ANÁLISE DA CAPACIDADE DE ATENDIMENTO DE

ATRAÇÕES TURÍSTICAS POR MEIO DE

SIMULAÇÃO DISCRETA: UM ESTUDO DE CASO NO
BONDINHO DO PÃO DE AÇÚCAR
WLISSES BONELÁ FONTOURA - wlisses@pet.coppe.ufrj.br
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO - UFRJ

THAYSE FERRARI - thayseferrari@gmail.com

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO - UFRJ

GLAYDSTON MATTOS RIBEIRO - glaydston@pet.coppe.ufrj.br

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO - UFRJ

CARLOS DAVID NASSI - nassi@pet.coppe.ufrj.br

UNIVERSIDADE FEDERAL DO RIO DE JANEIRO - UFRJ

Área: 6 - PESQUISA OPERACIONAL

Sub-Área: 6.4 - MODELAGEM, ANÁLISE E SIMULAÇÃO

Resumo: O SETOR TURÍSTICO TEM SE DEPARADO, COM O PASSAR DAS

DÉCADAS, COM UM CRESCIMENTO CONTÍNUO, MANTENDO-SE ALHEIO AOS
PERÍODOS DE CRISE CONSTATADOS AO REDOR DO MUNDO. TAL
CRESCIMENTO, NO ENTANTO, ESTÁ PAUTADO NA CONSTANTE BUSCA PELA
DIVERSIFICAÇÇÃO DOS SERVIÇOS, O QUE TORNA DE FUNDAMENTAL
IMPORTÂNCIA A UTILIZAÇÃO DE FERRAMENTAS DE OTIMIZAÇÃO, EM ESPECIAL
A SIMULAÇÃO COMPUTACIONAL, PARA FUNDAMENTAR O PROCESSO DE
PLANEJAMENTO DO SETOR, UMA VEZ QUE PERMITEM A ANÁLISE DE
COMPORTAMENTOS FUTUROS. TENDO ISSO EM VISTA, ESTE TRABALHO TEM
COMO OBJETIVO AVALIAR, SOB A ÓTICA DA SIMULAÇÃO DISCRETA, O
ATENDIMENTO PRESTADO AOS VISITANTES DO BONDINHO DO PÃO DE AÇÚCAR
NO MUNICÍPIO DO RIO DE JANEIRO. CENÁRIOS FORAM CRIADOS COM O
INTUITO DE VARIAR O NÚMERO DE ATENDENTES NA BILHETERIA E O
INTERVALO ENTRE AS PARTIDAS DOS BONDES PARA ATENDIMENTO DA
DEMANDA PREVISTA PARA O ANO DE 2018.

Palavras-chaves: SIMULAÇÃO COMPUTACIONAL; ATRAÇÕES TURÍSTICAS;

BONDINHO PÃO DE AÇÚCAR.
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

ANALYSIS OF ATTENDANCE CAPACITY OF

TOURIST ATTRACTIONS BY DISCRETE
SIMULATION: A CASE STUDY IN THE
SUGARLOAF MOUNTAIN CABLE CAR
Abstract: OVER THE DECADES, THE TOURISM INDUSTRY HAS BEEN
EXPERIENCING CONTINUOUS GROWTH, REMAINING UNAWARE OF THE
PERIODS OF CRISIS AROUND THE WORLD. HOWEVER, SUCH GROWTH IS BASED
ON THE CONSTANT SEARCH FOR THE DIVERSIFICATION OF SERVICES, WHICH
MAKKES IT FUNDAMENTALLY IMPORTANT TO USE OPTIMIZATION TOOLS,
ESPECIALLY COMPUTER SIMULATION, TO SUPPORT THE SECTOR PLANNING
PROCESS, SINCE THEY ALLOW THE ANALYSIS OF FUTURE BEHAVIOR.
CONSIDERING THIS, THIS WORK AIMS TO EVALUATE, FROM THE POINT OF VIEW
OF THE DISCRETE SIMULATION, THE ATTENDANCE PROVIDED TO THE VISITORS
OF A MAJOR TOURIST ATTRACTION IN THE CITY OF RIO DE JANEIRO. A CASE
STUDY INVOLVING A PROMINENT INTERNATIONAL TOURIST ATTRACTION IN
THE CITY OF RIO DE JANEIRO WAS CONSIDERED TO EXEMPLIFY THE
EVALUATION OF THE PROPOSED MODELING. SCENARIOS WERE CREATED WITH
THE PURPOSE OF VARYING THE NUMBER OF ATTENDANTS AT THE BOX OFFICE
AND THE INTERVAL BETWEEN THE DEPARTURES OF TRAMS TO MEET THE
EXPECTED DEMAND FOR THE YEAR 2018.

