Você está na página 1de 15

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO

Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil


João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.

MODELAGEM E SIMULAÇÃO DO
ATENDIMENTO EM UM
RESTAURANTE UNIVERSITÁRIO
UTILIZANDO O SOFTWARE ARENA
WENDELL RAMON BARBOSA MACHADO (UNIVASF )
wendell_ramonsb@hotmail.com
Joao Marques de Melo Filho (UNIVASF )
joaomelofh@hotmail.com
Rodrigo Jambeiro Pinto (UNIVASF )
rodrigojambeiropinto@gmail.com
Andre Muritiba Araujo (UNIVASF )
andre.muritiba@hotmail.com
Edson Tetsuo Kogachi (UNIVASF )
edson.kogachi@univasf.edu.br

O objetivo deste trabalho foi analisar, identificar os principais


gargalos de um restaurante universitário do tipo self-service e propor
melhorias no atendimento mediante uso da modelagem e simulação de
eventos discretos. A dinâmica operaciional do restaurante no período
de maior fluxo, horário do almoço, foi modelada e dados coletados de
chegadas e atendimentos foram introduzidos no software de Simulação
Arena. Na sequência, os resultados da simulação do modelo virtual,
foram comparados com a realidade das filas enfrentadas pelos
usuários e validados junto aos usuários e gestores do restaurante. A
partir da validação do modelo, pôde-se, então, estudar e simular
diferentes alternativas em busca da redução do tempo de fila dos
usuários, melhorando assim o atendimento. Os resultados mostraram
que a adaptação de um buffet térmico, redistribuição das estações de
suco e tempero e uso adequado da catraca eletrônica podem reduzir os
tempos de fila em 97%. Os conceitos da engenharia de produção, em
especial a modelagem computacional de eventos discretas, foram
aplicados neste trabalho proporcionando soluções simples, de baixo
custo, sem aumentar o número de atendentes para o serviço,
representando satisfação dos usuários, gestores e concessionária do
restaurante.

Palavras-chave: Modelagem, Simulação, Restaurante, Filas, Arena


XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

1. Introdução
Um dos serviços mantidos por algumas dessas universidades, diz respeito à alimentação de
docentes, servidores e discentes, geralmente realizados pelos chamados Restaurantes
Universitários (RUs) (SOUZA; SILVA, 2011). Esses restaurantes localizam-se dentro do
campus universitário e tem parte do valor das refeições subsidiado pela universidade,
auxiliando na manutenção dos alunos de baixa renda, podendo também estar aberto ao
público externo e constituir uma opção de refeição a comunidade a preços razoáveis.
Em centros universitários, por sua vez, o modelo de restaurante predominante é o self-service
(ALVES; UENO, 2010). De acordo com Abreu e Torres (2003), um restaurante self-service
trata-se de um sistema de autosserviço no qual os alimentos ficam expostos geralmente em
uma rampa de buffet térmica e o próprio consumidor tem a tarefa de se servir. O pagamento
nesse tipo de estabelecimento pode ser efetuado levando em consideração o peso da comida
ou por um preço fixo pré-determinado (ABREU; TORRES, 2003).
Por necessitar da agilidade dos próprios clientes na formação do prato e pelo sistema de
serviço projetado requerer dos consumidores que se sirvam um-a-um e em sequência, os
cenários apresentados pelos restaurantes self-service remetem a profundas filas (GRANATO,
2014).
Arenales et al. (2007) afirmam que a causa da formação de filas se dá pela incapacidade
estrutural do sistema em atender um determinado aumento no número de consumidores
envolvidos no processo.
Desta forma, a teoria das filas surge como ferramenta importante de estudo, pois utiliza
modelos matemáticos a fim de representar um sistema de filas, além de quantificar os
indicadores que descrevem a eficiência de um sistema (HILLIER & LIBERMAN, 2006).
No entanto, modelos que apresentam a obrigatoriedade de sistemas Markovianos e não
sequenciais, por exemplo, são impossibilitados de serem representados pela teoria das filas
necessitando, portanto, da Simulação de Eventos Discretos para a modelagem dos problemas
(GRANATO, 2014).
A simulação de um modelo, então, permite compreender a dinâmica de um sistema, bem
como analisar e prever o consequente efeito das mudanças que possam ser introduzidas ao
mesmo (FERNANDES et al., 2006).

