Melhoria do desempenho operacional numa oficina de reparação automóvel

Inês Capelas Rodrigues Melhoria do desempenho operacional numa oficina de reparação automóvel Melhoria do desempenho operacional numa oficina de reparação automóvel Inês Capelas Rodrigues UMINHO I 2024 outubro de 2024 2 Inês Capelas Rodrigues Melhoria do desempenho operacional numa oficina de reparação automóvel Dissertação de Mestrado Mestrado em Engenharia e Gestão da Qualidade Trabalho efetuado sob a orientação de Professora Doutora Carina Maria Oliveira Pimentel Professor Doutor Luís Miguel da Silva Dias outubro de 2024 i 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. Atribuição-NãoComercial-SemDerivações CC BY-NC-ND https://creativecommons.org/licenses/by-nc-nd/4.0/ ii AGRADECIMENTOS Gostaria de expressar o meu sincero agradecimento a todos que, de alguma forma, contribuíram para a realização deste projeto. Primeiramente, agradeço aos meus orientadores, Professora Doutora Carina Maria Oliveira Pimentel e Professor Doutor Luís Miguel da Silva Dias pela colaboração, interesse e ensinamentos valiosos. Agradeço também à entidade acolhedora, a MMCA, pela oportunidade de realizar o meu projeto, e a todos os colaboradores que me receberam e auxiliaram de alguma forma. Um agradecimento especial à Sónia, cuja amabilidade e assistência foram inestimáveis. Por fim, mas não menos importante, agradeço à minha família e amigos, especialmente aos meus pais e à minha tia Ana, por serem o meu apoio constante e o meu porto seguro. Com todo o meu carinho, dedico este trabalho a vocês. iii 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. iv Melhoria do desempenho operacional numa oficina de reparação automóvel Resumo O presente projeto de dissertação foi desenvolvido numa empresa de serviços de manutenção e reparação automóvel, que inclui serviços de pintura. Os processos de preparação da pintura e pintura podem ser de longa duração o que, combinados com a alta procura dos clientes, resultam num gargalo significativo nas operações da organização. Como tal, o objetivo principal deste projeto é melhorar o desempenho operacional da oficina recorrendo à abordagem Lean, além de avaliar qual é o estado de arte relativamente à adoção e manutenção de técnicas e ferramentas Lean no setor de reparação automóvel. A metodologia de investigação usada foi a Action-Research. No entanto, devido a restrições no projeto, o ciclo da metodologia não foi completo, focando-se esta dissertação na identificação de oportunidades de melhoria, assim como no desenvolvimento de propostas de solução. Para fundamentar as sugestões de melhorias, foram realizadas medições dos tempos das atividades diárias dos operadores, bem como a contagem de defeitos nos automóveis. Além disso, foram consideradas observações, perceções individuais e interações informais com os colaboradores envolvidos nos processos. Com isso, identificaram-se, principalmente, desperdícios relacionados com a movimentação dos operadores para a obtenção de materiais, o transporte de veículos e os defeitos de pintura, estes últimos associados ao fator humano, ao material utilizado e à contaminação da estufa. Como resultado, procura-se estabelecer um fluxo produtivo contínuo e estável, através do fortalecimento do trabalho de equipa, da padronização das atividades e da promoção da limpeza e organização do espaço de trabalho. Desta forma, pretendese aumentar a produtividade, a eficiência operacional, a qualidade e a motivação dos colaboradores, numa perspetiva de busca contínua pela perfeição. Para a análise do estado da arte, foi realizada uma pesquisa estruturada da literatura, a partir da qual se concluiu que a implementação do Lean nos serviços de pós-venda de reparação e manutenção ainda se encontra numa fase embrionária e pouco desenvolvida. Este projeto de dissertação visa, por isso, contribuir para o conhecimento científico e prático através da aplicação da filosofia Lean e do software de simulação SIMIO®, num setor de serviços pós-venda como a reparação automóvel, caracterizado por uma elevada necessidade de mão-de-obra e pela singularidade de cada cliente e veículo. Palavras-chave: Investigação-Ação, Lean Service , Reparação Automóvel, Serviços Pós-Venda, Simulação, Simio. v Improving operational performance in a car repair shop Abstract This dissertation project was implemented at car maintenance and repair services company, which includes painting services. The paint preparation and painting processes can take a long time which, combined with high customer demand, results in a significant bottleneck in the organisation's operations. As such, the main aim of this project is to improve the workshop's operational performance using the Lean approach, as well as to assess the literature regarding the adoption and maintenance of Lean techniques and tools in the car repair sector. The research methodology used was Action-Research. However, due to project restrictions, the methodology cycle was not completed, with this dissertation focussing on identifying opportunities for improvement, as well as developing proposed solutions. To support suggestions for improvement, measurements were taken of the times of the operators' daily activities, as well as a count of car defects. Observations, individual perceptions and informal interactions with the employees involved in the processes were also taken into account. As a result, waste was mainly identified in terms of the movement of operators to obtain materials, the transport of vehicles and paint defects, the latter associated with the human factor, the material used and contamination of the oven. As a result, the aim is to establish a continuous and stable production flow by strengthening teamwork, standardising activities and promoting the cleanliness and organisation of the workspace. Therefore, the aim is to increase productivity, operational efficiency, quality and employee motivation, with a view to continually strive for perfection. In order to analyse the literature, a structured literature search was carried out, from which it was concluded that the implementation of Lean in after-sales repair and maintenance services is still at an embryonic and underdeveloped stage. Consequently, this dissertation project aims to contribute to scientific and practical knowledge through the application of Lean philosophy and SIMIO® simulation software in an after-sales service sector such as car repair, characterised by high labour requirements and the uniqueness of each customer and vehicle. Keywords: Action Research, Lean Service , Car Repair, After Sales Services, Simulation, Simio. vi Índice Agradecimentos ............................................................................................................... ii Resumo ............................................................................................................................ iv Abstract............................................................................................................................. v Índice de Figuras .............................................................................................................. ix Índice de Tabelas ............................................................................................................ xii Lista de abreviaturas, siglas e acrónimos ....................................................................... xiv 1. Introdução.................................................................................................................... 1 1.1 Enquadramento ...................................................................................................... 1 1.2 Objetivos e Resultados Esperados........................................................................... 1 1.3 Metodologia de Investigação .................................................................................. 2 1.4 Estrutura da dissertação ........................................................................................ 5 2. Revisão Bibliográfica .................................................................................................... 7 2.1 Serviços Pós-Venda no Setor Automóvel ................................................................. 7 2.1.1 Setores de atividade .......................................................................................................... 7 2.2.2 Cadeia de valor ................................................................................................................. 8 2.2 Lean Manufacturing ............................................................................................... 9 2.2.1 Desperdícios e Princípios Lean ........................................................................................ 10 2.2.2 Técnicas e ferramentas Lean .......................................................................................... 11 2.3 Lean Service ......................................................................................................... 14 2.3.1 Lean em Serviços Pós-Venda no setor automóvel ............................................................. 14 2.3.2 Lean em oficinas de reparação automóvel ....................................................................... 15 2.4 Metodologias e softwares de apoio ...................................................................... 19 2.4.1 BPMN ............................................................................................................................. 19 2.4.2 SIMIO ............................................................................................................................. 23 3. Apresentação e caracterização da empresa ............................................................... 25 xiii Tabela 25 - Contabilização dos tempos das deslocações à Zona de Apoio (ida e volta) ....................... 85 Tabela 26 - Contabilização dos tempos de deslocação até ao carrinho............................................... 86 xiv Lista de abreviaturas, siglas e acrónimos APP - Área(s) de Preparação da Pintura BPMN - Business Process Model and Notation IT - Instrução de Trabalho KPI's - Key Performance Indicators NVA - Não valor acrescentado SIMIO - Simulation Modeling framework based on Intelligent Objects VA - Valor acrescentado WIP - Work-In-Process 1 1. Introdução Este capítulo apresenta um enquadramento do tema em estudo, os seus objetivos e resultados esperados, seguindo-se a apresentação da metodologia adotada para responder às questões de investigação. Por último, é feita uma descrição da estrutura adotada ao longo do documento. 1.1 Enquadramento A intensificação da competição global, o aumento das exigências dos clientes e os custos mais elevados de materiais e energia nos últimos anos obrigaram muitas empresas a modificar e melhorar continuamente as suas operações, tanto ao nível estratégico como ao nível tático (Zhou, 2016). O Lean Manufacturing tem sido uma “estratégia amplamente aceite para melhorar o desempenho empresarial em várias indústrias”(Panwar et al., 2015), sendo baseado na filosofia, princípios, ferramentas e técnicas do Toyota Production System (TPS). Na última década, a metodologia Lean expandiu-se silenciosamente além da manufatura, tornando-se uma metodologia de melhoria para indústrias de serviços (Chávez Guachamín & Burneo Arteaga, 2021). Para os fabricantes de produtos primários, a prestação de serviços pós-venda representa uma oportunidade de diferenciação competitiva (Dombrowski & Malorny, 2018). Os Serviços Pós-Venda, como a manutenção e reparo de automóveis, permitem um contacto contínuo com os clientes e têm um impacto significativo na fidelização à marca, na recompra e na receita da empresa. No entanto, o estado atual da implementação Lean nestes serviços ainda está numa fase embrionária e pouco desenvolvida (Arlinghaus & Knizkov, 2020). A MMCA, localizada em Guimarães, é uma empresa dedicada a prestar Serviços Pós-Venda de reparação e manutenção de automóveis. A oficina automóvel opera com um elevado volume e ritmo de trabalho, sendo as atividades de preparação da pintura e pintura geralmente de elevada duração o que gera um gargalo significativo na organização. Além disso, a pintura, é um serviço de alto valor acrescentado para o cliente, tornando-se assim uma das áreas centrais da empresa. Com o objetivo de melhorar o desempenho operacional dos processos de preparação da pintura e pintura, e fortalecer a sua posição no mercado, a empresa apoiou o desenvolvimento desta dissertação, que se fundamenta na filosofia Lean. 1.2 Objetivos e Resultados Esperados Um dos objetivos desta dissertação é analisar o estado da implementação do Lean no setor de reparação e manutenção automóvel, investigando as subáreas envolvidas, a localização e tipo de estudo realizado, 2 as ferramentas aplicadas e as medidas de desempenho utilizadas na literatura. Adicionalmente, esta dissertação tem como objetivo, num contexto prático, propor melhorias nos processos de preparação da pintura e pintura. Para atingir este objetivo principal delinearam-se os seguintes objetivos específicos: • Avaliar os processos operacionais e identificar desperdícios; • Utilizar o software de simulação para modelar e avaliar o fluxo de trabalho atual, recolhendo dados reais; • Reorganizar o ambiente de trabalho para a melhoria da eficiência operacional utilizando ferramentas e técnicas Lean; • Identificar as causas dos defeitos encontrados na pintura e desenvolver soluções específicas para reduzi-los, visando melhorar a qualidade do produto final e os custos associados ao retrabalho. Por forma a dar resposta aos objetivos definidos foram formuladas as seguintes Questões de Investigação: 1. Qual é o estado de arte relativamente à adoção e manutenção de técnicas e ferramentas Lean em oficinas automóveis? 2. Como o desempenho operacional numa oficina de reparação automóvel pode ser melhorado através da adoção de uma abordagem Lean ? No final deste projeto espera-se melhorar o desempenho operacional e financeiro da empresa, refletindose positivamente na satisfação do cliente. Os resultados específicos esperados, após a implementação das medidas de melhoria são: • Reduzir desperdícios de valor não acrescentado; • Melhoria da produtividade e eficiência operacional; • Redução dos custos gerais das operações; • Melhoria na gestão de viaturas; • Estabelecimento de um fluxo produtivo fluído; • Melhoria na organização do espaço de trabalho; • Melhoria da qualidade do produto e serviço. 1.3 Metodologia de Investigação A filosofia adotada para esta investigação será o Positivismo, que considera que o conhecimento verdadeiro é alcançado através do método científico, centrando-se em factos observáveis e mensuráveis. 