Keyword: SIMULATION; TOURIST ATTRACTIONS; SUGARLOAF MOUNTAIN

CABLE CAR.

2
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

1. Introdução

Ao longo de várias décadas o turismo tem experimentado um crescimento contínuo, o

qual segundo a Organização Mundial do Turismo - OMT (2017), está pautado na constante
busca pela diversificação de seus serviços, a fim de se tornar um dos setores econômicos de
maior crescimento no mundo. Essa nova particularidade do turismo, que pode ser considerado o
maior movimento migratório da história da humanidade (PÉREZ-NEBRA; TORRES, 2010),
está intimamente ligada ao desenvolvimento do setor e abarca um número crescente de novos
destinos, o que o torna um dos principais impulsionadores do progresso socioeconômico.
De acordo com Bronzatto et al. (2017), tal atividade é responsável por proporcionar
vivências, experiências e conhecimentos culturais aos seus viajantes por meio de jornadas
nacionais ou internacionais. Com isso, atualmente seu volume de negócios se assemelha ao de
exportações de petróleo, produtos alimentícios ou automóveis. Dessa forma, o turismo se
tornou um dos principais atores do comércio internacional, e constitui atualmente umas das
principais fontes de renda de diversos países em desenvolvimento (OMT, 2017).
Como todo crescimento no ramo dos negócios, o desenvolvimento desta atividade deve
ocorrer em conjunto com a progressiva diversificação e concorrência entre os destinos, o que torna
fundamental o aprimoramento dos serviços prestados. Para Bronzatto et al. (2017), um dos aspectos
que despertam especial atenção neste sentido diz respeito à movimentação adequada dos passageiros
em uma viagem, uma vez que o passageiro poderá tirar suas conclusões sobre o serviço prestado pela
empresa com base neste quesito. Segundo o autor, não se trata apenas de uma questão de deslocar o
visitante de um ponto A para um ponto B, mas sim da eficiência associada a este deslocamento.
Neste contexto de planejamento que envolve a movimentação de pessoas ou materiais em
atrações turísticas, surge a possibilidade de utilização da simulação computacional. Essa ferramenta
vem ganhando espaço neste setor e mostra-se capaz de oferecer melhorias consideráveis na
utilização de recursos e, por consequência, nos níveis de satisfação dos visitantes. Segundo Azevedo
et al. (2010), a simulação é uma ferramenta de apoio à decisão que compreende, além do projeto de
um modelo, a realização de experimentos que permitam a análise de comportamentos futuros.
Frente ao exposto surgem os questionamentos: Como se dá o atendimento ao visitante em
uma atração turística de reconhecimento internacional? Como se comportam as filas de acesso às
atrações? A capacidade de atendimento é adequada ao volume de público que atrai? Diante disto, o
objetivo deste trabalho consiste em avaliar, sob a ótica da simulação de eventos discretos, o
atendimento prestado aos visitantes de uma grande atração turística do município do Rio de Janeiro,

3
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

o Bondinho do Pão de Açúcar. Tal avaliação se baseia no comportamento das filas que dão acesso à
atração e na capacidade de atendimento do sistema como um todo, uma vez que em determinados
períodos do ano registra-se grande incidência de filas nos acessos à bilheteria e aos bondes.
Dados reais, referentes à quantidade de turistas que frequentam o bondinho, foram obtidos
junto à empresa que administra a atração para os anos de 1990 a 2015. Por ter sido um ano atípico
devido aos jogos olímpicos, 2016 não foi considerado na análise. Além disso, uma coleta de
dados sobre a movimentação de visitantes foi obtida por meio de medições em campo realizadas
no mês novembro do ano de 2017, com a finalidade de subsidiar o desenvolvimento de um
modelo de simulação com o auxílio do software Arena.
Sendo assim, este artigo está organizado da seguinte forma: o contexto da pesquisa é
apresentado na Seção 2, com uma breve revisão da literatura sobre a simulação e suas aplicações,
especialmente àquelas aplicadas a atrações turísticas. Na Seção 3 apresenta-se o estudo de caso
deste trabalho, com a descrição da área de estudo. A metodologia do trabalho, com a descrição da
modelagem do problema real e da coleta de dados realizada, é detalhada na Seção 4. Já na Seção 5
são expostos os resultados do modelo de simulação, seguidos de sua análise. Por fim, na última
seção são apresentadas as considerações finais deste trabalho.

