Post on 09-Apr-2020
O USO DA SIMULAÇÃO COMO
FERRAMENTA DE APOIO À DECISÃO
EM UM RESTAURANTE
UNIVERSITÁRIO
Lucas Matheus do Nascimento (UFPE )
lucas_lmn09@hotmail.com
Isis Didier Lins (UFPE )
isis.lins@gmail.com
Enrique Lopez Droguett (UFPE )
ealopez@ufpe.br
Marcio Jose das Chagas Moura (UFPE )
marciocmoura@gmail.com
O presente artigo tem como objetivo analisar como a simulação pode
dar representatividade para a tomada de decisão numa organização.
Para isto, esse trabalho realizou uma revisão bibliográfica
identificando quais são as ferramentas mais utiilizadas para
modelagem e simulação de sistemas, com o intuito de encontrar qual
dentre elas é a mais adequada a um sistema de filas de um restaurante
de uma universidade federal. A partir disto, realizou-se uma análise
comparativa em diferentes programas, com a finalidade de apoiar a
decisão de qual ferramenta melhor se adequa às características do
sistema estudado. Partindo dos resultados dessa análise, o artigo
utilizou-se da metodologia de modelagem e simulação de eventos
discretos para modelar uma aplicação prática baseado no sistema de
filas do restaurante universitário, buscando a identificação de
potenciais problemas por intermédio de um modelo de simulação feito
com o software FlexSim®. Depois de identificados os problemas, esse
projeto construiu um novo modelo propondo soluções de melhoria
baseadas nos resultados do modelo de simulação inicial. Por fim,
pode-se concluir como um pequeno investimento pode acarretar em
grandes ganhos para uma organização quando possui a devida
representatividade dada por um modelo de simulação.
Palavras-chave: Simulação; Apoio à decisão; Modelo de simulação;
Restaurante universitário.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
2
1. Introdução
Segundo Miyagi (2007), simulação de processos produtivos é entendida como a “imitação” de
uma operação ou de um processo do mundo real. A simulação é uma ferramenta poderosa no
que se diz respeito ao desenvolvimento de sistemas mais eficientes. Atualmente, pode-se
construir modelos e reconfigurar sistemas em um curto espaço de tempo. Com a simulação, é
possível avaliar hipóteses sem ter que implementá-las no mundo real (BATEMAN et al.,
2013). O conhecimento e o desenvolvimento científico em tecnologia de simulação têm
ganhado cada vez mais espaço e importância na formação de engenheiros.
Dos Santos (1999) afirma que as aplicações de um modelo de simulação são das mais
diversas, desde modelos de manufaturas, logística, serviços até mesmo em simulações de
processos complexos como transporte de fluidos em uma refinaria. Segundo Bateman et al.
(2013), muitas empresas possuem recursos disponíveis, que, se forem corretamente
empregados podem trazer uma significativa melhoria, tanto em produtividade quanto em
qualidade. Para isso, é necessária uma boa base para a tomada de decisão, devido à incerteza
envolvida.
Bateman et al. (2013) ainda afirmam que é nesse ponto que a simulação mostra sua real
importância para uma organização. Não como uma resposta direta à uma alternativa de ação,
mas agindo como uma ferramenta de apoio à decisão de modo a entender como os sistemas
operam e como as mudanças propostas modificam o comportamento desse sistema.
Este trabalho tem como objetivo geral propor soluções de melhoria para a fila do restaurante
de uma universidade federal e conferir a representatividade dessas mudanças por intermédio
de um modelo de simulação para identificação de atividades críticas, para posterior
otimização desses sistemas.
Para isso, o presente trabalho é estruturado da seguinte forma. Primeiramente, realizou-se uma
análise preliminar das ferramentas de simulação disponíveis no mercado através de uma
revisão da literatura, para uma posterior comparação de acordo com os seguintes critérios:
interface do programa com o usuário, usabilidade, relatórios e resultados do modelo, lógicas
de movimentação e fluxo, gráficos e visual. Após decidir qual ferramenta melhor se adequa
ao sistema estudado, foi feito um modelo de simulação para identificar possíveis problemas
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
3
críticos e, a partir dele, foram propostas soluções de melhoria à organização, concluindo, por
fim, o trabalho.
