Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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.
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
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.
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.
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.
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.
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
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).
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
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