Utilização da simulação na avaliação dos resultados esperados pela implantação dos

Conceitos Enxutos em um laboratório de análises clínicas

Paloma Passos Alvim1

palomapalvim@hotmail.com
José Antonio de Queiroz1
ja.queiroz@unifei.edu.br
Carlos Henrique dos Santos1
chenrique.santos@unifei.edu.br
Gustavo Teodoro Gabriel1
gustavo.teodoro.gabriel@gmail.com
Milena Silva de Oliveira1
mile_4689@hotmail.com
Afonso Teberga Campos1
afonso.teberga@gmail.com
Esteban Fernando Acosta2
ing.esteban.acosta@gmail.com
1
IEPG / Universidade Federal de Itajubá - UNIFEI
2
Universidad Nacional de General Sarmiento

RESUMO
A presença de diferentes clientes e a grande variação na demanda em ambientes
hospitalares tornam a identificação de valor um fator crítico nas pesquisas que envolvem a
aplicação dos Conceitos Enxutos. Diante disso, o presente trabalho buscou utilizar a Simulação a
Eventos Discretos na avaliação de resultados esperados pela implantação destes conceitos em um
laboratório de análises clínicas. Através da simulação foi possível propor melhorias de layout,
reduzindo desperdícios relacionados a transporte e movimentação, bem como avaliar os
resultados esperados com tais implementações. Ao final do estudo, foi possível identificar
desperdícios no processo e, através da análise proposta, observou-se um potencial de redução de
até 17% no lead time do processo, aliada a uma redução de até 34% na distância percorrida pelo
funcionário responsável pelas atividades analisadas.
Palavras-chave: Conceitos Enxutos; Simulação a Eventos Discretos; Laboratório de
Análises Clínicas
Tópicos: SIM - Simulação

ABSTRACT
The existence of different clients and variations in the demand in hospital environments
make value identification a critical factor in the research that involves the application of Lean
Concepts in these environments. The present work sought to use the Discrete Events Simulation
in the evaluation of expected results by the implantation of these concepts in a clinical laboratory.
Through the simulation it was possible to propose layout improvements, reducing wastes related
to transportation and handling, as well as evaluating the expected results with the implementation
of these improvements. At the end of the study, it was possible to identify wastes in the process
and, through the proposed analysis, a potential reduction of up to 17% in the lead time of the
process, as well as a reduction of up to 34% in the travelled distance by the operation’s
employee.
Keywords: Lean Concepts; Discrete Events Simulation; Clinical Laboratory
Topics paper: SIM – Simulation

https://proceedings.science/p/107019
1. INTRODUÇÃO
A identificação de valor nos processos hospitalares é um fator crítico nas pesquisas. Tal
fato deve-se à variabilidade de clientes e à variação na demanda. Além disso, após identificar o
valor, torna-se necessário separar as atividades que agregam valor e as que não agregam (os
chamados mudas ou desperdícios) e, através dos Conceitos Enxutos, torna-se possível a redução
ou eliminação de tais desperdícios. Neste contexto, a partir de um estudo realizado em um
laboratório clínico, buscou-se identificar as atividades que não agregavam valor, propor formas
de eliminá-las por meio da aplicação dos Conceitos Enxutos e avaliar através da Simulação a
Eventos Discretos (SED) os resultados esperados com esta aplicação.
Através da integração da SED com os Conceitos Enxutos (lean) em um processo de um
laboratório de análises clínicas, pretende-se melhorar a gestão de recursos e proporcionar um
serviço de qualidade para o cliente final. Nota-se que ambas as ferramentas vêm sendo utilizadas
em ambientes hospitalares (healthcare), mas são pouco abordadas de maneira integrada. Ainda,
os benefícios esperados desta integração englobam desde a diminuição do tempo de espera do
paciente até a redução de custos relacionados à operação. O foco da pesquisa foi identificar
oportunidades de melhoria e reduzir desperdícios através de melhorias no layout do laboratório
com o auxílio do software de simulação FlexSim HealthCare. Deste modo, espera-se impactar
nos tempos de preparação e distribuição do material coletado entre os setores, tornando tais
processos mais eficientes e possibilitando o remanejamento dos funcionários para atividades que
agregam valor aos usuários finais.

