Universidade Estadual de Maring

Centro de Tecnologia
Departamento de Engenharia de Produo

Simulao dinmica de processo de atendimento para servios de

assistncia tcnica em equipamentos de automao bancria uso
do software Arena: estudo de caso

Alexandre Sabadin

TCC-EP-02-2012

Maring - Paran
Brasil

ii

Universidade Estadual de Maring

Centro de Tecnologia
Departamento de Engenharia de Produo

Simulao dinmica de processo de atendimento para servios de

assistncia tcnica em equipamentos de automao bancria uso
do software Arena: estudo de caso
Alexandre Sabadin

TCC-EP-02-2012

Trabalho de Concluso de Curso apresentado como

requisito de avaliao no curso de graduao em
Engenharia de Produo na Universidade Estadual de
Maring UEM.
Orientador: Prof. Dr. Manoel Francisco Carreira

Maring - Paran
2012

iii

Dedico este trabalho aos meus pais Ivo e Maria Elisabeth

e minha esposa Dionia.

iv

AGRADECIMENTOS
Aos meus pais, Ivo e Maria Elisabeth, por todo o amor e carinho que sempre me
proporcionaram; pelos seus ensinamentos ao longo da vida, especialmente em educao,
respeito e valores morais; por seus incansveis esforos a fim de proporcionar-me sempre
acesso a estudo de boa qualidade e por seus exemplos de dedicao, trabalho, persistncia,
boa vontade e infinitos outros belos adjetivos.
Aos meus avs Joo (in memoriam), Rosa (in memoriam), Ivnio (in memoriam) e Diva por
todo incentivo, amor e carinho que s avs sabem presentear.
De forma muito especial, minha esposa Dionia, exemplar e companheira, pelo seu
incentivo e amor incondicionais, em todos os momentos que temos passado juntos.
minha irm Fabiane, pelo seu amor, amizade e constantes incentivos.
A todos os membros da famlia, seja por laos de sangue ou de amor, por todo o amparo e
incentivo nesta caminhada.
Aos amigos, que sempre estiveram e estaro ao meu lado, em todos os momentos.
Aos colegas de turma que foram companheiros nos momentos necessrios desta importante
etapa de nossas vidas.
minha prima Cinara, pela sua imensa contribuio nas correes deste trabalho.
Aos professores, em especial ao professor Manoel Francisco Carreira, pela sua enorme
colaborao, pacincia, bom senso e contribuio, proporcionando-me ensinamentos tcnicos
indispensveis para o desenvolvimento deste trabalho.

Se os senhores da guerra
Mateassem ao p do fogo
Deixando o dio pra trs,
Antes de lavar a erva
O mundo estaria em paz!
Silvio Aymone Genro & Joo Chagas Leite

vi

RESUMO
Este trabalho um estudo de caso sobre os processos de atendimento aos clientes de uma
empresa prestadora de servios de manuteno de equipamentos de automao bancria. Seus
clientes so agncias bancrias que necessitam de manuteno in loco em seus equipamentos.
Portanto, o tcnico de manuteno sempre se desloca at o cliente para realizar seu trabalho.
O processo compreendido pela ocorrncia do defeito em um equipamento (que pode estar
localizado em qualquer cliente inserido em uma regio de abrangncia), pelo deslocamento do
tcnico de manuteno e inclusive pelo servio de reparo, foi modelado e simulado
dinamicamente utilizando-se o software Arena. A ideia de utilizar simulao dinmica ter
uma ferramenta que auxilie na previso de possveis deficincias e demandas que o processo
de atendimento de chamados tcnicos possa possuir caso sofra alteraes inerentes sua
realidade.
Foram efetuadas coletas de dados estatsticos referentes aos tempos e mtodos envolvidos no
processo real estudado, bem como se procedeu compilao desses dados e gerao de
grficos de distribuies de probabilidades, os quais foram inseridos no modelo criado, para
que este pudesse representar o caso real, produzindo a aleatoriedade de entrada de dados,
dentro dos parmetros de mdias e desvios padro obtidos.
Como resultado, foi obtido um modelo do caso real, elaborado com recursos de fluxograma e
tambm de animao, do software Arena. O modelo foi simulado com nove cenrios
distintos e dez replicaes cada um. Em cada cenrio, foi acrescido o nmero de chamados
tcnicos gerados pelo sistema e verificado o comportamento do nmero de chamados
atendidos, taxas de utilizao dos recursos, como os tempos de trabalho do tcnico de
manuteno em relao ao tempo disponvel pelo seu turno de trabalho e taxas de utilizao
do seu meio de transporte.
Pde ser verificado que h um nmero mximo de aproximadamente 2,35 chamados dirios
atendidos por tcnico de manuteno, sem que haja formao de filas considerveis e atrasos
significativos nos atendimentos aos clientes.
Palavras-chave: simulao, Arena, atendimento, cliente.

vii

SUMRIO
SUMRIO ............................................................................................................................. VII
1

INTRODUO .................................................................................................................. 1
1.1
1.2
1.3
1.4
1.5

JUSTIFICATIVA ............................................................................................................... 1
DEFINIO E DELIMITAO DO PROBLEMA .................................................................... 2
OBJETIVO GERAL ............................................................................................................ 4
OBJETIVOS ESPECFICOS ................................................................................................. 4
SEQUNCIA LGICA DO TRABALHO ................................................................................ 4

REVISO DE LITERATURA ......................................................................................... 6

2.1 PESQUISA OPERACIONAL ................................................................................................ 6
2.1.1 Origens da pesquisa operacional ........................................................................... 6
2.1.2 Aplicaes da pesquisa operacional ...................................................................... 7
2.2 MODELAGEM E SIMULAO DE SISTEMAS ...................................................................... 8
2.2.1 Classificao dos sistemas para modelagem e simulao ................................... 11
2.2.2 O Mtodo de Monte Carlo .................................................................................... 12
2.2.3 Geradores de Nmeros Aleatrios ....................................................................... 13
2.2.4 Variveis de estado............................................................................................... 13
2.2.5 Eventos.................................................................................................................. 14
2.2.6 Entidades e atributos ............................................................................................ 14
2.2.7 Recursos e filas de recursos ................................................................................. 14
2.3 TEORIA DAS FILAS ........................................................................................................ 15
2.3.1 Terminologia e notao bsica da teoria das filas .............................................. 16
2.3.2 Notao de Kendall .............................................................................................. 17
2.4 GRFICO DE PARETO .................................................................................................... 19
2.4.1 Tipos de grficos de Pareto .................................................................................. 19
2.5 O SOFTWARE ARENA .................................................................................................. 20

DESENVOLVIMENTO .................................................................................................. 25
3.1

CONTEXTUALIZAO DO ESTUDO DE CASO .................................................... 27

4.1
4.2
4.3

METODOLOGIA ............................................................................................................. 25
ESQUEMAS DO PROCESSO ............................................................................................. 27
ABRANGNCIA DOS SERVIOS ...................................................................................... 28
ESCOLHA DO GRUPO DE EQUIPAMENTOS A SIMULAR .................................................... 30

DADOS DA MODELAGEM E APLICAO ............................................................. 31

5.1 DISTNCIAS ENTRE OS CLIENTES .................................................................................. 31
5.2 QUANTIDADE DE CHAMADOS TCNICOS ....................................................................... 35
5.3 TEMPOS DE ATENDIMENTO ........................................................................................... 43
5.4 CONSTRUO DO MODELO NO ARENA ...................................................................... 45
5.4.1 Animao .............................................................................................................. 47
5.4.2 O tcnico e sua base ............................................................................................. 51
5.4.3 Gerao e distribuio de chamados tcnicos ..................................................... 51
5.4.4 Processos de atendimento dos chamados............................................................. 55

RESULTADOS OBTIDOS ............................................................................................. 63

6.1
6.2

CENRIO ZERO ............................................................................................................. 63

DEMAIS CENRIOS ....................................................................................................... 64

viii

CONCLUSO ......................................................................................................................... 69
REFERNCIAS...................................................................................................................... 71

ix

LISTA DE ILUSTRAES
Figura 1 Maneiras de estudar um sistema ........................................................................................................ 9
Figura 2 Classificao dos sistemas para modelagem e simulao ................................................................. 11
Figura 3 Representao simblica de um sistema de fila simples: FIFO ......................................................... 16
Figura 4 Centro com uma fila e mltiplos servidores ...................................................................................... 16
Figura 5 Centro com mltiplas filas e um servidor ......................................................................................... 16
Figura 6 Sistema de fila com regra de atendimento LIFO ............................................................................... 17
Figura 7 Grfico de Pareto para causas ......................................................................................................... 20
Figura 8 Grficos de distribuies normal e uniforme .................................................................................... 21
Figura 9 Grficos de distribuies triangular e exponencial ........................................................................... 21
Figura 10 Grficos de distribuies lognormal e erlang ................................................................................. 22
Figura 11 Grficos de distribuies gamma e Beta ......................................................................................... 22
Figura 12 Grfico de distribuio Weibull ..................................................................................................... 22
Figura 13 Tela principal do Arena............................................................................................................... 23
Figura 14 Barra de templates ......................................................................................................................... 23
Figura 15 Esquema geral de abertura de chamados ....................................................................................... 28
Figura 16 Processo de chamado, na perspectiva do tcnico ........................................................................... 28
Figura 17 Diagrama de Pareto para os equipamentos atendidos .................................................................... 30
Figura 18 Rede de distncias entre clientes .................................................................................................... 32
Figura 19 Agrupamento dos clientes............................................................................................................... 33
Figura 20 reas dos agrupamentos ................................................................................................................ 34
Figura 21 Distribuio de probabilidades para criao dos chamados de ATM ............................................. 39
Figura 22 Distribuio de probabilidades para criao dos chamados de IMP .............................................. 39
Figura 23 Distribuio de probabilidades para criao dos chamados de TMF ............................................. 40
Figura 24 Grfico de distribuio de frequncias, conforme a hora de abertura de chamados ....................... 42
Figura 25 Distribuio de probabilidades para tempos de atendimento de ATM ............................................ 43
Figura 26 Distribuio de probabilidades para tempos de atendimento de IMP ............................................. 44
Figura 27 Distribuio de probabilidades para tempos de atendimento de TMF ............................................ 44
Figura 28 Viso geral do modelo.................................................................................................................... 46
Figura 29 Animao do modelo ...................................................................................................................... 47
Figura 30 Configurao dos mdulos Stations ............................................................................................... 48
Figura 31 Configurao do mdulo Network Link .......................................................................................... 48
Figura 32 Configurao dos mdulos Network e Transporter ......................................................................... 49
Figura 33 Pontuao do cliente ...................................................................................................................... 51
Figura 34 Fluxogramas do modelo: etapa cria TR e Base do TR .................................................................... 51
Figura 35 Gerao e distribuio de chamados .............................................................................................. 52
Figura 36 Configurao dos mdulos Create para chamados ......................................................................... 52
Figura 37 Configurao dos mdulos Decide, para ATM, IMP e TMF ........................................................... 53
Figura 38 Configurao dos mdulos Assign, para tempos de atendimento .................................................... 53

Figura 39 Configurao dos mdulos Decide para distribuio dos chamados .............................................. 54
Figura 40 Configurao do mdulo Route ...................................................................................................... 55
Figura 41 Processos de atendimentos de chamados (rea 1 at rea 10) ....................................................... 56
Figura 42 Configurao dos mdulos Enter do tcnico e Decide verifica hora ............................................... 58
Figura 43 Configurao do mdulo Signal cheguei e Hold aguarda trmino do processo .............................. 59
Figura 44 Configurao dos mdulos Decide verifica se h chamados e Request AREA_X ............................ 59
Figura 45 Configurao do mdulo PickStation AREA_X e Enter AREA_X .................................................... 60
Figura 46 Configurao dos mdulos Decide separa ATM, IMP e TMF ......................................................... 60
Figura 47 Configurao dos mdulos Assign registra ATM, IMP e TMF ........................................................ 61
Figura 48 Configurao dos mdulos Assign atualiza pontuao ................................................................... 61
Figura 49 Configurao dos mdulos Assign registra ATM, IMP e TMF atendidos ........................................ 61
Figura 50 Configurao dos mdulos Hold Aguarda chegada do tcnico e Process atende AREA_X ............. 62
Figura 51 Configurao do mdulo Decide separa ATM, IMP e TMF ............................................................ 62
Figura 52 Grfico que representa o nmero de chamados .............................................................................. 65
Figura 53 Grfico da utilizao dos recursos ................................................................................................. 66
Figura 54 Grfico de tempos acumulados por rea ........................................................................................ 67
Quadro 1 - Algumas aplicaes da pesquisa operacional .................................................................................... 8
Quadro 2 Cidades atendidas pela equipe de Maring ..................................................................................... 29

xi

LISTA DE TABELAS
Tabela 1 Quantidade de chamados de ATM em 2011 ...................................................................................... 36
Tabela 2 Quantidade de chamados de IMP em 2011 ....................................................................................... 37
Tabela 3 Quantidade de chamados de TMF em 2011 ...................................................................................... 38
Tabela 4 Distribuio de chamados de ATM por rea, em 2011 ..................................................................... 41
Tabela 5 Distribuio de chamados de IMP por rea, em 2011 ...................................................................... 41
Tabela 6 Distribuio de chamados de TMF por rea, em 2011 ..................................................................... 42
Tabela 7 Quantidade de chamados ................................................................................................................. 64
Tabela 8 Taxas de utilizao........................................................................................................................... 65
Tabela 9 Tempos mdios de atendimento para cada rea ............................................................................... 68

xii

LISTA DE ABREVIATURAS E SIGLAS

ATM

Automatic Teller Machine

CHAMA

Sistema para controle de chamados, pertencente empresa Brasil S/A

CPU

Central Processing Unit

ERP

Enterprise Resource Planning

FGVA

Funes Geradoras de Variveis Aleatrias

FIFO

First In, First Out

GNA

Gerador de Nmeros Aleatrios

GPSS

General Purpose Simulation System

HTML

Hypertext Markup Language

IBM

International Business Machines

IMP

Impressora

IP

Internet Protocol

LIFO

Last In First Out

MMC

Mtodo de Monte Carlo

OS

Ordem de Servio

PO

Pesquisa Operacional

Marca Registrada

SD

Simulao Dinmica

SI

Sistemas de Informao

TAA

Terminal de Auto Atendimento

TI

Tecnologia da Informao

TMF

Terminal de Mltiplas Funes

TR

Tcnico Residente

VoIP

Voz sobre IP

INTRODUO

Toda empresa precisa ser competitiva no mercado. Para isso imprescindvel que sejam
identificados e otimizados os detalhes de seu processo produtivo.
Constantemente empresas passam por alteraes em seus processos, comumente encontrados
em todos os nveis da organizao. Tais processos so constitudos pelas mais diversas
naturezas, so os processos produtivos, operacionais e muitos outros, tanto em empresas de
manufatura de bens quanto em prestadoras de servios. No entanto, essas alteraes ou
adequaes so baseadas em qu? Muitas vezes so efetivadas de forma emprica, sem um
trabalho adequado e preciso a respeito do assunto ou do problema instalado.
Nessa perspectiva, com o intuito de embasar cientificamente o estudo e a anlise do problema
em questo e tornar tais adequaes mais eficientes, o uso da simulao computacional
dinmica se consolida como uma poderosa ferramenta.
Dessa forma, dados e informaes acerca do processo da empresa estudada (uma prestadora
de servios de manuteno) so, neste estudo, analisados e registrados. A partir da abstrao
desse processo, criado um modelo computacional, que, por sua vez, simulado
dinamicamente, com vrias hipteses, baseando-se nos recursos disponveis. Como resposta,
possvel identificar possveis gargalos e propor melhorias, para que o gestor possa
implement-las com mais segurana.
1.1

Justificativa

Como uma forte justificativa ao uso da simulao computacional, destaca-se que questes
como o que aconteceria se? podem ser respondidas sem que o sistema sob investigao
sofra alteraes, pois todos os estudos so realizados no computador. Ou seja, alteraes no
processo podem ser feitas primeiramente no modelo criado, de forma muito mais gil, rpida
e com custos significativamente baixos. Aps realizados os testes e obtidos os resultados com
vrias hipteses de melhorias no modelo, essas alteraes podem ser implementadas no
sistema real, com grande probabilidade de acerto.
Um processo de atendimento de chamados para assistncia tcnica significativamente
complexo, especialmente no caso estudado, onde existem inmeras variveis a serem
analisadas e consideradas.

1.2

Definio e delimitao do problema

Este trabalho ser baseado em uma empresa que desenvolve tecnologia e prestadora de
servios na rea de sistemas de informao (SI) e tecnologia bancria, atuante em todo o
territrio nacional h mais de trinta anos e com mais de trs mil colaboradores.
A empresa em questo ser referenciada pelo nome fictcio Brasil S/A. Dentre os diversos
servios prestados pela empresa Brasil S/A, destacam-se:

assistncia tcnica, com mais de quarenta unidades distribudas em todo o Brasil;

suporte a processos de negcios, tais como gerenciamento eletrnico de

documentos, impresso de documentos, microfilmagem e contact center;

sistemas e aplicaes de tecnologia da informao (TI), tais como data center,

tecnologia voz sobre IP (VoIP), segurana de TI e desenvolvimento e migrao
para software livre.

