XXXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO

“Os desafios da engenharia de produção para uma gestão inovadora da Logística e Operações”
Santos, São Paulo, Brasil, 15 a 18 de outubro de 2019.

APLICAÇÃO DA TEORIA DE FILAS:

ESTUDO DE CASO EM UM
SUPERMERCADO
Ícaro Guilherme Félix da Cunha (IFMG Congonhas )
icaro_cunha@yahoo.com
Aline Gabriela da Silva Barbosa (IFMG Congonhas )
alinegabrielasb@yahoo.com.br
Rayane Henriques Moreira (IFMG Congonhas )
rayanehm@hotmail.com
Laís Fortes Baêta (IFMG Congonhas )
laisfortes@hotmail.com
Ana Luiza Cordeiro Pereira (IFMG Congonhas )
analuiizacordeiro@yahoo.com.br

Uma possível aplicação da Pesquisa Operacional é no entendimento e

análise de fenômenos vinculados a teoria das filas, que visa identificar
o comportamento das filas em um determinado sistema. Tendo isto em
vista, este trabalho realizou um estudo de caso

Palavras-chave: Pesquisa Operacional; Teoria de Filas;

Supermercados
1. Introdução

As filas fazem parte do nosso dia a dia e, muitas vezes, quando não são controladas,
acabam por gerar grandes insatisfações no consumidor. Para Bruns, Soncim e Sinay (2001),
fila é definida por uma sequência de chegadas a um sistema. Nesse contexto, Torres (1966),
afirma que a fila é gerada quando clientes chegam a um posto de serviço, não podendo ser
atendidos de imediato, consequentemente, ocasionando uma espera. Contudo, essa
terminologia geralmente aponta todos os clientes presente, o que quer dizer que ela engloba
tanto os que estão esperam quanto os que estão sendo atendidos.
Diante disso, o presente trabalho pretende analisar a formação de filas no caixa de um
supermercado localizado na cidade de Conselheiro Lafaiete - MG, utilizando o método da
teoria das filas. Destaca-se que foi realizada uma simulação, sendo esta operacionalizada pelo
software Arena®.Sobre a unidade de análise, foi escolhido um supermercado situado na
cidade de Conselheiro Lafaiete-MG, inserido em uma pequena rede varejista da própria
cidade, que faz jus ao estudo ao caracterizar-se por presença constante e extensiva de filas.
O objetivo geral do trabalho é examinar as características da fila formada no atendimento
de um caixa no supermercado em análise, através da teoria das filas e simulação de cenários.
O estudo se justifica pela ausência de uma avaliaçãode capacidade do sistema de filas e,
consequentemente, os seus devidos tempos de espera e de atendimento por parte do
supermercado. Uma vez estudados e analisados tais parâmetros, é possível tornar o
atendimento nos caixas de supermercado mais eficiente e, com isso, reduzir a insatisfação dos
clientes com a alta espera nas filas dos caixas de supermercado. Ademais, se propõe a auxiliar
de modelo para próximos trabalhos, contribuindo assim para o estudo de teoria das filas.
Para melhor compreensão, o artigo foi fragmentado em quatro seções. Na primeira, foram
apresentados os conceitos sobre o tema abordado. Na segunda, tecem considerações sobre a
metodologia utilizada como forma de embasar a observação. Na sequência, são apresentados
os cálculos referentes à teoria das filas e sua respectiva análise através do Arena®. Por fim, é
discorrido a respeito das impressões finais acerca do tema.
2. Revisãobibliográfica

