ANAIS

DIMENSIONAMENTO DE UM CALL CENTER: SIMULAO OU TEORIA DE FILAS?

MARCO AURLIO CARINO BOUZADA ( marco.bouzada@estacio.br , marcoaureliobouzada@yahoo.com.br ) UNIVERSIDADE ESTCIO DE S / MADE

RESUMO Este trabalho procura estabelecer uma dicotomia opondo mtodos analticos (como a Teoria de Filas) a mtodos experimentais (como a Simulao) ambientada no problema de dimensionamento da capacidade de atendimento de um grande call center brasileiro. A bibliografia acerca da aplicao de tais mtodos em centrais de atendimento revista e a maneira como o problema em questo tratado atualmente descrita em detalhes. Uma metodologia alternativa forma tradicional de atacar o problema sugerida e os resultados obtidos so utilizados para justificar a adequabilidade da abordagem experimental a operaes complexas, como a de um call center moderno. Palavras-chave: Call center, dimensionamento, Simulao, Teoria de Filas. Introduo Call centers consistem em centros operacionais, instalados para utilizar telecomunicao e tecnologias computacionais, para automatizar uma quantidade volumosa de diferentes atividades e servios telefnicos, tanto recebidos quanto originados pelo centro. Os centros do tipo inbound, onde as chamadas so originadas pelos clientes, so caracterizados como um sistema constitudo de vrias pessoas (atendentes), que recebe ligaes telefnicas de outras pessoas, normalmente clientes ainda que potenciais, que desejam obter alguma informao, contratar algum servio, comprar algum produto, responder a alguma pesquisa, atualizar dados, registrar ocorrncias, ou fazer reclamaes, entre outras demandas. (GROSSMAN et al., 2001; HAWKINS et al., 2001) Dezenas de bilhes de dlares foram gastos em call centers na ltima metade da dcada de 1990. O crescimento dessa indstria naquela dcada foi na faixa de 20% ao ano e esperado que essa taxa se mantenha neste patamar durante o incio desse sculo. Em particular no Brasil, a indstria de call centers tem crescido bastante nos ltimos anos, fazendo o mercado domstico j movimentar acentuadas cifras financeiras. Na economia de hoje, os call centers no apenas se tornaram os pontos primrios de contato entre clientes e empresas, mas tambm um grande investimento para muitas organizaes. (GROSSMAN et al., 2001; WEINBERG; BROWN; STROUD, 2006; BOUZADA, 2006) No caso particular de vendas e servios, call centers so frequentemente o ponto de contato entre a empresa e os clientes, o que os torna crticos e caros. Empresas que no tomam as providncias necessrias para melhorar a eficincia de seus call centers rapidamente descobrem que seus erros de planejamento so traduzidos em baixos nveis de servio, vendas perdidas, aumentos nos custos e clientes frustrados e insatisfeitos. (BATT; DOELLGAST; KWON, 2004)
1/16

1.

ANAIS
O custo de pessoal representa aproximadamente 70% do total da indstria, justificando a necessidade de um gerenciamento eficiente e a importncia de uma abordagem quantitativa para o dimensionamento da capacidade de atendimento, que consiste no trade-off entre esse custo e a determinao do nvel timo de servio; ou seja, em ter o nmero certo de pessoas qualificadas e recursos de suporte no momento correto, para lidar com a carga de trabalho prevista, mantendo os padres de qualidade e o nvel de servio exigido. Por isso e medida que os call centers tm apresentado operaes cada vez mais complexas, tem se tornado ainda mais importante o uso de modelos acurados para o dimensionamento do tamanho da equipe em uma indstria que movimenta tanto volume financeiro. (HALL; ANTON, 1998; ALAM, 2002; BOUZADA, 2006) Segundo Hall e Anton (1998), os call centers podem usar uma ferramenta conhecida como Simulao para testar (e, eventualmente, justificar a implantao) se determinadas mudanas sero capazes de melhorar o sistema, antes de implant-las. Os melhores call centers usam essa ferramenta efetiva e eficientemente para projetar o sistema, gerenciar a operao e se planejar para o futuro, diante de possveis cenrios. De acordo com Bouzada (2006), isso ocorre porque, entre outros motivos, o dimensionamento da capacidade de atendimento consiste em uma atividade crtica para a obteno da eficincia e da efetividade da operao. E a ferramenta de simulao costuma se adequar melhor ao dimensionamento de operaes mais complexas (como as de um call center moderno), j que ela consegue modelar muito bem a realidade, apresentando resultados mais acurados e relativamente precisos. bem verdade que esses resultados no so to precisos quanto os resultados tericos (obtidos por mtodos analticos), mas representam, normalmente, uma boa aproximao para os mesmos. A mxima da simulao diz que melhor ter uma soluo aproximada para um modelo bem realista do que uma soluo exata para um modelo com muitas aproximaes. O autor ainda argumenta que uma das principais vantagens da simulao em relao aos mtodos analticos consiste justamente na modelagem mais acurada da realidade: os mtodos analticos precisam fazer muitos ajustes na realidade para que esta se encaixe em algum padro pr-concebido (exemplo: os tempos de atendimento devem seguir uma distribuio exponencial, o que, muitas vezes, est longe de corresponder realidade) que a teoria analtica seja capaz de tratar, enquanto a simulao capaz de representar muito bem quase qualquer peculiaridade de uma operao complexa (por exemplo: roteamento das chamadas, diversidade de funes dos atendentes, abandono de chamadas e outras caractersticas comuns nos call centers e que, dificilmente, poderiam ser contempladas por uma abordagem analtica). Naturalmente, essa vantagem cresce juntamente com a complexidade da operao estudada e praticamente inexiste em operaes muito simples. Pode parecer contraditrio dizer que a simulao consiste em uma abordagem menos precisa e mais acurada, quando comparada aos mtodos analticos. Mas, na verdade, isso mesmo que ocorre: como os resultados so empricos, eles variam a cada vez que a simulao executada, gerando um pouco de impreciso; entretanto, como estes resultados se baseiam em um modelo mais prximo da realidade, eles so realmente mais acurados (mais prximos dos valores corretos para aquele problema real). (BOUZADA, 2006) Segundo Mehrotra e Fama (2003) e Hall e Anton (1998), call centers so interessantes objetos de estudo da simulao, pois: (i) lidam com mais de um tipo de chamada, onde cada tipo representa uma fila; (ii) as chamadas recebidas em cada fila chegam aleatoriamente ao longo do tempo; (iii) em alguns casos, agentes fazem ligaes proativamente (tipicamente em telemarketing ou aes de cobranas) ou como retorno de uma chamada anterior; (iv) a durao de cada chamada aleatria, assim como a do trabalho que o agente executa depois da chamada (por exemplo: entrada de dados, documentao, pesquisa); (v) o avano nos
2/16

