Escolar Documentos
Profissional Documentos
Cultura Documentos
+ + =
t t
s t
t
t
b L
S
Y
L o o
Tendncia ( ) ( )
1 1
1
+ =
t t t t
b L L b | |
( ) ( )
1 1
1
+ =
t t t t
b L L b | |
Sazonal
idade
( ) ( )
s t t t t
S L Y S
+ = 1
( )
s t
t
t
t
S
L
Y
S
+
|
|
.
|
\
|
= 1
Previso ( )
m s t m t t m t
S b L F
+ +
+ =
( )
m s t m t t m t
S b L F
+ +
+ =
136| T p i c o s e A p l i c a e s
5. Metodologia
Para a realizao desse trabalho seguiu-se a metodologia
sugerida por Makridakis, Wheelwright E Hyndman (1998) que
recomendam um estudo de sries temporais com os seguintes
passos: a) definio do problema ;b) coleta de informaes; c)
anlise preliminar dos dados; d) escolha e ajuste do modelo; e) uso
e avaliao do modelo de previso.
A seguir, detalhada cada etapa imlementada desta
pesquisa.
5.1 Definio do problema
O objeto de estudo desse trabalho uma companhia de gua
mineral da Regio Metropolitana de Belm, mais especificamente
na demanda do produto Garrafo 20 litros, com o intuito de fazer
previses futuras dessa demanda, analisar perodos de
sazonalidade, tendncias e outras estatsticas descritivas.
5.2. Coleta de informaes
Os dados foram cedidos pela companhia objeto de estudo.
Coletou-se dados histricos de um perodo de quatro anos.
considerada ideal uma coleta de dados que considere um horizonte
de cinco anos de informaes, para anlises consistentes de
modelos de previso, porm, dois anos so suficientes para uma
anlise preliminar.
5.3 Anlise Preliminar dos Dados
A anlise iniciou-se pela classificao ABC, ou curva de Pareto,
a qual consiste em separar itens em classes de acordo com sua
importncia relativa (TUBINO, 2000). O parmetro utilizado para a
classificao, foi o percentual de receita bruta de cada produto para
a empresa. Aps a tabulao dos dados, plotou-se o grfico
representando a demanda do produto Garrafo 20L em funo dos
meses. Assim, torna-se possvel avaliar o comportamento da srie
com relao a estacionaridade, tendncia (crescimento ou
decrescimento), sazonalidade ou ciclos.
E n g e n h a r i a d e P r o d u o | 137
5.4 Escolha e ajuste do modelo
Aps a anlise preliminar dos dados, verificou-se que a srie
modelvel. A partir da, passou-se fase de realizao das previses
com modelos definidos. Procuraram-se modelos simples, porm
com capacidade de predio significativa, que pudessem ser
manipulados pelos tcnicos da COMPANHIA atravs de planilhas
eletrnicas. Para tanto, utilizou-se o software CBPredictor da
Crystal Ball Inc., que um programa que funciona no ambiente do
Microsoft Excel.
Os modelos de previso selecionados foram os seguintes:
Holt-Winters Multiplicativo e Holt-Winters Aditivo. Tal escolha vem
da prpria caracterstica dos dados, objetivos do estudo, bem como
facilidade de utilizao desses modelos.
5.5 Uso e avaliao do modelo
Os ltimos seis meses dessa srie foram utilizados para validar
o modelo escolhido, isso foi feito atravs dos clculos dos erros
entre os valores estimados pelos modelos e o valor real da srie.
Para avaliar qual modelo proporciona os melhores resultados foram
utilizados alguns indicadores, tais como: (MAD) desvio mdio
absoluto, (RMSE) Raiz quadrada do erro mdio quadrado, (MAPE)
erro percentual mdio absoluto. Klassen e Flores (2001) apontam
uma pesquisa em que o MAPE um dos mtodos mais populares e
um dos mais utilizados nas empresas que utilizam critrios
matemticos para a comparao de modelos. A estatstica U de
Theil, tambm foi utilizada como mtodo de avaliao.
Segundo Freiman (2004), a estatstica U de Theil um
indicador que mostra quanto os resultados esto melhores do que
uma previso ingnua ou trivial.
Outro parmetro utilizado o teste de Durbin-Watson.
Segundo Rasgdale (2004) a estatstica de Durbin-Watson
descreve a autocorrelao na srie temporal, ou seja, mostra o nvel
de correlao entre um dado anterior na srie temporal e um dado
138| T p i c o s e A p l i c a e s
do prximo perodo. Esta estatstica possui uma faixa que vai de 0
a 4. Se o valor for menor do que 1 indica autocorrelao positiva,
enquanto que valores superiores a 3 indicam autocorrelao
negativa, e os valores prximos de 2 indicam que no h
autocorrelao nos dados (RASGDALE, 2000). Uma vez aprovado o
modelo, torna-se possvel realizar as previses.
6. Aplicao
Para um melhor entendimento desse trabalho, apresentam-se
inicialmente os dados coletados para compor a srie temporal da
empresa. Os dados da demanda do produto podem ser vistos na
Tabela 2.
FONTE: Companhia (2007)
Tabela 2 - Demanda mensal do produto Garrafo 20L.
Ms
Ano
2004 2005 2006 2007
Janeiro 285.415 264.992 263.476 308.800
Fevereiro 222.345 217.215 246.032 254.372
Maro 256.340 230.285 268.551 287.009
Abril 275.002 221.445 234.624 287.802
Maio 299.278 242.060 272.293 313.644
Junho 286.993 247.228 297.754 318.706
Julho 275.957 247.228 295.487 304.607
Agosto 290.028 247.228 330.433 331.040
Setembro 300.056 285.392 325.459 325.104
Outubro 288.113 271.392 342.649 341.717
Novembro 270.776 264.144 315.422 341.788
Dezembro 269.067 271.452 302.526 322.460
A fim de permitir uma melhor visualizao dos dados
coletados, mostra-se nos grficos 1 e 2 o comportamento dos dados
ao longo do tempo.
E n g e n h a r i a d e P r o d u o | 139
0
50.000
100.000
150.000
200.000
250.000
300.000
350.000
400.000
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Srie1
Linear (Srie1)
Grfico 1 - Demanda do produto Garrafo 20L ao longo dos anos de 2004 at
2007
Grfico 2 - Esboo da Demanda mensal em cada ano do produto Garrafo 20L
(2004-2007)
Pelos dados expostos no Grficos 2, percebe-se que existe
uma leve tendncia de crescimento de um ano para o outro, fato
que s no ocorreu em 2005, onde houve uma queda de 10,28 % na
demanda (de 3.319.370 para 3.010.061 unidades). O crescimento na
demanda de 2004 at 2007 foi de 11,18%. A taxa de crescimento
no contnua em relao ao ano anterior variando em mdia
3,36%.
A comparao do ms com seu antecessor em cada ano foi o
parmetro adotado para analisar os crescimentos e decrescimentos
na demanda do produto Garrafo 20L. A Tabela 3 ilustra as
variaes durante a srie.
140| T p i c o s e A p l i c a e s
Tabela 3 Variao da demanda em (%) em cada ms em todos os anos da
srie.
Variao da Demanda (%)
Meses 2004 2005 2006 2007
Janeiro - -1,54% -3,03% 2,03%
Fevereiro -28,37% -22,00% -7,09% -21,40%
Maro 13,26% 5,68% 8,39% 11,37%
Abril 6,79% -3,99% -14,46% 0,28%
Maio 8,11% 8,52% 13,83% 8,24%
Junho -4,28% 2,09% 8,55% 1,59%
Julho -4,00% 0,00% -0,77% -4,63%
Agosto 4,85% 0,00% 10,58% 7,98%
Setembro 3,34% 13,37% -1,53% -1,83%
Outubro -4,15% -5,16% 5,02% 4,86%
Novembro -6,40% -2,74% -8,63% 0,02%
Dezembro -0,64% 2,69% -4,26% -5,99%
Analisando-se os resultados, percebe-se que os meses de maro e
maio apresentam bons percentuais de crescimento em todos os
anos, pois apresentam mdia de 9,67% e 9,68% respectivamente. J
o ms de fevereiro apresenta mdia de 19,71% de queda durante a
srie temporal. Nota-se ainda, ao longo da srie, que a maior
demanda foi 342.649 unidades, ocorrida no ms de Outubro/2006,
e a menor foi 217.215 unidades, em fevereiro/2005. Durante a
srie, a mdia de demanda corresponde a 282.525 unidades ao
ms. Os demais meses do ano, apresentaram oscilaes entre
acrscimos e decrscimos de demanda. Contudo nesse trabalho
adotou-se uma sazonalidade de 12 meses.
De acordo com as caractersticas da srie devem-se selecionar
os mtodos probabilsticos mais adequados para se fazer previso
de demandas futuras. Como um dos objetivos usar mtodos mais
acessveis, com clculos auxiliados por planilhas eletrnicas, optou-
se por trabalhar com os mtodos Holt-Winters, seja o Aditivo ou o
Multiplicativo. Ressalta-se que o modelo SARIMA (auto-regressivos
integrados e de mdias mveis com sazonalidade) poderia
E n g e n h a r i a d e P r o d u o | 141
apresentar um melhor resultado, todavia precisaria de
conhecimentos mais especficos e de softwares especializados por
parte dos usurios (funcionrios da COMPANHIA), e por isso foi
preterido nesse trabalho.
Assim, com a utilizao do software Excel e do Cb-Predictor
calculou-se a srie. Para efeito de anlise dos resultados fez-se o
clculo considerando valores de janeiro de 2004 at Junho de 2007,
sendo que os meses de julho a dezembro de 2007 serviram para
comparao dos resultados previstos do modelo com os dados
reais. A Tabela 4 mostra os resultados para os dois mtodos.
Tabela 4 - Resultados da aplicao dos modelos de Holt-Winters Aditivo e
Multiplicativo
Mtodos
Holt-Winters
Additive
Holt-Winters
Multiplicative
Rank 2 1
RMSE 18997 18879
MAD 15954 15664
MAPE 5,958 5,805
Durbin- atson 1,692 1,628
Theils U 0,84 0,832
Alpha 0,54 0,511
Beta 0,001 0,001
Gamma 0,726 0,607
Verifica-se ento que ambos os mtodos podem ser
considerados adequados, devido aos baixos erros percentuais
(MAPE) que apresentaram. No caso do modelo Aditivo esse erro foi
de 5,958% e no caso Multiplicativo o erro foi de 5,805%.
Adicionalmente, a estatstica U de Theil, para ambos os
modelos, pode ser considerada satisfatria, uma vez que seus
142| T p i c o s e A p l i c a e s
valores ficaram abaixo de 1, e de acordo com Markridakis et. al.
(1998) quanto mais prxima de 0 (zero) o valor dessa estatstica
melhor ser a tcnica de previso usada. Caso o valor fique acima
de 1 (um) sugerido procurar outro modelo para representar a
srie.
O Grfico 3 mostra o ajuste dos dados reais utilizando o
modelo de Holt-Winters Multiplicativo, uma vez que esse
apresentou o menor erro percentual mdio.
ColumnA
0
50.000
100.000
150.000
200.000
250.000
300.000
350.000
400.000
P
e
r
i
o
d
1
P
e
r
i
o
d
3
P
e
r
i
o
d
5
P
e
r
i
o
d
7
P
e
r
i
o
d
9
P
e
r
i
o
d
1
1
P
e
r
i
o
d
1
3
P
e
r
i
o
d
1
5
P
e
r
i
o
d
1
7
P
e
r
i
o
d
1
9
P
e
r
i
o
d
2
1
P
e
r
i
o
d
2
3
P
e
r
i
o
d
2
5
P
e
r
i
o
d
2
7
P
e
r
i
o
d
2
9
P
e
r
i
o
d
3
1
P
e
r
i
o
d
3
3
P
e
r
i
o
d
3
5
P
e
r
i
o
d
3
7
P
e
r
i
o
d
3
9
P
e
r
i
o
d
4
1
P
e
r
i
o
d
4
3
P
e
r
i
o
d
4
5
P
e
r
i
o
d
4
7
Data Fitted Forecast Upper: 95% Lower: 5%
Grfico 3 - Ajuste da srie pelo modelo Holt-Winters Multiplicativo
Os valores previstos para os meses de julho at dezembro de
2007 podem ser vistos na Tabela 5. Para montagem do intervalo de
confiana foi considerado um nvel de 95%. Verifica-se, portanto,
uma boa capacidade de previso, na qual todos os valores reais
esto dentro dos limites do valor previsto pelo modelo.
E n g e n h a r i a d e P r o d u o | 143
Tabela 5 - Comparao dos valores previstos com os dados reais
Meses
Limite
inferior
(5%)
Previsto
Limite
superior
(95%)
Dados
reais
Dentro do
intervalo?
Julho 280.920 311.975 343.031 304.607 Sim
Agosto 287.724 325.398 363.072 331.040 Sim
Setembro 292.255 334.387 376.520 325.104 Sim
Outubro 280.581 327.307 374.032 341.717 Sim
Novembro
254.170 302.390 350.610 341.788 Sim
Dezembro 247.136 296.830 346.523 322.460 Sim
7. Concluso
Realizar previso de demanda uma atividade importante,
pois pode revelar as tendncias de mercado e contribuir para o
planejamento estratgico da empresa. Nesse sentido, diversas
tcnicas vm sendo desenvolvidas ao longo do tempo, dando-se
destaque s tcnicas de sries temporais. As previses de demanda
tambm auxiliam a soluo de problemas mais imediatos, como a
definio da escala de produo suficiente para atender todos os
clientes e ainda manter um estoque de segurana em nvel que no
gere grandes custos de estocagem para a empresa.
Para alcanar tais objetivos, este trabalho utilizou a
metodologia de Holt-Winters aditivo e multiplicativo e
sazonalidade aditiva e multiplicativa. As escolhas desses mtodos
foram baseadas tanto nas caractersticas da srie, entre elas
tendncia de crescimento e sazonalidade, quanto na facilidade de
operao por parte dos tcnicos que iriam utilizar o modelo. A
aderncia dos modelos foi avaliada por meio de um estudo de caso
dirigido ao setor de gua mineral da Regio Metropolitana de
Belm (RMB). No estudo de caso desenvolvido, a metodologia foi
144| T p i c o s e A p l i c a e s
direcionada a demanda do produto Garrafo 20L, observado como
classe A, de acordo com a Classificao ABC ou Curva de Pareto. A
aplicao da metodologia de Holt-Winters requer do pesquisador
muita ateno e prtica para escolher o modelo que melhor define
o comportamento temporal dos dados.
Ambos os mtodos (Holt-Winters aditivo e multiplicativo)
apresentaram um baixo erro percentual mdio (MAPE), e foram
considerados satisfatrios para serem utilizados em previses
futuras da demanda do produto. Contudo, foi utilizado o modelo
de Holt-Winters Multiplicativo para realizar tais previses, pois este
apresentou o menor erro percentual mdio (5,805%).
Os dados reais da demanda de julho a dezembro de 2007
foram comparados com os dados previstos por esse modelo, e
observou-se que, dos seis meses avaliados, todos os resultados
gerados estavam dentro do intervalo de confiana previsto pelo
modelo, o que, portanto confirma que o mtodo tem boa
capacidade de previso.
A utilizao desse modelo para previso para os anos de 2008
e 2009, por exemplo, poderia gerar discrepncias significativas,
principalmente se no ano de 2008 a demanda tiver se comportado
tal qual a de 2007 (crescimento em todos os meses do ano
comparados aos anos anteriores com exceo de setembro e
outubro) ou diferente dos anos anteriores (crescimento significativo
em maro com relacionado a fevereiro e decrscimo em fevereiro
com relao a janeiro). Por fim, vale ressaltar que o trabalho
realizado foi de grande utilidade para a empresa, principalmente
por dois motivos: a modelagem permitiu maior entendimento do
comportamento do produto; e os resultados foram assimilados pela
empresa, constituindo fonte adicional de informao no suporte s
decises referentes a investimentos e dimensionamento do
processo produtivo, dessa forma, contribuindo para reduo de
gastos desnecessrios, mais especificamente de nveis de estoque,
os quais so amarrados diretamente previso.
E n g e n h a r i a d e P r o d u o | 145
Referncias
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos:
Planejamento, Organizao e Logstica Empresarial. 4 ed.
Porto Alegre: Bookman, 2001.
BALLOU, R. H. Gerenciamento da Cadeia de Suprimentos/Logstica
empresarial. 5 ed. Porto Alegre: Bookman, 2006.
FOGLIATTO, F. Previso de Demanda. Apostila do Curso de graduao
em Engenharia de Produo e Transporte. Porto Alegre,
2003.
LARSON, R.; FARBER, B,. Estatstica Aplicada. 2 ed. So Paulo:
Presidente Hall, 2004.
MARTINS, P. G.; LAUGENI, F. P. Administrao da produo. So Paulo:
Saraiva, 2006.
MAKRIDAKIS, S.; WHEELWRIGHT, S. E HYNDMAN, R.J. Forecasting
Methods and Applications. John Wiley e Sons. 3
a
Edio. New
York, 1998.
MORRETTIN, P. A.; TOLOI, C. M. C. Previso de sries temporais. 2. ed.
So Paulo: Atual Editora, 1987.
PELLEGRINI, F.R. E FOGLIATTO, F. Estudo comparativo entre modelos
de Winters e de Box-Jenkins para a previso de demanda
sazonal. Revista Produto & Produo. Vol. 4, nmero especial,
2000, p.72-85.
RAGSDALE, C. Spreadsheet modeling & decision analysis. Thompson. 4
a
edio. Cincinnati, 2004.
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administrao da Produo. 2
ed. So Paulo: Atlas, 2002.
TUBINO, D. F. Manual de Planejamento e Controle da Produo. So
Paulo: Atlas, 2000.
TUBINO, D. F. Planejamento e Controle da Produo: teoria e prtica.
So Paulo: Atlas, 2007.
146| T p i c o s e A p l i c a e s
E n g e n h a r i a d e P r o d u o | 147
Pesquisa Operacional
A Associao Brasileira de Engenharia de Produo define a
Pesquisa Operacional (PO) como uma sub-rea da Engenha-ria de
Produo que visa a resoluo de problemas reais envolvendo
situaes de tomada de deciso, atravs de modelos matemticos
habitualmente processados computa-cionalmente. Aplica conceitos
e mtodos de outras disciplinas cientficas na concepo, no
planejamento ou na operao de sistemas para atingir seus
objetivos. Procura, assim, introduzir elementos de objetividade e
racionalidade nos processos de tomada de deciso, sem descuidar
dos elementos subjetivos e de enquadramento organizacional que
caracterizam os problemas.
Nesta seo apresentada uma aplicao de P.O. com o objetivo
de avaliar a viabilidade econmica e a eficincia operacional da
implantao de sistemas de entregas, foram desenvolvidas anlises
comparativas de modelos simulados.