2. A Simulação Computacional e sua Interface com o Turismo

De acordo com Santos et al. (2018), a simulação tem sido cada vez mais aceita por
analistas dos mais diversos segmentos devido a sua simplicidade de aplicação em relação a outros
modelos analíticos e por possibilitar verificar e encaminhar soluções, com a profundidade
desejada, aos problemas com os quais lidam diariamente (STEFFEN; CASSEL, 2005).
Diversas ferramentas de simulação podem ser utilizadas no processo de confecção de um
modelo, no entanto, a de maior destaque quando se trata de analisar eventos discretos é o Software
Arena (DIAS et al., 2016). Segundo a Paragon (2017), as principais vantagens desse software são: i)
melhorar a visibilidade de um sistema ou da mudança de um processo; ii) explorar oportunidades para
novos procedimentos e métodos sem precisar parar a operação atual; iii) diagnosticar e resolver
problemas; iv) reduzir e eliminar gargalos; v) reduzir custos operacionais; vi) melhorar a previsão
financeira; e vii) aumentar o lucro através de operações melhoradas.
No que se refere à utilização de modelos de simulação no contexto das atividades
turísticas, a primeira aplicação foi registrada entre as décadas de 1970 e 1980, o qual ficou
conhecido como Wilderness Travel Simulation Model (WTSM), que tinha como objetivo fornecer
estimativas referentes aos grupos de recreação em parques (UNDERHILL et al., 1986;
BORKAN; UNDERHILL, 1989; WANG; MANNING, 1999). No entanto, a dificuldade em

4
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

realizar as simulações fez com que a ferramenta entrasse em desuso e seu retorno ao mercado se
seu apenas por volta dos anos 2000. Nesse período, no entanto, com os recursos de simulação
aprimorados, tornou-se possível acompanhar os padrões de viagens dos visitantes e auxiliar o
gerenciamento da capacidade de suporte social de diversos parques nos Estados Unidos
(DANIEL; GIMBLETT, 2000; WANG; MANNING, 1999). Este mesmo estudo foi ampliado por
Lawson et al. (2003) com o intuito de testar a eficácia de um sistema de transporte público no
Delicate Arch and Arches National Park, também no território norte-americano.
Já para aplicações mais recentes, grande parte dos estudos de simulação no contexto
turístico buscam analisar o impacto das mudanças climáticas neste setor. Ao estudar o
comportamento das viagens de turismo sob restrições de mitigação da mudança climática, Peeters e
Dubois (2010) utilizam a simulação para analisar como seria o turismo global em um cenário de
metas rígidas de redução de emissão de gases poluentes. Já Hein et al. (2009) e Bujosa e Rossello
(2013) analisam o impacto das mudanças climáticas na Espanha, onde tal setor mostra-se de
fundamental importância para a economia do país. Análises similares em diferentes localidades
podem ser encontradas nos trabalhos de Tol (2007), Rosas-Casals e Pons-Pons (2012), Becken
(2013), entre outros.
Além dos trabalhos relacionados aos aspectos ambientais, também podem ser
encontrados estudos de simulação com o objetivo de prover um sistema de apoio à decisão no
setor de turismo. Com o intuito de verificar como a estratégia oficial da República do Chipre
pode afetar o turismo local, Georgantzas (2003) analisa a cadeia de valor hoteleira do Chipre
dentro da cadeia de valor de turismo da ilha. Para isso, o autor verifica a sensibilidade desta
cadeia ao crescimento e a sazonalidade do turismo e às políticas locais.
Encontra-se também na literatura trabalhos que examinam a relação entre o turismo e o
transporte. Sabe-se que o uso de transporte privado em detrimento do coletivo aumenta a emissão
de poluentes e o nível do congestionamento, reduzindo a atratividade do ambiente e,
consequentemente, o número de visitantes. Sendo assim, Eaton e Holding (1996) utilizam a
simulação para analisar as medidas de incentivo ao uso de transporte público nos Parques
Nacionais da Inglaterra e do País de Gales.
Outro fator capaz de ser analisado pelos estudos de simulação é a relação entre a economia
local e o turismo. A crise global de 2008 impactou negativamente diversos setores, entre eles o
turismo. Com o intuito de alavancar tal ramo da economia local, Meng (2014) realizou um estudo
de simulação para verificar se um subsídio turístico seria a melhor opção para reverter a situação de
Cingapura após a crise. Como resultado, o autor conclui que, apesar da política de subsídio ser