2. Referencial teórico
Segundo Ross (2006), “a simulação de um modelo probabilístico requer a geração dos
mecanismos estocásticos do modelo para depois observar o seu fluxo resultante com o
tempo”. Todavia, como um modelo segue uma evolução com o tempo, não necessariamente
essa evolução possui uma estrutura lógica que possuam interações das entidades fáceis de
serem determinadas.
Existem diversas maneiras de estabelecer uma lógica entre os elementos, dentre as quais, está
o método de simulação discreta de eventos, que, basicamente, analisa o comportamento do
modelo a cada instante de tempo em que ocorre uma alteração do seu estado atual (ROSS,
2006). Num sistema de filas, por exemplo, essas alterações podem ser chegadas,
atendimentos, paradas, saídas ou qualquer outro evento que modifique a situação atual do
sistema.
A simulação é uma ferramenta importante no aprimoramento da eficiência de sistemas e
possui alguns conceitos que já são consolidados. Primeiramente, é preciso definir algumas
terminologias que são comumente usadas em modelos de simulação, além do tipo do modelo
e parâmetros que serão utilizados. Baseado em Bateman et al. (2013), pode-se definir alguns
desses conceitos que todo modelador deve conhecer para entender o funcionamento da
simulação na seguinte lista:
– Sistema é um conjunto organizado de entidades, que trabalham em direção a um
objetivo específico;
– Entidades são pessoas, equipamentos, métodos, peças, pedidos, etc. que fazem parte
do modelo de simulação;
– Estado do sistema é um conjunto de variáveis determinísticas e probabilísticas, que
contém as informações necessárias para descrever o sistema em um certo instante;
– Evento discreto é uma ação que acontece instantaneamente em determinado momento;
– Evento contínuo pode ser definido como uma ação que não cessa;
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
4
– Modelos determinísticos não contém nenhuma variável aleatória como parâmetro, ou
seja, um sinal de entrada sempre vai gerar um determinado sinal de saída;
– Modelos probabilísticos ou estocásticos devem possuir, ao menos, uma variável
aleatória como parâmetro de entrada, ou seja, por possuir uma entrada aleatória, seu
sinal de saída também é dado de forma aleatória;
– Uma rodada do modelo significa executar o modelo de simulação por um período de
tempo específico.
Ming & Wong (2007) relatam que os pacotes de software de simulação disponíveis
comercialmente ganharam popularidade e encontraram inúmeras aplicações em lidar com
desafios de engenharia e de gestão do mundo real. Visto isto, após definir qual a natureza dos
parâmetros do modelo, assim como seu tipo, restrições, variáveis e seus objetivos, é
necessário, ainda, que o trabalho possua uma base sólida sobre quais softwares de simulação
estão disponíveis no mercado e, dentre eles, qual melhor se adequa ao sistema em questão.
Para esse projeto, após fazer uma busca primária, o Flexsim e o ProModel foram escolhidos
para uma análise mais robusta, os quais, disponibilizam versões acadêmicas gratuitas que são
suficientes para simular o sistema estudado.
Segundo Ming & Wong (2007), o ProModel é uma plataforma de modelagem baseada em
objetos com uma interface gráfica intuitiva e construções de modelagem orientada a objetos.
Os elementos de modelagem no ProModel fornecem um conjunto de construções para
representar os componentes físicos e lógicos do sistema que está sendo modelado. Esses
elementos básicos são locais, entidades, chegadas e processos (YU et al., 2006).