Nesse tópico serão apresentados conceitosseminais referentes ao tema, abordado ao longo

do trabalho.
2.1. Pesquisa operacional e teoria das filas

2
 Conforme Arenales et al. (2007), o termo pesquisa operacional está associado ao
desenvolvimento de métodos científicos de sistemas complexos, que contribuam na tomada
de decisão, como forma de propor estratégias de atuação em situação deficitárias. Hillier e
Lieberman (2013) afirmam que a o uso da pesquisa operacional (PO) aborda uma natureza de
condução e de coordenação de operações e que por isso se trata de um segmento com
altagama de aplicações.
Sobre a teoria das filas, é um ramo da pesquisa operacional que analisa as características
do fenômeno da formação de filas, objetivando assim, prever o seu comportamento para que
seja efetuado de forma eficiente o dimensionamento de instalações, equipamentos e
infraestrutura (BRUNS; SONCIM; SINAY, 2001).
Arenales et al. (2007), caracterizam a teoria das filas como uma vertente da PO que
analisa a relação entre a demanda e o nível de atendimento em um sistema, buscando
maneiras de corrigir ou minimizar atrasos sofridos por usuários dentro de um sistema. O autor
ainda revelaque a teoria de filas auxilia no balanceamento dos custos de se oferecer o serviço
e os custos gerados por atrasos no sistema. Taha (2008) acrescenta que o estudo de filas visa
quantificar o fenômeno de espera através de medidas de desempenho como comprimento de
fila, tempo médio de espera em fila e a taxa média de utilização do sistema.
A disciplina das filas diz respeito a ordem de seleção dos integrantes do sistema para o
atendimento. A disciplina mais comum é a FIFO (first in first out), onde o primeiro a entrar
no sistema é também o primeiro a sair.Existem ainda outras metodologias como: LIFO (last
in, first out) onde o último a chegar é o primeiro a sair; SIRO (servisse in random order),
onde o serviço é realizado em ordem aleatória; e a SPT (shortest processing time), quando a
seleção é feita baseada em alguma ordem de priorização (ARENALES et al., 2007).
De acordo com Andrade (2009), vários fatores, além do tipo de disciplina, interferem no
comportamento das filas, sendoimportanteanalisar por exemplo a forma de atendimento e a
estrutura do sistema. Sobre isso,o autor mostra que a forma de atendimento se refere as
instalações e mão-de-obra demandada para algum tipo de atendimento, assim o desempenho
do atendimento pode ser afetado por problemas de capacidade, falta de treinamento de
pessoal, má distribuição das informações entre outros.
A estrutura do sistema, se refere a quantidade de canais de atendimento disponíveis em
relação a quantidade de filas existentes. Podem existir um único servidor e uma única fila;
servidores em paralelo e uma única fila; múltiplas filas e múltiplos canais em paralelo ou
ainda uma única fila e múltiplos servidores em série (ANDRADE,2009).Devido à variedade
de modelos formados através das variações nos sistemas de fila, é necessário utilizar a

3
notação de Kendall-Lee, que é de forma A/B/m/C/K/N (as três primeiras letras foram
propostas por Kendall em 1953 e as três últimas propostas por Lee em 1968). Nessa notação
as duas primeiras letras representam respectivamente o tipo de distribuição dos tempos de
chegadas e de atendimento; as duas letras subsequentes representam nessa ordem, o número
de postos de trabalho em paralelo e a capacidade do sistema; o quinto caractere indica o limite
da fila suportado pelo sistema e, finalmente a última letra, indica o tamanho populacional do
sistema (FOGLIATTI; MATTOS, 2007).
2.2. Modelagem e simulação

A simulação computacional de sistemas, utiliza modelos matemáticos, no intuito de

replicar características operacionais ou processuais do mundo real, sendo empregados para
isso, equipamentos computacionais (PARAGON, 2018).
Filho (2008), mostra que para um sistema ser passível de modelagem e análise através da
simulação, é preciso que exista um conjunto de objetos através dos quais seja viável
estabelecer algum tipo de relação no intuito de se alcançar um propósito lógico. Assim,
algumas terminologias são, segundo Paragon (2018), usuais quando estamos nos referindo a
modelagem e a simulação de sistemas, as quais são expostas pela Tabela 1.
Tabela 1 - Componentes de um sistema