5
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

mais eficaz no setor de turismo do que em outros setores, a política de dedução de impostos sobre
bens e serviços é mais eficaz do que uma política de subsídio de turismo.
Observa-se que a maioria dos estudos de simulação aplicados ao turismo são em nível
estratégico. No entanto, em menor quantidade, encontra-se na literatura estudos a nível
operacional de simulação em atividades turísticas. Um exemplo dessa aplicação é o estudo de
Bronzatto et al. (2017) que, com a utilização do software Arena, realizaram uma simulação de
passageiros em viagens turísticas para identificar os gargalos de uma empresa do setor.
A nível operacional, existem também estudos que analisam o processo de formação de
filas em atrações turísticas ou em empresas do setor. Com o objetivo de obter melhorias no
sistema logístico do aeroporto internacional de Guarulhos, Formigoni et al. (2015)
desenvolveram um modelo de simulação computacional do processo de check-in deste
aeroporto. A partir da análise dos resultados da simulação, realizada pelo software Arena, os
autores apontaram uma alternativa de melhoria para reduzir o tempo nas filas e,
consequentemente, controlar e organizar o fluxo de pessoas no processo.

3. Estudo de Caso

O Pão de Açúcar é um complexo de morros composto pelos morros do Pão de Açúcar

(que dá nome ao complexo), da Urca e da Babilônia, que forma o maior cartão postal da cidade
do Rio de Janeiro, juntamente com a estátua do Cristo Redentor. Pelas características únicas de
beleza natural, esse complexo turístico é referência internacional.
Além das belezas naturais, o complexo possui como atração complementar o passeio de
teleférico, que liga a Praia Vermelha ao Morro da Urca e ao Morro do Pão de Açúcar. Amplamente
conhecido como Bondinho do Pão de Açúcar, o teleférico foi idealizado em 1908 e teve seu primeiro
trecho (Praia Vermelha – Morro da Urca) inaugurado em 1912, tornando-se o primeiro teleférico
instalado no país e o terceiro do mundo. O segundo trecho (Morro da Urca – Pão de Açúcar) foi
inaugurado no ano seguinte (CCAPA, 2017). Atualmente funcionam dois sistemas independentes no
Pão de Açúcar, com dois bondes em cada linha, que circulam em vai-e-vem (jig-back), com
capacidade de até 1360 passageiros por hora. Cada bonde pode transportar até 65 passageiros por
viagem, com intervalo de 20 minutos em períodos de baixa temporada, podendo chegar a partidas a
cada 3 minutos em alta temporada, em função da quantidade turistas aguardando na fila.

Segundo a CCAPA (2017), desde a sua inauguração, o Bondinho do Pão de Açúcar já

transportou mais de 40 milhões de pessoas. De acordo com os dados disponibilizados pela

6
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

empresa que administra essa atração, a quantidade de visitantes tem se mantido crescente desde o
ano de 2002, chegando próximo dos 1,6 milhões de turistas no ano de 2015, conforme Figura 1.

Já na Figura 2, é possível observar a demanda mensal de visitantes em um ano típico, no

caso o ano de 2015. Percebe-se que os meses de maior demanda são Janeiro, Julho e Dezembro.
Em contrapartida, os meses com menor movimento são Maio, Junho e Setembro. Neste sentido,
optou-se por analisar os meses de maior e menor movimento, Janeiro e Junho, respectivamente.
Quanto aos dias da semana, o de maior movimento é sábado, quando a demanda se assemelha à
de períodos de alta temporada, recebendo cerca de 6 mil visitantes/dia.

FIGURA 1 - Demanda de visitantes no Pão de Açúcar entre 1990 e 2015.

FIGURA 2 - Demanda mensal de visitantes no Pão de Açúcar em 2015.

O processo analisado neste estudo tem início com a chegada dos visitantes à atração
turística. Ao chegar no sistema, os turistas se direcionam a área da bilheteria, aonde aguardam
atendimento em uma fila única para a comprar o bilhete do passeio. Logo após, os visitantes se
deslocam até o ponto de embarque da estação da Praia Vermelha, local em que aguardam o
bondinho. Após embarcarem, são transportados ao Morro da Urca para realizarem o passeio.

7
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

Deste ponto em diante, cada turista decide seu passeio, podendo permanecer naquele morro ou
percorrer o segundo trecho para chegar ao Morro do Pão de Açúcar. Ao fim do passeio os
visitantes retornam à estação do Morro da Urca para embarcar no bondinho e retornarem à
Estação Praia Vermelha. O processo termina quando os visitantes desembarcam nessa estação e
deixam o sistema. Tal processo está representado de maneira resumida na Figura 3.

FIGURA 3 - Fluxograma do caminho feito pelos visitantes no sistema estudado.