ANAIS
sistemas para rotear as chamadas para os agentes, grupos ou localizaes torna a lgica por trs do call center cada vez mais sofisticada; (vi) agentes podem ser treinados para responder a um tipo nico de chamada, vrios tipos de chamadas ou todos os tipos de chamadas, com diferentes prioridades e preferncias especificadas nas lgicas de roteamento; e (vii) a grande quantidade de dinheiro investido em call centers, tanto na forma de capital como na forma de trabalho, capaz de justificar o uso dessa ferramenta to poderosa. Com os objetivos de esclarecer a questo e de mostrar as limitaes de mtodos analticos para lidar com as peculiaridades reais e de difcil tratamento dos call centers (caracterizando as lacunas a serem preenchidas pela abordagem da simulao), Bouzada (2006, p. 7-9) apresenta um exemplo hipottico. Em vista disso, esse trabalho procura descrever o problema de dimensionamento da capacidade de atendimento de uma grande empresa brasileira de call centers para, a seguir, atac-lo a partir de uma metodologia alternativa: a Simulao. O objetivo usar o caso da empresa em questo como pano de fundo emprico para a discusso terica acerca da adequao de mtodos experimentais (como a Simulao) a operaes complexas (como a dos call centers modernos), em detrimento de mtodos analticos (como a Teoria de Filas). 2. Referencial terico 2.1. Teoria de Filas aplicada a Call Centers Em um sistema de um call center, uma fila acontece quando no existe um agente disponvel para atender um cliente, sendo este colocado em espera em uma fila virtual, da qual ele s sai quando um operador alocado para atend-lo ou quando ele abandona a chamada. Conforme observado por Brown et al. (2002), no caso dos call centers, a fila virtual formada invisvel entre os clientes (que no vem uns aos outros) e entre eles e os operadores que os servem. No cenrio de call centers, Arajo, Arajo e Adissi (2004) dizem que as disciplinas das filas, se bem gerenciadas, so fortes aliadas da rea de planejamento e controle da produo dos call centers, que tem como meta atingir os resultados esperados com recursos muitas vezes escassos, tornando esta rea cada vez mais importante nestas empresas. As disciplinas das filas, quando bem administradas, podem trazer redues significativas nos tempos de espera dos clientes que por elas passam. Algumas caractersticas das centrais de atendimento tornam difcil a aplicao de frmulas analticas da teoria de filas para a sua modelagem, incluindo: distribuies genricas para o tempo de atendimento, taxas de chegada variando com o tempo, sobrecargas temporrias e abandonos. O modelo apresentado por Chassioti e Worthington (2004) consiste em uma abordagem prtica capaz de incorporar a maioria dessas caractersticas. Segundo Bapat e Pruitte Jr. (1998), as premissas adotadas nas anlises baseadas nos modelos analticos de teoria das filas so extremamente limitadas quando trabalhadas no contexto atual dos call centers porque: (i) as chamadas recebidas so todas do mesmo tipo; (ii) a partir do momento em que uma chamada entra em uma fila, ela nunca a abandona o que acaba, comumente, superestimando a necessidade de mo-de-obra e aumentado os custos de pessoal da empresa; (iii) os agentes atendem s chamadas fundamentados na disciplina onde o primeiro que entra o primeiro que sai (PEPS; ou FIFO, em ingls); e (iv) cada operador atende todas as chamadas da mesma maneira. Essas premissas raramente so vlidas no ambiente em que as empresas de call center esto inseridas, j que, de acordo com os autores dependendo da tolerncia individual para esperar o seu atendimento um cliente pode abandonar a ligao, caso seja colocado em uma fila. Alm disso, os operadores normalmente diferem em relao s habilidades e tambm ao tempo de atendimento de uma chamada. Adicionalmente, as necessidades dos clientes so
3/16

ANAIS
muito diferences e, algumas vezes, uma priorizao de forma que um servio melhor possa ser prestado se faz necessria. Mas muitas empresas continuam apoiando as normalmente complexas tomadas de deciso acerca da alocao de recursos atravs dos modelos analticos de teoria das filas, motivadas pelas relativas facilidade e rapidez da abordagem. Muitas centrais de atendimento apresentam uma distribuio genrica (lognormal, por exemplo) para os seus tempos de atendimento, e no necessariamente uma distribuio exponencial negativa (BROWN et al., 2002). O formato exponencial usado em grande parte da literatura da teoria de filas tanto para tempo entre chegadas de clientes como para tempo de atendimento pelo fato de existirem para as situaes onde esses tempos so considerados como variveis que seguem uma distribuio exponencial solues analticas para o estado estacionrio do sistema. Mas no caso das centrais de atendimento existentes no mundo real, pelo menos a taxa de chegada de clientes varia com o tempo; essa variao motivada por propagandas, horrio de trabalho etc.. A fadiga dos atendentes pode gerar uma variao tambm no tempo de atendimento medida que o tempo passa, mas esta insignificante quando comparada variao das taxas de chegada. As solues encontradas na literatura para lidar com taxas de chegada variando em funo do tempo no so muito utilizveis porque envolvem funes de Bessel, de difcil aplicao na prtica. (CHASSIOTI; WORTHINGTON, 2004) 2.2. Simulao em Call Centers Chokshi (1999), Klungle e Maluchnik (1997), Hall e Anton (1998), Mehrotra e Fama (2003), Avramidis e L'Ecuyer (2005), Klungle (1999) e Bapat e Pruitte Jr. (1998) destacam alguns fatores recentes que contriburam para o aumento da demanda pelo uso da ferramenta de simulao no setor de call centers: (i) a crescente importncia dos call centers para boa parte das corporaes (devido ao rpido crescimento da era da informao e das comunicaes e do aparato tecnolgico), aumentando a necessidade de utilizao de metodologias cientficas de tomada de deciso e ferramentas para a sua gerncia estratgica em substituio ao uso da intuio; (ii) a complexidade crescente do trfico de chamadas unido a regras cada vez mais presentes de roteamento baseado em habilidades; (iii) a incerteza cada vez mais predominante nos problemas de deciso normalmente encontrados no gerenciamento operacional das centrais; (iv) rpidas mudanas nas operaes e incremento nas atividades de reengenharia resultantes do aumento de fuses e aquisies, volatilidade do negcio, opes de terceirizao e utilizao de diferentes canais para atingir o consumidor (telefone, e-mail, chat); e (v) a disponibilidade e o preo acessvel dos computadores, aliados a uma gama de aplicaes de simulao em call center disponveis no mercado, cada vez mais intuitivas e fceis de serem aprendidas e usadas. A simulao, de acordo com Mehrotra (1997), modela explicitamente a interao entre chamadas, rotas e agentes, assim como a aleatoriedade das chegadas de chamadas individuais e dos tempos de atendimento. Atravs do uso da simulao, gerentes e analistas traduzem dados brutos de call centers (previso de chamadas, distribuies de tempos de atendimento, horrios e habilidades de agentes, vetores de roteamento de chamadas etc.) em manusevel informao sobre nveis de servio, abandono de clientes, utilizao de agentes, custos e outras importantes medidas de performance em um call center. Segundo Chokshi (1999) e Klungle e Maluchnik (1997), a utilizao da simulao para auxiliar a tomada de decises no gerenciamento de call centers permite os seguintes benefcios: (i) visualizar processos futuros e ser usada como uma ferramenta de comunicao; (ii) validar premissas de processos antes de sua implementao; (iii) analisar detalhadamente o impacto de mudanas (anlise de cenrios); (iv) prever necessidades agregadas de recursos e