3 Dentro deste contexto, o pesquisador adota uma postura isenta de valores, buscando a neutralidade e independência em relação ao tema em estudo (Saunders et al., 2019). A filosofia positivista tende a seguir uma abordagem dedutiva, isto é, procura validar teorias, desenvolvidas com base no conhecimento existente, a partir da recolha e respetiva análise de dados, seguindo tipicamente uma abordagem estruturada. Para a recolha e análise de dados será utlizado o método misto, combinando técnicas quantitativas, como cronometragens de tempos e qualitativas, como entrevistas não estruturadas e observações aos colaboradores. O horizonte temporal considerado é transversal, pois é um estudo localizado no tempo. A estratégia adotada para responder à Questão de Investigação 1 foi a pesquisa estrutura da literatura. Inicialmente, definiu-se a questão de investigação e o objetivo (conforme abordado anteriormente no ponto 1.2). Em seguida, foi realizada uma busca de artigos em bases de dados académicas, utilizando palavras-chaves pertinentes ao tema. Posteriormente, foram lidos e avaliados os títulos, resumos e palavras-chave de cada estudo para determinar a sua inclusão ou exclusão da análise. Dados relevantes foram extraídos dos estudos selecionados. Estas etapas serão descritas com mais detalhe na secção 2.3.2. A estratégia de investigação utilizada para responder à Questão de Investigação 2, mencionada anteriormente no ponto 1.2, foi a Investigação-Ação ( Action Research ). Esta abordagem destaca-se pelo seu caráter participativo e simultânea à ação, visando resolver problemas por meio de um processo colaborativo. A Investigação-Ação não só oferece soluções para problemas específicos, mas também contribui para o avanço do conhecimento e teoria científica. Segundo Coughlan e Coghlan (2002), o ciclo da InvestigaçãoAção é composto por três etapas: 1. Pré-etapa: Consiste em compreender, primeiramente, o contexto e o objetivo do projeto questionando a sua justificativa e contribuição para o conhecimento científico. Este projeto de dissertação foi conduzido numa oficina de automóveis que presta serviços de reparação e manutenção para diversas marcas. A oficina lida com um elevado volume e ritmo de trabalho, com o processo de pintura e a sua preparação a representar um gargalo significativo na empresa. O objetivo deste trabalho é melhorar o desempenho operacional destes processos, reduzindo os desperdícios e garantindo a entrega rápida e consistente de um produto de alta qualidade. Além disso, o projeto procura estabelecer uma base científica para a aplicação de ferramentas de simulação combinadas com a aplicação de métodos, ferramentas e princípios Lean num setor caracterizado por alta variedade nos seus processos e produtos. 4 2. Etapa principal constituída por seis sub-etapas. 2.1. Recolha de dados: A recolha de dados envolve dois tipos principais: dados "duros", que são objetivos e mensuráveis, e dados "suaves", que são mais subjetivos e baseados em perceções. O investigador recolhe dados através da participação ativa na rotina da organização e realizando intervenções, com observações ocorrendo tanto em contextos formais como informais. No âmbito deste projeto, os dados "duros" foram recolhidos através da medição dos tempos das atividades realizadas diariamente pelos operadores e da contagem de defeitos no automóvel, ambos através de observação direta no local. Em contrapartida, os dados "suaves" foram obtidos através de observações e perceções individuais, além de interações informais com os colaboradores ligados diretamente ou indiretamente aos processos analisados. 2.2. Feedback dos dados: Nesta fase o investigador apresenta os dados recolhidos à organização ou grupo envolvido, permitindo a sua análise e discussão. Neste projeto, os dados recolhidos, acompanhados das perspetivas individuais sobre possíveis melhorias, foram apresentados à gerência e a membros chave da organização. Isso permitiu que os dados fossem avaliados em conjunto e discutidos de forma a identificar e implementar melhorias. 2.3. Análise dos dados: Análise e interpretação dos dados devem ser realizadas de forma colaborativa, ou seja, o investigador e os membros da organização (ou grupo envolvido) devem trabalhar juntos para entender e interpretar os dados recolhidos. Como são os próprios membros da organização que vão implementar as mudanças ou ações baseadas na análise de dados, e possuem um conhecimento mais aprofundado sobre o seu ambiente, desafios e necessidades, foi fundamental estabelecer o seu envolvimento neste projeto. Para analisar os dados dos tempos de operação recolhidos, estes foram organizados por colaborador numa folha de Excel, onde foram calculadas as médias e o desvio padrão para cada tipo de tarefa (VA - Valor acrescentado e NVA - Não Valor Acrescentado), dos processos de pintura e de preparação da pintura. Os dados relativamente aos defeitos, foram também agrupados por colaborador responsável, numa folha de Excel. Esta análise permitiu identificar os problemas específicos e estabelecer ações de melhoria. 2.4. Planeamento de ações: Esta fase, consiste em definir um curso de ações de modo a resolver os problemas identificados anteriormente. Nesta etapa foram planeadas, conjuntamente ações de melhoria relativamente à reengenharia dos processos e à melhoria da qualidade do produto. Esta foi a etapa principal abordada neste projeto, que fez uso da ferramenta de simulação Simulation Modeling framework based on Intelligent ObjectsSIMulation (SIMIO) e dos princípios, técnicas e ferramentas Lean . 5 2.5. Implementação: A fase de implementação envolve a colocação em prática do plano de ações, colaborando estritamente com os membros chave da organização para garantir que tudo seja executado conforme o planeado. Esta fase envolve a realização de mudanças nos processos, a introdução de novas práticas e o comprometimento de todos os envolvidos para garantir que as alterações sejam efetivas e bem-sucedidas. No entanto, esta fase não foi concretamente aplicada neste projeto, devido a limitações de tempo. 2.6. Avaliação: Consiste em analisar os resultados das ações implementadas em relação aos objetivos estabelecidos. Nesta etapa, é crucial refletir sobre os resultados alcançados, proporcionando insights valiosos para orientar ações futuras. Embora esta fase também não tenha sido concretizada neste projeto, espera-se que as ações de melhoria propostas, quando implementadas, estejam alinhadas com os resultados esperados, sendo estes um ponto de referência para futuras melhorias. 3. Monitorização: Consiste na monitorização contínua de todos os processos descritos anteriormente. Isso envolve verificar se as etapas estão a ser seguidas corretamente, questionar como estão a ser executadas e considerar as suposições que podem estar a influenciar o trabalho. O projeto geral de investigação-ação pode ser visto como um ciclo maior com vários ciclos menores dentro dele. Além disso, enquanto os membros da organização se focam nos resultados práticos, o pesquisador deve se preocupar não apenas com o funcionamento do projeto, mas também com o processo de aprendizagem e a própria investigação. Nesse sentido, neste projeto, foram descritas as questões e metodologia da investigação bem como as ferramentas e meios necessários para o seu desenvolvimento, além de uma reflexão final e recomendações para trabalhos futuros. 1.4 Estrutura da dissertação Esta dissertação encontra-se dividida em seis capítulos, cada um com subcapítulos. No capítulo 1, realiza-se uma introdução ao projeto de dissertação que inclui o enquadramento ao tema, os objetivos a atingir e a metodologia de investigação utilizada, com as respetivas questões de investigação. No capítulo 2, é apresentada a revisão bibliográfica relacionada com temas dos serviços pós-venda automóvel, Lean Manufacturing , e Lean Service , com foco na aplicação do Lean em serviços de reparação e manutenção automóvel. Por fim, é feita uma breve revisão da metodologia e software de apoio utilizado, que englobam o Business Process Model and Notation (BPMN) e o SIMIO. 6 O capítulo 3, é dedicado à apresentação e caracterização da empresa onde foi desenvolvida esta dissertação, a MMCA, sendo abordado a sua localização, tipo de serviços, valores orientadores, estrutura organizacional e instalações físicas. Para concluir, é também descrito o sistema produtivo da organização dedicado a um segmento específico de clientes de interesse. O capítulo 4, consiste na descrição e análise crítica da situação atual dos processos em estudo, preparação da pintura e pintura, adotando uma perspetiva Lean . No capítulo 5, apresentam-se as diferentes propostas de melhoria desenvolvidas para uma possível resolução dos problemas anteriormente detetados. Por fim, o capítulo 6, expõe as principais conclusões retiradas, limitações do estudo efetuado e sugestões para trabalho futuro. No final destes capítulos, surgem as referências bibliográficas e os anexos. 7 2. Revisão Bibliográfica Este capítulo apresenta uma revisão bibliográfica abrangente sobre Serviços Pós-venda , Lean Manufacturing e Lean Service, com foco particular na aplicação do Lean em oficinas de automóveis, visando responder à Questão de Investigação 1. Além disso, serão descritas brevemente as metodologias/ softwares de apoio utilizados, nomeadamente o BPMN e o SIMIO. Esta revisão foi fundamentada em fontes primárias, como atas de conferência , e em fontes secundárias, como livros e revistas científicas indexadas na Web of Science e na Scopus. 2.1 Serviços Pós-Venda no Setor Automóvel Os serviços pós-venda são geralmente utilizados para descrever os serviços prestados após a venda de um produto, com o propósito de apoiar o consumidor ao longo do ciclo de vida do produto (Shokouhyar et al., 2020). Estes serviços não só aumentam a rentabilidade da empresa, podendo ultrapassar três vezes o volume de negócios do produto original, como também desempenham um papel crucial na retenção e fidelização dos clientes à marca, no desenvolvimento de novos produtos e na melhoria contínua da qualidade (Gaiardelli et al., 2007). Um ponto crucial deste tipo de serviços é o contacto próximo e a longo prazo com o cliente, onde a qualidade prestada tem um impacto direto na satisfação do cliente e, consequentemente, nas suas atitudes comportamentais e intenções futuras (Fazlzadeh et al., 2011). Desta forma, a importância dos serviços pós-venda está a ser mais reconhecida na indústria automóvel, à medida que percebem que representa uma importante fonte estratégica de diferenciação e vantagem competitiva (Shokouhyar et al., 2020). 2.1.1 Setores de atividade Existem três setores de atividade que compõe tipicamente o serviço após venda no setor automóvel: serviços ao cliente, peças de reposição e acessórios (Eslava-Bautista et al., 2021). Os serviços ao cliente incluem todos os serviços que proporcionam benefícios aos proprietários dos automóveis durante o ciclo de vida do veículo. Os serviços podem ser divididos em categorias técnicas e não técnicas. Serviços técnicos abrangem todas as atividades que reservam e restauram a mobilidade e a qualidade do carro, como revisão, instalação ou reparos após acidentes. “Pré-venda” e “venda” englobam todos os serviços não técnicos que apoiam a promoção, marketing e venda do veículo, como financiamentos, seguro e personalização do veículo. Estes processos e serviços têm como principais recursos: pessoal, informação, infraestruturas, equipamentos técnicos, que envolvem cargas de trabalho 8 variáveis para técnicos, formação interna, instruções, materiais, ferramentas, formatos de oficina e ambientes de trabalho sujeitos a mudanças constantes (Eslava-Bautista et al., 2021). A área de fornecimento de peças de reposição é responsável pela previsão da procura, pela gestão, produção, distribuição e armazenamento de peças sobressalentes, sendo funções que podem ser agrupadas e examinadas em duas vertentes: física (envolve armazenamento de stock e transporte) e informacional (contendo o processamento de pedidos e reposição de peças sobressalentes)(EslavaBautista et al., 2021). O setor dos acessórios lida com áreas comerciais, equipamento técnico e individualização de produtos tais como rádios, GPS, estofos, jantes de alumínio, entre outos (Eslava-Bautista et al., 2021). 2.2.2 Cadeia de valor A cadeia de fornecimento automóvel pós-venda envolve uma série de etapas e partes interessadas que para além de prestarem serviços pós-venda, desempenham papéis cruciais no fornecimento de peças e acessórios automóveis aos clientes finais. Segundo Breitschwerdt et al. (2017) existem cinco grupos de partes interessadas que interagem entre si: fabricantes de peças, distribuidores de peças, oficinas, intermediários e clientes finais. E ainda, dois modelos de fornecedores: OEMs “Original Equipment Manufacturers ” (fabricantes de equipamentos originais, em português) e IAM “Independent Aftermarket” (mercado de reposição independente, em português) (Figura 1). Ou seja, os consumidores podem optar entre o canal do fabricante original ou o independente para adquirirem peças de reposição e acessórios, promovendo um mercado mais diversificado e competitivo capaz de satisfazer eficazmente as necessidades dos clientes (Achetoui et al., 2022). Figura 1 - Cadeia de valor pós-venda automóvel (adaptado de Breitschwerdt et al. (2017)) 15 destacam que, apesar dos avanços significativos na qualidade de fabricação dos carros nas últimas décadas, a qualidade dos serviços oferecidos pelas concessionárias ou retalhistas (a principal abordagem das empresas do setor automóvel para prestarem serviços pós-venda) ainda é questionada. 2.3.2 Lean em oficinas de reparação automóvel De modo a responder à Questão de Investigação 1, isto é, “Qual é o estado de arte relativamente à adoção e manutenção de técnicas e ferramentas Lean em oficinas de reparação automóvel?”, foi realizada uma pesquisa estrutura da literatura. Esta pesquisa consistiu na procura de artigos em três bases de dados referenciais nomeadamente a Web of Science, a Scopus e o Google Scholar , utilizando palavras-chave como: "lean" AND automo* AND ("Automotive Workshop" OR "Service Station" OR " Repair Shop"). A palavra "automo*" é utilizada para garantir todas as variações e termos relacionados ao automóvel. Na base de dados Web of Science foram identificados 26 artigos, na Scopus foram identificados 11 e no Google Scholar 10 artigos. Foi realizada uma leitura dos títulos, resumos e palavras-chave dos artigos para identificar os que seriam relevantes para a análise, restringindo a escolha aos artigos publicados apenas em inglês. Após a exclusão de referências duplicadas e a impossibilidade de acesso completo a alguns dos artigos, restaram 8 artigos que foram analisados e selecionados, dos quais 6 são provenientes de publicações de atas de conferências e 2 de revistas internacionais. Na Tabela 1, estão representadas uma análise geral dos artigos selecionados, incluindo as subáreas específicas dentro do setor de reparação automóvel em estudo, a localização geográfica dos artigos e os tipos de pesquisa adotados. A análise da Tabela 1 revela que apenas um dos artigos selecionados, de Suhardi et al. (2020), aborda especificamente a preparação e pintura de carroçarias, que são os processos centrais desta dissertação. Em termos de localização geográfica, os artigos provêm de três continentes diferentes — América, Ásia e Europa — o que confere ao tema em estudo um caráter abrangente e diversificado. Destaca-se ainda a presença significativa de países da América Latina, com três países listados (Equador, Peru e Honduras), evidenciando um interesse em compreender o setor de reparação automóvel nesta região. Em relação ao tipo de estudo, existe uma grande ênfase na pesquisa aplicada, ou seja, na resolução de problemas concretos e na aplicação de técnicas Lean em contextos reais no setor. 