4. Modelagem do Sistema Real

De acordo com Banks (1998), a coleta de dados consiste na aquisição de informações tais
como, os fluxos, os recursos, os procedimentos da operação e as considerações teóricas. Sendo
assim, foi realizado um levantamento dos dados do sistema analisado por meio de observações
dos procedimentos do sistema e de informações disponibilizadas no endereço eletrônico da
atração turística. Por meio de visitas técnicas, foi possível coletar amostras representativas da
população para algumas variáveis. Posteriormente, foram feitas análises por meio do Input
Analyser, uma ferramenta do software Arena, que auxilia na determinação das curvas de
comportamento, fornecendo a melhor distribuição estatística para uma determinada variável
aleatória discreta. A seguir, a Tabela 1 apresenta os resultados encontrados para duas variáveis:
tempo para comprar o ingresso e tempo de duração do passeio.

TABELA 1 - Distribuições estatísticas determinadas por meio do Input Analyser.

Variável Distribuição Expressão (min)

Compra do Ingresso Lognormal 0.15 + LOGN(0.357, 0.299)
Passeio Erlang 33 + ERLA(39.8, 2)

De acordo com as informações disponibilizadas no site da atração turística, o tempo de viagem

do bondinho é de três minutos. A janela de tempo entre duas viagens depende da demanda do bondinho,
podendo variar entre três e 20 minutos. O sistema analisado opera 13 horas por dia (de 8:00 hs às 21:00

8
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

hs), no entanto, a entrada no mesmo é permitida durante 12 horas (já que a última viagem de subida parte
às 20:00 hs). Sabe-se, ainda, que a primeira viagem ocorre 10 minutos após o início da operação.
Para determinar a taxa de chegada dos turistas nos períodos de alta e baixa temporada,
foram utilizados os valores da demanda mensal de Janeiro e Junho, respectivamente. Para estimar a
previsão de demanda para o ano de 2018, utilizou-se a série histórica desses meses de 1990 até 2015
(Figura 4), com o intuito de obter as equações de previsão de demanda desses meses para o ano de
2018. Após fazer esta estimativa, observou-se que, durante a alta temporada, os turistas chegam
segundo uma distribuição exponencial de média igual a 0,085 minutos. Já para o período de baixa
temporada, essa taxa segue uma distribuição exponencial de média igual a 0,155 minutos.

FIGURA 4 - Gráficos da série histórica da demanda de Janeiro (a) e Junho (b) com linha de tendência.

FIGURA 5 - Modelagem do passeio turístico (a) e das viagens (ida e volta) no bondinho (b).

Após a coleta, tratamento e análise dos dados, o sistema em questão foi analisado e
representado seguindo os preceitos apresentados no referencial teórico e os objetivos da
pesquisa. Sendo assim, o processo apresentado na Figura 3 foi modelado por meio do software

9
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

Arena. Além de apresentar todo o caminho percorrido pelo visitante desde a sua chegada a
atração até a sua saída, a Figura 5 representa os processos de viagens (ida e volta) no bondinho.
5. Análise dos Resultados da Simulação

Com base no modelo de simulação apresentado foram realizados testes computacionais para
diferentes cenários. A proposição inicial dos cenários ocorreu em função das demandas distintas ao
longo do ano, característica da sazonalidade da atração. Portanto, foram criados dois grandes grupos
de cenários: baixa temporada e alta temporada. Tais grupos de cenários foram analisados segundo
alguns atributos, a saber: i) quantidade de atendentes na bilheteria (que pode variar a 1 a 8); e ii)
intervalo entre as viagens do bondinho (que variam entre 3 e 20 minutos). Neste segundo caso
foram realizados testes para partidas a cada 3, 5, 7, 8, 9, 10, 11, 12, 15, 18 e 20 minutos.
Como a bilheteria da atração turística é o primeiro contato do visitante com o sistema e
possui oito guichês que operam de acordo com a demanda, o primeiro ponto de análise foi
justamente esse. Buscou-se, então, identificar o número adequado de funcionários que devem
ser alocados neste setor nos períodos de baixa e alta temporada. Para isso, foram utilizados
três indicadores: a taxa de ocupação média de cada recurso (no caso, os funcionários), o
número médio de pessoas na fila e o tempo médio de espera na fila. Tais informações estão
representadas nas Tabelas 2 e 3, respectivamente, para baixa e alta temporada.

TABELA 2 - Indicadores da fila da bilheteria no período de baixa temporada.