148| T p i c o s e A p l i c a e s
ESTUDO PARA OTIMIZAO DO PROCESSO DE
DISTRIBUIO DE MEDICAMENTOS DE UMA
FARMCIA ATRAVS DE ROTEIRIZAO DE VECULOS
Sumrio do Captulo
1.Introduo
2. Fundamentao terica
2.1 Pesquisa Operacional
2.2 A metodologia da Pesquisa Operacional
2.3 Roteirizao de veculos
3. Procedimentos para a construo do modelo.
4. Estudo de Caso: Estudo da roteirizao do sistema de entregas
de uma farmcia de manipulao
4.1 Propostas de otimizao
4.2 Anlise dos custos com combustvel
5. Consideraes Finais
E n g e n h a r i a d e P r o d u o | 149
ESTUDO PARA OTIMIZAO DO PROCESSO DE
DISTRIBUIO DE MEDICAMENTOS DE UMA
FARMCIA ATRAVS DE ROTEIRIZAO DE VECULOS
Renata Pinheiro de Azevedo
Yvelyne Bianca Iunes Santos
Resumo
Este texto descreve um estudo de caso realizado no setor de
entregas de uma farmcia de manipulao, a qual possua um
sistema de distribuio intervalar de duas em duas horas que foi
comparado com outras duas propostas de otimizao simuladas. Na
primeira proposta, foi considerada a descentralizao do ponto de
partida com a manuteno dos intervalos de horrios. Na segunda
proposta, tambm foi descentralizado o ponto de partida, porm
diferenciou-se da primeira por ter adotado o sistema de turnos
(manh e tarde). O modelo ROUTESEQ do software LOGWARE foi
utilizado para efetuar a simulao e disponibilizar resultados como a
seqncia tima de paradas, a distncia total percorrida na rota e a
rota diagramada. Ao final, apresenta-se uma anlise de custos
baseados no consumo de combustvel para verificar a viabilidade
econmica e financeira da realizao dessas simulaes.
Palavras-chave: Roteirizao de veculos; Processo de distribuio;
Otimizao de rotas.
150| T p i c o s e A p l i c a e s
1.Introduo
O setor varejista farmacutico tem se tornado cada vez mais
competitivo e s sobrevivem as empresas que conseguem, com
operaes enxutas, obter bons resultados. A cidade de Belm possui
diversas redes de farmcias, as quais lutam pela manuteno e
conquista de clientes. Conjuntamente com a qualidade do servio
prestado e a eficincia na resoluo de problemas, o nvel de servio
e a velocidade de atendimento so grandes contribuintes para
obter-se a satisfao dos clientes.
Considerando-se o cenrio acima descrito, este texto
apresenta resultados de um trabalho de pesquisa operacional, o
qual possuiu como objetivo estudar possveis opes para a
obteno da otimizao do sistema de entregas de uma rede de
farmcias de manipulao.
A otimizao de um sistema de transporte possui relevncia
tanto em sistemas de produo como em sistemas de
comercializao, para que se obtenha um elevado grau de eficincia
da performance do servio, ao mesmo tempo em que so
minimizados os custos com transporte e movimentao dos
produtos. Vale lembrar que a denominada funo transporte s
agrega valor ao produto se disponibiliz-lo no local e momento
demandados pelo mercado a um preo justo.
Nesse contexto, observa-se que, na regio metropolitana de
Belm, a maioria das farmcias estabelecem o tempo mdio de 40
minutos para entregar os pedidos ao cliente. Porm, esse prazo
desconsidera elementos como as distncias as serem percorridas
pelo entregador e os horrios em que o servio prestado.
Este dilatado prazo de atendimento ao cliente origina
questionamentos sobre os critrios adotados para o
estabelecimento desses prazos: Qual o motivo para todas as
entregas terem a mesma estimativa de tempo? A causa para esse
problema seria a demora excessiva no tempo de processamento do
pedido? No lugar disso, estaria ocorrendo um sub-
dimensionamento do nmero de entregadores? Ou ainda, gasta-se
E n g e n h a r i a d e P r o d u o | 151
muito tempo durante cada entrega? Existe seqenciamento nas
rotas de entrega, a fim de otimiz-las?
O estudo aqui apresentado no formato de um caso
empresarial exibe os resultados da simulao da descentralizao
dos pontos de distribuio de uma farmcia de manipulao
localizada na regio metropolitana de Belm. A estruturao dessa
pesquisa baseou-se na comparao do sistema de distribuio
implementado na empresa com outros dois cenrios simulados,
conforme as premissas elencadas a seguir:
- O Sistema instalado consistia na partida de um nico ponto
de distribuio;
- Nos cenrios simulados estruturaram-se sistemas
compostos pela pulverizao de pontos de entrega a fim de
diminuir as distncias percorridas.
O conceito de pulverizar os pontos de entrega reside na idia
de que, se a distncia entre a origem e o destino do produto for
reduzida, alm da diminuio do tempo de entrega, decrescer o
consumo de combustvel. Conseqentemente, espera-se que o
desejo de prestar este servio com maior eficincia a um menor
preo seja alcanado.
2. Fundamentao terica
Com o intuito de facilitar a integrao do autor no mundo de
possveis aplicaes das ferramentas de pesquisa operacional, nessa
seo do texto so apresentados alguns conceitos sobre a P.O. e
suas metodologias.
2.1 Pesquisa Operacional
A Pesquisa Operacional (PO) uma cincia aplicada, formada
por um conjunto de tcnicas que visa determinao das melhores
condies de aproveitamento dos recursos em uma situao na qual
estejam sob restries, como a econmica, a material, a humana e a
temporal.
152| T p i c o s e A p l i c a e s
Arenales, Armetano, Morabito e Yanasse (2007) citam que,
para alguns autores, pesquisa operacional significa uma abordagem
cientfica para tomada de decises, que procura determinar como
melhor projetar e operar um sistema, usualmente sob condies
que requerem a alocao de recursos escassos
1
.
Sob o ponto de vista histrico, seu nome relativamente
novo, de origem militar, sendo usado pela primeira vez na Gr-
Bretanha, durante a Segunda Guerra Mundial. No comeo desse
conflito, os organismos responsveis pela defesa daquele pas
utilizaram o concurso de especialistas tais como fsicos, bilogos,
matemticos para assessorar e contribuir no estudo e soluo de
certos problemas que, geralmente, se consideravam de atribuies
estritamente militar.
O sucesso das aplicaes da Pesquisa Operacional na
resoluo de determinados problemas de operaes militares,
segundo Andrade (2000), levou o mundo acadmico e empresarial a
procurar utilizar as tcnicas criadas em problemas de administrao.
Atualmente, a pesquisa operacional ultrapassou essas fronteiras e
utilizada praticamente em todas as especialidades.
Pizzolato e Gandolpho (2009) exemplificam que a imensa
amplitude das aplicaes da PO encontra-se nas chamadas para os
congressos trianuais da IFORS(International Federation of the
Operational Research Societies), as quais convidam trabalhos de
inmeras reas; dentre as quais foram pinadas as seguintes:
Energia e Meio Ambiente; Modelagem Financeira e Risco; Logstica;
Transporte e trfego; Decises multicriteriais; PO na Sade e
Cincias da vida; PO na Indstria; Educao e inovao; Gerncia de
desempenho; Roteamento de veculos; Simulao etc.
Segundo Wagner (1986), a maioria dos tomadores de deciso
quer, antes, uma avaliao quantitativa de quais os riscos que esto
em jogo nas vrias alternativas, que mudanas de direo tm mais
1
Veja, por exemplo, Winston(2004)
E n g e n h a r i a d e P r o d u o | 153
chance de aumentar os lucros e que caminhos so promissores para
ulterior investigao.
2.2 A metodologia da Pesquisa Operacional
Uma das caractersticas mais importantes que a PO possui (e
que auxilia no processo de anlise de deciso), a utilizao de
modelos, segundo Andrade (2002). Para Goldbarg e Luna (2000) os
modelos so representaes simplificadas da realidade que
preservam, para determinadas situaes e enfoques, uma
equivalncia adequada.
Isto permite haver a experimentao, o que significa que
uma deciso pode ser mais bem avaliada e testada antes de ser
efetivamente implementada.
Em linhas gerais, Silva et. al (1998) colocam que a PO consiste
na descrio de um sistema organizado com o auxlio de um
modelo, e atravs da experimentao com o modelo, na descoberta
da melhor maneira de operar o sistema.
Um modelo no igual realidade, mas suficientemente
similar para que as concluses obtidas atravs de sua anlise e/ou
operao, possam ser estendidas realidade.
Um estudo em Pesquisa Operacional costuma envolver seis
fases: definio do problema; formulao e construo do modelo
inicial; soluo do modelo; validao do modelo; reformulao do
modelo; aplicao do modelo, que podem ser representadas
conforme o fluxograma da Figura 1 a seguir.
154| T p i c o s e A p l i c a e s
Fonte: Adaptado de Goldbarg e Luna (2000)
Figura 1 Fases de um estudo de Pesquisa Operacional
Para a melhor compreenso do esquema grfico apresentado,
o quadro a seguir traz alguns comentrios sobre cada etapa deste
trabalho.
Etapa Descrio
Definio do Problema
A definio do problema consiste na realizao da
descrio exata dos objetivos do estudo, o que
contempla tambm o apontamento das
alternativas de deciso existentes e do
reconhecimento das limitaes, restries e
exigncias do sistema.
Formulao e
Construo inicial do
Modelo
A escolha do modelo apropriado fundamental
para a qualidade da soluo encontrada. Essa
etapa determinante para a aplicao de
ferramentas matemticas adequadas, o que, em
casos mais complexos podem gerar uma
combinao de metodologias.
Soluo do modelo
A soluo do modelo baseia-se no uso de uma
seqncia de regras matemticas,
metodologicamente estruturada atravs de
algoritmos que buscam a soluo tima.
E n g e n h a r i a d e P r o d u o | 155
Validao do modelo
O modelo proposto aceito como vlido se,
mesmo considerando seus erros, ele conseguir
representar o sistema e fornecer uma previso
aceitvel de seu comportamento. Uma forma de
avaliar se o modelo vlido consiste em
confrontar os resultados do modelo com
resultados passados obtidos do sistema real.
Reformulao do
modelo
A reformulao do modelo necessria no caso da
sua no validao, da necessidade de reduzir a sua
inexatido ou melhorar sua consistncia.
Aplicao do Modelo
Consiste em identificar e implantar a soluo
encontrada.
Quadro 1 - Detalhamento das fases de um estudo de PO
Existem diversas reas em que a PO vem sendo aplicada com
sucesso para racionalizar recursos, reduzir custos e aumentar lucros.
Neste trabalho comentam-se algumas dessas aplicaes.
A seguir resumem-se setores em que as aplicaes das
tcnicas de Pesquisa Operacional so mais freqentes e
apresentam-se comentrios exemplificados no setor industrial, de
servios, na agricultura, dentre outros.
Dosagem (ou Mistura)
Investimentos
Financeiros
Localizao
Alimentao
Formulao de Raes
Fbrica de Adubos
Ligas Metlicas
Petrleo
Minrios, etc.
Anlise de Riscos de
Crdito
Projeto de Investimentos,
etc.
Localizao Industrial
Localizao de
Centrais Telefnicas
Localizao de Escolas,
etc.
Transporte Alocao de Recursos Outras Aplicaes
Tamanho da Frota
Roteamento, etc.
Fbricas,Fazendas,
Servios, etc.
Quadro 2- reas de Aplicaes da P.O.
Dosagem ou Mistura: problemas desse tipo possuem aplicaes em
quase todos os sistemas de produo. Em geral busca-se minimizar
156| T p i c o s e A p l i c a e s
o custo do produto que obtido pela mistura de diversas matrias-
primas. Esses insumos e matrias-primas possuem diferentes
custos e composies, sejam estas diferenas qumicas ou
nutricionais. Portanto, as restries referem-se participao
desses componentes na formao do produto final.
Podem ser aplicados estudos dessa natureza na pecuria, para
formular dietas de ruminantes a um custo mnimo e que ao mesmo
atendam s exigncias nutricionais, levando ainda em considerao
a utilizao de outros animais e alimentos disponveis em uma
determinada regio. Outra semelhante aplicao pode ser
identificada na alimentao de pessoas, em que se analisam os
alimentos disponveis para um pblico especfico. Por exemplo, no
estudo de suprimentos alimentares para hospitais, spas, escolas,
quartis. Etc.
Na indstria de fertilizantes a PO tem sido utilizada para
formular composies em que se otimizam o uso do nitrognio,
fsforo e potssio para atender s demandas de diferentes culturas
agrcolas.
Na metalurgia aplicada a PO, para determinar quais
minrios devem ser carregados no alto-forno de modo a se
produzir, ao menor custo, uma determinada liga metlica. J na
indstria petroqumica, pode-se definir qual deve ser a mistura de
petrleo a ser enviada para uma torre de craqueamento para
produzir seus derivados (gasolina, leo, etc.) a um custo mnimo e
considerando petrleos de diversas procedncias e com
composies diferenciadas.
Por fim, apontam-se outras aplicaes de problemas de
mistura na manufatura, onde se desejar definir qual a melhor
composio de produtos a serem fabricados visando a maximizao
dos lucros, respeitando, porm as limitaes ou exigncias do
mercado comprador e a capacidade de produo da fbrica.
Transporte: problemas dessa categoria possuem como
objetivo principal a minimizao dos custos, respeitando-se as
necessidades de recebimento do destinatrio e tambm as
E n g e n h a r i a d e P r o d u o | 157
capacidades de envio da fonte. Aplicaes para este contexto
ocorrem em sistemas produtivos que desejam transportar a um
custo mnimo mercadorias para seus depsitos, os quais podem
estar em localidades diferentes. O mesmo pode ser feito para o
transporte entre os armazns e os mercados varejistas.
Outras aplicaes podem ser realizadas para realizar a
transferncia de carros de uma locadora automotiva para outra, de
uma mesma rede. Problemas como esse surgem quando uma loja
est com a frota demasiadamente grande, enquanto a outra possui
um dficit de automveis. Os problemas como o descrito ocorrem
em decorrncia de muitos contratos de locao permitirem que os
automveis locados sejam devolvidos em locais diferentes de sua
origem.
Os problemas de transporte podem tambm ser aplicados na
resoluo de problemas urbanos, tais como a roteirizao da coleta
de lixo. Existem outras inmeras possibilidades de problemas reais
com transporte; tais como o planejamento do abastecimento de
avies visando obteno de um custo mnimo e respeitando as
restries demanda de combustvel e disponibilidade dos
fornecedores.
Investimentos Financeiros: Uma das reas mais recentes em que a
PO vem sendo aplicada em Investimentos Financeiros. Nesta rea
pode-se aplicar a PO para fazer anlise de riscos da concesso de
crditos, para projetar investimentos, dentre muitos outros. Pode-
se, por exemplo, desejar identificar quais as- aes devem compor
uma carteira de investimento de modo que o lucro seja mximo e
sejam respeitadas as previses de lucratividade e restries
governamentais.
Alocao de recursos: Os problemas de Alocao de Recursos so
muito comuns em PO. Pois dizem respeito distribuio balanceada
de recursos entre diversas tarefas ou operaes componentes em
um determinado processo. Como, normalmente, os recursos
disponveis no so suficientes para que todas as atividades sejam
executadas no nvel mximo de eficincia, procura-se atravs do uso
158| T p i c o s e A p l i c a e s
das ferramentas de PO. Identificar a melhor distribuio possvel
dos recursos de forma a atingir um valor timo do objetivo
estabelecido para aquele processo.
Do ponto de vista prtico, as organizaes do setor industrial
fazem uso dessas ferramentas para auxiliar a programao da
produo, identificando as quantidades a serem produzidas de
determinado produto, considerando-se as demandas produtivas da
carteira de produtos; limitaes do quantitativo de matria-prima;
mo-de-obra; equipamentos e objetivos como a maximizao do
lucro ou minimizao dos custos.
Na agricultura a viso semelhante para a resoluo desses
problemas. Contudo, deve-se observar que existem outras variveis
a considerar, tais como: caractersticas do solo; especificidades do
mercado; especificaes desejadas pelo comprador; maquinrio
disponvel. possvel ainda identificar a quantidade de terra que
deve ser destinada a cada atividade (plantao, pecuria, etc.) de
modo obter-se o melhor retorno financeiro.
Localizao: Os problemas de localizao possuem tambm
importantes aplicaes prticas nos mais diversos setores.
Geralmente os problemas recaem sobre a necessidade de dar
suporte tomada de deciso, pois so exemplos clssicos dessa
classe de aplicaes a escolha das localidades para a implantao de
fbricas, escolas, hospitais ou centrais telefnicas. Evidentemente, a
tomada de deciso para instalao de uma unidade produtora ou
como a viabilidade econmica da instalao, infra-estrutura,
demandas especficas, dentre outros.
No caso da seleo da melhor localizao de para se instalar
uma planta industrial ou da escolha do local para os armazns,
possvel aplicar a pesquisa operacional considerando aspectos como
a minimizao dos custos gerados na entrega dos produtos aos
varejistas. no contexto dos estudos de localizao de escolas, por
exemplo, o mesmo conceito pode ser aplicado entretanto,
considerando o objetivo de minimizar o espao percorrido pelos
alunos de determinado bairro at o grupo escolar.
E n g e n h a r i a d e P r o d u o | 159
Corte: Na Indstria da Construo Civil a PO pode ser utilizada para
realizar estudos que objetivem reduzir sees transversais de
estruturas como vigas e pilares. Essa uma aplicao que deve
considerar as menores dimenses possveis para as sees, porm
respeitando-se as especificaes tcnicas normativas sobre
resistncia e segurana. Outra aplicao no mesmo setor o estudo
da otimizao do traado de cabos em vigas de concreto
protendido, visando reduo de perdas no corte de barras de
ferro nas obras, por exemplo.
Ainda, os problemas de corte representam aplicaes
interessantes da PO porque alm de minimizar as perdas nos cortes
de barras, como na construo civil, em outros setores auxiliam a
minimizao da gerao de refugos de produo de diversos
produtos, tais como as bobinas, chapas, tecidos, papis, mveis.
Outras Aplicaes: Segundo Prado (1999), pesquisas com a
utilizao de PO para a reduo de custos em empresas e indstrias
podem alcanar resultados expressivos, tais como margens de
reduo de custos de at 15%. Em indstrias como as siderrgicas e
petrolferas, onde o custo de produo pode chegar a US$ 300
milhes anuais, esses percentuais de reduo representam uma
economia considervel (R$45 milhes).
Uma vez comentados os principais setores que se utilizam da
PO para alcanar melhores desempenhos operacionais, econmicos,
sociais e competitivos, passa-se agora para a apresentao dos
conceitos relacionados roteirizao de veculos, os quais serviram
de base para a construo desse estudo de casos.
2.3 Roteirizao de veculos
Segundo Ballou (2001), os custos de transporte compem no
mnino 33% dos custos logsticos, mas em sistemas menos
eficientes, esses custos podem chegar a compor 66% do total
gerado pelas operaes logsticas. Por essa razo, a minimizao dos
gastos em transporte de mercadorias de grande interesse das
organizaes.
160| T p i c o s e A p l i c a e s
Outro aspecto relevante sobre a importncia de aumentar-
se a eficincia dos transportes, que reduzir os trajetos dos veculos
envolvidos com entregas, com o intuito de minimizar tempo e
distncia so problemas freqentes de deciso nesse setor, pois
esto diretamente ligados itens crticos de gesto: custos e
qualidade do servio prestado.
Para esse autor, apesar da diversidade de variaes nos
problemas de distribuio, para fins de estudos de PO, a maioria
deles se enquadra em trs tipos bsicos:
- Ocorrncias entre um ponto de origem e um ponto de
destino diferentes;
- Ocorrncias entre pontos de origem e destino mltiplos;
- Ocorrncias entre pontos de origem e destino coincidentes.