Fonte: Paragon (2018)

A classificação dos sistemas de simulação pode ser resumida basicamente em quatro

tipos principais, assim temos os modelos estáticos, onde a passagem de tempo se torna
irrelevante; os modelos dinâmicos, os quais os sistemas variam de acordo com a passagem do
tempo, podendo ser discretos ou contínuos; os modelos determinísticos, no qual todas as

4
variáveis são conhecidas; e por fim, os modelos estocásticos, no qual as variáveis são
estimadas por médias (BARBOSA, 2015).
Um dos softwares a ser destacado no que tange a modelagem e simulação diz respeito
ao Arena®. Em 1993, estesoftware passou a representar graficamente a fusão do pacote
CINEMA com a linguagem SIMAN. Hoje, na versão 15.10.00001, o programa apresenta
grandes vantagens por apresentar simuladores alto nível e linguagem flexível. Além disso,
possui integração com outros programas como forma de facilitar sua leitura e escrita de dados.
Outro ponto bastante positivo é o fato de o Arena® possuir a ferramenta adicional Input
Analyzer, a qual tem grande aplicação em estudos de otimização (FERNANDES, 2012).
3. Metodologia

Esta pesquisa pode ser descrita como exploratória, com abordagem tanto quantitativa
quanto qualitativa, adotando o método de estudo de casopor esse permitir a coleta de
evidências antes e durante a pesquisa, além disso foram realizadas entrevistas não-diretivas
como forma de contribuir para realização da pesquisa.

Marconi e Lakatos (2003), apontam que as pesquisas exploratórias são investigações de

análise prática, com o objetivo de formular questões ou problemas, com escopo no
desenvolvimento de hipóteses, maior familiaridade com a pesquisa e suas características e
elucidação de conceitos.

A abordagem qualitativa implica em estudos que necessitam de visitas ao local para

investigação e coleta dos dados, sempre que houver oportunidade. Já a abordagem
quantitativa, se caracteriza pela medição das variáveis usadas na pesquisa, sendo necessário
que o executor do estudo recolha os dados necessários através da mensuração de variáveis,
não oferecendo nenhum tipo de influência sobre esses dados coletados e tampouco meios para
a subjetividade (MARTINS, 2012).

Quanto método de estudo de caso, este permite a viabilização de formulação de hipóteses

e o desenvolvimento de teorias, possibilitando a explicação de variáveis casuais em situações
com maior grau de complexidade (GIL, 2002). Destarte, esse método se torna o mais eficaz
para análise relacionadas à teoria das filas, visto que de maneira geral, uma fila trata da inter-
relação de múltiplas variáveis (ANDRADE, 2009).

Severino (2007) define a entrevista não-diretiva, como apanhado de informações de

maneira livre, onde o entrevistador pratica dialogo de maneira informal e espontânea,

5
observando o que o entrevistado fala, porém, intervindo apenas como forma de estimular a
fala e a troca de informações.

O Supermercado escolhido foi fundado no ano de 1966, e atua no comércio varejista de

mercadorias em geral, com predominância em produtos alimentícios, possuindo quatro
unidades em operação em diferentes bairros do município. Os caixas são separados em caixas
normais e preferenciais. Para a unidade em análise, os mesmos estão distribuídos em cinco
caixas normais (grande público) e um preferencial (idosos, gestantes, lactantes e deficientes).
Em relação ao serviço de empacotamento das mercadorias, cada caixa possui um funcionário
específico para esta atividade.