4/16

ANAIS
programar a fora de trabalho; (v) mensurar indicadores de performance; e (vi) estimar impactos nos custos e economias. Uma das utilidades da simulao em um call center, de acordo com Hall e Anton (1998), a de avaliao, quando se pode verificar onde o call center est. A pergunta-chave quo eficiente e efetivo a operao atualmente?. O objetivo da avaliao estabelecer uma linha de partida (e de referncia) para a mudana. Segundo Mehrotra, Profozich e Bapat (1997), Yonamine (2006), Gulati e Malcolm (2001), Bapat e Pruitte Jr. (1998) e PARAGON (2005), um modelo de simulao pode (e tem sido cada vez mais usado para tal) alm de normalmente permitir grficos e animaes contemplar alguns aspectos crticos dos call centers receptivos modernos de todos os tamanhos e tipos, entre outros: (i) nvel de servio especfico; (ii) flexibilidade na distribuio dos tempos entre chegadas e de atendimento; (iii) consolidao de centrais; (iv) roteamento baseado em habilidades; (v) tipos mltiplos de chamadas; (vi) filas simultneas; (vii) padres de abandono de chamadas; (viii) retorno de ligaes; (ix) overflow e transbordo; (x) priorizao de filas; (xi) transferncia de chamadas e teleconferncias; (xii) preferncias, proficincia, tempo de aprendizado e esquema de horrio dos operadores. Os outputs do modelo podem vir na forma de tempo de espera, taxa de abandono de chamadas (ambos com possibilidade de diferenciao por tipos de chamada) e nvel de utilizao dos operadores (com possibilidade de diferenciao por tipos de operador). E devido adequao desta abordagem s caractersticas reais e complexas dos call centers, a simulao pode tornar mais confivel o seu dimensionamento e gerenciamento. De acordo com Mehrotra, Profozich e Bapat (1997), Steckley, Henderson e Mehrotra (2005), PARAGON (2005), Mehrotra (1997), Klungle e Maluchnik (1997), Pidd (1998) e Tanir e Booth (1999), os mtodos tradicionais mais usados no gerenciamento e dimensionamento de um call center (estimativas intuitivas, clculos improvisados, planilhas e modelos tericos de filas Erlang) esto se tornando significativamente limitados por causa da variabilidade das chegadas de chamadas, das rotas e do tempo gasto nas ligaes, das habilidades e prioridades dos operadores, da heterogeneidade das chamadas e da interao entre elas e os troncos, da dinmica de abandono das chamadas, das tendncias recentes (como o roteamento baseado em habilidades, canais eletrnicos e manuseio interativo de chamadas) e, de uma forma geral, da sofisticao e complexidade cada vez mais presentes nos sistemas de call centers. Por exemplo, os modelos analticos comumente assumem que a chegada dos clientes consiste em um processo Poisson quando, na verdade, os dados de call centers rejeitam esta premissa frequentemente. Adicionalmente, planilhas e modelos Erlang superestimam a quantidade de atendentes, alm de terem pouca preciso para centrais com atendimento diferenciado. A simulao estende a capacidade das ferramentas analticas e operacionais e consiste em uma ferramenta superior quando no est disponvel nenhum modelo terico tratvel que fornea uma representao razovel do sistema sob estudo e as mdias no so suficientes, a acurcia importante, a operao detalhada, a demanda varia muito, gargalos e necessidades de mudanas no desenho dos processos precisam ser identificados e/ou uma animao necessria para a melhor comunicao de uma modificao para a diretoria. As recentes tendncias da indstria demandam abordagens mais sofisticadas e a simulao fornece as tcnicas necessrias para se adquirir insights sobre essas novas tendncias e ajuda a dar forma aos seus desenhos atuais e futuros, consistindo no nico mtodo de anlise apto a modelar um call center eficiente e acuradamente, atravs de uma abordagem muito mais prtica, flexvel em termos de inputs e outputs, e capaz de permitir a incluso de detalhes importantes, refletir muito melhor a realidade (sem grandes necessidades de simplificaes, como nos modelos tericos), viabilizar um melhor e mais profundo entendimento acerca dos
5/16

ANAIS
processos da central e gerar resultados muito mais robustos a respeito da performance do call center, permitindo sua otimizao de forma bem mais confivel. (PARAGON, 2005; RILEY, 2005; MEHROTRA, 1997; KLUNGLE; MALUCHNIK, 1997; TANIR; BOOTH, 1999; SALIBY, 1989; HILLIER; LIEBERMAN, 1995; HERTZ, 1980; MEHROTRA; PROFOZICH; BAPAT, 1997; BAPAT; PRUITTE JR., 1998; CHOKSHI, 1999; KLUNGLE, 1999; WORTHINGTON; WALL, 1999; RAGSDALE, 2001; MEHROTRA; FAMA, 2003) O caso 3.1. A empresa A Contax surgiu no final de 2000, como extenso natural dos negcios da Telemar, em um setor da economia que pouco investia em tecnologia e qualificao de atendimento, para ajudar seus clientes na gesto operacional do servio de atendimento, agregando valor no relacionamento com os consumidores finais. (CONTAX, 2006) No Brasil, atualmente, a empresa de maior crescimento nessa indstria, tendo crescido quase 60% em 2005, com um faturamento de R$ 1.129 milhes. Caracteriza-se como a maior empresa do ramo em nmero de posies de atendimento, e a segunda maior em termos de faturamento e nmero de funcionrios, dentro do territrio nacional. (OUTSOURCING, 2005) A Contax uma empresa de capital 100% nacional e hoje opera com mais de 22 mil posies de atendimento, quase 50 mil funcionrios e mais de 40 clientes, sendo o principal a prpria Telemar, que responde por aproximadamente 60% do faturamento. Os principais produtos relacionados a este cliente so: (i) Velox; (ii) 103; (iii) Suporte tcnico e reparo de defeitos; (iv) OI; e (v) 102, que recebe ligaes dos clientes que buscam auxlio lista telefnica. 3.2. Processo atual de dimensionamento da capacidade de atendimento O dimensionamento consiste no estudo para adequar as estruturas fsicas, tcnicas e de pessoal do call center aos objetivos da operao de atendimento ao cliente e tem incio a partir da previso intradiria de demanda. O produto 102 foi o escolhido para ilustrar o problema do dimensionamento, visto que sua demanda a mais previsvel, de forma que seja possvel mensurar isoladamente a qualidade do processo de dimensionamento (partindo da premissa que o input previso de demanda de boa qualidade). O nvel de servio para este produto diz respeito ao tempo de espera do cliente final na linha telefnica, desde o momento de entrada da ligao at ela ser atendida. Em outras palavras, o tempo que o cliente passa na fila, ouvindo a msica de espera e aguardando o operador. Mais precisamente, o nvel de servio consiste no percentual de chamadas atendidas dentre as completadas, apenas em at 10 segundos (ou melhor, que aguardam no mximo 10 segundos para serem atendidas). Como apenas as ligaes efetivamente atendidas entram no clculo do nvel de servio, os abandonos no so contabilizados (nem punidos, portanto), para efeitos de nvel de servio. Mas eles so mensurados atravs de outro indicador (taxa de abandono) e a Contax multada quando essa taxa ultrapassa os 2%, em algum ms. Em vista dessa possibilidade, evitar o abandono costuma ser visto como prioridade, um pouco em detrimento do nvel de servio, desde que esse se mantenha acima de patamares mnimos. O nvel de servio no envolve exigncias formais no contrato (como a taxa de abandono), mas influencia a relao e a dignidade comerciais; ou seja, interessante no priorizar apenas o abandono, deixando de se preocupar em manter o nvel de servio em valores decentes. 3.