2. REFERENCIAL TEÓRICO
2.1. Introdução aos Conceitos Enxutos
Segundo [Ohno 1997], o foco da produção enxuta é a eliminação ou minimização dos
desperdícios, ou dos mudas, termo em japonês, que pode ser definido como toda e qualquer
atividade que não agrega valor aos clientes ou usuários, mas que adiciona custo ao produto.
[Hines e Taylor 2000] segregam as atividades das empresas em três grupos: atividades que
agregam valor aos clientes, atividades que não agregam valor aos clientes, mas que são
necessárias e, por fim, atividades que não agregam valor aos clientes e que não são necessárias,
os chamados desperdícios puros. Ainda sobre os desperdícios, [Ohno 1997] os classifica em sete
grupos. São eles: Superprodução, Estoque, Espera, Transporte, Movimentação,
Processamento ineficiente ou desnecessário e, por fim, Itens Defeituosos. Para tornar um fluxo
enxuto, ou seja, sem desperdícios, deve-se estabelecer processos os quais produzem apenas o
necessário e no momento necessário. [Rother e Shook 2009] definem algumas práticas que
tornam um fluxo de valor enxuto. São elas:
I. Produzir de acordo com o takt time: o takt time indica o ritmo em que cada processo deve
produzir, alinhando a sua produção à demanda do consumidor.
II. Desenvolver um fluxo contínuo onde for possível: É o método mais eficiente, uma vez que
se elimina estoques intermediários, esperas e facilita a identificação de peças defeituosas mais
rapidamente.
III. Usar sistema puxado com supermercado onde for necessário: existem pontos onde o
fluxo contínuo não é possível, e fabricar em lotes é necessário. Neste caso, a partir de sistemas
puxados, retiradas do processo posterior determinam quando o processo anterior deve produzir e
a quantidade necessária, fazendo com que o estoque seja controlado, e com o menor nível
possível.
IV. Definir o processo puxador: com a substituição da produção empurrada pela produção
puxada, é necessário que a programação da produção seja feita estritamente em um ponto do
fluxo, pois desta maneira, eliminam-se os desperdícios também do fluxo de informações.
V. Nivelamento do mix de produção: significa distribuir a produção de diferentes produtos
durante um período de tempo, objetivando produzir em lotes cada vez menores e com variedade
de produtos cada vez maior, a fim de se atender às oscilações de demanda.

https://proceedings.science/p/107019
VI. Nivelar o volume de produção: deve-se definir o tamanho dos lotes e o tempo disponível
para cada lote – o chamado pitch. Essa medida de tempo serve para que o desempenho em
relação à demanda do cliente seja acompanhado com maior frequência.
VII. Desenvolver a habilidade de produzir toda peça todo dia (pelo menos): por meio da
redução dos tempos de setup e com a produção de lotes menores, os processos se tornam cada
vez mais capazes de se adaptar rapidamente a mudanças e variações por parte da demanda.

2.2. Aplicação dos Conceitos Enxutos em ambientes hospitalares

De acordo com [Robinson et al. 2012], na última década houve um aumento significativo
na implementação do Lean em Healthcare (Conceitos e Ferramentas Enxutas em Ambientes
Hospitalares), trazendo benefícios como a diminuição do tempo de espera dos pacientes pelo
atendimento, aumento da qualidade através da diminuição de erros, redução de custos, bem como
o aumento na motivação e na satisfação dos funcionários e clientes. [Graban 2013] retrata que o
Lean é necessário no ambiente hospitalar porque impacta na maneira como os hospitais são
organizados e gerenciados, permitindo a melhoria da qualidade dos cuidados com os pacientes e
a redução dos erros e dos tempos de espera. Neste contexto, uma das maiores dificuldades
encontradas na aplicação do Lean em ambientes hospitalares está na identificação do que é valor
e o que é desperdício. Para auxiliar esta etapa, [Graban 2013] propôs oito tipos de desperdícios
no ambiente hospitalar, conforme apresenta o Quadro 1:

Quadro 1 - Os oito tipos de desperdício

Tipo de
Descrição Exemplos hospitalares
desperdício
Carrinho cirúrgico com falta
Tempo gasto fazendo algo incorretamente, de um item; medicamento
Falhas
inspecionando erros ou consertando erros errado ou erro na dose
administrada ao paciente
Fazer mais que o demandado pelo cliente Realização de procedimentos
Superprodução
ou produzir antes de surgir a demanda diagnósticos desnecessários
Layout inadequado; por
Movimento desnecessário do "produto"
exemplo, laboratório do
Transporte (pacientes, amostras, materiais) em um
cateter localizado longe da
sistema
emergência
Funcionários esperando por
causa de desequilíbrio nas
Espera pelo próximo evento ou pela
Espera suas cargas de trabalho;
próxima atividade de trabalho
pacientes à espera de
consulta
Custo do estoque excessivo representado Suprimentos vencidos que
em custos financeiros, custos de precisam ser descartados,
Estoque
armazenagem e transporte, desperdício, como medicamentos com
estrago de materiais data de validade vencida
Funcionários do laboratório
Movimento desnecessário dos caminhando quilômetros por
Movimento
funcionários no sistema dia em razão de um layout
mal planejado
Fazer trabalho que não é valorizado pelo
Dados sobre horário/ data
Excesso de cliente, ou causado por definições de
afixados em formulários,
processamento qualidade que não se alinham com as
mas nunca utilizados
necessidades do paciente

https://proceedings.science/p/107019
 Desperdício e perda derivados de Funcionários que se sentem
funcionários que não se sentem engajados, superados e deixam de
Potencial humano
que não se sentem ouvidos ou que não apresentar sugestões para
percebem apoio a suas carreiras melhoria
Fonte: adaptado de [Graban 2013]
2.3. Simulação a Eventos Discretos
[Montevechi et al. 2010] afirmam que a simulação é a importação da realidade em um
ambiente controlado, em que é possível estudar seu comportamento e testá-lo sobre condições
diversas, sem envolver riscos físicos e com um custo menor. Segundo [Sakurada e Miyake 2009],
pode-se encontrar aplicações da SED em diversas áreas, auxiliando os tomadores de decisão a
solucionar problemas complexos, tornando mais fácil o entendimento dos processos nas
organizações. Para os autores, essa é uma técnica utilizada para projetos e avaliações de novos
sistemas, reconfigurações físicas e até mesmo em mudanças de regras e controles já existentes.
Em um estudo feito por [Sharma et al. 2007] a simulação foi utilizada também para quantificar o
impacto de mudanças sugeridas em um fluxo de trabalho e na realocação de recursos.
A utilização da SED pode ser benéfica em diversos aspectos. Segundo [Dogan e
Unutulmaz 2014] essa técnica traz dinamismo para o mapa do estado atual/futuro de um
processo, sendo possível perceber como os recursos estão sendo utilizados e onde estão
localizadas as perdas de processo, trazendo assim uma melhoria na eficiência da operação. É
possível também envolver os participantes de um projeto, mostrando provas das melhorias
sugeridas para alcançar um consenso, como evidenciam [Baril et al. 2016]. Para [Robinson et al.
2012], a SED é utilizada também para testar um processo quanto às suas expectativas, avaliar
melhorias, podendo trazer benefícios como redução de riscos, maior compreensão do processo,
redução de custos operacionais, diminuição do lead time e melhor atendimento ao cliente.