Segundo Chen, Hu & Xu (2013), “o software Flexsim é uma integração típica entre a
tecnologia de realidade virtual e a simulação orientada a objetos discretos”. Pode-se
classificar o Flexsim como um software de simulação de eventos discretos, ou seja, assim
como o Promodel, ele é utilizado para modelar sistemas que mudam de estado em pontos
discretos no tempo como um resultado de eventos específicos.
Segundo Zhu et al. (2014), o Flexsim é um software que utiliza tecnologias de
processamentos, técnicas de simulação, inteligência artificial e técnicas de manuseio de
dados. Estes autores também definem que o Flexsim é adequado para processos de fabricação,
armazenamento e entrega, sistema de transporte e outros campos de estudo. Zhu et al. (2014)
citam ainda que um modelo de simulação segue os seguintes passos:
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
5
– Levantamento do sistema e estabelecimento de metas;
– Coleta de dados inicial;
– Criação do modelo do sistema;
– Criação do modelo de simulação;
– Validação do modelo;
– Rodar e simular o Modelo;
– Saídas e análise dos resultados.
3. Metodologia
Esse trabalho objetivou simular um sistema de filas com desistências, para orientar uma
decisão de mudança ou não de alguns parâmetros dessa fila e analisar o comportamento do
sistema frente a tais mudanças. Após a análise preliminar e revisão da literatura sobre os
trabalhos realizados com o Promodel e o Flexsim, foi feita uma análise comparativa mais
detalhada sobre as duas ferramentas previamente selecionadas para decidir qual ferramenta
melhor se adequaria ao sistema em questão.
3.1 Etapas de um modelo de simulação
Muitos autores na literatura, como Dos Santos (1999), relatam que um estudo de simulação,
assim como todo projeto, precisa que sua estrutura seja estabelecida antes do início da
modelagem no computador e deve passar por algumas etapas básicas. Segundo Bateman et al.
(2013), embora cada estudo de simulação seja único, ele necessita seguir algumas dessas
etapas, como pode ser visto na figura 3.
Figura 3 – Interrelações entre as etapas da simulação
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
6
Fonte: Bateman et al. (2013)
Pode-se notar que a etapa de validação é crucial para a aplicação do modelo ao sistema real.
Todavia, o modelo conceitual de simulação só é validado caso seja uma representação precisa
do sistema em estudo (KLEIJNEN, 1995).
3.2 Análise comparativa
Para esse estudo de análise comparativa foram estabelecidos cinco parâmetros considerados
importantes para esse tipo de software, são eles: Interface do programa com o usuário;
usabilidade; relatórios e resultados do modelo; lógicas de movimentação e fluxo; gráficos e
visual. Vale salientar que o quesito custo não foi considerado para essa análise pois, como o
projeto em questão foi feito através da versão gratuita de cada programa, esse quesito não se
enquadra no seu escopo.
3.2.1 Interface
Embora as interfaces de ambos sejam amigáveis e possuam uma barra de ferramentas
semelhante, as ferramentas e bibliotecas do Flexsim são facilmente encontradas na interface
inicial, facilitando a adição de recursos ao modelo, enquanto no Promodel as ferramentas
estão disponíveis apenas em janelas específicas. Além disso, o Flexsim possui uma janela de
propriedades rápidas que auxilia muito na mudança de parâmetros e lógicas do modelo. Nesse
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
7
quesito, pode-se constatar uma clara vantagem do Flexsim em relação ao Promodel
observando nas figuras a seguir:
Figura 1 – Interface do Promodel
Figura 2 – Interface do Flexsim
3.2.2 Usabilidade
No Promodel, a adição e modificação de recursos, lógicas e entidades são feitas através de
janelas específicas para cada atividade que é realizada. No Flexsim, a adição e modificação de
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
8
recursos e parâmetro pode ser feita na biblioteca encontrada no lado esquerdo da interface
inicial e as propriedades e parâmetros do modelo podem ser modificados na guia de
propriedades rápidas encontrada no lado direito da interface inicial.