A simulao dinmica dos processos de servios ser efetuada abrangendo apenas um dos
servios citados: o de assistncia tcnica, atendido pela regional Londrina.
A regional Londrina atende mais de 130 clientes, localizados na metade norte do estado do
Paran e compreendida pelas mesorregies: Noroeste paranaense, Norte Central paranaense,
Norte Pioneiro paranaense, Centro Ocidental paranaense e Centro Oriental paranaense. Cada
mesorregio composta por um grupo de cidades vizinhas e por microrregies, conforme ser
visto com mais detalhes no desenvolvimento do trabalho.
H dezesseis tcnicos de manuteno disponveis na regional Londrina para o atendimento
das cinco mesorregies citadas. Alguns residem fora dessa cidade, o que os caracteriza como
tcnicos residentes (TR). No ano de 2011 (perodo considerado para o presente trabalho), a
cidade de Maring possua dois TRs, compondo uma equipe que atende predominantemente a
mesorregio Noroeste paranaense e parte da mesorregio Norte Central paranaense. Na
prtica (caso real), cada mesorregio pode ser atendida por uma ou mais equipes de tcnicos,
sendo possvel o intercmbio de atendimento entre tcnicos, bem como possvel existir
sombras sobre as mesorregies, que podem ser atendidas por mais de uma equipe, conforme
a demanda.
Em termos de modelagem, esse caso pode tornar-se bastante complexo para o presente
trabalho, razo pela qual essa realidade ser simplificada, fazendo com que no modelo a ser

construdo os TRs de Maring atendam somente a mesorregio Noroeste paranaense e parte

da mesorregio Norte Central e que essas mesorregies sejam atendidas somente por esses
tcnicos. Mais detalhes sobre essas distribuies sero apresentados na seo deste trabalho
denominada desenvolvimento.
Nem as

demais mesorregies, nem os tcnicos de manuteno pertencentes regional

Londrina sero considerados no modelo. Posteriormente, os resultados obtidos podero ser

replicados s demais microrregies, mesorregies, outras regionais e nacionalmente, pois
tendem a possuir o mesmo comportamento da amostra abordada.
Os tcnicos deslocam-se diariamente at as cidades-destino para realizar seu trabalho,
conforme a chegada de chamados para assistncia tcnica. A lgica de distribuio (ou
alocao) de chamados aos tcnicos de manuteno efetuada de forma emprica e conforme
o conhecimento tcito de um colaborador que atua h vrios anos na funo de analista de
chamados. Nessa perspectiva, o enfoque principal deste trabalho direciona-se justamente
abordagem da otimizao do processo de alocao dos chamados aos tcnicos de
manuteno, atentando-se s suas localizaes geogrficas, com o objetivo de reduzir
tempos e custos e de aumentar o nmero de chamados atendidos mensalmente,
aumentando, por conseguinte, a lucratividade da empresa e a satisfao do cliente.
Busca-se, tambm, a ampliao de melhorias que por ventura possam ser decorrentes
dessa nova organizao.
O software Arena ser utilizado como ferramenta computacional, com o propsito de
auxiliar na identificao de restries e possibilidades de melhorias no processo de
atendimento tcnico, abrangendo seus tempos e mtodos.
A fim de tornar possvel a concluso deste trabalho, sero abordados os chamados
relacionados s mesorregies e microrregies atendidas pelos trs tcnicos residentes na
cidade de Maring.
Mais detalhes sobre esses ltimos tpicos sero abordados na seo Desenvolvimento.
A simulao dinmica (SD) estar restrita utilizao do software Arena.

1.3

Objetivo geral

Simular dinamicamente o processo para atendimento aos clientes, com servios de assistncia
tcnica em equipamentos de automao bancria e propor melhorias no sistema, a fim de
otimizar tal processo.
1.4

Objetivos especficos

Com a finalidade do desdobramento do objetivo geral em tarefas menores, de menor

complexidade e exequveis, so listadas algumas metas delimitadas no intuito de que seja
atingido o objetivo geral, quais sejam:
revisar a literatura;
delimitar o cenrio a ser simulado;
compreender e caracterizar o processo a ser abordado;
coletar as informaes pertinentes, tais como tempos e mtodos envolvidos;
gerar as tabelas e curvas de dados para alimentar o sistema a ser simulado;
criar o modelo do sistema;
simular o sistema;
criar cenrios de anlise sistematicamente;
armazenar os resultados obtidos;
formatar e analisar periodicamente os resultados obtidos;
propor melhorias no sistema, com base nos resultados dos cenrios simulados.
Aps cumprir todos os objetivos especficos (ou metas), ser possvel agrup-los, atingindo,
dessa forma, o objetivo geral de maneira satisfatria e de acordo com o proposto.
1.5

Sequncia lgica do trabalho

Nesta seo sero apresentados brevemente os assuntos tratados em cada captulo.

Captulo 1 Introduo e objetivos do trabalho: esse captulo inicial apresenta uma breve
descrio do mercado e do tema do trabalho. Os objetivos gerais e especficos apresentam as
diretrizes para que o propsito do trabalho seja atingido.
Captulo 2 Reviso de literatura: o segundo captulo apresenta os conceitos de todos os
assuntos necessrios para o desenvolvimento e a compreenso do trabalho, com base em

bibliografia reconhecidamente oficial. Esse captulo aborda conceitos introdutrios de

pesquisa operacional e sua aplicao com simulao; modelagem e simulao de sistemas e
suas aplicaes; teoria das filas; grfico de Pareto e o software Arena.
Captulo 3 Desenvolvimento: nesse captulo so descritos a metodologia da pesquisa e seu
enquadramento quanto a natureza, abordagem, objetivos, procedimentos tcnicos e fontes de
informao, alm do processo do trabalho como um todo, com a finalidade de atingir os
objetivos.
Captulo 4 Contextualizao do estudo de caso: no quarto captulo procede-se delimitao
da empresa no cenrio geogrfico em que ela atua; abordagem dos clientes e equipamentos
escolhidos para simular, com suas justificativas; apresentao dos fluxogramas esquemticos,
que serviro de base lgica para construir o modelo a ser simulado.
Captulo 5 Dados da modelagem e aplicao: nesse captulo os olhares so direcionados
para a apresentao dos dados reais coletados na empresa abordada, bem como para sua
formatao de maneira a serem teis para a utilizao na modelagem e anlise de dados; bem
como na modelagem e simulao de cenrios distintos, com base nos dados reais coletados.
Captulo 6 Resultados obtidos: esse tpico contempla a apresentao dos resultados das
simulaes efetuadas.
Concluso apresenta as anlises conclusivas do trabalho como um todo.
Referncias apresenta a lista das bibliografias consultadas para a elaborao do trabalho.

REVISO DE LITERATURA

2.1

Pesquisa operacional

De acordo com Winston (2004), pesquisa operacional (PO) (por vezes chamada de
management science, ou cincia da gesto traduo livre) uma abordagem cientfica para
a tomada de deciso que busca aperfeioar um projeto e explorar um sistema, geralmente sob
condies que exigem a alocao de recursos escassos.
Todavia, Silva et al. (2010) destacam que Pesquisa Operacional um mtodo cientfico de
tomada de decises. Em linhas gerais, 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.
Andrade (2009), por sua vez,

afirma que a Pesquisa Operacional uma metodologia

administrativa cujo arcabouo terico agrega quatro cincias fundamentais para o processo de
preparao, anlise e tomada de deciso: a economia, a matemtica, a estatstica e a
informtica.
2.1.1

Origens da pesquisa operacional

As primeiras atividades formais de pesquisa operacional so atribudas aos servios militares

ingleses na Segunda Guerra Mundial, onde os cientistas britnicos decidiram aplicar decises
com bases cientficas para alocar recursos escassos de guerra para as vrias operaes
militares e para as atividades dentro de cada operao de uma forma eficaz (HILLIER, F. S.;
LIEBERMAN G. J, 2001). Aps a guerra, as ideias propostas para operaes militares foram
adaptadas para melhorar a eficincia e a produtividade no setor civil (TAHA, 2008), o que
ocorreu no incio da dcada de 1950, com uma rpida disseminao nos setores comercial,
industrial e governamental.
Dois fatores fundamentais para o rpido crescimento da PO nesse perodo podem ser
identificados. O primeiro foi o importante progresso em termos de melhoria das tcnicas da
PO, desenvolvidas por muitos dos cientistas que participaram da guerra ou os que
simpatizavam com o assunto. Um exemplo o mtodo simplex para soluo de problemas
com programao linear, desenvolvido em 1947 por George Dantzig. Por consequncia,
ferramentaspadro da PO, como programao linear, programao dinmica, teoria das filas

e teoria do inventrio, atingiram estado relativamente bem desenvolvido antes do final

daquela dcada. O segundo fator, extremamente importante para o crescimento desse campo,
foi a revoluo computacional, pois a PO requer um grande volume de clculos matemticos
para tratar os problemas, permitindo que a PO ficasse cada vez mais ao alcance das pessoas,
principalmente a partir da dcada de 1980, com o rpido desenvolvimento dos computadores
pessoais (HILLIER, F. S.; LIEBERMAN G. J, 2006).
A simulao, portanto, que uma das ltimas tcnicas-chave da pesquisa operacional, se
destaca como sendo a mais usada delas e envolve o uso do computador para imitar
(simular) a operao de um inteiro processo ou sistema.
2.1.2

Aplicaes da pesquisa operacional

As aplicaes da PO podem ser constatadas nas mais diversas reas da cincia e do mundo
empresarial. Devido ao fato de uma empresa sempre buscar o aumento da sua lucratividade
por meio de reduo de custos, aumento da eficincia de seus processos, aumento da
satisfao do cliente, reduo de desperdcios, reduo do consumo de recursos e vrios
outros fatores, a PO tem sua extrema importncia auxiliando no alcance desses objetivos.
E como a pesquisa operacional frequentemente tem como finalidade encontrar uma melhor
soluo (conhecida como soluo tima ou a mais adequada) para um determinado
problema, maximizando ou minimizando algo, essa cincia enquadra-se nas demandas
citadas.
Algumas aplicaes organizacionais de pesquisa operacional, citadas por Hillier e Lieberman
(2006), que utilizaram como mtodo a simulao e por consequncia as economias geradas
pelas respectivas empresas, so demonstradas no Quadro 1.

Quadro 1 - Algumas aplicaes da pesquisa operacional

Organizao

Natureza da aplicao

Desenvolver a poltica nacional de gesto de

The
recursos hdricos, inclusive combinao de
Netherlands
novas instalaes, procedimentos operacionais e
Rijkswaterstaat
tarifas.

IBM

Integrar uma rede nacional de inventrios de

peas de reposio para melhorar os servios de
suporte.

Yellow Freight Otimizar o desenho de uma rede nacional de

System, Inc. transporte rodovirio e suas rotas.
Desenvolver um sistema baseado em PCs para
AT&T
orientar clientes comerciais no projeto de call
centers.
Programar, de forma otimizada, a escala de
funcionrios para fornecer um nvel de
Taco Bell
atendimento ao cliente adequado a um custo
mnimo.
Desenvolver opes de cotaes online diretos e
Merril Lynch baseadas em ativos para fornecimento de
servio na rea financeira.

Ano da
Economia
publicao anual (US$)
1985

15 milhes

1990

20 milhes +
250 milhes
em
decorrncia
de inventrios
menores

1992

17,3 milhes

1993

750 milhes

1998

13 milhes

2002

80 milhes a
mais em
receita

Fonte: Adaptado de Hillier, 2006.

Dessa forma, percebe-se a expressiva importncia do emprego de tcnicas de PO,

particularmente com uso da simulao nos mais diversos ambientes de negcios e suas
substanciais vantagens, a fim de torn-los cada vez mais competitivos e rentveis.
No tpico a seguir, o assunto modelagem e simulao de sistemas ser tratado em detalhes,
para que possa ser bem compreendido e tambm para servir de base para os demais temas
tratados neste trabalho.
2.2

Modelagem e simulao de sistemas

Shmidt e Taylor (1970) apud Law e Kelton (2000) afirmam que um sistema pode ser
definido por uma coleo de entidades, como pessoas ou mquinas, que agem e interagem
juntos, para a realizao de um objetivo final. Sistemas podem ser classificados como
discretos ou contnuos e podem ser analisados por duas formas: experimentao com o
sistema atual e experimentao com modelos do sistema.

Um sistema discreto aquele no qual as variveis de estado mudam instantaneamente, sem

possuir valores intermedirios ao longo do tempo. Um exemplo de sistema discreto a
chegada de peas para serem usinadas em um torno.
Um sistema contnuo, por sua vez, pode ser caracterizado como aquele cujas variveis de
estado esto continuamente sofrendo alteraes ao longo do tempo. Um exemplo pode ser
descrito pelo preenchimento de um balde com gua, onde o volume do lquido est
constantemente sofrendo alterao.
As diferentes maneiras pelas quais um sistema pode ser estudado so apresentadas na Figura
1.
Figura 1 Maneiras de estudar um sistema
Sistema

Experimento com o
sistema atual

Experimento com um
modelo do sistema

Modelo
fsico

Modelo matemtico

Soluo
Analtica

Simulao

Fonte: Adaptado de Law e Kelton, 2000.

Na anlise por experimentao com o sistema atual todas as mudanas necessrias e suas
consequncias so implementadas e analisadas no prprio sistema fsico existente, no entanto,
esse tipo de experimento consideravelmente custoso e demorado quando comparado ao
experimento com um modelo do sistema. Como exemplos de experimentos com modelos
fsicos podem ser citadas as maquetes de projetos arquitetnicos ou, dentre outros, os
prottipos para estudos aerodinmicos em tneis de vento na indstria automobilstica.
No caso da experimentao com modelos do sistema, esses podem ser fsicos ou matemticos
e so capazes de realizar simplificaes da realidade, com representaes em termos lgicos e
relaes quantitativas, que so manipuladas e mudadas para observar-se como o modelo reage
e, assim, como o sistema reagiria (LAW A. M.; KELTON W. D., 2000). Caso um modelo

10

matemtico seja extremamente simples de ser resolvido com, por exemplo, lpis e papel,
opta-se por utilizar soluo analtica. Entretanto, se essa soluo analtica para um modelo
matemtico torna-se consideravelmente complexa, a ponto de fugir do trivial, torna-se
necessrio recorrer ao recurso de simulao computacional.
Modelos de um sistema so concebidos por meio de uma abstrao da realidade, onde apenas
aspectos relevantes do sistema real so considerados (PARAGON, 2012). Segundo Shriber
apud Freitas Filho (2008), simulao implica na modelagem de um processo ou sistema, de
tal forma que o modelo imite as respostas do sistema real numa sucesso de eventos que
ocorrem ao longo do tempo.
Com base na definio acima, possvel perceber que a simulao de sistemas no
necessariamente est ligada a sistemas computacionais, pois na poca dos primeiros relatos
acerca do assunto ainda no existiam computadores e toda a simulao era feita em papel.
O primeiro software de simulao comercial do mundo foi o GPSS (General Purpose
Simulation System), distribudo pela empresa IBM (International Business Machines) e que
foi muito popular durante a dcada de 1960 e o incio da dcada de 1970. A linguagem de
programao GPSS teve como um de seus desenvolvedores Thomas J. Shriber, que publicou
o livro Simulation Using GPSS, em 1974.
A partir dessa poca ficou praticamente impossvel definir simulao sem relacion-la com
sistemas computacionais. De acordo com Kelton et al. (1998), simulao refere-se a uma
ampla coleo de mtodos e aplicaes e tem como objetivo imitar o comportamento de
sistemas reais, executado geralmente em computador, com software apropriado.
Law e Kelton (2000) relatam que a simulao computacional uma das tcnicas mais
utilizadas da rea da pesquisa operacional, na qual se constri um modelo computacional, que
traduz um caso real especfico, objetivando o entendimento antecipado do comportamento do
sistema em questo. Por meio disso, possvel embasar e apoiar decises em diversas reas
do conhecimento.
Para Prado (2006, p. 98), a simulao a tcnica de soluo de um problema pela anlise de
um modelo que descreve o comportamento do sistema usando um computador digital.

11

Andrade (2009, p. 123) aponta que A simulao de um sistema a operao de um modelo

que representa esse sistema, geralmente em computadores, respeitando-se todas as regras e
condies reais que o sistema est submetido.
Outra linguagem de programao voltada para modelagem e simulao de sistemas o
SIMAN, que, alm de muito parecido com o GPSS, possibilita que sejam realizadas
simulaes animadas, por meio do software CINEMA.
Freitas Filho (2008) relata em seu livro que, em 1992, trouxe dos Estados Unidos para o
Brasil uma cpia do SIMAN/CINEMA e que, muito provavelmente, foi a primeira vez que
esse software foi empregado em uma universidade brasileira, substituindo a j ento fora de
moda linguagem GPSS.
Em meados do final do ano de 1993, a empresa Systems Modeling, ento produtora do
SIMAN, lana um novo ambiente de simulao: o Arena, que at hoje um dos mais
populares softwares de simulao do mundo, inclusive no Brasil.
2.2.1

Classificao dos sistemas para modelagem e simulao

Modelos de simulao podem ser classificados como estticos ou dinmicos, determinsticos

ou estocsticos (aleatrios), ou, ainda, como contnuos ou discretos. A Figura 2 representa
esquematicamente essa afirmao.
Figura 2 Classificao dos sistemas para modelagem e simulao

Sistemas

Estticos

Dinmicos

Aleatrios ou
Estocsticos

Determinsticos

Contnuos

Fonte: Adaptado de Freitas Filho, 2008.

Discretos

12

Modelos determinsticos so aqueles que no contm variveis aleatrias, ou seja, para um

conjunto conhecido de dados de entrada, tem-se um nico conjunto de resultados de sada
(PARAGON, 2012).
Modelos estocsticos possuem como entrada uma ou mais variveis aleatrias, que levam a
sadas tambm aleatrias. Pelo menos uma das caractersticas operacionais dada por uma
funo de probabilidade.
Silva (2010, p. 138) afirma que a simulao em sistemas que incorporam elementos
aleatrios denominada Simulao Estocstica ou de Monte Carlo, e na prtica viabilizada
com o uso de computadores devido grande massa de dados a ser processada.
Os simuladores Estocsticos como o Arena, (...) so capacitados a imitar a
aleatoriedade do sistema real atravs de distribuies probabilsticas, as quais
representam matematicamente as chances de ocorrncia de todos os valores
possveis para um determinado processo do sistema. Em conjunto com um sistema
gerador de nmeros aleatrios como o denominado Mtodo de Monte Carlo, ou
outros, os simuladores estocsticos permitem reproduzir o comportamento do
sistema com todas as possibilidades e combinaes, e sem limite no perodo de
tempo desejado pelo usurio (PARAGON, 2012).

