No Simio Sync 2026, um tema comum surgiu nas apresentações da Boeing, Chevron, Northwell Health, SimWell e outros líderes do setor: a qualidade dos resultados da simulação está diretamente ligada à eficácia com que as organizações lidam com a integração de dados e a automação do fluxo de trabalho. Como Jason, engenheiro sênior do grupo de Consultoria e Serviços da Simio, enfatizou em sua apresentação sobre requisitos funcionais: "A qualidade do seu modelo é limitada pela clareza dos seus requisitos." Esse princípio vai além dos requisitos e abrange todo o ecossistema de dados que alimenta os ambientes de simulação modernos.
A conferência mostrou uma transformação que está ocorrendo em todos os setores - da manufatura aeroespacial à saúde e à energia - em que as organizações estão indo além dos processos manuais de dados e adotando fluxos de trabalho de simulação integrados e automatizados que fornecem insights em minutos e não em semanas.
O desafio dos dados: Um problema universal em todos os setores
Por que os projetos de simulação enfrentam dificuldades
Conforme apresentado na Sync, os projetos de simulação geralmente enfrentam dificuldades não por causa de problemas técnicos de modelagem, mas por causa de problemas fundamentais de dados e requisitos. Jason Ceresoli, da Simio, explicou: "A maioria dos modelos é construída corretamente, segue boas práticas e é tecnicamente sólida. O verdadeiro problema é que eles respondem às perguntas erradas. Quando isso acontece, o escopo começa a se expandir. O alinhamento começa a se desfazer e as partes interessadas perdem a confiança."
Ele continuou: "O que vemos normalmente é um fluxo de trabalho como este para projetos. Você define o problema, constrói o modelo e entrega os resultados. E, sinceramente, isso faz sentido. A modelagem é a parte divertida. Parece um progresso. É onde naturalmente queremos passar nosso tempo como simuladores e modeladores." "Mas quando pulamos uma fase de requisitos estruturados, eis o que acontece: Os requisitos surgem durante a construção. As partes interessadas reagem ao que veem em vez de definir suas necessidades antecipadamente, e o escopo começa a se expandir sem controle."
Esse desafio é agravado pelo fato de que a preparação dos dados consome historicamente de 60 a 80% do tempo do projeto de simulação, deixando muito pouca largura de banda para a análise e a tomada de decisões que realmente geram valor comercial.
Integração de dados no mundo real: Lições do Simio Sync 2026
SimWell e Mitchel Lincoln: Gerenciando dados complexos de manufatura
A apresentação da SimWell sobre o dimensionamento de uma fábrica de papelão ondulado, com capacidade para 2 bilhões de pés quadrados de produção anual, forneceu insights convincentes sobre a simulação orientada por dados. Joanie Robichaud e Akrem Dhahri, consultores de simulação da SimWell, juntamente com Christian Roy, vice-presidente de operações e cadeia de suprimentos da Mitchel Lincoln, demonstraram como enfrentaram um desafio de fabricação complexo em que os gargalos estavam impedindo a fábrica de atingir sua capacidade teórica.
"O primeiro [motivo pelo qual escolhemos o Simio] é porque ele é realmente orientado por dados", explicou a equipe da SimWell. "É fácil ter muitas tabelas de dados e organizá-las bem no software para usá-las de forma eficiente no modelo. Como mencionado, os pedidos são realmente personalizados. Cada pedido é personalizado para o cliente. Portanto, isso já significa uma grande quantidade de dados."
A estrutura do modelo de simulação exemplificava a integração moderna de dados: Os dados de entrada capturaram todos os dados históricos de produção - o número de arquivos, as características dos pedidos simplificadas em famílias de acordo com distribuições, fluidos, cores, parâmetros de equipamentos, programações de produção, tempos de ciclo, tempos de preparação e disponibilidade de mão de obra. O modelo de simulação continha todo o fluxo de materiais, regras de roteamento, lógica operacional e parâmetros específicos do equipamento. Os resultados se concentraram na medição do rendimento, na utilização de equipamentos, na análise do estado do tempo e no controle da fila de trabalho em andamento.