O Promodel deixa a desejar pela falta de atalhos como deletar ou copiar um item, por
exemplo, enquanto o Flexsim possui alguns atalhos já conhecidos como a tecla “delete” e
“ctrl+c”. A janela de processos do Promodel pode ficar confusa na medida em que você vai
adicionando novos processos e é um pouco difícil de achar um processo específico quando se
tem vários processos já implementados, dificultando seu uso. Já no Flexsim, as lógicas de
processo de cada recurso estão localizadas nas propriedades do recurso. Visto isso, pode-se
afirmar que o Flexsim é mais fácil de ser usado pelo usuário que o Promodel devido aos seus
atalhos e ferramentas facilmente encontradas no modelo.
3.2.3 Relatórios e estatísticas do modelo
Nesse quesito, o relatório estatístico de ambos os programas é satisfatório. Entretanto, o
relatório do Promodel é gerado após cada término da simulação no próprio programa
enquanto no Flexsim, é necessário mandar o programa gerar um relatório estatístico que é
gerado em forma de uma planilha do Excel, o que pode se tornar um incômodo para alguns
usuários brasileiros pois é necessário configurar o Excel para a língua inglesa devido à uma
diferença na separação dos números decimais, que é feita por pontos na língua inglesa e por
vírgulas na língua portuguesa, o que causa uma alteração na saída do relatório quando
separado por vírgulas.
Quanto às estatísticas em tempo real, a ferramenta “Dashboard” do Flexsim é integrada ao
modelo de simulação tornando sua visualização mais fácil e é relativamente simples adicionar
um gráfico ou estatística no dashboard, enquanto no Promodel essa tarefa é um pouco mais
complicada pois a biblioteca de gráficos não está inclusa no programa básico e é uma janela à
parte do modelo. Nesse quesito em especial, houve um equilíbrio entre benefícios e malefícios
entre os dois programas. Enquanto o relatório estatístico do Promodel é mais claro,
estruturado e fácil de obter, as estatísticas em tempo real do Flexsim possuem vantagem em
relação ao concorrente. Pelo fato do relatório ser mais utilizado que estatísticas em tempo real
na maioria dos modelos, nesse quesito, o Promodel possui vantagem em relação ao Flexsim.
3.2.4 Lógicas de movimentação e fluxo de materiais
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
9
A lógica do Promodel se inicia declarando as entradas do modelo e em qual local essas
entidades vão chegar. Em seguida, define-se cada lógica de processo e operações para cada
local e, em seguida, faz-se o roteamento dos itens no modelo. Já o Flexsim possui em cada
recurso fixo (local do Promodel) um número ilimitado de portas de entrada e saída e, através
de uma conexão entre a porta de saída de um recurso fixo à porta de entrada de outro recurso
fixo, já se tem uma lógica de sequenciamento que é pré-estabelecida no programa.
Caso o usuário queira modificar esse sequenciamento, cada recurso possui uma janela de
propriedades e, nessa janela, é possível modificar a lógica de fluxo na aba “flow” para uma
das especificadas pelo programa ou uma lógica desenvolvida pelo usuário via código. Nessa
mesma janela de propriedades o usuário pode definir as operações para cada recurso além de
outras lógicas do modelo. Sendo assim, no quesito movimentação e fluxo, o Flexsim possui
uma boa vantagem em relação ao Promodel pois tem um fluxo de materiais e recursos fácil de
ser implementado e visível em cada parte do modelo.
3.2.5 Gráficos
Por fim, as últimas características a serem aqui analisadas são as partes gráficas e visuais.
Nesse quesito em especial, como foram usados os pacotes básicos para a comparação tem-se
que o Flexsim já possui o modelo de simulação em três dimensões (3D), enquanto o Promodel
possui apenas duas dimensões (2D) o que de antemão já daria uma extrema vantagem ao
Flexsim nesse quesito. O Promodel possui uma biblioteca gráfica um pouco limitada, com
baixa resolução e dificuldade no dimensionamento dos recursos no modelo de simulação. Já o
Flexsim possui um aspecto gráfico mais agradável aos olhos por possuir uma definição um
pouco melhor e sua guia de propriedades rápidas permite ao usuário mudanças de dimensões
dos recursos de maneira mais eficiente.