2.2.2

O Mtodo de Monte Carlo

Von Newmann e Ulam, em 1940, associaram a expresso anlise de Monte Carlo a uma
tcnica matemtica que utilizaram para resolver problemas de blindagem em reatores
nucleares. E, portanto, o uso moderno do termo simulao no sentido em que empregado
em pesquisa operacional tem origem nesse trabalho (ANDRADE, 2009).
O Mtodo de Monte Carlo (MMC) teve como origem a reviso de uma tcnica matemtica,
por meio de um trabalho secreto de cientistas envolvidos no desenvolvimento da bomba
atmica dos aliados durante a Segunda Guerra Mundial. Suas pesquisas estavam relacionadas
difuso aleatria de nutrons em material radioativo. Essa tcnica recebeu o cdigo de
Monte Carlo pelos autores Metropolis e Ulam, que a divulgaram em um artigo cientfico em
1949. Dados gerados artificialmente, a partir do emprego de um gerador de nmeros
aleatrios (GNA), e uma distribuio de frequncias da varivel de interesse so aplicados
nessa tcnica (FREITAS FILHO, 2008).

13

2.2.3

Geradores de nmeros aleatrios

Freitas Filho (2008, p. 78) comenta que Um GNA um programa computacional que deve
ser capaz de gerar valores aleatrios independentes e uniformemente distribudos (isto ,
todos com a mesma probabilidade de ocorrncia) no intervalo de 0 a 1 e que todo programa
de simulao dotado de funo para gerao de nmeros aleatrios, isto , uma GNA e
tambm uma grande variedade de outras funes matemticas, descritas como Funes
Geradoras de Variveis Aleatrias (FGVA).
As FGVAs so, pelos programas de simulao, utilizadas em todos os tipos de distribuies
tericas de probabilidades. As distribuies tericas de probabilidades podem possuir
diferentes caractersticas, como normal, uniforme, triangular, exponencial e algumas outras,
que sero, neste trabalho, contempladas mais adiante.
Nesta pesquisa, ser utilizada simulao dinmica, pois se faz necessrio obter respostas de
um sistema que a todo o momento est desenvolvendo alteraes e atualizaes de estado.
Nesse sentido, sero, a seguir, apresentadas algumas terminologias utilizadas em simulao de
sistemas.
2.2.4

Variveis de estado

Segundo Freitas Filho (2008), as variveis de estado constituem o conjunto de informaes

necessrias compreenso do que est ocorrendo no sistema. O autor afirma, ainda, que so
os valores dessas variveis que determinam o estado de um sistema. A execuo de um
programa de simulao somente poder ser retomada aps ser interrompida, se e somente se
os valores de todas as variveis de estado forem conhecidos no momento exato da
interrupo.
Alguns exemplos de variveis de estado so:
nmero de clientes aguardando para serem atendidos, na fila de um caixa de banco;
nmero de peas aguardando em uma fila para serem processadas em uma
mquina;
o estado de uma mquina: ocupada ou livre;
nmero de tarefas aguardando na fila de uma CPU (Central Processing Unit) de um
servidor, para serem processadas etc.

14

2.2.5

Eventos

Eventos so ocorrncias ou acontecimentos que podem ou no ser programados. Sempre que

um evento ocorre, pelo menos uma varivel de estado alterada.
2.2.6

Entidades e atributos

Segundo Freitas Filho (2008), em se tratando de modelagem e simulao de sistemas, uma

entidade representa um objeto que necessita de uma clara e explcita definio. Ela pode ser
dinmica, movendo-se atravs do sistema, ou esttica, servindo a outras entidades.
As caractersticas das entidades so chamadas de atributos. Entidades semelhantes possuem
os mesmos atributos e so exatamente esses atributos que as diferenciam entre si. Por
exemplo, uma entidade que processada em uma mquina chamada de pea e os atributos
da entidade pea podem ser a cor, o peso, ou o tempo de processamento em uma determinada
mquina.
Observa ainda Freitas Filho (2008) que o uso de atributos permite no apenas caracterizar e
individualizar entidades, como tambm possibilita a obteno de estatsticas importantes para
quem deseja analisar o comportamento dos sistemas sob investigao.
2.2.7

Recursos e filas de recursos

O autor afirma, ainda, que um recurso considerado uma entidade esttica que fornece
servios s entidades dinmicas. Um recurso pode ter a capacidade de servir uma ou mais
entidades dinmicas ao mesmo tempo, operando como um servidor paralelo.
Podem ser citados como exemplo de recurso os funcionrios necessrios para carregar uma
caixa pesada (entidade), de um ponto a outro do processo produtivo. Esses funcionrios
(recursos) podem servir tambm a outras entidades, como por exemplo a operao de uma
mquina, em outro ponto do processo, em um horrio distinto.
Caso uma entidade no puder fazer uso de um recurso em um determinado instante, ela
dever aguardar por ele em uma fila.
Na viso de Freitas Filho (2008), o gerenciamento de uma fila depende das polticas
operacionais adotadas no sistema ou no modelo que o representa. A poltica de tratamento de

15

filas mais comum a FIFO (sigla em ingls para first in, first out), onde o primeiro a chegar
fila ser o primeiro a ser atendido pelo recurso.
Os estados mais comuns para recursos so o de ocupado e de livre; no entanto, estados como
indisponvel, bloqueado, falhado etc., tambm podem ser definidos.
2.3

Teoria das filas

praticamente impossvel encontrar algum que desconhea o que so filas, formadas e

utilizadas nas mais diversas situaes do dia a dia, tais como quando se aguarda para pagar as
compras em um supermercado, para pagar pedgio em uma estrada, para ser atendido em um
banco, pagar a conta no restaurante e em muitas outras situaes quotidianas.
Filas tambm so formadas em indstrias, onde peas ficam aguardando para serem
processadas. Sistemas computacionais tambm formam filas, mas de processos a serem
executados pela unidade central. Enfim, existem inmeros tipos de fila que podem ser citados
como exemplo. muito desagradvel quando uma fila torna-se importuna para os elementos
que se encontram nela, razo pela qual se faz necessrio um gerenciamento desta, a fim de
minimizar seus efeitos malficos e implicaes negativas ao sistema.
Foi devido a essas necessidades que o matemtico dinamarqus A. K. Erlang, enquanto
trabalhava na Cia. Telefnica de Copenhage, entre 1909 e 1917, comeou a aplicar teoria de
probabilidades a problemas de trfego de telefonia, com o propsito de dimensionar uma
quantidade ideal de linhas telefnicas e de telefonistas para que o tamanho das filas de espera
por uma ligao fosse reduzida. Hoje em dia em praticamente todo o processo ou sistema que
envolva, de alguma forma, a possibilidade de formao de filas, essa teoria aplicada
(FREITAS FILHO, 2008).
Prado (2004, p. 18) destaca que a modelagem de sistemas pode ser feita por duas abordagens
inteiramente diferentes entre si: Teoria das filas e Simulao. Apesar de a modelagem do
estudo de caso deste trabalho ser feita baseando-se em simulao, muito importante abordar
alguns conceitos bsicos da teoria das filas, pois o software Arena baseia-se em filas para
sua execuo.

16

2.3.1

Terminologia e notao bsica da teoria das filas

Tem-se como os principais componentes de um sistema de fila: servidores (um ou mais

provedores de algum tipo de servio) e rea de espera (a fila propriamente dita) para as
entidades (ou clientes) que estiverem esperando para serem servidas (FREITAS FILHO,
2008). O aspecto esttico de uma fila, representado na Figura 3, apenas uma representao
de uma situao dinmica, onde o tamanho da fila sofre variaes aleatrias com tempo e em
funo das chegadas de clientes que so servidos e deixam o sistema (GUNTTHER, 2000
apud FREITAS FILHO, 2008).
Figura 3 Representao simblica de um sistema de fila simples: FIFO

Fonte: Freitas Filho (2008)

Esse modelo de fila apresentado na Figura 3 pode apresentar variaes quanto a seus
elementos, suas regras de operao e o comportamento das variveis aleatrias ali presentes.
Essas variaes do modelo so apresentadas nas Figuras 4, 5 e 6.
Figura 4 Centro com uma fila e mltiplos servidores

Fonte: Freitas Filho (2008)

Figura 5 Centro com mltiplas filas e um servidor

Fonte: Freitas Filho (2008)

17

Figura 6 Sistema de fila com regra de atendimento LIFO

Fonte: Freitas Filho (2008)

2.3.2

Notao de Kendall

Com o intuito de representar as caractersticas ou parmetros fsicos de uma fila, utiliza-se a

Notao de Kendall. Essa notao possui a forma A/S/m/B/K/SD, onde:
A: distribuio do tempo de chegada (distribuio de probabilidades dos perodos de
tempo decorridos entre as chegadas de clientes no sistema de fila);
S: distribuio do tempo de servio (distribuio de probabilidade dos perodos de
tempo de servio para cada cliente servido);
m: nmero de servidores (quantidade de servidores disponveis);
B: capacidade do sistema ou tamanho da fila (nmero mximo de clientes que podem
entrar e permanecer na fila. Em geral, finito. Quando a capacidade muito grande,
pode-se simplificar a anlise considerando-se um sistema com capacidade infinita);
K: tamanho da populao (nmero total de clientes que, potencialmente, podem vir a
utilizar os recursos do sistema da fila. Para os sistemas reais, esse nmero , em
geral, finito. Para fins de facilidade de modelagem e tratamento, comum, se este
nmero grande, considerar o tamanho da populao como infinito);
SD: disciplina de servio (a ordem como os clientes aguardam para acessar os servios. A
disciplina mais comum a do tipo FIFO. Outros tipos de disciplinas de fila podem
ser empregados, tais como LIFO, randmico, menor tempo de servio primeiro
(SPTF na sigla em ingls));
Os tipos de distribuio para os tempos de chegada (A) e de servio (S) costumam ser
representados pela seguinte nomenclatura:
M: exponencial (ou processo de Poisson) a notao M vem do ingls memoryless;

18

: erlang com parmetro k;

: hiperexponencial com parmetro k;
D: determinstica;
G: geral.
Quando a distribuio especificada como geral, o modelo terico no especificado e os
resultados so vlidos para todas as distribuies estatsticas. A distribuio determinstica
aquela em que os tempos so constantes e com varincia zero. Quando no especificados, a
capacidade do sistema (D) e o tamanho da populao (k) so considerados infinitos, enquanto
que o tipo de disciplina de servio (SD) considerado como FIFO. Finalizando, as chegadas
so entendidas como sendo individuais, isto , os clientes no chegam agrupados, mas
individualmente (FREITAS FILHO, 2008).
Se tivermos um caso de notao de Kendall como sendo M/M/1///FIFO, suas
caractersticas sero:
A S m B K
M M 1

SD

FIFO
Disciplina de servio do tipo
"o primeiro a chegar o primeiro a ser atendido"
Populao ilimitada
Tamanho da fila (capacidade do sistema)
sem limitaes
Servidor nico
Tempo de servio com
distribuio exponencial
Tempos entre chegadas com
distribuio exponencial

19

Quando essa notao aplicada, comumente aplica-se uma forma ainda mais reduzida para
representar o sistema caso os trs ltimos parmetros forem //FIFO. Assim, eles
simplesmente so ocultados e a notao fica M/M/1 (o modelo mais empregado) (FREITAS
FILHO, 2008).
2.4

Grfico de Pareto

O grfico de Pareto (ou curva ABC) um grfico de barras verticais que dispe a informao
de modo a tornar evidente e visual a priorizao de problemas e projetos, e tambm permite o
estabelecimento de metas numricas viveis de serem alcanadas (WERKEMA, 1995).
Os itens apontados no grfico de Pareto podem ser classificados em duas categorias: os
poucos vitais e os muitos triviais. Os poucos vitais representam um pequeno nmero de
problemas, mas que no entanto resultam em grandes perdas para a empresa. J os muitos
triviais so uma extensa lista de problemas, mas que apesar de seu grande nmero,
convertem-se em perdas pouco significativas (WERKEMA, 1995, grifo do autor).
Por fim, o grfico de Pareto dispe a informao de forma a permitir a concentrao dos
esforos para melhoria nas reas onde os maiores ganhos podem ser obtidos (WERKEMA,
1995).
2.4.1

Tipos de grficos de Pareto

Os grficos de Pareto so classificados em dois tipos: para efeitos e para causas.

O grfico de Pareto para efeitos pode ser utilizado para detectar problemas relacionados s
cinco dimenses da qualidade total:
Qualidade;
Custos;
Entrega;
Moral;
Segurana.
J o grfico de Pareto para causas utilizado na identificao das principais causas de um
problema. Essas causas so relacionadas a:
Equipamentos;
Insumos;

20

Informaes de processos ou medidas;

Condies ambientais;
Pessoas;
Mtodos ou procedimentos.
A Figura 7 apresenta o grfico de Pareto para causas.
Figura 7 Grfico de Pareto para causas

Fonte: Werkema, 1995.

2.5

O software Arena

Lanado nos Estados Unidos da Amrica em 1993 pela Systems Modeling, o Arena sucedeu
o SIMAN e CINEMA. Hoje, um dos mais populares softwares de simulao utilizados,
tanto no Brasil, como no resto do mundo, tanto em empresas quanto em universidades
(PRADO, 2004; FREITAS FILHO, 2008). A verso atual produzida pela empresa Rockwell
Software (parte da Rockwell Automation), que incorporou a System Modeling em 1998 e
hoje distribuda pela empresa Paragon.
O Arena um ambiente grfico integrado de simulao, que contm todos os recursos para
modelagem de processos, desenho & animao, anlise estatstica e anlise de resultados
(PARAGON, 2012). Esse software possui um conjunto de blocos (ou mdulos) que so
utilizados para se descrever uma aplicao real. Utilizando uma interface grfica para o

21

usurio (ou GUI Graphical User Interface) o Arena simplifica bastante o processo de
construo dos modelos. Alm disso, ainda possui duas ferramentas de muita utilidade: o
analisador de dados de entrada (Input Analyzer) e o analisador de resultados (Output
Analyzer) (PRADO, 2004).
O Input Analyzer permite analisar dados reais do funcionamento do processo e determinar
automaticamente qual distribuio de probabilidade estatstica melhor representa o conjunto
de dados apresentado. Essa distribuio pode ser incorporada diretamente ao modelo. O
tratamento estatstico dos dados analisados por esse recurso pode ser adequado tanto a
distribuies de probabilidades contnuas quanto a discretas. As principais distribuies de
probabilidades contnuas so: Normal, Uniforme, Triangular, Exponencial, Lognormal,
Erlang, Gamma, Beta e Weibull. Por sua vez, as principais distribuies de probabilidades
discretas so: Poisson, Uniforme Discreta, Emprica Contnua, Emprica Discreta e Johnson.
As representaes grficas das distribuies de probabilidades contnuas citadas so
apresentadas nas Figuras 8 a 12.
Figura 8 Grficos de distribuies normal e uniforme

Fonte: adaptado do tutorial do software Arena

Figura 9 Grficos de distribuies triangular e exponencial

Fonte: adaptado do tutorial do software Arena

22

Figura 10 Grficos de distribuies lognormal e erlang

Fonte: adaptado do tutorial do software Arena

Figura 11 Grficos de distribuies gamma e Beta

Fonte: adaptado do tutorial do software Arena

Figura 12 Grfico de distribuio Weibull

Fonte: adaptado do tutorial do software Arena

O Output Analyzer uma ferramenta com inmeros recursos que permitem analisar dados
coletados durante a simulao (podendo tal anlise ser grfica) e ainda possui recursos para
efetuar importantes comparaes e anlises estatsticas, como intervalos de confiana, anlise
de varincia, testes de aderncia e comparaes de mltiplos sistemas.
A tela principal do Arena mostrada na Figura 13, na qual so apresentados seus principais
mdulos e funcionalidades, tais como rea de trabalho, barra de templates, menu
principal e barra de ferramentas e rea de planilha.
Na rea de trabalho (ou contents Area) sero inseridos todos os mdulos e suas conexes
lgicas necessrias construo e simulao de um modelo, em formato de fluxograma e
tambm de animao.
Os campos que renem os mdulos usados para a construo do modelo so chamados de
templates (Figura 14) e so de dois tipos:
mdulos de fluxo: usados para estabelecer interconexes e criar o fluxo de processo;

23

mdulos de dados: usados para editar, inserir e excluir as especificaes de cada

elemento do fluxo.
Figura 13 Tela principal do Arena

Fonte: Primria
Figura 14 Barra de templates

Fonte: Primria

24

Na rea de planilha so mostrados os detalhes daquele mdulo que se ativou na rea de

trabalho ou na barra de templates, sendo possvel alterar os parmetros do fluxo do modelo
nesse espao.
Os demais recursos do Arena, como testes de aderncia, anlise de resultados, relatrios e
outros, sero vistos e tratados em momentos oportunos, durante o desenvolvimento deste
trabalho.

25

3
3.1

DESENVOLVIMENTO
Metodologia

Segundo Gil (2002), uma pesquisa pode ser definida como um procedimento racional e
sistemtico que tem como objetivo procurar respostas aos problemas propostos.
Este captulo apresentar o estudo dos mtodos utilizados para desenvolver o trabalho
aplicado simulao dinmica do sistema proposto e esta pesquisa acadmica ser
classificada de acordo com sua natureza, abordagem do problema, objetivos, procedimentos
tcnicos e fontes de informao.
Quanto natureza, a pesquisa classifica-se como aplicada, pois objetiva gerar conhecimentos
para aplicao prtica e dirigida soluo de problemas especficos. Quanto abordagem do
problema, classifica-se como quantitativa, utilizando-se de quantificao tanto na coleta de
dados quanto na utilizao de tcnicas estatsticas para o tratamento destes, procurando
descobrir e classificar a relao de causalidade entre as variveis das hipteses estabelecidas,
bem como estabelecer a causalidade entre fenmenos.
No que diz respeito aos objetivos, classificada como exploratria, pois visa proporcionar
maior familiaridade com o problema, explicitando-o e construindo hipteses. J em relao
aos procedimentos tcnicos, trata-se de um estudo de caso, pois um estudo aprofundado e
exaustivo de um caso especfico e relevante pelo potencial de abrangncia, permitindo um
detalhado conhecimento do caso.
As fontes de informao para desenvolver este estudo sero a coleta de dados em campo e em
laboratrio. Para tal, a base de dados do sistema de chamados tcnicos da empresa em questo
ser consultada, tratada e analisada. Informaes de alguns colaboradores da empresa
envolvidos no processo tambm sero muito valiosas para compor as fontes de informao.
O cenrio a ser simulado ser delimitado a apenas clientes atendidos pela empresa Brasil S/A,
pois, aps essa amostra ser replicada ao todo, a anlise global ser verdadeira.
Alm da experincia de campo do autor, maiores detalhes acerca do processo abordado neste
trabalho sero obtidos por meio de consultas e reunies com gestores e com colaboradores
mais experientes da empresa.