Com o intuito de atender os objetivos estabelecidos, esse trabalho limitou sua análise
apenas a avaliação de um caixa destinado ao grande público, que aqui será tratado como caixa
1. A fila do supermercado foi acompanhada, durante três dias (terça-feira, quarta-feira e sexta-
feira) no mês de outubro de 2018. Para a coleta de dados foram considerados apenas os dias
de semana devido à limitantes decorrentes do horário de funcionamento do supermercado e
relacionadas ao fluxo de pessoas que poderiam variar demasiadamente, podendo comprometer
o resultado do estudo. O intervalo horário analisado foi escolhido após breve conversa com o
gestor do estabelecimento que indicou que durante os dias úteis, o maior pico de clientes
acontece entre 16:30h e 17:30h, assim a coleta de dados foi realizada seguindo essas
instruções. Para tal, foram coletados 188 intervalos entre chegadas e 166 tempos de
atendimento.

A fila do atendimento dos caixas é feito por um único atendente e a população da fila não
tem limitações de capacidade, sendo que a disciplina da fila é FIFO (first-in-first-out),
obedecendo a ideia de que o primeiro a entrar no sistema é também o primeiro a sair
(HILIER; LIEBERMAN; 2013).Prado (2014), indica que no caso de modelos M/M/1, onde
tanto a chegada quanto o atendimento são Markovianos e temos apenas um atendente, os
casos de populações finitas ou infinitas podem ser tratados pelas fórmulas apresentadas na
Tabela 2.

Tabela 2 - Formulário M/M/1

6
 Fonte: Adaptado de Prado (2014)
Para a geração dos gráficos e relatórios foi utilizado o software Arena (Student) versão
15.10.00001 da Rockwell Software, onde foi construído um modelo dispondo de todos os
recursos e tempos levantados, levando-se em consideração uma replicação de um dia, por um
período de 12 horas (horário de funcionamento do supermercado).
4. Resultados e discussões

4.1. Teoria das filas

Para a realização do estudo, os dados foram coletados no supermercado durante a parte do

mês em que há fluxo médio de clientes para que os resultados se aproximassem o máximo
possível do que ocorre normalmente no estabelecimento. Nas coletas obtivemos o intervalo
entre as chegadas na fila do caixa e o tempo de atendimento do caixa 1 desse supermercado, e
através desses dados foram calculados os demais valores que se encontram na tabela abaixo.
Tabela 3 – Cálculo dos índices

Fonte: Elaborada pelo autor

7
 O caixa analisado apresentou taxa de atendimento maior que a taxa de chegada (μ>λ),
mantendo a normalidade do sistema e comprovando sua estabilidade, isto é, não gerando filas
infinitas. Constatou-se que um dos fatores que mais atrasam o fluxo de pessoas pelo caixa
eram grandes compras, pois, além de demorar mais para passar todos os itens, o tempo para
embalar também era maior. A taxa de utilização de 88,93% indica que são raros os momentos
de ociosidade, pois sempre tem fila para o atendimento e as paradas percebidas são para
contagem de caixa ou troca de produto.
Sobre a chegada de clientes, estes chegam com intervalo de 1,16 minutos, o que se dá
através de média, visto que às vezes várias pessoas chegam juntas e depois passa-se um tempo
sem nenhuma chegada. O tempo de atendimento gira em torno de um minuto, o que é bem
próximo à realidade, visto que a maioria dos clientes faz pequenas compras e, segundo
informações do gerente as compras maiores ocorrem em grande volume no início e final do
mês, apesar de termos presenciado algumas durante a coleta.
O número de pessoas em atendimento é próximo de 1 porque a atendente só consegue
passar uma compra por vez e o número de pessoas em fila é próximo de 7, o que está bem de
acordo com a realidade levando em consideração que no horário de coleta muitas pessoas
estão voltando do trabalho e da escola e, como o supermercado se localiza no centro é mais
fácil que essas pessoas façam suas compras nele.Apesardos valores obtidos se aproximaram
bastante do que acontece na realidade, esta teoria não consegue perceberfatores como pessoas
que trocam de fila ou mesmo desistem de permanecer nela e saem do sistema, por isso
pequenas variações acontecem, contudo, essas variações não tiveram influência significativa
no resultado do estudo.
4.2. Input Analyzer