3.2.6 Conclusão da análise
Conclui-se que, para o trabalho em questão, o Flexsim se mostra à frente nos quesitos:
Interface do programa com o usuário; usabilidade; lógicas de movimentação e fluxo e gráficos
e visual, perdendo apenas no quesito “relatórios e estatísticas do modelo”, mas, mesmo nesse
quesito, quando se trata de estatísticas em tempo real ele tem vantagem quanto ao Promodel.
Portanto, nesse trabalho, o Flexsim será o software utilizado.
4. Modelo de simulação
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
10
Como citado a priori, o trabalho em questão objetiva mostrar como um modelo de simulação
pode dar representatividade para a tomada de decisão de uma empresa. O sistema escolhido
para o modelo de simulação é um sistema de filas com desistência que representa um sistema
semelhante a um encontrado em um restaurante universitário (RU). Baseado em um estudo
feito a posteriori em um RU, considerou-se que clientes chegam no restaurante segundo uma
distribuição exponencial com média 10,83 segundos.
No modelo estudado, após chegarem, os clientes são distribuídos uniformemente entre três
catracas com suas respectivas filas e, por fim, entram no restaurante, como pode ser visto na
figura 4. Todavia, para observar a formação de diferentes filas para uma melhor análise
estatística, foi considerado que essas catracas são de modelos diferentes e seus tempos de
processamento seguem uma distribuição exponencial com média 20, 25 e 30 segundos,
respectivamente. Todavia, quando as filas atingem um tamanho maior que 7 pessoas, o cliente
sai do sistema e sua camisa muda para a cor amarela, apenas para melhor visualização da
mudança no modelo.
Figura 4 – Layout da fila do restaurante
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
11
4.1 Resultados
O modelo foi rodado com tempo de simulação de três horas (10800 segundos), que, em geral,
é o tempo que um restaurante tem o seu maior fluxo de clientes no almoço. Vale salientar que
a unidade de tempo utilizada no modelo foi “segundos” para maior precisão dos resultados.
Como era de se esperar, o tempo de espera na fila 3 foi maior devido ao maior tempo de
atendimento dessa catraca. Pôde-se observar também a correlação existente entre o tempo de
atendimento, o tempo de espera e o número de pessoas na fila, o que pode ser visto nos
gráficos abaixo:
Gráfico 1 – Número médio de pessoas nas filas
Gráfico 2 – Tempo médio de espera nas filas
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
12
Nos primeiros minutos do modelo, o tempo de processamento dos clientes nas catracas cresce
no início do modelo e vai decrescendo com o tempo até oscilar perto da sua média, enquanto
o intervalo entre chegadas dos clientes se mantêm num padrão constante como pode ser visto
nos gráficos 3 e 4. Em termos práticos, isso pode significar a inicialização do sistema até
chegar ao seu equilíbrio, por exemplo.
Gráfico 3 – Número de pessoas pelo tempo
Gráfico 4 – Tempo médio de atendimento nas catracas
Como as catracas possuem tempos de processamento diferentes, é importante analisar como
essas diferenças influenciam na ociosidade delas e na desistência dos clientes. Pelos relatórios
do modelo, nota-se que o número médio de clientes por hora que entram no restaurante ou
desistem por causa da fila. Para o Modelo em questão, por hora, 334,3 chegaram no
restaurante, dos quais, 10,3 clientes desistiram a cada hora, o que resulta numa proporção de
desistência de 3,08% dos clientes. Como já era esperado, o número de desistências para cada
fila é diretamente proporcional ao tempo de atendimento nas catracas, ou seja, quanto maior o
tempo de atendimento, maior o tempo na fila e mais clientes desistem de entrar no restaurante.