2
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Sendo assim, este trabalho teve como objetivo analisar, descrever um modelo computacional
a fim de simular a dinâmica operacional de um restaurante universitário do modelo self-
service e propor melhorias no atendimento.

2. Fundamentação teórica
No Brasil, mais especificamente, um serviço que se destaca dentre as possibilidades
oferecidas, é o de alimentação, ganhando representação principalmente na figura dos
restaurantes, os quais configuram, no âmbito social, o local para realização de refeições
(ALVES; UENO, 2010). Esse fato encontra ainda relativa base de apoio na constatação de
que a escolha do brasileiro por realizar refeições em restaurantes, de maneira geral, é
traduzida em números significativos, indicando já ser algo comum na cultura do cidadão.
No entanto, isso não pode ser encarado como garantia de sucesso e sobrevivência para os
restaurantes, afinal, conforme Covariharter et al. (2013, p.35), quanto a análise de utilidade na
teoria do consumidor, “o consumidor faz a escolha de bens e serviços que maximize sua
utilidade, isto é, que os mais faz feliz”.
Nesse quesito, o grande obstáculo das organizações prestadoras de serviço encontra-se, muitas
vezes, no fato do cliente ser exposto, por tempo significativo, a filas.
Portanto, encontrar soluções para esse tipo de problema torna-se fundamental para garantir a
prestação de um serviço de qualidade. Nesse sentido, Carneiro (2008) destaca que as
principais técnicas disponíveis e utilizadas para estudo de filas são a teoria analítica das filas e
a simulação computacional, sendo esta última, por se tratar de aplicação em avaliação
experimental, a mais indicada.
De acordo com Alves e Ueno (2010), é comum nos mais diversos setores da economia, ao
buscarem lidar com gargalos, a opção por realizar estudos simulados em vez de testes que
afetem diretamente a rotina da organização, pois isso evita expô-la a riscos elevados.
Sendo assim, os mesmo autores afirmam que:

“A simulação é uma ferramenta que o engenheiro tem a disposição para estudar e


entender a dinâmica de um sistema sem que se façam alterações no mesmo. Por
meio de um modelo que descreva o comportamento do sistema é possível realizar
modificações e verificar qual seria os efeitos que estas trariam, com um custo menor
do que se fossem fazer modificações no sistema real” (ALVES; UENO, 2010, p.17).
As principais vantagens da utilização desta ferramenta vêm da possibilidade de um eventual
modelo criado ser utilizado diversas vezes, não exigindo custos ou dependência da

3
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

disponibilidade do sistema real para realização dos testes (LAW e KELTON, 2000 apud
ALVES et al., 2013).
Na verdade, com a rápida evolução da informática ao longo das últimas décadas, a simulação
passou a ter como grande aliado justamente os computadores, que, mediante a sofisticação
dos softwares e significativo poder de processamento dos hardwares, contribuíram para
ampliar e facilitar a utilização desta ferramenta (BANKS, 2000; PASTORE, et al., 2010 apud
ALVES; UENO, 2010).
Nesse sentido, hoje, dentre os diversos simuladores computacionais disponível no mercado,
destaca-se o Arena, que, de acordo com Alves et al. (2013), trata-se do software mais usado
no mundo empresarial e acadêmico.
Ainda segundo Alves et al. (2013, p.4), desenvolvido em 1993 e pertencente a Rockwell
Software Corporation, o Arena é definido como “um ambiente gráfico integrado de
simulação, que contém inúmeros recursos para modelagem, animação, análise estatística e
análise de resultados”.
Prado (2010), por sua vez, ressalta que, indo além do ambiente de elaboração de modelos para
simulação, o Arena também disponibiliza duas ferramentas bastante importantes para
avaliação de dados: o Input Analyzer, que analisa os dados de entrada (inclusive dados reais
do processo estudado) e possibilita a escolha e incorporação ao modelo da melhor distribuição
estatística que se aplica aos dados; e o Output Analyzer, que analisa os dados de saída
(fornecidos pela simulação) e permite realizar comparações estatísticas.