Segundo Laporte et al. (2000) apud Cunha (2000), o problema
de roteirizao de veculos consiste em definir roteiros
customizados para cada sistema estudado que minimizem o custo
total de atendimento, assegurando-se que: a)cada ponto seja
visitado exatamente uma vez; b) a demanda em qualquer rota no
exceda a capacidade do veculo que a atende e; c) ao final,o veculo
retorne a sua origem.
3. Procedimentos para a construo do modelo
O grande nmero de pontos de parada uma caracterstica
prpria de sistemas de entrega do varejo. Por isso, estudos de caso
nessa rea necessitam de ferramentas computacionais capazes de
processar sistemas complexos com muitas variveis. Neste trabalho,
optou-se pelo mdulo ROUTESEQ do software LOGWARE, por este
ser gratuito e permitir um grau satisfatrio a anlise de resultados.
O software utilizado neste estudo um programa heurstico
que foi concebido para poder resolver o problema clssico
problema do caixeiro viajante, no qual um determinado vendedor
necessita atender a um determinado nmero de cidades, de modo
E n g e n h a r i a d e P r o d u o | 161
que seu percurso seja minimizado e que todas as cidades sejam
visitadas uma nica vez.
O Software utilizado neste estudo seqencia at vinte paradas
em uma nica rota, mais o ponto inicial (a origem), os quais so
identificados atravs de coordenadas lineares.
A alimentao do software foi realizada por meio de um
arquivo de entrada criado no editor de dados. Nesse arquivo havia 4
tipos de registros: i) as coordenadas X,Y do ponto de origem; ii) o
fator de circuito; iii) um fator de escala de mapa e; iv) as
coordenadas de cada parada. A figura 1 permite uma melhor
compreenso do que foi descrito.
Fonte: Software ROUTESEQ
Figura 2- Tabela de dados
Aps a definio das coordenadas lineares e dos registros, o
prximo passo consistiu no estabelecimento da seqncia de
paradas. O sistema permite que elas sejam programadas
manualmente pelo analista ou automaticamente pelo prprio
LOGWARE.
Uma vez que uma soluo esteja disponvel, os resultados so
apresentados de duas formas diferenciadas:
a)A seqncia de paradas apresentada em sadas numricas
atravs de um relatrio. Nesse documento tambm informada a
162| T p i c o s e A p l i c a e s
distncia total percorrida na rota (figura 2);b)A rota apresentada
na forma de uma diagrama (figura 3 ).
Fonte: Software ROUTESEQ
Figura 3 -Relatrio de Seqncia de Paradas
Fonte: Software ROUTESEQ
Figura 4 - Rota Diagramada
A coleta de dados foi realizada atravs de visitas e entrevistas,
as quais foram conduzidas no setor de entregas de uma farmcia de
manipulao localizada na regio metropolitana de Belm.
E n g e n h a r i a d e P r o d u o | 163
As informaes levantadas consistiam na maneira de
organizao das entregas; quantidade de entregadores e de
veculos; as reas de abrangncia de cada entregador; metodologia
de definio das rotas; o histrico das entregas; Levantamento dos
custos envolvidos no servio; os tempos de realizao das entregas.
O instrumento de coleta utilizado foi um formulrio destinado
a uma amostra do total de entregadores, os quais deveriam
informar os bairros percorridos, endereos, tempo entre cada
entrega e a seqncia em que eram realizadas as entregas dos
medicamentos.
Este estudo foi executado em trs meses, no ano base de
2008.
4. Estudo de Caso: Estudo da roteirizao do sistema de entregas
de uma farmcia de manipulao
O Contexto da empresa: a farmcia de manipulao possui quatro
unidades, sendo uma matriz e duas filiais em Belm; alm de uma
filial em Ananindeua. Este estudo de casos foi realizado na sede da
empresa, no Bairro Umarizal, e na filial do Bairro de Batista Campos.
O departamento de entregas contava, na poca de realizao deste
estudo, com um total de cinco entregadores, os quais eram
sediados no segundo bairro.
O setor de produo da empresa localizava-se na matriz.
Portanto, para que o setor de entregas operasse, era necessrio que
um entregador transferisse os produtos acabados do Bairro
Umarizal para o Bairro Batista Campos. A partir de agora, neste
trabalho, vamos nos referir ao funcionrio responsvel pelo traslado
dos medicamentos como Entregador 5 ( os dados desse funcionrio
so apresentados na tabela 1).
Atravs do desenvolvimento dessa pesquisa, observou-se que
chegando filial, os medicamentos eram conduzidos at o
departamento de entregas da farmcia j com uma comanda que
indicava o seu destino e o horrio em que cada medicamento
164| T p i c o s e A p l i c a e s
deveria ser entregue aos clientes. Aps essa etapa, os produtos iam
para separao, onde ficavam classificados em boxes diferenciados
para cada bairro e subdivididos em horrios. Dessa forma, cada
entregador, executaria as entregas conforme as instrues
recebidas e conforme suas experincias prvias no trnsito de
Belm.
A empresa estabelecia horrios programados para cada
entregador, tanto de sada quanto de retorno loja. Portanto, era
desconsiderada a durao de cada entrega. Os horrios
estabelecidos para cada funcionrio desse departamento estao
disponveis na tabela 1, a seguir.
Tabela 1- Horrio dos entregadores
Entregador 1 e 2 Entregador 3 e 4 Entregador 5
Sada da
Loja
Retorno
Loja
Sada
da Loja
Retorno
Loja
Sada
da Loja
Retorno
Loja
09:00 11:00 09:00 11:00 09:00
Ao
trmino
11:00 14:00 11:00 14:00
14:00 16:00 14:00 16:00
16:00 18:00
2
16:00 17:30
17:30
Dia
Seguinte
Os entregadores 1, 2, 3 e 4 trabalhavam de segunda a sbado
realizando somente entregas. Entretanto, o entregador 5 realizava
entregas somente as segundas e quintas-feiras,sendo responsvel
ainda por executar rotas entre as lojas (matriz e filiais) para levar
documentos, matria-prima, medicamentos, e outros materiais nos
2
A partir de sua ltima sada da loja os entregadores devero retornar a mesma
apenas quando finalizar todas as entregas, porm sem exceder o horrio das 19
horas.
E n g e n h a r i a d e P r o d u o | 165
dias restantes. A taxa de entrega (em R$) era nica para qualquer
localidade no havendo critrios estabelecidos para distncia.
Analisando-se os dados histricos de entregas da farmcia em
grficos mensais de Bairros x Nmeros de Entregas, constatou-se
que independentemente do ms, havia picos de entregas
recorrentes em determinados bairros.
Nesse estudo de casos foram selecionados os dois
entregadores com maiores picos de entregas recorrentes em bairros
repetidos:
A) Entregador 1, com muitas ocorrncias no Bairro do Marco;
B) Entregador 3, nos Bairros de Batista Campos e Reduto.
As coordenadas de cada ponto de parada foram retiradas de
um mapa digitalizado da cidade de Belm, em formato AutoCAD
com escala de 1:10000 metros.
Tomou-se como ponto de origem (0,0) no mapa o centro de
distribuio, no caso, a farmcia de onde partiam os entregadores, e
a partir da foram anotadas as coordenadas ponto a ponto de
entrega. Aps inserirem-se todos os parmetros necessrios para
que o modelo fornecesse o resultado, partiu-se para a anlise das
informaes obtidas.
Levantamento de custos: O levantamento de custos desse estudo
consistiu na anlise de itens como:
- A remunerao dos entregadores da empresa, que nesse
caso possuam vinculo empregatcio com salrios mensais
fixos mais uma comisso sobre as taxas de entregas;
- A propriedade das motos era dos entregadores, logo os
custos de manuteno eram assumidos por eles;
- Os custos gerados pelo consumo de combustvel eram de
responsabilidade da empresa.
Tornou-se necessrio o conhecimento da mdia de
quilmetros percorridos em uma nica entrega para a realizao
166| T p i c o s e A p l i c a e s
dos clculos dos custos com combustvel, obtida a partir da frmula
(1) abaixo:
Mdia Km/entrega = Km obtida atravs do software (1)
nmero de entregas totais
Para encontrar o custo do consumo de combustvel, extraiu-se
do questionrio o consumo mdio dos veculos (30 Km/litro) e o
preo mdio do litro de combustvel vigente no perodo (R$ 2,77).
Veja a frmula (2):
Custo do Combustvel = Mdia Km/entrega (Km) * Preo do
Litro (R$) (2)
Consumo do Veculo (Km/Litro)
Os dados apresentados nesse trabalho referem-se aos entregadores
1 e 3.
Resultados
Validao do Modelo Construdo: O modelo foi construdo
com o auxlio do software e validado atravs da comparao entre
uma entrega realizada na prtica e a simulao dessa mesma
entrega no software. Como os resultados foram aceitveis,
concluiu-se que o modelo representava a realidade dentro de uma
faixa de erro aceitvel.
4.1 Propostas de otimizao
Proposta 1: Descentralizao do ponto de distribuio e
permanncia dos intervalos de horrios
A primeira proposta de otimizao do setor de entregas
seria distribuir os entregadores ao longo das filiais da empresa, ao
invs de deix-los concentrados em um nico ponto. Para obter
essa soluo, foram simulados outros pontos de partida para as
entregas de modo a reduzir as distncias percorridas entre o ponto
E n g e n h a r i a d e P r o d u o | 167
de origem e os bairros mais representativos em termos de
demanda.
Como as reas de anlises deste trabalho se concentram
basicamente no centro de Belm, apenas as outras duas unidades
da cidade de Belm foram includas na simulao, tendo como
coordenadas de origem (0,135 , 0,064) e (0,072 , 0,104). As tabelas 4
e 5 (Apndice 1) mostram os dados lanados em planilhas de Excel e
os resultados obtidos de seqncias e distncias para o entregador
1 e 3, respectivamente.
Proposta 2: Descentralizao do ponto de distribuio e mudana
para turnos manh e tarde.
A farmcia em questo trabalhava em um regime onde os
entregadores deveriam retornar origem, a cada duas horas, com o
intuito de se reabastecerem para seguir com as entregas. Porm, se
o sistema fosse alterado para funcionar por turnos, manh, de 09hs
s 13hs, e tarde, de 14hs at terminarem as entregas, talvez as
distncias e os custos fossem menores. Evidentemente, essa
mudana no deveria interferir no servio prestado aos clientes,
especialmente no caso de haver alguma prioridade.
Por isso, outra simulao foi rodada: agrupando-se os dois
grupos de horrios da manh em um s. Por exemplo, se havia 7
entregas no perodo de 9hs s 11hs e 8 entregas no perodo de 11hs
s 13hs, agora o perodo da manh conteria 15 entregas agrupadas.
Esta parte do estudo foi somente com o entregador trs por
razo de disponibilidade.
A Tabela 2 permite uma melhor compreenso do descrito ao
demonstrar a comparao entre i) a distncia simulada em turnos e
ii) a soma das distncias simuladas por perodos. A coluna
Diferena calcula a soma das distncias simuladas por perodo
subtrada das distncias simuladas diretamente em turnos.
168| T p i c o s e A p l i c a e s
Tabela 2-Diferena entre a soma das distncias simuladas por perodo e
simuladas por turnos
Entregador 3
Dia Perodo
Ponto Partida (0 , 0)
Ponto Partida (0,135 ,
0,064)
Ponto Partida (0,072 ,
0,104)
Turnos Soma Diferena Turnos Soma Diferena Turnos Soma Diferena
(Km) (Km) (Km)
Dia 1
Manh
1,056 1,699 0,644 1,188 1,973 0,785 3,000 1,773 -1,226
Tarde
0,874 1,299 0,425 0,967 1,838 0,871 0,930 1,666 0,735
Mdia
0,910 1,262 0,352 0,985 1,457 0,472 1,019 1,380 0,362
Observou-se com essa simulao que a pulverizao de
entregadores pelas filiais, reduziria sensivelmente as distncias
percorridas e por conseqncia, os custos envolvidos.
4.2 Anlise dos custos com combustvel
Para analisar a viabilidade econmico-financeira dos cenrios
estudados, optou-se por considerar apenas o fator consumo de
combustvel, uma vez que o custo varivel mais expressivo no
processo de distribuio da empresa em estudo.
Para encontrar o custo de 1 (um) quilmetro rodado, utilizou-
se das frmulas 1 e 2 descritas na seo levantamento de custos. As
tabelas a seguir representam os custos obtidos para
o entregador 1 e 3, respectivamente.
E n g e n h a r i a d e P r o d u o | 169
Tabela 3- Custo do combustvel por entrega para entregador 1
Para encontrar o custo de 1 (um) quilmetro rodado, utilizou-
se das frmulas 1 e 2 descritas na seo levantamento de custos. As
tabelas a seguir representam os custos obtidos para o entregador 1
e 3, respectivamente.
Tabela 4 - Custo do combustvel por entrega para entregador 3.
Entregador 1
Pontos de Partida (0 , 0)
(0,135 ,
0,064)
(0,072 , 0,104)
Soma Distncias (Km) 31,295 20,202 22,534
Mdia Km / 129
Entregas
0,243 0,157 0,175
Custo Combustvel /
Entrega
R$ 0,0224 R$ 0,0144 R$ 0,0161
Entregador 3
Pontos de Partida (0 , 0) (0,135 , 0,064) (0,072 , 0,104)
Soma Distncias 35,340 40,794 38,647
Mdia Km / 324 Entregas 0,109 0,126 0,119
Custo Combustvel / Entrega R$ 0,01 R$ 0,0116 R$ 0,0109
170| T p i c o s e A p l i c a e s
Tabela 5 Volumes de entregas mensais - 2008/Bairro (Entregador 1)
Ano Base: 2008
JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ acum.
Total 622 488 585 500 510 590 481 496 456 530 540 494 6.292
As Tabelas 9 e 10 retratam apenas os bairros de abrangncia
dos Entregadores 1 e 3, suas entregas por ms e o acumulado
anual, respectivamente.
Tabela 6 - Volumes de entregas mensais - 2008/Bairro (Entregador 1)
Ano Base: 2008
Ms Total
JAN 653
FEV 482
MAR 653
ABR 605
MAI 709
JUN 664
JUL 546
AGO 619
SET 651
OUT 674
NOV 648
DEZ 580
acum. 7.484
Ambas as Tabelas 5 e 6 permitem realizar uma anlise de
custos em longo prazo. Multiplicando o fator encontrado para o
custo mdio de combustvel pelos valores totais mensais a partir
dos trs pontos de origem sero geradas a tabelas 7 representando
E n g e n h a r i a d e P r o d u o | 171
o custo de combustvel e a economia caso se parta de uma
determinada origem ao invs de outra.
Tabela 7 - Custo anual de combustvel entregador 1 e 3
Entregador 1
Custo de Combustvel Economia de:
Ponto
(0,0)
Ponto
(0,135,
0,064)
Ponto
(0,072,0,10
4)
se
(0,135,0,064)
ao invs (0,0)
se (0,072,0,104)
ao invs (0,0)
Total/
Ano
R$
140,94
R$
90,60
R$ 101,30 R$ 50,34 R$ 39,64
Entregador 3
Custo de Combustvel Economia de:
Ponto
(0,0)
Ponto
(0,135,0
,064)
Ponto
(0,072,0,1
04)
se (0,0) ao
invs
(0,135,0,064)
se (0,0) ao invs
(0,072,0,104)
Total/
Ano
R$
74,84
R$
86,81
R$ 81,57 R$ 11,97 R$ 6,73
A quantificao dos gastos totais com combustvel por ano, na
ultima linha da tabela, permite que sejam analisados desperdcios
no emprego desse recurso, caso no sejam adotados critrios
racionais para a escolha do ponto de origem previamente estudado.
Porm, no se pode deixar de considerar que, com a
descentralizao do ponto de distribuio, o entregador 5 - que
antes percorreria apenas o caminho partindo do ponto (0,135 ,
0,064) para o ponto (0,0)- passa a atender tambm o ponto (0,072,
0,104). Os dados de origem e pontos de chegada foram lanadas no
ROUTESEQ, adotando-se 1,21 para fator de circuito e 1 para fator de
escala de mapa. A Tabela a seguir demonstra o custo das rotas para
o entregador 5 nesse novo cenrio.
172| T p i c o s e A p l i c a e s
Tabela 8 - Custos das rotas entre unidades realizadas pelo entregador 5
Entregador 5
Dist. Percorrida (milhas)
0,351
Dist. Percorrida (Km) 0,565
R$ / Entregas R$ 0,052
R$ / Ano R$ 14,97
Adotando que o entregador 5 realiza as entregas seis vezes
por semana em um ms, observa-se que ele faz o mesmo percurso
288 vezes ao ano para transportar medicamentos entre as unidades
(totalizando R$ 14,97 por ano). Observando a Tabela 8, nota-se que
a economia de R$ 50,34 apenas do Entregador 1, partindo do ponto
(0,135,0,064) ao invs (0,0), j compensaria a gerao desse novo
custo.
5. Consideraes Finais
Este trabalho objetivou demonstrar uma aplicao da pes-
quisa operacional na roteirizao de um sistema de entregas de
varejo. O estudo foi realizado na Regio Metropolitana de Belm,
em uma farmcia de manipulao que desejava aumentar sua
eficincia de entrega no mesmo passo em que necessitava reduzir
os custos operacionais deste servio.
A proposta de otimizao adequada para o Entregador 3, seria
a adoo dos turnos - manh e tarde ao invs de perodos
intervalares de duas horas, acarretando uma reduo de 0,352
quilmetros percorridos. Devido rea de abrangncia deste
profissional estar relacionado s localidades prximas ao seu ponto
de partida j estabelecido, a proposta de mudana do ponto no
vivel, fazendo com que alteraes aumentem a distncia
percorrida e conseqentemente os custos com combustvel.
A partir dos resultados encontrados para apenas trs pontos
de distribuio e dois entregadores analisados, permitiu-se concluir
que distncias desnecessrias estavam sendo percorridas e que
gastos excessivos foram gerados. Porm, aponta-se a necessidade
da realizao de estudos mais aprofundados nessa rea,
E n g e n h a r i a d e P r o d u o | 173
especialmente considerando todos os entregadores do
departamento de entregas.
Esse estudo possuiu potencial para auxiliar na tomada de
deciso de planejamento e interveno nas operaes de entregas
desta empresa a fim de elevar seu nvel de servio e sua eficincia
econmica.
Almeja-se que com o estudo deste caso tenha sido
parcialmente exposta a relevncia das tcnicas de Pesquisa
Operacional para o aumento da competitividade das organizaes.
Referncias
ANDRADE, E. L. (2000). Introduo Pesquisa Operacional: Mtodos e
Modelos para a Anlise de Deciso 2 edio Rio de Janeiro:
LTC, 2000.
ARENALES, M.;ARMETANO,V.; MORABITO,R.; YANASSE, H. (2007).
Pesquisa Operacional para Cursos de Engenharia - 2 edio
Rio de Janeiro: Elsevier, 2007.
BALLOU, R. H. (2001). Gerenciamento da Cadeia de Suprimentos:
Planejamento, Organizao e Logstica Empresarial; trad. Elias
Pereira. 4 edio Porto Alegre: Bookman, 2001.
CUNHA, C.B. (2000). Aspectos prticos da aplicao de modelos de
roteirizao de veculos a problemas reais; Revista Transportes
da ANPET Associao Nacional de Pesquisa e Ensino em
Transportes, v.8, n.2, p.51-74, 2000.
GANHOTO, M. A. (2004). Abordagens para problemas de roteamento.