Pode-se constatar isso ao comparar o gráfico 4, que mostra o tempo médio de atendimento nas
catracas com o decorrer do tempo e a figura 5 relata a quantidade de clientes que desistiram
de entrar para cada fila.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
13
Figura 5 – Número médio de chegadas e desistências por hora
Figura 6 – Quantidade total de desistências por fila
Dos resultados supracitados, nota-se que durante as 3h de operação, a fila 1 teve mais de 7
pessoas apenas uma vez. Observando os tempos de processamento e as desistências para cada
fila, pode-se afirmar que o número de desistências é diretamente ligado ao tempo de
atendimento das catracas, como já era esperado. Visto isso, se o restaurante notar que teria
capacidade de atender os clientes que desistiram sem afetar os seus processos internos,
propõe-se que, se ele mudar as catracas 2 e 3 para um modelo igual ao da catraca 1, os
clientes desistiriam de entrar no restaurante com menos frequência, resultando num maior
lucro da organização.
Nota-se também que a diferença de 5 segundos, em média, do tempo de atendimento entre as
catracas 2 e 3 resultou num número de clientes desistentes maior que o mesmo para as
catracas 1 e 2, o que, a depender dos custos de aquisição e manutenção, a mudança do tempo
de operação entre essas catracas pode resultar num ganho em número de clientes para o
restaurante.
Caso o restaurante mude o modelo de todas as catracas para o modelo da catraca 1, é possível
que se tenha um sistema bem mais eficiente, teoricamente. O trabalho em questão realizou
essa modificação no modelo de simulação para checar o comportamento do sistema com as
modificações e como a mudança dos parâmetros irão influenciar nos resultados.
4.2 Modelo proposto
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
14
Por não significar um custo elevado para o restaurante em relação aos seus outros
componentes físicos e ser a causa da perda de cerca de 30 clientes por dia, as catracas 2 e 3
foram substituídas para existirem somente modelos iguais ao da catraca 1. Ou seja, os tempos
de atendimento antes distribuídos exponencialmente com média 25 e 30 segundos,
respectivamente, passam a ser distribuídos agora segundo uma exponencial com média 20.
Após modificar o modelo, pode-se, então, analisar se essas mudanças na prática serão
significativas para o restaurante.
Teoricamente, agora os fatores principais que irão modificar os tamanhos da fila serão os
tempos entre chegada e o roteamento dos clientes quando entram no sistema, pois nenhuma
mudança de layout foi realizada. Foi feito um comparativo entre os modelos para analisar se
mudanças propostas acarretarão numa melhora do modelo observando os mesmos gráficos
que foram utilzados no modelo inicial, agora aplicados ao modelo proposto. Nos gráficos 5 e
6, nota-se que o número médio de pessoas na fila e o tempo médio de espera na fila estão
semelhantes, o que confirma a hipótese de que o tempo de atendimento era diretamente
proporcional ao tamanho da fila e, consequentemente, ao tempo de espera.
Gráfico 5 – Número médio de pessoas nas filas do modelo modificado
Gráfico 6 – Tempo médio de espera nas filas do modelo modificado
Todavia, embora tenha o mesmo tempo de atendimento que as demais, a Fila 3 tem um tempo
de atendimento e um número médio de clientes na fila maior que as demais. Isso pode ser
explicado por nossa primeira hipótese: o tempo entre chegadas dos clientes para cada fila. No
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
15
gráfico 7, constata-se que os tempos de atendimento são semelhantes para todas as catracas, o
que indica que isso não está afetando diretamente a fila. Já no gráfico 8, pode-se observar uma
descontinuidade na chegada de clientes na fila 3 quando o tempo está aproximadamente em
2500 segundos, o que gerou uma fila durante um certo período de tempo e elevou a média de
espera da fila.