3. Material e métodos
Este trabalho trata-se de uma pesquisa exploratória, na qual se buscou avaliar o problema
relativo às filas apresentadas em um restaurante universitário. Todos os procedimentos
técnicos atrelados à investigação referem-se a um estudo de caso exclusivo, nos quais todos os
resultados são válidos para a situação em estudo (TURRIONI & MELLO, 2011). Utilizou-se
o software Arena® para simulação dos processos e análise dos tempos coletados.
A pesquisa foi estruturada e desenvolveu-se por meio de seis etapas explicitadas na Figura 1 a
seguir.
Figura 1 - Etapas de pesquisa

4
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Fonte: Elaborado pelos autores


As coletas dos tempos de chegada, processamento e saída dos clientes do RU ocorreram
mediante anotações dos pesquisadores no período compreendido entre 15 e 16 de fevereiro de
2016 (segunda e terça) das 11:00h às 14:00h com abordagens em quatro fases distintas: a
primeira representando o tempo entre chegada dos clientes; a segunda demonstrando o tempo
que os clientes levam na formação do seu prato; a terceira referente ao tempo de tempero da
comida; a quarta diz respeito ao tempo para colocar o suco; a quinta remete ao tempo de
recolhimento das bandejas após a refeição.

3.1 Identificação da amostra


A identificação da amostra, a priori, foi convencionada a partir da análise do histórico médio
de clientes em todas as modalidades que frequentam o restaurante diariamente. Desse modo, o
tamanho amostral foi definido e os dados foram coletados mediante a cronometragem dos
tempos de chegada e processo. Considerou-se para este estudo um intervalo de confiança
desejável de 95% e margem de erro mínima de ±5%.
Segundo Barbetta (2004) citado por Martins et al. (2012) quando se conhece o tamanho da
população é possível calcular a dimensão da amostra através das equações (1) e (2):

Onde 𝑁 é o tamanho da amostra (número de elementos) da população, 𝑛 é o tamanho (número


de elementos) da amostra, 𝑛o é uma primeira aproximação para o tamanho da amostra e 𝐸o
corresponde ao erro amostral tolerável pela pesquisa.
Após o cálculo fomentado pela utilização das fórmulas, constatou-se que o número mínimo de
clientes a serem identificados foi de 312 (trezentos e doze) para garantir o nível de confiança
da pesquisa. No entanto, o número total de pessoas estudadas (367) foi superior ao mínimo
estabelecido garantindo, dessa forma, mais fidedignidade ao modelo real.

3.2 Coleta de dados

5
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

Após a identificação da amostra, concluiu-se na etapa de definição do modelo a necessidade


de determinar as seguintes variáveis:
 Tempos entre chegadas dos clientes;
 Tempos para os clientes comprarem a ficha de acesso;
 Tempos para os clientes se servirem na mesa de buffet;
 Tempos para temperar as refeições;
 Tempo para colocar o suco;
 Tempos para devolução das bandejas e utensílios.

3.3 Número de replicações


Freitas Filho (2008) define que a coleta de dados para a composição de uma amostra a partir
da simulação de um modelo pode ser realizada de duas maneiras distintas, sendo elas:
a) Fazer análises e observações dentro de cada replicação. Por exemplo, pode-se simular
a modelagem do restaurante e utilizar o tempo que cada cliente aguardou na fila do
buffet e realizar uma estimativa do tempo médio total de espera. Neste caso, o
tamanho amostral estará ligado à quantidade de clientes que passaram durante a
simulação.
b) Realizar n simulações (replicações), em que cada replicação gera um elemento para a
amostra. Haja vista que se está lidando com um sistema terminal no qual as condições
iniciais e o período de simulação são fixos, para garantir que os valores da amostra
sejam estatisticamente independentes, a melhor alternativa são obtê-los a partir de
replicações independentes.
Para este trabalho, o número de replicações (n*) foi obtido através da Equação (3).

Em que:
n = número de replicações já realizadas;
h = semi-intervalo de confiança obtido;
h* = semi-intervalo de confiança desejado.
Com o objetivo de validar o modelo, comparou-se os valores das variáveis geradas pela
simulação com aqueles obtidos através do sistema real.