6/16

ANAIS
A rotina de dimensionamento inicia com o clculo das necessidades dirias de atendentes, a partir da previso da quantidade de ligaes, do tempo mdio de atendimento e da taxa de ocupao dos atendentes em cada dia. Em seguida, essa necessidade de atendentes (convertida para o padro de operadores de 6 horas) comparada com a disponibilidade atual de recursos de atendimento, descontando as perdas referentes a frias e absentesmo. O resultado dessa comparao um saldo ou um dficit de mo-de-obra para cada dia do ms planejado. O output deste primeiro passo a quantidade de operadores que precisam ser contratados ou demitidos no ms em questo para os nmeros desejados serem atingidos. A partir do momento em que a deciso de contratao ou demisso foi tomada e implementada, a equipe de planejamento pode partir para uma anlise mais pormenorizada o dimensionamento intradirio. Este deve ser feito para um dia apenas e esse formato-padro repetido para os demais dias do perodo, porque o horrio de cada funcionrio deve ser o mesmo em todos os dias do ms. possvel, entretanto, conseguir um pouco mais de flexibilidade em relao a isso atravs do uso de banco de horas. Em vista disso, um volume de ligaes e um tempo mdio de atendimento (grandezas necessrias para o dimensionamento) especficos precisam ser escolhidos para serem usados como padro para o dimensionamento de todos os dias do ms. O dia escolhido para o padro , normalmente, o quinto dia de maior movimento. Dessa forma, o dimensionamento vai garantir o nvel de servio desejado para esse dia e todos os dias menos movimentados, mas no para os 4 dias de maior demanda, quando haver perda de nvel de servio. Isso no representa um problema porque o contrato do produto 102 exige um especfico nvel de servio mensal, e no dirio. Em cima do dia escolhido como padro de dimensionamento para o ms, aplicada uma curva que reflete o perfil intradirio da demanda, ou seja, que percentual do volume dirio acontecer na primeira meia-hora do dia, na segunda meia-hora, ..., e na ltima meiahora do dia. Essa curva obtida com base no histrico de ligaes recebidas a cada intervalo de meia-hora, para cada dia da semana. No caso do produto 102, as curvas de cada dia da semana so muito parecidas (principalmente de segunda quarta-feira, com pequeno aumento vespertino no volume da quinta e da sexta-feira), sendo as do sbado e do domingo um pouco diferentes. A figura 1 a seguir ilustra a curva histrica da tera-feira. Figura 1 Perfil histrico do comportamento intradirio da demanda, tera-feira
6,00% % do volume em relao ao total dirio

5,00%

4,00%

3,00%

2,00%

1,00%

0,00%
00 :0 01 0 :0 0 02 :0 03 0 :0 04 0 :0 0 05 :0 0 06 :0 0 07 :0 0 08 :0 09 0 :0 10 0 :0 0 11 :0 12 0 :0 0 13 :0 0 14 :0 15 0 :0 16 0 :0 0 17 :0 18 0 :0 19 0 :0 0 20 :0 0 21 :0 22 0 :0 0 23 :0 0

Horrio

Fonte: Contax
7/16

ANAIS
O resultado deste processo uma previso de demanda de ligaes (volume e tempo mdio de atendimento) para cada meia-hora. Com o auxlio de frmulas Erlangi do suplemento de Excel chamado Turbotab, calculada a quantidade necessria de operadores para atender a demanda de cada perodo com um nvel mnimo de servio pr-estabelecido (normalmente 85% das ligaes sendo atendidas em at 10 segundos). O contingente atual (utilizado no ms anterior) de atendentes , ento, considerado. Em funo da quantidade de operadores que esto iniciando a sua jornada a cada perodo do dia e da carga diria de trabalho de cada um (4 ou 6 horas), uma planilha calcula quantos atendentes estaro disponveis em cada intervalo de meia-hora. Essas informaes so, ento, cruzadas com a necessidade de operadores para cada perodo de 30 minutos, levantada anteriormente. Tal cruzamento sumarizado de maneira grfica, como exemplificado na figura 2 a seguir. Figura 2 Necessidade e disponibilidade de agentes por perodo, ago/06
Necessrios x Dimensionados - TOTAL
450 400

Oper. Nec. C/ abs Oper. Dimens.

Quantidade de operadores

350 300 250 200 150 100 50 0

00:00 01:00 02:00 03:00 04:00 05:00 06:00 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 23:00

Horrio

Fonte: Contax

Em cima do atual escalonamento que a equipe de planejamento vai trabalhar para modificar a disponibilidade de operadores em cada perodo do dia, de modo a atingir o nvel de servio desejado. O objetivo garantir que haja a quantidade certa de pessoas em cada horrio, atravs do processo de tentativa-e-erro, durante o qual preciso analisar diversos fatores, tais como: carga horria diria, aspectos da legislao trabalhista, acordos sindicais, espao fsico disponvel. No caso do produto 102, o escalonamento balanceado (alternando momentos com contingente operacional abaixo/acima do necessrio) pode ser usado, j que o importante para efeitos comerciais o nvel de servio mdio do dia. Durante o processo de escalonamento, a equipe de planejamento faz tentativas modificando a quantidade de operadores que iniciam a sua jornada a cada horrio. Essas mudanas alteram, consequentemente, a quantidade disponvel de atendentes em cada intervalo de meia-hora. A planilha com as frmulas Erlang utiliza, ento, essa informao para estimar o nvel de servio para cada perodo de meia-hora e para o dia, em funo da demanda prevista. Neste processo iterativo, a principal motivao do analista maximizar o nvel de servio mdio do dia. O nvel de servio em cada faixa de horrio, em si, no costuma ser
8/16