Dissertao de Mestrado Campinas: Universidade Estadual de
Campinas, Instituto de Computao, 2004.
GOLDBARG, M.C.;LUNA, H.P. (2000). Otimizao combinatorial e
programao linear: modelos e algoritmos - 7 edio Rio de
Janeiro: Elsevier, 2000.
174| T p i c o s e A p l i c a e s
PIZZOLATO, N. D.; GANDOLPHO,A.A. (2009). Tcnicas de Otimizao
Rio de Janeiro:LTC, 2009.
PRADO, D. S. (1999). Programao Linear - 1 edio- Belo Horizonte:
Editora de Desenvolvimento Gerencial, v. 1, 1999.
SIQUEIRA, P. H. (2005). Uma nova abordagem na resoluo do
problema do Caixeiro Viajante. Tese de Doutorado- Curitiba:
Universidade Federal do Paran, Setor de Cincias Exatas, 2005.
SILVA,E.M.; SILVA, E.M.; GONALVES,V.; MUROLO,A.C. (1998). Pesquisa
Operacional para os cursos de: Economia, Administrao e
Cincias Contbeis - 2 edio So Paulo: Atlas, 1998.
WAGNER, H. M. (1986). Pesquisa Operacional- 2 edio Rio de
Janeiro: Prentice-Hall do Brasil, 1986
WINSTON, W. L. (2004). Operations Operations Research- 4 edio
Toronto: Thomson, 2004.
E n g e n h a r i a d e P r o d u o | 175
Apndice
Tabela 9 - Seqncias e distncias obtidas pelo entregador 1, origem (0,0), (0,135 , 0,064) e (0,072 , 0,104)
Entregador 1
Metros Milhas Ponto Partida ( 0 , 0 ) Ponto Partida ( 0,135 , 0,064 ) Ponto Partida ( 0,072 , 0,104 )
Dias Perodo
Nmero
Entrega
X Y X Y Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc.
(Km)
Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc.
(Km)
Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc.
(Km)
Dia
1
09:00
11:00
Ent 01 340 261 0,211 0,162
2-1-3-5-4 0,672 1,081 4-5-3-1-2 0,514 0,827 4-5-3-1-2 0,487 0,784
Ent 02 38 235 0,024 0,146
Ent 03 401 207 0,249 0,129
Ent 04 302 174 0,188 0,108
Ent 05 341 167 0,212 0,104
Mdia 0,748 1,204 0,483 0,777 0,539 0,867 Mdia
176| T p i c o s e A p l i c a e s
Tabela 10 - Seqncias e distncias obtidas pelo entregador 3, origem (0,0), (0,135 , 0,064) e (0,072 , 0,104)
Entregador 3
Metros Milhas Ponto Partida ( 0 , 0 ) Ponto Partida ( 0,135 , 0,064 ) Ponto Partida ( 0,072 , 0,104 )
Dias Perodo
Nmero
Entrega
X Y X Y Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc
.
(Km)
Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc.
(Km)
Seqncia
Dist.
Perc.
(milhas)
Dist.
Perc.
(Km)
Dia 1
09:00 -
11:00
Ent 01 -64 51
-
0,040
0,032
4-3-6-7-
2-5-1
0,576
0,92
7
2-5-1-4-
3-6-7
0,658 1,059
7-6-4-2-
5-1-3
0,598 0,962
Ent 02 17
-
191
0,011
-
0,119
Ent 03 52 137 0,032 0,085
Ent 04 12 30 0,007 0,019
Ent 05 -119 -19
-
0,074
-
0,012
Ent 06 81 76 0,050 0,047
Ent 07 114 78 0,071 0,048
Mdia 0,422 0,680 0,487 0,784 0,462 0,743
E n g e n h a r i a d e P r o d u o | 177
Gesto da Qualidade
Nesta seo apresentam-se duas aplicaes da Gesto da
Qualidade:
- Um Estudo de Caso Controle Estatstico da
Qualidade em um processo de controle de
resduos no Estado de Santa Catarina.
- Um Estudo de Casos do Planejamento e Controle
da Qualidade aplicada a Servios.
178| T p i c o s e A p l i c a e s
AVALIAO DA CAPACIDADE DE PROCESSOS
MONITORADOS POR GRFICOS DE CONTROLE DE
REGRESSO
Sumrio do Captulo
1. Introduo
2. Mtodos Estatsticos
2.1 Controle Estatstico da Qualidade e Grficos de Controle
2.2 Introduo a Anlise de Regresso
2.3 Mtodo de Mnimos Quadrados
2.4 Grfico de Controle de Regresso
2.5 ndices de Capacidade
3. Resultados
3.1 Obteno da Linha Central e dos Limites de Controle
(Superior e Inferior)
3.2 Estabelecendo os Limites de Especificao (Superior e
Inferior), o Ponto Mdio e o Valor Alvo.
3.3 Grfico de Controle de Regresso para o Processo de Coleta
de Resduos.
3.4 Obteno dos ndices de Capacidade para o Processo de
Coleta de Resduos Monitorado a partir do Grfico de Controle
de Regresso Clssica.
4. Consideraes Finais
E n g e n h a r i a d e P r o d u o | 179
AVALIAO DA CAPACIDADE DE PROCESSOS
MONITORADOS POR GRFICOS DE CONTROLE DE
REGRESSO
Edson Marcos Leal Soares Ramos
Vanessa Mayara Souza Pamplona
Fbio Jos Hiplito Ferreira
Resumo
A capacidade de um processo pode ser definida como a habilidade
deste em desempenhar suas funes satisfazendo certas
especificaes e tolerncias. Estudos recentes envolvendo ndices de
capacidade em processos produtivos foram desenvolvidos levando
em considerao uma nica varivel isolada, porm, neste trabalho
desenvolvem-se ndices de capacidade para variveis
correlacionadas e monitoradas via grfico de controle de regresso.
Dessa maneira, a partir da aplicao em um processo produtivo de
coleta de resduos da cidade de Santa Maria RS pde-se
comprovar que os ndices de capacidade desenvolvidos so
excelentes ferramentas do controle estatstico da qualidade para a
avaliao da capacidade de processos envolvendo variveis
correlacionadas e monitoradas a partir do grfico de controle de
regresso clssica, isto , so ferramentas teis no desenvolvimento
de solues de problemas complexos em engenharia de produo.
Palavras-chave: Variveis correlacionadas; Grficos de controle de
regresso; ndices de capacidade.
180| T p i c o s e A p l i c a e s
1. Introduo
Com o aumento da concorrncia entre as indstrias, os
mtodos estatsticos esto sendo cada vez mais utilizados na
investigao, anlise e soluo de problemas, e parte deles so
conhecidos como Controle Estatstico da Qualidade (CEQ). O
objetivo da utilizao do CEQ melhorar a qualidade dos produtos e
servios e, ainda, reduzir os custos de sua fabricao.
Desde sua introduo, por Shewhart, os grficos de controle
tm sido a ferramenta do CEQ mais utilizada para monitorar e
manter o controle estatstico dos processos. Um processo de
produo est sob controle estatstico, quando as amostras
analisadas apresentam uma variabilidade controlada e previsvel,
porm, importante verificar se o processo produtivo est sendo
capaz de atender s especificaes estabelecidas.
Dentre as vrias formas existentes para verificar a capacidade
do processo, Ramos (2003, p. 42) afirma que devido sua
simplicidade de obteno e avaliao, os ndices de capacidade do
processo so um bom exemplo de ferramenta do CEQ com ampla
utilizao industrial.
Em muitos casos durante a avaliao de um processo, h
necessidade de monitorar mais de uma caracterstica da qualidade
simultaneamente. Neste caso, no se pode aplicar os tradicionais
grficos de controle Shewhart, pois a necessidade de controle
simultneo de variveis est no fato de que muitas vezes as
variveis parecem estar sob controle estatstico quando analisadas
separadamente, mas, na verdade, o sistema formado a partir da
relao entre as variveis poder estar fora de controle estatstico
(JACKSON, 1956).
O Grfico de Controle de Regresso (GCR) uma ferramenta
estatstica utilizada no monitoramento de processos que possuem
interferncia conjunta de variveis, ou seja, possuem duas ou mais
variveis que apresentam relao de dependncia entre si, sendo
dessa forma, uma excelente alternativa para o monitoramento de
processos com variveis correlacionadas.
E n g e n h a r i a d e P r o d u o | 181
Os ndices de capacidade so nmeros adimensionais que
permitem uma quantificao do desempenho dos processos e
utilizam as informaes de modo que seja possvel avaliar se um
processo capaz de gerar produtos que atendam s especificaes
exigidas.
De acordo com Montgomery et al. (2004) devido aos muitos
aspectos da prtica de engenharia envolverem o trabalho com
dados, obviamente algum conhecimento de estatstica importante
para qualquer engenheiro. Especificamente, tcnicas estatsticas
podem ser uma ajuda poderosa no planejamento de novos
produtos e sistemas, desenvolvendo e melhorando os processos de
produo. Comumente, o engenheiro de produo se depara com
eventos inconstantes entre uma observao e outra, comportando-
se de maneira no aleatria, por exemplo, o tempo de produo de
uma pea raramente o mesmo de uma pea para a seguinte,
mesmo o nmero de mquinas em reparo varia de dia para dia.
Uma grande parte do trabalho do engenheiro de produo ligada
a este tipo de comportamento, assim o engenheiro de produo
deve tomar decises e auxiliar terceiros a tomar, deve responder s
perguntas contidas no contexto da variao das informaes
recebidas. Dessa maneira, este trabalho se prope a oferecer um
conjunto de novas ferramentas do controle estatstico da qualidade,
capazes de auxili-lo em algumas dessas ocasies. Portanto, os
ndices para a avaliao da capacidade de processos desenvolvidos
so teis quando grficos de controle de regresso so utilizados
para modelar, monitorar e avaliar um processo produtivo ou um
servio.
2. Mtodos Estatsticos
2.1 Controle Estatstico da Qualidade e Grficos de Controle
Segundo Deming (2000), qualidade significa atender e, se
possvel, exceder as expectativas do consumidor. O Controle
Estatstico da Qualidade possui uma grande variedade de
ferramentas (por exemplo, grficos de controle e ndices de
182| T p i c o s e A p l i c a e s
capacidade) para a resoluo de problemas, teis na obteno da
estabilidade e melhoria da capacidade produtiva dos processos.
O grfico de controle uma representao grfica de uma
caracterstica da qualidade (varivel em estudo) que foi medida ou
calculada a partir de uma amostra versus o nmero da amostra ou
do tempo. O grfico de controle possui uma linha central, que
representa o valor mdio da caracterstica da qualidade, e duas
outras linhas horizontais, chamadas limite superior de controle (LSC)
e limite inferior de controle (LIC). A Figura 1 mostra um exemplo de
grfico de controle do tipo Shewhart.
Ribeiro (2007) comenta que a qualidade de um produto
fabricado num processo inevitavelmente acompanhada de
variaes, sob estas condies, os grficos de controle so
ferramentas do CEQ teis para distinguir em um processo, as
variaes que no podem ser identificadas e eliminadas (causas
aleatrias ou especiais), ou seja, variaes inerentes ao processo de
produo, daquelas que necessitam ser identificadas e eliminadas
(causas assinalveis ou identificveis).
O comportamento do processo pode ser monitorado a partir
da ferramenta denominada grfico de controle. A partir dos limites
superior e inferior (vide Figura 1) pode-se identificar duas situaes:
a) se o sistema funciona dentro de um nvel aceitvel ou b) se ele
est fora de controle, apresentando ocorrncias de pontos fora dos
limites calculados. Complementarmente, pode-se identificar uma
outra informao til ao monitoramento de um determinado
processo: mesmo que todos os pontos do grficos estejam situados
entre os limites de controle, pode-se avaliar a presena de
tendncias, ciclos ou alguma outra configurao tpica dos pontos
que os levem a alcanar o descontrole estatstico.
E n g e n h a r i a d e P r o d u o | 183
Figura 1- Exemplo de Grfico de Controle Proposto por Shewhart, em 1924.
2.2 Introduo a Anlise de Regresso
A anlise de regresso um dos mtodos estatsticos mais
utilizados na resoluo de problemas que tem como objetivo a
identificao e quantificao de relaes funcionais entre duas ou
mais variveis, por meio de um modelo matemtico. Durante a
aplicao do modelo de regresso clssica importante identificar
qual a varivel dependente e qual a varivel independente. Um
dos principais objetivos do ajustamento do modelo estimar a
varivel dependente em funo da(s) varivel (eis) independente(s).
Se Y pode ser estimado em funo de X por meio de uma equao,
esta equao denominada de equao de regresso de Y sobre X.
Um modelo dessa natureza chamado de estocstico, devido
presena de certa aleatoriedade, e pode ser expresso por
, ,..., 1 ,
1 0
n i
i i i
X Y
= + + =
c
| |
(1)
em que os parmetros
0
e
1
so desconhecidos e podem ser
estimados pelos dados da amostra, X
i
o i-simo valor da varivel
preditora ( uma constante conhecida, fixa), Y
i
o i-simo valor da
LSC
LC
LIC
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425
E
s
t
a
t
s
t
i
c
a
T
e
s
t
e
Amostras
184| T p i c o s e A p l i c a e s
varivel resposta e
i
o i-simo valor do termo aleatrio. Se fosse
conhecido o valor de
i
, poderia ser calculado de forma precisa o
valor de Y
i
, mas como
i
aleatrio, Y
i
pode ser apenas estimado.
Com isso, o modelo de regresso estimado
, ,..., 1 ,
1 0
n i
X
Y i
i
= + =
| |
(2)
em que
i
Y
(l-se Y
i
chapu) o valor estimado de Y
i
e
0
| e
1
| so
os estimadores de
0
e
1
, dados pelas Equaes (4) e (5),
respectivamente.
2.3 Mtodo de Mnimos Quadrados
Seja um conjunto de observaes (X
i
, Y
i
), com i = 1, 2,..., n. O
mtodo de mnimos quadrados utiliza a soma dos quadrados dos
desvios de Y
i
em relao ao seu valor esperado E(Y
i
), representado
por
. )] ( [
1
1 0
2
+ =
=
n
i
i i
Y
X Y
SQ | | (3)
Em seguida, derivando SQ
Y
em relao a
0
e
1
e igualando o
resultado de cada um destes a 0 (zero), so encontrados os
estimadores para
0
e
1
, os quais so apresentados nas Equaes
(4) e (5), respectivamente, onde n representa o tamanho da
amostra utilizada para a construo do modelo de regresso e X e
Y so as, respectivas, mdias aritmticas de X e Y.
.
1
1
1
1
0
X Y
n
X
n
Y
n
i
i
n
i
i
| | |
=
=
= =
(4)
e
.
1 1
2
1 1 1
1
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
= =
= =
= = =
n
i
i
n
i
i
n
i
i
n
i
i i
n
i
i
XX
XY
X X
n
Y X Y X
n
S
S
|
(5)
2.4 Grfico de Controle de Regresso
E n g e n h a r i a d e P r o d u o | 185
Para a construo do grfico de controle de regresso linear,
assume-se que os valores da varivel dependente Y so linearmente
relacionados com a varivel independente X. Para cada valor
especfico X assumido que os valores de Y so normalmente e
identicamente distribudos. Mandel (1969) apresenta a linha central
e os limites superior e inferior de controle para o grfico de controle
de regresso linear, os quais so definidos por
LSC =
y i
k Y o
+
LC =
i
Y
=
i
X
1 0
| | +
(6)
LIC =
y i
k Y o
,
onde k a quantidade de desvios padro assumido em torno da
linha central, podendo ser qualquer valor no conjunto dos nmeros
reais (tradicionalmente utilizado k = 3) e
Y
o um estimador do
erro padro do modelo de regresso. De acordo com Mandel
(1969), o erro padro para o grfico de controle de regresso o
desvio padro estimado baseado nos desvios dos valores
observados sobre a linha de regresso e dado por
( )
,
2
1
2
=
=
n
Y
Y
S
n
i
i
i
e
(7)
onde Y
i
o resultado observado da varivel resposta Y para cada
valor da varivel preditora X, n o tamanho da amostra e
i
Y
o
valor esperado da varivel resposta obtidos a partir da Equao (2).
2.5 ndices de Capacidade
De maneira geral, os grficos de controle so teis no
monitoramento do nvel e da variabilidade de um processo, no
186| T p i c o s e A p l i c a e s
entanto, surgem situaes em que necessrio analisar esta
variabilidade em relao s especificaes de um processo ou
produto qualquer, para a eliminao ou reduo dessa varia-
bilidade, sendo neste aspecto, os ndices de capacidade uma
importante ferramenta estatstica frequentemente utilizada para
este propsito.
Basicamente, o estudo da capacidade visa verificar se o
processo consegue atender s especificaes, ou no. Ou seja,
avaliado se a disperso natural (6) de um processo est dentro dos
limites de especificao. Kotz e Lovelace (1998) apresentam uma
grande variedade de ndices de capacidade. Entretanto, os ndices
p
C
,
pu
C
,
pl
C
e
pk
C
so utilizados com maior frequncia para
mensurar a capacidade de um processo em atender s
especificaes e tambm so conhecidos como ndices da 1
gerao, por terem sido os primeiros a serem desenvolvidos.
Os ndices de capacidade da 2 gerao foram desenvolvidos e
adaptados com a Funo Perda de Taguchi (ou Projeto Robusto) e o
primeiro ndice proposto nessa gerao foi o ndice
pm
C . Segundo
Kotz e Lovelace (1998), a 3 gerao iniciou por volta de 1990,
seguido de um desencadeamento de vrios outros novos ndices. O
ndice
pmk
C chamado de ndice de 3 gerao, pois uma
combinao de
pk
C , um ndice de 1 gerao, com
pm
C
, um
ndice de 2 gerao.
2.5.1 ndices
C
p
e
C
p
*
O ndice de capacidade
p
C foi projetado para dar uma
medida indireta da habilidade do potencial do processo em
satisfazer as exigncias e definido por
o 6
LIE LSE
C
p
= , (8)
em que LSE e LIE so os limites superior e inferior de especificao,
respectivamente.
E n g e n h a r i a d e P r o d u o | 187
Na prtica, eventualmente o desvio padro do processo ()
no conhecido. Neste trabalho o desvio padro da Equao (8)
estimado por
( )
2
1
2
=
n
Y
Y
n
i
i
i
. Assim, a Equao (8) passa a ser escrita
como
( )
( )
2
1
2
=
=
n
Y
Y
LIE LSE
R
C
n
i
i
i
p
. (9)
Observa-se, ainda, que o ndice
p
C mede a disperso
permitida pelo processo somente em relao sua disperso
natural, no levando em considerao o local onde est centrado.
Dessa forma, o processo assume que o valor alvo, ou valor objetivo,
T (do ingls target), fixado pela gerncia da empresa ou por fora de
lei, para a mdia do processo, coincide com o ponto mdio
( )
2
LIE LSE
M
+
=
dos limites de especificao. Caso T M, o
processo denominado como Processo com Tolerncia Assimtrica,
e a estimativa indicada por p
C
no representa a capacidade real
do processo.
