Fuzzy model for lean manufacturing level assessment in a small metallurgical industry

Ana Lucia Fernandes da Silva; Jandecy Cabral Leite; Manoel Henrique Reis Nascimento; David Barbosa de Alencar

doi:10.5585/exactaep.2021.16841

Authors

Ana Lucia Fernandes da Silva Universidade Federal do Pará https://orcid.org/0000-0002-8047-0218
Jandecy Cabral Leite Universidade Federal do Pará/ITEGAM http://orcid.org/0000-0002-1337-3549
Manoel Henrique Reis Nascimento Professor/Pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). http://orcid.org/0000-0003-4688-6751
David Barbosa de Alencar Professor/Pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). https://orcid.org/0000-0001-6705-6971

DOI:

https://doi.org/10.5585/exactaep.2021.16841

Keywords:

Fuzzy logic, Lean manufacturing, Metallurgical industry.

Abstract

Small companies find it difficult to implement production management systems. This causes problems of overproduction, high inventory and high rates of defective products. Lean Manufacturing acts as a methodology to achieve waste elimination. It is important that companies identify their current level of Lean to improve their operations. This work aims to present a model using fuzzy logic, applied in a small metallurgical industry. A Fuzzy inference model was specified and modeled on the software fuzzy toolbox MATLAB R2013a®. The simulation performed on the model took into account the current reality of the company, noting that there are no Lean metrics in its processes. A great advantage of the model is the possibility of adjustments for any type of organization since the input and output variables can receive other linguistic values.

Downloads

Download data is not yet available.

Author Biographies

Ana Lucia Fernandes da Silva, Universidade Federal do Pará

Mestre em Engenharia de Processos - UFPA

Graduação em Engenharia de Produção - UFCG

Jandecy Cabral Leite, Universidade Federal do Pará/ITEGAM

Possui graduação em Matemática pela Universidade Federal de Rondônia (1987), graduação em Engenharia de Produção Elétrica pelo Centro de Ensino FUCAPI (2006), mestrado em Engenharia de Produção pela Universidade Federal de Santa Catarina (2001) e doutorado em Engenharia Elétrica pela Universidade Federal do Pará (2013). Atualmente é colaborador da Universidade Federal do Pará e pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia.

Manoel Henrique Reis Nascimento, Professor/Pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM).

Professor/Pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM). Graduado em Adm. de Sistemas de Informação e Ciência da Computação, MESTRE em Economia da Inovação pela Universidade Católica de Brasília (UCB) e DOUTORADO em Engenharia Elétrica pela Universidade Federal do Pará (UFPA)

David Barbosa de Alencar, Professor/Pesquisador do Instituto de Tecnologia e Educação Galileo da Amazônia (ITEGAM).

Doutor em Engenharia Elétrica pela Universidade Federal do Pará; Mestrado em Engenharia Elétrica com ênfase em Processos Industriais pela UFPA, Especialização em Engenharia de Segurança do Trabalho, Especialização em Engenharia da Qualidade, Especialização em gestão de projetos, Especialização em Metodologia do Ensino Superior, Especialização em Cálculo Estrutural, Especialização e Auditoria e Perícia em Obras Civis, Graduação em Engenharia de Produção pela Universidade Estadual do Amazonas UEA (2007)

References

Alcantara, P. G. D. F. (2017). Um modelo fuzzy-gta-dematel para a avaliação integrada do nível de implementação da produção enxuta. Repositório UFPB: https://repositorio.ufpb.br/jspui/handle/tede/9938

Azadeh, A., Zarrin, M., Abdollahi, M., Noury, S., & Farahmand, S. (2015). Leanness assessment and optimization by fuzzy cognitive map and multivariate analysis. Expert Systems with Applications, 42(15-16), 6050-6064. DOI: https://doi.org/10.1016/j.eswa.2015.04.007

Bueno, W. P. (2017). O uso da abordagem Fuzzy-ahp e Fuzzy sets para facilitar a utilização da filosofia lean manufacturing em indústrias. Repositório UFSM: https://repositorio.ufsm.br/handle/1/12973