16 Tabela 1 - Análise geral dos artigos Autor(es) Principais (sub)áreas em estudo Localização do artigo Tipos de estudo Chukukere et al. (2014) Geral: Reparação, Mecânica, Preparação, Pintura, Remontagem, Acabamentos/ Detalhes USA Estudo prático Bhat et al. (2016) Geral: Receção, Lavagem, Secagem, Reparação (processo na baía), Inspeção, Despacho India Estudo prático Bhardwaj et al. (2018) Geral: Receção, Reparação e Manutenção, lavagem/ embelezamento India Estudo prático Arlinghaus e Knizkov (2020) Manutenção e reparação Alemanha Estudo prático e teórico Suhardi et al. (2020) Reparação de carroçaria e pintura Indonésia Estudo prático Chávez Guachamín e Burneo Arteaga (2021) Manutenção e lavagem Equador Estudo prático Bruner e Cantarero (2023) Receção do veículo, manutenção Honduras Estudo prático Briceno-Guzman et al. (2023) Reparação de jantes Peru Estudo prático A Tabela 2, sintetiza as metodologias, ferramentas e técnicas utilizadas em cada estudo científico analisado, que foram aplicadas tanto para o diagnóstico de problemas, como para o planeamento, implementação e verificação/controlo das ações de melhoria. Os artigos foram organizados por ordem cronológica de publicação, e as ferramentas foram listadas com base na frequência de utilização. Autor(es) Metodologias, Ferramentas e Técnicas Chukukere et al. (2014) (*) Bhat et al. (2016) (*) Bhardwaj et al. (2018) Arlinghaus e Knizkov (2020) Suhardi et al. (2020) Chávez Guachamín e Burneo Arteaga (2021) (*) Bruner e Cantarero (2023) BricenoGuzman et al. (2023)(*) Total 5S/6S X X X X 4 KPI's X X X 3 Pull/Kanban X X X 3 Root Cause Analysis X X X 3 Standardised Work X X X 3 VSM X X X 3 Waste Analysis X X X 3 Pareto Diagram X X 2 PDCA X X 2 5 Whys (+1H) X X 2 Flowchart X1 FMEA X1 Gemba Walks X1 Kamishibai Cards X1 (Kobetsu) Kaizen X1 Lean 6 siga X1 Plant Layout X1 Poka-Yoke X1 Quality Management (CTQ Tree, VOC) X1 TPM X1 Visual Control ( Andon) X1 Work Groups/ Flexible Workforce X1 (*) Uso de um Software de Simulação. Tabela 2 - Resumo de metodologias, ferramentas e técnicas utilizadas em oficinas 17 Ao analisar a Tabela 2, observa-se a utilização de uma ampla variedade de ferramentas, tanto Lean quanto de qualidade, apesar do número reduzido de artigos selecionados. Sendo que, na sua maioria os artigos abordam várias metodologias, ferramentas e técnicas simultaneamente. De destacar também o uso predominante da ferramenta 5S/6S, e o facto de metade dos artigos utilizarem programas de simulação. Bhat et al. (2016) e Briceno-Guzman et al. (2023), por exemplo, utilizaram ambos o software ARENA como ferramenta de apoio ao seu estudo. Bhat et al. (2016) modelaram o fluxo de valor de forma a validar as suas propostas de melhoria, enquanto Briceno-Guzman et al. (2023), utilizaram o programa para determinar o momento ideal para solicitar um serviço externo. Chukukere et al. (2014) recorreram ao software de simulação ProModel para representar o Mapa de Fluxo de Valor (VSM) atual e o futuro, integrado com as suas soluções de melhoria. Além disso, utilizaram o software Stat Fit para transformar os dados observados em distribuições estatísticas que replicam o comportamento da oficina de reparação de colisões. Por fim, Chávez Guachamín e Burneo Arteaga (2021), optaram por realizar uma simulação de eventos discretos no software Flexsim . O objetivo foi avaliar os resultados da atribuição ótima de tarefas na lavagem automóvel, previamente obtida por programação linear no software AMPL. De modo a analisar a relação entre os objetivos estabelecidos e os resultados obtidos ao utilizar metodologias, ferramentas e técnicas Lean , bem como softwares de simulação em oficinas de reparação automóvel, foi desenvolvida a Tabela 3. Tabela 3 - Resumo de artigos Lean em oficinas de reparação automóvel Autor(es) Objetivo(s) Resultado(s) Chukukere et al. (2014) Melhorar as operações de uma oficina de reparação de colisões usando o VSM em combinação com a simulação de eventos discretos. (1) O lead time foi reduzido de 9,24 para 6,32 dias; (2) O WIP médio no sistema passou de 90,13 para 43,68 carros; (3) A utilização média de recursos na oficina ficou equilibrada. Bhat et al. (2016) Identificar os desafios num centro de assistência automóvel na Índia e determinar soluções para melhorar o seu desempenho global utilizando a estratégia Lean . Potencial aumento da produtividade até 10 carros/dia. Bhardwaj et al. (2018) Melhorar a produtividade de uma estação de serviço automóvel, através da análise do processo de controlo das rejeições, utilizando para o efeito o ciclo PDCA. (1) A revisão diária das rejeições estava a provocar uma perda de tempo sob a forma de atividades desnecessárias; (2) A revisão semanal não revelou grande efeito na taxa de rejeição, mas resultou numa poupança de tempo de quase 7h/semana; (3) A moral dos funcionários foi reforçada. 18 Tabela 3 - Resumo de artigos Lean em oficinas de reparação automóvel (Continuação) Autor(es) Objetivo(s) Resultado(s) Arlinghaus e Knizkov (2020) Compreender o status quo da implementação da gestão Lean nas oficinas de manutenção e reparação da indústria automóvel. (1) O estado atual da implementação lean nos serviços-pós-venda de reparo e manutenção está numa fase embrionária e ainda pouco desenvolvida; (2) A adaptação dos princípios e ferramentas lean para os serviços não é necessária para todas as categorias de "muda"; (3) O maior desafio para as oficinas de reparação não está necessariamente na entrega de peças sobressalentes, mas sim na adesão dos clientes aos prazos de entrega agendados. Suhardi et al. (2020) Identificar os defeitos críticos na área de reparo de carrocerias e pintura, compreender os fatores que os causam e propor melhorias para reduzir este desperdício ( rework ). A redução desses defeitos é alcançada através da abordagem Lean Manufacturing . (1) A análise 5W + 1H revelou que os fatores causadores dos defeitos incluem a falta de precisão dos operadores, cansaço visual devido à baixa intensidade de luz, pressa para cumprir prazos; (2) As melhorias, para reduzir estes defeitos, incluem o uso de poka-yoke e cartões Kamishibai nas subáreas de polimento e remontagem, que são as principais fontes de desperdício, bem como a supervisão regular dos técnicos. Chávez Guachamín e Burneo Arteaga (2021) Colmatar a lacuna existente entre a aplicabilidade das ferramentas Lean Service baseadas na abordagem Lean Six Sigma e a otimização do processo de qualidade e do tempo através de uma metodologia DMAIC num contexto de serviço pós-venda automóvel como a manutenção. (1) Redução do tempo no processo de lavagem de 33 minutos para 24 minutos e do tempo de manutenção preventiva de 117 minutos para 92 minutos; (2) Aumento da capacidade da oficina automóvel de servir 9 carros por dia para servir 13 a 15 carros por dia; (3) Aumento do "grau lean 3" de 2% (base) para 13%. Bruner e Cantarero (2023) Melhoria da produtividade de uma oficina automóvel em Tegucigalpa, Honduras, através da análise e identificação das causas dos atrasos e implementação de melhorias utilizando princípios e ferramentas do Lean Manufacturing. (1) Sete atividades foram reduzidas dentro da análise atual realizada através de diagramas de processo e fluxogramas; (2) O tempo de processamento foi reduzido de 3369 segundos para 2000 segundos, representando uma melhoria de 40,6%; (3) O lead time foi reduzido de 4689 segundos para 2480 segundos, aumentando a produtividade em 47,1%. 3 O "grau lean " é calculado pelo produto de 5 "pacotes": Interação com o Cliente, Manutenção Preventiva Total e Just in Time , Gestão da Qualidade Total, Gestão de Recursos Humanos e Gestão da Comunicação com os Fornecedores. 19 Tabela 3 - Resumo de artigos Lean em oficinas de reparação automóvel (Continuação) Autor(es) Objetivo(s) Resultado(s) Briceno-Guzman et al. (2023) Diminuir os atrasos na reparação de jantes e melhorar a respetiva área de trabalho, numa oficina automóvel em Lima, por meio de ferramentas do Lean Service . Após 2 meses: (1) O nível de serviço relacionado às entregas no prazo melhorou de 84% para 91,5% (valor-alvo de 92,2%), através do uso do MRP; (2) A quantidade de retrabalho na área de enchimento reduziu de 8% para o valor-alvo de 4%, após a adoção do Kanban; (3) Das inspeções 5S realizadas, 90% foram aprovadas (apesar da falta de experiência prévia com a ferramenta). A análise da Tabela 3 revela que a implementação de técnicas e ferramentas Lean proporciona benefícios significativos para um serviço como a reparação automóvel. Os resultados evidenciam uma redução nos tempos de processamento e entrega, além do aumento da produtividade, eficiência e qualidade do serviço prestado. Medidas de avaliação de desempenho como o tempo de conclusão de um processo e o tempo de entrega de um veículo foram as mais utilizadas. Os softwares de simulação demonstraram serem úteis em situações com limitações, permitindo a criação de cenários hipotéticos para analisar os impactos das ações de melhoria no desempenho operacional antes da sua implementação prática. Concluindo, como referem Arlinghaus e Knizkov (2020), o estado atual da implementação Lean nos serviços pós-venda de reparo e manutenção está ainda numa fase embrionária e pouco desenvolvida. No entanto, é evidente a aplicabilidade de ferramentas e técnicas Lean, bem como de softwares de simulação, num contexto complexo como uma oficina de reparação, onde cada veículo apresenta os seus próprios danos e onde existe uma forte dependência de mão-de-obra. 2.4 Metodologias e softwares de apoio De seguida, estão representadas as metodologias e/ou softwares utilizados como apoio neste projeto de dissertação. 2.4.1 BPMN O BPMN ( Business Process Model and Notation ) é uma linguagem de modelação que fornece uma notação gráfica que facilita a forma como as organizações representam e comunicam os seus processos de negócios e fluxos de trabalho (Chinosi & Trombetta, 2012). 20 A Figura 2 apresenta uma visão geral de elementos do BPMN, separados por seis categorias: eventos, gateways , ativididades, swimlanes , objetos de ligação e artefactos. Os eventos, gateways e atividades são considerados objetos de fluxo, que são os principais elementos gráficos para representar o comportamento de um processo empresarial. Os eventos indicam "qualquer coisa que possa acontecer" e que seja relevante para o processo, sendo classificados em três tipos, com base no momento em que afetam o fluxo: Início, Intermédio e Fim (OMG, 2013). Os gateways são utilizados para controlar a divergência e convergência de fluxos de sequência num processo. Existem seis tipos de gateways : Exclusivo (XOR), Paralelo (AND), Inclusivo (OR), Complexo, Baseado em Eventos e Baseado em Eventos Paralelos. Cada tipo de controlo afeta tanto o fluxo de entrada como o de saída (OMG, 2013). As atividades são um termo genérico para o trabalho realizado pela empresa durante o processo empresarial. Uma atividade pode ser atómica ou não atómica (composta), e os tipos de atividades que fazem parte de um modelo de processo são: Sub-Processo e Tarefa (OMG, 2013). Os swimlanes são contentores gráficos que facilitam a identificação de processos e/ou intervenientes no processo empresarial, através de divisões que representam um participante ou uma unidade organizacional. Dentro de cada divisão são colocadas as atividades específicas de cada participante. Existem dois tipos de swimlanes : Pools (piscinas) que representam entidades independentes, e Lanes (Pistas), que são subdivisões dentro de um Pool e representam entidades ou papéis específicos envolvidos no processo. Os objetos de ligação incluem fluxos de sequência, fluxos de mensagens e Figura 2 - Notação BPMN Fonte:(Chinosi & Trombetta, 2012) 21 associações que definem a forma como os objectos são conectados e a ordem pela qual as atividades são executada. Por fim, os artefactos que são utilizados para fornecer informações adicionais ao processo, incluem dados, grupos e notas. A estes elementos, podem ser adicionadas variações e informações complementares para atender a requisitos de complexidade, sem alterar significativamente o aspeto básico do elemento. A Tabela 4 apresenta os elementos utilizados para representar os processos de negócio do Lote 4, que serão abordados no capítulo seguinte. Tabela 4 - Descrição da Notação BPMN 2.0 Elemento Descrição Notação Evento de início Indica início de um processo e não têm fluxo de sequência de entrada. Evento de fim Indica o ponto onde um caminho dentro do processo acaba. Um processo pode ter múltiplos pontos de término. O processo só se considera concluído quando todos os caminhos ativos forem finalizados. Os eventos de fim não têm fluxos de sequência de saída. Evento de mensagem (enviar) É um elemento que representa a ação de enviar uma mensagem de um processo para outro participante ou sistema externo, no meio de um caminho do processo. Evento de mensagem (receber) É um elemento que representa a ação de receber uma mensagem de outro participante ou sistema externo, no meio de um caminho do processo. Evento de temporizador (Intermédio) É um elemento que modela ações baseadas em condições temporais. Pode representar pausas ou atrasos dentro do fluxo de um processo. Tarefa do utilizador É uma atividade executada por um humano, com o auxílio de uma aplicação de software. Tarefa manual É um tipo de atividade que é realizada manualmente por uma pessoa, sem o auxílio de sistemas automatizados. 