APLICAÇÃO DA MODELAGEM E SIMULAÇÃO DE UM SISTEMA DE

ATENDIMENTO DE UMA EMPRESA DE ÔNIBUS NA ESTAÇÃO

RODOVIÁRIA DE ITABUNA BAHIA.

Joadson de Jesus Oliveira (UESC)

jjoliveira.ep@uesc.br
Lara Cristina Silva de Souza (UESC)
lcssouza.ep@uesc.br
Marlon Vinicius Siqueira da Silva (UESC)
mvssilva1.ep@uesc.br
Vitória Freire Vieira (UESC)
vfvieira.ep@uesc.br

RESUMO:
Mediante a necessidade de analisar o comportamento de formação de filas de
espera em uma viação rodoviária da cidade de Itabuna, situada no interior da Bahia.
Realizou-se uma pesquisa de caráter qualitativo, onde coletou-se dados primários
dos tempos de chegada na fila, bem como o tempo de duração dos atendimentos.
Para metodologia aplicada fez-se necessário a utilização de alguns softwares, como
Excel, StarFit e Simul8 para tratamento dos dados, criação de um modelo e
posteriormente simulação dos possíveis cenários dos postos de atendimento da
empresa analisada. Com a finalidade de analisar se o modelo implementado hoje no
empreendimento é o melhor cenário de atendimento ao público, ou se é possível
implementar mudanças com base nos modelos simulados de forma computacional,
visando propiciar um aumento de produtividade e taxa de ocupação, e uma
consequente redução no tempo de espera dos clientes. Após realizar todas análises
de resultados fica claro que o modelo que oferece um equilíbrio adequado entre a
eficiência dos guichês e o tempo de espera dos clientes é o atendimento com três
guichês, sendo esse o modelo de postos de atendimento que já é praticado pela
empresa de transporte rodoviário.

Palavras-Chave: Simulação. Taxa de ocupação. Tempo de Fila. Tempo de

Atendimento. Simul8.
 1. INTRODUÇÃO

A empresa de viação analisada iniciou sua trajetória em 1978 na cidade de

Itapetinga, conectando dez municípios do sul e sudoeste da Bahia com serviços de
transporte semi urbano e rodoviário de passageiros. A partir de Itabuna, a empresa
implementou novos conceitos de gestão para atender dinamicamente aos clientes
em transporte de passageiros e encomendas, expandindo sua presença para mais
de 150 cidades baianas, incluindo o Recôncavo e a Chapada Diamantina. Os que
utilizam do serviço da empresa de forma rotineira esperam não ficar ociosos em filas
e no atendimento, tendo como percepção de qualidade um atendimento rápido e
eficiente.
Este artigo explora um modelo de simulação de eventos discretos. Simulação
a eventos discretos: abrange o estudo de modelos de simulação cujas variáveis
mudam de estado instantaneamente em pontos específicos de tempo, ou seja, a
ocorrência de um evento causa uma transição ou mudança de estado no sistema
(Cassandras, 2008). Será abordada em detalhes no tópico seguinte tendo em vista
que utilizou-se esta metodologia para o tipo de simulação aqui utilizada.
A simulação a eventos discretos tem como objetivo primário representar
sistemas reais que se comportam dessa forma. É realizada através de experimentos
computacionais com o intuito de criar insights e gerar cenários de forma
representativa (Albright e Winston, 2012). A análise concentra-se no tempo de
chegada até o fim do atendimento e atendimento, avaliando se são adequadas para
proporcionar uma experiência satisfatória aos passageiros.
Após a coleta de dados realizada na Estação da Rodoviária de Itabuna,
situada no sul da Bahia, realizou-se uma cronoanálise e modelagem do sistema no
software SIMUL8, buscando identificar o cenário que mais se adequa a realidade
atual da empresa analisada, bem como prever possíveis melhorias ou confirmar a
eficiência do sistema de atendimento que já está em funcionamento.
 2. REFERENCIAL TEÓRICO