26

Os tempos e mtodos envolvidos na modelagem sero consultados no sistema integrado de

gesto empresarial (ERP Enterprise Resource Planning) da empresa Brasil S/A, abrangendo
um histrico de um ano de trabalho. Consultas de informaes com a gerncia e
colaboradores da empresa tambm sero necessrias. Aps a coleta desses dados e
informaes, sero geradas as tabelas e curvas estatsticas que serviro de fontes de
informao para o modelo a ser simulado.
Ser utilizado o software Arena (verso 13.9) para o desenvolvimento do fluxograma do
modelo e sua simulao. As curvas estatsticas sero geradas utilizando-se o recurso Input
Analyzer do Arena, o qual capaz de encontrar e ajustar automaticamente a distribuio de
frequncias adequada para cada grupo de dados coletado. Alguns cenrios distintos (baseados
no modelo criado) sero simulados sistematicamente, com a finalidade de construir hipteses
para modificar o processo real.
A escolha pela utilizao do software Arena para o desenvolvimento deste trabalho foi
motivada por ser este um dos mais populares softwares de simulao do mercado; pelo curso
de Engenharia de Produo da Universidade Estadual de Maring j utilizar esse software h
um tempo considervel; pelo fato de o autor deste trabalho ter conhecimento bsico prvio da
ferramenta e pelo alto custo que implicaria eventual aprendizado de outro software de mesmo
propsito.
Segundo o ponto de vista de Winston (2004), o processo de simulao consiste, geralmente,
nos seguintes estgios:
1.

Formular o problema.

2.

Coletar dados e desenvolver um modelo.

3.

Informatizar o modelo.

4.

Verificar o modelo informatizado.

5.

Validar o modelo de simulao.

6.

Desenhar o experimento.

7.

Realizar a execuo da simulao.

8.

Documentar e implementar.

Para o presente trabalho, pretende-se executar os passos um a oito. A implementao poder

ser abordada em um trabalho futuro e depender dos resultados obtidos neste estudo, bem
como da aceitao dos colaboradores a nvel gerencial e estratgico da organizao.

27

4
4.1

CONTEXTUALIZAO DO ESTUDO DE CASO

Esquemas do processo

Conforme relatado no tpico Definio e delimitao do problema, da Introduo, a

modelagem e simulao abordar o processo de atendimento dos chamados tcnicos,
abrangendo desde a deteco de defeito no equipamento at o trmino do conserto deste
(sendo que o conserto feito no cliente). Isso envolve deslocamentos dentro da cidade de
origem do tcnico de manuteno (ou tcnico residente TR) e, na maioria das vezes,
deslocamentos intermunicipais. Portanto, sero considerados os tempos e mtodos envolvidos
nesse processo, que est detalhado a seguir.
1) assim que um defeito em um equipamento detectado pelo cliente (geralmente um dos
gerentes da agncia), esse realiza a abertura de uma ordem de servio no sistema do
banco (servidor alocado em Braslia - DF). Nesse momento, uma ordem de servio
(OS) gerada pelo sistema, contendo dados como: nmero patrimonial e tipo do
equipamento, data e hora da gerao da OS, nome e matrcula do solicitante, defeito
reclamado, identificao do cliente e outras informaes irrelevantes neste momento;
2) automaticamente, o sistema do banco realiza a abertura de um chamado tcnico no
sistema ERP (Enterprise Resource Planning) da empresa Brasil S/A (servidor alocado
no Rio de Janeiro - RJ), com a qual possui contrato de manuteno para seus
equipamentos;
3) esse chamado visualizado pelo controlador de chamados da filial (alocado em
Londrina - PR), que o direciona para o TR adequado, por meio do aplicativo
OSMobile, instalado no telefone celular do TR;
4) o TR, por sua vez, desloca-se para o cliente de destino para realizar a manuteno (que
pode ser na sua cidade de origem ou em outra cidade);
5) estando no cliente, o TR efetua a manuteno do equipamento, gastando o tempo
necessrio para tal, de acordo com o tipo de equipamento;
6) o TR retorna para sua base ou desloca-se at o prximo cliente, caso necessrio;

28

Mais detalhes do processo esto abordados a seguir. A Figura 15 apresenta o fluxograma com
o esquema geral de abertura de chamados tcnicos e a Figura 16 apresenta o fluxograma com
o esquema desse chamado tcnico, na perspectiva do TR.
Figura 15 Esquema geral de abertura de chamados
Cliente abre O.S.
no sistema do
banco

Ocorre defeito no
equipamento

Sistema do banco
abre chamado no
sistema da
empresa

Analista de
chamados
direciona o(s)
chamados para o
tcnico adequado

Analista de
chamados recebe
o chamado

sim
Tcnico deslocase at a agncia
destino

Tcnico realiza a
manuteno

H outro
chamado a
atender?

no

Tcnico retorna
base

Fonte: Primria
Figura 16 Processo de chamado, na perspectiva do tcnico
Ocorre defeito no
equipamento

Precisa pea?

Cliente abre O.S.

no sistema do
banco

Sistema do banco
abre chamado no
sistema da
empresa

Analista de
chamados recebe
o chamado

TR desloca-se at
a agncia destino

TR realiza testes

Precisa pea?

Analista de
chamados
direciona o
chamado para o
TR adequado

TR recebe
chamado no
telefone celular

no

sim

Possui a pea
em mos?

sim

no
possvel
atender sem
pea em
mos?
no

no

Realiza
manuteno

Aguarda
chegada de
pea / chamado

sim

sim

Solicita pea ao
analista de
chamados

H outro
no
chamado para
atender?

TR retorna base

sim

Fonte: Primria

4.2

Abrangncia dos servios

Os dois tcnicos residentes em Maring (ano base 2011) so responsveis por atender clientes
localizados em algumas cidades da mesorregio Noroeste paranaense e algumas da
mesorregio Norte Central paranaense. Dessa forma, esses dois tcnicos atendem mais de
cinquenta clientes, amostra consideravelmente significativa no que diz respeito simulao.
A relao das cidades atendidas por esses tcnicos est descrita no Quadro 2. As localizaes
geogrficas desses clientes so demonstradas simplificadamente no esquema em rede da
Figura 18 (Captulo 5).

29

Quadro 2 Cidades atendidas pela equipe de Maring

Mesorregio

Microrregio

Paranava

Noroeste paranaense

Cianorte

Astorga

Norte Central paranaense

Flora

Maring

Apucarana
Faxinal
Ivaipor

Fonte: Primria

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58

Cidade
Alto Paran
Amapor
Diamante do Norte
Guaira
Inaj
Itana do Sul
Loanda
Nova Aliana do Iva
Nova Londrina
Paraso do Norte
Paranacity
Paranapoema
Paranava
Planaltina do Paran
Porto Rico
Querncia do Norte
Santa Cruz de Monte Castelo
Santa Isabel do Iva
So Carlos do Iva
So Joo do Caiu
Tamboara
Terra Rica
Cianorte
Indianpolis
Japur
Jussara
Rondon
So Tom
Tapejara
ngulo
Astorga
Atalaia
Colorado
Iguarau
Itaguaj
Lobato
Mandaguau
Nova Esperana
Presidente Castelo Branco
Santa F
Santo Incio
Uniflor
Doutor Camargo
Flora
Floresta
Itamb
Ivatuba
Ourizona
So Jorge do Iva
Mandaguari
Marialva
Maring
Paiandu
Sarandi
Jandaia do Sul
Bom Sucesso
So Joo do Iva
So Pedro do Iva

30

4.3

Escolha do grupo de equipamentos a simular

O parque tecnolgico atendido pela empresa Brasil S/A composto por diversos tipos de
equipamentos distintos, mas h um grupo de equipamentos que representa a grande maioria
dos chamados tcnicos atendidos pela empresa.
A Figura 17 apresenta, na forma de diagrama de Pareto, esse grupo predominante de
equipamentos atendidos.
Figura 17 Diagrama de Pareto para os equipamentos atendidos
Diagrama de Pareto para chamados atendidos no perodo de 01/01/2011 a 31/12/2011
3500
3000

120,00%
2869
90,72%

2500
2000

98,92% 99,33% 99,63% 99,90% 99,94% 99,96% 99,98% 100,00%

95,47% 97,53% 98,35%

75,07%

100,00%

80,00%

58,53%

60,00%
1500
1000

811

40,00%
767

500

233

20,00%
101

40

28

20

15

13

0,00%

N de ocorrncias
% Acumulada

Fonte: Primria

Conforme pode ser visualizado no diagrama de Pareto da Figura 17, o grupo de equipamentos
que representou mais de 90% dos atendimentos, durante o ano de 2011, foi composto por
terminal de autoatendimento (ATM/TAA), impressora (IMP) e terminal de mltiplas funes
(TMF). A modelagem e simulao do sistema sero baseados nesse grupo mais significativo
de equipamentos.
A fonte de dados para gerar o grfico da Figura 17 foi o sistema para controle de chamados
(Oracle ERP) da empresa Brasil S/A. Os dados foram coletados em formato HTML
(Hypertext Markup Language) e exportados para planilha eletrnica. Posteriormente, gerouse o grfico. Destaca-se, nesse sentido, que a tabela da planilha gerada no ser apresentada
neste trabalho, uma vez que possui mais de quatro mil linhas.

31

DADOS DA MODELAGEM E APLICAO

Neste tpico sero abordados os dados necessrios para alimentar o modelo a ser simulado
com o software Arena, tais como: as distncias envolvidas no processo e os tempos
necessrios para percorre-las; tempos de atendimento em chamados tcnicos e demais tempos
e mtodos considerados relevantes.
5.1

Distncias entre os clientes

O software Arena necessita da informao das distncias entre as estaes (clientes) que
sero atendidas, bem como o relacionamento entre elas. Dessa forma possvel obter o tempo
gasto para percorrer os trechos percorridos, com base na velocidade do transportador
utilizado. As distncias apresentadas so em quilmetros.
Como pode ser visualizado na Figura 18, formado um esquema de rede representando os
relacionamentos entre os clientes atendidos pelos dois TRs de Maring. Esse tipo de esquema
denominado de Network pelo Arena e o segmento que liga uma cidade outra
referenciado como Network Link.
Como forma de simplificar a modelagem no Arena, as cinquenta e oito cidades atendidas
foram agrupadas em dez reas distintas, como pode ser visualizado na Figura 19.
As reas, representadas por rea 1 at rea 10, possuem como referncia a principal
cidade de cada agrupamento. As distncias entre as reas foram obtidas das distncias entre os
pontos mdios de cada rea formada (valor aproximado). O nmero de chamados tcnicos de
cada rea equivale ao somatrio dos chamados de cada cidade compreendida por aquela rea.
O esquema das reas pode ser verificado na Figura 20.

32
Figura 18 Rede de distncias entre clientes
CLI_35

CLI_12

CLI_3

27

Diamante do
Norte

CLI_22

Terra Rica

CLI_6
CLI_9

39

28

CLI_5

25

50

Itana do Sul

CLI_33

Inaj

13
Porto Rico

CLI_41

Santo Incio

26

29

11
CLI_15

Itaguaj

14

Paranapoema

Nova Londrina

Colorado

45

31

38

32
45
24

29

23
23

So Joo do
Caiu

Guaira

16

CLI_18

38

33
Paranacity

Loanda

20

35

CLI_11

CLI_7

Santa Cruz de
Monte Castelo

27

CLI_4

37

CLI_17

CLI_20

31

16

CLI_42

CLI_40

CLI_36

Lobato

Santa F

CLI_14

28

12

Santa Isabel do
Iva

35
CLI_13

Planaltina do
Paran

29

CLI_32

Uniflor

CLI_2
CLI_1

16

Paranava

39

Amapor

20

CLI_16

21

24
39

ngulo

Tamboara

Pres. Castelo
Branco

16

20

Paraso do
Norte

15

CLI_44

18

18

30

15

CLI_48

16

Rondon
11

CLI_28

Indianpolis

Base (ou casa)

do TR

So Tom

Base

CLI_43

29

Mandaguari

CLI_46

CLI_45

Floresta

CLI_47

12
13

Itamb

CLI_55

24
Ivatuba

Jandaia do Sul
28
CLI_56

CLI_26

CLI_54

27
12

Maring

20

Sarandi

Bom Sucesso

Jussara
CLI_23

17
CLI_52

Nmero
sequencial do
cliente

NL - Network
Link
Distncia entre dois
clientes, ligados por um
NL (em km)

21

Cianorte

CLI_58

So Pedro do
Iva

36
CLI_29

Tapejara

95
CLI_57

12

So Joo do Iva

Fonte: Primria

CLI_50

16

22

10

38

20

Marialva

CLI_52

30

Doutor
Camargo

Paiandu

27

Japur

CLI_24

13

So Jorge do
Iva

CLI_25

CLI_51

Sarandi

12

CLI_53

30
24

65
CLI_54

8
Maring

CLI_49

Astorga

Base
20

Ourizona

23

20

30

Mandaguau

Flora

20

So Carlos do
Iva

CLI_27

Cidade onde o
cliente est
localizado

Iguarau

CLI_37

13

CLI_19

Legenda:

10

CLI_39

13

34
CLI_10

CLI_31

CLI_21

Nova Aliana
do Iva
80

CLI_34

16

Nova Esperana

CLI_8

Querncia do
Norte

20
CLI_30

16

23

23

Atalaia

19

CLI_38

Alto Paran

22

33
Figura 19 Agrupamento dos clientes
CLI_35

CLI_12

27

Diamante do
Norte

CLI_22

CLI_5

25

50

Itana do Sul

39

CLI_33

Inaj

13
Porto Rico

28
rea 6

Terra Rica

CLI_6

CLI_41

Santo Incio

26

29

11
CLI_9

CLI_15

Itaguaj

14

Paranapoema

CLI_3

Nova Londrina

Colorado

45

31

38

32
45
24

29

37

CLI_17

27

23

35

31

16

CLI_42

Lobato
CLI_32

Uniflor

CLI_2

rea 5

CLI_1

16

Paranava

39

20
21

24

Tamboara

16

20

Pres. Castelo
Branco

10

Iguarau

20

Paraso do
Norte

18

15

30

Flora

20

20

16

Rondon
11

CLI_28

Indianpolis

Base (ou casa)

do TR

So Tom

Base

CLI_43

22

rea 4

29

Mandaguari

CLI_46

CLI_45

12
13

Itamb

CLI_55

rea 3

24
Ivatuba

Jandaia do Sul
28
CLI_56

CLI_26

CLI_54

27
12

Maring

20

Sarandi
rea 7

Bom Sucesso

Jussara
CLI_23

17

CLI_52

Nmero
sequencial do
cliente

NL - Network
Link
Distncia entre dois
clientes, ligados por um
NL (em km)

21

Cianorte

CLI_58

So Pedro do
Iva

36
CLI_29

Tapejara

95
CLI_57

12

So Joo do Iva

Fonte: Primria

CLI_50

16

Floresta

CLI_47

10

38

20

Marialva

CLI_52

30

Doutor
Camargo

rea 1

Paiandu

27

Japur

CLI_24

13

So Jorge do
Iva

CLI_25

CLI_51

Sarandi

12

CLI_53

30
24

65
CLI_54

8
Maring

CLI_49

rea 2

Base

15

CLI_48

Ourizona

23
CLI_27

30

Mandaguau

CLI_19

So Carlos do
Iva

Astorga

CLI_37

13
CLI_44

18
rea 8

ngulo

CLI_39

13

34
CLI_10

CLI_31

39

CLI_21

Nova Aliana
do Iva
80

CLI_34

16

Nova Esperana

CLI_8

Querncia do
Norte

20
CLI_30

16

23

23

Atalaia

19

CLI_38

Alto Paran

CLI_16

Cidade onde o
cliente est
localizado

Santa F

CLI_13

Amapor

Legenda:

CLI_40

CLI_36

CLI_14

Planaltina do
Paran

29

38

33
Paranacity

28

Santa Isabel do
Iva

35

CLI_11

rea
10

12

CLI_18

23

So Joo do
Caiu

Loanda

20
16

rea 9

Guaira

CLI_7

Santa Cruz de
Monte Castelo

CLI_4

CLI_20

22

34
Figura 20 reas dos agrupamentos

rea 6

rea 9

Colorado
105

rea
10

NL 15

Paranava
90
NL 19

Loanda

95

NL 11

65
70

88

NL 12

NL 17

NL 2

rea 5

125
NL 18

Nova
Esperana

rea 8

Garagem
0

65
Paraso do
Norte

60

NL 13

Legenda:

85

Maring

70

48

Maring

NL 4

30
Paiandu

NL 6

rea 3

85

75

NL 7

NL 10

Cianorte
rea 1

NL 3

Fonte: Primria

NL 5

NL 16

Distncia mdia
entre duas reas
(em km)

Network Link

Sarandi

40

NL 14

rea 7

60

NL 1

rea 4

100

Principal
cidade da
rea

Nova
Esperana

NL 9

rea

rea 5

Base

rea 1

NL 3

rea 2

NL 20

128
NL 8

Jandaia do Sul

35

5.2

Quantidade de chamados tcnicos

Consultando-se o sistema ERP da empresa, foi obtido o histrico dos chamados por tipo de
equipamento, separados por cliente (cidade) e, consequentemente, agrupados pelas reas
correspondentes, tendo como base o ano de 2011.
O agrupamento foi efetuado conforme o dia do ms, pois a atividade bancria possui
sazonalidade sensvel ao dia do ms e evitou-se, assim, uma distribuio multimodal caso
fosse efetuada uma distribuio de probabilidades considerando-se todos os dias do ano em
um s grfico. As Tabelas 1, 2 e 3 apresentam os dados coletados.
Os espaos em branco nessas tabelas significam que no existiram determinados dias em
alguns meses. Por exemplo, o ms de abril no possui o dia 31.
Chamados tcnicos tambm so atendidos, esporadicamente, em sbados, domingos e
feriados, pois existe regime de planto para atendimentos.