22 Tabela 4 - Descrição da Notação BPMN 2.0 (Continuação) Elemento Descrição Notação Sub-processo + Marcador sequencial de instância múltipla Um sub-processo é um tipo de atividade dentro de um processo, que pode ser “aberto” para mostrar um processo de nível inferior. Um Marcador Sequencial Multi - Instância indica que o subprocesso é instanciado múltiplas vezes de forma sequencial. Isso significa que várias instâncias do sub-processo serão criadas e executadas uma após a outra, em vez de simultaneamente. Gateway exclusivo É um elemento que divide e direciona o fluxo de sequência para um único ramo de saída com base nas condições estabelecidas. Ao fundir, ele aguarda a conclusão de um ramo de entrada antes de continuar o fluxo. Gateway paralelo É um elemento que permite a execução simultânea de múltiplos caminhos num processo. Ele divide o fluxo em vários ramos que são seguidos ao mesmo tempo e garante que todos os caminhos sejam concluídos antes de o fluxo prosseguir. Entrada de dados É um elemento que representa as informações necessárias para que uma atividade ou subprocesso seja realizado. Saída de dados É um elemento que representa as informações ou resultados gerados por uma atividade ou subprocesso. Armazenamento de dados É um repositório onde informações são armazenadas e podem ser acedidas ou atualizadas pelo processo. Persiste além da execução do processo e pode ser usado por várias atividades ou subprocessos dentro do fluxo de trabalho. Fluxo de sequência É representado por uma linha sólida com uma ponta de seta sólida e é utilizado para mostrar a ordem (sequência) pela qual as atividades e eventos são executadas num processo. Associação de dados É representada por uma linha pontilhada com uma ponta de seta e, é utilizada para ligar informações e artefactos a objetos de fluxo. Pista É uma subdivisão dentro de um Pool (piscina) que organiza e categoriza as atividades e eventos de um processo com base em participantes, departamentos ou funções específicas. 23 2.4.2 SIMIO A modelação por simulação é amplamente utilizada para a melhoria do desempenho de muitos sistemas (Hlupic & Paul, 1999). Esta é uma ferramenta de análise e apoio à tomada de decisão para problemas de design, planeamento e operacionais (Guneri & Seker, 2008). O SIMIO (Simulation Modeling framework based on Intelligent Objects) é um framework de modelação e simulação que utiliza uma combinação de objetos inteligentes para representar os componentes físicos de um sistema. A construção de um modelo é realizada por meio da combinação desses objetos, que simulam o sistema real. Tanto a lógica quanto a animação do modelo são construídos numa única etapa (Houck & Whitehead, 2019). A Tabela 5 apresenta os objetos do software SIMIO que foram utilizados neste projeto, acompanhados com uma breve descrição de cada um. Tabela 5 - Objetos SIMIO utilizados (Pegden, 2009) Nome Descrição Imagem (2D) SIMIO ModelEntity Uma entidade representa uma parte, pessoa ou objeto que é criado dinamicamente e que percorre o sistema até abandoná-lo. Source Cria entidades que chegam ao sistema. O objeto contém um nodo de saída e uma fila de espera. Sink Destrói entidades que tenham concluído o processo e regista estatísticas. Este objeto contém um nodo de entrada e uma fila de espera. Server Modela um processo de serviço multicanal com filas de entrada/saída. TransferNode Modela uma interseção complexa onde as entidades definem o destino e esperam pelos transportadores. Path Um caminho entre dois nós onde as entidades viajam com base na velocidade. Worker Recurso móvel que transporta entidades entre nodos, para além das suas funcionalidades como recurso. Resource Um objeto genérico com capacidade que pode ser apreendido e libertado por outros objetos. 24 O comportamento de um objeto pode ser modificado através da utilização de Processos. Os Processos estabelecem a sequência lógica do fluxo do modelo, utilizando "steps" ou blocos interligados que são acionados por um evento e executados por um token . Um token pode ter propriedades (parâmetros de entrada) e estados (valores variáveis durante o runtime ) que controlam a execução dos "steps" (Houck & Whitehead, 2019). Na Tabela 6, são apresentados os Steps ou passos utilizados no modelo de simulação desenvolvido nesta dissertação, com uma breve descrição da sua função. Tabela 6 - Steps SIMIO utilizados Nome Descrição Imagem Begin Indica o ponto de início do processo. Assign Atribui um novo valor a uma variável através de um valor ou expressão lógica. Decide Avalia uma condição ou várias condições e determina qual o caminho que a entidade deve seguir. Se a condição for verdadeira o processo (ou seja, o token) avança para o ramo “Verdadeiro", caso contrário segue para o ramo “Falso”. Delay Representa um tempo de espera ou atraso para uma entidade. Move Permite que as entidades se desloquem de um ponto para outro. Release Liberta um recurso que foi apreendido anteriormente. Seize Utilizado para capturar ou ocupar um recurso, como uma máquina ou um operador. Set Node Permite que as entidades sejam direcionadas para um node específico do modelo. Tally Permite recolher dados sobre as entidades quando o token passa por este passo e, regista nas estatísticas um KPI, variável ou tempo. End Representa o final do processo. É importante destacar que nenhum dos artigos encontrados na literatura, mencionados na secção 2.3.2 fez uso do software SIMIO. 31 4. Análise e Diagnóstico da situação atual Este capítulo aborda a análise e o diagnóstico da situação atual dos processos de preparação da pintura e pintura do Lote 4, considerando uma perspetiva Lean . 4.1 Fluxo Produtivo De seguida, são analisados as etapas e o funcionamento das operações de preparação da pintura e pintura, de modo a identificar os desperdícios associados e propor melhorias no fluxo produtivo. 4.1.1 Preparação da pintura Antes de o veículo ser pintado, é necessário realizar a preparação do mesmo. A preparação consiste em realizar processos de lixagem, que devem ser realizados em locais específicos, isto é, nas Áreas de Preparação da Pintura (APP). Estas áreas permitem que as poeiras e impurezas provenientes do lixamento da superfície sejam retidas nos seus filtros, garantindo que não contaminem o ambiente circundante e a superfície a pintar. Atualmente, o Lote 4 dispõe de duas áreas de preparação da pintura, cada uma com capacidade para uma carroçaria automóvel. Além disso, existem outras áreas de preparação de pintura destinadas a peças e jantes, com preparadores distintos, que não serão discutidas neste contexto. As APP das carroçarias, contam com 4 preparadores, dos quais 3 deles também são pintores, que preparam individualmente o veículo que lhes foi atribuído. Devido à capacidade limitada das áreas de preparação de carroçarias e ao volume de trabalho, alguns automóveis precisam de ser preparados fora destas áreas designadas. Isso resulta numa maior concentração e desorganização de veículos, mais movimentações para deslocar os veículos, dispersão de materiais pela oficina e criação de um ambiente mais poluído. Esta última condição pode contaminar a estufa e aumentar os defeitos na pintura, além de incrementar a sujidade interna e externa do veículo e o ambiente geral de trabalho. Na Figura 6, está representado a área de preparação da pintura, com veículos fora da área designada. 32 A preparação da pintura de carroçarias é um processo demorado, composto por várias etapas e realizado por uma equipa de 4 trabalhadores. Para entender a duração de cada uma delas, e sob uma perspetiva Lean, foi calculada a média dos tempos recolhidos para atividades VA e NVA do processo por operador. Esta análise foi direcionada exclusivamente para carroçarias de veículos ligeiros de passageiros, com uma amostra de 38 veículos, observados dentro de um intervalo de tempo de cerca de 2 meses e meio. Na Tabela 7, estão representados os tempos médios de NVA da preparação da pintura para um veículo, para cada um dos operadores. As tarefas NVA referem-se a todas as atividades que envolvem a paragem ou interrupção do trabalho no veículo. O Operador Fixo refere-se ao único operador que não desempenha a função de pintor. Tabela 7 - Tempo das tarefas NVA da Preparação Na Tabela 8, está representado o tempo total de preparação da pintura, por operador, para um veículo ligeiro de passageiros, calculado pela soma do tempo total das tarefas VA (todas as tarefas realizadas diretamente no veículo) e o tempo total das tarefas NVA (conforme calculado na Tabela 7). Este tempo de preparação varia consoante o tipo de serviço requerido, sendo classificado em duas categorias: serviço de pintura de partes específicas da carroçaria (como por exemplo uma lateral do veículo), predominantemente atribuído ao Operador X, e o serviço de pintura geral, destinado aos restantes colaboradores. É importante salientar que estes tempos de preparação podem ser variáveis, dependentes não só do tipo de serviço, mas também do estado do veículo. Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão Buscar material ( massa, spray, lixas, fitas isoladoras, panos, limpar espátula…) 00:08:08 00:05:17 00:08:35 00:05:50 00:07:44 00:02:41 00:11:43 00:04:53 Comunicaçãoajudar colegas, resolver problemas 00:23:03 00:16:54 00:09:59 00:05:41 00:07:33 00:06:27 00:07:09 00:04:05 Mover veículos 00:11:13 00:00:18 00:00:29 00:00:05 00:00:28 00:00:04 00:02:15 00:00:23 Total NVA (hh:mm:ss): 00:42:24 00:19:03 00:15:44 00:21:06 Operador Z Operador Fixo Resumo Tarefas NVA Operador X Operador Y Figura 6 - Zona de preparação da pintura, com veículos fora da área de preparação 33 Tabela 8 - Tempo Total de Preparação (VA + NVA) Na Figura 7, está representado através um gráfico circular a percentagem de VA e NVA de cada um dos colaboradores no processo de Preparação da pintura. A análise da Figura 7, revela que o Operador X, apresenta o maior valor de NVA, enquanto os outros colaboradores têm percentagens semelhantes. Isto deve-se principalmente à sua elevada comunicação, que se reflete no apoio mais significativo aos colegas e na prontidão de resolução de problemas. Além disso, o Operador X também se destaca pelos maiores tempos de movimentação decorrentes da organização dos veículos, conforme evidenciado na Tabela 7. 4.1.2 Pintura O serviço de pintura é realizado por 3 pintores, sendo que cada um dos colaboradores pinta, geralmente, o automóvel que preparou anteriormente. Os automóveis preparados pelo Operador Fixo, o único que só tem funções de preparador, são geralmente pintados pelo Operador Y, o que faz com que por vezes exista desequilíbrio na carga de trabalho. Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão Colocar betume 00:01:50 00:00:57 00:01:24 00:01:45 00:02:53 00:01:54 00:05:47 00:02:56 Lixar betume 00:26:06 00:33:49 00:18:16 00:25:13 00:21:57 00:13:01 00:36:20 00:25:37 Colocação de primário ( c/isolamento e retirada) 00:03:35 00:02:11 00:03:29 00:00:41 00:11:12 00:04:12 00:19:23 00:08:28 Lixar c/disco e esponja (c/ isolamento) 00:37:01 00:18:30 01:42:05 00:29:17 01:52:48 01:22:52 01:27:34 00:38:33 CatadosColocação betume 00:03:53 00:02:21 00:08:39 00:04:30 00:07:46 00:01:18 00:12:52 00:11:40 CatadosLixagem betume 00:11:37 00:03:30 00:26:26 00:19:23 00:35:31 00:04:56 00:26:08 00:05:29 Limpeza ( ar+ desengordurante+ vidros+ grossuras) 00:04:58 00:04:19 00:33:36 00:16:43 00:23:22 00:06:58 00:38:05 00:25:49 Isolamento 00:17:54 00:20:42 01:58:28 00:23:48 01:36:09 00:34:54 01:37:41 00:17:16 Total VA (h:mm:ss): 01:46:53 05:12:23 05:11:37 05:23:49 Total NVA (hh:mm:ss): 00:42:24 00:19:03 00:15:44 00:21:06 Tempo total Preparação (hh:mm:ss): 02:29:18 05:31:25 05:27:21 05:44:56 Veiculo ligeiro de passageiro (s/ peças) Partes da carroçaria Pintura geral Resumo tarefas VA Operador X Operador Y Operador Z Operador Fixo Figura 7 - Proporção de VA e NVA por colaborador, na Preparação 34 A pintura é um processo exigente e que requer várias etapas, para as quais foram recolhidos tempos e, posteriormente, calculado a sua média. Estas etapas foram classificadas em VA e NVA e distribuídas por pintor. A análise abrangeu aproximadamente 24 viaturas ligeiras de passageiros com pintura metalizada, dentro de um intervalo de tempo de 2 meses. Na Tabela 9, está representada a média dos tempos das atividades NVA relacionadas à pintura correspondentes a cada operador. Tabela 9 - Tempo das tarefas NVA da Pintura Na Tabela 10, está representado o tempo total da pintura para um veículo ligeiro de passageiros por cada operador, que representa o tempo total das suas tarefas VA e o tempo total das suas tarefas NVA (calculado na Tabela 9). Este tempo de pintura foi também dividido tendo em conta duas abordagens de serviço: a pintura de partes específicas da carroçaria e a pintura geral, sendo que para esta análise também foram incluídas pinturas de peças soltas, que podem ser pintadas conjuntamente com a respetiva carroçaria do automóvel. O tempo VA refere-se a todas as tarefas realizadas dentro da estufa, enquanto o NVA abrange tarefas realizadas fora da estufa, exceto as tarefas de " entrada na estufa" e "saída da estufa", que também foram classificadas como NVA. Tabela 10 - Tempo Total de Pintura (VA + NVA) Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão 00:08:55 00:02:12 00:10:59 00:00:59 00:06:06 00:01:46 00:04:21 00:01:15 00:07:20 00:03:13 00:05:27 00:00:49 00:24:36 00:30:05 00:22:57 Operador X Operador Y Operador Z 00:04:05 00:02:26 00:02:02 00:02:07 00:02:22 00:03:20 00:01:17 00:01:25 00:01:33 00:03:21 00:04:32 00:02:54 00:03:42 00:03:44 00:04:00 Total NVA (hh:mm:ss): Entrada na estufa - Colocação da carroçaria com/ sem peças 00:04:17 00:03:30 00:04:30 Saida da estufa - Retirada da carroçaria com/ sem peças Buscar Material (desengordurante, tela de limpeza, luvas, pistola, filtros, fato, máscara, outros) Resumo tarefas NVA Fazer tinta ( c/ procura e preparação de materiais) Lavar a pistola ( de tinta) Média Desvio-padrão Média Desvio-padrão Média Desvio-padrão 00:13:00 00:07:33 00:11:00 00:10:35 00:21:00 00:13:14 00:04:47 00:02:05 00:11:09 00:04:44 00:08:40 00:03:03 00:02:00 00:01:00 00:06:46 00:03:35 00:05:29 00:00:44 00:08:15 00:04:59 00:07:43 00:03:27 00:06:30 00:03:32 00:06:00 00:02:57 00:04:35 00:01:36 00:03:55 00:01:18 00:10:15 00:02:13 00:10:00 00:02:41 00:06:00 00:02:50 00:02:35 00:01:32 00:03:49 00:01:40 00:06:30 00:06:22 00:08:08 00:04:52 00:08:57 00:06:01 00:09:30 00:02:07 00:07:00 00:05:34 00:06:12 00:04:43 00:14:00 00:04:15 00:02:17 00:01:12 00:03:45 00:02:04 00:02:40 00:00:35 00:08:00 00:02:00 00:06:46 00:05:07 00:13:30 00:02:07 00:46:11 00:08:21 00:50:54 00:17:01 00:55:30 00:00:42 00:10:28 00:09:44 00:05:54 00:03:26 00:10:00 00:07:04 02:08:56 02:17:29 02:43:14 00:24:36 00:30:05 00:22:57 02:33:32 02:47:34 03:06:11 Colocação verniz1 mão Tempo total Pintura (h): Secagem (entre vernizes) Colocação verniz2 mão Cozedura final (com flash off) Arrefecimento /Retirar isolamento Total VA (h:mm:ss): Total NVA (hh:mm:ss): Limpeza (Ar + Desengordurante + tela de limpeza) Colocação da tinta base1 mão Colocação da tinta base3 mão Secagem (tintaverniz) Resumo tarefas VA Operador X Operador Y Operador Z Colocação da tinta base2 mão Secagem (2-3) Secagem (1-2) Isolamento1 pessoa Partes da carroçaria Pintura geral Veiculo ligeiro de passageiro ( c/s peças) 35 Na Figura 8, está representado por um gráfico circular a percentagem de VA e NVA de cada colaborador no processo de Pintura. Pela análise da Figura 8, podemos verificar que o Operador Z é o que tem menor tempo de NVA, sugerindo que este é mais eficiente. 