4. Resultados e discussões

6
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

4.1 Estudo de caso


O Restaurante Universitário, localizado na UNIVASF do Campus Juazeiro, oferece almoço e
jantar aos seus clientes (discentes, servidores e público externo). Neste trabalho, estudou-se
apenas o funcionamento do almoço, pois é o período de maior demanda e onde reside o
desconforto provado pelas filas.
O layout do restaurante, apresentado na Figura 1, apresenta no espaço abarcado pela letra (M)
onde estão dispostas as mesas. Este local conta com 80 mesas, cada uma com 4 lugares,
totalizando 320 lugares. O espaço representado pela letra (F) diz respeito ao local onde a
compra de fichas de acesso ao restaurante é realizada; a letra (B), por sua vez, indica onde
estão localizados os utensílios, bandejas e pratos, bem como os dois balcões de buffet; no que
tange à letra (S), esta busca representar a máquina de suco; a mesa de tempero é identificada
pela letra (T) e o local de devolução das bandejas após as refeições é concebido pela letra (D).

Figura 2 - Layout inicial do restaurante universitário

Fonte: Elaborado pelos autores

7
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

O modelo foi definido a partir da observação direta do sistema, com o objetivo de caracterizar
a organização dos recursos e a dinâmica das operações. Para tanto, as atividades de front
Office, ou seja, apenas atividades do serviço de atendimento ao público, representam as
fronteiras deste estudo. A partir da observação in loco identificou-se que, embora o gargalo
inicial do sistema seja o processo do buffet, outros pontos também apresentam restrições
significativas, demandando análises e melhorias. A Figura 2 ilustra o fluxograma do sistema
estudado.
Figura 3 - Fluxograma do sistema estudado

Chegada dos Servir Suco /


Clientes
Comprar ficha? Sim Compra de ficha Servir alimento
Tempero
Saída

Não

Fonte: Elaborado pelos autores

O processo inicia no instante em que os clientes chegam ao restaurante, de acordo com os


dados coletados, 43% compram ficha no momento da chegada e outros 57% entram direto,
por possuir cartão magnético ou por terem comprado a ficha anteriormente. A entrada de
clientes apresentada na Figura 3, foi programada via Schedule, utilizando um fator de escala
de 1,1 para melhor ajuste com a realidade, contemplando a entrada média de 436 pessoas.
Tabela 1 - Schedule de chegada

Entrada média
Duração (min)
por hora
80 30
300 20
250 30
150 20
50 80
Fonte: Elaborado pelos autores
Como não foi identificado nenhum outlier, através da ferramenta Input Analyzer do Arena,
determinou-se as curvas de distribuição teórica de probabilidades que representassem o
comportamento estatístico do sistema.

4.1 Simulação de cenários


Para analisar o sistema, foram modelados quatro cenários:
a) Cenário 1: Compra de fichas, 2 rampas de buffet, suco e tempero juntos (Sistema
Atual);

8
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

b) Cenário 2: Compra de fichas, 3 rampas de buffet, suco e tempero juntos;


c) Cenário 3: Compra de fichas, 3 rampas de buffet, suco e tempero separados;
d) Cenário 4: Catraca biometria, 3 rampas de buffet, suco e tempero separados.
Na Tabela 1 estão apresentados os resultados da simulação do sistema para cada um dos
quatro cenários. Observa-se que os resultados foram obtidos após aplicação da Equação (3),
simulando para o primeiro cenário 107 replicações, segundo cenário 217 replicações, terceiro
cenário 307 replicações e quarto cenário 194 replicações. Este número de replicações foi
definido com nível de significância de 95% utilizando a ferramenta Output Analyzer do
ARENA.

