Este parágrafo serve como uma introdução ao seu post no blog. Comece discutindo o tema principal ou o tópico que você planeja abordar, garantindo que ele capte o interesse do leitor desde a primeira frase. Forneça uma visão geral que destaque por que esse tema é importante e como ele pode agregar valor. Use este espaço para definir o tom do restante do artigo e preparar os leitores parUma estratégia para controlar a variação — e, portanto, melhorar o desempenho — é chamada de CONWIP (constant work in process, ou “quantidade constante de trabalho em processo”). Trata-se de uma estratégia pull (orientada à demanda), ao contrário da estratégia push (orientada à oferta), na qual a conclusão do processamento de uma entidade aciona a chegada de uma nova entidade. Em um ambiente de manufatura, podemos implementar uma estratégia CONWIP liberando um novo pedido para a fábrica cada vez que um pedido for concluído e sair da produção. Em um sistema de serviços, podemos aproximar essa estratégia agendando atendimentos ou reservas com base nos tempos esperados de conclusão dos atendimentos anteriores. Em ambos os casos, o objetivo é manter um número constante de entidades no sistema.
Para avaliar o impacto de uma estratégia CONWIP, considere o seguinte modelo de simulação no Simio, no qual entidades chegam e se direcionam para o menos ocupado de três servidores. As entidades entram no modelo pelo Source1 e seguem por um dos caminhos até o servidor selecionado. Após o processamento, saem do sistema pelo Sink1.
As entidades aguardam em fila em frente a cada servidor até serem processadas. Vamos comparar dois casos nesse sistema: No primeiro caso, as chegadas são aleatórias e completamente independentes das saídas. No segundo, mantemos um número constante de entidades no sistema, e criamos uma nova chegada sempre que uma entidade sai do sistema. Em ambos os casos, temos 3 cenários em que o modelo é inicializado com níveis específicos de WIP: 3, 6 e 9 entidades, respectivamente. Note que no caso CONWIP o nível de WIP permanecerá constante ao longo da simulação; no caso Aleatório (Random), o WIP varia conforme entidades chegam e saem do sistema. Os servidores têm tempo de processamento aleatório com distribuição triangular, com mínimo de 0.1, moda de 0.2 e máximo de 0.3 minutos. No cenário de chegada aleatória, as entidades chegam com distribuição exponencial, com tempo médio entre chegadas de 4 segundos — essa é a taxa necessária para obter o máximo throughput com três servidores. Os resultados estão resumidos abaixo para ambos os sistemas (Aleatório e CONWIP), para níveis iniciais de WIP de 3, 6 e 9 entidades:
Como podemos ver, no caso de chegadas aleatórias o WIP médio é de aproximadamente 90 entidades, enquanto o sistema CONWIP reduz esse valor para 3, 6 ou 9. Embora com WIP 3 o throughput seja bem menor, com WIP 6 o throughput no caso CONWIP iguala o do sistema aleatório, com uma grande economia no WIP médio.
Como esses resultados demonstram, nossa estratégia CONWIP produz o mesmo throughput com muito menos trabalho em processo e tempos médios de ciclo muito menores. Este é um exemplo de como gerenciar a variação no sistema pode melhorar o desempenho sem precisar aumentar a capacidade.
Embora estejamos aplicando a estratégia CONWIP a um exemplo específico, o princípio é aplicável a uma ampla variedade de sistemas. Sempre que se consegue eliminar ou controlar uma fonte de variação no sistema (neste caso, o WIP), o desempenho geral melhora.
A ação para este princípio de melhoria de processos é simples:
>>> Use a estratégia CONWIP para limitar o WIP.
Uma estratégia empurrada de manufatura pode frequentemente ser implementada sem mudanças caras em tecnologia da informação, usando sistemas manuais como cartões (Kanbans) ou caixas vazias devolvidas a estações anteriores para acionar o reabastecimento de componentes para estações posteriores. Estratégias empurradas também podem ser aplicadas em sistemas de serviços. Por exemplo: Uma estação de esqui pode exibir os tempos de espera nos teleféricos para que os clientes escolham pistas com filas menores — assim, as chegadas a cada teleférico se ajustam automaticamente com base na lotação. Da mesma forma, um sistema de saúde pode mostrar os tempos de espera atuais em seu atendimento para que os pacientes se direcionem às unidades com menor espera. Em ambos os casos, estamos tentando reduzir as chegadas durante períodos de alta demanda.