ANAIS
uma grande preocupao para o analista que, no entanto, procura evitar grandes dficits de atendentes escalados em relao aos demandados nas faixas de horrios ao longo do dia. A preocupao com os dficits intradirios existe porque, nos horrios com muita carncia de atendentes, pode haver grande incidncia de abandonos. E isso pode ser muito ruim por dois motivos: a multa por excesso de ligaes abandonadas e a possibilidade de o cliente desistente retornar posteriormente a ligao e aguardar at ser atendido, deteriorando o nvel de servio. Esse esforo de dimensionamento e escalonamento objetiva um melhor ajuste entre a capacidade demandada e ofertada, ao longo do dia. Um exemplo das modificaes realizadas na busca do melhor dimensionamento pode ser visualizado na figura 3 a seguir. Figura 3 Mudanas realizadas durante o escalonamento dos atendentes, ago/06ii
Horrio 02:30 03:00 03:30 04:00 04:30 05:00 05:30 06:00 06:30 07:00 07:30 08:00 08:30 09:00 09:30 10:00 10:30 06:00 06:30 07:00 07:30 08:00 08:30 09:00 09:30 10:00 10:30

05 Recursos de Bsico 08 Recursos

20 20 20 20 15 17 18 20 20 20

08 Recursos 1 1 1 1 0 1 1 1 1 05 Recursos 21 21 21 15 20 21 21 21

25 25 25 21 24 24 25

72 72 72 72 72 72

40 40 40 40 40

40 40 40 40

26 26 26

18 18

Fonte: Contax

Na ltima etapa do processo de dimensionamento e escalonamento, o analista procura estimar como ser o nvel de servio da operao (percentual de chamadas atendidas em at 10 segundos), para todos os dias ao longo do ms (at o momento, os clculos foram feitos em cima do quinto dia de maior movimento apenas). Para tal, a distribuio intradiria de atendentes elaborada durante os passos anteriores replicada para todos os dias do ms e, em conjunto com a previso diria de demanda de ligaes e com o perfil de comportamento intradirio da demanda, capaz de estimar atravs da mesma metodologia Erlang os nveis de servio a serem obtidos para cada dia e horrio, dentro do ms em questo. Na opinio da equipe de planejamento, a frmula Erlang utilizada para o clculo do nvel de servio no totalmente precisa, mas no radicalmente imprecisa a ponto de chamar a ateno e gerar situaes onde o nvel de servio real se distancie muito do calculado. Na verdade, alguns questionamentos internos surgiram em relao a essa frmula a partir de algumas observaes empricas, como em uma situao em que o nvel de servio calculado para um horrio com dficit de 3 agentes era 77% e passava para 0% quando o dficit subia para 12 agentes. Dessa forma, no existe concordncia de que essa metodologia a ideal para calcular o nvel de servio, mas o setor no encontrou nenhuma outra abordagem mais precisa, em pesquisas coletando informaes e verificando planilhas. 3.3. Metodologia sugerida para o dimensionamento da capacidade de atendimento Para a realidade dos call centers, a Teoria de Filas pode ser a melhor metodologia analtica a ser utilizada, mas existem mtodos experimentais como a simulao que podem ser mais adequados para uma indstria com o cotidiano operacional to complexo quanto o de
9/16

ANAIS
um call center moderno, conforme sugerido na seo 2.2 deste trabalho. Em especial, a metodologia atualmente utilizada para o clculo do nvel de servio no considera a hiptese de abandono por parte do cliente ou sinal de ocupado; ou seja, os clientes que chegam e no encontram agentes disponveis, aguardam indefinidamente em uma fila at serem atendidos. Isso cria uma tendncia de subestimar o nvel de servio porque, na operao real, alguns clientes vo abandonar as ligaes (se esperarem muito), diminuindo a fila e fazendo com que sejam atendidas em menos tempo as chamadas programadas para serem respondidas aps aquela que abandonou a fila. Adicionalmente, as planilhas usadas para o clculo do nvel de servio consideram que o tempo de atendimento segue uma distribuio exponencial. No entanto, isso raramente ocorre na prtica, caracterizando uma premissa relativamente forada. O emprego da simulao permite contemplar as caractersticas destacadas na seo 2.2, incluindo o comportamento de abandono (podendo tambm considerar que um percentual dos clientes que abandonam ir retornar a ligao, tentando um novo contato dentro de uma quantidade de tempo, que pode ser modelada por uma distribuio estatstica) e uma flexibilidade na definio do formato da distribuio do tempo de atendimento. Para verificar essa melhor adequao, a idia consiste em simular computacionalmente em poucos segundos a operao do call center durante perodos de 30 minutos, contemplando de forma mais realista as suas caractersticas para obter resultados mais acurados do que com as metodologias analticas. Dessa forma, possvel visualizar a operao em si (com as chamadas chegando, sendo enfileiradas e depois atendidas) e o que estaria acontecendo, de forma detalhada (praticamente como se fosse in loco), para poder entender porque determinado perodo do dia apresentou um nvel de servio to baixo, por exemplo (ao invs de apenas aceitar o nmero frio fornecido pelas frmulas analticas). A figura 4 a seguir ilustra a apresentao dinmica dos indicadores de desempenho que um software de simulao capaz de oferecer. Figura 4 Indicadores dinmicos de um modelo de simulao para call center