2.4. Integração entre Conceitos Enxutos e Simulação em ambientes hospitalares

É possível encontrar na literatura diversos estudos de melhorias de processo utilizando os
Princípios Enxutos e a SED em ambientes hospitalares, bem como os benefícios destas
aplicações. Para [Gaba 2004], o uso da simulação em ambientes hospitalares pode trazer mais
eficiência, qualidade e segurança, tanto para a gerência do hospital, quanto para seus pacientes.
[Salam e Khan 2016] afirmam também que a ferramenta pode servir como fator motivacional
para os funcionários, mostrando as melhorias que podem ser alcançadas antes mesmo de serem
realizadas. Já os Conceitos Enxutos auxiliam na identificação dos desperdícios e do que é valor
para o cliente.
Dessa forma, a utilização dos Conceitos Enxutos e da SED de maneira integrada pode
trazer ainda mais benefícios para ambientes hospitalares. [Swick e Doulaveris 2012] defendem
que hospitais que aplicam a integração dessas ferramentas oferecem um método eficiente de
planejamento estratégico e proporcionam aos funcionários uma visão valiosa sobre como agregar
valor ou reduzir desperdício nos processos. Para [Haddad et al. 2016], os Conceitos Enxutos,
juntamente com a SED, possibilitaram a redução do tempo de espera dos pacientes, aliviando a
sobrecarga de trabalho de alguns funcionários e tornando possível sua realocação para outras
atividades. Já no estudo de [Bhat et al. 2014], a aplicação dos Conceitos Enxutos tornou possível
a eliminação dos desperdícios e alguns processos hospitalares passaram a ser mais estáveis, ao
passo que, com a simulação, foi possível a visualização das mudanças de forma a encontrar
soluções de problemas em um menor espaço de tempo.

3. METODOLOGIA
Com o objetivo de se utilizar a SED na avaliação dos resultados esperados pela
implantação dos Conceitos Enxutos em um laboratório de análises clínicas, o método de pesquisa
utilizado foi a Modelagem e Simulação. Mais especificamente, utilizou-se o método proposto por
[Montevechi et al. 2007] para condução do trabalho, conforme ilustra a Figura 1.

https://proceedings.science/p/107019
 Figura 1 - Metodologia de Simulação a Eventos Discretos
Fonte: adaptado de [Montevechi et al. 2007].

De acordo com [Montevechi et al. 2007], o método é constituído por três fases:
Concepção, Implementação e Análise. Na fase de Concepção, inicialmente são estabelecidos
os objetivos e a definição do sistema a ser estudado e, posteriormente, é construído o modelo
conceitual, uma representação do objeto de estudo. O modelo conceitual passa então por uma
validação e, depois de validado e documentado, é realizada a coleta de dados, que podem variar
desde tempos e custos até número de funcionários, de acordo com sua relevância para o estudo.
Já na Implementação, o modelo computacional é construído e depois verificado e validado. Essa
validação pode ser feita com os profissionais da área estudada (face a face) ou de forma
quantitativa, comparando-se os valores reais com os do modelo. Após sua validação, é definido
então o projeto experimental na fase de Análise, e os experimentos são executados. Por fim, é
realizada uma análise estatística dos resultados gerados, seguida pelas conclusões e
recomendações.

https://proceedings.science/p/107019
4. APLICAÇÃO E ANÁLISE DOS RESULTADOS
A aplicação do trabalho se deu em um laboratório de análises clínicas de Minas Gerais.
O estabelecimento conta com modernas instalações e diferentes postos de coleta na cidade,
oferecendo também o serviço a domicílio. Além de seus setores principais, o laboratório conta
com laboratórios de apoio os quais auxiliam na prestação de serviço. As seções seguintes
descrevem a aplicação das ferramentas descritas através do método de modelagem e simulação
proposto por [Montevechi et al. 2007].

4.1 Concepção
4.1.1 Objetivos e definição do sistema
O processo de atendimento ao paciente se inicia com a retirada da senha e algumas
atividades subsequentes, como pode ser observado na Figura 2. Assim, este trabalho tem como
objetivo o estudo das atividades de preparação e distribuição para os setores, devido ao fato
dessas atividades apresentarem grande potencial de melhoria. Neste processo, há um responsável
por separar as amostras por setor, identificá-las após um cadastro, separar por ordem de chegada
e, por fim, direcioná-las fisicamente aos 3 principais setores: Bioquímica, Hematologia e
Urinálise. Ainda, há a separação das amostras que irão para um laboratório de apoio. Este
deslocamento é feito pelo próprio funcionário e demanda um certo tempo em que poderia ser
melhor distribuído em suas tarefas na preparação das amostras.