Para se calcular o ndice
p
C
relativo a processos que
apresentam tolerncias assimtricas, deve-se utilizar o ndice C
p
*
,
definido como
o 3
) ; (
*
LIE T T LSE min
C
p
= . (10)
188| T p i c o s e A p l i c a e s
Com base em
C
p
*
, percebe-se que se T = M, ento
C C
p p
=
*
. Como geralmente desconhecido, a equao
estimada de
*
p
C , neste trabalho, dada por
( )
( )
2
3
) ; (
1
2
=
n
i
i
LIE T T LSE min
R
n
i
Y
Y
C
p
. (11)
2.5.2 Teste de Hipteses e o ndice
p
C
Para Kotz e Lovelace (1998), na anlise da capacidade de um
processo, o interesse testar as hipteses H
0
: o processo no
capaz, contra H
1
: o processo capaz. Para testar estas hipteses,
estima-se o valor do ndice de capacidade e compara-o com o limite
inferior para determinao da capacidade, ou seja, para o ndice de
capacidade
p
C tm-se as seguintes hipteses
0 0
C C H
p
< =
versus
,
0 1
C C H
p
> =
onde C
0
comumente 1,00; 1,33 ou 1,67 e
a hiptese H
0
ser rejeitada se
0
C C
p
> . Uma estimativa de
33 , 1 =
p
C
se tornou o critrio mais comumente aceito como limite
inferior para determinao da capacidade de um processo. Esta
estimativa assegura que os dados do processo utilizam
aproximadamente 75% ou menos da amplitude de especificao
(RAMOS, 2003).
2.5.3 ndice
pu
C
, pl
C
,
*
pu
C
e
*
pl
C
Existem processos em que no se tem informao sobre o
limite de especificao superior, ou limite de especificao inferior.
Nesse caso, o processo apresenta apenas uma especificao
E n g e n h a r i a d e P r o d u o | 189
(especificao unilateral) e da surgem dois novos ndices de
capacidade,
pu
C e
pl
C . Adotando-se = T, os ndices
pu
C
e
pl
C
so obtidos, respectivamente,
a) quando o processo s apresenta limite superior de
especificao, por
;
3o
=
LSE
C
pu
(12)
b) quando o processo s apresenta limite inferior de
especificao, por
.
3o
LIE
C
pl
= (13)
O ndice
pu
C denominado de ndice de capacidade superior
e
pl
C o ndice de capacidade inferior, os quais se relacionam com
p
C por
( )
2
C C
C
pl pu
p
+
= . Caso e sejam desconhecidos so
utilizados, neste trabalho, os estimadores apresentados nas
Equaes (14) e (15), para obter as estimativas para ( ) R C
pu
e
( ) R C
pl
, respectivamente.
( )
( )
(
(
(
(
(
=
2
3
3
1
2
n
i
i
LSE
R
n
i
i
i
pu
Y
Y
Y
LSE
C
o
(14)
e
190| T p i c o s e A p l i c a e s
( )
( )
.
2
3
1
2
(
(
(
(
(
=
n
i
i
LIE
R
n
i
i
i
pl
Y
Y
LIE
Y
C
o
(15)
Observe que ambos os ndices
pu
C e
pl
C admitem que T =
M. Para o caso de T M, foram propostos os ndices
*
pu
C e
*
pl
C
obtidos a partir de generalizaes de
pu
C e
pl
C , neste trabalho,
*
pu
C e
*
pl
C so definidos, respectivamente, por
( )
( )
|
|
.
|
\
|
(
(
(
(
(
=
|
|
.
|
\
|
=
=
T LSE
Y
T
n
Y
Y
T LSE
T LSE
T
T LSE
R
C
i i
i
i
n
i
i
i
i i
pu
1
2
1
3
1
2
*
o
(16)
e
( )
( )
,
1
2
1
3
1
2
*
|
|
.
|
\
|
(
(
(
(
(
=
|
|
.
|
\
|
=
=
LIE T
Y
T
n
Y
Y
LIE T
LIE T
T
LIE T
R
C
i i
i
i
n
i
i
i
i i
pl
o
(17)
onde observa-se que quando T = M ento
C C
pu pu
=
*
e
C C
pl pl .
*
=
2.5.4 ndice
pk
C e
*
pk
C
E n g e n h a r i a d e P r o d u o | 191
Devido ao fato de
p
C no levar em conta a localizao da
mdia do processo em relao s especificaes, uma avaliao
mais eficiente sobre o desempenho do processo foi introduzida a
partir do ndice
pk
C , que leva em conta a variabilidade do processo
e sua localizao com relao aos limites de especificao. Este
ndice definido da seguinte forma
( )
C
pl
C
pu
C
pk
min ; = ou ;
3o
M d
C
pk
= (18)
em que
( )
2
LIE LSE
d
=
e
( )
.
2
LIE LSE
M
+
=
Como o desvio padro e a mdia do processo, geralmente,
so desconhecidos, neste trabalho, o estimador de
pk
C dado por
( ) ( ) ( ) { }. R ; R R
C
pl
C
pu
C
pk
min = (19)
Assim como para o ndice C
p
, foi desenvolvida uma
generalizao para
pk
C que o ndice
*
pk
C proposto para
utilizao em processos com tolerncias assimtricas, isto , quando
T M. Dessa maneira, neste trabalho utilizado o estimador
apresentado na Equao (20), para obter estimativas de ( ) R C
pk
*
.
( ) ( ) ( ) { }. ;
*
*
R R min R
C
pl
C
pu
C
pk
= (20)
2.5.5 ndice
pm
C ,
*
pm
C e
pmk
C
Kotz e Johnson (2002) relatam uma forma alternativa de
avaliar a proximidade do alvo devido variao do processo,
denominada de ndice de capacidade de Taguchi, ou ndice
pm
C
obtido a partir de
192| T p i c o s e A p l i c a e s
( )
.
6
2
2
T
LIE LSE
C
pm
+
o
(21)
O ndice de Taguchi
pm
C analisa o processo considerando a
proximidade de sua mdia em relao ao valor alvo T, que pode ser
notado a partir do termo ( )
2
T , que faz com que caso o
processo no esteja centrado no valor alvo, este ndice o corrige,
independente da variao de . Verifica-se que o ndice
pm
C se
diferencia dos ndices
p
C e
pk
C pelo fato de permitir a diferena
entre a mdia e o valor alvo T. Observe, ainda, que
pm
C assume
que o valor alvo coincide com o ponto mdio dos limites de
especificao (T = M), porm, quando isso no ocorre, h srias
desvantagens na sua utilizao, pois as estimativas calculadas por
pm
C resultaro em uma interpretao errnea em relao a real
capacidade do processo.
Como, geralmente, e do processo so desconhecidos
pm
C estimado, neste trabalho, por
( )
( )
( )
( )
.
2
1
2
2
T
Y
n
Y
Y
LIE LSE
T
LIE LSE
R
C
i
i
n
i
i
i
i i
pm
+
=
+
=
=
o
(22)
O fato do ndice
pm
C assumir que o ponto mdio M dos
limites de especificao coincide com o valor alvo T no contempla
os casos em que isso no ocorre. A partir disto, Chan et al. (1988)
propuseram o ndice
*
pm
C , utilizado em processos com tolerncias
assimtricas (T M), o qual uma generalizao de
pm
C , definido
por
( ) T
C
pm
LIE T T LSE min
+
=
o
2
2
*
3
) ; (
. (23)
E n g e n h a r i a d e P r o d u o | 193
Na prtica, e do processo so desconhecidos, assim o
estimador de
*
pm
C definido, neste trabalho, por
( )
( )
( )
( )
( )
( )
T
Y
n
i
Y
i
Y
i
LIE
i
T
i
T
i
LSE
i
T Y
C
pm
i
i
n
min LIE T T LSE min
R
=
+
=
2 1
*
2
3
;
3
;
o
, (24)
em que LSE e LIE so, respectivamente, os limites superior e inferior
de especificao, T o valor alvo para a mdia do processo e M
definido como anteriormente para o ndice
pk
C . Verifique que,
quando T = M, ento .
*
C C
pm pm
=
Este ndice relaciona a menor amplitude entre os limites de
especificao (superior ou inferior) com base em dois componentes
de variabilidade: a varincia e a centralizao do processo (com a
amplitude entre o valor alvo e a mdia do processo). Com isso,
percebe-se que importante o levar em considerao na anlise de
um processo que apresenta tolerncia assimtrica (T M).
O ndice
pmk
C foi introduzido por Pearn et al. (1992), sendo
mais sensvel em detectar desvios da mdia do processo em relao
ao valor alvo. Este ndice uma combinao de
pk
C e
pm
C ,
definido por
( )
( ) ( )
|
|
.
|
\
|
+
+
= =
T T
C
pml
C
pmu
C
pmk
LIE LSE
min min
o
2
2
2
2
3
;
3
; . (25)
A vantagem de
pmk
C em relao
pk
C e
pm
C o fato de
ser mais sensvel a desvios da mdia do processo em relao ao
valor alvo desejado.
Como, geralmente, e do processo so desconhecidos,
pmk
C estimado, neste trabalho, respectivamente por
194| T p i c o s e A p l i c a e s
( ) ( ) ( ) { } R R min R
C
pml
C
pmu
C
pmk
; = , (26)
em que os estimadores de
pmu
C e
pml
C , so definidos neste
trabalho por
( )
( )
( )
( )
T
Y
Y
Y
Y
LSE
T
C
i
i
n
LSE
R
n
i
i
i
i
i
pmu
=
+
=
=
2
1
2
2
2
3
3
o
(27)
e
( )
( )
( )
( )
T
Y
Y
Y
LIE
Y
T
C
i
i
n
LIE
R
n
i
i
i
i
i
pml
=
+
=
=
2
1
2
2
2
3
3
. (28)
Conforme Pearn e Kotz (1994 apud KOTZ e LOVELACE, 1998),
ordenando os ndices
p
C ,
pk
C ,
pm
C e
pmk
C em termos de
sensibilidade para diferenas entre a mdia do processo e o valor
objetivo, tm-se:
p pk pm pmk
C C C C > > > . Os critrios utilizados
durante a avaliao de
p
C podem ser os mesmos para avaliar
pm
C e
pmk
C , sendo assim, valores iguais ou superiores a 1,0
indicam um processo capaz.
3. Resultados
Os dados utilizados no presente estudo foram obtidos em
Souza et al. (2005) e so referentes a uma empresa de coleta de
resduos da cidade de Santa Catarina RS denominada PRT. O
Grupo PRT constitudo pela PRT (Prestao de Servios Ltda.) e
pela PRT (Engenharia de Saneamento e Meio Ambiente e Vigillare
Sevios de Segurana e Monitoramento de Sistemas Ltda.), que
contam com mais de 2.000 funcionrios.
Atualmente, a PRT agrega novos servios sua sistemtica
operacional, destacando-se a engenharia ambiental, a partir da
implantao de projetos, execuo e operao de aterros sanitrios,
E n g e n h a r i a d e P r o d u o | 195
assim como a coleta de resduos slidos compactveis, a coleta
seletiva e, mais recentemente, a coleta de resduos de sade.
Hoje, a PRT, com matriz em Santa Maria e filiais nas cidades
de Iju, So Borja, Jaguaro, Canoas, So Gabriel e Porto Alegre,
presta servios em mais de 100 municpios, situando entre as trs
maiores empresas de limpeza e entre as duas maiores de coleta de
resduos do estado. Sendo assim, este estudo se prope a monitorar
a coleta de resduos e avaliar sua capacidade produtiva na cidade de
Santa Maria RS, o que de fundamental importncia para a PRT e
suas filiais.
A atividade de coleta de resduos uma importante etapa no
processo de tratamento de resduos, pois nela que os materiais
orgnicos e inorgnicos devem ser coletados separadamente, e a
coleta seletiva deve ser implementada para que o processo de
reciclagem tenha seu incio. Neste estudo, apenas a coleta no
seletiva ser abordada, pois feita por caminhes compactados e
os resduos coletados so destinados ao aterro sanitrio da cidade
de Santa Maria.
Para o recolhimento dos resduos domiciliares e comerciais da
cidade de Santa Maria, a empresa PRT disponibiliza oito caminhes
compactadores, com capacidade mdia de 7.000 kg. A empresa
realiza, tambm, a coleta de lixo hospitalar e, no centro da cidade, a
coleta seletiva.
As variveis envolvidas no processo de recolhimento de
resduos so: a quilometragem percorrida pelo caminho
compactador, o volume lquido de resduos recolhidos, o tempo
gasto no recolhimento e o consumo de combustvel.
A varivel quilometragem informada pelos prprios
motoristas, que anotam o valor inicial e o final da quilometragem do
caminho, tendo como referncia a empresa. Para esse
procedimento, um formulrio prprio utilizado.
Os valores do peso lquido so fornecidos por um funcionrio
da Prefeitura Municipal de Santa Maria, que encarregado da
196| T p i c o s e A p l i c a e s
pesagem dos caminhes na entrada e na sada do aterro,
encontrando-se, assim, o peso lquido de resduos que foi
depositado. Dessa forma, efetuado o pagamento mensal
empresa, baseado no peso lquido depositado no aterro.
A distncia percorrida em cada setor sempre a mesma, pois
os percursos das rotas so predeterminados. A variabilidade da
quilometragem est no fato de que, quando h um aumento no
volume de resduos, os caminhes precisam ir mais vezes ao aterro
sanitrio, aumentando, dessa maneira, a quilometragem percorrida
e, consequentemente, o gasto com combustvel e o tempo de
recolhimento. Isso poderia ser mais bem dimensionado se fosse
possvel identificar os perodos em que um excesso de resduos
poder ocorrer. Dessa forma, um caminho compactador, com
maior capacidade, poder ser destinado rota onde esse fato
poder ocorrer, e o mesmo se aplica no caso inverso. Assim, uma
economia de combustvel e tempo seria realizada, proporcionando
benefcios para a empresa.
3.1 Obteno da Linha Central e dos Limites de Controle (Superior e
Inferior)
A partir dos dados de quilometragem percorrida pelo
caminho (Y
i
) e do volume de resduos recolhidos (X
i
), o modelo de
regresso clssica
. 0063 , 0 8233 , 124
X
Y i
i
+ =
(29)
O modelo em (29), representa a linha central do grfico de
controle de regresso e, os limites de controle (superior e inferior),
so obtidos a partir da Equao (6), e dados, respectivamente, por
i i
X LSC 0063 , 0 2298 , 494 + =
e
i i
X LIC 0063 , 0 5832 , 244 + =
,
para k = 3.
E n g e n h a r i a d e P r o d u o | 197
3.2 Estabelecendo os Limites de Especificao (Superior e Inferior),
o Ponto Mdio e o Valor Alvo
Os limites de especificao superior (LSE) e inferior (LIE),
geralmente, so determinados em funo da capacidade e/ou
necessidade produtiva dos processos, da exigncia do cliente ou por
fora de lei. Na prtica durante a definio dos limites de
especificao, deve-se ter a preocupao que quando um intervalo
de especificao for muito pequeno haver o risco de indicao de
alarmes falsos, ou seja, que problemas possam estar ocorrendo
quando na verdade no esto, por outro lado, quando o intervalo
de especificao for muito grande, haver o risco da no indicao
de que problemas possam estar ocorrendo. Com isso, necessrio
haver um equilbrio entre o limite de especificao e a
probabilidade dos valores amostrais da caracterstica em estudo
estarem situados na faixa de especificao.
Assim, aps verificar a normatizao da empresa responsvel
pela coleta de resduos da cidade de Santa Maria RS e, fixando o
coeficiente angular em 0,0063 (visando tornar os limites de
especificao paralelos a linha central e aos limites de controle
superior e inferior), os limites de especificao (superior e inferior)
so obtidos, respectivamente, a partir de.
i i
X LSE 0063 , 0 77 , 630 + = (30)
e
, 0063 , 0 61 , 315
i i
X LIE + = (31)
onde
i
X o volume de resduo recolhido. Alm disso, os valores
alvo para cada ponto amostral so obtidos a partir de
. 0063 , 0 58 , 57
X T
i i
+ = (32)
Finalmente, os pontos mdios dos limites de especificao, so
obtidos a partir de
. 0063 , 0 58 , 157
X M
i i
+ = (33)
198| T p i c o s e A p l i c a e s
3.3 Grfico de Controle de Regresso para o Processo de Coleta de
Resduos
A Figura 2 apresenta o grfico de controle de regresso para
as variveis volume e quilometragem, apresentando os limites de
controle e de especificao (superior e inferior), a linha central, o
valor alvo, o ponto mdio, com k = 3 e 1355 , 123 =
o
Y
. Nela,
verifica-se que a condio bsica do processo apresentar controle
estatstico est sendo respeitada, pois todos os pontos,
representados pela relao volume versus quilometragem, esto
situados entre os limites de controle (superior e inferior), portanto
dar-se- continuidade ao procedimento de obteno e a avaliao
dos ndices de capacidade.
Figura 2 - Grfico de Controle de Regresso Clssica para as Variveis Volume
e Quilometragem, Apresentando os Limites de Controle e de Especificao
(Superior e Inferior), a Linha Central, o Valor Alvo, o Ponto Mdio, com k = 3 e
. 1355 , 123 =
o
Y
T
M
LC
LIC
LIE
LSC
LSE
E n g e n h a r i a d e P r o d u o | 199
3.4 Obteno dos ndices de Capacidade para o Processo de Coleta
de Resduos Monitorado a partir do Grfico de Controle de
Regresso Clssica
Apresentam-se na Tabela 1 as estimativas para os ndices de
capacidade para o processo de coleta de resduos da cidade de
Santa Maria RS, monitorado a partir do grfico de controle de
regresso clssica.
Tabela 1- Estimativas para os ndices de Capacidade para o Processo de Coleta
de Resduos, Monitorado a partir do Grfico de Controle de Regresso Clssica
ndice Estimativa ndice Estimativa
( ) R
C
p
1,28
( ) R
C
pmk
1,05
( ) R
C
pu
1,37
( ) R
C
p
*
1,01
( ) R
C
pl
1,19
( ) R
C
pu
*
1,37
( ) R
C
pk
1,19
( ) R
C
pl
*
0,83
( ) R
C
pm
1,12
( ) R
C
pk
*
0,83
( ) R
C
pmu
1,20
( ) R
C
pm
*
0,89
( ) R
C
pml
1,05
Apesar de terem sido apresentadas na Tabela 1 as estimativas
para todos os ndices de capacidade abordados neste estudo,
importante, salientar que so analisados, a seguir, apenas os ndices
( ) R C
p
*
, ( ) R C
pu
*
, ( ) R C
pl
*
, ( ) R C
pk
*
e ( ) R
C
pm
*
, pois o processo de
coleta de resduos apresenta tolerncia assimtrica, isto , T M , o
que pode ser observado facilmente na Figura 5.
Assim, a partir do ndice ( ) 01 , 1
*
= R C
p
verifica-se que o
processo classificado como capaz, isto , a capacidade do processo
de coleta de resduos da cidade de Santa Maria est dentro da
especificao exigida. Entretanto, o responsvel deve tentar
diminuir a variabilidade resultante da quilometragem percorrida
200| T p i c o s e A p l i c a e s
pelo caminho e o volume de resduos recolhidos. Grficos de
controle de regresso so ferramentas teis para a manuteno do
processo sob controle estatstico, evitando a gerao de no-
conformidades no processo de coleta de resduos da cidade de
Santa Maria. Alm disso, ( ) R C
p
*
avalia indiretamente, quo
prximo o valor alvo est do ponto mdio dos limites de
especificao, porm a mdia desse processo no levada em
considerao. O valor mximo de ( ) R C
p
seria de 1,28 se T = M.