Fonte: Tela capturada durante a simulao do modelo pelo software

10/16

ANAIS
Como pode ser visto, diversos indicadores podem ser acompanhados medida que vo variando dinamicamente enquanto a simulao vai sendo executada: a quantidade de clientes atendidos, atendidos em at 10 segundos, o consequente nvel de servio (seu valor no momento, na forma numrica e grfica a barra de nvel, alm do seu comportamento ao longo da simulao), o nmero de clientes esperando na fila (na forma numrica e grfica), de clientes bloqueados e que abandonaram a fila, os tempos mdios de espera e de atendimento (na forma numrica e grfica), e a quantidade de agentes ocupados (seu valor no momento, na forma numrica e grfica, alm de um histograma registrando seu comportamento ao longo da simulao). No final da simulao, os relatrios sumarizam os resultados consolidados. Com o uso da simulao, possvel calcular empiricamente (ao invs de estimar analiticamente) atravs do uso de algumas premissas histricas (de previso de demanda e comportamento dos clientes e do sistema) e da quantidade dimensionada de atendentes como inputs alguns indicadores de performance importantes, como: nvel de servio, taxa de abandono, tempo mdio de espera, utilizao e ociosidade dos agentes. Para o dimensionamento e escalonamento dos operadores para atender os clientes do produto 102 durante o ms de agosto de 2006, foi usada a premissa (oriunda da previso de demanda) de que chegariam central 586 chamadas, com um tempo mdio de atendimento de 29 segundos, na primeira meia-hora do dia (00:00 s 00:30). Seria necessrio, segundo as frmulas analticas, alocar 12 agentes para este horrio, de forma a atingir 85% de nvel de servio. A equipe de dimensionamento alocou, ento, 12 atendentes e as frmulas analticas previram 88,04% de nvel de servio para este perodo. Com o objetivo de questionar esses nmeros, foi construdo no software Arena Contact Center um modelo para simular como se comportaria o sistema nesse horrio, com as mesmas premissas de demanda (volume e tempo mdio de atendimento) e com a mesma capacidade operacional (12 agentes). Como as chamadas vo chegando central sem nenhuma espcie de controle, este processo pode ser considerado aleatrio, caso em que a base conceitual sugere que a taxa de chegada de ligaes seja modelada atravs de um processo de Poisson. O modelo de simulao construdo implementou este processo com mdia de, aproximadamente, 0,33 ligaes chegando por segundo (ou 586 em um intervalo de 30 minutos). Em relao ao tempo de atendimento, a distribuio Erlang costuma modelar bem esse processo e, portanto, foi utilizada, com mdia de 29 segundos. Ela requer, no entanto, um parmetro adicional (k) que diz respeito variabilidade dos dados em torno da mdia. O desvio-padro da distribuio igual sua mdia dividida pela raiz quadrada de k. Para, ento, considerar uma variabilidade moderada dos dados em torno da mdia, o modelo utiliza a distribuio Erlang com k = 4, fazendo com que o coeficiente de variao seja de 50%. Para que o modelo contemplasse corretamente o comportamento de abandono dos clientes, foi necessrio realizar uma pesquisa junto base de dados da Contax, contendo as ligaes abandonadas, para o produto 102. Ela mostrou que o tempo de espera das ligaes abandonadas apresenta, historicamente, uma mdia em torno de 2,5 minutos, seguindo uma distribuio no muito distante de uma exponencial. Tambm foi preciso modelar o comportamento de retorno das ligaes abandonadas. Para tal, foi utilizada a premissa de que 80% das ligaes abandonadas so refeitas posteriormente, entre 1 e 9 minutos aps o abandono (distribuio uniforme). 3.4. Anlise dos resultados A simulao dos 30 minutos de operao do call center foi replicada 100 vezes no software em 142 segundos e o primeiro resultado indica que, em mdia, 595 chamadas foram geradas em cada replicao. Este nmero um pouco maior do que a premissa de demanda
11/16

ANAIS
(586 chamadas) porque, na simulao, algumas das chamadas abandonadas voltaram a ser geradas e entraram novamente na fila. Das chamadas geradas, 579 em mdia foram efetivamente atendidas pelos agentes em cada replicao. Destas chamadas, 541 foram atendidas em at 10 segundos, encerrando um nvel de servio de 93,31%. Esse valor razoavelmente maior do que os 88,04% previstos de nvel de servio segundo a abordagem analtica. Esse fato confirma, em princpio, a expectativa de subestimao desta grandeza por parte da Teoria de Filas. Depois de realizada uma consulta junto base de dados da Contax, foi possvel recuperar a informao de que, no dia 22 de agosto de 2006, estiveram presentes 12 operadores durante o perodo das 00:00 s 00:30. Dentro deste intervalo, 592 ligaes foram atendidas, em 29,4 segundos cada, em mdia. Estes nmeros superam por muito pouco as premissas de demanda (volume = 586; tempo mdia de atendimento = 29 segundos) utilizadas no dimensionamento via frmulas analticas e tambm no modelo de simulao aqui apresentado. Por isso, esse dia e horrio foram escolhidos para servirem de base de comparao entre os resultados obtidos pelas duas abordagens. Durante estes 30 minutos, 549 das 592 chamadas foram atendidas em at 10 segundos; ou seja, o nvel de servio real ocorrido neste intervalo foi de 92,74%, bem mais prximo do valor calculado empiricamente pela simulao (93,31%) do que do valor estimado analiticamente pelas frmulas Erlang (88,04%). Conforme foi dito, a subestimao do nvel de servio promovida pela Teoria de Filas deve-se, sobretudo, no contemplao do abandono da ligao, empreendido na prtica por uma parcela dos clientes, mas desconsiderado na teoria pelos modelos analticos. Das 595 chamadas geradas em cada replicao, 14,5 em mdia foram abandonadas pelos clientes, ocasionando uma taxa de abandono igual a 2,44%. Dentre as 14,5 chamadas abandonadas, 11,5 (79,41%) retornaram para a fila alguns minutos aps o abandono. Como deve estar sendo observado, a simulao permite que muitos outros indicadores de performance alm do nvel de servio a respeito das chamadas possam ser observados e analisados. Por exemplo, o tempo mdio de atendimento foi de 29,35 segundos. Mas um cliente chegou a ser atendido em 4,70 segundos e outro em 147,60 segundos. J em relao ao tempo de espera, as chamadas aguardaram, em mdia, 1,94 segundos para serem atendidas. Alguns clientes foram atendidos instantaneamente e pelo menos um esperou quase 38 segundos antes de ser atendido. Conforme alertado na seo 2.2, esse tipo de anlise envolvendo a variabilidade e os valores mximos e mnimos dos indicadores de desempenho no pode ser realizado por meio de mtodos analticos (capazes de apresentar apenas os valores mdios), tornando-se vivel apenas atravs de abordagens experimentais. Naturalmente, a simulao tambm gera indicadores a respeito dos agentes. No perodo em questo, a taxa mdia de ocupao dos atendentes foi de 78,75%. Este indicador pode orientar a gerncia no sentido de um aumento ou reduo de efetivo, de acordo com as metas de ocupao traadas a priori. interessante observar tambm a acurcia da abordagem experimental em outros horrios, com diferentes patamares para o nvel de servio. Para o dimensionamento dos operadores (tambm para agosto de 2006) no perodo entre 02:00 e 02:30, foi usada a premissa de que chegariam central 196 chamadas, com um tempo mdio de 28 segundos. Seria necessrio, segundo as frmulas analticas, alocar 5 agentes para este horrio, de forma a atingir 85% de nvel de servio. Foram dimensionados, no entanto, 4 atendentes para este perodo e este dficit de agentes (-1) fez as frmulas analticas preverem 44,05% de nvel de servio para este horrio.