Tabela 2 - Resultado dos cenários


Taxas Cenário 1 Cenário 2 Cenário 3 Cenário 4
Tempo médio de fila
9,54 8,78 3,84 0,11
no sistema (min)
Tempo máximo de fila
19,82 23,14 11,06 0,54
no sistema (min)
Grau de utilização
46,55% 46,45% 45,67% 10,01%
(Atendente caixa)
Grau de utilização
66,81% 16,30% 16,65% 19,75%
(Atendente 1)
Grau de utilização
39,00% 44,85% 44,83% 42,57%
(Atendente 2)

Fonte: Elaborado pelos autores


Conforme os dados apresentados na Tabela 1, conclui-se que a prospecção dos cenários está
diretamente ligada a detecção dos problemas da simulação testada possibilitando, de certa
forma, a implementação gradativa de melhorias nos cenários posteriores. No Cenário 1 (atual)
por exemplo, evidenciou-se um alto valor no tempo máximo de fila no sistema referente a
soma dos tempos de fila na compra da ficha, no suco, nos temperos e principalmente nos
buffets.
No Cenário 2, por sua vez, atuou-se no principal gargalo, implementando-se um terceiro
buffet, no entanto, observou-se um aumento no tempo máximo de fila, decorrente do
deslocamento do gargalo das rampas de buffet, para a máquina de suco. O acréscimo de um

9
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

buffet mostrou-se viável, uma vez que o grau de utilização do Atendente 1 diminuiu
drasticamente em 75%, enquanto o grau de utilização do Atendente 2 que serve a proteína no
buffet 2 e também passa a servir no 3 aumenta em apenas 15%.
No entanto, com a formação do gargalo na máquina do suco, uma nova medida precisava ser
adotada para solucionar esse problema. O Cenário 3, então, foi projetado de maneira a
realocar a máquina de suco para outro local do restaurante, além de permitir a implementação
de uma segunda máquina (que embora ainda não utilizada, já se encontra a disposição do
restaurante, não representando, portanto, novos custos a empresa), o que, por sua vez, deixaria
a mesa para uso exclusivo do processo de temperar. Como resultado, tanto o tempo médio de
filas quanto o tempo máximo reduziram 52,2% e 56,3%, respectivamente, em relação aos
resultados anteriores.
Por fim, no que diz respeito ao problema da formação de filas, restou ainda aquelas formadas
no processo de compra da ficha. Sendo assim, foi criado o Cenário 4, o qual projetou como
principal medida a utilização completa da catraca eletrônica. Esse sistema, que funciona via
biometria ou leitura eletromagnética de cartões, já se encontra instalado no restaurante,
entretanto, hoje, funciona apenas parcialmente já que não houve o cadastramento biométrico
de todos os usuários e o cartão para compra de refeições antecipadas não está sendo
recarregado.
Com a implementação dessa opção, foi suposto, dado o fato de grande parte dos usuários mais
frequentes já possuírem cadastro no sistema, que apenas 10% continuaria comprando fichas
(provavelmente, em sua maioria, os frequentadores eventuais), enquanto os outros 90%
acessariam o restaurante usando a biometria ou o cartão. Diante disso, o tempo médio e o
tempo máximo em filas no sistema, diminuíram consideravelmente, passando a ser apenas
0,11 minutos (ou 6 segundos) em tempo médio e 0,54 minutos (ou 32 segundos) no tempo
máximo de fila, o que representou, em ambos os casos, uma redução superior a 95% em
relação ao cenário atual.

5. Considerações Finais
Diante dos resultados das análises realizadas de maneira a validar a simulação computacional
desenvolvida em software ARENA, pode-se concluir que está se encontra apta para simular
os processos reais do restaurante.
Com os dados oferecidos pelo modelo computacional, foi possível perceber que os principais
gargalos foram: filas nas rampas de buffet, nos processos de suco e tempero e na compra de

10
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

fichas. Cabe destacar que as duas primeiras foram aquelas que apresentaram os números mais
expressivos em tempo de fila, valores esses que podem ser considerados altos mediante o
tempo de intervalo de almoço considerado.
Além disso, observou-se que no Cenário 4, onde foram integradas todas as melhorias
sugeridas e até então exploradas individualmente nos cenários anteriores (adição de nova
rampa no buffet, melhorias de layout e uso pleno do sistema de cartões/biometria), houve, em
relação a situação inicial do restaurante, redução significativa do tempo máximo de fila. A
busca deste cenário se mostra atraente considerando as melhorias projetadas para os usuários,
ações factíveis e sem complexidade para a concessionária e investimentos reduzidos para os
gestores.
Sendo assim, é inegável que a utilização dessa ferramenta computacional possibilitou geração
de conhecimento a todos os envolvidos, uma vez que tornou possível a aplicação prática dos
conhecimentos acadêmicos adquiridos pelos discentes. Além disso, o fato da simulação ser
um processo onde se pode avaliar melhorias sem resultar em custos, constituiu novo
instrumento para os gestores da universidade e do restaurante estudarem medidas de
planejamento estratégico que otimizem a realização de suas operações.