36

Tabela 1 Quantidade de chamados de ATM em 2011

Dia do ms
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Total
Fonte: Primria

jan fev
0
2
0
0
3
1
5
4
0
0
4
0
4
4
0
2
0
0
0
2
1
1
5
0
3
0
3
2
0
1
0
2
2
2
3
1
1
0
6
0
2
0
0
1
0
3
3
2
2
1
0
0
2
0
0
4
0
0
1
50 35

mar
4
5
5
2
0
0
0
0
6
4
6
0
0
3
1
1
3
3
0
0
3
3
4
5
4
1
0
3
19
2
3
90

abr
2
0
0
7
5
4
1
2
1
0
1
4
1
9
1
0
0
5
1
4
0
0
0
0
3
4
2
4
4
0
65

mai
0
6
3
1
4
3
0
0
3
4
5
3
1
0
0
3
9
0
1
1
0
0
8
0
2
4
2
0
0
6
3
72

Ms
jun jul
3
5
2
2
7
0
0
4
0
7
4
3
4
2
5
7
4
0
2
0
0
12
0
1
4
5
3
4
1
9
5
0
2
0
0
6
0
5
3
7
2
6
3
5
0
0
1
0
0
4
0
5
5
6
4
5
0
2
6
0
0
70 112

ago set out

3
4
0
5
2
0
5
0
5
5
0
1
6
4
1
0
4
4
1
1
8
8
6
0
6
6
0
4
1
4
7
0
2
0
3
0
0
11 6
0
2
7
5
3
0
3
1
1
1
0
3
4
0
7
3
2
5
0
1
1
0
2
4
3
2
0
6
1
0
3
0
3
1
0
1
3
3
3
0
2
1
0
6
3
6
2
0
5
3
0
3
4
96 72 74

nov
5
0
4
4
0
0
6
6
7
4
2
1
0
4
0
7
2
3
0
0
2
7
5
2
1
0
1
2
4
4
83

dez
2
4
0
0
2
4
4
5
5
0
1
2
12
4
4
2
0
1
2
3
5
2
2
0
0
2
0
4
3
4
0
79

Total
30
26
33
33
29
30
35
41
38
25
38
19
43
41
25
25
24
33
20
26
26
26
29
19
19
25
21
35
40
30
14
898

37

Tabela 2 Quantidade de chamados de IMP em 2011

Dia do ms
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Total
Fonte: Primria

jan fev
1
1
2
2
2
2
2
0
3
0
0
2
0
0
0
0
0
1
1
0
1
0
2
0
2
0
0
1
0
0
2
0
1
2
4
0
2
0
1
3
0
2
0
1
2
2
5
1
1
0
0
0
2
3
0
0
2
37 24

mar
0
3
0
0
0
0
0
0
0
4
1
0
0
0
0
1
2
1
0
0
3
1
0
1
5
0
0
0
1
3
1
27

abr
0
0
0
3
1
1
3
2
0
0
0
4
2
2
2
0
0
2
2
0
0
0
0
0
0
0
1
0
1
0
26

mai
0
1
2
1
1
1
0
0
2
1
2
2
1
0
0
1
1
0
0
1
0
0
2
0
3
1
2
0
0
1
3
29

Ms
jun jul
1
1
0
0
1
0
0
3
0
1
0
1
0
0
2
2
0
0
2
0
0
0
0
0
0
1
0
0
1
0
1
0
1
0
0
2
0
0
0
1
0
1
1
1
0
0
3
0
0
0
0
1
0
2
1
0
2
0
2
0
0
18 17

ago set out

0
0
0
0
0
0
0
0
0
2
0
1
0
1
1
0
0
0
0
0
0
1
0
0
3
1
0
1
0
1
2
0
4
0
0
0
0
1
1
0
1
0
2
2
0
0
0
0
3
0
2
0
0
3
0
0
3
0
0
0
0
0
2
1
0
0
0
0
0
0
0
0
0
0
0
1
3
1
0
0
1
0
0
0
0
1
0
3
0
0
1
1
20 10 21

nov
2
0
4
1
0
0
0
2
1
0
0
0
0
1
0
1
1
2
0
0
1
1
0
1
0
0
0
0
0
1
19

dez
1
2
0
0
1
1
1
1
1
0
0
2
1
2
2
0
0
0
1
0
1
2
0
0
0
2
0
2
0
0
0
23

Total
6
7
11
15
8
7
6
10
8
10
10
9
9
8
10
4
12
13
10
4
12
9
3
9
14
10
6
8
5
10
8
271

38

Tabela 3 Quantidade de chamados de TMF em 2011

Dia do ms
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Total
Fonte: Primria

jan fev
2
1
2
1
3
4
3
0
1
0
0
4
0
2
0
3
0
5
2
1
2
0
3
0
0
0
0
0
0
2
0
0
1
0
0
0
0
0
1
3
0
0
0
3
2
5
2
1
0
0
2
0
2
0
0
0
2
28 37

mar
0
0
6
5
0
0
0
0
3
0
1
0
0
1
5
4
1
0
0
0
1
3
2
4
0
0
0
0
0
1
2
39

abr
2
0
0
1
3
0
0
1
0
0
3
2
3
1
1
0
0
0
3
0
0
0
0
0
0
0
0
2
1
0
23

mai
0
0
3
0
0
0
0
0
0
1
1
1
1
0
0
1
3
5
2
2
0
0
0
3
2
0
1
0
0
0
5
31

Ms
jun jul ago
1
0
1
1
0
5
0
0
3
0
0
2
0
2
0
1
0
0
3
1
0
0
0
1
4
0
2
3
0
0
0
2
1
0
1
1
1
1
0
2
0
0
0
0
0
0
0
0
3
0
0
0
1
0
0
1
1
2
1
0
1
6
0
0
0
0
0
0
0
1
0
0
0
2
1
0
2
0
1
0
0
7
4
0
1
0
3
1
0
0
0
1
33 24 22

set out
0
0
0
0
0
1
0
1
0
0
0
1
0
0
2
0
0
0
0
1
0
1
0
0
1
0
0
0
0
0
0
0
0
1
0
0
0
1
1
0
2
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
7
8

nov
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
0
0
3

dez
0
0
0
0
0
0
0
0
0
0
0
1
0
0
2
0
0
0
0
0
1
1
0
0
0
0
0
0
0
0
0
5

Total
6
7
16
16
8
3
9
6
12
10
12
8
10
4
8
7
8
8
8
6
16
4
5
16
8
2
5
15
5
2
10
260

39

Utilizando-se o recurso Input Analyzer do Arena, os valores da coluna Total (Tabelas 1, 2

e 3) serviram como entrada de dados para gerar as distribuies de probabilidades e descobrir
qual distribuio melhor se ajusta aos dados de entrada. As Figuras 21, 22 e 23 ilustram os
grficos das distribuies de probabilidades para a criao dos chamados dirios.
Figura 21 Distribuio de probabilidades para criao dos chamados de ATM

Fonte: Primria

O ajuste da distribuio de probabilidades para criao dos chamados de ATM adequou-se

distribuio contnua Weibull de probabilidades e teve o valor apresentado na equao 1.
13.5 + WEIB(17.3, 2.12)

(1)

Onde:
WEIB(a,b)
a: Parmetro de escala
b: Parmetro de forma
Figura 22 Distribuio de probabilidades para criao dos chamados de IMP

Fonte: Primria

O ajuste da distribuio de probabilidades para criao dos chamados de IMP adequou-se

distribuio contnua Normal de probabilidades e teve o valor apresentado na equao 2.
NORM(8.74, 2.82)
Onde:
NORM(,)

(2)

40

: mdia
: desvio padro
Figura 23 Distribuio de probabilidades para criao dos chamados de TMF

Fonte: Primria

O ajuste da distribuio de probabilidades para criao dos chamados de TMF adequou-se

distribuio contnua Weibull de probabilidades e teve o valor apresentado na equao 3.
1.5 + WEIB(7.68, 1.69)

(3)

Onde:
WEIB(a,b)
a: Parmetro de escala
b: Parmetro de forma
Como pode ser identificado nos grficos de distribuio de probabilidades para gerao de
chamados tcnicos (Figuras 21, 22 e 23), h sazonalidade no que diz respeito ao dia do ms
em que mais ocorrem defeitos nos equipamentos. Essa sazonalidade ser aplicada no modelo
construdo, por meio das equaes de distribuio de probabilidades apresentadas para cada
tipo de equipamento. O perodo de tempo compreendido nesses grficos de trinta e um dias.
Ainda tendo como fonte de informao o sistema ERP da empresa Brasil S/A, foram
coletados os dados referentes s distribuies dos chamados tcnicos no ano de 2011,
referente a cada uma das cidades descritas na Figura 18. O passo seguinte foi reunir esses
chamados, de acordo com o agrupamento das reas apresentadas na Figura 19. O resultado da
distribuio percentual dos chamados, de acordo com o tipo de equipamento e conforme as
reas abordadas, apresentado nas Tabelas 4, 5 e 6.

41

Tabela 4 Distribuio de chamados de ATM por rea, em 2011

rea

Nome da rea

Quantidade de
chamados

Proporcional
ao total

Maring

255

28,40%

Sarandi

99

11,02%

Jandaia do Sul

56

6,24%

Paiandu

24

2,67%

Nova Esperana

50

5,57%

Colorado

81

9,02%

Cianorte

60

6,68%

Paraso do Norte

82

9,13%

Paranava

125

13,92%

10

Loanda

66

7,35%

898

100%

Total
Fonte: Primria

Tabela 5 Distribuio de chamados de IMP por rea, em 2011

rea

Nome da rea

Proporcional
ao total

Maring

121

44,65%

Sarandi

18

6,64%

Jandaia do Sul

21

7,75%

Paiandu

2,95%

Nova Esperana

18

6,64%

Colorado

23

8,49%

Cianorte

35

12,92%

Paraso do Norte

2,21%

Paranava

11

4,06%

10

Loanda

10

3,69%

271

100%

Total
Fonte: Primria

Quantidade de
chamados

42

Tabela 6 Distribuio de chamados de TMF por rea, em 2011

rea

Nome da rea

Quantidade de
chamados

Proporcional
ao total

Maring

39

15,00%

Sarandi

40

15,38%

Jandaia do Sul

22

8,46%

Paiandu

18

6,92%

Nova Esperana

21

8,08%

Colorado

30

11,54%

Cianorte

39

15,00%

Paraso do Norte

2,69%

Paranava

11

4,23%

10

Loanda

33

12,69%

260

100%

Total
Fonte: Primria

Foi constatado que o horrio de abertura dos chamados tcnicos por parte do cliente (banco)
possui uma sazonalidade conforme a hora do dia e obedece a uma distribuio de frequncias
caracterstica apresentada no grfico da Figura 24, conforme dados do sistema ERP da
empresa Brasil S/A.
Figura 24 Grfico de distribuio de frequncias, conforme a hora de abertura de chamados
2011
11,975%11,771%
10,934%
9,976%

9,751%

8,772%

8,752%
7,630%

7,691%

5,447%
4,672%

1,163%
0,204%

1,183%
0,082% 0,000% 0,000%

|- 07:00 07:00 |- 08:00 |- 09:00 |- 10:00 |- 11:00 |- 12:00 |- 13:00 |- 14:00 |- 15:00 |- 16:00 |- 17:00 |- 18:00 |- 19:00 |- 20:00 |- 21:00 |- 22:00 |08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00

Fonte: Primria

Foi verificado que se trata de uma amostra multimodal, com dois picos de chamados em
horrios distintos, coincidindo-se com os horrios de abertura e fechamento das agncias
bancrias. O eixo das abscissas representa os intervalos dos horrios detectados pelos

43

chamados abertos. O eixo das ordenadas representa as porcentagens referentes ao nmero de

chamados abertos no intervalo de horrio indicado, em relao ao total de chamados abertos
no dia. Essa informao no ser aplicada no modelo criado, mas ser importante caso
abordada em trabalhos futuros sobre o tema.
5.3

Tempos de atendimento

Para cada tipo de equipamento (ATM, IMP ou TMF) tem-se um tempo de atendimento (ou
conserto) distinto, devido s suas caractersticas intrnsecas. Os dados dos tempos de
atendimento tambm foram coletados no sistema ERP da empresa Brasil S/A, compilados e
elaboradas curvas de distribuies de probabilidades no recurso Input Analyzer do Arena,
anlogo ao que foi feito para a gerao de chamados tcnicos. As distribuies de
probabilidades obtidas para os tempos de atendimento so apresentadas nas Figuras 25, 26 e
27.
Figura 25 Distribuio de probabilidades para tempos de atendimento de ATM

Fonte: Primria

O ajuste da distribuio de probabilidades para tempos de atendimento de ATM adequou-se

distribuio contnua Lognormal de probabilidades e teve o valor apresentado na equao 4.
LOGN(1.85, 1.44)
Onde:
LOGN(,)
: mdia
: desvio padro

(4)

44

Figura 26 Distribuio de probabilidades para tempos de atendimento de IMP

Fonte: Primria

O ajuste da distribuio de probabilidades para tempos de atendimento de IMP adequou-se

distribuio contnua Lognormal de probabilidades e teve o valor apresentado na equao 5.
LOGN(1.25, 0.77)

(5)

Onde:
LOGN(,)
: mdia
: desvio padro
Figura 27 Distribuio de probabilidades para tempos de atendimento de TMF

Fonte: Primria

O ajuste da distribuio de probabilidades para tempos de atendimento de TMF adequou-se a

distribuio contnua Weibull de probabilidades e teve o valor apresentado na equao 6.
WEIB(1.34, 2.01)
Onde:
WEIB(a,b)
a: Parmetro de escala
b: Parmetro de forma

(6)

45

5.4

Construo do modelo no Arena

Uma abstrao da realidade do caso sob estudo foi efetuada e, a partir disso, foi construdo
um modelo que pudesse representar da forma mais fidedigna possvel o caso real. O modelo
foi construdo utilizando-se o software Arena, em sua verso 13.9, e tal modelo
apresentado, em sua totalidade, na Figura 28. Posteriormente, cada parte deste ser
apresentada com mais detalhes.

46
F ig u r a 28 Vis o geral d o m o d elo

F o nte: Pri m ria

47

5.4.1

Animao

Apresenta-se, inicialmente, o resultado da animao (que na modelagem, foi um dos ltimos

passos percorridos) pois, assim, pode se ter uma viso holstica do processo e permitir a
compreenso dos modelos de fluxograma construdos no Arena, que sero apresentados
subsequentemente. A imagem da animao mostrada na Figura 29 e retrata o modelo das
distribuies das reas atendidas, apresentado na Figura 20.
Figura 29 Animao do modelo

Fonte: Primria

Como pode ser visualizado na Figura 29, um modelo de rede foi formado, interligando-se
todas as reas atendidas, seguindo o proposto que consta na Figura 20. Essa configurao
chamada de Network pelo Arena e est contida no Template Advanced Transfer. Para se
configurar um Network, necessrio que o meio de transporte seja do tipo guiado. E assim foi
configurado. Um Network (ou uma rede) composto por interseces (ou Intersections) e
links (NL Network Links) que os interligam. necessrio relacionar uma Estao (ou
Station) a uma interseco para que o Arena reconhea os pontos por onde deve passar. As
Intersections so relacionadas a Stations, que, por sua vez, so relacionadas s reas propostas
na Figura 20. No caso do presente trabalho, h 12 Intersections e vinte Network Links. As
distncias entre Stations, bem como seus inter-relacionamentos, so configurados no mdulo
Network Link.
Essas configuraes podem ser verificadas consultando-se as Figuras 30, 31 e 32.