O valor de ( ) R C
pu
*
igual a 1,37, indica que o processo
classificado como capaz, isto , a capacidade do processo em
realizar a coleta de resduos, com valores acima da mdia
estabelecida para a cidade de Santa Maria, est dentro do
especificado. Nesta situao, o responsvel no precisa tomar
maiores cuidados com o processo, a menos que se queira reduzir a
variabilidade para aumentar a qualidade processo.
O valor de ( ) R C
pl
*
igual a 0,83, indica que o processo
classificado como inadequado, isto , a capacidade do processo em
realizar a coleta de resduos, com valores abaixo da mdia
estabelecida para a cidade de Santa Maria, est fora do
especificado. Nesta situao, o responsvel deve diminuir a
variabilidade do processo ou adotar novas metodologias que
garantam o atendimento as especificaes.
Os valores de ( ) R C
pk
*
igual a 0,83 e de ( ) R C
pm
*
igual a 0,89,
confirmam que a capacidade do processo em realizar a coleta de
resduos, com valores abaixo da mdia estabelecida para a cidade
de Santa Maria, est fora do especificado.
4. Consideraes Finais
A globalizao dos produtos e servios e a livre concorrncia
fizeram com que muitas empresas se preocupassem com a
qualidade de seus produtos e servios. Inmeros pesquisadores, de
E n g e n h a r i a d e P r o d u o | 201
diversas reas do conhecimento desenvolveram mtodos e
ferramentas para auxiliar os gestores a melhorar e garantir a
qualidade dos produtos e servios. Desta forma, os mtodos
estatsticos passaram a desempenhar um papel fundamental na
garantia da qualidade, na reduo do desperdcio e no
aperfeioamento dos processos, por exemplo, o planejamento e
controle de produo e o controle estatstico de processos, as
tcnicas de planejamento experimental baseadas em estatstica so
particularmente teis no mundo da engenharia para melhorar o
desempenho de um processo de fabricao, alm disso, tambm
so teis em atividades de projeto de produo, em que novos
produtos sejam desenvolvidos e produtos j existentes sejam
melhorados, ou seja, o planejamento e controle de produo um
mtodo extremamente importante para engenheiros que estejam
interessados em melhorar o desempenho de um processo de
fabricao (MONTGOMERY, 2004). Nesse sentido, diversas
ferramentas estatsticas foram desenvolvidas e/ou aperfeioadas
visando melhoria e o controle estatstico da qualidade de
processos, produtos e servios. Assim, este trabalho teve como
objetivo desenvolver e apresentar os ndices de capacidade, para
processos envolvendo variveis correlacionadas e monitoradas a
partir do grfico de controle de regresso clssica.
Foram desenvolvidos e apresentados 13 novos ndices de
capacidade para processos envolvendo variveis correlacionadas e
monitoradas a partir do grfico de controle de regresso clssica,
estes ndices so: ( ) R C
p
, ( ) R C
p
*
, ( ) R C
pu
, ( ) R C
pu
*
, ( ) R C
pl
,
( ) R C
pl
*
, ( ) R C
pk
, ( ) R C
pk
*
, ( ) R C
pm
, ( ) R C
pm
*
, ( ) R C
pmu
,
( ) R C
pmu
, ( ) R
C
pmk
. Para exemplificar a utilizao e anlise dos
ndices desenvolvidos foi utilizado um conjunto de dados de uma
empresa de coleta de resduos da cidade de Santa Maria RS, as
variveis estudadas foram a quilometragem percorrida pelo
caminho e o volume de resduos recolhidos.
202| T p i c o s e A p l i c a e s
Assim, a partir do ndice ( ) 01 , 1
*
= R C
p
pde-se verificar que a
capacidade do processo de coleta de resduos da cidade de Santa
Maria est dentro da especificao exigida. O valor de ( ) R C
pu
*
igual a 1,37, indicou que a capacidade do processo em realizar a
coleta de resduos, com valores acima da mdia estabelecida para a
cidade de Santa Maria, est de dentro do especificado. J o valor de
( ) R C
pl
*
igual a 0,83, indica que a capacidade do processo em
realizar a coleta de resduos, com valores abaixo da mdia
estabelecida para a cidade de Santa Maria, est fora do
especificado. Alm disso, que os valores de ( ) R C
pk
*
igual a 0,83 e
de ( ) R C
pm
*
igual a 0,89, confirmam que a capacidade do processo
em realizar a coleta de resduos, com valores abaixo da mdia
estabelecida para a cidade de Santa Maria, est fora do
especificado.
Finalmente, pde-se comprovar que ndices de capacidade
desenvolvidos neste trabalho so mais uma excelente opo de
ferramentas do controle estatstico da qualidade que podem ser
utilizadas na avaliao da capacidade de processos envolvendo
variveis correlacionadas e monitoradas a partir do grfico de
controle de regresso clssica.
Referncias
CHAN, L.K.; CHENG, S.W. e SPIRING, F.A. A New Measure of Process
Capability:
pm
C , Journal of Quality Technology, v. 20, n. 3, p.
162-173, 1988.
DEMING, W.E. Out of Crisis. Cambridge: MIT Press, 2000.
JACKSON, J.E. Quality Control Methods for Two Related Variables.
Industrial Quality Control, v. 12, n. 7, p. 4-8, Jan. 1956.
KOTZ, S.; JOHNSON, N. L. Process Capability Indices - A Review, 1992-
2000. Journal of Quality Technology, v. 34, n. 1, p. 2-19, 2002.
E n g e n h a r i a d e P r o d u o | 203
KOTZ, S.; LOVELACE, C.R. Process Capability Indices in Theory and
Practice, New York: Arnold, 1998.
MANDEL, B.J. The Regression Control Chart. Journal of Quality
Technology, v. 1, n. 1, p. 1-9, Jan. 1969.
MONTGOMERY, D.C.; RUNGER, G.C.; HUBELE, N.F. Estatstica Aplicada
Engenharia. Rio de Janeiro: Livros Tcnicos e Cientficos, 2004.
PEARN, W.L.; JOHNSON, N.L. e KOTZ, S. Distributional and Inferential
Properties of Process Capability Indices. Journal of Quality
Technology, v. 24, n. 4, p. 216-231, 1992.
PEARN, W.L.; KOTZ, S. Application of Clemant's Method for Calculating
Secondand Third Generation Process Capability Indices for Non-
normal Pearsonian Populations. Quality Engineering, v. 7, n.1,
1994.
SOUZA, A.M.; JACOBI, L.F.; PEREIRA, J.E. Grficos de Controle de
Regresso Usando o Statistica, Florianpolis: VisualBooks, 2005.
RAMOS, E.M.L.S. Aperfeioamento e Desenvolvimento de Ferramentas
do Controle Estatstico da Qualidade Utilizando Quartis para
Estimar o Desvio Padro. 2003. Tese (Doutorado em Engenharia
de Produo). Programa de Ps-Graduao em Engenharia de
Produo, Universidade Federal de Santa Catarina, Florianpolis,
Santa Catarina, 2003.
RIBEIRO, J.C. Curvas Caractersticas de Operao para Grficos de
Controle Utilizando o Estimador Baseado nos Quartis Amostrais
para Estimar o Desvio Padro. 2007. TCC (Bacharelado em
Estatstica). Programa de Graduao de Bacharelado em
Estatstica, Universidade Federal do Par, Belm, Par, 2007.
204| T p i c o s e A p l i c a e s
E n g e n h a r i a d e P r o d u o | 205
AVALIAO DA QUALIDADE EM SERVIOS:
QUALIDADE ESPERADA X QUALIDADE PERCEBIDA EM
UMA DISTRIBUIDORA DE ALIMENTOS E COSMTICOS
Sumrio do Captulo
1 Introduo
2. Aspectos Envolvidos na Obteno da Qualidade na Prestao
de Servios
2.1 Definindo servios
2.2 Especificidade dos servios
2.3 A medida da qualidade em servios
2.4 Modelos para avaliao da qualidade em servios
2.4.1 Modelo conceitual da qualidade em servios ou modelo de
GAP
2.4.2 Modelo SERVQUAL
3 Metodologia
4 Estudo de caso
4.1 Caracterizao da empresa
4.2 Amostra
4.3 Confiabilidade do questionrio
5 Anlise dos Resultados Obtidos
5.1 Anlise dos quartis
5.2 Identificao dos itens crticos
6 Concluses
206| T p i c o s e A p l i c a e s
E n g e n h a r i a d e P r o d u o | 207
AVALIAO DA QUALIDADE EM SERVIOS:
QUALIDADE ESPERADA X QUALIDADE PERCEBIDA EM
UMA DISTRIBUIDORA DE ALIMENTOS E COSMTICOS
Caio Gomes Bulhes
Diego Rafael Moraes Milhomem
Vernica de Menezes Nascimento Nagata
Resumo
Este trabalho tem como objetivo apresentar uma aplicao da
Gesto da Qualidade no setor de servios, atravs da anlise da
qualidade do servio prestado em uma distribuidora de alimentos e
cosmticos da regio metropolitana de Belm. Para isso, foi
construdo um estudo de casos que demonstra a utilizao do
modelo SERVQUAL, o qual foi adaptado para identificar quais
dimenses de um servio so consideradas mais importantes pelos
clientes e qual o desempenho da distribuidora em relao a essas
dimenses. Foram utilizados questionrios com uma amostra de
clientes, onde utilizou-se o coeficiente Alfa de Cronbach para
garantir a confiabilidade da aplicao.
Palavras-chave: Gesto de servios; Qualidade esperada; Qualidade
percebida.
208| T p i c o s e A p l i c a e s
1 Introduo
A partir da segunda metade do sculo XX, os servios
comearam a desempenhar um papel cada vez maior na vida
econmica dos pases industrializados. No Brasil, as estatsticas no
so diferentes da tendncia mundial. De 1985 a 1995, o setor de
servios teve um crescimento considervel e representou 70% do
emprego urbano do pas, segundo informaes da Central Brasileira
do Setor de Servios (CEBRASSE, 2008). Fatores como urbanizao,
mudanas socioeconmicas e tecnolgicas contriburam para a
formao desse cenrio no qual os servios exercem um papel
importante no desempenho de outros setores da economia,
principalmente no setor industrial.
Dentre as segmentaes do setor de servios, destaca-se o
setor atacadista/distribuidor, o qual um elo entre a indstria e o
cliente (varejista). Atualmente, o setor tem apresentado um
considervel crescimento devido ao aumento de pequenos varejos
espalhados por todo o Brasil, dificultando s grandes indstrias de
atend-los diretamente.
Empresas que pretendam continuar em atividade e com alto
grau de fidelizao de seus clientes, em um mercado cada vez mais
competitivo, devem dedicar especial ateno ao conhecimento das
necessidades desejos, interesses e expectativas dos mesmos, alm
de estabelecer estratgias eficazes de verificao da qualidade dos
servios que so prestados.
Dentre essas estratgias, destaca-se o modelo SERVQUAL
(Parasuraman et al., 1988) que se prope avaliar a qualidade em
servios atravs da comparao entre o servio esperado e o
percebido pelo cliente.
A partir da adaptao do modelo, realizou-se uma pesquisa
com os clientes de uma distribuidora de alimentos e cosmticos, os
quais manifestaram suas expectativas e percepes acerca do
servio, demonstrando quais os elementos mais importantes na
prestao do mesmo.
Este trabalho tem como objetivo apresentar uma aplicao da
Gesto da Qualidade no setor de servios, atravs da anlise da
E n g e n h a r i a d e P r o d u o | 209
qualidade do servio prestado em uma distribuidora de alimentos e
cosmticos da regio metropolitana de Belm.
2 Aspectos Envolvidos na Obteno da Qualidade na Prestao de
Servios
2.1 Definindo servios
Um servio uma atividade ou uma srie de atividades de
natureza intangvel que normalmente, mas no necessariamente
toma lugar entre o cliente, o prestador de servio e seus recursos
(FIGUEIREDO et al., 2003).
De acordo com Kotler (1998, pg. 412), Servio qualquer ato
ou desempenho que uma parte pode oferecer a outra e que seja
essencialmente intangvel e no resulte na propriedade de nada. A
execuo de um servio pode estar ou no ligada a um produto
concreto.
Grnroos (1995, p.36) prope a seguinte definio de servio:
O servio uma atividade ou uma srie de
atividades de natureza mais ou menos intangvel
que normalmente, mas no necessariamente,
acontece durante as interaes entre cliente e
empregados de servio e/ou recursos fsicos ou
bens e/ou sistemas do fornecedor de servios
que fornecida como soluo aos(s) problema(s)
do (s) cliente(s).
Segundo Cozendey (2007), o setor de servios vem assumindo
um papel cada vez mais importante no desenvolvimento da
economia mundial, tanto do ponto de vista da gerao de renda e
emprego, como da substancial contribuio para a dinmica
econmica dos pases.
De acordo com a Central Brasileira do Setor de Servios
(CEBRASSE, 2008), o setor compreende um tero do comrcio
mundial, sendo a rea de maior crescimento econmico. No Brasil,
essa evoluo seguiu a mesma trajetria. Em 2007, mais de 70% dos
empregos urbanos so do setor de servios, o qual foi responsvel
por 57% do PIB nacional.
210| T p i c o s e A p l i c a e s
2.2 Especificidade dos servios
A maior parte das empresas produz ou fornece um conjunto
de bens e servios oferecidos aos clientes. Entretanto, os servios
possuem certas peculiaridades, que sero descritas a seguir:
Os conceitos sobre qualidade do produto ou processo no se
aplicam integralmente para a prestao de servios. H trs
caractersticas principais que a distinguem dos bens fsicos:
intangibilidade, heterogeneidade e inseparabilidade
(PARASURAMAN et al., 1985).
Alm dessas caractersticas vastamente citadas na literatura,
autores como Hoffman e Bateson (2003) incluem a perecibilidade.
Essas caractersticas so detalhadas a seguir:
a) Intangibilidade
Os servios no podem ser medidos, contados, testados ou
verificados antes da venda para garantir a qualidade, pois so
intangveis por natureza e, ao contrrio dos bens tangveis, no se
pode mensurar a uniformidade das especificaes de produo
(COZENDEY, 2007).
b) Heterogeneidade
Um servio prestado a um cliente no ser exatamente igual
ao servio para o prximo cliente, uma vez que depender da
participao do usurio, resultando assim, na variabilidade do
processo. Por isso h dificuldade em se padronizar as operaes de
servio.
c) Inseparabilidade
Refere-se ao envolvimento do cliente no processo de
produo do servio, isto , o servio s produzido a partir do
momento que o cliente o requisita. O grau de contato entre cliente
e empresa muito maior do que na produo de bens e nesse
processo de interao pode variar de uma exigncia para que o
cliente esteja fisicamente para receber o servio, como em servios
E n g e n h a r i a d e P r o d u o | 211
dentrios e de sade ou da necessidade apenas para iniciar o
servio, como em oficinas mecnicas.
d) Perecibilidade
Esta caracterstica est relacionada com o fato de que os
servios no podem ser estocados, com isso a verificao de sua
qualidade acontece no exato momento do consumo. Portanto,
servios no podem ser guardados, nem a capacidade no utilizada
pode ser recuperada para outro momento. (HOFFMAN; BATESON,
2003).
2.3 A medida da qualidade em servios
Observa-se que a maioria dos servios resultante de aes
entre o cliente e as pessoas que representam a empresa e h
diferenas de valores pelo benefcio oferecido pelo servio entre os
diferentes clientes. De acordo com Cozendey (2007, pg. 7):
A qualidade de suma importncia na
conquista de cliente, pois alm de estimular a
venda de um produto ou servio e transmitir
uma imagem positiva da organizao como
um todo, quanto mais claro e preciso for o
processo de prestao de servios, maior ser
a satisfao do consumidor.
Ao contrrio do ambiente manufatureiro, no qual os
consumidores julgam a qualidade com base nos produtos que
adquirem, nos servios, o cliente julga os aspectos relacionados com
o processo do mesmo. Para Batalha et al. (2008), a qualidade do
servio pode ser resultante da percepo que o cliente teve do
servio, confrontada com o servio esperado.
Berry e Parasuraman (1996) afirmam que em cada tipo de
servio se estabelece parmetros de qualidade, embora o conceito
seja muitas vezes subjetivo. Para esses autores o que representa
qualidade para um cliente poder no ser para outro. Por isso,
212| T p i c o s e A p l i c a e s
necessrio descobrir quais atributos os clientes valorizam na
prestao de um servio.
2.4 Modelos para avaliao da qualidade em servios
Para Fitzsimmons e Fitzsimmons (2000), medir a qualidade
dos servios um desafio, pois a satisfao dos clientes
determinada por muitos fatores intangveis. Ao contrrio de um
produto com caractersticas fsicas que podem ser objetivamente
mensuradas. Assim como esses autores, Parasuraman et al. (1985)
sugerem que a avaliao da qualidade dos servios um fator
abstrato, por apresentar um conjunto de particularidades, como a
inter-relao entre perecibilidade e a participao do cliente.
A qualidade em servios contm muitas caractersticas
psicolgicas e estende-se alm de um encontro imediato, como no
caso de cuidados com a sade, tem impacto sobre a qualidade de
vida futura de uma pessoa (COZENDEY, 2007).
A seguir, so analisados dois modelos muito utilizados para
essa avaliao: o modelo conceitual da Qualidade em Servios ou
modelo GAP; e o modelo SERVQUAL, os quais serviro como base
para o estudo de caso apresentado nesse trabalho.
2.4.1 Modelo conceitual da qualidade em servios ou modelo de
GAP
Com base no conceito da lacuna existente entre a qualidade
esperada pelo cliente e a sua percepo de qualidade do servio
prestado pela empresa, Parasuraman et al. (1985) desenvolveu o
modelo denominado Modelo de Qualidade em Servios, no qual
destaca as cinco lacunas - tambm denominadas de GAP -
existentes na prestao do servio. A seguir, na Figura 1,
apresentado esse modelo.
E n g e n h a r i a d e P r o d u o | 213
Fonte: Adaptado de Parasuraman et al (1985)
Figura 1 - Modelo dos GAPs
2.4.2 Modelo SERVQUAL
O SERVQUAL foi desenvolvido por Parasuraman et al. (1988)
para a avaliao da qualidade percebida pelos clientes atravs da
medio do GAP 5 do modelo da qualidade em servios (GAP).
Consiste em um questionrio composto por mltiplos itens que
ponderam as cinco dimenses da qualidade: confiabilidade,
aspectos tangveis, segurana, responsividade e empatia.
(COZENDEY, 2007)
214| T p i c o s e A p l i c a e s
Essa ferramenta aplicada em duas etapas: a primeira
registra as expectativas dos clientes em relao ao servio,
composta por 22 itens de expectativas relacionadas s cinco
dimenses da qualidade. J na segunda etapa, so registrados 22
itens que medem as percepes dos clientes. Ao final dessas etapas,
gerada uma pontuao a partir da diferena entre as percepes e
expectativas registradas (P - E).
Se o resultado for negativo, significa que as percepes esto
aqum das expectativas, mostrando quais as falhas no servio que
geram insatisfao para o cliente. Caso o resultado seja positivo,
significa que o prestador de servio est oferecendo um servio
alm do esperado, fator determinante para a satisfao do cliente.
Para avaliar os 22 itens de cada etapa do SERVQUAL, utiliza-se
a escala Likert de sete pontos, na qual os extremos so marcados
como discordo totalmente (1 opo) e concordo totalmente
(7 opo).