Baixa Temporada
Funcionários na Bilheteria Taxa de utilização média Número médio de pesoas na fila Tempo médio na fila (min)
1 100% 1607,92 242,05
2 99,995% 905,83 139,12
3 99,83% 172,10 26,66
4 82,31% 1,75 0,269
5 65,43% 0,36 0,056
6 54,50% 0,13 0,020
7 46,98% 0,035 0,005
8 41,14% 0,014 0,002

Como pode ser observado na Tabela 2, caso sejam alocados apenas um ou dois atendentes
ao setor de bilheteria, o serviço se tornaria inviável, tendo em vista que a taxa média de utilização
dos recursos atinge os 100%, enquanto o número médio de pessoas e o tempo médio de espera na
fila atingem valores inaceitáveis. Tais valores chegam a 906 pessoas na fila para dois atendentes e
1608 pessoas na fila para um atendente. Já o tempo médio aguardando na fila varia de 2 horas e 19
minutos para dois atendentes a 4 horas e 2 minutos para um único atendente. Já para o caso de três
atendentes, apesar de os indicadores relacionados à fila reduzirem, o percentual médio de ocupação
do recurso ainda continua superior a 99% (funcionários na bilheteria).

10
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

No entanto, o oposto também é verificado quando são alocados 5 ou mais atendentes ao

setor. Para cinco guichês em funcionamento, o número de pessoas na fila já é próximo de zero e,
por consequência, o mesmo acontece com o tempo. Logo, conclui-se que quatro é o número ideal
de guichês em funcionamento nos meses de baixa temporada. Com isso, o número médio de
pessoa na fila e o tempo médio na fila são pequenos e se obtém uma boa taxa de ocupação dos
funcionários.

TABELA 3 - Indicadores da fila da bilheteria no período de alta temporada.

Alta Temporada
Funcionários na Bilheteria Taxa de utilização média Número médio de pesoas na fila Tempo médio na fila (min)
1 100% 3588.54 300.29
2 100% 2773.37 237.06
3 100% 2167.69 183.92
4 99.96% 1350.23 115.57
5 99.95% 729.24 62.88
6 98.54% 24.76 2.13
7 84.09% 1.68 0.15
8 74.19% 0.70 0.06

TABELA 4 - Indicadores da fila do bondinho no período de baixa temporada.

Tempo entre Número médio de Tempo Médio na Número médio de pesoas Tempo Médio na Fila
viagens (min) pesoas na fila (IDA) Fila (IDA) (min) na fila (RETORNO) (RETORNO) (min)
3 7,39 1,15 7,93 1,49
5 13,39 2,11 13,34 2,53
7 21,79 3,38 18,29 3,48
8 22,14 3,46 21,42 4,02
9 35,81 5,59 23,31 4,45
10 28,08 4,29 29,63 5,61
11 229,03 35,60 34,91 7,06
12 404,17 61,98 33,10 7,39
15 797,67 123,26 36,38 10,06
18 980,90 156,37 31,22 10,35
20 1148,15 176,18 34,16 12,77

Já para o período de alta temporada (Tabela 3), observa-se que com até cinco atendentes
na bilheteria os indicadores de fila mostram-se críticos, uma vez que o menor tempo médio de
espera chega a 1 hora e 3 minutos. Para seis funcionários, assim como acontece para três no
período de baixa temporada, os indicadores de fila atingem bons resultados, no entanto percebe-
se uma elevada taxa de ocupação média dos funcionários, superior a 98%. Sendo assim, sete
atendentes é o número que se mostra adequado ao cenário de alta temporada, mesmo com
número média de pessoas na fila inferior a dois e tempo médio de espera próximo de zero.
O segundo atributo a ser analisado para o conjunto de cenários propostos diz respeito ao
intervalo entre as viagens do bondinho, que pode variar de 3 a 20 minutos. Buscou-se, então,
identificar o intervalo entre as viagens do bondinho que melhor se ajuste a cada um dos períodos em
questão. Para tanto, foram enunciados quatro indicadores: o número médio de pessoas na fila de

11
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

subida da estação Praia Vermelha (percurso de Ida), o tempo médio de espera na fila da estação
Praia Vermelha (Ida), o número médio de pessoas na fila de descida da estação Morro da Urca
(Retorno) e o tempo médio de espera na fila da estação Morro da Urca (Retorno). Os resultados
encontrados podem ser observados nas Tabelas 4 e 5, respectivamente, para baixa e alta temporada.
Como apontado, o aumento de um minuto neste intervalo de saídas gera grande impacto
no sistema, uma vez que o comprimento da fila de Ida e o tempo de espera nessa fila passa a ser
oito vezes maior. Apesar disso, tanto o comprimento da fila quanto o tempo de permanência na
mesma para embarcar no trecho de Retorno permaneceram-se próximos do cenário de 10
minutos. Tal fato pode se dar em função das diferentes taxas de chegada à estação Praia Vermelha
(antes do passeio) e Morro da Urca (após finalizar o passeio).