A equipe do SimWell aproveitou amplamente os recursos de experimentação do Simio: "Usamos muito a experimentação, a guia de experimentos do Simio. E podíamos fazer ajustes rápidos nos parâmetros e realmente observar as variáveis de resposta e suas mudanças. Quando mudávamos os cenários, usávamos isso para fazer análise de sensibilidade... para realmente identificar os gargalos rapidamente."
Inovação fundamental na integração de dados: A equipe da SimWell simplificou um sistema de garagem de 65 pistas para 15 pistas, mantendo a capacidade total. Quando não havia dados históricos sobre os tempos de carga e descarga de trens, eles criaram equações com base na profundidade da pilha e nos ciclos de carga: "Nosso especialista em sistemas estimou que era uma equação que dependia da profundidade da pilha na garagem... e com base no número de ciclos de carregamento que precisavam ocorrer."
Joanie, da SimWell, explicou o desenvolvimento da equação: "Por exemplo, se você tiver uma pilha grande como essa, o trem tem três esteiras. Portanto, ele só precisa empurrar essa pilha e pronto, ela está carregada. É só isso. Mas se você tiver pilhas menores, precisará carregar cada transportador separadamente. Assim, você teria y igual a três ciclos de carregamento. E então x seria a profundidade."
Northwell Health: Modelagem de dados do departamento de emergência
A apresentação da Northwell Health sobre a otimização do fluxo de pacientes no departamento de emergência demonstrou a sofisticada integração de dados em ambientes de saúde. A equipe combinou dados qualitativos e quantitativos para criar um modelo de simulação abrangente que respondesse a um aumento projetado de 10 a 30% no volume de pacientes após o fechamento de um hospital próximo.
O modelo da Northwell Health incorporou nove tipos de entidades distintas com base no nível de triagem e no modo de chegada, com taxas de chegada personalizadas, tempos de processo de tarefas definidos por distribuições estatísticas, probabilidades de roteamento e programações semanais precisas de pessoal. Liam Coen, da equipe da Northwell, explicou: "Cortamos os 5% dos pacientes mais importantes em todas as nossas distribuições devido a exceções na documentação e fizemos uma validação adicional para ver por que isso era apropriado", demonstrando processos rigorosos de validação de dados.
Sua abordagem de integração de dados: "Usamos um software externo para ajustar as distribuições com base em nossos dados de entrada... o azul são os dados reais e a linha vermelha é uma linha de dados ajustada... uma distribuição de seis de Pearson é essencialmente uma distribuição normal inclinada para a esquerda."
A apresentação da Northwell Health destacou os recursos futuros, observando que os recursos de integração Python que estão sendo desenvolvidos pelo Simio poderiam simplificar significativamente os processos de ajuste de distribuição, especialmente para conjuntos de dados de saúde em grande escala contendo dezenas de milhares ou centenas de milhares de encontros de pacientes.
Chevron: Da intuição ao insight em engenharia e construção
A apresentação da Chevron, "From Intuition to Insight: How Chevron Uses Simulation to Improve Engineering and Construction Performance", mostrou os desafios da integração de dados em vários tipos de projetos. Nick Wann, consultor de execução de projetos da Chevron, apresentou vários estudos de caso que demonstram como a simulação transforma a tomada de decisões em ambientes complexos.
Sistema de produção de engenharia: Produção de desenhos ISO
O primeiro estudo de caso concentrou-se na produção de 100 desenhos isométricos de tubulação por semana para a fabricação de plataformas offshore na Coreia. "A consequência de não fazer isso significa que você tem pátios de fabricação inteiros parados esperando por desenhos de engenharia. Portanto, as consequências são realmente muito altas", explicou Nick, da Chevron. Esse ambiente de alto risco exigiu uma integração precisa de dados para modelar os ciclos de verificação e retrabalho inerentes aos fluxos de trabalho de engenharia.
A abordagem da Chevron incluiu o rastreamento de várias etapas do processo - preparação do desenho, verificação, depuração, verificação posterior, controle de qualidade - cada uma com as respectivas probabilidades de retrabalho e requisitos de recursos. Sua análise revelou que os cálculos tradicionais não levavam em conta a variabilidade: "Dissemos que, na verdade, achamos que precisamos de três e um terço de recursos para atingir 100 ISOs por semana. Mas vamos arredondar para quatro... Bem, a empreiteira propôs ao proprietário... quatro recursos em tempo integral mais um recurso em tempo parcial."