Segundo Cozendey (2007), esse modelo pode ser utilizado
como forma de diagnstico para identificar, em diversos tipos de
servios, os pontos fortes e fracos da empresa, servindo de base
para a melhoria contnua. Mas para isso, necessrio que sejam
feitas adaptaes desse instrumento ao contexto do servio a ser
analisado.
3 Metodologia
Este trabalho foi construdo no formato de um estudo de caso
de natureza exploratria, em decorrncia do levantamento feito
junto aos gerentes dos departamentos da empresa e de seus
clientes, sendo desenvolvido em uma distribuidora de alimentos e
cosmticos da regio metropolitana de Belm. As etapas da
pesquisa esto relacionadas a seguir:
E n g e n h a r i a d e P r o d u o | 215
- Pesquisa bibliogrfica e consulta a internet;
- Identificao de processos e coleta de dados;
- Elaborao do questionrio;
- Aplicao do questionrio com os clientes;
- Tabulao dos dados obtidos;
- Anlise e Concluses da Pesquisa;
4 Estudo de caso
4.1 Caracterizao da empresa
A empresa escolhida para o estudo de caso uma
distribuidora de alimentos e cosmticos, localizada em Belm. Atua
h 15 anos no mercado e uma distribuidora atacadista que presta
servio pleno, do tipo atacadista comercial. Quanto ao tamanho da
organizao, classificada como empresa de mdio porte, haja vista
que possui mais de 50 funcionrios e seu faturamento bruto anual
est acima de R$ 2 milhes.
Possui em seu portflio marcas consolidadas no mercado,
tanto no setor alimentcio quanto de cosmticos, contabilizando um
mix de 1.141 produtos, dentre biscoitos, chocolates, refrescos, chs,
misturas para bolo, gelatinas, linha de maquiagem, perfumes,
shampoo, condicionador e tinturas para cabelo.
Para auxiliar seus processos, utiliza um sistema de
gerenciamento ERP, no qual esto cadastrados 2.242 clientes
distribudos em Belm e regio metropolitana, interior e no estado
do Amap. Esses clientes so formados principalmente por
mercadinhos e mercearias, mas tambm existem farmcias, sales
de beleza, lojas de convenincia, bares e restaurantes, padarias,
academias, hotis, atacarejos (conhecidos como meio-a-meio) e
grandes redes de supermercados e magazines.
216| T p i c o s e A p l i c a e s
4.2 Amostra
Para a definio da amostra, priorizou-se o volume de vendas
da empresa por clientes. Para tanto, foi elaborada uma classificao
dos clientes conforme o valor acumulado das compras, sendo
distribudos de acordo com a Tabela 1.
Tabela 1 - Vendas da Distribuidora por Valor de Compra
Classificao das
Vendas
Clientes Porcentagem Vendas
Acima R$ 10.000,00 102 50,94%
Entre R$ 1.000,00 e
R$10.000,00
1.062 42,34%
Abaixo de 1.000,00 1.078 6,72%
Total 2.242
Com essa classificao verificou-se que apenas 102 clientes,
isto , 4,55% do total representam 50,94% do faturamento da
empresa, valor significativo que serviu como base para a restrio
da amostra para aplicao do questionrio. Sendo assim, foram
trabalhados os clientes que efetuam compras acima do valor de R$
10.000,00 e pelo fato da maioria desses clientes estarem
distribudos dentro da regio metropolitana de Belm.
Para se determinar o tamanho da amostra, foi levado em
considerao o nvel de confiana desejado e a margem de erro
admitida. A frmula adotada para determinar o tamanho da
amostra adequada para pequenas populaes foi de Rea e Parker
apud Paula (2005), conforme a seguir:
Onde:
C = preciso ou erro mximo admissvel em termos de propores;
Z = nvel de confiana em unidades de desvio padro (intervalo
desejado);
E n g e n h a r i a d e P r o d u o | 217
P = proporo do universo;
N = nmero de elementos na populao.
Para verificao da quantidade de amostra, foi admitido um
intervalo de confiana desejvel de 90% e uma margem de erro
mxima de 10%. Sendo realizadas as adaptaes na frmula
obtm-se os seguintes dados:
C = preciso ou erro mximo admissvel em termos de propores =
10%;
Z = contagem Z para intervalo de confiana de 90% = 1,645;
P = proporo do universo = 50% (adotado de forma conservadora,
para resultar na maior taxa de resposta possvel);
N = tamanho da populao = 102.
Aplicando-se os valores determinados na equao para um
nvel de confiana de 90%, teremos uma taxa mnima de resposta
de 41 clientes que sero usados como amostra para avaliao da
pesquisa.
4.3 Confiabilidade do questionrio
A confiabilidade tem como objetivo verificar o quanto uma
escala avaliativa est livre do erro aleatrio, isto , se a escala for
repetida inmeras vezes pelos mesmos respondentes, ela
apresentar valores estveis para a anlise. Alm disso,
importante para os pesquisadores constatarem se as variaes no
so originrias de erros durante a aplicao da ferramenta.
Para se avaliar a confiabilidade de um questionrio, dois
mtodos so freqentemente utilizados: o Alfa de Cronbach e a
Correlao Item Total.
a) Alfa de Cronbach
Para garantir a confiabilidade do instrumento utilizado ser
utilizado o Coeficiente Alfa de Cronbach. Apresentado por Lee J.
Cronbach em 1951, o coeficiente uma das estimativas de
confiabilidade mais utilizadas em pesquisas nas quais se aplicam
questionrios. Sendo que todos os itens de um questionrio utilizam
218| T p i c o s e A p l i c a e s
a mesma escala de medio, o coeficiente, , com [0,1],
calculado a partir da seguinte equao:
Onde:
K: o nmero de itens do questionrio;
Si: a varincia do item i;
S
t
: a varincia total do questionrio.
A partir da frmula, o coeficiente pode ser calculado em
duas etapas:
1. necessrio calcular a varincia de cada coluna i, denotada
por Si;
2. Deve-se somar todas as varincias (obter a soma total dos
julgamentos de cada avaliador) e, em seguida calcular a
varincia destas somas.
Para que a pesquisa apresente um nvel de confiabilidade
satisfatrio, Malhotra apud Cozendey (2007) considera que este
coeficiente que varia de 0 a 1, apresente um valor superior a 0,6
servindo desta forma como base para a anlise dos dados da
pesquisa.
Atravs da anlise dos dados na Tabela 2, relacionada ao nvel
de percepo e grau de importncia obtida pela avaliao dos
clientes da empresa, possvel verificar que todos os valores de Alfa
apresentaram-se dentro do intervalo de confiana estabelecido
nesta pesquisa, sendo que a dimenso tangibilidade apresentou
menor valor de Alfa em ambas anlises, ficando prximo ao limite
estabelecido como confivel.
E n g e n h a r i a d e P r o d u o | 219
Tabela 2 - Coeficientes Alfa Obtidos
C
l
i
e
n
t
e
s
Valores de Alfa Obtidos
CONFIABILIDADE TANGIBILIDADE ATENDIMENTO
|1 |2 |3 |4 |5 |6 |7 |8 |9 |10 |11 |12
(P) 0,785 0,691 0,760
(|) 0,726 0,605 0,657
C
l
i
e
n
t
e
s
GARANTIA/ SEGURANA EMPATIA
|13 |14 |15 |16 |17 |18 |19 |20 |21 |22
(P) 0,805 0,808
(|) 0,803 0,703
Para verificar a possibilidade de elevar os valores de Alfa, foi
analisada a viabilidade de excluso ou permanncia de alguns itens
considerados crticos no modelo. Estes itens fazem com que ocorra
a melhora no nvel de confiabilidade do instrumento ou inviabilize
sua aplicao fazendo-se as devidas alteraes, fato que pode ser
confirmado atravs da analise de correlao das afirmativas do
questionrio.
b) Correlao item-total
Esta correlao dos dados permite determinar o grau em que
cada item do questionrio est relacionado soma total dos pontos
(pontuao total) obtidos pelos demais itens que avaliam a
dimenso a qual este item pertence (FREITAS; ARICA, 2008).
Para que seja estabelecido um forte grau de correlao entre
os itens que avaliam a mesma dimenso, estes devem se relacionar
positivamente. Diferente desta condio identifica-se um baixo nvel
de correlao sendo possvel assim verificar que alguns itens podem
220| T p i c o s e A p l i c a e s
no ter sido compreendido pelos clientes ou estarem identificando
necessidades diferentes da dimenso proposta.
O coeficiente de correlao varia entre -1 e +1. Sendo que (-1)
significa total correlao negativa total entre os itens, (+1)
correlao positiva total e (0) a inexistncia de correlao.
As anlises dos itens crticos podem ser visualizadas nas
Tabelas 3 e 4, onde se verifica a viabilidade das assertivas no
questionrio e o quanto cada uma se relaciona com as demais
dentro da mesma dimenso no qual foram elaboradas.
Na Tabela 3, que avalia a confiabilidade do questionrio
segundo a percepo dos clientes, pode se concluir que:
1. Os valores de correlao Inter-Item Mdio apresentaram em
todas as dimenses analisadas valores positivos, garantindo
confiabilidade no aspecto geral da pesquisa;
2. A dimenso Tangibilidade, que apresentou menor valor de
alfa poderia melhorar o valor do coeficiente retirando o item
I6. Apesar deste item ter correlao positiva, o que menos
se correlaciona com os demais itens que avaliam esta
dimenso, podendo ter sido mal redigido ou estar avaliando
outra dimenso. J em relao ao item I8, O valor de alfa
reduz consideravelmente com sua eliminao, no podendo
ser retirado do instrumento, pois inviabilizaria a
confiabilidade da dimenso, ficando o valor de alfa abaixo
dos parmetros estabelecidos como referncia na pesquisa;
3. Na dimenso Confiabilidade, a retirada do item I3 do
questionrio elevaria o valor do coeficiente alfa, fato que
pode se confirma por este item apresentar um baixo nvel de
correlao em comparao aos demais que avaliam esta
dimenso, sendo necessrio ser adaptado para que avalie
melhor a dimenso a qual foi proposto;
4. Em relao s demais dimenses analisadas, os valores de
alfa e coeficientes de correlao item-total que os mesmos
mantiveram nveis considerados satisfatrios para pesquisa
de acordo com parmetros
estabelecidos.
E n g e n h a r i a d e P r o d u o | 221
Tabela 3 - Confiabilidade do Questionrio quanto Percepo
Confiabilidade Questionrio (Percepo)
DIMENSO Item Alfa ()
Corr.
Inter-
Item
Mdio
Alfa (se o
item for
eliminado)
Corr. Item
- Total
CONFIABILIDADE
I1
0,785412 0,431756
0,739704 0,618466
I2 0,746988 0,574583
I3 0,807883 0,346326
I4 0,728898 0,612733
I5 0,686039 0,722131
TANGIBILIDADE
I6
0,691248 0,419693
0,746906 0,373566
I7 0,620726 0,489638
I8 0,337154 0,684382
ATENDIMENTO
I9
0,759898 0,447974
0,659761 0,641618
I10 0,615079 0,715011
I11 0,744904 0,485651
I12 0,764403 0,445984
GARANTIA /
SEGURANA
I13
0,805238 0,456305
0,710125 0,755582
I14 0,801697 0,467312
I15 0,781220 0,559985
I16 0,771432 0,605101
I17 0,760707 0,613858
EMPATIA
I18
0,807913 0,458603
0,782198 0,559538
I19 0,793639 0,523579
I20 0,785850 0,545055
I21 0,751960 0,652887
I22 0,736045 0,702031
222| T p i c o s e A p l i c a e s
Em relao aos itens relacionados na Tabela 4, que avaliam a
confiabilidade do questionrio segundo o grau de importncia
atribudo pelos clientes da distribuidora, observou-se que:
1. A Correlao Inter-Item Mdio das dimenses analisadas
apresentaram valores positivos, garantindo a viabilidade da
pesquisa;
2. Na anlise dos itens crticos obtidos, a dimenso
Tangibilidade obteve menor valor de alfa, caso que pode ser
melhorado com a sada do item I6, o qual apresenta tambm
menor valor de correlao com os demais itens que avaliam
esta dimenso. O valor do coeficiente reduz
significativamente com a retirada dos itens I7 e I8. Essas
duas assertivas no podem ser retiradas da pesquisa por
inviabilizar a dimenso reduzindo largamente o valor de alfa.
3. Na dimenso Atendimento, o valor de alfa aumenta com a
eliminao do item I9, que apresenta tambm menor valor
de correlao Item-Total na dimenso analisada, podendo
este item ter sido mal redigido ou estar associado a dois ou
mais conceitos. Percebe-se que em relao aos itens I11 e
I12 que sua permanncia no questionrio de grande
relevncia para a pesquisa por inviabilizar resultados caso os
mesmos sejam retirados.
4. Nas demais dimenses analisadas, os valores de alfa
mantiveram-se constantes assim como a correlao Item-
Total, com exceo do Item I22 e I20, que apresentaram
baixo valor de correlao, porm a retirada do questionrio
da afirmativa I20 no se justifica devido esta apresentar
grande relevncia para os clientes.
E n g e n h a r i a d e P r o d u o | 223
Tabela 4 - Confiabilidade do Questionrio quanto Importncia
Confiabilidade Questionrio (Importncia)
DIMENSO Item Alfa ()
Corr. Inter-
Item Mdio
Alfa (se o item
for eliminado)
Corr. Item -
Total
CONFIABILIDADE
I1
0,726458 0,405589
0,648452 0,671172
I2 0,679727 0,520347
I3 0,705527 0,422735
I4 0,687965 0,635807
I5 0,680581 0,493618
TANGIBILIDADE
I6
0,604563 0,335563
0,610885 0,333908
I7 0,469251 0,437227
I8 0,374916 0,496904
ATENDIMENTO
I9
0,656872 0,384460
0,699530 0,341514
I10 0,627062 0,431335
I11 0,557837 0,550957
I12 0,433842 0,624285
GARANTIA /
SEGURANA
I13
0,802842 0,463035
0,802073 0,453526
I14 0,733257 0,704139
I15 0,748067 0,647616
I16 0,760692 0,602512
I17 0,778961 0,587752
EMPATIA
I18
0,703188 0,328335
0,614161 0,557302
I19 0,625130 0,532895
I20 0,707879 0,321167
I21 0,624518 0,563245
I22 0,685557 0,378477
5 Anlise dos Resultados Obtidos
A Tabela 5 apresenta as mdias das percepes e
importncias colhidas na aplicao do questionrio, junto com
o valor do GAP correspondente a cada item do questionrio.
224| T p i c o s e A p l i c a e s
Dessa forma, calcula-se o GAP por:
Onde:
GAP = lacuna entre percepo e importncia;
= mdia da percepo da caracterstica avaliada no servio;
= mdia da importncia atribuda caracterstica avaliada no servio.
Tabela 5 - Anlise das Percepes, Importncias e GAPs
C
l
i
e
n
t
e
s
Dimenses Analisadas
CONFIABILIDADE TANGIBILIDADE ATENDIMENTO GARANTIA/ SEGURANA EMPATIA
|1 |2 |3 |4 |5 |6 |7 |8 |9 |10 |11 |12 |13 |14 |15 |16 |17 |18 |19 |20 |21 |22
5,17 4,54 5,00 4,11 4,03 4,37 4,14 3,80 4,17 3,71 4,11 4,80 4,46 4,37 4,03 4,11 4,37 4,40 4,51 4,54 4,00 4,17
6,66 6,17 6,37 5,20 6,23 5,94 4,97 4,49 5,06 5,80 5,83 5,54 6,11 6,34 6,00 6,11 5,51 5,51 5,94 5,94 6,00 6,26
GAP -1,49 -1,63 -1,37 -1,09 -2,20 -1,57 -0,83 -0,69 -0,89 -2,09 -1,71 -0,74 -1,66 -1,97 -1,97 -2,00 -1,14 -1,11 -1,43 -1,37 -2,00 -2,09
Tabela 6 - Classificao das Prioridades de Acordo com a Percepo
Classificao de prioridades segundo afirmativas de percepo
PRIORIDADE CRTICA PRIORIDADE ALTA PRIORIDADE MODERADA PRIORIDADE BAIXA
|10 |8 |21 |5 |15 |4 |11 |16 |7 |9 |22 |6 |14 |17 |18 |13 |19 |2 |20 |12 |3 |1
3,71 3,80 4,00 4,03 4,03 4,11 4,11 4,11 4,14 4,17 4,17 4,37 4,37 4,37 4,40 4,46 4,51 4,54 4,54 4,80 5,00 5,17
1 Quartil= 4,11 2 Quartil= 4,27 3 Quartil= 4,50
E n g e n h a r i a d e P r o d u o | 225
Atravs das mdias das percepes, consegue-se identificar o
desempenho de cada item na avaliao do cliente, sendo aqueles
que apresentam as menores mdias so os mais crticos na
prestao do servio. Da mesma forma, em relao importncia,
os itens que apresentam as maiores mdias so aqueles
considerados prioritrios para o cliente ficar satisfeito com o
servio.
Entretanto, para uma anlise mais eficiente, necessrio que
se analise as discrepncias (GAPs) entre as mdias da percepo e
importncia do servio prestado pela distribuidora. Como todos os
valores dos GAPs so negativos, conclui-se que todos os itens
avaliados esto aqum das expectativas do cliente, e precisam ser
melhorados. Analogamente, itens com GAPs positivos significam
que o servio est alm do esperado.
5.1 Anlise dos quartis
Os itens em que os valores dos GAPs foram negativos so
considerados crticos e precisam ser analisados de forma a se
reduzir ou eliminar as falhas detectadas. Como todos os itens nessa
anlise esto nessa situao, necessrio definir quais so as
prioridades, isto , os itens com maior urgncia para serem
atenuados de forma a no prejudicar a satisfao do cliente em
relao ao servio prestado.
Sendo assim, para se elaborar a escala de prioridades dos
itens avaliados na pesquisa, utilizou-se como ferramenta de auxlio
o Quartil. Na estatstica descritiva, um quartil qualquer um dos
trs valores que divide o conjunto ordenado de dados em quatro
partes iguais, e assim cada parte representa 1/4 da amostra ou
populao.
5.2 Identificao dos itens crticos
Com a diviso dos dados em quartis, os valores enquadrados
no 1 quartil correspondem a 25% do total de itens, sendo
caracterizados como itens de prioridade crtica na avaliao da
226| T p i c o s e A p l i c a e s
percepo e do GAP mdio. Os itens pertencentes aos 2, 3 e 4
quartil so classificados como prioridade alta, prioridade
moderada e prioridade baixa, respectivamente. Quanto
avaliao da importncia dos itens, essa classificao invertida,
sendo o 1 quartil considerado prioridade baixa e assim
sucessivamente.
Pode-se observar na Tabelas 6 e 7 quais itens so os mais
crticos de acordo com as percepes dos clientes, ou seja, aqueles
que apresentaram os menores valores mdios de percepo na
avaliao do servio prestado.
Tabela 7 - Detalhamento das Prioridades Segundo a Percepo
ITEM MDIA PRIORIDADE CRTICA
10 3,71
Clientes informados de modo proativo em
relao ao andamento do pedido
8 3,80
Facilidade de acesso as instalaes da
Empresa
21 4,00
Flexibilidade quanto s condies e
formas de pagamento
5 4,03
Pedidos entregues de acordo com o que
solicitado (quantidade e tipo)
15 4,03
Funcionrios competentes com
conhecimento para responder as
perguntas dos clientes.
4 4,11
Clientes atualizados sobre informaes de
seus produtos e servios.