Os dados coletados foram importados no Input Analyzer, que é um complemento do

simulador Arena®, para que fossem gerados gráficos de acordo com a distribuição dos dados,
bem como expressões que, posteriormente, serão utilizadas na modelagem da simulação.
O Sumário de Distribuição, mostra os dados que compõem os testes feitos pelo Input
Analyzer para a definição da melhor distribuição, além dos dados que são utilizados para
plotar os gráficos apresentados acima.
Figura 1 – Sumário da Distribuição para os intervalos entre chegadas e
para os tempos de atendimentos

8
 Fonte: Elaborada pelo autor
A Figura 2, apresenta o erro quadrático para casa distribuição, sendo que, quanto
menor mais se aproxima da distribuição representada pelos dados que foram usados na
alimentação do Input Analyzer.
Figura 2 – Erro quadrático para IC e TA

Fonte: Elaborada pelo autor.

4.3. Modelo de Simulação construído no Software Arena®

A simulação foi realizada com base nas expressões geradas pelo Input Analyzer com os
dados coletados. Foi considerada 1 hora de almoço para cada funcionário, onde os
mesmosdeixam os caixas em duplas começando ao meio-dia; e 15 minutos para o lanche onde

9
os funcionários vão individualmente, de acordo com informações cedidas pelo gerente, isso
para os funcionários dos 5 caixas disponíveis.
Figura 3 – Simulação Via Blocos

Fonte: Elaborada pelo autor

O relatório apresentouNumber Out de 627, o que quer dizer que este é o número de
pessoas que passam pelo sistema e são atendidos dentro das 12 horas de operação que foram
simuladas. Em relação as entidades, o tempo de valor agregado (VA Time) apresentou uma
média de 1.0791, e não houve perda e tempo das entidades em atividades que não agregassem
valor, isso porque, uma vez na fila os clientes não costumam sair para realizar outras
atividades, caso haja necessidade de realizar outra tarefa, um cliente sempre deixa outra
pessoa na fila em seu lugar. Não houve dispêndio de tempo em processos de transferências. E
o tempo de espera médio de cada entidade foi de 0.00098526 o que gerou uma média total de
1.0801 de tempo de cada entidade em fila.
Figura 4 – Relatório sobre as Entidades

Fonte: Elaborada pelo autor

Com relação ao recurso, que eram os atendentes, a média de tempo em que esse
recurso se manteve ocupado foi de 0.9397, o que indica uma alta taxa de utilização, por estar
bem próxima à utilização total (100%). NoNumber Schedulled, quese refere a disponibilidade
do recurso, temos um valor de 4.4792, que indica a quantidade média de recursos disponíveis
para atendimento. A Scheduled Utilization, informa a disponibilidade dos recursos, com um
valor de 0.2098.
Figura 5 – Relatório sobre os Recursos

10
 Fonte: Elaborada pelo autor
4.4. Teste de Hipóteses

O teste de hipóteses deve ser realizado para testar possíveis mudanças e os impactos para
o supermercado analisado, para que, a partir disso sejam propostas mudanças para melhorar o
atendimento.A primeira hipótese a ser testada é a de aumentar 1 caixa no supermercado,
mantendo os horários de almoço e lanche do modelo anterior. Esse teste não mostrou uma
mudança muito significativa, visto que o Number Out passou para 629, aumentando em 2 esse
valor. Já o tempo de valor agregado (VA Time) apresentou uma média de 1.0814, o que é
maior que do modelo adotado atualmente. E, assim como no modelo anterior, não houve
perda e tempo das entidades em atividades que não agregassem valor e nem com
transferências. E o tempo de espera médio de cada entidade foi de 0.00086685, gerando uma
média total de 1.0823 de tempo de cada entidade em fila, que é maior que do modelo utilizado
atualmente.
Figura 6– Relatório sobre as Entidades Hipótese 1