2.1 Teoria das Filas

A Teoria das Filas, explorada por autores como Kleinrock (1975) e Gross &
Harris (1998), é um campo crucial na pesquisa operacional, analisando sistemas nos
quais entidades aguardam atendimento. A estrutura básica inclui a fonte de
chegada, a instalação de serviço e a disciplina de atendimento (Kleinrock, 1975).
Processos estocásticos, como o de Poisson para chegadas e o exponencial para
tempos de serviço, são fundamentais na modelagem (Gross & Harris, 1998).
Medidas de desempenho, como taxa de chegada e tempo médio de espera, são
essenciais para avaliação (Cooper, 1981). Modelos, como o M/M/1, são
empregados, com variações para situações específicas (Kendall, 1953). Estratégias
de otimização, como alocação eficiente de servidores, prioridades e gestão de
capacidade, são focos para melhorar a eficiência operacional (Gross & Harris, 1998).
A aplicação prática desses princípios é fundamental em setores diversos, como
saúde, logística e atendimento ao cliente.

2.2 Modelagem e Simulação

No campo da Engenharia de Produção, a modelagem e a simulação
assumem uma importância primordial. Estas ferramentas, de valor inestimável, são
empregadas para a análise, compreensão e otimização de sistemas complexos.
Através desta abordagem, engenheiros e gestores têm a oportunidade de visualizar
o comportamento de sistemas antes de sua implementação ou antes de realizar
alterações significativas.
A modelagem é comumente empregada na criação de representações
matemáticas ou computacionais de sistemas. Por outro lado, a simulação é o
processo que envolve a execução desses modelos, permitindo a observação do
comportamento dos sistemas ao longo do tempo. Esta metodologia proporciona uma
visão detalhada e aprofundada dos sistemas, contribuindo para a tomada de
decisões mais informadas e eficazes.
Alexandre (2018) comenta: “A modelagem e simulação computacional são
ferramentas importantes na busca pela otimização de processos, especialmente na
indústria onde a busca pela produção mais rápida, de melhor qualidade e com
menor custo fazem a diferença para uma empresa.” Dessa forma, a modelagem e
simulação, aliadas à teoria das filas permitem uma abordagem sistemática para
entender, analisar e aprimorar sistemas complexos.

2.3 Organização do Trabalho Através da Melhoria Contínua

A melhoria contínua na gestão é uma prática que busca incessantemente

aprimorar os produtos, processos e serviços de uma organização. Isso envolve um
refinamento contínuo de processos, produtos e serviços, com o objetivo de aumentar
a qualidade e minimizar os desperdícios.
No âmbito organizacional, a melhoria contínua é caracterizada por uma
sequência de ações ininterruptas que visam o aperfeiçoamento de processos,
produtos e serviços. Isso requer uma análise detalhada e uma medição precisa da
realização de tarefas pela empresa, identificando e corrigindo falhas, atrasos e
gargalos, o que resulta em uma maior eficiência e produtividade.

3. METODOLOGIA

A coleta dos dados primários ocorreu nos dias 11 e 18 do mês de novembro

de 2023. Sendo realizada na estação rodoviária de Itabuna no interior da Bahia.
Iniciou-se a coleta a partir das 9h30 e sendo finalizada às 11h00 totalizando 1h30
de coleta de dados, cabe salientar que ambas as coletas foram realizadas no
mesmo dia da semana, com o objetivo de garantir que os cenários analisados sejam
similares gerando confiabilidade aos resultados aqui descritos.
Analisou-se o momento de chegada dos clientes na fila, bem como o tempo
que os mesmos levavam para serem atendidos, do mesmo modo quanto ao tempo
que durava os atendimentos. A princípio, no que se refere a materiais tecnológicos
utilizou-se apenas três cronômetros, onde os observadores analisaram o tempo de
permanência na fila e contabilizaram o tempo de atendimento nos quatro guichês
disponíveis.
A coleta de dados foi realizada de forma manual, onde passou-se a tomar
nota dos tempos de chegada e saída dos clientes na fila, bem como nos pontos de
atendimento. No intervalo de tempo destacado acima foram coletadas 100 amostras
de tempo de espera em fila e 100 amostras de tempos de atendimento.
Uma vez estando em posse dos dados realizou-se a tabulação dos mesmo
em uma planilha do Excel, onde posteriormente foram devidamente tratados e em
seguida com o auxílio do software Startfit tornou-se possível analisar o gráfico de
dispersão dos dados e analisar qual é a melhor abordagem para trabalhar as
amostras, já através do software SIMUL8 realizou-se a verificação e validação do
sistema encontrado no cenário real, do mesmo modo que foi possível simular
diversos cenários com os postos de atendimentos, com o objetivo entender qual
seria o modelo que mais se aproxima da realidade e mensurar possíveis
adequações no modelo já implementado pela empresa em questão, visando reduzir
o tempo de ociosidade dos funcionários, redução do tempo de espera dos clientes e
um consequente aumento de produtividade para a empresa.