11 4,11
Facilidade do cliente obter informaes
sobre o status do pedido ou dos estoques.
16 4,11
Comportamento dos funcionrios
transmite confiana aos clientes
Do mesmo modo, nas Tabelas 8 e 9 so observados os itens
mais crticos dentre os considerados mais importantes pelos clientes
durante a prestao de um servio, que so aqueles que
apresentaram os maiores valores mdios de importncia.
E n g e n h a r i a d e P r o d u o | 227
Tabela 8 - Classificao das Prioridades de Acordo com a Importncia
Classificao de prioridades segundo afirmativas de importncia
PRIORIDADE CRTICA PRIORIDADE ALTA PRIORIDADE MODERADA PRIORIDADE BAIXA
|8 |7 |9 |4 |17 |18 |12 |10 |11 |20 |6 |19 |15 |21 |13 |16 |2 |5 |22 |14 |3 |1
4,49 4,97 5,06 5,20 5,51 5,51 5,54 5,80 5,83 5,91 5,94 5,94 6,OO 6,00 6,11 6,11 6,17 6,23 6,26 6,34 6,37 6,66
1 Quartil= 5,52 2 Quartil= 5,94 3 Quartil= 6,16
Tabela 9 - Classificao das Prioridades de Acordo com os GAPs
Classificao de prioridades segundo os GAPs
PRIORIDADE CRTICA PRIORIDADE ALTA PRIORIDADE MODERADA PRIORIDADE BAIXA
|5 |10 |22 |16 |21 |14 |15 |11 |13 |12 |16 |1 |19 |20 |3 |17 |18 |4 |9 |7 |12 |18
2,20 2,09 2,09 2,00 2,00 1,97 1,97 1,71 1,66 1,63 1,57 1,49 1,43 1,37 1,37 1,14 1,11 1,09 0,89 0,83 0,74 0,69
1 Quartil= -1,97 2 Quartil= -1,53 3 Quartil= -1,12
228| T p i c o s e A p l i c a e s
Tabela 10 - Detalhamento das Prioridades Segundo a Importncia
ITEM MDIA PRIORIDADE CRTICA
2 6,17
Cliente se sente seguro comprando com
a distribuidora
5 6,23
Pedidos entregues de acordo com o que
solicitado (quantidade e tipo)
22 6,26
Mudanas nas datas de entrega
(antecipao ou postergao) conforme
as necessidades dos clientes
14 6,34
Poltica adequada e transparente para
troca ou devoluo de produtos
3 6,37
Produtos entregues em boas condies
de consumo, sem danos e dentro do
prazo de validade
1 6,66
Cumprimento dos prazos de entrega
estabelecidos
At agora, definiu-se de forma isolada as prioridades em
relao s percepes do cliente e o grau de importncia atribudo.
Para uma anlise mais precisa, devem-se definir as prioridades de
acordo com os valores dos GAPs de cada item avaliado, pois assim
consegue-se trabalhar com os itens que ao mesmo tempo so
considerados mais importantes e apresentam um baixo
desempenho.
Sendo assim, as Tabelas 10 e 11 indicam os itens que
apresentam as maiores lacunas entre as caractersticas do servio
percebido e o grau de importncia das mesmas, isto , quais
caractersticas de um servio o cliente julga mais importante e em
que nvel est o desempenho da mesma.
E n g e n h a r i a d e P r o d u o | 229
Tabela 11 - Detalhamento das Prioridades Segundo os GAPs
ITEM MDIA PRIORIDADE CRTICA
5 -2,20
Pedidos entregues de acordo com o que
solicitado (quantidade e tipo)
10 -2,09
Clientes informados de modo proativo
em relao ao andamento do pedido
22 -2,09
Mudanas nas datas de entrega
(antecipao ou postergao) conforme
as necessidades dos clientes
16 -2,00
Comportamento dos funcionrios
transmite confiana aos clientes
21 -2,00
Flexibilidade quanto s condies e
formas de pagamento
14 -1,97
Poltica adequada e transparente para
troca ou devoluo de produtos
15
Conhecimento dos funcionrios para
responder as perguntas dos clientes
Ainda de acordo com a Tabela 11, obtm-se os itens da
prestao do servio da distribuidora que precisam ser melhorados
com urgncia, pois so justamente aqueles considerados mais
importantes pelos clientes e que apresentam baixo desempenho.
Estes itens so comentados, no quadro a seguir.
Item Descrio do Resultado Encontrado
5 Pedidos entregues de acordo com o que solicitado: Na distribuidora,
ocorrem com freqncia casos de pedidos em que produtos so
trocados (variao do produto, do sabor ou fragrncia, linha,
gramatura, etc.) ou enviados em quantidades superiores ou inferiores
a solicitada.
10 Clientes informados de modo proativo sobre o andamento do pedido:
Identificou-se que na distribuidora no h um setor exclusivo para
relacionamento com o cliente, seja para esclarecer dvidas ou entrar
230| T p i c o s e A p l i c a e s
Quadro 1 Oportunidades de Melhoria no Servio da Empresa.
Uma vez apontadas as oportunidades de melhoria no servio
prestado pela empresa, apresentam-se na seo seguinte as
concluses alcanadas durante a realizao deste estudo.
6 Concluses
Na adaptao do modelo SERVQUAL, foi analisada a diferena
entre as percepes que o cliente tem do servio e o grau de
importncia que ele atribui a cada caracterstica avaliada no
em contato com o cliente para informar a previso de entrega.
14
Poltica adequada e transparente para troca ou devoluo de
produtos: Constatou-se que a empresa no possui uma poltica
transparente para a troca ou devoluo de produtos, haja vista que,
por mais que exista essa poltica, ela no divulgada amplamente
entre os clientes e nem compreendida por todos.
15 Conhecimento dos funcionrios para responder as perguntas dos
clientes: Com a anlise dos dados coletados, observou-se que alguns
funcionrios da empresa no possuem conhecimento adequado do
funcionamento da distribuidora como um todo ou at mesmo de seu
setor.
16
Comportamento dos funcionrios transmite confiana aos clientes:
Na viso dos clientes, os funcionrios no transmitem confiana
durante as operaes de servios. Este um fator que gera a
desconfiana dos clientes e prejudica a relao entre empresa e
usurio.
21
Flexibilidade quanto s condies e formas de pagamento:Segundo
anlise da pesquisa, esse item precisa ser melhorado para garantir
uma maior satisfao dos clientes. Entretanto, a empresa j possui
variedade nas formas de pagamento, pois alm dobs pagamentos
vista, aceita cheque e boleto.
22
Mudanas nas datas de entrega conforme as necessidades dos
clientes: a empresa possui certa flexibilidade em relao as variaes
na data de entrega, apesar de no ser considerada suficiente na
opinio dos clientes. Estas mudanas, porm, podem comprometer a
entrega de outros clientes e resultar em insatisfaes caso algum
cliente deixe de ser atendido em virtude dessas variaes.
E n g e n h a r i a d e P r o d u o | 231
modelo. Dessa forma, aps a verificao da confiabilidade do
instrumento e tabulao dos dados, foram identificados sete itens
crticos, os quais so justamente aqueles que so considerados mais
importantes pelos clientes e apresentam um baixo desempenho.
A partir da identificao de cada item classificado como
crtico, os gestores de servios esto munidos de informaes
preciosas para procederem as melhorias, de sorte a adequarem o
servio que prestam ao esperado pelos clientes.
Constata-se, com a realizao do estudo, que esse modelo
uma ferramenta prtica e eficiente para a deteco dos itens que
precisam ser otimizados em uma organizao prestadora de servio,
desde que sejam feitas adaptaes de acordo com a especificidade
do servio. Observa-se tambm que, as empresas de servio
poderiam utilizar o modelo para periodicamente aferir o seu
desempenho e com os resultados proceder s mudanas
necessrias para agir de forma mais estratgica e proativa em
relao a seu mercado.
Finalmente, destaca-se a importncia estratgica desse
estudo, uma vez que aborda ferramentas da Gesto da Qualidade
(SERVQUAL e GAPs) utilizadas como fonte de informaes para a
tomada de deciso em uma organizao da cadeia Logstica e que
impactar na Gesto da Competitividade da mesma.
Referncias
BATALHA, Mrio Otvio et al. Introduo a Engenharia de Produo.
Rio de Janeiro: Elsevier, 2008.
BERRY, Leonard L. E PARASURAMAN, A. Servios de marketing:
competindo atravs da qualidade. So Paulo, Maltese, 1996.
CENTRAL BRASILEIRA DO SETOR DE SERVIOS. Anurio Brasileiro do
Setor de Servios. Disponvel em:
<http://www.cebrasse.org.br/downloads/anuario_cebrasse.pdf>
Acesso em: 20 abr. 2009.
232| T p i c o s e A p l i c a e s
COZENDEY, Manaara Iack. Um modelo experimental para avaliao da
qualidade de servios hospitalares. Dissertao (mestrado em
Engenharia de Produo) - Universidade Estadual do Norte
Fluminense, Campos dos Goytacazes, RJ, 2007.
FIGUEIREDO, K. F. et al. Logstica e gerenciamento da cadeia de
suprimentos: planejamento do fluxo de produtos e dos recursos.
So Paulo: Atlas, 2003.
FITZSIMMONS, James A.; FITZSIMMONS, Mona. Administrao de
servios: operaes, estratgia e tecnologia de informao.
Traduo: Gustavo Severo de Borba. 2 ed. Porto Alegre: Bookman,
2000.
FREITAS, Andr; ARICA, Gudelia. A auto-avaliao de IES: um modelo
para a avaliao das disciplinas curriculares segundo a percepo
do corpo discente. Revista iberoamericana de educacon, 2008.
GRONROOS, C. Marketing, Gerenciamento e Servios: a competio
por servios na Hora da Verdade. Traduo: Cristina Bazn. 5 ed.
Rio de Janeiro: Campus, 1993.
HOFFMAN, K. D.; BATESON, J. E. G. Princpios de marketing em
servios: conceitos, estratgias e casos. So Paulo: Pioneira
Thomson Learnig, 2003
KOTLER, Philip. Administrao de marketing: anlise, planejamento,
implementao e controle. 5 ed. So Paulo: Atlas, 1998.
PARASURAMAN, A.; ZEITHAML, V. A.; BERRY, L. L. A conceptual model
of service quality and its implications for future research. Journal
of Marketing, Chicago, 1985.
______. SERVQUAL: a multiple-item scale for measuring consumer
perceptions of service quality. Journal of Retailing, v. 64, 1988.
PAULA, Luis M. As estratgias atuais adotadas pelas empresas
empreendedoras oriundas de incubadoras. Tese de Mestrado em
Administrao. Pontifcia Universidade Catlica do Rio de Janeiro,
2005
E n g e n h a r i a d e P r o d u o | 233
Autores
Andr Clementino de Oliveira Santos
Graduado em Tecnologia de Processamento de Dados pelo Centro
de Ensino Superior do Par (1993) e em Engenharia Civil pela
Universidade Federal do Par (1995). Mestrado em Engenharia de
Produo pela Pontifcia Universidade Catlica do Rio de Janeiro
(1998). Doutorando em Engenharia de Recursos Naturais (UFPA).
Possiu experincia na rea de Engenharia de Produo, com
nfase em Planejamento, Projeto e Controle de Sistemas de
Produo, e Engenharia Civil com nfase em Tecnologia das
Construes e Viabilidade Econmica de Empreendimentos.
Docente da Universidade do Estado do Par (UEPA) e Universidade
da Amaznia (UNAMA).
Andr Cristiano Silva Melo
Engenheiro Mecnico pela UFPA. Mestre e Doutor em Engenharia
de Produo pelo COPPE/UFRJ. Professor da Universidade do
Estado do Par (UEPA) e da Universidade da Amaznia (Unama).
Pesquisador e coordenador nos grupos de Gesto de Sistemas
Logsticos e de Sistemas Produtivos para o Desenvolvimento
Regional (UEPA) e coordenador do Ncleo Integrado de Logstica e
Operaes (NILO/UEPA). Foi Coordenador de Redes Tecnolgicas
na SEDECT/PA e Consultor da Fundao COPPETEC/UFRJ em
projetos junto a Bunge Alimentos/ Diviso Santista e Furnas
Centrais Eltricas S. A.. Foi Professor de Logstica na UERJ, UFRJ e
UGF/RJ, instrutor de logstica no PIEBT/UFPA, Petrobrs e
Schlumberger.
Clarissa Stefani Teixeira
Graduada em Educao Fsica pela Universidade Federal de Santa
Maria (2004), especialista em Atividade Fsica, Desempenho Motor
234| T p i c o s e A p l i c a e s
e Sade na linha de pesquisa Biomecnica da Atividade Fsica pela
Universidade Federal de Santa Maria (2005). mestre em
Distrbios da Comunicao Humana pela Universidade Federal de
Santa Maria (2006-2008) e doutoranda em Engenharia de
Produo linha de pesquisa Ergonomia pela Universidade Federal
de Santa Catarina (UFSC). Desenvolve estudos voltados para a
sade e qualidade de vida dos trabalhadores atuando
principalmente na rea de Ergonomia e Biomecnica.
Caio Gomes Bulhes
Engenheiro de Produo (UEPA), Pesquisador da Rede de
Inbubadoras de Base Tecnolgica da UEPA (RITU).
Diego Rafael Moraes Milhomem
Engenheiro de Produo (UEPA). Extensionista da Empresa Junior
de Engenharia de Produo da UEPA.
Diktherman Viana da Silva
Engenheiro de Produo graduado pela Universidade da Amaznia
(UNAMA). Consultor da AS Consultoria Ltda, atuando nas reas
de Gesto da Produo e Qualidade
Edson Marcos Leal Soares Ramos
Doutor em Engenharia de Produo pela Universidade Federal de
Santa Catarina (UFSC). Mestre em Estatstica pela Universidade
Federal de Pernambuco (UFPE). Pesquisador nas reas de
Estatstica, Engenharia de Produo e Economia, com nfase em
Mtodos e Modelos Matemticos, Economtricos e Estatsticos,
atuando principalmente nos seguintes temas: estatstica, sries
temporais, modelagem, previso, anlise multivariada,
experimentao agronmica, segurana pblica, bioestatstica e
controle estatstico da qualidade. Professor do Instituto de
E n g e n h a r i a d e P r o d u o | 235
Cincias Exatas e Naturais (ICEN), da Universidade Federal do Par
(UFPA).
Edson Pacheco Paladini
Doutor em Engenharia de Produo (UFSC, 1992), mestre em
Engenharia de Sistemas (UFPb - Campina Grande - 1979),
especializao em Administrao da Produo (UFPb, 1981) e
graduao em Matemtica (UFSC, 1975). Atua nas reas de
Engenharia, Gesto e Avaliao da Qualidade. autor de 11 livros
sobre temas inseridos em suas reas de atuao e de artigos
tcnicos publicados em peridicos qualificados. Atualmente
integra o Comit de Avaliao dos Programas de Ps-graduao da
CAPES na rea das Engenharias III. Foi coordenador do Programa
de Ps-graduao em Engenharia de Produo da Universidade
Federal de Santa Catarina (UFSC). docente do Departamento de
Engenharia de Produo e Sistemas da UFSC.
Eugenio Andrs Daz Merino
Possui graduao em Desenho Industrial pela Universidade Federal
do Rio de Janeiro, mestrado e doutorado em Engenharia de
Produo pela Universidade Federal de Santa Catarina pela
Universidade Federal de Santa Catarina (2000). pesquisador
CNPq e vem desenvolvendo projetos e pesquisas em nvel
nacional e internacional. professor da Universidade Federal de
Santa Catarina (UFSC) e atua no Programa de Ps Graduao em
Engenharia de Produo e no Programa de Pos Graduao em
Design, atuando nas reas de Ergonomia e design.
Evander Dayan de Mattos Alencar
Discente de graduao em Eng. de Produo da Universidade do
Estado do Par (UEPA). Pesquisador do Ncleo Integrado de
Logstica e Operaes (NILO/UEPA) e extensionista da Empresa
Jnior de Engenharia e Tecnologia da UEPA Holstica.
236| T p i c o s e A p l i c a e s
Fbio Jos Hiplito Ferreira
Mestre em Estatstica formado pela Universidade Federal do Par
(UFPA). Possui experincia na rea de Probabilidade, Anlise de
Regresso e Controle Estatstico da Qualidade, com nfase em
Avaliao de Processos, Anlise Multivariada e Segurana Pblica.
Professor da rede pblica de ensino do Estado do Par
Raphael Arajo Barbosa
Graduado em Engenharia de Produo UEPA (2010). Pesquisador
premiado pelo CNPQ pelo desenvolvimento do melhor trabalho de
iniciao cientfica do ano de 2009. Possui experncia na rea de
Gesto de Custos, PCP e Logstica.
Renata Melo e Silva de Oliveira
Engenheira de Produo (UEPA, 2005). Mestre em Engenharia de
Produo e Sistemas (UFSC, 2007), na rea de Sistemas de
Produo. Conselheira da Cmara Industrial do CREA-Pa. Co-
fundadora e Pesquisadora do Ncleo de Pesquisa Aplicada ao
Desenvolvimento Regional (NUPAD) nas reas de Gesto
Econmica, Gesto do Conhecimento e Engenharia da
Sustentabilidade. docente da Unversidade do Estado do Par
(UEPA).
Renata Pinheiro de Azevedo
Engenheira de Produo pela UEPA (2006). Coordenadora da rea
de Planejamento e Controle de Manuteno da empresa
Concesso Metroviria do Rio de Janeiro Metr Rio. Mestre em
Engenharia de Transporte pela Universidade Federal do Rio de
Janeiro (UFRJ). Atua na rea de Planejamento e Controle de
Manuteno e como pesquisadora em Transporte Pblico de
E n g e n h a r i a d e P r o d u o | 237
Massa. Possui experincia em gesto de processos, programao e
controle, indicadores de desempenho e gesto financeira.
Vanessa Mayara Souza Pamplona
Especialista em Bioestatstica pela UFPA. Atua como pesquisadora
nas reas de Probabilidade e Estatstica, com nfase em Mtodos
e Modelos Matemticos, Economtricos e Estatsticos, atuando
principalmente nos seguintes temas: Estatstica, Anlise
Multivariada, Segurana Pblica, Bioestatstica e Controle
Estatstico da Qualidade.
Vernica de Menezes Nascimento Nagata
Engenheira Civil (UFPA). Mestre em Engenharia de Produo com
nfase na Gesto da Qualidade (UFSC). Auditora e Consultora de
Sistemas de Gesto da Qualidade. Atua como pesquisadora nas
reas de Gesto da Qualidade, Empreendedorismo e
Inovao.Consultora ad hoc do CNPq e Fundao de Apoio
Pesquisa do Estado do Par- FAPESPA. Membro do Comit
avaliador de trabalhos do Simpsio em Engenharia de Produo-
SIMPEP.
Yvelyne Bianca Iunes Santos
Doutoranda em Engenharia de Recursos Naturais da Amaznia
pela Universidade Federal do Par (UFPA). Mestre em Engenharia
Civil com nfase Pesquisa Operacional pela Pontifcia
Universidade Catlica do Rio de Janeiro (PUC-RJ). Possui
experincia na rea de Engenharia de Produo, atuando
principalmente nas reas de otimizao de processos produtivos,
transportes e sustentabilidade. Professora da Universidade do
Estado do Par (UEPA) e da Universidade da Amaznia (UNAMA).
238| T p i c o s e A p l i c a e s