48

Figura 30 Configurao dos mdulos Stations

Fonte: Primria
Figura 31 Configurao do mdulo Network Link

Fonte: Primria

49

Figura 32 Configurao dos mdulos Network e Transporter

Fonte: Primria

No caso real existem nveis de prioridades de atendimento conforme cada tipo de

equipamento, que so proporcionais s multas rescisrias pagas pela empresa pelo atraso na
concluso do servio, ou, ainda, por bnus recebidos em caso de concluses
significativamente precoces. Essa deciso, na prtica, tomada de forma emprica pelo TR ou
pelo colaborador controlador de chamados.
Para tornar a deciso de qual cliente atender prioritariamente com mais clareza e objetividade,
na modelagem, no bastou estabelecer nveis de prioridades para as entidades, pois se o
nmero de chamados por rea for maior que um, o sistema pode no escolher de forma
correta.
Dessa forma, foi criado um sistema de pesos para cada tipo de equipamento a ser consertado,
onde:
ATM

alta prioridade

peso 7

mdia prioridade

peso 3

TMF

baixa prioridade

peso 1

IMP

50

Portanto, a rea que possuir a maior pontuao ser a primeira rea a ser atendida e assim
sucessivamente, enquanto perdurar o horrio de expediente do TR. Esse sistema de pesos
proporcional ao valor das multas rescisrias do caso real.
O clculo da pontuao de cada rea segue uma equao bastante simples e determinado
pela equao 7.
(7)

Onde:

quantidade de ATM recebido em uma determinada rea

quantidade de IMP recebido em uma determinada rea
quantidade de TMF recebido em uma determinada rea
Por exemplo, se a rea 1 receber um conjunto de chamados composto por um ATM, uma
IMP e um TMF e a rea 2 receber dois ATMs, nenhuma IMP e nenhum TMF, o clculo da
pontuao de cada rea e, consequentemente, a prioridade de atendimento ser:

Portanto, a rea 1 ser a primeira a receber o atendimento tcnico e, se houver horrio de

expediente disponvel naquele dia, a rea 2 ser atendida; caso contrrio, os chamados da
rea 2 acumularo para o dia seguinte. Em caso de empate, a primeira rea a ser atendida ser
a que estiver mais prxima do local atual do tcnico.
A Figura 33 representa o sistema de pontuao que foi criado para determinar as prioridades
de atendimento s reas. Os nmeros contidos nos retngulos cinzas representam a quantidade
de chamados de ATM, IMP e TMF presentes na rea correspondente. A pontuao da rea

51

mostrada logo acima, em vermelho e determinar o nvel de prioridade de atendimento para

aquela rea.
Figura 33 Pontuao do cliente

Fonte: Primria

5.4.2

O tcnico e sua base

A entidade Tcnico gerada apenas uma vez e nunca morre, ou seja, o tcnico tem sua
base e l fica at que se inicie seu horrio de expediente (Figura 34). O tcnico sai da sua base
e percorre o caminho at a rea de destino de carro (transportador), por meio dos Network
Links, e viaja a uma velocidade mdia (configurado no mdulo Transporter, do template
Advanced Transfer).
Figura 34 Fluxogramas do modelo: etapa cria TR e Base do TR
Estao 8
Cria Tecnico

Atribui ID Tecnico

Enter Garagem

Atribui estacao
atual Tecnico
Garagem

Leave Garagem

Hold chamados

Estao atual
Tcnico 1

Distancia viagem
2

PickStation Base

Estao 17
Enter Base

Distancia viagem
1

Atribui estacao
atual Tecnico
Base

Aguarda dia
seguinte

Delay 2min

Atribui
Base_Estrada

Request Base

Fonte: Primria

5.4.3

Gerao e distribuio de chamados tcnicos

O passo incipiente para a construo do modelo a ser simulado no software Arena foi gerar
os chamados tcnicos, conforme o tipo de equipamento e baseando-se nas distribuies de
frequncias das Figuras 21, 22 e 23, ou seja, 13.5 + WEIB(17.3, 2.12), NORM(8.74, 2.82) e
1.5 + WEIB(7.68, 1.69) chamados dirios gerados, para ATM, IMP e TMF respectivamente.

52

Posteriormente, foram proporcionalmente distribudos a cada uma das dez reas compostas
por grupos de cidades, conforme descrito nas Tabelas 4, 5 e 6. A Figura 35 mostra o
fluxograma do conjunto referente gerao e distribuio dos chamados.
Figura 35 Gerao e distribuio de chamados

As s ign tem po
Atend ATM

Cria ATM

Batc h Area_1

R oute A R E A _1

Maring

R oute A R E A _2

Sarandi

R oute A R E A _3

Jandaia do Sul

R oute A R E A _4

Paiandu

R oute A R E A _5

Nova Esperana

R oute A R E A _6

Colorado

R oute A R E A _7

Cianorte

R oute A R E A _8

Paraso do Norte

R oute A R E A _9

Paranava

R oute A R E A _10

Loanda

D istribui A TM

28.4
11
6.2
2.7
5.6
9
6.7
9.1
13.9
7.3

Else

Batc h Area_2

0
Batc h Area_3

Dis pos e 15

0
0

As s ign tem po
Atend IM P

Cria IM P

Batc h Area_4

D istribui IMP

44.7
6.6
7.8
3
6.6
8.5
12.9
2.2
4
3.7

Else

Batc h Area_5

0
Dis pos e 16

Batc h Area_6

0
0

As s ign tem po
Atend TM F

Cria TM F

Batc h Area_7

D istribui TMF

15
15.4
8.5
6.9
8.1
11.5
15
2.7
4.2
12.7

0
Else

Batc h Area_8

0
Dis pos e 17

Batc h Area_9

0
0
Batc h Area_10

Fonte: Primria

Os mdulos Create Cria ATM, Cria IMP e Cria TMF foram configurados conforme
apresentado na Figura 36.
Figura 36 Configurao dos mdulos Create para chamados
Cria IMP

Cria ATM

Cria TMF

Fonte: Primria

O passo seguinte criao dos chamados consiste em deixar passar somente uma parcela
deles, pois sua gerao considerada a cada dia do ms e compreendida pelos doze meses do

53

ano. Ou seja, para ATM, no primeiro dia do ms (somatria dos doze meses), gera-se 30
chamados. No segundo dia, 26 chamados. No terceiro dia, 33 chamados e assim
sucessivamente, conforme consta na Tabela 1. Outro fator importante que a construo do
modelo foi efetuada considerando-se o trabalho de um TR apenas. Portanto, para a totalidade
dos chamados criados diariamente, divide-se por doze meses e divide-se novamente por dois
TRs. Como resultado, tem-se 4,16% dos chamados dirios para cada TR. Para melhor
compreenso deste ponto, as Tabelas 1, 2 e 3 podem ser consultadas.
A Figura 37 mostra a configurao dos mdulos Decide, para ATM, IMP e TMF.
Figura 37 Configurao dos mdulos Decide, para ATM, IMP e TMF

Fonte: Primria

Como os tempos de conserto (ou atendimento) para cada tipo de equipamento so distintos,
isso foi estabelecido j na gerao dos chamados, por meio de um mdulo Assign e no
diretamente no mdulo Process que o atender. Isso foi feito setando-se o atributo
TempoConserto de cada entidade (ATM, IMP ou TMF) criada. A Figura 38 apresenta a
configurao dos mdulos Assigns citados.
Figura 38 Configurao dos mdulos Assign, para tempos de atendimento
Assign tempo
Atend ATM

Fonte: Primria

Assign tempo
Atend IMP

Assign tempo
Atend TMF

54

A prxima etapa trata de distribuir os chamados proporcionalmente a cada rea atendida,

conforme registrado nas Tabelas 4, 5 e 6. Ou seja, a rea 1 receber 28,4% dos chamados de
ATM, 44,7% dos chamados de IMP e 15,0% dos chamados de IMP. rea 2 receber 11,0%
dos chamados de ATM, 6,6% dos chamados de IMP e 15,4% dos chamados de IMP, e assim
sucessivamente at a rea 10.
A configurao dos mdulos Decide que executam essa tarefa pode ser verificada na Figura
39.
Figura 39 Configurao dos mdulos Decide para distribuio dos chamados

Distribui ATM

28.4
11
6.2
2.7
5.6
9
6.7
9.1
13.9
7.3

Else

Distribui TMF

Distribui IMP

44.7
6.6
7.8
3
6.6
8.5
12.9
2.2
4
3.7

Else

15
15.4
8.5
6.9
8.1
11.5
15
2.7
4.2
12.7

Else

Fonte: Primria

E, finalizando esta seo, h os mdulos Route, que executam o envio dos chamados
(entidades ATM, IMP e TMF) s Stations das reas correspondentes (Area_1.Station
Area_10.Station), conforme essas entidades chegam nesses mdulo. No gasto tempo algum
para o envio das entidades pelos mdulos Route, sendo anlogo a chamados que chegam no
sistema de informao do cliente.
A configurao de um dos dez mdulos Route demonstrada na Figura 40.

55

Figura 40 Configurao do mdulo Route

Fonte: Primria

5.4.4

Processos de atendimento dos chamados

Para cada rea atendida h um conjunto de mdulos de fluxograma que compem o processo
de atendimento dos chamados tcnicos daquela localidade.
Como exemplo, ser mencionado o conjunto da rea 5 (ver Figura 19). Essa rea
referente ao conjunto composto pelas cidades: Atalaia, Flora, Mandaguau, Nova Esperana,
Ourizona, Presidente Castelo Branco, So Jorge do Iva e Uniflor. A cidade referncia para
essa rea Nova Esperana (ver Figura 20).
Vale relembrar que os chamados tcnicos que chegam de uma determinada rea
compreendem a soma dos chamados recebidos por cada uma das cidades pertencentes quela
rea. Isso foi realizado para simplificar significativamente a construo do modelo, pois, caso
contrrio, haveria cinquenta e oito conjuntos de atendimento.
A cidade de Maring, por si s, compreende uma rea, pois nesta cidade h mais de oito
clientes a serem atendidos, ao contrrio das demais cidades, que possuem apenas um cliente.
O fluxograma do modelo que contm os processos para atendimento aos clientes (rea 1 a
rea 10) demonstrado na Figura 41.


Figura 41 Processos de atendimento de chamados (rea 1 at rea 10)
Verif. hora AREA_1 e

Chegada do
Tcnico

Estao atual
Tcnico 1

Tcnico
presente

0
Verif. hora AREA_1 d

Enter Maringa

0 True
Verif. hora AREA_1 a

0 True

Estao 4
0

False

Atribui Tecnico
presente e
estacao atual
AREA_1

Hold Aguarda
Termino
Processo
Atende
AREA_1

Signal 1
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_1

Verif. hora AREA_1 b

False

0 True

Request
AREA_1

Verif. hora AREA_6 e

Chegada do
Tcnico

False

0 True
AREA_1 Ha
chamados nos demais
clientes?

0 True

False

PickStation
AREA_1

Segue p/
prx. cliente

Estao atual
Tcnico 1

0
Verif. hora AREA_6 d

Enter Colorado

0 True

Verif. hora AREA_6 a

0 True

Estao 4
0

False

False

Tcnico
presente

Atribui Tecnico
presente e
estacao atual
AREA_6

Hold Aguarda
Termino
Processo
Atende
AREA_6

Signal 6
Cheguei

0
AREA_1 ATM?

Record IN ATM
Area_1

Registra ATM
AREA_1

Atualiza
Pontuacao
AREA_1 a

Record IN IMP
Area_1

Registra IMP
AREA_1

Atualiza
Pontuacao
AREA_1 b

True

AREA_1 IMP?

TMF

0
Pontos AREA_1

Fila Processo
AREA_1

Hold Aguarda
Chegada
Tecnico
AREA_1

False

0
Record IN Area_1

Fila chamados
AREA_1

Registra TMF
AREA_1

Record IN TMF
Area_1

Determina as prioridades de atendimento

Atualiza
Pontuacao
AREA_1 c

Registra ATM
atendidos
AREA_1

Estao atual
Tcnico 1

0
Verif. hora AREA_2 d

Enter Sarandi

0 True

Verif. hora AREA_2 a

0 True

Estao 4
0

False

Record OUT ATM

Area_1

Dispose 1

Else

Dispose 24

ATM

Signal chegada
chamado
AREA_6

0 True

AREA_6 ATM?

Record IN ATM
Area_6

Registra ATM
AREA_6

Atualiza
Pontuacao
AREA_6 a

Record IN IMP
Area_6

Registra IMP
AREA_6

Atualiza
Pontuacao
AREA_6 b

Record OUT IMP

Area_1

Dispose 11

Atualiza
Pontuacao
AREA_1 f

Record OUT TMF

Area_1

False

0 True

AREA_6 IMP?

False

Verif. Fila e Processo

AREA_1

True

Verif. hora AREA_1 f

False

0 True

0
Pontos AREA_6

Hold Aguarda
Termino
Processo
Atende
AREA_2

Signal 2
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_2

Verif. hora AREA_2 b

False

Signal chegada
chamado
AREA_2

Enter AREA_2

0 True

Registra ATM
AREA_2

Record IN ATM
Area_2

Atualiza
Pontuacao
AREA_2 a

Fila chamados
AREA_2

False

0 True

AREA_2 IMP?

Registra IMP
AREA_2

Record IN IMP
Area_2

Record IN Area_2

Hold Aguarda
Chegada
Tecnico
AREA_2

Atualiza
Pontuacao
AREA_2 b

TMF

0
Pontos AREA_2

Processo
AREA_2

Fila Processo
AREA_2

0 True
AREA_2 Ha
chamados nos demais
clientes?
0

False

PickStation
AREA_2

Segue p/
prx. cliente

Record IN TMF
Area_6

Registra TMF
AREA_6

Estao atual
Tcnico 1

0
Verif. hora AREA_7 d

Enter Cianorte

0 True

Verif. hora AREA_7 a

0 True

Chamados
alocados
AREA_6

Registra TMF
AREA_2

Record IN TMF
Area_2

Determina as prioridades de atendimento

Atualiza
Pontuacao
AREA_2 c

Verif. hora AREA_2 c

Volta p/ Base

False

0 True

False

Atualiza
Pontuacao
AREA_2 d

Record OUT ATM

Area_2

Dispose 2

Registra IMP
atendidas
AREA_2

Atualiza
Pontuacao
AREA_2 e

Record OUT IMP

Area_2

Dispose 85

False

Record OUT ATM

Area_6

Dispose 6

Registra IMP
atendidas
AREA_6

Atualiza
Pontuacao
AREA_6 e

Record OUT IMP

Area_6

Dispose 101

Registra TMF
atendidos
AREA_6

Atualiza
Pontuacao
AREA_6 f

Record OUT TMF

Area_6

Dispose 102

0
Dispose 103

False

0 True

Signal Libera
chamado
AREA_6

False

Signal Libera
Tecnico
AREA_6

Tcnico
presente
Hold Aguarda
Termino
Processo
Atende
AREA_7

Signal 7
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_7

Verif. hora AREA_7 b

False

Dispose 87

Registra TMF
atendidos
AREA_2

Verif. Fila e Processo

AREA_2

True

False

0 True

Atualiza
Pontuacao
AREA_2 f

Record OUT TMF

Area_2

0 True

AREA_7 ATM?

False

Registra ATM
AREA_7

Atualiza
Pontuacao
AREA_7 a

Record IN IMP
Area_7

Registra IMP
AREA_7

Atualiza
Pontuacao
AREA_7 b

0 True

AREA_7 IMP?

Record IN Area_7

False

Processo
AREA_7

Fila Processo
AREA_7

Hold Aguarda
Chegada
Tecnico
AREA_7

0 True
AREA_7 Ha
chamados nos demais
clientes?

0 True

Enter Jandaia
do Sul

0
Verif. hora AREA_3 d

0 True
Verif. hora AREA_3 a

0 True

Estao 12
0

False

Record IN TMF
Area_7

Registra TMF
AREA_7

Determina as prioridades de atendimento

Atualiza
Pontuacao
AREA_7 c

Verif. hora AREA_7 c

Avisa a
Base
Signal chegada
chamado
AREA_3

0
Hold Aguarda
Termino
Processo
Atende
AREA_3

Signal 3
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_3

Verif. hora AREA_3 b

False

0 True
AREA_3 Ha
chamados nos demais
clientes?

0 True

False

PickStation
AREA_3

Chegada do
Tcnico

Segue p/
prx. cliente

Enter Paraiso
do Norte

False

Estao atual
Tcnico 1

0
Verif. hora AREA_8 d

Dispose 107

0 True

Verif. hora AREA_7 f

False

Verif. Fila e Processo

AREA_7

True

False

Record OUT ATM

Area_7

Dispose 7

Registra IMP
atendidas
AREA_7

Atualiza
Pontuacao
AREA_7 e

Record OUT IMP

Area_7

Dispose 105

Registra TMF
atendidos
AREA_7

Atualiza
Pontuacao
AREA_7 f

Record OUT TMF

Area_7

Dispose 106

0 True

0 True

AREA_3 IMP?

Registra ATM
AREA_3

Atualiza
Pontuacao
AREA_3 a

Record IN IMP
Area_3

Registra IMP
AREA_3

Atualiza
Pontuacao
AREA_3 b

Record IN Area_3

Fila chamados
AREA_3

Processo
AREA_3

Fila Processo
AREA_3

Record IN TMF
Area_3

Pontos AREA_3

Registra TMF
AREA_3

Atualiza
Pontuacao
AREA_3 c

False

Signal Libera
Tecnico
AREA_7

Record OUT
Area_3

Registra ATM
atendidos
AREA_3

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Dispose 91

0
Verif. hora AREA_4 d

0 True

Verif. hora AREA_4 a

0 True

Estao 4
0

False

Record OUT ATM

Area_3

Registra IMP
atendidas
AREA_3

Atualiza
Pontuacao
AREA_3 e

Record OUT IMP

Area_3

Registra TMF
atendidos
AREA_3

Atualiza
Pontuacao
AREA_3 f

Record OUT TMF

Area_3

0 True

Verif. hora AREA_3 f

False

Verif. Fila e Processo

AREA_3

True

False

0 True

False

Enter AREA_8

Chegada de
chamados

Dispose 89

Hold Aguarda
Termino
Processo
Atende
AREA_4

Signal 4
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_4

Verif. hora AREA_4 b

Registra ATM
AREA_4

Atualiza
Pontuacao
AREA_4 a

AREA_4 IMP?

Record IN Area_4

0 True

Record IN IMP
Area_4

Registra IMP
AREA_4

Atualiza
Pontuacao
AREA_4 b

Record IN TMF
Area_4

Registra TMF
AREA_4

Atualiza
Pontuacao
AREA_4 c

Processo
AREA_4

Fila Processo
AREA_4

0 True

False

PickStation
AREA_4

Chegada do
Tcnico

Segue p/
prx. cliente

0
Verif. hora AREA_5 d

0 True

Verif. hora AREA_5 a

0 True

Estao 4
0

False

Chegada de
chamados

Signal chegada
chamado
AREA_5

Verif. hora AREA_4 c

Registra IMP
atendidas
AREA_4

Record OUT ATM

Area_4

Atualiza
Pontuacao
AREA_4 e

Registra TMF
atendidos
AREA_4

0
Record IN Area_5

Determina as prioridades de atendimento

False

AREA_5 IMP?