Fonte: Elaborada pelo autor

No que tange o relatório de entidades, vemos que a média de tempo em que esse
recurso se manteve ocupado foi de 0.9447, aumentando ainda mais a utilização em relação ao
modelo atual. O Number Schedulled é de 5.3750, que indica maior quantidade média de

11
recursos disponíveis para atendimento em relação ao modelo atual. A Scheduled Utilization,
tem valor de 0,1795, se mostrando com menos recursos disponíveis em utilização que o
anterior.
Figura 7 – Relatório sobre os Recursos Hipótese 1

Fonte: Elaborada pelo autor

A segunda hipótese testada foi posicionaros 5 caixas já existentes em paralelo, cada
um sendo representado por um bloco Process, mantendo o intervalo entre chegadas comum a
todos e o tempo de atendimento também sendo o mesmo para cada bloco, segundo a
expressão anteriormente gerada no Input Analyzer.
Antes do atendimento nos caixas foi colocado um bloco Decideque realocava 20% das
pessoas em fila para cada caixa, dessa maneira uma fila única é formada após a chegada e é
dividida igualmente entre os caixas, como mostra a Figura 8.
Figura 8 – Simulação Via Blocos para Hipótese 2

Fonte: Elaborada pelo autor

O Number Out nesse teste de hipótese reduziu de 627 para 608, o que se mostra pouco
efetivo visto que para o mesmo número de entradas, tivemos uma redução nas saídas. O
tempo de valor agregado (VA Time) apresentou uma média de 0.9912, sendo esse valor menor

12
que do modelo adotado atualmente. E, assim como no modelo anterior, não houve perda e
tempo das entidades em atividades que não agregassem valor e nem com transferências. E o
tempo de espera médio de cada entidade foi de 2.9708, gerando uma média total de 3.9620 de
tempo de cada entidade em fila, que é bem maior que do modelo utilizado atualmente.
Figura 9 – Relatório sobre as Entidades para Hipótese 2

Fonte: Elaborada pelo autor

Em se tratando do recurso, temos que a média de tempo em que cada recurso se
manteve ocupado oscilou entre 0.2083 e 0.1270, o que indica baixa taxa de utilização de cada
atendente. O Number Schedulled varia entre 0.8958 a 0.8900, que indica baixa quantidade
média de recursos disponíveis para atendimento. A Scheduled Utilization, apresenta valores
que variam entre 0.2325 a 0.1419, o que mostra que algumas atendentes têm sua
disponibilidade maior e outras menor que a atendente do modelo atual. Além disso, a Figura
10 mostra que as atendentes 1 e 3 ficam mais sobrecarregadas que as demais, mostrando que
apesar da tentativa de deixar as filas do mesmo tamanho, essa operação não foi bem-sucedida.
Figura 10– Relatório sobre os Recursos para Hipótese 2

Fonte: Elaborada pelo autor

13
 Por fim, é possível afirmar que ambos os testes de hipóteses não se apresentaram
aplicáveis, pois se julgarmos em âmbito financeiro, o dispêndio econômico para essas
mudanças não justificaria o retorno que elas trarão para o supermercado, tornando assim
inviável que sejam implantadas.
5. Conclusão

Devido as características comuns entre os caixas, foi possível replicar os dados coletados
para todos os cinco caixas presentes no estabelecimento.Comparando os resultados da teoria
de filas com os obtidos por meio do Arena, foi possível identificar que os valores encontrados
são próximos, ambos apresentaram resultados muito próximos da realidade, apesar que na
teoria de filas foi necessário considerar as características dos dados como Markovianos,
enquanto que no Arena®, os dados foram utilizados conforme o tipo de distribuição correto.

A partir dessas observações, podem ser apresentadas algumas medidas para melhorar o
atendimento no supermercado, como a melhor gestão de embaladores para compras maiores,
já que muitas vezes a atendente precisa ajudar a embalar os itens, ficando o caixa ocioso.
Outra saída seria ter um dos funcionários próximo aos caixas, para mostrar aos clientes quais
caixas estão ociosos ou com pouco atendimento, para que as filas fiquem realmente bem
divididas.