Gráfico 7 – Tempo médio de atendimento nas catracas do modelo modificado
Gráfico 8 – Número de pessoas pelo tempo no modelo modificado
Por fim, a eficiência das modificações é constatada pelos resultados do número total de
clientes que saíram de cada fila e da frequência por hora de entradas e saídas representados
nas figuras 7 e 8, respectivamente. Tem-se agora um percentual de desistentes de apenas 0,8%
dos clientes contra os 3,08% do modelo original. Com essas modificações, o restaurante
manteria 22 clientes que desistiram no sistema original.
Figura 7 – Quantidade total de desistentes por fila no modelo modificado
Figura 8 – Frequência de entradas e desistências por hora no modelo modificado
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
16
5. Conclusões
O presente artigo mostrou como a simulação pode ser utilizada como forma de apoio à
tomada de decisão. Dessa forma, objetivou-se fazer uma análise sofisticada dos softwares
disponíveis gratuitamente para estudos acadêmicos, com o intuito de certificar qual
ferramenta era mais adequada ao sistema estudado antes de realizar a modelagem de um
problema enquadrado no contexto da maioria dos restaurantes universitários do Brasil: o
tempo de espera na fila e o seu tamanho.
Após validar a modelagem do sistema, garantindo que ele realmente pode representar um
sistema de filas real, foram feitas algumas análises estatísticas sobre o comportamento dos
resultados do modelo, mostrando como o tempo de processamento das catracas é a maior
influência sobre o tempo de espera e o tamanho da fila, além de mostrar o comportamento das
chegadas e como os parâmetros do modelo alteram ao longo do tempo.
A partir dessas análises, foi possível propor a mudança das catracas com maior tempo de
processamento do restaurante para modelos mais sofisticados que diminuíssem esse tempo.
Essa modificação foi implementada em um novo modelo de simulação, que conferiu e deu
representatividade à decisão da mudança das catracas, mostrando que a mudança acarretaria
numa diminuição de 71% das desistências.
Por fim, esse modelo mostrou como um pequeno investimento, como a troca das catracas
eletrônicas por modelos tecnologicamente mais sofisticados, podem acarretar em ganhos
financeiros para a organização em um período de tempo relativamente curto, sem a
necessidade de consumir tempo e recursos ao realizar grandes alterações de layout.
REFERÊNCIAS
BATEMAN, R. E.; BOWDEN, R. O.; GOGG, T. J.; HARREL, C. R.; MOTT, J. R. A.; MONTEVECHI, J. A.
B. Sistemas de simulação: aprimorando processos de logística, serviços e manufatura. Rio de Janeiro:
Elsevier, 2013.
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .
17
CHEN, L.; HU, D.; XU, T. Highway Freight Terminal Facilities Allocation based on Flexsim. In: 13th COTA
International Conference of Transportation Professionals. Automobile College of Chang, Shaanxi, China,
Elsevier, vol 96, 368-381, 2013.
DOS SANTOS, M. P. Introdução à Simulação Discreta. Rio de Janeiro: UERJ, 1999.
KLEIJNEN, J. P. C. Verification and validation of simulation models. European Journal of Operations
Research. 82(1), 145-162, 1995.
LU, M.; WONG, L.C. Comparison of two simulation methodologies in modeling construction systems:
Manufacturing-oriented PROMODEL vs construction-oriented SDESA. In: Automation in Construction.
Elsevier, 16(1), 86-95, 2007.
MIYAGI, P. Introdução à simulação discreta. USP, São Paulo, 2006.
ROSS, S. M. Simulation. 5th
ed. Elsevier. Califórnia, US, 2006.
YU, Q.; DUFFY, V.; MCGINLEY, J.; ROWLAND, Z. Productivity simulation with promodel for an automotive
assembly workstation involving a lift assist device. In: Proceedings – Winter Simulation Conference.
Monterey, Calfornia, Elservier, 1935-1939, 2006.
ZHU, X.; ZHANG, R.; CHU, F.; HE, Z.; LI, J. A Flexsim-based Optimization for the Operation Process of
Cold-Chain Logistics Distribution Centre. Journal of Applied Research and Technology, Vol.1 270-278,
2014.