4.2 Modelação e Simulação da Preparação e Pintura De modo a compreender melhor a dinâmica do fluxo produtivo dos processos de preparação da pintura e pintura, realizou-se uma simulação no software SIMIO. Na Figura 9, está ilustrado o modelo do estado atual do sistema num ambiente de simulação 2D do SIMIO. Figura 8 - Proporção de VA e NVA por colaborador, na Pintura Figura 9 - Modelo geral no software SIMIO do processo de Preparação e Pintura 36 Pela análise da Figura 9 podemos verificar que, para modelar o sistema real, foram utilizados 3 model entities , 2 sources (que representam os dois tipos de clientes do Lote 4 - concessionários e stands ), 6 servers , 4 workers , 4 resources e 1 sink . • Workers Na Figura 10, estão representados os quatro workers utilizados no modelo de simulação, isto é, os recursos que executam as tarefas e que representam os funcionários do setor da preparação da pintura e pintura, do Lote 4. Cada worker apresenta as suas características específicas que influenciam o desempenho do sistema, tendo o seu respetivo nome de modo a facilitar a sua identificação e acompanhamento ao longo do modelo de simulação. Na Figura 10, também está representado as propriedades definidas para o conjunto dos workers. Sendo de destacar, o facto de estes iniciarem a sua atividade no nó correspondente à sala de descanso, utilizado também para as pausas. Para além disso, foi definido um fator de lentidão predefinido em 10 que permite reduzir a velocidade de deslocação das entidades durante a animação, apenas para fins ilustrativos uma vez que as movimentações são raras neste sistema e seriam impercetíveis numa execução acelerada do mesmo, devendo ser ajustado para análise de resultados estatísticos. • Servers da Preparação No modelo de simulação são utilizados quatro servers de modo a representar o processo de Preparação da pintura. Como referido anteriormente (subsecção 4.1.1), cada um dos workers prepara o seu veículo nas respetivas APP ou fora delas. Desse modo, foram usados quatro servers diferentes, cada um destinado ao seu worker . Dois servers representam as APP designadas para o efeito de preparação da pintura, nomeadamente "APP1" e "APP2", e os dois restantes representam o espaço fora dessas áreas:" APP_fora1" e "APP_fora2" (Figura 11). Figura 10 - Representação e caraterização dos workers no SIMIO Legenda: 37 Esta ação de preparação é realizada em períodos de 0.1 horas, permitindo que, posteriormente, possa ser interrompida. Assim, o funcionário poderá realizar o processo de pintura quando necessário e, em seguida, retornar ao mesmo veículo que estava a preparar. A Figura 12, ilustra as fases temporais do processo de preparação de um veículo e a propriedade associada a cada server , de modo a permitir este efeito. À exceção do operador Fixo, todos os workers , além de serem preparadores, são também pintores. Como tal, o Operador Y fica, geralmente, encarregue dos veículos preparados pelo Fixo. Na Figura 13, está ilustrado o operador Fixo a transportar o veículo, já com o devido destinatário definido, para o nó do server da pintura, isto é, para a entrada da estufa. Este processo está representado no Apêndice 2, na Figura 44. Figura 11 - Workers nas respetivas áreas de preparação (SIMIO) Figura 12 - Evolução do tempo de uma operação de preparação 38 • Servers da Pintura e Cozimento Os servers da pintura e do cozimento representam todos os processos realizados na estufa ou cabine de pintura. O server da pintura representa o processo de pintura do automóvel, realizado pelo operador. Ao concluir esta tarefa, o worker retorna à sua área de preparação (como referido anteriormente), enquanto o veículo "avança" para a fase do cozimento, que envolve a secagem da pintura e não requer, por isso, a presença do operador. Na Figura 14, está representado o funcionamento da estufa, envolvendo ambos os servers, com a indicação do tempo restante da operação em horas. A estufa é considerada um recurso crítico no sistema real, o que também se verifica na simulação, evidenciado pela fila de espera formada à entrada do server de pintura (Figura 15). Figura 13 - Operador Fixo com veículo destinado ao pintor "Y" Figura 15 - Fila de espera para entrada na estufa (runtime de 50) 1º - Server da pintura (com operador) 2º - Server de cozimento (sem operador) Figura 14 - Funcionamento da estufa: Servers de pintura e cozimento 39 Para avaliar o estado de ocupação da estufa, foi elaborado o gráfico da Figura 16. A análise deste gráfico revela que a estufa (representado pelo espaço azul) apresenta poucos períodos de inatividade (representada pelo espaço vazio), o que confirma que é um recurso crítico. O espaço vazio é anterior ao estágio estacionário do modelo, estando ainda no período de aquecimento da simulação. A área apresentada a vermelho e a verde correspondem, respetivamente, à ocupação do server de pintura e do server de cozimento ao longo do tempo da simulação( runtime ). • Processos No total foram utilizados 12 processos para modelar e simular o sistema em estudo. Na Figura 17, está representado o processo considerado "principal", constituído por vários steps . Este processo é responsável por designar logo o veículo que entra no sistema a um determinado operador. É responsável também pela definição do respetivo tempo de preparação, tempo de pintura e de cozimento de cada veículo. O step denominado "Agarra_ Kanban" permite garantir que não há mais do que um veículo na respetiva área de preparação em simultâneo. Figura 16 - Estado de Ocupação da Estufa ao longo do tempo Figura 17 - Processo de inicialização na entrada de veículos 40 O Apêndice 2, apresenta os restantes processos utilizados no modelo de simulação. • Tempos e estocástica Os steps " assign " denominados por " t_Preparação", " t_Pintura" e "t_Cozimento" da Figura 17, representam em horas os tempos da Preparação, Pintura e Cozimento do veículo, respetivamente. O "t_ Preparação" de cada worker , foi definido de acordo com a distribuição de probabilidade Pert , de forma a refletir melhor a variabilidade do processo de Preparação (Figura 18). Esta distribuição é caracterizada por três parâmetros: o valor mínimo possível (valor menos provável de acontecer), o valor médio (valor mais provável de acontecer) e o valor máximo (valor menos provável de acontecer). Figura 18 - Distribuição de Pert (exemplo para parâmetros do Operador X: 1.1, 2.3 e 4) O valor médio foi obtido a partir do tempo total de preparação, apresentado anteriormente na Tabela 8, para cada operador. A Tabela 11 mostra os valores mínimos e máximos utilizados na distribuição de probabilidade, considerando cada operador. O valor mínimo da preparação foi calculado com base na soma dos valores mínimos de cada tarefa VA essencial e da média das tarefas NVA, calculada anteriormente na Tabela 7. O valor máximo foi determinado pela soma do valor máximo de cada tarefa VA e pela mesma média correspondente ao NVA de cada colaborador. Tabela 11 - Valores máximos e mínimos da Preparação, por colaborador Na Figura 19, está exemplificado o tempo de preparação definido através da distribuição Pert para o Operador X, arredondado a uma casa decimal. Mínimo (**) Máximo Mínimo (**) Máximo Mínimo (**) Máximo Mínimo (**) Máximo (*) Colocar betume - 00:02:33 - 00:02:39 - 00:04:22 - 00:05:30 (*) Lixar betume - 01:05:08 - 00:36:05 - 00:36:21 - 01:14:13 Colocação de primário ( c/isolamento e retirada) 00:02:08 00:06:48 00:03:00 00:03:58 00:07:32 00:16:00 00:13:24 00:25:22 Lixar c/disco e esponja (c/ isolamento) 00:21:10 01:02:29 01:23:45 02:15:52 00:46:31 03:26 00:46:31 02:41:00 (*) CatadosColocação betume - 00:06:06 - 00:13:38 - 00:08:09 - 00:30:00 (*) CatadosLixagem betume - 00:15:00 - 00:57:56 - 00:39 - 00:30:00 Limpeza ( ar+ desengordurante+ vidros+ grossuras) 00:01:55 00:08:01 00:08:09 00:50:06 00:17:23 00:31 00:18:17 01:23:00 Isolamento 00:04:01 00:41:41 01:32:20 02:45:17 00:56:27 02:02:00 01:25:24 01:57:26 Total VA (hh:mm:ss): 00:29:14 3:27:46 03:07:14 07:45:31 02:07:53 07:43:34 02:43:36 08:46:31 Total NVA (hh:mm:ss): 00:42:24 00:42:24 00:19:03 00:19:03 00:15:44 00:15:44 00:21:06 00:21:06 Total VA+NVA (hh:mm:ss): 01:11:38 04:10:10 03:26:17 08:04:34 02:23:37 07:59:18 03:04:43 09:07:38 (*) O veículo pode não necessitar deste tipo de tarefa. (**) Valor dado pela soma de todas as tarefas obrigatórias para preparar o veículo. Operador Z Operador Y Operador X Fixo 47 A frequência das deslocações, depende de várias variáveis como o tipo de serviço necessário a realizar, os danos do veículo e as características do operador. Neste caso, o serviço utilizado como referência foi a pintura geral, o serviço mais completo e comum na oficina. O consumo de sprays de primário e outros materiais armazenados num destes locais não foi contabilizado, pois para além da sua utilização variar entre veículos é difícil monitorizar o seu consumo. No total, o custo mensal das deslocações dos operadores é de cerca de 75.95 €, resultando num custo anual de cerca de 911.40 €. 4.5 Pintura Idealmente, uma pintura deve apresentar uma cor consistente e uniforme em toda a superfície, sem arranhões, manchas, asperezas ou irregularidades. No entanto, sempre que uma operação de pintura é realizada num automóvel, existe o risco de surgirem defeitos na área intervencionada. Geralmente, é possível eliminar esses defeitos sem a necessidade de repintura, todavia, independentemente de haver ou não a necessidade de repintar, implica sempre o consumo de material e, principalmente, tempo de trabalho, reduzindo a eficiência e a rentabilidade da oficina. Estes defeitos podem ser causados por erros durante a realização das operações de preparação e limpeza de superfícies, preparação, aplicação e secagem dos produtos ou até por má ou ausente manutenção dos equipamentos. Existem diversos tipos de defeitos que podem surgir numa pintura automóvel, sendo que a Figura 28 destaca os defeitos mais comuns encontrados nas pinturas realizadas na oficina durante o período de realização desta dissertação, conforme também observado e reportado pelos operadores envolvidos no processo de pintura e polimento. A “casca de laranja” é um defeito que confere ao verniz uma textura ondulada, semelhante à casca de laranja. Os poros ou correntemente categorizados por “cabeças de alfinete”, são depressões na superfície do verniz, com rebordos salientes e surgem pela contaminação de silicones (gorduras). Os lixos ou impurezas, são partículas estranhas que contaminam a pintura e que formam pequenas Figura 28 - Defeitos da pintura 48 elevações/ irregularidades na superfície. Por fim, os escorridos, em forma de gotas ou ondas, que ocorrem pela acumulação de verniz. Estes defeitos são geralmente corrigidos na área de polimento, sem a necessidade de repintura, através da lixagem manual utilizando uma lixa de granulagem fina e máquinas de polimento. No entanto, este processo pode danificar a pintura, exigindo repintura adicional. Isso impacta negativamente o fluxo de trabalho da pintura, causando atrasos (desperdício de espera) e um aumento significativo dos custos, o que representa um desperdício de tempo e recursos. Como a empresa não possui um sistema de contagem de defeitos, foi criada uma folha específica para essa finalidade, permitindo a identificação do tipo de defeito e a sua respetiva localização no veículo (Apêndice 4). Com base nos dados recolhidos das folhas referentes a uma pintura geral, foi elaborada a Tabela 13. No total, foram acompanhados 20 veículos ao longo de 3 meses, mas apenas 18 foram considerados para a amostra, uma vez que dois desses apresentaram valores atípicos de defeitos. Estes defeitos resultaram da aplicação de produtos com silicone pelos clientes (que aumentam a presença de poros) e de avarias nas pistolas de pintura (que afetaram o número de escorridos). Embora estes fatores sejam esporádicos, ambos exigiram a repintura dos veículos. Tabela 13 - Média de defeitos numa pintura geral por pintor Defeitos/Veículo/ operador Lixos Escorridos Poros Pintor X 35 1 12 Pintor Y 35 1 6 Pintor Z 30 2 5 É de considerar que alguns destes defeitos podem não ser detetados, uma vez que são inspecionados visualmente. No caso dos poros, devido à sua dimensão reduzida foram considerados apenas aqueles com dimensões significativas. O defeito "casca de laranja" esteve presente na maioria das superfícies pintadas na oficina, porém sem apresentar ondulações ou irregularidades extremas nas amostras recolhidas. Por essa razão, o defeito não foi contabilizado, pois foi facilmente corrigido com o polimento habitual da superfície, sem a necessidade de trabalhos adicionais de correção. Com o objetivo de reduzir os defeitos identificados, foi realizada uma pesquisa sobre as possíveis causas do seu surgimento, conforme detalhado na Tabela 14, tendo-se classificado as possíveis causas nas seguintes categorias: Homem, Máquina, Material e Ambiente. 49 Tabela 14 - Causas potenciais de Defeitos na Pintura Tipo de Defeito Nº Possíveis Causas Categorias Casca de laranja 1 Incorreta distância entre a pistola e a superfície. Homem 2 Muita pressão na aplicação do verniz. Homem 3 Excesso/ falta de verniz na aplicação. Homem Poros 4 Circuito de ar comprimido contaminado. Máquina 5 Saturação dos filtros de carvão ativo (no interior da estufa). Máquina 6 Uso de cremes e perfumes por parte do pintor. Homem 7 Limpeza inadequada da superfície a pintar. Homem 8 Contaminação do ar por produtos que contêm silicones (podendo vir do uso prévio do cliente). Ambiente Lixos/ impurezas 9 Saturação dos filtros da estufa (chão, teto, etc). Máquina 10 Pouca atenção na abertura e fecho da porta da estufa. Homem 11 Falta de limpeza do piso da estufa antes de iniciar a pintura. Homem 12 Deixar objetos e lixo dentro da estufa (Apêndice 7). Homem 13 Fatos de pintura contaminados e mal armazenados (Apêndice 7). Material 14 Réguas de diluição e material de mistura contaminado (Apêndice 7). Material 15 Panos de microfibra e telas de limpeza contaminados. Material 16 Limpeza inadequada da superfície a pintar. Homem 17 Ausência de luvas na limpeza da superfície e no processo de pintura. Homem 18 Pistolas de pintura mal limpas. Homem 19 Bicos doseadores das tintas sujos (Apêndice 7). Material 20 Apoios/ suportes das peças contaminados. Material 21 Sujidade na cave das rodas (Apêndice 7). Material 22 Ambiente sujo e empoeirado na oficina. Ambiente Escorridos 23 Incorreta distância entre a pistola e a superfície. Homem 24 Excesso de verniz na aplicação. Homem 25 Tempo incorreto de " flash off " e secagem entre demãos. Homem 26 Incorreta catalisação do produto. Homem 27 Problemas com a pistola de pintura. Máquina 50 No entanto, mesmo controlando todos os fatores anteriores, os defeitos podem surgir de forma imprevisível. De modo a ajudar a identificar e priorizar as causas mais significativas no conjunto das quatro categorias (Homem, Máquina, Material e Ambiente) foi elaborado o Diagrama de Pareto, como ilustrado na Figura 29. Através da interpretação do gráfico da Figura 29, podemos concluir que as categorias "Homem" e "Material" representam cerca de 78% das causas de defeitos. Assim sendo, as possíveis causas de defeitos associadas a estas categorias devem ser priorizadas nas ações de melhoria. 