Por fim, com a utilização do Arena foi possível realizar a simulação do processo, o que
complementa a análise de teoria de filas realizada anteriormente. Além disso, foi possível
visualizar de maneira mais holística as características da fila estudada, principalmente por
meio do estudo dos relatórios gerados pelo software. Como estudos posteriores, sugere-se
realizar novos testes de hipóteses, simulando diferentes mudanças do modelo atual do
supermercado, visando encontrar possíveis pontos de melhoria para este.

REFERÊNCIAS
ANDRADE, E. L. Introdução à pesquisa operacional: Métodos e modelos para análise de decisões. 4., ed.
Rio de Janeiro: LTC, 2009.

ARENALES, M. et al. Pesquisa Operacional. 5ª. ed. Rio de Janeiro: Elsevier, 2007.
BARBOSA, M. A. Iniciação a pesquisa operacional no ambiente de gestão. 3ª. ed. Curitiba: InterSaberes,
2015.

BRUNS, R. D.; SONCIM, S. P.; SINAY, M. C. F. D. Pesquisa Operacional: Uma aplicação da teoria das filas a
um sistema de atendimento. XXI Encontro Nacional de Engenharia de Produção, Salvador, 2001.

FERNANDES, A. C. M. Simulação de Linha de Produção usando a Plataforma ARENA. Instituto

Politécnico de Bragança. Bragança, p. 73. 2012.

14
FILHO, P. J. D. F. Introdução a Modelagem e Simulação de Siste,as com Aplicações em Arena. 2ª. ed.
Florianópolis: Visual Books, 2008.

FOGLIATTI, M. C.; MATTOS, N. M. C. Teoria de Filas. Rio de Janeiro: Interciência, 2007.

GIL, A, C. Como elaborar projetos de pesquisa. 4.ed. São Paulo: Atlas, 2002.

HIELLER, F. S.; LIEBERMAN, G. J.Introdução à Pesquisa Operacional. 9ª. ed. Porto Alegre: AMGH, 2013.

MARCONI, M. D. A.; LAKATOS, E. M. Fundamentos de Metodologia Científica.5ª. ed. São Paulo: Editora
Atlas, 2003.

HILLIER, F. S.; LIEBERMAN, G. J.Introdução a Pesquisa Opercional. 9ª. ed. Porto Alegre: AMGH, 2013.

MARTINS, R. A. Abordagens Qualitativa e Quantitativa. In: MIGUEL, P. A. C. Metodologia de Pesquisa em

Engenharia de Produção e Gestão de Operações. 2ª. ed. São Paulo: Elsevier Editora Ltda., 2012. Cap. 3, p.
47-63.

PARAGON. Paragon Decison Science , 2018. Disponivel em: <http://www.paragon.com.br/arena-academico-

student/>. Acesso em: 09 novembro 2018.

PRADO, D. S. Teoria das filas e da simulação. 5ª. ed. Nova Lima: Falconi, v. 2, 2014.

BIBLIOGRAPHY SEVERINO, A. J. Metodologia do Trabalho Científico. 23ª. ed. São Paulo: Cortez, 2007.
SILVA, V. L. D. et al. Emprego da simulação computacional para análise do sistema de filas nos caixas de um
supermercado. XXXVI Encontro Nacional de Engenharia de Produção, João Pessoa/PB, 03-06 outubro 2016.
1-19.
TAHA, H. A. Pesquisa Operacional: uma visão geral. 8ª. ed. São Paulo: Pearson, 2008.

TORRES, O. F. Elementos da Teoria das Filas. Rev. adm. empres. [online], São Paulo, v. 6, n. 20, p. 111-127,
Setembro 1966.

15