Verif. hora AREA_4 f

False

Verif. Fila e Processo

AREA_4

True

False

0 True

Record IN ATM
Area_5

False

0 True

Record IN IMP
Area_5

Registra IMP
AREA_5

Atualiza
Pontuacao
AREA_5 b

Record IN TMF
Area_5

Registra TMF
AREA_5

Atualiza
Pontuacao
AREA_5 c

False

Record OUT
Area_5

Processo
AREA_8

Fila Processo
AREA_8

Record IN TMF
Area_8

Registra TMF
AREA_8

Processo
Atende AREA_8

PickStation
AREA_8

Atualiza
Pontuacao
AREA_8 c

0
Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Chamados
alocados
AREA_8

Verif. hora AREA_8 c

Dispose 111

0 True

Verif. hora AREA_8 f

False

Verif. Fila e Processo

AREA_8

True

False

Registra ATM
atendidos
AREA_8

Atualiza
Pontuacao
AREA_8 d

Record OUT ATM

Area_8

Dispose 8

Registra IMP
atendidas
AREA_8

Atualiza
Pontuacao
AREA_8 e

Record OUT IMP

Area_8

Dispose 109

Registra TMF
atendidos
AREA_8

Atualiza
Pontuacao
AREA_8 f

Record OUT TMF

Area_8

Dispose 110

0 True

Remove o
Tecnico e Zera
Pontos da
AREA_5

Record OUT IMP

Area_4

Atualiza
Pontuacao
AREA_4 f

Record OUT TMF

Area_4

False

Fila chamados
AREA_5

Verif. hora AREA_5 b

0 True

Processo
AREA_5

Fila Processo
AREA_5

Dispose 93

False

Registra IMP
atendidas
AREA_5

True

PickStation
AREA_5

Segue p/
prx. cliente

Chegada do
Tcnico

0 True

False

0 True

AREA_9 IMP?

Record IN Area_9

Remove o
Tecnico e Zera
Pontos da
AREA_9

Verif. Fila e Processo

AREA_5

False

0 True

Request
AREA_9

False

0 True
AREA_9 Ha
chamados nos demais
clientes?

True

Verif. hora AREA_9 b

Record IN ATM
Area_9

Registra ATM
AREA_9

Atualiza
Pontuacao
AREA_9 a

Record IN IMP
Area_9

Registra IMP
AREA_9

Atualiza
Pontuacao
AREA_9 b

Fila chamados
AREA_9

Hold Aguarda
Chegada
Tecnico
AREA_9

0
TMF

Processo
AREA_9

Fila Processo
AREA_9

False

PickStation
AREA_9

Segue p/
prx. cliente

Leave
AREA_9 Base

Volta p/ Base

False

Record IN TMF
Area_9

Registra TMF
AREA_9

Atualiza
Pontuacao
AREA_9 c

Registra ATM
atendidos
AREA_9

Atualiza
Pontuacao
AREA_9 d

Record OUT ATM

Area_9

Dispose 9

Registra IMP
atendidas
AREA_9

Atualiza
Pontuacao
AREA_9 e

Record OUT IMP

Area_9

Dispose 113

Registra TMF
atendidos
AREA_9

Atualiza
Pontuacao
AREA_9 f

Record OUT TMF

Area_9

Dispose 114

Separa ATM IMP TMF

AREA_9

Processo
Atende AREA_9

False

Estao atual
Tcnico 1

False

Verif. hora AREA_10

d

Volta p/ Base

Atualiza
Pontuacao
AREA_5 d

Record OUT ATM

Area_5

0 True

Verif. hora AREA_10

a

False

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Chamados
alocados
AREA_9

0
Dispose 115

Verif. hora AREA_9 c

0 True

False

Verif. Fila e Processo

AREA_9

True

Verif. hora AREA_9 f

False

0 True

False

Signal Libera
chamado
AREA_9
Signal Libera
Tecnico
AREA_9

0 True

Tcnico
presente

Atribui Tecnico
presente e
estacao atual
AREA_10

Hold Aguarda
Termino
Processo
Atende
AREA_10

Signal 10
Cheguei

Remove o
Tecnico e Zera
Pontos da
AREA_10

Verif. hora AREA_10

b

False

Avisa a
Base

Dispose 5

Atualiza
Pontuacao
AREA_5 e

Record OUT IMP

Area_5

Registra TMF
atendidos
AREA_5

Atualiza
Pontuacao
AREA_5 f

Record OUT TMF

Area_5

0 True

Signal Libera
chamado
AREA_5
Signal Libera
Tecnico
AREA_5

Enter
AREA_10

Signal chegada
chamado
AREA_10

ATM
AREA_10 ATM?

0 True

Record IN ATM
Area_10

Registra ATM
AREA_10

Atualiza
Pontuacao
AREA_10 a

Record IN IMP
Area_10

Registra IMP
AREA_10

Atualiza
Pontuacao
AREA_10 b

Dispose 97

Dispose 98

Hold Aguarda
Termino
Processo
Atende
AREA_9

Signal 9
Cheguei

0
Dispose 99

False

Atribui Tecnico
presente e
estacao atual
AREA_9

False

ATM
AREA_9 ATM?

0
Pontos AREA_9

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

0 True

IMP

Chegada de
chamados

Dispose 94

Separa ATM IMP TMF

AREA_5

Processo
Atende AREA_5

True

0 True

Request
AREA_10

False

0 True
AREA_10 Ha
chamados nos demais
clientes?

0 True

False

PickStation
AREA_10

Segue p/
prx. cliente

Leave
AREA_10
Base

Volta p/ Base

False

Delay 10

False

Verif. hora AREA_9 a

Tcnico
presente

Request
AREA_5

0
AREA_5 Ha
chamados nos demais
clientes?

0 True

Registra ATM
atendidos
AREA_5

Verif. hora AREA_5 f

Signal chegada
chamado
AREA_9

Enter AREA_9

Estao 4

0 True

0 True

False

Signal Libera
Tecnico
AREA_8

False

Leave
AREA_5 Base

Chamados
alocados
AREA_5

Verif. hora AREA_5 c

Verif. hora AREA_9 d

Enter Loanda

Hold Aguarda
Chegada
Tecnico
AREA_5

Signal Libera
chamado
AREA_8

Verif. hora AREA_10

e

Hold Aguarda
Termino
Processo
Atende
AREA_5

Signal 5
Cheguei

Segue p/
prx. cliente

False

Separa ATM IMP TMF

AREA_8

Record OUT
Area_9

Chegada de
chamados

0
Pontos AREA_10

Fila chamados
AREA_10

Processo
AREA_10

Fila Processo
AREA_10

IMP
0
Record IN
Area_10

Determina as prioridades de atendimento

False

AREA_10 IMP?

0 True

Hold Aguarda
Chegada
Tecnico
AREA_10

0
TMF

False

Record IN TMF
Area_10

Registra TMF
AREA_10

Atualiza
Pontuacao
AREA_10 c

Record OUT
Area_10

Processo
Atende AREA_10

False

Atualiza
Pontuacao
AREA_10 d

Record OUT ATM

Area_10

Dispose 10

Registra IMP
atendidas
AREA_10

Atualiza
Pontuacao
AREA_10 e

Record OUT IMP

Area_10

Else

Dispose 117

Registra TMF
atendidos
AREA_10

Atualiza
Pontuacao
AREA_10 f

Record OUT TMF

Area_10

Dispose 118

Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Chamados
alocados
AREA_10

Verif. hora AREA_10

c

Registra ATM
atendidos
AREA_10

Separa ATM IMP TMF

AREA_10

Fonte: Primria

Hold Aguarda
Chegada
Tecnico
AREA_8

False

Determina as prioridades de atendimento

Atualiza
Pontuacao
AREA_5 a

Fila chamados
AREA_8

TMF

Signal Libera
Tecnico
AREA_4

False

Registra ATM
AREA_5

Record IN IMP
Area_8

Estao atual
Tcnico 1

Dispose 4

Signal Libera
chamado
AREA_4

Tcnico
presente

TMF
0

Delay 9

0
0 True

IMP

Pontos AREA_5

0 True

Registra IMP
AREA_8

Atualiza
Pontuacao
AREA_8 b

Avisa a
Base

0
Dispose 95

ATM
AREA_5 ATM?

AREA_8 IMP?

Volta p/ Base

Delay 5

Enter AREA_5

0 True

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Atribui Tecnico
presente e
estacao atual
AREA_5

Avisa a
Base

Atualiza
Pontuacao
AREA_8 a

Record IN Area_8

Enter
Paranavai

False

Atualiza
Pontuacao
AREA_4 d

Verif. hora AREA_5 e

Estao atual
Tcnico 1

Registra ATM
AREA_8

Separa ATM IMP TMF

AREA_4

Processo
Atende AREA_4

Enter Nova
Esperanca

0 True
AREA_8 Ha
chamados nos demais
clientes?

0 True

False

IMP
False

0
Pontos AREA_8

Dispose 90

Record IN ATM
Area_8

Request
AREA_4

0 True
AREA_4 Ha
chamados nos demais
clientes?

0 True

Registra ATM
atendidos
AREA_4

Chamados
alocados
AREA_4

Record OUT
Area_4

Verif. hora AREA_8 b

False

Leave
AREA_4 Base

Hold Aguarda
Chegada
Tecnico
AREA_4

False

Determina as prioridades de atendimento

Chegada do
Tcnico

Request
AREA_8

Volta p/ Base

ATM
0 True

AREA_8 ATM?

Estao 4

Fila chamados
AREA_4

TMF

Pontos AREA_4

Signal chegada
chamado
AREA_8

Record OUT
Area_8

False

Record IN ATM
Area_4

False

0 True

False

Verif. hora AREA_9 e

Atribui Tecnico
presente e
estacao atual
AREA_4

IMP

Chegada de
chamados

Remove o
Tecnico e Zera
Pontos da
AREA_8

Signal Libera
Tecnico
AREA_3

ATM
0 True

AREA_4 ATM?

Hold Aguarda
Termino
Processo
Atende
AREA_8

Signal 8
Cheguei

False

Determina as prioridades de atendimento

Tcnico
presente

Avisa a
Base
Signal chegada
chamado
AREA_4

False

Atribui Tecnico
presente e
estacao atual
AREA_8

Avisa a
Base
0

Delay 4

Enter AREA_4

0 True

Dispose 3

Signal Libera
chamado
AREA_3

Verif. hora AREA_4 e

Estao atual
Tcnico 1

Atualiza
Pontuacao
AREA_3 d

Verif. hora AREA_3 c

Enter Paicandu

Verif. hora AREA_8 a

Tcnico
presente

Volta p/ Base

Separa ATM IMP TMF

AREA_3

Chamados
alocados
AREA_3

Determina as prioridades de atendimento

Chegada do
Tcnico

Signal Libera
chamado
AREA_7

Leave
AREA_8 Base

Processo
Atende AREA_3

False

Leave
AREA_3 Base

Hold Aguarda
Chegada
Tecnico
AREA_3

0
TMF

Delay 8

Record IN ATM
Area_3

IMP
False

0 True

Estao 4
0

ATM

Chegada de
chamados

Volta p/ Base

False

0 True

AREA_3 ATM?

Leave
AREA_7 Base

Atualiza
Pontuacao
AREA_7 d

Request
AREA_3

Delay 3

Enter AREA_3

Segue p/
prx. cliente

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Chamados
alocados
AREA_7

Signal Libera
Tecnico
AREA_2

Tcnico
presente

Atribui Tecnico
presente e
estacao atual
AREA_3

PickStation
AREA_7

False

Registra ATM
atendidos
AREA_7

Verif. hora AREA_8 e

Estao atual
Tcnico 1

Request
AREA_7

Separa ATM IMP TMF

AREA_7

Processo
Atende AREA_7

False

Record OUT
Area_7

0 True

Fila chamados
AREA_7

TMF

0
Pontos AREA_7

Dispose 86

Record IN ATM
Area_7

Signal Libera
chamado
AREA_2

Verif. hora AREA_3 e

Chegada do
Tcnico

0 True

False

False

IMP

Chegada de
chamados

Verif. hora AREA_2 f

Verif. Fila e Processo

AREA_6

True

Verif. hora AREA_6 f

ATM

Signal chegada
chamado
AREA_7

Enter AREA_7

Registra ATM
atendidos
AREA_2

0 True

Atualiza
Pontuacao
AREA_6 d

Verif. hora AREA_6 c

Avisa a
Base

Else
Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Chamados
alocados
AREA_2

Record OUT
Area_2

Volta p/ Base

Atribui Tecnico
presente e
estacao atual
AREA_7

Estao 4

False

Separa ATM IMP TMF

AREA_2

Processo
Atende AREA_2

False

Leave
AREA_6 Base

Registra ATM
atendidos
AREA_6

Verif. hora AREA_7 e

Chegada do
Tcnico

Leave
AREA_2 Base

IMP

Chegada de
chamados

Segue p/
prx. cliente

Delay 7

ATM
AREA_2 ATM?

PickStation
AREA_6

False

Separa ATM IMP TMF

AREA_6

Processo
Atende AREA_6

Request
AREA_2

False

0 True

Fila Processo
AREA_6

Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Delay 2

Avisa a
Base

Atribui Tecnico
presente e
estacao atual
AREA_2

0 True
AREA_6 Ha
chamados nos demais
clientes?

Else

Signal Libera
Tecnico
AREA_1

Tcnico
presente

Processo
AREA_6

Atualiza
Pontuacao
AREA_6 c

Record OUT
Area_6

0 True

Hold Aguarda
Chegada
Tecnico
AREA_6

False

Signal Libera
chamado
AREA_1

False

Fila chamados
AREA_6

TMF

Determina as prioridades de atendimento

Dispose 12

0
0 True

0 True

False

IMP

Chegada de
chamados
Record IN Area_6

Atualiza
Pontuacao
AREA_1 e

Registra TMF
atendidos
AREA_1

Verif. hora AREA_2 e

Chegada do
Tcnico

Atualiza
Pontuacao
AREA_1 d

Registra IMP
atendidas
AREA_1

Entity.Type==ATM
Entity.Type==IMP
Entity.Type==TMF

Verif. hora AREA_1 c

Avisa a
Base
Enter AREA_6

Chamados
alocados
AREA_1

Record OUT
Area_1

Volta p/ Base

Separa ATM IMP TMF

AREA_1

Processo
Atende AREA_1

False

Leave
AREA_1 Base

Processo
AREA_1

IMP

Chegada de
chamados

Request
AREA_6

Delay 6

ATM
True

Signal chegada
chamado
AREA_1

Enter AREA_1

Verif. hora AREA_6 b

Delay 1

Avisa a
Base

Remove o
Tecnico e Zera
Pontos da
AREA_6

False

0 True

False

Dispose 119

0 True

Verif. hora AREA_10

f

False

True

Verif. Fila e Processo

AREA_10

False

0 True

Signal Libera
chamado
AREA_10
Signal Libera
Tecnico
AREA_10

57

As entidades relacionadas aos chamados (que podem ser ATM, IMP ou TMF) e ao TR
(entidade Tecnico_entidade) entram em uma rea por meio de seus respectivos mdulos
Enter.
Assim que um chamado chega a uma determinada rea, ele contabilizado de acordo com seu
tipo (ATM, IMP ou TMF). Assim sendo, o sistema de pontos daquela rea imediatamente far
o registro da sua pontuao, para fins de critrios de prioridade de atendimento (conforme
explicado na seo 5.4.1). Logo em seguida, o(s) chamado(s) aguardar(o) na fila de um
mdulo Hold referenciado por Hold Aguarda Chegada Tecnico AREA_X (sendo X o nmero
da rea correspondente), at a chegada da entidade Tecnico_entidade para disparar o processo
de conserto.
Assim que a entidade Tecnico_entidade chega a uma rea (por meio do mdulo Enter.Station
correspondente), a hora atual verificada e, se for menor que 17, o tcnico prossegue para seu
atendimento. Caso contrrio, ele retorna sua base (Base.Station) e volta no dia seguinte para
realizar o conserto dos equipamentos que aguardam na fila obedecendo-se aos critrios de
prioridade. O retorno do tcnico para a base efetuado pelo mdulo Leave AREA_X Base. O
mdulo Leave, ao contrrio do PickStation, possui embutido um mdulo Request, que realiza
a solicitao do transportador CARRO, que envia a entidade do tcnico at sua base,
utilizando-se o critrio de menor distncia, percorrendo a malha viria construda e com a
velocidade determinada nas configuraes do transportador CARRO.
Se o tcnico prossegue para o atendimento do chamado, ele chegar no mdulo Signal X
Cheguei. Este mdulo Signal emite um sinal ao mdulo Hold Aguarda Chegada Tecnico
AREA_X em que os chamados esto aguardando em sua fila e este, por sua vez, os libera para
serem atendidos no processo Processo Atende AREA_X.
O tcnico passa para o mdulo Hold Aguarda Termino Processo Atende AREA_X, onde fica
constantemente analisando o Processo Atende AREA_X e sua fila para que, quando no
houver mais chamados a serem atendidos naquela rea, ele possa prosseguir para o prximo
cliente ou retornar sua base. O mdulo PickStation AREA_X o responsvel por alocar o
transportador CARRO, que enviar a entidade Tecnico_entidade at a prxima rea a ser
atendida, se for o caso. Para que o transportador seja alocado, antes ele solicitado pelo
mdulo Request AREA_X. A configurao do mdulo Request AREA_X pode ser verificada na
Figura 44.

58

O mdulo PickStation foi configurado de forma a escolher a estao de destino baseando-se

no critrio da rea com maior pontuao naquele momento, ou seja, com maior nvel de
prioridade para receber o atendimento. A configurao do mdulo PickStation pode ser
verificada na Figura 45.
Cada chamado (ou entidade ATM, IMP ou TMF) a ser atendido no mdulo Process possui o
seu tempo distinto de atendimento. Esse tempo foi setado no atributo TempoConserto de cada
entidade e chamado, pelo mdulo Assign correspondente, em sua criao (para mais detalhes,
ver seo 5.4.3).
Assim que cada chamado processado (ou atendido), este segue para um mdulo Dispose,
para receber um fim ou sair do sistema. Mas, antes disso, passa por mdulos Assign que
executaro o registro de seu conserto (ou seja, subtrair uma unidade dos chamados
correspondentes, que estavam alocados naquela rea) e tambm, a atualizao da pontuao
da rea. Esse processo segue enquanto houver chamados a serem atendidos naquela rea que
est sob atendimento.
Todas as configuraes referentes a esta seo esto demonstradas nas Figuras 42 a 51.
Figura 42 Configurao dos mdulos Enter do tcnico e Decide verifica hora

Chegada do
Tcnico

0
Verif. hora AREA_1 a

Enter Maringa
0

Fonte: Primria

False

True

59

Figura 43 Configurao do mdulo Signal cheguei e Hold aguarda trmino do processo

Hold Aguarda
Termino Processo
Atende AREA_1

Signal 1 Cheguei

Fonte: Primria
Figura 44 Configurao dos mdulos Decide verifica se h chamados e Request AREA_X

AREA_1 Ha chamados
nos demais clientes?

