 0,54. O sistema de inclinação de paletes é a solução que apresenta resultados mais impactantes no que toca ao índice de NIOSH dado ser um equipamento que torna possível a realização de despicking com os produtos todos a uma altura sustentável no que toca ao esforço físico realizado durante o manuseamento de produtos. Por fim, os resultados obtidos através da variação do peso dos artigos e do coeficiente de atrito dos equipamentos de transporte, sublinharam a importância de ter estes parâmetros em conta durante o planeamento destas operações de forma a garantir um ambiente de despicking e reposição ergonómico. Tendo em conta os cenários desenvolvidos e os resultados obtidos após a análise do comportamento do sistema em cada um desses casos, confirma-se a relevância da redução do tamanho do lote de trabalho que, em conjunto com a substituição das paletes por carrinhos e a introdução de um sistema de inclinação de paletes, constituem a configuração do sistema com melhor desempenho em termos combinados de eficiência operacional e índices ergonómicos. 117 7. CONCLUSÃO O presente capítulo tem como propósito sintetizar as considerações finais relativas ao estudo desenvolvido ao longo deste documento. Neste capítulo, são apresentadas reflexões sobre os resultados obtidos, destacando-se as suas implicações no contexto do problema analisado. Para além disso, são sublinhados possíveis trabalhos e pesquisas futuras. Desta forma, este capítulo organiza-se em dois subcapítulos: Considerações Finais e Trabalhos e Pesquisas Futuras. 7.1 Considerações Finais Este projeto teve como principal objetivo o desenvolvimento de um modelo de simulação capaz de representar o funcionamento real das operações intralogísticas de uma loja de retalho alimentar. O modelo foi concebido para avaliar a eficiência operacional e ergonómica das atividades de despicking e reposição, conduzidas na zona de retaguarda e no espaço comercial da loja, respetivamente. Para isso, o desenvolvimento deste projeto seguiu várias etapas, incluindo visitas estratégicas à loja Continente Modelo de Paredes de forma a realizar o diagnóstico fundamental à parametrização do estado em que as tarefas eram levadas a cabo, assim como recolher dados essenciais que, por sua vez, tornaram possível o desenvolvimento do modelo de simulação apresentado. Com base no diagnóstico inicial, foram concebidos e modelados diversos cenários alternativos fundamentados nos princípios Lean e nas necessidades específicas do sistema, com o propósito de garantir que o modelo fosse capaz, não só de otimizar o sistema a nível operacional, mas também de considerar os aspetos ergonómicos que se mostram fundamentais para o bem-estar e saúde física dos colaboradores. Assim, este modelo destaca-se como uma ferramenta inovadora e multifuncional, capaz de testar e avaliar operações intralogísticas tanto do ponto de vista operacional quanto ergonómico, oferecendo uma base sólida para a tomada de decisões e implementação de melhorias neste tipo de ambientes. A análise dos resultados obtidos ao longo das diversas experiências realizadas neste estudo, permitiram inferir que o estado de arte das atividades intralogísticas apresentava tanto limitações operacionais quanto ergonómicas, comprometendo o desempenho desejado. Desta forma, a aplicação combinada de vários princípios Lean , focados na criação de valor e no estabelecimento de fluxos rápidos e rítmicos dos materiais, juntamente com a utilização inovadora deste modelo de simulação, possibilitou a identificação de implementações que, facilmente, oferecem ganhos significativos para ambos os níveis. Apesar de 118 grande parte dos resultados positivos estarem diretamente ligados à adoção de princípios Lean , este estudo e o modelo desenvolvido permitiram obter um insight importante: que nem todos os conceitos industriais podem ser aplicados universalmente a outros setores, pelo menos sem serem devidamente adequados ao contexto. Um exemplo claro presente neste estudo é o facto de a redução do tamanho do lote de trabalho apresentar resultados extremamente positivos, em contraste com os cenários de fluxo contínuo. Estes últimos, embora eficazes e aplicados em setores industriais, não alcançaram o desempenho esperado neste projeto devido às especificidades das atividades intralogísticas analisadas - despicking e reposição. Por fim, tendo em conta a discussão de resultados e a análise crítica desenvolvidos no capítulo anterior, sublinha-se o impacto resultante da redução dos lotes de trabalho, que, em conjunto com a substituição de paletes por carrinhos e a implementação de um sistema de inclinação de paletes, integram uma solução capaz de potencializar o sistema tanto a nível operacional quanto ergonómico. 7.2 Trabalhos e Pesquisas Futuras A eficiência operacional e o bem-estar físico dos colaboradores são aspetos essenciais em qualquer ambiente de trabalho, não se restringindo apenas ao setor de retalho. Nesse sentido, reconhece-se a importância de desenvolver mecanismos que permitam a adaptação deste modelo a outros contextos, nomeadamente industriais. Para além disso, recomenda-se a adaptação e transformação deste modelo único numa nova ferramenta dedicada à avaliação ergonómica, capaz de se ajustar a diferentes setores e de realizar estudos detalhados sobre ergonomia a níveis mais profundos. A flexibilidade intrínseca ao modelo desenvolvido possibilita essa adaptação, ampliando a sua aplicabilidade e capacidade de análise de processos e condições ergonómicas de trabalho. 125 APÊNDICE 2 – BPMN DO PROCESSO DE DESPICKING (ESTADO INICIAL) Figura 103 - BPMN do processo de despicking (estado inicial) 126 APÊNDICE 3 – BPMN DO PROCESSO COMPLETO (ESTADO INICIAL) Figura 104 - BPMN do processo completo (estado inicial) 127 APÊNDICE 4 – CATEGORIAS INICIAIS DE PRODUTOS Figura 105 - Categorias inicias de produtos 128 APÊNDICE 5 – PROCESSO “DESTINATION_TIME_AND_TYPE” Figura 106 - Processo “Destination_Time_and_Type” 129 APÊNDICE 6 – BPMN DO PROCESSO DE DESPICKING ( EARLY TRIGGER ) Figura 107 - BPMN do processo de despicking (early trigger) 130 APÊNDICE 7 – BPMN DO PROCESSO COMPLETO ( EARLY TRIGGER ) Figura 108 - BPMN do processo completo (early trigger) 131 APÊNDICE 8 – BPMN DO PROCESSO DE DESPICKING (FLUXO CONTÍNUO) Figura 109 - BPMN do processo de despicking (fluxo contínuo) 132 APÊNDICE 9 – BPMN DO PROCESSO COMPLETO (FLUXO CONTÍNUO) Figura 110 - BPMN do processo completo (fluxo contínuo) 133 APÊNDICE 10 – CONJUNTO DE PROCESSOS RELATIVOS À MODELAÇÃO DO CENÁRIO COMBOIO LOGÍSTICO Figura 111 - Conjunto de processos relativos à modelação do cenário Comboio Logístico 134 APÊNDICE 11 – TABELAS MITAL DE FORÇA INICIAL PARA ATIVIDADES DE EMPURRAR COM 2 MÃOS Tabela 28 - Tabela Mital de força inicial para atividades de empurrar com 2 mãos (género feminino)