12/16

ANAIS
Novamente foi construdo um modelo, desta vez para simular o comportamento do sistema neste segundo horrio, com as mesmas premissas de demanda (volume e tempo mdio de atendimento) e com a mesma capacidade dimensionada (4 agentes). A chegada das ligaes e o tempo de atendimento foram modelados de acordo com estas premissas mdias e seguindo as distribuies exponencial e Erlang (k = 4), respectivamente; e o comportamento de abandono modelado da mesma forma que anteriormente. Em mdia, 209 chamadas foram geradas em cada replicao; destas, 193 em mdia foram de fato atendidas pelos operadores em cada replicao, das quais 144 em at 10 segundos. O nvel de servio obtido foi 74,44%, um valor mais baixo que a meta de 85%, mas muito acima dos 44,05% previstos pelas frmulas analticas que, de fato, parece ter subestimado esta grandeza. Segundo a base de dados da Contax, no dia 29 de agosto de 2006, 4 operadores atenderam 192 ligaes, entre 02:00 e 02:30, com tempo mdio de atendimento de 27,6 segundos. Estes nmeros so bem prximos das premissas de demanda utilizadas no dimensionamento atravs de frmulas Erlang e no de simulao. Nesse intervalo, 136 ligaes foram atendidas em at 10 segundos, gerando um nvel de servio real de 70,83%. Assim como quando aconteceu no cenrio original (horrio das 00:00 s 00:30), este valor ficou mais prximo (desta vez ainda mais) do nvel de servio calculado pela simulao. Isso tudo revela um ganho ainda maior de acurcia na previso do nvel de servio, em cenrios com baixos patamares para essa grandeza. Resta saber o comportamento desta acurcia em situaes com nveis de servio muito altos (saldo de agentes dimensionados em relao necessidade). No horrio entre 05:30 e 06:00, durante o ms de agosto de 2006, foi considerado que chegariam central 253 chamadas, com um tempo mdio de atendimento de 31 segundos. Segundo as frmulas analticas, seria necessrio designar 7 atendentes para este perodo, de forma a alcanar a meta de nvel de servio Foram dimensionados 11 agentes (saldo de 4) para este horrio e as frmulas Erlang previram 99,78% de nvel de servio para este horrio. Com o objetivo de questionar esse nvel de servio estimado, foi construdo um modelo com as mesmas premissas de demanda (volume e tempo mdio de atendimento) e com a mesma capacidade dimensionada (11 atendentes), desta vez para este terceiro horrio. A chegada das ligaes e o tempo de atendimento foram modelados de acordo com estas premissas mdias e seguindo as distribuies exponencial e Erlang (k = 4), respectivamente; e o abandono foi tratado de forma idntica anterior. A simulao da operao durante este intervalo foi replicada 100 vezes. Em mdia, 253,31 chamadas foram geradas, 253,27 atendidas e 253,22 em at 10 segundos em cada replicao. Quase no houve abandono, o que no surpreendente em vista do superdimensionamento empreendido para este cenrio. O nvel de servio resultante foi 99,98%, um valor altssimo (inclusive quando comparado com a meta de 85%), e bem parecido com os 99,78% previstos pelas frmulas Erlang para este cenrio. A base de dados da Contax revela que, no dia 15 de agosto de 2006, 11 agentes estiveram atendendo durante o perodo das 05:30 s 06:00, quando 249 chamadas foram atendidas, com tempo mdio de 31,5 segundos. Estes nmeros esto muito prximos das premissas de demanda usadas nos modelos analtico e de simulao. Dentro de tal perodo, foram atendidas 248 chamadas em at 10 segundos, gerando um nvel de servio real de 99,60%. Desta vez, os valores previstos por ambas as abordagens (analtica e experimental) ficaram muito parecidos com o valor real, at porque no havia muito espao para grandes variaes, visto que este cenrio envolve um patamar de nvel de servio j muito prximo de 100%. A concluso aponta para a inexistncia de ganho de

13/16

ANAIS
acurcia na previso do nvel de servio em cenrios com patamares muito altos para essa grandeza promovido pelo uso da abordagem experimental. Finalmente possvel apresentar uma comparao mais completa. O comportamento do ganho de acurcia empreendido pelo uso da abordagem de simulao em funo do patamar onde se encontra o nvel de servio pode ser resumido na tabela 1 a seguir. Tabela 1 Nvel de servio real e estimado por frmulas Erlang e simulao, erros de estimao e ganho de acurcia em diferentes patamares de nvel de servio
Horrio Saldo/dficit de agentes Nvel de servio real Frmula Erlang Erro Simulao Erro Diferena entre os erros (ganho de acurcia) 02:00 s 02:30 1 a menos em 5 -20% 70,83% 44,05% 26,78% 74,44% 3,61% 23,17% 00:00 s 00:30 0 em 12 0% 92,74% 88,04% 4,70% 93,31% 0,57% 4,13% 05:30 s 06:00 4 a mais em 7 +57% 99,60% 99,78% 0,18% 99,98% 0,38% -0,20%

Fonte: Tabela elaborada pelo autor

4.

Concluses Foi possvel constatar, ao longo dessa pesquisa e atravs do uso de modelos de simulao para lidar com o problema de dimensionamento da capacidade de atendimento do call center da empresa estudada, algumas vantagens da abordagem experimental em comparao s analticas, especialmente em operaes mais complexas: (i) possvel incluir mais detalhes da operao, utilizar distribuies estatsticas mais condizentes com os dados de entrada e deixar o modelo mais prximo da realidade, garantindo a obteno de resultados mais acurados; (ii) o nvel de servio calculado pelas frmulas Erlang normalmente subestimado, principalmente pelo fato destas ignorarem o abandono de chamadas; (iii) outros indicadores de desempenho (no disponveis nas abordagens analticas, como a taxa de abandono) podem ser avaliados, apresentados e estudados; (iv) valores mnimo e mximo de cada indicador importante podem ser obtidos, no ficando o analista restrito mdia dos valores, como no caso da Teoria de Filas; (v) um entendimento melhor da operao atingido com a adoo da abordagem experimental, onde existe a possibilidade de acompanhar dinamicamente o comportamento do sistema e dos seus indicadores de performance e, dessa forma, entender por que as filas esto se formando e o motivo dos tempos de espera estarem altos, por exemplo, ao passo que, atravs da metodologia Erlang, possvel enxergar apenas os outputs gerados (indicadores numricos) em funo dos inputs fornecidos, dificultando o entendimento completo da operao; (vi) a comunicao pode tornar-se mais fcil, atravs de animaes grficas. O estudo em questo tambm permitiu concluir que o ganho de acurcia para o nvel de servio promovido pela simulao tende a ser maior nos horrios onde essa grandeza se encontra em patamares mais baixos, conforme a tabela 1 anterior.