4. RESULTADOS E DISCUSSÕES

4.1 Caracterização do Cenário Real

A viação rodoviária analisada possui quatro postos de atendimento, sendo um

de segmento preferencial e três de livre público. Nos primeiros momentos de coleta
tornou-se possível realizar uma caracterização do modelo de trabalho praticado nos
guichês de atendimento, notou-se também que era muito raro os quatros postos de
atendimento funcionarem de forma simultânea. Acredita-se que o modelo de
trabalho adotado pela empresa corrobora de forma significativa para os resultados
aqui tratados.
Realizou-se a coleta através de três observadores, onde um observador
realizou a análise do tempo de fila, dois observadores analisaram os respectivos
tempos de atendimento para cada guichê. Obteve-se 100 amostras para tempo de
fila e 100 amostras para tempo de atendimento, após a tratativa dos dados restaram
respectivamente 95 e 98 amostras. Os resultados preliminares foram obtidos através
do software Excel, e podem ser analisados na Tabela (1) e na Tabela (02) descritas
abaixo, onde irão demonstrar respectivamente os resultados para as amostras de
tempo de fila e tempo de atendimento.
Tabela 01 - Dados de tempo de fila tratados no Excel.
TEMPO DE FILA
n 100
média 52,66
desvio padrão 42,41
variância 1798,32
máximo 186
mínimo 5
amplitude 181
1º quartil 20
3º quartil 74
amplitude entre os Qs 54
Outlier < -61
Outlier > 155

Fonte: Dados extraídos da pesquisa.

Tabela 02 - Dados de tempo de atendimento tratados no Excel.

TEMPO DE ATENDIMENTO
n 100
média 102,35
desvio padrão 52,73
variância 2780,97
máximo 362
mínimo 22
amplitude 340
1º quartil 62,5
3º quartil 128,85
amplitude entre os Qs 66,25
Outlier < -36,88
Outlier > 228,13

Fonte: Dados extraídos da pesquisa.

 Analisando inicialmente as amostras de tempo de fila, obteve-se o valor
médio de espera correspondente a 52.66s para o cenário real e um tempo máximo
de espera em fila de 186.00s, o que equivale a três minutos conforme pode ser
observado na Tabela 01 acima. Analogamente tornou-se possível traçar o
comportamento dos dados referente ao tempo de atendimento, obtendo-se o tempo
médio de atendimento equivalente 102.35s, o que equivale a um minuto e quarenta
e dois segundos e para o tempo máximo de atendimento obtivesse 362s
equivalente seis minutos de atendimento, concordante a Tabela 02 mencionada
anteriormente. Para ambos os cenários cabe salientar que antes de realizar tais
análises retirou-se os outlier extremos de modo a assegurar maior confiabilidade aos
dados aqui expostos.

4.2 Cenário Com Três Postos de Atendimento Simultâneos

No que tange a modelagem realizada com o software Simul8 fez-se
necessário implementar diferentes modelos de postos de atendimento com a
finalidade de identificar qual modelo melhor se encaixa ao cenário real. Deste modo,
analisou-se inicialmente o comportamento da simulação na condição de quatro
guichês funcionando de forma simultânea, posteriormente um cenário com três
postos de atendimento e por fim com dois. O modelo com três postos de trabalho
citado acima pode ser analisado na Figura 01 a seguir.