Figura 2 - Diagrama de processos do laboratório

4.1.2 Construção do modelo conceitual

A partir de uma análise dos processos escolhidos como objeto de estudo, o modelo
conceitual foi construído utilizando a técnica de modelagem IDEF- SIM desenvolvida por [Leal
et al. 2008], conforme mostra a Figura 3. Essa técnica consiste em uma modelagem de processos
utilizando-se símbolos a fim de aproximar a linguagem do mapa conceitual da utilizada em
softwares de simulação, facilitando a programação.

https://proceedings.science/p/107019
 Figura 3 - Modelo Conceitual do Estado Atual

Inicialmente, as amostras chegam na fila para serem registradas no sistema e são então
separadas por setores. Aquelas que vão para Urinálise e Hematologia não precisam de preparação
e seguem direto para seus respectivos setores para serem realizados os testes. Entretanto, as
amostras de sangue que vão para Bioquímica precisam aguardar cerca de 30 minutos para
coagulação antes de serem levadas para os equipamentos, onde as mesmas ficam por 10 minutos
na centrífuga. Na Hematologia, apesar de não haver tempo de preparação, o tempo de liberação
de algumas amostras pode ser prolongado e, por isso, seu tempo no setor pode variar de três
minutos a uma hora.

4.1.3 Validação do modelo conceitual

O modelo conceitual foi desenvolvido em parceria com o gerente técnico do laboratório,
o qual também atua como farmacêutico no setor de hematologia. Assim, a técnica de validação
utilizada foi a face a face, em que o gerente analisou e aprovou o resultado obtido.

4.1.4 Documentação do modelo conceitual

O modelo conceitual foi documentado em uma pasta com os demais arquivos do projeto
em uma plataforma de armazenamento em nuvem disponibilizada para os profissionais do
laboratório. Dessa forma, foi possível facilitar o compartilhamento de dados e informações,
melhorando a comunicação entre os envolvidos no projeto.

4.1.5 Modelagem dos dados de entrada

Parte dos dados foram coletados através da observação dos processos, na qual foram
cronometradas chegadas de 100 amostras. Outros dados foram estabelecidos através de um
alinhamento com o gerente do laboratório, devido à alta variação da demanda existente. Essa
etapa exigiu a validação de um profissional com mais experiência. Dessa forma, a Tabela 1
apresenta os dados de tempo (em minutos), no qual a letra “U” se refere a uma distribuição
uniforme, com seus respectivos valores de mínimo e máximo:

Tabela 1 - Tempos adotados (em minutos)

Triagem Distribuição Setor Distribuição
Hematologia U [0.5, 0.7] Hematologia U [3, 60]
Urinálise U [0.5, 0.7] Urinálise U [12, 40]
Bioquímica U [40, 41] Bioquímica U [5, 20]
Lab. Apoio U [30, 31]

A alta variabilidade no setor de Hematologia se dá em função da liberação que pode

demorar até uma hora, sendo que o equipamento realiza uma amostra a cada dois minutos. Já na
Urinálise, após a chegada da amostra no setor, são necessários dez minutos de centrifugação e só
depois a amostra segue para o responsável fazer as análises manuais. Para as distâncias entre os

https://proceedings.science/p/107019
postos de trabalho, utilizou-se a planta baixa disponibilizada pelo laboratório. Por fim, a taxa de
chegada foi definida através da observação realizada no setor de triagem, sendo validada com o
gerente. Vale ressaltar que em cada setor o equipamento opera de forma diferente. Assim, na
Urinálise e Hematologia uma amostra por vez é processada, enquanto que no setor de Bioquímica
são realizadas até 60 amostras simultaneamente.

4.2 Modelagem computacional

4.2.1 Construção do modelo computacional
O modelo computacional foi construído através do software FlexSim Healthcare®.
Através da planta baixa do laboratório, foi possível alocar os setores em suas respectivas
posições. A lógica do modelo foi criada a partir do IDEF-SIM apresentado, bem como dos dados
de entrada. No IDEF-SIM é mostrado o transporte das amostras de volta ao setor de triagem,
porém, como o mesmo é realizado com uma baixa frequência, decidiu-se que as amostras iriam
diretamente para o local de saída posteriormente a sua utilização. Após serem inseridos os locais
no layout definido (Figura 4), os valores de capacidade de cada setor e o tempo de processamento
de cada setor foram definidos, de acordo com a Tabela 1.