A simulação validou a solicitação da empreiteira ao incorporar a variabilidade do processo que os cálculos estáticos não detectaram, demonstrando o valor da simulação orientada por dados em relação às abordagens analíticas simplificadas.
Otimização da rota de caminhões: Tomada de decisões em tempo real
Outro estudo de caso da apresentação concentrou-se na otimização da rota de transporte de caminhões em um local de recuperação de minas. Nick, da Chevron, demonstrou a rápida iteração, desde os insights da simulação até a implementação: "O que estávamos fazendo era fazer recomendações para a empreiteira. No entanto, eles viram esses resultados. No dia seguinte, os motoristas praticaram a nova rota e, no terceiro dia, o tráfego no local foi totalmente revertido."
Esse exemplo ilustrou o poder de fluxos de trabalho de dados bem integrados: a simulação poderia testar cenários de segurança (inversão do tráfego para reduzir as interações entre veículos), quantificar o impacto (redução de 50% nas interações entre veículos, aumento de 6% na produtividade) e permitir a implementação quase imediata.
Nick, da Chevron, resumiu a mensagem principal: "O poder obviamente está nos experimentos, na execução de várias simulações e no resumo de todas essas informações. As equipes de liderança... sempre adoram a simulação. Elas adoram ver as coisas se movimentando. Isso gera boas apresentações. Mas o poder está nos dados".
Boeing: Movimento de trabalho dinâmico e integração de dados culturais
A apresentação da Boeing sobre modelagem para o movimento dinâmico do trabalho abordou aspectos organizacionais mais amplos da integração de dados. A equipe da Boeing enfatizou: "Diante dessas realidades, as planilhas e as análises estáticas geralmente são insuficientes. E é aí que a simulação realmente entra em cena e brilha ao criar um modelo realista do sistema de produção."
A apresentação também enfatizou a transformação cultural: "A cultura da Boeing hoje está mudando. Ela ainda não chegou lá, mas a cultura está definitivamente em ascensão." Esse elemento cultural é fundamental para o sucesso da integração de dados - as organizações devem promover ambientes em que "os que estão aqui no andar térreo, os que estão construindo o produto... queiram fazer um bom trabalho e tenham boas ideias. Eles têm ótimas sugestões." A integração eficaz de dados requer a captura de conhecimento das pessoas mais próximas dos processos que estão sendo modelados.
Capacidades técnicas apresentadas na Sync
Design modular e orientado a objetos
Vários apresentadores enfatizaram a importância dos componentes reutilizáveis. A equipe da SimWell observou: "É também um projeto modular orientado a objetos. Portanto, todas as prensas e os trens foram desenvolvidos como [objetos] reutilizáveis. E, por fim, podemos simplesmente movê-los ou alterar os parâmetros para ter uma nova prensa no modelo. E isso foi muito rápido, muito fácil e muito eficiente."
Experimentação rápida e análise de sensibilidade
Os recursos de experimentação do Simio foram destacados de forma consistente. O SimWell executou mais de 100 experimentos, permitindo uma análise de sensibilidade completa para identificar gargalos rapidamente. Esse recurso de iteração rápida transforma a simulação de uma ferramenta de análise única em um sistema dinâmico de apoio à decisão.
Visualização para o envolvimento das partes interessadas
A visualização de Gantt foi mencionada várias vezes como valiosa para a depuração de modelos durante o desenvolvimento. A capacidade de ver o fluxo de materiais, a formação de gargalos e a movimentação de caminhões cria a adesão das partes interessadas, enquanto a análise de dados subjacente impulsiona a tomada de decisões reais.
Desenvolvimento de capacidade interna
A equipe da Boeing discutiu a criação de "SimBits internos" - peças modulares de lógica que repercutem nos usuários finais da empresa. Um representante da Boeing explicou: "Vocês têm uma infinidade de peças modulares úteis de lógica que são absolutamente essenciais para o aprendizado real, mas às vezes não têm a capacidade de repercutir entre alguns dos usuários finais da empresa." Essa abordagem de criação de recursos internos de simulação acelera a adoção e melhora a integração de dados em toda a organização.