56% 78% 93% 100% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0 5 10 15 20 25 Homem Material Máquina Ambiente Diagrama de Pareto Nº de causas % acumulada Figura 29 - Diagrama de Pareto 51 5. Propostas de melhoria Nesta secção, serão desenvolvidas melhorias focadas exclusivamente na preparação (de carroçarias) e pintura, seguindo a filosofia Lean para a redução de desperdícios, eliminado atividades desnecessárias e melhorando a eficiência e qualidade do trabalho. 5.1 Melhorias no Fluxo Produtivo Para melhorar o fluxo produtivo dos processos de Preparação da pintura e Pintura, e reduzir os desperdícios associados (secção 4.1 e 4.2), foram propostas diversas melhorias. 5.1.1 Preparação da pintura Na Tabela 15, são apresentadas soluções de melhoria para o processo de preparação da pintura, com o objetivo de melhorar o fluxo de trabalho, diminuir os desperdícios e aumentar a produtividade, contribuindo para operações mais rápidas e eficientes. A proposta de melhoria que se espera que tenha mais impacto no fluxo de trabalho é a apresentada na linha "Preparadores". Esta solução visa fomentar o trabalho em equipa de modo a não existirem desperdícios como: tempo de espera (enquanto o pintor está a pintar o veículo ou a realizar outra tarefa, o veículo que estava a preparar fica parado); transporte ( devido aos veículos não se encontrem no local apropriado existe uma maior desorganização que leva a movimentações constantes dos automóveis); e, por fim, defeitos na pintura ( veículos preparados fora das APP podem contaminar o ambiente geral da oficina e a estufa). A Figura 30, representa dois cenários hipotéticos de trabalho em equipa, realizados pelos operadores nas respetivas áreas de preparação, caso o trabalho em equipa fosse implementado. Figura 30 - Cenários hipotéticos de grupos de trabalho nas áreas de preparação 52 Tabela 15 - Soluções de melhoria para o processo de Preparação da pintura Preparação da Pintura Problema Consequência Soluções de melhoria Operações Gerais Preparadores Cada um dos operadores prepara o seu veículo, fazendo com que existem veículos a serem preparados fora das Áreas de Preparação da Pintura (APP), designadas para o efeito. Desorganização de veículos, dispersão de materiais e/ou ferramentas (com risco de tropeço), aumento do tempo de espera (veículos ficam à espera do respetivo operador), aumento de defeitos da pintura. Trabalho em pares, ie, considerando que a APP tem capacidade para acomodar dois veículos e no total existem 4 preparadores, cada par prepara o seu veículo no local apropriado. NVA Buscar material (massa, spray, lixas, fitas isoladoras, panos, limpar espátula…) O material encontra-se disperso pela oficina e/ou encontra-se longe do local de trabalho. Maior tempo de movimentação (deslocação + procura do material + distração). Alteração de layout e melhoria na organização do material (desenvolvido na secção 5.3. Mover veículos Os operadores movem constantemente os veículos de um lado para o outro. Perda de tempo em mover veículos, o que não acrescenta valor - desperdício de transporte. Maior organização dos veículos na oficina e, adoção do método kanban 4 . Operador X O Operador X é o que tem maior tempo de comunicação e transporte de veículos. Aumento do tempo de espera do veículo, diminuição da produtividade e eficiência operacional do mesmo. Maior empoderamento e capacitação dos outros colaboradores, estabelecimento claro de papéis. Recomenda-se ainda a implementação de KPI's (Key Performance Indicators) , como o tempo de preparação ( lead time ), tempo ou percentagem de NVA e produtividade da mão-de-obra. 5.1.2 Pintura Na Tabela 16, são propostas melhorias para o processo de pintura, com o objetivo de reduzir os desperdícios associados e diminuir o efeito gargalo sentido na estufa, conforme demonstrado pela simulação realizada na secção 4.2. 4 Kanban : método de gestão visual que facilita a visualização do fluxo de trabalho, promovendo a clareza e transparência das tarefas. 53 Tabela 16 - Soluções de melhoria para o processo de Pintura Pintura Problema Consequência Soluções de melhoria Operações Gerais Pintores Cada pintor pinta o respetivo veículo que preparou, à exceção do Operador Y que pinta os veículos preparados pelo Fixo (que só é preparador). Sobrecarga de uns operadores em relação a outros, restrições na execução da tarefa. Aleatoriedade da tarefa e formação do preparador Fixo. NVA Fazer tinta (c/ procura e preparação de materiais) Os materiais para fazer a tinta nem sempre estão acessíveis e limpos quando necessários no laboratório de tintas. Perda de tempo na procura e limpeza dos materiais para realizar a tarefa. Os materiais devem estar disponíveis, próximos e limpos antes de iniciar a preparação da tinta (5S). Deve-se potenciar o trabalho padronizado. Lavar pistola (de tinta) A pistola de pintura não é lavada logo após a utilização. Aumento do risco de defeitos e espera do veículo e/ou peças para pintar. Lavar a pistola de pintura entre o tempo de secagem da tinta e verniz. Buscar material (desengordurante, tela de limpeza, luvas, pistola, filtros, fato, máscara, outros) O material encontra-se disperso pela oficina e/ou encontra-se longe do local de trabalho e não existe uma sequência estabelecida no processo. Maior tempo de movimentação (deslocação + procura do material + distração). Colocar os materiais próximos uns dos outros (alteração de layout - secção 5.3), com locais específicos para o seu armazenamento (aplicação 5S na zona de apoiosecção 5.2) e potenciar o trabalho padronizado. De forma a potenciar o trabalho em equipa referido na subsecção anterior (5.1.1), propôs-se a aleatoriedade na escolha do colaborador responsável pela pintura do automóvel. Assim, pretende-se que cada preparador trate todos os veículos de igual forma. Sugere-se também a formação do Operador Fixo como pintor, de modo a existir maior equidade nas tarefas e evitar a sobrecarga dos restantes colaboradores. Após o pintor concluir a sua função na estufa, este deve retornar à sua função de preparador, sendo que se coloca a questão: para onde vai? Considerando que o veículo não pode ser retirado da estufa até à finalização do processo de cozimento, o pintor seguinte não poderá iniciar imediatamente a pintura. Por isso, sugere-se, numa fase inicial, o último pintor retornar para junto do operador que estiver "sozinho". No entanto, durante o decorrer do processo de pintura, poderá existir 54 mudanças na dinâmica entre os 3 preparadores, dependendo do tipo de serviço, do estado de desenvolvimento e da urgência de cada veículo em preparação, entre outros fatores. Sugeria-se, ainda, a inclusão de uma nova etapa associada ao processo de pintura, que consiste na inspeção ou verificação do veículo pelo pintor designado. Esta etapa poderia ser feita imediatamente antes do veículo entrar na estufa, permitindo que eventuais ajustes sejam feitos nas APP e não na estufa, como por vezes acontece. Além disso, esta abordagem permitiria ao pintor estudar previamente o veículo destinado a pintar. Com a recolha contínua de dados VA e NVA dos processos de preparação da pintura e pintura, através da adoção de sistemas informatizados, a empresa poderá monitorizar o seu desempenho operacional com base em indicadores de desempenho (KPI's), como o tempo de pintura ( lead time ), produtividade da mão-de-obra e a taxa de retrabalho. Desta forma, obterá um maior conhecimento dos seus processos, facilitando a identificação e avaliação de oportunidades de melhoria. 5.2 Aplicação do 5S na Zona de Apoio à pintura Com o objetivo de promover um ambiente de trabalho que favoreça continuamente a organização, limpeza, segurança, qualidade, eficiência e produtividade, propôs-se a implementação da metodologia 5S. Na Figura 31, está ilustrada a intervenção referente aos três primeiros S na área de apoio à pintura. Seguindo a metodologia 5S, foram realizadas as seguintes ações: Figura 31 - Aplicação dos primeiros 3S na zona de apoio à pintura. 55 • 1º S – Seiri (Classificação) Primeiramente, com o auxílio de um colaborador experiente, os itens foram classificados em necessários e desnecessários. A maioria dos itens desnecessários consistia em restos de tinta obsoletos, sem etiqueta de identificação ou mal acondicionados. Embora esta não seja a área ideal para a sua colocação, devido à exposição à sujidade e poeira da oficina, optou-se, temporariamente, por mantê-los, devido à falta de espaço no laboratório de tintas, que seria o local mais adequado para o seu armazenamento. • 2º S – Seiton (Organização) Em seguida, foram estabelecidos locais específicos para cada item considerado necessário. Esses itens foram realocados com base na frequência de uso: os materiais e equipamentos de uso mais frequente foram colocados em locais mais visíveis e acessíveis, enquanto os menos frequentes foram armazenados nos armários. A mudança mais significativa envolveu os restos de tinta, que foram organizados de forma cuidadosa na mesma prateleira, todos devidamente identificados (Figura 32). Os colaboradores comprometeram-se a rotular os futuros restos de tinta com a respetiva identificação do veículo e a data em que utilizaram a tinta, além de fecharem adequadamente as embalagens. Caso contrário, serão consideradas tintas inutilizáveis. • 3ºS – Seiso (Limpeza) Nesta primeira intervenção 5S, o revestimento de proteção das bancadas foi substituído, o lixo no chão foi removido e os materiais expostos foram limpos. A máquina de lavar pistolas de verniz e primário, que estava em desuso, foi devidamente limpa e voltou a ficar operacional. No entanto, ainda é necessária uma limpeza mais profunda aos armários, paredes e chão, que continuam com tinta encrustada. • 4º S – Seiketsu (Padronização) Para assegurar e monitorizar a limpeza e organização regular desta área, foram criados dois documentos: um registo que lista todos os itens a serem higienizados e organizados, juntamente com a frequência Figura 32 - Intervenção 2S com restos de tintas. 56 correspondente, e uma lista de verificação diária de todos os equipamentos presentes nesta zona, para verificar a sua disponibilidade e condição no final do dia (Apêndice 8). A criação destes documentos visa padronizar os procedimentos de manutenção e limpeza do local de trabalho, que devem ser revistos e ajustados conforme necessário. • 5º S – Shitsuke (Disciplina) Sendo essencial criar uma cultura organizacional onde todos os colaboradores se sintam responsáveis pela manutenção dos padrões 5S, recomenda-se, portanto, realizar continuamente ações de formação para que todos os colaboradores desenvolvam hábitos e comportamentos alinhados com a metodologia. Além disso, é importante oferecer algum tipo de recompensa como incentivo para a manutenção destas práticas 5S. Valorizar e incentivar sugestões de melhoria por parte dos colaboradores é igualmente importante para sustentar a metodologia e promover o compromisso individual e organizacional com a melhoria contínua. É recomendado a realização de auditorias regulares para verificar o cumprimento dos padrões e procedimentos estabelecidos, bem como identificar oportunidades de melhoria contínua. Para esse fim, foi proposta uma checklist (Apêndice 9) que permitirá avaliar o desempenho de cada princípio 5S ao longo do tempo. É aconselhável atribuir maior responsabilidade a um funcionário, para garantir um maior cumprimento dos princípios do 5S, nomeadamente ao chefe da oficina. Se implementada corretamente, esta proposta de melhoria contribuirá para a redução do tempo de NVA do processo de Pintura. 5.3 Alteração do layout do Lote 4 Como abordado na secção anterior (4.4), os preparadores e pintores realizam deslocações constantes pela oficina para obter materiais, o que representa um desperdício, dado que envolve gasto de tempo e esforço sem gerar um resultado produtivo. A intenção é reduzir estas deslocações de forma a melhorar o fluxo de trabalho, reduzir os custos operacionais e criar um ambiente de trabalho mais eficiente e produtivo. Para alcançar esses objetivos, foi proposta uma alteração no layout, a qual está ilustrada na Figura 33. 63 Tabela 20 - Soluções para a diminuição de defeitos (Continuação) Tipo de Defeito Nº Possíveis Causas (retiradas da Tabela 14) Categorias Soluções 15 Panos de microfibra e telas de limpeza contaminados. Material • Promover uma substituição mais frequenteIT 002 (Apêndice 10). 16 Limpeza inadequada da superfície a pintar. Homem • Garantir uma boa limpeza do veículo antes de entrar para a estufa, e proposta do uso de um desengordurante à base de água (antiestático) - IT 002 (Apêndice 10). 17 Ausência de luvas na limpeza da superfície e no processo de pintura. Homem • Sensibilizar os operadores sobre a importância do uso de luvas e assegurar a sua utilização - IT 002(Apêndice 10). 18 Pistolas de pintura mal limpas. Homem • Sensibilizar para a limpeza após o uso. 19 Bicos doseadores das tintas sujos. Material 20 Apoios/ suportes das peças contaminados. Material • Incentivar a limpeza dos suportes, antes da sua colocação dentro da estufa, através da substituição do revestimento de papel - IT 001 (Apêndice 10). 21 Sujidade na cave das rodas. Material • Lavar com jatos de água antes da pintura. 22 Ambiente sujo e empoeirado na oficina. Ambiente • Apelar à limpeza e manutenção do ambiente de trabalhoImplementar a metodologia 5S para toda a oficina; • Criação de um Plano de Manutenção e Limpeza das Áreas de Preparação da Pintura (Apêndice 11). 