Figura 4 - Layout do estado atual

Para se obter os valores de lead time das amostras, foi associado um paciente para cada
amostra. Isso se deve ao fato de que o software calcula apenas lead time para pacientes e não para
itens. Assim, cada paciente foi definido por um “tipo”, de acordo com as possibilidades de
caminho conforme mostra a Figura 3. Uma vez que o paciente não espera a amostra passar pelos
testes necessários, optou-se por ocultar visualmente sua espera. A Figura 5 mostra o Flowchart
definido após todas as conexões serem feitas.

Figura 5 - Flowchart do processo

https://proceedings.science/p/107019
4.2.2 Verificação do modelo computacional
Para assegurar que o modelo computacional condiz com a realidade, o profissional do
laboratório observou alguns pontos específicos como: deslocamento das amostras, volume de
estoque por setor e movimentação do técnico responsável. Além disso foi verificado pelo gerente
o Flowchart gerado pelo software para que se confirmasse o fluxo do processo no laboratório.

4.2.3 Validação do modelo computacional

A validação se deu com o gerente do laboratório, onde o mesmo analisou o
funcionamento do fluxo, comparando os valores de saída da simulação com o processo real.
Dessa forma, foi possível validar o modelo estudando-se as variáveis e o andamento da
simulação. Para analisar e validar o cenário atual e poder compará-lo com estados futuros por
meio de valores confiáveis, optou-se por simular o modelo do dia 01 às 00:00 até o dia 30 às
23:59. Na Figura 6 estão os resultados da simulação do estado atual.

Figura 6 - Resultados da simulação do estado atual

É possível observar na Figura 6, três importantes variáveis do processo: distância

percorrida pelo funcionário, porcentagem de tempo que ele gasta em trânsito versus executando
uma tarefa e, lead time referente a cada amostra. No modelo desenvolvido, PC1 se refere ao setor
de Hematologia, PC2 ao de Urinálise, PC3 ao de Bioquímica e PC4 ao laboratório de apoio. A
etapa de validação do modelo evidenciou que o tempo gasto na execução de uma atividade que
agrega valor (performing task) e o tempo gasto em uma atividade que não agrega valor e é
necessária (in transit) são próximos, sendo que o primeiro representa 52,50% do tempo total. O
diagrama de espaguete da Figura 7 evidencia o trajeto percorrido pelas amostras desde a triagem
até voltarem para a preparação após a passagem pelos seus respectivos setores.

Figura 7 - Diagrama de espaguete do processo estudado

Através da observação do diagrama, pode-se afirmar a existência de oportunidades de

melhoria na eliminação de desperdícios, entre eles a movimentação e transporte, uma vez que as
amostras, além de percorrerem uma distância significativa, repetem alguns percursos. A volta das
amostras para a triagem se deu por meio do movimento até a “saída” presente na simulação.

https://proceedings.science/p/107019
4.3 Análise
4.3.1 Definição dos projetos experimentais
Com base na análise do cenário atual, foram identificadas possíveis melhorias no layout
do laboratório alinhadas aos Conceitos Enxutos. Assim, objetivou-se diminuir ou otimizar os
desperdícios de movimentação do funcionário e, consequentemente, o transporte das amostras. A
Figura 8 apresenta duas propostas de layout para o laboratório. Para a primeira proposta, nota-se
que o layout se aproxima de uma linha de produção onde os pontos de entrega das amostras para
cada setor estão mais próximos, auxiliando, principalmente, nos casos em que o funcionário
carrega amostras para diferentes setores. Já a segunda proposta apresenta um layout em U,
aproximando todos os setores da Triagem.

Figura 8 - Propostas de layout para o cenário futuro

4.3.2 Execução dos experimentos

Após a definição dos dois modelos propostos de novos layouts, foram realizadas as
simulações no software, utilizando-se o mesmo período utilizado na simulação do estado atual.
Desta maneira, foi possível realizar a comparação entre o cenário atual e as propostas
apresentadas. As Figuras 9 e 10 trazem os novos valores dos resultados de cada cenário proposto.