TABELA 5 - Indicadores da fila do bondinho no período de alta temporada.

Alta Temporada
Tempo entre Número médio de Tempo Médio na Número médio de pesoas Tempo Médio na Fila
viagens (min) pesoas na fila (IDA) Fila (IDA) (min) na fila (RETORNO) (RETORNO) (min)
3 9,4734 1,2073 9,8079 1,5091
5 17,4261 2,1904 16,4183 2,4899
7 26,9874 3,4415 22,9945 3,5426
8 42,5454 5,3243 30,0317 4,6093
9 254,73 32,8763 40,4075 6,7873
10 534,65 67,9305 33,7291 6,2826
11 756,14 96,1265 33,7088 6,9189
12 929,24 118,17 33,0331 7,3622
15 1275,55 164,61 35,9855 10,0652
18 1560,78 199,2 31,8509 10,63
20 1682,03 214,01 31,138 11,4973

No que tange ao período de alta temporada, observa-se que um intervalo entre viagens
de 10 minutos, similar ao indicado para a baixa temporada, acarreta em um tempo médio na fila
de 67 minutos no percurso de Ida. Além disso, o número médio de pessoas na fila da ida é de
aproximadamente 535 pessoas, o que não se mostra apropriado para ser uma constante em uma
atração turística. Tal situação pode desgastar a imagem da atração com seus visitantes que
passam a gastar seu tempo em filas e esperas ao invés de desfrutá-lo no passeio em si. Sob esta
ótica, o intervalo que se mostra mais adequado para a partida dos bondes é de oito minutos, que
proporciona baixos valores para os indicadores analisados, como pode ser visto na Tabela 5.

6. Considerações Finais
Este estudo apresentou uma avaliação, sob a ótica da simulação computacional, do
atendimento prestado aos visitantes em uma grande atração turística do Rio de Janeiro. Essa avaliação
tomou como base a capacidade de atendimento do sistema como um todo, desde a bilheteria até o
momento que o visitante deixa a atração, e o comportamento das filas que dão acesso à atração.

12
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

Por meio do aprofundamento teórico e, principalmente, da comparação de cenários, foi

possível responder algumas questões levantadas por este trabalho. Os resultados obtidos apontam
que a capacidade de atendimento da atração possui plena condição de ser adequada ao volume de
público que a mesma recebe sem necessidade de alterações em sua estrutura no curto prazo. Isso
ocorre porque nos principais gargalos do sistema (compra de ingressos e acesso ao bonde de subida
na estação Praia Vermelha) já está implementada a possibilidade de ampliação das operações.
Tal fato pode ser comprovado quando se observa que em nenhum dos cenários testados
foi necessário utilizar-se da capacidade máxima do sistema, resumida a oito atendentes na
bilheteria e intervalo de três minutos para saída dos bondes. No cenário de maior complexidade,
referentes ao período de alta temporada, a alocação de 7 atendentes na bilheteria e o intervalo de
8 minutos entre as saídas dos bondes mostraram-se satisfatórios para o atendimento da demanda
prevista para o ano de 2018, superior a 8.000 visitantes por dia.
Sugere-se, para trabalhos futuros, que sejam realizadas coletas de dados referentes à chegada
nos visitantes, já que neste trabalho utilizou-se a média de visitantes por dia em função da quantidade
de horas de funcionamento do sistema. Com isso, acredita-se que seja possível prevenir possíveis
erros com relação ao tipo de distribuição estatística dos eventos de chegada de visitantes à atração.

Referências
AZEVEDO, D.; VACCARO, G. L. R.; LIMA, R. C. S. E SILVA, D. O. Um estudo de simulação computacional
para a análise de perfis de aprendizagem organizacional. Revista Produção, v. 20, n. 4, p. 639-656, 2010.
BANKS, J. Principles of simulation. In: Handbook of simulation: principles, methodology, advances,
applications and practice. Nova York: John Wiley & Sons, 1998.
BECKEN, S. Measuring the Effect of Weather on Tourism: A destination-and Activity-Based Analysis. Journal
of Travel Research, v. 52, n. 2, p. 156-167, 2013.
BORKAN, R.; UNDERHILL, A. Simulating the effects of Glen Canyon Dam releases on Grand Canyon River
trips. Environmental Management, v. 13, n. 3, p. 347–354, 1989.
BRONZATTO, T. M. C.; JOAQUIM JUNIOR, C. F. E CERVI, R. G. Simulação de processos logísticos em
empresa do setor de turismo. Tekhne e Logos, v. 8, n. 2, p. 16-28, 2017.
BUJOSA, A.; ROSSELLO, J. Climate change and summer mass tourism: the case of Spanish domestic tourism.
Climate Change, v. 117, n. 1-2, p. 363-375, 2013.
CCAPA. Bondinho Pão de Açúcar. Companhia Caminho Aéreo Pão de Açúcar, Rio de Janeiro, RJ, 2017.
Disponível em: <http://www.bondinho.com.br/>. Acesso em: 04 Dez 2017.
DANIEL, T.; GIMBLETT, R. Autonomous agents in the park: an introduction to the Grand Canyon River trip
simulation model. International Journal of Wilderness, v. 6, n. 3, p. 39–43, 2000.
DIAS, L. M. S.; VIEIRA, A. A. C.; PEREIRA, G. A. B. E OLIVEIRA, J. A. Discrete Simulation Software
Ranking – a top list of the worldwide most popular and used tools. Anais do XLVIII Winter Simulation
Conference, WSC, Arlington, VA, Estados Unidos, 2016.