Figura 01 - Modelo de simulação para três postos de trabalho.

Fonte:Realizado pelos autores através do Simul8.

 Confrontando os dados obtidos na simulação frente aos dados coletados na
estação rodoviária da cidade de Itabuna, pôde-se concluir que o modelo que mais se
assemelha ao cenário real é o modelo com três guichês em funcionamento
simultâneo, onde houve uma entrada de 133 pessoas no sistema, com três pessoas
em espera na fila e com uma saída de 126 pessoas do sistema. Analisando agora o
cenário real, obteve-se para o mesmo intervalo de tempo houve uma entrada de 100
pessoas no sistema e uma saída de 98 pessoas, o que mostra uma certa
similaridade entre os dados.
Observando agora o tempo médio e máximo de espera em fila, bem como o
tempo médio e máximo de atendimento obteve-se respectivamente 52.66s e
186.00s,o que equivale a três minutos para tempo de espera no cenário real, já para
o modelo implementado no Simul8 atingiu-se o tempo médio de espera 119.45s,
equivalente a dois minutos e o tempo máximo de espera em fila 138.80s,
equivalente a dois minutos trinta segundos. Ainda analisando o modelo proposto que
se assemelha ao cenário real, cabe salientar que o tempo de ociosidade médio entre
os três guichês é de 25,66% ou seja, obtendo-se aproximadamente uma taxa de
ocupação de 74,34%, resultados esses que se enquadram dentro da expectativa de
produtividade traçada pela alta gestão da empresa analisada. Os demais
indicadores de desempenhos para o cenário com três postos de atendimento podem
ser melhor analisados na Tabela 03 a seguir.

Tabela 03 - Indicadores de desempenho para o cenário com três postos de

atendimento.
INDICADORES DE DESEMPENHO VALOR (95% DE PRECISÃO)
Quantidade de pessoas que entraram no sistema
133
Tempo médio de espera na fila (seg) 119.45S
Tempo máximo de espera na fila (seg) 138.80S
Quantidade média de pessoas na fila 3
Quantidade máxima de pessoas na fila 5
Taxa de ocupação Guichê 1 76,09%
Taxa de ocupação Guichê 2 74,44%
Taxa de ocupação Guichê 3 73,83%
Quantidade de pessoas que saíram do sistema 126
Fonte: Tabela desenvolvida pelos autores.
 Tendo em vista a necessidade de um olhar minucioso para o grau de
produtividade dos postos de trabalho da viação rodoviária analisada, sabendo que
falta de gestão nesta etapa do processo pode acarretar não só ao aumento de
formação de filas, como também no consequente aumento do tempo de espera por
parte dos clientes, criou-se gráfico em barra para comparar o grau de ociosidade
versos ocupação a fim de analisar possíveis gargalos e oportunidades dentro do
modelo simulado. Na Figura 02 abaixo tem-se as taxas de ocupação assim como as
taxas de ociosidades para cada um dos guichês de atendimento.

Figura 02 - Taxa de ocupação versos ociosidade para o cenário com três guichês
em funcionamento simultâneo..

Fonte: Confeccionados pelos autores.

O padrão de atendimento ao público que é atualmente aplicado pela empresa

de viação rodoviária aqui analisada, tem se mostrado ideal tendo em vista as taxas
de ocupação dos funcionários bem como o tempo médio e máximo de espera em fila
garantindo que o cliente não ultrapasse o tempo de espera de 138.80s, o que
equivale a dois minutos e trinta segundos. Outro indicador de desempenho do
modelo aqui apresentado é o tempo médio que dura cada atendimento, onde
obteve-se 39.10s com uma margem de erro de 0,19% e com 59 das 133 pessoas
aguardando em fila. É importante salientar que para os dados expostos na tabela de
desempenho acima, adotou-se um parâmetro de 95% de precisão.
 4.3 Cenário Com Quatro Postos de Trabalhos Simultâneos

Considerando que a empresa dispõe atualmente de quatro postos de

atendimento, mas que apenas três postos funcionam de forma simultânea cabe
analisar um segundo cenário considerando que os quatro postos estejam ativos e
funcionando. A análise revela resultados que impactam significativamente nos
indicadores de desempenho do sistema. Com a mesma entrada de 133 pessoas, 2
pessoas em fila e uma saída de 127 pessoas, as taxas de ocupação e ociosidade
apresentam variações notáveis, bem como os tempos de espera.Conforme pode ser
observado na Figura 03 a seguir.