REFERENCIAS
ABREU, E.S.; TORRES, E.A.F.S. Restaurante "por quilo": vale o quanto pesa? Uma
avaliação do padrão alimentar em restaurantes em São Paulo, SP. Nutrire, v. 25, n. único,
p.7-22, 2003.
ALVES, M. G.; UENO, M. Restaurantes self-service: segurança e qualidade sanitária dos
alimentos servidos. Revista de Nutrição, Campinas, v. 23, n. 4, p.574-580, jul./ago. 2010.
Bimestral.
ALVES, R.; SANTOS, J. A. A.; POSSAN, E.; SCHMIDT, C. A. P. Simulação da dinâmica
operacional de um pequeno restaurante universitário: um estudo de caso. In: Encontro
nacional de engenharia de produção, 33, Salvador: anais..., 2013.

ARENALES, M. N. ARMENTANO, V.A.; MORABITO, R.; YANASSE, H. H. Pesquisa


operacional. 6 ed. Rio de Janeiro, RJ: Elsevier, 2007

CARNEIRO, W. M. Experimentação em um sistema de filas utilizando a simulação


computacional: um estudo de caso. In: Encontro Nacional de Engenharia de Produção, 28,
Rio de Janeiro: anais..., 2008.

COVARIHARTER, A.; SILVA, C. E. S. F.; SNEYDER, D.; SIQUEIRA, R. F. Estudo de


caso sobre a satisfação do Restaurante Universitário-RU. Revista de Estudos Sociais, v.15,
n.30, p.33, 2013.

11
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

FERNANDES, C. A.; SILVA, L. C. da; PEREIRA, J. O.; YAMAGUCHI, M. M. Simulação


da dinâmica operacional de uma linha industrial de abate de suínos. Ciência & Tecnologia de
Alimentos. v. 26, n.1, p. 166-170, 2006.

FREITAS FILHO, P. J. de. Introdução à modelagem e simulação de sistemas: com


aplicações em Arena. 2 ed. Florianópolis: Visual Books, 2008.

GRANATO, B D. Simulação do sistema de serviço em um restaurante. 2014. 57 f. TCC


(Graduação) - Curso de Graduação em Engenharia de Produção, Universidade Federal de Juiz
de Fora, Juiz de Fora, 2014.

HILLIER, F. S.; LIEBERMAN, G. J. Introdução à Pesquisa Operacional, 8ª ed. São Paulo:


McGraw-Hill. 2006.
MARTINS. V. W. B.; TRINDADE, S. R. S.; MACÊDO, A. N.; NEVES, R. M. Utilização do
modelo SERVQUAL em uma rede de supermercados como instrumento de avaliação da
qualidade. Iberoamerican Journal of Industrial Engineering, Florianópolis, SC, Brasil, v.
4, n. 7, p. 279-296, 2012.

PRADO, D. Usando o ARENA em simulação.v.3, 4ed. Nova Lima: INDG - Tecnologia e


Serviços LTDA, 2010. 307 p.

SOUZA, F. A.; SILVA, C. A. T. Análise dos recursos públicos aplicados no restaurante


universitário de uma instituição federal de ensino superior. Revista Gestão Universitária da
América Latina, v.4, n. 2, p.01-28, mai/ago. 2011.

TURRIONI, J.B; MELLO, H.P. Metodologia de pesquisa em Engenharia de Produção -


Estratégias, Métodos e Técnicas para Condução de Pesquisas Quantitativas e Qualitativas,
UIFEI, 2011.

12
ANEXO I
Lógica Cenário 1

ANEXO II
Animação do Cenário 1
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

ANEXO III
Animação do Cenário 2

14
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.
.

15

Você também pode gostar