64 Tabela 20 - Soluções para a diminuição de defeitos (Continuação) 5.4.1 Instruções de Trabalho As instruções de trabalho asseguram que todos os funcionários realizem a mesma tarefa da mesma maneira, promovendo uniformidade e qualidade consistente nas operações. De forma a eliminar ou diminuir os defeitos foram realizadas duas instruções de trabalho (Apêndice 10). A primeira instrução de trabalho específica as ações corretas para o uso da cabine de pintura ou estufa. Esta instrução visa assegurar a segurança e eficiência do processo de pintura, uma vez que este equipamento é fundamental para manter o espaço de trabalho limpo e seguro, livre de contaminantes. Práticas inadequadas na operação da cabine podem aumentar essencialmente a presença de “lixos” ou impurezas no processo de pintura. Deixar as portas abertas ou abri-las frequentemente, introduzir na estufa veículos e peças sujas e negligenciar a limpeza da cabine contribuem para a circulação de ar contaminado dentro da estufa, comprometendo o local de trabalho e resultando em mais defeitos nas superfícies pintadas. A segunda instrução de trabalho visa a correta limpeza da superfície a pintar. Uma boa limpeza ajuda a minimizar os lixos e os poros durante o processo de pintura, resultando num acabamento mais uniforme e esteticamente agradável. Esta limpeza é realizada em duas fases: a primeira na área de preparação e a segunda dentro da estufa. Assim, sugere-se a inserção de desengordurante aquoso na segunda fase de limpeza, devido ao seu maior poder de limpeza e efeito antiestático, o que ajuda a remover restos de gordura e a manter a superfície livre de poeira e outras partículas. Atualmente, a empresa utiliza o mesmo desengordurante para ambas as fases. Tipo de Defeito Nº Possíveis Causas (retiradas da Tabela 14) Categorias Soluções Escorridos 23 Incorreta distância entre a pistola e a superficie. Homem • Melhorar a experiência e formação dos operadores. • Avaliações regulares do desempenho dos operadores. 24 Excesso de verniz na aplicação. Homem 25 Tempo incorreto de " flash off " e secagem entre demãos. Homem 26 Incorreta catalisação do produto. Homem • O operador deve seguir as recomendações do fabricante e ter especial atenção na colocação dos produtos. 27 Problemas com a pistola de pintura. Máquina • Promover boas práticas de limpeza e manutenção das pistolas, de acordo com as recomendações do fabricante. 65 É essencial que os funcionários sigam rigorosamente as diretrizes estabelecidas nas instruções de trabalho para minimizar os defeitos e garantir a qualidade dos resultados. 5.4.2 Planos de Manutenção e Limpeza A cabine de pintura, ou estufa, através dos seus filtros, ajuda a garantir que o ambiente esteja livre de contaminantes como poeira, sujidade e excesso de tinta, o que é crucial para um acabamento de qualidade e para a segurança dos colaboradores e do meio ambiente. Além disso, a estufa ajuda a manter a temperatura e a humidade ideal para pintar e possui um modo de secagem que facilita a adesão e a secagem mais rápida da tinta. Para garantir que os trabalhos de pintura sejam continuamente realizados de forma limpa, segura, rápida e eficiente, é essencial realizar a manutenção nos principais componentes da estufa. Por esse motivo, foi elaborado um programa de manutenção e limpeza, de acordo com as recomendações do fabricante (Apêndice 11). Até então, a empresa não registava quando realizava a manutenção e limpeza da cabine, por isso, foram desenvolvidos planos de manutenção e limpeza para os principais componentes da estufa, como exemplificado no Apêndice 12. Estes planos permitem o registo e controlo preciso das intervenções efetuadas, que são agendadas de acordo com as horas de funcionamento da estufa, monitorizáveis pelo painel de controlo. Ao seguir o programa de manutenção e limpeza da cabine é possível assegurar a qualidade da pintura e melhorar a eficiência operacional ao reduzir o retrabalho e minimizar paragens ou interrupções não programadas durante o processo de pintura. O registo destas intervenções permite verificar o cumprimento destas ações. Considerando que o ambiente empoeirado e sujo da oficina, causado principalmente pelas atividades de preparação da pintura, pode contaminar a estufa e, consequentemente, afetar os trabalhos de pintura realizados nela, foi realizado um programa de manutenção dedicado às Áreas de Preparação da Pintura (Apêndice 11). Além disso, também foram estabelecidos planos para o registo dessas intervenções (exemplo no Apêndice 12). Como mencionado na secção 4.5 e ilustrado na Figura 29, as categorias "Homem" e "Material" são as que têm maior impacto no aparecimento de defeitos. Na categoria "Homem", pretende-se reduzir estes defeitos através da formação e avaliação contínua, do cumprimento rigoroso das instruções de trabalho e da sensibilização para a importância da higienização adequada dos materiais e equipamentos utilizados. Esta categoria está diretamente ligada à categoria "Material", uma vez que a maioria das causas identificadas nesta última, estão relacionadas com a falta de padrões e boas práticas no manuseio 66 e conservação dos materiais pelos colaboradores. Além disso, embora a categoria "Máquina" não tenha sido definida como prioritária, desempenha igualmente um papel crucial na qualidade da pintura e na segurança dos operadores. Na Figura 35, está apresenta o resumo de todas as propostas de melhoria, organizadas por local. Local Propostas de melhoria Trabalho em pares Colocação de carrinhos (5S + Gestão de stock ) Plano de Manutenção Instruções de trabalho Utilização do sistema Kanban Utilização de KPI's Plano de Manutenção Instruções de trabalho Utilização de KPI's Zona de Inspeção Verificar/ inspecionar o veículo antes de entrar na estufa Zona de Apoio 1 Aplicação do 5S Proximidade às operações Armazenamento unicamente para stock Polimento Utilização da folha de contagem de defeitos Área de Preparação Estufa Armário Figura 35 - Resumo das propostas de melhoria 67 6. Conclusões Este capítulo apresenta as considerações finais da dissertação, abordando as limitações do projeto e sugerindo direções para trabalhos futuros, como o objetivo de promover a melhoria contínua na organização. 6.1 Considerações finais Esta dissertação concentrou-se nos processos de preparação da pintura e pintura, os processos gargalo de uma empresa de serviços pós-venda ligada à reparação automóvel. O principal objetivo deste projeto foi melhorar o desempenho operacional da organização por meio da identificação e sugestão de propostas de melhorias, alinhadas à filosofia Lean de redução de desperdícios, com a apoio do software SIMIO®. Após a observação diária e análise das operações de preparação e pintura, propôs-se uma nova dinamização nas operações, promovendo o trabalho colaborativo. O objetivo desta proposta foi diminuir alguns desperdícios Lean e tornar o fluxo de trabalho mais fluido, melhorando o desempenho operacional. Prevê-se que esta nova reorganização das operações, quando implementada, apresente desafios como incompatibilidade de perfis e a necessidade significativa de adaptação por parte dos operadores. No entanto, também pode resultar em melhorias na qualidade do trabalho, maior troca de conhecimentos, resolução mais rápida de problemas e aumento do foco e produtividade. Esta sugestão de trabalho em equipa, irá acelerar o tempo de preparação do veículo, o que poderá aumentar a fila de espera de veículos para a entrada na estufa, sendo já um problema crítico identificado no modelo de simulação. Todavia, uma comunicação e planeamento eficaz pode viabilizar o uso das outras estufas disponíveis no Lote 2 da empresa, minimizando esse efeito. A simulação também demonstrou ser útil na demonstração de KPI's aplicados a uma oficina automóvel, como o WIP e o tempo entre saídas, que permitem avaliar o desempenho operacional, apoiar a tomada de decisões, alinhar a equipa e melhorar o planeamento e gestão das operações. É ainda de destacar, que em nenhum dos artigos encontrados na literatura, utilizaram o software SIMIO num problema similar. As medidas de melhoria apresentadas relativamente aos tempos NVA recolhidos para os dois processos, embora possam parecer irrelevantes isoladamente, quando somadas podem levar a melhorias significativas ao longo do tempo, sendo importante priorizar as ações de melhoria relativamente ao processo de pintura, visto ser o mais crítico. Adotar uma abordagem proativa em relação à eliminação ou diminuição das atividades de valor não acrescentado é uma parte importante da gestão Lean , 68 permitindo não só tornar as operações mais eficientes, rápidas e rentáveis, mas também aumentar o foco na qualidade do serviço. Espera-se, por isso, que a empresa intensifique a recolha de dados e implemente indicadores de desempenho para medir continuamente o seu desempenho operacional. Com isso, será possível identificar melhor as capacidades e limitações dos seus processos, identificar oportunidades de melhoria, avaliar resultados e promover uma cultura de melhoria contínua na organização. A proposta de implementação da metodologia 5S na zona de apoio à pintura, juntamente com a alteração de layout, especialmente com a inclusão dos carrinhos na área de preparação, visam a redução de desperdícios como movimentações desnecessárias (procura de materiais, longas distâncias) e tempos de espera (veículos parados). A combinação destas duas iniciativas melhorará a fluidez dos processos, reduzirá os tempos na procura de materiais e nas deslocações e diminuirá o esforço físico dos operadores, garantindo que os materiais e equipamentos estejam próximos das operações, em locais adequados e com fácil acesso. Isso resultará num aumento da produtividade e eficiência das operações, e num ganho financeiro estimado em cerca de 80% nas deslocações. A qualidade associada aos defeitos da pintura tem um elevado impacto no desempenho operacional de toda a oficina, pois a pintura é o processo central do Lote 4 e influencia diretamente a satisfação do cliente. Os defeitos nas superfícies pintadas podem ser corrigidos na área de polimento, sendo necessário para isso mais gastos de materiais, tempo e recursos humanos. Falhas no processo de correção, por parte do polimento, e falhas logo à partida no processo de pintura, podem fazer com que o veículo ou peças retornem a ser repintados, o que intensifica o efeito gargalo no processo da pintura, aumentando também os custos gerais da organização e prejudicando todo o fluxo de trabalho. Seguindo os procedimentos ou diretrizes estabelecidas, incluindo as instruções de trabalho, os planos de manutenção e limpeza dos equipamentos, práticas adequadas de utilização e higienização de materiais e equipamentos de pintura, e investindo no controlo do processo e na formação contínua dos colaboradores, espera-se reduzir os defeitos e paragens não programadas e, consequentemente, minimizar os seus impactos negativos nas operações de preparação e pintura. Isso garantirá uma entrega mais rápida e com maior qualidade do veículo. Concluindo, a implementação conjunta das propostas de melhoria seguindo a abordagem Lean , visam melhorar o ambiente de trabalho, promover uma maior fluidez e transparência no fluxo de trabalho, elevar a qualidade do serviço, reduzir o tempo de entrega do veículo, diminuir custos e aumentar a flexibilidade, eficiência e produtividade das operações de preparação e da pintura. Com isso, espera-se 69 alcançar uma melhoria geral no desempenho operacional do Lote 4. A ferramenta de simulação SIMIO demonstrou ser útil na visualização e no estudo destes processos ao nível da preparação e pintura automóvel. 6.2 Limitações Devido às restrições de tempo, esta dissertação concentrou-se predominantemente em propostas de melhoria, não sendo possível concluir o ciclo da metodologia de investigação deste projeto. Existem também limitações relativamente ao tamanho da amostra dos veículos e aos resultados das medições dos tempos e defeitos utilizados, podendo não refletir totalmente a realidade e condicionar as conclusões que advêm da sua interpretação. Além disso, algumas variáveis não consideradas podem influenciar os resultados e as perceções obtidas. O modelo de simulação, por exemplo, foi simplificado em relação à realidade, o que pode comprometer a precisão dos resultados e a sua aplicabilidade. Existiu também a tentativa inicial de implementar as mudanças propostas no layout e promover a manutenção da metodologia 5S, entre outras sugestões. No entanto, houve resistência à mudança por parte dos colaboradores. O empoderamento do trabalhador e o reconhecimento do desperdício associado à subutilização das suas capacidades são essenciais para ultrapassar esta barreira e abraçar a cultura Lean na organização. Por fim, foram também identificadas limitações de conhecimento técnico relativamente aos defeitos da pintura, isto é, por vezes faltaram conhecimentos específicos sobre as suas causas e soluções eficazes para preveni-los. As soluções de melhoria apresentadas nesta dissertação foram por isso uma combinação da colaboração e da experiência de várias pessoas da empresa. 6.3 Trabalhos futuros Dadas as limitações enfrentadas durante a realização deste projeto, propõe-se que, em trabalhos futuros, sejam implementadas todas as propostas de melhoria que não puderam ser concretizadas. Desta forma, será possível prosseguir com as fases da metodologia investigação-ação: implementação e avaliação das ações de melhoria. Recomenda-se ainda, a realização de um modelo de simulação que aplique a dinâmica do trabalho em equipa (solução To-Be) e que vise a redução dos tempos NVA, para deste modo comparar os resultados das ações de melhoria com o estado atual. Os futuros modelos de simulação poderiam ainda incluir variáveis adicionais que não foram consideradas no modelo realizado como, a preparação e pintura de veículos comerciais, a pintura unicamente de peças soltas, e a taxa de 70 retrabalho. Além disso, seria interessante desenvolver um plano específico para a possibilidade de uso das estufas, da outra parte da firma, de modo a diminuir o efeito gargalo do Lote 4. No âmbito da qualidade, seria interessante avaliar a introdução de um Sistema de Gestão da Qualidade (SGQ) no Lote 4, ou em específico nos processos de preparação da pintura e pintura. Com a continuidade da aplicação da filosofia Lean nos processos abordados e a sua expansão para os restantes processos da oficina, juntamente com o foco reforçado na gestão da qualidade, a eficiência operacional será certamente melhorada e os padrões de qualidade mais elevados. Desta forma, a organização tornar-se-á mais ágil e competitiva no mercado pós-venda, respondendo de forma mais eficaz às exigências dos clientes e às mudanças do setor. 71 Referências bibliográficas Achetoui, Z., Mabrouki, C., & Mousrij, A. (2022). A balanced performance measurement system for automotive spare parts supply chain. Scientific Journal of Silesian University of Technology. Series Transport , 116 , 25–55. https://doi.org/10.20858/sjsutst.2022.116.2 Alsmadi, M., Almani, A., & Jerisat, R. (2012). A comparative analysis of Lean practices and performance in the UK manufacturing and service sector firms. Total Quality Management and Business Excellence , 23 (3–4), 381–396. https://doi.org/10.1080/14783363.2012.669993 Arlinghaus, J. C., & Knizkov, S. (2020). Lean maintenance and repair implementation - A cross-case study of seven automotive service suppliers. 