Coelho, MH, Pereira, VF, de Figuere Valeriano, CE, Frigo, LB, & Pozzebon, E. (2018, outubro). Aplicação do Controle Fuzzy em Sistemas de Sensoriamento Embarcado para Monitoramento de Apicultura. Em 2018, XLIV Latin American Computer Conference (CLEI) (pp. 207-214). IEEE. DOI: https://dx.doi.org/10.1109/CLEI.2018.00033

Deveras, A. M. (2019). Proposta de implementação do lean manufacturing em indústrias de pequeno porte. (Master's thesis, Universidade Tecnológica Federal do Paraná). Repositório UTFPR: http://repositorio.utfpr.edu.br/jspui/handle/1/4051

Dragović, I., Turajlić, N., Pilčević, D., Petrović, B., & Radojević, D. (2015). "A Boolean Consistent Fuzzy Inference System for Diagnosing Diseases and Its Application for Determining Peritonitis Likelihood", Computational and Mathematical Methods in Medicine, vol. 2015, Article ID 147947, 10 pages, 2015. DOI: https://doi.org/10.1155/2015/147947

Hu, Q., Mason, R., Williams, S.J. and Found, P. (2015), "Lean implementation within SMEs: a literature review", Journal of Manufacturing Technology Management, Vol. 26 No. 7, pp. 980-1012. DOI: https://doi.org/10.1108/JMTM-02-2014-0013

Lima Junior, F. R., Ferreira, L. F. de F., Seleghim, A. P. D., & Carpinetti, L. C. R. (2018). Um modelo fuzzy-qfd para priorização de ações de gestão de resíduos de equipamentos eletroeletrônicos. Revista Produção Online, 18(2), 713–742. https://doi.org/10.14488/1676-1901.v18i2.2958

De Lima, J. F. (2017). Modelo fuzzy para avaliação de imóveis utilizando árvore de decisão (Doctoral dissertation, Dissertação de Mestrado (Mestrado em Engenharia de Processos). PPGEP/ITEC. Belém). Repositório UFPA: https://ppgep.propesp.ufpa.br/ARQUIVOS/dissertacoes/Dissertacao2017-PPGEP-MP-JairoFaduldeLima.pdf

Malaman, C. S., & Amorim, A. (2017). Método para determinação de valores na avaliação imobiliária: comparação entre o Modelo de Regressão Linear e Lógica Fuzzy. Boletim de Ciências Geodésicas, 23(1), 87-100. DOI: https://doi.org/10.1590/S1982-21702017000100006

Medeiros, R. Á. O. D. (2016). Previsão de demanda no médio prazo utilizando redes neurais artificiais em sistemas de distribuição de energia elétrica. Repositório UFPB: https://repositorio.ufpb.br/jspui/handle/tede/8795

Monteiro, C. A., Macêdo, E. N., Nascimento, M. H. R., de Freitas, C. A. O., & Junior, J. D. A. B. Fuzzy Method for in Control Acetaldehyde Generation in Resin Pet in the Process of Packaging Pre-Forms of Plastic Injection. International Journal of Advanced Engineering Research and Science, 5(8). DOI: https://dx.doi.org/10.22161/ijaers.5.8.29

Mussolini, T. P., & Gaudêncio, J. H. D. (2019). Aplicação da Técnica de Mapeamento IDEF-SIM para Identificação e Análise de Desperdícios em Uma Empresa do Setor de Construção Civil. Gepros: Gestão da Produção, Operações e Sistemas, 14(3), 14. DOI: https://dx.doi.org/10.15675/gepros.v14i3.2599

Nawanir, G., Lim, K.T., Othman, S.N. and Adeleke, A.Q. (2018), "Developing and validating lean manufacturing constructs: an SEM approach", Benchmarking: An International Journal, Vol. 25 No. 5, pp. 1382-1405. DOI: https://doi.org/10.1108/BIJ-02-2017-0029