True

Request AREA_1

Fonte: Primria

False

60

Figura 45 Configurao do mdulo PickStation AREA_X e Enter AREA_X

PickStation
AREA_1

Enter AREA_1

Fonte: Primria
Figura 46 Configurao dos mdulos Decide separa ATM, IMP e TMF

Fonte: Primria

61

Figura 47 Configurao dos mdulos Assign registra ATM, IMP e TMF

Registra ATM
AREA_1

Registra IMP
AREA_1

Registra TMF
AREA_1

Fonte: Primria
Figura 48 Configurao dos mdulos Assign atualiza pontuao
Atualiza Pontuacao
AREA_1 a

Atualiza Pontuacao
AREA_1 b

Atualiza Pontuacao
AREA_1 c

Fonte: Primria
Figura 49 Configurao dos mdulos Assign registra ATM, IMP e TMF atendidos

Registra ATM
atendidos
AREA_1

Fonte: Primria

Registra IMP
atendidas
AREA_1

Registra TMF
atendidos
AREA_1

62

Figura 50 Configurao dos mdulos Hold Aguarda chegada do tcnico e Process atende AREA_X
Hold Aguarda
Chegada Tecnico
AREA_1

Processo Atende
AREA_1

Fonte: Primria
Figura 51 Configurao do mdulo Decide separa ATM, IMP e TMF

Fonte: Primria

63

RESULTADOS OBTIDOS

O modelo construdo no software Arena neste trabalho uma abstrao significativamente

sucinta da realidade dos processos da empresa Brasil S/A. Portanto, importante ressaltar
que, por consequncia, os resultados obtidos com base nos cenrios das simulaes realizadas
adequam-se aos parmetros aplicados neste estudo de caso.
Nesta seo sero apresentados os resultados obtidos com as simulaes sistemticas do
modelo criado. Cenrios distintos foram elaborados, sendo um para cada hiptese de alterao
do modelo. Por exemplo: se o nmero de chamados tcnicos aumentar em uma determinada
proporo, qual ser o impacto dessa alterao na realidade? Os recursos humanos da rea
tcnica sero suficientes para atender essa nova demanda? Novos colaboradores precisaro ser
contratados? Quantas horas dirias o TR utilizar nas manutenes? Quantas horas sero
consumidas em viagens? Qual a distncia total percorrida em um tempo determinado? Quais
sero os custos dos processos? Enfim, inmeras perguntas como essas surgiro e as anlises
de relatrios disponibilizados pelo software Arena a cada cenrio simulado ajudar a aos
questionamentos inerentes ao processo.
Foram abordadas, neste trabalho, as anlises das quantidades de chamados gerados, chamados
atendidos, tempos gastos nos processos e utilizao dos recursos e do transportador.
Cada cenrio construdo foi simulado por um perodo compreendido por trinta e um dias
(conforme apresentado nas Tabelas 1, 2 e 3) e replicado por dez vezes. Portanto, os valores
apresentados na Tabela 7 referem-se s mdias aritmticas dos resultados das dez replicaes
de cada cenrio.
A partir da prxima seo sero apresentados os resultados obtidos dos cenrios simulados.
6.1

Cenrio zero

Este cenrio representa o caso real apresentado no presente trabalho, sem alteraes nos dados
do modelo. Foi constatado, para esse cenrio simulado, que o sistema funciona sem gargalos,
ou seja, as filas formadas so aceitveis. Foi verificado, tambm, que o TR capaz de atender
os chamados sem que haja acmulo significativo destes.
Uma replicao compreendida por um perodo de tempo pr-estabelecido (que neste caso
de trinta e um dias). A configurao desses parmetros pode ser efetuada no caminho

64

Run/Setup do Arena. Em toda replicao, a aleatoriedade do sistema aplicada ao modelo

(devido s caractersticas estocsticas do software), sendo que, a cada nova replicao o
nmero de chamados gerados distinto, podendo, dessa forma, representar o mundo real,
abordando suas variaes e respeitando-se os limites aceitveis estipulados nas equaes de
entrada.
6.2

Demais cenrios

Nos cenrios simulados, compreendidos por cenrio um a cenrio nove, foram constatadas
algumas alteraes significativas no comportamento do modelo, assim como quantidade de
chamados atendidos em relao aos chamados gerados, tempo de ocupao do TR em relao
ao total de horas do dia e tambm em relao s horas do seu turno de trabalho e taxa de
utilizao do carro.
Os dados compilados dos relatrios do Arena so apresentados nas Tabelas 7 e 8.
Tabela 7 Quantidade de chamados
Cenrio
0

Cenrio
1

Cenrio
2

Cenrio
3

Cenrio
4

Cenrio
5

Cenrio
6

Cenrio
7

Cenrio
8

Cenrio
9

Chamados gerados
(unid.)

44,50

50,80

55,70

62,10

68,20

72,90

89,50

102,40

162,90

220,90

Chamados
atendidos (unid.)

42,60

47,90

49,80

58,40

60,90

63,20

70,30

78,40

94,80

114,50

Chamdos atendidos
em relao aos
gerados

95,73%

94,29%

89,41%

94,04%

89,30%

86,69%

78,55%

76,56%

58,20%

51,83%

Fonte: Primria

possvel perceber, por meio dos dados da Tabela 7, que os chamados atendidos
acompanham o nmero de chamados gerados at certo ponto (cenrio cinco) e que, a partir do
cenrio seis, h uma discrepncia grande dos chamados atendidos em relao aos chamados
gerados. Isso significa que h um acmulo importante de chamados na fila para serem
atendidos e, por isso, o prazo de atendimento acaba ficando comprometido.
O ponto do cenrio cinco tambm indica a capacidade do sistema, ou seja, o limite mximo de
operao para o modelo proposto. Isso pode ser verificado mais claramente no grfico da
Figura 52, a qual ilustra os dados apresentados na Tabela 7.

65

Figura 52 Grfico que representa o nmero de chamados

250,00

200,00

150,00

chamados gerados
100,00

chamados atendidos

50,00

0,00
Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio
0
1
2
3
4
5
6
7
8
9

Fonte: Primria

Para a Figura 52, o eixo das abscissas representa cada cenrio simulado e o eixo das
ordenadas representa a quantidade mdia (em unidades) de chamados gerados e atendidos.
Outra informao importante trata das taxas de utilizao, que se referem ocupao do
recurso em relao s horas disponveis no turno de trabalho. A Tabela 8 apresenta os valores
das taxas de utilizao, tanto para o TR quanto para o carro (transportador).
Tabela 8 Taxas de utilizao
Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio Cenrio
0
1
2
3
4
5
6
7
8
9
Taxa de utilizao do
TR (1)

26,66%

31,35%

32,39%

34,97%

38,80%

38,61%

43,85%

49,22%

59,41%

71,90%

Taxa de utilizao do
carro (2)

13,13%

14,35%

14,29%

15,45%

16,42%

15,64%

15,36%

14,80%

11,48%

9,17%

Fonte: Primria
Notas: (1) horas trabalhadas (executando manuteno) em relao s horas de expediente;
(2) horas gastas com deslocamentos em relao s horas de expediente.

Constata-se, na Tabela 8, que a taxa de utilizao do carro (transportador) cresce

proporcionalmente at o cenrio cinco e depois comea a decrescer. Quanto menor for a
utilizao do carro e maior o tempo de atendimento do tcnico, teoricamente mais produtivo
esse tcnico ser. Por outro lado, se o carro est sendo muito pouco utilizado, significa que
esto sendo atendidos vrios chamados em uma s rea e as demais esto sem atendimento.
importante ressaltar que essa anlise feita baseando-se em um nvel baixo ou inexistente de
ociosidade do TR.

66

A Figura 53 ilustra com um grfico as taxas de utilizao dos recursos apresentados na Tabela
8.
Figura 53 Grfico da utilizao dos recursos
80,00%
70,00%
Taxa de
utilizao do TR
(1)

60,00%
50,00%
40,00%

Taxa de
utilizao do
carro (2)

30,00%

Tecnico1
Number Busy

20,00%
10,00%
0,00%
Cenrio 0 Cenrio 1 Cenrio 2 Cenrio 3 Cenrio 4 Cenrio 5 Cenrio 6 Cenrio 7 Cenrio 8 Cenrio 9

Fonte: Primria

Para o grfico da Figura 53, o eixo das abscissas representa cada cenrio simulado e o eixo
das ordenadas representa a porcentagem de ocupao de cada recurso mencionado.
Onde:

Tecnico1 Schedule Utilization a taxa de ocupao do TR em relao s horas do

seu turno de trabalho (conforme a programao do mdulo Schedule_Tecnico1);

Tecnico1 Number Busy a taxa de ocupao do TR em relao s vinte e quatro

horas do dia;

CARRO Utilization a taxa de ocupao do transportador CARRO em relao s

vinte e quatro horas do dia.

Nota-se, no grfico da Figura 53, que h um ponto em que a taxa de utilizao do

transportador est decrescendo e torna-se igual taxa de ocupao do TR. Este um ponto
importante, pois a partir da nota-se uma rpida queda na taxa de utilizao do transportador,
o que sugere que o TR no esteja deslocando-se satisfatoriamente para atender todas as reas
que necessitam de atendimento. O momento anterior ao cruzamento dessas duas linhas referese ao cenrio cinco, o qual foi simulado com mdia de 72,90 chamados gerados em 31 dias.

67

Ou seja, o cenrio cinco caracteriza-se por um caso satisfatrio de atendimento, em que a

mdia diria de atendimentos de chamados por um TR seria:

Caso o nmero de chamados ultrapasse esse valor, talvez seja necessrio contratar mais
colaboradores para a mesma rea ou efetuar um estudo para alocao de TRs em reas
estratgicas, conforme as necessidades e tempos de atendimento gastos em cada rea, por
exemplo.
A Figura 54 apresenta um grfico que se utiliza de outro recurso de anlise fornecido pelos
relatrios do Arena, no qual possvel visualizar os tempos acumulados gastos no
atendimento de cada rea, para um cenrio simulado.
Figura 54 Grfico de tempos acumulados por rea

Fonte: Primria

Onde:

AREA_1: Maring;
AREA_2: Sarandi;
AREA_3: Jandaia do Sul;
AREA_4: Paiandu;
AREA_5: Nova Esperana;
AREA_6: Colorado;
AREA_7: Cianorte;
AREA_8: Paraso do Norte;
AREA_9: Paranava;
AREA_10: Loanda.

O eixo das abscissas representa cada rea atendida e o eixo das ordenadas representa o tempo
mdio acumulado (em horas) que foi gasto em atendimento, em cada cliente, para um cenrio
simulado, em quantas replicaes forem necessrias.

68

O grfico da Figura 54 apresenta os dados simulados no cenrio cinco do modelo criado. Os

valores de tempos foram os que esto apresentados na Tabela 9.
Tabela 9 Tempos mdios de atendimento para cada rea
rea de atendimento

Nome do processo

tempo mdio
gasto (h)

Maring
Sarandi
Jandaia do Sul
Paiandu
Nova Esperana
Colorado

Processo Atende AREA_1

Processo Atende AREA_2
Processo Atende AREA_3
Processo Atende AREA_4
Processo Atende AREA_5
Processo Atende AREA_6

38,04
11,63
4,79
1,18
4,73
8,31

Cianorte
Paraso do Norte
Paranava
Loanda

Processo Atende AREA_7

Processo Atende AREA_8

9,19
5,91

Processo Atende AREA_9

Processo Atende AREA_10

11,85
6,05

Fonte: Primria

Como possvel perceber na Figura 54, a rea que mais demandou tempo de atendimento foi
a rea 1.
O software Arena oferece, ainda, inmeros outros recursos de informao para serem
utilizados em tomadas de deciso e que podero ser amplamente abordados e utilizados em
trabalhos futuros.

69

CONCLUSO
Este trabalho deixa um grande aprendizado ao seu autor no que diz respeito ao tema estudado.
importante registrar que o assunto abordado no se esgota neste trabalho e que o tema
poder ser considerado como um ponto de partida para autores interessados em desenvolver
trabalhos sobre o mesmo assunto, podendo, o modelo criado, ser ampliado e mais recursos e
informaes mais detalhadas podero ser includos no modelo. Essas informaes podem ser
consideradas como a abordagem completa de uma regio de atendimento, com a incluso dos
demais tcnicos de manuteno, abordar individualmente todas as cidades envolvidas no
processo, com os dados de chamados independentes por cliente e inmeras outras
informaes relevantes.
Gradativamente, o modelo poder ser aumentado e enriquecido em detalhes, com a finalidade
de torn-lo cada vez mais fiel com a realidade dos processos vivenciados na empresa Brasil
S/A.
Acredita-se que dificilmente ser obtido um modelo de verso final para este estudo de
caso, pois o mercado em questo extremamente dinmico e sofre constantes alteraes,
como modificaes do parque tecnolgico atendido, novos fatores mercadolgicos, alteraes
dos prazos de entrega dos servios executados, tempos de atendimento e inmeros outros
fatores podem sofrer alteraes no dia a dia, justificando-se a constante necessidade de
alteraes do modelo, a fim de mant-lo sempre atualizado e capaz de fornecer os resultados
estrategicamente relevantes para as tomadas de deciso da empresa. No entanto, quanto mais
for trabalhado no modelo, mais representativo com a realidade ele ser, e decises cada vez
mais acertadas a nvel estratgico podero ser tomadas com base nas simulaes efetuadas e
colaborar para o constante sucesso da empresa, com otimizaes de seus processos produtivos
e considerveis redues de custos.
Uma funcionalidade extremamente importante que o software Arena trata-se da insero de
informaes relativas a custos, onde cada elemento, entidade ou processo envolvido no
sistema possui um custo monetrio inerente sua atividade, sendo ele um recurso humano ou
material. A anlise de custos de vital importncia para qualquer empresa que pretende
manter-se competitiva no mercado, principalmente uma empresa de grande complexidade
operacional como o caso da Brasil S/A. Pode-se afirmar que extremamente difcil prever
alteraes em seus custos com preciso quando seus processos sofrem alteraes de forma

70

dinmica, sem lanar mo de um software de simulao. Portanto, simulao dinmica

abordando o tema custos tambm pode ser considerado como um importante trabalho futuro e
que este trabalho pode deixar a base como legado.

71

REFERNCIAS
ANDRADE, E. L. de. Introduo pesquisa operacional: mtodos e modelos para anlise
de decises. 4. ed. Rio de Janeiro: LTC, 2009. 202 p. ISBN 978-85-216-1665-8.
FREITAS FILHO, P. J. Introduo Modelagem e Simulao de Sistemas. Com
aplicaes em Arena. 2. ed. Florianpolis: Visual Books, 2008. 384 p. ISBN 978-857502228-3.
GIL, Antonio Carlos. Como Elaborar Projetos de Pesquisa. 4. ed. So Paulo, SP: Atlas,
2002. 176 p. ISBN 9788522431694.
HILLIER, F. S.; LIEBERMAN G. J. Introduction to Operations Research. 7. ed. New
York: McGraw-Hill, 2001. ISBN 0072321695.
_______. Introduo Pesquisa Operacional. 8. ed. So Paulo: McGraw-Hill, 2006. ISBN
85-868046-81.
IBGE. Instituto Brasileiro de Geografia e Estatstica. www.mapas.ibge.gov.br. Acesso em
08/10/2012.
IPARDES. Instituto Paranaense de Desenvolvimento
www.ipardes.gov.br. Acesso em 09/09/2012.

Econmico

Social.

KELTON W. D.; SADOWSKI D.A.; SADOWSKI R. P. Simulation with Arena. 2. ed. New
York: McGraw-Hill, 1998. 631 p. ISBN 0075612593.
LAW A. M.; KELTON W. D. Simulation Modeling and Analysis. 3. ed. New York:
McGraw-Hill, 2000. ISBN 0070592926.
MENEGOLLA, Maximiliano; SANTANNA, M., Ilza. Por Que Planejar? Como Planejar?
12. ed. Petrpolis: Vozes, 2002. ISBN 85.326.0776-4.
PARAGON.
http://www.paragon.com.br/padrao.aspx?arena_academico_content_ct_2483_2364_.aspx.
Acesso em 03/06/2012.
______. http://www.paragon.com.br/padrao.aspx?apresentacao_content_ct_1685_2139_.aspx.
Acesso em 06/10/2012.
PRADO, D. S. do. Teoria das Filas e Simulao. Srie Pesquisa Operacional. V2. 2. ed.
Nova Lima: INDG, 2004. 126 p. ISBN 85-98254-01-00.
_______. Usando o Arena em Simulao. V3. Belo Horizonte: INDG, 2004. 305 p. ISBN
85-98254-04-5.
SILVA, E. M. da et al. Pesquisa operacional para os cursos de administrao e
engenharia: programao linear: simulao. 4. ed. So Paulo: Atlas, 2010. 208 p. ISBN
978-85-224-5963-6.
TAHA, Hamdy A. Pesquisa operacional: uma viso geral. 8. ed. So Paulo: Pearson
Prentice Hall, 2008. 384 p., 21x28cm. ISBN 978-85-7605-150-3.

72

WINSTON, W. L. Operations Research. Applications and Algorithms. 4. ed. Arizona:

Thomson, 2004. 1418 p. ISBN 0-534-42362-0.
WERKEMA, M. C. C. Ferramentas estatsticas bsicas para o gerenciamento de
processos. Belo Horizonte: Werkema, 1995. 304 p. ISBN 85-85447-15-X.

73

Universidade Estadual de Maring

Departamento de Engenharia de Produo
Av. Colombo 5790, Maring-PR CEP 87020-900
Tel: (044) 3011-4196/3011-5833 Fax: (044) 3011-4196