53rd CIRP Conference on Manufacturing Systems , 93 , 955– 964. https://doi.org/10.1016/j.procir.2020.03.144 Bhamu, J., & Sangwan, K. S. (2014). Lean manufacturing: Literature review and research issues. International Journal of Operations and Production Management , 34 (7), 876–940. https://doi.org/10.1108/IJOPM-08-2012-0315 Bhardwaj, A., Nagar, J., & Mor, R. S. (2018). Productivity gains through PDCA approach in an Auto Service Station. Proceedings of the 2nd IEOM European Conference on Industrial Engineering and Operations Management , 2595–2602. Bhat, S., A, J. N., Kamath, P. P., Nayak, R. R., & D, N. M. (2016). Enhancing the Performace of an Automobile Service Industry: Lean Thinking Approach. Journal of Mechanical Engineering and Automation , 6 (5A), 40–48. https://doi.org/10.5923/c.jmea.201601.08 Borchardt, M., Souza, M., Pereira, G. M., & Viegas, C. V. (2018). Achieving better revenue and customers’ satisfaction with after-sales services: How do the best branded car dealerships get it? International Journal of Quality and Reliability Management , 35 (9), 1686–1708. https://doi.org/10.1108/IJQRM-01-2017-0016 Breitschwerdt, D., Cornet, A., Kempf, S., Michor, L., & Schmidt, M. (2017). The changing aftermarket gameand how automotive suppliers can benefit from arising opportunities . Briceno-Guzman, S., Mejia-Pilco, P., & Flores-Perez, A. (2023). Reduction of delays in rim repairs using Lean Service tools in an automotive workshop in Lima. ACM International Conference Proceeding Series , 333–339. https://doi.org/10.1145/3587889.3588219 72 Bruner, G. N. G., & Cantarero, P. M. P. (2023, August 6). Productivity Improvement In An Automotive Workshop Through Lean Manufacturing Methodology. Proceedings of the 9th World Congress on Mechanical, Chemical, and Material Engineering . https://doi.org/10.11159/icmie23.145 Chaple, A. P., Narkhede, B. E., Akarte, M. M., & Raut, R. (2021). Modeling the lean barriers for successful lean implementation: TISM approach. International Journal of Lean Six Sigma , 12 (1), 98–119. https://doi.org/10.1108/IJLSS-10-2016-0063 Chávez Guachamín, A. M., & Burneo Arteaga, P. S. (2021). Lean After Sales Service: Implementation of DMAIC Methodology in After Sales Processes of an Automotive Workshop. International Conference on Industrial Engineering and Operations Management , 3394–3410. Chinosi, M., & Trombetta, A. (2012). BPMN: An introduction to the standard. Computer Standards and Interfaces , 34 (1), 124–134. https://doi.org/10.1016/j.csi.2011.06.002 Chukukere, A., Castillo-Villar, K. K., & Wan, H. (2014). Improving Operations through Dynamic Value Stream Mapping and Discrete-Event Simulation. Proceedings of the 2014 Industrial and Systems Engineering Research Conference , 938–947. Coughlan, P., & Coghlan, D. (2002). Action research for operations management. International Journal of Operations and Production Management , 22 (2), 220–240. https://doi.org/10.1108/01443570210417515 Dalton, J. (2019). Great Big Agile: An OS for Agile Leaders . Apress. Dombrowski, U., & Engel, C. (2014). Impact of electric mobility on the after sales service in the automotive industry. The 6th CIRP Conference on Industrial Product-Service Systems , 16 , 152–157. https://doi.org/10.1016/j.procir.2014.01.022 Dombrowski, U., & Malorny, C. (2017). Service Planning as Support Process for a Lean after Sales Service. The 9th CIRP IPSS Conference: Circular Perspectives on Product/Service-Systems , 64 , 324–329. https://doi.org/10.1016/j.procir.2017.03.080 Dombrowski, U., & Malorny, C. (2018). Methodological approach for a process-orientated Lean Service implementation. 10th CIRP Conference on Industrial Product-Service Systems , 73 , 235–240. https://doi.org/10.1016/j.procir.2018.04.001 Eslava-Bautista, J., Cottrill, C. D., & Beecroft, M. (2021). Impacts of decarbonization on the automotive after sales sector: A review of evidence. Proceedings of the Institution of Mechanical Engineers, Part 79 Apêndice 2 - Processos Simio Figura 39 - Processo que movimenta o operador associado ao veículo quando o espaço de pintura fica disponível Figura 40 - Processo que liberta o operador utilizado no final da pintura Figura 41 - Processo que define o tempo de cozimento para efeitos de animação 80 Figura 42 - Processos auxiliares que a cada 0,1 horas decidem a continuidade da preparação 81 Figura 43 - Processo que liberta a estufa e regista estatísticas Figura 44 - Processo que transita para o operador Y as preparações do Fixo Figura 45 - Processo que atualiza variáveis estatísticas Figura 46 - Processo que atribui uma figura aleatória aos veículos apenas para efeitos de animação 82 Apêndice 3 - Tempos e Estocástica (SIMIO) Tabela 21 - Tempos de Pintura e Cozimento do Operador X (SIMIO) Tabela 22 - Tempos de Pintura e Cozimento do Operador Y (SIMIO) Processo Simio: t_Pintura (sem NVA) Duração (aleatória) da tarefa Tempo cumulativo das tarefas math.max(random.normal(0.18,0.18),0) math.max(random.normal(0.18,0.18),0) math.max(random.normal(0.19,0.08),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) math.max(random.normal(0.11,0.06),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) math.max(random.normal(0.13,0.06),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) math.max(random.normal(0.08,0.03),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) math.max(random.normal(0.17,0.04),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) math.max(random.normal(0.06,0.03),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) math.max(random.normal(0.15,0.1),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.15,0.1),0) math.max(random.normal(0.1,0.08),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.15,0.1),0) + math.max(random.normal(0.1,0.08),0) math.max(random.normal(0.06,0.03),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.15,0.1),0) + math.max(random.normal(0.1,0.08),0) + math.max(random.normal(0.06,0.03),0) math.max(random.normal(0.11,0.09),0) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.15,0.1),0) + math.max(random.normal(0.1,0.08),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.11,0.09),0) Processo Simio: t_Pintura (com NVA) math.max(random.normal(0.18,0.18),0) + math.max(random.normal(0.19,0.08),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.13,0.06),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.15,0.1),0) + math.max(random.normal(0.1,0.08),0) + math.max(random.normal(0.06,0.03),0) + math.max(random.normal(0.11,0.09),0) + 0.480524305555555 Processo Simio: t_Cozimento math.max(random.normal(0.85,0.28),0) math.max(random.normal(0.85,0.28),0) math.max(random.normal(0.1,0.06),0) math.max(random.normal(0.85,0.28),0) + math.max(random.normal(0.1,0.06),0) Operador Y Processo Simio: t_Pintura (sem NVA) Duração (aleatória) da tarefa Tempo cumulativo das tarefas math.max(random.normal(0.22,0.13),0) math.max(random.normal(0.22,0.13),0) math.max(random.normal(0.08,0.03),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) math.max(random.normal(0.03,0.02),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) math.max(random.normal(0.14,0.08),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) math.max(random.normal(0.1,0.05),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) math.max(random.normal(0.17,0.04),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) math.max(random.normal(0.04,0.03),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) math.max(random.normal(0.14,0.08),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) + math.max(random.normal(0.14,0.08),0) math.max(random.normal(0.12,0.09),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.12,0.09),0) math.max(random.normal(0.04,0.02),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.12,0.09),0) + math.max(random.normal(0.04,0.02),0) math.max(random.normal(0.13,0.03),0) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.12,0.09),0) + math.max(random.normal(0.04,0.02),0) + math.max(random.normal(0.13,0.03),0) Processo Simio: t_Pintura (com NVA) math.max(random.normal(0.22,0.13),0) + math.max(random.normal(0.08,0.03),0) + math.max(random.normal(0.03,0.02),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.17,0.04),0) + math.max(random.normal(0.04,0.03),0) + math.max(random.normal(0.14,0.08),0) + math.max(random.normal(0.12,0.09),0) + math.max(random.normal(0.04,0.02),0) + math.max(random.normal(0.13,0.03),0) + 0.392840608465607 Processo Simio: t_Cozimento math.max(random.normal(0.77,0.14),0) math.max(random.normal(0.77,0.14),0) math.max(random.normal(0.17,0.16),0) math.max(random.normal(0.77,0.14),0)+ma th.max(random.normal(0.17,0.16),0) Pintura Operador X 83 Tabela 23 - Tempos de Pintura e Cozimento do Operador Z (SIMIO) Processo Simio: t_Pintura (sem NVA) Duração (aleatória) da tarefa Tempo cumulativo das tarefas math.max(random.normal(0.35,0.22),0) math.max(random.normal(0.35,0.22),0) math.max(random.normal(0.14,0.05),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) math.max(random.normal(0.09,0.01),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) math.max(random.normal(0.11,0.06),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) math.max(random.normal(0.07,0.02),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) math.max(random.normal(0.1,0.05),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) math.max(random.normal(0.11,0.11),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) math.max(random.normal(0.16,0.04),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) + math.max(random.normal(0.16,0.04),0) math.max(random.normal(0.23,0.07),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) + math.max(random.normal(0.16,0.04),0) + math.max(random.normal(0.23,0.07),0) math.max(random.normal(0.04,0.01),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) + math.max(random.normal(0.16,0.04),0) + math.max(random.normal(0.23,0.07),0) + math.max(random.normal(0.04,0.01),0) math.max(random.normal(0.23,0.04),0) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) + math.max(random.normal(0.16,0.04),0) + math.max(random.normal(0.23,0.07),0) + math.max(random.normal(0.04,0.01),0) + math.max(random.normal(0.23,0.04),0) Processo Simio: t_Pintura (com NVA) math.max(random.normal(0.35,0.22),0) + math.max(random.normal(0.14,0.05),0) + math.max(random.normal(0.09,0.01),0) + math.max(random.normal(0.11,0.06),0) + math.max(random.normal(0.07,0.02),0) + math.max(random.normal(0.1,0.05),0) + math.max(random.normal(0.11,0.11),0) + math.max(random.normal(0.16,0.04),0) + math.max(random.normal(0.23,0.07),0) + math.max(random.normal(0.04,0.01),0) + math.max(random.normal(0.23,0.04),0) + 0.366518132716048 Processo Simio: t_Cozimento math.max(random.normal(0.92,0.01),0) math.max(random.normal(0.92,0.01),0) math.max(random.normal(0.17,0.12),0) math.max(random.normal(0.92,0.01),0) + math.max(random.normal(0.17,0.12),0) Operador Z 84 Apêndice 4 - Folha de contagem de defeitos Figura 47 - Folha de Contagem de Defeitos da Pintura 85 Apêndice 5 - Tempos de deslocações ( Layout atual) Tabela 24 - Contabilização dos tempos das deslocações ao Armário (ida e volta) Tabela 25 - Contabilização dos tempos das deslocações à Zona de Apoio (ida e volta) Observação Tempo (hh:mm:ss) Fixo 1 00:02:06 Fixo 2 00:01:22 Fixo 3 00:01:20 Fixo 4 00:01:16 Fixo 5 00:02:50 X11 00:00:40 X12 00:00:33 X13 00:00:47 X14 00:01:02 X15 00:00:48 Y16 00:00:40 Y17 00:01:19 Y18 00:01:00 Y19 00:00:27 Y20 00:00:43 Z 6 00:01:21 Z 7 00:00:58 Z 8 00:00:41 Z 9 00:00:22 Z10 00:00:40 Operador Armário Média da deslocação ( ida e volta ) 00:01:03 Observação Tempo (hh:mm:ss) Fixo 1 00:00:19 Fixo 2 00:00:16 Fixo 3 00:00:14 Fixo 4 00:00:25 Fixo 5 00:00:44 X11 00:00:33 X12 00:00:24 X13 00:00:24 X14 00:00:30 X15 00:00:22 Y16 00:00:15 Y17 00:00:18 Y18 00:00:22 Y19 00:00:19 Y20 00:00:16 Z 6 00:00:52 Z 7 00:00:12 Z 8 00:00:15 Z 9 00:00:16 Z10 00:00:18 Operador Zona de Apoio 1 Média da deslocação ( ida e volta ) 00:00:23 86 Apêndice 6 - Tempos de deslocações (Carrinhos) Tabela 26 - Contabilização dos tempos de deslocação até ao carrinho Deslocação Posição A-P Posição B-P Posição C-P Posição D-P 1 00:00:04 00:00:02 00:00:07 00:00:07 2 00:00:05 00:00:01 00:00:08 00:00:07 3 00:00:05 00:00:02 00:00:09 00:00:07 4 00:00:06 00:00:01 00:00:08 00:00:06 5 00:00:04 00:00:03 00:00:07 00:00:08 6 00:00:06 00:00:03 00:00:09 00:00:10 7 00:00:05 00:00:03 00:00:08 00:00:10 8 00:00:04 00:00:03 00:00:07 00:00:08 9 00:00:04 00:00:02 00:00:07 00:00:09 10 00:00:05 00:00:02 00:00:08 00:00:08 Média 00:00:05 00:00:02 00:00:08 00:00:08 Média total deslocação (ida e volta): 00:00:11 Tipo de veículo: Ligeiro de Passageiros de Médio Porte Local: APP 87 Apêndice 7 - Ilustrações de possíveis causas de lixos ou impurezas na Pintura Figura 48 - Filtros saturados e com lixo Figura 49 - Fatos de pintura mal armazenados Figura 50 - Bicos dos doseadores de tinta contaminados Figura 51 - Réguas de diluição contaminadas Figura 52 - Sujidade na cave de rodas 88 Apêndice 8 - Ficha de Registo e Lista de Verificação Figura 54 - Lista de Verificação Zona de Apoio à pintura Semana Data de início: Data de fim: Frequência Segunda Terça Quarta Quinta Sexta Organização Geral Diária Diária 1x por semana 1x por semana Diária Diária Sempre que necessário Sempre que necessário Assinalar com X Equipa pintores Gestão de resíduos Esvaziar lixo Luvas, saco do lixo Equipa pintores Higienização Geral do local Máquinas e Equipamentos Limpar armário/ bancadas/ material exposto Desinfetante, pano, papel Luvas, depósito vazio Substituir o depósito de resíduos de tinta Limpar máquina de lavar pistolas e verificar/substituir bidões Diluente celuloso, pano, luvas, bidões substitutos Equipa pintores Verificar equipamentos de pintura e materiais Limpar o chão Limpar as paredes Arrumar/Remover objetos desnecessários Vassoura, apanhador, esfregona, desinfetante Desinfetante, pano Lista de verificação Equipa preparadores e pintores Equipa preparadores e pintores Equipa preparadores e pintores Pintor responsável Equipa preparadores e pintores Responsável Material a usar Tarefas Ficha de Registo de Manutenção e Limpeza Zona de Apoio à pintura Figura 53 - Ficha de Registo Zona de Apoio à pintura Semana: Data de ínicio: Data de fim: Quant. Segunda Terça Quarta Quinta Sexta 1 1 1 1 1 1 1 1 4 3 1 2 1 1 1 Anti-gravilha Embalagem coadores 125 microns Embalagem coadores 190 microns Armário Pistola de Gravilha Primário Cinzento Primário Preto Bancadas Suporte de pistolas Aderente Diluente de acrílico (V25) Diluente de acrílico (V40) Endurecedor Pistola de primário Pistola de texturados Pistola de tinta Pistola de verniz Pistola para jantes Lista de verificação de equipamentos e materiais Zona de apoio da pintura Assinalar com X Materiais e Equipamentos Responsável: 95 Figura 62 - Plano de Manutenção (filtros do grupo de extração) da Área de Preparação