NOGUEIRA, E. L., & NASCIMENTO, M. H. R. (2017). Inventory control applying sales demand prevision based on fuzzy inference system. Journal of Engineering and Technology for Industrial Applications (JETIA), Edition. 11.Vol: 03. DOI: https://dx.doi.org/10.5935/2447-0228.20170060

Patidar, L., Soni, V. K., & Soni, P. K. (2017). Manufacturing wastes analysis in lean environment: an integrated ISM-fuzzy MICMAC approach. International Journal of System Assurance Engineering and Management, 8(2), 1783-1809. DOI: https://doi.org/10.1007/s13198-017-0669-6

Ohno, T. O sistema Toyota de produção além da produção. [s.l.] Bookman, 1997.

Oleghe, O., & Salonitis, K. (2016). Variation modeling of lean manufacturing performance using fuzzy logic based quantitative lean index. Procedia Cirp, 41, 608-613. DOI: https://doi.org/10.1016/j.procir.2016.01.008

Rodrigues, M. V. (2015). Entendendo, aprendendo e desenvolvendo sistemas de produção Lean Manufacturing. Elsevier Brasil.

Silva, C. D. C. M., Arouche, M. N. M., Lima, Z. M., Vieira, A. C. S., & Pinheiro, E. M. (2019). Application of lean manufacturing tools: a case study in a mattress factory. Journal of Lean Systems, 4(1), 87-104. Disponível em : https://leansystem.ufsc.br/index.php/lean/article/view/2467/pdf

Simões, M. G., Shaw, I. S.Controle e Modelagem Fuzzy. Editora Edgar Blucher Ltda, 1999.

Slack. et al. Administração da Produção. 3. ed. São Paulo: Atlas, 2009.

Susilawati, A., Tan, J., Bell, D., & Sarwar, M. (2015). Fuzzy logic based method to measure degree of lean activity in manufacturing industry. Journal of Manufacturing Systems, 34, 1-11. DOI: https://doi.org/10.1016/j.jmsy.2014.09.007

Tsai, W. C., Chih Hsiung Wang, & Hsiao-Kang Lin. (2011). A Fuzzy Ranking Approach to Performance Evaluation of Quality. International Journal of Industrial Engineering, 18(9), 473–481.

Tortorella, G.L., de Castro Fettermann, D., Frank, A. and Marodin, G. (2018), "Lean manufacturing implementation: leadership styles and contextual variables", International Journal of Operations & Production Management, Vol. 38 No. 5, pp. 1205-1227. https://doi.org/10.1108/IJOPM-08-2016-0453

Tubino, D. F. Manufatura enxuta como estratégia de produção: a chave para a produtividade industrial. São Paulo: Atlas, 2015.

Uhlmann, I. R. (2015). Aplicação De Ferramentas do Lean Manufacturing em um Processo de SMT: Estudo De Caso (Doctoral dissertation, Universidade Federal do Pará). Repositório da UFPA: https://ppgep.propesp.ufpa.br/ARQUIVOS/dissertacoes/Dissertacao2015-PPGEP-MP-IracyanneRettoUhlmann.pdf

Van der Steen, M.P. and Tillema, S. (2018), "Controlling lean manufacturing in multidivisional organisations: Highlighting local interests and constraints", International Journal of Operations & Production Management, Vol. 38 No. 11, pp. 2149-2168. https://doi.org/10.1108/IJOPM-09-2016-0563

Vergara, L. F. D. B. F., Gavião, L. O., & Lima, G. B. A. (2016). Suporte à decisão para modelo de maturidade de processo utilizando lógica fuzzy a partir da perspectiva do ciclo PDCA. Exacta, 14(2), 269-284. DOI: https://doi.org/10.5585/exactaep.v14n2.6357

Womack JP, Jones DT, Ross D. The machine that changed the world. New York: Rawson Associates, cmillan Publishing Company; 1990.

Zadeh, L. A- Fuzzy Sets, Information and Control, p.338-353, 1965.