4.1. Sugestes e recomendaes Muito tem sido feito desde que se percebeu a complexidade inerente ao processo de gerenciamento de call centers modernos. Naturalmente, h ainda muito espao para serem respondidas mais e de forma mais acurada questes relativas otimizao de centrais de atendimento, atravs de mais discusses e novos estudos, e da melhoria em um aspecto fundamental nos sistemas de modelagem: a proximidade com a realidade.
14/16

ANAIS
Um objeto de pesquisa interessante seria o mapeamento e a incluso no modelo do comportamento ps-abandono dos clientes: a parcela percentual que tenta ligar novamente e o formato da distribuio do tempo transcorrido at a prxima tentativa. Adicionalmente, poderia tambm ser levado em considerao o fato de que, aps abandonar a ligao inicialmente, o cliente que volta a tentar contato pode estar mais impaciente e acabar aguardando menos tempo desta vez, antes de abandonar novamente. Finalmente, trabalhos futuros de simulao na indstria de call centers poderiam explorar outras peculiaridades deste tipo de operao, que no costumam ser bem abordadas atravs das metodologias analticas, como, por exemplo: (i) o processo de transferncia da chamada durante o atendimento a um cliente, at que este seja servido pelo funcionrio correto; (ii) conferncias entre o cliente e mais de um atendente ao mesmo tempo; (iii) desvios condicionais de chamadas para atendimentos especializados; e (iv) outras disciplinas de fila, diferentes da tradicional FIFO. J que a maioria dos softwares de simulao contempla tais atributos operacionais, no seria complicado para um pesquisador interessado nestas sugestes e disposto a se aprofundar nos detalhes funcionais da ferramenta por ele utilizada modelar estas peculiaridades e alcanar concluses interessantes para a indstria em questo. Referncias Bibliogrficas ALAM, M. Using Call Centers to Deliver Public Services. House of Commons Paper. London: The Stationery Office Books, 2002 ARAJO, M.; ARAJO, F.; ADISSI, P. Modelo para segmentao da demanda de um call center em mltiplas prioridades: estudo da implantao em um call center de telecomunicaes. Revista Produo On Line, volume 4(3), Agosto 2004 AVRAMIDIS, A.; L'ECUYER, P. Modeling and Simulation of Call Centers. Winter Simulation Conference, 2005 BAPAT, V.; PRUITTE Jr, E. Using simulation in call centers. Winter Simulation Conference, p. 1395-1399, 1998 BATT, R.; DOELLGAST, V.; KWON, H. U. S. Call Center Industry Report 2004 National Benchmarking Report Strategy, HR Practices & Performance. Center for Advanced Human Resource Studies (Cornell University), Working Paper 05 06, 2004 BOUZADA, M. O uso de ferramentas quantitativas em call centers: o caso Contax. Orientador: Eduardo Saliby. Rio de Janeiro: UFRJ/COPPEAD, 2006. Tese. (Doutorado em Administrao de Empresas) BROWN, L.; GANS, N.; MANDELBAUM, A.; SAKOV, A.; SHEN, H.; ZELTYIN, S.; ZHAO, L. Statistical analysis of a telephone call center: a queueing-science perspective. Wharton Financial Institutions Center, Working Paper, 03 12, Nov 9, 2002 CHASSIOTI, E.; WORTHINGTON, D. A new model for call centre queue management. Journal of the Operational Research Society, vol. 55, p. 1352-1357, 2004 CHOKSHI, R. Decision support for call center management using simulation. Winter Simulation Conference, p. 1634-1639, 1999 CONTAX. Contax Contact Center. Disponvel em: www.contax.net.br. Acesso em: 19 jul. 2006 GROSSMAN, T.; SAMUELSON, D.; OH, S.; ROHLEDER, T. Call Centers. Encyclopedia of Operations Research and Management Science, Boston: Kluwer Academic Publishers, p. 73-76, 2001 GULATI, S.; MALCOLM, S. Call center scheduling technology evaluation using simulation. Winter Simulation Conference, 2001
15/16

ANAIS
HALL, B.; ANTON, J. Optimizing your call center through simulation. Call Center Solutions Magazine, Oct. 1998 HAWKINS, L.; MEIER, T.; NAINIS, W.; JAMES, H. Planning Guidance Document For US Call Centers. Information Technology Support Center. Maryland, 2001 HERTZ, D. Anlise de risco em investimentos de capital. Biblioteca Harvard de Administrao de Empresas, 8(3), p. 1-14, 1980 HILLIER, F.; LIEBERMAN, G. Introduction to Operations Research. New York: McGrawHill, 1995 KLUNGLE, R. Simulation of a claims call center: a success and a failure. Winter Simulation Conference, p. 1648-1653, 1999 KLUNGLE, R.; MALUCHNIK, J. The role of simulation in call center management. MSUG Conference, 1997 MEHROTRA, V. Ringing Up Big Business. OR/MS Today, 24(4), p.18-24, Aug 1997 MEHROTRA, V.; FAMA, J. Call Center Simulation Modeling: Methods, Challenges and Opportunities. Winter Simulation Conference, p. 135-143, 2003 MEHROTRA, V.; PROFOZICH, D.; BAPAT, V. Simulation: the best way to design your call center. Telemarketing & Call Center Solutions, Nov 1997 OUTSOURCING. Ranking. Disponvel em: www.callcenter.inf.br. Acesso em: 20 set. 2005 PARAGON. Simulao de Call Center com Arena Contact Center. Disponvel em: www.paragon.com.br. Acesso em: 20 set. 2005 PIDD, M. Computer Simulation in Management Science. New York: Willey, 1998 RAGSDALE, C. Spreadsheet Modeling and Decision Analysis. Tennessee: South-Western, 2001 RILEY, D. Simulating a Virtual Customer Service Center. Winter Simulation Conference, 2005 SALIBY, E. Repensando a Simulao: a Amostragem Descritiva. So Paulo: Atlas, 1989 STECKLEY, S.; HENDERSON, S.; MEHROTRA, V. Performance Measures for Service Systems with a Random Arrival Rate. Winter Simulation Conference, 2005 TANIR, O.; BOOTH, R. Call center simulation in Bell Canada. Winter Simulation Conference, p. 1640-1647, 1999 WEINBERG, J.; BROWN, L.; STROUD, J. Bayesian Forecasting of an Inhomogeneous Poisson Process with Applications to Call Center Data. University of Pennsylvania, White Paper, Jun 2006 WORTHINGTON, D.; WALL, A. Using the discrete time modelling approach to evaluate the time-dependent behaviour of queueing systems. Journal of the Operational Research Society, vol. 50, p. 777-788, 1999 YONAMINE, J. O Setor de Call Centers e Mtodos Quantitativos: uma Aplicao da Simulao. Orientador: Eduardo Saliby. Rio de Janeiro: UFRJ/COPPEAD, 2006. Dissertao. (Mestrado em Administrao de Empresas)
i

A Teoria de Filas utilizada para o dimensionamento de agentes na Contax. Os clientes que chegam e no encontram atendentes disponveis, aguardam indefinidamente em uma fila at serem atendidos (no existe abandono ou sinal de ocupado), segundo a teoria. Os tempos de espera so previstos partindo da premissa que o intervalo entre chegadas e o tempo de atendimento seguem distribuies exponenciais, e levando em considerao trs fatores: o nmero de agentes; o nmero de clientes em espera na fila; e o tempo mdio de atendimento.

As quantidades de atendentes disponveis destacadas em azul so menores do que as de operadores que iniciam a jornada em cada perodo por causa da ocorrncia do horrio de lanche para parte dos funcionrios nestes momentos.
16/16

ii