13
 XXV SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO
Inovação E Sustentabilidade Na Gestão De Processos De Negócios
Bauru, SP, Brasil, 7 a 9 de novembro de 2018

EATON, B.; HOLDING, D. The evaluation of public transport alternatives to the car in British National
Parks. Journal of Transport Geography, v. 4, n. 1, p. 55-65, 1996.
FORMIGONI, A.; MAIELLARO, J. R.; BORRERO, C. L.; GARCIA, M. J. E SANTOS, M. N. Aplicação da
simulação computacional no processo de check-in do aeroporto internacional de Guarulhos. South American
Development Society Journal, v. 1, n. 2, p. 20-32, 2015.
GEORGANTZAS, N. C. Tourism Cyprus’ hotel value chain and profitability. System Dynamics Review, v. 19, n.
3, p. 175-212, 2003.
HEIN, L.; METZGER, M. J.; MORENO, A. Potential impacts of climate change on tourism; a case study of
Spain. Current Opinion in Environmental Sustainability, v. 1, n. 2, p. 170-178, 2009.
LAWSON, S. R.; MANNING, R. E.; VALLIERE, W. A. E WANG, B. Proactive monitoring and adaptive
management of social carrying capacity in Arches National Park: an application of computer simulation
modeling. Journal of Environmental Management, v. 68, n. 3, p. 305-313, 2003.
MENG, X. Is a Tourism Subsidy the Best Response to the Global Financial Crisis? A Short-run CGE Simulation
for Singapore. Asia Pacific Journal of Tourism Research, v. 19, n. 3, p. 325-341, 2014.
OMT. Why tourism?. Organização Mundial de Turismo, 2017. Disponível em:
<http://www2.unwto.org/content/why-tourism>. Acesso em: 02 Dez 2017.
Paragon. O que é simulação?. 2017. Disponível em: <http://www.paragon.com.br/academico/o-que-e-
simulacao/>. Acesso em: 29 Nov 2017.
PEETERS, P.; DUBOIS, G. Tourism travel under climate change mitigation constraints. Journal of Transport
Geography, v. 18, n. 3, p. 447-457, 2010.
PÉREZ-NEBRA, A. R.; TORRES, C. V. Medindo a imagem do destino turístico: uma pesquisa baseada na
teoria de resposta ao item. Revista de Administração Contemporânea, v. 14, n. 1, p. 80, 2010.
ROSAS-CASALS, M.; PONS-PONS, M. Modeling Climate Change Effects on Winter Ski Tourism in Andorra.
Climate Research, v. 54, n. 3, p. 197-207, 2012.
SANTOS, M.; MAGNO, B. D.; QUINTAL, R. S.; DIAS, F. C.; SANTOS, F. M. C. E MARTINS, E. R.
Simulação de eventos discretos na identificação de gargalos no processo seletivo de estagiários de um órgão
público federal: uma abordagem sistêmica. Universitas: Gestão e TI, v. 7, n. 1, p. 149-155, 2018.
STEFFEN, D. A.; CASSEL, R. A. Relatório Final da Simulação do abastecimento da TNT no condomínio
industrial da General Motors – GM, 2005.
TOL, R. S. J. The impact of a carbon tax on international tourism. Transportation Research Part D, v. 12, n. 2,
p. 129-142, 2007.
UNDERHILL, A.; XABA, A. E BORKAN, R. The wilderness use simulation model applied to Colorado River
boating in Grand Canyon National Park, USA. Environmental Management, v. 10, n. 3, p. 367–374, 1986.
WANG, B.; MANNING, R. Computer simulation modeling for recreation management: a study on carriage road
use in Acadia National Park, Maine, USA. Environmental Management, v. 23, p. 193–203, 1999.

14