Figura 03 - Modelo de simulação para quatro postos de trabalho.

Fonte:Realizado pelos autores através do Simul8.

Os indicadores de desempenho para este cenário mostram que o tempo

mínimo de espera é de 94.02s, o tempo médio de espera em fila é de 101.98s e o
tempo máximo atinge 109.93s, todos calculados com um intervalo de confiança de
95%. Analisando a Tabela (04) é possível perceber que, apesar de o tempo mínimo
de espera ser menor em comparação com o cenário anterior, o tempo médio de
espera em fila não apresenta uma redução significativa, ratificando assim a
dispensabilidade de um dos guichês.
Tabela 04 - Indicadores de desempenho para o cenário com quatro postos de
atendimento.

INDICADORES DE DESEMPENHO VALOR (95% DE PRECISÃO)

Quantidade de pessoas que entraram no sistema
133
Tempo médio de espera na fila (seg) 101.98s
Tempo máximo de espera na fila (seg) 109.93s
Quantidade média de pessoas na fila 2
Quantidade máxima de pessoas na fila 3
Taxa de ocupação Guichê 1 58,16%
Taxa de ocupação Guichê 2 55,835
Taxa de ocupação Guichê 3 57,09%
Taxa de ocupação Guichê 4 56,05%
Quantidade de pessoas que saíram do sistema 127

Fonte: Tabela desenvolvida pelos autores.

Ao avaliar o nível de ociosidade e o grau de ocupação dos funcionários,

observa-se que a média de ociosidade é de 43.1%, indicando uma subutilização dos
recursos disponíveis. A ocupação média dos guichês é de 56.89%, sugerindo que,
mesmo com todos os postos em operação, há um potencial de melhoria na
eficiência operacional.
Detalhando a análise por guichê, como mostra a Figura (04), verifica-se que o
Guichê 1 possui uma ociosidade de 41.84% e uma taxa de ocupação de 58.16%. Os
Guichês 2, 3 e 4 apresentam ociosidade de 44.17%, 42.91% e 43.05%,
respectivamente, com taxas de ocupação de 55.83%, 57.09% e 56.05%. Esses
resultados indicam que há espaço para redistribuição de recursos para otimizar a
ocupação dos guichês.
Figura 04 - Taxa de ocupação versos ociosidade para o cenário com quatro guichês
em funcionamento simultâneo.

Fonte:Realizado pelos autores.

Assim, embora a utilização dos quatro postos simultâneos tenha reduzido o

tempo mínimo de espera, a presença de ociosidade considerável e a falta de uma
melhoria significativa no tempo médio de espera sugerem que manter todos os
guichês em operação pode não ser vantajoso para a empresa de ônibus na
conjuntura analisada. Por isso, faz-se necessário uma reavaliação estratégica,
possivelmente redistribuindo recursos ou explorando outras abordagens, para
aprimorar a eficiência do atendimento ao cliente neste contexto específico, ou
atribuir outras tarefas aos funcionários de modo a promover a redução da
ociosidade.
 5. CONCLUSÃO