Figura 9- Resultados da simulação do cenário futuro 1

Figura 10 - Resultados da simulação do cenário futuro 2

4.3.3 Análise dos resultados e recomendações

Após terem sido feitas as simulações para os dois cenários, foi possível observar
reduções nos valores da distância percorrida pelo funcionário encarregado. Observou-se também
redução da porcentagem de tempo gasta em trânsito versus executando uma tarefa, bem como do
lead time referente a cada amostra. Estes valores podem ser observados nas Tabelas 2 e 3.

https://proceedings.science/p/107019
 Tabela 2 - Valores de distância percorrida e % em trânsito obtidos
Km percorridos % em trânsito
Estado Atual 237,90 47,50
Cenário Futuro 1 156,16 37,27
Cenário Futuro 2 172,96 39,67
Tabela 3 - Valores de lead time obtidos
Lead Time (minutos)
Cenário PC1 PC2 PC3 PC4
Estado Atual 41,95 199,73 62,63 39,75
Cenário Futuro 1 34,97 195,32 55,92 33,21
Cenário Futuro 2 35,87 194,05 56,67 34,12

Nota-se uma redução de 34% da movimentação do funcionário para o modelo 1 e de 27%

para o modelo 2. Além disso, houve uma consequente redução do transporte das amostras e
também do tempo em trânsito por parte do funcionário. É válido ressaltar que os altos valores de
“km percorridos” presentes na Tabela 2 são decorrentes do longo período de simulação (30 dias
funcionando 24 horas por dia). Ainda, a redução mais significativa dos lead times se deu do
estado atual para o modelo proposto 1. Neste caso, as amostras de Hematologia (PC1) obtiveram
uma redução de 17% do Lead time e as amostras direcionadas para o laboratório de apoio (PC4)
obtiveram uma redução na ordem de 16%. A simulação foi executada com duração longa o
suficiente para se obter estabilidade nas variáveis de interesse, minimizando a necessidade do uso
de testes comparativos. Além disso, como o modelo foi construído com aproximações e
estimativas de parâmetros, não se deseja ter uma análise com alta acuracidade, mas sim
demonstrar de maneira geral os resultados para o sistema, assim como realizado por [Robinson et
al. 2014]. Dessa forma, diante dos cenários analisados (atual e futuro), a modificação do layout é
altamente recomendada. Além disso, é recomendada uma análise detalhada das condições do
ambiente de trabalho para que se avalie as características ergonômicas e as condições do posto de
trabalho, uma vez que o funcionário gasta uma porcentagem de tempo significativa em
movimento. Por fim, é importante considerar os custos envolvidos nesta modificação para avaliar
sua viabilidade, visto que envolverá modificações na estrutura predial do local.

5. CONCLUSÕES
O presente trabalho propôs uma integração entre os Conceitos Enxutos e a Simulação a
Eventos Discretos (SED) de forma a avaliar melhorias em um laboratório de análises clínicas.
Neste contexto, foi possível, através do emprego de conceitos enxutos, sugerir possíveis
mudanças no layout do laboratório e, através da SED, testar tais mudanças quanto aos seus
benefícios. Foi possível, desta forma, observar os benefícios da eliminação dos desperdícios em
diferentes variáveis do processo e, com as alterações de layout sugeridas, nota-se uma possível
redução de até 34% na distância percorrida pelo funcionário e de até 17% no lead time de uma
amostra dentro do laboratório. Portanto, conclui-se que os Conceitos Enxutos e a Simulação
podem ser utilizados de maneira integrada em ambientes ligados ao setor de Healthcare. Apesar
de se poder prever resultados de diferentes alternativas através da simulação, é necessário que a
gerência avalie quais são os resultados mais relevantes, de forma a se tomar a decisões de
maneira assertiva quanto as mudanças a serem feitas no processo real. Por fim, é válido ressaltar
a importância do levantamento contínuo de oportunidades de melhorias dentro do ambiente de
trabalho. Sugere-se para trabalhos futuros a réplica dos cenários afim de confirmar os
experimentos propostos.