Impacto quantificável: O caso de negócios para a integração de dados
Eficiência na fabricação
O projeto Mitchel Lincoln da SimWell visava aumentar a capacidade de produção de 1,4 bilhão de pés quadrados para 2 bilhões de pés quadrados - um aumento de 43%. A simulação identificou que o trem (sistema de manuseio de materiais) e as prensas eram os principais gargalos que impediam a instalação de atingir sua capacidade teórica após uma atualização da onduladeira.
A abordagem da equipe da SimWell à análise de dimensionamento de lotes, aplicando os princípios da manufatura enxuta ("o famoso every product every interval from lean"), demonstrou como a simulação orientada por dados permite testar estratégias operacionais antes da implementação.
Otimização do setor de saúde
A simulação da Northwell Health revelou impactos precisos de aumentos de volume: com um aumento de 20% no volume de pacientes, o tempo da porta ao provedor aumentou para uma média de 18 minutos, o tempo de tratamento e liberação aumentou cerca de 12%, chegando a pouco mais de 200 minutos, e a utilização de enfermeiros durante a noite chegou a 87%, identificando-a como um gargalo em potencial.
A equipe da Northwell Health explicou sua tomada de decisão: "O local adotou nossa recomendação de simulação para adicionar um turno de oito horas no domingo à noite, pois o volume estava aumentando gradualmente em torno de 7 a 10% no momento da implementação." Isso representa a mudança do gerenciamento reativo para o proativo da capacidade do setor de saúde.
Segurança e produtividade na construção
A simulação de produção de desenho ISO da Chevron evitou disputas de alocação de recursos ao quantificar o impacto da variabilidade do processo. Em vez de se basear em cálculos simplificados que sugeriam que quatro verificadores em tempo integral eram suficientes, a simulação validou a necessidade de recursos adicionais em tempo parcial para levar em conta a variabilidade do mundo real.
Seu estudo de caso de otimização de rotas de caminhões obteve uma redução de 50% nas interações entre veículos (um indicador de risco de segurança) e, ao mesmo tempo, proporcionou um aumento de 6% na produtividade. O rápido cronograma de implementação - desde os resultados da simulação até a implementação completa em três dias - demonstra o valor de se ter uma infraestrutura de integração de dados implementada.
Estruturas estratégicas apresentadas na Sync
A abordagem de especificação de requisitos funcionais (FRS)
A apresentação da Simio sobre requisitos funcionais forneceu uma estrutura para garantir que os projetos de simulação forneçam valor comercial desde o início. Jason, da Simio, explicou que a abordagem em quatro fases - definir requisitos, criar modelo, validar, entregar - garante o alinhamento antes do início de um trabalho significativo de modelagem.
Principais perguntas do workshop apresentadas por Jason, da Simio:
-
"Se você pudesse ter alguma coisa desta ferramenta, o que seria?" - faz com que as partes interessadas reflitam sobre as principais perguntas
- "Que decisões você tomaria com base nessa resposta?" - garante que o escopo se concentre em percepções acionáveis
- "Se a resposta for nenhuma, talvez não seja importante para o escopo"
Essa estrutura aborda diretamente o desafio da integração de dados, esclarecendo quais dados são necessários e por que antes do início da modelagem.
Validação por meio da colaboração
Vários apresentadores enfatizaram a importância da validação com especialistas no assunto. A equipe da SimWell trabalhou em conjunto com a equipe de operações da Mitchel Lincoln para validar as suposições sobre o sistema de garagem de 65 pistas, operações de trem e características de pedidos.
A equipe da Northwell Health realizou um mapeamento abrangente do processo de swim lane com a equipe do pronto-socorro: "Isso capturou todas as diferentes etapas, pontos de decisão e transferências entre os vários funcionários... culminou em 50 etapas de processo, 15 pontos de decisão e dez funções diferentes." Essa coleta de dados qualitativos, combinada com a análise de dados quantitativos, criou modelos nos quais a equipe confiava e que foram adotados pela liderança.