Tendo em vista os resultados obtidos após a análise dos dados coletados em

campo, bem como o tratamento dos dados primários através dos softwares Excel e
StartFit e posteriormente com os modelos implementados no Simul8, pode-se
concluir que o modelo de atendimento com três guichês é o mais eficiente para a
empresa de viação rodoviária aqui analisada.
Este modelo não só se aproxima do cenário real, como apresenta um
equilíbrio adequado entre o tempo de espera dos clientes e a ocupação dos postos
de atendimento. Uma vez que a taxa de ocupação média entre os postos de trabalho
é 72,34%, com tempo de espera é de dois minutos, que embora seja maior do que o
tempo médio real de 46.45s, ainda está dentro de um intervalo aceitável.
Acredita-se também que tenha ficado claro que modelo com quatros postos
de atendimento não é viável para o empreendimento, uma vez que a análise dos
indicadores de desempenho para este modelo revela um cenário com aumento
significativo de ociosidade, com uma média de 43,10% entre os quatro guichês. Isso
indica que manter os quatro postos de atendimento em funcionamento simultâneo
pode não ser vantajoso para o negócio, uma vez que o aumento da ociosidade não
é compensado por uma redução significativa no tempo de espera em fila.
 6. REFERÊNCIAS

Cassandras (2008) Christos G Cassandras. Introduction to Discrete event Systems.

Springer Science Business Media.

Albright e Winston (2012) S Christian Albright e Wayne L Winston. Management

science modeling. South-Western.
Cruz, Alexandre Gomes da. Modelagem e simulação de sistema de produção em
uma indústria de confecção de roupas usando redes de PETRI. 2018. 158 f.
Dissertação (Mestrado em Engenharia de Produção e Sistemas) - Pontifícia
Universidade Católica de Goiás, Goiânia, 2018.

Kleinrock, L. (1975). Queueing Systems: Theory and Applications. Wiley.

Gross, D., & Harris, C. M. (1998). Fundamentals of Queueing Theory. Wiley.

Cooper, R. B. (1981). Introduction to Queueing Theory. North-Holland.

Kendall, D. G. (1953). Stochastic Processes Occurring in the Theory of Queues and

Their Analysis by the Method of the Imbedded Markov Chain. The Annals of
Mathematical Statistics, 24(3), 338–354.
 Anexos

Anexo 01 - Amostras coletadas de tempo de fila, com as marcações dos outlier.

Medição Tempo (s) Medição Tempo (s) Medição Tempo (s) Medição Tempo (s)

1 84 26 80 51 159 76 60

2 18 27 34 52 113 77 24

3 46 28 117 53 124 78 74

4 65 29 83 54 54 79 14

5 65 30 11 55 10 80 17

6 5 31 84 56 36 81 59

7 19 32 21 57 59 82 59

8 10 33 41 58 8 83 59

9 28 34 28 59 40 84 34

10 33 35 38 60 52 85 130

11 41 36 20 61 54 86 11

12 13 37 17 62 38 87 19

13 23 38 16 63 12 88 167

14 34 39 74 64 155 89 44

15 117 40 74 65 22 90 55

16 65 41 104 66 20 91 30

17 16 42 36 67 31 92 22

18 11 43 80 68 169 93 16

19 11 44 82 69 172 94 70

20 137 45 87 70 39 95 40

21 42 46 41 71 39 96 21

22 186 47 44 72 5 97 12
 23 29 48 36 73 40 98 16

24 42 49 93 74 98 99 83

25 42 50 20 75 11 100 27

Anexo 02 - Amostras coletadas de tempo de atendimento, com as marcações dos

outlier.

Medição Tempo (s) Medição Tempo (s) Medição Tempo (s) Medição Tempo (s)

1 131 26 131 51 161 76 50

2 95 27 114 52 64 77 103

3 49 28 90 53 143 78 136

4 111 29 118 54 93 79 79

5 129 30 138 55 128 80 119

6 38 31 58 56 73 81 69

7 44 32 96 57 89 82 171

8 138 33 82 58 67 83 106

9 158 34 116 59 83 84 62

10 107 35 73 60 81 85 124

11 115 36 54 61 154 86 22

12 96 37 72 62 104 87 61

13 158 38 77 63 31 88 114

14 189 39 140 64 52 89 112

15 40 40 71 65 175 90 74

16 114 41 57 66 180 91 108

17 55 42 108 67 138 92 116

18 67 43 205 68 123 93 135

19 127 44 140 69 72 94 54
20 83 45 53 70 84 95 180

21 61 46 55 71 59 96 81

22 276 47 51 72 90 97 85

23 32 48 89 73 29 98 62

24 157 49 88 74 59 99 243

25 56 50 362 75 101 100 72