Agradecimentos
Os autores agradecem ao CNPq, CAPES, FAPEMIG e ao laboratório objeto deste estudo
pelo apoio dado à pesquisa.

https://proceedings.science/p/107019
 REFERÊNCIAS

Baril, C.; Gascon, V.; Miller, J.; Côté, N. (2016). Use of a discrete- event simulation in a Kaisen
event: A case study in healthcare. European Journal of Operational Research, v.249, p. 327-
339.
Bhat, S.; Gijo, E.V.; Jnanesh, N.A. (2014). Application of Lean Six Sigma methodology in the
registration process of a hospital. International Journal of Productivity and Performance
Management, v. 63, n.5, p. 613- 643.
Dogan, N. O.; Unutulmaz, O. (2014). Lean production in healthcare: a simulation-based value
stream mapping in the physical therapy and rehabilitation department of a public hospital. Total
Quality Management & Business Excellence, v.27, p. 64- 80.
Gaba, D. (2004). The future vision of simulation in health care. Qual Saf Health Care, v.13, p. 2-
10.
GRABAN, M. (2013). Hospitais Lean: melhorando a qualidade, a segurança dos pacientes e o
envolvimento dos funcionários. Bookman, Porto Alegre.
Haddad, M. G.; Zouein, P.P.; Salem, J.; Otayek, R. (2016). Case study of Lean in Hospital
Admissions to Inspire Culture Change. Engineering Management Journal, v. 28, n.4, p. 209-
223.
Hines, P.; Taylor, D. (2000). Going lean - A guide to implementation. Lean Enterprise Research
Centre, Cardiff, UK.
Law, A. M. (2014). A tutorial on design of experiments for simulation modeling. In Anais do
Winter Simulation Conference, p. 66-80, Georgia, USA.
Leal, F.; Almeida, D. A.; Montevechi, J. A. B. (2008). Uma Proposta de Técnica de Modelagem
Conceitual para a Simulação através de Elementos do IDEF. In Anais do XL SBPO, p. 2503-
2514, João Pessoa. SOBRAPO.
Montevechi, J. A. B.; Pinho, A. F. De; Leal, F.; Marins, F. A. S. (2007). Application of design of
experiments on the simulation of a process in an automotive industry, In Anais do Winter
Simulation Conference, p. 1601-1609, Washington, D.C.
Montevechi, J. A. B.; Almeida Filho, R. G.; Paiva, A. P.; Costa, R. F. S.; Medeiros, A. L. (2010).
Sensitivity analysis in discrete-event simulation using fractional factorial designs. Journal of
Simulation, v.4, p.128-142.
Ohno, T. (1997) O Sistema Toyota de Produção: além da produção em larga escala. 5. ed.,
Bookman, Porto Alegre.
Robinson, S.; Radnor, Z. J.; Burgess, N.; Worthington, C. (2012). SimLean: Utilising Simulation
in the Implementation of Lean in Healthcare. European Journal of Operational Research, v. 219
(1), p. 188- 197.
Robinson, S.; Worthington, C.; Burgess, N.; Radnor, Z. J. (2014). Facilitated modelling with
discrete- event simulation: Reality or myth?. European Journal of Operational Research, v. 234,
p. 231- 240.
Rother, M.; Shook, J. (2009). Aprendendo a enxergar: mapeando o fluxo de valor para agregar
valor e eliminar o desperdício. Lean Institute Brasil, São Paulo.
Sakurada, N.; Miyake, D. I. (2009). Aplicação de simuladores de eventos discretos no processo
de modelagem de sistemas de operações de serviços. Gestão& Produção, v.16, n.1, p. 25- 43,
2009.
Salam, M. A.; Khan, S. A. (2016). Value creation through lean management: a case study of
healthcare service operations. International Journal of Services and Operations Management, v.
25, n.3, p. 275- 293.
Sharma, V.; Abel, J.; Al-Hussein, M.; Lennerts, K.; Pfrunder, U. (2007). Simulation application
for resource allocation in facility management processes in hospitals. Facilities, v. 25, p. 493-
506.
Swick, M.; Doulaveris, P.; Bagnall, T.; Womack, D. (2012) Application of Simulation
Technology to Enhance the Role of the Professional Nurse. The journal of nursing
administration, v. 42, n.2, p. 95- 102.

https://proceedings.science/p/107019
Powered by TCPDF (www.tcpdf.org)