Equilíbrio entre detalhes e complexidade do modelo
A equipe da Northwell Health foi questionada sobre sua decisão de segmentar os pacientes em nove tipos de entidades distintas. Sua resposta destacou a troca: "Essas diferenças discretas e distintas de tempo de resposta entre elas... não apenas para a permanência geral do paciente, mas também para as diferentes etapas do processo que vimos."
Essa decisão exemplifica a estratégia de integração de dados - granularidade suficiente para capturar diferenças significativas, mas não tanto que o modelo se torne pesado ou que seja impossível atender aos requisitos de dados.
Insights sobre a implementação: Passando das planilhas para a simulação
As limitações da análise estática
A equipe da Boeing abordou um desafio fundamental na fabricação complexa: "Dadas essas realidades, as planilhas e as análises estáticas, bem, muitas vezes são insuficientes. E é aí que a simulação realmente entra em cena e se destaca, criando um modelo realista do sistema de produção."
Essa observação foi repetida em todas as apresentações. A experiência de Nick, da Chevron, com ferramentas analíticas versus simulação foi instrutiva: "Quando fomos apresentados ao conceito de ver nossos projetos como sistemas de produção... começamos com algumas ferramentas analíticas... O problema que encontramos com as ferramentas analíticas foi que elas pareciam ser uma caixa preta, e ninguém realmente entendia o que estava acontecendo."
Ele continuou: "Não podíamos ver, não podíamos sentir. Não podíamos, você sabe, não podíamos observar o comportamento. Assim, quando obtínhamos resultados que eram contraintuitivos ou o que esperávamos, a luz natural era o que eu não entendia. É um pouco como uma caixa preta. Não vou confiar nela".
A transparência dos modelos de simulação - a capacidade de observar o comportamento, ver a formação de gargalos e entender as relações de causa e efeito - aumenta a confiança das partes interessadas que os cálculos estáticos não conseguem igualar.
Planejamento de requisitos de dados
A experiência da SimWell destacou a importância de planejar as lacunas de dados. Quando os dados históricos de carregamento/descarregamento de trens não estavam disponíveis, eles desenvolveram equações de estimativa com especialistas em sistemas em vez de abandonar esse aspecto do modelo.
A abordagem da Northwell Health para lidar com os dados discrepantes - cortando os 5% principais após a validação de que eles representavam erros de documentação e não experiências reais dos pacientes - demonstrou um gerenciamento rigoroso da qualidade dos dados.
Integração de várias fontes de dados
As apresentações mostraram a integração de diversos tipos de dados:
-
Dados operacionais históricos (registros de produção do SimWell)
- Mapeamento de processos e percepções qualitativas (50 etapas do processo da Northwell, 15 pontos de decisão)
- Estimativa especializada (equações de carga de trem)
- Distribuições estatísticas (distribuições ajustadas da Northwell para tempos de processamento de pacientes)
- Regras operacionais em tempo real (lógica da garagem, decisões de roteamento)
- Dados externos (padrões de chegada de pacientes, especificações de equipamentos)
Essa integração de várias fontes exige recursos organizacionais que vão além de um simples software de simulação - exige colaboração multifuncional, governança de dados e processos de validação sistemáticos.
Integração com Python para processamento de dados
A SimWell demonstrou uma sofisticada integração com Python para o processamento de dados. Akram, da SimWell, explicou: "Inicialmente, coletamos todos os dados brutos que estavam em arquivos do Excel. E alguns deles eram estimativas de especialistas que transformamos em fórmulas e coisas diferentes que processamos usando um script Python. Depois, limpamos os dados e fizemos a análise exploratória dos dados."
A equipe continuou: "Extraímos os parâmetros importantes e ajustamos a distribuição usando ainda o script Python. E então tudo estava pronto. Criamos as tabelas de entrada diretamente no Simio... E depois que baixamos esses CSVs, pudemos processá-los usando novamente um script Python, porque às vezes executávamos alguns cenários em um computador, no computador do Akram, e depois eu executava outros, e então juntávamos tudo como agregados."
Esse fluxo de trabalho demonstra a evolução do manuseio manual de dados para o processamento de dados automatizado e baseado em scripts que permite projetos de simulação dimensionáveis.
O caminho a seguir: Lições do Simio Sync 2026
A cultura como base
A ênfase da Boeing na transformação cultural ressoa em todos os esforços de integração de dados: "Ouça seus funcionários, os que estão aqui no andar térreo, os que estão construindo o produto, os que estão envolvidos com... o que acontece nesses aviões, eles querem fazer um bom trabalho e têm boas ideias."
A integração eficaz de dados não pode ser puramente técnica - ela exige culturas organizacionais que a valorizem:
-
Tomada de decisão orientada por dados
- Colaboração entre equipes de modelagem e especialistas operacionais
- Disposição para desafiar a intuição com insights de simulação
- Iteração e aprendizado rápidos
Criação de recursos internos
A ênfase na criação de SIMbits internos e componentes reutilizáveis aponta para um modelo de maturidade para a adoção da simulação. As organizações passam de:
-
Projetos de simulação ad hoc com consultores externos
- Recursos de simulação sistemática com especialistas internos
- Simulação democratizada em que os líderes operacionais podem modificar e executar cenários
Essa progressão exige o desenvolvimento deliberado de capacidades e a transferência de conhecimento, como enfatizou a equipe da Boeing.
Integração com processos de negócios
As apresentações mais impactantes do Sync mostraram a simulação integrada aos processos de negócios:
-
O ciclo de três dias da Chevron, desde os resultados da simulação até a implementação completa da reversão de tráfego
- O planejamento proativo da capacidade da Northwell Health em resposta às mudanças do mercado
- A identificação sistemática de gargalos da SimWell, que impulsiona as decisões de investimento de capital
Esses exemplos demonstram que a simulação é uma ferramenta contínua de apoio à decisão, e não um exercício de análise ocasional.
Evolução tecnológica
Embora a equipe da SimWell tenha discutido detalhes específicos da integração avançada com Python em seu fluxo de trabalho de processamento de dados, a referência da Northwell Health a recursos futuros aponta para a evolução contínua da tecnologia de simulação.
O foco continua sendo permitir uma integração de dados mais rápida e precisa, para que os analistas possam dedicar seu tempo à geração de insights, em vez de se preocuparem com os dados.
Conclusão: Integração de dados como capacidade estratégica
As apresentações no Simio Sync 2026 reforçaram uma verdade fundamental: a simulação moderna tem sucesso ou fracassa com base na eficácia da integração de dados. Organizações do setor aeroespacial ao setor de energia e saúde demonstraram que é necessário romper as barreiras de dados:
Capacidades técnicas:
-
Estruturas de dados flexíveis que suportem regras operacionais complexas
- Estruturas de experimentação rápida que permitem a análise de sensibilidade
- Ferramentas de visualização que aumentam a confiança das partes interessadas
- Componentes modulares e reutilizáveis que aceleram o desenvolvimento
Capacidades organizacionais:
-
Colaboração multifuncional entre modeladores e operadores
- Processos de validação sistemáticos que garantem a precisão do modelo
- Compromisso cultural com a tomada de decisões orientada por dados
- Investimento no desenvolvimento de capacidades internas
Integração de processos:
-
Definição clara dos requisitos antes do início da modelagem
- Abordagens estruturadas para lidar com lacunas de dados e incertezas
- Rápida iteração, desde os insights até a implementação
- Uso contínuo da simulação para otimização contínua
Como a equipe da SimWell demonstrou com seus mais de 100 experimentos, como a Northwell Health demonstrou com seu planejamento proativo de capacidade e como a Chevron ilustrou com seu ciclo de implementação de três dias, as organizações que dominam a integração de dados obtêm vantagens competitivas significativas.
O futuro pertence às organizações que reconhecem a integração de dados como um recurso estratégico e não como uma necessidade técnica. Aquelas que investirem hoje em arquiteturas de simulação automatizadas e bem integradas estarão mais bem posicionadas para aproveitar o aumento do volume de dados e a crescente complexidade dos ambientes operacionais modernos.
A mensagem do Simio Sync 2026 foi clara: romper as barreiras dos dados não significa ter mais dados, mas sim integrá-los de forma mais eficaz, validá-los com mais rigor e agir com base em insights mais rapidamente. As empresas que dominarem essa integração liderarão seus setores em termos de excelência operacional.